Jurnal Penelitian - 199-336-369-6-10-20190415 PDF

SEMI
NARNASI
ONAL
I
NOVASI T
eknol
I
l
ogidan
muKomput er
GREENTECHNOLOGYANDSUSTAINABLE:
Idea,Concept,ImplementationandProductDesign
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu
ISBN : 978-602-52550-0-7
Komputer || 26 APRIL 2018]
PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI DAN ILMU

KOMPUTER
(SNITIK 2018)
SUSUNAN PANITIA SNITIK 2018
Pembina : Dr. Tommy Leonard, S.H., M.Kn.

Penasehat : Arjon Turnip, Ph.D.
Penanggung jawab : Abdi Dharma, M.Kom.
Pengarah : Chairul Azhar, M.Pd.
Panitia Penyelenggara
Ketua : Mardi Turnip, M.Kom.
Wakil : Mawaddah Harahap, M.Kom.
Sekretaris : Siti Aisyah, M.Kom.
Wakil Sekretaris : Marlince N. K. Nababan, M.Kom.
Bendahara : Windania Purba, M.Kom.
Sie Publikasi : Evta Indra, M.Kom.

Sie Artikel dan Prosiding : Oloan Sihombing, M.Kom.
Delima Sitanggang, M.Kom. (PIC)
Yonata Laia, M.Kom.
Robin, M.TI.
Saut Dohot Siregar, M.Pd.
Sie Database Publikasi : Yonata Laia, M.Kom.
Sie Desain : Yonata Laia, M.Kom.
Sie Perlengkapan & Dekor : Sumita Wardani, S.Kom.
Uni Pratama, S.T.
Sie Akomodasi & Transportasi : Robin, M.TI.
Oloan Sihombing, M.Kom.
Sie Dokumentasi : Juniman Nduru, S.Kom.
Rico Wijaya Dewantoro, S.Kom.
Sie Acara : Anita Sembiring, M.T.
Ir. Hendrik Siagian, M.Kom.
Sie Infrastruktur & Dekorasi : Hendra H.S. Pasaribu, M.Kom.
Sie Keamanan : Evta Indra, M.Kom.
Eka Dodi Suryanto, M.T.
M. Diarmansyah Batubara, M.Kom.
Irwan Budiman, S.T.
Sie Lapangan : Okta Jaya Harmaja, M.Kom.
Saut Parsaoran Tamba, M.Kom.
Rudolfo Rizki Damanik, M.T.
Sie Penerima Tamu : Lina, S.E.
Lilis Suryani, S.Kom.
Despaleri Perangin-angin, M.Pd.
Sie Konsumsi : Anita Sembiring, M.T.
Ranni Agustiani
Dinda Syafitri
ii
ISBN : 978-602-52550-0-7
Moderator Keynote Speaker : Ir. Hendrik Siagian, M.Kom.

Evta Indra, M.Kom.
Moderator Paralel : Ir. Hendrik Siagian, M.Kom.
Mawaddah Harahap, M.Kom.
Siti Aisyah, M.Kom.
Anita Sembiring, M.T.
Penanggung jawab Review : Ir. Hendrik Siagian, M.Kom.
Mawaddah Harahap, M.Kom.
Siti Aisyah, M.Kom.
Anita Sembiring, M.T.
Sie Pendaftaran : Sumita Wardani, S.Kom.
Penerbit : UNPRI PRESS
Cetak pertama, April 2018
Hak cipta dilindungi oleh undang-undang; dilarang memperbanyak menyalin

merekam sebagian atau seluruh bagian buku ini dalam bahasa atau bentuk apapun
tanpa izin tertulis dari penerbit.
iii
ISBN : 978-602-52550-0-7
KATA PENGANTAR
Inovasi Teknologi Informasi merupakan salah satu teknologi unggulan yang

menentukan masa kini dan masa depan umat manusia, Teknologi Informasi (TI)
semakin penting untuk dikuasai pemahaman, pengetahuan, pemanfaatanya, serta
penciptaanya. Kaitannya yang erat dengan berbagai sektor ekonomi, pariwisata,
pendidikan, sosial budaya, pertanian, perikanan, dan wirausaha terurama untuk
sektor tersier dan kwarter, menempatkan TI sebagai komoditi strategi dalam
pembangunan nasional. Ada negara yang meluncurkan konsep pembangunan
nasionalnya yang berisikan IT-led development, dimana TI bukan hanya sebagai
perangkat pendukung tetapi telah meningkat menjadi penggerak utama mekanisme
pembangunan seluruh sektor ekonomi nasional.
Bertolak dari sisi pemanfaatanya TI, selain dimaksudkan untuk memacu tumbuhnya
penguasaan TI, sasaran utamanya adalah pemanfaatan yang berdayaguna, berhasil
guna, ekonomis, berkualitas, serta bertanggungjawab. Sasaran ini hanya dapat
tercapai jika terjalin hubungan yang serasi diantara pelaku-pelaku yang terkait
kerjasama yang terkoordinasi.
Tujuan utama dari seminar ini adalah:
1. Mendapatkan informasi terkini tentang masalah dan penelitian dibidang inovasi
teknologi informasi.
2. Mengetahui sejauh mana outcome Teknologi Informasi pada pengembangan
potensi wilayah di daerah.
3. Untuk memberikan pemahaman kepada Pemerintah Daerah, masyarakat umum,
kalangan bisnis, dan mahasiswa tentang fenomena Teknologi Informasi.
4. Sebagai perwujudan partisipasi terhadap perkembangan Teknologi Informasi di
Indonesia, khususnya di Kota Medan.
Dalam Seminar Nasional Inovasi Teknologi dan Ilmu Komputer (SNITIK) 2018 ini
topik-topik makalah diperluas terkait inovasi dan teknologi informasi dibidang
pariwisata, pendidikan, sosial budaya, pertanan, perikanan, dan wirausaha.
Selanjutnya, para penulis/pemakalah diundang untuk memasukkan makalah dengan
topik sebagai berikut (tapi tidak dibatasi hanya pada topik-topik ini):
“Kecerdasan Buatan, Kriptografi, Natural Language Processing, Teknik Kompilasi,
Komputer Grafis dan Animasi, Jaringan Komputer, Image Processing, Visi
Komputer, Sistem Terdistribusi, Multimedia, Sistem Pendukung Keputusan, Sistem
iv
ISBN : 978-602-52550-0-7
Informasi Geografis, Aplikasi Mobile, Data Mining, Big Data, E-learning, E-

Commerce, Cloud Computing, Customers Relationship Management, Software As a
Services, Supply Chain, Sustainable Design, Product and Services Design, Logistik
dan Sistem Transportasi, Ergomonic, Sensor and Control System, Mechatronics and
Robotics, Vending Machine Design, Radio Frequency Control, Game Console
Design, Biomedical Instrumentation, Internet of Things, Signal Processing, Gesture
Devices Implementation”.
Seminar ini merupakan sasaran diskusi ilmiah, komunikasi dan pertukaran
informasi bagi para akademisi, peneliti, praktisi, pemerintah dan stakehoder lainnya
untuk pengembangan inovasi dan teknologi informasi. Panitia SNITIK 2018
menerima Extendee Abstrak sebanyak 57 hasil penelitian dari peneliti beberapa
dosen yang mengajar di kampus wilayah sumatera utara dan di luar sumatera utara.
Selamat melaksanakan rangkaian kegiatan SNITIK 2018, semoga bermanfaat tidak
hanya bagi peserta, tetapi juga untuk kemajuan pembangunan di daerah yang secara
langsung dan tidak langsung dapat berkontribusi untuk meningkatkan kemajuan dan
kecerdasan, serta kemakmuran dan kesejahteraan bangsa Indonesia.
Medan, 26 Juli 2018

Panitia Snitik
Fakultas Teknologi dan Ilmu Komputer (FTIK)
Universitas Prima Indonesia Medan
v
ISBN : 978-602-52550-0-7
DAFTAR ISI
Sistem Pendukung Keputusan dalam Memilih Tanaman Pangan

Unggulan dengan Menggunakan Metode Multi Atribut Decission
Making Weighted Product (Madmwp) di Sumatera Utara
Ahmad Revi, Poningsih, Sundari Retno Andanni dan Solikhun .......... 1-7
Penerapan Fast (K, N) – Threshold Secret Sharing Scheme dalam

Mengamankan Data
Abdi Dharma dan Albert ......................................................................... 8-14
Aplikasi Enkripsi dan Dekripsi File dengan Kombinasi Algoritma

Arcfour dan Algoritma Wake
Allwin M. Simarmata, Tandy Cipta dan Mawadah Harahap .............. 15-23
Penerapan Metode Fuzzy Tsukamoto untuk Memprediksi Produksi

Minyak Kelapa Sawit
Aminah, Kana Saputra S dan Debi Yandra Niska ................................ 24-29
Rekomendasi Kredit Berdasarkan Kapasitas Konsumen

dengan Algoritma Sequence Clustering
Amir Mahmud Husein, Johannes dan Mawaddah Harahap ................ 30-35
Peramalan Penjualan Mobil Yang Dipengaruhi oleh Kurs Dan Bunga

Kredit Bank
Anita Christine Sembiring ....................................................................... 36-40
Data Mining Algoritma K-Means dalam Mengelompokkan Jumlah Desa

yang memiliki Fasilitas Sekolah Menurut Provinsi Berdasarkan Tingkat
Pendidikan
Anggi Eryzha, Dedy Hartama, Anjar Wanto dan Sumarno ................. 41-46
Perbandingan Metode AHP dan SAW dalam Pengangkatan Karyawan

Tetap
Delima Sitanggang, Wahyu Ichsan dan Oloan Sihombing ................... 47-52
Analisis Pencarian Faktor Kegagalan dalam Matakuliah Utama Bidang

Komputer Pada Prodi Sistem Informasi dengan Metode Electre II
Desi Ratna Sari, Agus Perdana Windarto, Anjar Wanto dan
Eko Purwanto ............................................................................................ 53-61
Implementasi Algoritma Five Modulus dalam Menyembunyikan Data

Rahasia ke dalam Citra Digital
Christnatalis dan Novandi Ngichones ..................................................... 62-67
Perancangan Robot Lengan Pemindahan Barang Berdasarkan Jarak

Despaleri Perangin Angin, Hendrik Siagian, M. Adam,
Eka D. Suryanto, Marlince Nababan dan Saut R. Simanungkalit ....... 68-72
vi
ISBN : 978-602-52550-0-7
Analisis Waktu Proses Loading dan Unloading dengan Pendekatan

Lean SupplyChain
Aldo Wicaksono dan Dira Ernawati ....................................................... 73-77
Analisis Perbandingan Performa antara Routing Protokol Link State dan

Distance Vector
Dodi Suprayogi dan Kusuma Ade ........................................................... 78-83
Perancangan Sistem Monitoring Suhu dan Kendali Mesin Pendingin

Otomatis Berbasis Mikrokontroler
Hendrik Siagian, Budi Heryanto, Eka Dodi Suryanto, D Perangin-
Angin dan Rahayu Sashanti ..................................................................... 84-89
Kajian Pengamanan Objek Tertentu Berbasis Real Time Video

Eko Hariyanto, Sri Wahyuni, Supina Batubara dan Herdianto .......... 90-94
Rancangan Bangun Graphical User Interface Pergerakan Motor DC Pada

Univerasl Serial Bus Mikroskop Digital
Endi Permata, Rocky Alfanz dan Zaenal Fatah .................................... 95-103
Sistem Pendukung Keputusan untuk Menentukan E-Commerce yang

Banyak diminati dengan Metode SAW
Evta Indra dan Billy Jaya ........................................................................ 104-108
Cloud Computing Data Mining di dalam Dunia Pendidikan

Feri Hari Utami dan Jeperson Hutahaean ............................................. 109-112
Analisa Metode ANP dalam Merekomendasikan Produk Terbaik Asuransi

PT. Prudential Berdasarkan Investasi
P.P.P.A.N.W Fikrul Ilmi R.H Zer, Irfan Sudahri Damanik, Heru
Satria Tambunan dan Saifullah............................................................... 113-124
Perancangan Sandaran Belakang Tempat Duduk Sepeda Motor Beat

Untuk Anak-anak
Fitra, F. Jayendra, Yusrizal, Melliana dan T. Mesra ............................ 125-137
Analisis Sistem Pendukung Keputusan Peremajaaan Tanaman Kelapa

Sawit dengan Menggunakan Metode Analitycal Hierarchy Processs
(AHP)
Harwani Indri Gapuri, Solikhun, Poningsih dan Sundari Retno
Andani ........................................................................................................ 138-145
Daya Guna Teknologi Digital dalam Penyampaian Materi Pembelajaran

dengan Pemanfaatan Google Class Room SMK Telkom 2 Medan
Hendy Agustino P Situmorang, Poniman Turnip dan Hapis Lubis ..... 146-151
Perancangan Smart Home dengan Konsep Internet Of Thing (IOT)

Berbasis Android
Herdianto dan Eko Hariyanto ................................................................. 152-158
vii
ISBN : 978-602-52550-0-7
Peramalan Penjualan Produk Kertas Sembahyang untuk Meminimalkan

Kesalahan Perencanaan Produksi Perusahaan
I. Budiman dan Suwandy ......................................................................... 159-162
Sistem Pendukung Keputusan Penerimaan Guru Pesantren Modern

Al-Barokah dengan Menggunakan Metode Fuzzy Mamdani
Khairun Nisa Arifin Nur, Sundari Rento Andani, Solikhun dan
Poningsih .................................................................................................... 163-172
Penerapan Lifecycle Thinking Sustainable Design Pada Desain Produk

Kumara Sadana Putra, S.Ds., M.A., Erlangga Sidharta Putera, Ivan
Andrian, Peter Leonard, Samuel Lukito dan Sarah .............................. 173-180
Sustainable Delevopment Rumah Kreatif Eks Lokalisasi Dolly

Kumara Sadana Putra, S.Ds., M.A. dan Chyntia Chandra .................. 181-186
Analisis Sistem Pendukung Keputusan Pemilihan Office Boy Terbaik

dengan Metode Simple Additive Weighting (SAW)
Lulu Apriliani, Mhd. Ridwan Lubis, M.Safir dan Suhada ................... 187-193
Simulasi Belajar TIK SMP Berbasis Android

M. Diarmansyah Batubara, Oloan Sihombing dan Delima
Sitanggang.................................................................................................. 194-199
Sistem Pendukung Keputusan Penerimaan Karyawan dengan Metode

TOPSIS
M. Turnip, E. Indra, M. N.K. Nababan, Y. Laia, Kelvin, A. M.
Simarmata.................................................................................................. 200-204
Sistem Pendukung Keputusan Penentuan Promosi Jabatan Karyawan

dengan Metode AHP
Marlince NK Nababan dan Stella Suvenia ............................................. 205-209
Pengenalan Pola Pada Tuna Wicara dengan Jaringan Syaraf Tiruan

Menggunakan Metode Backpropagation
Mawaddah Harahap dan Indah Kumala Dewi ...................................... 210-215
Kekuatan Komposit Polymeric Foam di Perkuat Serat Tandan Kosong

Kelapa Sawit Beban Tarik
M Yani dan Ahmad Marabdi................................................................... 216-221
Analisis Sistem Pendukung Keputusan Pemilihan Program Tabungan

di Bank BRI Pematang Siantar dengan Metode Analytical Hieracy
Process
Nuri Aprilia Sari, Poningsih, Rafika Dewi dan Solikhun ..................... 222-230
Penerapan Metode Certainty Factor Pada Aplikasi Sistem Pakar Diagnosa

Penyakit Paru Berbasis WEB
Oloan Sihombing, Evta Indra, Suryani M. Florence Situmeang
viii
ISBN : 978-602-52550-0-7
dan Elma Suraya ....................................................................................... 231-241
Strategi Pelayanan dengan Mempertimbangkan Faktor Kualitas Layanan

dan Harga untuk Meningkatkan Kepuasan Pelanggan Titan Ban
Jusra Tampubolon, Anita Christine Sembiring dan Kelvin ................. 242-246
Analisa dalam Menentukan Produk BRI Syariah Terbaik Berdasarkan

Perbankan Personal dengan Pendanaan Menggunakan Metode ANP
Putrama Alkhairi, Saifullah, Ika Okta Kirana dan Indra Gunawan .. 247-261
Sistem Pendukung Keputusan Penerimaan Dosen dengan Fuzzy Mamdani

Pada AMIK Tunas Bangsa
Rahmadani Fitri Sinaga, Solikhun, Widodo Saputra dan M.Saffi ...... 262-271
Perancangan Sistem Pendukung Keputusan Penyeleksian Kelayakan

Proposal Penelitian Dosen Menggunakan Metode SAW
Renna Yanwsatika Ariyana ..................................................................... 272-279
Anaisis Sistem Pendukung Keputusan Penempatan Lokasi Taman

Bacaan di PTPN IV Dolok Sinumbah Menggunakan Metode Electre
Rika Artika, Poningsih, Sundari Retno Andani dan Widodo
Saputra ....................................................................................................... 280-286
Faktorisasi Matrik dalam Kompresi Citra dengan Matrik Faktor 16-1-1-16

Robin, S. Irviantina, Wenripin dan Ferawaty ........................................ 287-291
Preimageattack Pada Hashed Password dengan Menggunakan Brute

Force
Sandromedo Christa Nugroho ................................................................. 292-296
Implementasi Tandatangan Digital Pada Dokumen Akademik

Sandromedo Christa Nugroho ................................................................. 297-301
Perancangan Simulasi Pemakaian Listrik Pada Perangkat Elektronik

Saut Dohot Siregar, Fandira, Hendrik Siagian dan Mawaddah
Harahap ..................................................................................................... 302-305
Sistem Pakar Mendiagnosa Kerusakan Mesin Fotocopy dengan Metode

Forward Chaining
Saut Tamba dan Delima Sitanggang ....................................................... 306-312
Analisa Inisialisasi Nguyen Widrow dalam Jaringan Syaraf Tiruan

Backpropagation Terhadap Prediksi Penyakit Ludwig Angina
Siti Aisyah dan Tria Widia Aprillia ........................................................ 313-316
Analisa Metode Moora dalam Menentukan E-Commerce Terbaik

Berdasarkan Konsumen
Sri Rahayu Ningsih, Dedy Hartama, Agus Perdana Windarto dan
Eka Irawan ................................................................................................ 317-322
ix
ISBN : 978-602-52550-0-7
Deteksi Penyakit Tanaman Jeruk dengan Algoritma Radial Basis Function

Network
Sri Wahyuni, Eko Hariyanto dan Supina Batubara .............................. 323-327
Sistem Pakar Diagnosa Penyakit dalam dan Solusi Pengobatan Tradisional

Supina Batubara, Eko Hariyanto dan Sri Wahyuni .............................. 328-335
Analisis Pengambilan Keputusan dalam Merekomendasikan Jenis Usaha

Rumahan Menggunakan Metode Vikor
Tia Imandasari, Agus Perdana Windarto, Heru Satria Tambunan dan
Irfan Sudahri Damanik ............................................................................ 336-342
Analisis Sistem Pendukung Keputusan Pemilihan Anggota Panitia

Mahasiswa Baru (PMB) dengan Metode SAW
Winda Alifah, Sundari Retno Andani, Suhada dan Mhd. Ridwan
Lubis ........................................................................................................... 343-350
Data Mining Analisis Pola Pembelian Barang Pelanggan Menggunakan

Metode FP Growth
Windania Purba dan Wendi Halim ......................................................... 351-356
Perancangan Furnitur Rotan yang Hemat Material dan Sesuai dengan

Selera Masyarakat Eropa untuk Meningkatkan Ekspor Furnitur Rotan
Ke Eropa yang Makin Melemah di Indonesia
Wyna Herdiana, S.T. dan Rido Satrya Wijaya, S.T. ............................. 357-361
Pembuatan Aplikasi Pintar untuk Membantu Pihak Admin Pada

PT. Makmur dalam Pemberian Kredit Rumah dengan Metode AHP
dan Promethee
Yonata Laia ............................................................................................... 362-368
Kendali Jarak Jauh Rumah Cerdas Menggunakan Modul Sim 800l

Dan Arduino Uno
Arif Ainur Rafiq ........................................................................................ 369-374
x
SNITIK [Prosiding Seminar Nasional Inovasi Teknologi dan Ilmu ISBN : 978-602-52550-0-7
SISTEM PENDUKUNG KEPUTUSAN DALAM MEMILIH TANAMAN

PANGAN UNGGULAN DENGAN MENGGUNAKAN METODE
MULTI ATRIBUT DECISSION MAKING WEIGHTED
PRODUCT (MADMWP) DI SUMATERA UTARA
1 2 3 4
Ahmad Revi , Poningsih , Sundari Retno Andani , Solikhun ,
1
Program Studi Manajemen Informatika, Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa
Jl. Jenderal Sudirman Blok A No.1-3 Pematangsiantar 21127
Telp. (0622) 22431
2,3,4
Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa
Telp. (0622) 22431
E-mail: ahmadrevi98@gmail.com, poningsih@amiktunasbangsa.ac.id,
solikhun@amiktunasbangsa.ac.id
ABSTRAKS
Dalam meningkatkan daya saing suatu wilayah, terkadang sektor pertanian dibidang tanaman
pangan merupakan salah satu indikator penilaiannya. Untuk itu perlu dicari tanaman pangan
yang memiliki keunggulan-keunggulan tersendiri terhadap kriteria-kriteria tertentu. Penentuan
komoditas unggulan dilakukan sebagai upaya untuk memanfaatkan potensi daerah sehingga
dapat memberikan nilai tambah bagi wilayah tersebut. Untuk itu dibuatlah sistem pendukung
keputusan yang dapat membantu dalam menentukan tanaman yang memiliki potensi sebagai
tanaman pangan unggulan di Sumatera Utara. Metode yang digunakan adalah Multi Atribut
Decission Making Weighted Product (MADMWP) yang menggunakan lebih dari satu kriteria
penilaian yaitu : Tingkat Kebutuhan, Biaya Operasional, Kuantitas Produksi, Luas Panen, Harga
Jual, Daya Saing dan Tingkat Pertumbuhan. Pada hasil penelitian ini didapatkan bahwa Ubi
Kayu merupakan Tanaman Pangan yang memiliki keunggulan dibandingkan dengan tanaman-
tanaman pangan yang lain yang ada di Sumatera Utara sehingga cocok untuk dikembangkan
secara lebih berkelanjutan.
Kata Kunci: Sistem Pendukung Keputusan, Tanaman Pangan, Weighted Product (WP)
1. PENDAHULUAN dikembangkan pada suatu wilayah yang

1.1. Latar Belakang Masalah memiliki prospek pasar dan mampu untuk
Pengembangan wilayah merupakan meningkatkan kesejahteraan petani dan
upaya untuk memacu perkembangan sosial keluarga.
ekonomi, mengurangi kesenjangan antar
wilayah dan menjaga kelestarian lingkungan Pada penelitian yang dilakukan oleh Welda
hidup. Dalam hal ini peran serta pemerintah pada tahun 2006 menghasilkan tanaman
dan masyarakat sangat penting dalam pangan unggulan yang ada di Kotamadya
pendayagunaan potensi wilayah secara Cilegon. Dalam penelitiannya ia
optimal dan terpadu. Provinsi Sumatera Utara menggunakan kriteria penilaian antara lain :
terletak pada 1° - 4° Lintang Utara dan 98° - suhu, kelembapan udara, jenis tanah, curah
100° Bujur Timur, Luas daratan Provinsi hujan, luas lahan, agroinput, jumlah panen dan
Sumatera Utara 72.981,23 km². Daerah ini produksi (Welda, 2006). Sementara disini
beriklim tropis. Pada bulan Mei hingga akan menggunakan kriteria-kriteria yang lain
September, curah hujan ringan. Sedangkan seperti Tingkat Kebutuhan, Biaya
Oktober hingga April, curah hujan relatif lebat Operasional, Kuantitas Produksi, Luas Panen,
akibat intensitas udara yang lembap. Untuk Harga Jual, Daya Saing dan Tingkat
meningkatkan perekonomian di Provinsi Pertumbuhan.
Sumatera Utara, maka pemanfaatan komoditas
unggulan perlu dilakukan. Komoditas Dengan mempertimbangkan potensi sektor
unggulan merupakan komoditas andalan yang pertanian yang dapat dikembangkan, maka
paling menguntungkan untuk dikembangkan pemanfaatan komoditas unggulan dapat lebih
pada suatu daerah (Depkimpraswil,2003) atau ditingkatkan baik untuk dijual ke luar daerah,
satu komoditas andalan yang paling maupun untuk diolah sebelum dijual untuk
menguntungkan untuk diusahakan atau meningkatkan nilai tambah dari komoditas
1
unggulan tersebut sehingga meningkatkan dipangkatkan terlebih dahulu dengan bobot

kesejahteraan dan kualitas hidup suatu daerah. atribut yang bersangkutan. Proses ini sama
Dengan kata lain Sistem Pendukung halnya dengan proses normalisasi (Welta
Keputusan adalah suatu sistem informasi Devis, dkk. 2016).
berbasis komputer yang menghasilkan
berbagai alternatif keputusan untuk membantu Preferensi untuk alternative Si diberikan
manajemen dalam menangani berbagai sebagai berikut :
permasalahan yang terstruktur dengan Dimana :
menggunakan data dan model. (putrama,
2018) S : Preferensi alternatif
dianologikan sebagai vektor
1.2. Tinjauan Pustaka S
a. Sistem Pendukung Keputusan
Sistem Pendukung Keputusan merupakan X : Nilai kriteria
sistem berbasis komputer yang menyatukan
beragam informasi dari berbagai sumber, W : Bobot kriteria/subkriteria
menyajikan dalam bentuk terorganisir dan
menganalisis serta memfasilitasi evaluasi i : Alternatif j : Kriteria
asumsi yang mendasari penggunaan model- n : Banyaknya kriteria
model tertentu (Sauter, 1997). Sistem
Pendukung Keputusan adalah sebuah sistem
dibawah kendali satu atau lebih pembuat dimana =1.wj adalah pangkat bernilai
keputusan yang bekerja untuk membuat positif untuk atribut keuntungan dan bernilai
keputusan dengan menyediakan dan mengatur negatif untuk atribut biaya.
seperangkat peralatan yang diharapkan untuk
menanamkan struktur dalam situasi membuat Preferensi relatif dari setiap alternatif
keputusan dan untuk menghasilkan keputusan diberikan sebagai :
yang efektif (Marakas, 1999). berbagai
macam buku, laporan, artikel dan jurnal yang
ada kaitannya dengan penelitian(agus,2017).
b. MADM (Multi Atribut Decission

Making)
MADM adalah suatu metode yang Dimana :
digunakan untuk mencari alternatif paling
optimal dari sejumlah alternatif optimal V : Preferensi alternatif
dengan kriteria tertentu. Inti dari MADM dianalogikan sebagai vektor V
adalah menentukan nilai bobot untuk setiap
atribut, kemudian dilanjutkan dengan X : Nilai Kriteria
proses perangkingan yang akan menyeleksi
alternatif yang sudah diberikan (Riza W : Bobot kriteria/subkriteria
Alfita,2011).
I : Alternatif
c. Weighted Pruduct
Weighted Pruduct (WP) adalah J : Kriteria
keputusan analisis multi kriteria yang popular
N : Banyaknya kriteria
dan merupakan metode pengambilan
keputusan multi kriteria. Seperti semua
metode Fuzzy Multeple Attribute Decetion * : Banyaknya kriteria yang
Making FMADM, Weighted Pruduct (WP) telah dinilai pada vektor S
adalah himpunan berhingga dari alternaif
keputusan yang dijelaskan dalam istilah
beberapa kriteria keputusan (Kusumadewi,
2006).
Metode Weighted Product menggunakan

perkalian untuk menghubungkan rating
2
atribut, dimana setiap atribut harus
Dan selanjutnya pengambil keputusan

memberikan bobot preferensi untuk tiap
kriteria adalah W = (5,3,5,4,5,3,5).
Tingkat Kebutuhan
Tingkat kebutuhan merupakan tingkat
seberapa dibutuhkan nya tanaman pangan
tersebut menurut para responden. Disini
tingkat kebutuhan dinyatakan dengan 5
tingkatan dengan bobot yang sudah
ditentukan.
Tabel 2. Skala Penilaian Tingkat

Kebutuhan
Sangat Penting 5
Penting 4
2. PEMBAHASAN Cukup Penting 3
Sistem penskla-an tiap 3ariable ini
Tidak Penting 2
didasarkan pada nilai interval masing-masing
Sangat Tidak
kelompok (sub 3ariab) dengan kisaran nilai 1
Penting
dari 1 sampai 5. Sementara untuk data yang
bukan berupa angka, penskla-an dilakukan Biaya Operasional
Biaya operasional merupakan biaya yang
dengan 3ariab strata. Masing-masing kriteria
digunakan untuk merawat tanaman pangan
(3ariable) memiliki bobot yang berbeda-beda
tersebut pada setiap kali panen per 1 ha.
disesuaikan dengan tingkat sumbangan kriteria
terhadap produk unggulan. Adapun kriteria-
Tabel 3. Skala Penilaian Biaya Operasional
kriteria yang digunakan pada penelitian ini
dapat dilihat di table 1. Berikut :
>10.000.000 1
Tabel 1. Kriteria Penilaian 7.000.000- 2
10.000.000
4.000.000-6.999.999 3
NO Kriteria Kriteria 1.000.000-3.999.999 4
1 Tingkat Kebutuhan C1 <1.000.000 5
2 Biaya Operasional C2
2 Kuantitas Produksi C3 Kuantitas Produksi
4 Luas Panen C4 Adalah perbandingan banyaknya
produksi tanaman pangan yang ada di
5 Harga Jual C5 Sumatera Utara dengan jumlah produksi setiap
6 Daya Saing C6 tanaman pangan Nasional, sehingga di
Tingkat Pertumbuhan dapatkan jumlah kontribusinya dan data yg
7 Produksi C7 digunakan adalah data yang ada pada tahun
2015. (Diolah dari bps.go.id &
Kriteria Keuntungan : Tingkat Kebutuhan sumut.bps.go.id)
(C1), Kuantitas Produksi (C3), Luas Panen
(C4), Harga Jual (C5), Daya Saing (C6) dan Tabel 4. Skala Penilaian Kuantitas
Tingkat Pertumbuhan Produksi (C7) Kriteria Produksi
Biaya : Biaya Operasional (C2)
Pembobotan setiap kriteria dihitung >10% 5
berdasarkan tingkat seperti berikut : 7%-9,9% 4
1 : Sangat Rendah 4%-6,9% 3
2 : Rendah 0%-3,9% 2
3 : Cukup <0% 1
4 : Tinggi
5 : Sangat Tinggi Luas Panen
Luas panen merupakan jumlah luas
panen yang ada di Sumatera Utara dengan luas
panen pada tingkat Nasional sehingga didapat
3
besarnya kontribusi lahan di tingkat Nasional Bila nilai RCA > 1 maka daya saing
dan data yg digunakan adalah data yang ada kuat, semakin tinggi RCA semakin
pada tahun 2015. (Diolah dari bps.go.id & tangguh daya saingnya.
sumut.bps.go.id) Bobotnya antara lain :
Tabel 5. Skala Penilaian Luas Panen Tabel 7. Skala penialaian Daya Saing
>10% 5 >1 5
7 % - 9,9 % 4 0.7 - 0.99 4
4 % - 6,9 % 3 0.4 - 0.69 3
0 % - 3,9 % 2 0.1 - 0.39 2
<0% 1 <0 1
Harga Jual Tingkat Pertumbuhan Produksi

Harga jual adalah beberapa kriteria yang Analisis tingkat pertumbuhan
akan diambil berdasarkan track record tiap menggunakan analisis Compound Annual
tanaman pangan yang diambil sampel nya Growth Rate (CAGR). Rumus CAGR adalah
kemudian ditentukan tingkat kestabilannya. sebagai berikut :
Nilai harga jual semakin tinggi akan semakin
menguntungkan petani, sedangkan semakin
turun akan merugikan petani. Tapi demikian
juga dengan masyarakat
dimana apabila harga naik akan merugikan
masyarakat namun jika harga turun akan Bobotnya :
menguntungkan bagi mereka. Data yang Tabel 8. Skala Penilaian Tingkat
diambil adalah data harga yang ada di kota Pertumbuhan
Medan Sumatera Utara (Online :
www.hargasumut.org) >10% 5
Tabel 6. Skala Penilaian Harga Jual 7%-9,9% 4
4%-6,9% 3
Stabil 5
Berfluktuasi 4 0%-3,9% 2
Naik/Turun 3 0% 1
Tidak Berharga 2
alternatif yang ada :
Daya Saing
Dalam melakukan Analisis Daya Saing Tabel 9. Data Tanaman Pangan
digunakan rumus keunggulan komparatif atau
Revealed Comparative Advantage (RCA),
yaitu dengan rumus sebagai berikut :
RCA = xip/total xp
xin/total xn
dimana :
X = jumlah produksi
I = jenis tanaman pangan
p = Provinsi
n = Nasional
Kemudian ditransformasikan menjadi tabel
Bila nilai RCA < 1 atau sampai berikut berdasarkan skala nilai yang ada pada
mendekati 0, maka daya saing komoditi tiap kriteria.
lemah.
4
Tabel 10. Perubahan data Tanaman Kemudian untuk menghitung vektor V yang
Pangan ke Pembobotan akan digunakan dalam menentukan tanaman
pangan unggulan dari Sumatera Utara adalah
Tanaman sebagai berikut:
No C1 C2 C3 C4 C5 C6 C7 V1 =
Pangan
3,041846392
1 A1 4 3 4 3 5 5 3 3,041846392+2,75016177+1
2 A2 5 3 3 3 5 4 2 ,99498441+2,1089191+2,18899057+3,3
3 A3 3 2 2 2 3 2 2 1272985+2,5212374
= 0,169756602
4 A4 4 3 2 2 4 2 2
5 A5 4 3 2 2 5 2 2 V2 =
6 A6 4 3 4 3 5 5 5 2,75016177
7 A7 3 3 3 3 5 2 3 3,041846392+2,75016177+1,994984
41+2,1089191+2,18899057+3,31272985
Perhitungan Manual +2,5212374
Dari data yang ada pada tabel diatas = 0,15347853
maka dapat dilakukan perhitungan terhadap w
dengan : V3 =
1,99498441
3,041846392+2,75016177+1,994984
41+2,1089191+2,18899057+3,31272985
+2,5212374
= 0,11133428
V4 =
2,1089191
3,041846392+2,75016177+1,994984
41+2,1089191+2,18899057+3,31272985
+2,5212374
= 0,11769264
V5 =
2,18899057
Dengan nilai vektor S sebagai berikut : 3,041846392+2,75016177+1,994984

41+2,1089191+2,18899057+3,31272985
S1= (40,167) (30,100) (40,167) (30,133) (50,167) +2,5212374
(50,100) (30,167) = 3,041846392 = 0,1221612
S2 = (50,167) (30,100) (30,167) (30,133) (50,167) V6 =

(40,100) (20,167) = 2,75016177 3,31272985
S3 = (30,167)(2-0,100) (20,167) (20,133) (30,167) 3,041846392+2,75016177+1,994984

(20,100) (20,167) = 1,99498441 41+2,1089191+2,18899057+3,31272985
+2,5212374
S4 = (40,167)(3-0,100) (20,167) (20,133) (40,167) = 0,18487382
(20,100) (20,167) = 2,1089191
V7 =
S5 = (40,167)(3-0,100) (20,167) (20,133) (50,167) 2,5212374
(20,100) (20,167) = 2,18899057
3,041846392+2,75016177+1,994984
S6 = (40,167) (30,100) (40,167) (30,133) 41+2,1089191+2,18899057+3,31272985
(5 ) (50,100) (50,167) = 3,31272985
0,167 +2,5212374
= 0,14070293
S7 = (30,167) (30,100) (30,167) (30,133)
(5 ) (20,100) (30,167) = 2,5212374
0,167
5
Berdasarkan perhitungan manual di atas, Decesion Making Weighted

tanaman pangan yang memiliki nilai tertinggi Product (MADMWP) Method.
adalah V4 atau tanaman Ubi Kayu yang dapat AMIK dan STIKOM Tunas
dikatakan tanaman pangan unggulan di
Bangsa Pematangsiantar.
Sumatera Utara berdasarkan contoh penelitian
ini.
Solikhun. 2017. Perbandingan Metode
3. KESIMPULAN Weighted Product dan Weighted
Kesimpulan yang dapat diambil dari Sum Model Dalam Pemilihan
penelitian setelah menyelesaikan pengujian Perguruan Swasta Terbaik
yaitu diihasilkannya Sistem Pendukung Jurusan Komputer. AMIK Tunas
Keputusan Dalam Menentukan Tanaman Bangsa Pematangsiantar.
Pangan Unggulan di Provinsi Sumatera Utara
dengan metode Weight Product sehingga Susilawati dkk. 2016. Penentuan
dapat membantu pemerintah dalam Komoditas Unggulan Sektor
memanfaatkan potensi yang ada di Sumatera Pertanian Tanaman Pangan di
Utara dengan seoptimal mungkin. Kabupaten Bone, Sulawesi
Selatan. Fakultas Teknik
Universitas Hasanuddin Bone.
PUSTAKA
Afita , Riza. 2011. Perancangan Sistem Welda. 2006. Pemilihan Tanaman
Pendukung Keputusan Penentuan Pangan Unggulan Kotamadya
Prioritas Produk Unggulan Daerah Cilegon menggunakan
Menggunakan Metode Weighted Analytical Hierarchy Process
Product. Fakultas Teknik Universitas (AHP). STMIK MDP
Trunojoyo Madura. Palembang
Putrama, alkhairi (2018) ‗Analisis dalam Sauter, V.L.1997.,―Decision Support

menentukan produk bri syariah terbaik Systems : An Applied Managerial
berdasarkan dana pihak ketiga Approach‖, New York: John
menggunakan ahp‘, putrama alkhairi, Willey & Sons, Inc.
3(1), pp. 60–64.
Marakas, George, M. 1999. Decision
Windarto, Agus Perdana. "IMPLEMENTASI Supports Systems in The 21st
METODE TOPSIS DAN SAW Century.International Edition.
DALAM MEMBERIKAN REWARD Prentice-Hall, Inc., New Jersey.
PELANGGAN." KLIK-KUMPULAN
JURNAL ILMU KOMPUTER 4.1 Tim Badan Pusat Statistik Sumatera
(2017): 88-101 Utara. Luas Panen, Jumlah
Kusumadewi. 2006. Fuzzy Multi Produksi dan Rata-Rata
Atribute Decition Making (Fuzzy ProduksiTanaman Pangan.
MADM). Yogyakarta Graha Ilmu. (Diakses : 08 Desember 2017)
Online : sumut.bps.go.id
Devis, Welta dkk. 2016. Sistem
Pendukung Keputusan Berbasis Tim Badan Pusat Statistik. Luas Panen,
Web Untuk Pemilihan Produk Jumlah Produksidan Rata-
Asuransi Bagi Calon Nasabah Rata Produksi Tanaman Pangan.
(Weighted Product) (Studi Kasus (Diakses: 08 Desember
2017) Online : bps.go.id
: PT. Prudential Life
Anssurance Samarinda). Ragimun. Analisis Daya Saing Karet
Fakultas MIPA Universitas Dan Produk Dari Karet Indonesia
Mulawarman Samarinda. Terhadap China. (Diakses : 08
Desember 2017) Online :
Solikhun dkk. 2017. Decision support https://www.kemenkeu.go.id/sites
system in Predicting the Best /default/files/analisis%20daya%2
teacher with Multi Atribute 0saing%20karet%20dan%20prod
6
uk%20dari%20karet%20indonesi
a%20terhadap%20china.pdf
Agrowindo. 2015. Peluang Usaha Budidaya.

(Diakses : 08 Desember 2017) Online:
www.agrowindo.com
Wikihow. Menghitung Rasio Pertumbuhan.

(Diakses : 08 Desember 2017) Online:
id.wikihow.com
Harga Bahan Pokok Sumatera Utara. 2017.

(DiaksesDesember 2017) Online :
www.hargasumut.org
7
PENERAPAN FAST (K, N) – THRESHOLD SECRET SHARING SCHEME

DALAM MENGAMANKAN DATA
Abdi Dharma1, Albert2

1
Program Studi Teknik Informatika, Fakultas Teknologi dan Ilmu Komputer, Universitas Prima Indonesia
Jl. Sekip Simpang Sikambing 20111
Telp. (061)4578870
E-mail: abdi.dharma@unprimdn.ac.id, albert.ahua@gmail.com.
ABSTRAKS
Dalam menyimpan data rahasia secara digital, diperlukan keamanan data. Salah satu caranya
adalah dengan memecahkan rahasia digital tersebut dan disimpan di beberapa tempat. Namun,
persoalan yang sering ditemui adalah tempat penyimpanan sering terlupakan ataupun beberapa
pecahan jatuh ke tangan orang lain. Hal ini dapat diatasi dengan menerapkan Fast (k, n) -
Threshold Secret Sharing Scheme. Metode ini terdiri dari 2 proses yaitu proses distribusi dimana
rahasia digital akan dipecahkan menjadi n buah pecahan (share), dan proses recovery dimana
diperlukan k buah pecahan (share) yang berbeda untuk menyusun kembali pesan rahasia.
Perangkat lunak yang dirancang dapat digunakan untuk melakukan proses distribusi dan proses
recovery pesan rahasia, dimana proses distribusi memerlukan waktu 15 menit untuk
mendistribusikan pesan dengan panjang 50.000 karakter menjadi 25 buah pecahan (share), serta
proses recovery memerlukan waktu kurang dari 1 detik untuk me-recovery 5 buah pecahan
(share) dengan panjang pesan 45 karakter. Sesuai dengan hasil pengujian, waktu eksekusi proses
distribusi dan recovery termasuk cepat.
Kata Kunci: Kriptografi, Fast Threshold, Distribusi, Recovery, Pesan Rahasia, Share.
1. PENDAHULUAN Menurut Rahmat Tullah, kriptografi adalah

Keamanan data saat ini sudah menjadi ilmu yang mempelajari bagaimana membuat
kebutuhan bagi setiap orang yang melakukan suatu pesan dapat disampaikan kepada
penyimpanan rahasia digital. Salah satu seseorang dengan aman. Kriptografi bertujuan
caranya adalah dengan cara memecahkan untuk menjaga kerahasiaan informasi yang
rahasia digital tersebut dan disimpan di terkandung dalam data sehingga informasi
beberapa tempat (lokasi). Namun, persoalan tersebut tidak dapat diketahui oleh pihak yang
yang ditemui dalam proses pemecahan dan tidak diinginkan. (Tullah et al, 2016)
penyimpanan rahasia digital ini adalah tempat Menurut Albert Ginting, ada empat tujuan
penyimpanan beberapa rahasia sering mendasar dari ilmu kriptografi ini yang juga
terlupakan ataupun beberapa pecahan data merupakan aspek keamanan informasi
jatuh ke tangan orang lain. (Ginting et al, 2015), yaitu:
Hal tersebut dapat diatasi dengan a. Kerahasiaan
menerapkan metode kriptografi fast b. Integritas data
(k, n) - threshold secret sharing c. Otentikasi
scheme. Metode ini memperbolehkan d. Nirpenyangkalan
n orang partisipan untuk memegang
pecahan (share) yang berbeda. 2.2 Metode Eliminasi Gauss
Sedangkan, untuk menyusun kembali Menurut Zaini, metode Eliminasi Gauss
rahasia maka diperlukan k buah ini akan mengubah matriks input menjadi
pecahan (share) yang berbeda. Oleh bentuk eselon baris terreduksi (reduced row-
karena itu, penulis merancang sebuah echelon form). Sifat-sifat dari matriks tersebut
perangkat lunak pemahaman dan adalah sebagai berikut:
penerapan yang mampu untuk a. Jika baris tidak terdiri seluruhnya dari nol,
membantu proses pemahaman maka bilangan taknol pertama dalam baris
terhadap cara kerja dari skema secret tersebut adalah 1 (dinamakan 1 utama).
sharing tersebut sekaligus b. Jika terdapat baris yang seluruhnya terdiri
menerapkannya untuk melakukan dari nol, maka semua baris seperti itu
distribusi dan recovery . dikelompokkan bersama-sama di bawah
matriks.
2. LANDASAN TEORI c. Dalam sebarang dua baris yang berurutan
2.1 Kriptografi yang seluruhnya tidak terdiri dari nol,
8
maka 1 utama dalam baris yang lebih a. Konversikan pesan ke bentuk Kode ASCII
rendah terdapat lebih jauh ke kanan dari 1 terlebih dahulu kemudian ke Kode Biner
utama dalam baris yang lebih tinggi. untuk mendapatkan S yang berupa bit
d. Masing-masing kolom yang mengandung biner pesan. Apabila panjang bit pesan
1 utama mempunyai nol di tempat lain. tidak habis dibagi (np – 1) maka pesan
Jika sebuah matriks mempunyai sifat-sifat 1, 2 tersebut akan ditambahkan spasi kosong
dan 3, maka dapat dikatakan bahwa matriks dibelakangnya hingga habis dibagi.
tersebut berada dalam bentuk eselon baris PESAN  Kode ASCII 
(row-echelon form). (Zaini, 2017) Kode Biner = S
b. Pecahkan S menjadi (np – 1) buah segmen
2.3 Protokol Secret Sharing dengan panjang masing-masing d bit,
Faizal Achmad memaparkan, misalkan dimana d = [panjang bit pesan / (np - 1)].
anda merancang sebuah program untuk
meluncurkan senjata nuklir. Anda ingin
memastikan bahwa hanya seorang saja tidak
dapat meluncurkannya. Begitu juga dengan
dua orang. Anda menginginkan agar minimal
tiga dari lima orang pegawai harus berkumpul
c. Persiapkan S(0) yang berupa deretan bit
untuk dapat meluncurkannya. Hal ini sangat
nol dengan panjang d-bit.
mudah diselesaikan. Pertama-tama, buatlah
sebuah pengontrol peluncuran mekanik.
Berikan masing-masing sebuah kunci yang
berbeda kepada kelima pegawai dan
memerlukan minimal tiga pegawai agar dapat d. Bangkitkan bilangan acak r(i, j) sebanyak
meluncurkannya. (Achmad, 2015) [np × (k – 1) – 1)] buah dengan panjang
Skema sharing yang jauh lebih kompleks, masing-masing d bit, dimana:
disebut dengan skema threshold, dapat - i = 0 sampai (k - 2),
melakukan semua hal tersebut ataupun lebih, - j = 0 sampai (np – 1),
secara matematis. Pada tingkatan yang paling - buang r(0, np - 1).
sederhana, anda dapat mengambil beberapa
pesan dan memecahkannya menjadi n
pecahan, yang disebut share atau shadow,
sedemikian sehingga m buahdari mereka dapat
digunakan untuk merekonstruksi pesan.
Secara lebih tepat, skema ini disebut (m,n)-
threshold scheme. (Achmad, 2015)
Dengan sebuah (3,4) - threshold scheme,
Trent dapat memecah rahasia resep sausnya
antara Alice, Bob, Carol dan Dave,
sedemikian sehingga tiga dari mereka dapat
menggabungkan share mereka bersama dan e. Eksekusi operasi W(i, j) = S(j - i) XOR
merekonstruksi pesan. Jika Carol sedang r(h, h×i+j), dimana:
liburan, maka Alice, Bob dan Dave dapat - i = 0 sampai (n – 1),
melakukannya. Demikian juga jika Bob tidak - j = 0 sampai (np - 2),
ada, maka Alice, Carol dan Dave dapat - h = 0 sampai (k - 2).
melakukannya. Namun, jika Bob dan Carol
tidak ada, Alice dan Dave tidak dapat
merekonstruksi pesan. (Achmad, 2015)
2.4 Fast (k, n) - Threshold Secret Sharing f. Gabungkan (np – 1) buah segmen W(i, j)
Scheme tersebut untuk menghasilkan share Ws(i)
2.4.1 Algoritma Distribusi yang akan diberikan kepada partisipan ke-
Berdasarkan penelitian Jun Kurihara i.
(Kurihara et al, 2008), cara kerja algoritma
distribusi pesan pada Fast (k, n) – Threshold
Secret Sharing Scheme dapat dirincikan
sebagai berikut:
9
2.4.2 Algoritma Recovery - [Ik(np–1)] adalah Matriks Identitas

Berdasarkan penelitian Jun Kurihara dengan orde k(np - 1) × k(np - 1),
(Kurihara et al, 2008), cara kerja algoritma - cara cepat untuk melakukan Forward
recovery pesan pada Fast (k, n) – Threshold Gaussian Elimination adalah dengan
Secret Sharing Scheme dapat dirincikan cara meng-XOR-kan baris-baris
sebagai berikut: tertentu pada matriks [G Ik(np–1)]
a. Pecahkan share menjadi beberapa segmen terhadap baris-baris lain pada matriks
W(ti, j) dengan panjang masing-masing d [G Ik(np–1)], hingga membentuk
bit, dimana: kumpulan 0 yang berbentuk segitiga
- k = jumlah share yang digunakan, siku-siku pada bagian kiri matriks serta
- d = [panjang bit share / (np - 1)], menghasilkan [] yang berupa
- ti = 0 sampai (k - 1), kumpulan 0 pada bagian kiri bawah
- j = 0 sampai (np - 2). matriks dan sebelah kiri [G0].
b. Hitung matriks vektor v(ti, j) = [i(np–1, j) ||

i(np, ti+j) || i(np, 2×ti+j) || ... || i(np, (k–
2)×ti+j) || i(np–1, j–ti–L)], dimana:
- ti = 0 sampai (k – 1), e. Eksekusi algoritma Backward Gaussian
- j = 0 sampai (np – 2), Substitution terhadap matriks [G0 J0] untuk
- L = (urutan share - ti) dengan v(ti) memperoleh matriks [I(np-1) M], dimana:
mewakili Ws(ti), - [I(np-1)] adalah Matriks Identitas dengan
- jumlah kolom v adalah sebesar k, orde (np - 1) × (np - 1),
- i(x, y) mendenotasikan vektor baris - cara cepat untuk melakukan Backward
biner dengan dimensi x sedemikian Gaussian Substitution adalah dengan
sehingga hanya elemen ke-y yang sama cara meng-XOR-kan baris-baris
dengan 1 (0  y  x – 1) dan elemen tertentu pada matriks [G0 J0] terhadap
lainnya sama dengan 0. baris-baris lain pada matriks [G0 J0],
hingga matriks [G0] menjadi matriks
[I(np-1)].
c. Bentuk matriks [G] dengan menyusun

matriks vektor v(ti, j).
d. Eksekusi algoritma Forward Gaussian

Elimination terhadap matriks [G Ik(np–
1) ] untuk memperoleh matriks [G J],
dimana:
10
f. Eksekusi operasi S(i) = [M] × W(ti, j) untuk b. Form ‗Halaman Awal‘

memperoleh kembali pesan rahasia, Selamat Datang di KN Sharing
dimana:
- M bernilai 0 atau 1,
- i = 1 sampai (np - 1),
- ti = 0 sampai (k - 1),
- j = 0 sampai (np - 2).
Gambar 3. Rancangan Form ‗Halaman Awal‘

c. Form ‗Aplikasi Distribusi‘
3. PERANCANGAN Proses Distribusi
3.1 Perancangan Use-Case Diagram Input File Pesan : OPEN
Use-case Diagram adalah diagram yang

digunakan untuk menggambarkan fungsi
tertentu dalam suatu sistem berupa komponen, Nilai k : Nilai n : Nilai np : i
kejadian, atau kelas. Use-case diagram sistem File Share yang dihasilkan :
pada perangkat lunak yang dirancang dapat
dilihat pada Gambar 1.
Nama File Share : SAVE
ACAK VALIDASI PROSES BATAL
Gambar 4. Rancangan Form ‗Aplikasi

Distribusi‘
d. Form ‗Aplikasi Recovery‘
Proses Recovery
Kumpulan File Share :

TAMBAH
HAPUS
Pesan yang dihasilkan :
Gambar 1. Use-Case Diagram Perangkat

Nama File Pesan : SAVE
Lunak
VALIDASI PROSES BATAL
3.2 Perancangan Interface

Rancangan tampilan dari perangkat lunak Gambar 5. Rancangan Form ‗Aplikasi
pemahaman dan penerapan Fast (k, n) - Recovery‘
Threshold Secret sharing scheme ini dapat e. Form ‗Text Editor‘
dirincikan sebagai berikut: Text Editor
a. Form ‗Main‘
KNSharing _ o X
Utama Aplikasi Alat Pemahaman Bantuan
Layar Awal Distribusi Text Editor Distribusi Tentang
Recovery Recovery
Teori Pendukung
Bahasa : English
Indonesia
BUKA SIMPAN
Suara : ON/OFF
Gambar 6. Rancangan Form ‗Text Editor‘

p Status
Gambar 2. Rancangan Form ‗Main‘
11
f. Form ‗Pemahaman Distribusi‘ j. Form ‗Tentang‘

Pemahaman Distribusi Tentang X
LAPORAN INPUT DATA KEMBALI LANJUT OK
Gambar 7. Rancangan Form ‗Pemahaman Gambar 11. Rancangan Form ‗Tentang‘

Distribusi‘
4. IMPLEMENTASI
g. Form ‗Pemahaman Recovery‘
Pemahaman Recovery
4.1 Kebutuhan Perangkat Lunak
Untuk dapat menjalankan perangkat lunak
?
ini, harus didukung dengan perangkat lunak
dan perangkat keras yang memadai. Adapun
syarat-syarat yang harus dipenuhi untuk
menjalankan perangkat lunak ini adalah
sebagai berikut:
a. Sistem Operasi: Microsoft Windows XP
Service Pack 2, Windows 7, Windows
Vista ataupun spesifikasi diatasnya.
LAPORAN INPUT SHARE KEMBALI LANJUT
b. Minimum Prosessor: Intel Core 2 Duo,
Gambar 8. Rancangan Form ‗Pemahaman 2.00 GHz.
Recovery‘ c. Minimum Memory: 2 Giga Bytes DDR-
h. Form ‗Laporan‘ SDRAM (Dual Date Rate – Synchronous
Laporan Proses Perhitungan Data Random Access Memory).
d. .Net Framework 4.6.2 atau Net Framework
diatasnya.
e. Mouse dan keyboard digunakan sebagai
alat input file ke dalam perangkat lunak.
f. Harddisk kapasitas 80GB. tidak perlu
sangat besar, dikarenakan ukuran file
perangkat lunak kurang dari 1 GB.
g. VGA card sangat optional, yang berarti
SIMPAN
boleh digunakan ataupun tidak sama
sekali. Penulis menggunakan VGA card
Gambar 9. Rancangan Form ‗Laporan‘
dengan kapasitas 1GB.
i. Form ‗Teori Pedukung‘ Konfigurasi hardware yang lebih tinggi,
Teori Pendukung akan menghasilkan kinerja yang lebih baik,
< Silahkan Pilih > q terutama dalam bagian processor dan memory
dikarenakan perangkat lunak ini cukup
memerlukan sumber daya komputasi terutama
dalam hal kecepatan.
< > 4.2 Daftar Percobaan

Adapun percobaan yang dilakukan penulis
dalam perangkat lunak yang dirancang dapat
dilihat dari tabel berikut:
Gambar 10. Rancangan Form ‗Teori

Pendukung‘
12
Tabel 1. Daftar Percobaan Distribusi
5. KESIMPULAN DAN SARAN

5.1 Kesimpulan
Setelah menyelesaikan penelitian ini,
penulis menarik beberapa kesimpulan sebagai
berikut:
a. Metode Fast (k, n) - Threshold Secret
Sharing Scheme terbukti efektif digunakan
untuk mengamankan pesan rahasia agar
tidak dapat dibaca oleh pihak yang tidak
berwenang.
b. Perangkat lunak dapat digunakan untuk
menerapkan metode Fast (k, n) -
Threshold Secret Sharing Scheme dengan
melakukan distribusi dan recovery pesan
rahasia, yaitu melalui fasilitas ‘Aplikasi‘
Tabel 2. Daftar Percobaan Recovery pada perangkat lunak.
c. Perangkat lunak juga dapat digunakan
untuk memahami prosedur kerja dari
metode Fast (k, n) - Threshold Secret
Sharing Scheme, yaitu melalui fasilitas
‗Pemahaman‘ pada perangkat lunak.
d. Kecepatan proses distribusi Fast (k, n) -
Threshold Secret Sharing Scheme
dipengaruhi oleh besarnya nilai n,
panjangnya pesan, dan tingkat spesifikasi
processor yang digunakan. Sedangkan,
kecepatan proses recovery dipengaruhi
oleh banyaknya share, panjangnya share,
dan tingkat spesifikasi processor yang
digunakan. Kecepatan distribusi juga
termasuk cepat, karena hanya
membutuhkan waktu 15 menit untuk
memproses pesan dengan panjang 50.000
karakter menjadi 25 buah share. Begitu
pula dengan kecepatan recovery yang juga
termasuk cepat karena dapat me-recovery
5 buah share dalam waktu kurang dari 1
detik. Sesuai dengan hasil pengujian,
waktu eksekusi proses distribusi dan
recovery termasuk cepat.
PUSTAKA
Achmad, F. 2015. Desain dan Implementasi
Protokol Kriptografi untuk Aplikasi Secure
13
Chat pada Multiplatform Sistem Operasi. Tullah R., Dzulhaq M. I., Setiawan Y. 2016.
ISSN: 1979-2328 Seminar Nasional Perancangan Aplikasi Kriptografi File
Informatika 2015 (semnasIF 2015). UPN dengan Metode Algoritma Advanced
Veteran Yogyakarta. Encryption Standard (AES). ISSN: 2088-
Ginting A., Isnanto R. R., Windasari I. P. 1762 Jurnal Sisfotek Global, Vol.6, No.2,
2015. Implementasi Algoritma Kriptografi September 2016. STMIK Bina Sarana
RSA untuk Enkripsi dan Dekripsi Email. e- Global.
ISSN: 2338-0403 Jurnal Teknologi dan Zaini. 2017. Model Penyelesaian Determinan
Sistem Komputer, Vol.3, No.2, April Matriks dengan Metode Eliminasi Gauss
2015. Semarang: Universitas Diponegoro. Melalui Matrix Laboratory (MATLAB).
Kurihara J., Kiyomoto S., Fukushima K., ISSN: 2406-8810 Jurnal Sains Terapan,
Tanaka T. 2008. A New (k, n) – Threshold No.1, Vol.3. Sekolah Tinggi Bontang.
Secret Sharing Scheme and Its Extension.
Japan: KDDI R&D Laboratories, Inc.
14
APLIKASI ENKRIPSI DAN DEKRIPSI FILE DENGAN KOMBINASI

ALGORITMAARCFOUR DAN ALGORITMA WAKE
Allwin M. Simarmata, Tandy Cipta, Mawadah Harahap

Program Studi Teknik Informatika, Fakultas Teknologi Industri,Universitas Prima Indonesia
Jl. Sekip Simpang Sikambing20111
Telp. (061) 4578870
ceritaallwin@gmail.com, tandy.cipta@gmail.com
ABSTRAKS
Kriptografi dapat digunakan sebagai suatu teknik untuk sistem keamanan pada data komputer.
Dengan menggunakan kriptografi, data akan disandikan atau dienkripsi menjadi bentuk yang acak.
Ketika data ingin diakses, maka data yang telah dienkripsi diubah kembali (dekripsi) menjadi data
awal. Beberapa algoritma yang dapat digunakan untuk keamanan data ini adalah algoritma
ARCFOUR dan algoritma WAKE. Algoritma ARCFOUR membangkitkan aliran kunci yang
kemudian diproses dengan plaintext pada waktu enkripsi. Sama seperti algoritma ARCFOUR,
algoritma WAKE juga merupakan algoritma aliran kunci. Enkripsi dan dekripsi dapat dilakukan
hanya dengan menggunakan salah satu algoritma, namun tiap algoritma memiliki kelebihan dan
kekurangan masing-masing. Algoritma ARCFOUR akan memberikan proses enkripsi dan dekripsi
yang cepat namun sederhana. Kesederhanaan dari algoritma ARCFOUR dapat ditutupi oleh
rumitnya proses pembentukan S-Box dan kompleksnya proses pembentukan kunci pada algoritma
WAKE. Kombinasi dari kedua metode akan memberikan aspek keamanan yang baru, sehingga
diharapkan akan lebih sulit diserang.
Kata Kunci : Kriptografi, Enkripsi, Dekripsi, Algoritma ARCFOUR, Algoritma WAKE
1. PENDAHULUAN Wheeler pada tahun 1993 dan telah digunakan

1.1. Latar Belakang pada program Anti-Virus Dr. Solomon versi
Seiring dengan perkembangan era terbaru. Algoritma WAKE menggunakan kunci
teknologi informasi yang begitu cepat, maka 128 bit dan sebuah tabel 256 x 32 bit. Enkripsi
semakin banyak data-data yang tersimpan pada dan dekripsi dapat dilakukan hanya dengan
perangkat teknologi informasi. Namun banyak menggunakan salah satu algoritma, namun tiap
dari data-data tersebut yang masih tidak algoritma memiliki kelebihan dan kekurangan
memiliki sistem keamanan untuk menghindari masing-masing. Algoritma ARCFOUR akan
pengaksesan data oleh pihak-pihak yang tidak memberikan proses enkripsi dan dekripsi yang
berwenang. Untuk menghindari pencurian dan cepat namun sederhana. Kesederhanaan dari
akses yang tidak legal ini, dapat diterapkan algoritma ARCFOUR dapat ditutupi oleh
keamanan data dengan menggunakan ilmu rumitnya proses pembentukan S-Box dan
kriptografi. Dengan menggunakan kriptografi, kompleksnya proses pembentukan kunci pada
data akan disandikan atau dienkripsi menjadi algoritma WAKE. Kombinasi dari kedua metode
bentuk yang acak. Ketika data ingin diakses, akan memberikan aspek keamanan yang baru,
maka data yang telah dienkripsi diubah kembali sehingga diharapkan akan lebih sulit diserang.
(dekripsi) menjadi data awal. Dengan demikian, Berdasarkan uraian di atas, maka penulis
apabila terjadi pencurian atau pengaksesan data tertarik untuk merancang aplikasi yang dapat
oleh pihak yang tidak berwenang, data tersebut mengkombinasikan algoritma ARCFOUR dan
tidak dapat dibaca atau diakses karena data algoritma WAKE untuk melakukan proses
tersimpan dalam bentuk data yang sudah enkripsi dan dekripsi terhadap file dokumen.
terenkripsi. Dengan adanya aplikasi ini diharapkan dapat
Algoritma yang dapat digunakan untuk membantu mahasiswa dan pihak lain untuk
mengenkripsi data ini adalah algoritma memahami proses algoritma ARCFOUR dan
ARCFOUR dan algoritma WAKE. Algoritma algoritma WAKE dalam proses pengamanan
ARCFOUR adalah algoritma cipher aliran data dengan mengangkat judul skripsi ―Aplikasi
(stream cipher) yang dibuat oleh Ron Rivest dan Enkripsi dan Dekripsi File dengan Kombinasi
telah digunakan secara luas pada sistem Algoritma ARCFOUR dan Algoritma WAKE‖.
keamanan seperti protokol SSL (Secure Socket
Layer). Algoritma ARCFOUR membangkitkan 1.2 Identifikasi Masalah
aliran kunci (keystream) yang kemudian Berdasarkan latar belakang yang telah
diproses dengan plaintext pada waktu enkripsi. dipaparkan, maka rumusan masalah dari
Sama seperti algoritma ARCFOUR, algoritma skripsi ini adalah:
WAKE juga merupakan algoritma cipher aliran 1. Bagaimana merancang aplikasi untuk
(stream cipher). Algoritma ini dibuat oleh David melakukan proses enkripsi dan dekripsi
15
dengan menggunakan kombinasi adalah stream cipher yang melakukan

algoritma ARCFOUR dan algoritma operasi XOR terhadap plaintext untuk
WAKE. mendapatkan ciphertext, dan operasi XOR
2. Bagaimana spesifikasi komputer dan terhadap ciphertext untuk mendapatkan
algoritma mempengaruhi proses plaintext. Asset terbesar dari metode WAKE
enkripsi dan dekripsi pada aplikasi. adalah kecepatannya. Metode ini telah
digunakan pada program Dr. Solomon Anti
1.3 Batasan Masalah Virus.
Dalam penulisan skripsi ini, batasan masalah Proses utama WAKE terdiri dari :
yang akan dibahas oleh penulis adalah: 1. Proses pembentukan tabel S-Box
1. File yang dapat dienkripsi dan didekripsi (Substitution Box), berfungsi untuk
adalah file binary. membentuk tabel S-Box sebesar 256 x 32
2. Kunci maksimum untuk algoritma bit. Isi dari tabel S-Box ini akan
ARCFOUR dibatasi sepanjang 32 digunakan pada proses pembentukan
karakter dan untuk algoritma WAKE kunci.
dibatasi sepanjang 16 karakter. 2. Proses pembentukan kunci, berfungsi
3. Banyak putaran untuk kunci WAKE untuk membangkitkan bit-bit kunci yang
dapat dipilih dari 1 hingga 9 putaran. akan digunakan pada proses enkripsi dan
4. File yang sudah terenkripsi akan dekripsi.
memiliki ekstensi .enc. 3. Proses enkripsi, berfungsi untuk
5. Aplikasi hanya dapat melakukan proses menyandikan (encoding) pesan.
enkripsi dan dekripsi terhadap satu file 4. Proses dekripsi, berfungsi untuk
dokumen dalam satu waktu. mengembalikan cipher menjadi teks asli
6. Aplikasi dirancang menggunakan bahasa kembali.
pemograman Visual Basic pada Inti dari metode WAKE terletak pada proses
Microsoft Visual Studio 2012 pembentukan tabel S-Box dan proses
pembentukan kunci. Tabel S-Box dari
2. ANALISA DAN PERANCANGAN metode WAKE bersifat fleksibel dan
2.1 Analisa berbeda-beda untuk setiap putaran.
Keamanan komputer adalah kumpulan (Schneier, 2015)
peranti yang dirancang untuk melindungi
komputer sehingga data pada komputer Proses pembentukan tabel S-Box adalah sebagai
terlindungi, sedangkan keamanan jaringan berikut :
adalah kumpulan peranti yang dirancang 1. Inisialisasi nilai TT[0] … TT[7] :
TT[0] : 726A8F3B (dalam heksadesimal)
untuk melindungi data ketika transmisi TT[1] : E69A3B5C (dalam
terhadap ancaman pengaksesan, pengubahan heksadesimal)
dan penghalangan oleh pihak yang tidak TT[2] : D3C71FE5 (dalam
berwenang. Sistem anti virus komputer heksadesimal)
merupakan contoh peranti keamanan TT[3] : AB3C73D2 (dalam
heksadesimal)
komputer, sedangkan protokol web yang
TT[4] : 4D3A8EB3 (dalam
aman merupakan contoh peranti keamanan heksadesimal)
jaringan. (Sadikin, 2012) TT[5] : 0396D6E8 (dalam heksadesimal)
Sistem keamanan komputer merupakan TT[6] : 3D4C2F7A (dalam
sebuah upaya yang dilakukan untuk heksadesimal)
mengamankan kinerja dan proses komputer. TT[7] : 9EE27CF3 (dalam heksadesimal)
2. Inisialisasi nilai awal untuk T[0] … T[3] :
Penerapan computer security dalam T[0] = K[0]
kehidupan sehari-hari berguna sebagai T[1] = K[1]
penjaga sumber daya sistem agar tidak K[0], K[1], K[2], K[3] dihasilkan dari kunci yang
digunakan, modifikasi, interupsi, dan dipecah menjadi 4 bagian yang sama panjang.
diganggu oleh orang yang tidak berwenang. 3. Untuk T[4] sampai T[255], lakukan proses
berikut :
(Sadikin, 2012) X = T[n-4] + T[n-1]
T[n] = X >> 3 XOR TT(X AND 7)
2.2 Algoritma WAKE 4. Untuk T[0] sampai T[22], lakukan proses
Algoritma WAKE merupakan salah satu berikut :
algoritma stream cipher yang telah T[n] = T[n] + T[n+89]
5. Set nilai untuk beberapa variabel di bawah ini :
digunakan secara komersial. WAKE
X = T[33]
merupakan singkatan dari Word Auto Key Z = T[59] OR (01000001h)
Encryption. Metode ini ditemukan oleh Z = Z AND (FF7FFFFFh)
David Wheeler pada tahun 1993. X = (X AND FF7FFFFFh) + Z
Algoritma WAKE menggunakan kunci 128 6. Untuk T[0] … T[255], lakukan proses berikut :
X = (X AND FF7FFFFFh) + Z
16
bit dan sebuah tabel 256 x 32 bit. WAKE
T[n] = T[n] AND 00FFFFFFh Di = Bagian keempat dari pecahan kunci

XOR X
7. Inisialisasi nilai untuk beberapa variabel Inti dari algoritma WAKE tidak terletak pada
berikut ini :
T[256] = T[0]
proses enkripsi dan dekripsinya, karena proses
X = X AND 255 enkripsi dan dekripsinya hanya berupa operasi
8. Untuk T[0] … T[255], lakukan proses berikut : XOR dari plaintext dan kunci untuk
Temp = (T[n XOR X] XOR X) menghasilkan ciphertext atau operasi XOR
AND 255 ciphertext dan kunci untuk menghasilkan
T[n] = T[Temp]
plaintext.
T[X] = T[n+1]
P=CK
Simbol ―>>‖ adalah operasi geser kanan (shift C=PK
right) yaitu operasi yang menggeser sejumlah bit dengan : P = Plaintext
ke kanan (right) dan mengisi tempat kosong K = Key
dengan nilai bit ―0‖ (nol). Operasi shift right C = Ciphertext
dilambangkan dengan ―>>‖. Contoh operasi shift
right : 2.3 Algoritma ARCFOUR
11000110 >> 1 : 01100011 Algoritma ARCFOUR (atau RC4) adalah
11000110 >> 2 : 00110001 cipher aliran yang digunakan secara luas pada
sistem keamanan seperti protokol SSL (Secure
Proses pembentukan kunci dari algoritma Socket Layer). Algoritma kriptografi ini
WAKE dapat ditentukan sendiri yaitu sebanyak sederhana dan mudah diimplementasikan. RC4
n putaran. Semakin banyak putaran dari proses dibuat oleh Ron Rivest dari Laboratorium RSA
pembentukan kunci, maka keamanan datanya (RC adalah singkatan dari Ron’s Code). Sistem
akan semakin terjamin. Fungsi yang digunakan sandi RC4 dikembangkan oleh Ronald Rivest
dalam proses pembentukan kunci adalah M(X, pada tahun 1984 merupakan sistem sandi stream
Y) = (X + Y) >> 8 XOR T[(X + Y) AND 255]. yang paling banyak digunakan, misalnya pada
protokol SSL/TLS. RC4 merupakan sistem sandi
Pertama-tama, kunci yang di-input akan dipecah stream berorientasi byte. (Sadikin, 2012)
menjadi 4 bagian dan di-set sebagai nilai awal RC4 merupakan jenis dari aliran kode yang
dari variabel A0, B0, C0, dan D0. Nilai dari berarti operasi enkripsinya dilakukan per
variabel ini akan diproses dengan melalui karakter atau 1 byte untuk setiap sekali operasi.
langkah berikut: Secara resmi RC4 tidak pernah dipublikasikan,
Ai+1 = M(Ai, Di) tetapi pada bulan September tahun 1994 seorang
Bi+1 = M(Bi, Ai+1) yang tidak dikenal mengirim detail algoritmanya
Ci+1 = M(Ci, Bi+1)
Di+1 = M(Di, Ci+1)
ke internet, sehingga diketahui publik. (Ariyus,
Nilai dari Di merupakan nilai dari kunci K i. 2008).
Masukan algoritma enkripsi RC4 merupakan
Lebih detail dapat diperhatikan pada bagan sebuah byte, kemudian dilakukan operasi XOR
proses pembentukan kunci pada gambar 2.6 dengan sebuah byte kunci, dan menghasilkan
berikut. sebuah byte sandi. Sistem Sandi RC4
menggunakan state, yaitu larik byte berukuran
256 yang terpermutasi, dan tercampur oleh
kunci. Kunci juga merupakan larik byte
berukuran 256. Sebelum melakukan enkripsi dan
dekripsi, sistem sandi RC4 melakukan
inisialisasi terhadap state, algoritma ini disebut
dengan penjadwalan kunci (key scheduling).
(Sadikin, 2012).
Setelah state S terinisialisasi oleh penjadwal
kunci setiap byte pada teks asli dikarenakan
operasi XOR dengan kunci byte untuk
menghasilkan byte pada teks sandi. Kunci byte
Gambar 2.1 Proses Pembentukan Kunci yang digunakan pada enkripsi dibangkitkan
Keterangan : dengan memanfaatkan state S. Algoritma proses
P = Plaintext dekripsi RC4 sama dengan algoritma proses
K = Key enkripsi.
C = Ciphertext RC4 membangkitkan aliran kunci
M = Fungsi M
i = Dimulai dari 0 sampai n.
(keystream) yang kemudian di-XOR-kan dengan
Ai = Bagian pertama dari pecahan kunci plainteks pada waktu enkripsi (atau di-XOR-kan
Bi = Bagian kedua dari pecahan kunci dengan bit-bit cipherteks pada waktu dekripsi).
Ci = Bagian ketiga dari pecahan kunci Tidak seperti cipher aliran yang memproses data
17
dalam bit, RC4 memproses data dalam ukuran ARCFOUR merupakan algoritma kriptografi
byte (1 byte = 8 bit). Untuk membangkitkan stream cipher yang menggunakan kunci 256 bit
aliran kunci, cipher menggunakan status internal atau 32 karakter ascii. Sebagai contoh, dilakukan
yang terdiri dari dua bagian: enkripsi terhadap 5 (lima) byte file yang bernilai
1. Permutasi dari angka 0 sampai 255 di ‖49 50 51 52 53‖ dengan kunci adalah ‖Tandy‖,
dalam larik S0, S1, …, S255. maka proses enkripsi ARCFOUR adalah sebagai
2. Dua buah pencacah indeks, i dan j. berikut:
1. Lakukan proses pembentukan kunci
Langkah-langkah algoritma RC4 adalah ‖Tandy‖ untuk mengisi nilai larik S[0]
sebagai berikut: hingga S[255], sebagai berikut:
1. Inisialisasi larik S sehingga S0 = 0, S1 = 1, a. Inisialisasi Larik S, dengan cara
S2 = 2, …, S255 = 255. berikut:
2. Jika panjang kunci K lebih kecil dari 256 S[0] = 0, S[1] = 1, S[2] = 2, ..., S[255]
bit, maka lakukan padding, yaitu = 255.
penambahan byte semu sehingga panjang b. Lakukan padding terhadap kunci
kunci menjadi 256 byte. Misalnya jika K dengan pengulangan
= ―abc‖ yang hanya terdiri dari 3 byte (3 c. Lakukan permutasi terhadap nilai array
huruf), maka lakukan padding dengan S
penambahan byte (huruf) semu sehingga 2. Setelah S[0] hingga S[255] terisi,
K = ‖abcabcabc…‖ sampai panjang K selanjutnya lakukan proses enkripsi
mencapai 256 byte. terhadap nilai byte ‖49 50 51 52 53‖
3. Lakukan permutasi terhadap nilai-nilai di 3. Hasil enkripsi terhadap 5 (lima) byte file
dalam larik S dengan cara sebagai dengan nilai ‖49 50 51 52 53‖ dan kunci
berikut: yang digunakan adalah ‖Tandy‖ adalah ‖79
j0 179 157 123 204‖.
for i  0 to 255 do
j  (j + S[i] + K[i]) mod 256
swap(S[i], S[j]) (* Pertukarkan nilai
Apabila dilakukan proses dekripsi kembali
S[i] dan S[j] *) terhadap 5 (lima) byte hasil enkripsi yang
end for bernilai ‖79 179 157 123 204‖ dengan kunci
4. Bangkitkan aliran kunci-kunci yang sama, yaitu ‖Tandy‖, maka proses dekripsi
(keystream) dan lakukan enkripsi dengan dengan metode ARCFOUR adalah sebagai
cara sebagai berikut: berikut:
i0 1. Oleh karena kunci yang digunakan sama,
j0 maka nilai larik S sama dengan nilai larik S
for index  0 to (PanjangPlainTeks – 1)
pada proses enkripsi.
do
i  (i + 1) mod 256 2. Hasil dekripsi terhadap 5 (lima) byte file
j  (j + S[i]) mod 256 dengan nilai ‖ 79 179 157 123 204‖ dan
swap(S[i], S[j]) (* Pertukarkan nilai S[i] kunci yang digunakan adalah ‖Tandy‖,
dan S[j] *) berhasil mengembalikan nilai byte file
t  (S[i] + S[j]) mod 256 semula, yaitu ‖49 50 51 52 53‖.
K  S[t] (* keystream
*)
c  K XOR P[index] (* enkripsi *) 3.2 Analisa Algoritma WAKE
end for WAKE merupakan algoritma kriptografi stream
P adalah array yang menyimpan karakter- cipher yang menggunakan kunci 128 bit (16
karakter plainteks karakter ascii). Sebelum dapat melakukan proses
5. Langkah kerja untuk proses dekripsi enkripsi. Sebelum dapat melakukan proses
sama dengan proses enkripsi. enkripsi dan dekripsi, proses pembentukan tabel
S-Box dan proses pembentukan kunci harus
Aliran-aliran kunci K dipilih dengan mengambil dijalankan terlebih dahulu
nilai S[i] dan S[j] dan menjumlahkannya dalam Nilai T[0] … T [256] adalah nilai S-Box yang
modulo 256. Hasil penjumlahan adalah indeks t akan digunakan pada proses pembentukan kunci.
sedemikian sehingga S[t] menjadi kunci aliran K Adapun proses pembentukan kunci pada metode
yang kemudian digunakan untuk mengenkripsi kriptografi WAKE adalah sebagai berikut.
plainteks ke-index. Pertama-tama, kunci yang di-input akan dipecah
Karena karakter-karakter kunci di-copy menjadi 4 bagian dan di-set sebagai nilai awal
berulang-ulang (untuk mengisi kekurangan 256 dari variabel A0, B0, C0, dan D0. Nilai dari
byte), maka ada kemungkinan nilai-nilai di variabel ini akan diproses dengan melalui
dalam larik S ada yang sama. (Ariyus, 2008) langkah berikut :
Ai+1 = M(Ai, Di)
3. ANALISA DAN PERANCANGAN Bi+1 = M(Bi, A i+1)
3.1 Analisa Algoritma ARCFOUR Ci+1 = M(Ci, Bi+1)
18
Di+1 = M(Di, Ci+1) dengan activity diagram seperti terlihat pada

gambar 3.2 berikut.
Fungsi yang digunakan dalam proses USER SISTEM
pembentukan kunci adalah M(X, Y) = (X + Y) Input File untuk dienkripsi dan
input kunci Melakukan Proses Enkripsi
>> 8 XOR T[(X + Y) AND 255]. Proses tersebut
dilakukan untuk 5 putaran. Nilai dari D5
merupakan hasil dari proses pembentukan kunci. Pilih file untuk dienkripsi dan
nama file hasil
Menampilkan kotak dialog
Open File dan Save as
Seperti kebanyakan algoritma kriptografi stream
cipher, proses enkripsi dan dekripsi WAKE
adalah fungsi XOR antara byte kunci dengan Pilih proses enkripsi
Menampilkan form Input
Kunci Enkripsi
byte file. Sebagai contoh, bila digunakan kunci
seperti pada tahapan sebelumnya, dan dihasilkan Memasukkan kunci
Proses pembentukan kunci
byte kunci ―102 136 151 192‖, maka enkripsi ARCFOUR, kunci WAKE dan
banyak putaran kunci WAKE
ARCFOUR dan WAKE
dan dekripsi terhadap byte file ―49 50 51 52 53‖
menghasilkan byte terenkripsi ―87 186 164 244 Membuka file awal
83‖. Enkripsi byte file dengan
Hasil dekripsi byte ―87 186 164 244 83‖

algoritma ARCFOUR
menghasilkan kembali byte awal ―49 50 51 52 Enkripsi byte file dengan

algoritma WAKE
53‖. Simpan hasil enkripsi ke
1. Byte file dienkripsi dengan menggunakan algoritma file hasil
ARCFOUR.
Cipher_Byte = Enkripsi_ARCFOUR(Plain_Byte)
2. Hasil enkripsi pada langkah-1 dienkripsi kembali Gambar 3.2 Activity Diagram dari Proses
dengan menggunakan algoritma WAKE.
Cipher_Byte = Enkripsi
Enkripsi_WAKE(Enkripsi_ARCFOUR(Plain_Byte) Proses dekripsi file yang terjadi di dalam aplikasi
) dapat digambarkan dengan activity diagram
seperti terlihat pada gambar 3.3 berikut.
Sedangkan langkah proses dekripsi adalah USER SISTEM
Input File untuk didekripsi dan
kebalikan dari proses enkripsi, yaitu: input kunci Melakukan Proses Dekripsi
1. Byte file didekripsi dengan menggunakan algoritma
WAKE.
Plain_Byte = Dekripsi_WAKE(Cipher_Byte) Pilih file untuk didekripsi dan Menampilkan kotak dialog
nama file hasil Open File dan Save as
2. Hasil dekripsi pada langkah-1 didekripsi kembali
dengan menggunakan algoritma ARCFOUR.
Plain_Byte=Dekripsi_ARCFOUR(Dekripsi_WAKE
Menampilkan form Input
(Cipher_Byte)) Pilih proses dekripsi
Kunci Dekripsi
3.3 Pemodelan Sistem Memasukkan kunci

Proses pembentukan kunci
ARCFOUR, kunci WAKE dan
ARCFOUR dan WAKE
banyak putaran kunci WAKE
Use case adalah salah satu diagram Unified Membuka file awal
Modeling Language (UML) yang dapat
Dekripsi byte file dengan
digunakan untuk menganalisa dan memodelkan algoritma WAKE
sistem. Gambar 3.1 menunjukkan interaksi Dekripsi byte file dengan
antara pengguna dan sistem di dalam diagram algoritma ARCFOUR
use case. Simpan hasil dekripsi ke

file hasil
Aplikasi Enkripsi dan Dekripsi File dengan Kombinasi
Algoritma ARCFOUR dan Algoritma WAKE
Enkripsi << include >>

Input Kunci Gambar 3.3 Activity Diagram dari Proses
Enkripsi
Dekripsi
Input Kunci
Dekripsi << include >>
Dekripsi
4. Implementasi Sistem
USER
About
Aplikasi dijalankan melalui file exe atau source
code. Ketika aplikasi dijalankan, form Splash
Screen akan muncul pertama sekali, seperti
Gambar 3.1 Diagram Use Case dari Aplikasi terlihat pada gambar 4.1 berikut.
Dalam notasi Use Case, hubungan ―include‖
antar use case, berarti use case X menggunakan
use case Y sepenuhnya. Proses enkripsi file yang
terjadi di dalam aplikasi dapat digambarkan
19
Gambar 4.1 Tampilan Form Splash Screen
Tekan tombol Enter, klik pada form Splash

Screen atau tunggu beberapa detik, maka form
Utama akan muncul, seperti terlihat pada gambar
4.2 berikut.
Gambar 4.4 Tampilan Form Utama Setelah
Pemilihan File Enkripsi
Tekan tombol ‖Enkripsi‖, maka form Input

Kunci Enkripsi akan muncul. Proses enkripsi
dapat diatur untuk menggunakan salah satu
algoritma atau kombinasi kedua algoritma.
Untuk proses enkripsi ini, akan digunakan
kombinasi antara kedua algoritma. Misalkan,
dimasukkan kunci enkripsi ARCFOUR adalah
‖Tandy‖ dan kunci WAKE adalah ‖Cipta‖, serta
banyak putaran kunci WAKE adalah 5, seperti
terlihat pada gambar 4.5.
Gambar 4.2 Tampilan Form Utama

Klik tombol ‗ ‘ yang berada di samping
textbox file sumber untuk memilih file yang akan
dienkripsi. Kotak dialog open file akan muncul
seperti terlihat pada gambar 4.3 berikut. Gambar 4.5 Tampilan Form Input Kunci
Enkripsi
Untuk melihat dan memastikan kunci enkripsi

yang digunakan sudah sesuai, pengguna bisa
mengklik checkbox ‖Tampilan Kunci‖, sehingga
kunci ditampilkan, seperti terlihat pada gambar
4.6 berikut.
Gambar 4.3 Tampilan Kotak Dialog Open

File
Sebagai contoh, dipilih ‖Bab 1.doc‖ sebagai file

untuk dienkripsi, dan hasil enkripsi akan
disimpan dengan nama ‖Bab 1.doc.enc‖, seperti Gambar 4.6 Tampilan Kunci Enkripsi
terlihat pada gambar 4.4 berikut.
Bila input kunci sudah sesuai, maka tekan
tombol ‖Enkripsi‖, dan proses enkripsi akan
berjalan, seperti terlihat pada gambar 4.7 berikut.
20
Gambar 4.7 Tampilan Proses Enkripsi Gambar 4.9 Tampilan File ”Bab 1.docx.enc”
Jika user ingin menampilkan langkah-langkah
Gambar 4.8 memperlihatkan bahwa file hasil
perhitungan pada proses enkripsi atau dekripsi, enkripsi telah teracak dan tidak memiliki makna.
maka checkbox ‖Tampilkan Langkah Untuk mengembalikan file hasil enkripsi ke
Perhitungan‖ akan diklik. Langkah-langkah bentuk semula, maka lakukan proses dekripsi
perhitungan akan ditampilkan seperti pada dengan menggunakan kunci yang sama pada
Gambar 4.8, namun proses enkripsi atau dekripsi form Input Kunci Dekripsi, seperti terlihat pada
akan memerlukan waktu yang lebih lama.
gambar 4.9 berikut.
Gambar 4.10 Tampilan Form Input Kunci

Dekripsi
Proses dekripsi pada form Utama berjalan seperti

terlihat pada gambar 4.10 berikut.
Gambar 4.8 Tampilan Langkah Perhitungan
Bila file hasil enkripsi ‖Bab 1.doc.enc‖ dibuka

dengan Microsoft Word, maka tampilan file
dapat dilihat pada gambar 4.9 berikut.
Gambar 4.11 Tampilan Proses Dekripsi
21
Bila file hasil dekripsi dibuka kembali dengan

Microsoft Word, maka tampilan file dapat dilihat
pada gambar 4.11 berikut.
Gambar 4.12 Tampilan File Hasil Dekripsi
Gambar 4.11 memperlihatkan bahwa file hasil

dekripsi berhasil dikembalikan menjadi file Gambar 4.14 Tampilan Form About
semula dengan menggunakan kunci yang benar.
Apabila menggunakan kunci yang salah atau 5. KESIMPULAN
tidak sama dengan kunci pada proses enkripsi,
maka hasil dekripsi tidak akan kembali seperti 1. Proses dekripsi dapat mengembalikan file
semula, seperti terlihat pada gambar 4.12. terenkripsi ke file semula bila menggunakan
kunci yang sama seperti kunci pada proses
enkripsi. Ini dikarenakan algoritma
ARCFOUR dan algoritma WAKE
merupakan algoritma kunci simetris.
Kombinasi dari algoritma ARCFOUR dan
algoritma WAKE akan memberikan tingkat
keamanan yang lebih tinggi karena proses
enkripsi dan dekripsi harus dilakukan dua
kali
2. Pada hasil pengujian, waktu proses enkripsi
memiliki sedikit perbedaan dengan proses
dekripsi, walaupun proses yang dilakukan
adalah sama. Ini disebabkan oleh proses-
proses lain yang berjalan pada background
windows dan spesifikasi komputer, sehingga
kecepatan proses enkripsi dan dekripsi tidak
mungkin sama persis.
3. Perbedaan waktu enkripsi dan dekripsi
Gambar 4.13 Tampilan File Hasil Dekripsi
dengan Kunci yang Salah dengan menggunakan salah satu algoritma
maupun kombinasi algoritma ARCFOUR
dan WAKE tidak menunjukkan pola yang
Dengan demikian, apabila pengguna tidak
signifikan. Hal ini menujukkan bahwa
mengetahui kunci yang digunakan pada proses
enkripsi, maka file tidak dapat didekripsi kontribusi proses algoritma pada waktu
kembali menjadi file semula. Untuk melihat proses enkripsi dan dekripsi adalah
informasi singkat mengenai aplikasi, tekan minimal.
tombol ‖About‖ pada form Utama, dan form
About akan muncul seperti terlihat pada gambar PUSTAKA
4.13 berikut.
[1] Ariyus, D. 2008. Pengantar Ilmu
Kriptografi (Teori, Analisis dan
Implementasi). Yogyakarta: Andi.
[2] Kurniawan, J. 2004. Kriptografi,
Keamanan Internet dan Jaringan
Komunikasi. Bandung: Informatika.
[3] Munir, R. 2006. Kriptografi.
Bandung: Informatika.
22
[4] Munir, R. 2012. Matematika Diskrit, [6] Schneier, B. 2015. Applied

Revisi Kelima. Bandung: Crytography, Second Edition, 20th
Informatika. Anniversary Edition. Canada: John
[5] Sadikin, R. 2012. Kriptografi untuk Willey and Sons Inc.
Keamanan Jaringan. Yogyakarta: [7] Wheeler, D.J. 2005. A Bulk Data
Andi. Encryption Algorithm. UK:
Cambridge University.
23
PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI

PRODUKSI MINYAK KELAPA SAWIT
1 2 3
Aminah , Kana Saputra S , Debi Yandra Niska
1
Program Studi Sistem Komputer, Fakultas Sains dan Teknologi,Universitas Pembangunan
Panca Budi
2,3
Program Studi Teknik Komputer, Fakultas Sains dan Teknologi, Universitas Pembangunan
Panca Budi
Jln. Jenderal Gatot Subroto KM 4,5 Sei Sikambing 20122
Telp. (061) 845-5571
1 2 3
aminahdua9@gmail.com, kanasaputras@dosen.pancabudi.ac.id, debiyandraniska@gmail.com
ABSTRAKS
Minyak kelapa sawit adalah salah satu minyak yang paling banyak dikonsumsi dan
diproduksi di dunia. Indonesia adalah produsen dan eksportir terbesar minyak sawit di
dunia, sehingga Industri minyak kelapa sawit merupakan salah satu industri kunci untuk
perekonomian Indonesia. Salah satu perusahaan di Indonesia yang bergerak di bidang
pengolahan minyak kelapa sawit adalah PT. Cipta Agro Sejati. Produksi minyak kelapa
sawit merupakan salah satu kegiatan terpenting yang dilakukan oleh perusahaan.
Perusahaan harus mengambil keputusan yang tepat dalam memprediksi jumlah produksi
minyak kelapa sawit sesuai dengan permintaan pasar. Penelitian ini bertujuan untuk
menerapkan metode fuzzy tsukamoto dalam memprediksi produksi minyak kelapa sawit
berdasarkan data pemesanan dan persediaan. Pada metode fuzzy tsukamoto setiap
konsekuensi pada aturan yang berbentuk IF-THEN direpresentasikan dengan suatu
himpunan fuzzy dengan fungsi keanggotaan yang menoton. Sebagai hasilnya, output hasil
inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-
predikat.Penelitian ini menggunakan 9 aturan (rules). Berdasarkan hasil perhitungan
menggunakan fuzzy tsukamoto hasil prediksi produksi minyak kelapa sawit pada tanggal 23
November 2017 sebesar 102.743,5 kg.
Kata Kunci : Fuzzy Tsukamoto, Minyak Kelapa Sawit, Prediksi, Produksi
1. PENDAHULUAN diperlukan prediksi produksi yang optimal.

1.1. Latar Belakang Untuk memprediksi produksi minyak kelapa
Kelapa sawit merupakan salah satu sawit membutuhkan informasi mengenai faktor
komoditas perkebunan yang mempunyai peran yang terlibat dalam menentukan jumlah minyak
cukup penting dalam kegiatan perekonomian di kelapa sawit yang akan diproduksi.
Indonesia. Indonesia merupakan negara Penerapan metode fuzzytsukamoto sudah
produsen dan eksportir kelapa sawit terbesar di pernah dilakukan untuk memprediksi jumlah
dunia. Produksi minyak kelapa sawit Indonesia produksi roti di Roti Malabar Bakery. Penelitian
terus mengalami peningkatan. Berdasarkan data tersebut menunjukkan bahwa metode
Statistik Perkebunan Indonesiaestimasi produksi fuzzytsukamoto sebagai metode yang paling
minyak kelapa sawit Indonesia pada tahun 2017 unggul dalam memprediksi jumlah produksi,
mencapai 35.359.384 ton (Direktorat Jenderal dimana diketahui hasil prediksi dengan hasil
Perkebunan, 2016). produksi perusahaan tidak jauh berbeda yang
Berdasarkan data Statistik Perkebunan dapat dilihat dari nilai error yang didapatkan 1%
Indonesia produksi minyak kelapa sawit terbesar (Minarni et al, 2016). Penelitian lain tentang
pada tahun 2016 berasal dari Provinsi Riau, yaitu penerapan metode fuzzytsukamoto untuk
sebesar 8.506.646 ton. Pada tahun 2017 memprediksi jumlah siswa baru di SMK
diperkirakan tetap menjadi produsen minyak TELKOM Shandy Putra Banjarbaru. Penelitian
kelapa sawit terbesar di Indonesia dengan tersebut menunjukkan bahwa metode
perkiraan produksi sekitar 8.721.148 ton fuzzytsukamoto mempunyai tingkat akurasi yang
(Direktorat Jenderal Perkebunan, 2016). lebih tinggi dibandingkan dengan metode
PT. Cipta Agro Sejati merupakan salah satu fuzzysugeno, yaitu sebesar 90,41% (Abidah S,
perusahaan lokal yang berorientasi pada industri 2016).
minyak kelapa sawit. Perusahaan ini didirikan Berdasarkan penelitian yang telah dilakukan
untuk mengakomodir hasil perkebunan rakyat. menggunakan metode fuzzytsukamototersebut
Untuk menghasilkan produksi yang optimal menunjukkan bahwa metode tersebut sangat baik
24
untuk memprediksi suatu hal, sehingga peneliti Tabel 2.1 Data Transaksi Minyak Kelapa
akan menerapkan metode tersebut untuk
memprediksi produksi minyak kelapa sawit pada Sawit
PT. Cipta Agro Sejati. No Tanggal
Pemesanan Persediaan Produksi
1.2 Identifikasi Masalah (kg) (kg) (kg)
Berdasarkan latar bekalang permasalahan 1 2 Nov 2017 97.490 232.249 119.019
di atas, maka dalam penelitian ini identifikasi
masalahnya adalah: 2 5 Nov 2017 200.000 282.426 147.667
1. Bagaimana menerapkan metode
3 9 Nov 2017 125.860 236.499 171.952
fuzzy tsukamoto untuk memprediksi
produksi minyak kelapa sawit? 4 13 Nov 2017 74.140 256.314 143.675
2. Bagaimana merancang dan
membangun aplikasi untuk 5 16 Nov 2017 101.680 218.264 137.770
memprediksi produksi minyak
kelapa sawit menggunakan metode 6 19 Nov 2017 98.320 294.263 174.320
fuzzy tsukamoto? 7 21 Nov 2017 152.300 302.366 160.403
1.3 Batasan Masalah 8 22 Nov 2017 47.700 313.971 59.305

Adapun batasan masalah dalam penelitian
ini adalah sebagai berikut : 9 23 Nov 2017 123.000 242.189 ?
1. Penentuan jumlah produksi berdasarkan
data permintaan dan jumlah data 2.2 Penerapan Metode Fuzzy Tsukamoto
persediaan. Logika Fuzzy (Fuzzy Logic) merupakan
2. Metode yang digunakan untuk modifikasi dari teori himpunan dimana setiap
memprediksi produksi minyak kelapa sawit anggotanya memiliki derajat keanggotaan yang
adalah metode fuzzytsukamoto. bernilai kontinu antara 0 sampai 1 yang pertama
3. Aplikasi ini dibuat menggunakan VB.NET kali dikenalkan oleh Lotfi A Zadeh pada tahun
2008 untuk merancang dan membuat 1965 (Kusumadewi 2002).
program, database yang digunakan adalah Pada metode fuzzytsukamoto, setiap
MySQL. konsekuen pada aturan yang berbentuk IF-THEN
4. Aplikasi prediksi produksi minyak kelapa harus direpresentasikan dengan suatu himpunan
sawit ini dibuat hanya berbasis desktop. fuzzy dengan fungsi keanggotaan yang menoton.
Sebagai hasilnya, output hasil inferensi dari tiap-
tiap aturan diberikan secra tegas (crips)
2. ANALISA DAN PERANCANGAN berdasarkan α -predikat. Hasil akhirnya
2.1 Analisa diperoleh dengan menggunakan rata-rata
Adapun data yang digunakan dalam terbobot.
penelitian ini adalah data produksi minyak Terdapat tiga langkah untuk menentukan
kelapa sawit pada PT. Cipta Agro Sejati dalam jumlah produksi berdasarkan data persedian dan
jangka waktu selama 1 bulan, yaitu mulai data pemesanan dengan metode fuzzytsukamoto
tanggal 1 – 30 November 2017. Dari sampel data yaitu: mendefinisikan variabel, inferensi dan
produksi minyak kelapa sawit pada bulan defuzzifikasi.
Oktober 2017 diketahui pemesanan maksimum
200.000 kg, pemesanan minimum 47.000 kg, 1. Mendefinisikan Variabel Fuzzy (fuzzifikasi)
persedian maksimum 313.971 kg, persedian Terdapat 3 variabel fuzzy yang akan
minimum 218.264 kg, produksi maksimum dimodelkan yaitu:
174.320 kg dan produksi minimum 59.305 kg.  Pemesanan terdiri atas 3 himpunan
Rincian data yang digunakan dapat dilihat pada Fuzzy, yaitu: TURUN, TETAP dan
Tabel 2.1. NAIK
Gambar 2.1 Fungsi Keanggotaan
25
Variabel Pemesanan
2. Mencari Nilai Inferensi

Mencari nilai inferensi z untuk setiap dengan
menggunakan fungsi MINIMUM untuk
mendapatkan nilai α –predikat tiap-tiap rule.
Kemudian masing-masing nilai akan digunakan
untuk menghitung nilai keluaran hasil inferensi
secara tegas (crips) masing –masing rule (z).
Tabel 2.2 Aturan (rules)

Kode Aturan
Aturan
[R1] IF pemesanan TURUN and
persediaan BANYAK THEN
 Persediaan; terdiri atas 3 himpunan produksi minyak kelapa sawit
Fuzzy, yaitu: SEDIKIT, SEDANG dan BERKURANG
BANYAK [R2] IF pemesanan TURUN and
persediaan SEDANG THEN
produksi minyak kelapa sawit
BERKURANG
[R3] IF pemesanan TURUN and
persediaan SEDIKIT THEN
BERKURANG
[R4] IF pemesanan TETAP and
persediaan BANYAK THEN
BERKURANG
Gambar 2.2 Fungsi Keanggotaan [R5] IF pemesanan TETAP and
Variabel Persediaan persediaan SEDANG THEN
TETAP
[R6] IF pemesanan TETAP and
BERTAMBAH
 Produksi; terdiri atas 3 himpunan Fuzzy, [R7] IF pemesanan NAIK and
yaitu: BERKURANG, TETAP dan persediaan BANYAK THEN
BERTAMBAH
BERTAMBAH
[R8] IF pemesanan NAIK and
persediaan SEDANG THEN
BERTAMBAH
[R9] IF pemesanan NAIK and
BERTAMBAH
Gambar 2.3 Fungsi Keanggotaan 3. Defuzzifikasi

Variabel Produksi Input dari proses defuzzifikasiadalah suatu
himpunan fuzzy yang diperoleh dari
komposisi rulesfuzzy, sedangkan output yang
dihasilkan merupakan suatu bilangan pada
domain himpunan fuzzy tersebut. Sehingga
jika diberikan suatu himpunan fuzzy dalam
range tertentu, maka harus dapat diambil
suatu nilai crisp tertentu sebagai output. Ada
beberapa metode defuzzifikasi yang bisa
digunakan pada komposisi aturan Mamdani,
antara lain: metode centroid, metode smallest
26
of maximum, dan lainnya. Penelitian ini 2.4.1 Tampilan Form Login

menggunakan metode centroid dengan Tampilan login berfungsi untuk masuk ke
rumus seperti yang terlihat pada persamaan menu utama prediksi produksi dengan cara
berikut. memasukkan User ID dan passwordyang tepat
baik sebagai user maupun admin. Adapun
tampilan form dapat dilihat pada Gambar 2.5.
Gambar 2.5 Tampilan Form login

2.3 Flowchart 2.4.2 Tampilan Menu Utama
Flowchart Sistem merupakan bagian yang Tampilanmenu utama merupakan form
menunjukan alur kerja atau apa yang sedang utama dari semua halaman yang ada didalam
dikerjakan didalam sistem secara keseluruhan aplikasi prediksi produksi minyak kelapa sawit
dan menjelaskan urutan dari prosedur – prosedur PT. Cipta Agro Sejati. Form ini merupakan form
yang ada didalam sistem. Dengan kata lain, induk yang berisi menu-menu yang dapat
flowchat ini merupakan deskripsi secara grafik digunakan oleh user maupun admin untuk
dari urutan prosedur–prosedur yang berinteraksi dengan aplikasi. Adapun tampilan
terkombinasi yang membentuk suatu sistem. menu utama dapat dilihat pada gambar 2.6.
Adapun flowchatdari aplikasi untuk
memprediksi produksi minyak kelapa sawit
seperti yang terlihat pada Gambar 2.4.
Start
Input Data Pemesanan,

Persediaan, dan Produksi
Membuat Fungsi
Keanggotaan Setiap
Variabel
Menentukan Aturan
(Rules)
Menghitung Nilai Output

(Defuzzifikasi)
Gambar 2.6 Tampilan form menu utama

Hasil Prediksi Produksi
2.4.3Tampilan Form Input Data CPO
Tampilan ini berfungsi untuk input data
Selesai transaksi produksi minyak kelapa sawit muali
dari data pemesanan, persedian dan produksi.
Gambar 2.4FlowchatAplikasi Untuk Proses perhitungan fuzzy tsukamoto juga terdapat
Memprediksi Produksi Minyak Kelapa Sawit pada form ini. Dari form ini kita akan
mengetahui berapa jumlah prediksi produksi
2.4 Implementasi minyak kelapa sawit. Tampilan form ini muncul
Berikut hasil tampilan dari aplikasi untuk
jika admin memilih tombol input data CPO. Di
memprediksi produksi minyak kelapa sawit
dalam form input data CPO ini terdapat beberapa
menggunakan metode fuzzy tsukamoto pada PT.
tombol pilihan yaitu tambah, simpan, cek, proses
Cipta Agro Sejati.
hapus dan edit.
27
1. Tampilan icon tambah pada form input hasil prediksi juga akan terlihat nilai
data CPO keanggotaan, alfa 1-9, z 1-9 dan lain
Jika admin mimilih tombol tambah yang sebagainya. Adapun tampilan icon proses
ada pada tampilan form input data CPO prediksi pada form input data CPO seperti
maka akan muncul teksbox untuk input terlihat pada Gambar 2.9.
data CPO setelah selesai lalu simpan
derngan demikian data akan tersimpan
secara otomatis ke dalam database.
Adapun tampilan icon tambah pada form
input data CPO seperti terlihat pada
Gambar 2.7.
Gambar 2.9 Tampilan icon proses prediksi

pada form input data CPO
2.4.4Tampilan Form Input Login

Tampilan form input login berfungsi untuk
Gambar 2.7 Tampilan icon tambah pada form menambah user atau admin pada aplikasi.
input data CPO Selain itu juga digunakan untuk menambah,
mengahpus dan mengubah data user atau admin
2. Tampilan icon cek data max , tetap & min yang sudah ada. Adapun tampilan form input
pada form input data CPO login seperti terlihat pada Gambar 2.10.
Icon cek data max, tetap & min ini
berfungsi untuk menampilkanm data max,
tetap dan minimum yang pada data
trasnsaksi CPO yang sudah diinputkan
kedalam database. Adapun tampilan icon
cek data max , tetap & min pada form input
data CPO seperti terlihat pada Gambar 2.8.
Gambar 2.10 Tampilan form input login
2.4.5 Tampilan Form Laporan

Tampilan form laporan berfungsi untuk
menampilkan hasil laporan dari transaksi
prediksi produksi minyak kelapa sawit yang ada
pada aplikasi. Pada form ini hasil laporan dapat
Gambar 2.8 Tampilan icon cek data max, di cetak.Adapun tampilan form laporan seperti
tetap & min pada form input data CPO terlihat pada Gambar 2.11.
3. Tampilan icon proses prediksi pada form

input data CPO
Sebelum admin memilih proses prediksi
pada form input data CPO sebaiknya
terlebih dahulu meilih icon cek data max ,
tetap min. lalu kemudian memilih proses
prediksi setelah itu akan muncul tampilan
hasil prediksi minyak kelapa sawit. Selain Gambar 2.11 Tampilan form laporan
28
3. KESIMPULAN [2] Minarni., Aldyanto F., Prediksi Jumlah

Adapun kesimpulan yang dapat Produksi Roti Menggunakan Metode
diperoleh adalah sebagai berikut: Logika Fuzzy (Studi Kasus: Roti Malabar
1. Hasil prediksi produksi minyak kelapa Bakery), Jurnal TEKNOIF Volume 4 No
sawit yang harus di produksi PT. Cipta 2, 2016.
Agro Sejati pada 23 November 2017
berdasarkan perhitungan metode fuzzy [3] Abidah S,. Analisis Komparasi Metode
tsukamoto adalah 102.743,5 kg. Tsukamoto dan Sugeno dalam Prediksi
2. Dengan adanya aplikasi model prediksi Jumlah Siswa Baru, Jurnal Bianglala
produksi ini memberikan kemudahan Informatika Volume 4 No 1, 2016.
pada perusahaan untuk mengolah data
dalam memprediksi produksi minyak [4] Kusumadewi S., Analisis dan Desain
kelapa sawit. Sistem Fuzzy Menggunakan Toolbox
Matlab, PenerbitGraha Ilmu, Yogyakarta,
PUSTAKA 2002.
[1] Direktorat Jenderal Perkebunan., Statistik
Perkebunan Indonesia 2015-2017
(Kelapa Sawit), 2016.
29
REKOMENDASI KREDIT BERDASARKAN KAPASITAS KONSUMEN

DENGAN ALGORITMA SEQUENCE CLUSTERING
Amir Mahmud Husein, Johannes, Mawaddah Harahap
Program Studi Teknik Informatika, Fakultas Teknologi dan Ilmu Komputer
Universitas Prima Indonesia
Telp. (061) 4578870
E-mail : amirmahmud@unprimdn.ac.id, johanzhang05@gmail.com
ABSTRAKS
Clustering dalam data mining adalah pengelompokan sejumlah data atau objek ke dalam group
(cluster) sehingga setiap dalam cluster tersebut akan berisi data yang semirip mungkin dan
berbeda dengan objek dalam cluster yang lainnya. Sequence Clustering merupakan salah satu
metode clustering yang menggabungkan teknik clustering dengan analisis Markov Chain untuk
mengidentifikasi kelompok dan urutannya. Sequence Clustering memiliki keunggulan yaitu
menggunakan data urut. Algoritma memeriksa semua probabilitas transisi dan mengukur
perbedaan, atau jarak, di antara semua urutan yang mungkin dalam kumpulan data untuk
menentukan urutan mana yang terbaik untuk digunakan sebagai masukan pengelompokan. Pada
penelitian ini, Algoritma Sequence Clustering akan digunakan untuk mengidentifikasi dataset
yang akan digunakan sebagai acuan untuk merekomendasikan pembiayaan kredit sesuai
kapasitas konsumen. Hasil penelitian dapat merekomendasikan tenor dan DP yang sesuai
dengan konsumen dan perusahaan.
Kata kunci: Data Mining, Sequence Clustering, Pembiayaan kredit
1. PENDAHULUAN pengeluaran biaya pemeliharaan sebesar

1.1 Latar Belakang 11,93%, dan hasil yang didapatkan ini
Pembiayaan Kredit yang sesuai dengan merupakan biaya terendah dari biaya
kapasitas seorang konsumen merupakan suatu perusahaan dan usulan pemeliharaan lainnya.
permasalahan yang sulit diputuskan oleh Penjadwalan pemeliharaan mesin dengan
perusahaan untuk mengurangi angka metode Markov Chain ini mampu menghemat
tunggakan pada perusahaan. Penelitian akan biaya maintenance perusahaan secara
dilakukan di salah satu perusahaan yang keseluruhan.
bergerak di bidang leasing company di kota Permasalahan dalam penelitian ini
Medan. Beberapa perusahaan, masih adalah bagaimana Algoritma Sequence
menggunakan tenaga kerja yang diposisikan Clustering merekomendasikan pembiayaan
sebagai Credit Analist sebagai filter untuk kredit yang sesuai dengan kapasitas konsumen
menentukan hasil survei kelayakan kapasitas salah satu perusahaan swasta yang bergerak di
konsumen. Namun hal ini membuat hasil bidang leasing company di kota Medan untuk
survei tidak objektif. Oleh karena itu, mengurangi resiko meledaknya tunggakan
dibutuhkan sebuah algoritma yang mampu yang ada di perusahaan serta membantu
merekomendasikan lama kredit serta total mendongkrak naik angka penjualan
angsuran yang sesuai dengan kapasitas yang perusahaan dengan membantu credit analist
dimiliki konsumen. dalam menentukan hasil keputusan dari
(Hartono,2017) melakukan penelitian survei.
terhadap pengoptimalan perancangan Tujuan dari penelitian ini adalah untuk
maintenance mesin produksi pada perusahaan mempermudah kinerja kerja karyawan
dengan menggunakan metode Markov Chain perusahaan untuk menentukan keputusan hasil
yang merupakan bagian dari Sequence survei dengan lebih cepat dan akurat serta
Clustering. Pada penelitian tersebut metode meminimalisir keputusan yang tidak objektif
Markov Chain digunakan untuk menentukan dari bagian Credit Analist, mendongkrak naik
kebijakan terbaik dalam jadwal pemeliharaan angka penjualan pada perusahaan,
mesin produksi sehingga didapatkan merekomendasikan pembiayaan yang sesuai
penjadwalan yang teratur dapat berjalan untuk konsumen, dan memfokuskan penjualan
dengan lancar. Setelah penelitian selama 1 pada unit tertentu pada perusahaan.
bulan selesai, perusahaan berhasil menghemat
30
Manfaat dari penelitian adalah Pada penetilian ini pihak pemberi kredit
merekomendasikan pembiayaan yang tepat memiliki kriteria-kriteria dalam menentukan
sesuai dengan kapasitas yang dimiliki calon penerima kredit diantaranya status
konsumen untuk menjaga angka tunggakan kredit, produktivitas usaha, kondisi usaha,
perusahaan agar tidak naik serta membantu jaminan, kolektibilitas, watak (character),
konsumen untuk mendapatkan unit yang penghasilan. Pada penelitian ini, pengurutan
diinginkan sesuai dengan budget dan hasil akhir sistem dari nilai tertinggi hinggan
kemampuan konsumen. nilai terndah dapat memudahkan pihak bank
Penelitian dan penerapan algoritma dalam membaca data nilai nasabah yang
Sequence Clustering untuk dihasilkan.
merekomendasikan pembiayaan memiliki
beberapa kelebihan sebagai berikut: 1.3 Metodologi Penelitian
a. S Penelitian ini menggunakan
equence Clustering merupakan metodologi pendekatan kuantitatif, dimana
algoritma hibrida yang metode ini menggunakan paradigma post-
menggabungkan teknik clustering positivist (seperti pemikiran tentang hubungan
dengan analisis Markov Chain untuk sebab akibat, reduksi kepada variable,
mengidentifikasi kelompok dan hipotesis dan pertanyaan spesifik,
urutannya. Salah satu keunggulan dari menggunakan pengukuran dan observasi, serta
algoritma Sequence Clustering adalah menguji teori). Dalam metodologi ini ada
bahwa algoritma ini menggunakan data beberapa bentuk penelitian yakni, penelitian
urut. korelasional / survey adalah suatu pendekatan
b. Algoritma memeriksa semua umum untuk penelitian yang berfokus pada
probabilitas transisi dan mengukur penaksiran pada kovariasi diantara variable
perbedaan, atau jarak, di antara semua yang muncul secara alami, dengan tujuan
urutan yang mungkin dalam kumpulan untuk mengidentifikasi hubungan prediktif
data untuk menentukan urutan mana dengan menggunakan Teknik korelasi atau
yang terbaik untuk digunakan sebagai Teknik statistika yag lebih canggih
masukan pengelompokan. (Zechmeter Ezmir, 2007:37).
c. Algoritma Sequence Clustering
yang menggunakan data urut, 2. PEMBAHASAN
memungkinkan untuk dapat Sequence Clustering adalah sebuah
memprediksi data berikutnya yang metode yang menggabungkan teknik
akan dilakukan selanjutnya. clustering (pengelompokan) dengan metode
Markov Chain. Proses Data Mining
1.2 Tinjauan Pustaka Menggunakan dengan Algoritma Sequence
Kresno Aji, Harry Eko UAB (2017) Clustering pada data melewati proses
menggunakan metode Sequence Clustering perkalian matriks untuk mencari probabilitas
untuk mengklaster pola waktu kunjungan keadaan tetap agar dapat memprediksi hasil
pelanggan hotel di DIY. Data yang ada akan dari data proses Data Mining. Proses
dianalisis dan dijadikan sebuah matriks. clustering menggunakan algoritma sequence
Matriks tersebuat akan dikalikan dengan Clustering melalui beberapa tahapan yaitu,
matriks probabilitas. Proses perkalian matriks proses menemukan probabilitas dari sebuah
dilakukan hingga nilai matriks tidak berubah studi kasus, kemudian probabilitas akan
jika dikalikan dengan matriks probabilitas. dijadikan matriks transisi yang akan
Sehingga Metode Sequence Clustering dapat digunakan untuk mencari probabilitas keadaan
digunakan untuk mengklaster pola waktu tetap (steady state). Steady state akan
kunjungan pelanggan hotel. Kelas hotel juga digunakan untuk menentukan berbagai
diprediksi pola atau kecenderungan tingkat kemungkinan atau prediksi sesuai dengan
hunian pada bulan berikutnya. Sehingga pihak batasan yang ditentukan untuk metode
hotel dapat lebih mudah melakukan persiapan clusteringnya. Adapun proses atau langkah-
untuk kunjungan pelanggan bulan berikutnya. langkah untuk menyelesaikan perhitungan
Pada penelitian Gaguk Pujiono (2015) probabilitas pada periode waktu tertentu
yang membahas tentang penerapan metode menggunakan algoritma Sequence Clustering
SAW (Simple Additive Weigting) untuk adalah sebagai berikut :
merekomendasikan kelayakan pemberian a. Buatlah matriks transisi dari
kredit pada PT. BPR Prima Dadi Arta Pare. probabilitas yang diketahui.
31
b. Lakukan operasi perkalian matriks dari Tabel 1. Tabel Data Sampel Custbase
probabilitas waktu sebelumnya dengan NO No.Kontrak . Type . Status Kredit
matriks transisi, rumusnya : . .
Matriks periode ke-n = Matriks . .
periode ke-n+1 * Martiks Transisi 1 000924/10S . BEAT . MENUNGGAK
c. Ulang proses yang sama sampai . .
menemukan probabilitas keadaan tetap. . .
Namun, dari perkalian matriks tersebut, akan 2 002168/10S . VARIO . LANCAR
muncul satu permasalahan yaitu apabila . .
perhitungan dilakukan dilakukan per periode, . .
tentunya akan memakan waktu yang lama, 3 001581/11S . VARIO . LANCAR
karena contohnya, apabila steady state . .
probabilitas ada pada periode ke-15, maka . .
harus dilakukan perhitungan sebanyak 14 kali. . . . . . .
Hal ini bisa diatasi dengan menghitung . . . . . .
probabilitas keadaan tetap secara langsung . . . . . .
menggunakan persamaan sebagai berikut : 100 001506/13S . VARIO . MENUNGGAK
[ N M ] = [ N M ] * Matriks Transisi . .
Dimana N dan M merupakan variable dari . .
studi kasus yang diteliti menggunakan metode
Sequence Clustering. Dari 100 buah data sampel diatas akan
diperoleh data status pembiayaan berdasarkan
2.1 Ketentuan Umum lama kredit (tenor) dan besar DP untuk unit
Dalam pengelompokan urutan atau top sell pada leasing sebagai berikut :
clustering, ada beberapa persyaratan yang
harus dipahami untuk algoritma, termasuk TIPE STATUS TENOR
berapa banyak data yang diperlukan, dan KREDIT
bagaimana data digunakan. Berikut adalah 12 18 24 30 36
persyaratan untuk model clustering : BEAT L 6 6 11 4 22
a. Kolom kunci tunggal model M 2 2 4 1 6
pengurutan memerlukan kunci yang
VARIO L 5 4 12 1 5
mengidentifikasi catatan
b. Kolom urutan untuk data urutan, model M 3 1 3 1 1
harus memiliki tabel besarang yang
berisi kolom id urutan. ID urutan bisa Tabel 2. Data Jumlah Tunggakan Sesuai
berupa tipe data sortable apapun. Tenor
c. Atribut non sequence opsional
algoritma ini mendukung penambahan Dari data yang disajikan pada Tabel 2, maka
atribut lain yang tidak berhubungan akan dihitung probabilitas sesuai tenor dan DP
dengan sequencing. Atribut ini bisa untuk mendapatkan tenor dan DP yang bisa
mencakup kolom bersarang. direkomendasikan untuk konsumen. Adapun
Sebagai contoh yang dikutip dari situs hitungan untuk mendapatkan probabilitas
Adventure works Cycles , model keadaan tetap adalah sebagai berikut :
clustering urutan mungkin mencakup
informasi pesanan sebagai tabel Tabel 3. Probabilitas Sementara
khusus, demografi tentang pelanggan Tunggakan Sesuai Tenor
spesifik untuk setiap pesanan sebagai
atribut non-urutan dan tabel bersarang
yang berisi urutan di mana pelanggan
melihat-lihat situs atau memasukkan
barang belanja sebagai informasi
urutan.
2.2 Persamaan Sehingga :

Perhatikan data penjualan berikut ini : BEAT
[L M]=[L M]*
32
Maka :
Untuk Tipe Beat dengan Tenor 12 bulan, Dari perhitungan probabilitas di atas,
probabilitas adalah : maka dari 100 buah data sampel penjualan
L = 0.094L + 0.031M perusahaan dapat dilihat pada grafik berikut
L = 0.094L + 0.031(1 – L) yang akan menunjukkan angka penjualan
L = 0.094L + 0.031 – 0.031L sesuai dengan probabilitas yang sudah di
0.937L = 0.031 hitung pada perhitungan diatas, yakni sebagai
L = 0.033 berikut :
M=1–L
M = 1 – 0.033
M = 0.966
Untuk Tipe Beat dengan Tenor 18 bulan,
probabilitas adalah :
L = 0.031
M = 0.966
L = 0,071
M = 0,929
Gambar 1. Data Probabilitas Keadaan
Tetap Sesuai Tenor – Lancar
L = 0,017
Dari gambar grafik diatas dapat
M = 0,983 disimpulkan bahwa tenor 24 dan 36 bulan
merupakan penjualan terbanyak dengan
probabilitas adalah : pembayaran lancar. Sehingga dari data ini,
L = 0,125
perusahaan dapat memfokuskan penjualan
M = 0,875 pada tenor 24 dan 36 bulan untuk menurunkan
angka tunggakan.
VARIO Diagram di bawah ini merupakan
Untuk Tipe Vario dengan Tenor 12 bulan, proses data mining yang diaplikasikan ke
probabilitas adalah : database untuk mendapatkan hasil atau value
L = 0.139L + 0.083M dari database. Gambar 2. menunjukkan
L = 0.139L + 0.083(1 – L) database yang diinput ke akan melalui proses
L = 0.139L + 0.083 – 0.083L
cleaning, integration, selection, dan
0.944L = 0.083 transformation sebelum di olah menggunakan
L = 0.088 metode data mining yang akan diterapkan.
Setelah melewati proses pengolahan
M=1–L menggunakan metode, value yang didapatkan
M = 1 – 0.088 akan dievaluasi dan dipresentasikan untuk
M = 0.912 mendapatkan knowledge (pengetahuan) yang
Untuk Tipe Vario dengan Tenor 18 bulan, baru.
L = 0,031
M = 0,969
Untuk Tipe Vario dengan Tenor 24 bulan,
L = 0,111
M = 0,889
L = 0,028
M = 0,972
L = 0,031 Gambar 2. Diagram Sistem Proses Data
M = 0,969 Mining
33
Sebagai suatu rangkaian proses, data mining adalah penggunaan metode

mining dapat dibagi menjadi beberapa tahap. Sequence Clustering untuk
Tahap-tahap tersebut bersifat interaktif merekomendasikan pembiayaan kredit.
dimana pemakai terlibat langsung atau dengan 6. Evaluasi Pola yang Ditemukan
perantaraan knowledge base. Tahapan-tahapan Dalam tahap ini, hasil dari teknik data
tersebut, diantaranya adalah sebagai berikut : mining berupa pola-pola khas maupun
1. Pembersihan Data model prediksi dievaluasi untuk
Pada umumnya data yang diperoleh menilai apakah hipotessa yang ada
dari database suatu perusahaan memang tercapai.
memiliki isian-isian yang tidak 7. Presentasi Pola yang Ditemukan untuk
sempurna seperti data yang hilang, data Menghasilkan Aksi
yang tidak valid ataupun salah Tahap akhir pada data mining adalah
pengetikan. Data-data yang tidak valid bagaimana cara memformulasikan
ini harus dibuang karena keberadaan keputusan atau aksi dari hasil analisa
data-data tidak valid ini bisa yang didapat. Dalam presentasi pola,
mengurangi mutu atau akurasi dari visualisasi juga bisa membantu
hasil data mining. mengkomunikasikan hasil data mining.
2. Integrasi Data
Integrasi data dilakukan pada atribut- Adapun Aplikasi yang akan digunakan
atribut yang mengidentifikasikan untuk mengolah database adalah Aplikasi
entitas-entitas yang unit seperti nama, Orange 3.11. Aplikasi ini dapat digunakan
jenis produk, nomor pelanggan. untuk memproses dan mengolah data dengan
Kesalahan dalam mengitegrasikan data menggunakan berbagai metode-metode data
dapat mengakibatkan hasil output mining. Adapun tampilan utama dari Orange
menjadi menyimpang dan bahkan 3.11 dapat dilihat pada Gambar 3.7.
menyesatkan pengambilan aksi
nantinya.
3. Seleksi Data
Data yang ada pada database tidak
semuanya digunakan, oleh karena itu
hanya data yang sesuai untuk dianalisis
yang akan diambil dari database.
Seperti dalam penelitian ini, tidak perlu
mencantumkan nama konsumen di
dalam penelitian, cukup hanya dengan
no.kontrak dari konsumen saja untuk Gambar 3. Tampilan Alur pada Orange
membedakan data. 3.11
4. Transformasi Data Orange 3.11 juga dapat menampilkan
Beberapa teknik data mining data yang telah di evaluasi kedalam bentuk
membutuhkan format data yang khusus tabel, grafik, maupun statistik. Orange 3.11
sebelum bisa diaplikasikan. Sebagai dapat dilihat pada Gambar 3.7.
contoh beberapa teknik standar seperti
analisis asosiasi dan klastering hanya
bisa menerima input data kategorial.
Karenanya, data berupa angka numerik
yang berlanjut perlu dibagi-bagi
menjadi beberapa interval. Proses ini
sering dinamakan bining pada tahap
transformasi data juga juga dilakukan
pemilihan data untuk menentukan
kualitas dari hasil data mining.
5. Aplikasi Teknik Data Mining
Aplikasi teknik data mining merupakan Gambar 4. Tampilan Result Data pada
salah satu bagian dari proses data Orange 3.11
mining dimana metode diterapkan 3. KESIMPULAN
dalam memproses sebuah kumpulan Setelah menyelesaikan proses analisa
data. Salah satu aplikasi teknik data database dengan Metode Sequence Clustering,
34
beberapa hal yang dapat disimpulkan adalah [5] Nofriansyah Dicky. 2016. Konsep Data
sebagai berikut: Mining Sistem Pendukung Keputusan.
a. Penelitian dapat digunakan untuk CV. Budi Utama
merekomendasikan tenor dan DP yang [6] Sjafitri, H. 2011. Faktor-faktor yang
sesuai dengan konsumen dan Mempengaruhi Kualitas Kredit Dalam
perusahaan. Dunia Perbankan Volume 2. Jurnal
b. Hasil penelitian dapat digunakan untuk Manajemen Kewirausahaan.
memfokuskan penjualan pada tenor [7] Afriyanti, I dan Purwanto, E. 2012.
dan DP yang direkomendasikan guna Aplikasi Sistem Pendukung Keputusan
mendongkrak naik penjualan. Pemberian Kelayakan Kredit Pinjaman
c. Hasil penelitian dapat digunakan juga Pada Bank Rakyat Indonesia Unit Segiri
sebagai acuan untuk mempermudah Samarinda dengan Metode Fuzzy.
credit analist dalam menentukan hasil STMIK Widya Cipta Dharma,
survei dan juga membantu bagian Semarang.
collection untuk menjaga angka [8] Tibshirani, R., Walter, G. And Hastie, T.
tunggakan sesuai peraturan dari 2000. Estimating the Number of Clusters
Otoritas Jasa Keuangan (OJK). in a Dataset Using the Gap Statistics,
Technical Report 208, Department of
Statistic, Stanford University, Standford,
PUSTAKA CA 94305, USA.
[1] Mohammed J. Zaki and Wagner Meira, Jr. http://en.m.wikipedia.org/wiki/Sequence_clust
2014. Data Mining and Analysis : ering
Fundamental Concepts and Algorithm). http://docs.microsoft.com/data-mining
Cambridge University Press. http://socs.binus.ac.id/2017/03/09/clustering/
[2] Kusrina, dkk. 2009. Algoritma Data http://sis.binus.ac.id/2016/12/15/tahap-tahap-
Mining. Yogyakarta: Andi. data-mining
[3] Munir, R. 2012. Matematika Diskrit, http://www.scribd.com/doc/244003158/Data-
Revisi Kelima. Bandung: Informatika. Mining-Tahapan-Proses-Data-Mining
[4] Suyanto. 2017. Data Mining Untuk http://journal.amikom.ac.id/index.php/KIDA/a
Klasifikasi dan Klasterisasi Data. rticle/view/4466
INFORMATIKA.
35
PERAMALAN PENJUALAN MOBIL YANG DIPENGARUHI OLEH KURS

DAN BUNGA KREDIT BANK
Anita Christine Sembiring
Program Studi Teknik Informatika, Fakultas Teknologi Industri,Universitas Prima Indonesia
Telp. (061) 4578870
ABSTRAK
Hingga saat ini, hampir semua mobil Honda yang beredar kota Medan dan juga sekitarnya
merupakan dari showroom Honda PT. XYZ. Penjualan yang terjadi di PT. XYZ mengalami
fluktuasi yang disebabkan oleh beberapa faktor seperti nilai kurs dan bunga kredit bank.
Perubahan nilai kurs akan berdampak pada naiknya biaya komponen kendaraan. Penjualan
mobil di Indonesia juga tidak bisa lepas dari dana yang dikucurkan perbankan untuk
pembiayaan kredit. Pasalnya sebagian besar konsumen membeli mobil secara kredit. Level
bunga kredit menentukan minat konsumen dalam membeli mobil. Jika bunga kredit tinggi,
maka biaya yang harus dikeluarkan konsumen untuk membayar kredit mobil per bulannya juga
akan tinggi. Faktor-faktor tersebut dapat berpengaruh pada tingkat penjualan mobil. Dalam
penelitian ini, jenis mobil yang diteliti adalah jenis hatchback yaitu Honda Brio dan Honda
Jazz dengan menggunakan Metode Regresi Berganda untuk menghitung perkiraan jumlah
mobil yang akan terjual pada tahun 2017 dari data nilai kurs dan bunga kredit bank selama 2
tahun terakhir (2015 dan 2016). Kemudian akan dihitung koefisien korelasi (r) untuk
mengetahui tingkat hubungan antara variabel nilai kurs dan bunga kredit terhadap penjualan 2
jenis mobil tersebut. Nilai r yang mendekati -1 atau +1 menunjukan hubungan yang kuat antara
dua variabel tersebut dan nilai r yang mendekati 0 mengindikasikan lemahnya hubungan antara
dua variabel tersebut. Sedangkan tanda + (positif) dan – (negatif) memberikan informasi
mengenai arah hubungan antara dua variabel tersebut. Hasil peramalan menunjukkan bahwa
penjualan Honda Brio sebanyak 70 unit per bulan dan Honda Jazz sebanyak 62 unit per bulan
pada tahun 2017. Pada perhitungan koefisien korelasi antara variabel nilai kurs dengan
penjualan mobil Honda Brio adalah -0,15; koefisien korelasi antar variabel bunga kredit bank
dengan penjualan mobil Honda Brio adalah 0,23. Pada perhitungan koefisien korelasi antara
variabel nilai kurs dengan penjualan mobil Honda Jazz adalah 0,33; koefisien korelasi antar
variabel bunga kredit bank dengan penjualan mobil Honda Brio adalah -0,017.
Kata Kunci : Peramalan, Penjualan, Kausal, Regresi Berganda, Korelasi
1. Pendahuluan Faktor-faktor tersebut dapat berpengaruh

1.1. Latar Belakang pada tingkat penjualan mobil. Berdasarkan
Pada perusahaan penjualan mobil, faktor permasalahan yang telah diuraikan di atas,
ekonomi berperan penting dalam daya beli peneliti berkenan melakukan penelitian untuk
konsumen. Ada beberapa faktor ekonomi yang meramalkan penjualan mobil yang
mempengaruhi tingkat penjualan terutama dipengaruhi oleh kurs dan bunga kredit bank.
nilai kurs dan bunga kredit bank. Suatu negara
pasti akan mengalami fluktuasi nilai tukar 1.2. Batasan Masalah
rupiah atau kurs. Fluktuasi nilai tukar rupiah Adapun batasan masalah dalam
akan berdampak pada naiknya biaya penelitian ini adalah:
komponen kendaraan. Penjualan mobil di 1. Data penjualan selama 2 tahun terakhir.
Indonesia juga tidak bisa lepas dari dana yang 2. Faktor yang diteliti hanya faktor eksternal
dikucurkan perbankan untuk pembiayaan yaitu kurs dan bunga kredit bank.
kredit. Pasalnya sebagian besar konsumen 3. Data jenis mobil yang diambil dan akan
membeli mobil secara kredit. Level bunga
diramalkan adalah mobil tipe hatchback
kredit menentukan minat konsumen dalam
membeli mobil. Jika bunga kredit tinggi, maka yaitu Honda Brio dan Honda Jazz.
biaya yang harus dikeluarkan konsumen untuk
membayar kredit mobil per bulannya juga 1.3. Asumsi yang Digunakan
akan tinggi.
36
Adapun asumsi yang digunakan dalam Mencari

Survei Lapangan
penelitian adalah sebagai berikut: Permasalahan
1. T
ingkat penjualan tidak dipengaruhi oleh
faktor hari raya atau hari besar lainnya. Faktor-Faktor Penyebab
Permasalahan
2. N
ilai kurs yang diambil adalah nilai kurs
tertinggi dalam satu bulan dan nilai kurs Penentuan Metode Pemecahan
Metode Forecasting
2017 diasumsikan sama sepanjang tahun Masalah
dimana nilai kurs untuk tahun 2017 adalah

nilai kurs tertinggi pada bulan Januari
2017. Rencana Pemecahan Masalah
3. B
unga kredit bank flat sepanjang tahun yaitu Gambar 1. Kerangka Berpikir
5,99% (2015) dan 5,68% (2016).
4. S4. Pengumpulan Data
emua produk mobil telah dirakit sebelum Data primer adalah data yang diperoleh
masuk ke Indonesia. langsung dari responden (objek penelitian).
Dalam penelitian ini tidak ada data primer
2. Metode Penelitian yang digunakan.
Jenis penelitian yang digunakan dalam Data sekunder adalah data yang diperoleh
penelitian di PT. Istana Deli Kencana ada dua melalui data yang telah diteliti dan
jenis yaitu Penelitian historikal dan dikumpulkan oleh pihak lain yang berkaitan
korelasional. Penelitian historikal merupakan dengan permasalahan penelitian. Data
bentuk penelitian yang memiliki tujuan untuk sekunder yang dipakai dalam penelitian ini
menggambarkan fakta dan menarik adalah data penjualan mobil Honda Brio dan
kesimpulan atas kejadian masa lalu. Untuk Jazz, nilai kurs tertinggi per bulan pada tahun
meramalkan penjualan mobil 1 tahun 2015 dan 2016 serta bunga kredit bank pada
berikutnya akan membutuhkan data penjualan tahun 2015 dan 2016 sebesar 5,99% (flat) dan
pada tahun sebelumnya. 5,68% (flat).
Penelitian korelasional adalah suatu Data penjualan mobil Honda Brio dan Jazz
penelitian yang melibatkan tindakan diperoleh dari bagian penjualan PT. Istana
pengumpulan data guna menentukan, apakah Deli Kencana Medan.
ada hubungan dan tingkat hubungan antara
dua variabel atau lebih. Pada penelitian ini, Tabel 1. Data Penjualan Mobil Honda Brio
terdapat 2 variabel yang mempengaruhi dan Jazz Pada Tahun 2015 dan 2016
penjualan mobil antara lain adalah kurs dan Penjualan pada Bulan Brio Jazz
bunga kredit bank. Peneltian ini termasuk Januari 2015 93 90
jenis penelitian korelasional karena akan Februari 2015 85 86
dilakukan pengujian hubungan antara kedua
variabel. Maret 2015 52 38
April 2015 80 54
3. Kerangka Berpikir Mei 2015 94 43
Kerangka berpikir adalah merupakan Juni 2015 80 75
konseptual mengenai bagaimana suatu teori
Juli 2015 82 98
berhubungan di antara berbagai faktor yang
telah diidentifikasikan penting terhadap Agustus 2015 70 61
masalah penelitian. Adapun penjelasan secara September 2015 38 42
sistematis tersebut dapat dilihat pada kerangka Oktober 2015 67 60
berpikir sebagai berikut: November 2015 96 36
Desember 2015 84 35
Januari 2016 73 35
Februari 2016 86 88
37
Maret 2016 83 62
April 2016 71 52
Mei 2016 49 36
Juni 2016 83 49
Juli 2016 50 77
Agustus 2016 39 82
September 2016 37 48
Oktober 2016 83 48
November 2016 48 76
Desember 2016 83 93
Sumber: Divisi Penjualan PT. XYZ (2015- Gambar 2. Scatter Diagram Penjualan
2016) Mobil
3. Memilih metode peramalan

Pada Tabel 2. akan ditampilkan nilai kurs
tertinggi per bulan Bank Indonesia pada tahun Metode peramalan yang digunakan adalah
2015 dan 2016. metode causal.
Tabel 2. Nilai Kurs 4. Perhitungan parameter peramalan
Bulan 2015 2016 Dimana X1 adalah kurs tertinggi per bulan
Januari 12.796 14.016 dan X2 adalah bunga kredit bank.
Februari 12.951 13.826 Persamaan regresi linier berganda dapat
Maret 13.303 13.434 dituliskan sebagai berikut‘
April 13.108 13.304
Mei 13.295 13.763 ................................................................... Pe
Juni 13.434 13.739 rs.1
Juli 13.548 13.238
Agustus 14.199 13.367 ................................................................... Pe
September 14.802 13.327 rs.2
Oktober 14.783 13.119
November 13.909 13.638 ................................................................... Pe
Desember 14.146 13.592 rs.3
Kemudian ketiga persamaan diatas akan
5. Pengolahan Data diselesaikan dengan matriks.
Metode causal adalah metode yang
digunakan untuk meramalkan penjualan mobil
Honda Brio dan Jazz, dimana nilai tukar
rupiah dan bunga kredit bank akan dijadikan
parameter dalam peramalan causal di ................................................................... Pe
penelitian ini.
rs.4
Langkah-langkah peramalan yang dilakukan
adalah sebagai berikut: 5............................................................. Pe
1. M rhitungan Koefisien Korelasi Antar
enentukan tujuan peramalan Variabel
Tujuan peramalan adalah untuk Untuk mengetahui hubungan antar variabel
menentukan jumlah penjualan mobil pada akan dilakukan perhitungan koefisien
tahun 2017. korelasi. Rumus koefisien korelasi yang
2. M digunakan adalah sebagai berikut:
embuat scatter diagram.
Scatter diagram jumlah penjualan mobil
Honda Brio dan Jazz dapat dilihat pada ................................................................... Pe
Gambar 3. rs.5
6. Hasil dan Pembahasan
38
Variabel yang digunakan dalam penjualan mobil Honda Brio menunjukkan

menghitung peramalan adalah nilai kurs (X1) bahwa hubungan antar kedua variabel sangat
dan bunga kredit bank (X2). Matriks lemah (r = 0,017) dan memiliki hubungan
peramalan metode kausal diselesaikan dengan linear negatif (r < 0).
eliminasi Gauss-Jordan, sehingga diperoleh Grafik koefisien korelasi antara kedua
hasil peramalan sebagai berikut: variabel dengan penjualan mobil Honda Brio
dapat dilihat pada Gambar 6.1. dan 6.2.
Tabel 3. Hasil Peramalan Penjualan Honda
Brio perbulan Pada Tahun 2017
Bulan Hasil Peramalan
Januari 71
Februari 71
Maret 71
April 71
Mei 71
Juni 71
Juli 71
Agustus 71
September 71
Oktober 71
November 71
Desember 71
Gambar 3. Korelasi Antara Nilai Kurs dan
Tabel 4. Hasil Peramalan Penjualan Honda Penjualan Mobil Honda Brio
Jazz perbulan Pada Tahun 2017
Bulan Hasil Peramalan
Januari 60
Februari 60
Maret 60
April 60
Mei 60
Juni 60
Juli 60
Agustus 60
September 60
Oktober 60
November 60
Desember 60
Pada perhitungan koefisien korelasi antara Gambar 4. Korelasi Antara Bunga Kredit
variabel nilai kurs dengan penjualan mobil dan Penjualan Mobil Honda Brio
Honda Brio menunjukkan bahwa hubungan
antar kedua variabel lemah (r = 0,15) dan Grafik koefisien korelasi antara kedua
memiliki hubungan linear negatif (r < 0) variabel dengan penjualan mobil Honda Jazz
sedangkan pada perhitungan koefisien korelasi dapat dilihat pada gambar di bawah ini.
antar variabel bunga kredit bank dengan
penjualan mobil Honda Brio menunjukkan
bahwa hubungan antar kedua variabel lemah
(r = 0,23) dan memiliki hubungan linear
positif (r > 0).
Pada perhitungan koefisien korelasi antara
variabel nilai kurs dengan penjualan mobil
Honda Jazz menunjukkan bahwa hubungan
antar kedua variabel lemah (r = 0,33) dan
memiliki hubungan linear negatif (r < 0) Gambar 5. Korelasi Antara Nilai Kurs dan
sedangkan pada perhitungan koefisien korelasi Penjualan Mobil Honda Jazz
antar variabel bunga kredit bank dengan
39
http://arifhidayat659.blogspot.co.id/2014
/04/metode-eliminasi-gauss-dan-gauss-
jordan.html
[5] Subagyo P., Forecasting Konsep dan
Aplikasi. BPFE, Yogyakarta, 1986.
[6] Hanke, John E., Business
Forecasting.Edisi ke-8. New Jersey:
Pearson Education International, 1992.
[7] Anita C Sembiring, Meningkatkan
Kepuasan Pelanggan dengan
Mempertimbangkan
Kualitas Layanan dan Harga, Juriti
Prima, 2018.
[8] Anita C Sembiring, Analisis Rancangan
Strategi Pemasaran Mobil
Gambar 6. Korelasi Antara Bunga Kredit
Studi Kasus (Honda : PT. Istana Deli
dan Penjualan Mobil Honda Jazz
Kencana), Wahana Inovasi, 2017.
[9] Adam, Muhammad, Manajemen
7. Kesimpulan dan Saran
Pemasaran Jasa Teori Dan Aplikasi.
Berikut ini adalah kesimpulan yang Bandung: CV Alfabeta, 2015.
dapat diperoleh sebagai berikut: [10] Sinulingga, Sukaria, Metode Penelitian,
1. H
Medan :USU Press, 2011.
asil peramalan penjualan mobil yang
diperoleh dengan eliminasi Gauss-Jordan
adalah 71 unit mobil per bulan untuk
mobil Honda Brio dan 60 unit mobil per
bulan untuk mobil Honda Jazz.
2. K
oefisien korelasi yang didapatkan dari
perhitungan tidak dapat mendukung
adanya hubungan yang saling
mempengaruhi antar kedua variabel.
Berikut ini adalah saran yang dapat
diberikan sebagai berikut:
1. D
alam mendapatkan hasil peramalan dan
koefisien korelasi yang lebih akurat
disarankan untuk mengambil rentang data
masa lalu yang lebih banyak.
2. D
isarankan menggunakan metode analisis
lain untuk menguji hubungan antara kedua
variabel.
DAFTAR PUSTAKA
[1] Aritonang L R., Peramalan Bisnis.

Ghalia Indonesia. Jakarta, 2002.
[2] Baroto, T., Perencanaaan dan
Pengendalian Produksi. Penerbit Ghalia
Indonesia. Jakarta, 2002.
[3] Rosnani Ginting, Sistem Produksi.
Yogyakarta:Graha Ilmu, 2012.
[4] Hidayat, Arif. Metode Eliminasi Gauss-
40
Jordan,
DATA MINING ALGORITMA K-MEANS DALAM MENGELOMPOKKAN

JUMLAH DESA YANG MEMILIKI FASILITAS SEKOLAH MENURUT
PROVINSI BERDASARKAN TINGKAT PENDIDIKAN
2 3 4
Anggi Eryzha1, Dedy Hartama , Anjar Wanto , Sumarno
1
Program Studi Sistem Informasi, Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa
Telp. (0622) 22431
2,3,4
Telp. (0622) 22431
E-mail: anggieryzha71@gmail.com , dedyhartama@amiktunasbangsa.ac.id,
sumarno@amiktunasbangsa.ac.id
ABSTRAKS
Fasilitas yang menunjang keberhasilan pendidikan dalam proses belajar mengajar berarti
menyangkut sarana dan prasarana pendidikan yang dapat dimanfaatkan oleh siswa dan guru
dalam rangka mencapai tujuan pembelajaran yang telah ditentukan.Sedangkan menurut Undang-
undang sisdiknas nomor 20 tahun 2003 pasal 45 ayat 1 dinyatakan sebagai berikut: ―Setiap
satuan pendidikan formal dan nonformal menyediakan sarana dan prasarana yang memenuhi
keperluan pendidiakan sesuai dengan pertumbuhan perkembangan potensi fisik, kecerdasan
intelektual, sosial, emosional dan kejiwaan peserta didik―. Penelitian ini membahas tentang
penerapan datamining pada jumlah desa yang memiliki fasilitas sekolah menurut provinsi
berdasarkan tingkat pendidikan menggunakan algoritma k-means. Sumber data penelitian ini
dikumpulkan berdasarkan dokumen-dokumen yang dihasilkan oleh Badan Pusat Statistik
Nasional. Data yang digunakan dalam penelitian ini adalah data dari tahun 2003-2014 yang
terdiri dari 34 provinsi. Variable yang digunakan adalah jumlah desa yang memiliki fasilitas
sekolah berdasarkan tingkat pendidikan yakni, SD, SMP, SMU, SMK dan Perguruan Tinggi.
Diharapkan dari hasil penelitian diperoleh cluster jumlah desa yang memiliki fasilitas sekolah
menurut provinsi. Jumlah cluster yang paling sedikit adalah masukan bagi pihak pemerintah
untuk meningkatkan fasilitas sekolah adalah salah satu hal dalam menunjang keberhasilan
proses pembelajaran.
Kata Kunci: Datamining, K-Means, Fasilitas Sekolah, BPS, Tingkat Pendidikan
1. Pendahuluan belajar mengajar, misalnya buku, alat

Pengelolaan sarana dan prasarana sangat peraga, alat tulis, dan alat praktik.
penting karena dengan adanya pengelolaan b) Alat peraga
sarana dan prasarana lembaga pendidikan Alat peraga adalah alat pembantu
akan terpelihara dan jelas kegunaanya. Dalam pendidikan dan pengajaran, dapat
pengelolaan pihak sekolah harus dapat berupa perbuatan-perbuatan atau
bertanggung jawab terhadap sarana dan benda-benda yang mudah memberi
prasarana terutama kepala sekolah yang pengertian kepada anak didik
langsung menangani sarana dan prasarana berturut-turut dari yang abstrak
tersebut. Dan pihak sekolahpun harus dapat sampai, dengan yang konkret.
memelihara dan memperhatikan sarana dan c) Media pengajaran adalah sarana
prasarana sekolah yang sudah ada. Maka pendidikan yang digunakan sebagai
dengan adanya sarana dan prasarana di perantara dalam proses belajar mengajar,
sekolah siswa dapat belajar dengan maksimal untuk lebih mempertinggi efektivitas
dan seefesien mungkin.[1] [2]Sarana dan efisiensi dalam mencapai tujuan
Pendidikan dibedakan menjadi 3 macam bila pendidikan. Ada tiga jenis media, yaitu
ditinjau dari hubungannya dengan proses media audio, media visual, dan media
belajar mengajar, yaitu: alat pelajaran, alat audio visual.
peraga, dan media pengajaran.
a) Alat pelajaran 2. Metode Penelitian
Alat pelajaran adalah alat yang 2.1. Data Mining
digunakan secara langsung dalam proses Data mining yang juga dikenal dengan
istilah pattern recognition merupakan suatu
41
metode yang digunakan untuk pengolahan menurut H. M Daryanto (2006: 51) secara
data guna menemukan pola yang tersembunyi etimologi (arti kata) fasilitas yang terdiri dari
dari data yang diolah. Data yang diolah sarana dan prasarana belajar, bahwa sarana
dengan teknik data mining ini kemudian belajar adalah alat langsung untuk mencapai
menghasilkan suatu pengetahuan baru yang tujuan pendidikan, misalnya lokasi/tempat,
bersumber dari data lama, hasil dari bangunan dan lain-lain, sedangkan prasarana
pengolahan data tersebut dapat digunakan adalah alat yang tidak langsung untuk
dalam menentukan keputusan di masa mencapai tujuan pendidikan, misalnya ruang,
depan[3]. Data mining juga bisa diartikan buku, perpustakaan, laboraturium dan
sebagai rangkaian kegiatan untuk menemukan sebagainya.
pola yang menarik dari data dalam jumlah
besar, kemudian data – data tersebut dapat 3. Hasil dan Pembahasan
disimpan dalam database, data warehouse atau Dalam melakukan clustering, data yang
penyimpanan informasi. Ada beberapa ilmu diperoleh akan dihitung terlebih dahulu
yang mendukung teknik data mining berdasarkan jumlah desa yang memiliki
diantaranya adalah data analisis, signal fasilitas sekolah menurut provinsi berdasarkan
processing, neural network dan pengenalan tingkat pendidikan. Data tersebut kemudian
pola[4]. diakumulasikan dan diambil nilai rata-rata dari
setiap 5 kriteria yaitu SD, SMP, SMA, SMK,
2.2 K-Means dan Perguruan Tinggi. Hasil rata-rata
K-Means merupakan salah satu berdasarkan 5 kriteria penilaian seperti yang
algoritma dalam data mining yang bisa ditunjukkan pada tabel 3.1.
digunakan untuk
melakukanpengelompokan/clustering suatu Tabel 3.1.Tabel Rata-Rata Jumlah Desa
data. Ada banyak pendekatan untuk membuat Yang Memiliki Fasilitas Sekolah
cluster, diantaranya adalah membuat aturan
yang mendikte keanggotaan dalam group
yang sama berdasarkan tingkat persamaan
diantara anggota-anggotanya. Pendekatan
lainnya adalah dengan membuat sekumpulan
fungsi yang mengukur beberapa properti dari
pengelompokan tersebut sebagai fungsi yang
mengukur beberapa properti dari
pengelompokan tersebut sebagai fungsi dari
beberapa parameter dari sebuah clustering[5]
Metode K-Means adalah metode yang
termasuk dalam algoritma clustering berbasis
jarak yang membagi data ke dalam sejumlah
cluster dan algoritma ini hanya bekerja pada
atribut numeric[5]
Pada dasarnya algoritma k-means hanya
mengambil sebagian dari banyaknya
komponen yang didapatkan untuk kemudian
dijadikan pusat cluster awal, pada penentuan
pusat cluster ini dipilih secara acak dari
populasi data. Kemudian algoritma k-means
akan menguji masing – masing dari setiap
komponen dalam populasi data tersebut dan
menandai komponen tersebut ke dalam salah
satu pusat cluster yang telah didefinisikan
sebelumnya tergantung dari jarak minimum
antar komponen dengan tiap – tiap pusat
cluster. Selanjutnya posisi pusat clusterakan
dihitung kembali sampai semua komponen
data digolongkan ke dalam tiap – tiap cluster
dan terakhir akan terbentuk cluster baru[6]
2.3 Fasilitas Sekolah
42
cluster ini dilakukan dengan mengambil nilai

terbesar (maksimum) untuk cluster tingkat
tinggi (C1), nilai rata-rata (average) untuk
cluster tingkat sedang (C2) dan nilai terkecil
(minimum) untuk cluster tingkat rendah (C3).
Nilai titik tersebut dapat diketahui pada Tabel
3 berikut:
Tabel 3.2 Centroid Data Pertama
A B C D E
c1 8462,80 3905,20 1698,40 834,00 321,00
c2 1970,75 834,29 350,61 163,27 71,34
c3 265,00 133,00 49,00 24,00 9,00
Keteranagan :
A = SD
B = SMP
C = SMA
D = SMK
E = PT (Perguruan Tinggi)
B. Clustering Data
Dengan menggunakan centroid tersebut
maka dapat dicluster data yang telah didapat
menjadi 3 cluster. Proses cluster dengan
mengambil jarak terdekat dari setiap data
yang diolah. Dari data jumlah desa yang
memiliki fasilitas sekolah menurut provinsi
didapatkan pengelompokan pada iterasi 1
untuk 3 cluster. Cluster fasilitas sekolah
tingkat tinggi (C1) yakni Jawa Barat, Jawa
Tengah, Jawa Tiimr cluster fasilitas sekolah
tingkat sedang (C2) yakni 16 Provinsi dan
cluster fasilitas sekolah tingkat rendah (C3)
yakni 15 provinsi lainnya . Proses pencarian
jarak terpendek, pengelompokan data pada
iterasi 1 dan Clustering atas dapat
digambarkan pada tabel dan gambar berikut:
Setelah diakumulasikan dan dicari nilai rata- Tabel 3.3 Perhitungan Jarak Pusat Cluster
rata maka akan didapatkan nilai dari setiap Jarak
variable . Kemudian data tersebut akan masuk C1 C2 C3 Terpendek
ke tahapan clustering dengan menerapkan
algoritma K-Means untuk mengcluster data 6338,90 1133,08 2954,86 1133,08
menjadi tiga cluster. 4630,53 2733,90 4607,07 2733,90
8408,38 1087,19 818,17 818,17
A. Centroid Data
Dalam penerapan algoritma K-means 7618,47 351,23 1603,19 351,23
dihasilkan nilai titik tengah atau centroid dari 8094,63 755,23 1120,98 755,23
data yang didapat dengan ketentuan bahwa
clusterisasi yang diinginkan adalah 3, 6598,14 779,86 2640,00 779,86
Penentuan cluster dibagi atas tiga bagian 8383,89 1045,11 853,58 853,58
yaitu cluster tingkat tinggi (C1), cluster 6945,97 422,64 2270,03 422,64
tingkat sedang (C2) dan cluster tingkat
rendah (C3). maka nilai titik tengah atau 9138,75 1798,56 78,29 78,29
centroid juga terdapat 3 titik. Penentuan titik 9104,05 1767,33 121,47 121,47
43
9122,35 1807,51 275,84 275,84 DKI JAKARTA 1

2695,35 4781,98 6629,98 2695,35
1003,36 6949,81 8820,45 1003,36 JAWA BARAT 1
8966,19 1636,95 279,02 279,02
JAWA TENGAH 1
45,51 7311,34 9183,72 45,51
7697,12 494,46 1544,28 494,46
DI YOGYAKARTA 1
8744,97 1404,80 472,18 472,18
8356,16 1059,26 892,14 892,14
6659,64 785,26 2608,37 785,26 JAWA TIMUR 1
7630,24 296,59 1590,88 296,59 BANTEN 1
8015,11 681,53 1219,06 681,53 BALI 1
7587,88 305,06 1654,12 305,06
NUSA TENGGARA
8292,43 952,34 922,92 922,92 1
BARAT
9184,28 1844,13 34,00 34,00
8038,99 697,93 1180,84 697,93 NUSA TENGGARA
1
7786,17 453,48 1441,83 453,48 TIMUR
6238,31 1106,83 2979,41 1106,83

KALIMANTAN BARAT 1
7789,82 462,52 1442,93 462,52
8935,79 1595,37 282,36 282,36 KALIMANTAN
1
8855,48 1516,68 359,55 359,55 TENGAH
8541,43 1201,89 674,10 674,10
KALIMANTAN
8556,33 1214,50 664,13 664,13 1
SELATAN
8725,70 1385,67 523,87 523,87
7650,11 517,60 1663,32 517,60 KALIMANTAN TIMUR 1
Tabel 3.4 Hasil Pengelompokkan KALIMANTAN UTARA 1

Pengelompoka
n SULAWESI UTARA 1
Provinsi
C1 C2 C3
SULAWESI TENGAH 1
ACEH 1
SUMATERA UTARA 1 SULAWESI SELATAN 1
SUMATERA BARAT 1 SULAWESI TENGGARA 1
RIAU 1 GORONTALO 1
JAMBI 1
SULAWESI BARAT 1
SUMATERA SELATAN 1
MALUKU 1
BENGKULU 1
LAMPUNG 1 MALUKU UTARA 1
KEP. BANGKA PAPUA BARAT 1

1
BELITUNG
PAPUA 1
KEP. RIAU 1
44
6673,2 823,19 982,17 823,19

7716,6 1747,1 113,9 113,9
7331,8 1409,9 372,48 372,48
5628,2 445,7 2038,6 445,7
6601,2 631,03 1014,9 631,03
6985,4 1007,3 652,82 652,82
6558,1 582,6 1084,8 582,6
7264,2 1296,5 344,3 344,3
8156 2185,7 548,49 548,49
Proses ini akan berlangsung dan berhenti
ketika iterasi ke- n sama hasilnya dengan 7009,9 1037,8 605,56 605,56
iterasi sebelum n. dalam penelitian ini 6756,5 779,58 869,07 779,58
prosesiterasi berhenti pada iterasi ke tiga,
5210,8 779,04 2400,9 779,04
karena hasil dari ierasi ke tiga sama dengan
itersai ke dua. Hasil iterasi ke tiga dapat di 6760,6 781,21 871,72 781,21
lihat pada table berikut. 7907,3 1936,7 303,39 303,39
Tabel 3.5 centroid data ke 2 7827,2 1860,2 222,17 222,17
A B C D E 7513,5 1545 100,56 100,56
c1 7580 3451 1403 791 278,9 7527,8 1553,9 109,22 109,22
c2 2316,7 895,3 375,9 145 69,43 7696,3 1718,3 190,33 190,33
c3 786,04 354,1 156,9 71,8 38,12 6619,1 706,65 1121,4 706,65
Keteranagan : Tabel 3.6 Hasil Pengelompokkan

A = SD
B = SMP Provinsi Pengelompoka
C = SMA n
D = SMK C1 C2 C3
E = PT (Perguruan Tinggi) ACEH 1
Tabel 3.6 Perhitungan Jarak Pusat Cluster SUMATERA UTARA 1
Jarak
C1 C2 C3 SUMATERA BARAT 1
Terpendek
5310,6 785,65 2386 785,65
RIAU 1
3602,1 2393,4 4028,9 2393,44
JAMBI 1
7382,1 1437,4 268,4 268,4
SUMATERA SELATAN 1
6592,8 688,51 1029,9 688,51
7066,8 1100 542,69 542,69 BENGKULU 1
5569,1 427,88 2064,4 427,88 LAMPUNG 1
7354,4 1376,1 308,68 308,68 KEP. BANGKA 1
5919,1 255,21 1692,7 255,21 BELITUNG
8110,5 2140,2 502,94 502,94 KEP. RIAU 1
8076,6 2111,4 471,52 471,52 DKI JAKARTA 1
8097 2156,1 548,73 548,73 JAWA BARAT 1
1740,8 4469,8 6055,9 1740,83 JAWA TENGAH 1
998,08 6605,9 8244,1 998,08 DI YOGYAKARTA 1
7939 1984,6 355,96 355,96 JAWA TIMUR 1
1009,7 6977,9 8605,2 1009,66 BANTEN 1
45
BALI 1 dan 18 provinsi lainnya termasuk cluster

NUSA TENGGARA 1 tingkat rendah.
BARAT 4. Kesimpulan
Dari hasil pengelompokan data jumlah
NUSA TENGGARA 1 desa yang memiliki fasilitas sekolah menurut
TIMUR provinsi berdasarkan tingkat pendidikan
KALIMANTAN BARAT 1 menggunakan K Means Clustering maka dapat
diambil kesimpulan sebagai berikut :
KALIMANTAN 1 1. Terbentuk tiga cluster jumlah desa
TENGAH yang memiliki fasilitas sekolah menurut
provinsi berdasarkan tingkat pendidikan yaitu
KALIMANTAN 1 cluster satu dengan jumlah 3 provinsi yaitu
SELATAN jawa barat,jawa tengah dan jawa timur,
KALIMANTAN TIMUR 1 cluster dua dengan jumlah 13 provinsi dan
cluster tiga dengan jumlah 18.
KALIMANTAN UTARA 1 2. Metode k-means dapat dilaksanakan
dengan baik berdasarkan cluster yang
terbentuk, sehingga kita dapat
SULAWESI UTARA 1 mengetahui provinsi mana saja yang
SULAWESI TENGAH 1 memiliki jumlah desa yang memiliki
fasilitas sekolah menurut provinsi
SULAWESI SELATAN 1 berdasarkan tingkatpendidikan.
5. Daftar Pustaka
SULAWESI TENGGARA 1 [1] Rika,Megasari,‖Peningkatan Pengelolaan
Sarana Dan Prasarana Pendidikan Untuk
GORONTALO 1 Meningkatan Kualitas Pembelajaran
SULAWESI BARAT 1 DiSmpn 5 Bukittinggi,‖ vol. 2, no.1,pp. 1-
2, 2014
MALUKU 1
MALUKU UTARA 1 [2] Yudi,Alex Alda, ―Pengenbangan Mutu
PAPUA BARAT 1 Pendidkan Ditinjau dari Segi Sarana dan
Prasarana ( Sarana dan Prasarana PPLP)‖,
PAPUA 1 FIK UNP Padang, 2012
[3] J. O. Ong, ―Implementasi Algoritma K-

Means Clustering Untuk Menentukan
Strategi Marketing President University,‖
Jurnal Ilmiah Teknik Industri, vol. 12, no.
1, pp. 10 - 20, 2013.
[4] K. R. Prilianti dan H. Wijaya, ―Aplikasi

Text Mining Untuk Automasi Penentuan
Tren Topik Skripsi Dengan Metode K-
Means Clustering,‖ Jurnal Cybermatika,
vol. 2, no. 1, pp. 1-6, 2014.
[5] Witten, et al., 2012, Data Mining Practical

C. Analisa Data Machine Learning Tools and Technique,
Pada iterasi 3, pengelompokan data yang 2nd Edition, Morgan Kaufmann, San
dilakukan terhadap 3 cluster dengan iterasi 2 Faransisco.
didapatkan hasil yang sama. Dari 35 jumlah
desa yang memiliki fasilitas sekolah menurut [6] S. Agustina, D. Yhudo, H. Santoso, N.
provinsi dapat dikertahui, 3 provinsi cluster Marnasusanto, A. Tirtana dan F. Khusnu,
tingkat tinggi yakni Jawa Barat, Jawa Tengah, ―Clustering Kualitas Beras Berdasarkan
Jawa Timur, 13 provinsi cluster tingkat sedang Ciri Fisik Menggunakan Metode KMeans,‖
Universitas Brawijaya Malang, Malang, 2012.
46
PERBANDINGAN METODE AHP DAN SAW DALAM

PENGANGAKATAN KARYAWAN TETAP
Delima Sitanggang1, Wahyu Ichsan 2, Oloan Sihombing3
1
Program Studi Sistem Informasi, Fakultas Teknologi dan Ilmu Komputer,Universitas Prima
Indonesia
Telp. (061) 4578870
2
Jurusan Sistem Informasi, FakultasTeknologi dan Ilmu Komputer, Universitas Prima
Indonesia
Delimasitanggangunprimdn.ac.id, wahyu.ichsan.wi@gmail.com,
oloansihombing007@gmail.com
ABSTRAK
Setiap perusahaan menyadari bahwa kemajuan dari suatu perusahaan tergantung pada setiap
kinerja da loyalitas para keryawan yang bekerja di dalamnya semakin tinggi kinerja dan juga
loyalitas dari karyawan maka semakin menguntungkan bagi perusahaan. PT. Andalan Finance
Indonesia adalah perusahaan yang dapat menjalankan kegiatan usaha pembiayaan konsumen
(Customer Finance), sewa guna usaha (leasing) dan anjak piutang (Factoring) dan dapat
beroprasi diseluruh wilayah indonesia. Oleh karena itu dibuat suatu sistem proses rekrutmen
pada PT. Andalan Finance Indonesia agar lebih cepat dan akurat secara objektif dalam proses
pengangkutan karyawan tetap. Metode yang digunakan pada sistem ini adalah metode Simple
Additve Weighting (SAW) dan Analutic Hierarchy Process(AHP). Tujuan dari penelitian ini
adalah membandingkan metode SAW dan AHP dalam pengangkatan karyawan tetap, Aplikasi
dibuat dengan menggunakan Microsoft Visual Studio 2012 sebagai dasar tampilan program
dan menggunakan Microsoft Access sebagai database. Adapun hasil dari penelitian tersebut
bahwa metode AHP lebih baik daripada SAW dikarenakan nilai yang dihasilkan lebih
konsisten dan tidak banyak perubahan.
Kata Kunci: Simple Additve Weighting, Analutic Hierarchy Process, Karyawan tetap.
1. PENDAHULUAN suatu perusahaan. Penilaian dilakukan untuk

PT. Andalan Finance Indonesia bagian mendapatkan data-data yang valid mengenai
dari kelompok usaha Bintraco/Nasmoco Group kompentensi pegawai sebagai bahan
dan atas dukungan layanan keuangan yang pertimbangan bagi atasan dalam pengangkatan
terintegrasi di dalam jaringan kelompok usaha karyawan tetap. jika mereka mendapat nilai baik
tersebut, PT. Andalan Finance Indonesia adalah dalam melakukan tugasnya. Pengangkatan
perusahaan yang dapat menjalankan kegiatan karyawan tetap tersebut bisa menjadi motivasi
usaha pembiayaan konsumen (Consumer bagi karyawan untuk meningkatkan kinerjanya.
Finance), sewa guna usaha (Leasing) dan anjak Penilaian kinerja karyawan yang bagus tidak
piutang (Factoring) dan dapat beroperasi di hanya dilihat dari yang dikerjakannya, namun
seluruh wilayah Indonesia. juga dilihat dari proses karyawan tersebut dalam
Setiap Perusahaan menyadari bahwa menyelesaikan pekerjaanya. Kinerja merupakan
kemajuan dari suatu perusahaan tergantung pada hasil kerja, hasil dari keseluruhsan proses
setiap kinerja dan loyalitas para karyawan yang seseorang dalam mengerjakan tugasnya.
bekerja di dalamnya. Semakin tinggi kinerja dan Menurut (Sculer dan Jackson,1996:3) penilaian
juga loyalitas dari karyawan maka semakin kinerja merupakan suatu sistem formal dan
menguntungkan bagi perusahaan. Karena secara terstruktur yang mengukur, menilai dan juga
tidak langsung karyawan tersebut bisa mempengaruhi sifat-sifat yang berkaitan dengan
mengangkat nama perusahan dengan cara kerja pekerjaan, prilaku dan hasil termasuk tingkat
yang bertujuan untuk memajukan omset ataupun ketidakhadiran.
penghasilan perusahaan. Dalam menentukan Cara menilai aspek kualitas dalam suatu
kinerja baik atau tidak, perusahaan biasanya pekerjaan/kegiatan adalah dengan mengacu pada
melakukan penilian kinerja untuk setiap parameter yang ada pada Peraturan 2 Kepala
karyawannya yang harus dilakukan secara adil, BKN Nomor 1 Tahun 2013 pada halaman 20.
realistis, valid dan relevan dengan pekerjaan
yang dikerjakan. Selain itu juga harus bebas dari 2. LANDASAN TEORI
diskriminasi. Terdapat tiga teori yang mendukung pembuatan
Penilaian kinerja perlu dilakukan untuk aplikasi pendukung keputusan ini, diantaranya:
mengatahui kemampuan dari setiap pegawai di
47
2.1. SISTEM PENDUKUNG KEPUTUSAN berdasarkan pilihan atau judgement dari

Definisi awal decision support system pembuat keputusan dengan menilai tingkat
(DSS) adalah suatu sistem yang ditujukan untuk tingkat kepentingan suatu elemen dibandingkan
mendukung manajemen pengambilan keputusan. elemen lainnya. Angka pembanding pada
Sistem berbasis model yang terdiri dari perbandingan berpasangan adalah skala 1 sampai
prosedur-prosedur dalam pemrosesan data dan 9, dimana:
pertimbangannya untuk membantu user dalam  Skala 1 = setara antara kepentingan
mengambil keputusan. Terdapat 4 fase dalam yang satu dengan kepentingan yang
pembangunan decision support system, yaitu lainnya
intelligence, design, choice, dan implementation.  Skala 3 = kategori sedang
Tahap intelligence phase, masalah diidentifikasi, dibandingkan dengan kepentingan
ditentukan tujuan dan sasarannya, penyebabnya, lainnya
dan besarnya. Masalah dijabarkan secara lebih  Skala 7 = kategori amat kuat
rinci dan dikategorikan apakah termasuk dibandingkan dengan kepentingan
progammed atau nonprogrammed. Tahap design lainnya
phase dikembangkan tindakan alternatif,  Skala 9 = kepentingan satu secara
menganalisis solusi yang potensial, membuat ekstrim lebih kuat dari kepentingan
model, membuat uji kelayakan, dan memvalidasi lainnya.
hasilnya. Tahap choice phase menjelaskan 4) Menormalkan data yaitu dengan membagi
pendeketan solusi yang dapat diterima dan nilai dari setiap elemen di dalam matriks yang
memilih alternatif keputusan yang terbaik. berpasangan dengan nilai total dari setiap kolom.
Sedangkan tahap implementation phase 5) Menghitung nilai eigen vector dan menguji
mengimplementasikan solusi pada choice phase. konsistensinya, jika tidak konsisten maka
pengambilan data (prefe rensi) perlu diulangi.
2.2. METODE AHP Nilai eigen vector yang dimaksud adalah nilai
Metode Analytical Hierrchy Process (AHP) eigen vector maksimum yang diperoleh dengan
dekembangkan oleh Prof. Thomas Lorie Saaty menggunakan matlab maupun dengan manual.
dari Wharton Business School di awal tahun 6) Mengulangi langkah 3, 4, dan 5 untuk seluruh
1970, yang digunakan untuk mencari rangking tingkat hirarki.
atau urutan prioritas dari berbagai alt ernatif 7) Menghitung vektor eigen dari setiap matriks
dalam pemecahan suatu permasalahan [3]. perbandingan berpasangan. Nilai vektor eigen
Dalam kehidupan sehari-hari, seseorang merupakan bobot setiap elemen kriteria.
senantiasa dihadapkan untuk melakukan pilihan Langkah ini dilakukan untuk mensintesis pilihan
dari berbagai alternatif [4]. Disini diperlukan dalam penentuan prioritas elemen–elemen pada
penentuan prioritas dan uji konsistensi terhadap tingkat hirarki terendah sampai pencapaian
pilihan-pilihan yang telah dilakukan. Dalam tujuan. Nilai vektor eigen inilah yang nantinya
situasi yang kompleks, pengambilan keputusan akan dijadikan nilai masukan untuk menguji
tidak dipengaruhi oleh satu faktor saja melainkan konsitensi matriks berpasangan.
multifaktor dan mencakup berbagai jenjang 8) Menguji konsistensi hirarki. Jika tidak
maupun kepentingan. Pada dasarnya AHP adalah memenuhi dengan CR < 0, 100; maka penilaian
suatu teori umum tentang pengukuran yang harus diulang kembali. Rasio Konsistensi (CR)
digunakan untuk menemukan skala rasio, baik merupakan batas ketidakk onsistenan
dari perbandingan berpasangan yang diskrit (inconsistency) yang ditetapkan Saaty. Rasio
maupun kontin iu. Perbandingan-perbandingan Konsistensi (CR) didefinisikan sebagai
ini dapat diambil dari ukuran aktual atau skala perbandingan antara CI (Indeks Konsistensi) dan
dasar yang mencerminkan kekuatan perasaan RI (Indeks Random) untuk suatu matriks. Indeks
dan preferensi relatif. Secara umum pengambilan Konsistensi CI merupakan matriks random
keputusan dengan metode AHP didasarkan pada dengan skala penilaian 9 (1 sampai dengan 9)
langkah – langkah berikut: beserta kebalikannya sebagai RI. Berdasarkan
1) Mendefinisikan masalah dan menentukan perhitungan Saaty dengan menggunakan 500
solusi yang diinginkan sampel, jika ―judgement‖ numerik diambil
2) Membuat struktur hirarki yang diawali dengan secara acak dari skala 1/9,1/8,…,1,2,…,9 akan
tujuan umum, dilanjutkan dengan kriteria – diperoleh rata -rata konsistensi untuk matriks
kriteria dan alternaif–alternatif pilihan yang dengan ukuran yang berbeda, seperti yang dapat
ingin di rangking. dilihat pada tabel 2.1.
3) Membentuk matriks perbandingan
berpasangan yang menggambarkankontribusi
relatif atau pengaruh setiap elemen terhadap
masing–masing tujuan atau kriteria yang
setingkat diatasnya. Perbandingan dilakukan
48
Tabel 2.1 Nilai Indeks Random
Nilai Vi yang lebih besar mengindikasikan

bahwa alternatif A i lebih terpilih.
3. METODE PENELITIAN
Prioritas alternatif terbaik dari total rangking Hasil akhir dari penelitian ini adalah sebuah tool
yang diperoleh merupakan rangking yang dicari berbasis Desktop sistem pendukung keputusan
dalam Analytic Hierarchy Process (AHP) ini. yang dapat membantu user untuk memilih calon
karyawan tetap, namun sebelumnya ditentukan
2.3. METODE SAW dulu metode yang lebih baik untuk digunakan
Metode ini merupakan metode yang paling dalam studi kasus pemilihan karyawan tetap.
dikenal dan paling banyak digunakan orang Tahap awal yang dilakukan pada penelitian ini
dalam menghadapi situasi MCDM (Multiple adalah menentukan kriteria dan juga sub-krtiteria
Criteria Decision Making). Metode ini yang terlibat dalam pemilihan karyawan tetap,
mengharuskan pembuat keputusan menentukan selanjutnya melakukan perankingan karyawan
bobot bagi setiap atribut [6]. Skor total untuk menggunakan metode AHP, lalu dilakukan
sebuah alternatif diperoleh dengan perankingan menggunakan metode SAW, dan
menjumlahkan seluruh hasil perkalian antara tahap akhir adalah membandingkan kedua
rating (yang dapat dibandingkan lintas atribut) metode, kemudian ditentukan metode yang
dan bobot tiap atribut. Rating tiap atribut terbaik untuk studi kasus ini.
haruslah bebas dimensi yang artinya telah Metodologi pada penelitian ini dapat dilihat pada
melewati proses normalisasi sebelumnya. Gambar 3.1.
Langkah – langkah penyelesaian SAW adalah
sebagai berikut:
1. Menentukan kriteria-kriteria yang akan
dijadikan acuan dalam pengambilan keputusan,
yaitu Ci.
2. Menentukan rating kecocokan setiap alternatif
pada setiap kriteria.
3. 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.
 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.
 Formula untuk melakukan normalisasi
tersebut adalah sebagai berikut:
________Jika j adalah atribut
keuntungan (benefit)
r=
________Jika j adalah atribut biaya
(cost)
dengan 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 berikut:
4. HASIL DAN PEMBAHASAN
4.1. PERHITUNGAN METODE SAW
49
Dalam implementasi metode SAW, nilai data Tabel 4.5. Bobot kriteria kemampuan
kriteria yang digunakan dalam penilaian juga
Keterangan Bobot
data kriteria setiap pegawai kemudian dikonversi
menjadi nilai rating kecocokan berdasarkan Buruk (<50) 0
skala penilaian. Pertama dengan mencari nilai
bobot setiap kriteria Kurang (50 - 60) 0,25
Tabel 4.1. Bobot kriteria absen
Biasa (60 – 75) 0,5
Keterangan Bobot
Baik (75 – 90) 0,75
>6 0
Bagus(90>) 1
3 > 5 hari 0,33
Tabel 4.6 Menentukan alterntif Ai
1 > 2 Hari 0,66
Keterangan (Ai) Nama
0 1 A1 Yudhi
Tabel 4.2. Bobot kriteria tanggung jawab A2 Ratna
A3 Rudi
Keterangan Bobot
Tabel 4.7 Menetukan tabel kriteria
Buruk (<50) 0 Keterangan Kriteria (Cj)
Tanggung Jawab C1
Kurang (50 - 60) 0,25
Absensi C2
Biasa (60 – 75) 0,5 Implementasi C3
Attitude C4
Baik (75 – 90) 0,75 Kemampuan C5
Bagus(90>) 1 Menentukan bobot preferensi atau tingkat

kepentingan (W) setiap kriteria.
Tabel 4.3. Bobot kriteria attitude
W=[0.2 0.2 0.2 0.15 0.25]
Keterangan Bobot
Setelah mendapatkan nilai bobot dari setiap
Buruk (<50) 0 kriteria, maka kita hitung nilai pembobotan
altenatif terhadap kriteria dalam bentuk matriks,
Kurang (50 - 60) 0,25 seperti pada tabel 4.8.
Biasa (60 – 75) 0,5
Tabel 4.8 Membuat matrik keputusan
Baik (75 – 90) 0,75 C1 C2 C3 C4 C5
A1 0,66 0,5 0,5 0,75 0,75
Bagus(90>) 1 A2 0 0,5 1 0,75 1
A3 1 1 0,75 1 0,75
Tabel 4.4. Bobot kriteria implementasi
Hasil akhir nilai preferensi (Ai) diperoleh dari
Keterangan Bobot penjumlahan dari perkalian elemen baris matrik
ternormalisasi (R) dengan bobot preferensi (W)
Buruk (<50) 0 yang bersesuaian elemen kolom matriks (W)
Kurang (50 - 60) 0,25 A1 = (0.2 x 0.66)+(0.2 x 0.5)+(0.2 x
0.5)+(0.15 x 0.75)+(0.25 x 0.75)
Biasa (60 – 75) 0,5
=0.132 + 0.1 + 0.1 + 0.0375 + 0.1875
Baik (75 – 90) 0,75 = 0.557
A2 = (0.2 x 0)+(0.2 x 0.5)+(0.2 x 1)+(0.15
Bagus(90>) 1 x 0.75)+(0.25 x 1)
=0 + 0.1 + 0.2 + 0.0375 + 0.25
= 0.5875
A3 = (0.2 x 1)+(0.2 x 1)+(0.2 x
0.75)+(0.15 x 1)+(0.25 x 0.75)
50
=0.2 + 0.2 + 0.15 + 0.15 + 0.1875 A2 05 1 4

= 0.7375 A3 0.16 0.25 1
Tabel 4.9 Hasil perangkingan
Rangking Vi Nama Nilai Tabel 4.13 Perbandingan berpasangan antar
1 V3 Rudi 0.7375 karyawan pada C3
2 V2 Ratna 0.5875 Implementasi A1 A2 A3
3 V1 Yudhi 0.557 A1 1 5 3
A2 0.2 1 3
Dari tabel diatas telah dapat hasil dari A3 0.33 0.33 1
perangkingan karyawan terbaik dengan nilai
0.7375 atas nama Rudi Tabel 4.14 Perbandingan berpasangan antar
karyawan pada C4
4.2. PERHITUNGAN METODE AHP Attitude A1 A2 A3
Pengujian sistem berfungsi untuk mengetahui A1 1 3 4
kinerja dari aplikasi yang telah dibuat dalam A2 0.33 1 2
melakukan perhitungan menggunakan metode A3 0.25 0.5 1
spk dalam penilaian kinerja karyawan. Sebelum
melakukan operasi perhitungan terlebih dahulu Tabel 4.15 Perbandingan berpasangan antar
admin menjalankan program dan melakukan karyawan pada C5
input data karyawan dan nilai kriteria penilaian Kemampuan A1 A2 A3
yang sudah ditetapkan oleh pihak dinas ke dalam
A1 1 5 4
sistem.
A2 0.2 1 3
A3 0.25 0.33 1
Tabel 4.10 Perbandingan berpasangan antar
kriteria
Tahap yang pertama dilakukan ialah
Tang menormalkan setiap kolom dengan cara
Atti Imple Kema
Kriteri gung Abs membagi setiap nilai pada kolom ke-i dan baris
tud mentas mpua
a Jawa ensi ke-j dengan nilai terbesar pada kolom i.
e i n
b
Tabel 4.16 Normalisasi
Tangg
ung 1 2 3 4 5
Jawab
Absen
0.50 1 2 3 4
si
Attitud 0.5
0.33 1 3 4
e 0
Imple Tabel 4.17 Eigen Value
0.3 0.3
mentas 0.25 1 2 Kriteria Eigen Value
3 3
i
Kema 0.2 0.2 C1 0,399
0.50 0.50 1
mpuan 5 5 C2 0,251
4.0 6.5
Total 2.58 11.50 16.00 C3 0,183
8 8
C4 0,087
Tabel 4.11 Perbandingan berpasangan antar C5 0,080
karyawan pada C1
Tanggung A1 A2 A3
Jawab λ = (⅀EV/VB) / n
A1 1 3 4
A2 0.33 1 2
A3 0.25 0.5 1
CI = consistency Index = (λ - n) / (n-1)
Tabel 4.12 Perbandingan berpasangan antar

karyawan pada C2 CR = CI / RI
Absensi A1 A2 A3
A1 1 2 6
51
5. KESIMPULAN [2] Ekasari, Maya.2010. Sistem Pendukung

Dari hasil yang telah didapatkan dengan Keputusan Kenaikan Jabatan Karyawan
perhitungan metode AHP dan metode SAW, Dinas Pendidikan dan Kebudayaan
diketahui bahwa menggunakan metode AHP Kabupaten Bantul.Skripsi.STMIK.
lebih tepat untuk studi kasus pemilihan AMIKOM.Yogyakarta
karyawan tetap. Pemilihan karyawan tetap ini [3] Herjanto,E.2099.Sains Manajemen-
melibatkan banyak sub-kriteria, dimana AHP Analisis Kuantitatif Untuk Pengambilan
dianggap tepat untuk mewakili pemikiran Keputusan.Jakarta:Grasindo
alamiah yang cenderung mengelompokkan [4] http://www.andalanfinance.com/about-
elemen sistem ke level - level yang berbeda dari afi/eng
masing-masing level berisi elemen yang serupa [5] http://pakarkinerja.com/metode-penilaian-
dan juga menyediakan skala pengukuran dan kinerja-karyawan-yang-bagus-dan-efektif/
metode untuk mendapatkan prioritas, karena [6] Kusrini.2007.Konsep dan Aplikasi Sistem
masing – masing kriteria memiliki prioritas yang Pendukung Keputusan.Yogyakarta:Andi
tidak sama. Dari penelitian yang telah dilakukan, [7] Marimin.2008.‖Teknik dan Aplikasi
didapatkan hasil bahwa penggunaan dengan Pengambilan Keputusan Kriteria
metode AHP lebih tepat den gan perspektif Majemuk‖. Jakarta:Grasindo.Cetakan
pengguna. ketiga
[8] Novriansyah, Dicky. 2014. ―Konsep Data
6. DAFTAR PUSTAKA Mining Vs Sistem Pendukung Keputusan‖.
[1] Basyaib,Fachmi.2006. ―Teori Pembuatan Yogyakarta:Deepublish/CV.Budi Utama.
Keputusan‖ Jakarta:Grasindo Cetakan Pertama
52
ANALISIS PENCARIAN FAKTOR KEGAGALAN DALAM

MATAKULIAH UTAMA BIDANG KOMPUTER PADA
PRODI SISTEM INFORMASI DENGAN
METODE ELECTRE II
2 3 3
Desi Ratna Sari1, Agus Perdana Windarto , Anjar Wanto , Eko Purwanto
1
Telp. (0622) 22431
2,3,4
Program Studi Teknik Informatika, Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa
Telp. (0622) 22431
E-mail: desiratnasari054@gmail.com, agus.perdana@amiktunasbangsa.ac.id,
anjarwanto@amiktunasbangsa.ac.id
ABSTRAKS
Matakuliah adalah satuan pelajaran yang telah ditetapkan oleh pihak pendidikan. Matakuliah
utama pada Program Studi Sistem Informasi STIKOM Tunas Bangsa Pematangsiantar yang
mempunyai bobot rata-rata 3 sks ini memiliki angka kegagalan yang cukup tinggi. Hal ini dapat
dibuktikan dengan hasil dari kartu Hasil Studi (KHS) mahasiswa dimana matakuliah pendukung
lebih tinggi dibandingakan matakuliah utama. Dari latarbelakang diatas, didapatkan keinginan
untuk mencari faktor-faktor yang menjadi penyebab kegagalan mahasiswa dalam memaksimalkan
matakuliah utama yakni ilmu komputer. Untuk mengetahui faktor-faktor apa yang sangat
berpengaruh kepada kegagalan mahasiswa dalam mengambil matakuliah utama ini diwujudkan
dengan pembuatan suatu sistem pendukung keputusan pencarian faktor kegagalan dalam
matakuliah utama bidang komputer dengan metode Electre II. Sistem ini terbagi atas dua sisi
interaksi yaitu interaksi dosen dengan sistem, dan interaksi mahasiswa dengan sistem.
Fungsionalitas dosen yang disediakan dalam Electre II ini antara lain pengelolaan data dan
penelusuran informasi tentang faktor penyebab kegagalan. Sedangkan fungsionalitas mahasiswa
meliputi proses pencarian faktor kegagalan dan display daftar rekomendasi yang berupa sebuah
solusi untuk memperbaiki pada semester berikutnya. Diharapkan penelitian dapat mencari faktor
penyebab kegagalan mahasiswa dalam matakuliah utama, sehingga nantinya hasil output dari
sistem ini dapat menjadi bahan evaluasi baik bagi mahasiswa maupun bagi dosen untuk lebih
fokus terhadap matakuliah utama.
Kata Kunci: SPK, Faktor Kegagalan, Matakuliah, Electre II.
I. Pendahuluan suatu matakuliah. Hasil belajar atau dalam hal

Pendidikan merupakan bagian yang ini disebut nilai akhir mahasiswa merupakan
sangat penting untuk menjaga tolok ukur yang utama untuk mengetahui
keberlangsungan dalam masyarakat, untuk keberhasilan belajar mahasiswa. Mahasiswa
meningkatkan kreatifitas dan kemampuan yang memiliki nilai maksimal atau tinggi
dalam diri seseorang demi memperoleh dapat dikatakan bahwa ia telah berhasil dalam
sesuatu yang ingin dicapai melalui belajar pada matakuliah tersebut. Menurut
keterampilannya. Di dalam dunia pendidikan Tu‗u (2004) hal ini menggambarkan hasil
yang semakin berkembang dengan cepat, belajar mahasiswa yang dicapai ketika
membutuhkan sumber daya manusia yang mengikuti dan mengerjakan berbagai tugas
baik berupa dosen maupun mahasiswa. atau target dalam kegiatan pembelajaran
Kerjasama dan melakukan tugasnya dengan matakuliah tersebut. Nilai
baik secara menyeluruh dari setiap komponen akhir yang baik adalah harapan dari setiap
yang ada di dalam dunia pendidikan akan mahasiswa.
sangat berpengaruh bagi suatu instansi Penilaian tingkat kemampuan mahasiswa
pendidikan tersebut sehingga dapat dalam menguasai materi biasanya dilakukan
menghasilkan lulusan yang berkualitas dan dengan ujian, baik ujian tertulis maupun ujian
dapat diterima oleh perusahaan ternama. secara lisan. Namun biasanya dalam ujian
Penilaian hasil belajar mahasiswa tersebut didapatkan hasil yang kurang bahkan
oleh dosen bertujuan menilai pemenuhan tidak memuaskan sama sekali. Terutama pada
capaian pembelajaran oleh mahasiswa pada matakuliah utama, mahasiswa sering
53
mendapatkan nilai gagal. Matakuliah utama Beragam teknik dan aplikasi telah
merupakan satuan pembelajaran yang telah dikembangkan untuk menyelesaikan
ditetapkan oleh pihak akademik yang ketidaktepatan dalam pengambilan keputusan,
mempunyai bobot sks 3. Mahasiswa sering yaitu salah satunya berupa sistem pendukung
mendapatkan nilai gagal di bidang matakuliah keputusan (SPK). Aplikasi-aplikasi SPK untuk
utama sedangkan di sebagian matakuliah membantu memberikan penilaian telah
pendukung mahasiswa sering mendapatkan dikembangkan, di antaranya Sistem
nilai yang memuaskan. Bila ditinjau pada pendukung Keputusan Pencarian Faktor
bobot sks,matakuliah utama mempunyai bobot Kegagalan Dalam Matakuliah Lingkup
rata-rata 3 sks, tetapi biasanya matakuliah Komputasi Imanda Isnugrahanto Haribowo,
utama ini mempunyai tingkat kegagalan yang 2006).
cukup tinggi. Hal ini dapat dilihat dari nilai Dengan menggunakan alternatif, dan
khs yang diterima mahasiswa setiap semester kriteria yang berbeda dengan penelitian di
yang mana nilai matakuliah utama cenderung atas, penelitian ini bertujuan mengembangkan
mendapatkan nilai yang rendah bahkan sistem pendukung keputusan menggunakan
mendapatkan nilai gagal. Hal ini menyebabkan metode ELECTRE II untuk melakukan
banyak mahasiswa yang harus mengulang pencarian faktor kagagalan mahasiswa dalam
karena mendapatkan nilai yang tidak matakuliah utama secara objektif dari bebrapa
memuaskan sehingga dinyatakan gagal. alternatif. Diharapkan penelitian ini
Karena apabila mahasiswa memiliki nilai memberikan kontribusi kepada mahasiswa dan
gagal maka mahasiswa tersebut tidak dapat dosen dalam memperbaiki proses belajar
mengajukan judul skripsi, sehingga mahasiswa mengajar yang baik menggunakan metode
yang gagal harus mengulang untuk ELECTRE II.
mendapatkan nilai yang lebih baik. Pada penelitian ini, akan digunakan
Sebagai upaya menunjang pencapaian metode ELECTRE II sebagai metode untuk
hasil belajar maksimal untuk mendapatkan penentuan faktor kegagalan mahasiswa dalam
nilai yang memuaskan maka seseorang selain matakuliah utama. Metode ELECTRE II
harus memiliki intensitas belajar yang baik dipilih karena kemampuannya dalam
juga perlu didukung oleh pola belajar yang perangkingan dan dapat mengompromi
sesuai dengan karakteristiknya. Hamalik alternatif yang ada. Sehingga metode ini
(2002) dan Husamah et al. (2016) menyatakan dirasa sangat tepat digunakan untuk mencari
bahwa agar suatu kegiatan belajar mahasiswa faktor kegagalan dalam matakuliah utama.
dapat berjalan dengan baik diperlukan suatu
langkah-langkah pokok yaitu harus 1.1 Tinjauan Pustaka
memahami pola atau sistem belajar dan 1. Sistem Pendukung Keputusan (SPK)
strategi belajar. Ketidakpahaman terhadap Sistem Pendukung Keputusan (SPK)/
pola dan strategi belajar bukan tak mungkin Decision Support System (DSS) pertama kali
menyebabkan mahasiswa mengalami diungkapkan pada awal tahun 1970-an oleh
kegagalan pada matakuliah utama Michael S. Scott Morton dengan istilah
ditempuhnya. Mahasiswa gagal atau tidak Manajement Decision Systems . Sistem ini
mendapatkan hasil yang baik dalam berbagai merupakan suatu sistem yang berbasis
matakuliah khususnya matakuliah utama komputer yang ditujukan untuk membantu
karena mereka tidak mengetahui pola-pola pengambil keputusan dalam memanfaatkan
belajar sekaligus strategi belajar yang baik. data dan model tertentu untuk memecahkan
Maka dari itu saya selaku penulis berbagai persoalan yang bersifat semi
melakukan suatu penelitian dengan tujuan terstruktur dan tidak terstruktur (Yuwono,
untuk membantu para mahasiswa dan dosen Kodong, & Yudha, 2001). Sistem pendukung
untuk mencari faktor penyebab mahasiswa keputusan mempunyai 4 fase dalam
sering mendapatkan nilai gagal Sehingga pengambilan keputusan yaitu :
nantinya dapat menjadi bahan evaluasi bagi 1. Intelligence
mahasiswa dan dosen untuk lebih 2. Design
meningkatkan tingkat pengetahuannya akan 3. Choice
faktor penyebab tersebut sehingga nantinya 4. implementation
dapat diperbaiki lagi agar tidak ada lagi Sistem pendukung keputusan tidak
mahasiswa yang mendapatkan nilai gagal ditekankan untuk membuat keputusan dengan
khususnya pada matakuliah utama. Penelitian sekumpulan kemampuan untuk mengolah
ini dilakukan di STIKOM Tunas Bangsa informasi atau data yang diperlukan dalam
Pematangsiantar. proses pengambilan keputusan tetapi sistem
54
hanya berfungsi sebagai alat bantu manajemen 3) ELECTRE III (Roy, 1978): The
(Jamila, 2012). ELECTRE I dan Metode ELECTRE II
Sejumlah perusahaan, lembaga penelitian (setidaknya versi awal mereka) fokus
dan perguruan tinggi mulai melakukan pada masalah yang melibatkan kriteria
penelitian dan membangun SPK seperti (Sari, yang benar. Dengan perkembangan
Windarto, Hartama, & Solikhun, 2018) juga pemodelan preferensi, beberapa prosedur
menggunakan SPK untuk untuk rekomendasi baru muncul yang mengambil secara
kelulusan sidang skripsi menggunakan metode eksplisit ke dalam ketidakpedulian
AHP-TOPSIS. (Imandasari & Windarto, account dan preferensi ambang batas.
2017) menggunakan SPK dalam Metode ELECTRE III adalah contoh
merekomendasikan unit terbaik di PDAM yang baik dari yang terakhir; lebih jauh
Tirta Lihou menggunakan metode Promethee. lagi, ia memiliki kekhasan yang
Penelitian ini bertujuan untuk didasarkan pada dihargai hubungan
mengembangkan sistem pendukung keputusan outranking yang memiliki properti,
dalam menentukan unit produksi terbaik di dengan respect untuk relasi biasa,
PDAM Tirta Lihou, Kabupaten Simalungun. menjadi kurang sensitif terhadap variasi
data dan parameter yang terlibat.
2. Election et Choix Traduisant La Realite 4) ELECTRE IV (Hugonnard dan Roy,
II (ELECTRE II) 1982): Metode ELECTRE IV, seperti
Metode ELECTRE sebagai salah satu sebelumnya, didasarkan pada
metode MADM secara luas diakui mempunyai pertimbangan kumpulan pseudokriteria;
performa yang baik untuk menganalisis bertujuan untuk menentukan peringkat
kebijakan yang melibatkan kriteria kualitatif tindakan, tetapi tanpa memperkenalkan
dan kuantitatif. Metode ELECTRE telah apapun pembobotan kriteria. ELECTRE
berkembang melalui sejumlah versi (I, II, III, IV saat ini satusatunya versi yang yang
IV, 1S). Semua versi didasarkan pada konsep tidak membutuhkan bobot tersebut.
dasar yang sama namun secara operasional Perbedaan utama adalah bahwa di
berbeda (junaidi,irawan, Mukhlash, 2011). ELECTRE IV, alih-alih menggunakan
Metode ELECTRE I didesain untuk pemilihan nilai fungsi keanggotaan, yang sejumlah
sedangkan ELECTRE II digunakan untuk kriteria dalam kategori outranking
perangkingan. Kedua versi ini menggunakan berbeda digunakan. sebuah set derajat
tipe kriteria yang sederhana, dalam arti nilai kredibilitas mirip dengan ELECTRE III
thresholdnya sama untuk semua kriteria didefinisikan untuk mengklasifikasikan
sedangkan versi yang lain menggunakan alternatif berdasarkan ascending dan
pseudo criteria descending proses distilasi. Metode ini
yang nilai thresholdnya tidak sama untuk dapat sangat berguna ketika pengambil
semua kriteria. keputusan tidak dapat menetapkan satu
1) ELECTRE I (Roy 1968): Metode ini set bobot preferensi untuk mencerminkan
dibangun untuk masalah pilihan kebutuhan spesifik diberikan Masalah
multicriteria: Tujuannya untuk dapat pengambilan keputusan.
mendapatkan subset N tindakan tersebut Prosedur perangkingan pada metode
seperti setiap tindakan yang tidak pada ELECTRE II didahului dengan
outrank N dengan setidaknya satu terbentuknya suatu graf
tindakan N. Bagian yang terakhir (yang berarah sebagai representasi dari
akan dibuat sekecil mungkin) dengan hubungan outranking, kemudian
demikian tidak merupakan kumpulan dilakukan perangkingan berdasarkan graf
dari aksi bagus, tetapi adalah himpunan tersebut dengan prosedur tertentu. Salah
di mana kompromi terbaik dapat secara satu perangkingan yang banyak
pasti ditemukan. digunakan peneliti berdasarkan prosedur
2) ELECTRE II ( Roy dan Bertier , 1971, umum diantaranya terdapat dalam paper
1973) : Perbedaan utama antara metode Ahn, dkk. (2005), serta Anand dan
ini dan ELECTRE I terletak dalam Nagesh (1996). Namun prosedur ini
mendefinisikan dua relasi outranking memiliki yaitu jika terdapat siklik pada
bukan satu: outranking kuat dan graf yang terbentuk, proses perangkingan
outranking lemah . Metode ELECTRE II menjadi lebih rumit (Ciptomulyono dan
, pada sisi lain , bertujuan untuk Triyanti, 2008).
membuat peringkat dari terbaik sampai Langkah-langkah metode ELECTRE II.
terburuk (peringkat masalah). 1. Normalisasi matrik keputusan.
55
Tujuan normalisasi adalah untuk mendapatkan Ckl ={j,ykj ≥ yij}, untuk j = 1,2,3,...,n
nilai berdimensi dengan kriteria yang berbeda (3)
agar keduanya dapat dibandingkan satu sama sebaliknya untuk mencari nilai discordance
lain. Dalam prosedur ini, setiap atribut diubah adalah:
menjadi nilai yang comparable. Setiap Dkl ={j,ykj < yij}, untuk j = 1,2,3,...,n (4)
normalisasi dari nilai rij dapat dilakukan
dengan Rumus : 4. Hitung matriks concordance dan
(1) discordance.
a. oncordance
Keterangan: Untuk menentukan nilai dari elemen-
rij = normalisasi pengukuran pilihan dari elemen pada matriks concordance adalah
alternatifdan kriteria. dengan menjumlahkan bobot-bobot yang
m = Alternatif. termasuk dalam subset concordance, secara
n = Kriteria. matematisnya adalah pada Rumus :
(5)
Sehingga didapat matriks R hasil Sehingga matriks concordance yang
normalisasi dihasilkan adalah:
R adalah matriks yang telah dinormalisasi, b. Discordance

dimana m menyatakan alternatif, n Untuk menentukan nilai dari
menyatakan kriteria dan rij adalah normalisasi elemenelemen pada matriks discordance
pengukuran pilihan dari alternatif ke-i dalam adalah dengan membagi maksimum selisih
hubungannya dengan kriteria ke-j. nilai kriteria yang termasuk dalam subset
discordance dengan maksimum selisih nilai
2. Pembobotan pada matrik yang telah seluruh kriteria yang ada, secara matematisnya
dinormalisasi. adalah :
Setelah di normalisasi, setiap kolom dari
matrik R dikalikan dengan bobot-bobot (wj)
yang ditentukan oleh pembuat keputusan. (6)
Sehingga, weighted normalized matrix adalah Sehingga matriks discordance yang
V=RW yang ditulis dalam Rumus ini : dihasilkan adalah:
(2) 5.
Menentukan matrik dominan
concordance dan discordance.
a. Concordance
Matrik dominan concordance dapat
dibangun dengan bantuan nilai threshold,
Dimana w adalah yaitu dengan membandingkan setiap nilai
elemen matriks concordance dengan nilai
threshold C‘.
Dengan nilai treshold c adalah

3. Menentukan concordance dan
discordance set. (7)
Untuk setiap pasang dari alternatif k dan l Dan nilai setiap elemen matriks f sebagai
( k,l = 1,2,3,…,m dan k ≠ l ) kumpulan kriteria matriks dominan concordance
J dibagi menjadi dua subsets, yaitu ditentukan sbb :
concordance dan discordance.
Untuk mencari nilai concordance adalah b. Discordance
:
56
Untuk membangun matriks dominan

discordance juga menggunakan bantuan
nilai threshold d‘ yaitu :
(8)
dan nilai setiap elemen untuk matriks g
sebagai matriks dominan discordance
ditentukan sebagai berikut :
6. Menentukan concordance murni dan

discordance murni.
a. Concordance murni
Concordance murni dicari dengan Gambar 1. Diagram use case dari sistem
mengurangkan nilai perbaris dengan
kolom dari matriks concordance yang Pengambilan keputusan yaitu intelligence,
mana masing-masing baris dan kolom design,choice, dan implementation.
dijumlahkan. Rumus mencarinya
sebagaii berikut: 2. Pembahasan
a. Data Alternatif dan Kriteria
Alternatif yang didapatkan dari Kegagalan
matakuliah utama yaitu Cara Pengajaran
(9) Dosen(A1), Tingkat pemahaman materi (A2),
Fasilitas dalam mengajar (A3), Manajemen
b. Discordance murni waktu yang buruk (A4). Dan beberapa sampel
Discordance murni dicari dengan data kriteria yang didapat dari responden yang
mengurangkan nilai perbaris dengan menjawab suatu angket.
kolom dari matriks discordance yang b. Data Angket
mana masing-masing baris dan kolom Tabel 1. Data Alternatif
dijumlahkan. Rumus mencarinya
sebagaii berikut:
(10)
Setelah kedua indeks ini diperkirakan, Proses menerapkan metode ELECTRE II
dua peringkat diperoleh berdasarkan dua dapat dilihat di bawah ini. Dengan
indeks ini dan peringkat rata-rata ditentukan menggunakan metode Sistem Peringkat Untuk
dari dua peringkat ini. Berdasarkan rangking Mendapatkan Bobot: Prosedur ini melibatkan
rata-rata, maka alternatif tersebut dipilih yang pengambil keputusan yang pada awalnya
memiliki rangking rata-rata terbaik. menilai kriteria sesuai urutan kepentingannya.
Setiap kriteria kemudian diberi skor
1.2 Metodologi Penelitian berdasarkan pangkatnya, dengan satu kriteria,
Penelitian ini dilakukan di STIKOM Tunas peringkat pertama diberi skor "1", yang
Bangsa Pematangsiantar. Data penelitian peringkat kedua diberi skor "2" dan
diperoleh dengan melakukan wawancara seterusnya. dalam hal kriteria mengikat untuk
secara langsung dan pemberian kuesioner rangking yang sama, rata-rata skor diberikan
kepada responden untuk mengetahui faktor – kepada mereka. Kriteria yang paling tidak
faktor apa saja yang menyebabkan mereka penting akan berakhir dengan skor n, di mana
mengalami kegagalan dalam matakuliah n adalah jumlah kriteria. Berat kepentingan
utama. Total sampel data yang digunakan yang dinormalisasi untuk setiap kriteria dapat
adalah 20 responden. Data yang telah dihitung dengan menggunakan rumus:
terkumpul selanjutnya diolah untuk
mendapatkan faktor-faktor penyebab
kegagalan mahasiswa dalam matakuliah utma.
Proses penyelesaian menggunakan salah satu Dimana w adalah bobot normalisasi untuk
metode yang ada di Sistem Pendukung masing-masing kriteria, ri adalah skor
Keputusan yakni ELECTRE II. Perancangan peringkat
diagram use case ditunjukkan dalam Gambar untuk masing masing kriteria, dan n adalah
1. jumlah kriteria keputusan.
Penulis menyetujui peringkat kriteria ini dari
57
yang paling penting hingga yang paling tidak
penting. Jumlah kriteria yang sedang 4 0,081

dipertimbangkan adalah 20, oleh karena itu n
5 0,0762
= 20 . Oleh karena itu bobot yang diperoleh
adalah sebagai berikut: 6 0,0714
Tabel 2. Pencarian Nilai Bobot 0,0667
7
8 0,0619
9 0,0571
10 0,0524
11 0,0476
12 0,0429
13 0,0381
14 0,0333
15 0,0286
16 0,0238
Setelah bobot telah diperoleh maka 17 0,019
selanjutnya adalah memulai proses 18 0,0143
perhitungan untuk menentukan alternatif mana
19 0,0095
yang menyebabkan mahasiswa mengalami
kegagalan dalam matakuliah utama, berikut 20 0,0048
adalah langkah-langkah proses
perhitungannya: Untuk mencari matriks V dihitung
1. Menentukan matriks keputusan berdasarkan pada Persamaan (2), dapat dilihat
ternormalisasi pada tabel 5.
Dalam prosedur ini, setiap atribut Tabel 5. Pembobotan Pada Matriks setelah
diubah menjadi nilai yang normalisasi(R*W)
comparable. Setiap normalisasi dari
nilai rij dapat dilakukan dengan
Persamaan (1): 2. Menentukan himpunan concordance dan
discordance index.
Himpunan concordance seperti pada
Persamaan (3), sebagai berikut :
C12= V11≥ V21 = 0,0087 ≥ 0,0087
V12 ≥ V22 = 0,0064 ≥ 0,0053
V13 ≥ V23 = 0,0069 ≥ 0,0064
V14 ≥ V24 = 0,0101 ≥ 0,0069
V15 ≥ V25 = 0,0049 ≥ 0,0055
V16 ≥ V26 = 0,0060 ≥ 0,0057
V17 ≥ V27 = 0,0040 ≥ 0,0053
Dan seterusnya sampai dengan X20 V18 ≥ V28 = 0,0040≥ 0,0045
,sehingga dihasilkan matriks berikut pada V19 ≥ V29 = 0,0062≥ 0,0059
tabel 3. V110≥ V210 = 0,0058 ≥ 0,0054
Tabel 3. Normalisasi nilai matriks V111 ≥ V211 = 0,0041≥ 0,0044
V112 ≥ V212 = 0,0048≥ 0,0026
V113 ≥ V213 = 0,0028≥ 0,0027
2. Pembobotan pada matriks yang telah V114 ≥ V214 = 0,0033≥ 0,0028
dinormalisasi. V115 ≥ V215 = 0,0024≥ 0,0026
Matriks V merupakan hasil perkalian R V116 ≥ V216 = 0,0019 ≥ 0,0018
dengan W (bobot), dimana w(bobot) dapat V117 ≥ V217 = 0,0019 ≥ 0,0014
dilihat pada tabel 4. V118 ≥ V218 = 0,0018 ≥ 0,0015
Table 4. Bobot (w) V119 ≥ V219 = 0,0006≥ 0,0010
1 0,0952 V120 ≥ V220 = 0,0003≥ 0,0003
2 0,0905
3 0,0857
58
Dan seterusnya hingga C2019. Sehingga menghasilkan matriks concordance sebagai

didapatkan himpunan concordance nya pada berikut :
table 6. Tabel 8. Matriks concordance
Tabel 6. Himpunan concordance
b. Menghitung discordance.
Untuk menghitung nilai dari elemen pada
Menentukan himpunan discordance seperti matriks discordance adalah dengan membagi
pada Persamaan (4), sebagai berikut : maksimum selisih nilai kriteria yang termasuk
D12= V11<V21 = 0,0087 ≥ 0,0087 dalam subset discordance dengan maksimum
V12 < V22 = 0,0064 ≥ 0,0053 selisih nilai seluruh kriteria yang ada, secara
V13 < V23 = 0,0069 ≥ 0,0064 matematisnya seperti pada Persamaan (6),
V14 < V24 = 0,0101 ≥ 0,0069 sebagai berikut:
V15 < V25 = 0,0049 ≥ 0,0055
V16 <V26 = 0,0060 ≥ 0,0057
V17< V27 = 0,0040 ≥ 0,0053
V18 < V28 = 0,0040≥ 0,0045
V19 <V29 = 0,0062≥ 0,0059
V110< V210 = 0,0058 ≥ 0,0054
V111 < V211 = 0,0041≥ 0,0044
V112 < V212 = 0,0048≥ 0,0026
V113 < V213 = 0,0028≥ 0,0027
V114 < V214 = 0,0033≥ 0,0028
V115 < V215 = 0,0024≥ 0,0026
V116 < V216 = 0,0019 ≥ 0,0018
V117 < V217 = 0,0019 ≥ 0,0014
V118 < V218 = 0,0018 ≥ 0,0015
V119 < V219 = 0,0006≥ 0,0010
V120 < V220 = 0,0003≥ 0,0003
Dan seterusnya hingga C2019 Dan seterusnya sampai D2019, Sehingga
Sehingga didapatkan himpunan concordance diperoleh matriks discordance sebagai berikut:
nya pada table 7.
Tabel 9. Matriks Discordance
Tabel 7. Himpunan Discordance
3. Menentukan matriks dominan concordance

dan discordance.
2. Hitung matriks concordance dan a. Matriks dominan concordance
discordance. Menghitung matriks dominan concordance
a. Menghitung concordance Threshold didapat dari penjumlahan seluruh
Menghitung concordance menggunakan elemen matriks dibagi ukuran matriks yang
persamaan (5), sebagai berikut : terdapat pada persamaan(7). Threshold
concordance sebagai berikut:
= 0,0952 + 0,0905 + 0,0857 + 0,0810 +

0,0714 + 0,0571 + 0,0524 + 0,0429 +
0,0333 + 0,0238 + 0,0190 + 0,0143 =
0,0667
dan seterusnya hingga C2019. Sehingga matriks dominannya adalah :
Nilai dari komponen matriks disusun Tabel 10. Matriks dominan concordance
berdasarkan himpunan concordance dengan Matriks dominan
bobot (W) dan dijumlahkan, sehingga concordance A1 A2 A3 A4
A1 - 1 0 1
59
A2 0 - 0 1 concordance murni dan discordance

murni. sehingga didapatkan peringkat
A3 1 1 - 1 peringkat sebagai berikut berdasarkan
A4 0 1 0 - table 12.
b. Matriks dominan discordance Tabel 12. Perhitungan alternative terbaik

Menghitung matriks dominan Disconcordance
Threshold didapat dari penjumlahan seluruh
elemen matriks dibagi ukuran matriks yang
terdapat pada persamaan(8). Threshold Sehingga berdasarkan tabel diatas
Disconcordance sebagai berikut: diketahui bahwa faktor penyebab mahasiswa
mendapatkan nilai gagal pada matakuliah
utama adalah fasilitas dalam mengajar(A3).
II. KESIMPULAN
Berdasarkan hasil penelitian dan
pembahasan tentang Analisis Perencanaan
Faktor Kegagalan Matakuliah Utama Bidang
Sehingga matriks dominannya adalah: Komputer Pada Periode Sistem Informasi
Tabel 11. Matriks dominan discordance Dengan Metode Electre II sebagai berikut :
Matriks dominan 1. Metode ELECTRE II dapat diterapkan
disconcordance A1 A2 A3 A4 dalam kasus Penentuan faktor kegagalan
A1 - 0 1 0 mahasiswa dalam matakuliah utama
dengan mempertimbangkan beberapa
A2 1 - 1 1 alternative dan Kriteria. Yang mana
A3 0 0 - 0 alternatif nya adalah cara pengajaran
A4 1 1 1 - dosen, tingkat pemahaman materi,
fasilitas dalam mengajar dan manajemen
3. Menghitung indeks concordance waktu yang buruk dan kriteria nya
murni dan Discordance murni. diambil dalam data data responden.
1. Dari hasil penelitian dapat
a. Concordance murni disimpulkan bahwa A3 yaitu Fasilitas
Untuk mencari nilai concordance murni dalam mengajar merupakan factor
dapat dilihat pada persamaan (9). penyebab mahasiswa mendapatkan nilai
C1= 0,6667 + 0,3190 + 0,8333-(0,3333 gaga dalam matakuliah utama.
+ 0,6810 + 0,2238) = 0,5810 Untuk penelitian selanjutnya, kriteria
C2 = 0,3333 + 0,2095 + 0,6810-(0,6667 dan alternatif dapat ditambah, sehingga
+ 0,8000+0,5667) = -0,8095 data yang dimasukkan lebih bervariasi.
C3 = 0,6810 + 0,8000+0,8095-(0,3190 + Selain itu, metode ELECTRE II dapat
0,2095 + 0,1952) = 1,5667 dibandingkan dengan metode lain.
C4 = 0,2238 + 0,5667 + 0,1952 –
(0,8333+0,6810+0,8095) = -1,3381. PUSTAKA
Ciptomulyono, U dan Triyanti, V
b. Discordance murni (2008), ―Metode MCDM-ELECTRE
Untuk mencari nilai discordance murni III Untuk Analisis Penetapan
dapat dilihat pada persamaan (10). Segmen Pemasaran Usaha Jasa
D1= 0,4075 + 1+ 0,0666-(1 + 0,3670+ Barang Melalui Telpon Untuk
1) = -1 Sebuah
D2 = 1 + 1 + 0,9509-(0,4075 + Supermarket di Kota Surabaya‖,
0,3303+1) = 1,2131 Jurnal Eksekutif, Volume 5 Nomor
D3 = 0,3670 + 0,3303+0,3689 -(1 + 1 + 1.
1) = -1,9339 Fkip-umm, P. P. B. (2016). Prosiding
D4 = 1 + 1 + 1 -(0,0666+0,9509+0,3689) Seminar Nasional II Tahun 2016,
= 1,6137 Kerjasama Prodi Pendidikan Biologi
Setelah kedua indeks telah dihitung, FKIP dengan Pusat Studi
maka untuk mendapatkan alternatif Lingkungan dan Kependudukan
terbaik adalah dengan mencari nilai rata (PSLK) Universitas Muhammadiyah
rata dari kedua peringkat indeks
60
Malang Malang, 26 Maret 2016, I. (2011). Perangkingan Berdasarkan

1175–1181. Jumlah Dominasi Pada Metode
Hamalik, O. 2002. Psikologi Belajar Electre Ii, 1–12.
Mengajar. Bandung: Sinar Baru Of, A., Ii, E., & On, M. (2015). Atilim
Algensindo. university.
Hamalik, O. 2007. Kurikulum dan Sari, D. R., Windarto, A. P., Hartama,
Pembelajaran. Cetakan VI. Jakarta: D., & Solikhun, S. (2018). Sistem
Bumi Aksara. Pendukung Keputusan untuk
Husamah, Pantiwati, Y., Restian, A. & Rekomendasi Kelulusan Sidang
Sumarsono, P. 2016. Belajar dan Skripsi Menggunakan Metode AHP-
Pembelajaran. Malang: UMM Press. TOPSIS. Jurnal Teknologi Dan
Imandasari, T., & Windarto, A. P. Sistem Komputer,
(2017). Sistem Pendukung 6(1),1.https://doi.org/10.14710/jtsisk
Keputusan dalam om.6.1.2018.1-6
Merekomendasikan Unit Terbaik di Teguh, B. (n.d.). Implementasi Metode
PDAM Tirta Lihou Menggunakan ELECTRE IV ( Elimination Et
Metode Promethee. Jurnal Teknologi Choix Traduisant La Realite ) Pada
Dan Sistem Komputer, 5(4), 159. Sistem Pendukung Keputusan Untuk
https://doi.org/10.14710/jtsiskom.5.4 Menentukan Kelayakan Kredit
.2017.159-165. Pinjaman Pada Koperasi Karya Eka
Junaidi, A., Irawan, M. I., & Mukhlash, Warsa Pati.
61
IMPLEMENTASI ALGORITMA FIVE MODULUS DALAM

MENYEMBUNYIKAN DATA RAHASIA KE DALAM
CITRA DIGITAL
Christnatalis, M.Kom1, Novandi Ngichones2
1
Program Studi Teknik Informatika, Fakultas Teknologi dan Ilmu Komputer, Universitas
Prima Indonesia
Telp. (061)4578870
2
Jurusan Teknik Informatika , Fakultas Teknologi dan Ilmu Komputer, Universitas Prima
Indonesia
Jl. Brigjend Katamso 202115
E-mail: christnatalis@unprimdn.ac.id, novandin@gmail.com.
ABSTRAKS
Keamanan informasi merupakan salah satu faktor terpenting dari teknologi informasi dan
komunikasi. Salah satu caranya adalah dengan menerapkan metode steganografi. Metode
steganografi yang paling populer adalah metode LSB. Namun, metode LSB sangat rentan
terhadap penyerangan, maka penulis memberikan solusi dengan menggunakan metode Five
Modulus. Metode Five Modulus akan memecahkan sebuah citra digital menjadi sekumpulan
subblok citra yang disebut window dengan ukuran n x n. Pesan rahasia akan disisipkan pada
window tersebut. Semakin kecil ukuran window, maka semakin banyak pesan rahasia yang
dapat disisipkan ke dalam citra tersebut. Perangkat lunak yang dirancang dapat menyisipkan
semua tipe file data. Serta penambahan noise pada citra pun tidak berpengaruh pada proses
ekstraksi file rahasia karena bit pesan disisipkan pada blok citra. Tetapi perangkat lunak ini
memiliki kelemahan dimana hanya dapat menyimpan file dengan ukuran maksimum 200 KB,
sehingga metode ini kurang efektif dalam menyimpan file yang besar.
Kata Kunci: Citra Digital, Pesan Rahasia, Steganografi, Metode Five Modulus, Penempelan,
Ekstraksi.
1. PENDAHULUAN Komputer digital bekerja dengan angka-

Keamanan informasi merupakan salah satu angka presisi terhingga, dengan demikian
faktor terpenting dari teknologi informasi dan hanya citra dari kelas diskrit-diskrit yang
komunikasi. Kriptografi dibuat sebagai sebuah dapat diolah dengan komputer; citra dari kelas
teknik untuk mengamankan kerahasiaan dari tersebut lebih dikenal sebagai citra digital.
informasi. Namun, kadang-kadang diperlukan Citra digital merupakan suatu array dua
agar pihak lain tidak mengetahui bahwa dimensi atau suatu matriks yang elemen-
terdapat informasi yang dirahasiakan. Untuk elemennya menyatakan tingkat keabuan dari
itu, maka dapat diterapkan metode elemen gambar; jadi informasi yang
steganografi. terkandung bersifat diskrit. Citra digital tidak
Metode steganografi yang paling populer selalu merupakan hasil langsung data rekaman
adalah metode LSB (Least Significant Bit). suatu sistem. Kadang-kadang hasil rekaman
Namun, metode LSB sangat rentan terhadap data bersifat kontinu seperti gambar pada
penyerangan dengan menggunakan operasi monitor televisi, foto sinar-X, dan lain
dasar pengolahan citra. Pada tahun 2012, sebagainya. Dengan demikian untuk
Jassim memperkenalkan metode Five mendapatkan suatu citra digital diperlukan
Modulus yang diterapkan untuk suatu proses konversi, sehingga citra tersebut
mengkompresi citra. Ide dasar dari metode ini selanjutnya dapat diproses dengan komputer.
yaitu bahwa piksel bertetangga biasanya Citra digital dapat ditulis dalam bentuk
berhubungan. matriks sebagai berikut:
Berdasarkan uraian di atas, penulis tertarik
untuk menerapkan algoritma steganografi Five
Modulus.
2. LANDASAN TEORI
Gambar 1. Matriks warna piksel
2.1 Representasi Citra Digital
(Sumber. Nur Nafi'iyah, 2015:50)
62
Nilai pada suatu irisan antara baris dan masukan maupun data keluarannya berbentuk
kolom (pada posisi x,y) disebut dengan picture citra.
elements, image elements, pels, pixels. Istilah Pada pengolahan citra terdapat enam jenis
terakhir (pixels) paling sering digunakan pada operasi pengolahan, yaitu peningkatan kualitas
citra digital. Secara umum, pengolahan citra citra, restorasi citra, kompresi citra,
digital menunjuk pada pemrosesan gambar 2 segmentasi citra, analisis citra, dan
dimensi menggunakan komputer. Dalam rekonstruksi citra. Pada umumnya informasi
konteks yang lebih luas, pengolahan citra yang ada dalam suatu citra terletak pada
digital lebih mengacu pada pemrosesan setiap strukturnya. Agar mudah memahami suatu
2 data dimensi. Citra digital merupakan citra dapat dilakukan dengan
sebuah larik (array) yang berisi nilai-nilai real menyederhanakan struktur citra tersebut (Nur
maupun kompleks yang di representasikan Nafi'iyah, 2015:49).
dengan deretan bit tertentu. Suatu citra dapat
didefenisikan sebagai fungis f (x,y), berukuran 2.2 Teknik dan Metode Steganografi
M baris dan N kolom, dengan x dan y adalah Teknik steganografi digital yang
koordinat spasial, dan amplitudo f dititik diterapkan pada media penampung berbentuk
koordinat (x,y) dinamakan intensitas atau data citra, saat ini telah dikembangkan dalam
tingkat kaabuan dari citra pada titik tersebut. beberapa teknik, yaitu:
Apabila nilai x,y dan nilai amplitudo f secara a. Domain spatial technique, Teknik in
keseluruhan berhingga (finite) dan bernilai bekerja dengan menyembunyikan
diskrit maka dapat dikatakan bahwa citra informasi pada pixel-pixel yang
tersebut adalah citra digital. membentuk sebuah citra yang disebut
Citra digital adalah gambar dua dimensi domain spasial. Teknik ini juga dikenal
yang dihasilkan dari gambar analog dua sebagai teknik subtitusi. Salah satu metode
dimensi yang kontinus menjadi gambar diskrit yang terkenal dalam teknik ini adalah
melalui proses sampling. Agar dapat metode least significant bit (LSB).
direpresentasikan secara numeric dengan b. Transform domain technique, Teknik ini
nilai-nilai diskrit. Representasi citra dari bekerja dengan menyisipkan data rahasia
fungsi malar (kontinu) menjadi nilai-nilai ke dalam domain frekuensi, yaitu pada
diskrit disebut digitalisasi. Citra yang koefisien-koefisien frekuensi hasil
dihasilkan inilah yang disebut digital (Digital transformasi data cover. Adapun jenis
Image) (Mhd.Helmi Nasution, 2016:87). transformasi yang telah dikembangkan
Pengolahan citra pada masa sekarang dalam steganografi pada teknik ini,
merupakan suatu aplikasi yang sangat luas diantaranya adalah:
dalam berbagai bidang kehidupan antara lain 1. Discrete Cosine Transform
bidang arkeologi, astronomi, biomedis, bidang 2. Fourier Transform
industri dan penginderaan jauh yang 3. Wavelet Transform
menggunakan teknologi citra satelit. (Muhammad Zunaidi, 2013:13)
Segmentasi ini akan mengubah suatu citra
masukan yang kompleks menjadi citra yang 2.3 Kriteria Steganografi yang Bagus
lebih sederhana, berdasarkan peninjauan Steganografi yang dibahas di sini adalah
terhadap komponen citra. Dengan demikian penyembunyian data di dalam citra digital
akan memudahkan pengamat citra untuk saja. Meskipun demikian, penyembunyian
melakukan analisis. data dapat juga dilakukan pada wadah berupa
Pada dasarnya ada tiga bidang yang suara digital, teks, ataupun video.
menangani pengolahan data berbentuk citra, Penyembunyian data rahasia ke dalam citra
yaitu: grafika komputer, pengolahan citra dan digital akan mengubah kualitas citra tersebut.
visi komputer. Pada bidang grafika komputer Kriteria yang harus diperhatikan dalam
banyak dilakukan proses yang bersifat sintesis penyembunyian data adalah:
yang mempunyai ciri data masukan berbentuk a. Fidelity. Mutu citra penampung tidak jauh
deskriptif dengan keluaran hasil proses yang berubah. Setelah penambahan data rahasia,
berbentuk citra. Sedangkan proses di bidang citra hasil steganografi masih terlihat
visi komputer merupakan kebalikan dari dengan baik. Pengamat tidak mengetahui
proses grafika komputer. Terakhir, bidang kalau di dalam citra tersebut terdapat data
pengolahan citra merupakan proses rahasia.
pengolahan dan analisis citra yang banyak b. Robustness. Data yang disembunyikan
melibatkan persepsi visual, yakni data harus tahan terhadap manipulasi yang
63
dilakukan pada citra penampung (seperti menampilkan gambar dalam sistem elektronik,
pengubahan kontras, penajaman, misalnya dalam televisi dan komputer. Model
pemampatan, rotasi, perbesaran gambar, warna RGB juga digunakan dalam fotografi
pemotongan (cropping), enkripsi, dan konvensional. RGB juga sering digunakan
sebagainya. Bila pada citra dilakukan dalam perangkat input seperti: TV berwarna
operasi pengolahan citra, maka data yang dan kamera video, scanner, dan kamera
disembunyikan tidak rusak. digital. Perangkat output seperti TV dalam
c. Recovery. Data yang disembunyikan harus berbagai teknologi (CRT, LCD, plasma, dll),
dapat diungkapkan kembali (recovery). komputer dan layar HP, video proyektor, layar
Karena tujuan steganografi adalah data LED multiwarna.
hiding, maka sewaktu-waktu data rahasia
di dalam citra penampung harus dapat 2.6 Model YCbCr
diambil kembali untuk digunakan lebih Ruang warna YCbCr dikembangkan sebagai
lanjut. bagian dari ITU-R BT.601, standar dunia
internasional untuk komponen video digital.
2.4 Colour Space Ruang warna YCbCr saat ini digunakan secara
Colour space (ruang warna) adalah metode luas diberbagai bidang video digital dan
yang dapat menentukan, menciptakan dan pengolahan citra. Dalam ruang warna ini,
memvisualisasikan warna. Tiga model warna luminance (kecerahan citra) dinyatakan
yang paling popular adalah RGB (digunakan dengan sebuah variable Y, sementara nilai
dalam grafika komputer). YIQ, YUV, YCbCr yang disimpan dalam 2 variabel warna cb dan
(digunakan dalam sistem video), dan CMYK cr, nilai cb adalah perbandingan dari nilai biru
(cyan, magenta, yellow) digunakan dalam dengan nilai warna lainnya. Nilai cr adalah
pencetakan berwarna / color printing. nilai warna merah dengan nilai warna lainnya.
Sedangkan model warna HLS, HCV, HSV, Gambar color plane dari ruang warna YCbCr.
MTM, dan CIE-LUV, didasarkan pada tiga Untuk konversi warna citra RGB ke warna
persepsi manusia tentang warna, yaitu hue YCbCr dalam bidang pengolahan citra secara
(inti warna), saturation (intensitas), dan komputasi, dapat digunakan rumus berikut ini:
brightness (kecerahan). Namun, tidak satupun Y= 0,299 R + 0,587 G + 0,114B + 16
dari ruang warna secara langsung Cb = -0,169R – 0,331G + 0,5B + 128
berhubungan dengan nilai hue (inti warna), Cr = 0,5R + - 0,419G + - 0,081B + 128
saturation (intensitas) dan brightness Sedangkan untuk konversi YCbCr ke RGB
(kecerahan). Ruang warna dikembangkan dapat dilakukan dengan rumus:
untuk menyederhanakan pemrograman, R = Y + 1.402 (Cr-128)
pengolahan, dan manipulasi terhadap citra G = Y – 0.34414 (Cb-128) – 0.71414 (Cr –
digital dengan komputasi. 128)
B = Y + 1.772 (Cb – 128)
2.5 Model Warna RGB Alasan penggunaan ruang warna YCbCr
Model warna RGB adalah suatu cara atau dikarenakan warna YCbCr dapat digunakan
teknik pemodelan warna berdasarkan konsep untuk membantu menemukan warna kulit
penggabungan cahaya primer yaitu Red, manusia. Kuncinya adalah dengan
Green dan Blue untuk membentuk suatu menggunakan kriteria nilai cb dan cr tertentu
warna baru. Untuk membentuk warna dengan untuk membatasi kemungkinan pixel-pixel
RGB, tiga warna (merah, hijau, dan biru) yang tergolong kulit manusia. Adapun
harus dikombinasikan (misalnya dengan emisi kriteria nilai warna pixel yang digolongkan
dari layar hitam, atau dengan refleksi dari sebagai nilai warna kulit manusia adalah:
layar putih). 77 Cb < 127 dan 133 < Cr < 177.
Masing-masing dari tiga warna disebut
sebagai komponen warna, dan masing-masing 2.7 Metode Five Modulus
dapat memiliki intensitas yang berbeda. Pada Five Modulus Method (FMM) pertama kali
komputer masing-masing komponen warna diperkenalkan oleh Jassim (2012). Ide dasar
tersebut dipresentasikan ke dalam nilai antara dari FMM adalah berdasarkan pada konsep
0 – 255 dan penggabungan dari ketiga jenis bahwa sebuah karakteristik umum pada
komponen tersebut dapat menghasilkan kebanyakan citra adalah piksel tetangga yang
sekitar 16.777.216 warna berbeda. saling berhubungan. Oleh karena itu, pada
Tujuan utama dari model warna RGB sebuah citra dimensi 2, tetangga dari sebuah
adalah untuk mempresentasikan ulang dan piksel hampir mirip dengan piksel asli. Oleh
64
karena itu, FMM akan membagi sebuah citra ke atas (ceiling). Sementara itu, sebuah kunci
ke dalam blok berukuran k x k piksel. stego digunakan untuk mengontrol pesan
Transformasi FMM tidak mempengaruhi penyembunyian sehingga dapat membatasi
sistem visual manusia (human visual system / proses pendeteksian dan pengembalian pesan
HVS). Algoritma yang diperkenalkan ini rahasia. Pada ST-FMM, kunci rahasia
disebut sebagai ST-FMM yang disebut digunakan untuk mengekstrak pesan dari
sebagai Steganography by the Five Modulus sebuah citra sampul dengan ukuran window
Method. Oleh karena itu, semua piksel di tertentu. Oleh karena itu, untuk memperoleh
dalam citra FMM merupakan kelipatan dari 5, kembali pesan rahasia tergantung sepenuhnya
sehingga nilai yang tidak habis dibagi dengan pada pengetahuan mengenai ukuran window.
5 akan berbeda dalam blok k x k. Seperti Jika seorang penyerang ingin mengekstrak
diketahui, kode ASCII standar terdiri dari 128 pesan rahasia dari citra sampul maka harus
buah karakter. Tetapi kebanyakan 95 buah dilakukan percobaan dengan kemungkinan
karakter yang digunakan dalam binary coding yang sangat banyak. Pada private key
dapat diekstrak dari kode ASCII umum steganography, pengirm dan menerima harus
direpresentasikan pada tabel berikut: mengetahui sebuah kunci rahasia yang sama
yang digunakan untuk menempelkan pesan
(Jassim, 2013:41).
2.8 Pengujian dengan MSE dan PSNR

MSE dapat secara langsung merefleksikan
perbedaan kualitas diantara dua buah citra
digital. MSE digunakan sebagai standar untuk
menghitung kualitas dari citra asli dan citra
stego yang dihasilkan. MSE diantara dua buah
citra dapat dihitung dengan menggunakan
rumusan berikut:
Disini, M, N adalah lebar dan tinggi dari

citra digital, P1(i, j) adalah nilai piksel dari
citra digital asli dan P2(i, j) adalah nilai piksel
dari citra digital ter-decode.
Dalam penelitian ini, P1 akan merupakan
nilai piksel dari pengujian 1 dan P2 akan
merupakan nilai piksel dari pengujian 2.
Gambar 2. Karakter ASCII Umum
Biasanya, jika nilai MSE ≥ 30 db, maka dapat
(Sumber. Jassim, 2013:41) dikatakan bahwa citra stego yang dihasilkan
Ketergantungan dari ukuran window yang
dapat terdeteksi oleh mata manusia (Zhu
cocok digunakan untuk steganography Liehuang, Li Wenzhou, Liao Lejian dan Li
merupakan sebuah prosedur penting. Ukuran
Hong, 2006:128).
window yang lebih kecil lebih bagus untuk Sementara itu, rumusan PSNR yang
meningkatkan jumlah karakter dari pesan
digunakan adalah:
rahasia yang dapat disembunyikan dalam citra PSNR= 10 . log10 (L2 / MSE)
sampul. Untuk menentukan ukuran window
Dimana: L = sinyal puncak dari citra
yang cocok untuk digunakan dapat grayscale.
menggunakan rumusan berikut:
3. PERANCANGAN
3.1 Perancangan Use-Case Diagram
Use-case Diagram adalah diagram yang
digunakan untuk menggambarkan fungsi
tertentu dalam suatu sistem berupa komponen,
kejadian, atau kelas. Use-case diagram sistem
pada perangkat lunak yang dirancang dapat
Dimana n merepresentasikan jumlah dilihat pada Gambar 1.
karakter yang digunakan dalam pesan rahasia.
Operasi ┌ ┐menandakan operasi pembuatan
65
Perangkat Lunak Steganografi dengan Algoritma Five x

Modulus
Citra Stego 1 ...
Meng-input file
<< include >>
Menempelkan File
<< include >>

2
User Menyimpan
Embedding Citra Stego << include >>
Meng-input Citra Mengekstrak File

<< include >>
User
File Rahasia 3 Browse file
Extraction Proses Keluar
Melakukan Proses Pengujian
Gambar 6. Rancangan Form ‗Proses

Membandingkan Citra
Ekstraksi File‘
Gambar 3. Use-Case Diagram Perangkat n. Form ‗Pengujian‘
Lunak Pengujian x
Reset Gambar Browse
3.2 Perancangan Interface

Rancangan tampilan dari perangkat lunak
steganografi dengan algoritma Five Modulus
ini dapat dirincikan sebagai berikut:
k. Form ‗Main‘ 1
Perangkat Lunak Steganografi dengan Algoritma Five Modulus x

Proses Pengujian Perbandingan Keluar
Lakukan Proses Ekstraksi Reset Hasil Pengujian Simpan Keluar

Warna Noise
Gambar 7. Rancangan Form ‗Pengujian‘

o. Form ‗Perbandingan Citra‘
Perbandingan X
Citra I Citra II
Citra Asli Citra Stego Citra Stego Rusak Dimensi MSE PSNR
1 2
Gambar 4. Rancangan Form ‗Main‘ Browse Browse

Hasil Perbandingan 3
l. Form ‗Proses Penempelan File‘ Piksel yang sama

Piksel yang tidak sama
0
0
Total Piksel 0
Proses Embedding x
Derajat Kemiripan 0%
Citra Sampul 1 ...

Nilai MSE 0
Nilai PSNR 0
Reset Proses Keluar
Gambar 8. Rancangan Form ‗Perbandingan

2 4 Citra‘
p. Form ‗Hasil Pengujian‘

Hasil Pengujian
Citra Stego Ukuran % Noise

Simpan
File Rahasia 3 Buka File
Proses Keluar
Gambar 5. Rancangan Form ‗Penempelan

File‘ Laporan Keluar
m. Form ‗Proses Ekstraksi File‘ Gambar 9. Rancangan Form ‗Hasil

Pengujian‘
66
4. IMPLEMENTASI proses ekstraksi file rahasia karena bit

4.1 Kebutuhan Perangkat Lunak pesan disisipkan pada blok citra.
Untuk menerapkan hasil dari rancangan sistem Kemungkinan perubahan nilai bit pesan
ini dibutuhkan beberapa perangkat keras untuk yang terekstrak akibat proses penambahan
menyajikan aplikasi ini, adapun alat-alat yang noise sangat kecil, kecuali noise
dibutuhkan adalah satu unit laptop untuk ditambahkan dalam jumlah yang sangat
menerapkan programnya dengan spesifikasi sebesar.
antara lain:
a. Processor: Intel Core i5-5200 CPU @ PUSTAKA
2.20GHz [1] Jassim A.Firas, 2013, A Novel
b. Memori(RAM) : 8 GB DDR4 Steganography Algorithm for Hiding Text
c. Ruang Simpan : 1 TB in Image Using Five Modulus Method.
ISSN 0975-8887 International Journal of
4.2 Daftar Percobaan Computer Applications, Volume 72, No
Adapun percobaan yang dilakukan penulis 17, Juni 2013. Hal 41. Management
dalam perangkat lunak yang dirancang dapat Information Systems Department, Faculty
dilihat dari tabel berikut: of Administrative Sciences, Ibrid National
Tabel 1. Daftar Percobaan University, Ibrid 2600, Jordan.
Pesan Terekstrak [2] Nasution, M. H., 2016, Aplikasi Perbaikan
Citra Dengan Menggunakan Metode
Metode Geometric Mean Filter. ISSN 2502-6968
Citra Ukura Metod
Pictorial Jurnal INFOTEK, Vol 1, No 2, Juni 2016.
Stego n e Five
Block Hal 87. STMIK Budidarma Medan.
Modul
us
Steganograp [3] Nur Nafi‘iyah, 2015, Algoritma Kohonen
hy dalam Mengubah Citra Graylevel Menjadi
12345 Citra Biner. ISSN 0852-730X Jurnal
67 Ilmiah Teknologi dan Informasia ASIA
240 x (JITIKA) Vol 9, No 2, Agustus 2015. Hal
890 1,23E+09
240 49. Universitas Islam Lamongan.
[4] Zunaidi Muhammad, 2013, Steganografi
12345 Menyembunyikan Pesan Atau File Dalam
67 20 Gambar Menggunakan Command/IOS.
200 x ISSN 1978-6603 Jurnal SAINTIKOM,
200 Volume 12, No 1, Januari 2013. Hal 12.
890
890 Universitas STMIK Triguna Dharma.
[5] Liehuang Zhu, Wenzhuo Li, Lejian Liao,
5. KESIMPULAN
Setelah menyelesaikan pembuatan Hong Li, 2006, A Novel Image Scrambling
perangkat lunak ini, penulis dapat menarik Algorithm for Digital Watermarking Based
beberapa kesimpulan sebagai berikut: on Chaotic Sequences. IJCSNS
a. File yang disisipkan ke dalam citra digital International Journal of Computer Science
adalah tipe all file data. Dimana kita bisa and Network Security, Vol 6, No 8B,
menyisipkan semua tipe file data dengan Agustus 2006. Hal 128. School of
ukuran file maksimum 200 KB.
Software, Beijing Institute of Technology,
b. Proses penambahan noise pada citra
steganografi tidak akan berpengaruh pada Beijing China
67
PERANCANGAN ROBOT LENGAN PEMINDAH BARANG

BERDASARKAN JARAK
Despaleri Perangin Angin1, Hendrik Siagian2, M. Adam3, Eka D. Suryanto4,Marlince

Nababan5, Saut R. Simanungkalit6
1
Program Studi Teknik Elektro, Fakultas Teknologi dan Ilmu Komputer,Universitas Prima
Indonesia
Telp. (061) 4578870
1
hendriksgn@gmail.com
ABSTRAKS
Proses pemindahan barang atau objek dalam dunia industri tidak akan efektif apabila
dilakukan secara manual karena akan membutuhkan banyak tenaga manusia. Penelitian ini
dilakukan untuk merancang robot lengan yang dapat memindahkan barang berdasarkan jarak.
Penelitian ini menggunakan modul mikrokontroler Arduino Uno R3 dan sensor Ping HC-
SR04. Aktuator digunakan sebagai sendi pada setiap penghubung dari lengan robot. Robot
lengan ini memiliki lima sendi diantaranya dasar, bahu, siku, pergelangan, dan penjepit. Hasil
pengujian menunjukkan bahwa robot lengan dapat melakukan pergerakan pengambilan dan
pemindahan barang ke titik yang sudah ditentukan. Proses pemindahan barang dilakukan
secara otomatis. Hasil pengukuran jarak ditampilkan pada LCD 16 x 2. Robot lengan ini dapat
menjangkau barang sesuai dengan jarak yang terdeteksi yaitu jarak 10 cm, 15 cm, 20 cm, 25
cm, dan 30 cm.
Kata Kunci : Robot Lengan, Jarak
1. PENDAHULUAN efisien untuk diterapkan karena akan

1.1 Latar Belakang menghambat jalannya kegiatan proses
Dalam dunia industri diperlukan alat untuk produksi sehingga target produksi yaitu
memindahkan barang atau objek dari suatu peningkatan jumlah produksi dengan waktu
lokasi ke lokasi lain dalam rangka yang sedikit tidak dapat tercapai (Asep, 2014).
melanjutkan proses produksi ataupun
pemindahan objek yang sudah selesai 1.2 Rumusan Masalah
diproduksi. Selain itu robot ini dapat Berdasarkan uraian latar belakang masalah
menghasilkan output yang sama ketika diatas, maka rumusan masalah - masalah dari
mengerjakan suatu pekerjaan secara berulang penelitian ini adalah bagaimana merancang
ulang, tidak lelah, dapat diprogram ulang robot lengan pemindah barang berdasarkan
sehingga dapat difungsikan untuk beberapa jarak.
tugas yang berbeda dan juga mengurangi
resiko berbahaya pada manusia. (Ikhsan, 1.3 Batasan Masalah
2015) 1. Penelitian dilakukan dengan membuat
Proses pemindahan barang atau objek yang rancangan prototipe robot lengan
dilakukan sekarang ini bermacam – macam pemindah barang berdasarkan jarak dan
misalnya memindahkan barang atau objek menggunakan sensor ping HC-SR04.
secara manual, membuat ban berjalan, 2. Perancangan prototipe robot lengan
menggunakan forklift, dan lain – lain. Proses pemindah barang berdasarkan jarak
pemindahan dengan hal tersebut belum tentu menggunakan mikrokontroler Arduino
cocok untuk semua objek serta proses Uno R3.
pemindahan barang atau objek dengan hal 3. Jarak antara sensor dan barang yang akan
tersebut harus menggunakan tenaga manusia dipindahkan adalah,10 cm, 15 cm, 20 cm,
yang mempunyai banyak kelemahan yaitu 25 cm, dan 30 cn.
tidak dapat bekerja secara terus – menerus, 4. Barang yang dapat dipindahkan berbentuk
untuk dapat bekerja secara terus menerus tentu tabung, memiliki tinggi 10.3 cm, diameter
harus mengggunakan banyak tenaga manusia, 5.3 cm, dengan berat 50 gram.
akan menggunakan waktu yang tidak sedikit 5. Titik akhir pemindahan barang adalah
dalam setiap proses produksi serta biaya untuk aktuator pada bagian dasar (base) 1600 .
kegiatan proses produksi akan semakin
meningkat. Hal tersebut sangatlah tidak
68
1.4 Tujuan Penelitian
Adapun tujuan penelitian ini adalah : Komponen output merupakan bagian

1. Untuk mengetahui jarak yang terbaca keluaran pada sistem robot lengan pemindah
sensor pada robot barang berdasarkan jarak. Yang menjadi
2. Untuk mengetahui tingkat akurasi komponen output adalah modul display dan
aktuator. Modul display yang digunakan pada
pemindahan barang
perancangan ini adalah LCD 16 x 2. Modul
display digunakan untuk menampilkan hasil
2. Metode Penelitian
pengukuran jarak antara sensor dengan barang
2.1 Perancangan Robot Lengan yang akan dipindahkan. Aktuator akan dapat
Perancangan robot lengan terdiri dari tiga bergerak apabila diberi sumber tegangan 5
komponen antara lain komponen input, volt dan masukan perintah berupa pulsa–pulsa
komponen pengendali (controller), dan digital yang merupakan keluaran dari
komponen output. Robot lengan pemindah mikrokontroler dalam hal ini adalah
barang berdasarkan jarak ini dirancang ArduinoUno R3. Pada sistem robot lengan
dengan tujuan agar barang dapat diambil pemindah barang berdasarkan jarak, aktuator
sesuai dengan jarak barang tersebut dan berperan penting sebagai penggerak dengan
dipindahkan ke tempat yang sudah ditentukan. gerakan rotasi dengan sudut-sudut tertentu
Gambar 1 menunjukkan blok diagram dari alat sesuai dengan besarnya pulsa digital yang
yang akan dirancang. telah diterima (Nugroho : 2015). Putaran dari
aktuator inilah yang dimanfaatkan untuk
Modul
Display sendi- sendi (joint) yang menghubungkan
Sensor Ping Mikrokontroler lengan satu dengan yang lainnya.pengendali
HC-SR04 (Arduino Uno R3) digunakan untuk mengaktifkan lima buah
Aktuator aktuator dimana tiap-tiap aktuator digunakan
untuk menggerakkan putaran sendi (joint) .
Kelima putaran sendi tersebut adalah pada
Input Controller Output bagian dasar/ bawah ( base), bagian bahu
(shoulder), bagian siku (elbow), bagian
Gambar 1. Blok Diagram Perancangan pergelangan (wrist) dan bagian pencengkeram
(gripper).
Robot Lengan
2.2. Perancangan Mekanik Lengan Robot
Sensor Ping HC-SR04 memiliki peranan
yang sangat penting sebagai perangkat keras, Pergerakan robot lengan pemindah barang
berfungsi sebagai pemberi masukan atau input berdasarkan jarak memiliki lima bagian utama
pada sistem tersebut. Bagian input yang akan digerakkan dengan motor servo.
memberikan keluaran kepada perangkat Bagian yang berperan sebagai penggerak atau
pengendali (controller). Output yang sendi oleh gerakan motor servo disebut joint,
dihasilkan oleh sensor ping (HC-SR04) adalah dan lima bagian utama yang akan digerakkan
sinyal analog yang dikirimkan ke perangkat adalah penghubung atau link. Gambar 2
pengendali (controller). Sensor ping (HC- menunjukkan blok diagram perancangan
SR04) merupakan perangkat keras sebagai mekanik lengan robot.
pendeteksi jarak benda yang menjadi acuan
kerja robot lengan pemindah barang Base
berdasarkan jarak untuk memindahkan barang Shoulder

ke tempat yang sudah ditentukan. Sensor Ping
Mikrokontroler
(ArduinoUno Elbow
Komponen pengendali (controller) pada HC-SR04
R3)
sistem perangkat keras adalah mikrokontroler. Wrist
Mikrokontroler yang digunakan adalah Input Controller
Arduino Uno R3 sebagai pengendali Gripper
(controller) yang menerima data dari sensor Output

ping (HC-SR04) dan mengolah perintah untuk Gambar 2. Perancangan Mekanik Lengan
data yang diterima dari sensor ping. Data dan Robot
perintah yang diterima oleh mikrokontroler Gambar 3 memperlihatkan desain
(Arduino Uno R3) akan diolah menjadi data perancangan mekanik lengan robot pemindah
berupa ukuran jarak yang nantinya akan barang berdasarkan jarak dengan lima bagian
dijadikan sebagai acuan untuk mengendalikan utama yang berperan sebagai penghubung atau
komponen output (Fraden : 2010). link,diantaranya :
1. Bagian dasar/bawah (base)
69
2. Bagian bahu(shoulder) Perancangan dearah kerja robot lengan

3. Bagian siku (elbow) pemindah barang berdasarkan jarak
4. Bagian pergelangan (wrist) ditunjukkan pada Gambar 5 dibawah ini.
5. Bagian pencengkeram (gripper)
4
3 5 3
4
2 2
1
1
Gambar 5. Perancangan Daerah Kerja
Gambar 3. Desain Lengan Robot Robot Lengan
Keterangan :
Tabel 1. Panjang Setiap Penghubung 1. Sensor Ping HC-SR04
No Penghubung Panjang 2. Barang yang akan dipindahkan
penghubung 3. Robot Lengan
1 Base 10 cm 4. Tempat barang
2 Shoulder 12 cm
3 Elbow 15 cm Jangkauan maksimal robot lengan adalah
4 Wrist 5 cm 30 cm sedangkan untuk jangkauan minimal
5 Gripper 12 cm nya adalah 10 cm. Jangkauan ini dimulai dari
pangkal robot lengan yang berada pada bagian
2.3. Perancangan Posisi Sensor Ping HC- shoulder hingga pertengahan pada bagian
SR04 gripper. Sensor ping HC-SR04 akan
mendeteksi jarak benda kemudian robot
Sensor ping HC-SR04 digunakan untuk lengan sesuai dengan perintah- perintah yang
mendeteksi jarak benda. Sensor akan sudah diberikan melalui mikrokontroler
mendeteksi jarak benda dan mengirimkannya Arduino Uno R3 akan mengarah kepada benda
ke modul mikrokontroler Arduino Uno R3. yang terdeteksi oleh sensor ping HC-SR04
Karena itu sangat penting untuk Selanjutnya robot lengan akan melakukan
memperhatikan penempatan posisi sensor gerakan rotasi ke bagian akhir yaitu tempat
ping HC-SR04 tidak terhalang oleh benda lain dimana benda akan di pindahkan. Proses akan
selain benda yang akan dideteksi sehingga berlangsung apabila sensor ping HC-SR04
tidak mempengaruhi sistem kerja dari robot mendeteksi adanya suatu benda. (Elec Freaks :
lengan pemindah barang berdasarkan jarak. 2017)
Gambar 4 menunjukkan perancangan posisi
sensor ping HC-SR04. 3. HASIL DAN MBAHASAN
3.1. Pengujian Sensor Ping HC-SR04
Pengujian ini dilakukan untuk mengetahui
3
apakah sensor ping HC-SR04 dapat
memberikan pengukuran jarak yang sesuai.
Pengujian dilakukan lima kali dengan
melakukan pengukuran jarak menggunakan
sensor pada setiap jarak yang sama yang telah
2
diukur menggunakan penggaris. Gambar 6
1 menunjukkan pengukuran dengan sensor jarak
dan penggaris.
Gambar 4 Perancangan Posisi Sensor Ping
HC-SR04
Keterangan :
1. Sensor Ping HC-SR04
2. Barang yang dideteksi
3. Tempat barang
2.4. Perancangan Daerah Kerja Robot

Lengan
70
telah dijepit oleh gripper. Gambar 7

memperlihatkan robot lengan mengangkat
barang.
Gambar 6. Pengujian Pengukuran jarak

Menggunakan Sensor Ping HC-SR04
Dengan Penggaris
Data hasil pengujian pengukuran jarak sensor
ping HC-SR04 dengan penggaris disajikan
pada Tabel 2 dibawah ini. Gambar 7. Robot Lengan Mengangkat
Barang
Tabel 2. Tabel pengujian sensor ping hc-
sr04 3.2.2. Pengujian Memindahkan Barang
Menuju Titik Akhir Pemindahan
Penggaris Sensor Ping HC-SR04 Pengujian dilakukan untuk mengetahui apakah
robot
% lengan dapat memindahkan barang yang
No Uji1 Uji Uji Uji Uji5 𝑥 telah terangkat menuju titik akhir pemindahan
(cm) Error
2 3 4 barang. Gambar 8 memperlihatkan robot
1 10 11 10 10 11 11 11 lengan
6% bergerak menuju ketempat pemindahan
barang .
2 15 16 14 15 15 16 15 1,30%
3 20 20 21 20 21 20 20 2%
4 25 26 24 26 25 25 25 0,80%
5 30 32 31 30 30 30 31 2%
3.2. Pengujian Alat Secara keseluruhan

apakah robot lengan dapat bekerja sesuai
dengan yang diharapkan. Pengujian dilakukan
dengan meletakkan sebuah barang yang
dihadapkan pada sensor ping HC-SR04 agar
sensor dapat mendeteksi jarak barang tersebut.
Gambar 8 Robot Lengan Menuju
Pada Bab III perancangan program pergerakan
Tempat Pemindahan Barang
robot lengan, robot lengan akan bergerak
apabila sensor ping HC-SR04 mendeteksi
jarak barang antara 10 sampai 30 cm.
Penamaan lokasi letak barang adalah sesuai Tabel 3 Pengujian Secara Keseluruhan
dengan jarak benda terhadap sensor. Lokasi 1 Percobaan Letak Lokasi
untuk jarak 10 cm, Lokasi 2 untuk 15 cm, barang Pemindahan
Lokasi 3 untuk 20 cm, Lokasi 4 untuk 25 cm, 1 Lokasi 1 Titik Akhir
dan Lokasi 5 untuk 30 cm. Selanjutnya 2 Lokasi 2 Titik Akhir
dilakukan pengamatan apakah robot dapat 3 Lokasi 3 Titik Akhir
bergerak ketika ada benda yang terdeteksi dan 4 Lokasi 4 Titik Akhir
melakukan proses pengambilan dan 5 Lokasi 5 Titik Akhir
pemindahan barang.
3.2.1. Pengujian Mengangkat Barang

Pengujian dilakukan untuk mengetahui apakah
robot lengan dapat mengangkat barang yang
71
4. KESIMPULAN [5] Felix, Gerald., dkk. ―Enhanced

Setelah melakukan penelitian, maka dapat BankVault (Strong Room) Security
ditarik beberapa kesimpulan sebagai berikut. System Design‖. 2015.
2. Alat yang dirancang dapat melakukan [6] Fraden, Jacob. Handbook of Modern
pergerakan pengambilan barang dan Sensors. Springer : New York. 2010.
memindahkannya ke titik yang sudah [7] Mulyana, Eka., dkk. ―Perancangan Alat
ditentukan. Peringatan Dini Bahaya Banjir dengan
3. Pemindahan barang oleh robot lengan Mikrokontroler Arduino Uno R3‖. 2014.
dilakukan secara otomatis apabila ada [8] Nugroho, Agustinus Welly Adi. ―Lengan
benda yang dideteksi oleh sensor ping Robot Penggambar Bidang Dua Dimensi
HC-SR04. Berbasis Mikrokontroler Dengan PC‖.
4. Hasil pengukuran jarak ditampilkan pada 2015.
LCD 16 x 2 dan pada serial monitor [9] Pratama, Hadijaya., dkk.‖Akuisi Data
komputer. Kinerja Sensor Ultrasonik Berbasis
5. Robot lengan dapat mengambil barang Sistem Komunikasi Serial Menggunakan
sesuai dengan jarak yang terdeteksi Mikrokontroler ATMega 32‖. 2012.
yaitu jarak 10 cm, 15 cm, 20 cm, 25 cm, [10] Schmidt, Maik. Arduino A Quick Start
dan 30 cm. Guide. The Pragmatic Bookshelf : Texas.
2011.
[11] Smith, Alan G. Introduction to Arduino.
DAFTAR PUSTAKA Arduino Cake. 2011.
[1] Banzi, Massimo. Getting Started With [12] Syam, Rafiuddin. Seri Buku Ajar Dasar
Arduino. Highway North : Books. 2008. Dasar Teknik Sensor. Makassar :
[2] Budiyanto, Setiyo. ―Sistem Logger Suhu Fakultas Teknik Universitas Hasanuddin.
dengan Menggunakan Komunikasi 2013.
Gelombang Radio‖. 2012. [13] Toto, Muhammad Gibran.,dkk.‖
[3] David Waren, John. Arduino Robotics. Memperluas Jangkauan AR Drone 2.0
Apress : New York. 2011. Menggunakan Wifi Extender”. 2015.
[4] Elec Freaks. Ultrasonic Ranging Module [14] Tower Pro. MG995 High Speed.
HC-SR04. [Online]: [Online]: www.towerpro.com: [12 Juli
www.Elecfreaks.com: [14 Juli 2017]. 2017].
[15] Tower Pro. MG90S Metal Gear Servo.
[Online]: www.towerpro.com: [12 Juli
2017].
72
ANALISIS WAKTU PROSES LOADING DAN UNLOADING DENGAN

PENDEKATAN LEAN SUPPLY CHAIN
Aldo Wicaksono1, Dira Ernawati2,
1.2
Program Studi Teknik Industri, Fakultas Teknik,
Universitas Pembangunan Nasional “Veteran” Jawa Timur
Jl. Raya Rungkut Madya Gunung Anyar Surabaya Jawa Timur 60294
E-mail : diraernawati@yahoo.com
ABSTRAKS
Salah satu tujuan dari perusahaan adalah meminimalkan biaya produksi dan memaksinalkan
laba yang diperoleh guna menjamin kelangsungan hidup perusahaan. Termasuk juga PT. XYZ
yang merupakan perusahaan penghasil sosis yang selama ini menggunakan jasa ekspedisi
untuk mendistribusikan produknya hingga ke tangan konsumen. Pada proses loading dan
unloading terdapat permasalahan yaitu sering terjadinya pemborosan waktu. Permasalahan
tersebut mengganggu dan menghambat proses pendistribusian produk. Penelitian ini
menggunakan pendekatan Lean Supply Chain yaitu menggunakan Value Stream Analysis
Tools (VALSAT) dan plan do check action (PDCA) untuk mengetahui jenis pemborosan yang
ada dan rekomendasi perbaikannya. Rekomendasi perbaikan yang dilakukan adalah dengan
menambah jam kerja, penyuluhan / perbaikan SDM yang ada dan menambah fasilitas
perusahaan pada loading unloading. Setelah usulan perbaikan maka didapatkan PCE awal
sebesar 0,56, VA awal 239 menit, NVA awal 766 menit dan NNVA awal 374 menit. Setelah
perbaikan didapatkan PCE 1,58, VA 239 menit, NVA 173 menit dan pada NNVA 269 menit.
Kata Kunci: waste, lean supply chain, process cycle efficiency
1. PENDAHULUAN mengetahui jenis pemborosan yang ada dan

Memasuki era globalisasi, sektor industri rekomendasi perbaikannya. Pengolahan data
memegang peran penting dalam menciptakan pada penelitian ini menggunakan pendekatan
sebuah produk ataupun jasa dalam persaingan Plan, Do, Check, Action, akan tetapi
pasar bebas. Perusahaan sering dihadapkan penelitian ini hanya sampai pada tahap Check.
pada masalah-masalah yang komplek dalam Pada tahap Check ini membandingkan kinerja
mengambil suatu keputusan untuk mencapai perusahaan dengan menggunakan efisiensi
suatu tujuan, yaitu memenuhi kebutuhan dan siklus proses ( proses cycle efficiency ), VA,
keinginan konsumen. Salah satu tujuan lain NVA, NNVA dan waktu siklus pada existing
dari perusahaan adalah meminimalkan biaya dan usulan. Lean supply chain management
produksi dan memaksimalkan laba yang adalah bukan sekedar memperbaiki apa yang
diperoleh guna menjamin kelangsungan hidup salah yang selama ini memang dikerjakan
perusahaan. Untuk menciptakan sebuah secara tidak benar ,tetapi berkaitan dengan
produk ataupun jasa yang berkualitas tinggi desain dan implementasi prinsip-prinsip lean
dan dapat memuaskan pelanggannya ke dalam total supply chain process, dengan
dibutuhkan sumber daya manusia yang tujuan utama adalah mnghilangkan
kompeten dan berkualitas. pemborosan (waste) dan aktivitas-aktivitas
PT. XYZ sering mengalami kendala pada tidak bernilai tambah (Donovan, 2005).
saat proses loading dan unloading. Peningkatan kinerja dari lean supply chain
Permasalahan tersebut mengganggu dan management harus mengacu kepada reduksi
menghambat proses pendistribusian produk. total cycle time, inventory, dan ongkos-ongkos
Tidak hanya menghambat proses sepanjang total supply chain process. Hal ini
pendistribusian, permasalahan tersebut membutuhkan usaha peningkatan terus-
menyebabkan pemborosan waktu dan menerus yang didukung oleh manajemen dan
kerugian. Dari kendala tersebut PT. XYZ juga karyawan melalui penciptaan learning
mendapat complain dari customernya karena organization dan perubahan kultur yang
keterlambatan pengiriman. mendukung pencapaian dari lean supply chain
Dengan adanya masalah di PT. XYZ maka itu.
dilakukan penelitian dengan pendekatan Lean Waste atau pemborosan adalah suatu
Supply Chain menggunakan Value Stream aktivitas yang tidak member nilai. Lean
Analysis Tools (VALSAT) sehingga berfokus pada peniadaan atau pengurangan
73
pemborosan, dan juga peningkatan atau menggunakan matrik. Pada proses ini
pemanfaatan secara total aktivitas yang akan dilakukan proses pemetaan dari future state
meningkatkan nilai ditinjau dari sudut yang diusulkan. Alasan yang mendasari
pandang konsumen. Nilai sama artinya dengan pengumpulan dan penggunaan serangkaian
segala sesuatu yang ingin dibayar oleh tool ini adalah untuk membantu para peneliti
konsumen untuk suatu produk. Dalam atau para praktisi dalam mengidentifikasikan
kegiatan proses produksi menurut Monden pemborosan pada individual value stream dan
(Hines&Rich,2005), terdapat tiga tipe operasi mendapatkan jalan yang tepat untuk
atau aktivitas yaitu: menghilangkannya. (Hines&Rich,2005)
1. Non-Value Adding (NVA) merupakan PDCA singkatan bahasa Inggris dari
aktivitas yang tidak menambah nilai dari "Plan, Do, Check, Act" (Rencanakan,
sudut pandang customer. Aktivitas ini Kerjakan, Cek, Tindak lanjuti), adalah suatu
merupakan waste dan harus dikurangi proses pemecahan masalah empat langkah
atau dihilangkan. Contoh dari aktivitas ini iteratif yang umum digunakan dalam
adalah waiting time, menumpuk work in pengendalian kualitas. PDCA dikenal sebagai
process, dan double handling. ―siklus shewhart‖, karena pertama kali
2. Necessary but Non-Value Adding dikemukakan oleh Walter Shewhart beberapa
(NNVA) adalah aktivitas yang tidak puluh tahun yang lalu. Namun dalam
menambah nilai akan tetapi penting bagi perkembangannya, metodologi analisis PDCA
proses yang ada. Contohnya adalah lebih sering disebut ―Siklus Deming‖. Hal ini
aktivitas berjalan untuk mengambil parts, karena Deming adalah orang yang
unpacking deliveries, dan memindahkan mempopulerkan penggunaannya dan
tool dari satu tangan ke tangan yang lain. memperluas penerapannya. Namun, Deming
Untuk mengurangi atau menghilangkan sendiri selalu merujuk metode ini sebagai
aktivitas ini adalah dengan membuat Siklus Shewhart, dari nama Walter A.
perubahan pada prosedur operasi menjadi Shewhart, yang sering dianggap sebagai bapak
lebih sederhana dan mudah, seperti pengendalian kualitas statistis. Belakangan
membuat layout baru, koordinasi dengan Deming memodifikasi PDCA menjadi PDSA
supplier dan membuat standar aktivitas. (Plan, Do, Study, Act) untuk lebih
3. Value Adding (VA) merupakan aktivitas menggambarkan rekomendasinya. Dengan
yang mampu memberikan nilai tambah di nama apa pun itu disebut, PDCA adalah alat
mata customer pada suatu material atau yang bermanfaat untuk melakukan perbaikan
produk yang diproses. Aktivitas untuk secara terus menerus tanpa berhenti. PDCA
memproses raw material atau semi- merupakan rangkaian kegiatan yang terdiri
finished product melalui penggunaan dari penyusunan rencana kerja, pelaksanaan
manual labor. Contohnya adalah proses rencana kerja, pemeriksaan pelaksanaan
sub-assembly, forging raw material, dan rencana kerja, serta perbaikan yang dilakukan
painting body work.(Hines&Rich,2005) secara terus menerus dan berkesinambungan
untuk lebih meningkatkan mutu pelayanan
Value Stream Mapping Tools (VALSAT) kebidanan yang diselenggarakan. Perusahaan
adalah alat yamg berfungsi untuk memilih alat memerlukan cara menilai sistem manajemen
dari pemetaan aliran proses yang nantinya secara keseluruhan, dalam arti bagaimana
akan digunakan sebagai pedoman dalam sistem tersebut mempengaruhi setiap proses
mengidentifikasi pemborosan (waste). Value dan setiap karyawan serta diperluas pada
stream analysis tools merupakan tools yang setiap produk dan pelayanan. Pengendalian
tepat untuk memetakan secara detail waste proses pelayanan adalah sebuah pertanda
pada aliran nilai yang fokus pada value adding untuk perbaikan kualitas pelayanan, tetapi hal
process dan non-value adding process. itu tergantung pada kesehatan dan vitalitas
VALSAT merupakan tool yang dari organisasi, kepemimpinan dan komitmen.
dikembangkan oleh Hines dan Rich (2005) (Hendra Poerwanto G, 2016)
untuk mempermudah pemahaman terhadap
value stream yang ada dan mempermudah 2. METODE PENELITIAN
untuk membuat perbaikan berkenaan dengan Pengolahan data ini menggunakan
waste yang terdapat dalam value stream. metoda lean supply chain. Untuk pengolahan
VALSAT merupakan pembobotan waste- data tersebut dengan cara menggunakan value
waste, kemudian dari pembobotan tersebut stream analysis tools (VALSAT) dan plan do
dilakukan pemilihan terhadap tool dengan check action (PDCA) sehingga mengetahui
74
waste jenis pemborosan yang ada dan Tabel 3.1 VALSAT

rekomendasi perbaikannya. Agar dapat
meningkatkan nilai tambah ( value added )
produk ( barang / jasa ), menghilangkan
pemborosan (waste) dan memperpendek lead
time, sehingga berdampak pada peningkatan
produktivitas perusahaan manufaktur/jasa
maka dirancanglah lean supply chain pada
perusahaan. Langkah-langkah lean supply
chain yaitu :
1. Menggunakan value stream analysis
tools (VALSAT) untuk mengetahui jenis Keterangan :
pemborosan yang ada dan rekomendasi H (high correlationand usefulness) : faktor
perbaiakan. pengali = 9
2. Penggambaran supply chain system M (medium correlationand usefulness) :
3. Penyebaran kuisioner untuk menentukan faktor pengali = 3
jenis tools yang digunakan L (low correlationand usefulness) : faktor
4. Identifikasi kegiatan pengali = 1
5. Pembuatan current state mapping (CSM) Setelah itu melakukan proses penyebaran
untuk melihat aliran material dan kuisioner kepada orang-orang yang
informasi dari data aktivitas yang mengetahui dengan pasti waste yang paling
dilakukan oleh perusahaan. berpengaruh dan waste yang sering muncul.
Maka dapat dilihat hasil pembobotan yang
3. HASIL DAN PEMBAHASAN ditampilkan pada tabel dibawah ini.
3.1 Penggambaran Aliran Supply Chain
Pada penggambaran aliran supply chain Tabel 3.2 Perhitungan VALSAT
dimulai dari proses negosiasi antara PT. XYZ
dengan perusahaan jasa yang akan
mendistribusikan produk atau barang tersebut
hingga ke tangan konsumen. Berikut adalah
gambaran dari aliran supply chain pada PT.
XYZ :
PT.XYZZ CV. LTT

Z
AGEN A AGEN B AGEN C

Berdasarkan bobot VALSAT yang didapatkan
bahwa tools valsat dengan bobot tertinggi
yaitu pada process activity mapping dengan
Gambar 3.1 Proses aliran supply chain
total 118,125.
3.2 Value Steam Analysis Tools (VALSAT)
Pada valsat ini terdapat 7 tools yang 3.3 Identifikasi VA, NVA dan NNVA
Pada tahap identifikasi dilakukan
dapat digunakan yaitu process activity
wawancara terhadap pihak yang terkait
mapping, supply chain response matrix,
terutama pada bagian pendistribusian dan
production variety funnel, quality filter
bagian gudang pada saat proses loading
mapping, demand amplification mapping.
unloading dan kegiatan value added (VA),
Berikut ini merupakan tabel pemilihan
necessary but non value added (NNVA) dan
VALSAT.
non value added (NVA) pada produk sosis
yang ada pada aliran proses bongkar muat
hingga sampai ke agen perusahaan. Dan
didapat VA sebesar 239 menit, NNVA sebesar
374 menit dan NVA sebesar 766 menit.
75
3.4 Proces Activity Mapping Current State

Proces activity mapping curren state akan Rekomendasi perbaikan pada produk sosis
memberikan gambaran aliran fisik dan yang bertujuan untuk mengurangi pemborosan
informasi, waktu yang diperlukan, jarak di perusahaan PT. XYZ yaitu dengan cara
tempuh dalam setiap aktifitas. Berdasarkan penyuluhan kembali pada SDM yang ada,
process activity mapping yang ada terdapat 45 penambahan fasilitas loading unloading dan
aktivitas yang terdiri dari 6 aktivitas operasi, 6 penambahan waktu jam kerja karyawan.
aktivitas transportasi, 7 aktivitas inspeksi, 1 Penyuluhan kepada setiap karyawan dilakukan
aktivitas storage, dan 25 aktivitas delay. secara kontinyu setiap dua bulan sekali
ataupun setiap satu bulan. Hal tersebut
3.5 Pembentukan Current State Map dilakukan agar karyawan mengerti cara kerja
Berdasarkan pengumpulan data aliran fisik yang efektif dan efisien.
dan aliran informasi maka selanjutnya dapat
dibuat big picture mapping (BPM) untuk 3.8 Proces Activity Mapping Future State
melihat gambaran awal dari proses supply ke Proces activity mapping future state
tangan konsumen sebagai berikut : akan memberikan gambaran aliran fisik dan
informasi, waktu yang diperlukan, jarak
customer PT.XYZ tempuh dalam setiap aktifitas setelah
perbaikan. Berdasarkan process activity
mapping yang ada terdapat 31 aktivitas yang
Order
terdiri dari 6 aktivitas operasi, 4 aktivitas
transportasi, 4 aktivitas inspeksi, 1 aktivitas
storage, dan 16 aktivitas delay.
Gudang Gudang
3.9 Pembentukan Future State Map
Agen II Agen III
Ekspedisi
PT.XYZ Agen I Ekspedisi Berdasarkan pengumpulan data aliran
fisik dan aliran informasi diatas, maka
selanjutnya dapat dibuat big picture mapping
(BPM) yang sudah melalui proses perbaikan.
Pengiriman Pemuatan Pengiriman Unloading Pengiriman Unloading Pengiriman Penyimpa Pengiriman Unloading
Unloading
nan Berikut adalah gambaran dari future state
Loading Pengiriman Unloading Pengiriman Pengiriman Pengiriman
Armada Truck Barang Barang / Produk barang Barang / Produk
barang
Barang / Produk Barang / Produk
Unloading
barang map.
customer PT.XYZ
35 31 21 4 39 4 23 30 675 4 Total lead time 885
15
menit
23 78 82 38 61 68 64 44 40 Vallue adding time

498 menit
Order
Gambar 3.2 Big Picture Mapping
3.6 Perhitungan Proces Cycle Efficiency Ekspedisi

Gudang
PT.XYZ Agen A Agen B Agen C
Dalam melakukan perhitungan nilai

process cycle efficiency, yang harus dilakukan
terlebih dahulu adalah pemisahan antara Pengiriman Pemuatan Pengiriman Unloading Pengiriman Unloading Pengiriman Unloading
kegiatan atau proses kerja yang bernilai Armada Truck

Loading
Barang
Pengiriman
Barang / Produk
Unloading
barang
Pengiriman
Barang / Produk
Unloading
barang
Pengiriman
Barang / Produk
Unloading
barang
tambah berdasarkan sudut pandang konsumen

Total lead time 264
dengan kegiatan dan proses kerja yang 20
23
4
78
21
82
4
38
33
61
4
68
166
28
4
40
8
menit
Vallue adding time

418 menit
bernilai tambah secara bisnis atau tidak

bernilai tambah sama sekali. Berdasarkan data
diatas perhitunga PCE adalah sebagai berikut : Gambar 3.3 Future State Map
3.10 Check
Pada proses ini adalah mengukur
nilai kinerja perusahaan dengan indikator nilai
- Proses Cycle Efficiency Inspection : efisiensi siklus proses (process cycle
498 efficiency, NA, NVA, NNVA dan waktu
 0,56 siklus). Berikut adalah perhitungan process
885 cycle efficiency setelah perbaikan.
3.7 Usulan Perbaikan
76
Proses Cycle Efficiency Inspection :

418 PUSTAKA
 1,58 [1] Bowersox, Donald J, Alih Bahasa A.
264 Hasymi Ali; Manajemen Logistik Jilid
Berdasakan hasil pengolahan diatas 1
maka didapat perbandingan awal dengan Cetakan keempat, Bumi Aksara,
usulan perbaikan yang dapat dilihat pada tabel Jakarta, 2002.
dibawah ini. [2] Donovan,M. 2005. ―LeanSupply Chain
Management‖dalam
Tabel 3.3 Perbandingan kondisi awal dan www.rmdonovan.com diakses pada 15
setelah perbaikan Januari 2016.
[3] Hendra Poerwanto. Pengertian dan
Indikator Kondisi Usulan Manfaat Plan-Do-Chek-Act (PDCA).
Awal Pebaikan https://sites/google.com/site/kelolakuali
PCE 0,56 1,58 tas/plan-do-check-act-Pengertian-
VA 239 menit 239 menit Konsep-dan-Manfaat-Plan-Do-Check-
NVA 766 menit 173 menit Act-PDCA. (diakses tanggal 15 Januari
NNVA 374 menit 269 menit 2016)
Waktu Siklus 885 menit 264 menit [4] Hines, Peter and Rich, Nick 2005. The
Seven Value Stream Mapping Tools.
International Journal of Operation &
4. KESIMPULAN Production Management, Vol. 17,
Pada penelitian yang dilakukan didapatkan No.1, pp. 46-04. Cardiff, UK: Lean
proses cycle efficiency awal yaitu sebesar Enterprise Research Centre, Cardiff
0,56, Value Adding kondisi awal menunjukan Business School.
waktu sebesar 239 menit, Non Value Adding [5] Pujawan, I Nyoman dan ER,
kondisi awal menunjukan lamanya proses Mahendrawati. 2010. Supply Chain
sebesar 766 menit, Necessary But Non Value Management. Penerbit Gunawidya :
Adding pada kondisi awal menujukan lamanya Surabaya
proses selama 374 menit. Setelah melakukan [6] Singgih, Moses L. & James, Ucok MP
proses usulan perbaikan dengan menggunakan Marpaung, 2008, ‖Pengurangan Waste
pendekatan lean supply chain didapatkan Di Lantai Produksi Dengan Penerapan
perubahan, yaitu pada proses cycle efficiency
Lean Manufacturing Guna
mengalami kenaikan jumlah efficiency sebesar
1,58, pada Value Adding tidak mengalami Meningkatakan Produktivitas Kerja
perubahan yaitu sama pada kondisi awal yaitu Perusahaan Studi Kasus : PT.Barata
239 menit. Sedangkan pada Non Value Adding Indonesia (Persero)‖, Jurnal Lean
mengalami perubahan yaitu 173 menit dan Manufacturing.
pada Necessary But Non Value Adding sebesar
269 menit
77
ANALISA PERBANDINGAN PERFORMA ANTARA ROUTING

PROTOKOL LINK STATE DAN DISTANCE VECTOR
1
Dodi Suprayogi1, Kusuma Ade2
Program Studi Ilmu Komputer, Fakultas Teknologi Informasi,STMIK Nusa Mandiri
Jl. Kramat Raya No.18 RT 01 / RW 07 Senen
Telp. (021) 319 08575
Program Studi Ilmu Komputer, Fakultas Teknologi Informasi,STMIK Nusa Mandiri
Jl. Kramat Raya No.18 RT 01 / RW 07 Senen
Telp. (021) 319 08575
E-mail: dodievangelion@gmail.com, dodievangelion2@gmail.com
ABSTRAKS
Paper ini menjelaskan tentang perbandingan routing protocol distance vector dan link state yang
biasa digunakan oleh suatu perusahaan maupun penyedia layanan internet, distance vector dan
link state menggunakan algoritma yang berbeda. Paper ini akan membandingkan kinerja /
performa secara keseluruhan antara distance vector dan link state dengan menggunakan ipv4 dan
ipv6 sebagai parameter.
Kata Kunci: distance vector, link state, routing protocol, analisa
1. PENDAHULUAN untuk mengamankan perangkatnya,

1.1 Latar belakang membutuhkan tambahan CPU, RAM dan link
Pada saat kita ingin mengirimkan paket dari bandwith dalam bekerja
sumber ke tujuan dan berada pada jaringan yang
berbeda maka kita membutuhkan perangkat 1.2 Tinjauan Pustaka
layer 3 yaitu Router atau Multilayer Switch Menurut Mulyanta (2005, p. 5), ―Apabila dua
untuk proses ini. Routing Protokol adalah cara buah sistem saling berkomunikasi, hal yang
bagaimana perangkat layer 3 akan memilih jalur pertama dibutuhkan dalah kesamaan bahasa
dari sumber ke tujuan dalam mengirim paket yang digunakan, sehingga dapat memahami alur
berdasarkan algoritma yang digunakan, dan proses komunikasi‖. Untuk itu, dibutuhkan
membentuk Routing Table, sehingga paket bisa sebuah mekanisme pengaturan bahasa yang
sampai pada tujuan. Ada dua jenis Routing dapat dipahami oleh dua buah sistem tersebut
Protokol yaitu, Static Routing dan Dynamic sehingga pertukaran informasi antarsistem akan
Routing, kedua Routing Protokol tersebut terjadi dengan benar.
mempunyai kelebihan dan kekurangan masing-
masing. 1.3 Metodologi Penelitian
Static Routing, pada static routing terdapat Beberapa literature yang digunakan penulis:
kelebihan antara lain : Mudah dalam
pembuatan, sangat aman karena tidak ada update a. Pembuatan desain jaringan menggunakan
routing yang saling dikirimkan oleh perangkat software GNS3 sebagai simulasi dan
layer 3, rute tujuan selalu sama, tidak ada menggunakan perangkat keras Cisco
Routing Algoritma atau mekanisme update yang b. Implementasi Simple Network Management
dibutuhkan karena akan membutuhkan sumber Protocol (SNMP) untuk monitoring jaringan
tambahan seperti CPU atau RAM c. Untuk grafik menggunakan software Paessler
Kekurangan Static Routing antara lain, tidak Router Traffic Graph (PRTG)
cocok untuk digunakan jaringan skala besar, d. Traffic Analys menggunakan software
konfigurasi akan sangat sulit seiring tumbuhnya Wireshark untuk merekam paket dan melihat
jaringan tersebut, konfigurasi manual dibutuhkan keamanan data tersebut.
jika ada perubahan rute.
Dynamic Routing, pada dynamic routing 2. PEMBAHASAN
terdapat kelebihan antara lain, sangat cocok Ada dua jenis dynamic routing protocol
digunakan jika topologi menggunakan banyak berdasarkan IP Network.
perangkat layer 3, bisa digunakan pada jaringan
skala kecil atau luas, secara otomatis beradaptasi
2.1 Interior Gateway Protocol
jika terjadi perubahan pada topologi
Kekurangan Dynamic Routing, dapat sangat Autonomous system (AS) dikenal juga sebagai
sulit dalam implementasinya, kurang aman AS Routing. Perusahaan Internet Service
karena membutuhkan tambahan konfigurasi Provider (ISP) menggunakan IGP untuk jaringan
78
internal perusahaan tersebut. Ada beberapa
varian dari dynamic routing IGP seperti: Routing broadcast 255.255.255.255 walaupun tidak ada
Information Protocol (RIP), Enhanced Interior perubahan topologi, update yang dilakukan
Gateway Routing Protocol (EIGRP), Open secara periodic tersebut menggunakan bandwith
Shortest Path First (OSPF) dan Intermediate dan CPU resource yang ada pada router,
System to Intermadiate System (IS-IS) maximum HOP pada RIP adalah 15 router, RIP
menggunakan algoritma Bellman-Ford sebagai
2.2 Exterior Gateway Protocol routing algoritma.
EGP biasa digunakan untuk menghubungkan
routing AS dengan AS lainnya, yang sering 2.4 Link State
dikenal dengan Inter AS routing, perusahaan ISP Link state protocol dikenal juga sebagai shortest
dan perusahaan besar lainnya biasanya path first atau distributed database protocol,
dihubungkan menggunakan EGP,yaitu protocol dibuat dengan menggunakan algoritma
Border Gateway Protocol (BGP). Routing Djikstra‘s proses routing link state, setiap router
protocol ini yang dapat membuat internet mempelajari tentang alamat yang terhubung
bekerja.
langsung dengan dirinya, setiap router
bertanggung jawab untuk mengirimkan update
―Saying Hello‖ kepada tetangganya yang
terhubung langsung dengan jaringannya, setiap
router membuat link state packet (LSP) yang
berisikan informasi alamat directly connected,
setiap router mengirimkan dan membanjiri
jaringan dengan LSP kepada setiap tetangganya
ketika LSP diterima oleh router lain maka LSP
akan disimpan dalam database router tersebut,
setiap router menggunakan database untuk
membangun sebuah jaringan yang lengkap
sesuai dengan topologi dan menentukan best
path dalam mennggapai alamat tujuan.
Gambar 1. Perbandingan IGP dan EGP
2.3 Distance Vector Routing Protocol

Routing protocol ini bekerja berdasarkan
distance dan direction, penggunaan distance
vector routing protocol terbatas dengan
banyaknya router yang digunakan atau disebut
(HOP). Routing yang bergabung dengan distance
vector adalah RIP.
RIP adalah routing protocol tradisional ,
menggunakan protocol UDP dan port 520
sebagai jalur yang digunakan untuk
mengirimkan update router dari sumber ke
tujuan, update yang dikirimkan berisi informasi
yang dibutuhkan oleh router agar bisa
berkomunikasi dengan router
lainnya, RIP mempunyai 3 versi yaitu : RIPv1

adalah generasi pertama dari routing RIP dapat Gambar 2. Hirarki dynamic routing
digunakan jika network address menggunakan protokol
IP Address kelas A, B, dan C, tidak mendukung
variable length subnet mask (VLSM) dan Ada dua jenis routing protocol yang termasuk ke
Classless interdomain routing (CIDR). RIPv2 dalam link state yaitu, OSPF dan IS-IS,
adalah pengembangan versi dari RIPv1 dengan
fitur yang melengkapi kekurangan RIPv1. RIPv2 2.4.1 IS-IS ( Intermediate System to
menggunakan alamat multicast 224.0.0.9 dalam Intemediate System )
mengirimkan update kepada router yang menjadi Protokol e IS-IS (Intermediate System -
tetangganya. RIPng adalah pengembangan Intermediate System) adalah salah satu protokol
ketiga dari versi RIP support IPv6 dan IP Routing, dan merupakan Protokol Gateway
menggunakan alamat multicast FF02::9 dan Interior (IGP) untuk Internet, yang digunakan
mempertahankan fitur yang ada di RIPv2. RIP untuk mendistribusikan informasi routing IP di
mengirimkan update secara periodic ke alamat
79
seluruh Sistem Otonomi tunggal (AS) tunggal

sebuah jaringan IP.
IS-IS adalah protokol routing link-state, yang Gambar 3. Topologi Dynamic Routing
berarti bahwa router menukar informasi topologi Protocol
dengan tetangga terdekat mereka. Informasi
topologi dibanjiri di seluruh AS, sehingga setiap Routing protocol yang digunakan pertama
router di AS memiliki gambaran lengkap tentang adalah RIPv2, rip routing protol tradisional yang
topologi AS. Gambar ini kemudian digunakan ada di dunia industry sekarang. Penulis
untuk menghitung jalur end-to-end melalui AS, menghubungkan software PRTG sebagai alat
biasanya menggunakan varian dari algoritma monitoring jaringan dengan GNS3 dan hasilnya
Dijkstra. Oleh karena itu, dalam protokol routing berupa grafik, seri router cisco yang digunakan
link-state, alamat hop berikutnya yang adalah seri 3725 dengan IOS 12.4 yang
diteruskan data ditentukan dengan memilih jalur digunakan sebagai system operasi router cisco.
end-to-end terbaik ke tujuan akhir. Pada topologi ketika RIP v2 dikonfigurasi,
berikut adalah hasil yang dikumpulkan dengan
2.4.2 OSPF ( Open Shortest Path First ) PRTG saat lalu lintas terus menerus dikirim dari
server PRTG ke alamat IP router 40.40.40.1
OSPF menggunakan algoritma Djikstra‘s untuk
menentukan jalur terbaik untuk mencapai alamat
tujuan. OSPF mempunyai single area dan
multiarea dimana single area hanya diperuntukan
jaringan yang hanya mempunyai beberapa
router, untuk multiarea digunakan dimana
tempat tersebut mempunyai beberapa router
yang saling terhubung, untuk multiarea harus
terhubung dengan area backbone atau area 0
sebagai area transit OSPF menggunakan alamat
multicast 224.0.0.5 dan 224.0.0.6 sebagai jalur Gambar 4 Waktu maximum, minimum, dan
update LSP. OSPF tidak mempunya batas router konvergensi dengan RIPv2
(HOP) seperti RIP dan EIGRP, OSPF membagi
informasi routing dengan menggunakan LSA. Topoogi di buat menunjukan waktu minimum
Semua router yang berada dalam satu area dan maksimum dan konvergensi saat lalu lintas
mempunya Link State Database (LSDB). dikirim dari PRTG server ke alamat IP
40.40.40.1 , minimum waktu untuk ping
2.5 Analisi performa Interior Gateway balasan dari server PRTG ke alamat IP
Routing Protocol 40.40.40.1 adalah 40 detik, waktu maksimum
Setiap protocol apakah itu link state atau yang diambil adalah 252 detik , jika link utama
distance vector pasti membutuhkan performa mengalami kegagalan atau down, waktu yang
yang sangat baik pada area core network yang dibutuhkan untuk meneruskan traffic dari
ada pada perusahaan skala besar atau perusahaan primary ke backup link adalah 5-6 detik. Grafik
Internet Service Provider (ISP) untuk dibawah ini menunjukan maximum, minimum,
mengirimkan paket dari satu router ke router dan hasil waktu konvergensi dengan
lainnya berdasarkan informasi routing yang menggunakan RIPng dimana PRTG server
membantu routing protocol dalam bekerja. mengirimkan traffic ke alamat IP 40.40.40.1
Penulis telah melakukan ujicoba performa pada pada IPv4 dan menggunakan alamat IP 4.4.4.4::1
IGP (link state dan distance vector) sebagai nilai /64 pada IPv6.
defaultnya menggunakan IPv4 dan IPv6,
perbandingan yang dilakukan pada protocol RIP,
EIGRP, OSPF dan ISIS. Analisis untuk semua
routing protocol menggunakan topologi yang
sama dan disetiap link nya mempunyai bandwith
10Mb/s.
Gambar 5. Waktu maximum, minimum, dan

konvergensi dengan RIPng
80
Grafik diatas menunjukan bahwa RIPng menerus dikirim dari server PTRG kealamat IP
membutuhkan waktu minimal 35 detik untuk 4.4.4.4::1 /64 pada router R4 EIGRP
menyelesaikan permintaan paket ping dari server menggunakan algoritma yang sama antara IPv4
PTRG dan waktu maksimum adalah 121 detik dan IPv6. Berikut adalah grafik yang diambil
sedangkan waktu untuk konvergensi 6-7 detik. dari server PTRG dengan mengirimkan traffic
Table diatas menunjukan semua hasil yang yang secara terus menerus ke IP 4.4.4.4::1 /64,
dibutuhkan jika kita membandingkan kedua untuk melihat waktu konvergensi penulis
routing yaitu RIPv2 untuk IPv4 dan RIPng untuk menggunakan jalur utama.
IPv6
Tabel 1. Perbandingan Routing Protocol RIP
Protocol Waktu Waktu Waktu

Max Min Konvergensi
RIPv2 252 40 detik 6-7 detik
detik
RIPng 121 35 detik 6-7 detik
detik
Protokol selanjutnya adalah EIGRP, seperti yang

sebelumnya dijelaskan EIGRP adalah routing
protocol distance vector yang dibuat oleh Cisco
System. topologi yang digunakan pada EIGRP
sama dengan yang digunakan pada RIP dan Gambar 7 Grafik PRTG menampilkan
analisis traffic dikirim dari server PTRG ke waktu minimum, maximum, dan konvergensi
alamat IP 40.40.40.1. Ketika traffic dikirimkan pada EIGRPv6
secara terus menerus dari server PRTG ke
alamat IP 40.40.40.1, penulis membuat dua jalur
dari R1 yang merupakan default-gateway, salah Grafik diatas menunjukan bahwa EIGRPv6
satu jalur berfungsi sebagai jalur utama menuju membutuhkan waktu 36 detik sebagai waktu
R4 dengan IP 40.40.40.1 sementara jalur lainnya minimum untuk menyelesaikan paket ping dari
bertindak sebagai jalur cadangan. penulis dengan server PTRG terhadap alamat R4 IP 4.4.4.4::1
sengaja memutuskan jalur utama untuk /64 waktu maksimum untuk penyelesaian paket
memeriksa waktu konvergensi yang diambil oleh ping adalah 193 detik dan waktu konvergensi
EIGRP, saat jalur utama mati, maka jalur yang diambil dengan parameter default adalah
cadangan akan bertindak sebagai pengganti jalur 4.5-5 detik . berikut tabel perbandingan antara
utama sehingga traffic bisa diteruskan ke alamat EIGRP IPv4 dan EIGRPv6 :
tujuan. Tabel 2. Perbandingan Routing Protocol
EIGRP
Waktu Waktu Waktu

Protocol
mak min konvergensi
EIGRP 130
37 detik 4.5-5 detik
IPv4 detik
4.5-5
EIGPR 193
36 detik det4.5-5
v6 detik
Gambar 6 waktu maximum, minimum dan detikik
konvergensi EIGRP menggunakan IPv4
Selanjutnya adalah perbandingan routing
Gambar diatas menunjukan bahwa EIGRP protocol link state akan dilakukan dengan
dengan menggunakan IPv4 membutuhkan waktu menggunakan IPv4 dan IPv6, dua protocol yang
37 detik untuk menyelesaikan paket ping dari digunakan oleh penulis untuk link state adalah
server PTRG ke alamat R4 40.40.40.1 waktu routing protocol intermediate system to
maksimum adalah 130 detik dan waktu intermediate system (IS-IS) dan Open Shortest
konvergensi yang dibutuhkan dengan default Path First (OSPF), seperti yang sebelumnya di
parameter adalah 4.5-5 detik. EIGRP dengan jelaskan bahwa link state menggunakan
IPv6 di implementasikan menggunakan topologi algoritma D‘jikstra‘s. pertama OSPF akan
yang sama dengan traffic data yang terus
81
dianalisis, lalu topologi yang akan digunakan
sama dengan yang digunakan RIP dan EIGRP, sedangkan waktu konvergensi 4-5 detik berikut
PRTG akan mengirimkan traffic ke alamat IP tabel perbandingan OSPFv2 dan OSPFv3
R4 40.40.40.1. R1 mempunyai dua jalur untuk
mencapai alamat tujuan, satu sebagai jalur utama Tabel 3 Perbandingan Routing Protocol
dan satu lagi sebagai jalur cadangan. Pertama OSPF
kita kirimkan traffic secara terus menerus ke R4
dengan alamat IP 40.40.40.1 , lalu link utama Protocol Waktu Waktu Waktu
sengaja dimatikan untuk melihat waktu maks min konvergensi
konvergensi, OSPFv2 184 38 detik 4-5 detik
detik
OSPFv3 143 36 detik 4-5detik
detik
IS-IS juga merupkan salah satu routing protocol
dengan kategori link state, menggunakan
algoritma yang sama dengan OSPF tapi IS-IS
banyak digunakan oleh perusahaan penyedia
layanan internet (ISP) daripada perusaahan pada
umumnya. Penulis juga menggunakan topologi
yang sama untuk menganalisa routing protocol
IS-IS dengan hasil yang ditampilkan oleh PRTG
Gambar 8 Grafik PRTG menampilkan waktu

minimum, maximum, dan konvergensi pada
OPSFv2
Gambar diatas adalah grafik yang dihasilkan

oleh PRTG untuk OPSFv2 dengan waktu
maksimum adalah 184 detik dalam
menyelesaikan paket ping antara server PRTG
dengan router R4, waktu minimum yang
dibutuhkan adalah 38 detik , sedangkan waktu
konvergensi dengan parameter default adalah 4- Gambar 10. Grafik PRTG menampilkan
5 detik. OPSFv3 atau OPSF IPv6 sangat berbeda waktu minimum, maximum, dan konvergensi
dengan OSPFv2 walaupun algoritma SPF yang pada IS-IS IPv4
digunakan sama, namun OPSFv2 dan OPSFv3
memiliki beberapa jenis LSA yang berbeda. Waktu yang dibutuhkan untuk konvergensi
Untuk ujicoba OSPFv3 topologi yang digunakan adalah 4-5 detik sedangkan waktu maksimum
sama dengan OPSFv2 dengan semua router dan minimum untuk satu paket ping adalah 172
berada di area yang sama sehingga detik dan 40 detik, IS-IS juga menyediakan
menjadikannya area tunggal. Traffic data yang layanan untuk IPv6, berikut hasil penguukuran
terus menerus dikirimkan dari server PRTG ke untuk IS-IS IPv6 dengan jumlah router yang
alamat IP R4 4.4.4.1::1/64 lalu link utama sama dan topologi yang sama
sengaja dimatikan untuk melihat waktu
konvergensi
Tabel perbandingan untuk routing protocol IS-IS

menggunakan IPv4 dan IPv6
Tabel 4 Perbandingan Routing Protocol IS-IS
Gambar 9 Grafik PRTG menampilkan waktu Protocol Waktu Waktu Waktu
minimum, maximum, dan konvergensi pada maks min konvergensi
OPSFv3 IS-IS 172 40 detik 4-5 detik
Waktu minimum yang dibutuhkan untuk IPv4 detik
menyelesaikan paket ping sederhana yaitu 35 IS-IS 163 32 detik 5-5.5 deik
detik dan waktu maksimal adalah 142 detik IPv6 detik
82
Berikut tabel lengkap seluruh perbandingan [2] Compare OSPF Routing Protocol with
dynamic routing protocol other Interior Gateway Routing
Protocols by Anuj Gupta of
Tabel 5. Perbandingan Routing Protocol RIMT- IET and Neha Grang of
Secara Keseluruhan RIMT-IET in IJEBEA
Protocol Waktu Waktu Waktu [3] Internet Engineering Task Force(IETF)

Maks Min Konvergensi RFC 1058 -Routing Information
RIPv2 242 40 detik 6-7 detik Protocol by Chuck Hedricks of
detik Rutgers University
RIPng 112 34 detik 6-7 detik
detik [4] Internet Engineering Tak Force(IETF)
EIGRP 129 36 detik 4.5-5 detik RFC 2080 -Routing Information
IPv4 detik Protocol Next Generation (RIPng) by
EIGRP 191 39 detik 4.5-5 detik G. Malkin of Xylogics and R.
IPv6 detik Minnear of Ipsilon Networks
OSPFv2 189 39 detik 4-5 detik
detik [5] Internet Engineering Tak Force(IETF)
OSPFv3 142 35 detik 4-5 detik RFC 2453 -Routing Information
detik Protocol Version 2(RIPv2) by G.
IS-IS 172 40 detik 4-5 detik Malkin of Bay Networks
IPv4 detik
IS-IS 163 32 detik 5-5.5 detik [6] EIGRP -A FAST ROUTING
IPv6 detik PROTOCOL BASED ON
DISTANCE VECTORS by Bob
Albrightson and Joanne Boyle
of Cisco Systems, and J.J. Garcia-
4. KESIMPULAN
Luna Aceves of University of
Dari perbandingan diatas jelas bahwa semua California
routing protoko memberikan waktu konvergensi
yang lebih cepat kecual routing protocol RIP [7] R. E. Bellman. Dynamic
dengan parameter default. Meskipun ujicoba Programming. Princeton, New
yang dilakukan mendapatkan waktu konvergensi Jersey: Princeton University Press;
yang cepat tetapi belum tentu cocok untuk 1957
digunakan pada jaringan VOIP karena jika ingin
membuat lalu lintas jaringan VOIP berjalan [8] L. R. Ford Jr. and D. R. Fulkerson.
lancer maka kita bisa menerapkan convergence Flows in Networks. Princeton, New
technology Jersey: Princeton University Press;
Perbandingan antara routing protocol Distance 1962.
Vector dan Link State, EIGRP sebagai routing
protocol dengan kinerja terbaik dibawah [9] Enhanced Interior Gateway Routing
ketegori Distance Vector sementara OSPF Protocol(EIGRP) IETF draft by D.
sedikit lebih baik daripada routing protocol IS-IS Savage, D.Slice, J. Ng, S. Moore, and
dibawah kategori Link State. EIGRP disisi lain R. White of Cisco Systems
memberikan waktu konvergensi yang hampir
sama dengan OSPF dengan parameter default [10] Routing TCP/IP, Volume1 Second
walaupun OSPF memiliki kelebihan disbanding Edition by Jeff Doyle and Jennifer
EIGRP jika EIGRP tidak memiliki Feasibel Carroll
Successor.
[11] Mulyanta, E. S. (2005). Pengenalan
PUSTAKA Protokol Komputer . Yogyakarta:
[1]. Performance Analysis of Distance Vector Andi Seminar Nasional Inovasi Teknologi dan
and Link State Routing Protokol Ilmu Komputer 2017 (SNITIK 2017 ISSN:XXXX-
Rathi,Bhavna & Singh, Farminder. XXXX Medan, 6-8 Desember 2017
2015
83
PERANCANGAN SISTEM MONITORING SUHU DAN KENDALI

MESIN PENDINGIN OTOMATIS BERBASIS
MIKROKONTROLER
Hendrik Siagian1, Budi Heryanto1, Eka Dodi Suryanto1, D. Perangin-angin1, Rahayu Sashanti1
1
Teknik Elektro, Universitas Prima Indonesia
Medan, Indonesia
hendriksgn@gmail.com
ABSTRAK
Pemantauan suhu dan pengendalian mesin pendingin ruangan sangat tidak efektif untuk
dilakukan secara manual pada gedung bertingkat yang terdiri dari banyak ruangan.
Penelitian ini dilakukan untuk merancang alat pemantau suhu dan pengendali mesin
pendingin otomatis melalui computer yang terhubung secara online menggunakan modul
mikrokontroler dan komponen LM35DZ sebagai sensor suhu yang dipasang pada setiap
ruangan. Data hasil identifikasi suhu dari sensor dikirimkan ke database local melalui
modul Mikrokontroler. Pemantauan suhu dan pengendalian mesin pendingin dilakukan
melalui web browser dengan mengakses halaman antarmuka PHP menggunakan
komputer. Hasil pengujian menunjukkan bahwa suhu ruangan dapat ditampilkan di web
browser dengan tingkat akurasi 90%. Mesin pendingin dapat menyala atau mati secara
otomatis dengan prosentase keberhasilan 93%.
Kata Kunci—Pengendali Mesin Pendingin, Pemantau Suhu
1. PENDAHULUAN bila terdapat lebih dari satu ruangan yang

1.1. Latar Belakang hendak dipantau dan dikendalikan mesin
Bagi manusia, suhu ruangan yang tidak pendinginnya. Oleh karena itu, perlu sebuah
sesuai akan menyebabkan ketidaknyamanan alat yang diharapkan mampu memantau suhu
bahkan dapat berdampak buruk bagi dan mengendalikan mesin pendingin di
kesehatan. Berdasarkan Keputusan Menteri beberapa ruangan secara bersamaan.
Kesehatan Republik Indonesia Nomor
1405/MENKES/SK/XI/2002 tentang 1.2. Rumusan Masalah
Persyaratan Kesehatan Lingkungan Kerja Rumusan masalah dari penelitian ini adalah
Perkantoran dan Industri, suhu ruangan yang bagaimana merancang sebuah sistem
sesuai berkisar antara 18 – 28 °C. Suhu pemantau suhu dan pengendali mesin
ruangan juga berpengaruh terhadap benda atau pendingin ruangan untuk ruangan yang
peralatan di dalam ruangan tersebut, seperti banyak melalui komputer.
pada ruang server, tempat penyimpanan
daging, ruang jenazah di rumah sakit, dan lain 1.3. Batasan Masalah
- lain. Berdasarkan masalah – masalah yang a. Penelitian ini dilakukan mengukur suhu
telah diuraikan di atas, terlihat bahwa ruangan dengan menggunakan sensor
pemantauan dan pengendalian suhu ruangan LM35DZ yang terhubung dengan modul
merupakan hal yang penting dilakukan. mikrokontroler.
Pemantauan suhu dapat dilakukan dengan b. Modul mikrokontroler yang digunakan
memasang termometer di setiap ruangan. pada penelitian ini adalah Arduino Uno.
Kemudian, dilakukan pengecekan suhu c. Pengukuran suhu ruangan yang dapat
ruangan secara berkala dengan melihat hasil dilakukan antara 16°C sampai 40°C.
pengukuran pada termometer. Sedangkan d. Pendingin yang digunakan adalah kipas
pengendalian suhu ruangan dapat dilakukan DC yang dipasang pada setiap ruangan.
dengan menyalakan atau mematikan mesin e. Penelitian ini menggunakan modul
pendingin di dalam ruangan. Ethernet Shield W5100 dengan kabel
Pengendalian mesin pendingin saat ini UTP Cat5e sebagai penghubung modul
cenderung dilakukan dengan menggunakan mikrokontroler dengan komputer.
remote control dan saklar, dimana
pengendalian harus dilakukan di dalam 1.4. Tujuan dan Manfaat
ruangan tersebut. Hal ini dinilai kurang efektif Tujuan dari penelitian ini adalah merancang
84
alat pemantau suhu dan pengendali mesin
pendingin otomatis untuk delapan ruangan mengakses file PHP. File PHP ini berperan
secara bersamaan melalui komputer. Manfaat untuk terhubung ke database server dan
dari penelitian ini adalah sistem yang mengirimkan data suhu. Data suhu dapat
dirancang dapat memberikan kemudahan dilihat melalui web browser dengan
dalam memantau dan mengendalikan mesin mengakses halaman web yang telah dibuat
pendingin ruangan, karena dapat dilakukan khusus untuk menampilkan data suhu
melalui komputer untuk delapan ruangan ruangan.
sekaligus, tanpa harus memeriksanya ke setiap Proses yang kedua adalah mengendalikan
ruangan. suhu ruangan. Pengendalian suhu ruangan
dilakukan dengan memberikan input berupa
2. Metode penelitian suhu ruangan standar melalui web browser.
2.1. Konsep Rancangan Selanjutnya, suhu ruangan yang terdeteksi
Sebelum membuat perancangan alat, maka akan dibandingkan dengan suhu ruangan
harus ditentukan terlebih dahulu konsep dari standar. Jika suhu ruangan yang terdeteksi
rancangan alat yang akan dibuat. Alat lebih tinggi dari suhu ruangan standar, maka
pemantau dan pengendali suhu ruangan ini status pendingin adalah menyala. Sebaliknya,
dirancang dengan tujuan agar data suhu dapat jika suhu ruangan yang terdeteksi lebih rendah
dipantau dan dikendalikan melalui komputer. dari suhu ruangan standar, maka status
Gambar 1 adalah blok diagram yang pendingin adalah mati. Hasil perbandingan
menggambarkan konsep dasar dari alat yang suhu menghasilkan umpan balik untuk
akan dirancang. mengendalikan pendingin. Hal ini
menunjukkan bahwa sistem kendali yang
dirancang adalah sistem kendali lingkar
tertutup (close loop).
Gambar 2 Diagram Sistem Kendali Suhu

Ruangan
Status pendingin yang telah diperoleh akan

Gambar 1 Blok Diagram Alat Pemantau tersimpan di database server. Untuk
dan Pengendali Mesin Pendingin Otomatis memperoleh status pendingin, modul
Alat yang akan dirancang terdiri dari dua mikrokontroler akan melakukan http request
proses kerja. Proses yang pertama adalah kepada server setiap kurun waktu tertentu.
memantau suhu ruangan. Sensor suhu akan Request dilakukan untuk mengakses file PHP
mendeteksi suhu ruangan dan yang bertugas mengambil status pendingin
mengirimkannya ke modul mikrokontroler dari database. Status pendingin akan diperoleh
dalam bentuk sinyal analog. Kemudian sinyal melalui respon yang diberikan oleh server.
analog tersebut akan diproses di dalam Kemudian modul mikrokontroler akan
mikrokontroler dan diubah ke dalam besaran menyalakan dan mematikan relay sesuai
suhu. Besaran suhu yang diperoleh dikirim ke dengan status yang diperoleh.
komputer untuk disimpan di dalam database 2.2 Perancangan Perangkat Keras
lokal. (Hardware)
Modul mikrokontroler terhubung ke
komputer dengan menggunakan modul Dalam penelitian ini, komponen dan
ethernet melalui kabel UTP cat5e bertipe modul-modul yang digunakan adalah :
cross-over. Komputer bertindak sebagai server a. Sensor suhu menggunakan IC LM35DZ
yang menyimpan semua data-data berkaitan b. Analog multiplekser menggunakan IC
dengan suhu ruangan, sedangkan modul CD4051
mikrokontroler bertindak sebagai klien. Untuk c. Modul Arduino Uno
mengirimkan data suhu, modul mikrokontroler d. Modul Ethernet Shield W5100
sebagai klien akan melakukan http request e. Modul Relay 8 channel
85
kepada komputer sebagai server untuk
Gambar 3Blok Diagram Rangkaian Modul

2.3 Perhitungan Sensor Suhu LM35DZ
Mikrokontroler merupakan alat yang
didalamnya memiliki memori terbatas.
Sehingga mikrokontroler juga memiliki
kemampuan mencacah yang terbatas juga. Gambar 4 Rancangan User Interface
Input analog pada Arduino merupakan 2.4.2 Perancangan Program Akses
cacahan dari 0 hingga 1023. Artinya, 0 berarti Database
0 volt, dan 1023 berarti 5 volt karena tegangan
referensi yang digunakan adalah 5 volt. Pada alat yang akan dirancang ini, Arduino
Dengan demikian, Arduino memiliki harus dapat mengirim data suhu ke database
kemampuan mencacah hingga 1023. Artinya, server dan mengambil data status pendingin
setiap cacahan akan memiliki nilai 5/1023 V. dari database server. Agar Arduino dapat
Tegangan ideal yang keluar dari LM35 terhubung ke database, maka perlu dibuat
mempunyai perbandingan 100 °C setara skrip PHP untuk mengakses database.
dengan 1 Volt. Jadi, nilai temperatur adalah Terdapat 2 skrip PHP yang dibuat untuk
mengakses database diantaranya:
1. koneksi.php
Skrip ini berguna untuk memulai koneksi
dengan database MySQL.
2.4 Perancangan Perangkat Lunak 2. update.php
(Software) Skrip ini berguna untuk mengirim data suhu
2.4.1 Perancangan User Interface dari Arduino dan memperbaharui data suhu
Perancangan antarmuka menggunakan pada database. Skrip ini juga berguna untuk
skrip PHP sehingga dapat diakses melalui web mengambil data status pendingin pada
browser. Rancangan antarmuka ini berfungsi database.
untuk menampilkan data suhu 8 (delapan)
ruangan, beserta status kipas pada setiap
ruangan dalam bentuk tabel. Selain itu, juga 3. HASIL DAN PEMBAHASAN
berfungsi untuk menginput suhu ruangan 3.1. Pengujian Koneksi Ethernet Shield
standar yang diinginkan pengguna dalam Pengujian ini dilakukan untuk mengetahui
pengendalian suhu ruangan. Tampilan user apakah Ethernet Shield telah terhubung ke
interface pemantau dan pengendali suhu komputer. Pengujian dilakukan melalui
ruangan dapat dilihat pada Gambar 4. command prompt dengan melakukan ping
terhadap ip address Ethernet Shield yang
sebelumnya telah dideklarasikan pada
program Arduino yaitu 192.168.1.177. Hasil
pengujian dapat dilihat pada Gambar 5.
86
Gambar 5 Hasil Pengujian Ethernet Shield

Hasil pengujian menunjukkan bahwa Gambar 6 Hasil Pengujian Analog
Ethernet Shield telah memberikan respon ke Multiplekser
komputer. Hal ini menunjukkan bahwa
Hasil pengujian di atas menunjukkan
Ethernet Shield telah dapat bekerja dengan
bahwa Arduino telah mengirimkan bit-bit ke
baik.
analog multiplekser dan sinyal berhasil
3.2. Pengujian Analog Multiplekser diteruskan ke Arduino. Selanjutnya Arduino
melakukan pemrosesan sinyal yang diterima
apakah analog multiplekser dapat dan ditampilkan ke serial monitor dalam
besaran suhu.
mengirimkan sinyal analog dari delapan
sensor suhu ke satu pin analog Arduino secara 3.3. Pengujian LM35
bergantian. Pengujian dilakukan dengan
memberikan bit-bit melalui Arduino Uno
apakah LM35 dapat memberikan hasil
kepada analog multiplekser sesuai dengan
pengukuran suhu yang sesuai. Pengujian
Tabel Kebenaran pada Tabel 1.
dilakukan dengan melakukan pengukuran
TABEL1
suhu setiap ruangan dengan termometer
TABEL KEBENARAN ANALOG MULTIPLEKSER terkalibrasi dan membandingkan dengan hasil
pengukuran sensor suhu. Tabel 2 merupakan
Input States ―On‖ data hasil pengukuran dengan termometer dan
C B A Channels
sensor suhu LM35.
0 0 0 0
0 0 1 1
TABEL2
0 1 0 2 TABEL PENGUJIAN SENSOR SUHU LM35
0 1 1 3
1 0 0 4 Nama Sensor Suhu Thermometer
1 0 1 5 Ruangan (°C) (°C)
1 1 0 6 Ruang 1.1 31,06 30
1 1 1 7 Ruang 1.2 30,42 30
Ruang 1.3 30,81 30
Analog multiplekser akan memilih satu dari Ruang 1.4 30,79 30
delapan sinyal sesuai dengan bit-bit yang Ruang 2.1 30,92 30
diterima, untuk diteruskan ke Arduino. Hasil
Ruang 2.2 31,24 30
pengujian multiplekser ditampilkan pada
serial monitor Arduino ditunjukkan pada Ruang 2.3 30,54 30
Gambar 6. Ruang 2.4 31,00 30
Hasil pengujian menunjukkan bahwa hasil

pengukuran sensor suhu mendekati hasil
pengukuran dengan termometer terkalibrasi.
Hal ini menunjukkan sensor suhu telah
bekerja dengan baik.
3.4. Hasil Pengujian
Pengujian dilakukan untuk mengetahui
apakah alat dapat bekerja sesuai dengan yang
diharapkan. Pengujian dilakukan dengan
memberikan panas ke setiap ruangan hingga
87
suhu ruangan lebih tinggi dari suhu yang Network Wiring, San Fransisco :
diinginkan. Selanjutnya, dilakukan Sybex, 2004.
pengamatan terhadap kondisi relay dan kipas.
Hasil pengujian dapat dilihat pada Tabel 3. [5] JacobFraden, Handbook of Modern
Sensors Physics, Design and
TABEL3 Applications, California : Springer,
TABEL HASIL PENGUJIAN 2010.
Nama Suhu Suhu yang Status
Ruangan Ruangan Diinginkan Kipas [6] Jon Wilson, Sensor Technology
Ruang 31,27 35 Tidak Handbook, Oxford : Newnes, 2005
1.1 Menyala
Ruang 44,12 33 Menyala [7] Julian Bayle, C Programming for
1.2 Arduino. Birmingham : Packt
Ruang 39,66 37 Menyala Publishing, 2013.
1.3
Ruang 30,70 36 Tidak
1.4 Menyala [8] Keputusan Menteri Kesehatan Republik
Ruang 32,08 35 Tidak Indonesia Nomor
2.1 Menyala 1405/MENKES/SK/XI/2002
Ruang 47,53 33 Menyala tentang Persyaratan Kesehatan
2.2 Lingkungan Kerja Perkantoran dan
Ruang 53,68 33 Menyala Industri. Jakarta : Kemenkes RI.
2.3
Ruang 31,85 37 Tidak [9] MuhammadIchwan, Milda Gustiana
2.4 Menyala Husada, M. Iqbal Ar Rasyid,
―Pembangunan Prototipe Sistem
Pengendalian Peralatan Listrik pada
4. KESIMPULAN Platform Android,‖ Jurnal
Setelah melakukan penelitian ini, maka Informatika, vol. 4, no. 1, pp. 16,
dapat ditarik kesimpulan sebagai berikut. 2013.
1. Alat yang dirancang dapat melakukan
pemantauan dan pengendalian suhu delapan [10] National Semiconductor. 2000. LM35
ruangan melalui komputer. Precision Centigrade Temperature
2. Pendeteksi suhu ruangan dan relay untuk Sensors. [online]Tersedia
mengendalikan pendingin terhubung ke :http://www.engineersgarage.com/s
komputer pada jaringan lokal. Data hasil ites/default/files/LM35.PDF. [22
sensor dan status pendingin disimpan pada Oktober 2016]
database di komputer setiap satu detik.
3. Pemantauan dan pengendalian suhu [11] Shendy Irene Langi, Janny O. Wuwung,
ruangan dapat dilakukan melalui web Arie S. M. Lumenta, ―Kipas Angin
browser dengan mengakses halaman Otomatis dengan Menggunakan
antarmuka yang telah dibuat. Sensor Suhu,‖ E-Journal Teknik
Elektro dan Komputer, ISSN :
DAFTAR PUSTAKA 2301-8402, pp. 45, 2014.
[1] Arduino. Arduino Ethernet Shield V1.
https://www.arduino.cc/en/Main/Ar [12] Steven Jendri Sokop, Dringhuzen J.
duino EthernetShieldV1. 12 Juni Mamahit, Sherwin R.U.A, ―Trainer
2017. Periferal Antarmuka Berbasis
Mikrokontroler Arduino Uno,‖ E-
[2] Behrouz A. Forouzan, Data Journal Teknik Elektro dan
Communications and Networking, Komputer, vol. 5, no. 3, pp. 15-16,
New York : McGraw-Hill, 2007. 2016.
[3] Christopher T. Kilian, Modern Control [13] Steven Suehring, Janet Valade, PHP,
Technology : Components and MySQL, JavaScript & HTML5 All
Systems, Delmar Thomson in One for Dummies, New Jersey :
Learning, 2000. Wiley, 2013..
[4] David Barnett, David Groth, Jim McBee, [14] Texas Instrument. CD405xB CMOS
Cabling : The Complete Guide to Single 8-Channel Analog
88
Multiplexer/ Demultiplexer With [15] Todd Lammle, CCNA : Cisco Certified

Logic-Level Conversion. [online] Network Associate, San Fransisco :
Tersedia : http://www.ti. Sybex, 2004.
com/lit/ds/symlink/cd4053b-
mil.pdf[7 Juni 2017]
89
KAJIAN PENGAMANAN OBJEK TERTENTUBERBASIS REAL

TIME VIDEO
1,3,4
Eko Hariyanto1, Sri Wahyuni2, Supina Batubara3, Herdianto4
Program Studi Sistem Komputer, Fakultas Sains dan Teknologi,Universitas Pembangunan
2
Panca Budi
Program Studi Teknik Komputer, Fakultas Sains dan Teknologi, Universitas Pembangunan
Panca Budi
Telp. (061) 845-5571
1
eko.hariyanto@dosen.pancabudi.ac.id, 2sriwahyuni@dosen.pancabudi.ac.id,
3
supinabatubara@dosen.pancabudi.ac.id, 4herdianto@dosen.pancabudi.ac.id
ABSTRAKS
Tujuan tulisan ini adalah membuat sebuah konsep pengamanan berbasis video real time
menggunakan kamera pengawas seperti CCTV yang diterapkan pada area publik dimana pada
area ini terdapat banyak berbagai jenis objek dengan karakteristik yang beragam (baik yang
bergerak maupun yang tidak bergerak). Pengamanan sebuah objek tertentu yang terpantau
melalui kamera pengawas dengan posisi dan kondisi yang tetap seperti pada saat pertama
objek tersebut diinisialisasikan sebagai objek yang diamati yang selanjutnya disebut sebagai
citra pembanding. Dalam rentang waktu tertentu nilai citra pembanding akan terus
dibandingkan dengan nilai citra terkini yang direkam dari pantauan kamera secara real time.
Kata Kunci : Real Time, Video, Citra Digital, Kamera Pemantau.
1. PENDAHULUAN https://www.jawapos.com/radarmadura/read/2
Perangkat pemantauseperti closed 017/10/10/18559/pelaku-curanmor-di-sakera-
circuit television(CCTV) atau web camera barbershop-bridal-terekam-cctv, diakses
merupakan alat yang banyak digunakan dalam tanggal 06/04/2018). Babershop ini telah
membantu manusia untukmemantau keadaan dilengkapi oleh kamera CCTV untuk
suatu area tertentu. Secara umum, area yang memantau situasi diluar toko atau area parkir
dipantau merupakan tempat yang memiliki toko dan membantu pengamanan kendaraan
akses bebas yaitu tempat yang banyak dilalui (baik milik pelanggan atau pegawai) yang
atau digunakan oleh masyarakat umum. terparkir. Keberadaan kamera pengawas ini
Pemantuan atau pengawasan ini dilakukan tidak dapat mencegah terjadinya tindak
bertujuan untuk mendapatkan informasi pencurian dikarenakan pengguna tidak dapat
seperti pemantauan lalu lintas untuk selalu melihat hasil pantauan kamera
mendapatkan informasi tentang situasi lalu pengawas sehingga pelaku pencurian dapat
lintas. Tujuan lainnyaadalah untuk menjaga dengan leluasa menjalankan aksi
keamanan suatu objek tertentu dari kejahatan. kejahatannya.
Pemanfaatan alat pemantau dalam menjaga CCTV melibatkan penggunaankamera
keamanan suatu area memerlukan peran video untukmenghasilkan gambar yang
manusia sebagai pengguna yang bertindak ditampilkan pada layar yang terhubung secara
sebagai pembuat keputusan terhadap situasi langsung ke sistem transmisi non-
tempat yang dipantau.Hal ini dilakukan karena siaran[1].Adapun gambar (atau disebut juga
perangkat pemantau hanya dapat merekam dengan citra) dalam video merupakan citra
data dan tidak dapat secara langsung bergerak (moving images) yaitu rangkaian
memberikan informasi atau bertindak ketika citra diam yang ditampilkan secara beruntun
terjadi sesuatu yang tidak diinginkan sebagai (sekuensial) sehingga seolah-olah seperti
upaya pencegahan. gambar yang bergerak. Setiap citra di dalam
Namun dalam beberapa kesempatan, rangkaian itu disebut frame[2].
tidak sedikit pengguna perangkat pemantau ini Beberapa penelitian yang berhubungan
yang luput dari pengawasannya sehingga dengan penggunaankamerapengawas atau
tindak kejahatan tetap terjadi tanpa dapat pengolahan citra digital telah banyak
dicegah. Seperti pada kasus pencurian sepeda dilakukan. Isa dan Lauro [3] membuat aplikasi
motor yang terjadi pada sebuah barbershop untuk mendeteksi adanya gerakan
bridal dan salon di Bangkalan Pulau Madura menggunakan metode spatial-domaindan
Propinsi Jawa Timur (sumber : kamera pemantau. Apabila terdeteksi adanya
90
gerakan pada hasil pantauan kamera, maka

aplikasi akan secara otomatis memberikan
informasi melalui SMS kepada nomor tujuan
yang telah disimpan sebelumnya.Putri[4]dalam
penelitiannya membahas tentang proses
pendeteksian objek yang bergerak. Hao et al[5]
menganalisa sebuah algoritma yang digunakan
untuk mengurangi latar belakang gambar
dengan cepat berupa pemodelan pada sistem
pengawasan lalu lintas. Hu et al[6]membahas
tentang tahapan kerangka dari pengawasan
secara visual dengan pantauan dinamis seperti
pemodelan lingkungan, deteksi gerakan,
pengklasifikasian objek bergerak, pelacakan,
pemahaman dan pendeskripsian prilaku,
identifikasi manusia, dan data fusi dari
Gambar 2.2 Aplikasi Oleh Putri
beberapa kamera.
Dalam tulisan ini, penulismengkaji
Penelitian Hao et al[5] dan Hu et al[6] hanya
sebuah konsep pengamanan berbasis citra
membahas tentang metode atau tata cara
digital dengan pengawasan terhadap suatu
dalam mendeteksi objek dari hasil pantauan
objek tertentu menggunakan kamera
kamera secara real time.
pemantau.
4. PEMBAHASAN KONSEP
3 ANALISA PENELITIAN
Salah satu tujuan penggunaan kamera
SEBELUMNYA
pengawas adalah untuk membantu manusia
Aplikasi yang dirancang oleh Isa dan
dalam memantau situasi atau mengawasi
Lauro[3] untuk mendeteksi adanya gerakan
objek-objek yang penting atau berharga
dari setiap objek yang terpantau oleh kamera.
dengan mudah. Hal ini dikarenakan manusia
Aplikasi ini cocok digunakan pada area privat
tidak dapat melakukan pengawasan secara
yang tidak boleh diganggu oleh siapapun
langsung terhadap suatu objek dengan terus
seperti ruangan brankas. Aplikasi ini akan
menerus (continously).Seperti kasuspencurian
mengirimkan informasi melalui SMS ke
sepeda motor yang terjadi pada sebuah
nomor telepon seluler yang telah disimpan
barbershop bridal dan salon di Bangkalan
sebelumnya apabila aplikasi mendeteksi
Pulau Madura Propinsi Jawa Timur, dimana
adanya gerakan dari kamera pemantau.
objek yang diawasi melalui kamera pengawas
adalah kendaraan-kendaraan yang terparkir di
area parkir toko yang merupakan area bebas
atau umum. Pengawasan ditempat-tempat
semacam ini, tentunya banyak sekali objek-
objek (baik yang bergerak maupun yang diam
untuk beberapa saat) yang terpantau oleh
kamera seperti orang yang lalu lalang maupun
kendaraan yang datang dan pergi.
Adapun konsep yang digagas oleh
penulis dalam tulisan ini adalah mendeteksi
suatu objek tertentu dalam pantauan kamera
secara real time.Penulis mengambil contoh
kasus pada pencurian sepeda motor yang
terjadi pada barbershop bridal dan salon di
Bangkalan.
Gambar 2.1 Aplikasi Oleh Isa dan Lauro
Aplikasi yang dirancang oleh Putri[4] hanya

mendeteksi gerakan objek dari pantauan
kamera pengawas secara real time kemudian
menandai objek tersebut dengan tanda kotak.
91
Mulai
Input citra
pembanding
Rekam citra (b)

pantauan Gambar 3.2 (a) kondisi awal pantauan
(real time) kamera ; (b) inisialisasi objek sebagai citra
pembanding
Sumber :
https://www.youtube.com/watch?v=Sh-
602uX5wY
Nilai citra
pantauan 2. Dalam rentang waktu tertentu, hasil
= ya
pantauan kamera akan direkam
nilai citra
pembanding
menjadi citra terkini secara real time.
3. Citra terkini akan dibandingkan dengan

citra pembanding. Apabila nilai objek
tidak
yang diamati dari citra terkini sama
dengan nilai objek yang diamati dari
Output citra pembanding maka diasumsikan
Peringatan atau bahwa objek yang sedang diamati
informasi
masih berada ditempatnya dengan
kondisi seperti semula.
Selesai
Gambar 3.1 Flowchart konsep kerja
1. Pengguna menentukan (inisialisasi)

objek pada pantauan kamera pengawas
yang akanditransformasikan menjadi
citra dan disimpan sebagai citra
pembanding. Citra pembanding adalah
citra dengan objek tertentu yang sedang
diamati (pada contoh kasus ini, objek
yang diamati adalah sebuah sepeda
motor yang berwarna putih biru).
(a)
92
Gambar 3.3 Objek yang diamati masih

dalam posisi dan kondisi semula (b)
Sumber : Gambar 3.4 Objek yang diamati tidak
https://www.youtube.com/watch?v=Sh- dalam posisi dan kondisi semula
602uX5wY Sumber :
https://www.youtube.com/watch?v=Sh-
Dari hasil pantauan kamera terlihat 602uX5wY
berbagai macam objek lain yang berada
disekitar objek yang diamati baik objek 4. Apabila nilai objek yang diamati dari
bergerak maupun objek tidak bergerak. citra terkini tidak sama dengan nilai
Namun, objek-objek tersebut tidak objek yang diamati dari citra
mempengaruhi hasil perbandingan nilai pembanding (gambar 3.4) maka
objek yang diamati dari citra terkini diasumsikan bahwa telah terjadi upaya
dengan nilai objek yang diamati dari pemindahan objek tanpa izin. Oleh
citra pembanding. karena itu, sebagai tindak lanjut dari
pengolahan citra digital ini dapat
ditambahkan proses keluaran berupa
peringatan/alarm atau informasi
melalui SMS ke nomor telepon seluler
yang telah ditentukan.
5. Selanjutnya apabila objek yang diamati

akan dipindahkan atau digunakan oleh
pemilik yang sebenarnya maka citra
pembanding dapat dihapusdari sistem
sehingga citra terkini tidak memiliki
nilai pembanding dan sistem dapat
mengabaikan proses pengolahan citra
digital.
5. KESIMPULAN
Penggunaan kamera pemantau pada area
tertentu seyogianya membutuhkan tenaga
manusia yang bertindak sebagai pengawas
situasi maupun pengambil keputusan apabila
terjadi hal-hal yang tidak diinginkan. Gagasan
(a) konsep kerja pengamanan suatu objek tertentu
93
menggunakan kamera pemantau yang telah Telepon Genggam, Seminar Nasional

penulis uraikan pada bagian pembahasan di Sistem dan Informatika 2006; Bali, 17
atas diharapkan dapat menggantikan peran November 2006.
manusia sehingga dapat menjadi sistem
pengawas mandiri yang mampu membuat [4] Putri, Nurrita Nafidha., Aplikasi
keputusan dengan baik apabila terjadi hal-hal Pendeteksi Objek Bergerak Pada Image
yang tidak diinginkan. Selain itu, pemanfaatan Sequence Dengan Metode Background
kamera pemantau tidak hanya dapat Substraction, Jurnal Teknologi
diterapkan pada area privat melainkan juga Rekayasa Vol 21 No 3, Desember
area publik yang terdapat banyak objek-objek 2016.
dengan karakteristik yang beragam.
[5] Hao, Jiu Yue., Li, Chao., Kim,
PUSTAKA Zuwhan., Xiong, Zhang., Spatio-
[1] https://www.encyclopedia.com/social- Temporal Traffic Scene Modeling for
sciences-and-law/law/crime-and-law- Object Motion Detection, Journal of
enforcement/closed-circuit-television- IEEE Transactions on Intelligent
cctv, diakses tanggal 05 April 2018, Transportation Systems Vol 14 Issue 1,
pukul 13.35 WIB. March 2013.
[2] Munir, Rinaldi., Pengolahan Citra [6] Hu, Weiming., Tan, Tieniu., Wang,
Digital Dengan Pendekatan Liang., Maybank, Steve., A Survei on
Algoritmik, Penerbit Informatika
Visual Surveillance of Object Motion
Bandung, ISBN : 9793338296,2004.
and Behaviors, Journal of IEEE
[3] Isa, Sani M., Lauro, Manatap Dolok., Transactions on Systems, Man, and
Aplikasi Pendeteksi Gerakan Cybernetics, Part C (Applications and
Menggunakan Metode Spatial-Domain Reviews) Vol 34 Issue 3, August 2004.
Dengan Pelaporan Otomatis Ke
94
RANCANG BANGUN GRAPHICAL USER INTERFACE

PERGERAKAN MOTOR DC PADA UNIVERSAL
SERIAL BUS MIKROSKOP DIGITAL
Endi Permata1 , Rocky Alfanz ², Zaenal Fatah ³
1)
Jurusan Pendidikan Teknik Elektro, Fakultas Keguruan dan Ilmu Pendidikan
Universitas Sultan Ageng Tirtayasa
Jalan Raya Jakarta KM. 04 PakupatanKota Serang - Banten
2,3)
Jurusan Teknik Elektro, Fakultas Teknik,Universitas Sultan Ageng Tirtayasa
Jl. Jendral Sudirman KM.3 Cilegon-Banten 42435
Telp. (0254) 395502
E-mail: endipermata@untirta.ac.id1, alfanzfteuntirta@yahoo.com2 , zee.fatah@gmail.com3
ABSTRAK
Penelitian ini menjelaskan suatu perangkat sistem untuk mendiagnostik malaria dengan
mudah, sehingga diharapkan dengan pengaplikasian sistem diagnostik malaria dengan
mikroskop tersebut dapat menurunkan tingkat penyakit malaria di dunia terutama
Indonesia. Hasil penelitian yang diperoleh yaitu USB Mikroskop Digital dapat
memposisikan sel darah tipis malaria dengan tambahan lensa okuler pembesaran 1:100x
sehingga dapat menganalisa fase malaria. Kecepatan motor DC dipengaruhi oleh dua
faktor yaitu tegangan masukan dari adaptor AC–DC dan pengaturan PWM (Pulse Width
Modulation). Untuk kecepatan range tegangan yang aman 7,5 V sampai dengan angka
maksimal 12,5 V dan hasil akhir pada tegangan maksimal yang digunakan adalah 12,5 V.
Sedangkan untuk pengaturan PWM yang digunakan yaitu 255 PWM. USB Mikroskop
Digital memiliki arah pergerakan yaitu pada motor bagian kiri dan kanan bergerak ke
arah Kanan – Kiri – Maju – Mundur. Sedangkan pada motor bagian tengah bergerak ke
arah Atas dan Bawah.
Kata Kunci : Motor DC, PWM, USB Mikroskop Digital.
1. PENDAHULUAN digunakan untuk menegakkan diagnosis

1.1 Latar Belakang malaria adalah pemeriksaan mikroskop
Teknologi membuat segala sesuatu yang kita hapusan darah tipis dan hapusan darah tebal
lakukan menjadi lebih mudah. Manusia selalu serta tes diagnosis cepat [1]. Pemeriksaan
berusaha untuk menciptakan sesuatu yang mikroskop hapusan darah masih menjadi baku
dapat mempermudah aktivitasnya, hal inilah untuk diagnosis malaria. Hapusan darah dapat
yang mendorong perkembangan teknologi memberikan informasi tentang ada tidaknya
yang telah banyak menghasilkan alat sebagai parasit malaria, menentukan spesiesnya,
piranti untuk mempermudah kegiatan manusia stadium plasmodium, dan densitas/kepadatan
bahkan menggantikan peran manusia dalam parasitemia. Efisiensi pemeriksaan mikroskop
suatu fungsi tertentu. Teknologi memegang bergantung pada kualitas peralatan dan reagen
peran penting di era modernisasi seperti pada yang digunakan, kualitas dari hapusan,
saat ini, dimana teknologi telah menjadi keahlian dari tenaga laboratorium, densitas
bagian yang tidak dapat dipisahkan dalam parasit, dan waktu yang digunakan untuk
kehidupan sehari-hari. Perkembangan membaca hapusannya. Pemeriksaan
teknologi saat ini telah merambah ke segala mikroskop masih diperlukan untuk identifikasi
aspek kehidupan sehingga saat ini seolah kita dan konfirmasi spesies.
dimanjakan oleh adanya alat-alat yang dapat Dengan tingginya tingkat penyakit
memberikan kemudahan. Malaria, Badan Kesehatan Dunia (WHO)
Malaria adalah penyakit infeksi yang Dimana 247 juta orang mengalami infeksi
disebabkan parasit plasmodium yang klinis malaria, dan hampir 1 juta orang
ditularkan ke manusia melalui gigitan nyamuk meninggal karena penyakit ini [1]. Malaria
anopheles betina [1]. Diagnosis dan terapi masih endemik di 109 negara. Di Indonesia
malaria berdasarkan klinis saja kurang sendiri hampir seluruh wilayahnya daerah
dipercaya dan sebaiknya didukung oleh hasil endemis malaria. Maka dari itu dibutuhkan
tes laboratorium. Tes yang paling sering suatu perangkat sistem untuk mendiagnostik
95
malaria dengan mudah. Sehingga diharapkan

dengan pengaplikasian sistem diagnostik
malaria dengan mikroskop tersebut maka
dapat menurunkan tingkat penyakit malaria di
dunia terutama Indonesia. Selain hal tersebut
tentunya dengan aplikasi sistem keamanan
maka dapat memberikan kualitas pada
mikroskop dalam memeriksa sampel atau tes
darah yang akan diteliti. Berdasarkan alasan
tersebut, maka penyusun mencoba merancang
suatu sistem USB mikroskop digital yang
dipasang pada motor penggerak. Motor
penggerak yang digunakan adalah jenis motor
searah (Motor DC) dan sebagai pengendali
motor dc nya yaitu Driver Motor L293D
dengan menggunakan Arduino Uno sebagai
kontroler nya.
1.2 Identifikasi Masalah

Berdasarkan latar bekalang permasalahan di
atas, maka dalam penelitian ini identifikasi Gambar 2.1 Flowchart Penelitian
masalahnya adalah :
1. Apakah dengan jenis motor penggerak Berikut ini adalah deskripsi pemecahan
masalah dari penelitian ini yang telah
yang digunakan dapat menggerakan USB
digambarkan pada flowchart diatas :
Mikroskop Digital? 1. Melakukan identifikasi masalah dari
2. Bagaimana cara pengendalian kecepatan tema yang dilatarbelakangi oleh
pada motor penggerak yang digunakan? keadaan dan permasalahan dengan
3. Bagaimana arah pergerakan dari USB mengamati kondisi saat ini,
Mikroskop Digital? menganalisis berbagai permasalahan
yang masih ada dan mencari solusi
1.3 Batasan Masalah
atas masalah yang ditemukan.
Agar dalam penelitian ini tidak terlalu meluas 2. Menentukan tujuan dari penelitian.
untuk dilakukan, maka peneliti melakukan Tujuan dari penelitian ini adalah
batasan masalah yaitu sebagai berikut:
1. Mikroskop yang digunakan adalah untuk membuat rancang bangun
jenis USB Mikroskop Digital yang Pergerakan Motor DC pada USB
telah dimodifikasi sedemikian rupa Mikroskop Digital, sebagai
2. Jenis mikrokontroler yang digunakan pengendali motor DC yaitu Driver
adalah ATMEGA 328 (Arduino Uno) Motor L293D dengan menggunakan
3. Analisa terhadap alat yang dibuat Arduino Uno sebagai kontrolernya.
hanya mencakup sistem kerja motor 3. Melakukan pembelajaran lebih
untuk memperoleh posisi yang lanjut tentang sistem yang dibahas
diharapkan pada penelitian ini dengan metode:
a. Studi Literatur, yaitu mempelajari
2. PERANCANGAN PENELITIAN artikel, makalah, jurnal, karya tulis,
2.1 Metode Penelitian serta buku-buku yang terkait dengan
Pada Penelitian ini menggunakan serangkaian pengaturan gerak dan kecepatan motor
kegiatan ataupun metodologi yang dilakukan DC.
untuk memperoleh tujuan yang ingin dicapai. b. Studi konsultasi kepada dosen
Metodologi dalam penelitian ini diantaranya pembimbing dan dosen konselor
adalah: mengenai rancangan sistem dan
pengembangan yang dapat diterapkan
pada penelitian ini.
96
4. Membuat perancangan sistem yang

terdiri dari dua bagian, yaitu :
a. Perancangan desain perangkat keras
Gambar 2.2 Diagram Blok Software
yang meliputi pembuatan kerangka
sebagai tempat untuk USB Mikroskop Pada diagram blok diatas menjelaskan
Digital dan motor DC yang sebagaian beberapa alur kerja yaitu dimulai dengan
besar bahannya menggunakan acrylic mempersiapkan program yang nantinya akan
dan stainlist steel. di masukan kedalam software Arduino IDE
b. Perancangan software yang yang dasarnya menggunakan bahasa c. Setelah
mencakup pengembangan program program selesai maka langkah selanjutnya
adalah menginputkan program tersebut
yang akan diinterigasikan ke IC,
kedalam Arduino Uno.
dalam hal ini akan digunakan software
Arduino IDE 1.6.3 2.3.2 Perangkat Keras (Hardware)
5. Pengujian pada setiap bagian sistem
yang mencakup pengujian terhadap
kinerja motor DC baik dalam hal
pengujian arah gerakan dan Gambar 2.3 Diagram Blok Hardware
kecepatannya.
6. Analisis terhadap sistem yang telah Pada diagram blok diatas terdapat beberapa
dibuat dengan cara mencocokkan data alur kerja alat yaitu dimulai dengan desain
yang didapatkan dari pengujian alat yang merupakan bagian dasar dalam
pembuatan alat, lalu setelah desain dibuat
saat digunakan. Dari proses ini dapat
langkah selanjutnya adalah membuat rancang
dilakukan evaluasi dan ditarik bangunnya yang terdiri dari penyusunan
kesimpulan. beberapa komponen menjadi satu. Setelah itu
dibuatkan rangkaiannya untuk mempermudah
2.2 Instrumen Penelitian dalam perakitannya dan yang terakhir merakit
2.2.1 Bahan dan Komponen alatnya.
Bahan-bahan dan komponen yang akan 1. Desain Alat Penggerak
digunakan antara lain adalah : Mikroskop Langkah pertama peneliti mendesain bentuk
USB Digital, Acrylic, Motor DC, Arduino kerangka awal alat menggunakan software
UNO (Atmega 328), JoyStick Shield V2.4, Sweet Home 3D. Dengan skala 1:1 untuk
Adaptor AC-DC (12V), Driver motor L293D, mempermudah dalam pembuatan
PCB, Belt karet dan beberapa komponen kerangkanya.
elektronika umum seperti resistor, LED,
kapasitor, serta kabel.
2.2.2 Peralatan
Peralatan yang akan digunakan adalah :
a. Alat untuk membuat : bor,
gerinda, cutter, lem perekat dan
solder
b.Alat untuk merancang : laptop
yang dilengkapi dengan software
desain Sweet Home 3D, software
Arduino IDE 1.6.3 dan ISIS
Proteus 7 Profesional. Gambar 2.4 Desain menggunakan Sweet
Home 3D
2.3 Perancangan Alat Penelitian
Pada penelitian ini terdapat dua perancangan Dari gambar diatas dapat dilihat pada software
yang digunakan yaitu perangkat lunak ini peniliti dapat menentukan desain yang
(software) dan perangkat keras (hardware). akan dibuat, mulai dari menyusun tiang
2.3.1 Perangkat lunak (Software) sampai dengan peletakan posisi motor nya.
97
Pada penggunaannya software ini sangat rangkaian menggunakan ISIS Proteus untuk
membantu dalam membuat desain awal dan mempermudah dalam pemasangan antar
juga mudah dalam pengoperasiannya. komponennya. Untuk gambar rangkaiannya
adalah sebagai berikut.
2. Rancang Bangun Alat Penggerak
Gambar 2.5 Desain Alat Penggerak Gambar 2.6 Skema Rangkaian Alat
Mikroskop USB Digital Menggunakan Penggerak Mikroskop Usb Digital
Sweet Home 3D
Pada gambar rangkaian diatas sumbernya
Keterangan Gambar : menggunakan adaptor AC-DC 12v yang
1. Motor DC 1 : Posisinya berada di dihubungkan ke driver motor l293d. Untuk
sebelah kanan yang fungsinya untuk output (OUT) dari driver motor l293d yaitu 3
menggerakan gear dan belt pada motor DC sedangkan input (IN) didapat dari
pin digital arduino uno dimana pin yang
sebelah kanan
digunakan adalah pin 2 sampai dengan pin 7.
2. Motor DC 2 : Posisinya berada di Untuk pin analog Arduino Unonya digunakan
tengah yang fungsinya untuk untuk menghubungkan joystick yang pada
menggerakan poros penggerak serta skema rangkaiannya digantikan dengan
sebagai kontrol gerak naik dan turun pushbutton karena pada ISIS Proteus tidak
dari alas preparat terdapat komponen joystick shieldnya.
3. Motor DC 3 : Posisi nya berada di
sebelah kiri yang fungsinya untuk
Pada penelitian ini, peneliti melakukan
menggerakan gear dan belt pada
beberapa tahapan untuk menguji coba alat
sebelah kanan yang dirancang oleh peneliti. Ada dua tahapan
4. Rel Peluncur : Digunakan sebagai pengujian dalam rancangan ini, yaitu
tempat untuk bergeraknya mikroskop pengujian software (program) dan pengujian
usb digital yang nantinya diletakkan hardware.
di tengah-tengah
5. Alas Preparat (Objek) : Digunakan
sebagai tempat untuk menaruh
preparat darah (objek) yang akan di
amati
6. Poros Penggerak : Digunakan
sebagai gear penggerak yang akan
menggerakkan alas preparat ke atas
dan ke bawah
3. Skema Rangkaian
Dalam penelitian ini semua komponen yang
98
dibutuhkan akan digambarkan dengan skema
3.1 Pengujian Software (Program) memiliki pin analog yang berbeda. Langkah
selanjutnya yaitu menuliskan fungsi void
setup seperti berikut
void setup() {
Serial.begin(9600);
motortengah.setSpeed(255);
motorkiri.setSpeed(255);
motorkanan.setSpeed(255);
digitalWrite(positivePin, HIGH)
Pada void setup serial begin yang digunakan

adalah 9600. Kode ini merupakan kode yang
digunakan pada motor DC. Untuk motor DC
ini sendiri, memiliki kecepatan putaran yang
dapat diatur sesuai keinginan dengan range
putaran 0-255 PWM (pulse width moduletion).
Gambar 3.1 Program Arduino 1
Pengaturan kecepatan pada 3 motor tersebut
adalah 255 PWM atau kecepatan maksimal,
Dalam penelitian ini, pengujian software
berdasarkan hasil pengujian yang telah
menggunakan software Arduino IDE karena
dilakukan pada kecepatan 255 PWM semua
pada software ini menggunakan Arduino Uno
motor mendapat waktu tempuh tercepat dan
sebagai pusat perintah untuk pengendalian
untuk pin positif nya diatur pada tingkatan
gerak alat tersebut. Dimana arduino sendiri
high.
harus diisi dengan program yang terlebih
dahulu sudah dibuat sedemikian rupa.
3.2 Pengujian Hardware
Pada software Arduino IDE menggunakan
Pengujian Hardware merupakan penyusunan
bahasa C dimana setiap fungsi memiliki
atau penggabungan beberapa komponen
kegunaannya masing-masing. Untuk fungsi
dalam sebuah rancang bangun alat yang dapat
awal yang digunakan adalah:
mempermudah proses kerja penelitian.
Adapun dalam penelitian ini memiliki
#include <JoystickShield.h>
beberapa bagian dalam pengujian Hardware,
#include <AFMotor.h>
sebagai berikut :
1. Alat Pengujian
Dalam penelitian ini peneliti menggunakan
joystick shield sebagai kontrol gerak dan Berikut alat yang sudah di rakit dan siap untuk
untuk AF motor sendiri merupakan fungsi dilakukan pengujian
untuk motor DC. Setelah itu dituliskan aturan
untuk gerak motor DC dan pin yang
digunakan untuk mensinkronkan antara
software Arduino IDE dengan Arduino Uno
seperti berikut:
AF_DCMotor motorkiri(4);
AF_DCMotor motortengah(2);
AF_DCMotor motorkanan(3);
int forward = analogRead(7);
int backward = analogRead(1);
int right = analogRead(2);
Gambar 3.2 Alat yang sudah dirakit
int left = analogRead(3);
int up = analogRead(4);
2. Mikroskop USB Digital
int down = analogRead(5);
int positivePin = 2; Pada bagian ini peneliti memilih Mikroskop
USB Digital dengan pembesaran 1000x
pada program diatas terdapat 3 buah motor dengan harapan dapat mengamati objek yaitu
DC yang digunakan yaitu motor kiri, motor sampel sel darah tipis malaria, karena yang
tengah, dan motor kanan. Terdapat juga 6 arah peneliti tahu sebelumnya belum ada yang
gerakan untuk motor DC yang masing-masing menggunakan Mikroskop USB Digital untuk
99
mengamati sel darah tipis malaria. Namun

pada percobaan pertama sampel sel darah tipis
malaria di Fakultas Kedokteran Universitas
Diponegoro pada tanggal 07 – 09 Oktober
2015, hasil yang didapat adalah Mikroskop
USB Digital tidak dapat mengamati objek
sampai ke inti sel, tetapi hanya dapat
mengamati objek pada permukaan luarnya
saja. Hasil ini didapatkan dengan
membandingkan hasil pengamatan dari
Mikroskop USB Digital dengan Mikroskop Gambar 3.6 Hasil pengujian menggunakan
Olympus. Mikroskop Olympus
Karena hasil yang tidak sesuai dengan yang

diharapkan, peneliti mencoba berkonsultasi
dengan Dosen pembimbing untuk mencari
solusi untuk menyelesaikan masalah tersebut.
Akhirnya cara lain yang ditemukan adalah
mencoba membongkar Mikroskop USB
Digital lalu menukar lensa aslinya dengan
menggunakan lensa okuler pembesaran 1 :
100. Setelah beberapa kali melakukan uji coba
Gambar 3.3 Pengujian menggunakan menggunakan lensa okuler yang digabungkan
Mikroskop USB Digital dengan Mikroskop USB Digital, didapatkan
hasil yang mendekati dengan hasil yang
menggunakan Mikroskop Olympus.
Gambar 3.4 Hasil pengujian menggunakan Gambar 3.7 Mikroskop USB Digital yang
Mikroskop USB Digital telah di modifikasi
Pada pengujian pertama menggunakan

mikroskop usb digital terlihat hasil
pengambilan gambar nya kurang begitu jelas.
Ini disebabkan lensa yang digunakan hanya
mampu menjangkau permukaannya saja
sedangkan sel darah yang terinfeksinya tidak
terlihat.
Gambar 3.8 Interface Mikroskop USB

Digital
Gambar di atas merupakan tampilan dari

mikroskop usb digital ketika sudah terhubung
dengan pc ataupun laptop. Pada tampilan
tersebut terdapat beberapa pilihan pengaturan
Gambar 3.5 Pengujian menggunakan seperti mengatur ukuran gambar yang
Mikroskop Olympus dihasilkan, dengan mengklik ikon snapshot
100
maka gambar yang dari mikroskop usb digital antara tegangan yang tertera dengan tegangan
dapat ter capture dan bisa di save. yang diukur oleh multimeter ternyata hasilnya
berbeda. Perbedaannya cukup jauh dari apa
yang sudah tertera di Adaptor AC-DC,
sedangkan tegangan yang dibutuhkan
maksimal 12 V. Apabila tegangan yang
digunakan lebih dari 12 V maka IC Regulator
pada arduino akan panas dan menyebabkan
kerusakan pada arduinonya, seperti terjadi
pada saat percobaan pertama penulis mengatur
tegangan 12 v yang tertera pada Adaptor AC-
DC tanpa mengukur kembali tegangan yang
Gambar 3.9 Hasil pengujian Mikroskop dikeluarkannya. Hasilnya arduino nya menjadi
USB Digital yang telah di modifikasi 1 panas dan tidak bisa mendownload program
sehingga tidak dapat digunakan kembali.
Untuk range tegangan aman yaitu berkisar 7 –
12.5 v dan harus menyetel Adaptor AC-DC di
range tegangan 4,5 – 9 v.
Gambar 3.10 Hasil pengujian Mikroskop

USB Digital yang telah di modifikasi 2
Gambar 3.12 Adaptor AC-DC 12V
Tabel 3.2 Perbandingan Pengaturan PWM

Terhadap Waktu
Pengaturan Mund
Kiri Kanan Maju
PWM ur
80 Pwm 11,69s 12,24s 14,93s 15,39s
Gambar 3.11 Sistem Kontrol
100 Pwm 11,23s 11,49s 14,16s 14,35s
Tabel 3.1 Range Tegangan Adaptor AC-DC
Tegangan yang Tegangan yang 120 Pwm 13,17s 12,29s 14,47s 15,61s
tertera terukur
140 Pwm 12,17s 12,52s 15,72s 14,18s
1,5 V 3,5 V
3V 5,1 V 160 Pwm 11,15s 11,91s 15,00s 15,24s
4,5 V 6,8 V 180 Pwm 11,13s 11,46s 13,62s 13,87s

6V 8,5 V 200 Pwm 12,21s 12,43s 13,83s 13,92s
7,5 V 10,2 V
220 Pwm 10,89s 10,83s 13,42s 13,34s
9V 12,4 V
12 V 16,7 V 240 Pwm 10,94s 11,05s 13,86s 13,92s
255 Pwm 10,65s 10,79s 13,28s 13,27s
Pada penelitian ini digunakan Adaptor AC-DC
sebagai power supply 12 V untuk arduino. Dari tabel diatas dapat dilihat hasil
Setelah itu peneliti mencoba membandingkan perbandingan pengaturan PWM dan waktunya
101
tidak terlalu signifikan, hanya berkisar antara tegangan 10 V didapatkan hasil waktu dengan
10-15 detik saja. Pada data diatas untuk range 19 – 23 detik, jaraknya cukup jauh
kecepatan motor 80 Pwm lebih kecil hasilnya dibandingkan dengan tegangan 12,5 V yang
dibandingkan dengan kecepatan motor 120 memiliki range waktu 11 – 15 detik. Jadi
Pwm dan 200 Pwm ini disebabkan oleh untuk tegangan masukan yang bagus adalah
beberapa faktor. Ada beberapa faktor yang memiliki waktu tempuh tercepat sehingga
mempengaruhi perubahan data nya yaitu sangat berpengaruh terhadap kecepatan motor,
seperti jarak dan kerapatan belt yang pada tabel tersebut tegangan masukan dengan
digunakan, karena setiap pergerakan belt waktu tempuh tercepat adalah 12,5 V.
mempunyai daya renggang yang berbeda Data hasil dari 2 tabel diatas hanya berlaku
sehingga mempengaruhi putaran dan untuk motor kiri dan motor kanan, sedangkan
kecepatan motor. Jadi pengaturan PWM yang untuk motor tengah yang gerakannya naik
bagus untuk digunakan adalah yang turun langsung diatur dengan kecepatan 255
mempunyai waktu tempuh tercepat, dilihat Pwm dan tegangan 12,5 V karena poros yang
dari tabel diatas yang mempunyai waktu digunakan memiliki ulir yang sangat rapat
tempuh tercepat adalah 255 Pwm atau sehingga gerakannya akan sangat lambat ini
kecepatan maksimal. karena pada motor tengah menggerakan alas
preparat yang gerakannya harus diatur pelan.
Grafik 3.1 Perbandingan Kecepatan dan

Waktu Grafik 3.2 Perbandingan Tegangan dan
Waktu
Tabel 3.3 Perbandingan Tegangan
Terhadap Waktu 4. PENUTUP
Tegangan 4.1 Kesimpulan
Kiri Kanan Maju Mundur
Masukan Berdasarkan hasil penelitian :
5V 1. Motor penggerak dapat menggerakan usb
Lampu LED redup dan motor berputar
mikroskop digital, sehingga usb mikroskop
7,5 V lambat
digital dapat memposisikan sel darah tipis
10 V 19,08s 19,32s 23,36s 23,90s malaria dengan menggunakan lensa okuler
pembesaran 1 : 100x.
12,5 V 11,81s 12,62s 15,80s 15,68s 2. Kecepatan Putaran motor DC dipengaruhi
oleh dua faktor yaitu Tegangan Masukan
Pada perbandingan tegangan dan waktu di dari adaptor AC – DC dan Pengaturan
dapat hasil data seperti tabel diatas. Untuk PWM (Pulse Width Modulation). Untuk
data tegangan 5 V dan 7,5 V ketika dilakukan kecepatan range tegangan yang aman 7,5
pengujian hasilnya nyala lampu LED redup
V sampai dengan angka maksimal 12,5 V
dan motor berputar lambat bahkan tidak
bergerak. Ini disebabkan karena tegangan dan hasil akhir pada tegangan maksimal
masukan yang dibutuhkan untuk dapat yang digunakan adalah 12,5 V. Sedangkan
menggerakan motor adalah 12 V, sehingga untuk pengaturan PWM yang digunakan
ketika diberikan tegangan sebesar 5 V dan 7,5 yaitu 255 Pwm.
V maka motor tersebut akan bergerak lambat 3. USB Mikroskop Digital memiliki arah
bahkan sampai tidak bergerak. Untuk pergerakan yaitu pada motor bagian kiri
102
dan motor kanan bergerak ke arah Kanan [7] Dasar, Elektronika. Tersedia pada
– Kiri – Maju – Mundur. Sedangkan pada http://www.elektronika-
motor bagian tengah bergerak ke arah Atas dasar.web.id/driver-motor-dc-
l293d/ [diakses pada tanggal
dan Bawah.
12/11/2015]
4.2 Saran
Setelah penulis melakukan penelitian ini,
untuk pengembangan alat selanjutnya [8] Elektro Control Team, ―Driver Motor
disarankan untuk memakai kamera yang DC Menggunakan IC L293D‖.
beresolusi lebih tinggi yaitu dengan pixel www.electrocontrol.wordpress.com
diatas 2 Mp dan pembesaran lensa yang lebih [diakses pada tanggal 12/11/2015]
berkualitas yaitu diatas 1000x pembesaran, [9] Sri Hartati, Agus Harjoko, Tri Wahyu
sehingga hasil yang didapatkan lebih konkret Supardi. The Digital Microscope
dan akurat. And Its Image Processing Utility.
Department of Computer Science
DAFTAR PUSTAKA and Electronics Universitas Gajah
[1] Wijaya Kusuma, A.A. Wiradewi Lestari, Mada.
Sianny Herawati, I Wayan Putu
Sutirta Yasa. Pemeriksaan [10] Inti Prana, Duta. Sistem Antarmuka Pada
Mikroskop Dan Tes Diagnostik Mikroskop Refleksi Digital
Cepat Dalam Menegakkan Berbasis Arduino UNO. Jurusan
Diagnosis Malaria. Jurnal Ekologi Teknik Elektro Universitas
Kesehatan.2011 Politeknik Negeri Sriwijaya.
[2] Yon Rijono, Dasar Teknik Tenaga

[11] Triyono, Andi Pujo. Modifikasi
Listrik, (Yogyakarta :Andi, 1997)
Mikroskop Dengan Sistem Kamera
dan Pengolahan Gambar Sampel.
[3] Fitzgerald, A.E. and Team, ―Mesin-mesin Semarang. 2006
Listrik‖., (Jakarta, Erlangga, 1997)
[12] R. Prayogo, Pengaturan PWM,
[4] Berahim, Hamzah, ―Pengantar Teknik Universitas Brawijaya, Malang,
Tenaga Listrik‖., (Yogyakarta, 2012.
Andi Offset, 1991)
[13] Baharuddin, Rhiza S.Sadjad, Muhammad
[5] Kadir, Abdul. 2013. ―Panduan Praktis Tola. Sistem Kendali Kecepatan
Mempelajari Aplikasi Motor DC Berbasis PWM (Pulse
Mikrokontroler dan Width Modulation). Jurusan Teknik
Pemrogramannya Menggunakan Elektro Universitas Hasanuddin.
Arduino‖. Yogyakarta, Andi.
[14] Rashid, M.H., 1993, ―Power Electronics:
[6] Arduino. Tersedia pada Circuit, Devices, and Application‖,
https://www.arduino.cc/en/Guide/E Prentice Hall International, INC.,
nvironment [diakses pada tanggal Englewood Cliffs, New Jersey
16/12/2015]
103
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN

E-COMMERCE YANG BANYAK DIMINATI DENGAN
METODE SAW
Evta Indra1, Billy Jaya2
1
Indonesia
Telp. (061) 4578870
2
Jurusan Sistem Informasi, FakultasTeknologi dan Ilmu Komputer, Universitas Prima
Indonesia
1
evtaindra@unprimdn.ac.id
ABSTRAKS
E-commerce merupakan proses pembelian dan penjualan produk, jasa dan informasi yang
dilakukan secara elektronik dengan memanfaatkan jaringan komputer. E-commerce
meningkatkan perdagangan. Transaksi E-commerce di dunia terus mengalami peningkatan
tidak terkecuali di Indonesia. Dilihat dari keuntungan dan perkembangan penggunaan
ecommerce tersebut menjadikan E-commerce sebagai elemen penting dalam pengembangan
suatu bisnis atau usaha. Terlebih lagi bagi Usaha Kecil Menengah yang mempunyai modal
terbatas. Akan tetapi hingga saat ini tingkat adopsi E-commerce pada di Indonesia masih
sangat rendah. Rendahnya tingkat adopsi di Indonesia dipengaruhi berbagai variabel baik
internal maupun eksternal. Terdapat tiga tahapan dalam proses adopsi E-commerce yaitu tahap
penilaian. Selain akan menganalisis proses adopsi E-commerce, penelitian ini juga akan melihat
sejauh apa pemerintah telah menjalankan perannya untuk mendorong peningkatan adopsi E-
commerce di Indonesia.
Kata Kunci : E-commerce , Metode SAW, PHPMyadmin, Berbasis WEB.
1. PENDAHULUAN mana yang lebih banyak peminatnya. Untuk

1.1. Latar Belakang mengetahuinya, maka dapat dirancang sebuah
Seiring berjalannya waktu, internet sistem pendukung keputusan.
menjadi salah satu hal yang penting dalam Sistem pendukung keputusan (SPK)
menjalankan kehidupan sehari–hari. Orang– adalah bagian dari sistem informasi berbasis
orang menggunakan komputer sebagai alat komputer termasuk sistem berbasis
komunikasi, jual beli produk secara online, pengetahuan yang dipakai untuk mendukung
serta mencari informasi. Internet sudah pengambilan keputusan dalam suatu
menjadi jaringan sosial yang dijadikan untuk organisasi atau perusahaan. Dengan
menghu-bungkan orang–orang, organisasi menggunakan metode SAW, proses
maupun pengetahuan, salah satu pemanfaatan pengambilan keputusan dalam menetukan E-
intenet dalam bisnis adalah E-commerce . commerce yang banyak diminati menjadi
Pada saat ini, E-commerce telah berkembang agar lebih menjadi lebih baik berdasarkan
sangat pesat baik dari segi jumlah maupun kriteria-kriteria yang ada.
bisnisnya, hal ini menyebabkan perusahaan E-
commerce saling bersaing untuk 1.2. Identifikasi Masalah
meningkatkan pelayanan yang lebih baik pada Berdasarkan latar bekalang
website mereka. Beberapa website E- permasalahan di atas, maka dalam penelitian
commerce yang terkenal seperti Lazada, ini identifikasi masalahnya adalah:
Bukalapak, Olx, Tokopedia, Blibli, 1. Bagaimana menerapkan sistem
Mataharimall, Jd.id, Shoppe, Amazon, Zalora, pendukung keputusan untuk
dan sebagainya. Semakin banyakanya E- menentukan E-commece yang paling
commerce saat ini membuat pembeli diminanti?
terkadang bingung untuk menentukan E- 2. Bagaimana penerapan metode SAW
commerce mana yang cocok sebagai tempat dalam menentukan E-commerce yang
mereka berbelanja. Untuk memilih layanan paling diminanti?
website E-commerce yang ingin digunakan,
104
maka perlu diketahui website E-commerce 1.3. Batasan Masalah
Agar pembahasan lebih terfokus maka

dilakukan pembatasan masalah sebagai
berikut:
1. Jumlah kriteria yang dinilai sebanyak
5 yaitu, yang meliputi tampilan
website, produk yang ditawarkan,
sistem pembayaran, pengiriman dan
pelayanan dari admin E-commerce.
2. Data output yang dibahas mencakup
laporan penilaian E-commerce.
3. Desain web akan dibuat dengan
menggunakan aplikasi Adobe
Dreamweaver CS4.
4. Program dibuat dengan mengguna-kan
bahasa script PHP dan Java-script.
5. Format database yang digunakan
adalah MySQL. Langkah-langkah penyelesaian:
6. Laporan disusun dengan mengguna- 1. Bobot nilai = [(0.3), (0.25),
kan Adobe Reader. (0.25),(0.1),(0.1)]
2. Matrik Keputusan X berdasarkan kriteria
2. ANALISA DAN PERANCANGAN bobot.
2.1. Analisa Menentukan nilai bobot yang menunjukkan
Data yang di gunakan untuk tingkat kepentingan relatif setiap atribut
perhitungkanmetode saw diperoleh dari sebagai berikut:
kuisoner yang di isi oleh mahasiswa. Dengan
Pengisian kuisoner tersebut,dapat diketahui E-
commerce mana yang diminati. Penilaian
dari 210 kuisoner tersebut akan dimasukkan
ke dalam tabel penilaian alternatif berdasarkan
Matriks
kriteria yang ada
Kriteria yang digunakan untuk penilaian E-
commerce yang banyak diminati adalah :
1. Pelayanan
2. Produk
3. Tampilan Melalukan proses normalisasi matriks
4. Pembayaran keputusan (X) Ke suatu skala yang dapat di
5. Pengiriman perbandingkan dengan semua rating alternatif
Pada tabel 1 berikut merupakan tabel kriteria yang ada .matriks Qternormalisasi R di
beserta nilai bobotnnya yang di gunakan peroleh dari persamaa sebagai berikut:
dalam analisis dengan metode SAW.
Tabel 1 Nilai Bobot Setiap Kriteria:
Kriteria Keterangan Nilai
C1 Pelayanan 30 %
C2 Produk 25%
C3 Tampilan 25%
C4 Pembayaran 10 %
C5 Pengiriman 10 %
Pada Tabel 2 tabel penilaian kriteria untuk

setiap alternatif dimana nilaiyang di dapatkan
berdasarkan hasil 210 kuisoner yang di
bagikan dan di isi oleh masyarakat
105
A2 = (0,9040)(0,25) = 0.22600;
A3 = (0,9790)(0,25) = 0.24475;
A4 = (0,7706)(0,25) = 0.19265;
A5 = (1,0000)(0,25) = 0.25;
A6 = (0,8801)(0,25) = 0.22002;
A7 = (0,6327)(0,25) = 0.15817;
A8 = (0,5352)(0,25) = 0.1338;
A9 = (0,4723)(0,25) = 0.11807;
A10 = (0,2969)(0,25) = 0.074
2.2. Implementasi
Tampilan Awal Sebelum memulai
menjalankan program ini,maka dibuka
XAMPP Control Panel untuk mengaktifkan /
start module apache dan MySQL. Setelah
itu,buka browser Modzila Firefox dan
masukkan link berupa localhost/E-commerce,
lalu enter. Setelah itu akan muncul tampilan
form login yang kemudian di isi username dan
password agar dapat masuk ke halaman
berikutnya seperti pada gambar 1.
Dari forumula di atas dapat di peroleh matrik
ternormalisasi R, sebagai berikut :
Normalisasi
Gambar 1 Tampilan Login
Langkah Terakhir proses perangkingan

dengan menjumlahkan setiap alternatif dari
matriks ternormalisasi R setiap baris di
kalikan bobot W sebagai berikut:
Penilaian alternatif berdasarkan kriteria

Pelayanan
A1 = (1,0000)(0,3) = 0.30000;
A2 = (0,9032)(0,3) = 0.27096;
A3 = (0,9765)(0,3) = 0.29295;
A4 = (0,5809)(0,3) = 0.17427;
A5 = (0,7344)(0,3) = 0.22032;
A6 = (0,7137)(0,3) = 0.21411; Gambar 2 Tampilan Registrasi
A7 = (0,5007)(0,3) = 0.15021; Tampilan Registrasi ini merupakan halaman
A8 = (0,4647)(0,3) = 0.13941; dimana user baru harus mendaftar dengan
A9 = (0,4523)(0,3) = 0.13569; memasukan id dan password agar dapat
A10 =(0,3112)(0,3)= 0.09336; melakukan penilaian terhadap E-commerce.
Dari Penilaian Pelayanan, A1mendapatkan
nilai 0.30000 jadi dapat dikatakan bawah
Lazada mendapatkan nilai pelayanan yang
paling tinggi dari E-commerce yang lain.
Penilaian alternatif berdasarkan kriteria
Tampilan
A1 = (0,9910)(0,25) = 0.24775;
106
Gambar 3 Tampilan Home
Tampilan home merupakan tampilan Gambar 7 Tampilan Daftar E-

utama atau menu utama setelah login berhasil. commerce
Tampilan data E-commerce merupakan
tampilan dimana berisi data E-commerce,
KodeE-commerce, Nama E-commerc .
Gambar 4 Tampilan Kriteria

Tampilan data admin merupakan
tampilan dimana berisi data yang berhak
mengakses web E-commerce meliputi kriteria
penambah-an data berupa kode kritria,nama
kriteria,bobot kriteria.
Gambar 8 Tampilan User
Tampilan di atas merupakan tampilan
User yang terdapat Home, Nilai Kriteria,
Proses Penilaian.
Gambar 5 Tampilan Daftar Kriteria

daftar kriteria yang sudah di input oleh admin
yang meliputi kode kriteria,nama
kriteria,bobot.
Gambar 9 Nilai Kriteria

Nilai Kriteria yang dimana user dapat menilai
beberapa E-commerce berdasarkan pelayanan,
produk, tampilan, pengiriman.
Gambar 6 Tampilan E-commerce

Tampilan data E-commerce merupakan
tampilan dimana berisi data E-commerce
Kode E-commerce, Nama E-commerce .
107
TIMES 2013. Vol. 9 No 2 : 213-216.

Universitas Dehasen Bengkulu.
[2] Sidik (2015). Implementasi Meode

Simple Additive Weighting Pada
Pemilihan Toko Komputer Online .
Jurnal Dari Maret 2015. Vol. XI No.1.
Hal. 83. STBA Nusa Mandiri.
[3] Yani Sugiyani, Adji Rizkiyanto (2014).

Sistem Rekomendasi Penjualan Alat
Musik Modern Menggunakan. Jurnal
Volume 1 No.1. Hal. 39-40. Universitas
Gambar 10 Hasil Penilaian Serang Raya.
Tampilan di atas merupakan tampilan hasil
penilaian akhir perhitungan metode SAW. [4] Moedjiono , Nuraeni, Dkk (2016).
Sistem Pengambilan Keputusan Promosi
3. Kesimpulan Jabatan Dengan Metode Analytical
Penelitian ini dilakukan sebagai salah satu Hierarhy Process Suatu Perusahaan
bahan pertimbangan dalam memilih E- Industri Kimia. Konferensi Nasional
commerce mana saja yang banyak diminati Teknologi Informasi dan Komunikasi
dan memenuhi kriteria sehigga para calon (KNASTIK 2016) Yogyakarta, 19
pembeli online akan terbantu dalam memilih November 2016. Hal.20. Program
E-commerce yang banyak di minanti . Dari Pascasarjana, Universitas Budi Luhur.
uraian pada bahasan-bahasan sebelumnya,
maka dapat disimpulkan: [5] Sri Eniyat (2011). Perancangan Sistem
1. Customer dapat melihat sendiri hasil Pendukung Pengambilan Keputusan
survey manakah E-commerce yang untuk Simple Additive Weighting .
lebih bagus dalam hal pelayanan, Jurnal Teknologi Informasi Dinamik
tampilan, produk, pembayaran, Volume 16 no 2. Hal. 173. Universitas
pengiriman. Stikubank.
2. Tidak hanya customer, pemilik atau
pendiri E-commercemasing-masing [6] Indra Yatini B (2014). Aplikasi
dapat mengetahui kelemahan E- Pengolahan Citra Berbasis Web
commerce nya sehingga dapat Menggunakan JavaScript Dan
ditingkatkan lagi Jqueery.Hal2.STMIKAKAKOM
Yogyakarta.
Saran
1. Berdasarkan hasil Penelitian yang telah [7] Sri Haryanti, Tri Irianto (2011) Rancang
dilakukan maka saran dari penulis adalah Bangun Sistem Informasi E-commerce
agar sistem ini dapat dikembangkan lagi Untuk Usaha Fashion Studi Kasus Omah
karena sistem ini berbasis web. Mungkin Mode Kudus. Journal Speed – Sentra
akan lebih bagus jika dikembangkan Penelitian Engineering dan Edukasi –
dalam aplikasi android. Volume 3 No 1 – 2011.Hal 10.
2. Untuk penelitian selanjutnya dapat juga Universitas Surakarta.
dibandingkan dengan metode SMART
agar terlihat perbanding-annya. [8] Liza Yulianti (2013) Implementasi
Jaringan Syaraf Tiruan Dalam Sistem
PUSTAKA Pendukung Keputusan Untuk Memilih
[1] Indra Kanedi, Yupianti, Dkk (2014). Perguruan Tinggi. Jurnal Media
Hari Utami Media Saran Promosi Infotama, Vol.9, No.2, Hal 47-49.
Makanan Khas Bengkulu berbasis Universitas Dehasen Bengkulu.
website menggunakan Script. Jurnal
108
CLOUD COMPUTING DATA MINING DI DALAM DUNIA PENDIDIKAN

Feri Hari Utami1, Jeperson Hutahaean2
1
Program Sistem Informasi, Fakultas Ilmu Komputer, Universitas Dehasen
Jl. Meranti Raya No.32 Sawah Lebar Bengkulu 38228
E-mail : nidokruan@gmail.com
Program Studi Sistem Informasi, STMIK Royal Kisaran
Jl. Prof H.M Yamin No. 173 Kisaran, Sumatera Utara 21222
E-mail:jepersonhutahaean@royal.ac.id
ABSTRAK
Cloud computing data mining komputasi awan merupakan gabungan pemanfaatan teknologi
komputer (komputasi) dalam suatu jaringan dengan pengembangan berbasis internet (awan)
yang mempunyai fungsi untuk menjalankan program atau aplikasi melalui komputer-komputer
yang terkoneksi pada waktu yang sama, tetapi tak semua yang terkonekasi melalui internet
menggunakan cloud computing, Berdasarkan latar belakang yang telah dijelaskan diatas dapat
diambil suatu perumusan masalah yaitu Cloud computing data mining didalam dunia
pendidikan untuk transformasi digital, Berdasarkan hasil pembahasan dan pengujian dapat
diambil kesimpulan sebagai berikut : Dengan adanya Cloud Computing Data Mining Didalam
Dunia Pendidikan menggunakan bahasa pemograman PHP dan database MySQL lebih muda
menyajikan informasi data yang digunakan begitu besar sehingga aman dalam beberapa tahun
bahkan puluhan tahun sehingga tidak banyak menggunakan kertas, mudah dicari kapan saja,
Mempermudah informasi baik dalam pencarian data, proses informasi kursus maupun dalam
pembentukkan laporan.
Kata Kunci : Cloud Computing Data Mining
1.1. Latar Belakang kelas berikutnya sibuk menyiapkan berkas

Cloud computing data mining komputasi untuk ujian sekolah kalau dikalkulasi dalam 1
awan merupakan gabungan pemanfaatan tahun berapa lemari yang disiapkan untuk
teknologi komputer (komputasi) dalam suatu menyimpan berkas, kalau 2 tahun bahkan
jaringan dengan pengembangan berbasis sampai 5 tahun maka berapa besar ruangan
internet (awan) yang mempunyai fungsi untuk yang akan disiapkan untuk menyimpan berkas
menjalankan program atau aplikasi melalui baru Peserta Didik saja, belum guru
komputer-komputer yang terkoneksi pada menyiapkan laporan, RPP (Rencana Pokok
waktu yang sama, tetapi tak semua yang Pembelajaran) Absensi, tugas Peserta Didik
terkonekasi melalui internet menggunakan rapot dan sebagainya, maka dengan ini saja
cloud computing. guru akan banyak memakan tempat untuk
Teknologi komputer berbasis sistem menyiapkan berkas, sehingga beban kerja
Cloud ini merupakan sebuah teknologi yang yang banyak dan administrasi yang
menjadikan internet sebagai pusat server menumpuk akan terbayang sebanyak apa
untuk mengelola data dan juga aplikasi berkas, belum lagi dg segi efesiensi waktu dan
pengguna. Teknologi ini mengizinkan para model pencarian beberapa waktu untuk
pengguna untuk menjalankan program tanpa mencari Peserta Didik dan guru yang 5 tahun
instalasi dan mengizinkan pengguna untuk terakhir dan akan membongkar berkas yang
mengakses data pribadi mereka melalui banyak untuk mencari guru dan peserta didik
komputer dengan akses internet, didalam tersebut. Sehingga dari kasus yang terjadi ini
cloud computing akan sejalan dengan data la penulis ingin mengangkat judul Cloud
mining dunia pendidikan karna didunia computing data mining didalam dunia
pendidikan begitu banyak masalah dan pendidikan.
persoalan dimana diera sekarang guru-guru
sibuk dengan system administrasi begitu juga 1.2. Rumusan Masalah
Peserta Didik, dimana data minig adalah data Berdasarkan latar belakang yang
yang besar dan digali menjadi suatu informasi telah dijelaskan diatas dapat diambil suatu
yang penting, seperti disekolah ketika perumusan masalah yaitu Cloud computing
penerimaan Peserta Didik baru begitu banyak data mining didalam dunia pendidikan untuk
berkas yang disiapkan, begitu juga klas transformasi digital.
109
berikutnya menyiapkan laporan kelas dan
2.1. Landasan Tiori we tertentu melalui kueri ke semua search

A. Cloud Computing engine adalah pekerjaan pencarian informasi
Komputasi awan (Cloud Computing) yang erat kaitannya dengan information
adalah di mana informasi secara permanen retrieval. Teknik-teknik data mining dapat
tersimpan di server di internet dan tersimpan digunakan untuk meningkatkan kemampuan
secara sementara di komputer pengguna atau sistem-sistem information retrieval.
client seperti desktop, komputer tablet, Data input dapat disimpan dalam
notebook, komputer tembok, handheld, berbagai format seperti flat file, spreadsheet,
sensor-sensor, monitor dan lain-lain 3. atau tabel-tabel relasional, dan dapat
Cloud Computing (Komputasi awan) menempati tempat penyimpanan data terpusat
adalah gabungan pemanfaatan teknologi atau terdistribusi pada banyak tempat. Tujuan
komputer (komputasi) dan pengembangan dari preprocessing adalah mentransformasikan
berbasis Internet (awan). Awan (cloud) adalah data input mentah ke dalam format yang
metefora dari internet, sebagaimana awan sesuai untuk analisis selanjutnya. Langkah-
yang sering digambarkan di diagram jaringan langkah yang terlibat dalam preprocessing
komputer. data meliputi mengabungkan data dari
Komputasi awan (Cloud Computing) berbagai sumber, membersihkan (cleaning)
adalah suatu konsep umum tren teknologi data untuk membuang noise dan observasi
terbaru lain yang dikenal luas mencakup SaaS, duplikat, dan menyeleksi record dan fitur yang
Web 2.0 dengan tema umum berupa relevan untuk pekerjaan data mining. Karena
ketergantungan terhadap Internet untuk terdapat banyak cara mengumpulkan dan
memberikan kebutuhan komputasi pengguna. menyimpan data, tahapan preprocessing data
Sebagai contoh, Google Apps menyediakan merupakan langkat yang banyak
aplikasi bisnis umum secara daring yang menghabiskan waktu dalam KDD. Hasil dari
diakses melalui suatu penjelajah web dengan data mining sering kali diintegrasikan dengan
perangkat lunak dan data yang tersimpan di decision support system (DSS). Sebagai
server 1. contoh, dalam aplikasi bisnis informasi yang
Sebagaimana awan dalam diagram dihasilkan oleh data mining dapat
jaringan komputer tersebut, awan (cloud) diintegrasikan dengan tool manajemen
dalam Cloud Computing juga merupakan kampanye produk sehingga promosi
abstraksi dari infrastruktur kompleks yang pemasaran yang efektif yang dilaksanakan dan
disembunyikannya. Ia adalah suatu metoda dapat diuji.
komputasi di mana kapabilitas terkait Integrasi demikian memerlukan langkah
teknologi informasi disajikan sebagai suatu post processing yang menjamin bahwa hanya
layanan (as a service), sehingga pengguna hasil yang valid dan berguna yang akan
dapat mengaksesnya lewat Internet (di dalam digabungkan dengan DSS. Salah satu
awan) tanpa mengetahui apa yang ada pekerjaan dan postprocessing adalah
didalamnya, ahli dengannya, atau memiliki visualisasi yang memungkinkan analyst untuk
kendali terhadap infrastruktur teknologi yang mengeksplor data dan hasil data mining dari
membantunya.6 berbagai sudur pandang. Ukuran-ukuran
statistik dan metode pengujian hipotesis dapat
B. Data Mining digunakan selama postprocessing untuk
Data mining adalah sebuah proses membuang hasil data mining yang palsu.
percarian secara otomatis informasi yang Secara khusus, data mining menggunakan ide-
berguna dalam tempat penyimpanan data ide seperti (1) pengambilan contoh, estimasi,
berukuran besar. Istilah lain yang sering dan pengujian hipotesis, dari statistika dan (2)
digunakan diantaranya knowledge discovery algoritme pencarian, teknik pemodelan, dan
(mining) in databases (KDD), knowledge teori pembelajaran dari kecerdasan buatan,
extraction, data/pattern analysis, data pengenalan pola, dan machine learning. Data
archeology, data dredging, information mining juga telah mengadopsi ideide dari area
harvesting, dan business intelligence. Teknik lain meliputi optimisasi, evolutionary
data mining digunakan untuk memeriksa basis computing, teori informasi, pemrosesan
data berukuran besar sebagai cara untuk sinyal, visualisasi dan information retrieval. 4
menemukan pola yang baru dan berguna. Sejumlah area lain juga memberikan
Tidak semua pekerjaan pencarian informasi peran pendukung dalam data mining, seperti
dinyatakan sebagai data mining 2. sistem basis data yang dibutuhkan untuk
Sebagai contoh, pencarian record menyediakan tempat penyimpanan yang
individual menggunakan database efisien, indexing dan pemrosesan kueri.
management system atau pencarian halaman
110
Gambar 1.2 menunjukkan hubungan data 3.3. Metode Perancangan Sistem

mining dengan areaarea lain. a.Analisa Sistem Aktual
Sebelum melakukan
pengembangan terhadap suatu
sistem terlebih dahulu kita
menganalisa sistem yang lama ke
sistem digital.
b. Perancangan Sistem Baru
Dari masalah yang
ditemukan pada analisa sistem
aktual, maka pada sistem baru
akan dirancang aplikasi dapodik
(data pokok pendidikan).

4. 1. Hasil dan Pembahasan
3.1. Hardware dan Software Cloud computing data mining
Adapun Hardware dan Softwareyang komputasi awan merupakan menyimpan data
digunakan dalam penelitian ini adalah sebagai yang besar ke sistem digital dan dapat diakses
berikut : kapan saja baik hard copy maupun softcopy
1.Hardware dan tidak memerlukan tempat yang besar
Hardware yang digunakan dalam untuk menyimpan berkas baik dalam bentuk
pembuatan aplikasi softcopy.
periklananadalah:
a. Laptop HP dengan spesifikasi 4. 2. Tampilan Program
sebagai berikut: a. Tampilan Menu Utama
b. Processor Intel Pentium Core Tampilan menu utama menyajikan hosting
I3 menggunakan cloud computing menggunakan
c. Memory 4 GB rumah web seperti gambar berikut:
d. Harddisk 500GB
2.Software
Software yang digunakan dalam
penelitian ini adalah sebagai
berikut:
a. Sistem Operasi Windows 8
b. Dapodik
c. Sql dan Mysql
3.2. Metode Pengumpulan Data

Metode pengumpulan data
yang digunakan untuk mendapat data
dalam penelitian ini adalah sebagai
berikut:
1.Metode Observasi
Yaitu suatu cara pengumpulan
data dengan mengadakan
pengamatan langsung di tempat
penelitian.
2.Metode Studi Pustaka
Yaitu metode yang dilakukan
dengan cara mempelajari teori-
teori yang berhubungan dengan
aplikasi.
3.Metode Wawancara b. Tampilan Input Data
Yaitu metode pengumpulan data Tampilan menu utama menyajikan input data
melalui tanya jawab dengan secara rinci mulai dari no induk sekolah
operator sekolah. sampai yang terkecil dijelaskan seperti gambar
berikut:
111
MySQL lebih muda menyajikan

informasi data yang digunakan begitu
besar sehingga aman dalam beberapa
tahun bahkan puluhan tahun sehingga
tidak banyak menggunakan kertas,
mudah dicari kapan saja.
2. Mempermudah informasi baik dalam
pencarian data, proses informasi
kursus maupun dalam pembentukkan
laporan.
5.2 Saran
Dari kesimpulan diatas, ada beberapa
saran agar dapat menggunkaan program
aplikasi ini dengan maksimal.
1. Program system ini diharapkan
dapat digunakan dengan
cadangan server yang lebih besar
dan akses internet yang memadai
2. Agar dapat dikembangkan lagi
kedepan.
DAFTAR PUSTAKA
c. Tampilan Menu Lain 1. Al Fatta, Hanif. 2017. Analisis dan
Tampilan menyimpan data peserta didik, perancangan Sistem Informasi; untuk
rombel, PTK, GTK, Sarpras dan tata kelola Keunggulan Bersaing Perusahaan &
lainya sehingga data disimpan menggunakan Organisasi Modern. Yogyakarta;
cloud computing dengan sistem data mining Penerbit Andi.
seperti gambar berikut:
2. Berry, Michael J.A. dan Gordon S.
Linoff. 2004. Data Mining Techniques
for Marketing, Sales, Customer
Relationship Management. Second
Edition. Wiley Publishing, Inc.
3. Larose, Daniel T. 2005. Discovering

Knowledge in Data: An Introduction to
Data Mining. John Willey & Sons, Inc.
[3] Ponniah, P. 2001. Datawarehouse
Fundamentals: A Comprehensive Guide
for IT Professional. John Willey & Sons,
Inc.
5. KESIMPULAN DAN SARAN
5.1 Kesimpulan 4. Prabowo Risnada Erik. 2013.
Berdasarkan hasil pembahasan dan Implementasi Basis Data Menggunakan
pengujian dapat diambil kesimpulan sebagai MySQL, Yogyakarta; Penerbit Scripta.
berikut : Rifki Putra, Cloud Computing
1. Dengan adanya Cloud Computing (Komputasi Awan), 2012
Data Mining Didalam Dunia
Pendidikan menggunakan bahasa
pemograman PHP dan database
112
ANALISA METODE ANP DALAM MEREKOMENDASIKAN

PRODUK TERBAIK ASURANSI PT. PRUDENTIAL
BERDASARKAN INVESTASI
P.P.P.A.N.W Fikrul Ilmi R.H Zer1, Irfan Sudahri Damanik2, Heru Satria Tambunan3,
Saifullah4
1
Telp. (0622) 22431
2,3,4Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa
Telp. (0622) 22431
E-mail: fikrulilmizer@gmail.com
ABSTRAKS
Untuk meningkatkan ekonomi kehidupan manusia salah satunya dengan melakukan investasi
ataupun disebut juga dengan penanaman modal. Dengan suatu harapan mendapatkan
keuntungan di masa depan. Terdapat beberapa jenis investasi yang dapat digunakan untuk
meningkatkan pendapatan ekonomi. Seperti investasi tanah, investasi saham, investasi
pendidikan dan investasi mata asing yang masing – masing diharapkan memiliki keuntungan
pendapatan yang lebih naik atau menguat. Masyarakat yang memiliki modal cenderung sulit
memilih investasi yang baik sesuai dengan kebutuhan para investor dalam memilih investasi
yang bermodal yang cukup namun memiliki pendapatan yang lebih baik. Investasi juga
memiliki risiko yang dapat gagalnya dalam melakukan investasi yang disebabkan oleh banyak
hal diantaranya faktor keamanan atau ketertiban hukum. Salah satu mengatasi gagalnya investasi
adalah dengan menggunakan Asuransi Prudential yang memberikan proteksi dalam investasi
dan diberikan manfaat tambahan seperti asuransi jiwa dan lainnya. Tujuan penelitian ini yaitu
untuk membantu calon nasabah yang ingin melakukan investasi yang sesuai dengan kebutuhan
dan perlindungan calon nasabah dengan tidak mematikan kualitas produk asuransi Prudenial
lainnya. Metode yang digunakan dalam penelitian ini adalah Sistem Pendukung Keputusan
dengan menggunakan Metode ANP (Analytic Network Process) yang dapat mengakomodasikan
keterkaitan antar kriteria atau alternatif. Diharapkan penelitian ini memberikan kontribusi
kepada masyarakat dalam merekomendasikan asuransi investasi yang baik dan tepat dengan
Metode ANP (Analytic Network Process) dan memberikan manfaat ke pihak Prudential agar
mengembangkan kualitas asuransi yang sesuai dengan kebutuhan calon investor lainnya.
Kata Kunci: Asuransi Prudential, Investasi, ANP, SPK
I. PENDAHULUAN adanya menggunakan Asuransi Investasi yang

Investasi kini sudah menjadi salah satu memberikan kenyamanan dan memberikan
kebutuhan yang penting dalam meningkatkan manfaat dalam berinvestasi.
perekonomian. Investasi atau penanaman Salah satunya adalah produk Prudential.
modal adalah suatu penanaman modal yang PT.Prudential memiliki berbagai asuransi
diberikan oleh perseorangan atau perusahaan invetasi yang membuat para investor nyaman
atau organisasi baik dalam negeri maupun luar dan diuntungkan dalam berinvestasi.
negeri. Faktor yang dapat mempengaruhi Dari sekian banyak produk dan layanan
investasi yang dijadikan bahan pertimbangan yang diberikan, nasabah dapat menentukan
investor dalam menanamkan modalnya, antara produk asuransi yang terbaik sesuai dengan
lain : Pertama faktor Sumber Daya Alam, kebutuhan nasabah, seperti kategori Asuransi
Kedua faktor Sumber Daya Manusia, Ketiga Investasi. Terdapat 5 jenis Asuransi Investasi
faktor stabilitas politik dan perekonomian, yang memiliki perbedaan masing-masing
guna menjamin kepastian dalam berusaha, dalam manfaat dan keuntungan untuk para
Keempat faktor kebijakan pemerintah, Kelima nasabah dalam berinvestasi yang akan
faktor kemudahan dalam peizinan.(Pasaribu, memilih produk yang sesuai dengan
2010) kebutuhan nasabah supaya nasabah tidak
Selain investasi membuat keuntungan dirugikan ketika berinvestasi dengan produk
pada perekonomian namun juga terdapat Prudential.
berbagai risiko dalam gagalnya berinvestasi, Berdasarkan hal tersebut diperlukan
113
untuk itu salah satu mencegahnya adalah perlu suatu sistem yang dapat membantu dan
memberikan saran terbaik kepada calon (Ambraita dan Muharto, 2016) Penelitian ini
nasabah untuk menentukan produk Prudential menggunakan software Super Decision dan
kategori Investasi. Ms.Excel untuk perhitungan.
Analisa yang digunakan berbasis
komputer adalah Sistem Pendukung
Keputusan yang membantu dan memberikan II.3 Sistem Pendukung Keputusan
kemudahan untuk calon nasabah memilih Sistem Pendukung Keputusasn pertama
produk yang sesuai dengan kebutuhan kali pada awal tahun 1970 Michael S. Scott
investasi calon nasabah sehingga nasabah Morton dnegan istilah Management Decision
tidak khawatir dalam menjalankan atau System (Saaty :2013) Morton mendefenisikan
menanamkan investasi yang dilakukan. DSS sebagai ―Sistem berbasis komputer
Metode yang digunakan adalah Metode interaktif yang membantu para pengambil
Analytic Network Process (ANP). Teknik keputusan untuk menggunakan data dan
ANP diperkenalkan oleh Thomas L. Saaty. berbagai model untuk memecahkan masalah
Landasan ANP memiliki aksioma yang yang tidak terstruktur‖(Aldiansyah).
menjadi landasan teori antara lain : Sistem Pendukung Keputusan adalah
Resiprokal, Homogenitas, Prioritas dan sistem yang membantu pengambil keputusan
Dependence Condition(Rusydiana dan Devi, dengan melengkapi mereka dengan informasi
2013). Penelitian sebelumnya yang mendasari dari data yang telah diolah dengan relevan dan
penelitian ini adalah penelitian yang dilakukan diperlukan untuk membuat keputusan tentang
oleh (Putri, Statiswaty dan Tajidun, 2016) suatu masalah dengan lebih cepat dan
dengan judul ―Implementasi akurat.(Zer dan Windarto, 2018)
Analytical Network Process (ANP) Menurut Herjanto (2009:83) teori
dalam Sistem Pendukung Keputusan keputusan adalah suatu pendekatan analitik
Penerimaan karyawan‖ dalam perhitungan untuk memilih alternatif terbaik dari suatu
metode ANP. Penelitian ini bertujuan untuk keputusan. Ada 3 kondisi yang di
menentukan dan memberi saran untuk nasabah klasifikasikan dengan tingkat kepastiannya.
dalam memilih produk Asuransi yang terbaik Yaitu (Yusnaeni, 2014) :
produk Prudential dan menjadi saran untuk 1. Ketidakpastian
pihak Prudental dalam pengembangan produk- 2. Berisiko
produk Asuransi Prudential. 3. Kepastian
Penelitian ini menggunakan 5 Alternatif,
3 kriteria utama dan 9 subkriteria yang II.4 Analytic Network Process
digunakan. Dari permasalahan tersebut penulis Analytic Network Process (ANP)
melakukan penelitian ini untuk penentuan merupakan metode terbaru dari pengambilan
produk Prudential kategori Asuransi Investasi keputusan multi kriteria yang mampu
apakah dengan Menggunakan teknik ANP ini menjelaskan interaksi secara sistematis
dapat digunakan dalam impelentasi Analisa terutama permasalahan dalam strategi
Sistem Pendukung Keputusan untuk rantai pasok. ANP dapat digunakan tidak
pemilihan produk asuransi investasi tersebut hanya dalam mengatasi innerdepences dalam
yang baik untuk memudahkan nasabah dalam kriteria namun juga dapat memberikan jalan
memilih produk yang sesuai dengan untuk memperoleh banyak informasi bagi
kebutuhan nasabah tersebut. pengambil keputusan. Jadi metode ini dapat
memberikan pandangan bagi perusahaan
II. METODOLOGI PENELITIAN untuk mengevaluasi dan menentukan
II.1. Jenis dan Sumber Data pemilihan pemasok yang tepat (Kurniawati,
Data penelitian ini, data yang digunakan Yuliando dan Widodo, 2013). Metode ini
merupakan data kuantitatif yang didapat dari digunakan dalam bentuk penyelesaian dengan
sistus resmi PT.Prudential asuransi Investasi pertimbangan atas penyesuaian kompleksitas
yang bisa diakses pada situs masalah secara penguraian sintesis disertai
www.prudential.co.id. adanya skala prioritas yang menghasilkan
pengaruh prioritas terbesar.
II.2. Metodologi Metode ini merupakan pengembangan
Metodologi adalah ilmu tentang metode. dari metode sebelumnya itu Analytic Hirearki
Metodologi merupakan suatu formula dalam Process. Metode ANP mampu memperbaiki
penerapan penelitian dimana dalam kelemahan AHP berupa mengakomodasi
melakukan penelitian tersebut terdapat keterkaitan antar kriteria atau
langkah-langkah dan juga hasil penelitian. alternatif.(Pungkasanti dan Handayani, 2017)
114
Penulis mencari keterkaitan terhadap matriks perbandingan

perbandingan berpasangan antar kriteria, antar kriteria (cluster matrix).
subkriteria, dan Alternatif terhadap 9. Membuat limit supermatrix dengan
Subkriteria. Struktur Network ANP pada cara memangkatkan super matriks
kasus secara umum digambarkan pada secara terus menerus hingga angka
Gambar 1. disetiap kolom dalam satu baris sama
besar.
Alternatif
PRUlink Syariah PRUlink Capital
Investor Account Account
III. HASIL DAN PEMBAHASAN
PRUlink Fixed Pay
III.1. Pembahasan
PRUlink Syariah
Assurance
PRUlink Investor
Account
a. Mendefesinikan Struktur Jaringan
Account
ANP dan Pembobotan
Manfaat Biaya
Uang Pertanggungan
Langkah awal dalam tahapan ANP
Premi / Kontribusi
Nilai Tunai
adalah mendefenisikan masalah dan
Biaya Administrasi
menentukan kriteria yang diinginkan.
Dana Investasi Fasilitas
Penambahan Dana (Top-up)

ANP terbagi dalam beberapa cluster yang
Pengalihan Unit (Switching)
saling berkaitan. Masalah yang didapat
Penarikan Unit (Withdrawal)
adalah bagaimana nasabah dapat memilih
asuransi investasi yang sesuai dengan
Penebusan Polis (Surrender)
kebutuhan Nasabah dan pihak

PT.Prudential untuk mengembangkan
Gambar 1. Jaringan ANP pertimbangan kelemahan dari tiap – tiap
produk Asuransi Investasi. Dalam
Secara umum langkah-langkah dalam penentuannya terdapat Kriteria, Sub
ANP adalah (Santoso et al., 2010) : Kriteria dan Alternatif seperti pada
1. Mendefinisikan masalah dan gambar 1.
menentukan kriteria solusi yang a. Kriteria terdapat 3 dan Sub
diinginkan. Kriteria dari masing-masing
2. Menentukan pembobotan komponen kriteria, yaitu :
dari sudut pandang manajerial. 1. Manfaat(C1)
3. Membuat matriks perbandingan Sub : Uang Pertanggungan (UP),
berpasangan yang menggambarkan Nilai Tunai (NT) dan Dana
kontribusi atau pengaruh setiap Investasi (DI)
elemen atas setiap kriteria. 2. Fasilitas
Perbandingan dilakukan berdasarkan Sub : Penambahan Dana (PD),
penilaian dari pengambil Pengalihat Unit
keputusan dengan menilai tingkat (Switching)(PUS), Penarikan Unit
kepentingan suatu elemen. (Withdrawal)(PUW), dan
4. Setelah mengumpulkan semua data Penebusan Polis (Surrender)(PP)
perbandingan berpasangan dan 3. Biaya
memasukkan nilai-nilai kebalikannya Sub : Premi / Kontribusi(PK) dan
serta nilai satu di sepanjang diagonal Biaya Administrasi(BA)
utama, prioritas masing-masing b. Alternatif terdapat 5, yaitu :
kriteria dicari dan konsistensi diuji. 1. PRUlink CA (A1)
5. Menentukan eigenvector dari matriks 2. PRUlink IA (A2)
yang telah dibuat pada langkah 3. PRUlink SIA (A3)
ketiga. 4. PRUlink SAA (A4)
6. Mengulangi langkah 3, 4, dan 5 5. PRUlink FP (A5)
untuk semua kriteria. Selanjutnya adalah memenentukan
7. Membuat unweighted supermatrix pembobotan terhadap keterkaitan antar
dengan cara memasukkan semua alternatif, kriteria dan subkriteria. Menyusun
eigen vector yang telah dihitung pada prioritas antar elemen merupakan satu bagian
langkah 5 ke dalam sebuah super yang penting dalam perhitungan kepentingan
matriks. suatu elemen terhadap elemen lain.
8. Membuat weighted supermatrix Perbandingan antar elemen ditransformasikan
dengan cara melakukan perkalian dalam bentuk matriks numerik.
setiap isi unweighted supermatrix
115
Matriks Perbandingan Berpasangan

ditransformasikan dalam bentuk sebagai
berikut :
Tabel 1. Format matriks Perbandingan
A B1 B2 B3 ... Bn
B1 B11 B12 B13 ... B1n
B2 B21 B22 B23 ... B2n
B3 B31 B32 B33 ... B3n
… … … … …
Bm …
B1 B2 B3 ... Bn
Kepentingan Perbandingan ditetapkan

skala yang digunakan. Saaty menetapkan
skala kuantitatif 1 sampai 9 seperti tabel 1
berikut :
Tabel 2. Keterangan Perbandingan

Kriteria
Dalam penilaian kepentingan dua elemen
berlaku aksioma reciprocal(Yusnaeni, 2014),
artinya jika elemen n dinilai 3 kali lebih
penting dibandingkan elemen m, maka elemen
m harus sama dengan 1/3 kali pentingnya
dibandingkan dengan elemen n.
Setelah dicari perbandingan, perlu
adanya untuk pengujian konsistensi data yang
dibandingkan, untuk itu digunakan tabel Nilai
Random Index untuk pengujian konsistensi
perbandingan antar cluster maupun sub
cluster. Berikut table Nilai Random Index :
Tabel 3. Nilai Random Index

N Random Index
1 0,00
2 0,00
3 0,58
4 0,90
5 1,12
6 1,24
7 1,32
8 1,41
9 1,45
10 1,49
11 1,51
b. Membuat Matriks Perbandingan antar

elemen, menentukan eigenvector dan
konsistensi antar elemen.
1. Matriks Perbandingan Berpasangan

terhadap cluster yang saling
berhubungan.
Membandingkan input data antar cluster
yang saling berhubungan dengan
menggunakan skala Saaty (Tabel 2). Proses ini
dilakukan untuk mengetahui nilai eigenvector
116
dan nilai konsistensi rasio perbandingan pada 5) Menghitung nilai CR dengan nilai RI
matriks. Dimana syarat CR ≤ 0,1. pada tabel 3 untuk n = 3 adalah 0,58 :
CR = CI / CR
Maka, CR = 0,03 / 0,58 = 0,05
Nilai tersebut konsisten karena CR ≤ 0,1.

Jika nilai CR ≥ 0,1 maka tidak konsisten dan
harus diulang kembali matriks perbandingan
Gambar 2. Penilaian Perbandingan cluster hingga nilai CR memenuhi syarat yang
pada Software Super Decisions
ditentukan.
Begitu seterusnya untuk perbandingan
Tabel 4. Matriks Perbandingan selanjutnya pada matriks perbandingan
Berpasangan terhadap cluster Manfaat berpasangan terhadap cluster yang saling
berhubungan. Hasil Cluster Matriks terdapat
pada lampiran 1.
2. Matriks Perbandingan Berpasangan

terhadap Subkriteria yang saling berkaitan.
Membandingkan input data antar
subkriteria yang saling berhubungan dengan
Dari matriks perbandingan diatas, maka menggunakan skala Saaty (Tabel 2). Proses ini
dapat dihitung nilai secara manual dilakukan untuk mengetahui nilai eigenvector
eigenvector, lamda maksimum (λmaks), dan nilai konsistensi rasio perbandingan pada
indeks konsistensi (CI) dan konsistensi rasio matriks. Dimana syarat CR ≤ 0,1.
(CR).
Langkah yang harus dilakukan yaitu :
1) Menghitung penjumlahan kolom
matriks seperti persamaan berikut :
Jumlah pada kolom pertama : 1,00+
0,33+2,00 = 3,33 Gambar 3. Penilaian Perbandingan
Jumlah pada kolom kedua : Subkriteria pada Software Super Decisions
3,00+1,00+3,00 =7,00
Jumlah pada kolom ketiga :
0,50+0,33+1,00 =1,83 Tabel 5. Matriks Perbandingan
Berpasangan Subkriteria Manfaat
2) Menghitung nilai eigenvector pada terhadap Penambahan Dana
persamaan berikut :
Eigen vector baris pertama :
((1,00/3,33)+(3,00/7,00)+(0,50/1,83)/3) =
0,33
Eigen vector baris kedua :
((0,33/3,33)+(1,00/7,00)+(0,33/1,83)/3 )
= 0,14
Eigen vector baris ketiga :
((200/3,33)+(3,00/7,00)+(1,00/1,83)/3 ) Dari matriks perbandingan diatas, maka
= 0,53 dapat dihitung nilai secara manual
3) Menghitung lamda maksimal pada eigenvector, lamda maksimum (λmaks),
persamaan berikut : indeks konsistensi (CI) dan konsistensi rasio
λmaks = (nilai eigen 1 x jumlah kolom 1) (CR).
+ (nilai eigen 2 x jumlah kolom 2 ) + … Langkah yang harus dilakukan yaitu :
n. 1) Menghitung penjumlahan kolom
matriks seperti persamaan berikut :
Maka, λmaks = (0,33 x 3,33) + (0,14 x Jumlah pada kolom pertama : 1,00+
7,00) + (0,53 x 1,83) = 3,06 1,00+2,00 = 4,00
4) Menghitung indeks konsistensi atau Jumlah pada kolom kedua :
CI dengan persamaan berikut : 1,00+1,00+2,00 = 4,00
CI=(λmax-n)/(n-1) Jumlah pada kolom ketiga :
Maka, CI = (3,06 – 3) / (3 – 1) = 0,03 0,50+0,50+1,00 = 2,00
117
2) Menghitung nilai eigenvector pada

persamaan berikut : Tabel 6. Matriks Perbandingan
Eigen vector baris pertama : Berpasangan Alternatif terhadap
((1,00/4,00)+(1,00/4,00)+(0,50/2,00)/3) = 0,25 Subkriteria
Eigen vector baris kedua :
((1,00/4,00)+(1,00/4,00)+(0,50/2,00)/3 ) =
0,25
Eigen vector baris ketiga :
((2,00/4,00)+(2,00/4,00)+(1,00/2,00)/3 ) =
0,50
3) Menghitung lamda maksimal pada
persamaan berikut :
λmaks = (nilai eigen 1 x jumlah kolom 1)
+ (nilai eigen 2 x jumlah kolom 2 ) + … n. Dari matriks perbandingan diatas, maka
Maka, λmaks = (0,25 x 4,00) + (0,25 x dapat dihitung nilai secara manual
4,00) + (0,50 x 2,00) = 3,00 eigenvector, lamda maksimum (λmaks),
4) Menghitung indeks konsistensi atau indeks konsistensi (CI) dan konsistensi rasio
CI dengan persamaan berikut : (CR).
CI=(λmax-n)/(n-1) Langkah yang harus dilakukan yaitu :
Maka, CI = (3,00 – 3) / (3 – 1) = 0,00 1) Menghitung penjumlahan kolom
5) Menghitung nilai CR dengan nilai RI matriks seperti persamaan berikut :
pada tabel 3 untuk n = 3 adalah 0,58 : Jumlah pada kolom pertama : 1,00 +
CR = CI / CR 0,33 +0,33 + 0,33 + 0,33 = 2,32
Maka, CR = 0,00 / 0,58 = 0,00 Jumlah pada kolom kedua : 3,00 +
1,00 +1,00 + 1,00 + 1,00 = 7,00
Nilai tersebut konsisten karena CR ≤ 0,1. Jumlah pada kolom ketiga : 3,00 + 1,00 +1,00
Jika nilai CR ≥ 0,1 maka tidak konsisten dan + 1,00 + 1,00 = 7,00
harus diulang kembali matriks perbandingan Jumlah pada kolom keempat : 3,00 +
hingga nilai CR memenuhi syarat yang 1,00 +1,00 + 1,00 + 1,00 = 7,00
ditentukan. Jumlah pada kolom kelima : 3,00 +
Begitu seterusnya untuk perbandingan 1,00 +1,00 + 1,00 + 1,00 = 7,00
selanjutnya pada matriks perbandingan 2) Menghitung nilai eigenvector pada
berpasangan antar subkriteria yang saling persamaan berikut :
berhubungan. Hasil Cluster Matriks terdapat Eigen vector baris pertama :
pada lampiran 1.
((1,00/2,32) + (3,00/7,00) + (3,00/7,00) +
(3,00/7,00) + (3,00/7,00) = 0,43
3. Matriks Perbandingan Berpasangan Eigen vector baris kedua : ((0,33/2,32) +
Alternatif terhadap Subkriteria (1,00/7,00) + (1,00/7,00) + (1,00/7,00) +
Membandingkan input data alternatif (1,00/7,00) = 0,14
terhadap subkriteria yang saling berhubungan Eigen vector baris ketiga : ((0,33/2,32) +
dengan menggunakan skala Saaty (Tabel 2). (1,00/7,00) + (1,00/7,00) + (1,00/7,00) +
Proses ini dilakukan untuk mengetahui nilai (1,00/7,00) = 0,14
eigenvector dan nilai konsistensi rasio Eigen vector baris keempat :
perbandingan pada matriks. Dimana syarat CR ((0,33/2,32) + (1,00/7,00) + (1,00/7,00) +
≤ 0,1.
(1,00/7,00) + (1,00/7,00) = 0,14
Eigen vector baris kelima : ((0,33/2,32) +
(1,00/7,00) + (1,00/7,00) + (1,00/7,00) +
(1,00/7,00) = 0,14
3) Menghitung lamda maksimal pada
persamaan berikut :
λmaks = (nilai eigen 1 x jumlah kolom 1) +
(nilai eigen 2 x jumlah kolom 2 ) + … n.
Maka, λmaks = (0,43 x 2,32) + (0,14 x 7,00) +
(0,14 x 7,00) + (0,14 x 7,00) + (0,14 x 7,00) =
4,99
Gambar 4. Penilaian Perbandingan Alternatif 4) Menghitung indeks konsistensi atau
terhadap Subriteria pada Software Super CI dengan persamaan berikut :
Decisions CI=(λmax-n)/(n-1)
118
Maka, CI = (4,99 – 5) / (5 – 1) = 0,00 Tabel 7. Limit Supermatriks pada

5) Menghitung nilai CR dengan nilai RI Alternatif
pada tabel 3 untuk n = 5 adalah 1,12 .
CR = CI / CR
Maka, CR = 0,00 / 1,12 = 0,00
Nilai tersebut konsisten karena CR ≤ 0,1.

Jika nilai CR ≥ 0,1 maka tidak konsisten dan
harus diulang kembali matriks perbandingan
hingga nilai CR memenuhi syarat yang
ditentukan.
Begitu seterusnya untuk perbandingan
selanjutnya pada matriks perbandingan
berpasangan alternatif terhadap subkriteria IV. HASIL
yang saling berhubungan. Hasil Cluster a. Perankingan
Matriks terdapat pada lampiran 2. Dari hasil tabel 7 diatas dapat dilihat bahwa :
1) Hasil dari Limit Supermatrix dapat
c. Membuat Supermatriks digunakan untuk perankingan dengan
Supermatriks mempresentasikan pengambilan nilai setiap baris pada
pengaruh dari suatu elemen yang ada pada Limit Supermatrix.
hubungan / jaringan terhadap elemen lainnya. 2) Alterntif A1 memiliki nilai 0,09
Setiap kolom pada supermatriks merupakan (Hasil pembulatan 2 angka
nilai dari eigenvector yang menggambarkan dibelakang koma), maka A1 terpilih
pengaruh (tingkat kepentingan) dari elemen menjadi pilihan atau saran untuk
yang ada pada baris ke i dari jaringan terhadap calon nasabah dalam memilih
elemen pada kolom ke-j. Nilai nol pada asuransi investasi yang sesuai dengan
supermatriks menandakan tidak ada pengaruh yang dibutuhkan dalam hal berbagai
pada elemen yang dikaitkan.(Saptono et al., manfaat yang diberikan dan fasilitas
2016) dan biaya yang digunakan. Dan pihak
Prudential mendapatkan saran dan
Supermatriks terdiri dari 3 tahapan, yaitu : nilai tambah untuk pengermbangan
1. Unweighted Supermatix (Supermatriks produk asuransi investasi yang
tidak berbobot), yaitu dengan cara lainnya.
memasukkan semua eigenvector yang telah
dihitung pada langkah perhitungan V. KESIMPULAN
menentukan antar kriteria dan alternatif. Hasil Berdasarkan penelitian yang telah
Unweight Supermatrix ditampilkan pada dilakukan oleh peneliti, maka dapat
lampiran 3. disimpulkan beberapa hal sebagai berikut
2. Weighted Supermatrix (Supermatriks :
berbobot), yaitu hasil dari perkalian setiap isi
dari Unweight Supermatrix dengan 1. Sistem Pendukung Keputusan yang
eigenvector pada matriks perbandingan dibuat dapat dijadikan dasar dalam
kriteria. Hasil Weighted Supermatrix pengambilan keputusan oleh pihak
ditampilkan pada lampiran 3. PT.Prudential dalam membuat keputusan
3. Limit Supermatrix, yaitu hasil dari pengembangan dan penambaah manfaat,
perpangkatan Weighted Supermatriks secara maupun fasilitas dengan dukungan
terus menerus sehingga angka pada setiap perhitungan yang dilakukan dengan
kolom yang ada pada satu baris sama besar. metode Analytic Network Process sebagai
Hasil limit supermatix ini yang digunakan Sistem Pendukung Keputusan.
untuk perankingan pada alternatif. Hasil 2. Sistem menghasilkan keluaran
lengkap Limit Supermatriks terdapat pada ranking prioritas produk-produk Prudential
lampiran 4. Berikut Hasil Limit Supermatriks yang dapat digunakan menjadi saran
pada alternatif yang digunakan untuk kepada calon nasabah yang mau memilih
perankingan : asuransi investasti sesuai dengan
kebutuhan.
119
VI. DAFTAR PUSTAKA METODE ANALYTIC HIERARCHY

Aldiansyah, A. G. (tanpa tanggal) ―Sistem PROCESS ( AHP ),‖ 3(1), hal. 78–82.
Pendukung Keputusan Pemilihan
Telepon Seluler Menggunakan Metode Lampiran 1
Analytic Network Pprocess ( ANP ),‖ Hasil Cluster Matriks Perbandingan
Teknik Informatika Universitas Dian Berpasangan Kriteria
Nuswantoro Semarang, hal. 1–7.
Ambraita, A. dan Muharto (2016) ―Metode
Penelitian sistem informasi,‖ hal. 151.
Kurniawati, D., Yuliando, H. dan Widodo, K.
H. (2013) ―Kriteria Pemilihan Pemasok
Menggunakan Analytical Network
Process,‖ Jurnal Teknik Industri, 15(1),
hal. 25–32. doi: 10.9744/jti.15.1.25-32.
Pasaribu, R. B. F. (2010) ―Investasi dan
Penanaman Modal,‖ Investasi dan
Penanaman Modal, (36), hal. 235–278.
Pungkasanti, P. T. dan Handayani, T. (2017)
―Penerapan Analytic Network Process
(Anp) Pada Sistem Pendukung
Keputusan,‖ 14(2), hal. 73–78.
Putri, L. F. D., Statiswaty dan Tajidun, L. .
(2016) ―Implementasi Analytical
Network Process (ANP) Dalam Sistem
Pendukung Keputusan Penerimaan
Karyawan,‖ semanTIK, 2(2), hal. 215–
224.
Rusydiana, A. S. dan Devi, A. (2013)
―MENGURAI MASALAH DAN
SOLUSI PENGEMBANGAN
LEMBAGA KEUANGAN MIKRO
SYARIAH DI INDONESIA:
PENDEKATAN METODE BOCR
ANP Aam S. Rusydiana,‖ Ekonomi
dan Bisnis Islami, III(1), hal. 19–40.
Santoso, L. W. et al. (2010) ―Pembuatan
Aplikasi Sistem Seleksi Calon Pegawai
dan Pemilihan Supplier dengan Metode
Analytic Network Process ( ANP ) dan
Analytic Hierarchy Process ( AHP ) di
PT X .,‖ Petra.
Saptono, R. et al. (2016) ―Modifikasi Analytic
Network Process Untuk Rekomendasi
Pemilihan Handphone,‖ (March 2017).
doi: 10.20961/its.v3i2.702.
Yusnaeni, W. (2014) ―Strategi Pemberian
Bonus Karyawan Pabrik Kaca Untuk
Meningkatkan Kinerja Karyawan
Dengan Metode Analytic Network
Process (ANP),‖ Khatulistiwa
Informatika, 2(1), hal. 87–99.
Zer, P. P. P. A. N. W. F. I. R. H. dan
Windarto, A. P. (2018) ―ANALISIS
PEMILIHAN REKOMENDASI
PRODUK TERBAIK PRUDENTIAL
BERDASARKAN JENIS ASURANSI
JIWA BERJANGKA UNTUK
KECELAKAAN MENGGUNAKAN
120
Hasil Cluster Matriks Berpasangan terhadap

Subkriteria yang berkaitan
Lampiran 2
Hasil Matriks Perbandingan berpasangan
Alternatif terhadap Subkriteria
121
122
Lampiran 3
Unweight Supermatriks
Weighted Supermatriks
123
Lampiran 4
Limit Supermatriks
124
PERANCANGAN SANDARAN BELAKANG TEMPAT DUDUK

SEPEDA MOTOR BEAT UNTUK ANAK-ANAK
1 2 3 3 3
Fitra , F. Jayendra , Yusrizal , Melliana , T. Mesra
1
Program StudiTeknik Industri, Sekolah Tinggi Teknologi Dumai
Jl. Utama Karya Bukit Batrem II Dumai
Telp. 0821 7434 2828
1 2 3
famukhtyfitra@gmail.com, febyjayendra@gmail.com , yusrizalnusantara64@gmail.com,
4 5
mellianna52@gmail.com, trisnamesra74@gmail.com
ABSTRAKS
Banyak anak-anak yang tidak mampu mengendalikan diri saat berada diatas sepeda motor dan
kurangnya pengetahuan anak-anak terhadap resiko yang akan terjadi saat berada diatas sepeda
motor. Salah satunya anak-anak sering ketiduran. Sedangkan sepeda motor Beat yang ada saat
ini tidak memiliki sandaran yang bisa menopang tubuh anak-anak saat tertidur diatas sepeda
motor. Anak-anak kelas 1-2 SDN 007 Kota Dumai salah satu penumpang yang selalu duduk
dibelakang karena dianggap sudah tidak bisa lagi untuk duduk didepan pengendara. Perancangan
sandaran belakang tempat duduk sepeda motor ini menggunakan data antropometri sebanyak
100 anak-anak. Data antropometri yang dibutuhkan adalah tinggi duduk tegak, lebar bahu,
panjang lengan, tinggi siku dan tebal pergelangan tangan. Ukuran tinggi sandaran belakang
adalah 57,36 cm, lebar sandaran belakang 28,58 cm, lebar sandaran tangan 8,46 cm, tinggi
sandaran tangan 15,54 cm dan panjang sandaran tangan 31,75 cm. Hasil pengujian produk, 75%
anak-anak nyaman dan aman menggunakannya.
Kata Kunci : Anak-anak, Antropometri, Sepeda Motor.
1. PENDAHULUAN di atas motor. Tujuan penelitian ini adalah

1.1. Latar Belakang merancang sandaran tempat duduk
Kendaraan bermotor merupakan alat yang penumpang sepeda motor Beat dengan
paling dibutuhkan sebagai media transportasi. pendekatan ergonomic antropometri bagi
Sepeda Motor adalah kendaraan bermotor anak-anak Sekolah dasar Negeri 007 Kota
beroda dua dengan atau tanpa rumah-rumah Dumai kelas 1 sampai 2. Anak-anak SDN 007
dan dengan atau tanpa kereta samping atau Kota Dumai kelas 1-2 dipilih karena sering
kendaraan bermotor beroda tiga tanpa rumah- terlihat diantar oleh orang tuanya saat ke
rumah (UU RI No.22 Tahun 2009).Sepeda sekolah berdasarkan prapenelitian yang
Motor hanya dapat digunakan untuk dilakukan.
pengemudi dan 1 (satu) penumpang (PP RI 1.2 Tinjauan Pustaka
No.55 Tahun 2012). Menurut UU RI Nomor
1.2.1. Perancangan
22 Tahun 2009 pengemudi adalah orang yang
Ginting (2010) mengatakan bahwa
mengemudikan kendaraan bermotor di jalan
menciptakan alat atau benda lainnya untuk
yang telah memiliki surat izin mengemudi
membantu hidup merupakan salah satu
(SIM), sedangkan penumpang adalah orang
karateristik manusia. Untuk mewujudkan
yang berada di kendaraan selain pengemudi
benda tersebut diperlukan suatu rancangan dan
dan awak kendaraan. Penumpang bisa orang
desain. Proses pembuatan tidak akan berjalan
dewasa atau anak-anak. Anak-anak yang
dengan baik sebelum kegiatan perancangan
menjadi penumpang biasanya anak
diselesaikan. Dari hasil perancangan maka
pengendara sendiri. Namun sering kita jumpai
diketahui deskripsi rinci dari benda yang akan
anak-anak tertidur saat dibonceng yang bisa
dibuat. Hal ini akan sangat memudahkan
berakibat terjatuh dan terjadinya kecelakaan.
proses pembuatannya. Maka dari itu, kegiatan
Hal ini disebabkan anak-anak yang tidak
perancangan adalah hal yang penting dan
mampu mengendalikan dirinya saat berada
mutlak untuk dilakukan sebelum proses
diatas sepada motor dan kurangnya
produksi suatu benda dikerjakan. Perancangan
pengetahuan anak-anak terhadap resiko yang
produk berarti sudah termasuk di dalamnya
akan terjadi. Melihat situasi ini maka perlu
setiap aspek teknik dari produk, mulai dari
dirancang sandaran tempat duduk diatas
pertukaran atau penggantian komponen dalam
sepeda motor untuk membonceng anak-anak
agar anak-anak tidak terjatuh karena ketiduran
125
pembuatan, perakitan, finishing sampai pada rekomendasi terhadap alternatif-

kekurangannya (Ginting, 2010). alternatif terbaik. Analisa yang
Peracangan produk itu sendiri terdiri dari dilakukan antara lain:
serangkaian kegiatan yang berurutan, karena 1.Analisa kriteria atribut yang akan
itu perancangan kemudian disebut sebagai dikembangkan
proses perancangan yang mencakup seluruh 2.Penilaian kriteria atribut antar model
kegiatan yang terdapat dalam perancangan 3.Pembobotan kriteria atribut produk
tersebut. Kegiatan-kegiatan dalam proses 4.Matrix Combinex
perancangan berbeda satu dengan yang 5.Value Analysis
lainnya. Menurut Ginting (2010) proses d. Fase pengembangan
perancangan terdiri dari kegiatan-kegiatan Fase ini bertujuan memilih salah satu
berikut: alternatif tunggal dari beberapa
1. Langkah Pra Perancangan Produk alternatif yang ada yang merupakan
a. Penetapan Asumsi Perancangan alternatif terbaik dan merupakan output
b. Orientasi Produk yang meliputi: dari fase analisa. Data-data tentang
1.Analisa Kelayakan produk alternatif yang terpilih:
2.Uraian kegiatan perancangan produk 1.Alternatif terpilih
3.Jaringan kerja perancangan produk 2.Gambar produk terpilih dan
4.Perhitungan maju dan mundur waktu spesifikasinya
kegiatan e. Fase presentasi
5.Penentuan jalur kritis Fase ini bertujuan untuk
6.Perhitungan waktu penyelesaian mengkomunikasikan secara baik dan
proyek menarik terhadapa hasil pengembangan
2. Langkah Peracangan Produk produk
a. Fase Informasi Metode perancangan produk adalah tiap-
Fase ini bertujuan untuk memahami tiap prosedur, teknik, dan alat bantu tertentu
seluruh aspek yang berkaitan dengan yang mempresentasikan sejumlah aktivitas
produk yang hendak dikembangkan tertentu yang digunakan oleh perancang dalam
dengna cara mengumpulkan informasi- proses total perancangan. Dua metode
informasi yang dibutuhkan secara perancangan produk menurut Ginting (2010)
akurat. Informasi-informasi yang adalah metode kreatif dan metode rasional.
dibutuhkan antara lain: 1. Metode Kreatif
1.Gambar produk awal dan spesifikasi Metode perancangan ini bertujuan untuk
2.Kriteria keinginan konsumen membantu menstimulasi pemikiran kreatif
terhadap produk dengan cara meningkatkan produksi
3.Kriteria kepentingan relative gagasan, menyisihkan hambatan mental
konsumen terhadapa kreativitas atau dengan cara
4.Kriteria manufaktur yang mencakup memperluas area pencarian solusi. Metode
diagram mekanisme pembuatan dan kreatif ini terdiri dari (Ginting, 2010):
struktur fungsi a. Brainstorming bertujuan untuk
5.Kriteria buying menstimulasi sekolompok orang untuk
6.Kriteria finance produk awal menghasilkan sejumlah besar gagasan
b. Fase Kreatif dengan cepat. Orang yang terlibat
Fase ini bertujuan untuk menampilkan sebaiknya tidak homogen dan
alternative yang dapat memenuhi mengenal persoalan. Aturan dalam
fungsi yang dibutuhkan. Langkah- brainstorming:
langkah yang harus dilakukan adalah: 1.Kelompok harus bersifat non-
1.Penentuan kriteria atribut produk hirarkial
dengan menggunakan diagram 2.Pemimpin kelompok berperan
pohon sebagai fasilitator
2.Pembuatan alternatif model produk 3.Kelompok diharapkan menghasilkan
3.Perhitungan biaya alternatif model sebanyak-sebanyaknya jumlah
c. Fase Analisa gagasan
Fase ini bertujuan untuk menganalisa 4.Gagasan yang kelihatan aneh tetap
alternatif-alternatif yang dapat diterima
memenuhi fungsi yang dihasilkan pada 5.Usahakan semua gagasan dinyatakan
fase kreatif dan memberikan secara singkat dan jelas
126
6.Suasana selama brainstorming ataupun suatu daftar kriteria dan standar yang
berlangsung harus santai dan bebas harus dipenuhi oleh rancangan akhir (Ginting,
7.Kegiatan sebaiknya berlangusung 2010). Menurut Nigel Cross dalam Ginting
dalam waktu tidak lebih dari 20-30 (2010), dalam melakukan perancangan produk
menit diperlukan proses-proses perancangan produk
b. Sinektik seperti pada Gambar 1, sedangkan tahapan-
Sinektik bertujuan untuk mengarahkan tahapan dalam proses perancangan dapat
aktivitas spontan pemikiran kearah dilihat pada Tabel 1.
eksplorasi dan transformasi masalah-
masalah perancangan. Sinektik adalah
suatu aktivitas kelompok yang Problem Solution
mencoba membangun,
mengkomunikasikan, dan Klasifikasi
Komunikasi
Tujuan
mengembangkan gagasan untuk Evaluasi
Penetapan
memberikan solusi kreatif terhadap Fungsi-fungsi
Alternatif
permasalahan perancangan. Pada Menyusun Menentukan

Alternatf
Kebutuhan
pelaksanaan sinektik tidak Menentukan
Karakteristik
diperkenankan adanya kritik dan Sub Problem Sub Solution
dihasilkan satu solusi tunggal. Ciri

utama dari sinektik adalah Gambar 1. Langkah-langkah Perancangan
membangkitkan analogi, yang terdiri Produk (Ginting, 2010)
dari:
a. Analogi Langsung Tabel 1. Tahap-Tahap Dalam Proses
b.Analogi Personal Perancangan
c. Analogi Simbolik Dengan Nigel Cross (Ginting, 2010)
d.Analogi Fantasi
2. Metode Rasional
Metode rasional menekankan pada
pendekaan sistematik pada perancangan.
Metode ini memiliki kesamaan tujuan
dengan metode kreatif, misalnya dalam
memperluas ruang pencarian untuk
memperoleh solusi-solusi yang potensial,
dan mengupayakan kerja tim dan dalam
hal pengambilan keputusan secara
kelompok. Banyak perancang beranggapan
bahwa metode rasional ini merupakan
hambatan terhadap kreativitas. Hal ini
merupakan pandangan yang keliru
terhadap tujuan perancangan yang
sistematik, yang dimaksudkan untuk
meningkatkan kualitas perancangan dan
produk akhir (Ginting, 2010).
Salah satu metode yang paling sederhana
dari metode rasional adalah checklist (daftar
periksa). Checklist dapat
mengeksternalisasikan apa yang harus kita
lakukan sehingga kita tidak perlu menyimpan
semua hal dalam kepala kita, namun kita tidak
kehilangan sesuatu. Checklist juga dapat
mengoptimalisasikan proses dan
memungkinkan adanya teamwork dan
partisipasi dari kelompok yang lebih luas serta
memungkinkan adanya pembagian tugas.
Dalam konsep perancangan, checklist dapat
berupa suatu daftar pertanyaan yang akan
dipertanyakan pada tahap awal perancangan,
127
manusia di tempat kerja, di rumah, dan tempat

rekreasi (Nurmianto, 2008).
Ergonomi menurut Iridiastadi dan
Yassierli (2014) adalah Suatu disiplin ilmu
yang mengkaji keterbatasan, kelebihan, serta
karakteristik manusia, dan memanfaatkan
informasi tersebut dalam merancang produk,
mesin, fasilitas, lingkungan, dan bahkan
sistem kerja, dengan tujuan utama tercapainya
kualitas kerja yang terbaik tanpa mengabaikan
aspek kesehatan, keselamatan, serta
kenyamanan manusia penggunanya.
Beberapa prinsip ergonomi yang dapat
dipergunakan sebagai pegangan untuk
merancang atau mengkritik suatu sistem kerja
menurut Nurmianto (2008):
1. Sikap tubuh dalam bekerja dipengaruhi
oleh bentuk, susunan, ukuran dan
penempatan mesin-mesin, alat-alat
penunjuk, cara pengoperasian mesin.
2. Untuk normalisasi ukuran mesin dan alat-
alat industri harus diambil ukuran terbesar
sebagai dasar serta diatur dengan suatu
cara sehingga ukuran tersebut dapat
dikecilkan.
1.2.3. Antropometri
Antropometri merupakan salah satu bagian
yang menunjang Ergonomi, khususnya dalam
perancangan suatu peralatan berdasarkan
prinsip-prinsip Ergonomi. Istilah
Antropometri berasal dari kata “Anthropos”
yang berarti manusia dan “Metricos” yang
berarti ukuran. Antropometri merupakan ilmu
yang berhubungan dengan aspek ukuran fisik
manusia (Iridiastadi dan Yassierli, 2014).
Data Antropometri jelas diperlukan agar
rancangan suatu produk bisa disesuaikan
dengan orang yang akan mengoperasikannya.
Ukuran tubuh yang diperlukan pada
hakikatnya tidak sulit diperoleh dari
pengukuran secara individual (Nurmianto,
2008).
A. Metode Pengukuran Antropometri

Iridiastadi dan Yassierli (2014)
mengatakan bahwa metode pengumpulan data
1.2.2. Ergonomi antropometri dan jenis peralatan yang
Istilah Ergonomi berasal dari bahasa latin digunakan untuk pengukuran bergantung pada
yaitu ―Ergo‖ yang berarti kerja dan ―Nomos‖ jenis data yang akan dikumpulkan. Data
yang berarti hokum alam dan dapat antropometri dapat dikelompokkan sebagai
didefinisikan sebagai studi tentang aspek- berikut:
aspek manusia dalam lingkungan kerjanya a. Dimensi linier (jarak)
yang ditinjau secara anatomi, fisiologi, Dimensi liniear merupakan jarak yang
psikologi, engineering, manajemen dan design terpendek antara dua titik pada tubuh
(perancangan) (Nurminto, 2008). Ergonomi manusia melingkupi panjang, tinggi, dan
berkenaan pula dengan otpimasi, efisiensi,
128
kesehatan, keselamatan, dan kenyamanan
lebar segmen tubuh seperti: panjang jari, Indonesia sendiri untuk penyempurnaan
tinggi lutut, dan lebar pinggul. peralatan pengukuran antropometri telah
b. Lingkar tubuh dilakukan dalam rangka mendapatkan alat
Lingkar tubuh diukur sebagai panjang ukur yang lebih praktis. Salah satu hasil
keliling (sepanjang permukaan tubuh), penyempurnaan adalah kursi antropometri,
misalnya, lingkar paha, lingkar perut, dan yang digunakan untuk mengukur dimensi
lingkar kepala. linier tubuh secara bersamaan ketika subjek
c. Ketebalan lapisan kulit berada pada posisi duduk tegak (Gambar 2.4).
Pengukuran ketebalan kulit ini ditujukan Dimensi fungsional yang diperoleh
untuk mengetahui kandungan lemak dalam melingkupi tinggi mata duduk, tinggi bahu
tubuh yang kemudian dijadikan sebagai duduk, tinggi siku duduk, tinggi popliteal,
acuan tingkat kebugaran tubuh. lebar pinggul, dan sebagainya. Alat ini
d. Sudut dirasakan cukup efektif untuk pengukuran
Dua cara pengukuran sudut, yaitu skala laboratorium secara manual (Iridiastadi
dilakukan secara pasif dan secara aktif. dan Yassierli, 2014).
Pengukuran secara pasif ditujukan untuk B. Persentil Antropometri
mengetahui kecenderungan posisi tubuh Penerapan data antropometri dapat
ketika bekerja, yang lebih lanjut lagi dapat dilakukan jika tersedia nilai mean (rata-rata)
digunakan untuk mengevaluasi potensi dan SD (standar deviasi) nya dari suatu
risiko kelainan pada sistem otot rangka. distribusi normal. Adapun distribusi normal
Pengukuran sudut secara aktif ditandai dengan adanya nilai mean dan SD.
dimaksudkan untuk mengetahui Sedangkan percentil adalah suatu nilai yang
fleksibilitas tubuh dalam bentuk menyatakan bahwa percentace tertentu dari
kemampuan maksimum gerakan sistem sekelompok orang yang dimensinya sama
otot-sendi (dikenal juga dengan range-of- dengan atau lebih rendah dari nilai tersebut.
motion atau ROM). Pengukuran aktif ini Sebagai contoh, 95% populasi adalah sama
banyak dilakukan dalam studi yang dengan atau lebih rendah dari 95 percentil, 5%
berhubungan dengan rehabilitasi, olahraga, dari populasi berada sama dengan atau lebih
dan biomekanika. rendah dari 5 percentil. Besarnya nilai
e. Bentuk dan kontur tubuh percentile dapat ditentukan dari table
Aspek ini diperlukan untuk merancang probabilitas distribusi normal (Iridiastadi dan
berbagai peralatan yang berhubungan Yassierli, 2014).
langsung dengan manusia, misalnya
merancang sepatu. N(X,ζX) 95%
f. Bobot, terutama bobot tubuh secara

2,5 % 2,5 %
keseluruhan
Metode pengukuran bobot tubuh dapat 1,96 ζX 1,96 ζX
dibagi atas dua, yakni secara langsung dan 2,5-th percentile X 97,5-th percentile
secara tidak langsung (dengan

memanfaatkan teknologi fotografi atau
sensor). Metode langsung adalah metode
pengukuran yang melibatkan kontak
langsung peralatan antropometri dengan
permukaan tubuh atau pakaian individu
yang diukur. Dengan menggunakan
metode langsung, berbagai alat
antropometri dapat dipakai termasuk
mistar ukur atau pita ukur biasa. Namun
untuk mendapatkan hasil yang lebih
presisi, direkomendasikan untuk
menggunakan jangka sorong dan alat ukur
khusus antropometri (anthropometer set).
Alat ukur khusus juga diperlukan untuk
mengukur ketebalan (menggunakan
caliper) dan sudut dua segmen tubuh Gambar 2. Distribusi Normal dan
(menggunakan goniometer). Perhitungan
Persentil (Nurmianto, 2008)
129
95 percentil menunjukkan tubuh berukuran antara Negroid (Afrika), Kaukasoid

besar, sedangkan 5 percentil menunjukkan (Amerika Utara dan Eropa), Mongoloid
tubuh berukuran kecil. Jika diinginkan atau Asia, dan Hispanik (Amerika
dimensi untuk mengakomodasi 95% populasi Selatan). Perhatikan data berikut yang
maka 2,5 dan 97,5 percentil adalah batas diambil dari Kroemer (2003). Tinggi rata-
ruang yang dapat dipakai dan ditunjukkan rata orang Cina (bagian selatan) adalah
pada Gambar 2 (Nurmianto, 2008). 166 cm untuk laki-laki dan 152 cm
(perempuan). Bandingkan dengan rata-rata
C. Faktor-faktor yang Mempengaruhi orang Amerika Utara dengan tinggi badan
Antropometri sekitar 179 cm untuk laki-laki dan 165 cm
Kroemer (2003) dalam Iridiastadi dan untuk perempuan. Orang Asia biasanya
Yassierli (2014) mengatakan bahwa mempunyai postur yang berbeda dengan
antropometri hanya dipandang sebagai suatu Amerika dan Eropa, dengan proporsi kaki
pengukuran tubuh manusia semata, jika yang lebih pendek dan punggung lebih
seperti itu maka hal tersebut tentu dapat panjang.
dilakukan dengan mudah dan sederhana. d. Pekerjaan dan aktivitas
Namun kenyataannya, banyak faktor yang Perbedaan dalam ukuran dan dimensi fisik
harus diperhatikan ketika data ukuran tubuh dapat dengan mudah ditemukan pada
ini digunakan dalam perancangan. Salah kumpulan orang yang mempunyai aktivitas
satunya adalah adanya keragaman individu kerja berbeda. Sebagai contoh, petani di
dalam ukuran dan dimensi tubuh. Variasi ini desa yang terbiasa melakukan pekerjaan
dipengaruhi oleh beberapa faktor diantaranya: fisik berat terbiasa memiliki antropometri
a. Usia yang berbeda dengan orang-orang yang
Tinggi tubuh manusia terus bertambah tinggal di kota dengan jenis pekerjaan
mulai dari lahir hingga usia sekitar 20-25 kantoran yang hanya duduk di depan
tahun. Usia saat berhentinya pertumbuhan komputer. Orang yang berolahraga secara
pada perempuan lebih dini daripada laki- rutin juga mempunyai postur tubuh yang
laki. Berbeda dengan tinggi tubuh, dimensi berbeda dengan mereka yang jarang
tubuh yang lain, seperti bobot badan dan olahraga.
lingkar perut mungkin tetap bertambah e. Kondisi sosio-ekonomi
hingga usia 60 tahun. Pada tahap usia Faktor kondisi sosio-ekonomi berdampak
lanjut, dapat terjadi perubahan bentuk pada pemberian nutrisi dan berpengaruh
tulang seperti bungkuk pada tulang pada tingkat pertumbuhan badan. Selain
punggung, terutama pada perempuan. itu, faktor ini juga berhubungan dengan
b. Jenis kelamin kemampuan untuk mendapatkan
Pengamatan kita sehari-hari menunjukkan pendidikan yang lebih tinggi. Mahasiswa
adanya perbedaan antropometri antara memiliki tinggi tubuh yang lebih tinggi
laki-laki dan perempuan. Usia dewasa laki- daripada teman seusianya yang bukan
laki pada umumnya lebih tinggi daripada mahasiswa. Panero dan Zelnik (1979)
perempuan, dengan perbedaan 10%. menggambarkan hubungan yang linier
Namun perbedaan ini tidak terlihat saat antara rata-rata manusia antar generasi.
usia pertumbuhan. Tingkat pertumbuhan Hal ini kemungkinan besar disebabkan
maksimun perempuan terjadi pada usia oleh meningkatnya kemakmuran dan
sekitar 10-12 tahun. Pada usia ini, asupan gizi yang lebih baik dibandingkan
perempuan cenderung lebih tinggi dan generasi sebelumnya.
lebih berat dibandingkan laki-laki Basis data antropometri biasanya
seusianya. Selain lebih tinggi dan lebih dibedakan atas 5 faktor di atas. Pembedaan ini
berat, pada umumnya tubuh laki-laki juga dilakukan agar dalam penggunaannya dapat
lebih besar dibandingkan perempuan. disesuaikan secara spesifik dengan
Namun pada beberapa dimensi, perbedaan karakteristik populasi target pengguna hasil
ini tidak berarti seperti paha dan pinggul. rancangan, misalnya apakah target adalah
Selain dalam hal ukuran, perbedaan juga laki-laki atau perempuan, atau berasal dari
terlihat pada proporsi bagian-bagian tubuh kelompok ras tertentu dan kelompok dan
dan postur tubuh. kelompok pekerjaan tertentu. Faktor usia
c. Ras dan etnis biasanya dibedakan atas anak-anak, remaja,
Ukuran dan proporsi tubuh sangat beragam dan dewasa dengan mencantumkan kisaran
antar ras dan etnis yang berbeda, misalnya umur yang dimaksud/diasumsikan. Selain itu,
130
pada suatu basis data juga tercantum tahun syarat kualitasnya jika setelah
pengambilan data (berhubungan dengan dibandingkan dengan standar ternyata
kondisi sosio-ekonomi), serta simpangan baku lebih baik atau minimal sama. Proses
yang menggambarkan variasi data (Iridiastadi pemeriksaan bisa dilakukan dengan teknik
dan Yassierli, 2014). samping atau satu persatu dari semua
obyek yang dibuat tentunya cara yang
1.2.4. Operation Process Chart (OPC) terakhir tersebut dilaksanakan apabila
Peta proses operasi (Operation Process jumlah produksinya sedikit.
Chart) adalah suatu diagram yang d. Waktu
menggambarkan langkah-langkah proses yang Waktu penyelesaian harus dipersingkat
akan dialami bahan baku mengenai urutan- dengan mempertimbangkan semua
urutan operasi dan pemeriksaan. Peta proses alternatif mengenai metoda, peralatan dan
operasi merupakan suatu peta yang tentunya penggunaan perlengkapan-
menggambarkan urutan-urutan proses atau perlengkapan khusus.
operasi inspeksi, waktu kelonggaran, dan Tahun 1947, ASME (American Siciety of
pemakaian material di dalam proses produksi Mechanical Engineers) membuat standar
secara sistematis dan jelas mulai dari awal lambang-lambang yang terdiri dari 5 macam
bahan baku sampai menjadi produk jadi yang lambang. Lambang-lambang ini merupakan
utuh maupun sebagai komponen. Sejak dari modifikasi dari lambang yang digunakan oleh
awal sampai menjadi produk jadi utuh Gilberth, yaitu lingkaran kecil diganti dengan
maupun sebagai komponen, dan juga memuat anak panah untuk kejadian transportasi dan
informasi-informasi yang diperlukan untuk menambah lambang baru (D) untuk kejadian
analisa lebih lanjut, seperti waktu yang menunggu (Sutalaksana, dkk, 2006).
dihabiskan, material yang digunakan, dan a. Operasi dilambangkan dengan
tempat atau alat atau mesin yang dipakai. Jadi, lingkaran
dalam suatu peta proses operasi dicatat Suatu kegiatan operasi terjadi apabila
hanyalah kegiatan-kegiatan operasi dan benda kerja mengalami perubahan sifat,
pemeriksaan saja, kadang-kadang pada akhir baik fisik maupun kimiawi, mengambil
proses dicatat tentang penyimpanan informasi maupun memberikan informasi
(Sutalaksana, dkk, 2006). pada suatu keadaan juga termasuk operasi.
Ada empat hal yang perlu diperhatikan Operasi merupakan kegiatan yang paling
agar diperoleh suatu proses kerja yang baik banyak terjadi dalam suatu proses, dan
melalui analisa peta proses operasi, yaitu biasanya terjadi pada suatu mesin atau
analisa terhadap bahan-bahan, operasi, stasiun kerja. Lambang ini juga bisa
pemeriksaan, dan terhadap waktu digunakan untuk menyatakan aktifitas
penyelesaian suatu proses (Sutalaksana, dkk, administrasi.
2006). b. Pemeriksaan dilambangkan
a. Bahan-bahan dengan persegi
Harus mempertimbangkan semua alternatif Suatu kegiatan pemeriksaan terjadi apabila
dari bahan yang digunakan, proses benda kerja atau peralatan mengalami
penyelesaian dan toleransi sedemikian pemeriksaan baik untuk segi kualitas
rupa sehingga sesuai dengan fungsi, maupun kuantitas. Lambang ini digunakan
realibilitas, pelayanan, dan waktunya. jika dilakukan pemeriksaan terhadap suatu
b. Operasi obyek atau membandingkan obyek tertentu
Juga dalam hal ini harus dipertimbangkan dengan suatu standar. Suatu pemeriksaan
mengenai semua alternatif yang mungkin tidak menjuruskan bahan ke arah menjadi
untuk proses pengolahan, pembuatan, suatu barang jadi.
pengerjaan dengan mesin atau metode c. Transportasi dilambangkan
perakitannya, beserta alat-alat dan dengan anak panah
pelengkapan yang digunakan. Perbaikan Suatu kegiatan transportasi terjadi apabila
yang mungkin bisa dilakukan, misalnya benda kerja, pekerja atau perlengkapan
dengan menghilangkan, menggabungkan, mengalami perpindahan tempat yang
merubah atau menyederhanakan operasi- bukan merupakan bagian dari suatu
operasi yang terjadi. operasi. Suatu pergerakan yang merupakan
c. Pemeriksaan bagian dari operasi atau disebabkan oleh
Pemeriksaan harus mempunyai standar petugas pada tempat bekerja waktu operasi
kualitas. Suatu obyek dikatakan memenuhi
131
atau pemeriksaan berlangsung bukanlah Mulai
merupakan transportasi. Observasi
d. Menunggu (Delay) dilambangkan dengan

Studi Literatur
D
Proses menunggu terjadi apabila benda Tujuan Penelitian
kerja, pekerja dan perlengkapan tidak Rumusan Masalah

mengalami kegiatan apa-apa selain
menunggu. Kejadian ini menunjukkan Pengumpulan Data
(Pengambilan Data Antropometri)
bahwa suatu obyek ditinggalkan untuk
sementara tanpa pencatatan sampai Pengolahan Data
diperlukan kembali. Uji Keseragaman

Buang Data
Ektrim
e. Penyimpanan (Storage)
dilambangkan dengan merge Seragam?
Proses penyimpanan terjadi apabila benda Ya
Uji Kecukupan Data

kerja disimpan untuk jangka waktu yang
cukup lama. Jika benda kerja tersebut akan Tidak
Cukup?
diambil kembali, biasanya memerlukan Ya
suatu prosedur perizinan tertentu. Perhitungan Persentil
Lambang ini digunakan untuk menyatakan Rancangan Awal

suatu obyek yang mengalami penyimpanan
permanen, yaitu ditahan atau dilindungi Pengujian
terhadap pengeluaran tanpa izin tertentu. Rancangan Akhir
Prosedur perizinan dan lamanya waktu

adalah dua hal yang membedakan antara Kesimpulan Dan Saran
kegiatan menunggu dan penyimpanan. Selesai

f. Aktivitas Gabungan dilambangkan dengan
lingkaran dan persegi
Kegiatan ini terjadi apabila aktivitas Gambar 3. Diagram Alir Penelitian
operasi dan pemeriksaan dilakukan
bersamaan atau dilakukan pada suatu Gambar 3 merupakan tahapan yang akan
tempat kerja dilalui dalam merancang sandaran belakang
Adapun kegunaan dari peta proses operasi tempat duduk sepeda motor untuk anak-anak
menurut Sutalaksana, dkk (2006) adalah: kelas 1 sampai 2 SDN 007 Kota Dumai.
a. Bisa mengetahui kebutuhan akan mesin 1. Penelitian Pendahuluan
dan penganggarannya Penelitian pendahuluan dilakukan untuk
b. Bisa memperkirakan kebutuhan akan mengetahui lebih detail tentang
bahan baku informasi-informasi yang diperlukan
c. Sebagai alat untuk menentukan tata letak dalam penelitian. Berdasarkan informasi
pabrik tersebut maka didapat tahap penyelesaian
d. Sebagai alat untuk melakukan cara kerja masalah yang ada, sehingga pembahasan
yang sedang dipakai dalam penelitian ini menjadi terarah.
e. Sebagai alat untuk latihan kerja Pengumpulan Data. Data merupakan salah
satu komponen penelitian yang penting,
1.3 Metodologi Penelitian data yang akan digunakan dalam riset
Penelitian ini dilakukan secara bertahap haruslah data yang akurat karena data
dan sistematis seperti yang ditunjukkan pada yang tidak akurat akan menghasilkan
Gambar 3. informasi yang salah.
2. Pengumpulan Data Antropometri
Pengumpulan data antropomertri yang
dibutuhkan dalam perancangan ini yaitu
tinggi duduk tegak, lebar bahu, panjang
lengan, tinggi siku, tebal pergelangan
tangan.
3. Pengolahan Data
Pengolahan data berisi mengenai
pengolahan data-data yang telah diperoleh
dari hasil pengumpulan data. Dengan
132
melakukan uji kecukupan data dan dan keseragaman data. Yang dapat dilihat dari
keseragaman data. Tabel 2 dan 3.
4. Penetapan Peritungan Persentil Rancangan
Dalam penyusunan konsep produk ini, Tabel 2. Uji Keseragaman Data
menghasilkan ukuran rancangan sandaran
belakang pada tempat duduk sepeda motor
beat yang akan dilakukan perancangan.
5. Rancangan awal
Hasil dari perancangan sandaran belakang
pada tempat duduk sepeda motor beat akan
ditampilkan dalam bentuk gambar berupa
rancangan 3 dimensi dan produk.
6. Pengujian Produk
Dalam pengujian konsep ini peneliti
melakukan pengujian produk dengan
membawa anak-anak secara langsung dan
melakukan penyebaran kuesioner.
7. Rancangan Akhir
Hasil dari perancangan sandaran belakang
pada tempat duduk sepeda motor beat yang
telah diuji dan sesuai kenyamanan dan
keamanan anak-anak.
8. Kesimpulan dan saran
Spesifikasi yang telah ditentukan diawal
proses ditinjau kembali setelah Tabel 3. Uji Kecukupan Data
prosesdipilih dan diuji.
3. PEMBAHASAN
2.1. Data Antropometri
Data Antropometri diperoleh melalui
pengukuran secara langsung menggunakan
kursi antropometri terhadap 100 siswa
Sekolah Dasar Negeri 007 Kota Dumai yang
terdiri dari kelas 1 dan 2. Pengambilan sampel
menggunakan metode Systematic Sampling
yaitu teknik pengambilan sampel berdasarkan
urutan dari anggota populasi yang telah di beri
nomor urut. Dalam metode ini sampel di pilih
dengan mengambil setiap anggota populasi
yang memiliki interval tertentu, jadi interval
tersebut merupakan pola yang di gunakan Hasil uji keseragaman dan kecukupan
dalam pegambilan elemen populasi. Data data menunjukkan bahwa tidak ada data yang
Antropometri yang diperlukan adalah sebagai tidak seragam dan begitu pula seluruh data
berikut: sudah cukup sehingga tidak diperlukan
1. Tinggi duduk Tegak, yaitu tinggi tubuh tambahan data.
dalam posisi duduk (diukur dari alas
tempat duduk/pantat sampai dengan kepala 2.2. Perhitungan Persentil
2. Lebar Bahu, yaitu lebar dari bahu Setelah data diperoleh maka dilanjutkan
3. Panjang Lengan, yaitu lebar dalam posisi dengan menentukan persentil yang sesuai
tangan terbentang lebar-lebar kesamping untuk setiap dimensi yang digunakan.
kiri-kanan A. .........................................................................................
4. Tinggi Siku, yaitu tinggi siku dalam posisi inggi Sandaran
duduk. Tinggi sandaran sepeda motor dapat dicari
5. Tebal Pergelangan Tangan, yaitu tebal dengan menggunakan data tinggi duduk
pergelangan tangan tegak. Persentil yang digunakan adalah
Selanjutnya melakukan pengujian data persentil 5th agar anak-anak yang memiliki
yaitu dengan menghitung uji kecukupan data tinggi sandaran punggung kecil maupun
133
besar dapat dengan nyaman bersandar Persentil 5th, Perhitungannya:

pada sandaran sepeda motor. = 16,5-1,645 0,58= 15,
: 59,42 54
: 1,25 Jadi Tinggi sandaran tangan sepeda motor
Persentil 5th, Perhitungannya: hasil perancangan adalah 15,54cm
= 59,42 - 1,645 1,25= E. .........................................................................................
57,36 ebar Sandaran Tangan
Jadi tinggi sandaran sepeda motor hasil Lebar sandaran tangan sepeda motor dapat
perancangan adalah 57,36 cm dicari dengan menggunakan data panjang
lengan. Persentil yang digunakan
B. ................................................................................................................................ L adalah
th
ebar Sandaran persentil 95 agar anak-anak yang
Lebar sandaran sepeda motor dapat dicari memiliki lebar tangan yang kecil maupun
dengan menggunakan data Lebar Bahu. besar dapat dengan nyaman menompang
Persentil yang digunakan adalah persentil tangan mereka pada sandaran sepeda
95th agar anak-anak yang memiliki postur motor.
tubuh kecil maupun besar dapat dengan : 8,11
nyaman bersandar pada sandaran sepeda : 0,21
motor. Persentil 95th, Perhitungannya:
: 27,62 = 8,11+1,645 0,22=
: 0,69 8,46
Persentil 95th, Perhitungannya: Jadi lebar sandaran Tangan sepeda motor
= 27,62+1,645 0,69= hasil perancangan adalah 8,46 cm
28,58 Dari perhitugan yang didapatkan
Jadi lebar sandaran sepeda motor hasil disimpulkan bahwa perhitungan persentil
perancangan adalah28,58 cm dapat dilihat dari Tabel 4. di bawah ini.
C. ................................................................................................................................ P
anjang Sandaran Tangan Tabel 4. Hasil Rekapitulasi Perhitungan
Panjang sandaran tangan sepeda motor Persentil
dapat di cari dengan menggunakan data
panjang lengan. Persentil yang digunakan
adalah persentil 95th agar anak-anak yang
memiliki panjang sandaran tangan yang
kecil maupun besar dapat dengan nyaman
menompang tangan mereka pada sandaran
sepeda motor.
: 30,85
: 0,55
Persentil 95th, Perhitungannya:
= 30,85+1,645 0,55=
31,75
Jadi Panjang sandaran Tangan sepeda
motor hasil perancangan adalah 31,75 cm
D................................................................................................................................. T
inggi Sandaran Tangan
Tinggi sandaran tangan sepeda motor
dapat dicari dengan menggunakan data
tinggi siku. Persentil yang digunakan
adalah persentil 5th agar anak-anak yang 2.3. Gambar Rancangan Produk
memiliki tinggi siku duduk yang kecil Setelah ukuran didapatkan maka dilanjutkan
maupun besar dapat dengan nyaman dengan membuat OPS sandaran belakang
menompang tangan mereka pada sandaran tempat duduk sepeda motor beat untuk anak-
sepeda motor. anak yang dapat dilihat pada Lampiran 1
: 16,5 berdasarkan gambar rancangan awal seperti
: 0,58 terlihat pada Gambar 4.
134
2.4. Pengujian Produk

Pengujian Produk dilakukan secara
langsung dengan membawa anak-aak sekolah
dasar negeri 007 kota dumai serta memberikan
kuesioner untuk pengujian keamanan dan
kenyaman produk. Serta berikut hasil yang
dapat dilihat dari rekapitulasi tentang pegujian
produk Tabel 5 dan Tabel 6.
Tabel 5. Rekapitulasi Kenyaman Produk
Gambar 4. Rancangan Produk

Setelah OPC dibuat maka dilanjutkan
dengan membuat produk sesuai dengan
ukuran yang telah didapatkan. Gambar produk
dapat dilihat pada Gambar 5 dan Gambar 6
merupakan gambar penerapan produk pada
sepeda motor Beat.
Keterangan Nilai:
1. Sangat Tidak Nyaman
2. Tidak Nyaman
3. Kurang Nyaman
4. Nyaman
5. Sangat Nyaman
Hasil jawaban kuesioner yang didapatkan
dari siswa Sekolah Dasar Negeri 007 kota
Dumai yang berjumlah 50 kuesioner. dapat
disimpulkan bahwa 42 anak yang merasa
sangat nyaman pada sandaran belakang yang
dilengkapi dengan tambahan sandaran untuk
tangan. Sedangkan 28 anak merasa nyaman
pada sandaran belakang yang dilengkapi
dengan pengaturan maju mundur pada
sandaran dan 29 anak merasakan nyaman pada
Gambar 5. Produk Sandaran Belakang sandaran tangan yang dibuat bisa digeserkan
Tempat Duduk Sepeda Motor Beat untuk ketas untuk mempermudah naik keatas motor.
Anak-anak SDN 007 Kota Dumai Serta 26 anak merasa sangat nyaman pada
sandaran yang dilengkapi dengan sistim
bongkar pasang untuk pengguna sepeda
motor. Dan 26 anak merasa sangat nyaman
pada sandaran belakang yang dibuat setinggi
kepala. Lalu 34 anak menyatakan sangat
nyaman pada sandaran belakang pada
punggung diberi busa. Dari penjelasan diatas
terlihat bahwa sebagian besar responden
menyatakan nyaman dengan rancangan
sandaran belakang pada tempat duduk
sandaran anak-anak pada sepeda motor Beat.
Sementara untuk kuesioner pengujian
Gambar 5. Penempatan Produk Sandaran keamanan produk pada perancangan sandaran
Belakang Tempat Duduk Sepeda Motor belakang pada tempat duduk sepeda motor
Beat untuk Anak-anak SDN 007 Kota beat dapat dilihat pada Tabel 6.
Dumai
135
Tabel 6. Rekapitulasi Keamanan Produk 4. KESIMPULAN

Pembuat sandaran belakang tempat duduk
sepeda motor Beat untuk anak-anak Sekolah
Dasar Negeri 007 kota Dumai menggunakan
ukuran antropometri siswa siswi yang berada
di kelas 1 dan 2. Ukuran tinggi sandaran
belakang 57,36 cm, lebar sandaran belakang
28,58 cm dan tinggi sandaran tangan 15,54 cm
serta panjang sandaran tangan 31,75 cm dan
lebar sandaran tangan 8,46 cm. dengan
menggunakan persentil 95th untuk lebar
sandaran belakang, panjang sandaran tangan,
Keterangan Nilai: lebar sandaran tangan dan persentil 5th untuk
6. Sangat Tidak Aman tinggi sandaran belakang serta tinggi sandaran
7. Tidak Aman tangan. Untuk pengujian produk didapatkan
8. Kurang Aman hasil penyebaran 50 kuesioner 48 anak
9. Aman menyatakan sangat nyaman dan nyaman serta
10. Sangat Aman 36 anak menyatakan sangat aman dan aman
Hasil jawaban kuesioner yang didapatkan menggunakan sandaran belakang pada tempat
dari siswa Sekolah Dasar Negeri 007 kota duduk sepeda motor beat
Dumai yang berjumlah 50 kuesioner, dapat
disimpulkan bahwa 39 anak merasa sangat PUSTAKA
aman pada sandaran belakang yang terbuat Ginting, R., 2010, Perancangan Produk,
dari besi. Dan 30 anak merasa aman pada Graha Ilmu, Yogyakarta.
sandaran belakang yang dilengkapi pengatur Iridiastadi, H., dan Yassierli., 2014, Ergonomi
maju mundur. Serta 31 anak merasa aman Suatu Pengantar, PT Remaja Rosdakarya,
pada sandaran tangan yang dibuat bisa Bandung.
digeserkan untuk mempermudah naik keatas Nurmianto, E., 2008, Ergonomi Konsep Dasar
motor. Sedangkan 25 anak merasa aman pada dan Aplikasinya Edisi Kedua, Guna
sandaran belakang yang dilengkapi dengan Widya, Surabaya.
sistim bongkar pasang untuk pengguna sepeda Peraturan Pemerintah Republik Indonesia
motor. serta 25 anak merasakan aman pada Nomor 55 Tahun 2012, Kendaraan
sandaran belakang yang diberi tambahan Sutalaksana, I.Z., Anggawisastra, R.,
sandaran tangan saja. Dari penjelasan diatas Tjakraatmadja, J.H., 2006, Teknik
terlihat bahwa sebagian besar responden Perancangan Sistem Kerja, Edisi Kedua,
menyatakan aman dengan rancangan sandaran ITB, Bandung.
belakang pada tempat duduk sandaran anak- Undang Undang Republik Indonesia Nomor
anak pada sepeda motor Beat. 22 Tahun 2009, Lalu Lintas dan Angkutan
Jalan
136
Lampiran 1. OPC Sandaran Belakang Tempat Duduk Sepeda Motor Beat Untuk Anak-
Anak
PETA PROSES OPERASI (OPC)
NAMA OBJEK : SANDARAN BELAKANG TEMPAT DUDUK SEPEDA MOTOR BEAT UNTUK ANAK-ANAK
NOMOR : 01
DIPETAKAN OLEH : Fitra, Feby Jayendra
TANGGAL DIPETAKAN : 7 SEPTEMBER 2016
Busa alas Alas Sandaran Jalur Kedudukan Kedudukan Rangka

Alas sandaran Kedudukan Jalur
sandaran punggung Punggung dan Maju mundur Sandaran Sandaran Sandara
tangan dan Sandaran
dan tangan tangan Sandaran Tangan Punggung Belakang
sandaran punggung
Kain Jok Busa Papan Triplek Besi Plat Besi Hollow Pipia besi Besi Hollow Besi Siku
Tebal 1Inci ½ Inci 1 Inci 1 inci Sama Sisi
Kain Jok Busa 5 Papan 5 Besi 5 2 Besi diukur 3 Besi diukur 3 Besi diukur
2 5 Besi
0-25 diukur 0-22 Diukur 0-20 diukur 0-13 diukur 0-10 Diukur 0-7 (Meteran) 0-4 0-1 (meteran)
(Meteran)
(Meteran) (Meteran) (Meteran) (Meteran) (Meteran)
18 15 2 2
5 Dipotongan 20 Dipotongan 15 Dipotong Dipotong Dipotong
0-8
Dipotong
0-5 Dipotong
5 Dipotong
0-26 (Gunting) 0-23 0-21 0-14 0-11 0-2
(Gunting) (Gerinda/ (Gerinda/ (Gerinda/ (Gerinda/ (Gerinda/ (Gerinda/
Gergaji) Gergaji) Gergaji) Gergaji) Gergaji) Gergaji)
Diperiksa Diperiksa Diperiksa 10 Besi 8 Pengeboran

1-11 Diperiksa 1-10 1-7 1-5 0-9 Dibengkokkan 0-6 1-1 Periksa
Ukuran Ukuran Ukuran Ukuran (Mesin bor) Ukuran
(Las)
45 0-24 Perakitan 15 Besi di 20 Periksa Diperiksa 10

0-15 lubangi 0-12 Di las 1-4 1-3 Sambungan 0-3 Di las
1-12 Ukuran (Mesin Las)
(Mesin Bor) (Mesin Las) Las
Diperiksa Diperiksa
1-6 1-2 Sambungan
30 0-27 Ukuran
Perakitan Las
1-13
60 0-16 Perakitan
1-8
120 0-17 Perakitan

1-9
30 Di amplas
0-18
(Gerinda)
60
0-19 Pengecatan
Perakitan
30 0-28
Ringkasan 1-14
KEGIATAN JUMLAH WAKTU

OPERASI 28 577 2-1
PEMERIKSAAN 14
PENYIMPANAN 1
TOTAL 43 577
137
ANALISIS SISTEM PENDUKUNG KEPUTUSAN PEREMAJAAN TANAMAN

KELAPA SAWIT DENGAN MENGGUNAKAN METODE
ANALITYCAL HIERARCHY PROCESS (AHP)
1 2 3 4
Harwani Indri Gapuri , Solikhun ,Poningsih , Sundari Retno Andani
1
Telp. (0622) 22431
2,3,4
Telp. (0622) 22431
E-mail: solikhun@amiktunasbangsa.ac.id, poningsih@amiktunasbangsa.ac.id,
ABSTRAKS
Peremajaan tanaman kelapa sawit (replanting) adalah kegiatan yang dilakukan terhadap
tanaman kelapa sawit, dimana tanaman kelapa sawit yang sudah tidak produktif dalam
menghasilkan buah. Dengan dilakukannya peremajaan akan membuat pihak perkebunan lebih
mendapatkan hasil yang maksimal. Adanya kesulitan dalam menetukan dan meyeleksi tanaman
yang sudah memasuki masa peremajaan tanaman, maka perlu dibangun sebuah Sistem
Pendukung Keputusan Peremajaan Tanaman Kelapa Sawit Sehingga dengan adanya Sistem
Pendukung Keputusan ini, maka penyeleksian tanaman kelapa sawit yang masuk masa
peremajaan lebih mudah dan efisien. Sistem yang dibangun menggunakan metode Analitycal
Heararchy Process (AHP). Metode ini memberikan prioritas pilihan dari banyak criteria dan
penyelesaian.
Kata Kunci: Analisis Sistem Pendukung Keputusan, AHP, Peremajaan Tanaman Kelapa Sawit
1. PENDAHULUAN terhadap masalah, sebagai pemberian

1.1 Latar Belakang Masalah kerangka berfikir secara sistematis, dapat
Kegiatan peremajaan tanaman kelapa membimbing dalam penerapan teknik-teknik
sawit dilakukan di setiap perkebunan. Baik pengambilan keputusan, dan meningkatkan
perkebunan kelapa sawit, perkebunan teh dan kualitas suatu keputusan. Dengan kata lain
sebagainya. Kegiatan ini bertujuan untuk Sistem Pendukung Keputusan adalah suatu
meningkatkan produktifitas tanaman dan sistem informasi berbasis komputer yang
menambah pendapatan perusahaan atau menghasilkan
perkebunan. Tetapi, dalam pelaksanaan berbagai alternatif keputusan untuk membantu
kegiatan ini banyak pertimbangan yang harus manajemen dalam menangani berbagai
dilakukan. Seperti, penentuan lokasi permasalahan yang terstruktur dengan
perkebunan, bentuk fisik tanaman, dan menggunakan data dan model[(agus,2017).
beberapa faktor lain yang dapat menunjukkan Oleh karena itu penelitian ini akan
bahwa lahan perkebunan dan tanaman kelapa membahas sistem pendukung keputusan yang
sawit yang siap dilakukan peremajaan. diharapkan dapat membantu pihak pekebunan
Terkadang dalam menentukan lokasi dalam menentukan lokasi peremajaan tanaman
perkebunan yang akan dilakukan permajaan kelapa sawit yang sesuai dengan keinginan
mendapatkan kesulitan. Dimana, dalam satu dan memenuhi persyaratan.
wilayah perkebuanan memiliki perbedaan Metode yang dipakai dalam pengambilan
antar tanaman, baik dalam hal usia, produksi, keputusan peremajaan tanaman kelapa sawit
gejala yang ditimbulkan alam, dan kesesuaian adalah Analitical Hierarchy Process (AHP).
tanaman dengan iklim setempat. Metode tersebut dipilih karena metode
Sistem pendukung keputusan adalah Analitical Hierarchy Process (AHP)
sebuah alternatif solusi atau alternatif tindakan merupakan suatu bentuk model pendukung
dari sejumlah alternatif solusi dan tindakan keputusan dimana komponen utamanya adalah
guna menyelesaikan suatu masalah, sehingga sebuah hirarki fungsional dengan input
masalah tersebut dapat diselesaikan secara utamanya persepsi manusia, yakni dalam hal
efektif dan efisien. Sistem pendukung ini adalah orang yang mengerti dalam
keputusan berfungsi untuk beberapa hal antara pemilihan tanaman yang siap masuk dalam
lain, sebagai pemahaman secara komprehensif tahap peremajaan tanman kelapa sawit. Untuk
138
itu, diperlukan suatu Sistem Pendukung sebagai metode Sistem pendukung

Keputusan (SPK) yang penyelesaian Keputusan (SPK) dalam pemilihan lokasi
masalahnya menggunakan metode AHP yang peremajaan tanaman kelapa sawit.
dapat memperhitungkan segala kriteria yang
mendukung pengambilan keputusan pemilihan 1.4.2. Manfaat Penelitian
mahasiswa secara cepat, mudah dan dalam Manfaat yang diharapkan akan didapat
proses pengolahan data pengambilan dari penelitian ini adalah :
keputusan dapat melakukan perangkingan 1. Sebagai salah satu alternatif
untuk menentukan peremajaan kelapa untuk membantu pihak perkebunan
sawit.(putrama,2018). kelapa sawit dalam pemilihan lokasi
yang sudah sesuai persyaratan untuk
1.2. Perumusan Masalah dilakukan peremajaan tanaman
Berdasarkan latar belakang yang telah kelapa sawit.
diuraikan sebelumnya, terdapat beberapa 2. Adapun bagi pihak
permasalahan yang akan dibahas dalam paper perkebunan yang sudah dapat
ini, antara lain : menentukan tanaman yang masuk
1. Bagaimana melakukan pembobotan dalam masa peremajaan, Sistem
dari setiap kriteria, untuk pemilihan Pendukung Keputusan (SPK) dapat
lokasi peremajaan tanaman kelapa sawit membantu pihak pekebunan untuk
? menentukan tanaman yang siap untuk
2. Bagaimana menerapkan metode dilakukan peremajaan.
Analitical Hierarchy Process (AHP) 3. Sebagai bahan acuan bagi
dalam pemilihan lokasi peremajaan penelitian sejenis terutama
tanaman kelapa sawit ? pengetahuan Sistem pendukung
Keputusan (SPK).
1.3. Batasan Masalah
Agar pembahasan tidak menyimpang dari 2. Landasan Teori
apa yang telah ditetapkan maka permasalahan 2.1. Sistem Pendukung Keputusan
di batasi sebagai berikut : Sistem pendukung keputusan merupakan
1. Kriteria-kriteria yang sistem informasi interaktif yang menyediakan
menjadi prioritas perangkingan informasi, pemodelan dan memanipulasi data.
peremajaan tanman kelapa sawit Sistem itu digunakan untuk membantu
diantaranya adalah usia tanaman, hasil pengambilan keputusan dalam situasi yang
produksi, gejala alam, dan kesesuaian semiterstruktural dan situasi yang tidak
iklim tanaman kelapa sawit dengan terstruktur dimana tak seorang pun tahu
lokasi penanaman. sacara pasti bagaimana keputusan seharusnya
2. Metode yang digunakan dibuat (Riyani, Awang Harsa Kiradalaksana
sebagai analisis system pendukung dan Ahmad Rofiq Hakim, 2010, tanggal akses
keputusan pemilihan lokasi peremajaan 29 April 2013). Sistem pendukung keputusan
tanaman kelapa sawit pada penelitian ini biasanya dibangun untuk mendukung solusi
adalah metode Analitical Hierarchy atas suatu masalah atau untuk mengevaluasi
Process (AHP). suatu peluang. Sistem pendukung keputusan
yang seperti itu disebut aplikasi Sistem
3.Data dari alternatif peremajaan pendukung keputusan. Aplikasi Sistem
tanaman kelapa sawit diambil dari masa pendukung keputusan digunakan dalam
pengerjaan paper ini dan dari bagian pengambilan keputusan. Aplikasi
perkebunan sebagai bahan penelitian. menggunakan CBIS (Computer Based
Information System) yang fleksibel, interaktif,
1.4. Tujuan dan Manfaat Penelitian dan dapat diadaptasi,yang dikembangkan
1.4.1. Tujuan Penelitian untuk mendukung solusi atas masalah
Berdasarkan perumusan masalah yang manajemen spesifik yang tidak terstruktur.
telah diuraikan maka tujuan yang ingin Aplikasi Sistem pendukung keputusan
dicapai adalah : menggunakan data, memberikan antar muka
1. Menentukan pembobotan pengguna yang mudah,dan dapat
dari setiap kriteria, untuk pemilihan lokasi menggabungkan pemikiran pengambilan
peremajaan tanaman kelapa sawit. keputusan. Sistem pendukung keputusan lebih
2. Menerapkan metode ditujukan untuk mendukung manajemen
Analitical Hierarchy Process (AHP) dalam melakukan pekerjaan yang bersifat
139
analitis dalam situasi yang kurang terstruktur 2. Memperhitungkan validitas sampai

dan dengan kriteria yang kurang jelas. dengan batas toleransi inkonsistensi
Sistem pendukung keputusan tidak berbagai kriteria dan alternatif yang
dimaksudkan unutk mengotomatisasikan dipilih oleh pengambil keputusan.
pengambilan keputusan, tetapi memberikan Memperhitungkan daya tahan output
perangkat interaktif yang memungkinkan analisis sensitivitas pengambilan
pengambilan keputusan untuk melakukan keputusan.
berbagai analisis menggunakan model-model 2.3. Tahapan metode AHP
yang tersedia. Tujuan dari DSS adalah Dalam metode Analytical Hierarchy
(Riyani, Awang Harsa Kiradalaksana dan Process dilakukan langkah-langkah sebagai
Ahmad Rofiq Hakim, 2010) : berikut (Kadarsyah Suryadi dan Ali
1. Membantu manajer dalam Ramdhani, 2010) :
pengambilan keputusan atas masalah 1. Mendefinisikan masalah dan
semistuktur. menentukan solusi yang diinginkan.
2. Memberikan dukungan atas Dalam tahap ini penulis berusaha
pertimbangan manajer dan bukannya menentukan masalah yang akan penulis
dimaksudkan untuk menggantikan fungsi pecahkan secara jelas, detail dan mudah
manajer. dipahami. Dari masalah yang ada penulis
3. Meningkatkan efektifitas coba tentukan solusi yang mungkin
keputusan yang diambil lebih daripada cocok bagi masalah tersebut. Solusi dari
perbaikan efisiensinya. masalah mungkin berjumlah lebih dari
4. Kecepatan komputasi. Komputer satu. Solusi tersebut nantinya penulis
memungkinkan para pengambil keputusan kembangkan lebih lanjut dalam tahap
untuk melakukan banyak komputansi secara berikutnya.
cepat dengan biaya rendah. 2. Membuat struktur hierarki yang
5. Peningkatan produktivitas. diawali dengan tujuan utama. Setelah
6. Dukungan kualitas. menyusun tujuan utama sebagai level
7. Berdaya saing. teratas akan disusun level hirarki yang
8. Mengatasi keterbatasan kognitif berada di bawahnya yaitu kriteria-kriteria
dalam pemrosesan dan penyimpanan. yang cocok untuk mempertimbangkan
2.2. Analytical Hierarchy Process atau menilai alternatif yang penulis
(AHP) berikan dan menentukan alternatif
Analytical Hierarchy Process (AHP) tersebut. Tiap kriteria mempunyai
merupakan suatu model pendukung keputusan intensitas yang berbeda-beda. Hirarki
yang dikembangkan oleh Thomas L. Saaty. dilanjutkan dengan subkriteria (jika
Model pendukung keputusan ini akan mungkin diperlukan).
menguraikan masalah multi faktor atau multi 3. Membuat matrik perbandingan
kriteria yang kompleks menjadi suatu hirarki, berpasangan yang menggambarkan
menurut Saaty, hirarki didefinisikan sebagai kontribusi relatif atau pengaruh setiap
suatu representasi dari sebuah permasalahan elemen terhadap tujuan atau kriteria yang
yang kompleks dalam suatu struktur multi setingkat di atasnya. Matriks yang
level dimana level pertama adalah tujuan, digunakan bersifat sederhana, memiliki
yang diikuti level faktor, kriteria, sub kriteria, kedudukan kuat untuk kerangka
dan seterusnya ke bawah hingga level terakhir konsistensi, mendapatkan informasi lain
dari alternatif. Dengan hirarki, suatu masalah yang mungkin dibutuhkan dengan semua
yang kompleks dapat diuraikan ke dalam perbandingan yang mungkin dan mampu
kelompok-kelompoknya yang kemudian diatur menganalisis kepekaan prioritas secara
menjadi suatu bentuk hirarki sehingga keseluruhan untuk perubahan
permasalahan akan tampak lebih terstruktur pertimbangan. Pendekatan dengan
dan sistematis. sering digunakan sebagai matriks mencerminkan aspek ganda
metode pemecahan masalah dibanding dengan dalam prioritas yaitu mendominasi dan
metode yang lain karena alasan-alasan sebagai didominasi. Perbandingan dilakukan
berikut: berdasarkan judgment dari pengambil
1. Struktur yang berhirarki, sebagai keputusan dengan menilai tingkat
konsekuesi dari kriteria yang dipilih, kepentingan suatu elemen dibandingkan
sampai pada subkriteria yang paling elemen lainnya. Untuk memulai proses
dalam. perbandingan berpasangan dipilih sebuah
kriteria dari level paling atas hirarki
140
misalnya K dan kemudian dari level di 6. Mengulangi langkah 3,4, dan 5 untuk
bawahnya diambil elemen yang akan seluruh tingkat hirarki.
dibandingkan misalnya E1,E2,E3,E4,E5. 7. Menghitung vektor eigen dari setiap matriks
4. Melakukan Mendefinisikan perbandingan berpasangan yang merupakan
perbandingan berpasangan sehingga bobot setiap elemen untuk penentuan prioritas
diperoleh jumlah penilaian seluruhnya elemen-elemen pada tingkat hirarki terendah
sebanyak n x [(n-1)/2] buah, dengan n sampai mencapai tujuan. Penghitungan
adalah banyaknya elemen yang dilakukan lewat cara menjumlahkan nilai
dibandingkan. Hasil perbandingan dari setiap kolom dari matriks, membagi setiap
masing-masing elemen akan berupa nilai dari kolom dengan total kolom yang
angka dari 1 sampai 9 yang bersangkutan untuk memperoleh normalisasi
menunjukkan perbandingan tingkat matriks, dan menjumlahkan nilai-nilai dari
kepentingan suatu elemen. Apabila suatu setiap baris dan membaginya dengan jumlah
elemen dalam matriks dibandingkan elemen untuk mendapatkan rata-rata.
dengan dirinya sendiri maka hasil 8. Memeriksa konsistensi hirarki. Adapun
perbandingan diberi nilai 1. Skala 9 telah yang diukur dalam Analytical Hierarchy
terbukti dapat diterima dan bisa Process adalah rasio konsistensi dengan
membedakan intensitas antar elemen. melihat index konsistensi. Konsistensi yang
Hasil perbandingan tersebut diisikan diharapkan adalah yang mendekati sempurna
pada sel yang agar menghasilkan keputusan yang mendekati
5. bersesuaian dengan elemen yang valid. Walaupun sulit untuk mencapai yang
dibandingkan. Skala perbandingan sempurna, rasio konsistensi diharapkan kurang
perbandingan berpasangan dan dari atau sama dengan 10 %.
maknanya yang diperkenalkan oleh Rumus Untuk Menentukan Rasio
Saaty bisa dilihat di bawah. Intensitas Konsistensi (CR)
Kepentingan: Indeks konsistensi dari matriks berordo n
a. 1 berarti kedua elemen sama pentingnya, dapat diperoleh dengan rumus :
Dua elemen mempunyai pengaruh yang sama dimana :
besar CI = Indek konsistensi (Consistency Index)
b. 3 berarti elemen yang satu sedikit lebih λ maksimum = Nilai eigen terbesar dari
penting daripada elemen yanga lainnya, matrik berordo n
Pengalaman λ maksimum didapat dengan
dan penilaian sedikit menyokong satu elemen menjumlahkan hasil perkalian jumlah kolom
dibandingkan elemen yang lainnya dengan eigen vektor utama.
c. 5 berarti elemen yang satu lebih penting Apabila C.I = 0, berarti matriks konsisten.
daripada yang lainnya, Pengalaman dan Batas ketidak konsistenan yang ditetapkan
penilaian sangat kuat menyokong satu elemen Saaty diukur dengan menggunakan rasio
dibandingkan elemen yang lainnya konsistensi
d. 7 berarti satu elemen jelas lebih mutlak (CR), yakni perbandingan indek
penting daripada elemen lainnya, Satu elemen konsistensi dengan nilai pembangkit random
yang kuat disokong dan dominan terlihat (RI). =Sebuah nilai rasio dikatakan konsisten
dalam praktek. jika bernilai 0 ≤ rasio ≤ 0.1, dengan demikian
e. 9 berarti satu elemen mutlak penting hasil perhitungan data dapat dibenarkan.
daripada elemen lainnya, Bukti yang Untuk menentukan rasio konsisten atau tidak
mendukung elemen yang satu terhadap elemen dapat menggunakan tabel konsistensi rasio
lain memiliki tingkat penegasan tertinggi yang sebagai berikut :
mungkin menguatkan. Nilai RI bergantung pada ordo matrik n.
f. 2,4,6,8 berarti nilai-nilai antara dua nilai
pertimbangan-pertimbangan yang berdekatan,
Nilai ini diberikan bila ada dua kompromi di
antara 2 pilihan Kebalikan = Jika untuk
aktivitas i mendapat satu angka dibanding
dengan aktivitas j , maka j mempunyai nilai
kebalikannya dibanding dengan i.
5. Menghitung nilai eigen dan menguji
konsistensinya. Jika tidak konsisten maka
pengambilan data diulangi.
141
Tabel 2.1 Konsitensi rasio peremajaan terlebih dahulu kita harus

menentukan kriteria, yaitu :
1. Usia tanaman
2. Produksi tanaman
3. Gejala alam
4. Kesesuaian iklim
2. Membuat struktur hierarki
Berdasarkan definisi masalah diatas
dapat kita gambarkan struktur hirarki
permasalahan sebagai berikut:
Gbr 2.1
CR dirumuskan : 3. Membuat matriks perbandingan
CR = berpasangan
Dimana : Pada tahapan ini perhitungan
CR = Consistency Ratio matriks perbandingan antar kriteria
CI = Consistency Index dilakukan menurut tabel berikut:
RI = Random Index
3. PEMBAHASAN
Penulis telah mengidentifikasi 4 1. Matriks perbandingan berpasangan
(empat) kriteria utama sebagai parameter Tabel 2.2 Matriks Perbandingan
pembanding pada peremajaan tanaman Kriteria
kelapa sawit yaitu :
1. Usia tanaman
2. Produksi tanaman
3. Gejala alam
4. Kesesuaian iklim
Dan , adapun alternatif yang di
berikan penulis yaitu :
1. Afdelling I Balimbingan
2. Afdelling II Bah Kisat
3. Afdelling III Tongguran
4. Afdelling IV Kasindir
Tujuan utama penelitian adalah memilih

lokasi yang tepat untuk dilakukan peremajaan 2. Matriks di normalisasikan
tanaman kelapa sawit yang telah memenuhi Tabel 2.3 Normalisasi
persyaratan.
Berdasarkan asumsi kasus diatas,
langkah-langkah perhitungan AHP dalam
menentukan lokasi perkebunan yang akan
dilakukan peremajaan adalah sebagai berikut:
1. Mendefinisikan masalah
Pada langkah ini masalah yang ada
pada perkebunan adalah adanya
perbedaan kriteria dari masing-masing
perkebunan. Untuk menentukan lokasi
perkebunan mana yang akan di lakukan
142
3. Membuat matriks nilai kriteria . Tabel 2.8 Perhitungan rasio kensistensi

Tabel 2.5 Matriks nilai kriteria
Menghitung nilai eigen vector dan

menguji konsistensinya, jika tidak konsisten
maka pengambilan data (prefensi) perlu
diulangi. Nilai eigen vector yang dimaksud
adalah nilai eigen vector maksimum yang
diperoleh.
Berikut ini adalah perhitungan nilai eigen
vector.
4. Nilai rata-rata setiap baris antar kriteria. Eigen vector usia = Σ Baris /
Tabel 2.6 Nilai rata-rata kolom
= 1,67 / 4
= 0,42
Eigen vector produksi = Σ Baris /
kolom
= 0,99 / 4
= 0,25
Eigen vector gejala alam = Σ Baris /
kolom
= 0,79 / 4
= 0,11
Eigen vector gejala alam = Σ Baris /
5. Membuat matriks rata-rata setiap baris kolom
Tabel 2.7 nilai rata-rata setiap baris = 0,47 / 4
= 0,12
Selanjutnya nilai eigen maksimum (λ
maksimum) didapat dengan menjumlahkan
hasil perkalian jumlah kolom dengan eigen
vector. Nilai eigen maksimum yang dapat
diperoleh adalah sebagai berikut :
λ maksimum = (2,25 x 0,42) +
(5,83 x 0,25) + (6,5 x 0,11) + (8 x 0,12)
= 0,94 + 1,45 + 0,71 + 0,96
= 4,06
Karena matrik berordo 4 (yakni terdiri
6. Perhitungan rasio konsistensi dari 4 kolom), maka nilai indeks
Perhitungan ini digunakan untuk memastikan konsistensi (CI) yang diperoleh adalah :
bahwa nilai rasio konsistensi (CR) < 0.1. jika
ternyata nilai CR lebih besar dari 0.1, maka CI =
matriks perbandingan berpasangan harus
diperbaiki. Untuk menghitung rasio =
konsistensi seperti tabel di bawah ini,
=
= 0,02
Untuk n = 4, RI = 0,90 (tabel skala Saaty),

maka :
CR =
143
= Dimana : 1 = Afdelling I
2 = Afdelling II
3 = Afdelling IV
= 0,02 < 0,100 4 = Afdelling III
Karena CR (Rasio Konsistensi) < 0,100 Berdasarkan tabel di atas, dapat dilihat
maka hasil konsisten. bahwa lokasi 1 mendapatkan nilai yang lebih
besar dibandingkan dengan lokasi yang lain.
Tabel 2.9 Matriks perbandingan Dari hasil perhitungan nilai masing-masing
kriteria dengan alternative lokasi perkebunan dapat dilihat bahwa lokasi
1 tidak ada perbedaan nilai yang signifikan
yang diperoleh lokasi perkebunan yang lain.
Disebabkan perbandingan usia penanaman
antar lokasi perkebunan tidak terlalu lama.
Hasil pengujian yang diberikan oleh
sistem lebih baik daripada solusi yang
diberikan oleh manusia, sebab solusi yang
diberikan oleh sistem lebih akurat dari pada
yang diberikan oleh manusia dalam
mengambil keputusan.Hal ini dikarenakan
perbedaan pendapat dan analisa manusia
saling berbeda, maka digunakan sistem
tersebut untuk memberikan jawaban yang
Normalisasi matriks di atas, akurat.
Tabel 2.10 Nolmalisasi matriks 3. KESIMPULAN DAN SARAN

3.1 Kesimpulan
Berdasarkan pembahasan dan evaluasi dari
bab sebelumnya maka dapat disimpilkan
sebagai berikut :
1. Proses pembuatan Sistem Pendukung
Keputusan Pemilihan Lokasi Peremajaan
Tanaman Kelapa Sawit dapat dilakukan
dengan metode Analytical Hiarachy
Process dengan menentukan kriteria dan
Nilai pada baris prioritas diperoleh dengan bobot untuk dihitung secara sistematik.
menghitungan rata-rata tiap barisnya. 2. Metode Analytical Hiarachy Process yang
merupakan metode sistem Pendukung
Tabel 2.11 Nilai rata-rata setiap baris antar Keputusan yang bisa memecahkan
alternative berbagai masalah pengamblan keputusan
multikriteria, dapat juga digunakan untuk
memecahkan masalah pemilihan lokasi
peremajaan tanaman kelapa sawit.
3. Dengan data yang rill dan dilakukan
melalui proses penyelesaian sistematika
ataupun ilmiah maka system ini akan
memberikan suatu informasi dengan tepat
dan benar.
3.2 Saran
Tabel 2.12 menentukan perankingan dari
Berikut adalah beberapa saran untuk
setiap alternative
pengembangan lebih kanjut terhadap paper ini
: Perlunya penambahan data kriteria, misalnya
ukuran tanaman .
Dalam memecahkan masalah multikriteria
metode Analytical Hiarachy Process bukan
satu-satunya metode pengambilan keputusan
yang dapat digunakan, alangkah baiknya jika
144
dicoba dibandingkan dengan menggunakan MEMBERIKAN REWARD

dengan metode PELANGGAN." KLIK-
yang lain untuk mendukung keputusan yang KUMPULAN JURNAL ILMU
lebih efektif. KOMPUTER 4.1 (2017): 88-101
Putrama, alkhairi (2018) ‗Analisis dalam
PUSTAKA menentukan produk bri syariah terbaik
Windarto, Agus Perdana. berdasarkan dana pihak ketiga
"IMPLEMENTASI METODE menggunakan ahp‘, putrama alkhairi,
TOPSIS DAN SAW DALAM 3(1), pp. 60–64.
145
DAYA GUNA TEKNOLOGI DIGITAL DALAM PENYAMPAIAN MATERI

PEMBELAJARAN DENGAN PEMAMFAATAN GOOGLE CLASS ROOM
SMK TELKOM 2 MEDAN
Hendy Agustino P Situmorang1, Poniman Turnip2, Hapis Lubis3
SMK TELKOM2 MEDAN
Jalan Halat no.68 Medan
1
little.goods@gmail.com, 2ponimanturnip@gmail.com,3hapislbs@gmail.com
ABSTRAK
Maraknya perkembangan teknologi digital saat ini begitu membooming dan tidak ada yang
dapat menyanggah adanya kemajuan teknologi pada saat ini. Sebut saja smartphone, mini
computer, micro computer, bahkan sampai pada processor. Tidak hanya pada perkembangan
pada perangkat keras saja, tetapi pada perangkat lunakpun ikut berkembang dengan begitu
pesatnya. Diantranya aplikasi yang sudah menggunakan atau berbasiskan web atau online,
sebagai contoh GRAB, GOJEK, SMS Banking, dan masih banyak lagi. Google Classroom
adalah salah satu aplikasi yang dikembangkan oleh Google untuk pendidikan baik itu untuk
siswa, guru, mahasiswa, juga termasuk dosen. Begitu banyak fitur baru yang dapat
dimamfaatkan mulai dari pemberian tugas, diskusi, dan lainnya sehingga dengan pemamfaatan
Google Classroom ini proses KBM menjadi lebih begitu mudah, efektif, efesien, dan bebas
dari limbah kertas.
KEYWORD :Google Classroom, fitur, efektif, efesien, limbah kertas
1. Pendahuluan lembaga, melalui sebuah kode pribadi yang

1.1 Latar Belakang kemudian dapat ditambahkan di dalam
Google Classroom (atau dalam bahasa antarmuka murid atau dengan didatangkan
Indonesia yaitu Ruang Kelas Google) adalah secara sendirian dari Sistem Pengelolaan
suatu serambi pembelajaran campuranyang Keterangan Sekolah (School Information
diperuntukkan terhadap setiap ruang dilingkup Management System).
pendidikan yang dimaksudkan untuk
menemukan jalan keluar atas kesulitan dalam 1.2 Identifikasi Masalah
membuat, membagikan dan menggolong- Berdasarkan latar bekalang
golongkan setiap penugasan tanpa kertas permasalahan di atas, maka dalam penelitian
(limbah kertas). Perangkat lunak ini telah ini identifikasi maslahnya adalah sebagai
diperkenalkan sebagai keistimewaan Google berikut :
Apps for Education lalu itu yang telah 1. Bagaimana siswa proaktif didalam
diluncurkan kepada khalayak banyak sejak 12 mendayagunakan smartphone.
Agustus 2014. Google sudah melakukan 2. Bagaimana siswa dapat mengurangi
pemberitahuan mengenai antarmuka aktifitas menggunakan smartphone
(interface) pemrograman aplikasi dari sebuah pada game online ataupun media
ruang kelas dan sebuah tombol berbagi untuk sosial lainnya.
situs web sehingga pihak kepengelolaan 3. Bagaimana meningkatkan
sekolah beserta para pengembang komunikasi antara guru dan siswa
diperkenankan supaya melakukan penerapan yang tidak kaku dan terikat pada
lebih lanjut terhadap Google Classroom. waktu KBM.
Google Classroom menyediakan banyaknya 4. Bagaimana untuk mengurangi
layanan Google secara berbarengan guna penggunaan kertas pada tugas-tugas
mengulurkan sambung tangan bagi lembaga- siswa.
lembaga pendidikan agar beralih cara menuju
sistem tanpa kertas. Pembuatan dan pemberian 1.3 Batasan Masalah
tugas bisa dilakukan penyelesaiannya Adapun batasan masalah dari
melewati Google Drive sambil pembahasan pada penelitian ini antara lain
menggunakan Gmail untuk membuat sebagai berikut :
pemberitahuan di ruang kelas Google. Para 1. Media yang digunakan adalah
murid dapat diundang ke sebuah ruang kelas Smartphone atau laptop
dengan beberapa cara yaitu melalui basis data 2. Jaringan Internet
146
3. Web browser menghemat sebagian besar waktu bagi

Dalam hal ini sekolah harus memiliki keduanya, baik peserta didik maupun gurunya.
account google atau mailist google yang Semuanya dilakkan secara paperless, sehingga
didaftarkan dan seluruh guru dan siswa harus tidak ada waktu yang terbuang untuk
memiliki account google yang sudah daftarkan mendistribusikan dokumen fisik dan peserta
oleh admin sekolah. didik dapat menyelesaikan tugas mereka
dengan tepat secara online, sehingga lebih
2. Landasan Teori mudah bagi mereka untuk memenuhi deadline
2.1 Google Classroom waktu yang diberikan dan belajar secara
Google Classroom dirancang untuk online dapat disesuaikan dengan jadwal
membantu pengajar membuat dan sehari-hari mereka.
mengumpulkan tugas tanpa kertas, termasuk 3. Meningkatkan kerjasama dan
fitur yang menghemat waktu seperti komunikasi
kemampuan untuk membuat salinan dokumen Salah satu manfaat paling penting dari
secara otomatis bagi setiap siswa. Kelas menggunakan Google Classroom adalah
Disain Grafis dan Sistem Operasi Jaringan ini sangat dimungkinkan untuk melakukan
juga dapat membuat folder penyimpanan kolaborasi online yang efisien. Guru dapat
untuk setiap tugas dan setiap siswa, agar mengirimkan pemberitahuan ke peserta didik
semuanya tetap teratur. Siswa dapat melacak mereka untuk memulai diskusi online atau
setiap tugas yang hampir mendekati batas memberitahu mereka tentang kegiatan
waktu pengumpulan di halaman tugas, dan pembelajaran online tertentu. Di sisi lain,
mulai mengerjakannya cukup dengan satu peserta didik memiliki kesempatan untuk
klik. Pengajar dapat melihat dengan cepat memberikan umpan balik kepada rekan-rekan
siapa saja yang belum menyelesaikan tugas, mereka dengan posting langsung ke aliran
serta memberikan masukan dan nilai langsung diskusi di Google Classroom. Dengan
di kelas Disain Grafis dan Sistem Operasi demikian, jika mereka membutuhkan bantuan
Jaringan. karena kesulitas memahami suatu tugas atau
ingin mempelajari lebih lanjut tentang topik
2.2 Keuntungan Google Classroom tertentu, mereka bisa mendapatkan masukan
Ada beberapa keuntungan yang kita langsung dari teman sekelas virtual mereka.
dapatkan dari Cara Kerja Google Classroom Pada dasarnya, Google Classroom
dalam pemanfaatannya sebagai Learning meningkatkan aspek pembelajaran sosial
Management System (LMS), yakni : pendidikan online, yang memungkinkan
1. Proses setting yang cepat dan nyaman peserta didik untuk mendapatkan keuntungan
Proses set up pada Google Classroom dari pengalaman dan keterampilan rekan-
sangat cepat dan nyaman jika dibandingkan rekan mereka.
harus menginstall LMS lokal atau 4. Penyimpanan data terpusat
mendaftarkan ke provider LMS. Guru tinggal Dengan Google Classroom, semuanya
mengakses aplikasi Google Classroom serta berada dalam satu lokasi terpusat. Peserta
bisa memulai membagikan tugas-tugas dan didik dapat melihat semua tugas-tugas mereka
bahan ajar. Guru dapat melakukan ini dengan dalam folder tertentu, guru dapat menyimpan
menambahkan daftar siswa atau berbagi kode bahan eLearning dan kegiatan untuk tahun
unik yang memungkinkan akses ke kelas pada ajaran secara cloud dan semua peringkat / nilai
Google Classroom. Google Classroom lebih dapat dilihat dalam aplikasi. Tidak perlu
sederhana dan mudah untuk digunakan, khawatir tentang dokumen hilang atau
sehingga ideal bagi guru meskipun dengan penilaian hilang, karena itu semua tersimpan
tingkat pengalaman eLearning yang beragam. dalam LMS yang gratis ini.
2. Hemat waktu 5. Berbagi sumber daya yang cepat
Peserta didik tidak lagi harus men- Fasilitator online/guru dan pelatih
download tugas yang diberikan guru. Guru memiliki kekuatan untuk berbagi informasi
pun tinggal membuat dan mendistribusikan dan sumber daya online dengan peserta didik
dokumen untuk peserta didik mereka secara mereka langsung. Daripada harus
online. Guru juga dapat menentukan memperbarui kursus eLearning atau mengirim
peringkat, memberikan umpan balik untuk email individu untuk setiap siswa, mereka
semua tugas dan melakukan penilaian tinggal mengakses aplikasi Google Classroom
menggunakan aplikasi Google Classroom. dan mendistribusikan link ke sumber daya
Dengan demikian, ada potensi untuk online dan materi eLearning tambahan yang
147
dapat menguntungkan peserta didik mereka. Quizizz, Edcite maupun Code.org.

Ini memberikan kesempatan kepada siswa 6. Kode kelas tampilan
untuk memperoleh update tepat waktu yang Dengan fitur ini, guru sekarang dapat
berhubungan dengan pelajaran saat ini, menampilkan kode kelas mereka di layar
sehingga mereka dapat lebih memahami secara penuh sehingga siswa dapat dengan
materi dan akses peralatan multimedia yang cepat bergabung dengan kelas baru.
dapat meningkatkan pengalaman eLearning 7. Mengimpor skor Kuis Google
mereka. Formulir keKelas
2.3 Fitur Pada Google Classroom Menggunakan kuis melalui Google
.Melalui Google Classroom, guru bisa Formulir memungkinkan guru untuk
membuat pengajaran secara kreatif dan melakukan penilaian real-time terhadap
inovatif. Selain itu, Guru bisa menciptakan pemahaman siswa tentang sebuah topik.
kelas kolaboratif dalam hubungan interaktif kemudian, guru akan dapat mengimpor nilai
dengan siswanya. Sejak diluncurkan tiga dari kuis yang dibuat tadi langsung ke Google
tahun yang lalu, Google Classroom memiliki Classroom.
tanggapan yang positif baik dari guru maupun 8. Tambahkan gambar profil di ponsel
murid dalam menerapkan sistem pembelajaran Dengan fitur ini, baik guru maupun
yang berbeda dari sebelumnya. Beberapa fitur siswa dapat dengan mudah mengganti gambar
baru pun diperbaharui untuk profil melalui ponsel yang dimiliki.
menyempurnakan sistem atau cara
pembelajaran yang terkini.Dan berikut ini
beberapa fitur yang diperbarui oleh Google
Classroom dalam mempermudah guru
mengelola kelas mereka :
1. Single View untuk tugas siswa
Classroom memiliki halaman untuk
setiap siswa yang menampilkan semua tugas
siswa di kelas. Dengan tampilan ini, para guru
dan siswa bisa melihat para guru dan siswa
dapat melihat status setiap tugas, dan dapat
menggunakan filter untuk melihat setiap
penugasan, tugas yang hilang, atau tugas yang
sudah dinilai dan dikembalikan.
2. Penyusunan Kelas
Melalui Classroom, guru bisa
menyusun dan mengatur kelas berdasarkan
kriteria kelas yang dimiliki. Misalnya
mengatur berdasarkan jadwal harian, prioritas
beban kerja.
3. Decimal Grading
Melalui Classroom, guru akan dapat Gambar 1 Tampilan Pada Halaman Google
secara mudah menggunakan penilaian yang Classroom
membutuhkan kekuratan tinggi misalnya,
penggunaan desimal dalam penilaiannya. 2.4 Pemamfaatan Dalam Pemerdayaan
4. Transfer kepemilikan kelas Google Classroom Kepada Siswa
Dengan fitur ini, admin dan guru dapat Dalam sosialisasi pemerdayaan dan
mentransfer kepemilikan kelas Google pemamfaatan google classroom masih banyak
Classroom ke guru yang lain, tanpa perlu beberapa kendala walaupun halitu tidak berarti
membuat kelas yang baru. Secara otomatis, sudah menghambat kegiatan pembelajaran
pemilik kelas baru bisa mendapatkan akses didalam memamfaatkan apps google
lengkap tentang pekerjaan siswa melalui classroom ini. Hal ini lah yang memicu untuk
Google Drive. melakukan gencaran kepada siswa untuk lebih
5. Integrasi Kelas Baru aktif lagi didalam belajar dengan
Fitur ini menawarkan integrasi antara memamfaatkan google classroom.
guru dengan berbagai aplikasi lain yang
mereka sukai dengan mudah. Misalnya saja
148
Dari tempat paling banyak yang sering

digunakan untuk mengakses internet menurut
data survey dari APJII tahun 2016 yaitu
dimana saja. Itu berarti penggunaan mobile
dengan perkembangan teknologi dari jaringan
seluler (smartphone) dengan penawaran paket-
paket data internet sangat mempengaruhi
penggunaan internet dan mengaksesnya sangat
begitu gampang dan mudah.
Pemamfaatan google classroom bisa di
Gambar 2 Komposisi Pengguna Internet daya gunakan melihat dari hasil ini dan
memicu semangat belajar dengan berinteraksi
Jika dilihat dari hasil survey komposisi secara digital antara guru dan siswa dan dapat
pengguna internet mulai dari pekerja sampai menghindari kebosanan dari KBM dengan
dengan ibu rumah tangga dapt kita lihat ada tatap muka.
sekitar 6.3% dari kalangan pelajar adalah
pengguna internet dari 132.7 juta pengguna 2.5 Perancangan Pembuatan Akun GCR
(data APJII 2017). Sebelum pembentukan google classroom
Dan hal ini cukup sangat mempengaruhi ini ada beberapa langkah untuk dilakukan
dalam kegiatan belajar dari para siswa sehingga pelaksanaan dengan menggunakan
terhadap penggunaan internet dalam GCR ini dapat dilaksanakan.
keseharian mereka. 1. Sekolah harus memiliki akun sendiri
dalam hal ini wajib memiliki domain
sekolah yang didaftarkan pada
google g-
suite:https://edu.google.com/k-12-
solutions/g-suite/ .
2. Melakukan verifikasi
3. Setelah verivikasi antara pihak
sekolah dan google, operator
mendaftarkan atau meambuat akun
guru dan siswa.
4. Guru membuat kelas dan
mendapatkan kode kelas.
5. Siswa dengan akun yang sudah
Gambar 3 Pengguna Sosial Media ddidaftarkan join ke dalam kelas guru
dengan kode tersendiri dan yang
Dari gambar grafik pelaku pengguna berbeda-beda.
sosial media hasil survey di Indonesia
Youtube dan Facebook adalah yang paling Dalam kegiatan GCR yang telah
banyak digunakan yaitu 49% dan 48% dilaksanakan pada sekolah SMK Sandhy
(Januari 2017). Putra-2 Medan (SMK TELKOM 2) dalam
beberapa bulan setelah kegiatan ini
diluncurkan sudah banyak kelas-kelas yang
mengambil bagian dalam kegiatan ini. Baik
dalam pemberian tugas maupun dalam
pemberian materi langsung. Siswa dapat
mengambil teori ataupun tugas-tugas yang
diberikan oleh guru bidang studi dan
mengirimkan langsung kedalam ruang.
Gambar 4 Tempat Paling Sering

Mengakses Internet
149
Gambar 5 Ruang Kelas Guru
Selain dapat mempermudah dalam

pemberian materi kepada siswa kegiatan GCR
ini tidak terhambat oleh batasan waktu dan
ruang. Jika terjadi pada penyampaian materi
dalam KBM guru belum dapat menyelesaikan
materi tersebut ruang kelas ini bisa di gunakan
sebagai wadah untuk menyambung materi,
sehingga apa yang menjadi tujuan
pembelajaran dari RPP yang telah disusun
dapat terlaksana semaksimal mungkin.
Tabel 1 Tabel Fisik Guru dan Kelas
150
2. GCR dapat dilaksanakan kapan saja

dan dimana saja tanpa dibatasi oleh
ruang waktu
3. Guru dapat memantau pekerjaan
siswa
4. GCR mendukung kegiatan/ aktifitas
siswa dengan fitur kalender.
5. Kegiatan belajar lebih efesien dan
efektif dan tidak memerlukan kertas.
(free limbah kertas)
6. Siswa dapat lebih proaktif kepada
pembelajaran dari pada kegiatan
online laiinnya
Pustaka
1. https://edu.google.com/k-12-
solutions/classroom/
2. https://edu.google.com/
3. http://www.ahzaa.net/
4. https://statistik.kominfo.go.id/
5. http://indojayamitrakreasi.co.id/blog/jasa-
social-media-marketing-terbaik-di-
jakarta/jumlah-pengguna-sosial-media-di-
Gambar 6 .Grafik Aktifitas Guru dlm indonesia/
Classroom 6. Dicky Pratama, Hendri Sopryadi,
3. Kesimpulan ANALISIS PENGARUH PEMANFAATAN
Dari hsil dari bebrapa bulan ini GOOGLE CLASSROOM TERHADAP
pemamfaatan pemerdayaan GCR ini dapat EFISIENSI PADA STMIK XYZ Prosiding
disimpulkan, yaitu : Seminar Nasional Teknologi Informasi.
1. GCR lebih mudah untuk pergunakan Firt look, Educational Technology in US
dalam membantu menuntaskan Public Schools Fall 2008, IES National
kegiatan belajar mengajar. Center for Education.
151
PERANCANGAN SMART HOME DENGAN KONSEP INTERNET OF

THINGS (IOT) BERBASIS ANDROID
1,2
Herdianto1, Eko Hariyanto2
Dosen Program Studi Sistem Komputer, Fakultas Sains dan Teknologi, Universitas
Pembangunan PancaBudi
Jl. Jend. Gatot Subroto Km 4.5 PO.BOX.1099 Medan
Telp. (061) 50200508
1
herdianto@dosen.pancabudi.ac.id, 2eko.hariyanto@dosen.pancabudi.ac.id
ABSTRAK
Tujuan penelitian ini rancang bangun smart home dengan konsep internet of thing (IOT)
menggunakan android. Smart home yang dirancang mampu melakukan pengontrolan dan
memonitoring peralatan listrik di rumah apakah sudah dalam kondisi hidup (on) atau mati (off)
setelah diaktifkan melalui media handphone menggunakan jaringan internet. Untuk membangun
smart home ini terdiri dari 2 bagian yaitu perangkat keras dan lunak. Perangkat keras digunakan
sebagai media interface antara computer (arduino) dengan peralatan listrik yang dikontrol
sedangkan perangkat lunaknya digunakan untuk mengaktifkan perangkat keras dan komunikasi
antara arduino dengan Android. Untuk selanjutnya masing - masing perangkat lunak tersebut
dimasukan ke arduino dan android. Metode yang digunakan pada penelitian ini adalah aplikasi
dengan demonstarsi. Dari hasil pengujian sementara yang telah dilakukan arduino dapat
melakukan pengontrolan peralatan listrik dengan baik sedangkan untuk monitoringnya masih
dalam tahap pengujian.
Kata Kunci : smart home, IOT, android, metode, pengujian.
1. PENDAHULUAN penghuninya untuk waktu beberapa lamanya.

Rumah dapat berfungsi sebagai tempat Pada penelitian ini peneliti merancang system
untuk menikmati kehidupan yang nyaman, timer untuk menyalakan beberapa peralatan
tempat untuk beristirahat, tempat listrik di dalam rumah yang pewaktuan
berkumpulnya keluarga, dan tempat untuk penyalaannya disesuaikan dengan kondisi
menunjukkan tingkat sosial dalam masyarakat nyatanya dalam sehari – harinya dengan
[4]. Tetapi terkadang fungsi rumah tersebut menggunakan mikrokontroler. Lalu pada
tidak dapat terus dirasakan ketika tetangga tahun yang sama 2016 ada juga penelitian
rumah mengalami pencurian dan kebakaran. system keamanan rumah yang dilakukan oleh
Hal ini terjadi karena adanya kekhawatiran [2]. Pada penelitian ini system keamanan
pada masing - masing pemilik rumah yang rumah yang tak berpenghuni dilakukan
belum terkena musibah pencurian dan dengan cara menghidupkan dan mematikan
kebakaran akan mengalami peristiwa yang peralatan listrik seperti lampu, radio, televise
sama. Kekhawatiran ini juga terjadi ketika dengan menggunakan sms (short message
pemilik rumah akan bepergian ke luar kota short) melalui handphone.
untuk beberapa hari lamanya sehingga Ke-2 penelitian di atas berdasarkan
mereka bingung kepada siapa pengawasan analisis peneliti masih memiliki beberapa
rumah diserahkan sehingga alternatifnya kelemahan seperti belum dilengkapi
terkadang mereka meminta bantuan kepada kemampuan untuk memonitoring suhu,
tetangga terdekat bahkan ada juga yang kebocoran gas dan mengetahui apakah
menyewa jasa keamanan. Tetapi walaupun peralatan yang dinyalakan telah benar bekerja
telah adanya pengawasan rumah yang melalui handphone. Oleh karena itu pada
ditinggal dilakukan oleh tetangga atau pun penelitian ini peneliti mencoba untuk
pihak keamanan masih juga menyisakan merancang bangun smart home dengan
perasaan khawatir. konsep internet of things (iot) berbasis android
Untuk membantu mengatasi yang dapat melengkapi kelemahan pada
permasalahan tersebut di atas beberapa penelitian sebelumnya.
penelitian telah dilakukan seperti yang
dilakukan oleh [1] pada tahun 2016. Pada 2. METODOLOGI PENELITIAN
penelitian ini untuk menciptakan suasana Metode yang digunakan dalam
rumah agar terkesan berpenghuni walaupun penelitian ini adalah metode aplikasi
pada kenyataannya telah ditinggal dengan demonstrasi. Agar penelitian ini
152
dapat selesai sesuai dengan waktu yang interface, tampilan, modem wifi ESP
ditetapkan maka peneliti menyusun langkah- 8266.
langkah penelitian seperti Gambar 1. b. Merancang Skema Rangkaian Bagian-
Bagian Perancangan Smart Home
Dengan Konsep Internet Of Things
START (Iot) Berbasis Android.
Setelah dianalisis bagian – bagian
perancangan smart home dengan konsep
MENGANALISIS BAGIAN-BAGIAN PERANCANGAN
SMART HOME DENGAN KONSEP INTERNET OF
internet of things (iot) berbasis android.
THINGS (IOT) BERBASIS ANDROID maka langkah selanjutnya mendesain
skema rangkaian dari bagian-bagian
perancangan smart home dengan konsep
MERANCANG SKEMA RANGKAIAN BAGIAN- internet of things (iot) berbasis android
BAGIAN PERANCANGAN SMART HOME DENGAN seperti bagian catu daya, sensor, Arduino
KONSEP INTERNET OF THINGS (IOT) BERBASIS
ANDROID Uno R3, interface dan tampilan.
c. Mengimplementasikan Skema
Rangkaian Bagian-Bagian
Perancangan Smart Home Dengan
MENGIMPLEMENTASIKAN SKEMA RANGKAIAN
BAGIAN-BAGIAN PERANCANGAN SMART HOME Konsep Internet Of Things (Iot)
DENGAN KONSEP INTERNET OF THINGS (IOT) Berbasis Android. .
BERBASIS ANDROID
Merangkai komponen – ko mponen dar i
set iap bag ian perancangan smart
MENGUJI IMPLEMENTASI SKEMA RANGKAIAN
home dengan konsep internet of things
BAGIAN-BAGIAN PERANCANGAN SMART HOME (iot) berbasis android menjadi satu
DENGAN KONSEP INTERNET OF THINGS (IOT)
BERBASIS ANDROID kesatuan yang siap d igunakan.
d. Menguji Implementasi Skema
Rangkaian Bagian-Bagian
Perancangan Smart Home Dengan
TIDAK
BERHASIL Konsep Internet Of Things (Iot)
YA
Berbasis Android.
YA
Melakukan pengujian terhadap semua
bagian perancangan smart home dengan
MERANCANG PROGRAM PERANCANGAN SMART
HOME DENGAN KONSEP INTERNET OF THINGS konsep internet of things (iot) berbasis
(IOT) BERBASIS ANDROID android yang t elah diimplementasikan
dengan metode aplikasi demontrasi
yaitu dilakukan pengukuran terhadap
MENGUJI PERANCANGAN SMART HOME DENGAN besar tegangan keluaran catu daya,
KONSEP INTERNET OF THINGS (IOT) BERBASIS
ANDROID
keluaran sensor gas, PIR, selanjutnya
d ibandingkan dengan tegangan acuan
yang diinginkan. Jika tegangan
keluaran dari bagian perancangan smart
SELESAI
(iot) berbasis android belum sesuai
Gambar 1. Diagram aktifitas penelitian dengan tegangan acuan yang diinginkan
yang dilakukan maka dilakukan kalibrasi dan analisis
ulang. Dan jika telah sesuai maka
a. Menganalisis Bagian-Bagian dilanjutkan ke tahap selanjutnya.
Perancangan Smart Home Dengan e. Merancang Program Perancangan
Konsep Internet Of Things (Iot) Smart Home Dengan Konsep Internet
Berbasis Android. Of Things (Iot) Berbasis Android.
Pada aktifitas ini peneliti menganalisis Agar perancangan smart home dengan
bagian-bagian beserta komponen – konsep internet of things (iot) berbasis
komponen yang digunakan pada android dapat bekerja maka dirancanglah
set iap bagian perancangan smart software yang nantinya dimasukkan ke
home dengan konsep internet of things dalam Arduino Uno R3 dan Handphone
(iot) berbasis android seperti bagian catu dengan system operasi Android.
daya, sensor, Arduino Uno R3,
153
f. Menguji Perancangan Smart Home Keterangan :

Dengan Konsep Internet Of Things a. Input ( sensor suhu, gas, pir )
(Iot) Berbasis Android. Untuk mengetahui suhu ruangan di dalam
Pada smart home berbasis Android rumah maka diperlukan sensor, pada
pengujian yang dilakukan dibagi menjadi 2 penelitian ini peneliti menggunakan sensor
bagian yaitu : pengujian pada bagian sensor dan LM 35 seperti Gambar 3.
bagian transmisi data.Dari hasil
pengujian tersebut akan diketahui
apakah perangkat keras yang
dirancang telah yang diperoleh
sehingga nant inya dapat diambil
kesimpulan apakah perancangan smart
(iot) berbasis android sudah layak untuk
digunakan atau belum. Jika belum akan
dilakukan perbaikan sampai mencapai
akurasi yang diinginkan.

3.1 Diagram Blok Sistem Monitoring A B C
Perancangan smart home dengan konsep
internet of things (iot) berbasis android yang Gambar 3. Sensor LM 35
dirancang pada penelitian ini terdiri dari 2
bagian yaitu perangkat keras dan lunak. Sensor ini mempunyai 3 buah kaki
(terminal) yang mempunyai fungsi adalah
3.1.1 Perangkat keras sebagai berikut :
Untuk perangkat kerasnya terdiri dari
beberapa bagian yang rancangannya seperti Tabel 1. fungsi kaki sensor LM 35
terlihat pada Gambar 2.
INPUT
( SENSOR SUHU, GAS, PIR, LDR )
PERALATAN LISTRIK
INTERFACE (LAMPU, ALARM,
LEMARI ES Keluaran sensor LM 35 dalam bentuk
tegangan analog yang akan selalu bertambah
30 mV setiap kenaikan suhu 1oC. Artinya jika
suhu ruangan mencapai 30 oC maka keluaran
sensor 300 mV. Sehingga jumlah volume air
ARDUINO UNO R3 MODUL WIFI ESP 8266 yang telah keluar dihitung dengan persamaan
1.
…………………1
Vout : tegangan keluaran LM 35
OUTPUT S : suhu yang diinginkan
LCD 2*16 J : Jumlah kenaikan suhu
HANDPHONE
ANDROID
Gambar 2. Diagram blok perancangan

smart home dengan konsep internet of
things (iot) berbasis android
154
13
12
10
11
9
8
7
6
5
4
3
2
1
0
DUINO1
PB4/MISO
PB0/ICP1/CLKO
AREF
TX PD1/TXD
RX PD0/RXD
PD7/AIN1
~ PD6/AIN0
PD5/T1
~ PD3/INT1
PD2/INT0
PB5/SCK
~PB3/MOSI/OC2A
~ PB2/SS/OC1B
~ PB1/OC1A
PD4/T0/XCK
ARDUINO UNO R3
1 U1
~
27.0 DIGITAL (~PWM)
Masuk ke pin A0
2
VOUT
ATMEGA328P-PU
1121
3 LM35 R1
10k
microcontrolandos.blogspot.com
PC4/ADC4/SDA
PC5/ADC5/SCL
ANALOG IN
PC0/ADC0
PC1/ADC1
PC2/ADC2
PC3/ADC3
C1
RESET
10u
+ 5volt GND
A0
A1
A2
A3
A4
A5
Gambar 6. Rangkaian pemasangan sensor
Gambar 4. Rangkaian sensor LM 35 gas MQ-2
Masuk ke pin A2
b. Interface
GND Rangkaian interface yang dirancang pada
+ Vcc 5 Volt Vcc OUT GND
TestPin
penelitian ini terdiri dari 2 bagian
yaitu :
b.1 Interface sensor
b.2 Interface keluaran ( lampu, alarm, lemari
es)
Karena besar tegangan listrik yang
dikeluarkan sensor LDR masih kecil
sehingga dikhawatirkan tidak dapat dibaca
oleh Arduino Uno maka dilakukan penguatan
tegangan hingga pada level yang dapat
dibaca oleh Arduino Uno R3. Pada
www.TheEngineeringProjects.com penelitian ini bentuk pemasangan rangkaian
interface sensor seperti Gambar 7.
PIR1
PIR SENSOR
VCC
Gambar 5. Rangkaian pemasangan sensor
PIR
Sensor PIR berfungsi untuk mendeteksi

adanya gerakan manusia yang ada di 1.0 LDR1 R2
LDR
depannya. Ada pun pengaruh adanya gerakan 10k
manusia terhadap besar tegangan keluaran Vout ke pin 13 Arduino

sensor seperti Tabel 2.
R3 Q1
2N2222
Tabel 2. Besar tegangan keluaran sensor 1k
R1
1k
GND
Gambar 7. Rangkaian interface sensor

LDR
155
Sedangkan untuk interface keluaran

(lampu, alarm, lemari es) seperti Gambar 8.
berikut ini.
Masuk ke lampu
RL2
Masuk ke pin 12 Q2 12V
2N2222
R2 D2
DIODE
100R
Masuk ke alarm
+ 12 Volt DC Gambar 9. Konfigurasi pin Arduino Uno R3
RL1
Masuk ke pin 11 Q1 12V [4]
2N2222
R1 D1
100R
DIODE d. Output (LCD 2 * 16)
Untuk menampilkan suhu dan
kondisi peralatan listrik yang telah on
Masukan 220 VAC
digunakan LCD ( liquid crystal display)
berukuran 2*16. Adapun bentuk
Masuk ke lemari es
pemasangannya seperti Gambar 10. di
+ 12 Volt DC
bawah ini.
RL3
Masuk ke pin 10 Q3 12V LCD1
2N2222 LM016L
R3 D3
DIODE
100R
VDD
VSS
VEE
RW
RS
D0
D1
D2
D3
D4
D5
D6
D7
E
Masukan 220 VAC

1
2
3
4
5
6
7
8
9
10
11
12
13
14
GND
+ 12 Volt DC
Masuk ke pin 6 , 7, 8, 9
Gambar 8. Rangkaian interface keluaran + 5 Volt DC
Potensiometer
c. Arduino Uno R3
Setelah program dimasukkan ke dalam Pin 4
memori flash mikrokontroler ATmega 328
GND
(Arduino Uno R3) maka agar sensor dapat
dibaca oleh Arduino Uno dan peralatan listrik Pin 5
dapat dikendalikan maka pemasangan sensor
dan interface harus sesuai Gambar 9.
Gambar 10. Rangkaian LCD 2 *16
e. Modul WIFI ESP 8266

Untuk mengirim dan menerima
data dari Arduino ke handphone dan
sebaliknya pada penelitian ini digunakan
WIFI ESP 8266 . Adapun bentuk
pemasangan WIFI ESP 8266 yang dirancang
pada penelitian ini seperti Gambar 11.
156
upload (dimasukkan ) ke dalam arduino

RxD seperti Gambar 13.
13
12
10
11
9
8
7
6
5
4
3
2
1
0
DUINO1
PB4/MISO
PB0/ICP1/CLKO
AREF
TX PD1/TXD
RX PD0/RXD
PD7/AIN1
~ PD6/AIN0
~ PD5/T1
~ PD3/INT1
PD2/INT0
PB5/SCK
~PB3/MOSI/OC2A
~ PB2/SS/OC1B
~ PB1/OC1A
PD4/T0/XCK
ARDUINO UNO R3
GND
DIGITAL (~PWM)
ATMEGA328P-PU
1121
microcontrolandos.blogspot.com
PC4/ADC4/SDA
PC5/ADC5/SCL
ANALOG IN
PC0/ADC0 ESP 8266

PC1/ADC1
PC2/ADC2
PC3/ADC3
RESET
Vcc 3.3 v TxD

A0
A1
A2
A3
A4
A5
Gambar 11. Konfigurasi pemasangan pin

WIFI ESP 8266
Vcc dihubungkan + 3,3 VDC
RxD dihubungkan ke TxD pin Arduino Uno
R3
TxD dihubungkan ke RxD pin Arduino Uno
R3
GND dihubungkan ke negative catu daya.
3.1.2 Perangkat Lunak

Agar perangkat keras yang telah
dirancang dapat berfungsi sesuai dengan
diharapkan maka harus ada program
(perangkat lunak) yang dimasukkan ke
dalam Arduino Uno dan handphone.
Gambar 13. Tampilan program arduino

pada saat upload program ke ArduinoUno
Sedangkan cara untuk mengupload program
dari laptop ke arduino seperti Gambar 14.
Cukup dengan hanya menghubungkan kabel
USB dari laptop ke Arduino Uno
Gambar 12. Tampilan program arduino
Program untuk Arduino Uno ditulis dalam

bentuk bahasa C pada editor Arduino. Gambar 14. Pengisian program dari
Selanjutnya dicompile, jika tidak ada laptop ke Arduino Uno
kesalahan maka program tersebut dapat di
157
Untuk program aplikasi yang akan dijalankan 4. KESIMPULAN

di handphone terlebih dahulu ditulis di Dari hasil uji coba yang telah dilakukan
Android Studio. Selanjutnya dicompile untuk aplikasi yang dirancang telah dapat
memperoleh file jenis .Apk. File inilah yang melakukan pengontrolan untuk peralatan
dimasukkan ke handphone. listrik dengan tingkat akurasi 100%
sedangkan untuk monitoringnya masih
dalam tahap uji coba.
5. DAFTAR PUSTAKA
[1] Zulfikar, Zulhelmi, Khairul Amri, Desain
Sistem Kontrol dan Penyalaan Perangkat
Elektronik Untuk Meniru Keberadaan
Penghuni Dirumah, jurnal nasional teknik
elektro, Vol 5, no.1, 2016.
[8] Hefmi fauzan imron,R.Rizal
Isnanto, Eko didik Widianto,
Perancangan Sistem Kendali Peralatan
Listrik Rumah Tangga Menggunakan
Media Pesan Singkat, jurnal teknologi
dan system komputer, Vol 4, no.3, hal
454 – 462, 2016
[9] http://ilearning.me/sample-page
162/arduino/pengertian-arduino-uno
https://id.wikipedia.org/wiki/Rumah
Gambar 15. Bentuk prototype smart home
yang dirancang
158
PERAMALAN PENJUALAN PRODUK KERTAS SEMBAHYANG

UNTUK MEMINIMALKAN KESALAHAN PERENCANAAN
PRODUKSI PERUSAHAAN
1
I. Budiman1, Suwandy2
Program Studi Teknik Industri, Fakultas Teknologi dan Ilmu Komputer,Universitas Prima
Indonesia
Jl. Sekip Simpang Sikambing 20111, Medan, Indonesia
1
irwanb01@gmail.com, 2suwandy.wijaya03@gmail.com
ABSTRAK
Perusahaan kertas sembahyang memproduksi berbagai jenis produk kertas sembahyang,

terutama produk yang dibedakan berdasarkan ukuran, warna dan jenis kertas. Selama ini,
produksi didasarkan pada kesamaan produksi yang dilakukan di tahun sebelumnya. Hal ini telah
menyebabkan overproduction pada hampir seluruh bulan. Penumpukan yang dilakukan juga
menyebabkan kualitas produk turun dan banyak permasalahan yang mengikutinya seperti
terjadinya komplain karena kerusakan kertas, kertas menjadi lembab, dan banyaknya kertas yang
harus didaur ulang. Untuk dapat mencegah terjadinya permasalahan tersebut, maka dalam
penelitian ini dilakukan peramalan dengan metode time series dengan pola kuadratis dan siklis
untuk memprakirakan besarnya penjualan pada bulan-bulan tertentu di tahun yang akan datang.
Hasil ramalan juga diverifikasi untuk memperoleh besarnya simpangan yang diperoleh dengan
masing-masing pola sehingga terpilih pola yang paling sesuai dengan kondisi eksisting penjualan
perusahaan. Dari penelitian ini, diperoleh hasil pola siklis adalah pola yang paling sesuai dengan
Mean Absolute Deviation sebesar 2.352,6 dan Sum Square Error sebesar 247.514.899,2. Dengan
dilakukannya produksi berbasis data ramalan ini, diharapkan dapat tercapai produksi yang tepat
sasaran dan minim kerusakan di gudang.
Kata Kunci : Peramalan, Time Series, Kertas Sembahyang, Produksi Tepat Jumlah
1. PENDAHULUAN permintaan pasar tetapi juga mengenai sumber

Perusahaan kertas sembahyang merupakan daya produksi yang tersedia atau perlu
perusahaan yang memproduksi kertas yang disediakan. Untuk bisa menghasilkan rencana
digunakan untuk dibakar dalam tradisi orang produksi yang baik tentu memerlukan data
Tionghoa Buddha dan Konghucu di Indonesia. ramalan yang baik pula. Oleh karena itu maka
Proses dimulai dengan meleburkan pulp / kertas peramalan penjualan dianggap penting untuk
bekas, lalu dicetak menjadi kertas, dicetak pola, dilakukan [4-6]. Dalam penelitian ini,
dicetak timah, dan dipotong sesuai ukuran diharapkan akan dapat diperoleh hasil ramalan
produk. Seperti halnya banyak perusahaan penjualan yang nantinya akan lebih baik
keluarga, seringkali dalam pengelolaannya dibandingkan dengan kondisi eksistingnya.
hanya berdasarkan pada kondisi historis,
termasuk dalam hal penentuan rencana produksi. 2. METODE
Pada perusahaan skala besar, biasanya Penelitian ini dilakukan di salah satu
sudah memiliki sistem penentuan yang lebih perusahaan keluarga yang memproduksi kertas
baik dibandingkan dengan perusahaan keluarga. sembahyang. Penelitian ini termasuk dalam
Penelitian yang telah dilakukan Feri pada sebuah penelitain deskriptif [7-8]. Adapun metode yang
restoran menunjukkan adanya perbaikan sekitar digunakan dalam penelitian ini yaitu metode
5% dengan dilakukannya peramalan [1]. Time Series dengan pola kuadratis dan siklis.
Penelitian yang dilakukan Nasution di Peramalan yang baik adalah peramalan yang
perusahaan kertas juga menunjukkan bahwa dilakukan dengan mengikuti langkah-langkah
perbaikan yang dilakukan dari sisi alir produksi atau prosedur penyusunan yang baik. Menurut
juga menunjukkan perbaikan sebesar 13% [2-3]. Gaspersz terdapat 9 langkah yang harus
Oleh karena itu, masih dapat dilakukan diperhatikan untuk menjamin efektivitas dan
perencanaan perbaikan di perusahaan keluarga efisiensi dari sistem peramalan yaitu sebagai
ini. berikut: [9]
Perbaikan di perusahaan keluarga ini dapat 1. Menentukan tujuan dari peramalan.
memperbaiki kondisi di perusahaan kertas Untuk menentukan sepanjang apa
sembahyang ini. Perencanaan produksi selalu rentang yang akan diramalkan yaitu
membutuhkan data dan informasi yang akurat, sepanjang 1 tahun.
mutahir dan tepat waktu tidak hanya tentang
159
2. Memilih item independent demand MULAI

yang akan diramalkan.
Pemilihan variabel-variabel yang
akan diramalkan, yaitu variabel Pengumpulan Data
Data Sekunder:
jumlah penjualan
- Penjualan Kertas Sembahyang pada
3. Menentukan horison waktu dari Tahun 2014 dan 2015
peramalan
Menentukan jangka waktu apakah
termasuk jangka pendek, menengah, 1. Mendefinisikan tujuan peramalan
2. Pembuatan Scatter Diagram
atau panjang. Dalam penelitian ini,
3. Pemilihan Metode Peramalan
horizon waktunya adalah jangka 4. Perhitungan Parameter-parameter
pendek. Fungsi Peramalan
4. Memilih model-model peramalan. 5. Perhitungan Kesalahan Setiap
Memilih pola peramalan yaitu pola Metode Peramalan
yang kuadratis dan siklis. 6. Pemilihan Metode Peramalan yang
5. Memperoleh data yang dibutuhkan Terbaik dengan Perhitungan Distribusi F
untuk melakukan peramalan. 7. Melakukan Verifikasi Peramalan
Data yang dibutuhkan diperoleh dari
data historis perusahaan selama 2 Kesimpulan dan Saran
tahun terakhir.
6. Validasi model peramalan.
Model peramalan divalidasi dengan SELESAI
menggunakan Mean Absolute
Deviation (MAD) dan Sum Square Gambar 1. Proses Penelitian Peramalan
Error (SSE).
MAD =  Aktual  Peramalan 3. HASIL DAN PEMBAHASAN

3.1. Peramalan Penjualan Kertas
n Sembahyang
m Berikut ini adalah data penjualan
SSE =  X
t 1
i  Fi 2 kertas sembahyang pada tahun 2016 dan
2017:
Dimana:
Tabel 1. Penjualan Historis Kertas
Xi = Data aktual pada periode Sembahyang Tahun 2016 dan 2017
ke-i Penjualan pada Tahun 2016 Tahun 2017
Fi = Nilai ramalan pada periode
Bulan (ikat) (ikat)
ke-i
Januari 11.375 11.820
m = Banyakya periode waktu
Februari 19.940 20.360
7. Membuat peramalan. Maret 13.420 14.530
Adapun peramalan penjualan yang April 11.670 12.205
dilakukan dilakukan setelah Mei 11.230 11.760
memperoleh pola yang paling kecil Juni 11.870 12.690
error atau deviasinya. Juli 12.250 13.365
8. Implementasi hasil-hasil peramalan. Agustus 13.125 13.295
Hasil ramalan lalu diimplementasikan September 20.565 21.345
ke dalam rencana produksi sehingga Oktober 12.835 13.080
hasilnya dapat lebih baik. (tahapan ini November 12.105 11.950
akan dilakukan oleh perusahaan) Desember 10.645 10.285
9. Memantau keandalan hasil
peramalan. Langkah-langkah peramalan yang dilakukan
Hasil peramalan lalu dibandingkan terdiri atas:
dengan realisasi permintaan 1. Mendefinisikan tujuan peramalan.
(tahapan ini belum akan dilakukan). Tujuan peramalan adalah untuk meramalkan
Adapun proses penelitian ini secara umum dapat penjualan kertas sembahyang pada tahun
dilihat pada Gambar 1 berikut. 2018.
2. Pembuatan Scatter Diagram
Dari data di atas maka akan dibuat scatter
diagram untuk melihat pola data.
160
 Aktual  Peramalan
MAD =
n
MAD = 2.352,60
m
SSE =  X  F 2
i i  
t 1
SSE = 247.514.899,24
b. Metode Kuadratis
Berikut hasil perhitungan MAD dan SSE
untuk metode Siklis:
MAD =
n
MAD = 2.358,15
 
Gambar 2. ScatterDiagram Jumlah Penjualan m
Kertas Sembahyang SSE =  X  F 2
i i
t 1
3. Pemilihan Metode Peramalan SSE = 248.676.259,09
Metode peramalan yang digunakan adalah:
a. Metode Siklis 6. Pemilihan Metode Peramalan yang Terbaik
b. Metode Kuadratis dengan Perhitungan Distribusi F
Ho : MAD Siklis < MAD Kuadratis
4. Perhitungan Parameter-Parameter Fungsi Hi : MAD Siklis > MAD Kuadratis
Peramalan α : 0,05
a. Metode Siklis (MAD Siklis) 2
Fungsi Peramalan: Uji F =
(MAD Kuadratis) 2
 2t   2t 
Y '  a  b sin    c cos 
 n   n  (2.352,60)2
Uji F =
(2.358,15)2
Hasil perhitungan fungsi peramalan metode
Uji F = 0,995
siklis: F tabel = 0,05 (23,23) = 2,01
 2t   2t  Oleh karena F hitung (0,995) < F tabel (2,01),
Y '  13.654,79  396,96 sin    112,96 cos 
 n   n  maka Ho diterima. Hal ini menunjukkan
bahwa peramalan dengan metode siklis lebih
baik dari peramalan dengan metode kuadratis.
b. Metode Kuadratis
Fungsi Peramalan: 7. Melakukan Verifikasi Peramalan
Y '  a  bx  cx 2 Proses verifikasi dilakukan untuk mengetahui
apakah fungsi yang telah ditentukan dapat
Hasil perhitungan fungsi peramalan metode mewakili data yang akan diramalkan.
kuadratis:
Y '  13.271,18  101,62 x  4,34 x 2
5. Perhitungan Kesalahan Setiap Metode

Peramalan
Perhitungan kesalahan menggunakan metode
MAD dan SSE dengan menggunakan rumus
sebagai berikut:
MAD =
n
m

SSE =  X  F 2
i i  Gambar 3. Moving Range ChartJumlah
t 1 Penjualan
a. Metode Siklis Kertas Sembahyang
Berikut hasil perhitungan MAD dan SSE
Pada Gambar diatas, terlihat bahwa semua titik
untuk metode Siklis:
berada dalam batas kontrol sehingga peramalan
161
dengan metode siklis telah memenuhi Dari penelitian ini, diperoleh hasil pola
persyaratan. Fungsi peramalan dengan metode siklis adalah pola yang paling sesuai dengan
siklis adalah: Mean Absolute Deviation sebesar 2.352,6 dan
Sum Square Error sebesar 247.514.899,2.
 2t   2t 
Y '  13.654,79  396,96 sin    112,96 cos  Dengan dilakukannya produksi berbasis data
 n   n  ramalan ini, diharapkan dapat tercapai produksi
yang tepat sasaran dan minim kerusakan di
gudang.
Sehingga ramalan jumlah penjualan kertas
sembahyang pada tahun 2018 dapat dilihat pada
tabel berikut: PUSTAKA
Tabel 2. Hasil Peramalan Jumlah Penjualan [1] Feri Surya Erlangga, Retno
Kertas Sembahyang Tahun 2018 Astuti dan Mas‘ud Effendi, Analisis
Penjualan Tahun 2018 Penerapan Material Requirement
pada Bulan (ikat) Planning (MRP) dengan
Januari 13.443 Mempertimbangkan Lot Sizing untuk
Februari 13.358 Pengendalian Persediaan Bahan Baku
Maret 13.294 (Studi Kasus di Quick Chicken Kota
April 13.255 Batu- Jawa Timur, 2017.
Mei 13.242 [2] Harmein Nasution, Irwan
Juni 13.258 Budiman, dan Agus Salim, The Cost
Juli 13.301 Analysis of Material Handling in
Agustus 13.367
Chinese Traditional Praying Paper
September 13.454
Production Plant, IOP Conference
Oktober 13.554
Series: Material Science and
November 13.661
Desember 13.768 Engineering, 2018.
[3] Oka Sutarto Putra, Analisis dan
Rancangan Ulang Sistem Perpindahan
3.2. Pembahasan Material Di PT. Dwi Indah
Berdasarkan data hasil ramalan Menggunakan Material Handling
tersebut, maka pola ramalan dengan General Analysis Procedure, Tugas
siklis merupakan pola yang paling tepat Akhir Program Studi Teknik Industri
dibandingkan dengan pola linier. Hal ini Universitas Telkom, 2017.
menunjukkan perencanaan produksi [4] Tarigan, Ukurta, Perencanaan
dapat disesuaikan dengan pola tersebut Tata Letak Fasilitas, Medan: USU Press,
untuk mengurangi overstock dan 2008.
understock yang terjadi. Dengan [5] Wignjosoebroto, Sritomo,
berkurangnya hal tersebut, maka akan Tata Letak Pabrik dan Pemindahan
dapat membuat persentase kerusakan
Bahan, Edisi Ketiga, Surabaya: Penerbit
semakin kecil dan proses re-cyle juga
Guna Widya, 2009.
semakin rendah.
[6] Apple, James M.. Material
Pada produk kertas sembahyang,
handling Systems Design. United States
terdapat perubahan jumlah permintaan
of America: The Ronald Press Company,
pada bulan-bulan tertentu setiap
1972.
tahunnya. Oleh karena itu, perlu
[7] Sinulingga, Sukaria, Metode
dilakukan pertimbangan terhadap faktor
Penelitian, Edisi Pertama, Cetakan
musiman tersebut dalam perencanaan
Pertama, Medan: USU Press, 2011.
produksi yang akan dilakukan. Dengan
demikian, maka kesesuaian hasil ramalan [8] Gay, L.R. dan Diehl, P.L,
dengan realisasinya saat dijalankan dapat Research Methods for Business and
lebih baik sehingga perusahaan tidak Management, MacMillan Publishing
perlu melakukan stok berlebihan yang Company, New York, 1992.
pada akhirnya akan mengurangi kualitas [9] Vincent Gaspersz, Production Planning
kertas yang diproduksi. and Inventory Control, Gramedia
5. KESIMPULAN Pustaka Utama, 2005.
162
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN GURU PESANTREN

MODERN AL-BAROKAH DENGAN MENGGUNAKAN METODE FUZZY
MAMDANI
Khairun Nisa Arifin Nur1, Sundari Rento Andani2, Solikhun3, Poningsih4
1
Program Studi Manajemen Informatika, Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas
Bangsa
Telp. (0622) 22431
2,3,4
Telp. (0622) 22431
E-mail: khairunnisaarifinnur@gmail.com, ,sundari.ra@amiktunasbangsa.ac.id,
ABSTRAKS
Ketidakpastian sering sekali timbul dari hasil jawaban setiap permasalahan di dunia ini, salah
satu metode untuk melakukan analisis system yang tidak pasti adalah logika fuzzy. Paper ini
berisi tentang penggunaan metode logika fuzzy mamdani dalam pengambilan keputusan
penerimaan Guru pada Pesantren Modern Al-Barokah. Masalah yang diselesaikan adalah cara
pengambilan keputusan penerimaan Guru hanya menggunakan tiga variable input, yaitu tes
psikotest, tes wawancara, dan tes teaching. Metode yang digunakan adalah fuzzy mamdani
dengan hasil akhir SPK yang dapat menerima atau menolak calon guru untuk mengajar di
Pesantren Modern Al-Barokah.
Kata Kunci: Logika Fuzzy, logika Fuzzy mamdani, himpunan Fuzzy, aplikasi fungsi implikasi.
1. PENDAHULUAN salah dalam waktu yang bersamaan

1.1 Latar Belakang (Kusumadewi, 2004).
Penerimaan Guru merupakan kegiatan Logika fuzzy merupakan salah satu
yang sangat diperlukan Pesantren Modern Al- komponen pembentuk soft computing. Logika
Barokah untuk menambah dan membantu fuzzy pertama kali diperkenalkan oleh Prof.
dalam mendidik siswa-siswanya . Variabelnya Lotfi A. Zadeh pada tahun 1965. Dasar logika
merupakan nilai yang berifat tidak pasti. fuzzy adalah teori himpunan fuzzy. Pada teori
Untuk itu diperlukan sebuah logika fuzzy himpunan fuzzy, peranan derajat keanggotaan
untuk mengatasi permasalahan tersebut. sebagai penentu keberadaan elemen dalam
Secara umum, fuzzy logic adalah sebuah suatu himpunan sangatlah penting. Nilai
metodologi ―berhitung‖ dengan variabel kata- keanggotaan atau derajat keanggotaan atau
kata (linguistic variable), sebagai pengganti membership function menjadi ciri utama dari
berhitung dengan bilangan. Kata-kata yang penalaran dengan logika fuzzy tersebut
digunakan dalam fungsi logic memang tidak (Kusumadewi, 2010).
sepresisi bilangan, namun kata-kata jauh lebih
dekat dengan intuisi manusia. Demikianlah, Salah satu metode yang sangat fleksibel dan
fuzzy logic memberi ruang dan bahkan memiliki toleransi atau pengertian pada data
mengeksploitasi toleransi terhadap yang ada adalah Logika fuzzy mamdani.
ketidakpastian. Fuzzy logic membubuhkan Kelebihan dari fuzzy mamdani yaitu, lebih
―ongkos‖ yang lebih murah dalam intuitif dan diterima oleh banyak pihak.
memecahkan berbagai masalah yang bersifat Menggunakan fuzzy mamdani ini sama seperti
fuzzy (Naba, 2009). menggunakan metode peramalan pada bidang
Logika fuzzy merupakan konsep dasar dari statistic. Pendekatan fuzzy dapat
sistem fuzzy yang dapat digunakan untuk menghasilkan error yang lebih kecil
melakukan perhitungan terhadap suatu dibandingkan dengan peramalan dalam
variabel input berdasarkan nilai statistik. Pendekatan fuzzy lebih efisien dalam
kesamarannya. Dalam teori himpunan samar - pendekatan menggunakan angka dibanding
samar dinyatakan dalam derajat keanggotaan dengan metode peramalan pada penentuan
dan derajat dari kebenaran, sehingga sesuatu analisis. Dengan melakukan pendekatan fuzzy
dapat dikatakan sebagian benar dan sebagian
163
menghasilkan out put yang lebih dekat dengan data kedalam nilai keanggotaannya (sering
kondisi sebenarnya. juga disebut dengan derajat keanggotaan)
Terdapat tiga variabel yang digunakan yang memiliki interval antara 0 sampai 1.
dalam penerimaan guru, yaitu variabel tes Salah satu cara yang dapat digunakan untuk
psikotest, variable tes wawancara dan variable mendapatkan nilai keanggotaan adalah dengan
tes teaching. Penelitian ini nantinya melalui pendekatan fungsi.
diharapkan dapat memberikan informasi yang
akurat dalam pengambilan keputusan 1.2.3 Operator Dasar Zadeh Untuk
penerimaan Guru. Operasi himpunan Fuzzy
Seperti halnya himpunan konvensional,
1.2 Tinjauan Pustaka ada beberapa operasi yang didefenisikan
Menurut pendapat Kusumadewi (2002), secara khusus untuk mengkombinasi dan
Logika fuzzy adalah cabang dari sistem memodifikasi himpunan fuzzy. Nilai
kecerdasan buatan (Artificial Inteligent) yang keanggotaan sebagai hasil dari operasi 2
mengemulasi kemampuan manusia dalam himpunan sering dikenal dengan nama fire
berfikir kedalam bentuk algoritma yang strength. Ada 3 operator dasar yang
kemudian dijalankan oleh mesin. Algoritma diciptakan oleh Zadeh, yaitu (Cox dalam
ini digunakan dalam berbagai aplikasi Kusumadewi, 1994) :
pemrosesan data yang tidak dapat (1) Operator AND
direpresentasikan dalam bentuk biner. Logika Operator ini berhubungan dengan operasi
fuzzy menginterpretasikan statement yang interseksi pada himpunan. Fire strength
samar menjadi sebuah pengertian yang logis. sebagai hasil operasi dengan operator AND
Logika fuzzy dapat dianggap sebagai kotak diperoleh dengan mengambil nilai
hitam yang menghubungkan antara ruang keanggotaan terkecil antar elemen pada
input menuju ruang output (Gelley, 2000, dari himpunan-himpunan yang bersangkutan.
Kusumadewi, 2010). Kotak hitam tersebut µA∩B= min(µA(x), µB(y))
berisi cara atau metode yang dapat digunakan (2) Operator OR
untuk mengolah data input menjadi output Opertor ini berhubungan dengan operasi
dalam bentuk informasi yang baik. union pada himpunan. Fire strength sebagai
hasil operasi dengan operator OR diperoleh
1.2.1 Himpunan Fuzzy dengan mengambil nilai keanggotaan terbesar
Pada himpunan tegas (crisp), nilai antarelemen pada himpunan-himpunan yang
keanggotaan suatu item x dalam suatu bersangkutan.
himpunan A, yang sering ditulis dengan µAUB= max(µA(x), µB(y))
µA(X), memiliki dua kemungkinan, yaitu : (3) Operator NOT
a. Satu (1), yang berarti bahwa suatu Operator ini berhubungan dengan operasi
item menjadi anggota dalam suatu himpunan, komplemen pada himpunan. Fire strength
atau sebagai hasil operasi dengan operator NOT
b. Nol (0), yang berarti bahwa suatu diperoleh dengan mengurangkan nilai
item tidak menjadi anggota dalam suatu keanggotaan elemen pada himpunan yang
himpunan. bersangkutan dari 1.
µA‘=1- µA (x)
Himpunan fuzzy memiliki dua atribut, yaitu
: 1.2.4 Logika Fuzzy Mamdani
1. Linguistik, merupakan penamaan Metode mamdani sering dikenal sebagai
grup yang mewakili suatu keadaan atau metode Max-Min. metode ini diperkenalkan
kondisi tertentu dengan menggunakan bahasa oleh Ebrahim Mamdani tahun 1975. Untuk
alami/sehari-hari. mendapatkan output, diperlukan 4 tahapan:
Contohnya : PENDEK, SEDANG, 1. Pembentukan himpunan fuzzy
TINGGI. Pada metode mamdani, baik variable input
2. Numeris, merupakan suatu nilai maupun variable output dibagi menjadi satu
angka yang menunjukkan ukuran dari suatu atau lebihb himpunan fuzzy.
varibel. 2. Aplikasi fungsi implikasi (aturan)
Contohnya : 140, 160, 180. Pada metode mamdani, fungsi implikasi
yang digunakan adalah min.
1.2.2 Fungsi Keanggotaan 3. Komposisi aturan
Fungsi keanggotaan adalah suatu kurva
yang menunjukkan pemetaan titik-titik input
164
Ada tiga metode yang digunakan dalam Semesta pembicaraan untuk variabel
melakukan inferensi system fuzzy, yaitu max, TesTeaching : [0 10]
additive dan probabilistic OD (probor)
4. Penegasan (defuzzy) 2.3 Domain
Input dari proses defuzzy adalah suatu Domain himpunan fuzzy merupakan
himpunan fuzzy yang diperoleh dari keseluruhan nilai yang diijinkan dalam
komposisi aturan-aturan fuzzy,sedangkan semesta pembicaraan dan boleh dioperasikan
output yang dihasilkan merupakan suatu dalam suatu himpunan fuzzy.
bilangan pada domain himpunan fuzzy 1. Variabel TesPsikotest
tersebut. Sehingga jika diberikan suatu Domain himpunan fuzzy :
himpunan fuzzy dengan range tertentu, maka
harus dapat diambil suatu nilai crisp tertentu7 SANGAT BURUK =
sebagai output. Ada beberapa metode defuzzy [0 3]
yang bias digunakan pada komposisi aturan BURUK =
mamadani, yaitu centroid, bosektor, mean of [1 5]
maximum, largest of maximum dan smallest CUKUP =
of maximum. [3 7]
BAIK =
[5 9]
1.3 Metodologi Penelitian SANGAT BAIK =
[7 10]
Metodologi yang digunakan dalam
penelitian ini meliputi beberapa langkah 2. Variabel TesWawancara
sebagai berikut, yaitu : Domain himpunan fuzzy :
a. Melakukan pengumpulan data SANGAT BURUK =
sekunder yang dibutuhkan dalam melakukan [0 3]
perhitungan dan analisis masalah. BURUK =
b. Membentuk himpunan fuzzy, pada [1 5]
metode mamdani baik variabel input maupun CUKUP =
output dibagi menjadi satu atau lebih [3 7]
himpunan fuzzy BAIK =
c. Aplikasi fungsi Implikasi, pada
[5 9]
metode mamdani fungsi implikasi yang
SANGAT BAIK = [7 10]
digunakan untuk tiap-tiap aturan adalah fungsi
min
3. Variabel TesTeaching
d. Menarik kesimpulan dari hasil
Domain himpunan fuzzy :
pengolahan data
SANGAT BURUK =
3. HASIL DAN PEMBAHASAN [0 3]
2.1 Analisis Kebutuhan Input BURUK =
Pada penelitian ini, variabel input yang [1 5]
digunakan ada tiga, yaitu TesPsikotes, CUKUP =
TesWawancara dan Tes Teaching Selanjutnya [3 7]
ketiga variabel input diolah menjadi himpunan BAIK =
fuzzy. [5 9]
SANGAT BAIK = [7 10]
2.2 Semesta Pembicaraan
Semesta pembicaraan merupakan 2.4 Himpunan Fuzzy
keseluruhan nilai yang diperbolehkan untuk Himpunan fuzzy merupakan suatu grup
dioperasikan dalam suatu variabel fuzzy. yang mewakili suatu kondisi dan keadaan
1. Variabel TesPsikotest tertentu dalam suatu variabel fuzzy. Pada
Semesta pembicaraan untuk variabel penelitian ini, penulis menggunakan atribut
TesPsikotest : [0 10] linguistik, yaitu penamaan suatu grup yang
2. Variabel TesWawancara mewakili suatu keadaan atau kondisi tertentu
Semesta pembicaraan untuk variabel dengan menggunakan bahasa alami, seperti:
TesWawancara : [0 10] MUDA, PAROBAYA, TUA.
3. Variabel TesTeaching
165
1. Himpunan fuzzy untuk variabel

TesPsikotest
Variabel TesPsikotest terbagi menjadi
lima himpunan fuzzy, yaitu sangat buruk,
buruk, cukup, baik, dan sangat baik.
Gambar 2.3. Himpunan Fuzzy pada

Variabel TesTeaching
2.5 Fungsi Keanggotaan
Fungsi keanggotaan merupakan suatu
kurva yang menunjukkan pemetaan titik-titik
input data ke dalam nilai keanggotaannya
(derajat keanggotaan) yang memiliki interval
antara 0 sampai dengan 1. Salah satu cara
yang dapat digunakan untuk mendapatkan
Gambar 2.1. Himpunan Fuzzy pada nilai keanggotaan adalah dengan melalui
Variabel TesPsikotest pendekatan fungsi.
2. Himpunan fuzzy untuk variabel 1. Fungsi keanggotaan untuk variabel

TesWawancara TesPsikotest (x)
Variabel TesWawancara terbagi menjadi
lima himpunan fuzzy, yaitu sangat buruk, 1 ;x≤1
buruk, cukup, baik, dan sangat baik. µSANGAT BURUK = ;1≤x≤3
(1)
0 ;x≥3
0 ; x ≤ 1 atau
x≥5
µBURUK = ;1≤x≤3
(2) ; 3≤x≤
5
0 ; x ≤ 3 atau
x≥7
µCUKUP = ;1≤x≤3
(3) ; 3≤x≤
Variabel TesWawancara 5
0 ; x ≤ 5 atau
x≥9
3. Himpunan fuzzy untuk variabel µBAIK = ;5≤x≤7
TesTeaching (4) ; 7≤x≤
Variabel TesTeaching terbagi menjadi 9
buruk, cukup, baik, dan sangat baik. 0 ;x≤7
166
µSANGAT BAIK = ;7≤x≤9 µCUKUP = ;1≤z≤3

(5) (13) ; 3≤z≤5
1 ;x≥
2. Fungsi keanggotaan untuk variabel
TesWawancara (y) 0 ; z ≤ 5 atau
z≥9
1 ;y≤1 µBAIK = ;5≤z≤7
µSANGAT BURUK = ;1≤y≤3 (14) ; 7≤z≤9
(6)
0 ;y≥3
0 ;z≤7
0 ; y ≤ 1 atau
µSANGAT BAIK = ;7≤z≤9
y≥5
µBURUK = ;1≤y≤3 (15)
1 ;z≥
(7) ; 3≤y≤
5 2.6 Analisis Kebutuhan Output
0 ; y ≤ 3 atau Variabel output yang digunakan hanya
y≥7 satu, yaitu variabel Guru.
µCUKUP = ;1≤y≤3 2.7 Semesta Pembicaraan
(8) ; 3≤y≤5 Semesta pembicaraan merupakan
keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy.
Semesta pembicaraan untuk variabel Guru
0 ; y ≤ 5 atau adalah [0 10]
y≥9
µBAIK = ;5≤y≤7 2.8 Domain
Domain himpunan fuzzy merupakan
(9) ; 7≤y≤9
keseluruhan nilai yang diijinkan dalam
semesta pembicaraan dan boleh dioperasikan
0 ;y≤7 dalam suatu himpunan fuzzy. Domain
µSANGAT BAIK = ;7≤y≤9 himpunan fuzzy untuk variabel Guru adalah :
DITOLAK = [0 6]
(10)
1 ;y≥ DITERIMA = [5 10]
2.9 Himpunan Fuzzy
3. Fungsi keanggotaan untuk variabel Himpunan fuzzy merupakan suatu grup
yang mewakili suatu kondisi dan keadaan
TesTeaching (z)
tertentu dalam suatu variabel fuzzy. Pada
penelitian ini, penulis menggunakan atribut
1 ;z≤1 linguistik, yaitu penamaan suatu grup yang
µSANGAT BURUK = ;1≤z≤3 mewakili suatu keadaan atau kondisi tertentu
dengan menggunakan bahasa alami, seperti:
(11) MUDA, PAROBAYA, TUA.
0 ;z≥3
Himpunan fuzzy untuk variabel Guru
adalah sebagai berikut :
0 ; z ≤ 1 atau
z≥5
µBURUK = ;1≤z≤3
(12) ; 3≤z≤5
0 ; z ≤ 3 atau
z≥7
167

Variabel Guru
2.10 Fungsi Keanggotaan

Fungsi keanggotaan merupakan suatu
Gambar 2.5. Rule Editor Guru
nilai keanggotaan adalah dengan melalui
pendekatan fungsi.
Fungsi keanggotaan untuk variabel Guru
(x) adalah :
1 ;x≤2
µDITOLAK = ;2≤x≤6
(16)
0 ;x≥6
0 ;x≤5
µDITERIMA = ;5≤x≤9
(17)
1 ;x≥9
2.11 Rules
Rules (aturan-aturan), merupakan
pengetahuan procedural yang menghubungkan
informasi yang diberikan dengan tindakan Gambar 2.6. Rule Viewer Guru
(action). Struktur rule, secara logika
menghubungkan satu atau lebih antecedent
(atau premises) yang berada pada bagian IF,
dengan satu atau lebih consequents (atau
conclusions/kesimpulan) pada bagian THEN.
Pada penelitian ini, dari variabel input
untuk membangun sistem ini, maka
menghasilkan 125 (seratus dua puluh lima)
rules. Adapun rules dari penelitian ini adalah
sebagai berikut :
Gambar 2.7. Survace Viewer Guru
168
2.12 Sampel Data Wawancaranya 4,5 dan nilai variabel Tes

Untuk membangun sistem pendukung Teachingnya 8.
keputusan dalam menentukan penerimaan[R4 IF TesPsikotest BURUK And TesWawancara
Guru dengan fuzzy mamdani diperlukan data- BAIK And TesTeaching BURUK THEN
data, yaitu : Tes Psikotes, Tes Wawancara dan Guru DITOLAK
Tes Teaching.
Berikut ini merupakan sampel data Calon αPredikat42 = µTesPsikotestBuruk ∩
Guru : µTesWawancaraBaik ∩
µTesTeachingBuruk
Tabel 2.1 Sampel Data Calon Guru = min(µTesPsikotestBuruk(6),
N Nama Tes Test Tes µTesWawancaraBaik(4.5),
µTesTeachingBuruk (8) )
o Psikot Wawanc Teachi
= min(0; 0; 0)
est ara ng =0
1. Ade 6 4.4 8 Contoh kasus II:
Harti Diharapkan penerimaan guru pesantren adalah
minimal 5. Berapa nilai penerimaan guru
2. Aji 2.3 7.5 6.8 pesantren, jika nilai variabel Tes Psikotestnya
Maulana 2.3, nilai variabel Tes Wawancaranya 7.5 dan
nilai variabel Tes Teachingnya 6.8 .
3. Akmal 8.5 3.5 5.5
Fajri [R1 IF TesPsikotest SANGATBURUK And
TesWawancara BAIK And TesTeaching
4. Dedi 7.2 9.8 6.8 CUKUP THEN Guru DITOLAK
Sumbay
αPredikat18 = µTesPsikotestSangatBuruk ∩
ak µTesWawancaraBaik ∩
5. Dika 10 4.5 3 µTesTeachingCukup
= min(µTesPsikotestSangatBuruk(2.3),
Permana µTesWawancaraBaik(7.5),
6. Ermitaw 7.8 8.9 8 µTesTeachingCukup (6.8) )
= min(0.35; 0.25; 0.9)
ati = 0.25
7. Fransisc 9 6.5 5.8
Contoh kasus III:
o Diharapkan penerimaan guru pesantren adalah
8. Indra 7.5 6 2 minimal 5. Berapa nilai penerimaan guru
pesantren, jika nilai variabel Tes Psikotestnya
Pratama 8.5, nilai variabel Tes Wawancaranya 3.5 dan
9. Indah 5 5.5 7
Suhada [R8 IF TesPsikotest BAIK And TesWawancara
BURUK And TesTeaching CUKUP THEN
10 Joose 7 3.5 6.2
Guru DITOLAK
.
αPredikat83 = µTesPsikotestBaik ∩
µTesWawancaraBuruk ∩
2.13 Aplikasi Fungsi Implikasi µTesTeachingCukup
Pada metode mamdani, fungsi implikasi = min(µTesPsikotestBaik(8.5),
yang digunakan adalah min. µTesWawancaraBuruk(3.5),
µTesTeachingCukup (5.5) )
Contoh kasus I: = min(0.75; 0.25; 0.25)
Diharapkan penerimaan guru pesantren = 0.25
adalah minimal 5. Berapa nilai penerimaan
guru pesantren, jika nilai variabel Tes Contoh kasus IV:
Psikotestnya 6, nilai variabel Tes
169
Diharapkan penerimaan guru pesantren adalah Sample I

7.2, nilai variabel Tes Wawancaranya 9.8 dan
[R98] IF TesPsikotest BAIK And
TesWawancara SANGATBAIK And
TesTeaching CUKUP THEN Guru
DITERIMA
αPredikat98 = µTesPsikotestBaik ∩
µTesWawancaraSangatBaik ∩
µTesTeachingCukup
= min(µTesPsikotestBaik(7.2),
µTesWawancaraSangatBaik(9.8),
µTesTeachingCukup (6.8) )
= min(0.1; 1; 0.9) Gambar 2.8. Hasil Sample I
= 0.1 Sample II
Contoh kasus V:
Diharapkan penerimaan guru pesantren adalah
10, nilai variabel Tes Wawancaranya 4.5 dan
nilai variabel Tes Teachingnya 3 .
[R107] IF TesPsikotest SANGATBAIK And

TesWawancara BURUK And TesTeaching
BURUK THEN Guru DITOLAK
αPredikat107 = µTesPsikotestSangatBaik ∩
µTesWawancaraBuruk
∩ µTesTeachingBuruk
=
Gambar 2.9. Hasil Sample II
min(µTesPsikotestSangatBaik(10),
µTesWawancaraBuruk(4.5),
µTesTeachingBuruk (3) )
Sample III
= min(1; 0.75; 1)
= 0.75
2.14 Hasil Guru
Setelah semua variabel input diolah,
variabel output diolah, seperti yang telah
dibahas di atas. Kemudian diterapkan dengan
menggunakan rules di atas, maka di dapatkan
hasil rekomendasi untuk beberapa sampel.
Berikut adalah hasil gurunya :
Gambar 2.10. Hasil Sample III
170
Sample IV Sample VII
Gambar 2.11. Hasil Sample IV Gambar 2.14. Hasil Sample VII

Sample V
Sample VIII
Gambar 2.12. Hasil Sample V

Sample VI Gambar 2.15. Hasil Sample VIII
Sample IX
Gambar 2.13. Hasil Sample VI
Gambar 2.16. Hasil Sample IX
171
Sample X 3. Sebagia besar calon guru

mendapatkan hasil ditolak apabila nilai tes
yang didapatya bernilai sangat buruk atau pun
buruk.
4. Variabel yang digunakan serta
himpunan fuzzy sangat mempengaruhi hasil
outputnya.
6. SARAN
Saran yang diberikan penulis kepada
pembaca adalah sistem ini dapat
dikembangkan lagi dengan metode-metode
inferensi lainnya, misalnya tsukamoto, bahkan
metode yang lebih berkembang lagi fuzzy
Multi-Attribute Decision Making (Fuzzy
MADM)..
Gambar 2.17. Hasil Sample X
Tabel 2.II Hasil Sampel Data Calon Guru PUSTAKA
[1] Kusumadewi, S, and Purnomo, 2010.
Aplikasi Logika Fuzzyy Untuk
Pendukung Keputusan, Graha Ilmu
Yogyakarta.
[2] Naba, Agus, Eng, Dr. 2009. Belajar

Cepat Fuzzy Logic Menggunakan
MATLAB, Andi offset Yogyakarta.
[3] Zadeh, Lotfi A. 1975. Fuzzy Sets and

Their Applications to Cognitive and
Decision Processes. Academic Press,
Inc. New York.
[4] Lukas, S., Meiliayana, and Simson, W,

2009. Penerapan Logika Fuzzy Dalam
Pengambilan Keputusan Untuk Jalur
5. KESIMPULAN Peminatan Mahasiswa, Konferensi
Dari hasil penelitian yang telah dilakukan Nasional Sistem dan Informatika 2009.
dapat diambil beberapa kesimpulan yaitu :
1. Metode fuzzy mamdani berhasil [5] Solikhin, F., 2011, Aplikasi Logika Fuzzy
diimplementasikan dalam menentukan Dalam Optimisasi Produksi Barang
penerimaan guru di PESANTREN MODERN Menggunakan Metode Mamdani dan
AL-BAROKAH. Metode Sugeno, Skripsi Program Studi
2. Hasil perhitungan dengan metode Matematika, Jurusan Pendidikan
Fuzzy Mamdani lebih akurat. Matematika, UNY.
172
PENERAPAN LIFECYCLE THINKING SUSTAINABLE DESIGN PADA

DESAIN PRODUK
Kumara Sadana Putra, S.Ds., M.A.1, Erlangga Sidharta Putera2, Ivan Adrian3, Peter
Leonard4, Samuel Lukito5, Sarah6
Program Studi Desain Produk, Universitas Surabaya
Jl.Raya Kalirungkut, Surabaya 60293
Telp. (031) 2981193
kumy01@yahoo.com
ABSTRAK
Life cycle thinkingsustainable design mempertimbangkan aspek lingkungan pada semua

tahap proses pengembangan produk.Terdapat 5 daur life cycle produk, yaitu tahap sumber
daya, produksi, distribusi, penggunaan hingga daur ulang.Seringkali desainer luput dalam
memikirkan strategi pengembangan produk baru untuk semua daur life cycle
tersebut.Penulis coba memasukkan persepsi tersebut pada desain produk.Melalui
serangkaian metode seperti product autopsy, in depth interview, analisa tren, eksperimen
material. Maka akan menghasilkan lima desain produk berbentuk purwarupa fungsional
dengan tujuan memberikan solusi permasalahan masyarakat perkotaan dengan
pendekatan sustainable design.Kelima purwarupa menggunakan metode pendekatan di
kelima tahap daur hidup pada life cycle thinking. Sebutan kelima produk ini yaitu Matsya,
fishing gear sarana pembawa udang hidup dengan metode pemingsangan, Co-Ni,
Sustainable baby bassinet, Stereos, Set furniture multifungsi modular limbah tong,
Stable, stan makanan penjual weekend market, Cocopa, Furnishing productmemanfaatkan
limbah kulit kelapa.
Kata Kunci : Desain Produk, Life-cycle thinkingSustainable design,Sustainable

Development
1. PENDAHULUAN bahkan mengerjakan pekerjaan rumah.

1.1. Latar Belakang Misalnya, menyewa sebuah film, yang
Life cycle thinkingadalah sebuah pendekatan tampaknya merupakan kegiatan yang tidak
untuk menyadari bagaimana kehidupan sehari- berbahaya, akan melibatkan pembakaran
hari mempengaruhi lingkungan. Pendekatan bensin untuk dibawa ke toko video,
ini mengevaluasi bagaimana sebuah produk menggunakan listrik untuk menyalakan
dikonsumsi dan terlibat dalam aktivitas televisi dan DVD player, dan mengkonsumsi
berdampak pada lingkungan. Selain ituproduk listrik dari baterai remote. Namun, ketika
juga di evaluasi bukan hanya satu langkah mencoba menganalisis secara kuantitatif efek
tunggal, namun juga secara holistik dari siklus hidup, batasan untuk evaluasi tunduk
keseluruhan sistem produk atau aktivitas. Ini pada pendekatan penilaian apa yang diambil
karena dengan mengkonsumsi suatu produk, karena reaksi berantai dapat menjadi sangat
serangkaian aktivitas terkait diperlukan untuk kompleks sehingga memerlukan beberapa
mewujudkannya. Misalnya, ekstraksi bahan dekade untuk mengetahui siklus hidup suatu
baku, pengolahan bahan, transportasi, proses tertentu. Berpikir siklus hidup secara
distribusi, konsumsi, penggunaan kembali / keseluruhan adalah cara untuk lebih
daur ulang, dan pembuangan semuanya harus memperhatikan kompleksitas mengkonsumsi
dipertimbangkan saat mengevaluasi dampak produk dan terlibat dalam kegiatan dan
lingkungan. Ini disebut siklus hidup suatu bagaimana pengaruhnya terhadap lingkungan.
produk. Gagasan keseluruhan untuk membuat Indonesia merupakan negara yang terletak di
evaluasi menyeluruh terhadap efek sistem tengah-tengah garis kathulistiwa. Dengan
dapat didefinisikan sebagai pemikiran siklus letak geografis tersebut, Indonesia memiliki
hidup. iklim yang tropis. Negara yang beriklim tropis
Berpikir siklus hidup juga bisa diterapkan dikenal sangat kaya akan flora dan fauna.
pada konsumsi kegiatan sosio-ekonomi Karena banyaknya sumber alam tersebut,
lainnya seperti menonton film, membuat seni pengolahan hasil alam tersebut menghasilkan
dan kerajinan, memasak makan malam, atau jumlah limbah yang cukup besar juga
jumlahnya.Salah satu contohnya ialah
173
pengolahan organis seperti limbah kelapa dan dan pelayanan agar sesuai dengan prinsip
limbah padat seperti tong. Perlu adanya keberlanjutan sosial, ekonomi, dan ekologi
pemikiran siklus hidup produk yang (Mclennan, 2004).Ecodesign (juga dikenal
memanfaatkan ekstraksi material limbah dengan desain untuk lingkungan, desain siklus
seperti ini. hidup, desain sadar lingkungan) adalah
Selain itu, pola pikir kehidupan perkotaan metodologi sistematis yang menggabungkan
mendorong manusia cerdik dalam memilih pertimbangan lingkungan ke dalam proses
produk yang berkelanjutan dalam mendukung perancangan produk.
kehidupannya. Misalnya bagi keluarga kecil Tujuan utama ecodesign adalah untuk
yang memiliki bayi perlu berpikir untuk mengembangkan barang dan jasa yang
mencari perabotan yang bermanfaat dalam mengarah pada keberlanjutan dengan
jangka waktu panjang sehingga nilai produk mengurangi beban lingkungan produk
semakin tinggi. Begitu halnya ketika sepanjang siklus hidup, dengan
menjalani rutinitas keseharian seperti hobi mempertimbangkan juga kebutuhan produk
atau pekerjaan. Perlu sebuah produk dan pelanggan konvensional lainnya seperti
penunjangnya yang memiliki konsep fungsionalitas, kualitas, keamanan, biaya,
berkelanjutan. Dalam studi kasus yang dipakai kemampuan manufaktur, ergonomi. dan
pada artikel ini untuk menunjang kegiatan estetika.
memancing sebagai hobi untuk profesional. Menurut Kaunas Univ.of Technology tentang
Serta kebiasaan para pedagang kuliner pop-up Life Cycle Assessment (LCA) ecodesign
seiring dengan maraknya pop-up market di mempertimbangkan aspek lingkungan pada
Mall dan pusat perbelanjaan setiap akhir semua tahap proses pengembangan produk,
pekan. mengupayakan produk yang memberikan
dampak lingkungan serendah mungkin selama
1.2 Rumusan Masalah siklus hidup produk. Dengan kata lain, produk
Dari latar belakang diatas maka ditentukan harus mengalokasikan sumber daya sesedikit
rumusan masalah yang ada sebagai berikut : mungkin dan mengurangi dampak terhadap
 Penerapan life cylcesustainable design lingkungan, meningkatkan kinerja secara
pada desain produk masih tergolong keseluruhan agar perusahaan dapat
rendah memasarkannya dan mendapatkan
 Jumlah limbah terus bertambah, namun pendapatan. Pada akhirnya, ecodesign harus
pemanfaatan limbahorganik dan anorganik menghasilkan produksi dan konsumsi yang
pada desain produk lebih berkelanjutan.
 Aktivitas keseharian warga perkotaan tidak Inti eco-design adalah konsep siklus hidup
ditunjang dengan produk yang memiliki produk. Siklus hidup produk dimulai dengan
konsepsi lifecycle thinking sumber daya yang diambil dari alam, berlanjut
ke produksi bahan dan proses pembuatan,
Dari poin-poin rumusan masalah diatas maka pengemasan dan pengangkutan, penggunaan
munculah pertanyaan penelitian: dan pemeliharaan produk dan akhirnya
Bagaimana menggunakan konsepsi life cycle diakhiri pada tahap akhir kehidupan. Istilah
thinking dalam mengembangkan produk baru life cycle thinking mengacu pada pendekatan
yang berwawasan lingkungan. terpadu yang harus diterapkan dengan tujuan
merancang produk yang lebih ramah
1.3 Batasan Masalah lingkungan.
Ruang lingkup permasalahan yang akan Menurut CIMdata ―About PLM", Diakses
dibahas nantinya adalah: tanggal 25 February 2012, dalam dunia
- Pendekatan sustainable designuntuk luaran industri, manajemen siklus produk / product
desain produk lifecycle management (PLM) adalah proses
- Menggunakan strategi lifecycle thinking pengelolaan seluruh siklus produk dari awal,
- Produk mendukung kebutuhan masyarakat mulai dari desain dan manufaktur sampai
perkotaan dengan pelayanan konsumen dan pembuangan
produk tersebut
2. PUSTAKA Dalam PLM ada lima area utama;
2.1 Sustainable design 1. Rekayasa sistem (SE)
Biasa dikenal dengan juga dengan eco-design, 2. Produk dan portfolio m² (PPM)
atau desain berkelanjutan adalah filosofi 3. Desain produk (CAx)
perancangan benda fisik, lingkungan binaan, 4. Manajemen proses manufaktur (MPM)
174
5. Product Data Management (PDM) Limbah merupakan buangan atau sisa yang
dihasilkan dari suatu proses atau kegiatan dari
Sebagai pendekatan holistik Eco-Design industri maupun domestik (rumah tangga).
memeriksa keseluruhan siklus hidup produk, Menurut Peraturan Pemerintah Nomor 101
yang dapat dibagi menjadi lima tahap yang tahun 2014, limbah adalah sisa suatu usaha
berbeda seperti yang digambarkan pada dan/atau kegiatan.
diagram 1 dibawah ini. Namun seputar isu Berdasarkan dari wujud limbah yang
tersebut muncul pertanyaan yang terkait dihasilkan, limbah dibagi menjadi tiga yaitu
adalah: limbah padat, limbah cair dan gas dengan
1. Penggunaan bahan baku penjelasan sebagai berikut:
• Bahan baku mana yang digunakan?
• Rantai hulu mana yang dibutuhkan untuk 1. Limbah padat adalah limbah yang
bahan baku ini? berwujud padat. Limbah padat bersifat
• Berapa banyak energi yang dipecah untuk kering.Limbah padat ini misalnya, sisa
proses ini? makanan, sayuran, potongan kayu,
2. Pembuatan sobekan kertas, sampah, plastik, tong besi
• Jenis bahan operasi apa yang dibutuhkan dan logam
untuk proses produksi?
• Berapa banyak energi yang dibutuhkan dan
sumbernya dihasilkan?
3. Distribusi
• Apa jenis bahan kemasan yang digunakan
dan bagaimana bisa didaur ulang?
• Sarana transportasi apa yang digunakan
untuk distribusi produk?
4. Penggunaan produk
• Seberapa hemat energi produk dalam fase
penggunaannya? Gambar 1. Limbah padat tong besi
• Apakah produk mudah dipelihara? Sumber: koleksi pribadi penulis
• Berapa lama umur produk?
5. Akhir Hidup 2. Limbah cair adalah limbah yang
• Apakah produk, atau bagiannya, dapat berwujud cair. Limbah cair terlarut dalam
digunakan kembali? air, selalu berpindah, dan tidak pernah
• Apakah produk mengandung bahan yang diam.
bermasalah untuk dibuang? 3. Limbah gas adalah limbah zat (zat
• Bahan dasar mana yang bisa didaur ulang? buangan) yang berwujud gas. Limbah gas
dapat dilihat dalam bentuk asap. Limbah
gas selalu bergerak sehingga
penyebarannya sangat luas.
Menurut A. K. Haghi, 2011 menyatakan

bahwa berdasarkan Sumber yang
menghasilkan limbah dapat dibedakan
menjadi lima yaitu:
1. Limbah rumah tangga, biasa

disebut juga limbah domestik.
2. Limbah industri merupakan limbah
yang berasal dari industri pabrik.
Diagram 1. Lifecycle thinking
3. Limbah pertanian merupakan limba
Sumber: NIST Programs of the
pertanian, contohnya sisa daun-daunan, r h
Manufacturing Engineering Laboratory,
padat yang dihasilkan dari kegiatan anting,
archived by web.archive.org in 2008
jerami, kayu, kelapa dan lain-
lain.Sementara itu, dalam konteks studi
2.2 Pemanfaatan limbah sebagai kasus artikel ini, penulis akan mengolah
penggunaan bahan baku produk limbah organik yaitu limbah kelapa. Data
mengenailimbah organik jenis ini tidak
175
dicatatkan secara rinci dalam statistik oleh 2. Kuantitatif

pemerintah. Dalam surat kabar - Kuesioner dibagikan calon pengguna untuk
antarasumsel dituliskan bahwa terjadinya mengetahui kebutuhan pada produk
peninggkatan jumlah limbah kelapa akibat
meningkatnya pedagang kelapa. ―Akibat 4. PEMBAHASAN
menjamurnya penjual buah kelapa muda
Melalui serangkaian analisa aspek desain,
dan jenis buah-buahan lainnya itu, jumlah
penentuan konsep desain dan proses kreatif
sampah di Kota Lubuklinggau meningkat
seperti pembuatan alternatif desain, pemilihan
dua kali lipat yaitu mencapai 300 ton dari
final desain, hingga pembuatan purwarupa
sebelumnya hanya 150 ton per hari.‖
maka terdapat 5 produk yang menggunakan
(sumber:
pendekatan life cycle thinking dalam konsep
http://www.antarasumsel.com/berita/30378
pengembangan produk.
9/dinas-kebersihan-lubuklinggau-
keluhkan-limbah-kelapa-muda<, diakses 1. Matsya, fishing gear sarana pembawa
28/8/2017) udang hidup dengan metode
4. Limbah konstruksi didefinisikan pemingsangan
sebagai material yang sudah tidak 2. Co-Ni, Sustainable baby bassinet
digunakan lagi dan yang dihasilkan dari 3. Stereos, Set furniture multifungsi
proses konstruksi, perbaikan atau modular limbah tong
perubahan. 4. Stable, stan makanan penjual weekend
5. Limbah radioaktif, limbah market
radioaktif berasal dari setiap pemanfaatan 5. Cocopa, Furnishing product
tenaga nuklir, baik pemanfaatan untuk memanfaatkan limbah kulit kelapa.
pembangkitan daya listrik menggunakan
reaktor nuklir, maupun pemanfaatan Berikut ini deskripsi produk masing-masing:
tenaga nuklir Deskripsi Produk Matsya
Nama Produk: Tas pembawa udang hidup
dengan metode pemingsangan
- Sebutan Produk: Matsya
- Fungsi: Sebagai pembawa umpan udang
hidup dan peralatan pendukung kegiatan
memancing di air asin berupa tas
berukuran 45L+3L yang mempunyai
inovasi berupa tempat yang dapat menahan
suhu dingin yang mampu menghidupkan
udang selama 24-36 jam.
- Tujuan: solusi membawa umpan hidup dan
perlengkapan yang dibawa untuk kegiatan
Gambar 2. Drum Sofa Eksisting (Ki) dan memancing di air asin.
kursi berbahan limbah kayu kelapa - Kelas/ Kategori Produk: Sarana pameran
Sumber: koleksi pribadi penulis - Pengguna:unisex, usia20-45 tahun, kondisi
sosial budaya penjual makanan, kegiatan
3. METODE PENELITIAN pengguna berjualan.
Penelitian ini menggunakan metode penelitian - Keunggulan:Produk berkapasitas
kualitatif dan kuantitatif, berikut ini metode 6-10 kilogram.Buckle dan Hook & loop
yang digunakan dibawah ini: sebagai sarana sistem penguncian,
1. Kualitatif aksesoris yang tas yang berbahan plastik
- In Depth Interview (IDI) : dilakukan kepada yang menghindari berkarat, material utama
para desainer, ahli bidang eco-design,para kain tas yang water-reppelent yang tahan
target pengguna, tren forecaster akan percikan air dari ombak dan hujan,
- Observasi dilakukan lokasi lingkungan target material spons pada bagian pegangan dan
pengguna, produk eksisting. punggung sehingga membuat nyaman
- Studi perilaku pengguna untuk mengetahui ketika di bawa, mempunyai 3 aksesoris
siklus penggunaan produk eksisting utama pada tas yang digunakan pada tas
- Eksperimen material untuk mengetahui gunung, yaitu shoulder strap, chest strap,
karakter ekstraksi material sehingga dapat dan belt strap. Yang dapat digunakan dan
dimanfaatkan pada produk yang didesain diatur sesuai yang pengguna inginkan.
176
Gambar 4. Co-Ni, Sustainable baby

bassinet.
Sumber: Sarah. 2018. Perancangan produk
berkelanjutan pada baby bassinet.
Deskripsi Produk Stable

- Nama Produk: Stan untuk penjual
weekend market
- Sebutan Produk: Stable
Gambar 3. Matsya, Tas pembawa udang - Kelas/ Kategori: Travel cases / showcase
hidup dengan metode pemingsangan - Fungsi: Sebagai tempat untuk mendisplay
Sumber: Wijaya, Peter. 2018. Perancangan makanan dan berjualan pada weekend
sarana pembawa udang hidup dengan market.
metode pemingsanan untuk pemancing air - Tujuan: untuk membuat sarana yang dapat
asin memudahkan penjual
- Pengguna:unisex, usia20-45 tahun, kondisi
Deksripsi Produk Co-Ni sosial budaya penjual makanan, kegiatan
- Nama : Sustainable Baby Bassinet pengguna berjualan.
- Sebutan produk: Co-Ni - Keunggulan:Stan ini ukurannya dapat
- Kelas/ kategori: Furnishing / Beds & diatur sehingga dapat disesuaikan dengan
seats, table and similiar nature, storage kebutuhan dan tempat yang disediakan,
furniture. dapat dilipat sehingga dapat muat
- Fungsi : Untuk tempat tidur bayi dimasukkan pada mobil pribadi, dapat
dan baby tuffle dan selanjutyadapat dilipat sehingga dapat menghemat tempat
digunakan sebagai lemari ketika tidak digunakan lagi.
- Tujuan :Memperpanjang masa
pemakaian furniture bayi
khususnyabassinet
- Pengguna: perempuan, usia0 – 8 tahun,
berprofesi: wiraswasta atau ibu rumah
tangga dan bayi, kondisi Ekonomi:
menengah ke atas, kegiatan ibu rumah
tangga,
- Keunggulan: Merupakan sebuah produk
yang mengutamakan masa pemakian yang
lebih lama, memberikan kesan nyaman
dari segi desain untuk bayi maupun
kesesuaian dengan desain ruangan,
memiliki nilai jual lebih, memiliki desain
yang di setarakan dengan tren desain yang
ada
177
Gambar 5. Stable, stan makanan penjual

weekend market
Sumber: Putera, Erlangga. 2017.
Perancangan stan portable untuk penjual Gambar 6. Stereos, Set furniture
nasi pada weekend market multifungsi modular limbah tong.
Sumber: Adrian, Ivan. 2017. Mendesain
sofa dengan pemanfaatan limbah padat
Deksripsi Produk Cocopa
- Nama Produk : Pengolahan limbah kelapa

untuk pengaplikasian pada produk
furnishing
- Sebutan Produk : Cocopa
- Kelas/Klasifikasi :Furnishing/ Other
Furniture and Furniture Part
- Goods : Screens
(furniture)
- Fungsi: Panelling, peredam suara, dan
partisi.
- Tujuan: Mengurangi limbah kelapa
melalui pengolahan limbah
- Pengguna:
yang suka mendekorasi rumahnya dan juga
yang ingin mengikuti tren yang ada.
- Keunggulan:
bersifat modular sehingga bisa digunakan
178
dalam fungsi paneling dan hiasan dinding, Produk stable misalnya, dibuat untuk
modul-modul dapat dikreasikan bentuk memudahkan penjual pada weekend market,
akhirnya secara berbeda oleh pengguna, dimana stan juga berfungsi sebagai brand
berbahan ramah lingkungan sehingga image dari produk yang dijual. Produk stable
dapat di daur ulang ini ketika dilipat dapat dimasukkan ke dalam
mobil pribadi jenis MPV, sehingga penjual
tidak perlu menyewa pick up untuk
memindahkan stan ke lokasi weekend market.
Ukuran stan ini juga dapat disesuaikan.dengan
kebutuhan dari ukuran yang terpendek 90cm
hingga 200cm. Sangat unggul dalam daur
distribusi dan penggunaan.
Sementara dari Matsya, Tas pemancing,
dimana saat ini penggunaan udang hidup
sebagai umpan utama mulai digemari oleh
pemancing air asin, dikarenakan udang hidup
merupakan target alami dari ikan sasaran yang
Gambar 7. Cocopa, Furnishing product ingin didapatkan oleh pemancing air asin,
memanfaatkan limbah kulit kelapa. tetapi belum ada sama sekali cara dan media
Sumber: Lukito, Samuel. 2017. Penerapan penyimpanan yang didesain sebagai solusi
olahan limbah kelapa pada produk untuk membawa dan menghidupkan udang.
furnishing Dengan dilakukannya pendekatan life cycle
thinking Proses Produksi, muncul solusi
Penulis kembali menggunakan dasar teori life metode pemingsanan diterapkan dalam sarana
cycle produk dalam memilah strategi daur bawa untuk pemancing air asin agar dapat
hidup sebagai konsep dasar pengembangan membawa dan menjaga udang tetap hidup
produk. Berikut ini hasil klasifikasi life cycle ketika digunakan untuk memancing di tengah
ke 5 produk tersebut laut.
Tabel 1. Penerapan life cycle thinking pada Produk Co-Ni, furnitur yang dapat digunakan
desain produk dalam jangka waktu lama yaitu dari bayi
No Produk Life cycle Life cycle sampai anak-anak. Sudah dapat memenuhi
concept dominan kebutuhan furnitur yang dibutuhkan sejak bayi
1 Matsya Manufacturing, Manufacturing sampai anak-anak. Kebutuhan yang terpenuhi
Use yaitu kebutuhan tidur yang menggunakan
2 Co-Ni Use, Use bassinet, kebutuhan untuk menggantikan
Manufacturing popok/pakaian dengan baby tuffle dan
3 Stereos Resource, Use, Resource kebutuhan lemari sebagai tempat menyimpan
Distribution pakian maupun barang lainnya.Daur
4 Stable Distribution, Use, Distribution penggunaan menjadi lebih lama, sangat jauh
End of life dari daur hidup umumnya produk untuk bayi
5 Cocopa Resource, End of life yang sangat tergantung usia tumbuh kembang
Distribution, Use, bayi.
End of life Sementara itu Stereos, Drum sofa bisa
dimanfaatkan agar bisa digunakan untuk
menopang kegiatan yang sering dilakukan
5. KESIMPULAN
sehari-hari, serta memiliki meja yang bisa
Life cycle thinkingadalah sebuah pendekatan dilipat dan dimasukkan kedalam slot yang
untuk menyadari bagaimana kehidupan sehari- tersedia jika tidak dibutuhkan. Kemampuan
hari mempengaruhi lingkungan. Pendekatan modular yang diberikan yaitu rangka luar,
pada kelima produk diatas ini telah sofa, dan meja yang bisa dilepas,
memberikan pemahaman terhadap konsumsi memudahkan dan memperpanjang lifecycle
konsumsi dan aktivitas pengguna yang produk, karena material rangka senderan bisa
berdampak pada lingkungan. Selain itu kelima diubah dengan material yang lebih kokoh,
produk tersebut telah dievaluasi bukanhanya disesuaikan dengan kemampuan keuangan
dalam satu langkah tunggal, namun juga pembeli. Dan yang terpenting stereos mampu
secara holistik dari keseluruhan sistem produk mendemostrasikan bahwa ekstraksi material
atau aktivitas. dapat berasal dari limbah padat. Sama halnya
179
dengan Cocopa yang berasal dari limbah [4] Lukito, Samuel. 2017. Penerapan
pertanian kulit kelapa yang dimanfaatkan olahan limbah buah kelapa pada
menjadi produk furnishing yang dalam produk furnishing. Surabaya: Ubaya.
prakteknya sangat ideal untuk mengisi hingga
4 daur hidup yaitu pada fase Resource, [5] McKenna, J. J., & McDade, T. (2005).
Distribution, Use, End of life. Sehingga dari Why Babies should never sleep alone:
artikel ini semoga memberi pemahaman A review of the co-sleeping controversy
sekaligus implementasi pada PLM bidang in relation of SIDS, bedsharing and
desain produk untuk menggunakan breastfeeding
pendekatan desain berkelanjutan seperti
filosofi perancangan benda fisik, lingkungan [6] Pratiwi, Meita, Ketut Sutara, Pande.
binaan, dan pelayanan agar sesuai dengan Etnobotani Kelapa di Wilayah
prinsip keberlanjutan sosial, ekonomi, dan Denpasar dan Bandung. Jurnal
ekologi. Simbiosi I. 2(2013). 102-111.
PUSTAKA [7] Putera, Erlangga. 2017. Perancangan

stan portable untuk penjual nasi pada
[1] Adrian, Ivan. 2017. Mendesain sofa
weekend market, Surabaya: Ubaya
dengan pemanfaatan limbah padat.
Surabaya: Ubaya
[8] Sarah. 2018. Perancangan produk
berkelanjutan pada baby bassinet.
[2] Fryza, A., Raditya. 2017. Product
Surabaya: Ubaya
Styling Trend Forecasting 2017-
18’GREYZONE’.BEKRAF(Badan
[9] Wijaya, Peter. 2018. Perancangan
Ekonomi Kreatif Indonesia): Indonesia
sarana pembawa udang hidup dengan
metode pemingsanan untuk pemancing
[3] Junianto. 2003. Teknik Penanganan
air asin, Surabaya: Ubaya
Ikan. Jakarta: Penebar Swadaya.
[10] http://www.antarasumsel.com
180
SUSTAINABLE DEVELOPMENT RUMAH KREATIF EKS

LOKALISASI DOLLY
Kumara Sadana Putra, S.Ds., M.A.1, Chyntia Chandra2
Program Studi Desain Produk, Universitas Surabaya
Jl.Raya Kalirungkut, Surabaya 60293
Telp. (031) 2981193
kumy01@yahoo.com, chyntia.chandra@ymail.com
ABSTRAK
Kota Surabaya sebagai kota terbesar kedua di Indonesia juga tentunya memiliki andil dalam
memajukan ekonomi kreatif, salah satunya ialah perubahan wajah dolly yang menjadi kawasan
Industri Kreatif di Surabaya. Dolly dahulu menjadi salah satu penyumbang APBD terbesar
setiap bulannya bagi pemerintah Surabaya, puluhan miliar rupiah, perputaran uang yang
masuk dari praktik haram dan menjadi penopang hidup warga terdampak. Wali Kota Tri
Rismaharini 2015 lalu mantap menutup kawasan tersebut. Berkat keberanian dan dukungan
dari berbagai pihak, Dolly akhirnya mendapat pembaruan dari wajah kelamnya menjadi
Rumah Kreatif. Pemerintah Kota Surabaya melakukan pembangunan kawasan industry kreatif
Dolly menjadi rumah kreatif yang sekarang disebut Dolly Saiki Point (DS Point). Untuk dapat
bertahan, pembangunan DS Point sebagai rumah kreatif membutuhkan perencanaan yang
terstruktur agar nantinya Dolly tetap dapat berkembang dalam jangka waktu yang panjang.
Pendekatan sustainable development sebagai upaya perencanaan yang meningkatkan
kemampuan ekonomi untuk kembali memberi manfaat ke dalam lingkungan sosial, ditantang
di permasalahan Dolly Saiki ini. Sementara itu isu ekonomi kreatif tentang pemanfaatan
kreatifitas, ketrampilan serta bakat individu untuk menciptakan kesejahteraan serta lapangan
pekerjaan melalui penciptaan dan pemanfaatan daya kreasi UKM di DS Point membutuhkan
pendekatan sustainable design merupakan cara perancangan benda fisik, lingkungan binaan,
dan pelayanan agar sesuai dengan prinsip keberlanjutan sosial, ekonomi, dan ekologi. Hal-hal
inilah yang melatarbelakangi penyusunan sustainable development program Rumah Kreatif
DS Point Kota Surabaya yang berorientasi pada peningkatan kehidupan sosial dan ekonomis
berupa roadmap (peta jalan) dalam jangka menengah hingga tahun 2021.
Kata kunci: Dolly, Ekonomi Kreatif, Rumah Kreatif, Sustainable design,Sustainable

Development
1. PENDAHULUAN pada kebutuhan pertemuan daripada

1.1. Latar Belakang mempromosikan pertumbuhan atau
Hubungan antara pertumbuhan ekonomi, memuaskan preferensi konsumen sebagai ciri
kesejahteraan manusia, dan pencapaian masa khas "pembangunan.
depan yang berkelanjutan memiliki sejarah Kawasan Dolly dahulu adalah tempat
intelektual yang panjang dan kompleks. pemakaman warga Tionghoa pada zaman
Dalam buku 1910-nya The Fight for penjajahan Belanda. Namun pemakaman ini
Conservation, ahli konservasi Amerika disulap oleh seorang Noni Belanda bernama
Gifford Pinchot menekankan: hak generasi Dolly sebagai tempat prostitusi khusus bagi
sekarang untuk menggunakan apa yang para tentara negeri kincir angin itu. Bahkan
dibutuhkannya dan semua yang keturunan tante Dolly juga disebut-sebut
dibutuhkannya dari sumber daya alam yang masih ada hingga kini malah tidak
ada sekarang merupakan kewajiban kita meneruskan bisnis tersebut. Berjalannya
supaya keturunan kita tidak akan kehilangan waktu, Dolly tidak hanya dikunjungi prajurit
apa yang mereka butuhkan. Belanda saja namun warga pribumi dan
Pendekatan sangat bottom-up-ini saudagar yang berdagang di Surabaya juga
menunjukkan bahwa masa depan yang ikut menikmatinya. Sedikitnya terdapat 800
berkelanjutan akan muncul jika kondisi wisma 9000 lebih pelacur yang berada di
biofisik dan sosial diperlukan untuk kawasan tersebut. Dolly yang disebut sebagai
mendukung aktivitas ekonomi dan salah satu lokalisasi prostitusi terbesar se-Asia
perkembangan manusia dari generasi ke Tenggara akhirnya menjadi tumpuan hidup
generasi berikutnya. Selain itu, penekanan tidak hanya bagi pelayan para pengunjung
181
saja, bahkan ribuan pedagang kaki lima serta
tukang parkir menggantungkan hidup mereka berupaya memberikan fasilitas lebih untuk
di sana. Dolly juga diyakini menjadi salah satu rumah produksi UKM-UKM tersebut. Risma
penyumbang APBD terbesar setiap bulannya ingin dolly yang dulunya sebagai kawasan
bagi pemerintah Surabaya. Faktor-faktor prostitusi tidak hanya berakhir begitu saja,
tersebut yang menjadikan prostitusi dolly nama Besar Dolly tidak boleh hilang karena
tidak dapat dihentikan. Namun berbeda Dolly merupakan kampung seribu cerita
dengan Wali Kota Tri Rismaharini, didalamnya.
perempuan nomor satu di Surabaya tersebut Untuk dapat bertahan, pembangunan DS Point
akhirnya mantap menutup kawasan tersebut, sebagai rumah kreatif membutuhkan
sekalipun nyawa taruhannya. Hampir seribu perencanaan yang terstruktur agar nantinya
anggota Brimob dan Sabhara diterjunkan Dolly tetap dapat berkembang dalam jangka
untuk menjaga lokasi deklarasi. Tiga unit waktu yang panjang. Hal-hal inilah yang
mobil water canon juga disiagakan di depan melatarbelakangi penyusunan roadmap (peta
pintu masuk Islamic Center tempat deklarasi jalan) Rumah Kreatif DS Point Kota Surabaya
tersebut digelar. Berkat keberanian dan dalam jangka menengah hingga tahu 2021.
dukungan dari berbagai pihak, Dolly akhirnya Dengan adanya roadmap ini, diharapkan dapat
pembaruan dari wajah kelamnya menjadi memberikan rekomendasi program-program
Rumah Kreatif. yang nantinya akan di jalankan oleh berbagai
Kontribusi ekonomi kreatif di Indonesia saat pihak terkait sehingga DS Point dapat berjalan
ini terlihat semakin nyata, hal ini dapat dilihat dan berkembang.
bahwa PDB sektor ekonomi kreatif
mengalami peningkatan setiap tahunnya. 1.2 Rumusan Masalah
Berdasarkan data statistik ekonomi kreatif Dari latar belakang diatas maka ditentukan
2016, dalam lima tahun terakhir, yakni 2010- rumusan masalah yang ada sebagai berikut :
2015, besaran PDB ekonomi kreatif - Sustainable development dalam ranah sosial
mengalami kenaikan dari Rp 525,96 triliun sebagai sebuah strategi belum dimanfaatkan
menjadi Rp 852,24 triliun atau meningkat dalam menyelesaikan permasalahan sosial di
rata-rata 10,14% per tahun. Dari 16 sub sektor Surabaya
ekonomi kreatif, sub sektor kuliner - Belum maksimalnya pengembangan Dolly
memberikan kontribusi yang cukup besar menjadi rumah kreatif DS Point
yaitu 30% dari total pendapatan sektor - Belum adanya perencanaan yang terstruktur
pariwisata dan ekonomi kreatif. Kota pada pembangunan DS Point dalam jangka
Surabaya sebagai kota terbesar kedua di waktu menengah
Indonesia juga tentunya memiliki andil dalam
memajukan ekonomi kreatif, salah satunya Bagaimana menyusun sebuah perencanaan
ialah perubahan wajah dolly yang menjadi roadmap rumah kreatif DS Point Eks
kawasan Industri Kreatif di Surabaya. Lokalisasi Dolly dalam jangka menengah
Eks lokalisasi Dolly terus berbenah usai dengan pendekatan sustainable development ?
dialihfungsikan pada tahun 2015 lalu.
Pemerintah Kota Surabaya melakukan 1.3 Batasan Masalah
pembangunan Dolly menjadi rumah kreatif Ruang lingkup permasalahan yang akan
yang sekarang disebut Dolly Saiki Point (DS dibahas nantinya adalah:
Point). Terletak di Gang Lebar Dolly tersebut - Pendekatan sustainable development
menjadi ruang pamer baru untuk menjual hasil berbasis ekonomi kreatif
produk-produk UKM warga terdampak seperti - Output penelitian adalah penyusunan
produk kripik samiler, batik tulis, kripik roadmap pengembangan Rumah Kreatif DS
produk UKM sigquel, pomade Prabujali, dan Point dalam kategori jangka menengah hingga
lain-lain. Hal ini bertujuan agar mereka yang 2021
dahulunya menggantungkan hidupnya pada - Rumah kreatif yang dikembangkan hanya
bisnis prostitusi dapat memiliki sebuah usaha yang berada dalam naungan kewenangan
dalam memenuhi kebutuhan hidup mereka DKPP KMS
beserta keluarganya kini pemkot berharap
pendekatan sustainable development dapat 2. PUSTAKA
merubah mereka menjadi pahlawan ekonomi 2.1 Sustainable development
kreatif. Di sana, UKM memiliki fasilitas yang Dalam bukunya L‘Economique et le vivant
tidak dipungut biaya untuk memamerkan (1979) Passet, Rene me mendeskripsikan
produknya, sehingga warga dolly dapat terus sustainable development terkait dengan 3 kata
berinovasi dan memiliki usaha. Tidak hanya kunci yaitu sosial, lingkungan dan ekonomi.
merancangkan ruang pamer, pemerintah juga Sementara Scerri (2010) Sustainable
182
development adalah kemampuan ekonomi Inpres No 6/2009 Ekonomi kreatif adalah

untuk kembali memberi manfaat ke dalam sebuah konsep di eraekonomi baru yang
lingkungan sosial dan memperlakukan ekologi mengintensifkan informasi
sebagai persimpangan untuk keseimbangan dankreativitas dengan mengandalkan ide dan
sosial dan alam. Hal itu terlihat dari diagram pengetahuan dari sumber daya manusia
Johan Dreo‘ tentang prinsip sustainable sebagai faktor produksi yang utama. Konsep
development dibawah ini. ini biasanya akan didukung dengan
keberadaan industri kreatif yang menjadi
pengejawantahannya. Terdapat 16 Subsektor
ekraf yaitu: Aplikasi & Game Developers.
Arsitektur. Desain interior. Desain
Komunikasi Visual. Desain produk. Fesyen.
Film, Animasi & Video. Fotografi. Kriya.
Kuliner. Musik. Penerbitan. Periklanan. Seni
Pertunjukan. Fine Art. Televisi & Radio.
Berdasarkan buku Ekonomi Kreatif: Kekuatan
Baru Indonesia Menuju 2025 (Kemenparekraf
Bagan 1. “Sustainable Development” oleh 2014), terdapat beberapa kata kunci dalam
Johann Dreo pasar ekonomi kreatif, yaitu kreativitas,
estetika, tradisi, dan kearifan lokal
Maka dalam konteks pertumbuhan tata kota Bapekko Surabaya sendiri menindaklanjuti
dan perencanaan wilayah seperti perubahan konsepsi pemikiran ini dengan pembuatan SK
wajah dolly haruslah ditempuh dengan Ka.Bappeko untuk membentuk Kelompok
pertimbangan sosial kemasyarakatan yang Kerja (POKJA) ekraf Surabaya. Salah satu
berdampak pada peningkatan ekonomi warga rekomendasi Pokja ekraf adalah menyusun
dengan meminimalisasi dampak lingkungan. renstra & roadmap rumah kreatif eks
Karena itu dibutuhkan pendekatan ekonomi lokalisasi.
kreatif dalam penyusunan solusi DS Point
2.2 Sustainable design 2.4 Rumah Kreatif, Dolly Saiki (DS) Point
Biasa dikenal dengan juga dengan eco-design, Eks lokalisasi Dolly terus berbenah usai
atau desain berkelanjutan adalah filosofi dialihfungsikan pada ahun 2015 lalu. Dengan
perancangan benda fisik, lingkungan binaan, cukup banyak warga yang memiliki usaha
dan pelayanan agar sesuai dengan prinsip kecil menengah, saat ini mereka punya ruang
keberlanjutan sosial, ekonomi, dan ekologi pamer baru, yaitu Dolly Saiki Point. Tempat
(Mclennan, 2004). Desain sendiri itu terletak di Putat Jaya Gang Lebar 2B no 27
Desain kini tidak terlepas dari produk dan Surabaya. Setidaknya ada 14 UKM warga
layanan, dalam yang menyediakan pengiriman terdampak yang memamerkan hasil karyanya
produk dan layanan yang kohesif. Model di bangunan wisma yang sudah dibeli pemkot
Product system service ini muncul sebagai tersebut. DS Point dikelola DKPP dengan fous
sarana untuk memungkinkan konsumsi utama Sub-sektor kuliner.
kolaboratif dari produk dan layanan, dengan Pemerintah Kota Surabaya berencana
tujuan hasil pro-lingkungan mengubah kawasan lokalisasi Dolly menjadi
sentra unit usaha kecil dan menengah (UKM)
2.3 Ekonomi Kreatif untuk mendorong kegiatan ekonomi warga
Edna dos Santos (2010) menguraikan sekitar setelah praktik prostitusi di lokasi itu
berkembangnya definisi Ekonomi Kreatif ditutup. Kepala Badan Perencanaan dan
sejak dinyatakan oleh Kelompok Kerja Pembangunan Kota (Bappeko) Surabaya Agus
Industri Kreatif Pemerintah Inggris (1997) Imam Sonhaji mengatakan sepanjang jalan
yang diadaptasi Kementrian Perdagangan RI mulai dari Jalan Banyurip hingga Jalan Jarak
sebagai: ―Industri yang berasal dari tersebut akan diperlebar menjadi 25 meter dan
pemanfaatan kreatifitas, ketrampilan serta di sisi kanan-kiri jalan akan dibangun
bakat individu untuk menciptakan pedestrian dan rumah toko (ruko). Sebanyak 8
kesejahteraan serta lapangan pekerjaan wisma eks lokalisasi, 4 diantaranya di Dolly
melalui penciptaan dan pemanfaatan daya telah dibeli Pemkot Surabaya menggunakan
kreasi dan daya cipta individu tersebut‖ dana rakyat. Kini dalam pengelolaannya 8
berkembang menjadi kota kreatif sebagai wisma itu dijadikan rumah kreatif yang akan
perangkat untuk inovasi urban, dimana sektor memberdayakan warga terdampak untuk
kreatif diposisikan sebagai sektor yang merintis usaha kecil menengah dengan
membawa vitalitas kota (Landry, 2000). bantuan 2 dinas terkait yaitu: 1) Dinas
183
Ketahanan Pangan & Pertanian mengelola memiliki usaha berupa UKM tertentu serta
sub-sektor Kuliner membawahi 2 wisma, 2) DKPP yang menaungi rumah kreatif DS Point.
Dinas Perindustrian & Perdagangan Adapun observasi dilakukan dengan
mengelola sub-sektor Kerajinan & Fesyen mengamati aktifitas keseharian yang
membawahi 2 wisma. dilakukan oleh warga eks lokalisasi dolly pada
Meskipun belum ada data yang dapat diacu rumah kreatif. Sedangkan kuesioner
secara kuantitatif, penyusunan peta jalan ini digunakan untuk mengetahui gambaran umum
berupaya meletakkan dasar pengembangan profil usaha yang dimiliki oleh UKM warga
ekonomi kreatif yang lebih baik bagi Kota terdampak.
Surabaya. Menurut Putra, 2017 pada buku
Rencana Pengembangan Rumah Kreatif 4. PEMBAHASAN
DKPP Kota Surabaya 2017-2021. Beberapa
4.1. Analisa Potensi dan Rekomendasi
aspek yang perlu dipertimbangkan sebagai
Laporan ini merupakan hasil temuan dari
kerangka untuk memahami hal tersebut adalah
berbagai studi yang telah dilakukan kota-kota
aspek Insan (SDM kreatif), aspek Wirausaha
lain baik di Indonesia maupun di negara lain
(keragaman sub sektor kreatif yang
dan studi khusus tentang rumah kreatif DKPP
berkembang), aspek Wahana (infrastruktur
Surabaya serta hasil diskusi dengan berbagai
yang menunjang terjadinya kegiatan kreatif
pemangku kepentingan ekonomi kreatif yang
yang berdampak ekonomi) serta aspek
berpusat pada kekuatan quarto helixyaitu :(1)
Sambung (aktifitas yang dilaksanakan baik
wirausaha, UKM, praktisi, (2) akademisi, (3)
secara individu maupun kolaboratif antara
komunitas dan (4) pemerintah kota. Untuk
para pelaku ekonomi kreatif). Aspek-aspek ini
mencapai tujuan dari laporan ini, kami
akan menjadi kacamata dalam upaya
membagi dalam 4 kategori : Insan; Wirausaha;
memahami lansekap ekonomi kreatif Kota
Wahana; dan Sambung. Selanjutnya masing-
Surabaya;
masing kategori akan dibingkai melalui
keempat tujuan diatas yang dapat
digambarkan melalui diagram berikut ini.
Diagram 1. Profil stakeholder rumah

kreatif DS point
Rencana Pengembangan Rumah Kreatif
DKPP Kota Surabaya 2016-2021
Diagram 4. Kerangka analisa dari setiap
3. METODE PENELITIAN aspek yang dikaji pada kegiatan rumah
Penelitian ini menggunakan metode penelitian kreatif DKPP di Kota Surabaya
kualitatif dan kuantitatif, berikut ini metode
yang digunakan dibawah ini: Diharapkan masing-masing kategori akan bisa
1. Kualitatif dipetakan potensi dan kekuatan intinya,
- In Depth Interview (IDI) : dilakukan kepada terdeskripsikan tantangan dan solusinya,
UKM pemula (Sigquel, samijali, orumy, teridentifikasi peluangnya serta rekomendasi
pujaa, perusahaan CSR (WVI) , pengelola DS yang tepat untuk setiap kategori. Profil yang
point (DKPP KMS), sastrawan pengamat telah diungkap pada bagian sebelumnya
Dolly (Bp.Ipung), Ahli tata kota (Bp.Johan adalah kondisi saat ini dan perlu diperdalam
Silas) dengan kajian yang bersifat kuantitatif.
- Obervasi dilakukan di UKM dolly, rumah Menurut hasil Sensus Ekraf 2015, terdapat
kreatif (Pujaa & DS Point), event pop up beberapa beberapa kendala/tantangan yang
market (Sunday Market) dihadapi pelaku usaha ekraf, sama hal nya
2. Kuantitatif dengan datatersebut maka di Surabaya
- Kuesioner: disebarkan ke UKM dolly & terutama di Kelurahan Putat Jaya juga
sekitarnya. mengalami kendala yang sama sekaligus
menjadi tantangan. Berikut ini kendala-
In Depth Interview (IDI) dilakukan pada kendala tersebut.
warga terdampak baik yang belum atau telah
184
4.2 Roadmap seluruh sektor. Tahap ini merupakan tahap

Berdasarkan rekomendasi pada bagian vital dan membutuhkan upaya besar dari
sebelumnya, disusun Petajalan Pengembangan seluruh pihak yang terlibat baik praktisi,
Ekonomi Kreatif Kota Surabaya 2016-2021 komunitas, akademisi serta pemerintah
yang dapat diuraikan sebagai berikut: sebagai fasilitator di domain Rumah Kreatif
1. Tahun 1:2016 Kota Surabaya. Idealnya, pihak pemerintah
Tahap penting dalam membangun pondasi sebagai pengampu kota dapat menyusun
pengembangan rumah kreatif di Kota program bersama kelompok yang dianggap
Surabaya adalah melakukan identifikasi dari representasi dari komunitas kreatif yang ada di
seluruh potensi yang dimiliki baik dari aspek Surabaya. Program bersama diharapkan
INSAN-SAMBUNG memperoleh gambaran menjadi berbagi tanggung jawab baik secara
utuh tentang sektor-sektor yang menjadi profesional maupun sosial.
keunggulan dan sektor-sektor yang dapat 5. Tahun 5:2020
menunjang penguatan sektor utama tersebut. Seiring terbentuknya iklim ekonomi kreatif
Utamanya penyusunan quadro helix yang makin baik, jejaring yang kuat dan
pemangku kepentingan rumah kreatif Kota banyaknya gagasan dan inisiasi bisnis dan
Surabaya yang terdiri dari Akademisi, aktifitas, dapat dikembangkan program-
Komunitas, Pemerintah dan sector bisnis. program fasilitasi yang mendukung fokus
Hasilnya disusun sebagai profil dan pemasaran WIRAUSAHA_SAMBUNG.
inventarisasi aset yang dapat digunakan untuk Fungsi kepamongan dapat dijalankan dengan
menguatkan sektor ini. memberikan akses yang memadai untuk
2. Tahun 2:2017 individu maupun komunitas yang memiliki
Tahap penting berikutnya adalah internalisasi kegiatan tertentu berhubungan dengan aset
renstra rumah kreatif. Dengan fokus utama kota. Seiring itu pula dikembangkan produk-
penguatan unsur WAHANA-INSAN. Dimulai produk kebijakan yang dapat membangun
dari proses desain produk kuliner hingga apresiasi masyarakat terhadap produk-produk
menjadi prototype produk dan contoh yang kreatif, misalnya sosialisasi kesadaran HaKI,
menggunakan bahan baku untuk pengembangan kapasitas pelaku ekonomi
menghasilkan produk yang mempunyai value kreatif melalui forum-forum nasional
nilai local dengan spirit kontemporer. BEKRAF maupun internasional UCCN kota
Diimbangi oleh pemanfaatan sumber daya gastronomi yang difasilitasi pemerintah kota
alam dengan ujung tombak INSAN yang dan sebagainya.
mampu mengelola inovasi kreatsi desain
berbasis budaya kesenian local dan warisan
budaya. Titik berat tahun ini adalah proses
produksi yang ditunjang perkembangan
teknologi. Hilirisasi tahun kedua bertujuan
untuk produk yang dihasilkan rumah kreatif
mampu sukses dalam test pasar pertama ke
trader.
3. Tahun 3:2018
Tahap lanjutan pengembangan tahun 2 tentang
WAHANA-WIRAUSAHA dari proses
produksi dan teknologi. Tetapi tahun ke-3 ini
dikhususkan untuk program pembinaan dan
pelatihan. Sementara dari sisi persiapan proses Diagram 3. RJPM Peta-jalan dan Renstra
pemasaran tahun berikutnya, startup Rumah Kreatif
berkinerja baik pada proses pembinaan perlu
dibekali alat produksi level menengah dan Sementara roadmap RK Dolly terdiri dari 3
pemberian akses modal untuk menunjang determinan utama yaitu tahun (2016-2021),
kapasitas produksi. company scale (ide-rapid company) dan
4. Tahun 4:2019 tahapan proses (konsolidasi – Go-Global)
Tahap socio-cohesiveness untuk Tahapan konsolidasi merupakan tahun 1 yang
penumbuhaan WIRAUSAHA, seperti bertujuan untuk menciptakan masterplan
perluasan pasar domestic dan mancanegara, dengan penumbuhan ide produk yang dibuat
informasi pasar dan tren desain. di rumah kreatif. Tahun ke 2 yaitu tahap
Tahun ke-4 berupaya merekatkan para pelaku kampanye penumbuhan startup dengan untuk
secara sosial dalam berbagai aktifitas kolektif fokus internalisasi & sosialisasi. Tahun ke 3
yang memperkuat jejaring kolaboratif dari yaitu tahun revitalisasi Rumah Kreatif dengan
185
upaya untuk menciptakan ―Leading creative perkotaan. Perlu didukung oleh insan
space‖tempat dimana startup tumbuh menjadi stakeholder lainnya seperti akademisi-industri-
entitas bisnis berupa perusahaan. Tahun ke 4-5 komunitas yang dalam hal ini adalah warga
merupakan tahap Go-Global memunculkan terdampak untuk saling bersinergi dan
rapid company berdaya saing internasional berkolaborasi untuk merubah rapor merah
memanfaatkan UCCN gastronomy city dan Dolly khususnya dan Surabaya pada
Global Market dengan 4 indikator yaitu (1) umumnya.
jumlah perusahaan kreatif, (2) jumlah produk,
(3) jumlah hak paten, (4) jumlah PUSTAKA
PDB [1] BEKRAF, Data Statistik dan Hasil
Survei Ekonomi Kreatif, Kerjasama
Badan Ekonomi Kreatif dan Badan Pusat
Statistik, 2017.
[2] Kementrian Pariwisata dan Ekonomi

Kreatif RI, Ekonomi Kreatif Kekuatan
Baru Indonesia Menuju 2025, Rencana
Aksi Jangka Menengah 2015-2019, ,
Jakarta 2014.
[3] McLennan, J. F. (2004), The Philosophy

of Sustainable Design
Diagram 5. Roadmap Rumah Kreatif [4] Putra, Kumara dkk. Rencana

Pengembangan Ekonomi Kreatif Kota
5. KESIMPULAN Surabaya 2016-2021, Badan
Dari data-data yang telah dikumpulkan Perencanaan Pembangunan Kota
sebagai Rencana PengembanganRumah Surabaya, 2015.
Kreatif DKPP Surabaya 2017, di Kampung
Jarak, Gang Putat Jaya,Dolly, Surabaya, [5] Putra, Kumara dkk. Rencana
penulis sudah melakukan beberapa tugas hasil Pengembangan Rumah Kreatif DKPP
penting yaitu perumusan Rencana strategis Kota Surabaya 2017-2021, Dinas
dan Roadmap Rumah Kreatif DS Point 2016- Ketahanan Pangan & Pertanian
2021. Berbasis pemikiran sustainable Surabaya, 2017.
development telah didapatkan model
pendekatan permasalahan social warga Dolly [6] Shaker, R.R. (2015). The spatial
untuk dapat keluar dari dampak lokalisasi distribution of development in Europe
berupa road map hingga 2021. Diharapkan and its underlying sustainability
peran serta Pemerintah selaku leading correlations. Applied Geography
sectordalam hal ini BAPPEKO dan Dinas
Terkait, dalam menyelesaikan masalah sosial
186
ANALISIS SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OFFICE

BOY TERBAIK DENGAN METODE SIMPLE ADDITIVE
WEIGHTING(SAW)
Lulu Apriliani1, Mhd. Ridwan Lubis2, M. Safii3, Suhada4
1
Bangsa
Telp. (0622) 22431
2,3,4
Telp. (0622) 22431
E-mail: luluapriliani3004@gmail.com. m.safii@amiktunasbangsa.ac.id
ABSTRAKS
Bank BRI adalah salah satu bank milik pemerintah yang terbesar di Indonesia.Dan bank BRI
juga sudah memiliki banyak cabang yang tersebar ditiap kota.Bank BRI juga sangat sukses
pada bidangnya.Untuk memacu kinerja Office Boy (OB) maka bank BRI melakukan pemilihan
office boy terbaik dengan memberikan beberapa bonus pada setiap office boy
terbaik.Sebelumnya mungkin memang tidak ada pemilihan seperti ini dan proses pemilihan ini
dilakukan untuk memacu semangat kerja para office boy terbaik dan juga hanya berdasarkan
pencatatan tentang data absen dan kualitas kerja yang dilakukan para office boy.Dalam
penggunaan sistem ini,ada beberapa tahap yang dilalui,yaitu analisa sistem (pengumpulan
data),kemudian dengan menggunakan sistem ini diharapkan dapat membantu pemilihan office
terbaik di bank BRI Pematangsiantar.
Keywords :Analisis Sistem Pendukung Keputusan Pemilihan Office Boy Terbaik,dengan Metode
Simple Additive Weighting (SAW)
I. PENDAHULUAN penelitian yang diperoleh bahwa kepuasan

Pada umumnya pekerja terbagi dalam kerja pada office boy terdapat karena
bidang kerja yang berbeda dalam suatu Perusahaan dan manajemen yang baik adalah
perusahaan. Salah satu bidang kerja yang yang mampu memberikan situasi dan kondisi
terdapat diperusahaan adalah office boy. kerja yang stabil. Faktor ini yang menentukan
Office boy adalah seorang laki-laki muda kepuasan kerja karyawan.
yang dipekerjakan menjadi seorang pesuruh Adapula factor yang menimbulkan lainnya
disebuah kantor. yaitu komunikasi, komunikasi yang lancar
Office boy dalam sebuah instansi atau antar karyawan dengan pihak manajemen
perusahaan bisnis memiliki kedudukan atau banyak dipakai alasan untuk menyukai
posisi yang terbawah, oleh karena itu office jabatannya. Pengawasan(supervisi) bagi office
boy sering kali dianggap sebagai pekerjaan boy, supervisor dianggap sebagai figure ayah
tidak begitu berpengaruh pada efektivitas sekaligus atasannya. Beberapa diantaranya
perusahaan karena merupakan pekerjaan disebabkan karena office boy merasa
―kelas bawah‖, padahal sekecil-kecilnya pekerjaan tidak membosankan, signifikan bagi
pekerjaan bagian terbawah seperti halnya seluruh operasi, dan memungkinkan mereka
office boy, apabila tidak dapat berjalan dengan untuk bertanggungjawab penuh. Dalam hal
baik maka akan mempengaruhi pekerjaan ini,adanya kesediaan pihak atasan untuk mau
atasan. Bagi pekerja, khususnya office boy , mendengar, memahami, dan mengakui
diharapkan dapat dijadikan bahan ntu evaluasi pendapat sangat berperan dalam menimbulkan
kondisi diri guna pertumbuhan pribadi, rasa kepuasan terhadap pekerjaannya.
penerimaan diri, hubungan positif dengan Makanya dalam penelitian ini diadakan
orang lain,otonomi, tujuan hidup dan pemilihan office boy terbaik dengan
penguasaan lingkungan dalam bekerja. Selain menggunakan metode Simple Additive
itu, menambah wawasan dan pemahaman bagi Weighting.
masyarakat umum dan pihak lainnya, Rumusan masalah dapat dilihat dari latar
mengenai kepuasan kerja pada office boy. belakang atau judul kasus penelitian yang
Metode penelitian yang digunakan adalah akan dibahas.Dari pembahasan ini kita akan
187
metode Simple Additive Weighting. Hasil membahas bagaimana cara pemilihan office
boy terbaik dengan menggunakan metode kualitas keputusan. Sistem pendukung

Simple Additive Weighting (SAW). keputusan juga merupakan sistem informasi
Tujuan ini dilakukan berdasarkan berbasis komputer untuk manajemen
perumusan masalah diatas tujuan pengambilan keputusan yang menangani
penelitian ini ditujukan untuk pemilihan masalah-masalah semi struktur‖.
office boy terbaik dengan menggunakan Dengan pengertian diatas, dapat diambil
metode Simple Additive Weighhting suatu kesimpulan bahwa sistem pendukung
(SAW) agar hasil yang dicapai tepat dan keputusan bukan merupakan alat pengambilan
maksimal. keputusan, melainkan merupakan sistem yang
Batasan masalah yang digunakan dalam membantu pengambil keputusan dengan
tugas penelitian ini adalah : melengkapi mereka dengan informasi dari
a. Membantu pengambilan keputusan untuk data yang telah diolah dengan relevan dan
ketepatan pemilihan office boy terbaik. diperlukan untuk membuat keputusan tentang
b. Representasi pengetahuan menggunakan suatu masalah dengan lebih cepat dan akurat.
metode SAW (Simple Additive Sehingga sistem ini tidak dimaksudkan untuk
Weighting). menggantikan pengambilan keputusan dalam
proses pembuatan keputusan. Sedangkan
II. TINJAUAN PUSTAKA Alter (2002) mengatakan : Sistem pendukung
1.2 Sistem Pendukung Keputusan keputusan merupakan sistem informasi
Sistem Pendukung Keputusan (SPK) atau interaktif yang menyediakan informasi,
Decision Support System (DSS) adalah pemodelan dan pemanipulasian data. Sistem
sebuah sistem yang mampu memberikan itu digunakan untuk membantu pengambilan
kemampuan pemecahan masalah maupun keputusan dalam situasi yang semi terstruktur
kemampuan pengkomunikasian untuk masalah dan situasi yang tidak terstruktur, dimana tak
dengan kondisi semi terstruktur dan tak seorang pun tahu secara pasti bagaimana
terstruktur. Sistem ini digunakan untuk keputusan itu seharusnya dibuat.
membantu pengambilan keputusan dalam Adapun cirri-ciri sebuah SPK seperti yang
situasi semi terstruktur dan situasi yang tidak dirumuskan oleh Alters Keen adalah sebagai
terstruktur, dimana tak seorangpun tahu secara berikut :
pasti bagaimana keputusan seharusnya dibuat. 1. SPK ditujukan untuk membantu
SPK ini bertujuan untuk menyediakan pengambilan keputusan-keputusan
informasi, membimbing, memberikan prediksi yang kurang terstruktur dan
serta mengarahkan kepada pengguna umumnya dihadapi oleh para
informasi agar dapat melakukan pengambilan manajer yang berada dipuncak.
keputusan dengan lebih baik. 2. SPK merupakan gabungan antara
Suryadi dan Ramdhani (1998) kumpulan model kualitatif dan
mengatakan : Pada dasarnya pengambilan kumpulan data.
keputusan adalah suatu pendekatan sistematis 3. SPK memiliki fasilitas interaktif
suatu masalah dengan pengumpulan fakta, yang dapat mempermudah hubungan
penentuan yang matang dari alternatif yang antara manusia dengan komputer.
dihadapi dan pengambilan tindakan yang 4. SPK bersifat luwes dan `dapat
paling tepat. Pada sisi lain, pembuatan menyesuaikan denngan perubahan-
keputusan kerap kali dihadapkan pada perubahan yang terjadi.
kerumitan dan lingkup pengambilan
keputusan dengan data yang begitu banyak. 1.3 Simple Additive Weighting (SAW)
Untuk kepentingan ini,sebagian pembuat Metode SAW (Simple Additive
keputusan dengan mempertimbangkan rasio Weighting) sering juga dikenal dengan istilah
manfaat/biaya, dihadapkan pada suatu metode penjumlahan terbobot. Konsep dasar
keharusan untuk mengandalkan seperangkat metode SAW adalah mencari penjumlahan
sistem yang mampu memecahkan masalah terbobot dari rating kinerja pada setiap
secara efisien dan efektif,yang kemudian alternatif pada semua atribut. Metode SAW
disebut Sistem Penunjang Keputusan (SPK). membutuhkan proses normalisasi matriks
Disisi lain Keen dan Scoot Morton, keputusan (X) ke suatu skala yang dapat
(1968) mengatakan : Sistem pendukung diperbandingkan dengan semua rating
keputusan merupakan ―penggabungan alternatif yang ada.(Sri Kusumadewi,2006 :
sumber-sumber kecerdasan individu dengan 74). Untuk mengetahui rumus dari metode
kemampuan komponen untuk memperbaiki SAW (Simple Additive Weighting),yaitu :
188
= 1.4 Metode Pengumpulan Data

Metode pengumpulan data yang digunakan
dalam menyusun penelitian ini,yaitu :
1. Observasi
Metode yang digunakan untuk
(1) memperoleh data dengan cara
Keterangan : mengadakan pengamatan terhadap objek
rij : Nilai rating kinerja ternormalisasi penelitian dan pencatatan secara
Xij : Nilai atribut yang dimilliki dari sistematis terhadap suatu gagasan yang
setiap kriteria diselidiki. Kegiatan yang dilakukan
Max Xij : Nilai terbesar dari setiap kriteria adalah mengamati dan menilai para
Min Xij : Nilai terkecil dari setiap kriteria office boy berdasarkan kriteria yang
Benefit : Jika nilai terbesar adalah terbaik dibutuhkan.
Cost : Jika nilai terkecil adalah terbaik 2. Studi Pustaka (Library Research
Dimana rij adalah rating kinerja Method)
ternormalisasi dari alternatif Ai pada atribut Studi Pustaka yaitu merupakan metode
Cj; i=1,2,…,m dan j=1,2,…,n. Nilai preferensi pengumpulan data yang dilakukan
untuk setiap alternatif (Vi) diberikan sebagai : dengan mencari, membaca, dan
mengumpulkan dokumen-dokumen
Vi = (2) sebagai referensi, seperti buku, artikel,
Keterangan : dan literatur-literatur yang berhubungan
Vi : ranking untuk setiap alternatif dengan objek penelitian.
wij : Nilai bobot dari setiap kriteria 1.5 Metodologi Penelitian
rij : Nilai rating kinerja ternormalisasi Pada penelitian ini membahas tentang
melakukan penelitian terhadap office
boy,dengan membuat analisis sistem
pendukung keputusan dalam melakukan
pemilihan office boy terbaik di bank BRI
Pematangsiantar.Dalam penelitian ini
menggunakan metode Simple Additive
Weighting (SAW) dalam proses
perhitungannya dalam menyeleksi para office
boy dan mendapatkan hasil office boy
terbaik.Metode SAW (Simple Additive
Weighting) sering juga dikenal sebagai
metode penjumlahan terbobot.Konsep dasar
metode SAW (Simple Additive Weighting)
adalahmencari penjumlahan terbobot dari
Gambar 5. Flowchart Metode SAW rating kinerja pada setiap alternatif pada
semua atribut.
Metode SAW (Simple Additive
 Kelebihan Metode SAW
Weighting) membutuhkan proses normalisasi
Kelebihan dari model Simple Additive
keputusan ke suatu skala yang dapat
Weighting (SAW) dibandingkan dengan
diperbandingkan dengan semua rating
model pengambilan keputusan yang lain
alternatif yang ada.Pada metode SAW (Simple
terletak pada kemampuannya untuk
Additive Weighting) ini juga terdapat dua
melakukan penilaian secara lebih tepat
model persamaan,yaitu benefit dan
karena didasarkan pada nilai kriteria dan
cost.Penggunaan perhitungan persamaan
bobot preferensi yang sudah
benefit pada saat atribut diambil dari nilai
ditentukan,selain itu SAW juga dapat
yang tertinggi,sedangkan cost digunakan
menyeleksi alternatif terbaik dari sejumlah
dalam perhitungan yang nilainya diambil dari
alternatif yang ada karena adanya proses
yang terendah.
perankingan setelah menentukan nilai
(http://mahasiswa.dinus.ac.id/docs/skripsi/jurn
bobot untuk setiap atribut.
al/13832.pdf)
 Kekurang Metode SAW
-Harus menentukan bobot pada setiap atribut
III. PEMBAHASAN
-Harus membuat matriks keputusan
189
Pada tahap ini akan dilakukan pengujian

terhadap sistem yang dibangun dengan 2.Langkah kedua menetukan rating
menggunakan metode SAW (Simple Additive kecocokan.
Weighting) yang digunakan untuk pengolahan Tabel rating kecocokan dari setiap alternatif
data pemilihan office boy terbaik. pada setiap kriteria.
Terdapat 8 oranng office boy yang menjadi Tabel 2. Alternatif
kandidat (alternatif) tersebut, yaitu: Alternatif C1 C2 C3 C4 C5
A1 : Leni Chaniago A1 4 4 4 5 5
A2 : M.Rury Yolanda A2 5 4 4 5 5
A3 : Risky Nasution A3 3 4 3 4 4
A4 : Dwiki Darmawan A4 4 5 4 5 5
A5 : Parlindungan Nasution A5 4 4 3 3 3
A6 : Erwin Nasution A6 3 4 4 3 3
A7 : Refriadi A7 5 4 4 5 4
A8 : Dede Yusfar Hanafi A8 3 3 4 4 3
Kebutuhan sistem ini meliputi kebutuhan
data. Kebutuhan data,yaitu data-data yang 3.Langkah ketiga pembentukan matriks
diperlukan dalam penelitian ini yaitu antara keputusan dibentuk.
lain :
1) Data pribadi office boy di Bank BRI
yang nantinya akan menjadi
perhitungan.
2) Kriteria-kriteria yang telah ditentukan X=
sebelumnya.
3) Bobot untuk setiap kriteria yang telah
ditentukan.
Ada lima kriteria yang digunakan untuk
melakukan penilaian,yaitu : 4.Langkah keempat hitungan nilai
C1=Kedisiplinan : Sangat Baik normalisasi dari setiap alternatif dengan
C2=Tanggung Jawab : Baik rumus sebagai berikut :
C3=Jujur : Baik Proses normalisasi :
C4=Rajin : Cukup
R11 = = =0,8
C5=Penampilan rapi : Cukup
Pengambil keputusan memberikan bobot R21 = = =1
untuk setiap kriteria sebagai berikut:
C1=30% R31 = = =0,6
C2=20% R41 = = =0,8
C3=20%
C4=15% R51 = = =0,8
C5=15% R61 = = =0,6
Ada beberapa langkah untuk melakukan
perhitungan menentukan status penilaian R71 = = =1
office boy menggunakan metode SAW
(Simple Additive Weighting) sesuai contoh R81 = = =0,6
diatas,yaitu : R12 = = =0,8
1.Langkah pertama memberikan nilai dan
bobot untuk setiap alternatif pada setiap R22 = = =0,8
kriteria yang sudah ditentukan. R32 = = =0,8
R42 = = =1
Tabel 8. Nilai dan Bobot
Angka Bobot Keterangan R52 = = =0,8
80-100 5 Sangat baik R62 = = =0,8
60-79 4 Baik
40-59 3 Cukup R72 = = =0,8
20-39 2 Kurang baik R82 = = =0,6
0-19 1 Tidak baik
190
R13 = = =1 diberikan dengan menggunakan rumus

dengan perankingan sebagai berikut :
R23 = = =1 V1 = (0,30)(0,80) + (0,20)(0,80) +
R33 = = =0,75 (0,20)(1,00) + (0,15)(1,00) +
(0,15)(1,00) = 0,90
R43 = = =1 V2 = (0,30)(1,00) + (0,20)(0,80) +
(0,20)(1,00) + (0,15)(1,00) +
R53 = = =0,6
(0,15)(1,00) = 0,96
R63 = = =1 V3 = (0,30)(0,60) + (0,20)(0,80) +
(0,20)(0,75) + (0,15)(0,80) +
R73 = = =1 (0,15)(0,80) = 0,73
R83 = = =1 V4 = (0,30)(0,80) + (0,20)(1,00) +
(0,20)(1,00) + (0,15)(1,00) +
R14 = = =1 (0,15)(1,00) = 0,94
R24 = = =1 V5 = (0,30)(0,80) + (0,20)(0,80) +
(0,20)(0,60) + (0,15)(0,60) +
R34 = = =0,8 (0,15)(0,60) = 0,70
V6 = (0,30)(0,60) + (0,20)(0,80) +
R44 = = =1 (0,20)(1,00) + (0,15)(0,60) +
R54 = = =0,6 (0,15)(0,60) = 0,72
V7 = (0,30)(1,00) + (0,20)(0,80) +
R64 = = =0,6 (0,20)(1,00) + (0,15)(1,00) +
R74 = = =1 (0,15)(0,80) = 0,93
V8 = (0,30)(0,60) + (0,20)(0,60) +
R84 = = =0,8 (0,20)(1,00) + (0,15)(0,80) +
(0,15)(0,60) = 0,71
R15 = = =1
Hasil perankingan dapat kita lihat
R25 = = =1 sebagai berikut :
R35 = = =0,8
Tabel 9. Perankingan
R45 = = =1 Hasil
Alternatif
R55 = = =0,6 Perankingan
Leni Chaniago 0,90
R65 = = =0,6 M.Rury Yolanda 0,96
R75 = = =0,8 Risky Nasution 0,73
Dwiki Darmawan 0,94
R85 = = =0,6 Parlindungan Nasution 0,70
Kemudian hasil normalisasi dibuat dalam Erwin Nasution 0,72
matriks normalisasi : Refriadi 0,93
R= Dede Yusfar Hanafi 0,71
Diantara V1,V2,V3,V4,V5,V6,V7
dan V8 yang mendapatkan nilai
terbesar,yaitu :
1. V2 = M.Rury Yolanda
2. V4 = Dwiki Darmawan
3. V7 = Refriadi
Itu adalah 3 kandidat (alternatif) yang terpilih
5.Langkah kelima tentukan bobot menjadi office boy terbaik.
yang akan digunakan untuk proses Adapun contoh penelitian terdahulu dengan
perankingan : judul yang sama tetapi dengan metode yang
W = 0,30 0,20 0,20 0,15 0,15 berbeda. Judulnya juga tentang pemilihan
6.Langkah-langkah keenam pencarian office boy terbaik tapi dengan metode
perankingan atau nilai terbaik dengan TOPSIS.
memasukkan setiap kriteria yang 1) Pengertian Metode TOPSIS
TOPSIS adalah salah satu metode
191
pengambil keputusan multikriteria yang pemilihan office boy terbaik

pertama kali diperkenalkan oleh Yoon dan memberikan penilaian terbaik dalam
Hwang (1981).TOPSIS menggunakan prinsip proses pemilihan office boy sesuai
bahwa alternatif yang terpilih harus dengan nilai kriteria yang ditentukan.
mempunyai jarak terdekat dari solusi ideal Office boy dengan nilai perhitungan
positif dan terjauh dari solusi ideal negatif dari dengan metode Simple Additive
sudut pandang geometris dengan Weighting (SAW) tertinggi
menggunakan jarak Euclidean untuk merupakan office boy terbaik.
menentukan kedekatan relatif dari suatu 2) Metode Simple Additive Weighting
alternatif dengan solusi optimal.Solusi ideal (SAW) banyak digunakan untuk
positif didefinisikan sebagai jumlah dari menyelesaikan pengambilan
seluruh nilai terbaik dapat dicapai untuk setiap keputusan secara praktis dan tepat.
atribut,sedangkan solusi negatif ideal terdiri Hal ini disebabkan karena
dari seluruh nilai terburuk yang dicapai untuk metode
setiap atribut. TOPSIS mempertimbangkan pengerjaannya
keduanya, jarak terhadap solusi ideal positif sederhana,mudah dipahami,dan
dan jarak terhadap solusi ideal positif. juga memiliki kemampuan
Berdasarkan perbandingan terhadap jarak mengukur kinerja dari alternatif-
relatifnya, susunan prioritas alternatif bisa alternatif keputusan.
dicapai. Metode ini banyak digunakan untuk 3) Dari penelitian terdahulu juga dapat
menyelesaikan pengambilan keputusan. Hal disimpulkan akan perbedaannya,yaitu
ini disebabkan konsepnya sederhana, mudah seperti akan cara penghitungannya
dipahami, komputasinya efisien, dan memiliki yang berbeda dan juga cara
kemampuan mengukur kinerja relatif dari menentukan alternatif-alternatifnya .
alternatif-alternatif keputusan.
Langkah-langkah metode TOPSIS, yaitu: PUSTAKA
- Membangun normalized decision matrix [1] Hermanto, 2015, ―Sistem Pendukung
- Membangun weighted normalized Keputusan Menggunakan metode
decision matrix SAW untuk menentukan Jurusan
- Menentukan solusi ideal positif dan pada SMK Bakti Purwokerto‖
solusi ideal negatif
- Menghitung separasi [2] Roecksintain.R, 2014, ―Sistem
- Menghitung kedekatan relatif terhadap Pendukung Keputusan Penerimaan
solusi ideal Siswa Baru SMU Negeri 1
- Meranking alternatif Cikampek‖
Metode ini dipilih karena mampu memilih [3] Rustiawan.A.H ,dkk.(2012). ―Sistem
alternatif terbaik dari sejumlah Pendukung Keputusan Penyeleksian
alternatif,dalam hal ini alternatif yang Calon Siswa Baru Di SMA
dimaksud adalah office boy terbaik Negeri 3 Garut‖
berdasarkan kriteria-kriteria yang ditentukan.
Hasil dari proses pengimplementasian metode [4] Khaidir.A,2015,‖Sistem Pendukung
dan TOPSIS dapat mengurutkan alternatif dari Keputusan Penyeleksian Calon
nilai yang terbesar ke nilai yang terkecil. Siswa Baru Di Sma Negeri 1
TOPSIS memberikan sebuah solusi dari Badar Dengan Metode‖,http://pelita-
sejumlah alternatif yang mungkin dengan cara informatika.com/index.php?xlink=ho
membandingkan setiap alternatif dengan me.php &modul=Lihat&id=365 ,
alternatif terbaik dan alternatif terburuk yang
ada diantara alternatif-alternatif masalah. [5] Suryadi, K. dan M.Ali
Ramdhani.(1998). ―Sistem
IV. KESIMPULAN Pendukung Keputusan‖. Bandung,
Berdasarkan hasil analisis yang dilakukan PT Remaja Rosdakarya
untuk analisis sistem pendukung keputusan
pemilihan office boy terbaik dengan metode [6] Pardani,2015, ―Sistem Pendukung
Simple Additive Weighting (SAW) Keputusan Penerimaan Siswa Baru
disimpulkan bahwa : Dengan Metode Simple Additive
1) Sistem pendukung keputusan Weighting (SAW)‖
192
[7] Ilhamsyah,2015, ―Sistem Pendukung Additive Weighting‖

Keputusan Untuk Menyeleksi Calon
Siswa Sekolah Menengah Kejuruan [9] Wedhasmara.A, 2015,―Sistem
(Smk) Dwi Tunggal Tanjung Pendukung Keputusan Pemilihan
Morawa Menggunakan Model Multi- Pembelian Kendaraan Bermotor
Attribute Decission Making (Madm) Dengan Metode SAW ―
Dengan Metode Simple Additive
Weighting (SAW) [10] Kusrini.(2007). ―Konsep dan
Aplikasi Sistem Pendukung
[8] Setiaji.P, 2015, ―Sistem Pendukung Keputusan‖, Andi Offset, Yogyakarta
Keputusan Dengan Metode Simple
193
SIMULASI BELAJAR TIK SMP BERBASIS ANDROID
M. Diarmansyah Batubara1, Oloan Sihombing2, Delima Sitanggang3

1
Indonesia
Telp. (061) 4578870
2
Jurusan Sistem Informasi, Fakultas Teknologi dan Ilmu Komputer, Universitas Prima
Indonesia
diarmansyahbatubara@unprimdn.ac.id, oloansihombing007@gmail.com,
Delimasitanggangunprimdn.ac.id
ABSTRAK
Dalam kehidupan sehari-hari, teknologi informasi dan komunikasi dapat dimanfaatkan untuk
merevitalisasi proses belajar yang pada akhirnya dapat mengadaptasikan peserta didik dengan
lingkungan dan dunia kerja. Mata pelajaran Teknologi Informasi dan Komunikasi diajarkan
sebagai salah satu mata pelajaran Keterampilan yang pelaksanaannya dapat dilakukan secara
terpisah atau bersama-sama dengan mata pelajaran keterampilan lainnya. Alokasi waktu
pembelajarannya secara keseluruhan untuk jenjang SMP/MTs adalah 72 jam pelajaran untuk
selama 3 tahun, atau ekivalen dengan 2 jam pelajaran per minggu untuk waktu 1 tahun jika
mata pelajaran ini dibelajarkan secara terpisah dan mandiri.Media belajar TIK yang ada saat
ini terdiri dari beberapa bentuk diantaranya dalam bentuk Bukupelajaran, e-learning, dan
aplikasi yang berbasis smartphone. Olehkarenaitupeneliti tertarik untuk membuat suatu model
belajar yang berbasis mobile dengan menggunakan media Smartphone. Hal ini dikarenakan
dengan semakin berkembangnya teknologi smartphone belakangan ini, pengguna dapat
menjalankan aplikasi kapanpun dan dimanapun, karena aplikasi yang diinginkan dapat
langsung ter-install sendiri tanpa harus menggunakan sambungan internet untuk dapat
menjalankannya.
Kata Kunci :TIK ,Android , Smartphone .
1. PENDAHULUAN waktu, keempat, penyampaian materi dengan

Di SMPN 13 Medan setiap pembelajaran menggunakan OHP cukup membantu guru
di ruang komputer materi disampaikan dengan dalam menjelaskan materi tetapi itu juga
cara membagi dua kelompok siswa, hal ini belum maksimal karena sifat penyampaian
dilakukan karena sarana komputer yang tidak yang berbentuk gambar-gambar perintah yang
cukup untuk seluruh siswa yang berjumlah 36 terbatas sehingga penyampian materi kurang
siswa sementara komputer yang ada berkisar jelas, kelima siswa selalu lupa materi
18 unit dan itupun terkadang sering terjadi pelajaran (teori, perintah, gambar dan cara-
kemacetan saat sedang digunakan. Karena cara melakukan) seperti dikemukakan Rudi
alasan tertentu juga pembelajaran komputer dan Cepi ―OHP (Overhead Projector) adalah
diberikan secara klasikal, artinya seluruh media yang digunakan untuk memproyeksikan
siswa dalam sekelas belajar sekaligus program-program transparansi pada sebuah
sehingga siswa menggunakan satu unit layar, keenam karena siswa dibagi dalam dua
komputer berdua. kelompok maka menerangkan materi
Kondisi pembelajaran seperti itu pelajaran menjadi dua kali juga dan itu secara
menimbulkan beberapa permasalahan, psikologis memberikan pengaruh kepada
pertama, siswa belajar haya satu jam pelajaran pengajar, ketujuh hasil pembelajaran sangat
untuk setiap kelompok sehingga pengerjaan kurang memuaskan karena dari pengamatan
latihan dibutuhkan beberapa kali pertemuan siswa yang benar-benar dapat mengerjakan
dan terbatasnya kesempatan untuk siswa soal-soal latihan dengan benar berkisar
mengembangkan kreatifitasnya, kedua, karena dibawah 20% (7 orang) dari 36 siswa.
ruang menjadi sempit oleh meja dan komputer Atas dasar kenyataan inilah, maka perlu
maka jika ada siswa yang bertanya terasa sulit dicari alternatif lainnya dengan melakukan
untuk dihampiri terlebih jika satu kelas masuk inovasi dan pendekatan, baik itu dalam
secara bersamaan, ketiga, hasil belajar pada penggunaan media ataupun metode
penyampaian sehingga proses pembelajaran
194
setiap pengerjaan latihan tidak tercapai tepat
dapat berlangsung aktif, efektif, dan Rumusan masalah dalam penelitian ini
menyenangkan. adalah sebagai berikut :
Penelitian ini akan difokuskan pada 1. Bagaimana merancang aplikasi belajar
upaya untuk mengatasi faktor internal yang TIK SMP dengan Android?
diduga menjadi penyebab rendahnya tingkat 2. Bagaimana menempatkan konsep teori
kemampuan dan kreatifitas siswa di SMP dan praktek pada mata pelajaran TIK
Negeri 13 Medan, dalam mempraktek latihan pada android ?
kerja siswa, yaitu kurangnya inovasi dan
kreativitas guru dalam menggunakan Agar dalam pembahasan permasalahan
pendekatan pembelajaran sehingga kegiatan tidak menyimpang dari tujuan penelitian,
pembelajaran berlangsung monoton dan maka perlu dibuat batasan masalah sebagai
membosankan. Salah satu pendekatan berikut :
pembelajaran yang diduga mampu 1. Materi belajar TIK diambil dari kelas
mewujudkan situasi pembelajaran yang VIII SMP T.P. 2017/2018.
kondusif; aktif, kreatif, efektif, dan
menyenangkan. 2. Perancangan aplikasi ini
Menurut Sumiati dan Asra (2008:63) menggunakkan bahasa pemograman
Pada pembelajaran yang kegiatannya semata- Java dengan menggunakkan editor
mata berpusat pada siswa, siswa Eclipsedan dapat digunakkan pada
merencanakan sendiri materi pembelajaran sistem operasi Androidminimal
apa yang akan dipelajari, dan melaksanakan Android4.4 (Kit Kat).
proses belajar dalam mempelajari materi
pembelajaran tersebut. Adapun tujuan dari penelitian ini
Media pembelajaran TIK yang ada saat adalah sebagai berikut :
ini terdiri dari beberapa bentuk diantaranya 1. Merancang aplikasi belajar TIK SMP.
dalam bentuk Bukupelajaran, e-learning, dan 2. Membangun suatu aplikasi yang sangat
aplikasi yang berbasis smartphone. Buku bermanfaat untuk diterapkan oleh mata
pelajaran memiliki keterbatasan yaitu hanya pelajaran lainnya.
dapat menampilkan informasi berupa teks dan 3. Memberikan pemahaman bahwa fungsi
gambar, mudah rusak jika terkena air, serta smartphone bukan hanya sebagai
menyulitkan untuk dibawa kemana mana media permainan (game) melainkan
karena memerlukan ruang penyimpanan yang dapat digunakan untuk media
besar. Selain buku, ada juga dalam bentuk e- pembelajaran (education).
learning dimana untuk mengaksesnya
memerlukan Personal Computer (PC) dan Sedangkan manfaat dari penelitian ini
jaringan internet. Dan ada jugamedia adalah (dibuat paragraph)
pembelajaran yang berbasis mobile yanghanya 1. Untuk memperoleh rancangan suatu
memerlukan sebuah smartphone dengan aplikasi yang efektif dan efisien.
Operating System (OS) Android untuk
menjalankannya. 2. Penerapan ilmu yang telah didapatkan
Berdasarkan uraian diatas, peneliti selama diperkuliahan dalam bentuk
tertarik untuk membuat suatu simulasi belajar aplikasi yang dapat digunakan sehari
yang berbasis android dengan menggunakan hari.
media Smartphone. Hal ini dikarenakan 3. Sebagai bahan studi perbandingan yang
dengan semakin berkembangnya teknologi dapat digunakan sebagai bahan
smartphone belakangan ini, pengguna dapat penelitian.
menjalankan aplikasi kapanpun dan 4. Untuk mengevaluasi kembali mengenai
dimanapun, karena aplikasi yang diinginkan materi perkuliahan yang layak
dapat langsung ter-install sendiri tanpa harus diberikan kepada mahasiswa.
menggunakan sambungan internet untuk dapat 5. Mengefisiensi penggunaan buku buku
menjalankannya. Oleh sebab itu maka peneliti pelajaran.
akan merancang sebuah aplikasi pembelajaran 6. Membantu dalam menguasai pelajaran
yang berjudul Simulasi Belajar TIK SMP terutama dalam bidang TIK.
Berbasis Android (Studi Kasus: SMP Negeri
13 Medan) ”.
195
2. Metodologi 2. Android Versi 1.5 (Cupcake)

2.1 Pengertian Aplikasi 3. Android Versi 1.6 (Donut)
Aplikasi dapat dikatakan suatu perangkat 4. Android Versi 2.0 / 2.1 (Eclair)
lunak yang siap pakai dengan menjalankan 5. Android Versi 2.2 (Frozen Yoghurt)
intruksi-intruksi dari user atau pengguna, 6. Android Versi 2.3 (Gingerbread)
aplikasi banyak diciptakan guna membantu 7. Android Versi 3.0 / 3.1 (Honeycomb)
berbagai keperluan seperti untuk laporan, 8. Android Versi 4.0 (Ice Cream
percetakan dan lain-lain. Sedangkan istilah Sandwich)
aplikasi berasal dari bahasa Inggris 9. AndroidVersi 4.1 (Jelly Bean)
―application‖ yang berarti penerapan, lamaran 10. Android Versi 4.4 (KitKat)
ataupun penggunaan.
Belajar merupakan aktivitas manusia 2.4 Pemograman Java
untuk mendapatkan perubahan dalam dirinya. Java adalah bahasa pemrograman
Belajar dapat dilakukan dengan berlatih atau berorientasi objek murni yang dibuat
mencari pengalaman baru. Dengan demikian, berdasarkan kemampuan-kemampuan terbaik
belajar dapat membawa perubahan bagi diri bahasa pemrograman objek sebelumnya (C++,
seseorang baik dalam pengetahuan, sikap, Ada, Simula). Java diciptakan oleh James
maupun keterampilan. Gosling, developer dari SunMicrosistems pada
Kegiatan Pembelajaran adalah suatu tahun 1991. Saat Java diciptakan, dipimpin
proses yang mengandung serangkaian oleh James Gosling. bahasa pemrograman
kegiatan guru dan siswa atas dasar hubungan java tercipta berawal dari sebuah perusahaan
timbal balik yang berlangsung dalam situasi Sun Microsistem yang ingin membuat sebuah
edukatif untuk mencapai tujuan tertentu. bahasa pemrograman yang bisa berjalan di
berbagai perangkat tanpa harus terikat oleh
2.2 Metode Mobile Learning platform, sehingga Java ini bersifat portable
Istilah mobile learning (m-Learning) dan platform independent (tidak tergantung
mengacu kepada penggunaan perangkat/divais mesin atau sistem operasi).
teknologi informasi (TI) genggam dan Java memiliki 3 (tiga) edisi untuk
bergerak, seperti PDA, telepon genggam, mencakup semua kebutuhan tersebut, menjadi
Laptop dan tablet PC, dalam pengajaran dan :
pembelajaran. Mobile Learning (m-Learning) 1. J2ME (Java 2 Micro Edition)
merupakan bagian dari electroniclearning (e- 2. J2SE (Java 2 Standart Edition)
Learning) sehingga, dengan sendirinya, juga 3. J2EE (Java 2 Enterprise Edition)
merupakan bagian dari distance learning (d-
Learning).
Beberapa kemampuan penting yang
harus disediakan oleh perangkat pembelajaran
m-Learning adalah adanya kemampuan untuk
terkoneksi ke peralatan lain (terutama
komputer), kemampuan menyajikan informasi
pembelajaran dan kemampuan untuk
merealisasikan komunikasi bilateral antara
pengajar dan
2.3 Android
Android merupakan sistem operasi Linux Gambar 1. Cara Kerja Java
yang dirancang untuk perangkat seluler layar Sumber ( ….)
sentuh seperti telepon dan komputer tablet. Eclipse IDE
Android menyediakan platform terbuka bagi Eclipse adalah sebuah IDE
para pengembang untuk menciptakan aplikasi (Integrated Development Environment) yang
‖(Suprianto&Agustina, 2012:9)‖. berfungsi untuk mengembangkan perangkat
lunak dan dapat dijalankan di semua platform
Versi Android (platform-independent). Eclipse merupakan
Android memiliki sejumlah sebuah software yang dapat digunakan untuk
pembaharuan semenjak rilis aslinya. Berikut membuat sebuah pemrograman Android
merupakan versi – versi yang dimiliki android dimana di dalamnya dapat dimasuki oleh
sampai saat ini. Software Development Kit (SDK) dari
1. AndroidVersi 1.1 Android tersebut.
196
2.5 Analisa Berikut adalah activity diagaram pada

Analisa yang dimaksud disini adalah simulasi belajar TIK :
bagaimana cara memberikan suatu media
pembelajaran yang menarik dan tidak
membosankan kepada seluruh masyarakat,
terutama anak – anak dengan cara
memanfaatkan perkembangan teknologi saat
ini. Dimana pada saat ini kebanyakan anak –
anak lebih memilih bermain dari pada untuk
belajar, sehingga minimnya ilmu pengetahuan
yang dimengerti oleh anak – anak zaman
sekarang. Maka dari itu, peneliti ingin
mencoba merancang aplikasi android untuk
belajar TIK SMP, yang dapat membantu siswa
untuk memperoleh ilmu pengetahuan.
2.6 Perancangan
Pada bab ini akan dijelaskan mengenai
perancangan layout yang ada pada aplikasi
berserta dengan prosesnya. Perancangan
terbagi menjadi 3 bagian, yaitu perancangan Gambar 3.Activity Diagram Materi
UML, flowchart dan perancangan interface.
Class Diagram
2.7 Perancangan UML Class diagram dirancang untuk
Peneliti menggunakan UML untuk menentukan objek – objek yang dibutuhkan
mendesain dan merancang Aplikasi untuk perancangan aplikasi. Setiap kelas
Pembelajaran Pecahan. UML yang digunakan memiliki attributes dan methods masing –
adalah use case diagram, activity diagram dan masing sesuai dengan kebutuhan kelas
class diagram. tersebut. Dengan adanya class diagram,
perancangan aplikasi jelas berbasis Android.
Use Case Diagram
Untuk mengetahui aktor dan use case
yang akan digunakan, maka dilakukan
identifikasi use case. Setelah mendapatkan
aktor dan use case maka diagram use case
dapat digambarkan.
Gambar 4.Class Diagram Aplikasi
Sequence Diagram
Sequence diagram merupakan suatu
diagram yang memperlihatkan atau
menampilkan interaksi antar objek di dalam
Gambar 2.Use Case DiagramSimulasi sistem yang disusun pada sebuah urutan atau
Belajar TIK SMP rangkaian waktu. Interaksi antar objek
tersebut termasuk pengguna, display, dan
Activity Diagram sebagainya berupa pesan / message. Berikut
Activity diagram dirancang untuk adalah sequence diagram pada Simulasi
menggambarkan berbagai alir aktivitas dalam belajar TIK :
aplikasi yang sedang dirancang, bagaimana
masing – masing alir berawal hingga berakhir.
197
Gambar 7.Layout Materi atau Praktek

Gambar 5.Sequence Diagram Aplikasi
belajar TIK SMP Kebutuhan Perangkat Lunak
Adapun kebutuhan aplikasi yang
Perancangan Visual digunakan dalam perancangan dan
Tampilan visual di dalam aplikasi ini implementasi dari simulasi belajar tik smp
dibagi menjadi beberapa interface. Rancangan berbasis android ini antara lain:
tersebut adalah sebagai berikut:
1. Hardware yang digunakan pada
komputer, antara lain :
1. LayoutTampilan Menu Utama 1.Processor minimal Intel Core i3 2.3
Sebagai menu utama pada aplikasi Ghz,
dimana pada layout ini terdapat standar 2.RAM minimal 4 GB
kompetensi belajar TIK SMP. Berikut 3.Hardisk minimal 500GB
adalah tampilan desain pada layout 4.Monitor
menu : 5.Keyboard dan Mouse
2. Hardware dan software yang

digunakan pada smartphone, antara
lain :
1. CPU Cortex A9 1 GHz
2. RAM 512 MB
3. Display 4‖ WVGA (480 x 800)
4. OS 4.1Jelly Bean
Perangkat Lunak / Software yang digunakan

dalam perancangan aplikasi Pembelajaran
Pecahan adalah sebagai berikut :
Gambar 6.Layout Menu Utama 1.Sistem Operasi Windows 7
2.Eclipse Juno
2. LayoutMateri 3.Paint Windows 7
Perancangan Materi terdapat teoritis 4.JDK (Java Development Kit) Versi
atau materi praktek dapat digambarkan pada 1,7
Gambar dibawah ini.
Perangkat Keras / Hardware yang
disarankan untuk menjalankan aplikasi
Pembelajaran Pecahan inidengan spesifikasi
smartphone yang disarankan adalah sebagai
berikut :
1.Processor minimal 800MHz
2.RAM minimal 512MB
198
3.Display minimal 5,3‖ WVGA (480 x 4. KESIMPULAN DAN SARAN

800) Kesimpulan
Adapun kesimpulan yang dapat
Adapun Perangkat Lunak / Software diperoleh dalam penelitian ini adalah sebagai
yang disarankan untuk menjalankan aplikasi berikut :
Pembelajaran Pecahan iniyaitu minimal sistem 1. Pada simulasi belajar TIK SMP
operasi Android2.3 (Gingerbread). berbasis android ini menggunakan
perangkat lunak Eclipse IDEdengan
bahasa pemrograman Javadan dapat
Implementasi
dijalankan pada smartphone berbasis
Adapun petunjuk umum dalam
Android.
pengoperasian simulasi belajar TIK SMP
berbasis android adalah sebagai berikut : 2. Materi teori atau praktek mata
1. MenuUtama pelajaran TIK SMP yang dijadikan apk
Tampilan menu utama pada aplikasi ini dapat digunakan disekolah, dirumah,
berisi content-contentbelajar TIK kapanpun dimanapun dengan perangkat
seperti Standar Kompetensi materi handphone yang berbasis android.
SMP.
Saran
Adapun saran yang akan diusulkan
untuk meningkatkan kualitas dari program
tersebut dalam mencapai tingkat yang
sempurna adalah sebagai berikut :
1. Aplikasi pembelajaran ini akan lebih
baik jika dilengkapi diseluruh mata
pelajaran yang ada di SMP.
2. Tampilan dari aplikasi ini masih sangat
sederhana,diharapkan tindak lanjut
dalam pengembangannya dapat
memperindah tampilan setiap materi
yang ada, sehingga dapat membuat
aplikasi ini menjadi lebih menarik dan
dapat meningkatkan minat belajar dari
pengguna aplikasi ini.
Gambar 8.MenuUtama
5. DAFTAR PUSTAKA
2. Tampilan Listmateri
Untuk menampilkan materi teori dan [1] SUPRIANTI DAN AGUSTINA,
praktek belajar tik tingkat SMP. Pemrograman Aplikasi Android,
MediaKom, 2012.
[2] SATYAPUTRA DAN ARITONANG,
Java For Beginners With Eclipse 4.2
Juno, PT Elex Media Komputindo,
2012.
[3] SAFAAT, Aplikasi Berbasis Android,
Informatika Bandung, 2013.
[4] Dodit Suprianti dan Rini Agustina,
S.Kom, M.Pd, Pemrograman Aplikasi
Android, MediaKom, 2012.
[5] Alfa Satyaputra, M.Sc dan Eva
Maulina Aritonang, S.Kom, Java For
Beginners With Eclipse 4.2 Juno, PT
Elex Media Komputindo, 2012.
Gambar 9.Tampilan List materi
199
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN

DENGAN METODE TOPSIS
M. Turnip, E, Indra, M. N. K. Nababan, Y. Laia, Kelvin, A. M. Simarmata

Indonesia
Telp. (061) 4578870
marditurnip@unprimdn.ac.id, kelvinvinz19@gmail.com
ABSTRAK
Salah satu faktor terpenting untuk menentukan kemajuan suatu perusahaan dapat dilihat dari
sumber daya manusianya. Proses pengangkatan karyawan tetap di PT. Kemilau Inti Sawit
Sejahtera masih dilakukan secara konvensional, sehingga membutuhkan waktu yang lama
untuk pengambilan keputusannya. Hal tersebut juga memungkinkan terjadinya penilaian
secara subjectif. Untuk mempermudah dalam pengambilan keputusan dapat menggunakan
Decision Support System (DSS). Dalam penelitian ini menggunakan metode AHP dan
Promethee. Kriteria yang digunakan dalam penelitian ini yaitu: umur, pendidikan, kehadiran,
pengalaman dan loyalitas. Penelitian ini bertujuan untuk mempermudah pengangkatan
karyawan tetap.
Kata Kunci : Konvensional, Subjectif, DSS, AHP, Promethee
1. Pendahuluan penyalahgunaan. Oleh karena itu, maka

Suatu badan usaha yang membutuhkan diperlukan penerapan sistem pendukung
tenaga kerja selain harus menetapkan keputusan untuk membantu pihak manajemen
kualifikasi para karyawan yang dibutuhkan perusahaan terutama bagian personalia dalam
juga harus menentukan darimana calon melakukan penyeleksian calon karyawan yang
karyawan tersebut harus direkrut, dengan kata akan bekerja pada perusahaan. Metode yang
lain harus ditetapkan terlebih dahulu calon digunakan dalam penelitian ini yaitu metode
karyawan sehingga dengan demikian dapat Analytical Hierarchy Process (AHP) dan
dipusatkan perhatian terhadap calon yang metode Preference Ranking Organization
bersangkutan. Proses pemilihan calon Methode for Enrichment Evaluation
karyawan dapat melalui proses percobaan (PROMETHEE).
langsung, dimana karyawan akan ditempatkan
untuk bekerja di perusahaan selama 3 bulan 2. Landasan Teori
untuk mengamati kinerja dari calon karyawan Sistem Pendukung Keputusan atau
tersebut. Apabila calon karyawan tersebut Decision Support System (DSS) merupakan
memenuhi kualifikasi yang ditentukan, maka sebuah sistem untuk mendukung para
calon karyawan tersebut akan diangkat pengambil keputusan manajerial dalam situasi
menjadi karyawan tetap. Jika tidak, maka keputusan semi terstruktur. DSS dimaksudkan
kontrak karyawan tersebut tidak akan untuk menjadi alat bantu bagi para pengambil
dilanjutkan lagi. Biasanya apabila perusahaan keputusan untuk memperluas kapabilitas
membutuhkan tenaga baru, maka karyawan- mereka, namun tidak untuk menggantikan
karyawan dari perusahaan itulah yang dipilih penilaian mereka ( Alit, P. 2012). Sistem
untuk memangku jabatan yang dibutuhkan Pendukung Keputusan adalah suatu sistem
tersebut. informasi berbasis komputer yang
PT. Kemilau Inti Sawit Sejahtera menghasilkan berbagai alternatif keputusan
merupakan salah satu perusahaan swasta yang untuk membantu manajemen dalam
bergerak di bidang perkebunan kelapa sawit. menangani berbagi permasalahan yang
Saat ini, perusahaan masih menggunakan terstruktur atau pun tidak terstruktur dengan
sistem penyeleksian berdasarkan hasil training menggunakan data dan model. Kata berbasis
selama tiga bulan untuk melakukan proses komputer merupakan kata kunci, karena
penyeleksian karyawan baru yang akan masuk hampir tidak mungkin membangun SPK tanpa
dan bekerja pada perusahaan. Penerapan memanfaatkan komputer sebagai alat bantu,
sistem tersebut dinilai kurang efektif dan terutama untuk menyimpan data serta
efisien karena proses penyeleksian tidak mengelola model (Menurut Litlle dalam
dilakukan secara objektif dan rentan terjadinya Kholilah, 2011:6).
200
Metode Analytical Hierarchy Process Membandingkan antar kriteria dalam bentuk

(AHP) yang dikembangkan awal tahun 1970- matriks perbandingan berpasangan dengan
an oleh Thomas L. Saaty, seorang ahli menggunakan skala kepentingan saaty untuk
matematika dari Universitas Pittsburg. AHP mendapatkan nilai eigen dan menguji
didesain untuk dapat memecahkan masalah konsistensi rasio perbandingan (CR) dengan
yang kompleks dimana aspek atau kriteria syarat konsistensi harus kecil dari 0.1 atau CR
yang diambil cukup banyak. Juga < 0.1. Sebelum menentukan perbandingan
kompleksitas ini disebabkan oleh struktur matriks berpasangan antar kriteria, terlebih
masalah yang belum jelas, ketidakpastian dahulu harus menentukan intensitas
tersediannya data statistik akurat bahkan tidak kepentingan masing-masing kriteria untuk
ada sama sekali. AHP digunakan dengan menghindari CR > 0.1 atau tidak konsisten.
tujuan untuk menyusun prioritas dari berbagai
alternatif dalam kelompok-kelompok tersebut Tabel 3. Matriks perbandingan berpasangan
yang diatur menjadi suatu bentuk hirarki menggunakan skala saaty.
(Suryadi & Ramdhani, 2000). Metode
Promethee adalah salah satu dari beberapa
metode yang termasuk MCDM yang berarti
penentuan urutan atau prioritas dalam analisis
multikriteria, yang diperkenalkan oleh J. P.
Brans pada tahun 1982 (Brans J.P, Marescal
B., 2005).
3. Pembahasan dan Hasil

Dalam penyelesaian metode AHP ada
beberapa langkah yang harus dilakukan
diantaranya yaitu Mendefinisikan masalah
dan menentukan kriteria– kriteria yang akan
dijadikan acuan dalam pengambilan Nilai perbandingan untuk dirinya sendiri
keputusan, seperti yang ditunjukkan pada bernilai 1 yang berarti intensitas
tabel 1. kepentingannya sama. Perbandingan K1 dan
Tabel 1. Kriteria. K2, K1 dan K4 bernilai 3 berdasarkan
ketentuan saaty bahwa K1 sedikit lebih
penting daripada K2. Maka perbandingan K2
dengan K1 adalah cerminan dari perbandingan
K1 dengan K2 yang berarti 1/3 = 0.33.
Perbandingan K1 dan K5 bernilai 4
berdasarkan ketentuan saaty bahwa K1
memiliki nilai pertimbangan yang berdekatan
dengan K5. Maka perbandingan K5 dengan
K1 adalah cerminan dari perbandingan K1
dengan K5 yang berarti 1/4 = 0.25.
Perbandingan K2 dan K3 bernilai 0.33
berdasarkan ketentuan saaty bahwa K3 sedikit
Tabel 2. Nilai bobot. lebih penting daripada K2. Maka
perbandingan K3 dengan K2 adalah cerminan
dari perbandingan K1 dengan K2 yang berarti
1/0.33 = 3. Perbandingan K2 dan K5 bernilai
2 berdasarkan ketentuan saaty bahwa K2
memiliki nilai pertimbangan yang berdekatan
dengan K5. Maka perbandingan K5 dengan
K2 adalah cerminan dari perbandingan K2
dengan K5 yang berarti 1/2 = 0.50.
Setelah mendapat nilai perbandingannya
maka, setiap nilai akan dibagi dengan hasil
penjumlahan kolomnya.
K1, K1 = 1 / 3.17
= 0.32
K1, K2 = 3 / 9
= 0.33
201
K1, K3 = 1/ 3.17 K3 = (1*0.31) + (3*0.12) + (1*0.31) +

= 0.32 (3*0.12) + (4*0.07) + (4*0.07)
K1, K4 = 3 / 9 = 1.89
= 0.33 Dengan cara yang sama, untuk setiap kriteria
K1, K5 = 4 / 14 akan menghasilkan nilai perbandingan seperti
= 0.29 Tabel 5 dibawah ini:
Dengan cara yang sama, untuk setiap kriteria
akan menghasilkan nilai perbandingan seperti Tabel 5. Nilai vektor jumlah tertimbang.
Tabel 4 dibawah ini:
Tabel 4. Nilai normalisasi matriks

perbandingan berpasangan.
Untuk menguji konsistensi maka dicari nilai

eigen terbesar dari matriks dengan
menjumlahkan hasil perkalian jumlah kolom
Untuk mendapatkan nilai eigen, jumlah baris atau VJT dengan eigen vectordengan
dibagi jumlah criteria: menggunakan rumus:
K1 = (0.32 + 0.33 + 0.32 + 0.33 + 0.29 + CI =
0.29) / 6 =(1.89 / 0.31) + (0.72 / 0.12) +
= 0.31 (1.89 / 0.31) + (0.72 / 0.12) + (0.41
K2 = (0.11 + 0.11 + 0.11 + 0.11 + 0.14 + / 0.07) + (0.41 / 0.07) / 6
0.14) / 6 = 36.22 / 6
= 0.12 = 6.04
K3 = (0.32 + 0.33 + 0.32 + 0.33 + 0.29 +
0.29) / 6 CI =
= 0.31 = 0.0073
K4 = (0.11 + 0.11 + 0.11 + 0.11 + 0.14 + Setelah mendapatkan nilai index
0.14) / 6 konsistensinya, maka selanjutnya mencari
= 0.12 nilai rasio konsistensinya (CR) dengan
K5 = (0.08 + 0.06 + 0.08 + 0.06 + 0.07 + membagiindeks konsistensinya (CI) dengan
0.07) / 6 indeks random konsistensinya (IR) yaitu:
= 0.07 CR =
K6 = (0.08 + 0.06 + 0.08 + 0.06 + 0.07 +
0.07) / 6 CR =
= 0.07 = 0.0059
Untuk menguji konsistensi maka dicari Vektor Syarat untuk konsistensi CR < 0.1 maka nilai
Jumlah Tertimbang (VJT) dengan mengalikan CR yang didapat dari perbandingan diatas
matriks perbandingan berpasangan dengan sudah konsisten.
vektor eigen yaitu, kalikan setiap nilai pada
cell pertama dengan vektor eigen elemen Tahap implementasi sistem merupakan
pertama, nilai pada cell kedua dengan vektor proses yang dilakukan setelah tahap
eigen kedua dan seterusnya. perancangan sistem selesai dilaksanakan.
K1 = (1*0.31) + (3*0.12) + (1*0.31) + Adapun tampilan halaman login dapat dilihat
(3*0.12) + (4*0.07) + (4*0.07) pada gambar 1 di bawah ini.
= 1.89
K2 = (0.33*0.31) + (1*0.12) +
(0.33*0.31) + (1*0.12) + (2*0.07) +
(2*0.07)
= 0.72
202
Gambar 1. Form login.

Halaman utama akan muncul setelah
login berhasil. Adapun tampilan halaman
utama dapat dilihat pada gambar 2 di bawah
ini. Gambar 4. Form data alternatif.
Form perhitungan ini merupakan halaman

berupa tabel untuk memproses nilai yang telah
dimasukkan sebelumnya. Adapun tampilan
halaman proses dapat dilihat pada gambar 5
berikut ini.
Gambar 2. Form menu utama.
Halaman data alternatif ini merupakan

halaman untuk mengelola data kriteria.
Adapun tampilan halaman input kriteria dapat
dilihat pada gambar 3 berikut ini.
Gambar 6. Form proses penilaian.
4. Kesimpulan
Adapun kesimpulan penelitian ini yaitu:
1. Sistem pendukung keputusan ini dapat
membantu dan mempermudah decision
maker untuk menentukan karyawan yang
layak diangkat menjadi karyawan tetap.
2. Sistem ini dapat membantu pihak HRD
Gambar 3. Form input criteria. dalam proses pengelolaan data karyawan
yang akan naik pangkat.
Halaman input data alternatif ini
merupakan halaman untuk mengelola data Daftar Pustaka
karyawan. Adapun tampilan halaman input 1. Turnip, M., Utami, F. H., and Aisyah, S.
data alternatif dapat dilihat pada gambar 4 2017. Sistem Pendukung Keputusan untuk
berikut ini: Menentukan Calon Penerima Beasiswa
Menggunakan Metode Weighted Product.
Prosiding Seminar Nasional Ilmu
Komputer. 14 September 2017, Medan,
Indonesia. Hal. 175-179.
2. Asmara, O. A. 2013. Sistem Pendukung
Keputusan Penerimaan Karyawan Pada
Saudara Group Semarang Menggunakan
Metode Promethee.
203
http://eprints.dinus.ac.id/4938/. Diakses siagian-14875.html. Diakses tanggal 11

tanggal 11 april 2018. April 2018.
3. Heri Anggiat Tambunan. 2014. Sistem 10. Siregar, Delisma. 2013. Analisa Ekonomis
Pendukung Keputusan Pemilihan Siswa dalam Pemilihan Subkontraktor dan
Berprestasi dengan Metode Electre. Jurnal Supplier oleh Kontraktor Utama pada
Teknik Industri. 8(1): 130-135. Pelaksanaan Proyek-Proyek Bangunan
4. Kusrini. 2007. Konsep dan Aplikasi Sistem Gedung di Medan. Jurnal Eksis. 1(3).
Pendukung Keputusan. Andi Offest. 11. Miftakhudin & Yamasari, Y. 2017. Sistem
Yogyakarta. Pendukung Keputusan Penanganan
5. Lemantara, J., Setiawan, N. A., & Aji, M. Permintaan Menggunakan Metode AHP
N. 2013. Rancang Bangun Sistem pada PT. Cross Network Indonesia
Pendukung Keputusan Pemilihan Berbasis Dekstop. Jurnal Manajemen
Mahasiswa Berprestasi Menggunakan Informasi. 7(2): 89-93.
Metode AHP dan Promethee. JNTETI. 12. Suryadi, K, Ramdhani, M.A. 2000. Sistem
2(4). Pendukung Keputusan: Suatu Wacana
6. Mahendra, J.B, Rosa, P.H.P. 2011. Sistem Struktural Idealisasi dan Implementasi
Pendukung Keputusan Pemilihan Metode Konsep Pengambilan Keputusan. Rosda.
Kontrasepsi. Seminar Nasional Aplikasi Bandung.
Teknologi Informasi 2011 (SNATI 2011). 13. Turban, E., & Aronson, J. 2001. Decision
17-18 Juni 2011, Yogyakarta, Indonesia. Support System And Intelligent Systems.
7. Melina. 2013. Pembuatan Sistem 7th edition.
Pendukung Keputusan Keperluan 14. Turban, E., Aronson, J., & T, L. 2005.
Pernikahan dengan Metode Promthee Pada Sistem Pendukung Keputusan dan Sistem
Website Portal Pernikahan. Jurnal Ilmiah Cerdas. Andi Offset. Jogyakarta.
Mahasiswa Universitas Surabaya. 2(2): 1- 15. Yusuf, A.W. 2011. Sistem Pendukung
10. Keputusan Pemilihan Program Studi
8. Noe M. Robert & R. Wayne Mondy. 1990. dengan Metode Promethee Berbasis Web.
Human Resource Management. Skripsi. Fakultas MIPA Universitas
Macmillan, New York. Sumatera Utara, Medan.
9. Siagian, S.P. 1993. Teori dan Praktek Yuwono, B., dkk. 2011. Sistem Pendukung
Pengambilan Keputusan. Keputusan Menggunakan Metode Promethee
http://library.um.ac.id/free- (Studi Kasus: Stasiun Pengisian Bahan Bakar
contents/index.php/buku/detail/teori-dan- Umum). Telematika. 8(1): 63-74.
praktek-pengambilan-keputusan-oleh-s-p-
204
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PROMOSI

JABATAN KARYAWAN DENGAN METODE AHP
1 2
Marlince NK Nababan , Stella Suvenia
1
Indonesia
Telp. (061) 4578870
2
Sistem Informasi, Fakultas Teknologi dan Ilmu Komputer, Universitas Prima Indonesia
Telp. (061) 4578870
ABSTRAKS
Sumber Daya Manusia (SDM) merupakan salah satu elemen yang penting dalam sebuah
organisasi. SDM yang diorganisir dengan baik diharapkan dapat melancarkan proses kerja
serta dapat mencapai tujuan yang diinginkan organisasi. Promosi jabatan sebagai salah satu
fungsi dari kegiatan manajemen SDM yang memiliki peranan yang sangat penting bagi
peningkatan produktivitas karyawan. Promosi jabatan karyawan yang sedang berjalan di PT.
Jaya Anugrah Sukses Abadi ini masih dilakukan secara subjektif atau belum menggunakan
sistem terkomputerisasi dengan penerapan metode. Oleh karena itu, akan diterapkan sebuah
sistem pendukung keputusan yang menggunakan metode AHP untuk membantu dalam proses
penentuan promosi jabatan karyawan dengan beberapa kriteria yaitu lama kerja, disiplin,
ketelitian, kejujuran, tanggungjawab dan etika. Hasil yang diperoleh dari data yang diuji
dengan penerapan metode AHP dimana dengan nilai minimum 0.116 dan nilai maximum
0.301.
Kata Kunci : SDM, promosi, jabatan, karyawan, SPK, AHP.
1. PENDAHULUAN dalam menentukan promosi jabatan karyawan

1.1 Latar Belakang dengan menerapkan metode AHP?
PT. Jaya Anugrah Sukses Abadi 1.3 Batasan Masalah
merupakan sebuah perusahaan yang bergerak Batasan masalah dalam penelitian ini
di bidang retail dimana jumlah karyawannya adalah sebagai berikut :
banyak. Promosi jabatan karyawan yang 1. Menerapkan metode AHP dalam
sedang berjalan saat ini masih dilakukan penentuan promosi jabatan
secara manual atau belum menerapkan sebuah karyawan.
sistem yang menggunakan metode. Penentuan 2. Kriteria-kriteria yang digunakan
promosi jabatan hanya berdasarkan penilaian adalah lama kerja, disiplin,
dari store manager dan supervisor yang ketelitian, kejujuran, tanggung
bersangkutan. Dalam proses diskusi penentuan jawab, dan etika terhadap customer.
karyawan yang layak untuk memperoleh
promosi jabatan tersebut dapat muncul 2.2 Analisa dan Perancangan
perbedaan pendapat. Oleh karena itu, dalam 2.2.1 Definisi Metode AHP
proses penentuan promosi jabatan ini AHP merupakan suatu model pendukung
dibutuhkan sebuah sistem pendukung keputusan yang dikembangkan oleh Thomas
keputusan. Dengan penerapan metode AHP, L. Saaty. Model pendukung keputusan ini
proses pengambilan keputusan dalam akan menguraikan masalah multi faktor atau
penentuan promosi jabatan karyawan dapat multi kriteria yang kompleks menjadi suatu
menjadi lebih jelas dengan memberikan hierarki. Menurut (Saaty, 1991), hierarki
penilaian terhadap karyawan berdasarkan nilai didefinisikan sebagai suatu representasi dari
bobot kriteria-kriteria yang ada. sebuah permasalahan yang kompleks dalam
suatu struktur multi level di mana level
1.2 Identifikasi Masalah pertama adalah tujuan, yang diikuti level
Berdasarkan latar belakang diatas, maka faktor, kriteria, sub-kriteria dan seterusnya ke
dirumuskan masalah yaitu bagaimana bawah hingga level terakhir dari alternatif
merancang sebuah sistem pendukung (Moedjiono dkk, 2016).
keputusan yang dapat membantu perusahaan
205
2.2.2 Langkah-langkah Metode AHP

Pada dasarnya, prosedur atau langkah-
langkah dalam metode AHP meliputi :
1. Mendefinisikan masalah dan
menentukan solusi yang diinginkan,
lalu menyusun hierarki dari
permasalahan yang dihadapi.
Penyusunan hierarki adalah dengan
menetapkan tujuan yang merupakan
sasaran sistem secara keseluruhan
pada level teratas.
2. Menentukan prioritas elemen
3. Sintesis pertimbangan-pertimbangan
terhadap perbandingan berpasangan Tabel 3.2 Bobot Kriteria
disintesis untuk memperoleh
keseluruhan prioritas. Hal-hal yang
dilakukan dalam langkah ini adalah:
4. Mengukur konsistensi
Dalam pembuatan keputusan, penting
untuk mengetahui seberapa baik
konsistensi yang ada karena kita
tidak menginginkan keputusan
berdasarkan pertimbangan dengan
konsistensi yang rendah
5. Hitung Consistency Index (CI)
dengan rumus :
CI = (λ maks-n) / n 1. Menentukan matriks perbandingan
dimana : n = banyaknya elemen berpasangan diisi menggunakan bilangan
6. Hitung Rasio Konsistensi / skala saaty untuk merepresentasikan
Consistency Ratio (CR) dengan rumus kepentingan relatif dari suatu elemen
: terhadap elemen yang lainnya pada tabel
CR = CI / IR 3.4.
dimana :
CR = Consistency Ratio Tabel 3.4 Hasil Perhitungan Matriks
CI = Consistency Index Perbandingan Berpasangan
IR = Index Random Consistency
7. Memeriksa konsistensi hierarki
Jika nilainya lebih dari 10%, maka
penilaian data judgment harus
diperbaiki. Namun jika rasio
konsistensi (CI/IR) kurang atau sama
dengan 0,1 maka hasil perhitungan
bisa dinyatakan benar. 2. Menentukan nilai perbandingan
berpasangan disintesis untuk
3.1 Perhitungan dengan Metode AHP memperoleh keseluruhan prioritas. Hal-
Berikut adalah tabel 3.1 kriteria-kriteria hal yang dilakukan dalam langkah ini
yang akan digunakan dalam analisis dengan adalah :
metode AHP dan tabel 3.2 bobot kriteria a. Menjumlahkan nilai-nilai dari setiap
Tabel 3.1 Kriteria kolom pada matriks ditunjukkan pada
tabel 3.5
Tabel 3.5 Hasil Penjumlahan Nilai-nilai
dari Setiap Kolom pada Matriks
206
b. Jumlahkan setiap baris ditunjukkan

b. Membagi setiap nilai dari kolom
pada tabel 3.9
dengan total kolom yang bersangkutan
Tabel 3.9 Hasil Penjumlahan Setiap
untuk memperoleh normalisasi matriks
Baris
ditunjukkan pada tabel 3.6
Tabel 3.6 Normalisasi Matriks c. Hasil dari penjumlahan baris dibagi

dengan elemen prioritas relatif yang
bersangkutan ditunjukkan pada tabel 3.10
Tabel 3.10 Hasil Penjumlahan Baris
dibagi Elemen Prioritas Relatif
c. Menjumlahkan nilai-nilai dari setiap

baris dan membaginya dengan jumlah
elemen untuk mendapatkan nilai rata-rata
ditunjukkan pada tabel 3.7
d. Jumlahkan hasil bagi diatas dengan
Tabel 3.7 Nilai Rata-rata
banyaknya elemen yang ada, hasilnya
disebut λmaks
λmaks = (6.2504 + 6.0312 + 6.1882 +
6.0464 + 6.2504 + 6.1882) / 6
= 6.1592
4. Hitung Consistency Index (CI) sesuai
dengan persamaan (1)
CI = (6.1592-6) / 6 = 0.0265
3. Mengukur konsistensi
5. Hitung Rasio Konsistensi /
Hal-hal yang dilakukan dalam langkah
Consistency Ratio (CR) sesuai dengan
ini adalah :
persamaan (2)
a. Kalikan setiap nilai pada kolom
CR = 0.0265 / 1.24 = 0.0214 ( <= 0.1 ,
pertama dengan prioritas relatif elemen
konsisten )
pertama, nilai pada kolom kedua dengan
prioritas relatif elemen kedua dan
Berikut adalah tabel 3.13 perankingan
seterusnya pada tabel 3.8
karyawan berdasarkan total bobot yang
Tabel 3.8 Hasil Perkalian Kolom dengan
diperoleh
Prioritas Relatif Elemen
Tabel 3.13 Perankingan
207
Sesuai dengan perhitungan penilaian

karyawan berdasarkan bobot kriteria yang Gambar 4.12 Tampilan Hasil
dihasilkan dengan metode AHP, nilai bobot Perhitungan Nilai Alternatif
terbesar terdapat pada A1 dengan nilai 0.3011.
Dengan kata lain, Endah akan terpilih sebagai 5. Kesimpulan dan Saran
karyawan yang mendapat promosi jabatan. 5.1 Kesimpulan
Berdasarkan hasil penelitian ini, maka
3.2 Use Case Diagram dapat disimpulkan bahwa masalah yang ada
Berikut adalah use case diagram untuk dalam penentuan promosi jabatan karyawan
pengolahan data pada gambar 3.1 : seperti perbedaan pendapat dalam menentukan
karyawan yang layak untuk memperoleh
promosi jabatan dapat dibantu dengan
menggunakan sistem pendukung keputusan
yang menerapkan metode AHP. Penilaian
yang diperoleh untuk data yang diuji dengan
metode AHP adalah Endah dengan nilai
0.3011, Mestika Sari dengan nilai 0.2307,
Deniwati dengan nilai 0.1994, Hasriansyah
dengan nilai 0.1527 dan Putri Carolina dengan
nilai 0.1162. Dengan kata lain, Endah akan
memperoleh promosi jabatan karena
Gambar 3.1 Use Case Diagram Pengolahan memperoleh nilai paling tinggi.
Data 5.2 Saran
4. Implementasi Berdasarkan hasil penelitian ini, saran
Berikut adalah tampilan home yang dari penulis adalah untuk mengembangkan
dapat dilihat dari gambar 4.1. sistem pendukung keputusan dengan metode
AHP ini maka dapat dilakukan perbandingan
terhadap metode lain. Selain itu, aplikasi
sistem pendukung keputusan ini masih bersifat
offline. Untuk mengembangkan aplikasi
sistem pendukung keputusan ini dapat dibuat
menjadi aplikasi online agar dapat diakses
secara global.
Daftar Pustaka
[1] Ni Kadek Putri Ariani, I Made Gede
Sunarya, I Made Agus Wirawan. 2016.
Pengembangan Sistem Pendukung
Gambar 4.1 Tampilan Home Keputusan Dengan Metode Analytical
Hierarchy Process (AHP) Untuk
Tampilan hasil perhitungan nilai Memberikan Rekomendasi Properti Di
alternatif merupakan hasil perbandingan antar Kabupaten Buleleng. ISSN 2252-9063
alternatif berdasarkan kriteria yang ada. Kumpulan Artikel Mahasiswa
Berikut adalah tampilan hasil perhitungan Pendidikan Teknik Informatika
nilai alternatif yang dapat dilihat dari gambar (KARMAPATI) Volume 5 , Nomor 2 ,
4.12. Tahun 2016. Universitas Pendidikan
Ganesha Bali.
208
[2] Radiant V. Imbar, Doro Edi, Kevin Masli. Jatisi, Vol. 1 No. 1. STMIK Potensi
2016. Sistem Pendukung Keputusan Utama Medan.
Penerima Beasiswa Dengan Metode
Simple Additive Weighting (Studi Kasus [6] Deddy Whinata Kardiyanto. 2014. Media
di Fakultas Teknologi Informasi U.K. Pembelajaran Olahraga Bola Voli
Maranatha). e-ISSN : 2443-2229 Jurnal Berbasis Web. ISSN 1979-3103 Vol. 9
Teknik Informatika dan Sistem No. 2
Informasi. Volume 2 Nomor 3 Desember
2016. Hal. 276. Universitas Kristen [7] Faishal Faruq. 2017. Aplikasi Informasi
Maranatha Bandung. Akademik Berbasis Web Di SMP Negeri
2 Baleendah. ISSN : 2442-5826 e-
[3] Hilyah Magdalena. 2012. Sistem Proceeding of Applied Science : Vol.3,
Pendukung Keputusan Untuk No.3. Universitas Telkom.
Menentukan Mahasiswa Lulusan Terbaik
Di Perguruan Tinggi (Studi Kasus [8] Liza Yulianti. 2013. Implementasi
STMIK Atma Luhur Pangkalpinang). Jaringan Syaraf Tiruan Dalam Sistem
ISSN : 2089-9815 Seminar Nasional Pendukung Keputusan (SPK) Untuk
Teknologi Informasi dan Komunikasi Memilih Perguruan Tinggi. ISSN : 1858-
2012 (Sentika 2012). Hal. 50. 2680 Jurnal Media Infotama, Vol.9,
Yogyakarta: STMIK Atma Luhur No.2. Universitas Dehasen Bengkulu.
Pangkalpinang.
[9] Vidiah Mustikasari. 2015. Aplikasi
[4] Moedjiono, Nuraeni, Aries Kusdaryono. Pengolahan Data Pengajuan Pinjaman
2016. Sistem Pengambilan Keputusan Uang dan Beasiswa Anggota TNI-AD
Promosi Jabatan Dengan Metode pda Batalyon Yonkav 5/Serbu Berbasis
Analytical Hierarchy Process Suatu Web. Laporan Akhir Jurusan Manajemen
Perusahaan Industri Kimia. ISSN : 2338- Informatika. Hal. 11-23. Politeknik
7718 Konferensi Nasional Teknologi Negeri Sriwijaya Palembang.
Informasi dan Komunikasi (KNASTIK
2016). Universitas Budi Luhur Jakarta. [10] Satriawaty Mallu. 2015. Sistem
Pendukung Keputusan Penentuan
[5] Deny Adhar. 2014. Sistem Pendukung Karyawan Kontrak Menjadi Karyawan
Keputusan Pengangkatan Jabatan Tetap Menggunakan Metode TOPSIS.
Karyawan pada PT. Ayn dengan Metode ISSN : 2407 – 3911 Jurnal Ilmiah
Profile Matching. ISSN : 2407-4322 Teknologi Informasi Terapan Volume I,
No 2. STMIK Profesional Makassar.
209
PENGENALAN POLA PADA TUNA WICARA DENGAN

JARINGAN SYARAF TIRUAN MENGGUNAKAN
METODE BACKPROPAGATION
1
Mawaddah Harahap,S.Kom,M.Kom, 2Indah Kumala Dewi
(1,2)
Program Studi Teknik Informatika, Fakultas Teknologi dan Ilmu Komputer,
Universitas Prima Indonesia
Telp. (061) 4578870
Email : mawaddah@unprimdn.ac.id, indahkumaladewi21@gmail.com
ABSTRAK
Pada dasarnya, tuna wicara menggunakan bahasa isyarat dalam berkomunikasi dengan sesama
mereka maupun orang normal. Ada permasalahan yang dialami oleh orang normal dalam
berkomunikasi dengan tuna wicara karena mereka tidak bisa menterjemahkan bahasa isyarat
yang disampaikan. Hal ini perlu diberikan solusinya yaitu dengan mendeteksi citra gambar
gerakan tangan yang akan disampaikan. Sistem deteksi yang akan diimplementasikan
menggunakan model Jaringan Syaraf Tiruan backpropagation dan bahasa pemrograman
VB.Net. Untuk mengidentifikasi pengenalan pola, terlebih dahulu gambar memerlukan
ekstraksi preprocessing dan fitur. Dalam proses preprocessing ada 2 tahap yang harus
dilakukan yaitu mengubah citra menjadi citra grayscale dan pendeteksian citra biner. Didalam
pendeteksian ada set pelatihan dan set testing yang dilakukan untuk mendapatkan klasifikasi
yang akurat dari input data masukan yang terlatih. Hasil penelitian ini dapat mendeteksi
pengenalan pola gambar dengan akurasi 82,5%.
Kata kunci : Jaringan Syaraf Tiruan, Gerakan Tangan, Segmentasi, Statis,

Backpropagation
1. PENDAHULUAN
1.1 Latar Belakang
Para penderita tuna wicara di Indonesia 1.2 Tinjauan Pustaka
menggunakan bahasa isyarat dalam Kecerdasan Buatan adalah sebuah
berkomunikasi. Ada permasalahan sosial yang istilah yang berasal dari bahasa Inggris yaitu
dihadapi oleh penderita tuna wicara karena ―Artificial Intelligence‖. Jika diartikan
adanya keterbatasan dalam berkomunikasi. ―Artificial‖ memiliki makna ―buatan‖,
Permasalahan juga dialami oleh orang normal sedangkan ―Intelligence‖ adalah kata sifat
dalam berkomunikasi dengan penderita tuna yang memiliki makna ―cerdas‖. Jadi Artificial
wicara karena mereka tidak bisa Intelligence (AI) merupakan suatu buatan atau
menterjemahkan bahasa isyarat. Hal ini perlu suatu tiruan yang cerdas. Kecerdasan
diberikan solusinya agar terjadi harmoni sosial diciptakan menjadi sebuah algoritma dan
yang baik antara orang normal dengan orang dimasukkan ke dalam mesin (komputer)
tuna wicara. sehingga mesin memiliki kemampuan untuk
Salah satu cara berkomunikasi dan melakukan pekerjaan seperti yang dapat
berinteraksi secara sosial bagi orang tuna dilakukan manusia. Secara garis besar
wicara adalah isyarat tangan. Isyarat tangan kecerdasarn buatan dibagi 2, yaitu kecerdasan
diklasifikasikan dalam dua kategori yaitu buatan konvensional dan kecerdasan
statis dan dinamis. Statis adalah konfigurasi komputasional. Jaringan syaraf adalah salah
sebagian tangan dan pose, direpresentasikan satu metode pokok dalam kecerdasan
dalam sebuah citra. Sedangkan dinamis adalah komputasional, dimana sistem tersebut
isyarat bergerak yang direpresentasikan mempunyai kemampuan pengenalan pola
dengan urutan citra. yang sangat kuat.
Berdasarkan penelitian tersebut, maka Jaringan Syaraf Tiruan adalah
dikembangkan suatu sistem jaringan syaraf paradigma pemrosesan suatu informasi yang
tiruan backpropagation untuk mendeteksi terinspirasi oleh sistem sel syaraf biologi,
pengenalan pola isyarat tangan yang bersifat sama seperti otak yang memproses suatu
statis informasi. Elemen mendasar dari paradigma
tersebut adalah struktur yang baru dari sistem
210
pemrosesan informasi. Jaringan Syaraf Tiruan input) mengirimkan sinyal input ke

dibentuk untuk memecahkan suatu masalah semua unit yang ada di lapisan
tertentu seperti pengenalan pola atau atasnya (ke lapisan tersembunyi :
klasifikasi karena proses pembelajaran. xi …………….. (1)
Backpropagation adalah algoritma 4. Pada setiap unit di lapisan
pembelajaran untuk memperkecil tingkat tersembunyi zj (dari unit ke-1
error dengan cara menyesuaikan bobotnya sampai unit ke-p; i = 1,.....,n; j =
berdasarkan perbedaan output dan target yang 1,......,p) sinyal output lapisan
diinginkan. Backpropagation juga merupakan tersembunyi-nya dihitung dengan
sebuah metode sistematik untuk pelatihan menerapkan fungsi aktivasi
multilayer Jaringan Syaraf Tiruan. terhadap penjumlahan sinyal-sinyal
Backpopagation dikatakan sebagai algoritma input berbobot xi :
pelatihan multilayer karena backpropagation Zj = f(Voj + ∑ xi vij) n , i=1 .... (2)
memiliki tiga layer dalam proses 5. Setiap unit di lapisan output yk (dari
pelatihannya, yaitu input layer, hidden layer unit ke-1 sampai unit ke-m;
dan output layer. Dengan adanya hidden layer i=1,....,n; k=1,....,m) dihitung
pada backpropagation dapat menyebabkan sinyal output-nya dengan
besarnya tingkat error pada backpropagation menerapkan fungsi aktivasi
lebih kecil dibanding tingkat error pada single terhadap penjumlahan sinyal-sinyal
layer network. Hal tersebut dikarenakan input berbobot zj bagi lapisan ini :
hidden layer pada backpropagation berfungsi Yk = f(W0k + ∑ zj wjk)n , i=1 ..... (3)
sebagai tempat untuk meng-update dan Tahap Backpropagation Error
menyesuaikan bobot, sehingga didapatkan 6. Setiap unit output yk (dari unit ke-1
nilai bobot yang baru yang bisa diarahkan sampai unit ke-m; j=1,....,p;
mendekati dengan target output yang k=1,...,m) menerima pola target tk
diinginkan. lalu informasi kesalahan lapisan
Algoritma backpropagation dapat output (δk) dihitung δk dikirim ke
dibagi ke dalam 2 bagian, yaitu : lapisan di bawahnya dan digunakan
untuk menghitung besar koreksi
1. Algoritma pelatihan
bobot dan bias (ΔWjk dan ΔW0k)
Terdiri dari 3 tahap, yaitu : tahap
antara lapisan tersembunyi dengan
umpan maju pola pelatihan input,
lapisan output :
tahap backpropagation error, dan
δk = (tk – yk) f ‘(W0k + ∑ zj wjk)p, j=1
tahap pengaturan bobot.
ΔWjk = α δk zj
2. Algoritma aplikasi
ΔW0k = α δk ………. (4)
Yang digunakan hanyalah tahap
7. Pada setiap unit di lapisan
umpan maju saja.
tersembunyi (dari unit ke-1 sampai
Algoritma Pelatihan unit ke-p; i=1,...,n; j=1,....,p;
0. Inisialisasi bobot-bobot k=1,....,m) dilakukan perhitungan
Tentukan angka pembelajaran (α) informasi kesalahan lapisan
Tentukan pula nilai toleransi error tersembunyi (δj). δj kemudian
atau nilai ambang (bila digunakan untuk menghitung besar
menggunakan nilai ambang sebagai koreksi bobot dan bias (ΔVij dan
kondisi berhenti) atau set maksimal ΔV0j) antara lapisan input dan
epoch (bila menggunakan lapisan tersembunyi :
banyaknya epoch sebagai kondisi δk = (∑ δk Wjk)m k=1
berhenti). f ‘(V0j + ∑ Xi Vij)n, i=1
1. While kondisi berhenti tidak
terpenuhi do langkah ke-2 sampai ΔVij = α δj Xi
langkah ke-9 ΔV0j = α δj …………. (5)
2. Untuk setiap pasangan pola
Tahap Peng-update-an Bobot dan
pelatihan, lakukan langkah ke-3
Bias
sampai langkah ke-8
Tahap Umpan Maju 8. Pada setiap unit output yk (dari unit
3. Setiap unit input xi (dari unit ke-1 ke-1 sampai unit ke-m) dilakukan
sampai unit ke-n pada lapisan pengupdate-an bias dan bobot
211
(j=0,...,p; k=1,...,m) sehingga bias

dan bobot yang baru menjadi :
Wjk (baru)=Wjk (lama)+ΔWjk ... (6)
Dari unit ke-1 sampai unit ke-p di
lapisan tersembunyi juga dilakukan
pengupdate-an pada bias dan
bobotnya (i=0,...,n; j=1,...,p) :
Vij (baru)=Vij (lama)+ΔVij …... (7)
9. Tes kondisi berhenti.
Algoritma Aplikasi
0. Inisialisasi bobot. Bobot ini diambil
dari bobot-bobot terakhir yang
diperoleh dari algoritma pelatihan. Gambar 1.2 Fungsi Sigmoid Biner
1. Untuk setiap vektor input, lakukan 1.3 Metodologi Penelitian

langkah ke-2 sampai ke-4. Metode penelitian ini memiliki tiga
teknik, yaitu :
2. Setiap unit input Xi (dari unit ke-1
sampai unit ke-n pada lapisan input; 1. Metode Observation (pengamatan)
i=1,...,n) menerima sinyal input Yaitu dengan mengamati langsung
pengujian xi dan menyiarkan sinyal lingkungan sekitar yang dijadikan
xi ke semua unit pada lapisan di sebagai penelitian.
atasnya (unit-unit tersembunyi).
2. Metode Interview (wawancara)
3. Setiap unit di lapisan tersembunyi zj Yaitu dengan tanya jawab untuk
(dari unit ke-1 sampai unit ke-p; mendapatkan bagaimana bentuk
i=1,...,n; j=1,....,p) menghitung gerakan tangan pada tuna wicara.
sinyal output-nya dengan
menerapkan fungsi aktivasi 3. Metode Sampling
terhadap penjumlahan sinyal-sinyal Yaitu dengan cara membaca buku-buku
input xi. Sinyal output dari lapisan tentang jaringan syaraf tiruan dan
tersembunyi kemudian dikirim ke metode backpropagation serta
semua unit pada lapisan di atasnya: informasi yang didapat dari internet
Zj = f(Voj + ∑ xi vij) n , i=1 ........ (8) yang berhubungan dengan objek
penelitian.
4. Setiap unit output yk (dari unit ke-1
sampai unit ke-m; j=1,....,p;
k=1,...,m) menghitung sinyal 2. PEMBAHASAN
output-nya dengan menerapkan Permasalahan dalam keterbatasan
fungsi aktivasi terhadap berkomunikasi antara manusia normal dengan
penjumlahan sinyal-sinyal input penyandang tuna wicara diakibatkan karena
bagi lapisa ini, yaitu sinyal-sinyal manusia normal tidak bisa menterjemahkan
input zj dari lapisan tersembunyi : bahasa isyarat yang mereka sampaikan. Untuk
Yk = f(W0k + ∑ zj wjk)p , i=1 ...... (9) bisa menterjemahkan bahasa isyarat, maka
dilakukan pengenalan pola dengan
Fungsi aktivasi yang digunakan di menggunakan metode backpropagation.
dalam metode ini adalah fungsi sigmoid biner. Metode backpropagation adalah sebuah
Fungsi ini merupakan fungsi yang umum algoritma pembelajaran untuk memperkecil
digunakan. Range-nya adalah (0,1) dan tingkat error dengan cara menyesuaikan
didefinisikan sebagai : bobotnya berdasarkan perbedaan output dan
target yang diinginkan. Backpropagation juga
1 (x) = ............. (10)
merupakan sebuah metode sistematik untuk
dengan turunan : pelatihan multilayer Jaringan Syaraf Tiruan.
f1‘(x) = f1(x) (1 – f1(x)) ............. (11) Berikut adalah proses deteksi
Fungsi sigmoid biner ini diilustrasikan pada pengenalan pola.
gambar berikut : 1. Melakukan segmentasi pada citra
gambar yang sudah di scalling. Berikut
212
citra gambar yang digunakan adalah 3. Selanjutnya aplikasi akan mendeteksi

6x4. nilai biner untuk mendapatkan pola
yang akan diterjemahkan menjadi
sebuah kata.
2.1 Persamaan
Untuk mendeteksi pengenalan pola
pada citra yang sudah di ekstraksi, ada 2
algoritma dalam metode backpropagation.
1. Algoritma Pelatihan
a. Untuk melakukan pelatihan terlebih
dahulu tentukan set pelatihan dan
set testing pada pola yang akan
dideteksi.
b. Kemudian inisialisasi bobot untuk
Gambar 2.1 Citra Berwarna 6 x 4 menentukan nilai toleransi error
atau nilai ambang (bila
Dari citra berwarna diatas kemudian menggunakan nilai ambang sebagai
kita mengambil nilai piksel Red, Green, kondisi berhenti) atau set maksimal
Blue. Masing-masing nilai piksel epoch (bila menggunakan
tersebut kemudian dilakukan banyaknya epoch sebagai kondisi
segmentasi. Berikut contoh untuk berhenti).
melakukan segmentasi citra pada nilai c. Hitung sinyal output pada lapisan
RGB. tersembunyi, dengan persamaan
sebagai berikut :
Dimana hasil dari perhitungan pada

persamaan diatas dapat diterapkan
Gambar 2.2 Matriks Citra 6 x 4 fungsi aktivasi terhadap
penjumlahan sinyal input, dengan
Sebelum nilai pixel diatas dilakukan persamaan sebagai berikut :
ekstraksi citra, dilakukan scale pada
rentang nilai -1 – 1 menggunakan z1 = f (z_netj) =
rumus RGB Scale. Dapat dilihat pada
Gambar 2.3. d. Setiap unit di lapisan output yk
dihitung sinyal output-nya, dengan
persamaan sebagai berikut :
e. Melakukan perhitungan error

Gambar 2.3 Scale -1 – 1 pada Matriks backpropagation pada unit di
Citra 6x4 lapisan output yk, dengan persamaan
2. Setelah mendapatkan citra hasil sebagai berikut :
segmentasi kemudian dilakukan proses
ekstraksi citra untuk mendapatkan nilai δk = (tk – yk) f ‘(W0k + ∑ zj wjk)p, j=1
biner. Berikut hasil ekstraksi citra.
f. Melakukan perhitungan informasi
kesalahan lapisan tersembunyi (δj).
δj kemudian digunakan untuk
menghitung besar koreksi bobot dan
bias (ΔVij dan ΔV0j) antara lapisan
input dan lapisan tersembunyi :
δk = (∑ δk Wjk)m k=1
Gambar 2.4 Matriks Ekstraksi Citra
f ‘(V0j + ∑ Xi Vij)n, i=1
213
g. Dilakukn pengupdate-an bias dan Berikut adalah tampilan dari program

bobot, dengan persamaan sebagai deteksi pengenalan pola pada citra gambar
berikut : gerakan tangan tuna wicara :
Wjk (baru)=Wjk (lama)+ΔWjk
Vij (baru)=Vij (lama)+ΔVij
2. Algoritma Aplikasi
Inisialisasi bobot. Bobot ini diambil
dari bobot-bobot terakhir yang
diperoleh dari algoritma pelatihan atau
yang sudah di update.
Menghitung sinyal sinyal output dari
lapisan tersembunyi kemudian dikirim
ke semua unit pada lapisan, dengan
persamaan sebagai berikut :
Zj = f(Voj + ∑ xi vij) n , i=1
Gambar 2.3 Tampilan Aplikasi Deteksi
Menghitung sinyal output-nya dengan
menerapkan fungsi aktivasi terhadap Berdasarkan gambar 2.3, terdapat 3
penjumlahan sinyal-sinyal input bagi button yang fungsinya adalah sebagai berikut
lapisa ini, yaitu sinyal-sinyal input zj :
dari lapisan tersembunyi : a. Browse, melalui menu ini pengguna
akan diarahkan pada tampilan open file
Yk = f(W0k + ∑ zj wjk)p , i=1 dialog untuk memilih gambar (citra)
2.2 Tabel Pengujian yang akan dideteksi.
Berikut hasil pengujian dari beberapa b. Segmentasi Citra, merupakan button
citra yang dideteksi. untuk menampilkan gambar (citra)
yang sudah menjadi citra grayscale.
Tabel 2.3 Pengujian Deteksi Pengenalan Pola c. Ekstraksi Citra, merupakan button
untuk menampilkan gambar (citra)
yang sudah menjadi citra biner.
d. Deteksi Pola, merupakan button untuk
menampilkan hasil pengenalan pola
yang sudah dideteksi.
2.4 Algoritma atau Program

Ada beberapa algoritma untuk
membuat aplikasi deteksi pengenalan pada
suatu pola, salah satunya adalah pengenalan
pola gerakan tangan yang menggunakan citra
gerakan tangan tuna wicara. Algoritma untuk
membuat aplikasi pendeteksian ini adalah
sebagai berikut :
2.3 Tampilan Program
214
Mulai
untuk mendapatkan nilai dari citra biner yang
akan dideteksi pola dari citra tersebut.
3. KESIMPULAN
Input Citra Berdasarkan hasil penelitian tersebut,
dapat disimpulkan bahwasannya metode
backpropagation mampu di aplikasikan dalam
mendeteksi pengenalan pola dengan output
Segmentasi Citra
sesuai klasifikasi yang ditetapkan dan
mempermudah dalam membuat
pengklasifikasi objek citra yang akan dideteksi
Ekstraksi Citra serta untuk menterjemahkan penyampaian
huruf apa yang disampaikan maka harus
menggunakan pendeteksian citra gerakan
tangan tuna wicara.
T Gunakan
Latih ?
Bobot Akhir
PUSTAKA
Y [1] Hidayatno, Achmad,dkk. Identifikasi
Tanda-Tangan Menggunakan Jaringan
Tentukan Target Syaraf Tiruan Perambatan-Balik
(Backpropagation). Jurnal Teknologi
Target
Diketahui
Vol. 1 No. 2: 100-106, Desember 2008.
[2] Puspitaningrum, Diyah. 2006.
JST / Cari Bobot Pengantar Jaringan Syaraf Tiruan.
Yogyakarta: Andi.
[3] Avianto, Donny. Pengenalan Pola
Simpan Bobot Akhir Karakter Plat Nomor Kendaraan
Menggunakan Algoritma Momentum
Backpropagation Neural Network.
Jurnal Informatika Vol. 10 No. 1,
Pengenalan Januari 2016.
[4] Hermawati, Fajar Astuti. 2013.
Pengolahan Citra Digital Konsep &
Selesai
Teori. Yogyakarta: Andi.
[5] Winardi, Sugeng & Hamzah.
Gambar 2.4 Algoritma Perangkat Lunak Penerapan Metode Jaringan Syaraf
Tiruan Backpropagation Dalam
Proses segmentasi citra terjadi ketika Pengenalan Pola Aksara Hanacaraka.
seorang user melakukan input gambar pada Jurnal Teknologi Informasi Vol. IX No.
aplikasi tersebut. Segmentasi citra dilakukan 9: 1907-2430, Nopember 2014.
dengan cara mengubah citra asli (berwarna) [6] Suma‘inna & Dipo Alam. Kompresi
menjadi citra grayscale (abu-abu). Hal ini Citra Berwarna Menggunakan
dilakukan untuk memudahkan dalam Transformasi Wavelet. Jurnal
pengambilan citra biner yang ada pada citra Matematika Integratif Vol. 10 No. 1:
asli (berwarna). 1412-6184, April 2014.
Setelah proses segmentasi citra [7] Suyanto. 2014. Artificial Intelligence.
berhasil, maka langkah selanjutnya yaitu Bandung: Informatika.
melakukan ekstraksi ciri pada citra grayscale
215
KEKUATAN KOMPOSIT POLYMERIC FOAM DIPERKUAT SERAT

TANDAN KOSONG KELAPA SAWIT BEBAN TARIK
M Yani1, Ahmad Marabdi2
1,2
Program Studi Teknik Mesin, Fakultas Teknik Universitas Muhammadiyah Sumatera
Utara
Jl. Kapt. Mukhatar Basri No. 3 Medan
Telp. (061)6622400-EXT.12
Email: iyanpili@gmail.com, ahmadmarabdi@umsu.ac.id
ABSTRAKS
Subjek penelitian ini adalah komposit polymeric foam (PF) yang diperkuat serat tandan
kosong kelapa sawit (TKKS). Komposit ini memiliki keunikan dengan adanya rongga (foam)
dengan pemberian blowing agent (BA) dari jenis polyurethane (PU) dalam matrik polyester
resin tak jenuh yang berfungsi menghasilkan foam sehingga menurunkan massa jenis material
yang dibentuk sehingga diperoleh material komposit PF yang lebih ringan dibandingkan
dengan material komposit jenis polimer tanpa PF. Tujuan penelitian ini ialah untuk
mendapatkan teknik pembuatan material komposit PF diperkuat serat TKKS, mendapatkan
massa jenis material komposit PF diperkuat serat TKKS, dan mengetahui perilaku mekanik
akibat beban tarik. Spesimen dicetak mengikuti standar pengujian tarik statik ASTM D638.
Metode pembuatan spesimen uji dilakukan dengan metode penuangan. Dari hasil pengujian
disimpulkan bahwa massa jenis ρrerata 45 % BA = 630 kg/m3 memiliki kekuatan tarik
ζ=13,05836 MPa regangan ε=5,67 dan modulus elastisitas E=2,03 MPa.
Kata kunci: metode penuangan, polymeric foam, perilaku mekanik.
1. PENDAHULUAN styrofoam untuk produk helm sepeda yang

Tandan kosong kelapa sawit (TKKS) merupakan tahapan riset selanjutnya.
adalah limbah hasil pengolahan Crude Palm Tujuan Penelitian
Oil (CPO) di Pabrik Kelapa Sawit (PKS) Tujuan penelitian ini ialah:
dengan jumlah yang cukup banyak, yaitu 1. Untuk mendapatkan massa jenis
mencapai 1,9 juta ton berat kering per tahun komposit PF yang berasal dari
atau setara dengan sekitar 4 juta ton berat material polyester resin tak jenuh
basah per tahun. Untuk di daerah Sumatera sebagai matrik, serat TKKS sebagai
Utara sendiri khususnya di PT. Perkebunan penguat, dan BA sebagai pembentuk
Nusantara III (PTPN-III) menghasilkan TKKS struktur berongga.
hingga mencapai 1350 ton basah perhari 2. Untuk mendapatkan kekuatan beban
(Umar, S, 2008). Dengan demikian limbah ini dinamik dan energi yang diserap
dipandang memiliki potensi yang baik untuk material komposit PF akibat beban
dimanfaatkan dan dikembangkan menjadi dinamik.
material-material teknik alternatif.
Pengembangan material ini sebagai 2. TINJAUAN PUSTAKA
material penguat komposit PF dengan matriks Material komposit didefinisikan
berasal dari material-material polimer masih sebagai campuran antara dua atau lebih
sangat jarang ditemukan. Adalah pembuatan material yang menghasilkan sebuah material
parking bamper (Syurkarni Ali, 2012) kerucut baru dengan sifat-sifat ataupun
lalu lintas (siswo, 2011) telah dikerjakan. karakteristiknya yang masih didominasi oleh
Dalam penelitian ini serat TKKS akan sifat-sifat material pembentuknya (Hashim, J,
dipergunakan sebagai penguat material 2009). Berdasarkan definisi ini maka
komposit PF. pemilihan jenis material yang tepat dalam
Ukuran diameter serat TKKS yang penelitian ini ialah jenis material komposit,
dipakai berkisar antara 0,1 s.d. 0,8 mm yang dimana yang diharapkan adalah kekuatan
dicampurkan kedalam cairan polyster resin tak material yang lebih baik dari penggabungan
jenuh dan material pembentuk rongga dua atau lebih material penyusunnya.
(blowing agent, BA). Hasil yang diharapkan Pada umumnya material komposit
ialah memperoleh kekuatan dinamik dan dibentuk dalam dua jenis fasa, yaitu fasa
energi yang diserap material komposit PF matriks dan fasa penguat. Fasa matriks adalah
akibat pembebanan dinamik. Material baru ini material dengan fasa kontinu yang selalu tidak
akan dimanfaatkan sebagai material pengganti kaku dan lemah. Sedangkan fasa penguat
216
selalu lebih kaku dan kuat, tetapi lebih rapuh.

Penggabungan kedua fasa tersebut
menghasilkan material yang dapat Tabel 2.2. Parameter tipikal TKKS per kg.
mendistribusikan beban yang diterima No. Material- Komposisi (%)
disepanjang penguat, sehingga material material
menjadi lebih tahan terhadap pengaruh beban Kandungan
tersebut. 1. Uap air 5.40
Teknik Pembuatan Material Komposit 2. Protein 3.00
Polimer 3. Serat 35.00
Teknik pembuatan material komposit 4. Minyak 3.00
polimer pada umumnya tidak melibatkan 5. Kelarutan Air 16.20
penggunaan suhu dan impakan yang tinggi. 6. Kelarutan Unsur 29.30
Hal ini disebabkan material ini mudah Alkali 1%
menjadi lembut atau melebur (Gunawan, et 7. Debu 5.00
al., 2009). Proses pencampuran penguat 8. K 1.71
kedalam matriks dilakukan ketika matriks 9. Ca 0.14
dalam keadaan cair. 10. Mg 0.12
Metode penuangan langsung 11. P 0.06
dilakukan dengan cara melekatkan atau 12. Mn, Zn, Cu, Fe 1.07
menyentuhkan material-material penyusun TOTAL 100.00
pada cetakan terbuka dan dengan perlahan-
lahan diratakan dengan menggunakan roda Gbr. 2.1 dan 2.2 berturut-turut adalah
perata atau dengan pemberian impakan luar. TKKS yang telah dicacah menjadi bagian
Metode ini cocok untuk jenis penguat serat kecil dan serat TKKS yang telah dihaluskan.
kontinu dan random.
Material Komposit Polymeric Foam (PF)
Poliester Resin Tak Jenuh
Poliester resin tak jenuh adalah jenis
polimer thermoset yang memiliki struktur
rantai karbon yang panjang. Data mekanik
material matriks diperlihatkan pada tabel 2.1.
Tabel 2.1.Karakteristik mekanik polister Gbr. 2.1 Cacahan TKKS Gbr. 2.2 Serat
resin tak jenuh. TKKS
Kekuatan mekanik serat TKKS

dengan diameter rata-rata 0,4 mm memiliki
harga modulus elastisitas rata-rata sebesar
11,88 GPa dengan tegangan impak maksimum
rata-rata sebesar 156,3 MPa (Edward, 1981).
Blowing Agent (BA)
Blowing agent ialah material yang
digunakan untuk menghasilkan struktur
berongga pada komposit yang dibentuk. Jenis
blowing agent yang digunakan pada penelitian
Sumber : Muftil Badri, 2010 Serat TKKS ini ialah polyuretan. Material yang terbentuk
dari campuran BA dan polimer disebut dengan
Serat TKKS ialah serat alami yang material polymeric foam (PF). Bentuk struktur
terbuat dari tandan kosong kelapa sawit yang polymeric foam yang dibentuk diilustrasikan
merupakan limbah pada proses pengolahan di pada Gbr. 2.3.
suatu pabrik kelapa sawit. Hasil penelitian
yang telah dilakukan oleh sebuah institusi
komersial (Roozenburg, 1991) terhadap
komposisi material kimianya diketahui bahwa
kandungan material serat dalam TKKS
merupakan kandungan maksimum seperti
diperlihatkan pada tabel 2.2.
217
tersebut dapat dituliskan kedalam bentuk

persamaan (2.4) dan (2.5).
………………. (2.4)
dan
………………(2.5)
Dalam aplikasinya hasil dari
Gbr. 2.3. Ilustrasi material polymeric foam. pengukuran tegangan pada pengujian tarik dan
Katalis Methyl Ethyl Keton Perokside tekan umumnya merupakan nilai teknik, hal
(MEKPO) ini disebabkan oleh sulitnya untuk
Katalis merupakan material kimia mendapatkan nilai perubahan luas penampang
yang digunakan untuk mempercepat reaksi sebenarnya yang disebabkan oleh beban tarik,
polimerisasi struktur komposit pada kondisi selain itu perubahan yang terjadi sangat kecil,
suhu kamar dan impakan atmosfir. Pemberian sehingga dapat dianggap sama dengan A0.
katalis dapat berfungsi untuk mengatur waktu 2.3.2. Hubungan Tegangan dan Regangan
pembentukan gelembung BA, sehingga tidak Robert Hooke (1689), telah mengamati
mengembang secara berlebihan, atau terlalu sebuah fenomena hubungan antara Tegangan
cepat mengeras yang dapat mengakibatkan dan Regangan pada daerah elastis material,
terhambatnya pembentukan gelembung. yang menyatakan bahwa dalam batas-batas
tertentu tegangan pada suatu material ialah
2.3. Perilaku Mekanik Material Komposit proporsional terhadap regangan yang
2.3.1.Pengujian dengan beban tarik dihasilkan. Teori ini kemudian lebih dikenal
Pada sebuah batang lurus yang dikenai dengan Hukum Hooke. Namun teori ini hanya
beban tarik, maka akan mengalami perubahan berlaku pada batas elastik material, dimana
panjang yang disertai dengan pengurangan tegangan akan berbanding lurus terhadap
luas penampang batang. Perubahan panjang regangan, dan bila beban dihilangkan, maka
ini disebut juga dengan regangan teknik (εeng), sifat ini akan menyebabkan material kedalam
yang didefinisikan sebagai perubahan panjang bentuk dan dimensi aslinya.
yang terjadi (ΔL) terhadap panjang batang Perbandingan antara tegangan dan
mula-mula (Lo). Tegangan yang dihasilkan regangan dalam batas elastik disebut dengan
pada proses ini disebut dengan tegangan istilah konstanta proporsional. Nama lain
teknik (ζeng), dimana hal ini didefinisikan juga konstanta ini adalah Modulus Elastisitas (E)
sebagai nilai pembebanan yang terjadi (F) atau Modulus Young. Pada penelitian ini
pada suatu luas penampang awal (Ao). untuk istilah yang digunakan ialah E, dan
memperoleh tegangan, dalam persamaan dapat diperlihatkan pada persamaan (2.6).
dituliskan seperti pada persamaan (2.1). ……………………….(2.6)
……………………(2.1)
3. METODE
Dimana ζ adalah tegangan normal PENELITIAN
dengan satuan (N/m2), dan F adalah gaya yang Pembuatan Specimen Uji Impak Dinamik
ditimbulkan akibat tarik dan tekan (N) dan A Pembuatan specimen uji impak
adalah luas penampang (m2). Seperti dinamik disesuaikan dengan standar ASTM
ditunjukkan pada Persamaan (2.2) dan (2.3). 1621-00 untuk bahan komposit. Adapun
…………………(2.2) proses pembuatannya adalah sebagai berikut:
dan 1. Oleskan lapisan pemisah pada bagian
dalam cetakan dengan mold release
…………………..(2.3)
wax agar mudah melepas produk dari
Dimana ΔL = L1- L0, L1 merupakan cetakan.
panjang akhir batang pada suatu pengujian 2. Persiapan bahan-bahan yang
tarik, sebelum beban dihilangkan kembali. diperlukan yaitu serat, resin tipe
Tegangan sebenarnya (ζtrue) didefinisikan BQTN 157-EX yang merupakan
sebagai nilai beban yang diberikan terhadap polyester resin tak jenuh kemudian
luas penampang batang. (Ai) yang berubah ditimbang sesuai dengan berat
akibat tarikan. Sementara regangan campuran yang ditetapkan.
sebenarnya (εtrue), didefinisikan sebagai 3. Campurkan terlebih dahulu polyester
logaritmik perubahan panjang batang akhir resin tak jenuh dan serat TKKS
terhadap panjang awal batang. Kedua istilah kemudian aduk hingga merata selama
± 2 menit dengan indikasi semua
218
serat terendam dalam resin dan beri

kode C1.
4. Campurkan katalis ke dalam
campuran serat dan resin dan aduk
hingga merata selama ± 2 menit
dengan indikasi warna campuran ini
adalah coklat tua dan beri kode C2.
Jangan biarkan C2 lebih dari 15
menit, karena ia akan mengeras.
5. Campurkan bahan pembentuk
polyurethane dengan komposisi Gambar 4.1 Bentuk specimen bahan
polyol dan isocyanate, dan aduk komposit PF sebelum uji tarik
hingga merata selama ± 0,5 menit
dengan indikasi polyurethane yang Hasil pengujian spesimen dengan uji tarik
terbentuk adalah busa berwarna krem dapat dilihat pada gambar 4.2 dan gambar
dan beri kode C3. grafik tegangan vs regangan dapat dilihat pada
6. Masukkan campuran C3 kedalam gambar 4.3.
campuran resin dan serat TKKS, dan
aduk hingga merata selama ± 0,5,
setelah itu campurkan dengan katalis
lalu aduk hingga campuran merata
selama ± 0,5 dengan indikasi warna
campuran ini berwarna coklat muda
dan beri kode C4.
7. Tuang campuran C4 kedalam cetakan
seperti terlihat pada gambar 3.1 dan
biarkan selama 24 jam hingga benar
mengeras dan kering. Kemudian
spesimen lepaskan dari cetakan.
Bentuk specimen diperlihatkan pada
gambar 3.1.
Gambar 4.2 Bentuk specimen bahan
komposit PF setelah pengujian tarik
Alat
Wadah Pengaduk
penampung
material
komposit
Cetakan
Material
komposit
Gambar. 3.1. Metode penuangan
komposit

Hasil pembuatan specimen uji tarik
menurut standar ASTM D638 dengan material
komposit polymeric foam diperkuat serat
TKKKS diperlihatkan pada gambar 4.1 dan Gambar 4.3 Grafik tegangan vs
massa jenis ρrerata 45 % BA = 630 kg/m3 regangan
219
Dari hasil pengujian tarik tersebut [8] Roozenburg, N. F. M. Eekels, J.,

dapat dilihat bahwa kekuatan tarik dari 5 Product Desain : Fundamentals and
sample diperoleh tegangan terendah pada Methods; John Willey & Sons (1991).
sample 4 yaitu, ζ=10,01929 MPa regangannya
ε=7,23 dan tegangan tertinggi ζ=15,76 MPa [9] Subiyanto, Bambang, dkk. Utilization
regangannya ε=4,67; untuk reratanya adalah of Empty Fruit Bunch Waste from Oil
ζ=13,05836 MPa regangan reratanya ε=5,67. Palm Industry for Particleboard Using
Rerata modulus elastisitas dari Phenol Formaldehyde Adhesive. Warta
komposit komposit polymeric foam diperkuat PPKS 1-4.
serat TKKKS dengan 45 % BA adalah
E=2,03 MPa. [10] Sivertsen, K., Polymeric Foam.,
(online)
5.KESIMPULAN (http://ocw.mit.edu/courses/materials-
Dari hasil analisa data yang science-and-engineering/3-063-
dilakukan diperoleh kesimpulan bahwa : polymer-physics-spring-
1. Besar tegangan tarik ζ=13.05836 007/assignments/polymer_foams.pdf.,
MPa dan regangannya ε=5,67. diakses 15 Januari 2011.)
2. Modulus elastisitas E =2,03
MPa. [11] Umar, S. Potensi Limbah Kelapa Sawit
Dan Pengembangan Peternakan Sapi
Berkelanjutan Di Kawasan Perkebunan
DAFTAR PUSTAKA Kelapa Sawit. Jurnal Wawasan, Vol
13., No.3, Tahun 2008,
[1] Ali, S, Desain Struktur dan Pembuatan
Parking Bumper Dari Bahan Polymeric [12] Wardani, Lucita, dkk, Pemanfaatan
Foam Diperkuat Serat Tandan Kosong Limbah Pelepah Sawit Dan Plastik
Kelapa Sawit (TKKS) Terhadap Beban Daur Ulang (RPP) Sebagai Papan
Impak dan Tekan, USU, 2012. Komposit Plastik, Jurnal Hutan Tropis
Volume 1 No. 1, Maret 2013
[2] Edward B. Magrab, Integrated Product
and Process Design and Development, [13] Yani, M, Pembuatan Helmet Sepeda
New York: Cambridge University Bahan Komposit Polimeric Foam
Press, 1981. Diperkuat Serat TKKS, Proseding-
Dies Natalis Emas USU 50 tahun, 2012
[3] Gunawan, F.E., dkk, Mechanical
Properties of Oil Palm Empty Fruit [14] Yani, M, dkk, Pembuatan dan
Bunch Fiber, Journal of Solid Penyelidikan Perilaku Mekanik
Mechanics & Materials Engineering, Komposit Polymeric Foam Diperkuat
Vol. 3., No. 7, 2009. Serat Tandan Kosong Kelapa Sawit
(TKKS) Akibat Beban Tekan Statik,
[4] Hashim, J., Pemrosesan Bahan, Edisi Journal Saintek-ITM, Vol. 27. No.2,
pertama, Johor Bahru: Cetak Ratu Sdn. 39-45, 2013
Bhd., 2003.
[15] Yani, M, Manufacture Of Bicycle
[5] Isroi, Pengolahan TKKS (Tandan Helmet Materials Composite Polymeric
Kosong Kelapa Sawit), (online) Foam Reinforced Fiber Bunches Of
(http://www.isroiwordpress.com, Empty Oil Palm, Proceeding 8th NAE
diakses tanggal 14 April 2011). 2013, 2015
[6] Nuryanto, E. Pemanfaatan Tandan [16] Yani, M, Mahyunis, Pembuatan dan
Kosong Kelapa Sawit Sebagai Sumber Penyelidikan Perilaku Mekanik
Bahan Kimia. Warta PPKS : 137-144. Komposit PF Diperkuat Serat TKKS
2004. Akibat Beban Tekan Impak Dinamik,
Prosiding Seminar Nasional SISTEM
[7] Rahmat K.S., Pengukuran Helmet INOVASI DAERAH, 2015
Sepeda Motor Yang Dikenai Beban
Impak Menggunakan Metode Jatuh [17] Yani, M, Kekuatan Komposit
Bebas, Tesis Master (tidak Polymeric Foam Diperkuat Serat
220
dipublikasikan), USU, 2011.
Tandan Kosong Kelapa Sawit Pada Foam Diperkuat Serat Tandan Kosong
Pembebanan Dinamik, Journal Kelapa Sawit (TKKS) Akibat Beban
Mekanik, Vol. 1, Nov 2016 Statik Dan Impak. Tesis Master (tidak
dipublikasikan), 2010.
[18] Zulfikar, Pembuatan Dan Penyelidikan
Perilaku Mekanik Material Polymeric
221
ANALISIS SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN

PROGRAM TABUNGAN DIBANK BRI PEMATANGSIANTAR
DENGAN METODE ANALYTICAL HIERACY PROCESS
1 2 3 4
Nuri Aprilia Sari , Poningsih , Rafika Dewi , Solikhun
1
Telp. (0622) 22431
2,3,4
Telp. (0622) 22431
E-mail: nuriapriliasari5@gmail.com, poningsih@amiktunasbangsa.ac.id,
ABSTRAKS
Perkembangan zaman telah mengubah cara orang dalam hal mengurus keuangan. Memiliki
rekening tabungan disebuah bank telah menjadi salah satu kebutuhan.Dengan memanfaatkan
fasilitas yang disediakan oleh pihak bank, bertambahnya jumlah penduduk dan kemajuan
teknologi menjadi penyebab pembukaan program tabungan rekening baru dibank-bank yang ada
di Indonesia mengalami peningkatan. Sebagai salah satu Bank tertua di Indonesia, Bank Rakyat
Indonesia (BRI) memiliki pengalaman yang luas dalam hal menawarkan beberapa jenis program
tabungan kepada nasabahnya. Oleh sebab itu, muncullah masalah bagi para nasabah, yaitu
banyak dari nasabah yang mengalami kebingungan dalam memilih dan menentukan program
tabungan yang disediakan oleh bank tersebut. Untuk menetukan pilihan program tabungan yang
baik, banyak sekali kriteria yang dijadikan penilaian pemilihan antara lain persyaratan
pembuatan program tabungan dan keuntungan yang diperoleh dari sebuah program tabungan.
Oleh sebab itu, kita perlu membuat sebuah Sistem Pendukung Keputusan dengan menggunakan
metode Analytical Hierarchy Process (AHP).Dengan ada Sistem Pendukung Keputusan dengan
menggunakan metode Analytical Hierarchy Process itu diharapkan dapat membantu melakukan
penilaian dan bahan pertimbangan dalam memilih sebuah program tabungan bank yang layak
dan bermanfaat.
Keywords : Sistem Pendukung Keputusan, Pemilihan Program Tabungan, dan Analytical Hieracy
Process (AHP).
1. PENDAHULUAN bank merupakan perusahaan yang begerak dalam

Peranan bank sangatlah penting bagi bidang keuangan.Artinya aktivitas perbankan
perekonomian suatu negara dalam hal selalu berkaitan dalam bidang keuangan.
mendukung pembangunan, karena pembangunan Aktivitas perbankan menghimpun dana dari
ekonomi disuatu negara sangat bergantung masyarakat luas dikenal dengan istilah funding.
kepada dinamika perkembangan dan konstribusi Pengertian penghimpun dana maksudnya adalah
nyata dari sektor perbankan mengumpulkan atau mencari dana dengan cara
(www.banksumut.com). Perbankan merupakan membeli dari masyarakat sedangkan aktifitas
industri jasa yang penting dalam menunjang bank dalam menyalurkan dana kepada
pembiayaan pembangunan, baik sebagai masyarakat dikenal dengan istilah lending
penghimpun dana, sebagai lembaga yang (Wahjono, 2010; 90).
memperlancar arus uang dari masyarakat dan Bank BRI adalah salah satu bank milik
menuju masyarakat. Dalam hal ini bank pemerintah yang terbesar di Indonesia, dan Bank
merupakan perantara keuangan masyarakat dan BRI ini memeliki cabang-cabang diberbagai
sebagai agen pembangunan.Menurut Undang- daerah maupun perkotaan termasuk di Kota
Undang RI Nomor 10 Tahun 1998 tanggal 10 Pematang Siantar. Bank BRI memiliki berbagai
November 1998 tentang perbankan, yang macam produk tabungan untuk melayani
dimaksud dengan bank adalah badan usaha nasabah yang terdiri dari Tabungan Britama,
yang menghimpun dana dari masyarakat dalam Tabungan Simpedes, Tabungan Deposito,
bentuk simpanan dan menyalurkannya dalam Tabungan Haji , Tabungan BRI Simpel,
rangka meningkatkan taraf hidup masyarakat Tabungan Simpedes TKI, Tabungan Britama
banyak (Kasmir, 2003;23). Dari pengertian di Rencana, Tabungan Britama Valas, Tabungan
atas dapat dijelaskan secara lebih luas bahwa
222
BRI Junio, Tabungan Britama Bisnis Tabungan Haji , Tabungan BRI Simpel,
(www.bri.blogspot.com). Tabungan Simpedes TKI, Tabungan
Dalam hal ini penulis akan mengambil 3 Britama Rencana, Tabungan Britama Valas,
jenis sampel Tabungan yang terdapat di Bank Tabungan BRI Junio, Tabungan Britama
BRI Pematangsiantar yaitu Tabungan Britama, Bisnis. (www.bri.blogspot.com).
Tabungan Britama Edisi Anak Muda, dan Dalam membuka sebuah tabungan bank,
Tabungan Simpedes. setiap masyarakat akan bingung dalam
Dalam menabung nasabah dari sebuah pemilihan jenis produk tabungan yang sesuai
Bank khususnya pada Bank BRI Cabang untuk nasabah tersebut. Pemilihan jenis
Pematangsiatar bingung dalam menentukan jenis tabungan dilakukan dengan melihat dari
tabungan mana yang harus di gunakan.Oleh beberapa kriteria yaitu, persyaratan, biaya dan
karena itu, diperlukan sebuah keuntungan yang diperoleh dari jenis tabungan
keputusan.Keputusan yang diambil diharapkan tersebut.
tidak subyektif agar kualitas yang diperoleh Namun terkadang masih terjadi kesalahan
dapat sesuai dengan harapan sehingga tidak ada dalam pemilihan jenis tabunga yang tidak sesuai
pihak yang dirugikan. Pengambilan keputusan dengan yang diharapkan.Dengan adanya
untuk menetapkan jenis tabungan mana yang masalah yang timbul maka dibentuk analisis
cocok dan memenuhi kualitas dan persyaratan sistem pendukung keputusan dengan metode
untuk masyarakat. Untuk menghindari AHP.Sistem pendukung keputusan atau decision
subyektifitas keputusan yang dihasilkan support sistem (DSS) merupakan sistem
diperlukan suatu sistem pendukung keputusan informasi interakif yang menyediakan informasi,
(SPK) yang dapat membantu menilai jenis pemodelan, dan pemanipulasian data (Kusrini,
tabungan yang cocok untuk setiap orang.SPK 2007). Sistem ini digunakan untuk membantu
merupakan suatu sistem menggunakan model pengambilan keputusan dalam situasi yang semi
yang dibangun untuk membantu menyelesaikan terstruktur dan situasi yang tidak terstruktur, di
masalah-masalah semi terstruktur. mana tidak seorang pun tahu secara pasti
Tujuan penelitian ini adalah membangun bagaimana keputusan seharusnnya dibuat (Alter,
sebuah aplikasi sistem penunjang keputusan 2002).
yang dapat digunakan oleh setiap nasabah bank Adapun ciri-ciri SPK menurut Alters Keen di
untuk menganalisa jenis tabungan mana yang dalam pustaka Eddy Prahasta (2009:106) adalah:
cocok bagi nasabah dan mengimplementasikan a. SPK ditujukan untuk membantu
sistem pendukung keputusan dengan pengambilan keputusan-keputusan terhadap
menggunakan metode Analytical Hieracy permasalahan yang kurang terstruktur yang
Process (AHP)dalam menganalisa bobot masing- pada umumnya dihadapi oleh para manajer
masing faktor pendukung.Penelitian ini mencari yang berada di tingkat atas.
alternatif pemecahan masalah dalam pemilihan b. SPK merupakan gabungan antara kumpulan
jenis tabungan di Bank BRI Pematangsiantar model kualitatif dan kumpulan data. SPK
dengan pertimbangan persyaratan, biaya dan memiliki fasilitas interaktif yang dapat
keuntungan jenis tabungan tersebut mempermudah hubungan antar manusia
menggunakan metode Analitycal dengan mesin (komputer).
HierarchyProcess (AHP). c. SPK bersifat fleksibel dan dapat
menyesuaikan diri terhadap perubahan-
2. PEMBAHASAN perubahan yang terjadi.
Bank BRI atau Bank Rakyat Indonesia
adalah salah satu Bank terbesar yang Decision Support System atau yang disebut
dimiliki oleh pemerintah Indonesia saat ini , Sistem Pendukung Keputusan, secara umum
dengan memiliki beberapa kantor serta dapat disingkat SPK yang mana didefinisikan
cabang terbanyak di Indonesia sampai ke sebagai sebuah sistem yang mampu memberikan
peloksok-pelosok negeri termasuk di Kota kemampuan baik pemecahan masalah maupun
Pematangsiantar. Bank BRI menawarkan kemampuan pengkomunikasian untuk masalah
berbagai jenis tabungan yang bisa semi-terstruktur. Secara khusus, SPK diartikan
digunakan masyarakat untuk kebutuhan sebagai sebuah sistem yang mendukung kerja
manajemen seseorang manager maupun sekelompok
keuangan , untuk tempat menyimpan uang, manager dalam memecahkan masalah semi-
sekaligus sebagai alat transfer atau transaksi terstruktur dengan cara memberikan informasi
usaha bagi yang menjalankan sebuah usaha. ataupun usulan menuju pada keputusan tertentu.
Bank BRI memiliki berbagai macam Terjadinya keputusan merupakan fungsi utama
produk tabungan untuk melayani nasabah seorang manager atau administrator.
yang terdiri dari Tabungan Britama, Kegiatan pembuatan keputusan meliputi
Tabungan Simpedes, Tabungan Deposito, pengidentifikasian masalah, pencarian alternatif
223
penyelesaian masalah, evaluasi dari alternatif- terhadap suatu solusi yang tepat untuk
alternatif tersebut dan pemilihan alternatif desain.
keputusan yang terbaik.Kemampuan seseorang Sebuah solusi untuk sebuah desain
manager dalam membuat keputusan dapat adalahsekumpulan nilai spesifik untuk variabel-
ditingkatkan apabila mengetahui dan menguasai variabel keputusan dalam suatu alternatif yang
teori dan teknik pembuatan keputusan. Dengan telah dipilih.Memecahkan sebuah desain tidak
peningkatan kemampuan manager dalam sama halnya dengan memecahkan masalah yang
terjadinya keputusan diharapkan dapat direpresantikan oleh model. Solusi untuk desain
ditingkatkan kualitas keputusan yang dibuatnya, menghasilkan sebuah solusi yang
dan hal tersebut akan meningkatkan efisiensi direkomendasikan untuk masalah.Masalah
kerja manager yang bersangkutan. (Hidayat, dianggap dipecahkan hanya jika solusi yang
2010) direkomendasikan sukses diterapkan. Pemecahan
Dalam pengambilan sebuah keputusan desain pengambilan keputusan melibatkan
tidaklah begitu saja mengambil alternatif- pencarian terhadap suatu tindakan yang
alternatif yang ada dengan secara acak. Perlunya tepat.Pendekatan pencarian melibatkan teknik
suatu proses-proses yang harus dilalaui untuk analitik (memecahkan suatu formula), algoritma
mengambil suatu keputusan, antara lain(Hidayat, (prosedur langkah demi langkah), heuristik
2010): (aturan urama, dan blind search (pencarian
buta).
a. Fase Intelegensi
Intelegensi dalam pengambilan d. Fase Implementasi
keputusan meliputi pemindaian (scanning) Implementasi merupakan suatu solusi yang
lingkungan.Yang dalam cakupanya diusulkan untuk suatu masalah adalah inisiasi
intelegensi mencakup berbagai aktifitas terhadap hal baru, atau penganalan terhadap
yang menekankan identifikasi situasi atau perubahan. Definisi implementasi sedikit rumit
peluang-peluang masalah yang terjadi. karena implementasi merupakan sebuah proses
Fase intelegensi dimulai dengan yang panjang dan melibatkan batasan-batasan
identifikasi terhadap tujuan dan sasaran yang tidak jelas. Terangnya implementasi berarti
organisasional yang berkaitan dengan isu membuat suatu solusi yang direkomendasikan
yang terkait dan menentukan apakah ada bisa bekerja, tidak memerlukan implimentasi
suatu masalah, mengidentifikasi gejala- suatu sistem komputer.
gejala yang timbul atu diakibatkan, beserta Dalam gambaran konseptual fase-fase
menentukan kelausanya dan pengambilan keputusan seperti yang dapat
mendefinisikan secara eksplisit. dilihat pada gambar dibawah ini :
b. Fase Desain
Didalam fase desain meliputi penemuan
atau mengembangkan dan menganalisis
tindakan yang mungkin dilakukan.Sebuah
model masalah pengambilan keputusan
dibangun, di tes dan divalidasi.Pemodelan
meliputi konseptualisasi masalah dan
mengabstrasikan masalah kedalam bentuk
kuantitatif dan kualitatif.
c. Fase Pilihan
Pilihan merupakan tindakan
pengambilan keputusan yang kritis.Fase
pilihan adalah fase dimana dibuat suatu
keputusan yang nyata dan diambil suatu
komitmen untuk mengikuti suatu tindakan
tertentu.Batas antara fase pilihan dan desain
sering tidak jelas karena aktifits tertentu
dapat dilakukan selama kedua fase tersebut
dan karena orang dapat sering kembali dari Gambar 1. Fase-Fase Pengambilan
aktifitas pilihan ke aktifitas desain.Sebagai Keputusan (Hidayat, 2010)
contoh, seseorang dapat menghasilkan
alternatif baru selagi mengefaluasi Metode Analytical Hieracy Process (AHP)
alternatif yang ada.Fase pilihan meliputi dikembangkan oleh Thomas L. Saaty, seorang
pencarian, evaluasi dan rekomendasi ahlimatematika. Metode ini adalah sebuah
224
kerangka untuk mengambil keputusandengan 2) Kurang lengkapnya data tertulis atau data
efektif atas persoalan yang kompleks dengan kuantitatif mengenai permasalahan tidak
menyederhanakan danmempercepat proses mempengaruhi kelancaran proses
pengambilan keputusan dengan memecahkan pengambilan keputusan karena penilaian
persoalantersebut kedalam bagian-bagiannya, merupakan sintesis pemikiran berbagai
menata bagian atau variabel ini dalam suatu sudut pandang responden.
susunan hirarki, member nilai numerik pada 3) Sesuai dengan kemampuan dasar manusia
pertimbangan subjektif tentang pentingnya tiap dalam menilai suatu hal sehingga
variabel dan mensintesis berbagai pertimbangan memudahkan penilaian dan pengukuran
ini untuk menetapkan variabel yang mana yang elemen
memiliki prioritas paling tinggi dan bertindak 4) Metode dilengkapi dengan pengujian
untuk mempengaruhi hasil pada situasi tersebut. konsistensi sehingga dapat memberikan
Metode AHP ini membantu memecahkan jaminan keputusan yang diambil.
persoalan yang kompleks dengan menstruktur
suatu hirarki kriteria, pihak yang Disamping kelebihan-kelebihan di atas
berkepentingan, hasil dan dengan menarik terdapat pul beberapa kesulitan dalam
berbagai pertimbangan guna mengembangkan menerapkan metode AHP ini. Apabila kesulitan-
bobot atau prioritas. kesulitan tersebut tidak dapat diatasi, maka dapat
Metode ini juga menggabungkan kekuatan menjadi kelemahan dari metode AHP dalam
dari perasaan dan logika yang bersangkutan pada pengambilan keputusan : (Saaty, 1991)
berbagai persoalan, lalu mensintesis berbagai a) AHP tidak dapat diterapkan pada suatu
pertimbangan yang beragam menjadi hasil yang perbedaan sudut pandang yang sangat
cocok dengan perkiraan kita secara intuitif tajam/ekstrim di kalangan responden.
sebagaimana yang dipresentasikan pada b) Responden yang dilibatkan harus memiliki
pertimbangan yang telah dibuat.(Saaty, 2004). pengetahuan dan pengalaman yang cukup
tentang permasalahan serta metode AHP.
Untuk menyelesaikan permasalahan

menggunakan metode AHP ada beberapa prinsip
yang harus dipahami yaitu (Kusrini, 2007) :
a. Membuat hierarki
Hierarki digunakan untuk mempermudah
pemahaman yaitu dengan cara memecahnya
menjadi elemen-elemen pendukung, menyusun
elemen secara hierarki dan menggabungkannya.
b. Pemilihan kriteria dan alternatif

Kriteria dan alternatif dilakukan dengan
melakukan perbandingan berpasangan. Menurut
Saaty(1988) dalam bukunya untuk berbagai
persoalan, skala 1 sampai 9 adalah skala terbaik
untuk mengekspresikan pendapat. Nilai dan
definisi pendapat kualitatif dari skala
Gambar 2. Struktur AHP (Saaty, 2004) perbandingan dapat diukur dengan tabel analisis
sebagai berikut :
AHP banyak digunakan untuk pengambilan
keputusan dalam menyelesaikan masalah-
masalah dalam hal perencanaan, penentuan
alternatif, penyusunan prioritas, pemilihan
kebijakan, alokasi sumber daya, penentuan
kebutuhan, peramalan hasil, perencanaan hasil,
perencanaan sistem, pengukuran performansi,
optimasi dan pemecahan konflik. (Saaty, 1991)
Kelebihan dari metode AHP dalam

pengambilan keputusan adalah: (Saaty, 1991)
1) Dapat menyelesaikan permasalahan yang
kompleks, dan strukturnya tidak beraturan,
bahkan permasalahannya yang tidak
225
terstruktur sama sekali.
Tabel 1.Skala penilaian perbandingan

berpasangan(Saaty, 2004)
Input nilai jenis Proses pengolahan
tabungan, nilai jenis
kriteria dan tabungan, kriteria
nilai kriteria dan nilai kriteria
Nilai Jenis
Tabungan
Proses pembuatan hasil

keputusan pemilihan jenis
tabungan di Bank BRI
Pematangsiantar
Jenis Tabungan yang

c. Menentukan prioritas (Synthesis of direkomendasikan
priority)
Untuk setiap kriteria dan alternatif Gambar 3. Flowchart Sistem Permasalahan
perludilakukan perbandingan berpasangan
(pairwise comparisons). Nilai-nilai Langkah-langkah atau prosedur pada
perbandingan relatif dari seluruh alternative metode AHP adalah (Kusrini, 2007):
kriteria bisa disesuiakan dengan judgement yang 1. Mendefinisikan masalah dan
telah ditentukan untuk menghasilkan bobot dan menentukansolusi yang diinginkan,
prioritas. Bobot dan prioritas dihitung dengan kemudianmenyusun hierarki dari
memanipulasi matriks atau melalui penyelesaian permasalahanyang dihadapi.
persamaan matematika. Penyusunan hierarki yaitudengan
menetapkan tujuan yang merupakan
d. Konsistensi logis (Logical Consistency) sasaran system pada level teratas.
Arti konsistensi yaitu: 2. Menentukan prioritas elemen
1) Objek-objek yang serupa bisa a. Membuat perbandingan
dikelompokkan sesuai dengan berpasangan,yaitu membandingkan
keseragaman dan relevansi. elemen secaraberpasangan sesuai
2) Menyangkut tingkat hubunan kriteria yangdiberikan.
antar objek yang didasarkan pada b. Matrik perbandingan berpasangandiisi
criteria tertentu. menggunakan bilangan
untukmempresentasikan
Berikut adalah gambar flowchart sistem kepentinganrelatif dari suatu elemen
dari permasalahan diatas : terhadapelemen yang lainnya.
3. Sintesis
Pertimbangan - pertimbangan terhadap
Input data Input Input nilai perbandingan berpasangan disintesis untuk
Jenis kriteria kriteria memperoleh keseluruhanprioritas. Hal-hal
Tabungan yang dilakukan dalamlangkah ini adalah :
a. Menjumlahkan nilai-nilai dari
setiapkolom matrik
Proses b. Membagi setiap nilai dari kolomdengan
Proses Proses
total kolom yang bersangkutanuntuk
pengolahan pengolahan perhitung memperoleh normalisasi matrik.
data Jenis data kriteria an nilai c. Menjumlahkan nilai-nilai dari setiap
Tabungan kriteria baris dan memb ginya dengan
jumlahelemen untuk mendapat nilai
ratarata.
Jenis Kriteria Nilai 4. Mengukur konsistensi
226
Tabunga Kriteria
n
Dalam pembuatan keputusan, perlu d. Berkas yang diperlukan dalam

diketahui seberapa baik konsistensi yang pembukaan identitas diri nasabah
akan ada, karena tidak diinginkan 2. Jenis tabungan yang memiliki biaya
keputusan berdasarkan kepentingan dengan setoran pertama yang terjangkau oleh
konsistensi yang rendah. Beberapa hal yang nasabah dengan parameter sebagai berikut :
harus dilakukan dalam langkah ini yaitu: a. Mahal jika biayanya >= dari
a. Kalikan nilai pada kolom pertama Rp.500.000,-
dengan prioritas relatif elemen pertama, b. Sedang jika biayanya <= dari
nilai pada kolom kedua dengan Rp.500.000,- sampai dengan
prioritas relatif elemen kedua, dan >=Rp.100.000,-
seterusnya. c. Murah jika biayanya >100.000,-
b. Jumlahkan setiap baris 3. Jenis tabungan yang memiliki keuntungan
c. Hasil dari penjumlahan baris dibagi bagus dengan parameter sebagai berikut :
dengan banyaknya elemen yang ada, a. Memiliki transaksi time online di lebih
dan hasilnya disebut lamda maks dari 10.000 Unit Kerja BRI dan 23.000
(maks). ATM BRI di seluruh Indonesia
5. Hitung Consistency Index (CI) dengan b. Memiliki Aksesibelitas Kartu ATM /
rumus : CI=( maks-n)/n dimana Debit BRI di jaringan BRI, ATM
n=banyaknya elemen. Bersama, Link, Prima, Cirrus, Maestro,
6. Hitung Rasio Konsistensi (consistency dan MasterCard baik di dalam negeri
ratio) / CR dengan rumus: atau luar negeri
CR=CI/IRdimana CR=Consistency c. Gratis cover ansuransi kecelakaan diri
RatioCI=Consistency Index hingga Rp.150.000.000,-
IR=indeksRandom Consistency d. Didukung dengan fasilitas e-banking
7. Memeriksa konsistensi hierarki. e. Memiliki suku bunga tabungan
Jika nilainya lebih dari 10%, maka kompetitif
penilaian data judgement harus diperbaiki. f. Memiliki fasilitas Transaksi Otomatis
Namun jika rasio konsistensi (CI/CR) g. Limit Transaksi Antar Cabang hingga
kurang atau sama dengan 0,1 maka hasil Rp.300.000.000,-
perhitungan bisa dinyatakan benar. Daftar h. Memiliki peluang besar memenangkan
indeks random konsistensi (IR).Yaitu : hadiah
i. Memiliki jumlah setor dan ambil tidak
Tabel 2 : Daftar indeks random dibatasi sepanjang memenuhi ketentuan
konsistensi (Saaty, 2004) yang berlaku.
j. Proses pembukaan Rekening Tabungan
BRI mudah dan praktis Gratis
administrasi bulanan
Untuk menganalisa sistem ini maka penulis B. Menentukan prioritas kriteria
gunakan sebuah kasus sebagai berikut : Seorang
nasabah akan memilih jenis produk tabungan di 1. Membuat matrik perbandingan
Bank BRI Pematangsiantar sebagai tempat untuk berpasangan.
melakukan transaksi keuangan., Jenis tabungan Tabel ini berisi perbandingan nilai
yang dijadikan sebagai alternatif yaitu Tabungan antara fasilitas dengan persyaratan, fasilitas
Britama, Tabungan Britama Edisi Anak Muda, dengan biaya dan fasilitas dengan
dan Tabungan Simpedes.. keuntungan.
Langkah – langkah yang harus dilakukan
untuk dapat menyelesaikan kasus tersebut adalah Tabel 3 : Matriks perbandingan berpasangan
: Kriteria Persyaratan Biaya Keuntunga
A. Nasabah akan memilih keempat jenis n
tabungan tersebut berdasarkan empat Persyaratan 1 3 5
kriteria, yaitu : Biaya 1/3 1 2
1. Jenis tabungan yang memiliki persyaratan
Keuntungan 1/5 ½ 1
dengan parameter sebagai berikut :
a. Umur nasabah
2. Membuat matrik nilai kriteria
b. Status nasabah dalam menabung
Tabel ini untuk menjumlahkan nilai dan
(apakah perorangan atau dari suatu
untuk menentukan prioritas dari masing
perusahaan)
kriteria.Hitung bobot kriteria
c. Kewarganegaraan seorang nasabah
(priorityvector) dengan cara :
227
 Menjadikan nilai
perbandinganberpasangan menjadi nilai 4. Penghitungan consistency index (CI)
desimaldan menjumlahkan
setiapkolomnya. Pada tabel ini untuk menghitung
consistency index (CI) dengan rumus :
Tabel 4 :Matrik nilai kriteria
Kriteria Persyaratan Biaya Keuntunga
n
Persyaratan 1.00 3.00 5.00
Biaya 0.33 1.00 2.00 dimana : n = banyaknya elemen (kriteria).
Keuntungan 0.20 0.50 1.00
Jumlah 1.53 4.50 8.00 Tabel 6 :Nilai CI (consistency index)
 Normalisasi nilai setiap kolommatrik Kriteria Persyaratan Biaya Keuntunga

perbandingan berpasangandengan membagi n
setiap nilai padakolom matrik dengan hasil Persyaratan 1.00 3.00 5.00
penjumlahan kolom yangbersesuaian. Biaya 0.33 1.00 2.00
Keuntungan 0.20 0.50 1.00
Tabel 5 :Normalisasi nilai kriteria Prioriti 0.65 0.23 0.12
Kriteria Persyaratan Biaya Keuntunga Vektor
n Jumlah 1.53 4.50 8.00
Persyaratan 0.65 0.67 0.62
Biaya 0.22 0.22 0.25 λmaks = (1.53 x0.65)+(4.50 x0.23) + (8.00
Keuntungan 0.13 0.11 0.13 x0.12)
= 3.03
Cara normalisasi setiap nilai adalah
Nilai kolom 1 baris 1 (1.00) dibagi dengan CI = (λmaks – n)/(n – 1).
hasil penjumlahan per kolom (1.53) = (3.03 – 3)/(3-1)
hasilnya masuk kolom 1 baris 1 0.65 = (3.03 – 3)/2
begituseterusnya sampai semua nilai = 0.02
terpenuhi.
5. Penghitungan rasio konsistensi
Pada tabel ini untuk menentukan
3. Membuat matrik penjumlahan setiap konsistensi hierarki. Jika nilainya lebih dari
baris 10%, maka penilaian data judgement harus
Pada tabel ini untuk menjumlahkan dari diperbaiki. Namun jika rasiokonsistensi (CI/IR)
masing-masing kriteria. kurang atau samadengan 0,1 maka hasil
perhitungan bisa dinyatakan benar.
Tabel 6 :Nilai penjumlahan setiap baris Sedangkan untuk menghitung nilai
consistency ratio (CR) dengan rumus :
dengan RI adalah ratio index .
Tabel 7 : Nilai RI
Ordo RI Ordo RI Ordo RI
Matri Matri Matri
k k k
1 0 6 1.24 11 1.51
2 0 7 1.32 12 1.48
3 0.58 8 1.41 13 1.56
Untuk mendapatkan nilai prioriti vektor 4 0.9 9 1.45 14 1.57
adalah 5 1.12 10 1.49 15 1.59
 = 0.65
 = 0.23 Sehingga diperoleh
 = 0.12
= 0.02 / 0.58
228
= 0.03 Dari hasil perhitungan diatas maka

Selanjutnya lakukanlah perhitungan seperti disimpulkan bahwa BRI Britama Edisi Anak
diatas pada kriteria fasilitas, biaya dankualitas Muda yang layak untuk dipilih berdasarkan
metode AHP dengan penilaian persyaratan yang
6. Perangkingan Nilai Alternatif memadai, biaya yang terjangkau dan keuntungan
Berdasarkan aturan AHP pembobotan yang diperoleh nasabah sebuah bank.
harus bernilai CR kurang dari < 0,1 maka
prioritas digunakan dengan baik. Nilai 3. KESIMPULAN
pembobotan lebih dari > 0,1 maka nilai Dalam sistem pendukung keputusan ini dapat
pengujian tidak baik. diambil beberapa kesimpulan sebagai berikut
Perangkingan Alternatif dilakukan dengan :
hasil penjumlahan dari perkalian setiap bobot a. Sistem pendukung keputusan menggunaka
alternatif pada bobot kriteria yangbersesuaian. metode AHP dapat digunakan untuk
pemilihan jenis tabungan di Bank BRI
Tabel 8 : Nilai hasil Pematangsiantar.
Kriteria Persyarat Biay Keuntung Prior b. Hasil perhitungan yang dihasilkan bisa
an a an iti digunakan untuk calon nasabah yang akan
Vekt memilih jenis tabungan di Bank BRI
or Pematangsiantar.
BRI 0.19 0.00 0.00 0.28 c. Penentuan kriteria sangatlah penting dalam
Britama metode AHP karena jika terdapat perbedaan
BRI 0.00 0.00 0.00 0.02 pada kriteria dan pemasukan data maka akan
Britama sangat mempengaruri hasilnya dan otuput
Edisi yang berbeda juga.
Anak
Muda Sistem pendukung keputusan pemilihan
BRI 0.02 0.01 0.00 0.10 jenis tabungan ini memiliki beberapa
Simped kekurangan, oleh karena itu, penulis
as menyarankan perlu pengembangan sistem
lebih lanjut antara lain sebagai berikut:
Dari tabel diatas maka diperoleh : a. Penentuan kriteria pemilihan jenis tabungan
di Bank BRI Pematangsiantar disesuaikan
Tabel 9 : Nilai pemilihan tabungan bank dengan kondisi dan kebutuhan dari tempat
Tabung Persyar Biaya Keunt Jumlah penelitian sehingga kriteria yang digunakan
an Bank atan ungan tidak terlalu banyak .
BRI 0.19 0.00 0.00 0.19 b. Penentuan perbandingan matriks
Britama berpasangan menggunakan metode
BRI 0.00 0.00 0.00 0 Analytical Hierarchy Process (AHP) harus
Britama berdasarkan tempat penelitian .
Edisi c. Penentuan aspek penilaian dosen harus
Anak berdasarkan tempat penelitian sehingga hasil
Muda pemilihan dosen berprestasi lebih akurat .
BRI 0.02 0.01 0.00 0.03
Simped DAFTAR PUSTAKA
as [1] Kusrini, 2007, ―Konsep dan Aplikasi
Sistem Pendukung Keputusan”,
Dengan demikian nilai total yang paling Yogyakarta : Andi.
besaritulah nilai sebagai hasil akhirnya atau jenis
tabungan bank yang direkomendasikan dan [2] Hernawan Sulistyanto, dkk (2014).
cocok untuk nasabah bank. ―Aplikasi Sistem Pendukung
Keputusan Pemilihan Konsentrasi
Tabel 10 :Hasil akhir Program Studi Bagi Mahasiswa Ums
Dengan Menggunakan Analytical
Alternatif Hierarchy Process‖.jurnal Studi
Pendidikan Teknik Informatika, FKIP,
Rangking Jenis Tabungan
Universitas Muhammadiyah
1 BRI Britama Edisi Anak Muda
Surakarta. Surakarta.
2 BRI Simpedas
3 BRI Britama [3] M. Daya Kanimozhi Rani, Dr. S.
Sakthivel (2015). ―Analytical
229
Hierarchy Process – Study on its

Applicability on Web Based [7] Guritmo, Suryo. Sudaryono dan
Environment‖. International Journal Raharja, Untung.(2011).Metodologi
Departemen of Information Penelitian Teknologi Informasi,
Technology, Adhiyaman College of ANDI : Yogyakarta.
engeneering hosur, Tamil Nadu, India.
[8] Lubis, Irsyad, 2010. Bank dan
[4] Kasmir.2000. Management Lembaga Keuangan Lain, Medan:
Perbankan.Jakarta: PT. Rajagrafindo Terbitan Pertama USU Press.
Persada.
[9] Triandaru, Sigit dan Totok
[5] Hasan, Iqbal. 2004. “Pokok Materi Budisantoso. 2006. Bank dan
Teori Pengambilan Keputusan”. Lembaga Keuangan Lain, Jakarta:
Bogor Selatan: Ghalia Indonesia. Salemba Empat.
[6] Marin. 2004 Teknik & Aplikasi [10] Tri Santoso, Ruddy. 1996. Mengenal
Pengambilan Keputusan Kriteria Dunia Perbankan, Yogyakarta: Penerbit
Majemuk. Penerbit PT. Grasindo. Andi Offset.
Jakarta.
230
PENERAPAN METODE CERTAINTY FACTOR PADA APLIKASI

SISTEM PAKAR DIAGNOSA PENYAKIT PARU
BERBASIS WEB
Oloan Sihombing1, Evta Indra2, Suryani M.Florence Situmeang3, Rehana Elma Suraya4
1,2,4 Program Studi Sistem Informasi, Fakultas Teknologi dan Ilmu Komputer,Universitas
Prima Indonesia
Telp. (061) 4578870
3 Poltekkes Kemenkes jurusan Analis Kesehatan Medan
Jl. Willem Iskandar Pasar V Barat No.6 Medan Estate
Telp. (061) 6616982
Email :oloansihombing007@gmail.com, evtaindra@gmail.com2, Situmeang.suryani@gmail3,
rehan.elma27@gmail.com4
ABSTRAKS
Tingkat polusi dan pencemaran sekarang ini cukup serius, dimana meningkat, jumlah
kelahiran yang semakin tinggi, rumah padat penduduk, dan rendahnya kesadaran atas
kebersihan, semua itu mempermudah penularan virus, bakteri dan jamur pada setiap individu
dan lebih rentan untuk timbulnya penyakit pernapasan. Seiring dengan berkembangnya
teknologi, maka peran dari teknologi semakin berguna untuk berkembangnya di berbagai
bidang termasuk pada bidang kesehatan. Sistem pakar telah banyak digunakan untuk
menyelesaikan berbagai macam permasalahan salah satunya penyakit paru. Metode yang
digunakan pada penelitian ini adalah metode Certainty Factor yang dapat mendiagnosa
penyakit dengan menggunakan bahasa pemrograman PHP dan database MySQL. Dengan
melakukan diagnosa dari gejala penyakit yang ditimbulkan, sehingga akan mengetahui hasil
penyakit yang di derita pasien.
Kata Kunci: teknologi, kesehatan, penyakit paru, PHP, MySQL, web
1. Pendahuluan Menurut Suyanto (2014:3) Sebagian kalangan

Tingkat polusi dan pencemaran sekarang ini menerjemahkan AI sebagai kecerdasan
cukup serius, dimana jumlah kendaraan yang buatan, kecerdasan artifisial, atau intelijensia
semakin meningkat, jumlah kelahiran yang buatan. Istilah Artificial Intelligence sengaja
semakin tinggi, rumah padat penduduk, dan tidak diterjemahkan ke bahasa Indonesia
rendahnya kesadaran atas kebersihan, semua karena istilah tersebut sudah sangat akrab bagi
itu mempermudah penularan virus, bakteri dan orang Indonesia. Begitu juga dengan
jamur pada setiap individu dan lebih rentan singkatan istilah tersebut, yaitu AI sudah
untuk timbulnya penyakit pernapasan. Waktu sangat melekat di berbagai media ilmiah
keberadaan dokter di tempat atau rumah sakit maupun non-ilmiah.
yang tidak selalu ada, akan berbahaya jika ada Menurut Rika Rosnelly (2012:2) Bidang
pasien gawat darurat yang membutuhkan sistem pakar merupakan penyelesaian
penanganan dokter dan pasien juga harus pendekatan yang sangat berhasil dan bagus
mengantri dengan waktu tunggu yang tidak untuk permasalahan AI klasik dan
menentu. Untuk itu dibutuhkan suatu sistem pemrograman intelligent. Sistem pakar
pakar yang dapat menirukan keahlian pakar, merupakan solusi AI bagi masalah
dimana sistem akan membantu masyarakat pemrograman pintar.Profesor Edward
atau pun golongan kesehatan dalam mencari Feigenbaum dari Stanford University yang
hasil dari gejala yang diderita pasien. Dalam merupakan pionir dalam teknologi sistem
hal ini Metode Certainty Factor yang tepat pakar mendefinisikan sistem pakar sebagai
diterapkan pada sistem pakar tersebut untuk sebuah program komputer pintar yang
mendiagnosa penyakit, dimana metode ini memanfaatkan pengetahuan dan prosedur
menghitung kemungkinan penyakit yang inferensi untuk memecahkan masalah yang
timbul dari gejala yang dirasakan. Pada gejala cukup sulit sehingga membutuhkan keahlian
yang dihasilkan akan dapat mengetahui khusus dari manusia.
penyakit yang di derita pasien. Secara umum sistem pakar adalah Sistem
yang berusaha mengadopsi pengetahuan
2. Landasan Teori manusia ke komputer yang dirancang untuk
memodelkan kemampuan menyelesaikan
231
masalah seperti layaknya seorang pakar. MD = Measure of Disbelief (tingkat

Seorang pakar adalah orang memiliki keahlian ketidakyakinan) merupakan kenaikan dari
dalam bidang tertentu, yaitu pakar yang ketidakpastian hipotesis
mempunyai pengetahuan atau kemampuan H = Hipotesis H dipengaruhi oleh fakta E.
khusus yang orang lain tidak mengetahui atau E =Evidence, Peristiwa atau fakta .
mampu dalam bidang yang dimilikinya. Certainty Factor untuk kaidah dengan
Dengan sistem pakar ini, orang biasa pun kesimpulan yang serupa (similarly concluded
dapat meyelesaikan masalah yang cukup rumit rules) :
yang sebenarnya hanya dapat diselesaikan CFcombine = CF[H,E]1,2 = CF[H,E]1 +
dengan bantuan para pakar. Ada beberapa CF[H,E]2 * (1-CF[H,E]1)
definisi tentang sistem pakar (Hartati dan Jika nilai CF yang akan dihitung lebih dari
Iswanti 2008), antara lain: dua didefiniskan dengan persamaan berikut :
1. Menurut Giarratano & Riley: Sistem CFcombine = CF[H,E]old,3 = CF[H,E]old +
pakar merupakan cabang dari kecerdasan CF[H,E] 3 *(1-CF[H,E] old)
buatan (Artificial Intelegence) yang Diagram kelas atau class diagram
menggunakan pengetahuan-pengetahuan menggambarkan struktur sistem dari segi
khusus yang dimiliki oleh seseorang ahli pendefinisian kelas-kelas yang akan dibuat
untuk menyelesaikan suatu masalah untuk membangun sistem. Kelas memiliki apa
tertentu. yang disebut atribut dan metode atau operasi.
2. Menurut Ignizio: Sistem pakar 1. Atribut merupakan variabel-variabel yang
adalah suatu model dan prosedur yang dimiliki oleh suatu kelas
berkaitan, dalam suatu domain tertentu, 2. Operasi atau metode adalah fungsi-fungsi
yang mana tingkat keahliannya dapat yang dimiliki oleh suatu kelas
dibandingkan dengan keahlian seorang Diagram kelas dibuat agar pembuat
pakar. program atau programmer membuat kelas-
3. Menurut Martin dan Oxman: Sistem kelas sesuai rencana di dalam diagram kelas
pakar adalah sistem berbasis komputer agar antara dokumentasi perancangan dan
yang menggunakan pengetahuan, fakta, perangkat lunak sinkron.
dan teknik penalaran dalam memecahkan Activity diagram menggambarkan workflow
masalah, yang biasanya hanya dapat (aliran kerja) atau aktivitas dari sebuah sistem
diselesaikan oleh seorang pakar dalam atau proses bisnis atau menu yang ada pada
bidang tertentu. perangkat lunak. Yang perlu diperhatikan
Metode certainty factor adalah metode untuk disini adalah bahwa diagram aktivitas
mengelola ketidakpastian dalam sistem menggambarkan aktivitas sistem bukan apa
berdasarkan aturan. Shortliffe dan Buchanan yang dilakukan aktor, jadi aktivitas yang dapat
pada tahun 1975 mengembangkan metode CF dilakukan oleh sistem.Diagram aktivitas juga
di pertengahan tahun 1970 untuk MYCIN, banyak digunakan untuk menefinisikan hal-
sistem pakar untuk diagnosis dan pengobatan hal berikut:
meningitis dan infeksi darah. Sejak itu, model a. Rancangan proses bisnis dimana setiap
CF telah menjadi pendekatan standar untuk urutan aktivitas yang digambarkan
manajemen ketidakpastian dalam sistem merupakan proses bisnis sistem yang
berdasarkan aturan. didefinisikan.
Certainty factor memperkenalkan konsep b. Urutan atau pengelompokan tampilan dari
belief / keyakinan dan disbelief / sistem/user interface dimana setiap
ketidakyakinan.Konsep ini kemudian aktivitas dianggap memiliki sebuah
diformulasikan dalam rumusan dasar sebagai rancangan antarmuka tampilan.
berikut. c. Rancangan pengujian dimana setiap
aktivitas dianggap memerlukan sebuah
CF [ H,E ] = MB [ H,E ] – MD [H,E] pengujian yang perlu didefinisikan kasus
ujinya.
Keterangan d. Rancangan menu yang ditampilkan pada
CF = Certainty factor dalam hipotesis H perangkat lunak.
yang dipengaruhi oleh fakta E. Use Case merupakan pemodelan untuk
MB = Measure of Belief (tingkat kelakuan (behavior) sistem informasi yang
keyakinan), merupakan ukuran kenaikan dari akan dibuat. Use case mendeskripsikan
kepercayaan hipotesis H dipengaruhi oleh sebuah interaksi antara satu atau lebih aktor
fakta E. dengan sistem informasi yang akan dibuat.
232
Secara kasar, use casedigunakan untuk dalam aturan General Purpose Licenses
mengetahui fungsi apa saja yang ada di dalam (GPL). Pemrograman PHP sangat cocok
sebuah sistem informasi dan siapa saja yang dikembangkan dalam lingkungan web, karena
berhak menggunakan fungsi-fungsi itu. PHP dikhususkan untuk pengembangan web
Syarat penamaan pada use case adalah nama dinamis, maksudnya PHP mampu
didefinisikan sesimpel mungkin dan dapat menghasilkan website yang terus menerus
dipahami. Ada dua hal utama pada use case hasilnya bisa berubah-ubah sesuai dengan pola
yaitu pendefinisian apa yang disebut aktor dan yang diberikan. Hal tersebut tergantung pada
use case. permintaan client browsernya (Opera, Internet
1. Aktor merupakan orang, proses, atau Explorer, Mozilla, dan lain-lain).
sistem lain yang berinteraksi dengan MySQL adalah suatu sistem manajemen
sistem informasi yang akan dibuat di luar database.Suatu database adalah suatu koleksi
sistem informasi yang akan dibuat itu data terstruktur. Data tersebut dapat berupa
sendiri, jadi walaupun simbol dari aktor apa saja, dari list sederhana sampai sebuah
adalah gambar orang, tapi aktor belum galeri gambar. Untuk menambah, mengakses,
tentu merupakan orang. dan memproses data yang tersimpan dalam
2. Use case merupakan fungsionalitas yang sebuah database, dibutuhkan suatu sistem
disediakan sistem sebagai unit-unit yang manajemen database seperti halnya MySQL.
seling bertukar pesan antar unit atau aktor. Sejak komputer menjadi suatu alat yang
Database merupakan kumpulan file-file yang digunakan untuk menanggulangi data dalam
saling berkaitan dan berinteraksi, relasi ukuran besar, manajemen database memegang
tersebut bila ditunjukan dengan kunci dari peranan utama dalam perhitungan, sebagai
tiap-tiap file yang ada.Satu database utilitas tunggal maupun sebagai bagian dari
menunjukkan suatu kumpulan data yang aplikasi lain.
dipakai dalam suatu lingkup perusahaan, Salah satu keuntungan MySQL adalah
instansi. Pengolahan database merupakan MySQL merupakan perangkat lunak open
suatu cara yang dilakukan terhadap file-file source.Open source berarti dapat digunakan
yang berada di suatu instansi yang mana file dan dimodifikasi oleh siapa saja. Semua orang
tersebut dapat disusun, diurut, diambil dapat mengunduh MySQL dari internet dan
sewaktu-waktu serta dapat ditampilkan dalam menggunakannya secara gratis.Untuk
bentuk suatu laporan sehingga dapat mengolah administrasi database, seperti pembuatan
file-file yang berisikan informasi tersebut database, pembuatan tabel, dan sebagainya
secara rapi. dapat digunakan aplikasi berbasis web seperti
ERD dikembangkan berdasarkan teori PHPMyAdmin.
himpunan dalam bidang matematika.ERD
digunakan untuk pemodelan basis data 3.Metode Penelitian
relasional. Sehingga jika penyimpanan basis Diagram use case menyajikan interaksi antara
data menggunakan OODBMS maka use case dan aktor dalam sistem yang akan
perancangan basis data tidak perlu dikembangkan. Interaksi yang terjadi dapat
menggunakan ERD.ERD memiliki beberapa dilihat dalam gambar 1 berikut
aliran notasi seperti notasi Chen
(dikembangkan oleh Peter Chen), Barker
(dikembangkan oleh Richard Barker, Ian Kelola Data
Gejala
<<extend>>
Diagnosa <<include>>
Palmer, Harry Ellis), notasi Crow’s Foot, dan

>
Rule
e>
Login
d
clu
Kelola Data
in
>
<<
ude> <<extend>>
<<incl Penyakit
beberapa notasi lain. Namun yang banyak Login
<<incl
ude>
>
CF <<include>>
<<extend>>
digunakan adalah simbol-simbol yang Kelola Rekap

Diagnosa <<extend>> Rekap Diagnosa
Registrasi
User
Admin
digunakan pada ERD dengan notasi Chen
(Rosa A.S, M. Shahaluddin 2014:50).
Pertama kali PHP dibuat oleh Rasmus Lerdorf
pada tahun 1995 menggunakan nama PHP/FI Gambar 1.Use Case
yang memiliki kepanjangan Personal Home
Page. Namun pada perkembangannya pada 1) Activity Diagram Login Admin
tahun 1997, Andi Gutmans dan Zeev Suraski Menggambarkan aliran aktivitas login
menulis ulang PHP yang kemudian sampai admin ketika melakukan pengelolaan
sekarang dikenal kependekan dari kata aplikasi sistem pakar. Admin harus login
Hypertext Processor.PHP tergolong sebagai terlebih dahulu sebelum melakukan
perangkat lunak open source yang diatur pengelolaan data pada sistem. Setelah
233
admin berhasil login, maka sistem akan User Sistem
menampilkan halaman kelola aplikasi. Start
Diagram aktivitas login dapat dilihat Login
pada gambar 2.
Manage Data Penyakit Menampilkan menu penyakit
Kelola Data Penyakit
User Sistem
Masukkan ID Penyakit
Start
Masukkan Nama Penyakit

Validasi
Login
Masukkan Pengobatan
False
True Simpan Menyimpan Data Gejala
Menu Aplikasi
End
End
Gambar 4.Activity Diagram Kelola Admin

Gambar 2.Activity Diagram Login Admin 4) Activity Diagram Kelola Data Rule
Menggambarkan aliran aktivitas
2) Activity Diagram Kelola Data Gejala pengolahan data rule yang dikelola
Admin oleh admin.
pengolahan data gejala. Diagram User Sistem
aktivitas pengolahan data gejala dapat Start

dilihat pada gambar 3.
Login
User Sistem Manage Rule Menampilkan Menu Rule
Start
Kelola Data Rule
Login
Masukkan ID Gejala
Manage Data Gejala Menampilkan menu list gejala

Masukkan ID Penyakit
Kelola Data Gejala

Simpan Menyimpan Data Rule
End
Masukkan ID Gejala
Masukkan Nama Gejala
Simpan Menyimpan Data Gejala

End
5) Activity Diagram Kelola CF

Gambar 3.Activity Diagram pengolahan CF untuk menambahkan
KelolaAdmin nilai pada gejala yang akan ditambahkan.
3) Activity Diagram Kelola Data

Penyakit Admin
pengolahan data penyakit yang
dikelola admin.
234
User Sistem Sistem

Aktor
Start Start
Login
Menampilkan halaman
Klik Menu Konsultasi
Manage Nilai CF Menampilkan Menu Nilai CF login user
Kelola Nilai CF
Validasi Username
Login
& Password
Masukkan Nilai CF
Simpan Nilai CF Berhasil Disimpan Melakukan Registrasi, Tidak Valid

Isi data user
Valid
End Menampilkan Halaman

Konsultasi
End
6) Activity Diagram AdminKelola

Rekap Diagnosa User Gambar 8.Activity Diagram User
Menggambarkan aliran aktivitas admin
mengelola rekap diagnosa yang 8) Activity Diagram User Memilih
dilakukan user. Admin dapat melakukan Gejala
cetak semua rekapan atau satu rekapan Setelah user berhasil masuk maka
saja. user dapat melakukan konsultasi
dengan memilih gejala yang
User Sistem dirasakan dengan melakukan centang
pada kolom gejala.
Start
Login
Aktor Sistem
Menampilkan Menu Start

Manage Rekap Diagnosa
Rekap Diagnosa
Kelola Rekapan
Login Menampilkan daftar gejala

Hapus/Print Rekapan
End
Memilih Gejala

End
7) Activity Diagram User Melakukan
Login/Registrasi
Sebelum user dapat melakukan
konsultasi maka user harus melakukan
Gambar 9.Activity Diagram User
proses login. Jika user belum terdaftar
maka user harus melakukan registrasi
9) Activity Diagram User Tampil Hasil
terlebih dahulu.
Diagnosa
Setelah user memilih gejala dan
melakukan proses maka user dapat
melihat hasil diagnosa lengkap
dengan nama dan tanggal konsultasi
user. User juga dapat melakukan
cetak hasil dengan memilihbutton
cetak.
235
P03 Emfisema
P04 Bronkitis Kronis
P05 Edema Paru
Aktor Sistem
P06 Fibrosis Kista
Start
P07 Tuberkulosis Paru
P08 Kanker Paru
Login Pneumonia
P09
Hipersensitif
Menampilkan Hasil Rekap
P10 Fibrosis Paru Idiopatik
Pilih Rekap Diagnosa
Diagnosa
P11 Sindrom Goodpasture
P12 Pneumonia Komunitas
Pilih Button Print
P13 Pneumonia Nosokomial
Memproses Tampilan Rekap
P14 Selesma
Hasil P15 Bronkitis Akut
P16 Kriptokokosis Paru
P17 Artritis Reumatoid
End
P18 Sinusitis
P19 Rhinitis
Gambar 10.Activity Diagram User P20 Otitis
P21 Sarkaidosis
ERD merupakan suatu model untuk
menjelaskan hubungan antar data dalam basis 2. Data Gejala
data berdasarkan objek-objek dasar data yang Data-data gejala yang digunakan dalam
mempunyai hubungan antar relasi. Berikut sistem pakar penyakit mata ini berjumlah
adalah gambaran ERD perancangan sistem 76 gejala. Berikut data gejala yang
pakar pada gambar 11. digunakan :
namagejala kodepenyakit
kodegejala kodepenyakit
solusi namapenyakit
kodegejala
Tabel 2. Data Gejala
tbgejala tbrelasi tbpenyakit
Kode
Gejala
username password
Gejala
Admin
nama alamat
solusi namapenyakit G01 Anoreksia
jeniskelamin tglkonsultasi G02 Batuk berdahak/kering
jeniskelamin tbuser tbkonsultasi
username Batuk berdahak, terkadang dahak
username
nama G03
password alamat kodepenyakit mengandung darah
. G04 Batuk berdarah (hemoptisis)
Gambar 11. ERD Batuk berulang dan berdahak lebih dari 3
G05
bulan setiap tahun
3.1 Perancangan Data Batuk lama (kambuhan) dengan dahak
G06
Berdasarkan pengetahuan berupa data gejala yang kental
dan penyakit pearu pada manusia, maka dapat G07 Batuk memburuk ketika berbaring miring
dibuat basis pengetahuan berupa hubungan G08 Batuk pada pagi hari
atau keterkaitan yang ada antara gejala dan G09 Batuk parah ketika malam hari
penyakit paru pada manusia. G10 Batuk yang diikuti dengan sesak napas
1. Data Penyakit G11 Berkeringat dingin
Jumlah penyakit yang diolah dalam G12 Berkeringat pada malam hari
sistem pakar penyakit mata ini ada 21 G13 Berkurangnya daya penciuman
jenis penyakit.Berikut adalah data G14 Bersin
penyakit yang digunakan.
G15 Jantung berdetak lebih lambat (brikardia)
G16 Bunyi ronki basah
Tabel 1. Data Penyakit
Dahak berlebihan dan kental, kadang
Kode Penyakit Nama Penyakit G17
nanah
P01 Asma Bronkiale G18 Dahak mengandung nanah
P02 Bronkiektasis G19 Dahak yang banyak
236
G20 Demam Kebiruan pada kulit dan selaput lender

G64
G21 Demam (suhu 38'C atau lebih) (sianosis)
Demam dan berkeringat terutama pada G65 Suara serak
G22
malam hari G66 Sulit bernapas ketika tidur
Demam yang tinggi pada 5-10 hari G67 Susah tidur pada malam hari
G23
pertama Pernapasan cepat dan dangkal, lebih dari
G68
G24 Susah menelan (disfagi) 60 hembusan per menit
G25 Gatal pada dalam hidung Tekstur tinja yang menggumpal,
G69
G26 Gatal pada kulit berminyak dan berbau tajam
G27 Hidung meler dengan warna hijau pekat G70 Terasa ada benda asing di kerongkongan
G28 Influenza G71 Tidak bereaksi dengan suara lirih
G29 Ingus bernanah G72 Urin mengandung darah
Jari tambur (terangkatnya dan G73 Mimisan
melunaknya kuku, penebalan bagian G74 Pendarahan gusi
G30
kuku, hilangnya garis-garis kuku dan G75 Berkurangnya daya pengecap
kulit) G76 Tidak nafsu makan
G31 Kehilangan pendengaran
G32 Keletihan 3. Tabel Keputusan
Keluar cairan dari hidung yang Berdasarkan pengetahuan berupa data
G33
berlebihan gejala dan penyakit pernapasan pada
G34 Perasaan tidak sehat (malaise) manusia, maka dapat dibuat basis
G35 Mata berair pengetahuan berupa hubungan atau
G36 Menggigil ketertarikan yang ada antara gejala dan
G37 Mengi (bunyi ngik ngik) penyakit pernapasan pada manusia.
G38 Nyeri otot (mialgia) Tabel 3. Data Keputusan
G39 Mual Kode
Kode Gejala
G40 Muntah Penyakit
G41 Napas berbau P01 G02, G37, G42, G57
G42 Nyeri dada P02 G04, G07, G08, G18, G30, G58
G43 Nyeri pada wajah P03 G02, G19, G48, G58, G62
G44 Nyeri saat menarik napas P04 G05, G08, G17, G59, G61, G63
G45 Hidung tersumbat (obstruksi nasal) P05 G03, G11, G37, G60
Pembengkakan (adanya cairan pada P06 G04, G06, GG18, G48
G46 G01, G02, G04, G12, G16, G18,
jaringan tubuh)
P07 G20, G34, G37, G42, G48, G57
G47 Pembengkakan pada muka atau leher
G02, G04, G24, G30, G37, G42,
G48 Penurunan berat badan
P08 G47, G48, G57, G65
G49 Perubahan dahak menjadi bernanah
P09 G10, G20, G28, G37, G38, G57, G64
G50 Pilek
P10 G20, G30, G32, G38, G48, G57
Rasa sakit pada daerah dahi, pipi, hidung
G51 G04, G16, G32, G36, G39, G40,
dan diantara mata
P11 G52, G57, G72
G52 Rasa terbakar saat buang air kecil
P12 G23, G42, G57
G53 Sakit kepala
P13 G15, G16, G37, G67, G68
G54 Sakit pada telinga
G14, G33, G34, G35, G36, G45,
G55 Sakit tenggorokan P14 G53, G55
Sering menarik, mengenggam dan
G56 P15 G19, G26, G45, G50, G55
menggaruk telinga
G02, G04, G12, G20, G32, G42,
G57 Sesak napas P16 G48, G57
G58 Sesak napas ketika beraktivitas P17 G24, G30, G54, G57, G70
Sesak napas secara periodik terutama
G59 G09, G20, G27, G29, G41, G43,
pada saat batuk P18 G45, G51, G53, G75
G60 Sesak napas secara tiba-tiba P19 G13, G14, G25, G45
Sesak napas semakin berat dan sehari
G61 P20 G20, G31, G56, G67, G71, G76
penuh terutama pada udara dingin
G04, G20, G28, G34, G42, G46,
G62 Sesak napas tidak terdapat mengi P21 G48, G57, G68
G63 Sesak napas walau dalam beristirahat
237
Contoh kasus : = 0,9 + [0,65*(1-0,9)]

Seorang pasien mengalami suatu jenis = 0,965
penyakit pernapasan yang belum diketahui. Dari perhitungan CF masing-masing penyakit,
Gejala yang dialami yaitu : maka user kemungkinan terkena penyakit
- Mengi (G37) Kanker Paru dengan bobot sebesar 0,965 atau
- Batuk pada pagi hari (G08) 96,5%.
- Nyeri dada (G42)
- Sesak napas (G57) 4. Hasil Dan Pembahasan
Dengan menggunakan metode certainty factor Tahap implementasisistemmerupakan proses
nantinya dapat diketahui penyakit yang yang dilakukan setelah tahap perancangan
diderita oleh user. Dengan merujuk pada tabel sistem selesai dilaksanakan.
bobot CF pakar maka akan dihitung diagnosa 1) Implementasi Halaman Home
yang cocok dengan gejala yang telah Halaman ini akan tampil pertama kali pada
diinputkan user. Dimana perhitungannya saat user maupun admin masuk ke
sebagai berikut : halaman website. Fungsi dari halaman ini
1. Asma Bronkiale (P01) adalah sebagai penghubung ke halaman-
Hasil pencocokan gejala inputan user halaman lain dengan beberapa link yang
dengan gejala yang dimiliki penyakit ada pada halaman website.
tersebut didapatkan 3 data gejala yang
sama yaitu sebagai berikut :
CF(A) = CF1 + [CF2*(1-CF1)]
= 0,5 + [0,3*(1-0,5)]
= 0,65
CF(B) = CF3 + [CF(A)*(1-
CF3)]
= 0,9 + [0,65*(1-0,9)]
= 0,965
2. Edema Paru (P05)
Hasil pencocokan gejala inputan user
dengan gejala yang dimiliki penyakit Gambar 1.Halaman Home
edema paru didapatkan 2 data gejala yang
CF(A) = CF1 + [CF2*(1-CF1)]
= 0,7 + [0,5*(1-0,7)] 2) Implementasi Halaman Register
= 0,85 Form ini berfungsi untuk melakukan
3. Tuberkulosis Paru (P07) registrasi bagi user baru. User yang ingin
Hasil pencocokan gejala inputan user melakukan diagnosa tetapi belum bisa
dengan gejala yang dimiliki penyakit TB login, maka harus melakukan registrasi
Paru didapatkan 3 data gejala yang sama terlebih dahulu untuk mendapatkan
yaitu sebagai berikut : username dan password yang akan
CF(A) = CF1 + [CF2*(1-CF1)] digunakan saat melakukan login.
= 0,3 + [0,3*(1-0,3)]
= 0,51
CF(B) = CF3 + [CF(A)*(1-
CF3)]
= 0,5 + [0,51*(1-0,5)]
= 0,755
4. Kanker Paru (P08)
Hasil pencocokan gejala inputan user
dengan gejala yang dimiliki penyakit
Kanker Paru didapatkan 3 data gejala yang
CF(A) = CF1 + [CF2*(1-CF1)]
= 0,3 + [0,5*(1-0,3)]
= 0,65 Gambar 2. Halaman Register
CF(B) = CF3 + [CF(A)*(1-
CF3)] 2) Implementasi Halaman About
238
Halaman About berisikan tentang 5) Implementasi Halaman Form Data Penyakit

informasi admin. Halaman ini akan tampil jika admin
memilih menu data penyakit yang terdapat
pada halaman admin. Form ini berfungsi
untuk menyimpan data penyakit. Pada
halaman ini, admin dapat menambah,
mengedit, atau menghapus data penyakit.
Gambar 3.Halaman About
3) Implementasi Halaman Form Login

Formlogin digunakan pada saat admin atau
user ingin melakukan login. Admin harus Gambar 6.Halaman Form Data Penyakit
login terlebih dahulu jika ingin melihat
data dan mengelola data yang ada di 6) Implementasi Halaman Form Relasi Gejala
sistem. User harus melakukan login & Penyakit
terlebih dahuluuntuk melakukan diagnosa. Halaman ini akan tampil jika admin
memilih menu relasi gejala & penyakit
yang terdapat pada halaman admin. Form
ini berfungsi untuk menyimpan data relasi
antara penyakit dengan gejala. Pada
halaman ini, admin dapat mengedit data
relasi.
Gambar 4. Halaman Form Login
4) Implementasi Halaman Form Data Gejala

Halaman ini akan tampil jika admin Gambar 7.Halaman Relasi Gejala &
memilih menu data gejala yang terdapat Penyakit
untuk menyimpan data gejala. Pada 7) Implementasi Halaman Form Nilai
halaman ini, admin dapat menambah, Halaman ini akan tampil jika admin
mengedit, atau menghapus data gejala. memilih menu nilai relasi yang terdapat
untuk menyimpan data nilai gejala dari
suatu penyakit. Pada halaman ini, admin
dapat mengedit nilai relasi.
Gambar 5.Halaman Form Data Gejala
239
Pada saat user ingin melakukan diagnosa,

maka user harus memilih gejala terlebih
dahulu sesuai dengan gejala yang diderita
oleh user. Pada setiap gejala akan
diberikan pilihan ya atau tidak.
Gambar 8.Halaman Form Nilai Relasi
8) Implementasi Halaman Rekap Diagnosa

Halaman ini akan tampil jika admin
memilih rekap diagnosa yang terdapat
untuk menyimpan data diagnosa dari user. Gambar 11.Halaman Diagnosa
Pada halaman ini admin dapat melihat,
menghapus dan mencetak hasil diagnosa 11) Implementasi Halaman Rekap Diagnosa
dari user. Pada halaman ini user dapat melihat rekap
hasil diagnosa yang pernah dilakukan
sebelumnya.User juga dapat menghapus,
dan mencetak hasil diagnosa tersebut.
Gambar 9.Halaman Rekap Diagnosa
9) Implementasi Halaman User Gambar 12.Halaman Rekap Diagnosa User

Halaman ini akan tampil jika admin
memilih menu user yang terdapat pada 12) Implementasi Tampilan Cetak Hasil
halaman admin. Form ini berfungsi untuk Diagnosa
menyimpan data user yang telah Tampilan hasil diagnosa dapat dicetak
melakukan registrasi dan memiliki dengan tampilan seperti gambar dibawah
username dan password untuk melakukan ini.
login. Pada halaman ini admin dapat
menambah data, menghapus dan mengedit
data user yang telah melakukan registrasi.
Gambar 13.Halaman Tampilan Cetak Hasil
5. Kesimpulan
Berdasarkan uraian-uraian maupun
Gambar 10.Halaman Form User pembahasan dari penjelasan yang telah
10) Implementasi Halaman Diagnosa
240
dikemukakan, adapun kesimpulan-kesimpulan [4] Rika Rosnelly. 2012. ―Sistem Pakar

sebagai berikut : Konsep dan Teori‖. Yogyakarta : Andi.
1. Sistem pakar ini mampu menganalisis [5] Rosa A.S., M. Shalahuddin. 2013.
jenis penyakit yang dialami user ―Rekayasa Perangkat Lunak Terstruktur
berdasarkan gejala-gejala yang dipilih oleh dan Berorientasi Objek‖. Bandung :
user. Informatika.
2. Sistem pakar ini dapat digunakan sebagai [6] R.H. Sianipar. 2015. ―Membangun Web
bahan pertimbangan untuk membantu user PHP dan MySQL‖. Bandung : Informatika.
dalam mendiagnosa penyakit paru [7] R. Darmanto Djojodibroto. 2013.
sehingga dapat dilakukan pengobatan lebih ―Respirologi‖. Jakarta : EGC.
cepat. [8] Suyanto. 2014. ―Artificial Intelligence‖.
3. Sistem pakar ini memudahkan pakar dalam Bandung : Informatika.
melakukan pengolahan data penyakit. [9] Sutojo, T., Edy Mulyanto, Vincent
Suhartono. 2011. ―Kecerdasan Buatan‖.
6. Daftar Pustaka Yogyakarta : Andi.
[1] Chanifatul Chairiyah. 2014. ―Perancangan [10] Yossi Octavia, Abdul Fadlil. 2014.
Program Aplikasi “Penjualan Sepeda ―Sistem Pakar Untuk Mendiagnosa
Motor Secara Kredit Dengan Visual Penyakit Pada Saluran Pernafasan dan
Basic‖. Manajemen Informatika Evolusi Paru Menggunakan Metode Certainty
Vol 2 No. 1 - Maret 2014. Factor‖. ISSN : 2338-5197
[2] H. Tabrani Rab. 2010. ―Ilmu Penyakit [11] Zeth Arthur Leleury, Salmon Notje
Paru‖. Jakarta : Trans Info. Aulele. 2016. ―Perancangan Sistem
[3] Kusnadi, Nanang Sanjaya, Ihin Muslihin. Diagnosa Penyakit Saluran Pernapasan
2016. ―Sistem Pakar Daignosa Penyakit Menggunakan Metode Learning Vector
Paru Pada Anak Dengan Metode Forward Quantization (LVQ)‖. ISSN : 1412-6184
Chaining‖. ISSN : 2088-589X
241
STRATEGI PELAYANAN DENGAN MEMPERTIMBANGKAN

FAKTOR KUALITAS LAYANAN DAN HARGA UNTUK
MENINGKATKAN KEPUASAN PELANGGAN
TITAN BAN
1
Jusra Tampubolon, 2Anita Christine Sembiring, 2Kelvin
Program Studi Teknik Industri Fakultas Teknologi dan Ilmu Komputer Universitas Prima
Indonesia
ABSTRAK
Titan ban menjual ban merek Toyo, Maxxis dan Pirelli. Pelanggan mengeluhkan harga ban yang
ditawarkan oleh Titan ban lebih mahal dari harga yang ditawarkan oleh perusahaan pesaing. Ada
banyak faktor yang mempengaruhi kepuasan pelanggan, salah satunya adalah faktor kualitas
layanan dan faktor harga. Harga merupaan aspek penting yang tidak terpisahkan dari tujuan
kegiatan penjualan maupun jasa. Selain itu, Titan ban tidak memberikan ketetapan harga
penjualan kepada pelanggan. Marketing diberi kebebasan untuk memberikan harga kepada
pelanggan sesuai dengan harga dasar yang diberikan oleh perusahaan. sehingga setiap marketing
bebas manaikkan harga sesuai dengan kemampuan pelanggan, hal ini berdampak kepada
kepuasan pelanggan dimana pelanggan merasa marketing lain dapat memberikan harga yang
lebih rendah. Titan ban ingin meningkatan kepuasan pelanggan di masa yang akan datang
dengan perbaikan pada kualitas layanan dan harga yang lebih baik. Pengujian untuk
meningkatkan kualitas layanan dan harga dengan menyebarkan pertanyaan kuisioner terhadap
pelanggan di Titan ban. Kolom sig. = 0,000 pada model 1 dan model 2. Jika α > sig. maka Ho
ditolak dan Ha diterima pada tingkat signifikan 5 % (0,05), karena diperoleh α = 0,05 > sig.=
0,00 maka dapat di prediksikan terdapat hubungan yang linier antara variabel Kualitas Layanan
(X1) dan Harga (X2) terhadap Kepuasan Pelanggan (Y).
Kata kunci: Kualitas pelayanan, Harga, Kepuasan pelanggan
1. Pendahuluan aspek penting yang tidak terpisahkan dari

Memang sudah banyak perusahaan yang tujuan kegiatan penjualan maupun jasa. Selain
sudah sadar mengenai pentingnya pelayanan itu, perusahaan tidak memberikan ketetapan
yang baik terhadap konsumen sebagai salah harga penjualan kepada pelanggan.
satu bentuk tanggung jawabnya. Namun Marketing diberi kebebasan untuk
terkadang, tidak sedikit perusahaan yang memberikan harga kepada pelanggan sesuai
kurang memperhatikan hal ini. Mereka dengan harga dasar yang diberikan oleh
menganggap kualitas produk jauh lebih perusahaan. sehingga setiap marketing bebas
penting. Memang kualitas dari produk juga manaikkan harga sesuai dengan kemampuan
menjadi hal yang penting, namun pelayanan pelanggan, hal ini berdampak kepada
tersebut tidak kalah pentingnya dengan kepuasan pelanggan dimana pelanggan merasa
kualitas produk. Sebaik-baiknya kualitas marketing lain dapat memberikan harga yang
produk yang ditawarkan, jika tanpa adanya lebih rendah.
pelayanan yang baik, belum tentu konsumen Adapun tujuan penelitian ini adalah
tertarik untuk membeli produk tersebut. Bisa untuk mengetahui pengaruh kualitas
jadi konsumen justru membeli produk dari pelayanan terhadap kepuasan pelanggan,
perusahaan lain yang memiliki kualitas produk untuk mengetahui pengaruh harga terhadap
tidak jauh berbeda namun memiliki kualitas kepuasan pelanggan dan memberikan
pelayanan yang sangat memuaskan. Dan pada masukan atau saran kepada titan ban untuk
akhirnya, perusahaan akan kehilangan meningkatkan kepuasan pelanggan.
konsumennya. Untuk itulah kualitas pelayanan
yang baik sangat diperlukan dalam bisnis 2.Tinjauan Pustaka
sebagai salah satu bentuk tanggung jawabnya. Menurut Tjiptono dan Chandra (2012:74),
Titanban menjual ban merek Toyo, Maxis Kualitas layanan mencerminkan semua
dan Pirelli. Pelanggan mengeluhkan harga ban dimensi penawaran produk yang
yang ditawarkan oleh Titan ban lebih mahal menghasilkan manfaat (benefit) bagi
dari harga yang ditawarkan oleh perusahaan pelanggan.
pesaing. Ada banyak faktor yang Menurut Sangadji dan Sopiah (2013:99),
mempengaruhi kepuasan pelanggan, salah Kualitas layanan merupakan suatu kondisi
satunya adalah faktor harga. Harga merupaan dinamis yang berhubungan dengan produk,
242
jasa, manusia, proses dan lingkungan yang menurut Supranto dan Limakrisna (2011:12)
memenuhi atau melebihi harapan. harga adalah sejumlah uang seseorang harus
Menurut Abdullah dan Tantri (2014:44), membayar untuk mendapatkan hak
Kualitas layanan adalah keseluruhan ciri dan menggunakan produk.
karakteristik suatu barang atau jasa yang Dengan demikian dapat disimpulkan harga
berpengaruh pada kemampuannya untuk merupakan satuan moneter atau ukuran yang
memuaskan kebutuhan yang dinyatakan dapat ditukarkan konsumen untuk
maupun yang tersirat. memperoleh hak kepemilikan atau
Berdasarkan beberapa pengertian di atas penggunaan atas suatu barang atau jasa guna
dapat disimpulkan kualitas layanan adalah untuk memenuhi kebutuhan yang
semua tindakan atau kinerja yang dapat menghasilkan keuntungan bagi perusahaan.
ditawarkan oleh perusahaan kepada pelanggan Menurut Sunyoto (2015:138) untuk
yang padaintinya tidak berwujud dan tidak memenangkan sebuah persaingan, maka pihak
menghasilkan kepemilikan apapun namun produsen harus menentukan strategi harga
dapat dirasakan manfaatnya oleh pelanggan. yang tepat bagi produknya. Menurut
Menurut Suchaeri (2012:7), Semua orang Suparyanto dan Rosad (2015:141) bagi
menginginkan keuntungan dalam setiap usaha. sebagian masyarakat tingkat harga menjadi
Dengan mendapatkan keuntungan, perusahaan salah satu simbol dari kualitas produk yang
akan mampu bertahan dan terus berkembang. ditawarkan. Semakin tinggi harga produk pada
Salah satu cara yang bisa membuat umumnya kualitas produk yang bersangkutan
perusahaan untung adalah dengan tinggi juga, sebaliknya semakin rendah harga
memberikan pelayanan yang berkualitas, semakin rendah juga kualitas produk.
penuh dan total terhadap pelanggan. Menurut Supranto dan Limakrisna
Menurut Limakrisna dan Susilo (2012:97), (2011:12) harga barang yang murah
Para petugas pelayanan merupakan ujung dipersepsikan barang bermutu rendah.
tombak perusahaan jasa pelayanan yang akan Memiliki barang berharga mahal juga
berhadapan langsung dengan pihak memberikan informasi tentang pemiliknya
konsumen/pelanggan. Petugas pelayanan ini (orang kaya atau pengusaha yang sukses).
tidak hanya harus mampu menanamkan citra Dengan demikian dapat disimpulkan arti
yang positif bagi perusahaan dan juga harus penting harga suatu produk atau jasa bagi
memiliki kemampuan membantu perusahaan konsumen adalah harga yang mencerminkan
dalam memahami bahwa pelanggan adalah mutu dari suatu produk atau jasa sesuai
aset yang penting yang harus dipelihara dan dengan harga yang ditawarkan oleh
dipertahankan keberadaannya. Oleh karena perusahaan.
itu, apapun permintaan pelanggan, bagaimana
sikap dan tingkah laku pelanggan layanilah 3. Metode Penelitian
pelanggan dengan selalu berpikiran positif. Sampel merupakan bagian dari jumlah dan
Usahakan selalu bersikap ramah, timbulkanlah karakteristik yang dimiliki oleh populasi
kesan awal yang baik karena kesan awal tersebut. Untuk mengetahui berapa sampel
adalah penting untuk mempengaruhi yang akan diambil peneliti menggunakan
hubungan tahap selanjutnya. rumus Slovin dengan karakteristik populasi
Berdasarkan beberapa pengertian di atas yang digunakan dalam suatu penelitian
dapat disimpulkan pentingnya kualitas berjumlah kecil.
layanan yang diberikan terhadap pelanggan N
yang merupakan sarana mempertahankan n=
pelanggan. 1 + Na2
Menurut Kurniawan (2014:33), harga
merupakan suatu nilai tukar yang dikeluarkan Keterangan:
oleh pembeli untuk mendapatkan barang atau n = ukuran sampel
jasa yang mempunyai nilai guna beserta N = jumlah populasi
pelayanannya. a = toleransi ketidaktelitian (dalam persen)
Menurut Hasan (2013:521) harga 5%
merupakan segala bentuk biaya moneter yang Dengan populasi sebanyak 107
dikorbankan oleh konsumen untuk pelanggan dan tingkat kesalahan (a) sebesar
memperoleh, memiliki, memanfaatkan 5%, maka sampel (n) penelitian ini adalah:
sejumlah kombinasi dari barang beserta n = 107
pelayanan dari suatu produk. Sedangkan
243
1+(107)(0,05)2 butir pertanyaan yang sama dengan

n = 84,4 bantuan computer Statistical program for
n = 84 Society Science (SPSS) dengan fasilitas
Masalah dalam penelitian merupakan suatu Cronbach Alpha ( a ) suatu konstruk atau
cara untuk memperoleh data yang akurat dan variable dikatakan reliabel jika
objektif. Hal ini menjadi sangat penting memberikan nilai cronbach alpha > 0,60
karena kesimpulan yang diambil hanya dapat Pengambilan keputusan untuk uji
dipercaya bila didasarkan pada data yang reliabilitas sebagai berikut :
akurat. Untuk itu, dalam penelitian ini perlu
diketahui seberapa tinggi validitas dan 1. Cronbach’s Alpha < 0,4 = cukup
realibilitas alat ukur (instrumen) yang reliabel
digunakan.
Uji validitas dimaksudkan untuk 2. Cronbach’s Alpha 0,6 - 0,8 = reliabel
mengukur valid atau tidaknya suatu kuesioner.
Kuesioner dinyatakan valid bila pertanyaan 3. Cronbach’s Alpha 0,8 - 1 = sangat
pada kuesioner dapat mengungkapkan sesuatu reliabel
yang akan diukur. Mengukur tingkat validitas
Analisis univariat bertujuan untuk
dapat dilakukan dengan cara:
menjelaskan atau mendeskripsikan
1. Melakukan korelasi antara skor butir
karakteristik setiap variabel penelitian.
pertanyaan dan total skor konstruk.
Analisis ini menguraikan mean, median,
Pengujian untuk menentukan signifikan
standart deviasi, range dari tiap variabel yang
atau tidak signifikan dengan
diteliti dan menghasilkan distribusi frekuensi
membandingkan nilai r hitung dengan
dan presentase dari tiap variabel, misalnya
nilai r tabel untuk degree of freedom = n-
distribusi frekuensi dan presentase umur ,
k, (84-2) dalam alpha 0,05 didapat r tabel
jenis kelamin, pendidikan, masa kerja dan
0,2146. Jika r hitung tiap butir
sebagainya.
pertanyaan bernilai positif dan lebih
Analisis multivariat digunakan karena
besar dari r tabel, maka butir pertanyaan
pada kenyataannnya masalah yang terjadi
tersebut dikatakan valid.
tidak dapat diselesaikan dengan hanya
a. Jika rhitung ≥ rtabel dan tiap butir
menghubung-hubungkan dua variable atau
pertanyaan bernilai positif maka
melihat pengaruh satu variable terhadap
butir pertanyaan tersebut dikatakan
variable lainnya. Sebagaimana contoh di atas,
valid.
variable kepuasan pelanggan dipengaruhi
b. Jika rhitung < rtabel dan tiap butir
tidak hanya oleh kualitas produk tetapi juga
pertanyaan bernilai positif maka
oleh harga dan saluran distribusi produk
butir pertanyaan tersebut dikatakan
tersebut.
tidak valid.
2. Uji validitas dapat juga dilakukan
4. Hasil Penelitian
dengan menghitung korelasi antara skor
Hasil uji coba validitas untuk variabel
masing-masing butir pertanyaan dan total
kualitas layanan dan harga pada taraf
skor.
kepercayaan 5% adalah df = 86 – 2 = 84
Uji realibilitas dimaksudkan untuk
maka diperoleh r tabel 0,2146. Tidak ada butir
mengukur kuesioner yang merupakan
pertanyaan yang tidak valid karena rhitung >
indikator dari variabel. Butir pertanyaan
dari rtabel.
dikatakan realibel apabila jawaban seseorang
Hasil reabilitas variabel kualitas pelayanan
terhadap pertanyaan konsisten. Pengukuran
dan variabel harga sama-sama diperoleh
realibilitas dilakukan dengan cara :
0.797 berdasarkan Cronbach’s Alpha, maka
1. Pengukuran ulang : pada waktu yang
kuisioner yang di uji coba terbukti reliabel
berbeda, seseorang responden diberi
karena berada direntang 0,6 – 0,8.
butir pertanyaan atau alternatif jawaban
Uji Univariat bertujuan untuk menjelaskan
yang sama. Butir pertanyaan dikatakan
atau mendeskripsikan karakteristik setiap
andal jika jawabannya sama.
variabel penelitian Adapun hasil uji univariat
2. Pengukuran sekali saja : pengukuran
diolah dengan software SPSS.22. Adapun
keandalan butir pertanyaan dengan sekali
tabel frekuensi variabel kualitas pelayanan dan
menyebarkan kuesioner pada responden,
variabel harga sebagai berikut :
kemudian hasil skornya diukur dengan
korelasinya antar skor jawaban pada
244
Berikut ini akan disajikan tabel Berdasarkan hasil pembagian kuisioner

pengelompokan presentase variabel kualitas kepada responden, perbaikan yang dilakukan
layanan: berdasarkan total skor pertanyaan setiap
variabel dengan skor atau nilai terendah,
5. Pembahasan meliputi:
Pengujian multivariat bertujuan untuk
mengetahui korelasi antara variabel dependent
dan independent. Berdasarkan hasil pengujian 7. Kesimpulan
multivariat, maka Dari Tabel 7. Korelasi Adapun kesimpulan yang didapat dari
Antar Variabel Dependent Dan Independent hasil penelitian adalah sebagai berikut
diperoleh hasil koefisien korelasi pearson di 1. Terdapat pengaruh kualitas layanan
nyatakan ada hubungan antar variable. terhadap kepuasan pelanggan di Titan ban
Berdasarkan Tabel. 8. bahwa untuk koefisien dengan Sig. (1-tailed) di peroleh hasil α =
kualitas layanan dan harga semuanya 0.05 > sig = 0.000 sehingga dapat
signifikan masuk ke model linier regresi dikatakan hubungan antara kualitas
karena α = 0,05 > sig.0,00 (harga X2) dan α = layanan signifikan berpengaruh terhadap
0,05 > sig.0,00 (kualitas X1), sehingga dapat kepuasan pelanggan.
dikatakan data ini cocok menggunakan
multivariat. 2. Terdapat pengaruh harga terhadap
Pengujian hipotesis dilakukan untuk kepuasan pelanggan di Titan ban dengan
membuktikan bahwa hipotesis penelitian Sig. (1-tailed) di peroleh hasil α = 0.05 >
ditolak atau diterima berdasarkan taraf sig = 0.000 sehingga dapat dikatakan
signifikan 5% (0,05) hubungan antara harga signifikan
berpengaruh terhadap kepuasan
Tabel 1. Anova untuk Pengujian pelanggan.
3. Adapun strategi untuk dapat

meningkatkan kepuasan pelanggan di
titan ban yakni dengan cara memperbaiki
kualitas layanan dan harga dari hasil
rekapitulasi total masing-masing variabel
dengan skor terendah.
Daftar Pustaka
[1] Abdullah, Thambrin dan Francis
Tantri. Manajemen Pemasaran. Ed. 1,
Jakarta: PT Grafindo Persada. 2014.
6. Hipotesis [2] Adam, Muhammad. Manajemen

Pengajuan hipotesis penelitian berdasarkan Pemasaran Jasa Teori Dan Aplikasi.
tingkat signifikansi 5% sebagai berikut : Bandung: CV Alfabeta. 2015.
Ho : Kualitas layanan dan harga tidak
berpengaruh terhadap kepuasan [3] Arikunto, Suharmisi. Prosedur
pelanggan di Titan ban baik secara Penelitian Suatu Pendekatan Praktik.
parsial maupun secara simultan. Jakarta: PT Rineka Cipta. 2009.
Ha : Kualitas layanan dan harga
berpengaruh terhadap kepuasan [4] Ghozali, Imam. Aplikasi Analisis
pelanggan di Titan ban baik secara Multivariate Dengan Program SPSS.
parsial maupun secara simultan. Semarang: Badan Penerbit Universitas
Pada Tabel 9. dapat di lihat kolom sig. = Diponegoro. 2013.
0,000 pada model 1 dan model 2. Jika α > sig.
maka Ho ditolak dan Ha diterima pada tingkat [5] Hasan, A. Marketing Dan Kasus-kasus
signifikan 5 % (0,05), karena diperoleh α = Pilihan. Jakarta: PT Buku Seru. 2014.
0,05 > sig.= 0,00 maka dapat di prediksikan Kurniawan, Arief Rakhman. Total
terdapat hubungan yang linier antara variabel Marketing. Jakarta: PT Buku Kita.
X1 dan X2 terhadap Y. 2014.
245
[6] Limakrisna, Nandan dan Wilhelmus Solo: PT Tiga Serangkai Pustaka

Hary Susilo. Manajemen Pemasaran Mandiri. 2012.
Teori dan Aplikasi dalam Bisnis. [15] Sugiyono. Metode Penelitian
Jakarta: Mitra Wacana Media. 2012. Kuantitatif Kualitatif Dan R&D.
[7] Marwanto, Aris. Marketing Sukses. Bandung : PT Alfabeta. 2013.
Cetakan Kesatu, Yogyakarta: Kobis.
2015. [16] Sunyoto, Danang. Strategi Pemasaran.
Yogyakarta: CAPS. 2015.
[8] Nasution, M. N. Manajemen Jasa
Terpadu. Cetakan Kedua, Bogor: [17] Suparyanto, R. W. dan Rosad.
Ghalia Indonesia. 2010. Manajemen Pemasaran. Bogor: In
[9] Nitisusastro, Mulyadi. Perilaku Media. 2015.
Konsumen Dalam Perspektif
Kewirausahaan. Bandung: CV [18] Supranto, J. & Nandan Limakrisna.
Alfabeta. 2013. Perilaku Konsumen & Strategi
Pemasaran : Untuk Memenangkan
[10] Pramesti, Getut. Sukses Mengolah Persaingan Bisnis. Ed. 2, Jakarta:
Data Dibidang Bisnis Dan Industri Mitra Wacana Media. 2011.
Dengan SPSS.16.0. Jakarta, PT Elex
Media Capetindo, 2009. [19] Suwarjeni, V. Wiratna. Metodologi
Penelitian Lengkap, Praktis dan
[11] Priyatno, Duwi. SPSS 22: Pengolah Mudah Dipahami. Yogyakarta :
Data Terpraktis. Yogyakarta: CV Andi Pustaka Baru Press, 2014.
Offset. 2014.
[20] Suyanto, M. Marketing Strategy Top
[12] Sangadji, Etta Mamang dan Sophia. Brand Indonesia. Yogyakarta : CV
Perilaku Konsumen Pendekatan Andi Offset. 2007.
Praktis. Yogyakarta: CV Andi Offset.
2013. [21] Tjiptono, Fandy dan Gregorius
Chandra. Pemasaran Stategik.
[13] Sanusi, Anwar. Metodologi Penelitian Yogyakarta : CV Andi Offset. 2012.
Bisnis : Disertai Contoh Proposal
Penelitian Bidang Ilmu Ekonomi Dan [22] Tjiptono, Fandy. Pemasaran Jasa.
Manajemen. Jakarta: Salemba Empat. Yogyakarta: CV Andi Offset. 2014.
2011.
[23] Torang, Syamsir. Organisasi &
[14] Suchaeri, Heri. Total Customer Manajemen (Perilaku, Struktur,
Percepatan Laba Sepanjang Masa. Budaya & Perubahan Organisasi).
Bandung: CV. Alfabeta. 2016.
246
ANALISA DALAM MENENTUKAN PRODUK BRI SYARIAH

TERBAIK BERDASARKAN PERBANKAN PERSONAL
DENGAN PENDANAAN MENGGUNAKAN
METODE ANP
Putrama Alkhairi1, Saifullah2, Ika Okta Kirana3, Indra Gunawan4
1
Telp. (0622) 22431
2,3,4
Telp. (0622) 22431
E-mail: putramaalkhairi97@gmail.com,
ABSTRAKS
Salah satu tujuan Bank BRI Syariah membuat layanan produk - produk dan jasa unggulan
adalah untuk menghasilkan kegiatan perbankan yang berkualitas dan menunjang pelaksanaan
ekonomi dan stabilitas nasional ke arah peningkatan kesejahteraan masyrakat banyak. Banyak
asumsi dan pendapat dari sejumlah kalangan tentang produk mana yang terbaik yang
dikeluarkan oleh BRI Syariah. Pemilihan Produk BRI Syariah yang dilakukan oleh penulis
dibantu dengan metode ANP karena proses keputusasn melibatkan kriteria majemuk yang saling
berhubungan satu sama lain. Banyak kriteria dari produk - produk yang dapat dijadikan
parameter sebagai kunci menjadi produk unggulan. Penelitian ini membahas tentang metode
pengambilan keputusan di antara sekian banyak pilihan dengan menggunakan Metode ANP yang
membantu pengambilan keputusan untuk permasalahan yang kompleks dengan
menyederhanakan permasalahan melalui model network yang menggambarkan hubungan antar
kriteria. Model kasus yang digunakan adalah menentukan produk mana yang terbaik dari produk
BRI Syariah berdasarkan Perbankan Perosonal dengan Pendanaan. Penelitian menggunakan
dua komponen komparasi yakni data riil BRI Syariah dan observasi langsung, kriteria utama yang
dipertimbangkan oleh penulis adalah Biaya yang dikeluarkan,Syarat ketentuan, Fitur Produk
dan Fasilitas Produk dimana ada hubungan antara Fasilitas Produk dengan Fitur Produk serta
Biaya Produk dengan Syarat Ketentuan. Hasil dari penelitian ini menenujukan bahwa
perhitungan yang dilakukan secara manual mampu memberikan perangkingan alternatif dari
hasil perhitungan bobot nilai produk sesuai dengan metode (ANP), yang berkontribusi terhadap
konsumen dalam merekomendasi sebagai refrensi dalam menentukan produk mana yang
menjadi tempat penyimpanan yang sesuai kebutuhan konsumen dan berkontribusi terhadap
perusahaan BRI Syariah sebagai acuan untuk memperbaiki Setiap Fasilitas yang diberikan
kepada konsumen.
Kata Kunci: Produk BRI Syariah, ANP, Kriteria Majemuk
1. PENDAHULUAN Global Financial Inclusion Index 2011 World

1.1 Latar Belakang Bank, jumlah warga Indonesia yang memiliki
Melihat perkembangan di industri rekening di bank hanya 19,6% atau jauh lebih
perbankan, kini setiap bank berlomba untuk rendah dibandingkan Malaysia 66,7%,
meningkatkan jasa dalam servis kepada Thailand 77,7% , Vietnam 21,4% dan
masyarakat. Sebagaimana kita ketahui bahwa Singapore 98,2%. Presentasi didapatkan
bank merupakan sebuah lembaga keuangan berdasarkan klasifikasi dengan penduduk yang
yang berfungsi sebagai intermediary usianya di atas 15tahun yang seharus dapat
keuangan. Fungsi tersebut untuk memliki tabunganya sendiri. Penyebab kecil
menghimpunan dana dari masyarakat dalam persentasenya yaitu kurang sadarnya
bentuk simpanan dan kemudian masyarakat pentingnya menabung. Maka BRI
menyalurkannya kepada masyarakat dalam Syariah di rasa perlu untuk dapat mencari
bentuk kredit. Selain intermediary keuangan solusinya dengan cara memberikan inovasi
bank juga berfungsi menunjang pelaksanaan terhadap layanan jasa yang
pembangunan nasional dalam rangka unggul.(Lirna,2016)
meningkatkan pemerataan, pertumbuhan Proses menentukan produk BRI syariah
ekonomi dan stabilitas nasional. Menurut terbaik berdasarkan perbankan personal
247
dengan pendanaan melibatkan banyak kriteria Berdasarkan permasalahan yang telah

yang di nilai atau multikeriteria, maka dalam dijabarkan sebelumnya, maka diambil
penyelesainya di perlukan sistem pendukung perumusan masalah yaitu ―Bagaimana
keputusan multikriteria(putrama,2018). Salah membuat produk bank BRI Syariah dapat
satu metode sistem pendukung keputusan menjadi produk yang unggul serta baik dan
yang multikriteria adalah Metode Analytic masyarkat tertarik untuk menabung dan
Network Process (ANP) yaitu salah satu untuk menangani permasalahan penentuan
metode yang mampu merepresentasikan produk BRI Syariah terbaik menggunakan
tingkat kepentingan berbagai pihak dengan metode Analytic Network Process
mempertimbangkan saling keterkaitan antar (ANP)‖(Melya,2013).
kriteria dan sub kriteria yang ada(iwan,2003). 1.3 Tujuan
Dalam metode ini memerlukan interaksi Adapun tujuan dari penelitian adalah
dan ketergantungan dengan menggunakan untuk menentukan Produk BRI Syariah
network. ANP mengizinkan adanya interaksi terbaik menggunakan metode Analytic
dan umpan balik dari elemen-elemen dalam Network Process (ANP). Serta teruntuk
cluster (inner dependence) dan antar cluster konsumen dalam merekomendasi sebagai
(outer dependence). ANP merupakan metode refrensi dalam menentukan produk mana yang
pemecahan suatu masalah yang tidak menjadi tempat penyimpanan yang sesuai
terstruktur dan adanya ketergantungan kebutuhan konsumen dan berkontribusi
hubungan antar elemennya((Pungkasanti and terhadap perusahaan BRI Syariah sebagai
Handayani, 2017). ANP merupakan salah satu acuan untuk memperbaiki Setiap Fasilitas
metode yang rumit dan kompleks karena yang diberikan kepada konsumen.(Melya,
metode ini memiliki banyak tahapan untuk 2013)
hasil akhirnya (Pungkasanti and Handayani, 1.4 Metodologi Penelitian
2017). ANP ini cukup efektif dalam 1.4.1 Identifikasi Masalah
menyederhanakan dan mempercepat proses Identifikasi masalah merupakan
pengambilan keputusan dengan memecahkan sekelompok aspek yang berada disekitar
persoalan tersebut kedalam bagian-bagiannya. masalah utama yang dapat diteliti untuk
Sistem Pendukung Keputusan adalah sistem menjawab permasalahan utama. Adapun
penghasil informasi spesifik yang ditujukan permasalahan yang dapat diidentifikasi untuk
untuk memecahkan suatu masalah tertentu pelaksanaan seminar ini adalah perhitungan
yang harus dipecahkan oleh manager pada yang masih manual.
berbagai tingkatan. Dengan kata lain Sistem 1.4.2 Metode Pengumpulan Data
Pendukung Keputusan adalah suatu sistem Dalam penulisan paper ini penulis
informasi berbasis komputer yang menggunakan teknik pengumpulan data
menghasilkan berbagai alternatif keputusan sebagai berikut:
untuk membantu manajemen dalam a. Studi Pustaka Merupakan teknik
menangani berbagai permasalahan yang pengumpulan data dengan cara
terstruktur dengan menggunakan data dan mempelajari dan membaca
model. (putrama, 2018) b. Berbagai macam buku, laporan,
Untuk memudahkan menentukan artikel dan jurnal yang ada
pemilihan produk BRI Syariah terbaik perlu kaitannya dengan
dibuat suatu sistem yang mampu memberikan penelitian(agus,2017).
hasil produk yang unggul dan berkualitas c. Observasi Observasi merupakan
seheingga mempermudah nasabah dalam metode pengumpulan data melalui
menetukan produk yang harus di pilih dalam pengamatan yang dilakukan secara
setiap prosesnya. Untuk itu, diperlukan suatu langsung terhadap objek penelitian
Sistem Pendukung Keputusan (SPK) yang yaitu sistem menetukan produk BRI
penyelesaian masalahnya menggunakan Syariah berdasarkan Dana Pihak
metode ANP yang dapat memperhitungkan Ketiga terbaik. Dengan
segala kriteria yang mendukung pengambilan menggunakan pencatatan secara
keputusan pemilihan mahasiswa secara cepat, sistematika terhadap fakta-fakta
mudah dan dalam proses pengolahan data yang ada hubungannya dengan
pengambilan keputusan dapat melakukan masalah yang sedang di
perangkingan untuk menentukan produk BRI teliti.Penelitian ini dilaksanakan di
Syariah terbaik.(putrama, 2018) BRI Syariah(agus,2017).
1.2 Rumusan Masalah Metode Analytic Network Process
(ANP) merupakan pengembangan metode
248
Analytical Hierarchy Process (AHP).Metode matriks n x n(Putri, Statiswaty and Tajidun,

ANP mampu memperbaiki kelemahan AHP 2016).
berupa kemampuan mengakomodasi 1.4.2 Tinjauan Pustaka
keterkaitan antar kriteria atau alternatif. Studi pustaka dilakukan untuk
Keterkaitan pada metode ANP ada 2 jenis mencari dan mempelajari serta
yaitu keterkaitan dalam satu set elemen (inner mengumpulkan seluruh informasi yang terkait
dependence) dan keterkaitan antar elemen dan mendukung pelaksanaan penelitian pada
yang berbeda (outer dependence). Adanya penelitian ini. Studi pustaka ini membahas
keterkaitan tersebut menyebabkan metode tentang pemilihan karyawan terbaik
ANP lebih kompleks dibandingkan dengan menggunakan metode Analytic Network
metode AHP. Process (ANP). Sumber kepustakaan diambil
Secara umum langkah-langkah yang dari karya ilmiah yang berasal dari buku-buku
harus dilakukan dalam menggunakan ANP maupun internet. Karya ilmiah yang dimaksud
adalah : adalah berupa tulisan ilmiah yang berbentuk
1. Mendefinisikan masalah dan artikel, prosiding, buku, e-book (buku
menentukan kriteria solusi yang diinginkan. elektronik), dan lain-lain.(melya, 2013)
2. Menentukan pembobotan komponen 1.5 Landasan Teori
dari sudut pandang manajerial. 1.5.1 Konsep Dasar Sistem Pengambilan
3.Membuat matriks perbandingan Keputusan
berpasangan yang menggambarkan kontribusi Sistem adalah kumpulan dari objek-
atau pengaruh setiap elemen atas setiap objek seperti orang, konsep dan prosedur yang
kriteria. Perbandingan dilakukan berdasarkan ditujukan untuk melakukan fungsi tertentu
penilaian dari pengambil keputusan dengan atau memenuhi suatu tujuan. Sedangkan
menilai tingkat kepentingan suatu elemen. menurut sistem adalah jaringan kerja dari
4.Setelah mengumpulkan semua data prosedur-prosedur yang saling berhubungan,
perbandingan berpasangan dan memasukkan berkumpul, bersama-sama untuk melakukan
nilai-nilai kebalikannya serta nilai satu di suatu kegiatan atau menyelesaikan suatu
sepanjang diagonal utama, prioritas masing- sarana tertentu.
masing kriteria dicari dan konsistensi diuji. Sistem terdiri dari:
5. Menentukan eigenvector dari matriks 1. Input adalah semua elemen yang
yang telah dibuat pada langkah ketiga. masuk ke sistem
6. Mengulangi langkah 3, 4, dan 5 untuk 2. Proses adalah proses
semua kriteria. transformasi elemen-elemen
7. Membuat weighted super matrix dari input menjadi output. 3.
dengan cara memasukkan semua eigen vector Output adalah produk jadi atau
yang telah dihitung pada langkah 5 ke dalam hasil dari suatu proses di
sebuah super matriks. sistem.(Sebagai, Satu and
8. Membuat limiting supermatrix dengan Informatika, 2013)
cara memangkatkan super matriks secara terus 1.5.2 Analytic Network Process (ANP)
menerus hingga angka disetiap kolom dalam Metode Analytic Network Process
satu baris sama besar. (ANP) merupakan pengembangan dari metode
9. Memeriksa konsistensi, rasio Analytical Hierarchy Process (AHP). Metode
konsistensi tersebut harus 10 persen atau ANP mampu memperbaiki kelemahan AHP
kurang. Jika nilainya lebih dari 10%, maka berupa kemampuan mengakomodasi
penilaian data keputusan harus keterkaitan antar kriteria atau alternatif (Saaty,
diperbaiki.(Putri, Statiswaty and Tajidun, 2004). Pada AHP semua kriteria yang ada
2016) harus saling berkaitan secara hirarki,
Menyusun prioritas merupakan salah sedangkan pada ANP semua kriteria bisa
satu bagian yang penting dan perlu ketelitian berkaitan dan tidak berkaitan, jika ada kriteria
di dalamnya. Pada bagian ini ditentukan skala yang tidak berkaitan maka kriteria itu bernilai
kepentingan suatu elemen terhadap elemen 0. Keterkaitan pada metode ANP ada 2 jenis
lainnya.Langkah pertama dalam penyusunan yaitu keterkaitan dalam satu set cluster (inner
prioritas adalah menyusun perbandingan dependence) dan keterkaitan antar cluster
berpasangan, yaitu membandingkan dalam yang berbeda (outer dependence). Adanya
bentuk berpasangan seluruh untuk setiap sub keterkaitan tersebut menyebabkan metode
sistem hirarki.Perbandingan tersebut ANP lebih kompleks dibanding metode
kemudian ditransformasikan ke dalam bentuk AHP(melya,2013).
matriks untuk maksud analisis numerik, yaitu
249
Misalkan terdapat suatu sub sistem

hirarki dengan kriteria A dan sejumlah elemen
di bawahnya, B1 sampai Bn. Perbandingan
antar elemen untuk sub sistem hirarki itu dapat
dibuat dalam bentuk matriks n x n (Tabel 1).
Matriks ini disebut matriks perbandingan
berpasangan. Nilai bij adalah nilai
perbandingan elemen Bi terhadap Bj yang

menyatakan hubungan:
a. Seberapa jauh tingkat kepentingan Bi bila
dibandingkan dengan Bj, atau Seberapa besar
kontribusi Bi terhadap kriteria A dibandingkan
dengan Bj, atau
c. Seberapa jauh dominasi Bi dibandingkan
dengan Bj, atau
d. Seberapa banyak sifat kriteria A terdapat
pada Bi dibandingkan dengan Bj.
Tabel 1. Matriks Perbandingan

Berpasangan
Bila diketahui nilai bij maka secara teoritis

nilai bji = 1 / bij, sedangkan bij dalam situasi i
= j adalah mutlak 1.
Adapun pedoman untuk memberikan
pebilian dalam perbandingan berpasangan
dapat dilihat pada tabel berikut ini (Tabel 1);
Tabel 2. Skala Banding Secara

Berpasangan
(Sumber Saaty 1996 (nurdiana,2008)).

1.5.2.1 Menentukan Nilai Eigenvector
Setelah dilakukan matriks
perbandingan berpasangan, selanjutnya
menentukan nilai eigen dari matriks tersebut.
250
Perhitungan eigenvector dengan cara

menjumlahkan nilai setiap kolom dari
matriks kemudian membagi setiap nilai sel
kolom dengan total kolom dan
menjumlahkan nilai-nilai dari setiap baris dan
dibagi n. Nilai eigen dihitung dengan Saat menerapkan bahwa suatu matriks
langkah-langkah sebagai berikut : perbandingan adalah konsisten bila nilai CR
X = ∑(Wij / ∑Wj ) / n tidak lebih dari 10%. Apabila rasio konsistensi
Keterangan : semakin mendekati ke angka nol berarti
(2.1) semakin baik nilainya dan menunjukkan
X kekonsistensian matriks perbandingan
: eigenvector Wij tersebut.(melya,2013)
∑Wj n Pembobotan dengan ANP membutuhkan
: nilai sel kolom dalam satu baris ( i,j model yang merepresentasikan saling
= 1….n) : jumlah total kolom keterkaitan antar kriteria dan subkriteria yang
n : jumlah matriks yang dibandingkan dimilikinya. Ada 2 kontrol yang perlu
1.5.2.2 Memeriksa Rasio Konsistensi diperhatikan di dalam memodelkan sistem
Setelah mendapatkan nilai eigen, yang hendak diketahui bobotnya. Kontrol
selanjutnya memeriksan rasio konsistensi. pertama adalah kontrol hierarki yang
Langkah pertama mencari nilai ?maks menunjukkan keterkaitan kriteria dan sub
dengan cara: λmaks = (nilai eigen 1 × jumlah kriterianya. Pada kontrol ini tidak
kolom 1) + (nilai eigen 2 × jumlah kolom membutuhkan struktur hierarki seperti pada
2)…. n. metode AHP. Kontrol lainnya adalah kontrol
Setelah mendapatkan ?maks keterkaitan yang menunjukkan adanya saling
kemudian mencari Consistency Index (CI) keterkaitan antar kriteria atau cluster
sebagai berikut : (putrama,2018). Jika diasumsikan suatu sistem
CI = (λmaks - n)/(n - 1) memiliki N cluster dimana elemen-elemen
Keterangan : CI dalam tiap cluster saling berinteraksi atau
: Consistency Index memiliki pengaruh terhadap beberapa atau
Λmaks : nilai eigen terbesar seluruh cluster yang ada. Jika cluster
n : jumlah matriks yang dibandingkan dinotasikan dengan Ch, dimana h = 1, 2, …,N,
Nilai CI tidak akan berarti apabila dengan elemen sebanyak nh yang dinotasikan
terdapat standar untuk menyatakan apakah CI dengan eh1, eh2, …, ehnh. Pengaruh dari satu
menunjukkan matriks konsisten. Saaty set elemen dalam suatu cluster pada elemen
memberikan patokan dengan melakukan yang lain dalam suatu sistem dapat
perbandingan secara acak atas 500 buah direpresentasikan melalui vector prioritas
sampel. Saaty berpendapat bahwa suatu berskala rasio yang diambil dari perbandingan
matriks yang dihasilkan dari perbandingan berpasangan. Jaringan pada metode ini
yang dilakukan secara acak merupakan suatu memiliki kompleksitas yang tinggi dibanding
matriks yang mutlak tidak konsisten. Dari dengan jenis lain, karena adanya fenomena
matriks acak tersebut didapatkan juga nilai feedback dari cluster satu ke cluster lain,
Consistency Index, yang disebut juga dengan bahkan dengan cluster-nya sendiri. Kriteria
Random Index (RI). Dengan membandingkan calon pegawai dinyatakan sebagai cluster
CI dengan RI maka didapatkan patokan untuk sedangkan elemen dan sub elemennya
menentukan tingkat konsistensi suatu matriks, merupakan strategi objektif dengan KPI-KPI-
yang disebut dengan Consistency Ratio (CR), nya. Pada Gambar 1 memperlihatkan model
dengan rumus : jaringan dengan feedback dan dependen
CR = CI / RI cecluster satu dengan cluster lainnya.
Keterangan :
CR : Consistency Ratio
CI : Consistency Index
RI : Random Index
Dari 500 buah sampel matriks acak dengan
skala perbandingan 1 – 9, untuk beberapa orde
matriks mendapatkan nilai rata-rata RI sebagai
berikut :
Tabel 3. Nilai Random Index (Saaty, 1999)
Gambar 1. Model Feedback dan
Dependence pada Cluster
251
Setelah model dibuat, maka dilakukan a. Tabungan Faedah BRI

dibuat tabel dari hasil data pairwise Syariah
comparison dengan menggunakan tabel b. Tabungan Haji BRI Syariah
supermatriks. Kemudian akan dilakukan c. Tabungan Impian BRI
proses pembobotan untuk setiap cluster yang Syariah
telah ditentukan berdasarkan kriteria calon d. Simpanan Faedah BRI Syariah
pegawai. Algoritma perhitungan pembobotan e. Simpanan Pelajar BRI Syariah
yang dilakukan dimulai dari data dengan f. Giro Faedah Mudharabah
bentuk pairwaise comparison sampai 2) Data Kriteria dan Sub Kriteria
dihasilkan bobot tiap indikator
kinerjanya.Kriteria dibuat berdasarkan
kebutuhan dan tujuan dari pemilihan. Untuk Tabel 4. Data Kriteria dan Sub Kriteria
menunjukkan hasil akhir dari perhitungan
perbandingan maka supermatriks akan
dipangkatkan secara terus-menerus hingga
angka setiap kolom dalam satu baris sama
besar. Rumus perhitungannya, dapat dilihat
pada Persamaan (Putri, Statiswaty and
Tajidun, 2016).
LimM→∞
Hubungan preferensi yang dikenakan

antara dua elemen tidak mempunyai masalah
konsistensi relasi. Bila elemen A adalah dua
kali elemen B, maka elemen B adalah ½ kali
elemen A. Tetapi, konsistensi tersebut tidak
berlaku apabila terdapat banyak elemen yang
harus dibandingkan. Oleh karena keterbatasan
kemampuan numerik manusia maka prioritas
yang diberikan untuk sekumpulan elemen
tidaklah selalu konsisten secara logis.
Misalkan A adalah 7 kali lebih penting dari D,
B adalah 5 kali lebih penting dari D, C adalah
3 kali lebih penting dari B, maka tidak akan
mudah untuk menemukan bahwa secara
numerik C adalah 15/7 kali lebih penting dari 3) Data Penilaian Alternatif
A. Hal ini berkaitan dengan sifat AHP itu Data penilaian alternatif merupakan
sendiri, yaitu bahwa penilaian untuk produk-produk BRI Syariah yang dipilih
menyimpang dari konsistensi logis. sebagai sampel yang digunakan dalam
menentukan perangkingan produk BRI
2 PEMBAHASAN Syariah untuk pemilihan produk BRI Syariah
2.1 Analisa Manajemen Data terbaik. Contoh data alternatif yang digunakan
Analisa merupakan langkah pemahaman dalam laporan ini yaitu
permasalahan yang akan dipecahkan sebelum Aalt1,Alt2,Alt3,Alt4,Alt5 dan Alt6 yang di
mengambil tindakan yang akan nilai secara umum dari masing-masing
dibuat(Sebagai, Satu and Informatika, 2013). kriteria.
Sistem Pendukung Keputusan (SPK) 2.1.1 Mendefinisikan masalah dan
pemilihan karywan terbaik ini dapat dirancang menentukan kriteria dan subkriteria
dari beberapa pengumpulan data sebagai Langkah awal dalam metode ANP
berikut : adalah mengidentifikasi tujuan dari masalah.
1) Data Alternatif Pada kasus ini, masalah yang akan dipecahkan
dan tujuan yang ingin dicapai adalah
252
menentukan pemilihan produk BRI Syariah dari Gambar 2.1 kriteria Fasilitas dan kriteria
terbaik dari beberapa alternatif Produk dengan Fitur terhubung sehingga antar kriteria
menilai kriteria yang ada. tersebut terjadi suatu keterkaitan. Karena garis
Pada kasus ini terdapat 4 (empat) kriteria penghubung memiliki arah timbal balik yang
yaitu Fasilitas,Fiturt,Biayayang dikeluarkan berarti kedua kriteria saling mempengaruhi
dan Syarat ketentuan Alternatif. Tiap kriteria satu sama lain.(Sebagai, Satu and Informatika,
memiliki subkriteria, dapat dilihat pada 2013)
gambar 4.2.
2.1.2 Membuat struktur network 2.1.3 Membuat Supermatriks
Struktur network berfungsi untuk Perbandingan tingkat kepentingan dalam
menentukan pengaruh atau saling setiap elemen maupun cluster
ketergantungan antar kriteria maupun antar direpresentasikan dalam sebuah matrik dengan
subkriteria. Dalam pemilihan karyawan memberikan skala rasio dengan perbandingan
terbaik terdapat 4 (empat) kriteria, yaitu : berpasangan. Masing-masing skala rasio
1. Kriteria Fasilitas (C1) menunjukan perbandingan kepentingan antara
dikelompokkan ke dalam 2 sub elemen didalam sebuah komponen dengan
kategori yang meliputi Dapat elemen diluar komponen(outer dependence)
bertransaksi diseluruh cabang (E11) atau juga didalam elemen terdapat elemen itu
dan Memperleh buku tabungan sendiri yang berada dikomponen dalam (inner
(E12). dependence). Tidak setiap elemen
2. Kriteria Fitur (C2) dikelompokkan ke memberikan pengaruh terhadap elemen pada
dalam 2 sub kategori yang meliputi komponen lain. Elemen yang tidak
Gratis Biaya Administrasi(E21). memberikan pengaruh pada elemen lain akan
3. Kriteria Biaya Yangdikeluarkan (C3) memberikan nilai nol. Matriks hasil
dikelompokkan ke dalam 2 sub perbandingan berpasangan direpresentasikan
kategori yang meliputi Ringan kedalam bentuk vertikal dan horizontal dan
Setoran Awal (E31) Ringan Biaya berbentuk matriks yang bersifat stochastic
Transfer (E32). yang disebut sebagai supermatriks.
4. Kriteria Syarat Ketentua (C4) Supermatriks terdiri dari 3 (tiga) tahap.
dikelompokkan ke dalam 2 sub Berikut ini tahap-tahap dan penjelasannya:
kategori yang meliputi Melampirkan a. Tahap supermatriks tanpa bobot
Fotocopy KTP (E41) dan (unweighted supermatrix).
Melampirkan NPWP (E42). Merupakan supermatriks yang asli dari
5. Kriteria alternatif, terdiri dari eigenvector-eigenvector kolom diperoleh
Alt1,Alt2,Alt3,At4,Alt5 dan Alt6. dari matriks perbandingan pasangan dari
Pada penelitian ini ada 6 sampel elemen- elemen.
alternatif pemilihan produk BRI b. Tahap supermatriks terbobot
Syariah terbaik yaitu Alt1, Alt2, Alt3, (weighted supermatrix).
At4, Alt5 dan Alt6..(Sebagai, Satu Merupakan supermatriks yang diperoleh
and Informatika, 2013) dengan mengalikan semua elemen di
dalam komponen dari unweighted
supermatrix dengan bobot cluster yang
sesuai sehingga setiap kolom pada
weighted supermatrix memiliki jumlah 1.
Jika kolom pada unweighted supermatrix
sudah memiliki jumlah 1, maka tidak
perlu membobot komponen tersebut
pada weighted supermatrix dimana
setiap blok dari eigenvector kolom dari
suatu cluster dibobot dengan prioritas
dari pengaruh dari cluster tersebut, yang
membuat weighted supermatrix kolom
stokastik.
c. Tahap supermatriks batas
Gambar 2. Struktur Network Pemilihan (limiting supermatrix).
Karyawan Terbaik d. Merupakan supermatriks yang
Keterkaitan dalam hal ini adalah diperoleh dengan menaikan bobot
hubungan saling mempengaruhi yang dari weighted supermatrix.
dilambangkan dengan garis berarah. Misalnya
253
Menaikan bobot tersebut dengan (CR), dimana syarat CR ≤ 0.1. Nilai

cara mengalikan supermatriks itu perbandingan ini diperoleh dari pengambil
dengan dirinya sendiri sampai keputusan. Dari tabel 4.1 dapat dicari nilai
beberapa kali. Ketika bobot pada matriks perbandingan berpasangan kriteria
setiap kolom memiliki nilai yang terhadap Fasilitas yang terdapat pada tabel di
sama, maka limit matrix telah stabil bawah ini.
dan proses perkalian matriks
dihentikan. Tabel 5. Matriks Perbandingan
2.1.4 Prioritas, Sintesis dan Berpasangan Kriteria Terhadap Fasilitas
Sensitivitas
Prioritas merupakan bobot dari semua
elemen dan komponen. Didalam prioritas
terdapat bobot limiting dan bobot normalized
by cluster. Bobot limiting merupakan bobot
yang didapat dari limit supermatrix sedangkan
bobot normalized by cluster merupakan
pembagian antara bobot limiting elemen
dengan jumlah bobot limiting elemen - elemen
pada satu komponen. Dari matriks perbandingan di atas, maka
Sintesis merupakan bobot dari alternatif. dapat dihitung nilai eigen vector, lamda
Didalam sintesis terdapat bobot berupa ideals, maksimum (λmaks), indeks konsistensi (CI)
raw dan normals. Bobot normals merupakan dan indeks ratio (CR). Nilai eigen vector
hasil bobot alternatif seperti terdapat pada diperoleh dari baris pertama dibagi dengan
bobot normalized by cluster prioritas. Bobot jumlah nilai pada kolom pertama ditambah
raw merupakan hasil bobot alternatif seperti baris kedua yang dibagi dengan jumlah nilai
terdapat pada bobot limiting prioritas atau kolom kedua dan seterusnya dibagi dengan
limit matrix. Bobot ideals merupakan bobot jumlah kriteria yang dibandingkan.
yang diperoleh dari pembagian antara bobot Jumlah pada kolom pertama : 1 +( ½
normals pada setiap alternatif dengan bobot )+(1/3)+(1/1) = 2,83
normals terbesar diantara alternatif - alternatif Jumlah pada kolom kedua
tersebut. :2+1+(1/2) +(1/2) = 4,00
Alternatif terbaik ditentukan oleh nilai Jumlah pada kolom ketiga :
akhir (final score) untuk setiap pilihan 3+2+1+1 = 7
alternatif dari hasil supermatriks akhir (final Jumlah pada kolom keempat : 1+2+1+1
supermatrix) yang diperoleh. Alternatif =5
terbaik adalah alternatif dengan nilai akhir Eigen vector untuk baris pertama :
paling besar. Sensitivitas diperlukan untuk
menetapkan independent variable atau suatu
grafik kepekaan. Ada satu garis untuk masing-
masing alternatif di dalam jendela kepekaan. Eigen vector untuk baris kedua :
Di dalam software masing-masing alternatif
ditunjukan dengan warna yang berbeda
sehingga mudah untuk dilihat.
2.1.5 Data Nilai Kepentingan Matriks
Perbandingan Berpasangan Antara Eigen vector untuk baris pertama :
Kriteria dan Menguji Konsistensi Ratio
Matriks perbandingan kriteria
menggunakan skala intensitas kepentingan
ANP dengan memperhatikan hubungan
pengaruh atau kergantungan antar kriteria. Eigen vector untuk baris kedua :
Data nilai kepentingan perbandingan
berpasangan antara kriteria yang saling
berhubungan dalam pemilihan produk BRI
Syariah terbaik dapat dilihat pada tabel Tabel 6. Nilai Eigen vector terhadap
dibawah ini. (www.brisyariah.co.id) mastriks perbandingan berpasangan
Matriks perbandingan berpasangan kriteria Fasilitas
ini berfungsi untuk mendapatkan nilai eigen
dan melihat konsistensi rasio perbandingan
254
Nilai λmaks : (1,67 x 0,6) + (5,00 x 0,2)

Nilai λmaks : (2,83 x 0,37) + (4,00 x 0,28) + (7,00 + 0,15) +
+ (5,00 x 0,2) = 3
(5,00 + 0,21) = 4,21
CI =
CI = Rasio konsistensi atau CR diperoleh
dengan menggunakan persamaan 1.5.2.1
Rasio konsistensi atau CR diperoleh Nilai RI untuk n = adalah 0 dapat dilihat
dengan menggunakan persamaan 1.5.2.1 Nilai pada tabel 3 CR : 0/0 = 0 Nilai konsisten
RI untuk n = adalah 0 dapat dilihat pada tabel karena CR ≤ 0.1. Jika nilai CR > 0.1
3 CR : 0/0 = 0 Nilai konsisten karena CR ≤ maka tidak konsisten atau tidak
0.1. Jika nilai CR > 0.1 maka tidak konsisten memenuhi syarat maka matriks
atau tidak memenuhi syarat maka matriks keputusannya harus diulang hingga nilai
keputusannya harus diulang hingga nilai CR CR konsisten atau memenuhi syarat
konsisten atau memenuhi syarat konsisten. konsisten.
Tabel 7. Matriks Perbandingan Berpasangan Kriteria Terhadap
Berpasangan Kriteria Terhadap Fitur dan Syarat Ketentuan dan Nilai Eigen
Nilai Eigen vector vector
Nilai λmaks : (1,83x 0,55)+(5,00 x

0,21)+(4,00 x 0,24) = 3,01
CI =
Nilai λmaks : (1,78 x 0,55) + (6,00 x 0,20) +
(9,00 x 0,11) + (7,00 x 0,13) = 4,14 Rasio konsistensi atau CR diperoleh
CI = dengan menggunakan persamaan 1.5.2.1 Nilai
RI untuk n = adalah 0 dapat dilihat pada tabel
Rasio konsistensi atau CR diperoleh 3 CR : 0/0 = 0 Nilai konsisten karena CR ≤
dengan menggunakan persamaan 1.5.2.1 Nilai 0.1. Jika nilai CR > 0.1 maka tidak konsisten
RI untuk n = adalah 0 dapat dilihat pada tabel atau tidak memenuhi syarat maka matriks
3 CR : 0/0 = 0 Nilai konsisten karena CR ≤ keputusannya harus diulang hingga nilai CR
0.1. Jika nilai CR > 0.1 maka tidak konsisten konsisten atau memenuhi syarat konsisten.
atau tidak memenuhi syarat maka matriks
keputusannya harus diulang hingga nilai CR Tabel 10. Matriks Perbandingan
konsisten atau memenuhi syarat konsisten. Berpasangan Kriteria Terhadap Alternatif
Tabel 8. Matriks Perbandingan dan Nilai Eigen vector
Berpasangan Kriteria Terhadap Biaya
yang dikeluarkan dan Nilai Eigen
vector
255
Nilai λmaks : (1,78 x 0,53) + (4,67 x Eigen vector untuk pertama :

0,26) + (85,00 x 0,13) + (11,00 x 0,08) =
4,15
CI =
Rasio konsistensi atau CR diperoleh Eigen vector utuk kedua :
dengan menggunakan persamaan 1.5.2.1 Nilai
RI untuk n = adalah 0 dapat dilihat pada tabel
3 CR : 0/0 = 0 Nilai konsisten karena CR ≤
0.1. Jika nilai CR > 0.1 maka tidak konsisten
atau tidak memenuhi syarat maka matriks Nilai λmaks : (1,33 x 0,75)+(4,00 x 0,25)
keputusannya harus diulang hingga nilai CR =2
konsisten atau memenuhi syarat konsisten.
Setelah eigen vector dari matriks CI :
perbandingan berpasangan ditentukan (tabel 6,
tabel 7, tabel 8, tabel 9, tabel 10), selanjutnya CR =
nilai eigen vector tersebut disusun ke dalam
Nilai konsisten karena CR ≤ 0.1.
matriks kriteria pada tabel 11. Angka 0 pada
Jika nilai CR > 0.1 maka tidak konsisten
tabel 11 menunjukkan tidak adanya hubungan
Nilai konsisten karena CR ≤ 0.1. Jika
keterkaitan antar kriteria sedangkan angka
nilai CR > 0.1 maka tidak konsisten atau
yang tertera merupakan eigen vector dari
tidak memenuhi syarat maka matriks
matriks perbandingan kriteria.
keputusannya harus diulang hingga nilai
CR konsisten atau memenuhi syarat
konsisten.(Sebagai, Satu and
Berpasangan Kriteria
Informatika, 2013)

Fasilitas Terhadap Subkriteria ringan
Setoran Awal
2.1.6 Membuat matriks

perbandingan berpasangan Eigen vector untuk pertama :
subkriteria dan Menguji
Konsistensi Ratio
Matriks perbandingan berpasangan
subkriteria ini berfungsi untuk Eigen vector utuk kedua :
mendapatkan nilai eigen dan melihat
konsistensi rasio perbandingan (CR),
dimana syarat CR ≤ 0.1. Nilai
perbandingan antar
subkriterian yang saling Nilai λmaks : (1,33 x 0,75)+(4,00 x
berhubungan dapat dilihat pada 0,25) = 2
tabel berikut ini.
Tabel 12. Matriks Perbandingan CI :
Fasilitas Terhadap Subkriteria Gratis
Biaya Administrasi CR =
Nilai konsisten karena CR ≤ 0.1.
Jika nilai CR > 0.1 maka tidak konsisten
nilai CR > 0.1 maka tidak konsisten atau
tidak memenuhi syarat maka matriks
keputusannya harus diulang hingga nilai
CR konsisten atau memenuhi syarat
konsisten.(melya, 2013)
256
Tabel 14. Matriks Perbandingan Fasilitas Nilai λmaks : (1,33 x 0,75)+(4,00 x 0,25)
Terhadap Subkriteria Ringan Biaya =2
Transfer
CI :
CR =
nilai CR > 0.1 maka tidak konsisten Nilai
konsisten karena CR ≤ 0.1. Jika nilai CR > 0.1
Nilai λmaks : (1,50 x 0,67)+(3,00 x 0,33) maka tidak konsisten atau tidak memenuhi
=2 syarat maka matriks keputusannya harus
diulang hingga nilai CR konsisten atau
CI : memenuhi syarat konsisten.(melya,2013).
Begitu juga untuk matriks perbandingan
CR = kriteria terhadap subkriteria dari kriteria yang
lainnya.
Nilai konsisten karena CR ≤ 0.1. Jika nilai CR
> 0.1 maka tidak konsisten Nilai konsisten
karena CR 2.1.7 Menentukan nilai alternatif
≤ 0.1. Jika nilai CR > 0.1 maka tidak terhadap kriteria dan
konsisten atau tidak memenuhi syarat maka subkriteria
Setelah memperoleh nilai yang konsisten
matriks keputusannya harus diulang hingga
pada kriteria dan subkriteria selanjutnya
nilai CR konsisten atau memenuhi syarat
menentukan nilai perbandingan antar alternatif
konsisten.(melya,2013)
untuk setiap subkriteria. Sesuai prosedur
pemilihan karyawan terbaik, maka setiap
Tabel 15. Matriks Perbandingan Fasilitas
karyawan diberikan penilaian terhadap
Terhadap Subkriteria Melampirkan
kriteria-kriteria yang ada. Langkah-langkah
Fotocopy KTP
penyelesaian alternatif sama dengan langkah
penyelesaian pada kriteria dan subkriteria.
Tabel 17. Matriks Perbandingan Alternatif

untuk Subkriteria Dapat bertranskasi
diselruh cabang
Nilai λmaks : (1,33 x 0,75)+(4,00 x 0,25)
=2
CI :
CR =
Nilai konsisten karena CR ≤ 0.1. Jika nilai CR
> 0.1 maka tidak konsisten Nilai konsisten
karena CR ≤ 0.1. Jika nilai CR > 0.1 maka
tidak konsisten atau tidak memenuhi syarat
maka matriks keputusannya harus diulang
hingga nilai CR konsisten atau memenuhi
syarat konsisten.(melya,2013). Tabel 18. Matriks Perbandingan Alternatif
untuk Subkriteria Memperoleh Buku
Tabel 16. Matriks Perbandingan Fasilitas Tabungan
Terhadap Subkriteria Melampirkan
Fotocopy NPWP
257

Tabel 19. Matriks Perbandingan Alternatif untuk Subkriteria Melampirkan Fotocopy
untuk Subkriteria Gratis Biaya NPWP
Adminstrasi
Untuk hasil lengkap perhitungan

alternatif selengkapnya dapat dilihat dari
persamaan diatas.
2.1.8 Membuat unweight supermatriks

Tabel 20. Matriks Perbandingan Alternatif Setelah perhitungan bobot antar
untuk Subkriteria ringan Setoran Awl subkriteria dan antar kriteria, tahap
selanjutnya adalah meletakkan bobot masing-
masing subkriteria ke dalam sebuah
supermatriks yang dinamakan unweighted
supermatriks. Peletakannya adalah terurut
horizontal dari kiri ke kanan menurut kode
subkriteria yaitu E11, E12, E21, E31, E32,
E41, E42, Alt1, Alt2, Alt3, Alt4, Alt5 dan
Alt6, serta vertikal dari atas ke bawah menurut
kode subkriteria yaitu E11, E12, E21, E31,
E32, E41, E42, Alt1, Alt2, Alt3, Alt4, Alt5
dan Alt6. Hasil perhitungan unweighted
Tabel 21. Matriks Perbandingan Alternatif supermatriks dapat dilihat pada persamaan
untuk Subkriteria Ringan Biaya Transfer diatas.
2.1.9 Membuat weight supermatriks

Setelah unweigted supermatriks
diperoleh, menghitung weight supermatriks
dengan cara perkalian tabel unweight
supermatriks dan tabel matriks. Hasil
perhitungan weighted supermatriks dapat
dilihat pada persamaan diatas.
2.1.10 Membuat limit supermatriks

Pada tahap ini weigted supermatriks
dipangkatkan dengan terus menerus hingga
akan menghasilkan suatu matriks yang nilai
untuk Subkriteria Melampirkan Fotocop
baris satu dengan yang lainnya mempunyai
KTP
nilai yang sama.
258
Nilai limit inilah yang nantinya digunakan sama. Limit supermatriks ini juga
sebagai hasil akhir berupa perangkingan. merupakan hasil akhir untuk melakukan
Hasil perhitungan limit supermatriks dapat perangkingan.
dilihat pada tabel.
Tabel 26. Limit Supermastriks
Supermatriks ini terbentuk dari semua
vektor prioritas yang diperoleh dari matriks
perbandingan berpasangan antar subkriteria
dan matriks perbandingan alternatif. Nilai 0
artinya tidak ada keterkaitan antar kedua
subkriteria tersebut.
Tabel 24. Unweighted Supermastriks
Dari hasil perhitungan diperoleh bobot

kriteria, sub-kriteria, dan alternatif yang dapat
dilihat pada tabel 27 berikut ini.
Tabel 27. Prioritas dan Alternatif
Supermatriks ini terbentuk dari tiap

blok vector prioritas dibobot berdasarkan
matriks perbandingan berpasangan antar
cluster. Weighted supermatriks diperoleh
dengan cara perkalian dengan matriks
perbandingan berpasangan cluster pada
tabel 24.
Tabel 25. Weighted Supermastriks
2.1.12 Analisis
2.1.11 Perangkingan Berdasarkan hasil analisis keputusan
Supermatriks ini diperoleh dengan pemilihan produk BRI Syariah Terbaik, secara
membangkitkan weighted supermatriks umum kriteria yang dipertimbangkan oleh
dengan cara mengalikan weight penulis dalam memilih produk BRI Syriah
supermatriks secara terus menerus meliputi Fasilitas, Fitur, Biaya yang
sampai nilai pada satu baris bernilai
259
dikeluarkan, dan Syarat ketentuan. Keempat mempengaruhi nilai dari Produk

kriteria ini dipandang memiliki dampak BRI Syariah yaitu menjadi naik
terhadap kepuasan nasabah BRI Syariah. atau turun tergantung pada kriteria
Bobot kepentingan untuk suatu kriteria bisa atau subkriteria yang diubah.
berbeda-beda tergantung pada kondisi produk Pengujian menggunakan metode
BRI Syariah. ANP dalam pemilihan Produk BRI
Untuk produk yang sedang dianalisis Syariah terbaik merupakan
oleh penulis, kriteria Fasilitas dan Gratis perhitungan yang dapat
Biaya Administrasi mempunyai tingkat 4. diterapkan karena mempunyai
kepentingan yang paling tinggi. Kualitas nilai kepentingan kriteria dan
berdampak terhadap kinerja BRI Syariah dan subkriteria dalam pemilihan
berdampak postif bagi nasabah dalam memilih Produk BRI Syariah terbaik
produk penyimpanan, sementara Grastis Biaya yang saling berkaitan dan
Administrasi mencerminkan kemampuan saling mempengaruhi yaitu
finansial atau batasan yang ditetapkan oleh berdasarkan pengujian.
BRI Syariah terhadapa nasabah. Nasabah BRI 5. Sistem Pengambilan Keputusan
Syariah sangat mementingkan kualitas yang pemilihan karyawan terbaik
akan digunakannya. Tiga elemen utama yang menggunnakan metode ANP
mempunyai dampak terbesar terhadap ini bersifat statis, jika
pemilihan produk BRI Syariah adalah Gratis diinputkan dengan kriteria
Biaya Administrasi, Dapat bertrasnsaksi dan subkriteria yang berbeda
diselruh Cabang, dan Ringan Setoran Awal. maka sistem akan berubah
Dari enam alternatif produk BRI Syaria karena kriteria dan subkriteria
yang dipertimbangkan, Alternatif 1(Tabungan telah ditetapkan oleh penulis.
Faedah BRI Syariah) memiliki nilai bobot
keseluruhan paling tinggi dibandingkan PUSTAKA
dengan Produk BRI Syariah lainnya. Pungkasanti, P. T. and Handayani, T.
Alternatif 1(Tabungan Faedah BRI Syariah) (2017) ‗Penerapan Analytic
unggul pada kriteria Fasilitas dan Fitur, tetapi Network Process (Anp) Pada
kalah bersaing pada kriteria Biaya yang Sistem Pendukung Keputusan‘,
dikeluarkan dibandingkan dengan Alternatif 14(2), pp. 73–78.
Produk Lainya. Karena Tabungan Faedah BRI putrama, alkhairi (2018) ‗Analisis
Syariah secara keseluruhan mempunyai nilai dalam menentukan produk bri
bobot yang paling tinggi,penulis memiliki syariah terbaik berdasarkan dana
kesimpulan bahwa Tabungan Faedah BRI pihak ketiga menggunakan ahp‘,
Syariah yang terbaik.(Yusuf and Gondo, putrama alkhairi, 3(1), pp. 60–
2013) 64.
3 KESIMPULAN Putri, L. F. D., Statiswaty and Tajidun,
Dari penelitian yang telah dilakukan, L. . (2016) ‗Implementasi
dapat diambil kesimpulan sebagai berikut: Analytical Network Process
1. Sistem Pengembilan Keputusan (ANP) Dalam Sistem Pendukung
pemilihan karyawan terbaik Keputusan Penerimaan
menggunakan metode ANP ini Karyawan‘, semanTIK, 2(2), pp.
dapat digunakan untuk 215–224.
menyelesaikan masalah dalam E.Melya. (2013) ‗KARYAWAN
pemilihan produk BRI Syariah TERBAIK MENGGUNAKAN
terbaik, sehingga dapat membantu METODE ANALYTIC
dalam merekomendasikan produk NETWORK PROCESS ( ANP ) (
BRI Syariah Terbaik terhadap Studi Kasus : PT KFC MALL
Nasabah yang ingin menyimpang SKA ) TUGAS AKHIR
uangnya. KARYAWAN TERBAIK
2. Kriteria yang digunakan pada analisi MENGGUNAKAN METODE
ini mengacu pada pedoman data ANP ( ANALYTIC NETWORK
dari WEB Resmi BRI SYARIAH PROCESS ) ( Studi kasus : PT .
yang diterbitkan oleh BRI KFC MALL SKA ) MELYA
SYARIAH tahun 2017. EDNI‘.
3. Perubahan salah satu nilai dari Yusuf, Y. and Gondo, K. D. A. (2013)
kriteria atau subkriteria akan ‗Pemilihan Pemasok Dengan
260
Metode Analytic Network Syariah , BRI. 2017.Laporan Tahunan

Process ( Anp ): Studi Kasus Di 2017 BRI
Pt . Ai‘. Syariah.(www.brisyariah.co.id)
Windarto, Agus Perdana. diakses 20 Januari 2017).
"IMPLEMENTASI METODE Pungkasanti, P. T. (2013) ‗Penerapan
TOPSIS DAN SAW DALAM Analytic Network Process (Anp)
MEMBERIKAN REWARD sebagai Sistem Pendukung
PELANGGAN." KLIK- Keputusan Dalam Pemberian
KUMPULAN JURNAL ILMU Reward Dosen‘, Universitas
KOMPUTER 4.1 (2017): 88-101 Diponegor.Semarang.29 April
Nurdiana,Efi.2008. Analisis Pemilihan 2013.
Bank Sebagai Tempat Menabung Saaty, T. L. (1996). Decision Making With
Dengan Metode Analytical Dependence And Feedback: The Analytic
Hierarchy Process.Cilacap Jawa Network Process.
Tengah Pittsburgh: RWS Publications.
261
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN DOSEN

DENGAN FUZZY MAMDANI PADA AMIK TUNAS BANGSA
1
Rahmadani Fitri Sinaga , 2Solikhun, 3Widodo Saputra, 4M.Safii
1
Bangsa
Telp. (0622) 22431
2,3,4
Telp. (0622) 22431
E-mail: rahmadanifitris29@gmail.com, solikhun@amiktunasbangsa.ac.id,
m.safii@amiktunasbangsa,ac,id
ABSTRAKS
Permasalahan yang sering timbul terkadang memiliki jawaban yang tidak pasti, logika fuzzy
adalah suatu bentuk metode untuk melakukan analisis sistem yang tidak pasti. Pada Paper ini
digunakan metode logika fuzzy mamdani dalam penerimaan dosen AMIK Tunas Bangsa
Pematangsiantar. Masalah yang diselesaikan adalah cara menentukan penerimaan dosen jika
hanya menggunakan 3 variabel, yaitu tes psikotes, tes wawancara dan tes teaching. Dalam
permasalahan ini terdapat Himpunan fuzzy yang digunakan adalah : sangat buruk, buruk, cukup,
baik, dan sangat baik. Metode yang digunakan adalah fuzzy mamdani dengan hasil akhir SPK
yang dapat merekomendasikan atau tidak merekomendasikan dosen untuk diterima di AMIK
Tunas Bangsa Pematangsiantar.
Kata Kunci: Logika Fuzzy, logika Fuzzy mamdani, himpunan Fuzzy, aplikasi fungsi implikasi,
komposisi aturan.
1. PENDAHULUAN melakukan perhitungan terhadap suatu

1.1 Latar Belakang variabel input berdasarkan nilai
Penerimaan dosen merupakan evaluasi kesamarannya. Dalam teori himpunan samar,
yang sangat diperlukan AMIK Tunas Bangsa samar dinyatakan dalam derajat keanggotaan
untuk bisa menciptakan mahasiswa mahasiswi dan derajat dari kebenaran, sehingga sesuatu
yang menghasilkan lulusan seperti yang dapat dikatakan sebagian benar dan sebagian
diharapkan. Selain itu penerimaan dosen salah dalam waktu yang bersamaan
dengan syarat yang ditentukan juga (Kusumadewi, 2004).
berpengaruh terhadap kampus itu sendiri. Logika fuzzy mamdani merupakan salah
Dalam penerimaan dosen di AMIK TUNAS satu metode yang sangat fleksibel dan
BANGSA masih bersifat konvensional memiliki toleransi pada data yang ada. Fuzzy
(sederhana). Untuk itu diperlukan sebuah mamdani memiliki kelebihan yakni, lebih
metode logika fuzzy mamdani untuk bersifat intuitif, diterima oleh banyak
mengatasi permasalahan ini. pihak, karna konsep matematis yang
Logika fuzzy sebagai komponen utama mendasari penalaran fuzzy sangat sederhana
pembangun soft computing, terbukti telah dan mudah dimengerti. Penggunaan fuzzy
memiliki kinerja yang sangat baik untuk mamdani ini sama halnya dengan penggunaan
menyelesaikan masalah-masalah yang metode peramalan pada bidang statistik.
mengandung ketidakpastian. Logika fuzzy Penentuan analisis berdasarkan pendekatan
pertama kali diperkenalkan oleh Prof. Lotfi A. fuzzy lebih efisien dalam pendekatan
Zadeh pada tahun 1965. Dasar logika fuzzy menggunakan angka dibanding dengan
adalah teori himpunan fuzzy. Pada teori metode peramalan. Peramalan dalam statistik
himpunan fuzzy, peranan derajat keanggotaan dapat menghasilkan galat error lebih besar
sebagai penentu keberadaan elemen dalam dari pendekatan fuzzy. Dengan melakukan
suatu himpunan sangatlah penting. Nilai pendekatan fuzzy menghasilkan out put yang
keanggotaan atau derajat keanggotaan atau lebih dekat dengan keadaan sebenarnya.
membership function menjadi salah satu ciri Terdapat tiga variabel yang digunakan
utama dari penalaran dengan logika fuzzy dalam menentukan penerimaan dosen yaitu
tersebut (Kusumadewi, 2010). variabel tes psikotes, tes wawancara dan tes
Logika fuzzy merupakan konsep dasar teaching. Penelitian ini nantinya diharapkan
dari sistem fuzzy yang dapat digunakan untuk dapat memberikan hasil yang akurat dalam
262
menentukan penerimaan dosen di AMIK operasi 2 himpunan sering dikenal dengan

Tunas Bangsa. nama fire strength.
Ada 3 operator dasar yang diciptakan
1.2 Tinjauan Pustaka oleh Zadeh, yaitu (Cox dalam Kusumadewi,
Logika fuzzy merupakan salah satu 1994) :
komponen pembentuk soft computing. Logika (1) Operator AND
fuzzy pertama kali diperkenalkan oleh Prof. Operator ini berhubungan dengan operasi
Lotfi A. Zadeh pada tahun 1965. Dasar logika interseksi pada himpunan. Fire strength
fuzzy adalah teori himpunan fuzzy. Pada teori sebagai hasil operasi dengan operator AND
himpunan fuzzy, peranan derajat keanggotaan diperoleh dengan mengambil nilai
sebagai penentu keberadaan elemen dalam keanggotaan terkecil antar elemen pada
suatu himpunan sangatlah penting. Nilai himpunan-himpunan yang bersangkutan.
keanggotaan atau derajat keanggotaan atau µA∩B= min(µA(x), µB(y))
membership function menjadi ciri utama dari (2) Operator OR
penalaran dengan logika fuzzy tersebut Opertor ini berhubungan dengan operasi
(Kusumadewi, 2010). union pada himpunan. Fire strength sebagai
Logika fuzzy dapat dianggap sebagai kotak hasil operasi dengan operator OR diperoleh
hitam yang menghubungkan antara ruang dengan mengambil nilai keanggotaan terbesar
input menuju ke ruang output (Gelley, 2000). antarelemen pada himpunan-himpunan yang
Kotak hitam tersebut berisi cara atau metode bersangkutan.
yang dapat digunakan untuk mengolah data µAUB= max(µA(x), µB(y))
input menjadi (3) Operator NOT
output dalam bentuk informasi yang Operator ini berhubungan dengan operasi
baik(Kusumadewi dan Purnomo, 2010). komplemen pada himpunan. Fire strength
sebagai hasil operasi dengan operator NOT
1. Himpunan Fuzzy diperoleh dengan mengurangkan nilai
Menurut Kusumadewi dan Purnomo keanggotaan elemen pada himpunan yang
(2010), pada himpunan tegas (crisp), nilai bersangkutan dari 1.
keanggotaan suatu item x dalam suatu µA‘=1- µA (x)
himpunan A, yang sering ditulis dengan
μA(X), memiliki dua kemungkinan, yaitu: 4. Logika Fuzzy Mamdani
a. Satu (1), yang berarti bahwa suatu Metode mamdani sering dikenal sebagai
item menjadi anggota dalam suatu metode Max-Min. metode ini diperkenalkan
himpunan, atau oleh Ebrahim Mamdani tahun 1975 (Kusuma
b. Nol (0), yang berarti bahwa suatu Dewi, 2003).
item tidak menjadi anggota dalam Untuk mendapatkan output, diperlukan 4
suatu himpunan. tahapan, antara lain :
2. Fungsi Keanggotaan 1. Pembentukan himpunan fuzzy
Menurut Kusumadewi dan Purnomo Pada metode mamdani, baik variabel
(2010), fungsi Keanggotaan (membership input maupun variabel output dibagi
function) adalah suatu kurva yang menjadi satu atau lebih himpunan
menunjukkan pemetaan titik- titik input data fuzzy.
ke dalam nilai keanggotaannya(sering juga 2. Aplikasi fungsi implikasi (aturan)
disebut dengan derajat keanggotaan) yang Pada metode mamdani, fungsi
memiliki inyerval antara 0 sampai 1. Salah implikasi yang digunakan adalah min.
satu cara yang dapat digunakan untuk 3. Komposisi aturan
mendapatkan nilai keanggotaan dalah dengan Ada tiga metode yang digunakan dalam
melalui pendekatan fungsi. melakukan inferensi system fuzzy,
yaitu max, additive dan probabilistik
3. Operator Dasar Zadeh Untuk Operasi OR (probor).
himpunan Fuzzy 4. Penegasan (defuzzy)
Menurut Cok (1994) dalam Kusumadewi Input dari proses defuzzy adalah suatu
dan Purnomo (2010), Seperti halnya himpunan fuzzy yang diperoleh dari
himpunan konvensional, ada beberapa operasi komposisi aturan-aturan fuzzy,
yang didefenisikan secara khusus untuk sedangkan output yang dihasilkan
mengkombinasi dan memodifikasi himpunan merupakan suatu bilangan pada domain
fuzzy. Nilai keanggotaan sebagai hasil dari himpunan fuzzy tersebut. Sehingga jika
263
diberikan suatu himpunan fuzzy 2.1.2 Domain

dengan range tertentu, maka harus Domain himpunan fuzzy merupakan
dapat diambil suatu nilai crisp tertentu keseluruhan nilai yang diijinkan dalam
sebagai output. Ada beberapa metode semesta pembicaraan dan boleh
defuzzy yang biasa digunakan pada dioperasikan dalam suatu himpunan
komposisi aturan mamadani, yaitu fuzzy.
centroid, bisektor, mean of maximum, 1. Variabel Tes Psikotes
largest of maximum dan smallest of Domain himpunan fuzzy :
maximum. SANGAT BURUK =
[0 3]
1.3 Metodologi Penelitian BURUK =
Metodologi yang digunakan dalam penelitian [1 5]
ini meliputi beberapa langkah sebagai berikut, CUKUP =
yaitu : [3 7]
a. Melakukan pengumpulan data BAIK =
sekunder yang dibutuhkan dalam [5 9]
melakukan perhitungan dan analisis SANGAT BAIK =
masalah. Data yang dikumpulkan [7 10]
meliputi data dosen .
b. Membentuk himpunan fuzzy, pada 2. Variabel Tes Wawancara
metode mamdani baik variabel input Domain himpunan fuzzy :
maupun output dibagi menjadi satu SANGAT BURUK =
atau lebih himpunan fuzzy [0 3]
c. Aplikasi fungsi Implikasi, pada BURUK =
metode mamdani fungsi implikasi [1 5]
yang digunakan untuk tiap-tiap CUKUP =
aturan adalah fungsi min. [3 7]
d. Penegasan (defuzzy), proses BAIK =
penegasan (defuzzyfikasi) dengan [5 9]
metode centroid dan menggunakan SANGAT BAIK =
bantuan software matlab 6.1 dengan [7 10]
menggunakan fasilitas yang
disediaakan pada toolbox fuzzy 3. Variabel Tes Teaching
e. Menarik kesimpulan dari hasil Domain himpunan fuzzy :
pengolahan data SANGAT BURUK =
[0 3]
2. HASIL DAN PEMBAHASAN BURUK =
2.1 ANALISIS KEBUTUHAN INPUT [1 5]
Pada penelitian ini, variabel input yang CUKUP =
digunakan ada tiga, yaitu tes psikotes, tes [3 7]
wawancara dan tes teaching Selanjutnya BAIK =
ketiga variabel input diolah menjadi himpunan [5 9]
fuzzy. SANGAT BAIK =
[7 10]
2.1.1 Semesta Pembicaraan
Semesta pembicaraan merupakan keseluruhan 2.1.3 Himpunan Fuzzy
nilai yang diperbolehkan untuk dioperasikan Himpunan fuzzy merupakan suatu grup
dalam suatu variabel fuzzy. yang mewakili suatu kondisi dan keadaan
1. Variabel TesPsikotes tertentu dalam suatu variabel fuzzy. Pada
Semesta pembicaraan untuk variabel penelitian ini, penulis menggunakan atribut
TesPsikotes : [0 10] linguistik, yaitu penamaan suatu grup yang
2. Variabel TesWawancara mewakili suatu keadaan atau kondisi tertentu
Semesta pembicaraan untuk variabel dengan menggunakan bahasa alami.
TesWawancara : [0 10] 1. Himpunan fuzzy untuk variabel Tes
3. Variabel TesTeaching Psikotes
Semesta pembicaraan untuk variabel
TesTeaching : [0 10]
264
Variabel Tes Psikotes terbagi menjadi

buruk, cukup, baik, dan sangat baik.
Gambar 3. Himpunan Fuzzy pada variabel

Gambar 1. Himpunan Fuzzy pada variabel Tes Teaching
Tes Psikotes
2.1.4 Fungsi Keanggotaan
2. Himpunan fuzzy untuk variabel Tes Fungsi keanggotaan merupakan suatu
Wawancara kurva yang menunjukkan pemetaan titik-titik
Variabel Tes Wawancara terbagi menjadi input data ke dalam nilai keanggotaannya
lima himpunan fuzzy, yaitu sangat buruk, (derajat keanggotaan)yang memiliki interval
buruk, cukup, baik, sangat baik. antara 0 sampai dengan 1. Salah satu cara
pendekatan fungsi.
1. Fungsi keanggotaan untuk variabel
Tes Psikotes (x)
1 ; x≤1
µSANGAT BURUK = (3 – x) ; 1≤x≤
3
(3 – 1)
0 ; x≥3
0 ; x≤1
Gambar 2. Himpunan Fuzzy pada variabel
atau x ≥ 5
Tes Wawancara
µ BURUK = (x – 3) ; 3≤x≤
5
3. Himpunan fuzzy untuk variabel Tes
(5 – 3)
Teaching
(3 – x) ;
Variabel Tes Teaching terbagi menjadi lima
3≤x≤5
himpunan fuzzy, yaitu sangat buruk, buruk,
(5 – 3)
cukup, baik, sangat baik.
0 ; x≤3
atau x ≥ 7
µ CUKUP = (x – 3) ; 3≤x≤
5
(5 – 3)
(5 – x) ;
5≤x≤7
(7 – 5)
265
(9 – 7)
0 ; x≤5 1 ; x≥9
atau x ≥ 9
µ BAIK = (x – 5) ; 5≤x≤
7 3. Fungsi keanggotaan untuk variabel Tes
(7 – 5) Teaching (z)
(7 – x) ;
7≤x≤9 1 ; x≤1
(7 – 7) µSANGAT BURUK = (3 – x) ; 1≤x≤
3
(3 – 1)
0 ; x≤7 0 ; x≥3
µSANGAT BAIK = (x – 7) ; 7≤x≤
9 0 ; x≤1
(9 – 7) atau x ≥ 5
1 ; x≥9 µ BURUK = (x – 3) ; 3≤x≤
5
2. Fungsi keanggotaan untuk variabel (5 – 3)
Tes Wawancara (y) (3 – x) ;
3≤x≤5
1 ; x≤1 (5 – 3)
µSANGAT BURUK = (3 – x) ; 1≤x≤
3 0 ; x≤3
(3 – 1) atau x ≥ 7
0 ; x≥3 µ CUKUP = (x – 3) ; 3≤x≤
5
0 ; x≤1 (5 – 3)
atau x ≥ 5 (5 – x) ;
µ BURUK = (x – 3) ; 3≤x≤ 5≤x≤7
5 (7 – 5)
(5 – 3)
(3 – x) ; 0 ; x≤5
3≤x≤5 atau x ≥ 9
(5 – 3) µ BAIK = (x – 5) ; 5≤x≤
7
0 ; x≤3 (7 – 5)
atau x ≥ 7 (7 – x) ;
µ CUKUP = (x – 3) ; 3≤x≤ 7≤x≤9
5 (7 – 7)
(5 – 3)
(5 – x) ;
5≤x≤7 0 ; x≤7
(7 – 5) µSANGAT BAIK = (x – 7) ; 7≤x≤
9
0 ; x≤5 (9 – 7)
atau x ≥ 9 1 ; x≥9
µ BAIK = (x – 5) ; 5≤x≤
7 2.2 ANALISIS KEBUTUHAN OUTPUT
(7 – 5) Pada penelitian ini, variabel output yang
(7 – x) ; digunakan hanya satu, yaitu variabel Dosen.
7≤x≤9
(7 – 7) 2.2.1 Semesta Pembicaraan
Semesta pembicaraan merupakan
keseluruhan nilai yang diperbolehkan untuk
0 ; x≤7 dioperasikan dalam suatu variabel fuzzy.
µSANGAT BAIK = (x – 7) ; 7≤x≤ Semesta pembicaraan untuk variabel Dosen
9 adalah [0 10].
266
2.2.2 Domain 0 ; x
Domain himpunan fuzzy merupakan ≤5
keseluruhan nilai yang diijinkan dalam µDITERIMA = (x – 5) ; 5
semesta pembicaraan dan boleh dioperasikan ≤x≤9
dalam suatu himpunan fuzzy. Domain (9 – 5)
himpunan fuzzy untuk variabel Dosen adalah : 1 ; x≥9
DITOLAK = [0 6]
DITERIMA = [5 10] 2.3 RULES
Rules (aturan-aturan), merupakan
2.2.3 Himpunan Fuzzy pengetahuan procedural yang menghubungkan
Himpunan fuzzy merupakan suatu grup informasi yang diberikan dengan tindakan
yang mewakili suatu kondisi dan keadaan (action). Struktur rule, secara logika
tertentu dalam suatu variabel fuzzy. Pada menghubungkan satu atau lebih antecedent
penelitian ini, penulis menggunakan atribut (atau premises) yang berada pada bagian IF,
linguistik, yaitu penamaan suatu grup yang dengan satu atau lebih consequents (atau
mewakili suatu keadaan atau kondisi tertentu conclusions / kesimpulan) pada bagian THEN.
dengan menggunakan bahasa alami.
Himpunan fuzzy untuk variabel Dosen Pada penelitian ini, dari variabel input
adalah sebagai berikut : untuk membangun sistem ini, maka
menghasilkan 125 (seratus dua puluh lima)
rules. Adapun rules dari penelitian ini adalah
sebagai berikut :
Gambar 4. Himpunan Fuzzy pada Variabel

Dosen
2.2.4 Fungsi Keanggotaan

Fungsi keanggotaan merupakan suatu Gambar 5. Rule Editor.Dosen
pendekatan fungsi.
Fungsi keanggotaan untuk variabel

Dosen (x) adalah :
1 ; x
≤2
µDITOLAK = (6 – x) ; 2
≤x≤6
(6 – 2) Gambar 6. Rule Viewer.Dosen
0 ; x≥6
267
jika nilai tes psikotes 8.5, tes wawancara 8.5

dan tes teaching 7.5.
[R18]IF Tes Psikotes SANGATBURUK . Tes

Wawancara BAIK AND Tes Teaching
CUKUP
THEN Dosen DITOLAK
αPredikat18 = µTesPsikotes Baik∩

µTesWawancara
Baik ∩ µTesTeaching Baik
=min(µTesPsikotes
SangatBuruk(8.5),
µTesWawancara Baik(8.5),
µTesTeachinng Cukup(7.5))
Gambar 7. Surface Viewer.Dosen = min(0;0.75;0)
=0
2.4 SAMPEL DATA
Untuk membangun sistem pendukung Contoh kasus II:
keputusan dalam menentukan penerimaan Diharapkan tingkat keberhasilan penerimaan
Dosen dengan fuzzy mamdani diperlukan data- dosen adalah minimal 5. Berapa nilai tingkat
data, yaitu: Tes Psikotes, Tes Wawancara dan keberhasilan penerimaan dosen , jika nilai tes
Tes Teaching. psikotes 5,5, tes wawancara 6 dan tes teaching
8,5.
Berikut ini merupakan sampel data Calon
Dosen : [R47] IF Tes Psikotes BURUK . Tes
Tabel 1. Sampel Data Calon Dosen Wawancara SANGATBAIK AND Tes
Teaching BURUK
THEN Dosen DITOLAK
αPredikat47 = µTesPsikotes Buruk ∩

µTesWawancara
SangatBaik ∩ µTesTeaching
Buruk= min(µTesPsikotes Buruk(5,5),
µTesWawancara SangatBaik(6),
µTesTeaching Buruk(8,5))
= min(0;0;0)
=0
Contoh kasus III:

Diharapkan tingkat keberhasilan
penerimaan dosen adalah minimal 5. Berapa
nilai tingkat keberhasilan penerimaan dosen ,
jika nilai tes psikotes 9.8, tes wawancara 7.2
dan tes teaching 6.8.
[R65] IF Tes Psikotes CUKUP . Tes

Wawancara CUKUP AND Tes Teaching
SANGATBAIK
THEN Dosen DITERIMA
2.5 APLIKASI FUNGSI IMPLIKASI
Pada metode mamdani, fungsi implikasi αPredikat65 = µTesPsikotes Cukup ∩
yang digunakan adalah min. µTesWawancara
Contoh kasus I: Cukup ∩ µTesTeaching
Diharapkan tingkat keberhasilan SangatBaik = min(µTesPsikotes
penerimaan dosen adalah minimal 5. Berapa Cukup(9.8),
268
nilai tingkat keberhasilan penerimaan dosen ,
µTesWawancara 2.6 HASIL DOSEN

Cukup(7.2), Setelah semua variabel input diolah, variabel
µTesTeaching output diolah, seperti yang telah dibahas di
SangatBaik(6.8)) atas. Kemudian diterapkan dengan
= min(0;0;0) menggunakan rules di atas, maka di dapatkan
=0 hasil rekomendasi untuk beberapa sampel.
Berikut adalah hasil dosenya :
Contoh kasus IV: Sampel I

penerimaan dosen adalah minimal 5.
Berapa nilai tingkat keberhasilan
penerimaan dosen , jika nilai tes psikotes
3.5, tes wawancara 5.5 dan tes teaching
8.5.
[R94] IF Tes Psikotes BAIK . Tes

Wawancara BAIK AND Tes Teaching
BAIK THEN Dosen DITERIMA
αpredikat94 = µTesPsikotes Baik∩

µTesWawancara Baik
∩ µTesTeaching Baik
= min(µTesPsikotes
Baik(3.5),
µTesWawancara Baik(5.5), Gambar 8. Hasil Sampel I
µTesTeaching
Baik(8.5)) Sampel II
= min(0;0.25;0.75)
=0
Contoh kasus V:
penerimaan dosen adalah minimal 5.
Berapa nilai tingkat keberhasilan
penerimaan dosen , jika nilai tes psikotes
2.5, tes wawancara 7.5 dan tes teaching
6.
[R114] IF Tes Psikotes SANGATBAIK

. Tes Wawancara CUKUP AND Tes
Teaching BAIK
THEN Dosen DITERIMA
αPredikat114 = µTesPsikotes SangatBaik Gambar 9. Hasil Sampel II

∩
µTesWawancara Cukup ∩
µTesTeaching
Baik
= min(µTesPsikotes
SangatBaik(2.5),
µTesWawancara
Cukup(7.5) ,µTesTeaching
Baik(6))
= min(0;0;0.5)
=0
269
Sampel III Sampel VI
Gambar 10. Hasil Sampel III
Sampel IV Gambar 13. Hasil Sampel VI
Sampel VII
Gambar 11. Hasil Sampel IV
Sampel V
Gambar 14. Hasil Sampel VII
Sampel VIII
Gambar 12. Hasil Sampel V
Gambar 17. Hasil Sampel VIII
270
Sampel IX
3. KESIMPULAN
Penelitian ini menghasilkan
beberapa kesimpulan sebagai berikut :
a. Logika fuzzy membantu dalam
memberikan hasil yang tidak crisp
dengan menggunakan konsep sifat
kesamaran suatu nilai.
b. Metode fuzzy mamdani berhasil
diimplementasikan dalam
menentukan penerimaan dosen
AMIK Tunas Bangsa.
c. Hasil perhitungan dengan metode
fuzzy mamdani lebih akurat.
d. Variabel yang digunakan serta
himpunan fuzzy sangat
Gambar 18. Hasil Sampel IX mempengaruhi hasil output
rekomendasinya.
Sampel X
4. SARAN
Saran yang diberikan penulis kepada
pembaca adalah sistem ini dapat
dikembangkan lagi dengan metode-metode
inferensi lainnya, misalnya tsukamoto, bahkan
metode yang lebih berkembang lagi fuzzy
Multi-Attribute Decision Making (Fuzzy
MADM).
DAFTAR PUSTAKA
Kusumadewi, S, 2007, Sistem Fuzzy Untuk
Klasifikasi Indikator Kesehatan Daerah,
Seminar TEKNOIN 2007.
Kusumadewi, S, and Purnomo, H, 2010,

Aplikasi Logika Fuzzy Untuk Pendukung
Gambar 15. Hasil Sampel X Keputusan, Graha Ilmu. Yogyakarta.
Tabel 2. Sampel Data Calon Dosen Naba, Agus, Eng, Dr. 2009.Belajar Cepat
Fuzzy Logic Menggunakan
MATLAB.Andi Offset:Yogyakarta.
Solikhin, F., 2011, Aplikasi Logika Fuzzy

Dalam Optimisasi Produksi Barang
Menggunakan Metode Mamdani dan
Metode Sugeno, Skripsi Program Studi
Matematika, Jurusan Pendidikan
Matematika, UNY.
271
PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN

PENYELEKSIAN KELAYAKAN PROPOSAL
PENELITIANDOSEN MENGGUNAKAN
METODE SAW
Renna Yanwsatika Ariyana
Institut Sains dan Teknologi AKPRIND Yogyakarta
Jl Kalisahak No. 28 Komplek Balapan Tromol Pos 45, Yogyakarta 55222
Telp : (0274) 563029 Fax : (0274) 563847
Email: renna@akprind.ac.id
ABSTRAK
Proses review terhadap proposal penelitian yang diajukan oleh Dosen pada masing –
masing Perguruan Tinggi merupakan standar untuk menetapkan apakah proposal yang
diajukan layak mendapatkan dana penelitian atau tidak. Permasalahan pada Lembaga
PengembanganPenelitian (LPP) yaitu terkait jumlah proposal penelitian yang masuk
dengan jumlah reviewer. Sering kali perbedaan gaya penilaian, jumlah bidang kajian, serta
unsur subjektifitas menjadi kendala yang di hadapi, terlebih dari pihak peneliti
menginginkan penyampaian hasil prioritas proposal penelitian yang akurat, interktif dan
dinamis. Oleh karena itu dibutuhkan sebuah perancangan yang mampu menggambarkan
seluruh system yang dapat mendukung dalam proses pengambilan keputusan. Perancangan
system pendukung keputusan metode Simple Additive Weighting (SAW) ini melakukan
penilaian pada proposal penelitian dengan standard kriteria dan bobot yang telah
ditentukan.Tujuan dari penelitian ini adalah membantu para tim reviewer dalam melakukan
pengambilan keputusan kelayakan proposal penelitian dengan perangkingan terhadap
proposal penelitian yang diajukan.
Kata Kunci : Proposal Penelitian, reviewer, SAW, Pedukung Keputusan.
1. PENDAHULUAN 2. Seleksi Substantif : Seleksi ini

Tahap seleksi proposal penelitian perlu dilakukan untuk melihat kelayakan dan
melalui Proses review proposal yang ketajaman proposal penelitian, baik dari
dilakukan oleh tim reviewer dari masing – segi isi, metodologi, jadwal pelaksanaan,
masing perguruan tinggi, penilaian tidak kompetensi peneliti, maupun kewajaran
hanya melakukan penilaianan terhadap satu biaya.
kriteria saja, namun ada beberapa penilaian – Pada tahap seleksi administrative
penilaian tertentu yang harus di nilai oleh staff muncul permasalahan terkit dengan efisiensi
pengelola dan reviewer. Dalam pendukung dan efektifitas pengelolaan administrative
keputusan yang bersifat konvensional, proposal oleh staff LPP. Sementara pada
penilaian masih hanya melakukan penilaian proses penentuan bobot dan evaluasi proposal
administrasi dengan melihat kelengkapan oleh reviewer muncul kendala yaitu adanya
berkas penelitian dan pada tahap review subjektifitas penilaian dari masing – masing
proposal penilaian dilakukan hanya dengan reviewer. Dalam kenyataannya seringkali
menjumlahkan nilai yang didapatkan dari proposal yang seharusnya tidak layak
masing – masing proposal yang direview saja, mendapatkan dana dapat diloloskan untuk
tanpa melakukan normalisasi terhadap melakukan penelitian. Maka tidak dapat
penjumlahan nilai tersebut, sehingga dipungkiri nilai subjektifitas dalam melakukan
memungkinkan kesalahan penentuan penilaian sering kali menjadi problem dalam
keputusan yang cukup tinggi. memberikan nilai agar penelitian tersebut
Pada tahap seleksi proposal penelitian dapat diterima dan dinyatakan layak untuk
yang diajukan oleh masing – masing Dosen mendapatkan dana penelitian, meskipun dalam
terdapat dua buah seleksi yang dilakukan kenyataannya belum tentu proposal yang
yaitu: diajukan tersebut layak mendapatkan dana
1. Seleksi Administratif: Seleksi dengan penelitian.
melihat kelengkapan proposal dan Metode Simple Additive Weighting
kesesuaian sistematika proposal, kategori (SAW) merupakan salah satumetode yang
biaya penelitian, dan jenis penelitian dapat digunakan dalam Fuzzy Multiple
dengan ketentuan yang berlaku. Attribute Decision Making (FMADM). SAW
272
merupakan metode yang mampu mencari tambahan untuk mencetak. Dengan sistem
penjumlahan terbobot dari rating kinerja pada informasi yang baik akan dapat
setiap alternatif pada masing – masing atribut. meminimalisisr biaya pengeluaran untuk
Kelebihan dari metode SAW dengan model mencetak lembar penilaian.
pengambil keputusan lainnya terletak pada
kemampuannya dalam melakukan penilaian 2.1.3 AnalisisKendali(Control)
secara lebih tepat karena didasarkan pada nilai Kelemahan pada sistem yang lama
kriteria dan bobot preferensi yang sudah masih menggunakan sistem yang manual.
ditentukan, selain itu SAW juga dapat Kelemahan tersebut memiliki resiko yang
menyeleksi alternatif terbaik dari sejumlah tinggi terhadap kerusakan fisik pada kertas
alternatif yang ada karena adanya proses pencatat dan kehilangan data akibat kesalahan
perangkingan setelah menentukan bobot untuk manusia, sehingga mengakibatkan sulitnya
setiap atribut [1]. dalam melakukan control terhadap data yang
Metode Simple Additive Weighting diterima.
(SAW) sering dikenal dengan metode
penjumlahan terbobot. Metode SAW banyak 2.1.4 AnalisisEfisiensi (Efficiency)
digunakan dalam pengambilan keputusan Kelemahan sistem yang lama yaitu,
yang memiliki banyak atribut. Konsep dasar dalam proses penilaian dan perhitungan hasil
SAW adalah mencari penjumlahan terbobot review membutuhkan waktu yang lama
dari rating kinerja pada setiap alternative pada disebabkan perlu melakukan dokumentasi
semua atribut [2]. Skor total dariMetode SAW secara manual terlebih dahulu dan proses
diperoleh dengan menjumlahkan seluruh hasil review proposal harus menunggu antrian
perkalian antara rating (yang dapat jadwal seminar review yang di laksanakan di
dibandingkan anatar lintas atribut) dan bobot kantor LPP. Dengan adanya sistem yang baru
tiap atribut. Rating tiap atribut haruslah bebas diharapkan transaksi menjadi lebih efisien
dimensi artinya telah melewati proses karena dokumentasi sudah diinputkan
normalisasi sebelumnya[3]. langsung oleh masing – masing reviewer.
Pada penelitian ini akan dilakukan
perancangan system pendukung keputusan 2.1.5 AnalisisPelayanan (Service)
penyeleksian kelayakan proposal penelitian
Kelemahan dalam sistem yang lama
dosen menggunakan metode SAW.
yaitu, seringkali para dosen yang akan
melakukan penelitian harus menunggu waktu
2. ANALISA DAN PERANCANGAN yang lebih lama karena harus mengantri dalam
2.1 Analisis Kelemahan Sistem melakukan seminar review proposal dan hasil
Agar masalah lebih terperinci, perlu review proposal yang dihasilkan perlu
adanya penjabaran dari sistem yang melakukan pencatatan hasil perhitungan
digunakan, maka dalam hal ini peneliti terlebih dahulu secara manual baru kemudian
menggunakan analisisi PIECES diinputkan kembali didalam Ms. Excel.
(Performance, Information, Economic, Dengan adanya sistem yang baru diharapkan
Control, Efficiency, Service) yang dijabarkan dapat mengurangi waktu tunggu dosen yang
sebagai berikut: akan melakukan penelitian karena
sistemmenggunakan perhitungan
2.1.1 Analisis Informasi (Performance) terkomputerisasi untuk menghasilkan hasil
Dalam sistem yang lama terdapat seleksi proposal penelitian dosen yang lebih
kelemahan yaitu sistem masih menggunakan efisien.
sistem manual sehingga sering terjadi
kesalahan dalam penjumlahan hasil review 2.2 Analisis Kebutuhan Informasi
yang dilakukan oleh reviewer. Dengan sistem Dalam proses pengolahan data
informasi yang baik maka akan memberikan dibutuhkan sebuah informasi mengenai calon
informasi yang bermanfaat dalam mengambil peneliti dari masing – masing fakultas maupun
keputusan sesuai dengan masalah yang ada. prodi yang ada di UAD serta judul penelitian
yang akan diajukan. Data tersebut diperoleh
2.1.2 AnalisisEkonomi (Economic) dari pendaftaran penelitian yang dilakukan
Kelemahan dalam sistem yang lama melalui portal masing – masing Dosen yang
menggunakan sistem manual adalah masih akan melakukan penelitian. Data berupa syarat
menggunakan lembar ketas dalam melakukan administrasi diperoleh dari hasil perifikasi
penilaian, sehingga membutuhkan biaya pengumpulan berkas yang dilakukan oleh
273
petugas sesuai dengan ketentuan yang ada di 2.3.2 Activity Diagram

dalam buku panduan penelitian. Activity Diagram entry data
Data hasil seminar review proposal administrasi yang dilakukan Petugas dan entry
dilakukan oleh masing – masing Dosen data review oleh Reviewer masing – masing
didapatkan dari masing – masing reviewer ditunjukkan oleh gambar 2 dan gambar 3.
yang telah melakukan review terhadap
proposal penelitian yang telah diserahkan
kepada petugas yang melakukan penginputan
data.
Data – data yang telah ada tersebut
akan di implementasikan kedalam sistem
pendukung keputusan yang akan menyeleksi
kelayakan proposal penelitian dosen. Adapun
data lain yang digunakan adalah data reviewer
dan data petugas penyeleksi administrasi yang
bertugas menyeleksi kelayakan proposal
penelitian yang dilakukan oleh dosen.
2.3 Perancangan Sistem

Dalam memodelkan sistem yang akan
dibuat maka perlu adanya prototype yang
digambarkan dalam Unified Modeling
Language (UML) berikut ini :
2.3.1 Usecase Diagram

2.3.1.1 Aktor yang telibat
Gambar 2.Activity diagram entry data

Administrasi yang dilakukan oleh Petugas
Gambar 1.Aktor yang terlibat dalam sistem
2.3.1.2 Pemetaan Businnes Usecase
Tabel 1.Pemetaan business usecase kedalam

sistem usecase
Gambar 3.Activity diagram entry data Hasil

Review yang dilakukan oleh Reviewer
2.3.3 SquenceDiagram
274
Squence Diagram entry data yang 2.3.4 ClassDiagram

dilakukan oleh Petugas dalam menginput Class Diagram pada prototype sistem
setatus pemeriksaan berkas administrasi pendukung keputusan penyeleksian kelayakan
ditunjukkan pada gambar 4 dibawah ini. proposal penelitian dosen digambarkan pada
gambar 6 dibawah ini.
Gambar 6.Class DiagramPerancangan

Sistem Pendukung Keputuasan
Penyeleksian Kelayakan Proposal
Penelitian Dosen
2.3.5 Perancangan Database

Perancangan Database merupakan
tahapan untuk memetakan model konseptual
kedalam model basisdata yang akan
digunakan. Dalam perancangan database
Gambar 4. Squence Diagram Status prototype sistem pendukung keputusan
Pemeriksaan Berkas oleh Petugas penyeleksian kelayakan proposal penelitian
dosen dibagi menjadi dua yaitu:
PadaSquence Diagramuntukmengentri
data hasil seminar review proposal yang 2.3.5.1 Relasi Antar Tabel
inputkanoleh reviewer Pada skema relasi database pada
ditunjukkanpadagambar5dibawahini. gambar 7 dibawah ini menggambarkan
hubungan antar tabel dari prototpe sistem
yang akan dibuat.
Gambar 7. Skema Relasi Database

Prototype Sistem Pendukung Keputusan
Gambar 5. Squence Diagram Entry Data Penyeleksian Kelayakan Proposal
Hasil Review Proposal yang Dilakukan oleh Penelitian Dosen
Reviewer 2.3.5.2 Rancangan Struktur Tabel
275
Tabel 3. Tabel Reviewer Tabel8. TabelBerkasAdministras
Tabel4. TabelPetugas
Tabel5. KriteriaPenelitian
Tabel5. TabelDosenPeneliti
2.3.6 PerancanganStrukturNavigasi Menu

Struktur navigasi menu merupakan
gambaran rancangan alur dari program yang
menunjukkan status penyebab perubahan
didalam sistem. Diagram navigasi yang
dimaksud adalah tombol yang berfungsi untuk
mengendalikan jalannya seluruh halaman pada
aplikasi. Gambar8 di bawah ini merupakan
Tabel6. TabelJadwal rancangan dari diagram navigasi menu
prototype sistem pendukung keputusan
dosen.
Sistem Pendukung Keputusan Penyeleksian

Kelayakan Proposal Penelitian Dosen
Data Jadwal
Tabel7. Tabel Proposal Penelitian Profil Pengguna Data Penelitian Data Review
Seminar
Kelola User Logout / Login
Data Administrasi Penilaian Review
Data Proposal Riwayat Review

Penelitian
Hasil Seleksi
Kelola Review
Administrasi
Gambar 8.Struktur Navigasi Menu
2.4 PenerapanMetode SAW

Dalam pengambilan keputusan
276
dosen terdapat kriteria yang digunakan yaitu

(1) Kemampuan Presentasi dan Penguasaan
Materi, (2) Masalah yang Diteliti, (3) Metode
Penelitian, (4) Potensi Tercapainya Luaran
Penelitian, (5) Kelayakan Sumberdaya. Dari
kriteria yang telah dijabarkan, maka dibuat
tingkat penilaian kriteria berdasarkan nilai
yang telah ditentukan kedalam interval 0-1.
Nilai bobot 0 jika kepentingan kriteria sangat
rendah dan nilai 1 jika tingkat kepentingan
kriteria sangat tinggi.
2.5 Rancangan Interface

Hasil analisis data sampai dengan
perancangan struktur navigasi menu yang
telah dibuat akan dibuat rancangan interface
yang nantinya dapat diimplementasikan dalam
bentuk prototype program. Berikut adalah
hasil rancangan interfacedari sistem yang akan Gambar 9. HalamanSeleksiAdministrasi
dibuat.
2.5.1 Rancangan Antarmuka Data

Administrasi
Form data administrasi digunakan
untuk menegecek kelengkapan berkas
administrasi yang diajukan masing – masing
Dosen. Dari form ini nantinya akan diketahui
apakah proposal yang diajukan layak untuk
direview atau tidak. Rancangan form data
administrasi dapat dilihat pada Gambar 9dan Gambar 10. HalamanHasil Rekomendasi
Gambar 10 berikut ini. Seleksi Admininstrasi
2.5.2 Rancangan Antarmuka Halaman

Penilaian Review
Form halaman penelitian review
digunakan untuk memberikan penilaian
terhadap hasil review proposal yang diajukan
oleh para dosen sesuai dengan komponen –
komponen penilaian yang telah di tentukan.
Rancangan form tersebut dapat dilihat pada
277
2.5.5 Rancangan InterfaceHasil

SeleksiAdministrasi
Form hasil seleksi administrasi
digunakan untuk melihat data – data proposal
yang sudah lolos dalam seleksi administrasi.
Rancangan form tersebut dapat dilihat pada
Gambar 11.Rancangan Halaman Penilaian

Review
2.5.3 Rancangan Interface Halaman

Jadwal Seminar
Form jadwal seminar digunakan untuk
menjadwalkan giliran persentasi terhadap
proposal yang diajukan masing – masing Gambar 14.Rancangan Halaman Hasil
Dosen. Di dalam form jadwal seminar sudah SeleksiAdministrasi
tertera petugas yang akan melakukan review
proposal beserta tanggal proses reviewnya.
Pada form ini dapat dilihat oleh masing – 2.5.6 RancanganInterfaceHalamanKelola
masing dosen yang telah mangajukan proposal Review
penelitiannya. Rancangan form tersebut dapat Form kelola review digunakan untuk
dilihat pada gambar 12 dibawah ini. mengelola review yang akan dilakukan,
didalam halaman ini petugas dapat
memebrikan kriteria penilaian dan bobot
penilaian yang sesuai dengan ketentuan yang
berlaku pada masing – masing LPP perguruan
tinggi.
Gambar 12.Rancangan Halaman Jadwal

Seminar
2.5.4 Rancangan InterfaceData Proposal

Penelitian
Form data proposal penelitian Gambar 15.HalamanKelola Review
digunakan untuk melihat data- data proposal
yang sudah lolos dalam review dari tim 3. KESIMPULAN
reviewer. Rancangan form tersebut dapat Dari hasil analisis serta pembahasan
dilihat pada gambar 13 dibawah ini. hasil berdasarkan penjelasan sebelumnya,
maka didapat diambil kesimpulan dan saran
yaitu, Perancangan sistem pendukung
keputusan penyeleksian kelayakan proposal
penelitian dosen menggunakan metode SAW
memiliki kontribusi utama diantaranya:
a. Keluaran akhir dari sistem berupa jumlah
keseluruhan nilai yang telah di normalisasi
menggunakan metode SAW dan di berikan
perangkingan sesuai jumlah bobot hasil
review.
Gambar 13. Halaman Data Proposal
278
Penelitian
b. Penilaian naskah proposal penelitian yang menggunakan metode yang lain untuk
diajukan berdasarkan inputan dari petugas mendapatkan hasil yang lebih optimal.
sesuai dengan ketentuan dari masing – PUSTAKA
[1] Kusumadewi, Sri., Hartati, S., Harjoko,
masing Perguruan Tinggi.
A., danWardoyo, R., 2006,Fuzzy Multi-
c. Dapat digunakan untuk memberikan Attribute Decision Making (FUZZY
rekomendasi kepada pengambil keputusan MADM),PenerbitGrahaIlmu, Yogyakarta
yaitu tim reviewer dari masing – masing
Perguruan Tinggi dalam melakukan seleksi [2] Nofriansyah, Dicky, 2014, Konsep Data
proposal yang diajukan oleh Dosen. Mining VS SistemPendukung
Saran yang dapat diajukan untuk Keputusan, Deepublish, Yogyakarta
pengembangan perancangan sistem
pendukung keputusan selanjutnya sebaiknya [3] Basyaib, Fachmi., 2006, TeoriPembuatan
ada penambahan kriteria yang digunakan, agar Keputusan, Penerbit PT. Grasindo,
penilaian lebih detail serta adanya pengujian Jakarta
279
ANALISIS SISTEM PENDUKUNG KEPUTUSAN PENEMPATAN

LOKASI TAMAN BACAAN DI PTPN IV DOLOK SINUMBAH
MENGGUNAKAN METODE ELECTRE
1 2 3 4
Rika Artika , Poningsih , Sundari Retno Andani , Widodo Saputra
1
Bangsa
Telp. (0622) 22431
2,3,4
Telp. (0622) 22431
E-mail: poningsih @amiktunasbangsa.ac.id, sundarira@amiktunasbangsa.ac.id
ABSTRAKS
Membaca buku merupakan salah satu hal yang sangat penting, untuk mendukung dunia
pendidikan sekarang ini. Namun, hingga kini membaca buku merupakan aktivitas yang sangat
jarang sekali ditemui di tengah-tengah kehidupan masyarakat. Masyarakat seakan-akan
melupakan peran penting membaca bagi masa depan bangsa dan negara. Banyak cara yang
mampu ditempuh untuk meningkatkan minat membaca masyarakat. Sebagai langkah awal, bisa
dikembangkan dari lingkungan keluarga, kemudian beralih ke lingkungan yang lebih luas yaitu
masyarakat. Kemudian faktor lain adalah wadah yang mewadahi kegiatan edukasi baca ini,
diperlukannya wadah yang mampu menambahkan nuansa kreatif guna menunjang kegiatan
membaca menjadi suatu kebiasaan yang bermanfaat. Dolok Sinumbah yang menjadi lokasi
penempatan taman bacaan adalah salah satu tempat yang berkembang dan strategis dikarenakan
tempatnya nyaman. Diharapkan dengan adanya Penempatan Taman Bacaan ini mampu
meningkatkan kebiasaan membaca pada masyarakat, sekaligus menjadi tempat rekreasi bagi
keluarga ataupun kerabat. Taman Bacaan sendiri diperuntukkan untuk masyarakat umur 5 tahun
sampai usia produktif. Oleh karena itu, pentingnya perencanaan dan penempatan lokasi Taman
Bacaan di Dolok Sinumbah yang tepat yang mampu memberikan wadah edukasi yang
bernuansa kreatif. Sehingga mampu menarik pengunjung dan masyarakat di sekitar Dolok
Sinumbah. Juga mampu membantu meningkatkan pendapatan masyarakat sekitar di bidang
industri rumah makan dan transportasi. Sistem yang dibangun menggunakan metode ELECTRE
(Elimination and Choice Expressing Reality), keluaran dari penelitian ini adalah analisis Sistem
Pendukung Keputusan untuk penentuan penempatan lokasi taman bacaan di PTPN IV Dolok
Sinumbah.
Kata Kunci: Analisis Sistem Pendukung Keputusan, ELECTRE, Penempatan Lokasi.
1. PENDAHULUAN menjadi lokasi penempatan taman bacaan

Pada zaman saat ini membaca adalah hal adalah salah satu tempat yang berkembang
yang sudah jarang atau seringkali dihindari dan strategis dikarenakan tempatnya nyaman.
oleh masyarakat lakukan karena rasa malas. Diharapkan dengan adanya Penempatan
Sebagai bagian dari penduduk indonesia, Taman Bacaan ini mampu meningkatkan
sudah seharusnya kita mulai berbenah diri kebiasaan membaca pada masyarakat,
untuk memperbaiki statistik tersebut. Paling sekaligus menjadi tempat rekreasi bagi
tidak kita mulai gerakan membaca buku dari keluarga ataupun kerabat. . Sistem yang
diri sendiri dulu. Membaca adalah kegiatan dibangun menggunakan metode
yang sangat positif untuk terus dilakukan. ELECTRE (Elimination and Choice
Dengan membaca kita bisa menambah Expressing Reality).
wawasan dan mendapatkan informasi-
informasi baru yang berguna bagi kita. Jendela 2. METODOLOGI PENELITIAN
keilmuan akan terbuka melalui membaca. Sistem Pendukung Keputusan(SPK)
Sebagai langkah awal, bisa Sistem Pendukung Keputusan (SPK) adalah
dikembangkan dari lingkungan keluarga, salah satu cara mengorganisir informasi yang
kemudian beralih ke lingkungan yang lebih dimaksudkan untuk digunakan dalam
luas yaitu masyarakat. Dolok Sinumbah yang membuat keputusan. Untuk itu, diperlukan
280
suatu Sistem Pendukung Keputusan (SPK)
yang penyelesaian masalahnya menggunakan yang dilibatkan. Suatu alternatif dikatakan

metode Electre yang dapat memperhitungkan mendominasi alternatif yang lainnya jika
segala kriteria yang mendukung pengambilan satuatau lebih kriterianya melebihi
keputusan pemilihan mahasiswa secara cepat, (dibandingkan dengan kriteria dari alternatif
mudah dan dalam proses pengolahan data yang lain) dan sama dengan kriteria lain yang
pengambilan keputusan dapat melakukan tersisa (Kusumadewi dkk, 2006).
perangkingan untuk menentukan penempatan 4. Langkah-langkah Metode Electre
lokasi kerja.(putrama, 2018)Ada yang Membentuk perbandingan berpasangan
mendefinisikan bahwa system pendukung setiap alternatif pada setiap kriteria dan
keputusan merupakan suatu pendekatan untuk dinormalisasikan ke dalam suatu skala yang
mendukung pengambilan keputusan.Sistem dapat dibandingkan.
pendukung keputusan menggunakan data,
memberikan antarmuka pengguna yang
mudah dan dapat menggabungkan pemikiran
pengambil keputusan. Dengan kata lain
Sistem Pendukung Keputusan adalah suatu
sistem informasi berbasis komputer yang
Memberikan bobot pada setiap kriteria
menghasilkan berbagai alternatif keputusan
yang mengekspresikan kepentingan relatifnya
untuk membantu manajemen dalam
(wi) dengan cara setiap kolom dari matriks X
menangani berbagai permasalahan yang
dikalikan dengan bobot-bobot yang ditentukan
terstruktur dengan menggunakan data dan
oleh pembuat keputusan.
model(Agus,2017)
Menentukan himpunan
Elimination Et Choix Traduisant la Realite
dari concordance dan discordance Untuk
(ELECTRE)
setiap pasang dari
Metode Electre dikembangkan dengan
alternatif k dan l (k.l =1,2,3,…,m dan k≠l)
cara konsep perankingan, yaitu dengan
kumpulan kriteria j dibagi menjadi dua
menggunakan perbandingan berpasangan
himpunan bagian,
antar alternatif pada kriteria yang sesuai.
yaitu concordance dan discordance. Sebuah
Suatu alternatif dikatakan mendominasi
kriteria dalam suatu alternatif
alternatif yang lainnnya jika satu atau lebih
termasuk concordance jika :
kriterianya melebihi dibandingkan dengan
Ckl = { j, v1 j>v2 j} untuk j = 1, 2, ....., n
kriteria yang lain dan sama dengan kriteria
Langkah - langkah yang dilakukan dalam
lain yang tersisa (Ray, 1973).
penyelesaian masalah menggunakan metode
Metode ini merupakan salah satu metode
electre adalah sebagai berikut :
dari sistem pendukung keputusan yang
berbasis multi kriteria yang berasal dari
2.2.1 Normalisasi Matriks Keputusan
EROPA sekitar tahun 1960-an. Electre berasal Dalam langkah ini , setiap atribut
dari kata Elimination and choice Translation diubah menjadi nilai yang comparable. Setiap
Reality. Metode electre dapat digunakan normalisasi dari nilai Xij dapat dilakukan
dalam melakukan penilaian dan perankingan dengan rumus, sehingga didapat matriks R
berdasarkan kelebihan dan kekurangan hasil normalisasi.
melalui perbandingan berpasangan pada
kriteria yang sama.
3. PEMBAHASAN
3.1 Translation Reality (Electre)
Menurut Janko dan Bernoider (2005:11),
Electre merupakan salah satumetode
pengambilan keputusan multikriteria
berdasarkan pada konsep Outranking dengan
menggunakan perbandingan berpasangan dari
alternatif-alternatif berdasarkan setiap kriteria
yang sesuai. Metode Electre digunakan pada
kondisi dimana alternatif yang kurang sesuai
dengan kriteria dieliminasi, dan alternatif yang R adalah matriks yang telah dinormalisasi
sesuai dapat dihasilkan. Dengan kata lain, dimana m menyatakan alternatif, n
Electre digunakan untuk kasus-kasus dengan menyatakan kriteria dan rij adalah normalisasi
banyak alternatif namun hanya sedikit kriteria
281
pengukuran pilihan dari alternatif ke -i dalam

hubungannya dengan kriteria ke -j.
2.2.2 Pembobotan Pada Matriks Yang

Sehingga matriks concordance yang
Telah Dinormalisasi
dihasilkan adalah :
Setelah dinormalisasi , setiap kolom
dari matriks R dikalikan dengan bobot - bobot
( Wj ) yang ditentukan oleh pembuat
keputusan. Sehingga Weight normalized
matrix adalah V = R x W yang ditulis sebagai. b. menghitung matriks disordance
Untuk menentukan nilai dari elemen -
elemen pada matriks discordance adalah
dengan membagi maksimum selisih kriteria
yang termasuk kedalam himpunan bagian
discordance dengan maksimum selisih nilai
Dimana W adalah : seluruh kriteria yang ada secara matematisnya
Selanjutnya diperoleh matriks discordance :
2.2.3 Menentukan Himpunan

Concordance dan Discordance 2.2.5 Menghitung Matriks Dominan
pada Index Concordance dan Discordance"
Untuk setiap pasang dari alternatif k dan l ( a. Concordance
k, l = 1, 2, 3, .... , m dan k tidak sama dengan l Untuk menentukan nilai dari elemen-
) kumpulan j kriteria dibagi menjadi 2 elemen pada matriks concordance
himpunan bagian yaitu Concordance dan adalah dengan menjumlahkan bobot-
Discordance . bobot yang termasuk dalam subset
Sebuah Krteria dalam suatu alternatif concordance, secara matematisnya
termasuk Concordance jika : adalah pada Rumus:
dengan j = 1,2, ...,
n Dengan nilai threshold (c ) adalah :
Sebaliknya komplementer dari himpunan
bagian concordance adalah himpunan
discordance yaitu bila : Dan setiap elemen matriks F sebagai
dengan j = 1,2, ..., matriks dominan concordance ditentukan
n sebagai berikut :
Keterangan :
Ckl = himpunan concordance.
Dkl = himpunan discordance.
vkj = indeks dari matriks V.
vij = indeks dari matriks V. b. Discordance
2.2.4 Menghitung Matriks Concordance Untuk membangun matriks dominan
dan Discordance discordance juga menggunakan
a. menghitung matriks concordance bantuan nilai threshold, yaitu :
Untuk menentukan nilai - nilai dari
elemen - elemen pada matriks concordance
adalah dengan menjumlahkan bobot - bobot
yang termasuk pada himpunan concordance
secara matematisnya adalah sebagai berikut :
282
Dan nilai setiap elemen untuk matriks G Tingkat kepentingan yang dijadikan
sebagai matriks dominan discordance bobot preferensi setiap kriteria dinilai
ditentukan sebagai berikut : dari 1 sampai 5 dengan ketentuan :
1 = Sangat Rendah
2 = Rendah
3 = Cukup
4 = Tinggi
2.2.6 Menetukan Agregate Dominance 5 = Sangat Tinggi
Matrix Bobot :
Langkah selanjutnya adalah Bobot kriteria 1 = 30
menentukan aggregate dominance matrix Bobot kriteria 2 = 20
sebagai matriks E, yang setiap elemennya Bobot kriteria 3 = 15
merupakan perkalian antara elemen matriks F Bobot kriteria 4 = 15
dengan elemen matriks G, sebagai berikut : Bobot kriteria 5 = 20
Rating kecocokan dari setiap alternative pada
setiap kriteria :
2.2.7 Eliminasi Alternatif yang Less
Favourable
Matriks E memebrikan urutan pilihan dari
setiap alternatif , yaitu bila Ekl =1 maka
alternatif Ak merupakan alternatif yang lebih
baik daripada Al. Sehingga baris dalam
matriks E yang memiliki jumlah Ekl = 1
paling sedikit dapat dieleminasi Dengan
demikian, alternatif terbaik adalah alternatif
yang mendominasi alternatif lainnya. Pengambil keputusan memberikan bobot
preferensi
4. Penyelesaian Kasus Dengan Metode W = (30 , 20 , 15 , 15 , 20)
Electre Matriks keputusan yang dibentuk dari tebel
Kasus yang diambil adalah tentang kecocokan adalah sebagai berikut
penempatan taman lokasi bacaan di PTPN IV
X=
Dolok Sinumbah. Ada tiga lokasi di Dolok
Sinumbah yang akan menjadi alternative,
yaitu :
Untuk menyelesaikan masalah di atas
menggunakan metode ELECTRE, akan
dilakukan langkah-langkah berikut :
1) Normalisasi matriks keputusan
= = =
= 0,7453
Ada lima kriteria yang di jadikan acuan = = =
dalam pengambilan keputusan :
C1 = keamana sekitar lokasi
= 0,5145
C2 = akses menuju lokasi
C3 = kenyamanan = = =
C4 = jarak dengan perumahan penduduk
C5 = kepadatan penduduk sekitar = 0,4866
Rating kecocokan setiap alternatif
pada setiap kriteria, di nilai dengan 1 = = =
sampai 5 dengan ketentuan :
1 = Sangat buruk = 0,7428
2 = Buruk
3 = Cukup = = =
4 = Baik
5 = Sangat Baik = 0,4083
283
= = = 3) Menentukan himpunan
concordance dan discordance index.
a. Concordance
= 0,2981 Sebuah kriteria dalam suatu alternatif
= = = termasuk concordance jika :
Ckl = { j, v1 j>v2 j} untuk j = 1, 2,
= 0,5145 ....., n
= = = C12 = { j, v1 j > v2 j }
untuk j = 1, 2, ....., 5
= 0,3244 = {1,2,3,4}
= = = C13 = { j, v1 j > v3 j } untuk j = 1, 2,
....., 5
= 0,5571 = {1,4,5}
C21 = { j, v2 j > v1 j } untuk j = 1, 2,
= = = ....., 5
= {2,5}
= 0,8166 C23 = { j, v2 j > v3 j } untuk j = 1, 2,
= = = ....., 5
= {4,5}
C31 = { j, v3 j > v1 j } untuk j = 1, 2,
= 0,5963 ....., 5
= = = = {2,3,5}
C32 = { j, v3 j > v2 j } untuk j = 1, 2,
....., 5
= 0,6861 = {1,2,3}
= = =
b. Discordance
Sebuah kriteria dalam suatu alternatif
= 0,8111
termasuk Discordance jika :
= = =
Dkl = { j, vk j< vi j} untuk j = 1, 2,
= 0,3714 ....., n
= = = D12 = { j, v1 j< v2 j} untuk j = 1, 2,

....., 5
= 0,4083 = {5}
D13 = { j, v1 j< v3 j} untuk j = 1, 2,
Dari perhitungan di atas diperoleh
....., 5
matriks
= {2,3}
D21 = { j, v2 j< v1 j} untuk j = 1, 2,
....., 5
= {1,3,4}
D23 = { j, v2 j< v3 j} untuk j = 1, 2,
2) Pembobotan pada matriks yang ....., 5
telah dinormalisasi = {1,2,3}
Pembobotan pada matriks yang telah D31 = { j, v3 j< v1 j} untuk j = 1, 2,
dinormalisasi. Matriks V merupakan ....., 5
hasil perkalian R dengan W (bobot), = {1,4}
dimana W={30 , 20 , 15 , 15 , 20}. D32 = { j, v3 j< v2 j} untuk j = 1, 2,
Untuk mencari matriks V dihitung ....., 5
berdasarkan pada Persamaan 2 sebagai = {4,5}
berikut :
4) Menghitung Matriks Concordance
dan Discordance
a. Menghitung Matriks Concordance
284
C12 = w1 + w2 + w3 + w4
= 30 + 20 + 15 + 15 = 80
C13 = w1 + w4 + w5
= 30 + 15 + 20 = 65
C21 = w2 + w5
= 20 + 20 = 40
C23 = w4 + w5
= 15 + 20 = 35
C31 = w2 + w3 + w5
= 20 + 15 + 20 = 55
C32 = w1 + w3
= 30 + 15 = 45
Dari perhitungan diatas diperoleh matriks

concordance sebagai berikut :
C=
sehingga menghasilkan matriks
discordance sebagai berikut:
b. Menghitung Matriks
Discordance a)
Menentukan threshold dari matriks

5) dominan concordance dan
discordance. Threshold didapat dari
penjumlahan seluruh elemen matriks
dibagi ukuran matriks. Menghitung
matriks dominan concordance
menggunakan persamaan sebagai
berikut :
C=
= = 53,33
Sehingga, matriks dominan
concordance atau elemen matrikrs F
ditentukan dengan menggunakan
persamaan ( ) dan menghasilkan matriks
seperti berikut :
Matriks Dominan Concordance (F)
F=
b. Menghitung Threshold Matriks

Dominan Discordance
D =
= = 0,371
Matriks Dominan Discordance (G)
G=
285
6) Menentukan aggregate 1. Aplikasi ELECTRE telah berhasil

dominance matrix Matriks memberikan dibangun dan telah sesuai dengan
urutan pilihan alternatif sehingga dalam tahapan pada metode yang ditunjukan
matriks yang memiliki angka 1 dengan hasil pengujian perhitungan
dieliminasi. Dengan demikian, alternatif manual dengan perhitungan sistem.
terbaik adalah alternatif yang 2. Hasil dari aplikasi ELECTRE ini
mendominasi alternative lainnya. merupakan media bantu pembelajaran
bagi mahasiswa dalam memahami
tahapan proses yang dilakukan oleh
F = . G = metode ELECTRE dalam menyelesaikan
masalah dalam pengambilan keputusan.
3. Aplikasi ELECTRE ini sudah
bersifat dinamis, sehingga jumlah
kriteria, sub kriteri, bobot dan alternative
dapat ditambah atau dikurangi sesuai
dengan kasus yang diujikan.
= 4. Berdasarkan hasil penelitian juga
dapat disimpulkan bahwa Penempatan
Lokasi Taman bacaan lebih tepatnya
7) Eliminasi alternatif yang less penempatan lokasi tersebut di
favourable Emplasmen Dolok Sinumbah.
Matriks E memebrikan urutan pilihan
PUSTAKA
dari setiap alternatif , yaitu bila Ekl =1
maka alternatif Ak merupakan alternatif Windarto, Agus Perdana. "Implementasi
yang lebih baik daripada Al. Sehingga metode topsis dan saw dalam
baris dalam matriks E yang memiliki memberikan reward pelanggan."
jumlah Ekl = 1 paling sedikit dapat klik-kumpulan jurnal ilmu
dieleminasi. Dengan demikian, alternatif komputer 4.1 (2017): 88-101
terbaik adalah alternatif yang Putrama, alkhairi (2018) ‗Analisis dalam
mendominasi alternatif lainnya. menentukan produk bri syariah terbaik
berdasarkan dana pihak ketiga
5. KESIMPULAN menggunakan ahp‘, putrama alkhairi,
3(1), pp. 60–64.
286
FAKTORISASI MATRIK DALAM KOMPRESI CITRA DENGAN

MATRIK FAKTOR 16-1-1-16
Robin1, S. Irviantina2, Wenripin3, Ferawaty4
Program Studi Teknik Informatika, STMIK Mikroskil
Jl.MH Thamrin no 145 /20211
Telp. (061) 4573767
1
robin80huang@gmail.com, 2syanti@mikroskil.ac.id, 3 wenripin@yahoo.com,
4
gold3n27@gmail.com
ABSTRAK
Banyak teknik dan metode kompresi citra saat ini, baik yang bersifat lossy ataupun lossless dan
salah satu teknik yang sering digunakan belakangan ini adalah dengan menggunakan faktorisasi
matrik. Sebuah matrik bobot dibutuhkan untuk memfaktorkan sebuah data citra matrik agar
menghasilkan matrik yang nilainya lebih kecil. Berawal dari penelitian penulis sebelumnya yang
berjudul ―Penerapan Faktorisasi Matrik Non Negatif pada Kompresi Citra‖ pada tahun 2015
yang telah mencoba memfaktorkan data citra dengan berbagai ukuran matrik factor dan
menyimpulkan bahwa matrik bobot yang paling baik adalah yang berukuran 2x2, maka
penelitian kali ini mencoba untuk kembali memfaktorkan data citra asli untuk kompresi dengan
menggunakan matrik bobot 16-1-1-16 untuk masing-masing channel Red, Green dan Blue.
Setelah melalui percobaan terhadap beberapa sample citra, matrik bobot 16-1-1-16 dapat
mengecilkan ukuran citra hingga 50% tetapi data citra mengalami sedikit perubahan sehingga
kompresi menjadi bersifat lossy.
Kata Kunci : Kompresi Citra, Faktorisasi Matrik, 16-1-1-16
1. PENDAHULUAN 4. Bagaimana cara mengekstrak

1. 1 Latar Belakang kembali data citra dengan matrik
Ada banyak teknik dan metode kompresi bobot 16-1-1-16 sehingga citra
citra saat ini dan banyak dari metode kompresi tersebut dapat ditampilkan kembali
tersebut yang menggunakan matrik. Jika pada
penelitian penulis yang sebelumnya yang 1.3 Batasan Masalah
berjudul ―Penerapan Faktorisasi Matrik Non Batasan masalah dari penelitian ini
Negatif pada Kompresi Citra‖ pada tahun 2015, adalah sebagai berikut
penulis telah mencoba untuk menggunakan 1. Karena ukuran matrik bobot yang
matrik bobot berukuran 200x200, 10x10, 4x4 paling mudah digunakan sudah diteliti,
dan 2x2 dan pada penelitian tersebut matrik maka pada maka penelitian kali ini hanya
bobot yang paling mudah untuk digunakan mengimplementasikan matrik 2x2 tersebut
dalam kompresi citra dengan menggunakan dalam kompresi citra
faktorisasi matrik adalah matrik bobot yang 2. Matrik faktor yang digunakan untuk
berukuran 2x2, maka pada penelitian ini penulis mengkompresi citra adalah matrik
menggunakan matrik 2x2 dengan elemen 16-1- berukuran 2x2 dengan nilai 16-1-1-16
1-16 untuk mengkompresi citra. Alasan dipilih 3. Bahasa pemrograman yang
matrik 16-1-1-16 karena 16 merupakan nilai digunakan penulis untuk melakukan
tengah antara 0 dan 255 dari nilai warna channel kompresi citra dalam penelitian ini adalah
Red, Green dan Blue sebuah pixel citra sehingga Borland Delphi 7 dan Borland C++ Builder
matrik 16-1-1-16 dapat menjadi titik tengah 6
yang paling optimal antara efisiensi kompresi
tertinggi yang memungkinkan dan minimnya 4. ANALISA DAN PERANCANGAN
jumlah perubahan data citra yang 2.1 Analisa
memungkinkan terhadap kualitas citra asli. Sebuah matrik V dapat difaktorkan
menjadi matrik W dan matrik H seperti
1.2 Identifikasi Masalah terlihat pada persamaan 1. Jika matrik V
Berdasarkan latar bekalang yang telah adalah citra asli maka matrik W adalah
diuraikan maka permasalahan pada penelitian ini matrik bobot atau matrik factor dan matrik
adalah: H dapat dianalogikan sebagai matrik hasil
3. Bagaimana cara memfaktorkan data kompresi
citra dengan matrik bobot 16-1-1-16 V=W*H (1)
sehingga data citra menjadi lebih Sebuah citra warna dengan resolusi
kecil. Width x Height yang dimisalkan dengna
287
matrik V memiliki 3 buah matrik untuk digabungkan dengan hasil kompresi 4 bit yang
masing-masing channel warna Red (VR), selanjutnya menjadi bernilai 8 bit sehingga
Green (VG) dan Blue (VB) yang masing- dengan cara ini, 2 buah byte elemen matrik dari
masing juga berukuran Width x Height. citra dapat dikompresi menjadi 1 byte sehingga
Dengan matrik faktor W dan matrik citra efisiensi kompresi yang diperoleh menjadi 50%
asli VR, VG dan VB maka matrik hasil
kompresi H untuk masing-masing channel 2.2 Perancangan
Red (HR), Green (HG) dan Blue (HB) Flowchart proses kompresi dapat dilihat
dengan persamaan berikut ini. (Robin, pada gambar 2.1 dan flowchart dekompresi
2015) dapatdilihat pada gambar 2.2.
H = V * W-1 (2) Mulai
Jika diasumsikan bahwa sebuah citra V
yang memiliki lebar sebesar Width pixel dan Memberikan nilai matrik bobot W = {{16, 1}, {1, 16))
tinggi sebesar Heigh pixelt, maka matrik bobot W
yang berukuran 2x2 akan difaktorkan ke dalam
matrik V secara terpisah-pisah ataupun Menghitung W Inverse WI = W-1
berkelompok 2x2 pada elemen [0,0] s/d [1,1];
[2,0] s/d [3,1]; [4,0] s/d [5,1] dan seterusnya Memasukkan Citra Asli (Sumber)
hingga elemen [Width-2,0] s/d [Width-1,1] untuk
y=0 dan y=1 dan seterusnya hingga y=Height-2
Jlh Kolom nK = Lebar Citra Asli (Width)
dan y=Height-1 seperti ilustrasi pada tabel 2.1
Jlh Baris nB = Tinggi Citra Asli (Height)
berikut ini.
Tabel 2.1. Ilustrasi pengelompokan Simpan Header File Citra Kompresi

matrik V untuk difaktorkan dengan y=0
matrik W berukuran 2x2
y<nB Salah
Selesai
Benar
x=0
Jika matrik faktor W memiliki elemen x<nK

(16,1), (1, 16) maka W-1 dibutuhkan untuk
memfaktorkan matrikV menjadi matrik H
seperti persamaan (2). Nilai determinan dari Benar
matrik tersebut adalah 1/255 dan matrik W-1 Ambil VR[0][0] s/d VR[1][1],
bernilai (16/255, -1/255), (-1/255, 16/255) HV[0][0] s/d VG[1][1],
sehingga untuk mendapatkan matrik H, VB[0][0] s/d VB[1][1] dari Data Citra
asli [x][y] s/d [x+1][y+1]
matrik V dan W-1 akan dikalikan. HR=WI*VR
HG=WI*VR
Tabel 2.2. Matrik Hasil Kompresi H yang HB=WI*VR
Diperoleh dari Citra asli Matrik V dan Matrik R1=HR[0][0]
G1=HG[0][0]
W-1 B1=HB[0][0]
R2=HR[0][1]
G2=HG[0][1] Salah
B2=HB[0][1]
Gabungkan R1 dan R2, G1 dan G2,
B1 dan B2 dan simpan ke file
R1=HR[1][0]
G1=HG[1][0]
Tabel 2.2 memperlihatkan contoh hitungan B1=HB[1][0]
R2=HR[1][1]
kompresi dengan sampel data citra dengan nilai G2=HG[1][1]
warna tertinggi (255,255), (255,255). Matirk H B2=HB[1][1]
sebagai matrik hasil kompresi memperoleh nilai Gabungkan R1 dan R2, G1 dan G2,
15 dimana nilai 15 di dalam sistem bilangan biner B1 dan B2 dan simpan ke file
x+=2
adalah bernilai 1111 yang hanya berukuran 4 bit
dan bernilai FF dalam sistem bilangan
y+=2
heksadesimal sehingga semua nilai matrik hasil
kompresi tidak akan melebihi penyimpanan 4 bit.
Dengan demikian hasil kompresi dari 2x2 pixel Gambar 2.1. Flowchart Proses Kompresi
selanjutnya yang juga tidak melebihi 4 bit akan
288
Mulai 2.3 Implementasi

Setelah aplikasi kompresi dirancang,
dan kemudian diuji dengan 20 buah citra
Memberikan nilai matrik bobot W = {{16, 1}, {1, 16))
digital berukuran 120,000 bytes yaitu sebesar
200x200 pixel dan kedalaman warna 24 bit,
Menghitung W Inverse WI = W-1 besar citra hasil kompresi adalah 60,000
bytes sehingga efisiensi kompresi yang
Memasukkan Citra Hasil Kompresi diperoleh adalah 50%. Hasil kompresi
terhadap 20 buah citra tersebut dapat dilihat
pada Tabel 2.3 dengan ukuran citra asli dan
Baca Jlh Kolom nK dan Jlh Baris nB dari header file ukuran citra hasil kompresi adalah dalam
hasil kompresi
satuan Bytes
5 buah citra yang diuji dan citra hasil
yang telah di-extract dari hasil kompresinya
y<nB Salah dapat dillihat pada gambar 2.3 sampai dengan
2.7
Selesai
Benar
x=0
x<nK
Benar
Baca R, G dan B dari file citra hasil

kompresi
Pisahkan 8 bit R menjadi 4 bit R1
dan 4 bit R2
Pisahkan 8 bit G menjadi 4 bit G1
dan 4 bit G2
Pisahkan 8 bit R menjadi 4 bit B1
dan 4 bit B2
HR[0][0]=R1
HG[0][0]=G1
HB[0][0]=B1
HR[0][1]=R2
HG[0][1]=G2
HB[0][1]=B2
Baca R, G dan B dari file citra hasil
kompresi Salah
Pisahkan 8 bit R menjadi 4 bit R1
dan 4 bit R2
Pisahkan 8 bit G menjadi 4 bit G1
dan 4 bit G2
Pisahkan 8 bit R menjadi 4 bit B1
dan 4 bit B2
HR[1][0]=R1
HG[1][0]=G1
Gambar 2.3. Citra Image01.bmp dan hasil
HB[1][0]=B1 extract dari kompresinya
HR[1][1]=R2
HG[1][1]=G2
HB[1][1]=B2
VR=W*HR
VG=W*HG
VB=W*HB
x+=2
y+=2
Gambar 2.2. Flowchart Proses Kompresi
289

extract dari kompresinya

Gambar 2.4. Citra Image02.bmp dan hasil extract dari kompresinya

290
Tabel 2.3. Hasil Pengujian Aplikasi 3. Dengan matrik faktor 16-1-1-16, semua
Kompresi dengan Matrik 16-1-1-16 data citra masing-masing channel Red,
Green, dan Blue dapat dikecilkan dari 1
byte atau 8 bit menjadi 4 bit sehingga 2
buah data citra dari masing-masing
channel Red, Green yang berukuran 2
byte dapat dikecilkan menjadi 1 byte. Hal
ini dapat dilihat pada proses pada Gambar
2.1.
PUSTAKA
1. Lee, D. D., & Seung, H. S. Algorithms for
Non-Negative Matrix Factorization (2000)
2. Yuan, Z. & Oja, E., Projective Non-
Negative Matrix Factorization for Image
Compression and Feature Extraction.
Neural Networks Research Center (2005)
3. Berry, M. W., Murray, B., Lngville, A. N.,
Pauca, V.P., & Plemmons, R. J. Algorithms
and Applications for Approximate
NonNegative Matrix. Computational
Statistics & Data Analysis 52 (2007)
4. Buciu, I. Non-Negative Matrix
Factorization, A New Tool for Feature
Extraction: Theory and Application,
6. KESIMPULAN International Journal of Computers,
Dari hasil penelitian ini ada beberapa Communications & Control (2008)
kesimpulan yang dapat diambil 5. Dhawan, S. A Review of Image
Compression and Comparison of Its
1. Citra hasil kompresi yang telah diextract Algoritham, IJECT Vol. 2, Issue 1, March
kembali mengalami penurunan kualitas 2011
sehingga kompresi dengan matrk factor 6. Robin & Suharjito, Optimized Weighted
16-1-1-16 adalah merupakan kompresi Matrix of Non-Negative Matrix
lossy. Factorization for Image Compression,
2. Dari hasil percobaan terhadap 20 sampel International Journal of Multimedia and
data citra, efisiensi kompresi adalah 50% Ubiquitous Engineering, Vol. 10, No. 3
(2015)
291
PREIMAGEATTACK PADA HASHEDPASSWORD DENGAN

MENGGUNAKAN BRUTE FORCE
Sandromedo Christa Nugroho
Badan Koordinasi Penanaman Modal
Jl. Gatot Subroto No.44, Semanggi, Setia Budi, Jakarta
sandromedo.christa@bssn.go.id
ABSTRAKS
Keamanan password merupakan salah satu hal yang paling kritis dalam implementasi aplikasi
atau layanan, apabila password seseorang pengguna diketahui oleh pihak yang tidak berwenang
(pihak penyerang), maka tidak ada mekanisme berikutnya yang dapat menghalangi akses yang
dapat dilakukan oleh seorang penyerang terhadap aplikasi atau layanan dalam sebuah sistem
(kecuali aplikasi atau layanan tersebut menambahkan teknik otentikasi lainnya, seperti dongle,
token atau smart card). Salah satu teknik untuk mengamankan password adalah dengan
menggunakan teknik kriptografi, yaitu algoritma fungsi hash pada password. Namun masih
terdapat kemungkinan serangan praktis yang dapat digunakan untuk membreakhasingpassword
pengguna yang tersimpan didalam database, antara lain brute force attack, dictionary attack
dan/atau jenis serangan lainnya. Pada tulisan ini akan dibahas mengenai pre image attack pada
password yang telah dihash dengan menggunakan algoritma MD5 dengan menggunakan brute
force attack.
Kata Kunci:Keamanan Password, Algoritma MD5, Pre Image Attack, Brute Force Attack
1. PENDAHULUAN aplikasi atau layanan milik pengguna dalam

1.1 Latar Belakang sebuah sistem (kecuali aplikasi atau layanan
Era globalisasi telah membawa tersebut menambahkan teknik otentikasi
perubahan yang signifikan dalam pola lainnya, seperti dongle, token atau smart
kehidupan manusia, dahulu transaksi jual beli card). Salah satu cara yang dapat digunakan
barang harus dilakukan secara langsung untuk mengamankan password adalah teknik
melalui pertemuan antara penjual dengan kriptografi, yaitu algoritma fungsi hash,
pembeli, namun saat ini transaksi tersebut dimana hasingpassword pengguna yang
dapat dilakukan dengan sangat cepat dan disimpan didalam database dapat menyulitkan
mudah, salah satunya dengan menggunakan penyerang untuk mengetahui password asli
layanan internetbanking. Demikian juga pengguna. Namun masih terdapat
dengan komunikasi persuratan, dahulu kemungkinan serangan praktis yang dapat
seseorang harus menuliskan surat, lalu digunakan untuk membreakhasingpassword,
mengirimkannya ke kantor pos untuk antara lain brute force attack, dictionary
diteruskan ke alamat tujuan, saat ini surat attack dan/atau jenis serangan lainnya. Pada
dapat disampaikan dari pengirim ke penerima tulisan ini akan dibahas mengenai brute force
dalam hitungan detik, meskipun jarak attack pada password dengan komposisi
keduanya saling berjauhan, yaitu dengan maksimal 5 karakter yang telah dihasing
menggunakan surat elektronik (email). menggunakan algoritma MD5. Pemilihan
Pengunaan aplikasi dan layanan berbasis komposisi maksimal 5 karakter berkaitan
webtersebut memang memudahkan dan dengan lamanya waktu yang diperlukan untuk
memberikan manfaat yang besar bagi menyusun hasil tulisan ini, namun tidak
kehidupan manusia, namun jarang ada yang menutup kemungkinan brute force attack juga
memperhatikan mengenai keamanan aplikasi dapat dilakukan pada pada jumlah komposisi
atau layanan tersebut. Salah satunya adalah karakter yang lebih banyak atau menggunakan
keamanan password. Keamanan password algoritma fungsi hash lainnya, selain itu akan
merupakan salah satu hal yang paling kritis dibahas juga mengenai kebutuhan waktu dan
dalam implementasi aplikasi atau layanan, memory dalam melakukan brute force attack
apabila password seseorang pengguna tersebut.
diketahui oleh pihak yang tidak berwenang
(pihak penyerang), maka tidak terdapat
mekanisme berikutnya yang dapat
Berdasarkan pada latar belakang
menghalangi akses penyerang terhadap
permasalahan diatas, maka terdapat beberapa
292
identifikasi masalah pada tulisan ini, antara dalam sebuah aplikasi dan/atau layanan
lain : jaringan komunikasi telah menggunakan
1. Apakah password yang telah dihasing teknik otentikasi untuk mendapatkan hak
telah aman dari berbagai kemungkinan akses sesuai role pengguna. Terdapat 3 jenis
serangan; otentikasi yang dapat digunakan untuk
2. Bagaimana cara membreakpassword mengotentikasikan pengguna, yaitu :
yang telah dihasing dengan algoritma 1. Something You Know,Merupakan jenis
fungsi hash; otentikasi yang melibatkan
3. Berapa banyak percobaan yang harus pengetahuan informasi rahasia yang
dilakukan dalam melakukan serangan harus diingat/diketahui oleh pengguna,
password yang telah dihasing; contohnya password dan Personal
4. Berapa lama waktu yang dibutuhkan Identification Number (PIN).
untuk membreakpassword yang telah 2. Something You Have, Merupakan jenis
dihasing; otentikasi yang melibatkan alat atau
Berapa besar perkiraan memory yang tools baik software maupun hardware,
dibutuhkan untuk melakukan serangan dimana tanpa adanya alat tersebut,
lanjutan pada password yang telah dihashing. maka pengguna tidak dapat
mengotentikasikan dirinya pada
1.3 Batasan Masalah aplikasi/layanan. Contohnya token,
Terdapat beberapa batasan masalah smartcard dan dongle.
dalam tulisan ini, antara lain : 3. Something You Are, Merupakan
1. Algoritma fungsi hash yang akan jenis otentikasi yang melibatkan
diserang adalah algoritma MD5; properti dan karakteristik unik pada
2. Komposisi maksimal karakter yang diri pengguna, contohnya finger print
dapat digunakan sebagai password (sidik jari), scan (pemindaian) retina
adalah 5 karakter; mata dan garis tangan.
3. Serangan hanya akan dilakukan dengan
menggunakan perangkat lunak dan 2.2 Algoritma MD5
keras yang telah ditentukan pada bagian Algoritma MD5 adalah algoritma
parameter serangan. fungsi hash yang dikembangkan oleh Ronald
Perancangan aplikasi dilakukan dengan Rivest pada tahun 1992. Algoritma MD5
menggunakan bahasa pemrograman Java dapat menghasing pesan dengan panjang
dengan menggunakan Integrated Development sembarang menjadi message digest dengan
Environment (IDE) Eclipse Mars 2. panjang tetap sepanjang 128 bit. Algoritma
tersebut memiliki lisensi RSA untuk
2. LANDASAN TEORI memberikan jaminan keutuhan/integritas dan
2.1 Password verifikasi suatu informasi dan banyak
Secara definsi password adalah sebuah digunakan oleh masyarakat umum secara luas
kombinasi rahasia yang terdiri dari kombinasi pada berbagai aplikasi/layanan berdasarkan
huruf, angka dan karakter khusus, dimana pada dokumen RFC 1321. Tahun 1996 Hans
username dan password dikombinasikan Dobbertin berhasil menemukan kelemahan
bersama-sama untuk mekanisme otentikasi dari algoritma MD5, selain itu pada tahun
pada sebuah sistem komputer [M Rudyanto 2004 Xiaoyun Wang and Hongbo Yu berhasil
Arief]. Definisi lain dari password adalah membuktikan bahwa algoritma MD5 rentan
kumpulan karakter atau string yang digunakan terhadap serangan kolisi dan pada tahun yang
oleh pengguna jaringan atau sebuah sistem sama J. Black, M. Cochran dan T. Highland
operasi yang mendukung banyak pengguna menemukan cara untuk menemukan pasangan
(multiuser) untuk memverifikasi identitas pesan berbeda yang dapat menghasilkan nilai
dirinya kepada sistem keamanan yang dimiliki messagedigest yang sama. Bahkan pada tahun
oleh jaringan atau sistem tersebut [Sinta]. 2008 para ahli kriptografi dapat menemukan
Selain itu password juga dapat didefinisikan teknik untuk memalsukan sertifikat SSL yang
sebagai kunci yang digunakan untuk menggunakan algoritma MD5 sebagai
membuka dan mengakses informasi yang algoritma fungsi hashnya. Berdasarkan pada
umumnya bersifat rahasia dan tersimpan di hasil serangan dan kelemahan yang telah
computer atau media penyimpanan online ditemukan tersebut. maka saat ini algoritma
[Diktat Praktikum Pengamanan Password]. MD5 tidak direkomendasikan untuk
Secara sadar atau tidak seorang pengguna digunakan lagi, masyarakat luas juga mulai
293
beralih untuk menggunakan algoritma fungsi merupakan salah satu mesin terbaik dan
hash lainnya, seperti algoritma SHA-2. termahal pada jamannya, dimana harga dari
Namun bukan berarti algoritma MD5 sebuah mesin EFF pada waktu itu adalah US$
dilupakan dan tidak digunakan kembali secara 250,000 (sekitar IDR
total, algoritma fungsi hash tersebut tetap 3.250.000.000).Perkembangan perangkat
digunakan, khususnya pada bidang pendidikan brute force attack berjalan dengan cukup
dan akademisi/riset sebagai bahan kajian dasar signifikan dan pesat, dimana saat ini telah
dalam pembelajaran algoritma fungsi hash. banyak vendor dan perusahaan yang membuat
Tabel 1. dibawah menunjukkan spesifikasi dan mengembangkan perangkat keras-
algoritma MD5. perangkat keras yang dapat digunakan untuk
melakukan brute force attack, antara lain :
Tabel 1. Spesifikasi Algoritma MD5. paralleling NVDIA GPU dengan
menggunakan platform CUDA, clustering
FPGA (COPACOBANA), SuperComputer
dan perangkat keras lainnya, termasuk
parallelcomputer serta cluster computer.
Salah satu teknik sederhana untuk mencegah
peretasan akun pengguna dengan brute force
attack adalah menerapkan sistem yang akan
melakukan penguncian (lock)pada akun
pengguna yang telah salah melakukan input
2.3 Brute Force Attack
password/kuncisebanyak 3 kali.
Brute force attack adalah salah satu
teknik/metode yang dapat digunakan untuk
3. SERANGAN
memecahkan teknik pengamanan kriptografi
3.1 Metode Serangan
dengan cara mencoba seluruh kemungkinan
Persamaan matematika untuk
jawaban yang ada. Pada dasarnya brute force
menghitung seluruh kemungkinan percobaan
attack merupakan jenis serangan yang simple
yang harus dilakukan dalam brute force
dan sederhana karena untuk mendapatkan
attackadalah :
informasi yang diinginkannya, maka seorang
penyerang cukup mencoba semua
N = C(jml) + C(jml + 1) + C(jml + 2) + C(jml + 3) + ... +
kemungkinan nilai yang dapat digunakan oleh
C(jml + max)
pengguna, namun serangan tersebut
memerlukan biaya, perangkat, data, power,
Keterangan :
trials, waktu, memory dan source yang sangat
1. N = Jumlah seluruh kemungkinan
besar. Brute force attack juga merupakan jenis
2. C = Jumlah kombinasi karakter (contoh
serangan praktis yang memang banyak dan
―abcd‖ berarti C = 4)
umum digunakan oleh pihak penyerang dalam
3. Jml = Panjang password minimal
memecahkan sebuah sistem kriptografi,
(contoh ―1‖)
dimana semakin kompleks teknik/informasi
4. Jml + Max = Panjang password
yang harus dipecahkan, maka akan semakin
maksimal (contoh ―5‖)
lama proses pencarian solusinya, sehingga
Berdasarkan pada persamaan tersebut, maka
dalam hal ini terdapat pertimbangan terhadap
untuk memecahkan password dengan panjang
kemunculan faktor keberuntungan (luck)
5 karakter yang terdiri dari karakter
untuk menemukan solusi serangan, jika faktor
―abcdefghijklmnopqrstuvwxyz‖ dan
keberuntungan tersebut tidak didapat maka
kombinasinya, maka diperlukan (worstcase) N
brute force attack merupakan worst algorithm
= 261 + 262 + 263 + 264 + 265 atau 26 + 676 +
(karena berarti serangan tersebut memerlukan
17.576 + 456.976 + 11.881.376 = 12.356.630
seluruh percobaan dengan waktu paling
(12 juta kemungkinan). Mengingat brute force
maksimal untuk memecahkan suatu informasi
attack juga bergantung pada faktor
yang diamankan dengan teknik kriptografi).
keberuntungan, maka best case untuk
Perangkat pertama yang pernah dibuat khusus
memecahkan password pengguna
untuk melakukan brute force attack adalah
menggunakan serangan tersebut adalah 1 kali
mesin EFF, yaitu mesin pemecah teknik
percobaan.
kriptografi yang memiliki 1.800 chip
terkostumisasi dan diclaim dapat memecahkan
3.2 Spesifikasi Perangkat
kunci algoritma DES secara brute force hanya
dalam waktu beberapa hari. Mesin EFF
294
Spesifikasi perangkat merupakan

penjabaran mengenai spesifikasi perangkat
lunak dan keras yang digunakan dalam
melakukan brute force attack pada algoritma
MD5. Tabel 2.dibawah menunjukkan
spesifikasi perangkat keras.
Tabel 2. Spesifikasi Perangkat Keras.
4. HASIL SERANGAN
Brute force attack akan dilakukan
dengan menggunakan sampling password
pengguna berdasarkan huruf kecil (―q‖), huruf
besar (―Q‖), tanda baca (―%‖) dan angka (―7‖)
yang berukuran 1 sampai dengan 5 karakter.
Sedangkan tabel 3. dibawah menunjukkan Tabel 5. dibawah menunjukkan waktu brute
kondisi dan setting perangkat lunak. force attack terhadap hasil hashing password
pengguna dengan menggunakan algoritma
Tabel 3. Kondisi dan Setting Perangkat MD5.
Lunak.
Tabel 5. Waktu Brute Force Attack pada
Algoritma MD5.
3.3 Banyaknya Percobaan

Banyaknya percobaan merupakan
hitungan matematis terhadap seluruh
kemungkinan kombinasi password yang dapat
digunakan oleh pengguna. Tabel 4. dibawah
menunjukkan banyaknya kemungkinan
percobaan yang harus dilakukan oleh pihak
penyerang (dengan asumsi menggunakan
kombinasi ―abcdefghijkalmnopqrstuvwxyz‖
dan ―seluruh karakter yang dapat digunakan
Sedangkan gambar 1. dibawah menunjukkan
pada keyboard laptop/desktop‖ sebagai
perbandingan grafik waktu brute force attack
passwordnya).
antara 1 sampai 5 karakter.
Tabel 4. Banyaknya Kemungkinan
Percobaan.
Gambar 1. Grafik Perbandingan Waktu

brute force attack pada Algoritma MD5.
295
5. KESIMPULAN (quantum computing) atau solusi lainnya

Teknik brute force attack merupakan adalah dengan menggunakan serangan lain,
salah satu serangan praktis yang paling efektif yaitu dictionary attack sistem pengkelasan,
untuk membreakhasingpassword pengguna, sehingga dapat mengurangi proses pencarian
namun teknik tersebut membutuhkan biaya, hashed password secara brute force dengan
perangkat, data, power, trials, waktu, memory signifikan.
dan source yang sangat besar. Brute force PUSTAKA
attack algoritma MD5 pada tulisan ini dapat [1]. Arief, M. Rudyanto. Otentikasi Multi
dinyatakan berhasil, dimana perangkat yang Faktor Untuk Meningkatkan Keamanan
digunakan untuk melakukan serangan Komputer. Teknik Informatika. STMIK
tersebutadalah komputer pribadi dengan Amikom. Yogyakarta.
spesifikasi terbatas, sehingga terdapat [2]. Indrajit, E. Richardus. Manajemen
beberapa pembatasan seperti, karakter yang Password.pdf
dapat dipilih sebagai password hanya [3]. Pramudita, E. Krisnaldi. Brute Force
kombinasi dari ―seluruh karakter yang dapat Attack dan Penerapannya pada
digunakan pada keyboard laptop/desktop‖ Password Cracking. Program Studi
dengan kombinasi maksimal 5 karakter. Hal Teknik Informatika. Sekolah Teknik
tersebut dapat dilihat dari kebutuhan waktu Elektronika dan Informatika. Bandung.
brute force attack yang cukup lama, dimana [4]. Sembodo, H. Ichwan. Password Cracing
untuk membreakpassword pengguna dengan Menggunakan brute force attack.
sampling ―qqqqq‖ adalah 3,821,929 ms atau Program Studi Teknik Informatika.
kurang lebih 1 jam, waktu serangan tersebut Sekolah Teknik Elektronika dan
dapat dipersingkat, salah satunya adalah Informatika. Bandung.
dengan menggunakan perangkat keras yang [5]. Stevens, Marc. Single-Block Collision
dirancang bangun khusus untuk melakukan Attack on MD5. Crptology Grup.
brute force attack, seperti parallel computer, Amsterdam. Netherlands.
super computer dan/atau komputer quantum
296
IMPLEMENTASI TANDATANGAN DIGITAL

PADA DOKUMEN AKADEMIK
Sandromedo Christa Nugroho
Badan Koordinasi Penanaman Modal
Jl. Gatot Subroto No.44, Semanggi, Setia Budi, Jakarta
sandromedo.christa@bssn.go.id
ABSTRAKS
Transkrip nilai dan ijazah merupakan salah dua dokumen akademik yang sangat diperlukan,
khususnya bagi para wisudawan yang akan melamar kerja atau sebagai salah satu persyaratan
untuk menduduki jabatan tertentu dalam sebuah organisasi. Secara definitif kedua dokumen
tersebut hanyalah berbentuk kertas (umumnya cukup tebal) dengan tulisan, tandatangan dan cap
perguruan tinggi didalamnya, sehingga sangat mudah untuk dipalsukan dan/atau dimodifikasi
dengan maksud dan tujuan yang tidak semestinya. Selain itu metode verifikasi dokumen
akademik tersebut masih dilakukan secara manual, sehingga membutuhkan waktu dan tenaga
yang tidak sedikit untuk memverifikas, bahkan hanya untuk 1 dokumen saja. Salah satu solusi
yang dapat digunakan untuk mengatasi permasalahan diatas adalah dengan menerapkan
tandatangan digital pada dokumen akademik tersebut, sehingga integritas informasi dan
otentikasi pihak penerbit dokumen akademik dapat terjaga dengan baik, demikian juga dengan
verifikasi yang dapat dilakukan secara digital dimanapun, kapanpun dan oleh siapapun yang
memiliki wewenang dan keperluan terhadap dokumen akademik tersebut.
Kata Kunci:Celah Kerawanan pada Dokumen Akademik, Tandatangan Digital
1. PENDAHULUAN dokumen akademik tersebut. Pada tulisan ini

1.1 Latar Belakang juga akan dilakukan proof of concept (POC)
Dewasa ini banyak pihak yang serangan, baik pemalsuan,
menggunakan dan memanfaatkan dokumen perubahan/modifikasi maupun penghapusan
palsu dalam rangka mencari kerja dan/atau tandatangan digital pada dokumen akademik
mendaftarkan dirinya untuk menduduki untuk membuktikan keamanan hasil
jabatan tertentu baik pada sektor publik penerapan tandatangan digital.
maupun sektor privat (pemerintahan). Hal
tersebut tidak terlepas dari lemahnya kontrol
pemerintah terhadap para pelaku, sulitnya
Berdasarkan pada latar belakang
deteksi dan verifikasi dokumen akademik
permasalahan diatas, maka terdapat beberapa
pada perguruan tinggi, serta maraknya jasa
identifikasi masalah pada tulisan ini, antara
pembuatan transkrip nilai dan ijasah palsu
lain :
dengan harga yang cukup terjangkau. Baru-
5. Bagaimana cara mengamankan
baru ini dunia akademik Indonesia dihebohkan
dokumen akademik dari kemungkinan
dengan kasus seorang mahasiswi di perguruan
perubahan/modifikasi dan pemalsuan;
tinggi negeri yang telah Drop Out (DO) pada
6. Bagaimana cara memverifikasi
semester kedua, namun dapat melanjutkan
dokumen akademik yang telah
studinya di salah satu perguruan tinggi terbaik
diamankan;
di Malaysia sebagai mahasiswa pertukaran.
7. Bagaimana cara membuktikan
Hal tersebut dapat terjadi karena terdapat
dokumen yang telah diamankan, benar-
celah untuk memalsukan transkrip nilai dan
benar aman secara praktis.
ijazah tanpa adanya verifikasi kebenaran dan
keabsahan dari perguruan tinggi yang
1.3 Batasan Masalah
berwenang menerbitkan dokumen akademik
Terdapat beberapa batasan masalah
tersebut. Pada tulisan ini akan dibahas
dalam tulisan ini, antara lain :
mengenai penerapan teknik kriptografi pada
4. Fokus pengamanan pada dokumen
ijazah dan transkrip nilai untuk menjaga
akademik adalah pada integritas
integritas informasi dan otentikasi pihak
informasi (keutuhan) dan otentikasi
penerbit dokumen akademik menggunakan
pihak penerbit dokumen akademik
tandatangan digital, sehingga memungkinkan
(keaslian);
penerapan teknik verifikasi secara digital
5. Seluruh dokumen akademik dan
dimanapun, kapanpun dan oleh siapapun yang
sertifikat digital yang digunakan dalam
memiliki wewenang dan keperluan terhadap
penulisan ini merupakan dummy;
297
6. Pembuktian keamanan dokumen bangun algoritma fungsi hash yang didisain

akdemik hanya akan dilakukan dengan untuk mengantikan algoritma SHA-1 yang
menggunakan teknik praktis secara telah diclaim tidak aman lagi untuk digunakan
langsung dan tidak langsung. (http://arstechnica.com/security/2012/10/sha1-
Perancangan aplikasi dilakukan dengan crypto-algorithm-could-fall-by-2018/). Secara
menggunakan bahasa pemrograman Java fungsi algoritma SHA-2 dapat meng-hash
dengan menggunakan Integrated Development pesan dengan panjang sembarang (arbitrary
Environment (IDE) Eclipse Mars 2. message) menjadi message digest dengan
panjang tetap 224 / 256 / 384 / 512 bit
2. LANDASAN TEORI (tergantung pada keperluan dan tingkat
2.1 Transkrip Nilai dan Ijazah keamanan yang ingin dicapai pengguna).
Transkrip akademik adalah daftar nilai Algoritma SHA-2 dipublikasikan pada tahun
keseluruhan hasil belajar dan indeks prestasi 2001 dan dipatenkan di Amerika Serikat
dari mata kuliah program studi yang diberikan dengan nomor paten 6829355. Pada dasarnya
sebagai lampiran ijazah kepada Mahasiswa disain algoritma SHA-2 masih mirip dengan
yang dinyatakan lulus [4], umumnya transkrip disain algoritma pendahulunya (algoritma
akademik akan memuat nilai hasil belajar SHA-1) namun dengan beberapa perbaikan
Mahasiswa dalam bentuk Indeks Prestasi dan pengembangan. Pada tahun 2011 Mario
Kumulatif (IPK), yaitu bilangan dengan dua Lamberger dan Florian Mendel menemukan
angka di belakang koma yang menunjukkan serangan yang dapat diterapkan pada
kualitas belajar keseluruhan dari materi algoritma SHA-2, akan tetapi serangan
program studi yang dihitung dengan tersebut masih diangap serangan teoritis dan
menjumlah hasil perkalian nilai hasil belajar belum dapat dilakukan secara praktis,
dengan bobot sks dibagi dengan jumlah kredit sehingga algoritma SHA-2 di-claim masih
yang ditetapkan untuk program studi yang layak dan aman untuk tetap digunakan. Tabel
bersangkutan[4]. Transkrip nilai umumnya 1. dibawah menunjukkan spesifikasi algoritma
dibuat setelah seorang mahasiswa fungsi hash SHA-2 family.
menyelesaikan pendidikan di perguruan tinggi
dan dicetak oleh bidang akademik atau bidang Tabel 1. Spesifikasi Algoritma Fungsi Hash
terkait lainnya dan akan diberikan bersamaan SHA-2 Family.
dengan ijazah. Berbeda dengan raport yang
terdiri dari berlembar kertas atau bahkan
berbentuk buku, transkrip nilai umumnya
hanya berwujud 1-2 lembar kertas saja.
Sedangkan ijazah adalah dokumen resmi yang
diterbitkan sebagai pengakuan terhadap
prestasi belajar dan/atau penyelesaian suatu
jenjang pendidikan setelah lulus ujian [6].
Kedua dokumen akademik tersebut umumnya
sangat diperlukan, khususnya bagi para 2.3 Algoritma Public Key RSA
wisudawan yang akan melamar kerja atau Algoritma RSA didisain oleh 3
sebagai salah satu persyaratan untuk ilmuwan dari Massachussets Institute of
menduduki jabatan tertentu dalam sebuah Technology (MIT), Ron Rivest, Adi Shamir
organisasi, dimana bentuk verifikasi terhadap dan Leonard Adleman pada tahun 1977.
kedua dokumen tersebut dilakukan dalam Algoritma RSA merupakan salah satu
bentuk pengecapan dan tandatangan seca algoritma asimetrik standar Amerika Serikat
manual pada fotocopy dokumen oleh berdasarkan pada dokumen PKCS#1, ANSI
perguruan tinggi dan pejabat terkait yang X9.31 dan IEEE 1363 yang dapat digunakan
biasa disebut dengan legalisir. secara luas oleh khalayak umum. Algoritma
RSA memiliki ukuran kunci 1024 bit sampai
2.2 Algoritma SHA-2 Family dengan 4096 bit (tergantung pada keperluan
Algoritma SHA-2 Family dantingkat keamanan yang ingin dicapai
dikembangkan oleh National Security Agency pengguna) dan dapat digunakan untuk
(NSA) dan merupakan salah satu algoritma beberapa tujuan, seperti enkripsi/dekripsi
fungsi hash standar Amerika Serikat pesan rahasia, tandatangan/verifikasi dokumen
berdasarkan pada dokumen National Institute secara digital dan implementasi algoritma
of Standards and Technology (NIST) Federal hybrid pada skema Public Key Infrastructure
Information Processing Standard (FIPS) 180- (PKI). Secara umum kekuatan matematis
4. Algoritma SHA-2 merupakan rancang algoritma RSA terdapat pada masalah
298
faktorisasi bilangan bulat besar (Integer Beberapa perguruan tinggi menerbitkan ijazah
Factorization Problem), dimana dalam dan transkrip nilainya dengan ditandatangani
perkembangannya terdapat beberapa algoritma oleh Dekan Falkutas dan Rektor, namun
asimetrik lain yang memiliki dasar kekuatan terdapat juga yang ditandatangani oleh Kepala
matematis yang mirip dengan algoritma RSA, Bidang Program dan Dekan, atau bahkan
seperti algoritma Rabin, algoritma Williams, hanya ditandatangai oleh Dekan/Rektor.
algoritma LUC, algoritma Goldwaser-Micali Implementasi tandatangan digital pada ijazah
dan algoritma-algoritma asimetrik lainnya. dan transkrip nilai tidak akan merubah skema
Terdapat beberapa serangan kriptanalisis yang penerbitan dokumen akademik yang telah
dapat diterapkan pada algoritma RSA, antara berjalan secara signifikan, melainkan hanya
lain : general number field sieve dan algoritma menambahkan 2 buah proses, yaitu
shor’s, namun saat ini serangan-serangan penandatanganan secara digital dan
tersebut masih belumoptimal berdasarkan penyimpanan softcopy ijazah dan transkrip
polinomial waktu terukur, sehingga algoritma nilai kedalam repository/database perguruan
RSA di-claim masih layak dan aman untuk tinggi. Adapun skema penerbitan ijazahnya
tetap digunakan. adalah berawal dari mahasiswa melengkapi
data dan persyaratan administratif pada
2.4 Sertifikat Digital perguruan tinggi, kemudian staf pendidikan
Sertifikat digital dapat dianalogikan mengirimkan draf ijazah (dalam bentuk
sebagai sebuahpassportatau KTP elektronik softcopy) kepada staf administrasi, dimana staf
(bersifat unik) yang dapat mengijinkan dan administrasi akan melakukan
mengotentikasikansebuah entitas atau seorang pengecekan/verifikasi data dan persyaratan
pengguna (secara pribadi atau mewakili administratif mahasiswa terkait, jika sudah
institusi) untuk melakukan pertukaran benar maka draf ijazah dan transkrip nilai
informasi (dokumen) secara utuh dan aman dapat ditandatangani secara digital oleh Dekan
dengan pihak lainnyamelalui jalur publik Falkutas, namun jika masih terdapat kesalahan
(internet) menggunakan teknik PKI.Terdapat maka draf tersebut dikembalikan ke staf
beberapa penyedia sertifikat digital komersil pendidikan untuk diperbaiki. Setelah draf
terpercaya yang menjual layanan dalam ditandatangani, staf administrasi akan
menerbitkan sampai dengan penghancuran membuatkan draf surat berita acara serah
sertifikat digtal, antara lain : VeriSign, terima penandatanganan, kemudian surat
GeoTrust, Comodo, Digicert, Thawte, tersebut akan di cek/verifikasi oleh manajer
GoDaddy Network Solutions dan perusahaan pendidikan, jika sudah benar maka draf surat
lainnya. Sedangkan institusi pemerintah yang berita acara serah terima penandatanganan
memiliki tugas pokok dan fungsi untuk dapat ditandatangani secara digital oleh Dekan
menyediakan layanan dan penerbitan sertifikat Falkutas, namun jika masih terdapat kesalahan
digital terpercaya adalah Lembaga Sandi maka draf tersebut dikembalikan ke staf
Negara. Gambar 1. dibawah menunjukkan administrasi untuk diperbaiki. Softcopy ijazah,
contoh sertifikat digital personal dalam format transkrip nilai dan surat berita acara serah
PKCS#12. terima yang telah ditandatangani oleh Dekan
Falkutas dikirimkan via aplikasi ke tata usaha
rektor. Tata usaha akan melakukan
pengecekan/verifikasi kembali terhadap data
dan persyaratan administratif mahasiswa, jika
sudah benar maka dapat diteruskan ke Rektor
untuk ditandatangani secara digital, sedangkan
jika masih terdapat kesalahan, maka ijazah
Gambar 1. Contoh Sertifikat Digital dan transkrip nilai tersebut dapat ditolak dan
Personal. dikembalikan untuk diperbaiki kembali oleh
staf pendidikan. Tata usaha kemudian
Properties sertifikat digital dapat dilihat dan mengaktifkan tombol donwload ijazah dan
dicek dengan cara mengimport sertifikat transkrip nilai pada akun aplikasi mahasiswa
tersebut kedalam perangkat atau komputer yang apabila didownload maka akan tercatat
atau sistem yang akan digunakan dalam waktu downloadnya pada log aplikasi.
melakukan komunikasi. Gambar 2. dibawah menunjukkan hasil
implementasi tandatangan digital pada
3. IMPLEMENTASI dokumen akademik.
TANDATANGAN DIGITAL
299
dilakukan dengan melakukan

modifikasi/perubahan menggunakan
toolspdfeditor terhadap dokumen akademik.
Gambar 3. dibawah menunjukkan hasil
pengujian secara langsung pada dokumen
akademik.
Gambar 2. Hasil Implementasi

Tandatangan Digital Pada Dokumen
Akademik.
Softcopy ijazah dan transkrip nilai yang telah

ditandatangani secara digital dapat
didownload oleh mahasiswa kapanpun dan
dimanapun tanpa khawatir mengenai tidak Gambar 3. Hasil Pengujian Secara
ramah lingkungan juga tidak dapat bertahan Langsung.
lama (dapat menguning atau rusak seiring
dengan berjalannya waktu), memerlukan Berdasarkan pada hasil pengujian diatas dapat
tempat pengarsipan/penyimpanan secara fisik diketahui, bahwa dokumen akademik yang
yang tidak efektif dan semakin membesar telah ditandatangani secara digital tidak dapat
seiring dengan bertambahnya dokumen, dirubah, baik menambahkan teks, gambar,
proses pencarian dan tracking dokumen yang stabilo(highlight), menghilangkan 1 (satu)
relatif sulit, memiliki tingkat perawatan yang atau lebih halaman, maupun perubahan
mahal, mudah tercecer/terselip/hilang jika kebijakan keamanan (security properties),
penyimpanannya tidak dilakukan dengan baik sehingga keutuhan data (data integrity) dan
dan benar, serta beberapa kekurangan dan keabsahan (validity) dari dokumen yang telah
permasalahan lainnya. Sedangkan proses ditandatangani secara digial dapat terjaga
verifikasi dapat dilakukan pada sistem dengan baik. Selanjutnya adalah pengujian
perguruan tinggi secara online, sehingga secara tidak langsung, yaitu melakukan
pihak-pihak yang membutuhkan verifikasi perubahan/modifikasi dengan menghilangkan
tidak perlu khawatir adanya 1 atau lebih baris string yang dipilih secara
perubahan/modifikasi data maupun pemalsuan acak menggunakan tools teks editor terhadap
dokumen akademik oleh mahasiswa ataupun dokumen akademik. Gambar 4. dibawah
pihak lainnya. Hasil dari implementasi menunjukkan hasil pengujian secara tidak
tandatangan digital pada ijazah dan tanskrip langsung pada dokumen akademik.
nilai akan menghilangkan mekanisme legalitas
secara manual, demikian juga dengan proses
verifikasi integritas informasi dan otentikasi
pihak penerbit dokumen akademik, sehingga
dapat mengurangi human error, biaya dan
tenaga yang tidak diperlukan. Selain itu hasil
implementasi tersebut juga akan
menghilangkan pemanfaatan media kertas,
mulai dari pencetakan ijazah, transkrip nilai,
surat pengantar, surat berita acara serah terima
penandatanganan, surat pengambilan Gambar 4. Hasil Pengujian Secara Tidak
dokumen akademik oleh mahasiswa dan Langsung.
dokumen lainnya, sehingga dapat mengurangi
penggunaan media kertas secara berlebihan. Hasil dari perubahan secara tidak langsung
pada dokumen akademik dengan
4 PENGUJIAN menggunakan teks editor tetap dapat dibuka
Pengujian ijazah dan transkrip nilai dan dibaca menggunakan toolspdf reader
yang telah ditandatangani secara digital namun akan menghilangkan visible watermark
dilakukan secara secara langsung dan tidak yang teradapat pada kolom tandatangan
langsung. Pengujian secara langsung dokumen akademik, selain itu perubahan tidak
300
langsung juga akan memberikan notifikasi, PUSTAKA

bahwa terdapat error pada format tandatangan [1]. Kromodimoeljo, Sentot. 2010. Teori dan
digital dan dokumen output perizinan, Aplikasi Kriptografi. Jakarta. SPK IT
sehingga pengguna dapat mengetahui bahwa Consulting.
dokumen akademik tersebut telah mengalami [2]. Menezes, Alfred J., Ooschot, Paul C.
modifikasi/perubahan. Van. & Vanstone, Scott A. 1997.
Handbook of Applied Cryptography.
5. KESIMPULAN Boca Raton : CRC press LLC.
Berdasarkan pada hasil pengkajian [3]. Munir, Rinaldi. 2006. Kriptografi.
yang telah dilakukan, dapat diketahui bahwa Informatika. Bandung.
tandatangan digital dapat diimplementasikan [4]. Kasubbag Akademik. 2011. Manual
untuk mengamankan dokumen ijazah dan Prosedur Pembuatan Transkrip. Falkutas
transkrip nilai, sehingga dokumen akademik Pertanian. Universitas Brawijaya.
tersebut aman dari perubahan/modifikasi dan Malang.
pemalsuan, selain itu verifikasi dokumen [5]. National Institute of Standards and
ijazah juga dapat dilakukan dengan lebih Technology (NIST). Federal Information
mudah dan capat via online dimanapun dan Processing Standart Publication (FIPS)
kapanpun. Dengan implementasi tandatangan 180-2. 2002. Secure Hash Standard.
digital dapat dipastikan tidak akan terjadi lagi [6]. Research Data Management Team.
kasus-kasus penipuan ataupun pemalsuan 2013. Checksum Exercise. Data Archive.
dokumen akademik oleh pihak yang tidak University of Essex. United Kingdom.
berwenang atauapun pihak dengan tujuan
yang tidak semestinya.
301
PERANCANGAN SIMULASI PEMAKAIAN LISTRIK PADA

PERANGKAT ELEKTRONIK
Saut Dohot Siregar#1, Fandira*2, Hendrik Siagian#3, Mawaddah Harahap#4
1,2,3,4
Program Studi Teknik Informatika, Universitas Prima Indonesia
Jalan Sekip Simpang Sikambing Medan
sautdohotsiregar@gmail.com
ABSTRAK
Pertumbuhan dalam mengkonsumsi energi terlebih energi listrik menyebabkan permintaan yang
semakin tinggi dan berakibat semakin sedikitnya sumber daya alam. Untuk mendukung
permintaan energi listrik secara terpenuhi sebaiknya masyarakat menggunakan listrik secara
efektif dan efisien. Jumlah energi listrik yang digunakan sebuah pelanggan diukur dengan
menggunakan sebuah meteran listrik yang disebut kWh meter, yang merupakan indikator
kesepakatan perhitungan penggunaan energi listrik pada pelanggan dan Pembangkit Listrik
Negara (PLN). Untuk mendukung program penghematan listrik, maka harus diketahui jumlah
pemakaian energi listrik yang dikomsumsi pelanggan PLN, sehingga nantinya dapat diketahui
jumlah pemakaian listrik dalam rumah tangga. Untuk mengetahui jumlah pemakaian listrik maka
perlu ada sebuah aplikasi yang dapat menghitung pemakaian listrik pada perangkat elektronik
dalam waktu tertentu. Sehingga pelanggan PLN dapat lebih berhemat dalam menggunakan energi
listrik.
Kata Kunci : Simulasi, Model, Listrik, Visual Basic, Aplikasi
I. PENDAHULUAN dikonsumsi. Jika jumlah kWh habis maka

Pemakaian listrik perangkat elektronik pada listrik tidak dapat digunakan lagi.
era modern ini semakin banyak yang Dengan perancangan simulasi pemakaian
menyebabkan tagihan listrik semakin mahal. listrik alat elektronik ini diharapkan dapat
Biasanya setelah mengganti sebuah perangkat membantu memahami konsep pemakaian
elektronik di rumah, perubahan dari biaya listrik pada perangkat elektronik. Sehingga
listrik per bulan menjadi bertambah atau para pelanggan PLN menjadi lebih berhemat
berkurang. Perubahan jumlah biaya tersebut dalam menggunakan energi listrik.
seringkali membuat penasaran dan
menimbulkan pertanyaan. Seringkali II. LANDASAN TEORI DAN METODE
pemahaman atas perangkat elektronik masih Simulasi adalah metode yang paling luas
kurang. Pemahaman atas teknologi perangkat penggunaannya dalam mengevaluasi berbagai
elektronik dapat dinilai dengan mengetahui alternatif sistem. Teknik ini mengandalkan
besaran biaya yang harus dikeluarkan untuk cara coba banding (trial and error) untuk
mengoperasikan sebuah perangkat elektronik. memperoleh hasil yang mendekati optimal.
Untuk bisa membuat perhitungan biaya Model simulasi mempunyai maksud untuk
pemakaian daya sebuah perangkat elektronik, mereproduksi watak esensial dari sistem yang
harus memiliki beberapa data yang menjadi dipelajari. Teknik simulasi dapat dibayangkan
dasar dalam melakukan perhitungan. Data dengan percobaan atau eksperimen, sebagai
yang harus dimiliki adalah harga listrik per penyelesaian masalah untuk mempelajari
kWh, jumlah pemakaian daya listrik pada sistem yang kompleks yang tidak dapat
perangkat elektronik, dan lama pemakaian dianalisis secara langsung dengan cara analitik.
perangkat elektronik. Terdapat banyak Teknik simulasi merupakan metode kuantitatif
perangkat elektronik yang ada pada sebuah yang menggambarkan perilaku suatu sistem.
rumah dengan berbagai jumlah pemakaian Digunakan untuk memperkirakan keluaran
daya dari yang hemat listrik hingga boros (output) dari masukan (input) sistem yang
listrik. Dalam simulasi biasanya digunakan telah ditentukan [1].
beberapa sampel yang umumnya digunakan Simulasi merupakan suatu cara untuk
oleh masyarakat. Listrik prabayar merupakan menduplikasi atau menggambarkan ciri,
terobosan PLN untuk memberikan pelanggan tampilan, dan karakteristik dari suatu sistem
mengendalikan pemakaian listrik. Dalam nyata. Ide awal dari simulasi adalah untuk
sistem prabayar, pelanggan membayar di muka meniru situasi dunia nyata secara matematis,
untuk membeli energy listrik yang akan kemudian mempelajari sifat dan karakter
digunakanya. Meteran Listrik Prabayar operasionalnya, dan akhirnya membuat
menampilkan jumlah kWh yang masih bisa kesimpulan dan membuat keputusan berdasar
302
hasil dari simulasi. Dengan cara ini, system di dari lampu traffic light adalah contoh sistem
dunia nyata tidak disentuh atau dirubah sampai bersambung ini di mana variabelnya, yaitu
keuntungan dan kerugian dari apa yang kecepatan, akan berubah secara terus menerus
menjadi kebijakan utama suatu keputusan diuji serta dipengaruhi oleh waktu.
terlebih dahulu dalam sistem model. Metode Model Simulasi dapat dibedakan menjadi [3].
simulasi merupakan proses perancangan model 1. Model simulasi deterministik
dari suatu sistem nyata atau riil dan Mengasumsikan tidak ada variabilitas dalam
pelaksanaan eksperimen-eksperimen dengan parameter model dan, oleh karenanya, tidak
model ini untuk tujuan memahami tingkah melibatkan variable random. Jika model
laku sistem atau untuk menyusun strategi deterministik dijalankan atas nilai masukan
dalam suatu batas atau limit yang ditentukan yang sama, maka akan selalu menghasilkan
oleh sebuah satu atau beberapa kriteria nilai yang sama. Keluaran dari sekali
sehubungan dengan operasi sistem tersebut. menjalankan model simulasi deterministik
Metode simulasi dapat menjelaskan tingkah merupakan nilai nyata dari performasi model.
laku sebuah sistem dalam beberapa waktu 2. Model simulasi stokastik
dengan mengobservasi tingkah laku dari Berisikan satu atau beberapa variabel random
sebuah model matematika yang dibuat sesuai untuk menjelaskan proses dalam system yang
dengan karakter sistem yang asli sehingga diamati. Keluaran dari model simulasi
seorang analis bisa mengambil kesimpulan stokastik adalah random dan oleh karenanya
tentang tingkah laku dari sistem dunia nyata. hanya merupakan perkiraan dari karakteristik
sesungguhnya dari model. Maka, diperlukan
Model Simulasi beberapa kali menjalankan model, dan
Perilaku variable-variabel yang ada pada hasilnya hanya merupakan perkiraan dari
sistem dapat diklasifikasikan menjadi dua performasi yang diharapkan dari model atau
jenis, yaitu Discrete (tertentu/khusus) dan sistem yang diamati.
continuous (terus-menerus). Discrete system
adalah sistem dimana variable-variabelnya
dapat berubah hanya pada sejumlah keadaan 3. Model simulasi kontiniu
tertentu dan dapat dihitungpada saat tertentu. Kondisi variabel berubah secara kontinyu,
Perilaku sistem pada teller di suatu bank sebagai contoh, aliran fluida dalam pipa atau
merupakan satu contoh sistem diskrit, yang terbangnya pesawat udara, kondisi variable
menunjukan perubahan kedatangan konsumen, posisi dan kecepatan berubah secara kontinyu
lama konsumen menunggu, lama konsumen terhadap satu dengan lainnya.
dilayani hingga konsumen itu selesai dilayani 4. Model simulasi diskrit
dan meninggalkan bank [2]. Kondisi variabel berubah hanya pada beberapa
Continuous system adalah suatu sistem di titik (tertentu, yang dapat dihitung) dalam
mana variabelnya berubah secara terus- waktu. Kebanyakan dari sistem manufaktur
menerus serta dipengaruhi oleh waktu. dimodelkan sebagai simulasi kejadian dinamis,
Kecepatan sebuah mobil ketika lepas dari diskrit, stokastik dan menggunakan variabel
lampu traffic light adalah contoh sistem random untuk memodelkan rentang
bersambung ini di mana variabelnya, yaitu kedatangan, antrian, proses, dan sebagainya.
kecepatan, akan berubah secara terus menerus
serta dipengaruhi oleh waktu. Perilaku Metode
variable-variabel yang ada pada sistem dapat Berdasarkan gambar 1, aktor yang terdapat
diklasifikasikan menjadi dua jenis, yaitu dalam diagram adalah user. User berfungsi
discrete (tertentu/khusus) dan continuous untuk melakukan aktivitas dalam memakai
(terus-menerus). Discrete system adalah sistem simulasi pemakaian listrik pada perangkat
di mana variable-variabelnya dapat berubah elektronik. Aktivitas yang dapat dilakukan
hanya pada sejumlah keadaan tertentu dan oleh user adalah membaca panduan
dapat dihitung pada saat tertentu. Perilaku penggunaan simulasi pemakaian listrik pada
sistem pada teller di suatu bank merupakan perangkat elektronik dan memulai pemakaian
satu contoh sistem diskrit, yang menunjukan simulasi.
perubahan kedatangan konsumen, lama
konsumen menunggu, lama konsumen dilayani
hingga konsumen itu selesai dilayani dan
meninggalkan bank. Continuous system adalah
suatu sistem di mana variabelnya berubah
secara terus-menerus serta dipengaruhi oleh
waktu. Kecepatan sebuah mobil ketika lepas
303
Gambar 1. Use Case Diagram dari Aplikasi Gambar 3. Sequence Diagram dari Aplikasi
Simulasi Pemakaian Listrik pada Perangkat Simulasi Pemakaian Listrik pada Perangkat
Elektronik Elektronik
Berdasarkkan gambar 2, untuk menampilkan Berdasarkan gambar 4, untuk menampilkan

form simulasi pemakaian listrik pada form simulasi pemakaian listrik pada perangkat
perangkat elektronik maka harus memilih elektronik maka harus memilih menu simulasi
menu simulasi perangkat elektronik pada menu perangkat elektronik pada menu utama.
utama. Setelah itu aplikasi akan memproses Setelah itu form akan ditampilkan kepada user.
form tersebut dan ditampilkan kepada user. Setelah form tersebut ditampilkan maka user
Setelah form tersebut ditampilkan maka user pertama kali harus mengatur harga listrik per
pertama kali harus mengatur harga listrik per kWh. Setelah itu user dapat memilih perangkat
kWh. Setelah itu user dapat memilih perangkat elektronik yang akan dihidupkan. Timer akan
elektronik yang akan dihidupkan. Setelah itu hidup untuk menghitung lama pemakaian.
timer akan hidup untuk menghitung lama User dapat menghentikan timer waktu
pemakaian. User dapat menghentikan timer pemakaian listrik dengan mengklik kembali
waktu pemakaian dengan mengklik kembali gambar perangkat elektronik tersebut. Jika
gambar perangkat elektronik tersebut. Jika user ingin keluar ke menu utama, maka dapat
user ingin keluar ke menu utama, maka dapat menutup form tersebut. Aplikasi akan
menutup form tersebut [4]. menghentikan segala aktivitas dan proses
logika pada form dan menutup form tersebut
[5].
Gambar 4. Class Diagram dari Aplikasi

Simulasi Pemakaian Listrik pada Perangkat
2. Activity Diagram dari Aplikasi Simulasi Elektronik
Pemakaian Listrik pada Perangkat Elektronik.
III. PEKERJAAN DAN HASIL
Berdasarkan gambar 3, untuk menampilkan DISKUSI
form simulasi pemakaian listrik pada perangkat Untuk menjalankan aplikasi Simulasi
elektronik maka harus memilih menu simulasi Pemakaian Listrik pada Perangkat Elektronik
perangkat elektronik pada menu utama. dapat mengklik file SPL.exe. Setelah itu
Setelah itu Form akan ditampilkan kepada aplikasi akan muncul. Pada menu utama
user. Setelah form tersebut ditampilkan maka pilihlah panduan pemakaian. Kemudian kotak
user pertama kali harus mengatur harga listrik dialog panduan simulasi akan tampil seperti
per kWh. Setelah itu user dapat memilih gambar 5.
perangkat elektronik yang akan dihidupkan
ataupun yang hendak mau digunakan.
304
Gambar 7. Tampilan Simulasi Setelah

Gambar 5. Panduan Pemakaian Simulasi Perangkat Elektronik dihidupkan.
Pemakaian Listrik pada Perangkat
Elektronik
Dalam mengoperasikan simulasi pemakain IV. KESIMPULAN
listrik pada perangkat elektronik, hal yang Kesimpulan dalam penelitian ini adalah
pertama setelah form dibuka adalah mengatur diperoleh suatu aplikasi simulasi pemakaian
harga listrik per kWh. Dalam mengoperasikan listrik pada perangkat elektronik. Aplikasi
simulasi pemakain listrik pada perangkat yang diperoleh dirancang dengan
elektronik, hal yang pertama setelah form pemrograman Visual Basic. Perancang aplikasi
dibuka adalah mengatur harga listrik per kWh. harus memahami fungsi dan cara penggunaan
Tampilan form sebelum dijalankan seperti tools dengan baik. Setelah selesai dirancang,
gambar 6. aplikasi juga harus dicoba terlebih dahulu
sehingga dapat diperbaiki bugs yang ada
sebelum aplikasi dapat digunakan oleh user.
REFERENSI
[1] Leon, R. System Modelling and Simulation.
London: Packt Publishing Ltd.
2014.
[2] Katz, B. Simulation Theory. New York:

Manning Publications Co. 2012.
Gambar 6. Tampilan Simulasi Sebelum
Perangkat Elektronik dihidupkan
[3] Jonathan, C. Learning with Simulation
Fourth Edition. London: Packt
Setelah user memilih perangkat elektronik
Publishing Ltd. 2013.
yang akan dihidupkan, maka akan tampil
proses di daftar perangkat elektronik yang
[4] Craig, G. The Essential Guide
hidup. User dapat juga menghentikan
Programming with Visual Basic.
pemakaian listrik dengan mengklik kembali
New York: Springer Verlag Inc.
gambar perangkat elektronik yang dimaksud.
2012.
Tampilan form setelah dijalankan dapat dilihat
pada gambar 7.
[5] Mueller. Learning Visual Basic in 30 Days.
London: John Wiley & Sons Inc.
2011.
305
SISTEM PAKAR MENDIAGNOSA KERUSAKAN MESIN FOTOCOPY

DENGAN METODE FORWARD CHAINING
1
Saut Tamba , Delima Sitanggang2
1
Program Studi Sistem Informasi, Fakultas Teknologi Ilmu Komputer,Universitas Prima
Indonesia
Telp. (061) 4578870
2
Jurusan Sistem Informasi, FakultasTeknologi dan Ilmu Komputer, Universitas Prima Indonesia
1
saut_nabasa@yahoo.co.id,2Delimasitanggangunprimdn.ac.id
ABSTRAKS
Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar
komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh ahli. Sistem pakar
dibuat hanya pada domain pengetahuan tertentu untuk suatu kepakaran tertentu yang mendekati
kemampuan manusia di salah satu bidang saja. Pengalihan keahlian oleh para ahli untuk
kemudian dialihkan lagi kepada orang lain yang belum ahli merupakan tujuan utama
sistem.Dalam proses penarikan kesimpulansistem menggunakan algoritma Forward
Chainingdimana sistemakan menampilkan gejala kerusakan mesin fotocopy untuk dipilih oleh
pengguna, yang akhirnya dapat menentukan solusi kerusakan mesin tersebut.Hasil yang
diperoleh dari pembuatan aplikasi ini bahwainformasi tentang kerusakan terkait dapat lebih
mudahdiperoleh dengan dibuatnya suatu sistem pakar untukmendiagnosa kerusakan mesin
fotocopy dan dapat digunakan serta dipelajari dengan mudah oleh masyarakat umum.
Kata Kunci : Sistem Pakar, Forward Chaining
1. PENDAHULUAN agar dapat membimbing pengguna atau teknisi

1.1 Latar Belakang apabila terdapat kesulitan untuk mengetahui
Maraknya teknologi digital memberi kondisi dari mesin fotocopy yang berhubungan
pengaruh besar terhadap kecepatan pekerjaan dengan penampilan error pada monitor dan
bagi suatu organisasi atau perusahaan maupun juga dapat menentukan langkah-langkah apa
perorangan, terutama pekerjaan kantor yang yang harus dilakukan untuk menyelesaikannya
berhubungan dengan penggandaan dokumen,
misalnya alat pengganda yang mampu 1.2 Identifikasi Masalah
mengirim tetapi dapat juga menerima, Berdasarkan latar bekalang
sekaligus menggandakan langsung semua permasalahan di atas, maka dalam penelitian
dokumen yang dikirim. Perusahaan apapun ini identifikasi masalahnya adalah :
bentuknya, baik itu perusahaan besar atau 1. Bagaimana membangun sistem
kecil, baik itu lembaga pemerintah maupun pakar untuk mendiagnosa kerusakan
swasta, tidak lepas dari suatu kegiatan mesin fotocopy dengan metode
penggandaan seperti menggunakan mesin forward chaining?‖
fotocopy.
Pada dasarnya masalah kerusakan pada 1.3 Batasan Masalah
mesin fotocopy merupakan kasus yang sering Adapun batasan masalah dari
ditemukan di setiap perusahaan yang pembahasan pada penelitianini adalah sebagai
menggunakan mesin fotocopy. Kerusakan- berikut :
kerusakan tersebut memerlukan penanganan 1. Input berupa data-data gejala kerusakan
yang cepat dan benar, dikarenakan gejaladan output yang akan dihasilkan berupa
gejala kerusakan yang muncul yang bisa gejala kerusakan dan solusi
membingungkan, sehingga jenis kerusakan perbaikannya.
yang satu sulit untuk dibedakan dari 2. Jenis mesin fotocopy yang digunakan
kerusakan yang lain, seperti kerusakan mesin merek Canon.
fotocopy yang sering terjadi keluarnya kode
error pada layar mesin fotocopy bukan hanya 2. ANALISA DAN PERANCANGAN
satu kode tetapi banyak kode yang orang 2.1 Analisa
umum tidak mengetahuinya dan juga
306
seringnya terjadi paperjam. Oleh karena itu
Analisis sistem ini merupakan bagian 2.3 Analisa Kebutuhan Proses

yang sangat penting untuk mengatasi dan Untuk menghasilkan sistem pakar
mengidentifikasi permasalahan-permasalahan mendiagnosa kerusakan mesin fotocopy yang
yang ada. benar diperlukan pembuatan basis
Data-data yang diperoleh selama proses pengetahuan dan basis aturan yang lengkap
pengumpulan data terdiri dari data gejala, data dan baik agar proses inferensi berjalan dengan
kerusakan, dan solusi penanganan kerusakan baik. Basis pengetahuan berupa hubungan
serta data aturan untuk menentukan hubungan gejala dan kerusakan dan solusi penanganan.
atau keterkaitan yang ada antara gejala dan Aturan (rule) tersebut dapat dilihat pada tabel
kerusakan agar mendapatkan solusi 3.2 berikut :
penanganan yang tepat Tabel 3.2 Aturan (Rule)
No Aturan (Rule)
2.2 Analisa Data 1 IF tabung drum rusak (K001) THEN hasil
1. Gejala fotocopy terdapat garis hitam (G001) AND
Data-data gejala yang digunakan dalam hasil fotocopy terdapat bintik-bintik hitam
sistem pakar mendiagnosa kerusakan (G002)
mesin fotocopy berjumlah 16 gejala. 2 IF kerusakan pada touchscreen monitor
Adapun data-data gejala tersebut dapat (K002) THEN buram dan tergores-gores
dilihat pada tabel 3.1 dibawah ini : (G003) AND tombol bergeser (G004).
3 IF kerusakan pada LCD monitor (K003)
Tabel 3.1 Data Gejala THEN layar LCD bergaris (G005) AND
LCD menyala namun fitur tidak ditampilkan
(G006).
4 IF roller register telah usang /halus (K004)
THEN hasil fotocopy miring (G007).
5 IF komponen pemutar yang terdapat dibalik
mainboard mesin ada masalah (K005)THEN
hasil fotocopy kosong (G008) AND bagian
belakang mesin terdengar suara kletek-kletek
(G009).
6 IF proses pengepresan yang terlalu mekenan
dan over heat (K006)THEN hasil fotocopy
melengkung (G010).
7 IF kuku (claw) kotor (K007)THEN hasil
fotocopy menekuk (G011).
8 IF kerusakan pada karet roll registnya (K008)
THEN hasil fotocopy bergeser atau kurang
pas (G012).
9 IF karet penarik (sponge roll) yang sudah
mulai aus (K009)THEN kertas macet (G013)
AND kertas lembab (G014) AND kertas
saling menempel satu sama lain (G015).
10 IF kerusakan pada roller magnet develope,
doctor blade, wire corona primary dan
separator serta drum (K010)THEN kertas
lembab (G014) ANDhasil fotocopy belang
2. Data Kerusakan dan Solusinya (ada bagian yang tidak tercetak) (G016).
Data-data kerusakan serta solusi yang
digunakan dalam sistem pakar Berdasarkan aturan diatas dapat dibuat tabel
mendiagnosa kerusakan mesin keputusan yang dapat dilihat pada tabel 3.2 :
fotocopy berjumlah 10 kerusakan.
3. Data Kerusakan dan Solusinya
Data-data kerusakan serta solusi yang
digunakan dalam sistem pakar untuk
mendiagnosa kerusakan mesin
fotocopy berjumlah 10 kerusakan.
307
Tabel 3.3 Tabel Keputusan Gambar 2.2 Activity Diagram Login

Admin/Pengguna
K001 K002 K003 K004 K005 K006 K007 K008 K009 K010
b. Data Kerusakan
G001 * Admin Sistem
G002 *
G003 * Memillih menu Menampilkan
kerusakan halaman data
G004 * kerusakan
G005 * Input id kerusakan

G006 *
Input nama kerusakan
G007 *
G008 * Input solusi Simpan data kerusakan
G009 *
G010 *
Gambar 2.3 Activity Diagram mengelola
G011 * data kerusakan
G012 *
G013 * c. Data Gejala
Admin Sistem
G014 * *
G015 *
G016 * Memillih menu Menampilkan
gejala halaman data
gejala
2.4 Perancangan Sistem Input id gejala

Perancangan terhadap sistem usulan
mencakup perancangan UML. Input nama gejala Simpan data gejala
2.4.1 Use Case Diagram
Login Gambar 2.4Activity Diagram Mengelola

Sign Up
Data Gejala
Menu Utama Proses Diagnosa
2.4.3 SquenceDiagram
Olah Data Admin a. Login
Admin Hasil Diagnosa
Olah Gejala User
Menu Proses Database Menu
Admin Login Login Admin Login Utama
Olah Kerusakan
Masuk
Menampilkan
Olah Aturan Menu Login Input Email
dan Sandi Dapatkan
email dan
Logout sandi
Validasi Email
dan Sandi
Berhasil / Gagal
Gambar 2.1 Use Case Digaram Sistem Menampilkan Menu Admin
2.4.2 ActivityDiagram
a. Login Admin Pengguna Gambar 2.5Squence Diagram login
User Sistem b.Input data kerusakan
Masukkan email Validasi email dan

dan sandi sandi
Tidak
Valid ?
Ya
Halaman user
308
Menu Kelola Data Menu Data Database

Admin Kerusakan Kerusakan Kerusakan Kerusakan 3.3.1. Tampilan Login User
Masuk
Input id, nama,
solusi
SISTEM PAKAR MENDETEKSI KERUSAKAN MESIN
simpan
FOTOCOPY DENGAN METODE FORWARD CHAINING
simpan
Berhasil
Kembali ke Menu Utama
Gambar 2.6Squence Diagram Input Data

Kerusakan
c. InputData Gejala
Menu Kelola Data Menu Data Database

Admin Gejala Gejala Gejala Gejala
Masuk
Input id, nama,
Gambar 2.9 Login User
3.3.2. Menu
simpan Halaman ini merupakan hasil setelah
simpan proses login berhasil, dan juga merupakan
Berhasil halaman utama yang menandakan bahwa
Kembali ke Menu Utama adminsudah memiliki hak akses untuk
menjalankan aplikasi.
Gambar 2.7 Squence Diagram Input Data

Gejala
2.4.4 ClassDiagram
Gambar 2.9 Menu
3.3.3. Menu Kerusakan

Halaman ini berisikan tentang nama
kerusakan dan solusi untuk mengatasi
kerusakan tersebut dan hanya dapat
Gambar 2.8 Class Diagram
dimasukkan oleh admin.
3. Implementasi Sistem
Implementasi sistem adalah
implementasi hasil rancangan kedalam bentuk
perangkat lunak. Pada bagian implementasi
sistem ini akan dijelaskan mengenai
penggunaan dari aplikasi yang dibuat.
Penjelasan aplikasi yang dibuat meliputi
tampilan aplikasi, fungsi kontrol dalam
aplikasi, serta cara penggunaanya.
309
Gambar 2.10 Menu Kerusakan
3.3.4. Menu Gejala

Halaman ini berisikan tentang nama
gejala yang juga hanya dapat dimasukkan oleh
admin.
Gambar 2.11 Aturan Kerusakan
3.3.6. Data Kerusakan

Halaman ini menampilkan data-data
yang berisi id kerusakan, nama kerusakan, dan
solusi kerusakan.
Gambar 2.11 Menu GejalaKerusakan
3.3.5. Aturan Kerusakan

Halaman ini merupakan halaman
dimana admin memilih salah satu kerusakan
kemudian memilih gejala-gejala apa saja yang
terkait dengan kerusakan yang dipilih admin
sebelumnya.
310
Gambar 2.12 Data Kerusakan
3.3.7. Data Gejala

yang berisi id gejaladan nama gejala.
Gambar 2.14 Kondisi Gejala
3.3.9. Proses Diagnosa

Halaman ini berisi tentang proses
diagnosa dimana akan diberikan pertanyaan
yang akan menentukan gejala apa saja yang
terdapat dari mesin fotocopy, bukan hanya itu
saja tetapi pengguna dapat melihat data
kerusakan, gejala, dan kondisi gejala yang
terjadi.
Gambar 2.13 Data Gejala

3.3.8. Kondisi Gejala
yang berisi nama gejala dan kondisi gejala.
Gambar 2.14 Proses Diagnosa
311
3.3.10. Hasil Diagnosa 4. Kesimpulan

Dari hasil analisis serta pembahasan
Halaman ini merupakan hasil proses akhir dari hasil berdasarkan penjelasan sebelumnya,
proses diagnosa yang berisikan tentang data maka dapat diambil kesimpulan :
hasil diagnosa kerusakan serta solusi
penanganannya. 1. Sistem ataupun aplikasi yang di
rancang dapat digunakan untuk
memberikan informasi mengenai
kerusakan-kerusakan mesin foto copy
serta mampu membantuseorang user
dalam mengetahui jenis kerusakan dan
perbaikan dari mesin foto copy.
2. Sistem ataupun aplikasi yang di
rancang dapat mempermudah
teknisidalam melakukan perbaikan dan
pendeteksian kerusakan mesin foto
copy.
PUSTAKA
[1] Esthi dan Abdul, 2013, Implementasi
Sistem Pakar Untuk Mendiagnosa
Penyakit Dalam Pada Manusia
Menggunakan Metode Dempster Shafer.
[2] Milawati dan Eko, 2016,Sistem Pakar
Pendeteksi Kerusakan Printer Berbasis
Web Menggunakan Algoritma Forward
Chaining.
[3] Rosmawati, 2015, Sistem Pakar untuk
Diagnosa Kerusakan Pada Printer
Menggunakan Metode Forward
Chaining.
Gambar 2.15 Hasil Diagnosa [4] Imam Gunawan, 2013, Perancangan
Sistem Pakar Untuk Diagnosis
Kerusakan Hardware Laptop
312
ANALISA INISIALISASI NGUYEN WIDROW DALAM JARINGAN

SYARAF TIRUAN BACKPROPAGATION TERHADAP PREDIKSI
PENYAKIT LUDWIG ANGINA
Siti Aisyah1, Tria Widia Aprillia2
Program Studi Sistem Informasi, Fakultas Teknologi dan Ilmu Komputer, Universitas Prima
Indonesia
Jln. Sekip Simpang Sikambing 20113
Telp. (061) 457-8890
1
siti_aisyah@unprimdn.ac.id,
2
triawidia.aprillia@yahoo.com
ABSTRAKS
Maraknya teknologi saat ini membuat masyarakat berlomba-lomba untuk memperoleh informasi
yang cepat tepat dan akurat sehingga saat ini masyarakat banyak yang lebih bergantung pada
sebuah teknologi. Kurangnya kesadaran dan pengetahuan masyarakat terhadap sebuah
pengetahuan kesehatan yang ditambah lagi dengan minimnya jumlah pakar yang tersedia
membuat orang-orang menjadi kurang mengetahui informasi tentang kesehatan dirinya bahkan
banyak yang tidak menyadari atau bahkan mengabaikan kesehatan mereka sehingga merenggut
nyawa sebagaian dari mereka. Penyakit mulut ludwig angina merupakan salah satu penyakit
yang dapat meregang nyawa apabila tidak segera ditangani. Nguyen widrow salah satu algoritma
dalam jaringan syaraf tiruan yang dapat digunakan untuk memprediksi penyakit. Kali ini
dilakukan penelitian terhadap penyakit ludwig angina dengan menggunakan nguyen widrow.
Dari hasil penelitian menggunakan fungsi aktivasi lapisan tersembunyi dan output logsig,
maksimum epoch 100, serta target eror dan learning rate 0.1 menghasilkan nilai yang masih jauh
dari nilai target awal yang diharapkan sehingga perlu dilakukan proses iterasi kembali.
Kata Kunci : Jaringan Syaraf Tiruan, Nguyen Widrow, Penyakit.
1. PENDAHULUAN kesehatan. di mana algoritma yang digunakan

Semakin pesatnya kemajuan teknologi sangat berperan penting dalam mendeteksi fitur
yang hadir dalam kehidupan manusia membuat yang relevan sehingga dalam hal ini fitur yang
orang-orang berlomba-lomba menerapkan ada dapat meminimalkan waktu pelatihan.
teknologi dalam setiap aktivitas kehidupan. Jaringan syaraf tiruan juga dapat melakukan
Ditambah lagi murah dan mudahnya beberapa estimasi dalam proses pemilihan. Penelitian ini
teknologi yang ditawarkan sehingga dapat melakukan prediksi pengenalan pola terhadap
dimiliki oleh masyarakat membuat semua orang penyakit angina ludwig.
bisa selalu menikmatinya.
Kurangnya tenaga kepakaran kesehatan 2. LANDASAN TEORI
dibeberapa tempat membuat orang terkadang Jaringan Syaraf Tiruan memiliki
sulit mengetahui masalah kesehatan yang terjadi beberapa neuron yang memiliki keterkaitan dan
dalam tubuhnya. Penyakit ludwig angina sendiri hubungan satu dengan yang lainnya. Setiap
salah satu penyakit yang dapat mengakibatkan neuron akan saling berinteraksi dalam
kematian bagi si penderita apabila tidak segera mentransformasikan informasi yang diterima
ditangani. melalui sambungan keluarnya menuju neuron-
NN adalah salah satu metode yang paling neuron yang lainnya [7]. Pada gambar 2.1
akurat dalam membantu dokter menganalisis, arsitektur jaringan syaraf tiruan.
memodelkan dan memahami data klinis yang
kompleks di berbagai bidang medis seperti
diagnosis diabetes. [1], penyakit dada [2],
hepatitis [3], dan penyakit kulit [4]. NN akurat
dalam prediksi nonlinier dan kemampuan untuk
mentolerir kesalahan [5]. Kemampuan NN
berguna untuk generalisasi, mengidentifikasi
hubungan nonlinier dan penyebaran dalam
berbagai aplikasi [6].
Kemajuan teknologi ini rupanya banyak
dirasakan diberbagai kalangan ilmu yang salah
satunya ilmu kesehatan. Jaringan Syaraf Tiruan
(JST) salah satu bidang ilmu yang dapat Gambar 2.1 Jaringan Dengan Banyak Lapisan
memprediksi berbagai permasalahan diantaranya (Multilayer Network)
313
Nguyen Widrow adalah sebuah Tabel 3.2. Data Uji

algoritma yang digunakan untuk inisialisasi
bobot pada Jaringan Syaraf Tiruan untuk
mengurangi waktu pelatihan. Inisialisasi nguyen
widrow sebagai berikut [8]:
1. Set n = Jumlah unit, p = Jumlah unit
tersembunyi β = faktor skala = 0.7(
p)1/n = 0.7 √
2. Untuk setiap unit tersembunyi (j =
1,…,p), lakukan tahap (c) – (f)
3. Untuk I = 1,…,n (semua unit input ), vij
(old) = bilangan acak antara -0.5 dan
0.5
4. Hitung nilai ||vj(old)||
5. Inisiasi ulang bobot – bobot dari unit
input (i = 1,…,n)
6. Bias yang dipakai sebagai inisialisasi :
voj = bilangan acak Tabel 3.3 Gejala
3. PEMBAHASAN KONSEP
Pada penelitian ini menggunakan 30 yang
didapat dari salah satu rumah sakit swasta.
Dimana 20 merupakan data latih dan 10 data uji
dan x1 – x8 merupakan gejala.
Tabel 3.1. Data Latih
Data yang terdapat pada tabel 3.1. akan

dilakukan proses pelatihan sehingga nantinya
data baru yang diproses akan dapat dikenali.
Proses pelatihan memakai ketentuan sebagai
berikut:
314
Tabel 3.4 Fungsi Aktivasi
Dari hasil proses pelatihan data dengan

ketentuan aktivasi pada tabel 3.4 dengan proses
menggunakan Matlab maka didapatkan data
pada gambar 3.1 dan tabel 3.5.
Gambar 3.2. Data Hasil Proses Pengujian
Tabel 3.6 Data Hasil Pengujian
4. KESIMPULAN
Berdasarkan dari proses pengolahan data latih
dan data pengujian dapat ditarik kesimpulan
sebagai berikut:
1. Dari data uji nilai target yang dihasilkan
masih jauh dari nilai target awal yang
diharapkan, hal ini berkaitan dengan nilai
aktivasi yang diberikan pada proses
pelatihan dan pengujian data.
2. Jumlah data yang di proses terbilang sedikit
sehingga sulit dilakukan pengenalan pola.
3. Perlu dilakukan proses iterasi berulang-
ulang untuk mendapatkan hasil maksimal.
Gambar 3.1 Data Hasil Pelatihan Pada Matlab
PUSTAKA
Tabel 3.5 Data Hasil Pelatihan [1] Okan Erkaymaz , Mahmut Ozer ,
Matjaž Perc, 2017, Performance of
small-world feedforward neural
networks forthe diagnosis of diabetes,
Applied Mathematics and Computation,
22–28.
Berdasarkan hasil dari proses pelatihan [2] D vally, CH V Sarma, 2015, Diagnosis
dapat dilihat bahwa nilai dari target yang Chest Diseases Using Neural Network
dihasilkan masih belum atau masih jauh dari and Genetic Hybrid Algorithm. Journal
yang diharapkan seperti pada tabel 3.1. Untuk of Engineering Research and
selanjutnya dilakukan proses pengujian dengan Applications, ISSN : 2248-9622, Vol. 5,
data uji pada tabel 3.2, dengan ketentuan aktivasi Issue 1, 20- 26.
yang sama seperti pada tabel 3.4. berdasarkan [3] Mehdi Neshat, Azra Masoumi, Mina
dari proses pengujian data didapatkan hasil Rajabi and Hassan Jafari, 2014,
gambar 3.2 dan pada tabel 3.6. Diagnosing Hepatitis Disease by Using
Fuzzy Hopfield Neural Network, Annual
Research & Review in Biology, 2709-
2721.
[4] Bakpo, F. S.1 and Kabari, L. G, 2009,
Diagnosing Skin Diseases Using an
Artificial Neural Network, Artificial
Neural Networks - Methodological
Advances and Biomedical Applications,
315
253-270, DOI: [7] Rahmad Fauzi, Implementasi Jaringan

10.1109/ICASTECH.2009.5409725. Saraf Tiruan Dengan Metode
[5] X. Shao, ―Based on Two Swarm Backpropagation Terhadap Bibit
Optimized Algorithm of Neural Network Tanaman Karet, Jurnal Education and
to Prediction the Switch‘s Traffic of Development Vol.1 No. 1, Edisi Mei
Coal,‖ 2011 International Symposium on 2016.
Computer Science and Society, pp. 299–
302, Jul. 2011. [8] Mishra, Khushboo, et al, 2014, Image
[6] Bennett, C. J., Stewart, R. a., & Lu, J. W. Compression Using Multilayer Feed
(2014). Forecasting low voltage Forward Artificial Neural Network with
distribution network demand profiles Nguyen Widrow Weight Initialization
using a pattern recognition based expert Method, International Journal of
system. Energy, 67, 200–212. Emerging Technology and Advanced
Engineering, Volume 4, Issue 4, April.
316
ANALISA METODE MOORA DALAM MENENTUKAN E-

COMMERCE TERBAIK BERDASARKAN KONSUMEN
Sri Rahayu Ningsih1, Dedy Hartama2, Agus Perdana Windarto3, Eka Irawan3
1
Telp. (0622) 22431
2,3,4
Telp. (0622) 22431
Email:srirahayuningsih1310@gmail.com,dedyhartama@amiktunasbangsa.ac.id,agus.perdana
@amiktunasbangsa.ac.id,
ABSTRAKS
Perdagangan electronik (electronic commerce atau e-commerce) adalah penyebaran, penjualan,

pembelian, pemasaran barang dan jasa yang mengandalkan sistem electronik, seperti internet,
televisi, atau jaringan komputer. E-commerce melibatkan transfer dana dan pertukaran data
electronik, sistem manajemen dan pengumpulan data secara otomatis. E-commerce adalah salah
satu bisnis yang paling sering digeluti oleh masyarakat di indonesia karena memberikan
keuntungan yang menjanjikan. Saat ini tren belanja online mulai diminati pembeli karena proses
keputusan belanja online tidak serumit keputusan pembelian offline sehingga banyak situs-situs
belanja online muncul akibat tingginya tingkat persaingan memaksa perusahan pada bisa
menyerahkan respon. Pemakaian E-Commerce bisa meninggikan efesiensi budged masih
produktifitas perusahaan, maka bisa mengangkat kemampuan perusahaan pada berkompetisi.
Penulis mengambil studi kasus pada aplikasi toko online seperti Blibli.Com, Buka Lapak,
Lazada, Jd.Id, Shopee, dan Tokopedia. Penelitian ini bertujuan untuk merekomendasikan
berdasarkan penilaian konsumen tentang aplikasi toko online terbaik dengan menggunakan
beberapa kriteria yang sudah ditetapkan. Untuk mengatasi permasalahan dalam menentukan e-
commers terbaik berdasarkan konsumen penulis menggunakan sistem pendukung keputusan
dengan menggunakan metode Multi-Objective Optimization On The Basis Of Ratio Analysis
(MOORA). MOORA adalah teknik optimasi multi objective sehingga dapat sukses diterapkan
untuk memecahkan berbagai jenis pengambilan keputusan yang kompleks masalah dalam
lingkungan manufaktur. Krieria yang digunakan dalam kasus ini adalah Kualitas Pelayanan,
Kepuasan Pelanggan, Kepercayaan Pelanggan, Komitmen Pelangggan dan Loyalitas Pelanggan.
Hasil yang diproses adalah penilaian 30 responden dari pelanggan yang telah memakai
ecommerce tersebut pada awal 2018. Diharapkan penelitian ini dapat membantu pengambil
keputusan yang tetap bagi calon konsumen dalam memilih e-commerce terbaik pada saat
berberbelanja online.
Kata Kunci: E-commece, SPK, Moora, Konsumen
1. PENDAHULUAN pengembangan, pemasaran, penjualan,

1.1 Latar Belakang pengiriman, pelayanan, dan pembayaran para
Perkembangan zaman yang sangat pelanggan, dengan dukungan dari jaringan
pesat dan semakin modern mendorong para mitra bisnis di seluruh dunia. Sistem e-
berbagai macam perubahan sistem, baik commerce sangat bergantung pada sumber
secara langsung maupun tidak langsung. daya internet dan banyak teknologi informasi
Seiring dengan perkembangan teknologi lainnya untuk mendukung setiap proses ini.
internet, tidak terkecuali perkembangan dunia Sekarang sudah banyak orang yang
bisnis dan pemasaran. Praktik e- commerce memanfaatkan internet sebagai media
dan e-bisnis ternyata mempunyai banyak pemasaran dan bisnis. Saat ini tren belanja
keuntungan baik bagi perusahaan ataupun online mulai diminati pembeli karena proses
konsumen. Pemakaian E-Commerce bisa keputusan belanja online tidak serumit
meninggikan efesiensi budged masih keputusan pembelian offline. Dahulu jika kita
produktifitas perusahaan, maka bisa ingin membeli suatu produk atau barang, kita
mengangkat kemampuan perusahaan pada harus bertemu dengan penjual produk
berkompetisi. E-commerce lebih dari sekedar tersebut, antara pembeli dan penjual haruslah
membeli dan menjual produk secara online. E- bertatap muka hingga terjadinya suatu
commerce meliputi seluruh proses dari kesepakatan antara pihak penjual dan pembeli
317
atau yang sering disebut transaksi. Belanja commerce secara umum : ― Proses membeli,
online memang memudahkan dan menghemat menjual, baik dalam bentuk barang, jasa
waktu, menghemat biaya dibandingkan ataupun informasi, yang dilakukan melalui
belanja tradisional. Jangkauan antara penjual media internet‖. Menurut Stefan Probst
dan pembeli pun sangat terbatas, namun (Opticom), definisi e-commerce adalah
sekarang seiring kemajuan zaman dan ―Bisnis yang dilakukan secara electronic yang
teknologi, khususnya internet, semua melibatkan aktivitas-aktivitas bisnis berupa
keterbatasan jarak, waktu, dan biaya dapat business to business ataupun business to
teratasi dengan mudah. Salah satu jenis consumen melalui teknologi internet.‖ E-
implementasi teknologi dalam hal business adalah transaksi yang menggunakan
meningkatkan bisnis, penjualan dan pembelian media elektronik yang dipergunakan untuk
produk adalah dengan menggunakan berjualan atau proses pembelian atau proses
electronic commerce (e- commerce) untuk pembelian suatu atau beberapa produk
memasarkan dan membeli berbagai macam menggunakan teknologi ICT.Secara umum,
produk atau jasa, baik dalam bentuk fisik interaksi dan transaksi antara pelaku bisnis
maupun digital (Spica, 2007). Electronic yang akan menggunakan teknologi
Commerce merupakan konsep baru yang bisa ecommerce dapat dikategorikan dalam jenis
digambarkan sebagai proses jual beli barang B2B ( business to business ), B2C (business to
atau jasa pada World Wide Web Internet atau consumen), C2B (consumen to business), dan
proses jual beli atau pertukaran produk, jasa C2C (consumen to consumen). Andi (2008).
dan informasi melalui jaringan informasi
termasuk internet (Suyanto, 2005). Di negara 2.2 Sistem Pendukung Keputusan(SPK)
Indonesia sendiri pengguna internet Sistem Pendukung Keputusan (SPK)
mengalami peningkatan jumlah dari tahun ke adalah salah satu cara mengorganisir
tahunnya dan menurut proyeksi dari APJII informasi yang dimaksudkan untuk digunakan
(Asosiasi Penyelenggara Jasa Internet dalam membuat keputusan. Sistem Pendukung
Indonesia). Proses keputusan belanja online Keputusan menurut berbagai ahli diantaranya
adalah pencarian informasi, membandingkan Man dan Watson, mendefinisikan bahwa
alternatif yang ada, dan pengambilan Sistem Pendukung Keputusan adalah suatu
keputusan. Pada tahap pencarian informasi, sistem interaktif yang membantu pengambil
konsumen akan mencari referensi secara keputusan melalui penggunaan data dan
online dari manapun (seperti search engine model-model keputusan unutk memecahkan
atau Toko Online). Informasi yang dicari masalah-masalah yang sifatnya semi
adalah berupa opini dari orang lain yang sudah terstruktur dan tidak terstruktur.
mendapatkan manfaat dari produk yang dibeli.
Manfaat dan keuntungan menggunakan e- 2.3 Multi-Objective Optimization
commerce adalah untuk media promosi dalam Method by Ratio Analysis (MOORA)
rangka untuk meningkatkan volume Multi-Objective Optimization On The
penjualan, baik untuk penjualan online Basis Of Ratio Analysis adalah metode yang
maupun konvensional (Jansen, 2006; Supardi, diperkenalkan oleh Brauers dan Zavadkas
2009). Di samping keuntungan tersebut, (2006). Metode yang relatif baru ini pertama
ternyata hasil beberapa penelitian kali digunakan oleh Brauers dalam suatu
menunjukkan bahwa efektivitas penggunaan pengambilan dengan multi-kriteria. Metode
e-commerce dalam mendongkrak peningkatan MOORA memiliki tingkat fleksibilitas dan
volume penjualan dan mempromosikan kemudahan untuk dipahami dalam
produk-produk industri cukup tinggi memisahkan bagian subjektif dari suatu proses
(Alexander, 2002; Supardi 2008; Wuwei evaluasi kedalam kriteria bobot keputusan
2009). dengan beberapa atribut pengambilan
keputusan (Mandal dan Sarkar, 2012). Metode
2. TINJAUAN PUSTAKA ini memiliki tingkat selektifitas yang baik
2.1 E-Commerce karena dapat menentukan tujuan dari kriteria
E-Commerce merupakan suatu yang bertentangan. Dimana kriteria dapat
sistem atau paradigma baru dalam dunia bernilai menguntungkan (benefit) atau yang
bisnis, yang menggeser paradigma tidak menguntungkan (cost). Metode MOORA
perdagangan tradisional menjadi electronic banyak diaplikasikan dalam beberapa bidang
commerce yaitu dengan memanfaatkan seperti bidang manajemen, bangunan,
teknologi ICT (Information and kontraktor, desain jalan, dan ekonomi. Metode
Communication Technology), atau dengan ini memiliki tingkat selektifitas yang baik
kata lain teknologi internet. Definisi e- dalam menentukan suatu alternatif.
318
Pendekatan yang dilakukan MOORA

didefinisikan sebagai suatu proses secara Dinama g adalah nilai kriteria yang akan
bersamaan guna mengoptimalkan dua atau dimaksimalkan, (n-g) adalah nilai dari kriteria
lebih yang saling bertentangan pada beberapa yang diminimalkan, dan Yi adalah nilai dari
kendala (Attri dan Grover, 2013). Dalam penilaian normalisasi alternatif i terhadap
aplikasinya metode MOORA dalam semua atribut. Dalam beberapa kasus, sering
menyelesaikan masalah pemilihan supplier mengamati beberapa kriteria yang lebih
bahan kimia dan bioteknologi dengan penting lainnya. memesan untuk memberikan
menerapkan fuzzy dan MOORA. Model lebih penting atribut, itu tersebut dilakukan
pengambilan keputusan yang dihasilkan dengan bobot yang sesuai (signifikan
mampu melakukan evaluasi terus menerus koefesien). Ketika bobot kriteria ini
dalam penyelesaian masalah pemilihan dan dipertimbangkan maka persamaan Yi adalah
evaluasi supplier (Seema et. al., 2012). berikut.
Metode MOORA terdiri dari lima langkah
utama (Brauers and Zavadskas, 2006; ...(4)
Chakraborty, 2011; Gadakh, 2011; El-
Santawy and Ahmed, 2012, Kalibatas, et al. Dimana Wj adalah bobot atribut j.
2008, Lootsma, 1999) sebagai berikut: Langkah 5: Nilai Yi bisa Positif atau
Langkah 1: Menentukan tujuan dan negatif tergantung dari jumlah maksimal
mengidentifikasi atribut evaluasi yang (kriteria yang menguntungkan) dan minimal
bersangkutan. (kriteria yang tidak menguntungkan) dalam
Langkah 2: Menampilakan semua matriks keputusan. Sebuah keistimewaan yi
informasi yang tersedia untuk atribut dalam menunjukkan preferensi akhir. Dengan
bentuk matriks keputusan. x adalah nilai demikian, alternatif terbaik memiliki nilai yi
kriteria masing-masing kriteria yang tertinggi, sedangkan alternatif terburuk
direpresentasikan sebagai matriks. memiliki nilai yi terendah.

3.1 Perhitungan Metode MOORA
Pengambilan data dilakukan dengan
kuesioner. Sampel Data adalah 30 responden
yang telah memakai ecommerce tersebut. Data
yang di proses adalah data yang telah di ambil
Langkah 3 : Brauers et al. (2008) nilai rata-rata dari setiap alternatif per kriteria
menyimpulkan bahwa denominator, pilihan dan selanjutnya perhitungan dengan metode
terbaik dari akar kuadrat dari penjumlahan MOORA. Berikut merupakan tahapan dari
kuadrat dari setiap alternatif per atribut. Rasio metode MOORA dalam menentukan E-
ini dapat dinyatakan sebagai berikut. Commerce terbaik berdasarkan konsumen
3.1.1 Membuat Matriks
Dalam membuat matrix of responses
...(2)
adalah menentukan atribut/kriteria terlebih
dahulu. Atribut/kriteria yang dipertimbangkan
Rasio xij menunjukkan urutan ke i dari
dalam pengambilan keputusan dikelompokkan
alternatif pada kriteria ke j, m menunjukkan
ke dalam kriteria keuntungan /benefit (+) atau
banyaknya jumlah alternatif dan n
biaya/cost (-). Selain itu, untuk mempermudah
menunjukkan jumlah kriteria. Brauers et al.
proses perhitungan maka dibuat kode yang
(2008) menyimpulkan bahwa untuk
mewakili setiap nama kriteria. Penentuan
denominator, pilihan terbaik dari akar kuadrat
atribut/kriteria ditunjukkan pada Tabel 1.
dari penjumlahan kuadrat dari setiap alternatif
Tabel 1. Data Penentuan Atribut/ Kriteria
per kriteria.
Langkah 4 : untuk multi-objective
optimization,
hasil normalisasi adalah penjumlahan dalam
hal pemaksimalan (dari atribut yang
menguntungkan/ benefit) dan pengurangan
dalam hal peminimalan (dari atribut yang
tidak menguntungkan/ cost). Selanjutnya
masalah optimasi menjadi:
...(3)
319
Tabel 2. Data Alternatif Tabel 5. Rating Kecocokan Alternatif dan

Kriteria
Tabel 3. Tingkat Kepentingan
Berikut merupakan langkah - langkah

penyelesaian menggunakan MOORA :
Dari tabel 5, di buat matrik keputusan Xij,
seperti berikut.
Kemudian membentuk matriks ternormalisasi

menggunakan persamaan 2.
Tabel 4. Data Alternatif dan Kriteria Awal

1,593
A11 = 0,7/1,593 = 0,439
A21 = 0,5/1,593 = 0,314
A31 = 0,9/1,593 = 0,565
A41 = 0,5/1,593 = 0,313
A51 = 0,7/1,593 = 0,439
A61 = 0,5/1,593 = 0,314
1,643
3.1.2 Menentukan matriks normalisasi A12 = 0,5/1,643 = 0,304
Untuk menentukan matriks normalisasi A22 = 0,7/1,643 = 0,426
dengan menggunakan persamaan (2) dengan A32 = 0,7/1,643 = 0,426
data nilai sample dari Tabel 4. Selanjutnya A42 = 0,7/1,643 = 0,426
merupakan rating kecocokan alternatif dan A52 = 0,7/1,643 = 0,426
kriteria yang memiliki nilai kualitatif A62 = 0,7/1,643 = 0,426
dikonversi menjadi bernilai kuantitatif terlebih
dahulu agar dapat diperhitungkan sebelum
dibuat matriks keputusan seperti ditunjukkan
pada Tabel 5.
1,489
A13 = 0,5/1,489= 0,336
A23 = 0,7/1,489= 0,47
A33 = 0,5/1,489= 0,336
A43 = 0,5/1,489= 0,336
A53 = 0,7/1,489= 0,47
A63 = 0,7/1,489= 0,47
320
Selanjutnya mencari nilai Yi dapat dilihat

pada tabel 6.
1,319
A14 = 0,5/1,319= 0,379 Tabel6. Tabel Yi
A24 = 0,5/1,319= 0,379
A34 = 0,5/1,319= 0,379
A44 = 0,5/1,319= 0,379
A54 = 0,7/1,319= 0,531
A64 = 0,5/1,319= 0,379
1,086
A15 = 0,5/1,086= 0,46 Dari perhitungan menggunakan metode
A25 = 0,5/1,086= 0,46 MOORA, maka hasilnya dapat dilihat pada
A35 = 0,5/1,086= 0,46 tabel 7 berikut :
A45 = 0,3/1,086= 0,276
A55 = 0,5/1,086= 0,46 Tabel 7. Hasil Ranking
A65 = 0,3/1,086= 0,276
Langkah diatas dilakukan hingga kriteria ke 5

(C5) sehingga hasil dari perhitungan
didapatkan matriks ternomalisasi (X *ij).
Dari perhitungan diatas dapat disimpulkan

bahwa Alternatif A5, A3, A2 merupakan 3
alternatif yang tertinggi.
3.1.3 Menentukan Matriks Normalisasi
Terbobot 4. KESIMPULAN
Untuk menentukan matriks normalisasi Dari penelitian yang dilakukan dapat
terbobot, dengan menggunakan persamaan disimpulkan bahwa pemakaian metode
(4). Nilai matriks ternormalisasi dan nilai MOORA dapat digunakan sebagai salah satu
bobot kriteria berdasarkan pada Tabel 1. alat bantu yang dibutuhkan pengambil
keputusan memilih E-Commerce yang dapat
di rekomendasikan kepada pihak konsumen.
Pada awal 2018 dari 30 responden dapat
disimpulkan bahwa berdasarkan metode
MOORA diperoleh tingkat tinggi adalah A5,
A3, A2 atau Shopee, Lazada dan Buka Lapak
menjadi alternatif terpilih. Analisa ini hanya
bersifat memberikan rekomendasi keputusan
kepada pihak konsumen saja, untuk proses
selanjutnya diserahkan kembali kepada pihak
Setelah dihitung, menghasilkan matriks konsumen dalam menentukan E-Commerce
normalisasi terbobot sebagai berikut : yang akan digunakan saat berbelanja Online.
5. PUSTAKA
Al-hafiz, Nofri Wandi. 2017. ―SISTEM
PENDUKUNG KEPUTUSAN
PENENTUKAN KREDIT
PEMILIKAN RUMAH
MENERAPKAN MULTI-OBJECTIVE
OPTIMIZATION ON THE BASIS OF
RATIO ANALYSIS ( MOORA ).‖
I:306–9.
321
Buku, Cetakan and Menggunakan Metode. Multi-Objective Optimization on the

2006. ―Sistem Pendukung Keputusan Basis of Ratio Analysis (MOORA).‖
Kelayakan Hasil Cetakan Buku (Siahaan 2016):1–6.
Menggunakan Metode Moora.‖ (9). Kasus, Studi, Politeknik Negeri, and
E-commerce, Memanfaatkan. 2010. ―No Kemenristek Dikti. 2017.
Title.‖ 2(1):159–68. ―Pengembangan Sistem Penunjang
Ekonomika, Fakultas, D. A. N. Bisnis, and Keputusan Penentuan Ukt Mahasiswa
Universitas Diponegoro. 2013. Dengan Menggunakan Metode Moora
―DENGAN SISTEM PRE ORDER Studi Kasus Politeknik Negeri Malang.‖
SECARA ( Studi Kasus Pada Online 3:36–42.
Shop Chopper Jersey ).‖ Ningsih, Sri Rahayu, Irfan Sudahri Damanik,
Elissa, Ingge. n.d. ―PADA TOKO ONLINE.‖ Indra Gunawan, and Widodo Saputra.
VIII(3):143–52. 2017. ―ELECTRE DALAM
Haryanti, Sri and Tri Irianto. 2011. ―Rancang MENENTUKAN PENERIMA
Bangun Sistem Informasi E-Commerce PROGRAM INDONESIA PINTAR (
Untuk Usaha Fashion Studi Kasus PIP ) MELALUI KARTU INDONESIA
Omah Mode Kudus.‖ 3(1):8–14. PINTAR ( KIP ) ( STUDI KASUS : SD
Hondro, Rivalri Kristianto, Muhammad SWASTA AL – WASHLIYAH MOHO
Syahrizal, Andysah Putera, Utama KABUPATEN SIMALUNGUN ).‖
Siahaan, and Robbi Rahim. n.d. I:264–75.
―Student Admission Assessment Using
322
DETEKSI PENYAKIT TANAMAN JERUK DENGAN ALGORITMA

RADIAL BASIS FUNCTION NETWORK
1 2 3
Sri Wahyuni , Eko Hariyanto , Supina Batubara
1,3
Program Studi Teknik Komputer, Fakultas Sains dan Teknologi,Universitas Pembangunan
Panca Budi
2
Program Studi Sistem Komputer, Fakultas Sains dan Teknologi, Universitas Pembangunan
Panca Budi
Telp. (061) 845-5571
1 2
sriwahyuni@dosen.pancabudi.ac.id, eko.hariyanto@dosen.pancabudi.ac.id,
3
supinabatubara@dosen.pancabudi.ac.id
ABSTRAKS
Jeruk Merupakan komoditas unggul, penyakit pada jerukmenyebabkan penurunan hasil panen
petani jeruk. Oleh karena itu, dibutuhkan aplikasi yang dapat mengidentifikasi penyakit pada
tanaman jeruk, sehingga dapat membantu petani jeruk untuk mengetahui jenis penyakit tanaman
jeruk. Untuk dapat mengetahui jenis penyakit tanaman jeruk dapat dilakukan berbagai cara yaitu
mendatangkan ahli penyakit hama, berdasarkan pengalaman, atau berdasarkan pemanfaatan
teknologi informasi. Aplikasi berbasis Android telah menjadi popular di dunia, Aplikasi android
dapat juga dikembangkan untuk membantu pengguna mendeteksi suatu penyakit, termasuk
penyakit tanaman jeruk. Penelitian ini menggunakan metode Radial Basis Function Network
atau RBFN. RBFN merupakan salah satu jenis Neural Network yang terdiri dari tiga buah layer
yaitu input layer, hidden layer, serta output layer. Masukan dan keluaran yang dimiliki oleh
RBFN terdiri dari multilayer perceptron. Sedangkan untuk hidden layer pada RBFN terdiri dari
cluster yang memiliki fungsi dasar berbasis radial. Fungsi tersebut merepresentasikan jarak
antara pusat RBFN dengan vektor dari nilai masukan. Hubungan antara neuron masukan dan
neuron receptor di-train terus menerus untuk mendapatkan bobot dari masing-masing connection
sehingga didapatkan model prediksi data yang paling tepat.
Kata Kunci : Android, Penyakit Jeruk, RBFN
1. PENDAHULUAN 1.2 Identifikasi Masalah

1.1. Latar Belakang Berdasarkan latar bekalang
Jeruk merupakan salah satu komoditas permasalahan di atas, maka dalam penelitian
unggulan. Penyakit pada jeruk dapat ini identifikasi masalahnya adalah :
menurunkan hasil panen petani jeruk. 1. Bagaimana merancang aplikasi
Berbagai cara dapat dilakukan untuk yang dapat mendeteksi penyakit
mengidentifikasi penyakit jeruk, salah satu tanaman jeruk berbasis Android?
cara menggunakan metode Radial Basis 2. Bagaimana mengimplementasikan
Function Network atau RBFN. RBFN algoritma Radial Basis Function
merupakan salah satu jenis Neural Network Network pada aplikasi deteksi
yang terdiri dari tiga buah layer yaitu input penyakit tanaman jeruk berbasis
layer, hidden layer, serta output layer. Android?
Masukan dan keluaran yang dimiliki oleh
RBFN terdiri dari multilayer perceptron. 1.3 Batasan Masalah
Sedangkan untuk hidden layer pada RBFN Adapun batasan masalah dari penelitian ini
terdiri dari cluster yang memiliki fungsi dasar adalah sebagai berikut :
berbasis radial. Fungsi tersebut 1. Deteksi penyakit tanaman jeruk
merepresentasikan jarak antara pusat RBFN dilakukan melalui gambar atau citra
dengan vektor dari nilai masukan. Hubungan digital
antara neuron masukan dan neuron receptor 2. Input citra digital melalui kamera
di-train terus menerus untuk mendapatkan smartphone berbasis Android
bobot dari masing-masing connection 3. Input citra berupa gambar dengan
sehingga didapatkan model prediksi data yang ekstensi .jpg atau .jpeg. Citra yang
paling tepat. diinput harus jelas dan memiliki
intensitas cahaya yang memadai
323
4. Program yang digunakan untuk antara citra training dengan citra

merancang aplikasi adalah Android testing.
Studio 3.0. 2. Proses testing dataset
Proses testing citra tanaman jeruk yaitu :
2. ANALISA DAN PERANCANGAN a) Pengguna menjalankan aplikasi deteksi
2.1 Analisa penyakit tanaman jeruk lalu menginput
Dilakukan analisa dengan tujuan untuk citra tanaman jeruk yang telah
memberikan solusi dari permasalahan yang tersimpan pada smartphone.
dihadapi dan membuat tahapan-tahapan dalam b) Selanjutnya sistem akan melakukan
penyelesaian masalah.Deteksi penyakit pre-processingimage terhadap citra
tanaman jeruk yang dilakukan dalam tanaman jeruk yaitu:
penelitian ini terdiri dari dua proses utama
yaitu: Proses image Enhacement:
1. Proses Training Dataset a) Resizing dilakukan untuk
Proses bertujuan untuk memberikan memperoleh area fokus objek yaitu
pengetahuan citra tanaman jeruk citra tanaman jeruk yang akan
kepada sistem. Training citra pada diidentifikasi dengan cara
penelitian sebagai berikut : memanipulasi orientasi objek.
a. Image Acquisition b) Grayscaling dilakukan agar citra
input berupa citra tanaman jeruk dapat diproses ditahap selanjutnya
menggunakan kamera smartphone. yaitu ekstraksi fitur dengan
Citra tanaman jeruk diolah dalam mengubah citra tanaman jeruk RGB
bentuk format citra yang berekstensi kedalam citra keabuan.
.jpg atau .jpeg. c) Proses image segmentation yaitu
b. Pre-processing Image tahap untuk memisahkan latar
Tahapan selanjutnya citra yang telah belakang objek dengan objek itu
di-input kemudian akan diproses sendiri agar lebih mudah dianalisis
melalui proses image enhacement menggunakan metode Canny Edge
dan image segmentation. Detection.
Proses image Enhacement antara d) Selanjutnya setelah citra selesai
lain: diproses dalam tahap pre-processing
1) Resizing dilakukan untuk image, dilakukan ekstraksi fitur
memperoleh area fokus objek yaitu warna dan tekstur untuk
citra tanaman jeruk yang akan mendapatkan vector dari citra
diidentifikasi dengan cara menggunakan Colour Histogram dan
memanipulasi orientasi objek. Gray Level Co-occurrent Matrix
2) Grayscaling dilakukan agar citra (GLCM).
dapat diproses ditahap selanjutnya e) Vektor yang diperoleh dari ekstraksi
yaitu ekstraksi fitur dengan fitur tersebut disimpan dalam
mengubah citra RGB tanaman jeruk database untuk kemudian dilakukan
kedalam citra keabuan. proses penyesuaian citra training
3) Proses image segmentation yaitu (dilakukan pencocokan antara vector
tahap untuk memisahkan latar citra testing dengan citra training
belakang objek dengan objek itu dalam database). Penyesuaian
sendiri agar lebih mudah dianalisis tersebut dilakukan dengan metode
menggunakan metode Canny Edge Radial Basis Function
Detection. Network(RBFN) untuk melakukan
4) Selanjutnya setelah citra selesai pendeteksian citra tanaman jeruk
diproses dalam tahap pre- tersebut terdeteksi tanaman jeruk
processing image, dilakukan atau tidak.
ekstraksi fitur warna dan tekstur f) Output yang dihasilkan yaitu citra
untuk mendapatkan vector dari citra tanaman jeruk terdeteksi penyakit
menggunakan Colour Histogram tanaman jeruk atau tidak.
dan Gray Level Co-occurrent
Matrix (GLCM). 2.2 Perhitungan RBF Deteksi Citra
5) Vektor yang diperoleh dari Metode RBFN, merepresentasikan
ekstraksi fitur tersebut disimpan semua matriks training menjadi matriks yang
dalam database untuk kemudian berisi nilai keabuan yang didapatkan dari citra
dilakukan proses penyesuaian tanaman jeruk input. Citra tanaman jeruk
324
input dikonversi menjadi grayscale dengan Tabel 2.3. Tabel Kebenaran

pembobotan nilai greyscale 0 – 50 nilai
bobotnya 0 dan 51 – 100 nilai bobotnya 1,
setelah dilakukan pembobotan maka dapat
dihitung nilai RBF, sebagai contoh citra yang
diinput :
b. Menentukan Data Center secara acak

Misalnya ditentukan 2 center
(menyatakan jumlah hidden) secara
acak sbb :
Gambar 2.1. Target Citra Tanaman jeruk
Berdasarkan Gambar 1. Kemudian diambil Maka jumlah hidden yang harus dibuat
sampel nilai greyscale dari citra tanaman sebanyak 2 buah.
jeruk diatas, nilai tersebut adalah: Nilai spread diasumsikan : ζ = 1
Kalau tabelnya seperti telihat di atas,
Tabel 2.1. Hasil Grayscale Target Citra maka :
Tanaman Jeruk Matriknya adalah :
a. Pembaharuan Bobot
Langkah 1. Meneruskan sinyal ke
hiddenlayer dan menghitung nilai fungsi
aktifasi dengan fungsi Gaussian.
Berikut input citra tanaman jeruk
Tabel 2.2. Hasil Grayscale Citra Tanaman

Jeruk Dari Database
Berdasarkan rumus diatas maka dapat
dihitung pembaharuan bobot terhadap
masing-masing inputlayer :
Dari citra input dan target maka dapat

dihitung semua nilai bobot diatas
mengunakan Radial Basis Function, berikut
perhitungannya :
a. Tabel kebenaran
Untuk membentuk tabel kebenaran AND
maka diketahui X1 merupakan citra input
kesatu, dan X2 merupakan citra input
kedua, sedangkan target merupakan citra Langkah 2. Membentuk Matrik Gaussian
yang akan diuji. Berikut tabel kebenaran
untuk AND :
325
Training Data set

Pre-processing Image
Image Image Enhacement Image

Acquisition Segmentation
Input citra tanam Resizing Grayscale Canny Edge
jeruk Detection
Feature Extraction
Citra
Gray Level Co- Colour Hasil Database
Occurent Matrix Histogram
kolom terakhir diisi dengan bias dengan

nilai 1 Testing Data set
Pre-processing Image
Image Image Enhacement Image
Langkah 3. Menghitung pseudoinverse dari Acquisition

Input citra tanam
jeruk
Resizing Grayscale
Segmentation
Canny Edge
Detection
matrik Gaussian
Feature Extraction Identification
Citra
Gray Level Co- Colour Radial Basis
Hasil
Occurent Matrix Histogram Funtion
Network
Output
Terdeteksi Penyakit
Tanaman Jeruk
Setelah dihitung pseudoinverse pada Gambar 2.2. Langkah Deteksi Penyakit

langkah 3 maka selanjutnya dihitung (GTG)-1. tanaman jeruk
2.4 Implementasi
2.4.1 Menu
Hitung GTD maka hasilnya sebagai berikut :
Gambar 2.4 Tampilan Utama
2.4.2. Tampilan Input Sample

Halaman Input Sample merupakan
Jadi W1 = 0.8344 W2 = 0.3220 dan bias = halaman untuk meng-input gambar tanaman
0.2091 jeruk yang terdeteksi penyakit caranya dengan
Langkah 4. Menghitung hasil output dari memfoto langsung melalui kamera, atau
jaringan. melalui gallery. Kemudian gambar di crop
Rumus Output Jaringan : Y = W1 * φ1 + selanjutnya memilih tombol konversi menjadi
W2 * φ2 grayscale. Kemudian memilih jenis penyakit
yang terkena pada tanaman jeruk yang akan
Tabel 2.4 Hasil Perhitungan kita input kan, setelah itu simpan gambar
penyakit tanaman jeruk yang sudah di
konversi. Berikut tampilan Halaman.
Jika dilihat dari tabel di atas, RBFN telah

mengeluarkan output yang sesuai dengan
target, sehingga TRAINING BERHASIL.
Gambar 2.5 Halaman Input
2.3 Algoritma
Langkah-langkah untuk proses deteksi c. Tampilan Halaman Identifikasi
penyakit tanaman jeruk melalui citra tanaman Tanaman jeruk
jeruk dengan metode RBFN dapat dilihat pada Halaman Identifikasi berfungsi mengetahui
Gambar 2. apakah tanaman mengalami penyakit melalui
citra tanaman jeruk yang di foto melalui
kamera smartphone atau melalui gallery.
Caranya masukkan atau foto tanaman jeruk
yang akan di deteksi, setelah itu gambar di
crop lalu di konversi menjadi grayscale
dengan menekan tombol Konversi, lalu
326
gambar tersebut dapat di identifikasi dengan Tabel 2.7. Tabel Pengujian Laporan
menekan tombol Identifikasi. Sample
d. Tampilan Halaman Laporan Sample
Halaman Laporan Sample berfungsi
menampilkan daftar penyakit tanaman
jeruk yang sudah di input kedalam
database. Berikut tampilan halaman
Laporan Sample.
KESIMPULAN
Adapun kesimpulan yang dapat

diperoleh adalah sebagai berikut :
1. Perangkat lunak deteksi penyakit

tanaman jeruk melalui aplikasi
berbasis Android dapat dilakukan
Gambar 2.6 Proses Perancangan Deco melalui smartphone maupun melalui
2.5 Pengujian Aplikasi komputer.
2.5.1 Pengujian Input Sample 2. Deteksi penyakit tanaman jeruk
Tabel 2.5 Tabel Pengujian Input Sample menggunakan metode Radial Basis
Function Network dapat berjalan di
smartphone ataupun di komputer.
PUSTAKA
[1] Argohartono, 2017, Hama dan
PenyakitTanaman, PT. Trubus Swadaya,
Jakarta.
[2] Cahyo dan Rini, 2016, Grow Your Own
Fruits – Panduan Praktis Menanam 28
Tanaman Buah Populer di Pekarangan,
Lily Publisher, Yogyakarta.
[3] Haviluddin, 2011, Memahami
Penggunaan UML (Unified Modelling
Language), Jurnal Informatika
Mulawarman Vol 6 No. 1 Febuari 2011,
2.5.2. Pengujian Identifikasi Tanaman Program Studi Ilmu Komputer, FMIPA
jeruk Universitas Mulawarman, Samarinda.
Tabel 2.6. Tabel Pengujian Identifikasi [4] Indriyani, Luthfi, 2015, Teknik
Tanaman Jeruk Pengolahan Citra Untuk Mengukur
Diameter Buah Jeruk Keprok
Menggunakan Aplikasi Matlab, Jurnal
Program Studi Ilmu Komputer, STMIK
Nusa Mandiri, Jakarta.
[5] Juhara, Zamrony P, 2016, Panduan
Lengkap Pemrograman Android,
Penerbit Andi, Yogyakarta.
2.5.3. Pengujian Laporan Sample
327
SISTEM PAKAR DIAGNOSA PENYAKIT DALAM DAN SOLUSI

PENGOBATAN TRADISIONAL
Supina Batubara1, Eko Hariyanto2, Sri Wahyuni3
1,2
Program Studi Sistem Komputer, Fakultas Sains dan Teknologi,Universitas Pembangunan Panca Budi
3
Program Studi Teknik Komputer, Fakultas Sains dan Teknologi, Universitas Pembangunan Panca Budi
Telp. (061) 845-5571
1
supinabatubara@dosen.pancabudi.ac.id , 2eko.hariyanto@dosen.pancabudi.ac.id,
,3sriwahyuni@dosen.pancabudi.ac.id
ABSTRAK
Kehadiran teknologi informasi dengan program aplikasi membantu dan berperan penting dalam
kehidupan manusia dari segala aspek kehidupan. Salah satu program aplikasi adalah sistem
pakar, yaitu sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik
penalaran dalam memecahkan masalah yang biasanya hanya bisa dipecahkan oleh seorang pakar
dalam satu ilmu pengetahuan.Salah satu implementasi sistem pakar dalam ilmu kesehatan
yaitu sistem pakar untuk diagnosa penyakit dalam. Penyakit Dalam merupakan penyakit
yang kompleks dan sering diderita oleh kebanyakan orang. Seringkali orang bingung dengan
penyakit yang diderita dan bingung harus ke dokter apa untuk berobat atau berkonsultasi.
Karena penyakit dalam sangat beragam jenis dan gejalanya, maka seorang pakar atau
dokter perlu mengkaji lebih dalam gejala yang dialami pasien untuk dapat menentukan
penyakit yang diderita.Sistem pakar sangat berguna sekali bagi masyarakat yang bukan pakar
untuk memberikan informasi dan memecahkan masalah. Program aplikasi sistem pakar semakin
berkembang seperti sistem pakar berbasis website dengan daya jangkauan memberikan sebuah
informasi yang lebih luas kepada masyarakat dan dapat digunakan oleh masyarakat di seluruh
dunia. Pada penelitian ini dirancang sistem pakar berbasis website menggunakan metode
Certainty Factor Sequential yang dimaksudkan untuk membantu masyarakat dalam
mendiagnosa penyakit dalam dan megetahui pengobatan tradisionalnya.
Kata Kunci : Sistem Pakar, Penyakit Dalam, Obat Tradisonal, Certainty Factor Sequential, Website.
1. PENDAHULUAN mengkaji lebih dalam gejala yang dialami

1.1 Latar Belakang pasien untuk dapat menentukan penyakit
Kehadiran teknologi informasi dengan yang diderita serat dapat memberikan solusi
program aplikasi membantu dan berperan pengobatannya.
penting dalam kehidupan manusia dari segala
aspek kehidupan. Salah satu program aplikasi 1.2 Identifikasi Masalah
adalah sistem pakar, yaitu sistem berbasis Berdasarkan latar bekalang permasalahan di
komputer yang menggunakan pengetahuan, atas, maka dalam penelitian ini identifikasi
fakta, dan teknik penalaran dalam masalahnya adalah
memecahkan masalah yang biasanya hanya 1. Bagaimana merancang aplikasi
bisa dipecahkan oleh seorang pakar dalam sistem pakar untuk mendiagnosa
bidang pengetahuan. Saat ini Program aplikasi penyakit dalam dan pengobatan
sistem pakar semakin berkembang seperti tradisionalnya?
sistem pakar berbasis website dengan daya 2. Bagaimana Certanty Factor
jangkauan memberikan sebuah informasi dan Sequential dapat mendiagnosa
memecahkan masalah yang lebih luas kepada penyakit dalam dan memberikan
masyarakat dan dapat digunakan oleh pengobatan tradisonalnya?
masyarakat di seluruh dunia.Salah satu
implementasi sistem pakar dalam ilmu 1.3 Batasan Masalah
kesehatan yaitu sistem pakar untuk Adapun batasan masalah dari perancangan
diagnosa penyakit dalam. Penyakit Dalam sistem pakar ini adalah sebagai berikut :
merupakan penyakit yang kompleks dan 4. Sistem Pakar mendiagnosa pasien
sering diderita oleh kebanyakan orang. dewasa diatas 20 tahun yang produktif
Seringkali orang bingung dengan penyakit 5. Metode yang digunakan dalam
yang diderita dan harus ke dokter apa untuk penyelesaian masalah ini adalah metode
berobat atau berkonsultasi. Karena penyakit Certainty Factor Sequential.
dalam sangat beragam jenis dan gejalanya,
328
maka seorang pakar atau dokter perlu
6. Diasumsikan bahwa data Tabel 3. Tabel solusi

dimasukkan oleh pakar atau orang yang
mengetahui perubahan jenis, gejala
dan langkah pengobatan penyakit
dalam.
7. Sistem pakar dibangun dengan bahasa
pemrograman PHP dan database MySQL.
1.4 Penerapan Metode Certainty Factor

Tabel 1. Tabel Penyakit
Tabel 2. Tabel Gejala Contoh perhitungan CF

Tabel 4. Tabel contoh perhitungan CF
CF(H,e) = CF (E,e) * CF(H,E)

CF(E,e) = 1 nilai kepastian suatu penyakit
CF(H,E) = min [ Rule CF(H,e)]
nilai 1 jika menggunakan min, -1
jika
menggunakan max untuk batas
kepastian
CF(H,e) = 1 * min [0.8, 0.8, 0.8, 0.7]
CF(H,e) = 0.7
Dari perhitungan secara di atas, didapatkan
nilai faktor kepastian dari masukan gejala
untuk penyakit sakit jantung adalah 0,7
329
Tabel 5. Tabel Aturan spectrum Penyakit penyakit dalam dan memperoleh solusi
dan Gejala dengan pengobatan tradisonal. Karena pada
umumnya konsultasi dilakukan dengan
metode tebak – tebakan bagi pasien yang
kurang mampu dan pasien yang dikategorikan
mampu akan mendatangi dokter spesialis dan
mengambil nomor antrian. Dapat dikatakan
konsultasi dilakukan secara manual. Maka
dari itu, peneliti ingin mencoba merancang
suatu aplikasi sistem pakar untuk
mendiagnosa penyakit dalam dan solusi
pengobatan tradisionalnya, sehingga pasien
dapat dengan mudah untuk melakukan
konsultasi sendiri tentang penyakit yang
diderita.
2.2 Perancangan Sistem

Pada bab ini akan dijelaskan mengenai
perancangan layout yang ada pada aplikasi
berserta dengan prosesnya. Perancangan
terbagai menjadi 2 bagian, yaitu perancangan
sistem secara Umum, perancangan sistem
secara detail dan Perancangan Database
2.2.1 Perancangan sistem secara Umum

Perancangan sistem secara umum
menggunakan bahasa pemodelan yang
berorientasi objek Unified Modelling
Language (UML) yaitu Use Case Diagram,
Class Diagram, Activity Diagram, dan
Sequence Diagram.
a. Usecase Diagram
Sistem pakar mendiaknosa penyakit dalam
Setiap spektrum diatas akan dibuat kombinasi <<include>>

Penyakit About
untuk setiap kemungkinan gejala terpenuhi <<include>>

Gejala
Contact
dan disesuaikan dengan jenis penyakitnya. Login
<<include>>
Daftar
<<include>> Relasi
<<include>>
2. ANALISA DAN PERANCANGAN Rule
<<include>>
Pakar
SISTEM <<include>>
Konsultasi
2.1 Analisa Sistem Komentar User

Analisa berfungsi untuk mempermudah
dalam memahami dan menyusun tahapan
selanjutnya yang akan dilakukannya
penguraian dari suatu sistem yang utuh ke
dalam bagian – bagian komponen, dengan
maksud untuk mengidentifikasikan dan Gambar 1. Usecase Diagram Sistem Pakar
mengevaluasi permasalahan yang ada, Diagnosa Penyakit Dalam
sehingga ditemukan kelemahan, kesempatan,
dan hambatan yang terjadi serta kebutuhan Keterangan :
yang diharapkan, sehingga dapat diusulkan 1. Actor
perbaikan – perbaikannya.Analisa yang a. Pakar : Admin yang bertindak
dimaksud disini adalah analisa Input , Analisa sebagai pengelola sistem pakar.
proses, Analisa Output. Analisa sistem yang b. User : Pengguna sistem pakar
akan dirancang adalah bagaimana pasien 2. Usecase
dapat melakukan konsultasi dengan a. Login : Sebelum masuk kehalaman
menggunakan aplikasi sistem pakar diagnosa kerja pakar, seorang pakar harus
330
login terlebih dahulu dengan cara Gambar 2. Class Diagram Sistem Pakar
mengisi Username dan Password Penyakit Dalam
sesuai dengan ketentuan.
b. About : Berisi mengenai profil 2.2.2 Perancangan Sistem Secara Detail
pembuat program Perancangan sistem secara detail atau
c. Konsultasi : User yang akan terinci ini berfungsi untuk memberikan
melakukan konsultasi harus mengisi gambaran sistem yang akan diusulkan agar
data user. Kemudian menjawab dapat dilihat secara lebih detail berdasarkan
pertanyaan dari sistem mengenai pada gambaran sistem keseluruhan yang
gejala-gejala penyakit dalam. Sistem terdapat pada desain global.
akan memberikan hasil diagnose
penyakit yang diderita user 3. IMPLEMENTASI
berdasarkan jawaban user. 3.1 Tampilan Hasil
d. Penyakit : Setelah login, pakar Berikut ini akan dijelaskan tentang tampilan
memiliki berbagai hak akses. Salah hasil program dan pembahasan dari Sistem
satu hak aksesnya adalah Pakar Mendiagnosa Penyakit Dalam Dan
pengelolahan penyakit. Pengolahan Penyobatannya Menggunakan Obat – obat
penyakit berupa pengubahan, Tradisional. Tampilan program sistem pakar
penghapusan dan penambahan data ini dibagi menjadi 2 bagian, yaitru tampilan
penyakit. halaman user dan tampilan halaman pakar.
e. Gejala : Olah gejala berupa a. Tampilan Halaman User
pengubahan, penghapusan dan Tampilan halaman user terdiri dari :
penambahan gejala.
f. Relasi : Input relasi digunakan untuk Tampilan Menu Home
menghubungkan antara gejala dengan Tampilan Home merupakan tampilan
jenis penyakit yang telah diinputkan awal dari halaman user ketika user pertama
sebelumnya. kali memasuki aplikasi sistem pakar
g. Daftar : user harus memasukkan ini.Adapun tampilan halaman Home dapat
nama untuk dapat berkonsultasi dilihat pada gambar dibawah ini :
h. Komentar : User dapat memberikan
komentar seputar masalah penyakit
ataupun mengenai tampilan web.
Selain itu, pakar dapat mengontrol
komentar yang diberikan user.
i. Contact : user dapat bertanya
langsung dengan menggubungi
alamat yang ada di halaman contact
b. Class Diagram
Gambar 3. Tampilan Halaman Home
Pada halaman Konsultasi ini akan ditampilkan

form penginputan nama ketika user
mengakses halaman konsultasi sehingga user
harus memasukkan namanya untuk
melanjutkan proses konsultasi. Adapun
tampilan halaman Konsultasi adalah :
Gambar 4. Tampilan Halaman Konsultasi
331
Ketika user telah memasukkan namanya

kedalam form tersebut dan telah masuk
kedalam proses konsultasi, maka user akan
menjawab pertanyaan yang akan tampil di
halama konsultasi. Berikut ini tampilan
pertanyaan yang akan dipilih pada halaman
konsultasi :
Gambar 7. Tampilan Halaman Login

Pakar
c. Tampilan Halaman Menu Pakar

Tampilan halaman menu pakar berbeda
dengan tampilan menu untuk user. Pada
halaman menu pakar terdiri dari menu
Gambar 5. Tampilan Halaman Pertanyaan
penyakit, menu gejala, menu relasi, menu
Konsultasi
solusi, menu komentar dan menu logout.
Setelah menjawab pertanyaan demi Adapun tampilan halaman menu pakar sebagai
pertanyaan, maka di dapatkanlah hasil berikut :
diagnose berdasarkan pertanyaan yang telah
dijawab user sehingga hasil ditampilkan
seperti gambar di bawah :
Gambar 8. Tampilan Halaman Menu

Pakar
d. Tampilan Halaman Penyakit

Gambar 6. Tampilan Halaman Hasil Hal-hal yang dapat dilakukan pakar pada
Konsultasi menu penyakit yaitu mengubah penyakit,
menghapus data penyakit dan menambah data
b. Tampilan Halam Pakar penyakit. Dibawah ini merupakan tampilan
Tampilan halaman pakar terdiri dari : halaman penyakit :
Tampilan Halaman Login Pakar
Untuk masuk masuk ke dalam halaman utama
pakar, maka pakar harus login terlebih dahulu.
Jika login gagal maka akan ada pemberitahuan
bahwa username dan password salah. Pakar
harus memasukkan ulang username dan
password sampai database membaca benar
data login yang dimasukkan. Berikut ini
merupakan gambar tampilan halaman login
pakar :
Gambar 9. Tampilan Halaman Penyakit
e. Tampilan Halaman Gejala

Hal-hal yang dapat dilakukan pakar pada
menu gejala yaitu mengubah gejala,
menghapus data gejala dan menambah data
332
gejala. Dibawah ini merupakan tampilan Tabel 7. Tabel Pengujian Sistem

halaman gejala : Berdasarkan Sistem
Gambar 10. Tampilan Halaman Gejala
3.2 Pengujian Sistem

Adapun proses perhitungan nilai
certainty factor berdasarkan pengujian
tanyajawab secara teori adalah sebagai
berikut:
Tabel 6. Contoh perhitungan
JIKA dada terasa sesak

AND keringat dingin
AND pusing atau sakit kepala
AND rasa sakit dan nyeri di dada
MAKA Terkena Penyakit id P001, CF: 0.7
CF(H,e) = CF (E,e) * CF(H,E)
CF(E,e) = 1 nilai kepastian suatu penyakit
CF(H,E) = min [ Rule CF(H,e)]
nilai 1 jika menggunakan min, -1 jika
menggunakan max untuk batas kepastian
CF(H,e) = 1 * min [0.8, 0.8, 0.8, 0.7]
CF(H,e) = 0.7
333
4.KESIMPULAN DAN SARAN

4.1 Kesimpulan
1. Implementasi sistem menggunakan
mesin inferensi menggunakan metode
Certainty Factor Penelusuran dimulai
dari fakta-fakta dan menuju kesimpulan
dimana aturan yang ada ditelusuri satu
persatu hingga penulusuran dihentikan
karna kondisi terakhir terpenuhi.
2. Sistem pakar mendiagnosa penyakit
dalam ini ditujukan untuk mendeteksi
pasien yang mengalami penyakit dalam
dengan seefisien mungkin.
3. Sistem pakar ini telah memenuhi tujuan
syarat dalam pendeteksian penyakit
dengan penggunaan basis data dan basis
aturan. Terdapat spektrum pengetahuan
pakar yaitu spektrum penyakit dan
spektrum gejala serta basis aturan berupa
tabel relasi.
4. Penelitian sistem pakar untuk mendeteksi
penyakit dalam ini diuji coba dengan
memaparkan dengan gejala yang
berbeda-beda untuk menguji kesamaan
diagnosa sistem dengan diagnosa pakar
yang memperoleh angka probabilitas
keakuratan sebesar 86%.
5. Sistem pakar ini berbasis web sehingga
penulis menggunakan software PHP
dengan perancangan database
menggunakan MySQL. Desain interface
menggunakan Macromedia
Dreamweaver sehingga program lebih
interaktif dan mudah digunakan dengan
tampilan yang menarik.
4.2. Saran
Berkaitan dengan adanya kekurangan
dari perancangan sistem pakar ini, maka
diajukan beberapa masukan dan saran-saran
sebagai berikut :
1. Perlunya penambahan data-data gejala
yang menentukan solusi dari sistem
mengingat setiap pasien pada masing-
334
masing penyakit memiliki gejala yang No.1, Universitas Mulawarman,

berbeda satu dengan lainnya, sehingga Samarinda.
solusi yang dihasilkan akan lebih akurat. [2]. Hendra, Asbon, 2012, Pengantar Sistem
2. Sebaiknya sistem dapat mendeteksi Informasi, Andi, Yogyakarta.
penyakit dalam untuk dapat digunakan di [3]. Drs. Allaydrus, 2008,Penyembuhan
berbagai platform. Alamiah Dengan Obatan – obatan
3. Perlunya penambahan data penyakit Tradisonal, CV. Widya Karya,
dalam lain yang lebih umum dengan Semarang.
memasukkan gejala-gejala dan aturan- [4]. Kadir, Abdul, 2009, Membuat Aplikasi
aturan baru, sehingga sistem menjadi Web dengan PHP Dan Database
lebih akurat dan meminimalkan hasil MYSQL, Andi, Yogyakarta.
diagnosa default karna adanya [5]. Kusumadewi.Sri, 2008, Penerapan
keterbatasan pendiagnosaan penyakit. Sistem Pakar dan
Pengimplementasian, Jakarta
[6]. MB. Rahimsyah dan Ki Seger Waras,
PUSTAKA 2010, Penyembuhan Praktis dengan
[1]. Haviluddin. 2011, Memahami Resep Obat Kuno, Karya Ilmu,
Penggunaan UML (Unified Surabaya.
Modelling Language) , Jurnal [7]. Tim Penerbit MediaKomi, 2009, Belajara
Informatika Mulawarman, Vol.6, mengerti JQuery dan PHP,
MediaKom, Yogyakarta.
335
ANALISIS PENGAMBILAN KEPUTUSAN DALAM MEREKOMENDASIKAN

JENIS USAHA RUMAHAN MENGGUNAKAN METODE VIKOR
1 2 3 3
Tia Imandasari , Agus Perdana Windarto , Heru Satria Tambunan , Irfan Sudahri Damanik
1
Telp. (0622) 22431
2,3,4
Telp. (0622) 22431
E-mail: tiaimandasari@gmail.com, agus.perdana@amiktunasbangsa.ac.id
ABSTRAKS
Peluang usaha rumahan sangat terbuka lebar guna menambah penghasilan atau sebagai usaha
sampingan. Terdapat banyak jenis usaha rumahan yang dapat di ciptakan dan dikembangkan
menjadi peluang usaha. Banyaknya jenis usaha rumahan sehingga membuat masyarakat bingung
dalam menentukan jenis usaha yang akan dikelola. Masyarakat yang memiliki modal cenderung
sulit menentukan jenis usaha yang akan dijalankan karena tidak memiliki keahlian khusus dalam
suatu bidang usaha. Disisi lain terdapat masyarakat yang memiliki keahlian namun tidak
memiliki modal yang cukup. Penelitian dilakukan di kotamadya Pematangsiantar. Tujuan
penelitian yaitu untuk membantu dan merekomendasikan jenis usaha rumahan yang tepat pada
masyarakat dalam membantu menumbuhkan perekonomian masyarakat serta menggali potensi
masyarakat dalam berwirausaha. Metode yang digunakan adalah Sistem Pendukung Keputusan
dengan menggunakan metode Visekriterijumsko Kompromisno Rangiranje (VIKOR).
Diharapkan penelitian ini memberikan kontribusi kepada masyarakat dalam merekomendasikan
jenis usaha rumahan yang tepat dengan Metode Visekriterijumsko Kompromisno Rangiranje
(VIKOR) dan memberikan manfaat dalam membantu perekonomian masyarakat.
.
Kata Kunci: Jenis Usaha Rumahan, VIKOR, SPK, Pematangsiantar
1. yang seringP dihadapi masyarakat adalah

endahuluan keahlian. Sebagian jenis usaha ada yang
Usaha rumahan adalah usaha yang membutuhkan keahlian khusus dan ada pula
berbasis pada skala rumah tangga, usaha yang tidak. Masyarakat yang memiliki modal
rumahan sebenarnya membutuhkan waktu cukup namun tidak memiliki keahlian
yang banyak untuk mengembangkannya. sehingga banyak calon pengusaha atau calon
Tingkat keberhasilan usaha rumahan pada saat wirausaha yang takut mengambil keputusan
ini cukup tinggi. Saat ini usaha rumahan sudah untuk memilih jenis usaha yang tepat.
lebih beragam, karena tidak sedikit usaha yang Maka dari itu saya selaku penulis
dilakukan dirumah mampu menunjang melakukan suatu penelitian dengan tujuan
kebutuhan rumah tangga bahkan bisa saja untuk membantu atau merekomendasikan
menjadi pencharian utama. Banyak jenis usaha rumahan yang tepat pada
masyarakat yang berminat mendirikan usaha masyarakat dan untuk membantu
rumahan, selain membantu perekonomian perekonomian masyarakat ataupun menggali
masyarakat, usaha rumahan juga dapat potensi masyarakat dalam berwirausaha.
membuka lapangan pekerjaan. Pertumbuhan Penelitian ini dilakukan di kotamadya
penduduk yang semakin pesat membuat pematangsiantar.
lapangan pekerjaan sulit dicari saat ini, Beragam teknik dan aplikasi telah
Sulitnya mencari pekerjaan membuat dikembangkanuntuk menyelesaikan
banyaknya pengangguran dan meningkatkan ketidaktepatan dalam pengambilan keputusan,
tingkat kemiskinan. Bagi sebagian yaitu salah satunya berupa sistem pendukung
masyarakat, mendirikan sebuah usaha atau keputusan (SPK). Aplikasi-aplikasi SPK untuk
berwirausaha bukanlaha suatu hal yang membantu memberikan penilaian telah
mudah. Masalah utama yang sering dihadapi dikembangkan, di antaranya untuk penentuan
masyarakat adalah modal. Kurangnya modal kelayakan lokasi usaha (Imanuwelita,
yang dimiliki masyarakat sering membuat Regasari, Putri, & Amalia, 2018) untuk
masyarakat mengurungkan niat untuk menentukan jenis usaha potensial di kawasan
berwirausaha. Selain modal, masalah lain wisata (Helling, n.d.) dan pemilihan jenis
336
usaha yang sesuai bagi wirausaha maupun SPK dalam merekomendasikan unit terbaik di
pengusaha (Mukhlis, 2015). PDAM Tirta Lihou menggunakan metode
Dengan menggunakan alternatif, dan Promethee. Penelitian ini bertujuan untuk
kriteria yang berbeda dengan penelitian di mengembangkan sistem pendukung keputusan
atas, penelitian ini bertujuan mengembangkan dalam menentukan unit produksi terbaik di
sistem pendukung keputusan menggunakan PDAM Tirta Lihou, Kabupaten Simalungun.
metode VIKOR untuk melakukan (Sari, Windarto, Hartama, & Solikhun, 2018)
pemeringkatan usaha rumahan terbaik secara juga menggunakan SPK untuk untuk
objektif dari bebrapa alternatif. Pemeringkatan rekomendasi kelulusan sidang skripsi
ini digunakan untuk menentukan usaha menggunakan metode AHP-TOPSIS.
rumahan terbaik berdasarkan kriteria yang
ada. Diharapkan penelitian ini memberikan 2. Metode VIKOR (VIsekriterijumsko
kontribusi kepada masyarakat dalam Kompromisno Rangiranje)
merekomendasikan jenis usaha rumahan yang VIKOR (VlseKriterijumska Optimizacija I
tepat menggunakan metode Visekriterijumsko Kompromisno Resenje dalam bahasa Serbia,
Kompromisno Rangiranje (VIKOR). yang
Pada penelitian ini, akan digunakan artinya Multicriteria Optimization dan
metode VIKOR sebagai metode untuk Compromise
penentuan Solution) adalah metode perankingan dengan
usaha rumahan. Metode VIKOR dipilih menggunakan indeks peringkat multikriteria
karena kemampuannya dalam perangkingan berdasarkan ukuran tertentu dari kedekatan
dan dapat mengompromi alternatif yang ada. dengan solusi yang ideal. Metode VIKOR
Sehingga metode ini dirasa sangat tepat merupakan salah satu metode yang dapat
digunakan dalam merekomendasikan usaha dikategorisasikan dalam Multicriteria decision
rumahan. analysis (Simamora, 2017).
Konsep dasar VIKOR adalah menentukan
1.1 Tinjauan Pustaka ranking dari sampel-sampel yang ada dengan
1. Sistem Pendukung Keputusan melihat hasil dari nilai-nilai utilitas dan
(SPK) regrets dari setiap sampel. Metode VIKOR
Sistem Pendukung Keputusan (SPK)/ telah digunakan oleh beberapa peneliti dalam
Decision Support System (DSS) pertama kali MCDM, seperti dalam pemilihan vendor
diungkapkan pada awal tahun 1970-an oleh (Datta, 2010). Metode VIKOR digunakan
Michael S. Scott Morton dengan istilah karena kelebihannya dalam perangkingan
Manajement Decision Systems . Sistem ini alternatif, pemberian solusi kompromi, serta
merupakan suatu sistem yang berbasis penentuan stabilitas pemeringkatan dalam
komputer yang ditujukan untuk membantu mendukung keputusan. (Suwardika, 2018)
pengambil keputusan dalam memanfaatkan juga menggunakan metode MCDM dalam
data dan model tertentu untuk memecahkan penerapan metode VIKOR pada pengambilan
berbagai persoalan yang bersifat semi kepuatusan seleksi calon penerima beasiswa
terstruktur dan tidak terstruktur (Yuwono, bidikmisi universitas terbuk. Sistem
Kodong, & Yudha, 2001). Sistem pendukung pendukung keputusan pemilihan siswa
keputusan mempunyai 3 komponen utama berprestasi di sekolah menengah pertama
yaitu : dengan metode VIKOR dan TOPSIS
a. Subsistem manajemen data/basis (Pratama, Werdiningsih, & Puspitasari, 2017).
data. Prosedur perhitungan metode VIKOR
b. Subsistem manajemen model/basis menurut (Imanuwelita et al., 2018) mengikuti
model. tahap-tahap di bawah ini:
c. Subsistem penyelenggara dialog. 1.
Sistem pendukung keputusan tidak enghitung Normalisasi Matrik Keputusan
ditekankan untuk membuat keputusan dengan Perhitungan normalisasi matrik
sekumpulan kemampuan untuk mengolah keputusan terhadap setiap data
informasi atau data yang diperlukan dalam
proses pengambilan keputusan tetapi sistem
(1)
hanya berfungsi sebagai alat bantu manajemen
(Jamila, 2012).
Di mana merupakan
Sejumlah perusahaan, lembaga penelitian
dan perguruan tinggi mulai melakukan alternatif/lokasi ke 1,2,3, hingga ke-m,
penelitian dan membangun SPK seperti merupakan kriteria ke 1,2,3, hingga ke-n,
(Imandasari & Windarto, 2017) menggunakan adalah nilai elemen dari setiap kriteria dan fij
337
merupakan nilai hasil normalisasi. Akan 5. Melakukan pemeringkatan nilai

diperoleh matrik F yang mengandung Utility Measure , Regret Measure
keseluruhan nilai elemen hasil normalisasi, dan VIKOR (
ditunjukkan melalui Persamaan (2). Pemeringkatan terhadap ketiga nilai
yakni dan dilakukan
berdasarkan nilai terbesar hingga nilai
(2) yang terkecil (ascending order), dengan
nilai terkecil merupakan kandidat
terbaik. Sehingga akan diperoleh
1. Tentukan nilai terbaik fi* dan nilai tiga buah daftar/versi pemeringkatan.
terburuk fi-untuk semua fungsi kriteria, Mengajukan solusi kompromi
Jika fungsi kriteria ke-i berupa kriteria berdasarkan pemenuhan kondisi C1 dan
keuntungan (benefit) maka C2 Solusi kompromi berupa alternatif
( diajukan ketika kondisi C1 dan C2
(3) terpenuhi di mana alternatif
(4) merupakan alternatif
yang menempati peringkat pertama
Jika kriteria ke-i merupakan fungsi kriteria dalam pemeringkatan nilai VIKOR (
cost, maka, Adapun kondisi C1 dan C2 dijelaskan
(5) sebagai berikut:
(6) a. Kondisi C1 : ―Penerimaan
Keuntungan‖
3. Menghitung Nilai Utility Measure Syarat terpenuhinya kondisi C1 atau
dan Regret Measure penerimaan keuntungan adalah dengan
membandingkan selisih nilai alternatif
Untuk mendapatkan nilai dan
peringkat kedua dengan alternatif pada
diperlukan nilai bobot kriteria. Bobot kriteria
peringkat pertama terhadap nilai DQ.
bertujuan untuk merepresentasikan
Persamaan (12) dan (13) menjelaskan
kepentingan relatif. Nilai dan dihitung cara terpenuhinya kondisi C1 secara
secara berturut-turut melalui Persamaan (7) matematis.
dan (8).
(7)
(12)
(8)
4. Menghitung Nilai VIKOR( )

Sebelum menghitung nilai VIKOR, (13)
nilai
b. Kondisi C2 : ―Penerimaan Stabilitas
dari
dalam
berdasarkan Persamaan (9) hingga Persamaan
(10) secara berurutan sebagai berikut:
Pendukung Keputusan‖ Untuk
memenuhi kondisi C2, alternatif
(9)
harus pula menduduki peringkat pertama
dalam pemeringkatan nilai
Apabila kondisi C2
(10) terpenuhi, maka kestabilan solusi
kompromi diterima dalam proses
v = bobot strategi dari kriteria mayoritas pengambilan keputusan. Adapun jenis
atau utilitas kelompok maksimum, dalam kestabilan yang dicapai, berupa:
hal ini v = 0.5. Persamaan (11) a. Terpilih oleh ―majority rule”, ketika
menjelaskan proses mendapatkan nilai > 0,5
VIKOR untuk masingmasing alternatif b. Terpilih oleh ―consensus‖, ketika ≈
lokasi usaha. 0,5
c. Terpilih secara ―veto‖, ketika < 0,5
Apabila salah satu kondisi tidak
(11) terpenuhi, beberapa solusi kompromi
338
akan diajukan. Solusi kompromi dapat Dalam berwirausaha membaca peluang

terdiri atas: hal yang paling penting. Sehingga kriteria ini
a. Alternatif, jika dan hanya jika pertimbangan dalam menentukan usaha
kondisi C2 tidak terpenuhi. rumahan
b. Alternatif, , ,…, , apabila 4. Kebutuhan Tenaga Kerja
kondisi C1 tidak terpenuhi Biasanya dalam berwirausaha, tidak
(14) semua usaha dapat dijalankan sendiri.
Beberapa usaha juga membutuhkan tenaga
2.2 Metodologi Penelitian kerja untuk dapat membantu jalannya suatu
Penelitian ini dilakukan di Kotamadya usaha.
Pematangsiantar. Data penelitian diperoleh 5. Keahlian
dengan melakukan wawancara secara Beberapa jenis usaha ada yang
langsung dan pemberian kuesioner kepada membutuhkan keahlian khusus dan juga tidak
responden untuk memilih jenis usaha rumahan membutuhkan keahlian. Usaha yang tidak
yang tepat. Total sampel data yang digunakan membutuhkan keahlian khusus akan lebih
adalah 105 responden. Data yang telah membudahkan wirausaha dalam menjalankan
terkumpul selanjutnya diolah untuk usahanya.
mendapatkan faktor-faktor dalam 6. Prospek Usaha
merekomendasikan usaha rumahan. Proses Adapun bobot penilaian untuk masing-
penyelesaian menggunakan salah satu metode masing kriteria sebagai berikut :
yang ada di Sistem Pendukung Keputusan Tabel 1. Bobot Kriteria
yakni VIKOR. Perancangan diagram use case
ditunjukkan dalam Gambar 1.
Sebelum data diolah dan diubah dalam bentuk

matriks , data yang diperoleh dikonversi
terlebih dahulu menggunakan pembobotan
Fuzzy Data matrik keputusan menunjukkan
nilai usaha rumahan terhadap setiap kriteria.
Tabel 2 menjelaskan aturan konversi data ke
dalam skor kepentingan yang menjadi dasar
Gambar 1. Diagram use case dari sistem penentuan matrik keputusan.
Pengambilan keputusan yaitu intelligence, Tabel 2. Aturan Konversi Data

design, Berdasarkan Kriteria
choice, dan implementation
3. Pembahasan
Data yang telah terkumpul selanjutnya
diolah untuk mendapatkan faktor-faktor dalam
merekomendasikan usaha rumaha. Dalam
penelitian ini digunakan 15 alternatif dan
enam kriteria. Kriteria yang digunakan
sebagai berikut :
1. Modal
Modal yang tidak terlalu besar
memperlihatkan bahwa usaha tersebut layak
direkomendasikan. Sehingga kriteria modal
menjadi bobot penilaian tertinggi dalam
penelitian merekomendasikan usaha rumahan. Berdasarkan informasi skala konversi data
2. Lokasi Usaha actual pada Tabel 2, informasi
Lokasi usaha merupakan penentu dalam ditransformasikan ke dalam matrik keputusan
menjalankan sebuah usaha. Jika lokasi usaha pada Tabel 3. Pada Tabel 3, kriteria
strategis maka akan memberikan peluang disimbolkan dengan A,B,C,D,E, dan F.
besar terhadap usaha yang dijalankan.
3. Peluang Pasar
339
Tabel 3. Matriks Keputusan Tabel 5. Nilai tebaik dan terburuk

Kriteria f* 0,05102 0,025 0,092593 0,023077 0,018182 0,039683
No Alternatif
A B C D E F
1 Agen Pulsa 0,5 0,3 0,2 0,5 0,5 0,5 f- 0,020408 0,041667 0,037037 0,038462 0,045455 0,02381
2 Menjual Barang Online 0,5 0,3 0,3 0,5 0,5 0,3
3 Usaha Kerajinan Tangan 0,5 0,5 0,5 0,5 0,5 0,5 3. Menghitung Nilai Utility Measure dan
4 Jasa Potong Rambut 0,5 0,3 0,2 0,5 0,3 0,3 Regret Measure
5 Penjahit Pakaian 0,3 0,3 0,2 0,5 0,2 0,5
Pada tahap ini, dalam menentukan nilai
6 Desain Grafis dan Fotografi 0,3 0,3 0,3 0,5 0,3 0,3
7 Usaha Makanan Olahan 0,3 0,5 0,2 0,3 0,3 0,5
Utility Measure digunakan persamaan (5)
8 Toko Bunga 0,2 0,5 0,2 0,5 0,5 0,5 dan persamaan (6) untuk menentukan nilai
9 Jasa Laundry 0,2 0,5 0,2 0,3 0,3 0,5 Regret Measure . Nilai dari Utility
10 Jasa Pengetikan dan Fotocopy 0,2 0,3 0,2 0,5 0,3 0,3 Measure dan Regret Measure dapat
11 Pencucian Kendaraan Bermotor 0,3 0,3 0,2 0,5 0,5 0,3 dilihat pada Tabel 6 dan Tabel 7.
12 Pedagang Kelontong 0,2 0,3 0,2 0,5 0,5 0,5
13 Kedai Kopi 0,5 0,3 0,2 0,5 0,5 0,3
14 Penjual Tiket 0,3 0,5 0,2 0,5 0,5 0,5
Tabel 6. Nilai Utility Measure
15 Jasa Sol Sepatu dan Tas 0,3 0,3 0,3 0,5 0,2 0,5 A B C D E F
Setelah menentukan matriks keputusan, 0 1 1 1 1 0
selanjutnya masuk kedalam tahap 0 1 0,666667 1 1 1
penyelesaian metode VIKOR : 0 0 0 0 1 0
1. Normalisasi Matriks 0 1 1 1 0,333333 1
Perhitungan normalisasi matrik
keseluruhan dapat dilihat pada Tabel 4. Dalam 0,666667 1 1 1 0 0
menghitung normalisasi matriks digunakan 0,666667 1 0,666667 1 0,333333 1
persamaa (1) dan diperoleh matris F yang 0,666667 0 1 0 0,333333 0
mengandung keseluruhan nilai elemen hasil 1 0 1 1 1 0
normalisasi. 1 0 1 0 0,333333 0
Tabel 4. Normalisasi Matriks 1 1 1 1 0,333333 1
Keputusan
0,666667 1 1 1 1 1
A B C D E F
0,05102 0,025 0,037037 0,038462 0,045455 0,039683
1 1 1 1 1 0
0,05102 0,025 0,055556 0,038462 0,045455 0,02381 0 1 1 1 1 1
0,05102 0,041667 0,092593 0,023077 0,045455 0,039683 0,666667 0 1 1 1 0
0,05102 0,025 0,037037 0,038462 0,027273 0,02381 0,666667 1 0,666667 1 0 0
0,030612 0,025 0,037037 0,038462 0,018182 0,039683
0,030612 0,025 0,055556 0,038462 0,027273 0,02381 Tabel 7. Nilai Regret Measure
A B C D E F
0,030612 0,041667 0,037037 0,023077 0,027273 0,039683
0 0,006667 0,012037 0,002769 0,001818 0
0,020408 0,041667 0,037037 0,038462 0,045455 0,039683 0 0,006667 0,008025 0,002769 0,001818 0,003571
0,020408 0,041667 0,037037 0,023077 0,027273 0,039683 0 0 0 0 0,001818 0
0,020408 0,025 0,037037 0,038462 0,027273 0,02381 0 0,006667 0,012037 0,002769 0,000606 0,003571
0,030612 0,025 0,037037 0,038462 0,045455 0,02381 0,013605 0,006667 0,012037 0,002769 0 0
0,013605 0,006667 0,008025 0,002769 0,000606 0,003571
0,020408 0,025 0,037037 0,038462 0,045455 0,039683 0,013605 0 0,012037 0 0,000606 0
0,05102 0,025 0,037037 0,038462 0,045455 0,02381 0,034014 0 0,012037 0,002769 0,001818 0
0,030612 0,041667 0,037037 0,038462 0,045455 0,039683 0,020408 0 0,012037 0 0,000606 0
0,030612 0,025 0,055556 0,038462 0,018182 0,039683 0,020408 0,006667 0,012037 0,002769 0,000606 0,003571
0,013605 0,006667 0,012037 0,002769 0,001818 0,003571
0,020408 0,006667 0,012037 0,002769 0,001818 0
2. Tentukan nilai terbaik fi* dan nilai 0 0,006667 0,012037 0,002769 0,001818 0,003571
terburuk fi-untuk semua fungsi kriteria 0,013605 0 0,012037 0,002769 0,001818 0
Sebelum menentukan nilai terbaik dan nilai 0,013605 0,006667 0,008025 0,002769 0 0
terburuk untuk fungsi kriteria, kita harus 4. Menghitung Nilai VIKOR( )
menentukan mana kriteria yang bernilai Setelah menghitung nilai Utility Measure
benefit dan cost. Berdasarkan dari enam dan Regret Measure selanjutnya
kriteria yang digunakan. Kriteria B, D dan E menghitung niali VIKOR. Sebelum
adalah kriteria cost, sedangkan kriteria A,C, menghitung nilai , nilai
dan F merupakan kriteria benefit. Maka dari
digunakan persamaan (3) dan (4) dalam berdasarkan Persamaan (9) hingga Persamaan
menentukan nilai terbaik dan terburuk dari (10) secara berurutan. Setelah menentukan
setiap kriteria berdasarkan kriteria benefit dan nilai , lalu
cost. menjumlahkan nilai dan dari setiap
340
alternatif. Dalam menghitung nilai VIKOR alternatif ke-7 dengan nilai 1,964634,
digunakan persamaan (11) seperti yang alternatif ke-9 nilai , alternatif
terlihat pada Tabel 8. ke-8 dan ke-15.
Tabel 8. Nilai VIKOR 4. Kesimpulan

S R Q Hasil penelitian menunjukan bahwa
4 0,023291 2,967477 metode vikor dapat membantu dalam
4,666667 0,02285 3,757077 menentukan usaha rumahan berdasarkan
1 0,001818 1 kriteria yang telah ditetapkan dan telah diberi
4,333333 0,02565 3,232146 bobot penilaian.
3,666667 0,035078 3,122464 Metode VIKOR sangat berguna dalam
4,666667 0,035244 4,582273 membantu untuk membuat keputusan karena
2 0,026249 1,964634 dapat membuat pemeringkatan alternatif
4 0,050638 2,744379 kompromi dari sejumlah alternatif yang ada.
2,333333 0,033051 1,976423
Dalam penelitian ini dapat dilihat bahwa
5,333333 0,046059 4,897669
ada lima alternatif yang berhak
direkomendasikan yaitu alternatif ke-3 dengan
5,666667 0,040468 9,139474
nilai dan alternatif ke- 7,9,8, dan 15.
5 0,043699 3,570632
Untuk penelitian selanjutnya, kriteria dan
5 0,026863 3,615829
alternatif dapat ditambah, sehingga data yang
3,666667 0,03023 2,944282
dimasukkan lebih bervariasi. Selain itu,
3,333333 0,031066 2,808343 metode VIKOR dapat dibandingkan dengan
metode lain.
5. Melakukan pemeringkatan
Setelah mendapatkan nilai dan dan PUSTAKA
, selanjutnya melakukan pemeringkatan Datta, S. (2010). Comparative Study on
derhada nilai . dalam menghitung indeks Application of Utility Concept and
VIKOR dengan persamaan (11) digunakan Vikor Method for Vendor Selection.
v=0,5 , dimana nilai v dapat juga berkisar 0-1. AIMS International Conference on
Pada Tabel 9 dapat dilihat perangkingan Value-Based Management, 1(2006),
menggunakan nilai v yang berbeda , yaitu v < 614–622.
0,5 menggunakan nilai 0,4 dan v> 0,5 Helling, L. S. (n.d.). Metode ahp untuk
menggunakan nilai 0,6 sehingga diperoleh 3 menentukan jenis usaha potensial di
perangkingan dengan nilai v yang berbeda. kawasan wisata, (88).
Imandasari, T., & Windarto, A. P. (2017).
Tabel 9. Perangkingan Sistem Pendukung Keputusan dalam
Q=v(0,5) Rank v=0,5 Q=v(0,4) Rank v=0,4 Q=v(0,6) Rank v=0,6 Merekomendasikan Unit Terbaik di
2,967477 9 2,760973 10 3,173982 9
3,757077 4 3,575158 4 3,938995 4
PDAM Tirta Lihou Menggunakan
1 15 1 15 1 15 Metode Promethee. Jurnal Teknologi
3,232146 7 3,011908 8 3,452383 7 Dan Sistem Komputer, 5(4), 159.
3,122464 8 3,013623 7 3,231304 8 https://doi.org/10.14710/jtsiskom.5.4.2
4,582273 3 4,198728 3 4,965819 3 017.159-165
1,964634 14 1,957561 13 1,971707 14
2,744379 12 2,493255 12 2,995504 11
Imanuwelita, V., Regasari, R., Putri, M., &
1,976423 13 1,90504 14 2,047805 13 Amalia, F. (2018). Penentuan
4,897669 2 4,377203 2 5,418135 2 Kelayakan Lokasi Usaha Franchise
9,139474 1 7,967368 1 10,31158 1 Menggunakan Metode AHP dan
3,570632 6 3,284759 6 3,856506 6
VIKOR, 2(1), 122–132.
3,615829 5 3,338995 5 3,892663 5
2,944282 10 2,799805 9 3,088759 10
Jamila. (2012). Sistem Pendukung
2,808343 11 2,703345 11 2,913341 12 Keputusan Pemilihan Subkontrak
Dapat dilihat, setelah menggunakan v= 0,5, Produksi Sarung Tangan Menggunakan
v=0,4, dan v=0,6 terdapat beberapa peringkat Metode Entropy Dan Topsis. Seminar
yang sama baik dengan v=0,4 maupun v=0,6. Nasional Informatika 2012 (semnasIF
Pada alternatif ke-3 tidak mengalami 2012), 5(2), 62–70.
perubahan posisi dalam pemeringkatan https://doi.org/10.22146/ijccs.2013
kompromi ini. Maka alternatif ketiga yaitu Mukhlis, M. (2015). SISTEM
Usaha Kerajinan Tangan merupakan PENDUKUNG KEPUTUSAN
peringkat terbaik dalam pemeringkatan PEMILIHAN JENIS USAHA YANG
dengan nilai dan beberapa alternatif SESUAI BAGI WIRAUSAHA
lain yang dapat direkomendasikan yaitu MAUPUN PENGUSAHA DI
341
BANJARBAU DENGAN METODE Simamora, B. (2017). Rancang Bangun

SAW. Sistem Rekomendasi Televisi LED
Pratama, R. P., Werdiningsih, I., & Dengan Metode Vikor Berbasis Web,
Puspitasari, I. (2017). Sistem IX(1), 42–49.
Pendukung Keputusan Pemilihan Suwardika, G. & I. K. P. S. (2018).
Siswa Berprestasi di Sekolah Penerapan Metode VIKOR pada
Menengah Pertama dengan Metode Pengambilan Keputusan Seleksi Calon
VIKOR dan TOPSIS. Journal of Penerima Beasiswa Bidikmisi
Information System Engineering and Universitas Terbuka, 2(1), 24–35.
Business Intelligence, 3(2). Yuwono, B., Kodong, F. R., & Yudha, H. A.
Sari, D. R., Windarto, A. P., Hartama, D., & (2001). Sistem Pendukung Keputusan
Solikhun, S. (2018). Sistem Pendukung Menggunakan Metode Promethee
Keputusan untuk Rekomendasi Kelulusan (Studi Kasus : Stasiun Pengisian Bahan
Sidang Skripsi Menggunakan Metode Bakar Umum). Sistem
AHP-TOPSIS. Jurnal Teknologi Dan Pendukung…(Bambang). Retrieved
Sistem Komputer, 6(1), 1. from
https://doi.org/10.14710/jtsiskom.6.1.2 http://repository.upnyk.ac.id/1954/1/8_
018.1-6 BAYU_RICHARD_SPK.pdf
342
ANALISIS SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN

ANGGOTA PANITIA MAHASISWA BARU (PMB) DENGAN
METODE SAW
Winanda Alifah1, Sundari Retno Andani2, Suhada3, Mhd. Ridwan Lubis4,
1
Telp. (0622) 22431
2,3,4
Telp. (0622) 22431
E-mail: winandaa26@gmail.com, sundarira@amiktunasbangsa.ac.id
ABSTRAKS
Kegiatan Penerimaan Mahasiswa Baru (PMB) rutin dilakukan di AMIK Tunas Bangsa disetiap
tahun ajaran baru. Adanya kegiatan PMB ini membutuhkan beberapa anggota untuk membantu
berlangsungnya kegiatan PMB tersebut. Salah satu syarat menjadi anggota PMB yaitu para
mahasiswa yang masih aktif perkuliahan di AMIK Tunas Bangsa Pematangsiantar baik dari
jenjang D3 maupun S1 dan dari program studi mana saja. Namun dengan adanya syarat tersebut
membuat banyak para mahasiswa yang ingin menjadi anggota PMB. Tetapi tidak lah mungkin
semua para mahasiswa menjadi anggota PMB,mengingat hanya beberapa orang anggota saja
yang diterima menjadi anggota PMB sesuai dengan kriteria yang ditentukan oleh PMB. Maka
dengan adanyapermasalahan seperti diatas, perlu dilakukan analisis pemilihan anggota PMB
dengan Sistem Pendukung Keputusan menggunakan metode SAW (Simple Additive Weighting)
agar mendapatkan anggota PMB yang layak sesuai dengan syarat dan ketentuan PMB.
Keywords : SPK, SAW, Pemilihan Anggota PMB
1. PENDAHULUAN penampilan.Namun terkadang masih terjadi

AMIK Tunas Bangsa salah satu instansi kesalahan dalam pemilihan anggota yang tidak
pendidikan yang berada di kota Pematangsiantar sesuai dengan yang diharapkan. Dengan adanya
yang tiap tahun membuka penerimaan masalah yang timbul maka dibentuk analisis
mahasiswa baru. Kegiatan Penerimaan sistem pendukung keputusan dengan metode
Mahasiswa Baru (PMB) merupakan kegiatan SAW.
rutin yang dilaksanakan oleh instansi Tujuan dilakukannya analisis tersebut untuk
penyelenggara pendidikan di setiap tahunnya, membantu memilih anggota PMB sesuai dengan
kenyataan di lapangan menyebutkan bahwa harapan sehingga tidak ada pihak yang dirugikan
beberapa instansi pendidikan kurang siap dalam dengan sistem pendukung keputusan yang
penyelenggaraan Penerimaan Mahasiswa Baru memberikan pilihan alternatif.
(PMB). Rumitnya masalah pendaftaran 1.1 Sistem Pendukung Keputusan
menimbulkan kurangnya efisiensi di kegiatan Sistem Pendukung Keputusan adalah sistem
Penerimaan Mahasiswa Baru (PMB). penghasil informasi spesifik yang ditujukan
Oleh karena itu pihak AMIK Tunas Bangsa untuk memecahkan suatu masalah tertentu yang
membentuk sebuah panitia yang dinamakan harus dipecahkan oleh manager pada berbagai
Panita PMB dengan tujuan untuk memberikan tingkatan. Dengan kata lain Sistem Pendukung
informasi, memudahkan para mahasiswa baru Keputusan adalah suatu sistem informasi
untuk mendaftar hingga melaksanakan masa berbasis komputer yang menghasilkan berbagai
orientasi siswa. alternatif keputusan untuk membantu
Dalam panitia PMB tersebut terdiri dari manajemen dalam menangani berbagai
beberapa orang dosen, staff dan beberapa permasalahan yang terstruktur dengan
anggota yang dipilih dari beberapa mahasiswa. menggunakan data dan model (H. Faqih and J.
Beberapa bulan sebelum dibukanya proses Irigasi,2014).
penerimaan mahasiswa baru, pihak panitia PMB 1.1.2 Ciri –Ciri Sistem Pendukung
terlebih dahulu melakukan pendaftaran atau Keputusan
pemilihan anggota PMB yang ditujukan untuk Adapun ciri-ciri SPK menurut Alters Keen
para mahasiswa yang berstatus aktif di AMIK di dalam pustaka Eddy Prahasta (2009:106)
Tunas Bangsa Pematangsiantar. Pemilihan adalah:
anggota PMB dilakukan dengan melihat dari a). SPK ditujukan untuk membantu
beberapa kriteria yaitu, motivasi kerja, disiplin, pengambilan keputusan - keputusan
terhadap permasalahan yang kurang
343
tanggung jawab, kepercayaan diri dan
terstruktur yang pada umumnya pada semua atribut (Fishburn,1967)

dihadapi oleh para manajer yang berada (MacCrimmon, 1968). Pada metode SAW ini
di tingkat atas. juga terdapat dua model persamaan, yaitu benefit
b) SPK merupakan gabungan antara dan cost. Penggunaan perhitungan dengan
kumpulan model kualitatif dan persamaan benefit pada saat atribut dari
kumpulan data. kriteria bersifat keuntungan dan diambil
c) SPK memiliki fasilitas interaktif yang dari nilai yang tertinggi, sedangkan cost
dapat mempermudah hubungan antar digunakan dalam perhitungan yang bersifat
manusia dengan mesin (komputer). biaya dan diambil nilai yang terendah
d) SPK bersifat fleksibel dan dapat (Muthe, 2013).
menyesuaikan diri terhadap perubahan- Formula untuk melakukan normalisasi
perubahan yang terjadi. tersebut adalah :
1.1.3 Jenis-jenis Sistem Pendukung =

Keputusan
Dalam sistem pendukung keputusan terdapat tiga
jenis keputusan, yaitu: (1)
1. Keputusan Terstruktur
Keputusan terstruktur adalah keputusan
yang dilakukan secara berulang-ulang dan Keterangan :
bersifat rutin. Informasi yang dibutuhkan = Nilai rating kerja ter-normalisasi
spesifik, terjadwal, sempit, interaktif, real = Nilai atribut yang dimiliki setiap
time, internal, dan detail. Prosedur yang
alternatif
dilakukan untuk pengambilan keputusan
= Nilai terbesar
sangat jelas. Keputusan ini terutama
= Nilai terkecil
dilakukan pada manajemen tingkat bawah.
Benefit = Jika nilai terbesar adalah terbaik
Contoh : keputusan penagihan piutang,
menentukan kelayakan lembur, mengisi Cost = Jika nilai terkecil adalah terbaik
persediaan, dan menawarkan kredit pada
pelanggan. Dimana adalah rating kinerja
2. Keputusan Semiterstruktur ternormalisasi dari alternatif pada atribut ; i
Keputusan semiterstruktur adalah = 1, 2, …., m dan j = 1, 2, …, n.
keputusan yang mempunyai sifat yakni
sebagian keputusan dapat ditangani oleh Nilai prefensi untuk setiap alternatif ( )
komputer dan yang lain tetap harus diberikan sebagai :
dilakukan oleh pengambil keputusan.
Informasi yang dibutuhkan fokus, spesifik,
interaktif, internal, real time, dan terjadwal. = ..(2)
Contoh : pengevaluasian kredit,
penjadwalan produksi dan pengendalian Keterangan :
sediaan, merancang rencana pemasaran, = Rangking untuk setiap alternatif
dan mengembangkan anggaran departemen. = Nilai bobot dari setiap kriteria
3. Keputusan Tidak Terstruktur
Keputusan tak terstruktur adalah = Nilai rating kerja ternormalisasi
keputusan yang penanganannya rumit
karena tidak terjadi berulang-ulang atau Nilai yang lebih besar mengindikasikan
tidak selalu terjadi. Keputusan ini menuntut bahwa alternatif lebih terpilih.
pengalaman dan berbagai sumber yang
bersifat eksternal. Keputusan ini umumnya Langkah penyelesaian Metode Simple
terjadi pada manajemen tingkat atas. Additive Weighting(SAW), diantaranya:
Informasi yang dibutuhkan umum, luas, 1. Memberikan nilai setiap alternatif ( ) pada
internal, dan eksternal. Contoh : setiap kriteria ( ) yang sudah ditentukan,
Pengembangan teknologi baru, keputusan dimana nilai i = 1, 2, …, m dan j = 1, 2, …,
untuk bergabung dengan perusahaan lain, n.
perekrutan eksekutif. 2. Memberikan nilai bobot (W) yang juga
didapatkan berdasarkan nilai keanggotaan.
1.2 Metode Simple Additive Weighting 3. Melakukan normalisasi matriks dengan cara
(SAW) menghitung nilai rating kerja ternormalisasi
Metode SAW sering juga dikenal istilah ( ) dari alternatif ( ) pada atribut ( )
metode penjumlahan terbobot. Konsep dasar berdasarkan persamaan yang disesuaikan
metode SAW adalah mencari penjumlahan dengan jenis atribut (atribut keuntungan /
terbobot dari rating kinerja pada setiap alternatif benefit = MAKSIMUM atau
344
atribut biaya / cost = MINIMUM). John Creswell (1996) memperkenalkan lima

Apabila berupa atribut keuntungan jenis metode penelitian kualitatif, yaitu Biografi,
maka nilai keanggotaan ( ) dari setiap Fenomenologi, Grounded-theoryEtnografi, dan
kolom atribut dibagi dengan nilai Studi Kasus.
keanggotaan MAX (MAX ) dari tiap
kolom, sedangkan untuk atribut biaya, 2.1 Flowchart Program
nilai keanggotaan MIN (MIN ) dari
tiap kolom atribut dibagi dengan nilai
keanggotaan ( ) setiap kolom.
4. Melakukan proses perangkingan untuk
setiap alternative ( ) dengan cara
mengalikan nilai bobot ( ) dengan
nilai rating kinerja ternormalisasi ( ).
1.2.1 Keuntungan dari metode SAW

Dibawah ini ada beberapa keuntungan
Simple Additive Weighting (SAW) menurut
(Kusrini,2007): Gambar 1. Flowchart dengan
1. Simple Additive Weighting (SAW) Algoritma SAW
memberikan suatu model yang mudah
dimengerti, luwes untuk bermacam- 2.2 Pemecahan Masalah
macam persoalan yang tidak Pada penelitian ini penulis menggunakan
terstruktur. metode Simple Additive Weighting (SAW) dalam
2. Simple Additive Weighting (SAW) pemilihan anggota PMB AMIK Tunas Bangsa
mencerminkan cara berpikir alami Pematangsiantar. Metode ini memerlukan
untuk memilah-milah elemen-elemen kriteria-kriteria dan bobot untuk melakukan
dari suatu system ke dalam berbagai perhitungannya sehingga akan didapat alternatife
tingkat berlainan dan mengelompokkan terbaik.
unsur yang serupa dalam setiap tingkat. Terdapat 15 orang mahasiswa yang akan
3. Simple Additive Weighting (SAW) mengikuti pemilihan anggota PMB yang dinilai
memberikan suatu skala pengukuran berdasarkan kriteria yang sudah ditentukan.
dan memberikan metode untuk Namun dari 15 orang kandidat yang akan dipilih
menetapkan prioritas. menjadai anggota PMB hanya 6 orang. Berikut
4. Simple Additive Weighting (SAW) 15 orang mahasiswa yang menjadi kandidat
memberikan penilaian terhadap (Alternatif) tersebut adalah :
komsistensi logis dari pertimbangan- A1 = Winanda Alifah
pertimbangan yang digunakan dalam A2 = Lulu Apriliani
menentukan prioritas. A3 = Irdayanti Kesogihen
5. Simple Additive Weighting (SAW) A4 = Ahmad Revi
menuntun ke suatu pandangan A5 = Wiwik Katrina
menyeluruh terhadap alternatif yang A6 = Erlangga P. Samodra
muncul untuk masalah yang dihadapi. A7 = Muhammad Fadly
6. Simple Additive Weighting (SAW) A8 = Mullian Suhada
memberikan suatu sarana untuk A9 = Rizka Astuti
penilaian yang tidak dipaksakan tetapi A10 = Dina Argita
merupakan penilaian yang sesuai A11 = Hanny Sitio
pandangan masing-masing. A12 = Sufiana Indah Sari Siregar
7. Simple Additive Weighting (SAW) A13 = Sri Indah Wahyuni
memungkinkan setiap orang atau A14 = Amalia Ramadani
kelompok untuk mempertajam A15 = Mutia Rahma Laily
kemampuan logic dan intuisinya
terhadap persoalan yang dipetakan Ada 5 kriteria yang digunakan untuk
melalui Simple Additive Weighting melakukan penilaian yaitu :
(SAW). C1 = Motivasi kerja
C2 = Disiplin
2. PEMBAHASAN C3 = Tanggung jawab
Metode yang penulis gunakan dalam C4 = Kepercayaan diri
penelitian ini, yaitu metode kualitatif. Metode C5 = Penampilan
kualitatif adalah penelitian yang menekankan
pada quality atau hal yang terpenting dari Pengambil keputusan memberikan
sifat suatu barang / jasa. bobot untuk setiap kriteria sebagai berikut :
345
C1 = 30% 3. Langkah ketiga pembentukan matriks

C2 = 20% keputusan dibentuk.
C3 = 20%
C4 = 15%
C5 = 15%
Ada beberapa langkah untuk melakukan

perhitungan menentukan pemilihan anggota
PMB menggunakan metode SAW, sesuai contoh
diatas yaitu:
1. Langkah pertama memberikan nilai dan

bobot untuk setiap alternatif pada setiap
kriteria yang sudah ditentukan.
Tabel 1. Nilai dan Bobot
Identik dengan :
2. Langkah kedua, menentukan rating

kecocokan.
Tabel 2. Kriteria 4. Langkah keempat hitungan nilai

normalisasi dari setiap alternatif
dengan rumus (1) :
Proses normalisasi :
= = = 0.80
= = =1
= = =1
= = = 0.80
= = =1
= = = 0.80
= = = 0.80
346
= = = 0.60
= = = 0.80
= = = 0.80
= = = 0.80
= = = 0.60
= = =1
= = = 0.60
= = =1
= = = 0.60
= = =1
= = = 0.80 = = = 0.80
= = = 0.80 = = = 0.80
= = = 0.80 = = = 0.80
= = =1 = = = 0.80
= = =1 = = = 0.60
= = =1 = = = 0.60
= = =1
= = = 0.60
= = = 0.80
= = = 0.60
= = = 0.80
= = = 0.60
= = = 0.80
= = = 0.60
= = = 0.80
= = = 0.60
= = = 0.80 = = = 0.80
= = = 0.80 = = = 0.60
= = =1
= = = 0.80
= = = 0.80
= = = 0.60
= = =1
= = = 0.40
= = = 0.80
= = = 0.80
347
= = = 0.60
= = = 0.60
= = = 0.60
= = = 0.60
= = = 0.60
= = = 0.80
= = = 0.40
= = = 0.80
Kemudian hasil normalisasi dibuat dalam
matriks normalisasi :
= = = 0.60
= = = 0.60
= = = 0.60
= = = 0.40
= = = 0.40
= = = 0.80
5. Langkah kelima tentukan bobot yang
akan digunakan untuk proses
= = = 0.80
perangkingan :
= = = 0.60 W = [ 0.30; 0.20; 0.20; 0.15; 0.15]
6. Langkah keenam pencarian perangkingan

= = = 0.60 atau nilai terbaik dengan memasukkan
setiap kriteria yang diberikan dengan
menggunakan rumus perangkingan
= = = 0.40 dengan menggunakan rumus (2) sebagai
berikut :
= = = 0.80 = (0.30)(0.80) + (0.20)(1.00) + (0.20)(1.00) +

(0.15)(0.80) + (0.15)(1.00) = 0.91
= = = 0.80
= (0.30)(0.80) + (0.20)(0.80) + (0.20)(0.80) +
(0.15)(0.80) + (0.15)(1.00) = 0.83
= = = 0.80
= (0.30)(1.00) + (0.20)(1.00) + (0.20)(0.80) +
(0.15)(0.80) + (0.15)(0.80) = 0.90
= = = 0.60
= (0.30)(1.00) + (0.20)(1.00) + (0.20)(1.00) +

= = = 0.40 (0.15)(1.00) + (0.15)(0.80) = 0.97
= (0.30)(0.80) + (0.20)(0.80) + (0.20)(0.80) +

(0.15)(0.80) + (0.15)(0.80) = 0.80
= = = 0.60
= (0.30)(1.00) + (0.20)(0.80) + (0.20)(1.00) +
(0.15)(0.80) + (0.15)(0.60) = 0.87
348
Tabel 4. Hasil perangkingan

= (0.30)(0.80) + (0.20)(0.60) + (0.20)(0.60) +
(0.15)(0.60) + (0.15)(0.80) = 0.69
= (0.30)(0.80) + (0.20)(0.80) + (0.20)(0.80) +

(0.15)(0.60) + (0.15)(0.60) = 0.74
= (0.30)(0.60) + (0.20)(0.60) + (0.20)(0.60) +

(0.15)(0.60) + (0.15)(0.60) = 0.60
= (0.30)(0.80) + (0.20)(0.60) + (0.20)(0.80) +

(0.15)(0.60) + (0.15)(0.40) = 0.67
= (0.30)(0.80) + (0.20)(0.60) + (0.20)(0.60) +

(0.15)(0.80) + (0.15)(0.80) = 0.76
= (0.30)(0.60) + (0.20)(0.60) + (0.20)(0.60) +

(0.15)(0.40) + (0.15)(0.40) = 0.54
Maka alternatif yang terpilih menjadi
= (0.30)(0.80) + (0.20)(0.80) + (0.20)(0.60) + anggota PMB yaitu V4 = Ahmad Revi, V1
(0.15)(0.60) + (0.15)(0.40) = 0.67 = Winanda Alifah, V3 = Irdayanti
Kesogihen, V6 = Erlangga P. Samodra, V2
= (0.30)(0.80) + (0.20)(0.80) + (0.20)(0.80) + = Lulu Apriliani, V5 = Wiwik Katrina.
(0.15)(0.60) + (0.15)(0.40) = 0.71
3. KESIMPULAN
= (0.30)(0.60) + (0.20)(0.60) + (0.20)(0.60) + Berdasarkan hasil analisis yang telah dilakukan
(0.15)(0.60) + (0.15)(0.40) = 0.57 oleh penulis pada kasus pemilihan anggota PMB
AMIK Tunas Bangsa Pematangsiantar
Jumlah skor yang didapat dari ke- 15 menggunakan system pendukung keputusan
kandidat anggota PMB adalah sebagai dengan metode Simpe Additive
berikut : Weighting(SAW), penulis dapat menarik
kesimpulan untuk menentukan beberapa anggota
Tabel 3. Jumlah skor PMB dalam rangka membantu atau mengatasi
kerumitan dalam kegiatan penerimaan
mahasiswa baru yang rutin dilakukan setiap
tahun di AMIK Tunas Bangsa Pematangsiantar
sebagai salah satu instansi pendidikan perguruan
tinggi swasta dapat dilakukan dengan
menentukan terlebih dahulu beberapa kriteria
dalam pemilihan anggota, kemudian dilakukan
beberapa perhitungan dengan menjumlah skor
tertingggi yang didapat dari masing-masing
alternatif. Dalam analisis yang dilakukan
penulis, terdiri dari 15 alternatif dengan 5
kriteria yaitu: Motivasi kerja, Disiplin,
Tanggung jawab, Kepercayaan diri, dan
Penampilan. Terpilih 6 orang yang mendapat
skor tertinggi V4 = Ahmad Revi dengan skor
0.97 , V1 = Winanda Alifah dengan skor 0.91 ,
V3 = Irdayanti Kesogihen dengan skor 0.90, V6
= Erlangga P. Samodra dengan skor 0.87, V2 =
Lulu Apriliani dengan skor 0.83, V5 = Wiwiek
Katrina dengan skor 0.80.
Dari tabel jumlah skor diatas dapat dilihat
bahwa diantara V1 sampai dengan V15 yang
mendapat nilai terbesar untuk 6 orang yang PUSTAKA
menjadi anggota PMB adalah : Agus Perdana Windarto, ―Implementasi metode
TOPSIS dan SAW dalam memberikan
reward pelanggan‖, Kumpulan jurnal
Ilmu Komputer (KLIK) Volume 04,
349
No.01 Februari 2017 ISSN: 2406-7857.
Guru Terbaik Pada SMK Maria Goretti

Galih Eka Rinaldhi, ―Penerapan Metode Simple Pematangsiantar Menggunakan Metode
Additive Weighting (SAW) untuk Sistem Simple Additive Weighting (SAW)”.
Pendukung Keputusan Penentuan JURASIK Volume 1, Nomor 1, Juli
Penerimaan Beasiswa Bantuan Siswa 2016.
Miskin (BSM) Pada SMA 1 Subah Kab.
Batang”. Shinta Siti Sundari, Yopi Firman Taufik,
‖Sistem Pendukung Keputusan
Harold Situmorang, ―Sistem Pendukung Penerimaan Pegawai Baru dengan
Keputusan Pemilihan Calon Peserta Menggunakan Metode Simple Additive
Olimpiade Sains Tingkat Kabupaten Weighting (SAW)‖,Jurnal Ilmiah
Langkat Pada Madrasah Aliyah Negeri SISFOTENIKA.
(MAN) 2 Tanjung Pura Dengan
Menggunakan Metode Simple Additive Yasni Djamin, Herlinda De Christin,‖Sistem
Weighting (SAW)”, Jurnal TIMES, Pendukung Keputusan Penerimaan
vol.IV No 2 : 24-30, 2015. Pegawai Baru PT.PLN(Persero) Kantor
Pusat Dengan Menggunakan Metode
Rotua Sihombing Hutasoit, Agus Perdana Simple Additive Weighting (SAW)‖,
Windarto, Dedy Hartama, Solikhun, Jurnal Teknik Informatika Vol. 8 No. 1
―Sistem Pendukung Keputusan Pemilihan April 2015.
350
DATA MINING ANALISIS POLA PEMBELIAN BARANG

PELANGGAN MENGGUNAKAN METODE FP GROWTH
Windania Purba1, Wendi Halim2
1
Program Studi Sistem Informasi, Fakultas Teknologi dan Ilmu Komputer,Universitas Prima Indonesia
Telp. (061) 4578870
2
Jurusan Sistem Informasi, FakultasTeknologi dan Ilmu Komputer, Universitas Prima Indonesia
1
windania@unprimdn.ac.id,2wendihalim888@gmail.com
ABSTRAK
PT. Jaya Anugrah Sukses Abadi merupakan perusahaan retail yang membuka supermarket
Brastagi di kota Medan. Permasalahan yang dihadapi adalah data penjualan yang terus
bertambah. Selain sebagai dokumentasi, data penjulaan ini tidak dimanfaatkan. Dengan
menggunakan metode FP Growth, manajemen supermarket dapat mengekstraksi pola pembelian
barang pelanggan, sehingga manajemen dapat membuat peletakan barang yang lebih baik dan
teratur. Proses yang dilakukan adalah algoritma membentuk pohon FP Tree dari kumpulan
transaksi penjualan. Kemudian, conditional FP-Tree dibentuk dan frequent itemset diekstraksi.
Setelah itu, aturan asosiatif dibentuk dari frequent itemset, dan nilai support serta confidence
dihitung untuk setiap aturan. Dari hasil pengujian terhadap 3210 bon transaksi penjualan dan
28737 jenis barang yang terjual, diperoleh aturan asosiatif dengan nilai tertinggi untuk
kombinasi 2 barang adalah ―Jika beli BUNGA KOL, maka beli BROCOLLI LOCAL‖ dengan
support = 0.81% dan confidence = 66.67%. Untuk kombinasi 3 barang, ―Jika beli BROCOLLI
LOCAL dan BAWANG MERAH, maka beli CABE MERAH‖, dengan support = 0.53% dan
confidence = 94.44%.
Kata kunci : data mining, pola pembelian, FP Growth
1. PENDAHULUAN pola pembelian pelanggan untuk

1.1. Latar Belakang meningkatkan penjualan supermarket dan
Perkembangan teknologi informasi yang pesat membuat tata letak barang yang lebih baik.
telah membuat kehidupan manusia tidak Pengolahan data ini bisa dilakukan dengan
terlepas dari penggunaan teknologi. Salah satu menggunakan ilmu data mining. Dengan
bidang ilmu dari teknologi informasi adalah menggunakan ilmu Data Mining, manajemen
data mining. Sebagai bidang ilmu yang relatif supermarket dapat mengetahui kecenderungan
baru, saat ini data mining telah menjadi salah kombinasi barang-barang yang dibeli
satu pusat perhatian para akademisi maupun sekaligus oleh beberapa customer secara
praktisi. Beragam riset dan pengembangan bersamaan, sehingga manajemen dapat
data mining telah memberikan banyak produk membuat peletakan barang lebih baik dan
yang berguna bagi masyarakat luas, seperti teratur. Dengan demikian, pembeli atau staf
dalam bidang bisnis, sains dan teknik, hiburan, dapat mencari barang dengan cepat. Salah satu
seni, dan lain-lain. Salah satu peranan data algoritma data mining yang dapat digunakan
mining adalah dalam mengenali pola untuk kebutuhan ini adalah algoritma
pembelian pelanggan. Frequent Pattern Growth (FP Growth).
PT. Jaya Anugrah Sukses Abadi Dengan menggunakan algoritma FP Growth,
merupakan perusahaan retail yang dapat dilakukan pencarian frequent itemset
membentuk Brastagi Group dan membuka tanpa harus melalui candidate generation.
supermarket Brastagi di kota Medan. Setiap Contoh aturan asosiatif dari analisis pembelian
hari di supermarket Brastagi, terjadi transaksi di supermarket adalah dapat diketahuinya
penjualan barang. Seiring dengan berapa besar kemungkinan seorang pelanggan
bertambahnya waktu, maka data transaksi membeli gula bersamaan dengan kopi.
penjualan akan terus bertambah dan Dengan pengetahuan tersebut, pemilik
menyebabkan penyimpanan data di dalam supermarket dapat mengatur penempatan
database bertambah besar. Sebenarnya barang yang baik dan memaksimalkan
terdapat informasi-informasi berharga di penjualan supermarket.
dalam database tersebut yang dapat diolah,
diekstrak dan digunakan untuk pengambilan 1.2 Identifikasi Masalah
suatu keputusan dan untuk memperoleh
351
informasi yang berharga, seperti mengenali
Berdasarkan latar bekalang permasalahan di Tabel 3.1. Hasil Pengurutan

atas, maka dalam penelitian ini identifikasi
masalahnya adalah
1. Bagaimana mengenali pola pembelian
barang pelanggan.
2. Bagaimana meningkatkan transaksi
penjualan dan membuat tata letak
barang yang lebih baik dengan
mengenali pola pembelian pelanggan
1.3 Batasan Masalah

Agar pembahasan lebih terfokus maka Kemudian hitung nilai support dan
dilakukan pembatasan masalah sebagai confidence dari aturan asosiatif {A, B} dengan
berikut: rumus berikut
1. Pembahasan difokuskan pada Jumlah transaksi mengandung A dan B
Support (A ∩ B) = x 100 %
analisis pola pembelian barang Total Transaksi
(transaksi penjualan supermarket),
dan tidak sampai pada kontrol Jumlah transaksi mengandung A dan B
jumlah barang, pemesanan barang Confidence = P(B|A) =
Jumlah transaksi mengandung A
x 100 %
ke supplier, hutang piutang atau kas

Perhitungan nilai support dan
perusahaan.
confidence untuk kombinasi 2 barang atau 2-
2. Aplikasi tidak dapat melakukan
itemset dapat dilihat pada tabel 3.2 berikut.
import data penjualan langsung dari
database PT. Jaya Anugrah Sukses
Tabel 3.2. Aturan Asosiatif untuk 2-itemset
Abadi.
3. Aplikasi dibuat dalam lingkungan
desktop atau windows, sehingga
tidak dapat diakses secara online
melalui web.
Aplikasi tidak menampilkan langkah-langkah
detail dalam ekstraksi aturan asosiatif atau
pola pembelian pelanggan karena proses
pencatatan langkah-langkah yang terlalu
panjang akan memperlambat proses data
mining.
5. ANALISA DAN PERANCANGAN

2.1 Analisa
Proses analisa pola pembelian barang
pelanggan yang dilakukan dalam penelitian ini
menggunakan algoritma FP Growth. Proses
yang akan dianalisis adalah proses
pembentukan pohon FP Tree, proses
pembentukan conditional FP-Tree dan
ekstraksi frequent itemset, serta analisis proses
pembentukan aturan asosiatif. Sebelum Setelah diperoleh, nilai support dan
struktur pohon Tree dibentuk, lakukan proses confidence untuk masing-masing aturan,
pengurutan terhadap item barang yang terjual, lakukan perkalian antara support dan
diurutkan berdasarkan jumlah penjualan dari confidence dan urutkan dari nilai tertinggi ke
nilai tertinggi ke nilai terendah (descending), nilai terendah, sehingga diperoleh tabel seperti
seperti terlihat pada tabel 3.1. terlihat pada tabel 3.3
352
Tabel 3.3. Hasil Analisis Pola Pembelian Saat aplikasi dijalankan, form utama akan
untuk 2- itemset muncul. Pada bagian atas form, terdapat
toolbar yang berisi
tombol-tombol untuk menampilkan form
Barang, form Penjualan, form Analisis, form
Laporan Pola Pembelian dan form About,
seperti terlihat pada gambar 1
Tabel 3.4. Hasil Analisis Pola Pembelian

untuk 3- itemset
Gambar 2 Tampilan Form Barang

Pada form Barang (gambar 4.2), klik tombol
‗Baru‘ untuk mulai memasukkan data baru
Hasil aturan asosiatif untuk 3-itemset, disertai dengan mengosongkan textbox kode barang
dengan nilai support dan confidence, serta dan textbox nama barang, tombol ‗Simpan‘
diurutkan berdasarkan S x C, dari nilai untuk menyimpan kode dan nama barang,
tertinggi ke terendah, dapat dilihat pada tabel tombol‘Hapus‘ untuk menghapus kode barang
3.4 berikut. yang terpilih, tombol ‗Keluar‘ untuk menutup
form Barang dan kembali ke form Utama.
2.2 Implementasi Untuk mengubah atau menghapus data, klik
1. Tampilan Awal data yang ingin diubah atau dihapus pada list
Saat aplikasi dijalankan, form utama akan tabel di bawah, dan klik tombol ―Simpan‖
muncul. Pada bagian atas form, terdapat untuk menyimpan atau klik tombol ―Hapus‖
toolbar yang berisi tombol-tombol untuk untuk menghapus.
menampilkan form Barang, form Penjualan,
form Analisis, form Laporan Pola Pembelian
dan form About, seperti terlihat pada gambar
1.
Gambar 3. Tampilan Form Penjualan

Form ini berfungsi untuk menyimpan,
menghapus dan mengubah transaksi penjualan
yang akan berpengaruh pada hasil analisis.
Gambar 1 Tampilan Form Utama
353
Gambar 4 Tampilan Form Analisis

Form analisis berfungsi untuk melakukan Gambar 5. Tampilan Laporan Pola
proses data mining terhadap data penjualan Pembelian
dengan menggunakan algoritma FP Growth. Masukkan nilai kombinasi barang, batas
Hasil analisis adalah frequent itemset, atau confidence dan tekan tombol ―Cetak‖ untuk
kombinasi barang yang sering terjual secara menampilkan laporan pola pembelian
bersamaan disertai dengan nilai support konsumen.
(persentase kombinasi di dalam database) dan
confidence (tingkat kepercayaan).
Gambar 6. Hasil Analisis Pola

Gambar 4. Proses Analisis Selesai Pembelian Kombinasi 2 Barang
Untuk menampilkan hasil data mining dengan Pengujian dilakukan terhadap 3210 bon
menggunakan algoritma FP Growth, pilih transaksi penjualan dan 28737 jenis barang
besarnya kombinasi barang (nilai k), yang terjual.
masukkan nilai minimum confidence, dan klik
tombol ‖Proses‖ pada form Analisis. Hasil
analisis adalah aturan asosiatif, disertai
dengan nilai support (S) dan confidence (C),
diurutkan berdasarkan nilai support dikalikan
nilai confidence (S x C) dari nilai tertinggi ke
nilai terendah.
354
Tabel 1. Hasil Pengujian kecepatan dengan metode FP Growth,

sehingga dapat diketahui metode yang
lebih baik dan lebih cepat.
PUSTAKA
[1] Adi, N. 2010. Rekayasa Perangkat

Lunak Berorientasi Objek dengan
Metode USDP. Yogyakarta: Andi.
[2] Bain, K.K. 2015. Penetapan Pola
Konsumen Menggunakan Algoritma
Frequent Pattern Growth pada Cross
Market Analysis. Madura: Universitas
Trunojoyo.
[3] Budanis, D.M, dan, Muhammad, A.
2015. Data Mining untuk
Menggali Pola Mahasiswa Baru
Menggunakan Metode Frequent
Pattern Growth. Surabaya: Institut
Teknologi Adhi Tama.
[4] Chafida, M. 2014. Rancang Bangun
Hasil analisis data mining berupa aturan Aplikasi Pembelian dan Pembayaran
asosiatif dengan nilai tertinggi pada CV. Hikmah Utama. Surabaya:
Institut Bisnis dan Informatika
6. KESIMPULAN STIKOM Surabaya.
Setelah menyelesaikan pembangunan aplikasi [5] Dharwiyanti dan Wahono. 2013.
data mining analisis pola pembelian barang Pengantar Unified
pelanggan menggunakan metode FP Growth Modeling Language (UML). Kuliah
beberapa kesimpulan yang dapat ditarik IlmuKomputer.com.
adalah sebagai berikut: [6] Edy, W. dan Ali, Z. 2010. Dasar-
4. Dari hasil pengujian terhadap 3210 bon Dasar Pemograman dengan Visual
transaksi penjualan dan 28737 jenis Basic. Jakarta: PT. Elex Media
barang yang terjual, diperoleh aturan Komputindo.
asosiatif dengan nilai tertinggi untuk [7] Eko, P. 2012. Data Mining - Konsep
kombinasi 2 barang adalah ―Jika beli dan Aplikasi Menggunakan
BUNGA KOL, maka beli BROCOLLI MATLAB. Yogyakarta: Andi Offset.
LOCAL‖ dengan support = 0.81% dan [8] Fajar, A.H. 2013. Data Mining.
confidence = 66.67%. Untuk kombinasi Yogyakarta: Andi.
3 barang, ―Jika beli BROCOLLI LOCAL [9] Febiantoro. 2014. Daftar Simbol
dan BAWANG MERAH, maka beli Diagram UML. Bandung: Universitas
CABE MERAH‖, dengan support = Widyatama.
0.53% dan confidence = 94.44%. [10] Harsiti. 2015. Sistem Basis Data.
5. Semakin besar nilai minimum support Banten: Universitas Serang Jaya.
yang digunakan, maka semakin sedikit [11] Hengky, A.M, dan Winpec Solution.
jumlah aturan asosiatif yang dihasilkan, 2010. Microsoft Access 2010 untuk
tetapi proses berjalan lebih cepat. Pemula. Jakarta: PT. Elex Media
Saran Komputindo.
1. Setelah penelitian yang dilakukan, [12] Ismail, dkk. 2013. Penerapan
metode FP Growth masih memiliki Knowledge Discovery in Databases
kekurangan, yaitu tidak diketahuinya untuk Menganalisis Hubungan Para
minimum support dan minimum Pelaku Usaha dengan Kelayakan
confidence yang ideal untuk memperoleh Mengikuti Lomba pada Event
pola pembelian konsumen yang Wanita Wirausaha PT. Gaya Favorit
terpercaya. Press. Jakarta: Bina Nusantara.
2. Disarankan untuk menambahkan
algoritma data mining lainnya yang [14] Junindar. 2008. Panduan Lengkap
dapat digunakan untuk menganalisis Menjadi Programmer, Membuat
pola pembelian pelanggan dan Aplikasi Penjualan Menggunakan
membuat perbandingan efisiensi dan VB.Net. Jakarta: PT. Trans Media.
355
[15] Kurweni, U., dan Gradiyan, B.P. 2010.

Microsoft Access 2010. Jakarta: PT.
Elex Media Komputindo.
[16] Kusrini. 2007. Strategi Perancangan
dan Pengelolaan Basis Data.
Yogyakarta: Andi.
[17] Kusrini dan Emha, T.L. 2009.
Algoritma Data Mining. Yogyakarta:
Andi.
Pendidikanku. 2016. Entity
Relationship Diagram.
356
PERANCANGAN FURNITUR ROTAN YANG HEMAT MATERIAL

DAN SESUAI DENGAN SELERA MASYARAKAT EROPA UNTUK
MENINGKATKAN EKSPOR FURNITUR ROTAN KE EROPA
YANG MAKIN MELEMAH DI INDONESIA
Wyna Herdiana, S.T., M.DS1., Rido Satrya Wijaya, S.T2.
1
Program Studi Desain Produk, Fakultas Industri Kreatif, Universitas Surabaya, Raya
Kalirungkut Surabaya 60293, Indonesia
2
Program Studi Desain Produk, Fakultas Industri Kreatif, Universitas Surabaya, Raya
Kalirungkut Surabaya 60293, Indonesia
Email: wynaherdiana@yahoo.co.id
ABSTRAKS
Desain furnitur disetiap negara memiliki keunikan yang berbeda antara satu dengan yang lain.
Beberapa produsen furnitur khususnya produsen furnitur rotan membuat produk sesuai dengan
keinginan dan pesanan dari customer. Mereka tidak memiliki produk khas perusahaan mereka
sendiri. Semua produk dibuat berdasarkan desain yang diberikan oleh customer-nya. Namun
desain tersebut masih menggunakan material yang cukup banyak. Terlalu banyak konstruksi
yang digunakan padahal sebenarnya dengan sedikit material furnitur tersebut sudah kuat.
Pemborosan material rotan yang seharusnya dapat diminimalisir dan desain yang tidak update
menyebabkan perkembangan industri rotan di Indonesia kurang diminati oleh importir. Peneliti
dan Ubaya bekerjasama dengan Prof Jan Armgardt dan Auwi Stubbe dari Jerman mendampingi
beberapa produsen rotan furnitur di Surabaya melakukan coaching desain furnitur rotan yang
nyaman, hemat material dan disukai pasar Eropa. Penelitian ini menggunakan metode
eksperimen beberapa material rotan baik dalam hal pengolahan, sambungan dan finishing nya.
Hasil penelitian ini berupa kursi rotan dengan inovasi desain hemat material, tidak banyak
menggunakan sambungan dan penguat struktur berlebihan dengan gaya desain satu tarikan garis
yang disukai oleh pangsa Eropa.
Kata Kunc i: Furnitur Rotan, Hemat Material, Selera Eropa.Pendahuluan
1.1 Latar Belakang hal tersebut, dirasa perlu adanya inovasi

Indonesia Timur tepatnya di daerah Baroto produk furnitur rotan dari segi pengolahan
merupakan salah satu sentra bahan baku rotan bahan maupun desain yang estetis, sesuai
dunia yaitu sekitar 85%, turut berkontribusi selera pasar dan bervariasi, serta program-
dalam peningkatan industri furnitur dunia. program pemerintah yang turut serta
Berbagai macam jenis furnitur pun telah mendukung dan memajukan industri rotan di
banyak diproduksi dengan memanfaatkan Indonesia. Dengan demikian diharapkan
potensi rotan yang melimpah di Indonesia produktivitas furnitur rotan untuk pangsa
mulai dari meja, kursi, rak buku, dan lain pasar tidak hanya menerima pesanan dalam
sebagainya. Di sisi lain, peningkatan potensi negeri tetapi juga dari luar negeri semakin
furnitur rotan di Indonesia ternyata masih meningkat. Salah satu negara tujuan eksport
mengalami berbagai kendala seperti masalah rotan adalah Eropa, dari segi desain maupun
investasi dan faktor teknologi yang minimum. ukuran produk furnitur yang dibuat untuk
Saat ini jumlah pemesanan terhadap furnitur masyarakat Eropa sangatlah berbeda dengan
rotan dalam negeri mengalami penurunan. Hal selera masyarakat di Asia.
ini disebabkan oleh maraknya furnitur rotan Jika produksi rotan di Indonesia meningkat
sintetis berbahan dasar plastik yang memiliki maka hutan di Indonesia akan lestari dan
desain menarik dengan harga yang relatif menciptakan lapangan kerja baru serta hasil
murah, banyak diminati masyarakat Indonesia. produksi yang lebih bernilai sehingga
Bahkan di Surabaya dan Sidoarjo banyak pendapatan masyarakat Indonesia semakin
pabrik yang gulung tikar, beberapa perusahaan meningkat, pelarangan untuk menjual rotan
besar dan UKM rotan seperti di daerah dalam bentuk material mentah juga sudah
Menganti Surabaya tidak lagi produksi, hanya digalakkan oleh pemerintah, maraknya
menerima custom order dengan desain sesuai penyelundupan rotan masih ada. Saat ini yang
permintaan buyer, sehingga jumlah produksi terjadi adalah material rotan yang melimpah
tidak menentu setiap bulannya. Berdasarkan tetapi tidak dimbangi dengan produksi produk
357
berbahan rotan di Indonesia.

Berdasarkan latar belakang diatas maka
muncullah identifikasi masalah yaitu:
Bagaimana mendesain sebuah produk furnitur
yang sesuai dengan selera pasar Eropa untuk
meningkatkan kembali ekspor produsen
furnitur rotan di Indonesia yang semakin
melemah dengan memperhatikan aspek
estetis, hemat bahan baku dan ergonomis?
1.2.1 Brainstorming
Fokus yang dilakukan adalah perancangan
furnitur untuk pangsa pasar Eropa. Sebelum
Gambar 3. Analisa furnitur rotan di
melakukan perancangan dilakukan dahulu
Indonesia yang memiliki banyak
brainstorming terkait desain yang diminati
sambungan dan konstruksi (Dokumentasi
oleh masyarakat Eropa, baik dari struktur,
Penulis)
sambungan, bentuk maupun finishing pada
furnitur
1. Melakukan pengukuran dan
Tahan pertama yang dilakukan adalah
Coaching Design kesesuaian Antropometri tubuh orang
Eropa.
2. Sambungan dan konstruksi yang
tidak diperlukan dihilangkan,
penggunaan material seminimal
mungkin tetapi konstruksi kuat dan
tidak goyang (kokoh).
3. Mempelajari karakter rotan Indonesia
4. Membuat sketsa desain dari data
eksisting produk Eropa yang terkenal
dan laris di pasaran
1.2.2 Aspek Desain Aspek Produksi

Dalam pembuatan furnitur berupa kursi
makan yang akan dirancang nantinya
Gambar 1. Coaching Design dengan Auwi membutuhkan rotan baik yang berupa batang
Stubbe dari Jerman (Dokumentasi Penulis) besar maupun berupa core. Dari segi bahan
yang digunakan dalam pembuatan furnitur
rotan memiliki sumber daya yang melimpah,
mudah diperoleh, serta cepat diperbaharui.
Selain itu, untuk keberlangsungan atau daur
hidup produk furnitur tersebut ketika telah
tidak terpakai ataupun rusak, dapat diperbaiki
dan didaur ulang dengan proses yang mudah
karena bahan yang digunakan merupakan
bahan alam yang mudah terurai dan ramah
lingkungan.
Gambar 2. Mengukur daya lengkung rotan
(Dokumentasi Penulis) Aspek Material
Pada aspek ini dibahas mengenai material
rotan yang menjadi tujuan penelitian. Material
rotan yang dipakai sekitar 85% sesuai
kegunaanya sebagai material utama dalam
pembuatan produk furnitur.
358
Tabel 1. Komposisi Material sambungan dengan Fitrit dengan banyak paku

menyebabkan kursi cepat rusak, dan saat fitrit
terlepas maka kursi akan terlihat kurang
estetis, selain itu fitrit dengan paku akan
mudah berkarat.
Berhentinya sambungan pada konstruksi juga
tidak diperhitungkan sehingga letak potongan
terlihat dibagian yang utama, tidak berhenti
pada bagian yang tersembunyi.
Secara keseluruhan material yang terbuang
karena berlebihan digunakan sebagai penguat
struktur.
2.1.2 Analisa Bentuk dan Warna

Bentuk dengan satu tarikan garis yang
menyeluruh tanpa terpotong akan lebih
terlihat estetis dan diusahakan tidak banyak
sambungan, bentuk-bentuk lengkung dengan
satu tarikan akan terlihat classic. Bentuk
classic adalah bentuk yang disukai oleh
masyarakat Eropa, berbeda dengan
masyarakat Asia yang lebih memilih bentuk
(Sumber: Penulis) yang minimalis tanpa ornamen serta
cenderung lurus.
Aspek Struktur Warna yang digunakan adalah warna alami
Struktur rangka yang digunakan sebagai dasar dari rotan. Finishing yang digunakan sebisa
produk dibuat dengan memperhatikan mungkin tidak menghilangkan warna alami
kekuatan rangka terutama dari model dari produk agar dapat memberikan kesan
sambungannya. Dalam membuat kerangka natural. Selain itu warna alami rotan juga
produk digunakan teknik bending dan teknik memberikan kesan kenyamanan dan
kuncian yang memperkuat antar sambungan. kehangatan
Hal ini dikarenakan material kerangka yang
digunakan merupakan material rotan yang 2.1.3 Analisa Finishing
fleksibel. Finishing material yang diminati oleh
masyarakat Eropa adalah yang tidak dikupas
Aspek Sosial Budaya bagian kulit rotannya, jika kulit rotannya
Aspek ini membahas tentang pengaruh produk dikupas makan kesan classic yang ingin
furnitur berupa kursi makan berbahan rotan ditonjolkan akan hilang, Warna yang diminati
terhadap konsumen. Produk ini ditujukan bagi cenderung gelap, untuk kursi malas dibuat
konsumen dengan pangsa pasar negara Eropa sangat gelap untuk memberikan kesan hangat
yang menyukai furnitur yang ramah di musim dingin. Berbeda dengan masyarakt
lingkungan dan unik dengan desain yang Asia finishing yang diminati adalah finishing
modern dan mengikuti perkembangan dengan mengelupas kulitnya agar terlihat
zaman/tren untuk memperindah interior. ringan dan modern, warna finishing yang
dipilih adalah warna yang terang.
2. ANALISA DAN PERANCANGAN
2.1 Analisa 2.2 Perancangan
2.1.1 Analisa Stuktur dan Konstruksi Bentuk yang digemari oleh masyarakat Eropa
Produk yang dirancang oleh produsen dari adalah bentuk yang memiliki satu kesatuan
Indonesia terlalu banyak menghabiskan garis lengkungan dan tidak terputus serta
material, untuk sambungan-sambungan atau berkesan classic. Di mana dari bentuknya,
penguat struktur dibuat terlalu rumit dengan lebih menonjolkan bentuk lengkung yang
maksud agar kuat dan tidak goyang. berkesan luwes.
Seharusnya dengan sedikit penguat dan Warna yang akan diaplikasikan pada produk
sambungan akan lebih hemat material, hal ini mengikuti tren warna yang sedang booming,
mempengaruhi biaya produksi. Jumlah di mana saat ini tren warna interior
sambungan yang banyak akan mempengaruhi mengusung konsep eco design/green design
banyaknya ikatan sambungan, hal ini juga yaitu menggunakan warna-warna natural yang
mempengaruhi secara estetis. Ikatan dihasilkan dari material itu sendiri.
359
Citra desain dalam proses perancangan produk

furnitur bahan rotan digunakan sebagai tolak
ukur terhadap trend desain furnitur yang telah
berkembang di seluruh dunia.
Gambar 6. Alternatif Desain 2

(Dokumentasi Penulis)
Gambar 4. Citra desain

(Sumber: Penulis)
Berdasarkan pencitraan di atas, produk

furnitur kursi makan berbahan rotan akan
dibuat dengan tampilan yang simpel dengan
sentuhan gaya klasik.
Ramah Lingkungan : Produk menggunakan
material dan finishing yang tidak merusak
lingkungan, serta hemat bahan dalam
produksi.
Estetik : Produk memiliki tampilan yang indah Gambar 7. Alternatif Desain 3
dan dapat diselaraskan dengan interior (Dokumentasi Penulis)
ruangan.
Ekonomis : Produk furnitur ini nantinya 2.4 Final Desain
mampu meningkatkan produktivitas dan Dari alternatif desain yang telah dibuat maka
potensi furnitur rotan di Indonesia. dipilih desain dari Alternatif 2 yang
mengalami revisi pada bagian kaki.
2.3 Alternatif Desain Ditambahkan penguat struktur agar bagian
dudukan tidak goyang saat diduduki, penguat
berupa lengkungan yang diikat pada nagian
tengah. Tidak perlu lagi menggunakan
penguat 4 sisi kaki yang menghabiskan
material. Agar lebih estetis dan ergonomis
maka bagian sandaran tangan dibuat lebih
lebar dengan memanfaatkan panel yang dibuat
dari material rotan yang diiris dan di pres.
Gambar 5. Alternatif Desain 1

Gambar 8. Desain Final 1

360
Desain Final 2 dipilih dari pengembangan PUSTAKA

Alternatif Desain 3 yang mengalami
perubahan pada bagian sandaran, diganti (1) Janunmiro. 2000. Rotan Indonesia,
menggunakan panel material rotan yang di Kanisius. Yogyakarta.
pres sebagai inovasi bentukan yang lain. (2) Mc Guire, John. Method of Assembling
Untuk ujicoba sample product dari alternatif Rattan Furniture. Mc Guire Co. San
desain 3 sandaran yang terbuat dari rotan yang Fransisco
hanya disilang kurang kuat untuk menyangga
sandaran yang bentuk utamanya lengkung. (3) Cody, Desmont. 1983. Manual on the
Pada bagian kaki kursi juga mengalami Production of Rattan Furniture. United
perubahan desain karena setelah di ujicoba Nation Industrial Development
bentukan kaki yang tidak menopang bagian Organization
dudukan akan goyang ketika diduduki, maka
desainnya diubah dengan memiliki penopang (4) Rachman, Osly. 2006. Rotan:
hingga mendekati dudukan kursi. Dan untuk Sumberdata, Sifat dan Pengolahannya.
menambah inovasi bentuk maka dibuat Pusat Peneltian dan Pengembangan Hasil
menyilang agar lebih estetis. Hutan. Departemen Kehutanan.
(5) Saad, Mohd. 2007. Mengapa Rotan

Tidak Berkesan?. PTS Profesional.
Gambar 9. Desain Final 1

3. KESIMPULAN
Pemilihan material, dimensi, dan proses
pembuatan yang harus diperhatikan, sehingga
dapat menjadi pertimbangan pada aspek biaya
produksi yang dapat memaksimalkan
keuntungan perusahaan namun harus tetap
menarik perhatian pembeli.
Selera masyarakat Eropa adalah bentuk
Classic yang memiliki satu tarikan garis luwes
secara keseluruhan bentuk dan finishing
maupun pewarnaan material asli rotan harus
diutamakan. Kulit rotan tidak perlu
dihilangkan agar terlihat lebih natural. Dengan
adanya penelitian ini diharapkan produsen
rotan di Indonesia biasa lebih produktif untuk
meningkatkan kembali ekspor rotan
khususnya produk furnitur yang saat ini mulai
melemah.
361
PEMBUATAN APLIKASI PINTAR UNTUK MEMBANTU PIHAK ADMIN

PADA PT. MAKMUR DALAM PEMBERIAN KREDIT RUMAH DENGAN
METODE AHP DAN PROMETHEE
Yonata Laia
Fakultas Teknologi dan Ilmu Komputer, Universitas Prima Indonesia, Medan
yonata@unprimdn.ac.id
ABSTRAK
Penerapan sistem yang berjalan di perusahaan kurang efisien dalam memberikan informasi
apakah customer yang bersangkutan layak diberikan kredit atau tidak. Untuk mengetahui
informasi tersebut, maka staf accounting perusahaan harus melakukan pengecekan terhadap data
transaksi piutang sebelumnya, sehingga akan memakan waktu yang lama dan tidak efisien. Pada
penelitian ini penulis menggunakan empat kriteria dalam penyeleksian pemberian kredit kepada
customer dengan menggunakan metode AHP dan Promethee. Empat kriteria tersebut yaitu
omset penjualan, masa bayar, legalitas dan kredibilitas. Dalam hal ini penulis melakukan
pengujian terhadap lima customer yang mana customer pertama menghasilkan nilai -0.02452,
customer kedua menghasilkan nilai -0.63748, customer ketiga 0.091447, customer keempat
menghasilkan nilai 0.429167, customer kelima menghasilkan 0.15808. Hasil yang di dapat dari
penelitian ini yaitu urutan pertama adalah customer keempat, urutan kedua cutomer kelima,
urutan ketiga customer ketiga, urutan keempat customer pertama, dan urutan kelima customer
kedua. Kesimpulannya adalah hasil pemeringkatan dari kombinasi AHP dan Promethee terbukti
lebih baik daripada hasil peningkatan dengan satu metode saja. Hal ini dikarenakan kelebihan
dari masing-masing metode digunakan.
Kata Kunci : metode AHP, Promethee, pemberian kredit, sistem pendukung keputusan,
kriteria
1. Pendahuluan Tools yang digunakan untuk

Perkembangan dan kemajuan teknologi melakukan analisis dan desain adalah unified
yang demikian pesat mendorong orang untuk modeling language. Sedangkan, bahasa
memanfaatkan hasil dari kemajuan tersebut pemrograman yang digunakan untuk
dengan sebaik-baiknya, begitu juga halnya merancang sistem adalah Mircosoft Visual
dengan kemajuan teknologi komputer. PT. Basic 2008 dengan menggunakan aplikasi
Makmur Jaya Persada Medan merupakan Microsoft SQL Server 2005 sebagai database
salah satu perusahaan swasta yang bergerak di engine. Hasil dari penelitian ini adalah sistem
bidang penjualan pewarna makanan. Saat ini, pendukung keputusan yang terkomputerisasi
perusahaan telah menggunakan aplikasi yang dapat digunakan untuk menyelesaikan
Microsoft Excel dalam melakukan pencatatan permasalahan yang dihadapi oleh PT. Makmur
data transaksi penjualan dan piutang Jaya Persada Medan.
perusahaan. Namun, sistem ini sulit
menentukan kelayakan kredit customer secara 2. Landasan Teori
cepat. Untuk mengetahui informasi tersebut, 2.1 Keputusan
maka staf accounting perusahaan harus Menurut James A.F. Stoner, keputusan
melakukan pengecekan terhadap data adalah pemilihan di antara berbagai alternatif.
transaksi piutang sebelumnya, sehingga akan Definisi ini mengandung tiga pengertian,
memakan waktu yang lama dan tidak efisien. yaitu:
Oleh karena itu, maka diperlukan penerapan 1. ada pilihan atas dasar logika atau
sistem pendukung keputusan untuk membantu pertimbangan;
pihak manajemen perusahaan terutama bagian
accounting perusahaan dalam melakukan 2. ada beberapa alternatif yang harus dipilih
pengaturan pemberian kredit kepada customer salah satu yang terbaik;
di perusahaan. 3. ada tujuan yang ingin dicapai dan
Tujuan penelitian ini adalah untuk keputusan itu makin mendekatkan pada
membuat aplikasi sistem pendukung tujuan tersebut. (Mahendra, A.N., 2011)
keputusan pemberian kredit kepada customer
yang dapat digunakan untuk membantu staf 2.2 Proses Pengambilan Keputusan
Accouting dalam melakukan pengaturan Pengambilan keputusan secara universal
pemberian kredit kepada customer di
didefinisikan sebagai pemilihan diantara
perusahaan.
362
berbagai alternatif. Pengertian ini mencakup b. Membagi setiap nilai dari kolom
baik pembuatan pilihan maupun pemecahan dengan total kolom yang bersangkutan
masalah. untuk memperoleh normalisasi matriks.
c. Menjumlahkan nilai-nilai dari setiap
2.3 Sistem Pendukung Keputusan baris dan membaginya dengan jumlah
Sistem pendukung keputusan pertama elemen untuk mendapatkan nilai rata-
kali dikenalkan pada awal tahun 1970-an oleh
Michael S. Scott dengan istilah Management rata.
Decision System yang merupakan suatu sistem 4. Mengukur Konsistensi
berbasis komputer yang membantu Dalam pembuatan keputusan penting
pengambilan keputusan dengan memanfaatkan untuk mengetahui seberapa baik
data dan model-model untuk menyelesaikan konsistensi yang ada karena kita tidak
masalah-masalah yang tidak terstruktur menginginkan keputusan berdasarkan
(Asmara, 2013). pertimbangan dengan konsistensi yang
rendah. Hal-hal yang dilakukan dalam
2.4 Metode AHP langkah ini adalah:
Analytical Hierarchy Proces yang a. Kalikan setiap nilai pada kolom
dikembangkan awal tahun 1970-an oleh pertama dengan prioritas relatif elemen
Thomas L. Saaty, seorang ahli matematika pertama, nilai pada kolom kedua
dari Universitas Pittsburg. AHP didesain
dengan prioritas relatif elemen kedua,
untuk dapat memecahkan masalah yang
kompleks dimana aspek atau kriteria yang dan seterusnya.
diambil cukup banyak. Juga kompleksitas ini b. Jumlahkan setiap baris
disebabkan oleh struktur masalah yang belum c. Hasil dari penjumlahan baris dibagi
jelas, ketidakpastian tersediannya data statistik dengan elemen prioritas relatif yang
akurat bahkan tidak ada sama sekali. AHP bersangkutan.
digunakan dengan tujuan untuk menyusun d. Jumlahkan hasil bagi diatas dengan
prioritas dari berbagai alternatif dalam
banyaknya elemen yang ada,hasilnya
kelompok-kelompok tersebut yang diatur
menjadi suatu bentuk hirarki (Suryadi & disebut λ maks.
Ramdhani, 2000). 5. Menghitung Consistency Index (CI)
Metode AHP dapat digunakan untuk dengan rumus:
membantu pengambilan keputusan dengan CI = (λ maks-n)/n
cara sebagai berikut: Dimana n= banyaknya elemen
1. Mendefinisikan masalah dan 6. Menghitung Rasio Konsistensi/
menentukan solusi yang diinginkan, lalu Consistency Rasio (CR) dengan rumus:
membuat struktur hirarki dari CR = CI/RC
permasalahan yang dihadapi. Dimana CR = Consistency Rasio
Penyusunan hirarki adalah dengan CI = Consistency Index
menetapkan tujuan yang merupakan IR = Index Random Consistency
sasaran sistem secara keseluruhan. 7. Memeriksa konsistensi hirarki
2. Menentukan prioritas elemen. Jika nilainya lebih dari 10%, maka
Langkah pertama adalah membuat matriks penilaian data judgement harus diperbaiki,
perbandingan berpasangan, yaitu dengan namun jika rasio konsistensi (CI/IR)
membandingkan elemen secara kurang atau sama dengan 0,1 maka hasil
berpasangan sesuai kriteria yang perhitungan bias dinyatakan benar.
digunakan. Matriks perbandingan
berpasangan diisi dengan menggunakan 2.5 Metode Promethee
bilangan untuk merepresentasikan Promethee adalah salah satu dari
kepentingan relatif dari suatu elemen beberapa metode yang termasuk MCDM yang
terhadap elemen lainnya. berarti penentuan urutan atau prioritas dalam
3. Sintesis analisis multikriteria
Hal-hal yang dilakukan dalam langkah ini Dalam fase pertama, nilai hubungan
adalah: outranking berdasarkan pertimbangan
a. Menjumlahkan nilai-nilai dari setiap dominasi masing-masing kriteria. Indeks
preferensi ditentukan dan nilai outranking
kolom pada matriks.
secara grafis disajikan berdasarkan preferensi
dari pembuat keputusan.
363
1. Dominasi Kriteria baik lebih baik dari alternatif b dengan

pertimbangan secara simultan dari seluruh
Penyampaian intensitas (P) dari preferensi kriteria, sehingga :
alternatif a terhadap alternatif b a. δ (a,b), merupakan intensitas
sedemikian rupa sehingga : preferensi pembuat keputusan yang
a. P(a,b) = 0, berarti tidak ada beda menyatakan bahwa alternatif a lebih
(indifferent) antara a dan b atau tidak baik lebih baik dari alternatif b dengan
ada preferensi dari a lebih baik dari b. pertimbangan secara simultan dari
seluruh kriteria
b. P(a,b) ~ 0, berarti lemah, preferensi
dari a lebih baik dari b. b. δ (a,b) = 0, menunjukan
preferensi yang lemah untuk alternatif
c. P(a,b) ~ 1, berarti kuat, preferensi a
a lebih dari alternatif b berdasarkan
lebih baik dari b.
semua kriteria.
d. P(a,b) = 1, berarti mutlak, preferensi a
c. δ (a,b) = 1, menunjukkan
lebih baik dari b.
preferensi yang kuat untuk alternatif a
Dalam metode Promethee ini fungsi lebih dari alternatif b berdasarkan
preferensi seringkali menghasilkan nilai semua kriteria.
fungsi yang berbeda antara dua evaluasi
sehingga : 4. Arah Preferensi Multikriteria
P(a,b) = P( f (a) – f (b) )
Dimana : P : Preferensi Perhitungan arah preferensi dipertimbangkan
f : alternative berdasarkan nilai indeks leaving flow (Ф+),
2. Fungsi Preferensi Kriteria entering flow (Ф−), dan net flow. LF (Leaving
Flow) merupakan ukuran dari karakter
Pada metode Promethee, setiap kriteria outranking a. EF (Entering Flow) merupakan
harus ditentukan tipe fungsi preferensinya. ukuran karakter a yang di outrank . Berikut
Tipe yang digunakan dalam penelitian ini persamaan dari Leaving Flow, Entering Flow,
ialah preferensi linier. Kriteria preferensi dan Net Flow :
linier menjelaskan bahwa selama nilai a. Leaving Flow
selisih memiliki nilai yang lebih rendah
dari p, preferensi dari pembuat keputusan (a) =[1/(n-1)]
meningkat secara linier dengan nilai d. jika Dimana ) menunjukkan
nilai d lebih besar dari nilai p, maka terjadi preferensi bahwa alternatif a lebih baik
preferensi mutlak . dari alternatif x. Leaving flow adalah
jumlah dari nilai garis lengkung yang
memiliki arah menjauh dari node a dan
hal ini merupakan karakter pengukuran
outranking.
b. Entering Flow
Keterangan :
H(d) = Fungsi selisih kriteria antar (a) =[1/(n-1)]
alternative c. Net Flow
D = selisih nilai kriteria {d= f(a) – f(b)}
Parameter (p) = nilai kecenderungan atas Ф (a) = (a)-
Parameter (q) = merupakan nilai yang Penjelasan dari hubungan outranking
tetap dibangun atas dasar pertimbangan untuk
3. Indeks Preferensi Multikriteria masing-masing alternatif, yang berupa
urutan parsial (Promethee I) atau urutan
Indeks preferensi multikriteria di hitung lengkap (Promethee II) pada sejumlah
untuk masing-masing pasangan kriteria alternatif, yang dapat diusulkan kepada
dengan rumus dibawah ini : pembuat keputusan untuk memperlengkap
𝛿𝑎, b= penjelasan masalah.
Pada persamaan diatas δ (a,b) adalah
intensitas preferensi pembuat keputusan 5. Promethee I
yang menyatakan bahwa alternatif a lebih
364
Nilai terbesar pada leaving flow dan nilai ini:

terkecil dari entering flow merupakan
alternatif yang terbaik. Sehingga leaving
flow dan entering flow akan menyebabkan:
Promethee I menampilkan partial

preorder (PI, II, RI) dengan
mempertimbangkan interseksi dari dua
preorder.
aPI B (a outrank b) Gambar 1. Use Case Diagram dari Sistem
jika aP+ b dan aP- b Usulan
atau a P+ b dan a I- b Langkah-langkah yang dilakukan
atau a I+ b dan a P- b dalam penelitian ini dapat dirincikan sebagai
a II b (a tidak ada beda b) berikut:
jika aI+ b dan a I- b 1. Mengidentifikasi masalah, peluang dan
a RI b (a dan b incomparable) tujuan.
jika pasangan lain
2. Mencari Informasi yang berhubungan
dengan Metode SPK.
Partial preorder digunakan untuk membantu
pengambilan keputusan masalah yang 3. Menganalisis kebutuhan-kebutuhan sistem
dihadapi. Dengan menggunakan metode
Promethee I hanya memberikan solusi partial 4. Merancang sistem yang direkomendasikan
preorder (sebagian).
6. Promethee II
Pada kasus complete preorder dalam K 4. Hasil dan Pembahasan
adalah penghindaran dari bentuk Menu-menu yang terdapat pada sistem
incomparible. Promethee II complete dapat dirincikan sebagai berikut:
preorder (PII ,III) disajikan dalam bentuk 1. Menu ‗Master‘ yang terdiri dari sub menu
net flow berdasarkan pertimbangan ‗Customer‘ dan ‗Kriteria‘. Tampilan menu
persamaan: ‗Master‘ dapat dilihat pada gambar
berikut:
3. Metode Penelitian
3.1 Use Case Diagram
Use case diagram dari sistem usulan
dapat dilihat pada gambar dibawah
Gambar 1. Menu “Master”
2. Menu ‗Proses‘ yang terdiri dari sub menu

‗Omset Penjualan‘, ‗Nilai Kredibilitas‘,
‗Input Nilai Manual‘ dan ‗Hasil Seleksi‘.
365
Tampilan menu ‗Proses‘ dapat dilihat pada

gambar berikut:
Gambar 4. Form Master Kriteria
Data Kriteria yang dimasukkan mencakup

kode kriteria, nama kriteria dan nilai
Gambar 2. Menu “Proses” kriteria. Data kode kriteria merupakan
primary key sehingga harus bersifat unik
Sebelum dapat melakukan pengisian data (tidak boleh sama) dan bertipe data text.
kriteria, pemakai terlebih dahulu harus Setelah itu, proses dilanjutkan dengan
memasukkan semua data master yang akan pengisian Kriteria, yang mencakup
digunakan dalam proses pendukung transaksi Omset penjualan dan retur
keputusan. Adapun data master yang penjualan. Tampilan dari setiap form
dimasukkan mencakup data customer dan tersebut dapat dilihat pada perincian
kriteria. Tampilan dari kedua form tersebut gambar berikut:
dapat dilihat pada gambar berikut: 5. Tampilan Transaksi Omset
3. Tampilan Master Customer, yang dapat Penjualan, yang dapat dilihat pada gambar
dilihat pada gambar berikut: berikut:
Gambar 3. Form Master Customer Gambar 5. Form Omset Penjualan
Data customer yang dimasukkan 6. Tampilan Penilaian Customer, yang dapat

mencakup kode customer, nama customer, dilihat pada gambar berikut:
alamat, jenis kelamin, keterangan dan
telepon. Data kode customer merupakan
primary key sehingga harus bersifat unik
(tidak boleh sama) dan bertipe data text.
4. Tampilan Master Kriteria, yang dapat
dilihat pada gambar berikut:
366
box Tampilkan Perhitungan, sehingga

sistem akan menampilkan form berikut:
Gambar 6. Form Penilaian Customer Gambar 9. Form Laporan
7. Tampilan Transaksi Penilaian Manual, 5. Kesimpulan

yang dapat dilihat pada gambar berikut: Setelah menyelesaikan perancangan
Sistem Pendukung Keputusan Pemberian
Kredit kepada Customer dengan Kombinasi
Metode AHP dan Promethee pada PT.
Makmur Jaya Persada, penulis menarik
beberapa kesimpulan sebagai berikut:
1. Sistem yang dibuat dapat menghasilkan
keputusan pemberian kredit kepada
customer yang lebih tepat dan objektif
karena proses pemilihannya mengunakan
metode ilmiah.
2. Kelebihan metode AHP saja terletak di

pembobotan kriteria karena adanya
pengecekan konsistensi, sedangkan
Gambar 7. Form Penilaian Manual kelemahannya adalah algoritma
pemeringkatannya kurang baik.
8. Tampilan Transaksi Hasil Seleksi, yang Sebaliknya, metode Promethee memiliki
dapat dilihat pada gambar berikut: kelebihan pada algoritma pemeringkatan
karena adanya adjustment, tapi memiliki
kelemahan pada pembobotan kriteria
karena tidak adanya pengecekan
konsistensi. Jadi, kombinasi metode AHP
dan Promethee menjadi solusi yang baik
untuk menghasilkan pemeringkatan yang
lebih baik. Pada proses pembobotan
kriteria menggunakan AHP, sedangkan
pada algoritma pemeringkatan
menggunakan metode Promethee.
Kelemahan yang ada pada kombinasi
metode AHP dan Promethee adalah waktu
yang lebih lama dibandingkan metode
Gambar 8. Form Transaksi Hasil Seleksi AHP atau Promethee saja.
9. Apabila pemakai ingin menampilkan detail 3. Hasil pemeringkatan dari kombinasi AHP
perhitungan dari metode AHP dan dan Promethee terbukti lebih baik daripada
Promethee, maka dapat mengklik check hasil peningkatan dari metode AHP atau
Promethee saja. Hal ini dikarenakan
367
kelebihan dari masing-masing metode Idealisasi dan Implementasi Konsep

digunakan. Pengambilan Keputusan. Bandung: PT
Remaja Rosdakarya.
9. Yusuf, A.W. 2011. Sistem Pendukung
Daftar Pustaka Keputusan Pemilihan Program Studi
1. Asmara, O. A., 2013,Sistem Pendukung
dengan Metode Promethee Berbasis
Keputusan Penerimaan Karyawan Pada
Web. Skripsi. Fakultas MIPA
Saudara Group Semarang Menggunakan
Universitas Sumatera Utara.
Metode Promethee. www.dinus.ac.id
10. Yuwono, B., dkk., 2011. Sistem
2. Kusrini, 2007,Konsep Dan Aplikasi
Pendukung Keputusan Menggunakan
Sistem Pendukung Keputusan.
Metoden Promethee (Studi Kasus:
Yogyakarta: AndiOffest.
Stasiun Pengisian Bahan Bakar Umum)
3. Lemantara, J., Setiawan, N. A., & Aji, M.
Vol. 8, No. 1, Juli 2011.
N., 2013, Rancang Bangun Sistem
11. Ade Febransyah, "Mengukur Kesuksesan
Pendukung Keputusan Pemilihan
Produk Pada Tahap Desain: Sebuah
Mahasiswa Berprestasi Menggunakan
Pendekatan Fuzzy-MCDM," Jurnal
Metode AHP dan Promethee. JNTETI, Vol
Teknik Industri, vol. VIII, pp. 122-130,
2, No. 4
Desember 2006.
4. Suryadi, K., & Ramdhani, A., 2000,Sistem
12. Heri Anggiat Tambunan, "Sistem
Pendukung Keputusan. Bandung: Remaja
Pendukung Keputusan Pemilihan Siswa
Rosda Karya.
Berprestasi Dengan Metode Electre,"
5. Turban, E., & Aronson, J., 2001, Decision
vol. VII, pp. 131-135-130, Agustus 2014.
Support System And Intelligent Systems.
13. Melina , "Pembuatan Sistem Pendukung
7th edition.
Keputusan Keperluan Pernikahan
6. Turban, E., Aronson, J., & T, L.,
Dengan Metode Promthee Pada Website
2005,Sistem Pendukung Keputusan Dan
Portal Pernikahan," vol. II, 2013
Sistem Cerdas. Jogyakarta: Andi Offset.
14. PT Perkebunan Nusantara IV,
7. Noe M. Robert & R. Wayne Mondy, 1990,
http://www.ptpn4.co.id, Tanggal akses
Human Resource Management, Allyn and
15 Desember 2016.
Bacon. Siagian, S.P., 1993, Teori dan
Praktek Pengambilan Keputusan, Jakarta:
CV Haji Masagung.
8. Suryadi, dkk., 1998. Sistem Pendukung
Keputusan Suatu Wacana Struktural
368
ISBN : 978-602-52550-0-7
KENDALI JARAK JAUH RUMAH CERDAS MENGGUNAKAN MODUL

SIM 800L DAN ARDUINO UNO
Arif Ainur Rafiq
Program Studi Teknik Elektronika, Jurusan Teknik Elektronika, Politeknik Negeri Cilacap Jl. Dr.
Soetomo No.1 Sidakaya, Cilacap Selatan, Cilacap, Jawa Tengah 53212 Telp. (0282) 533399
arifainurrafiq@gmail.com
ABSTRAKS
Rumah adalah salah satu aset berharga yang sering ditinggal pergi oleh masyarakat yang memiliki
mobilitas yang tinggi seperti saat ini. Agar lebih memudahkan dalam pengawasan dan pengontrolan
rumah diperlukan suatu sistem yang dapat terhubung langsung dengan ponsel yang selalu dibawa oleh
pemilik rumah. Dengan menerapkan sistem ini rumah dapat secara otomatis menghidupkan atau
mematikan lampu dan kipas sesuai dengan sensor LDR dan LM35. Pemilik rumahpun dapat
melakukan pengawasan dan pengontrolan rumahnya dengan mengirimkan sms ke perangkat yang
kemudian akan mendapatkan balasan pesan mengenai kondisi rumah dari SIM800L yang ada pada
sistem, dengan cara yang sama pemilik rumah mengontrol selenoid yang digunakan untuk kunci
rumah, dan untuk sistem pengawasan terdapat sensor PIR yang akan mengirimkan pesan apabila
mendeteksi gerakan apabila kunci rumah aktif. Kegiatan ini bertujuan untuk mempermudah para
pemilik rumah yang memiliki mobilitas yang tinggi sehingga dapat mengontrol dan mengawasi
rumahnya dari jarak jauh dan dapat mengefisiensikan pemakaian energi. Pada hasil percobaan sensor
PIR dapat mendeteksi gerakan, kipas dan lampu dapat menyala secara otomatis sesuai dengan sensor
LM35 dan LDR, dan SIM800L dapat mengirim pesan ke pemilik rumah.
Kata Kunci : Sensor passive infra-red, sensor LM 35, Selenoid, Modul SIM 800L, Arduino
1. PENDAHULUAN diantaranya adalah sistem otomatisasi dan

1. 1 Latar Belakang sistem pengawasan (Lamudi, 2014).
Perkembangan teknologi sekarang ini Setelah melakukan review mengenai
semakin menyentuh diberbagai aspek sistem Pintar dan sistem
kehidupan manusia salah satunya adalah pengawasan pada Artikel terdahulu
teknologi pada rumah atau yang sering yang seperti dilakukan oleh
dikenal dengan konsep rumah pintar Sukmana, et al., (2015), dimana
(smart home). Menurut Saputra (2016) dalam artikelya menemukan
teknologi ini menggunakan sistem kerja ketidak adanya sinyal internet pada suatu
cerdas dan otomatis. Konsep kerja, daerah tertentu.
teknologi ini pada prinsipnya akan Sinyal GSM/GPRS cenderung lebih stabil
membantu penghuni rumah dalam apabila di implementasikan di Indonesia
melakukan aktivitas dapat dikerjakan yang notabene masih menjadi negara
lebih mudah dibanding dengan melakukan berkembang. Oleh karena itu, dibuatlah
secara manual. Lebih lanjut menurut sistem yang dapat melakukan kontrol dan
Saputra (2016) mengatakan bahwa banyak pengawasan melalui notifikasi SMS
dalam konsep rumah pintar salah satunya (Short Message Service). Dengan
aspek keamanan. Teknologi rumah menerapkan sistem tersebut pemilik
pintar (smart home) sekarang ini sedang rumah tidak hanya dapat melakukan
populer di kalangan para pengembang pengawasan terhadap rumahnya, namun
perumahan atau developer, hal tersebut juga dapat melakukan pengontrolan
dikarenakan tingginya tingkat persaingan terhadap rumahnya agar keamanan dan
antara pengembang perumahan untuk efisiensi daya dapat ditingkatkan.
menciptakan nilai tambah pada Sebelum dilakukan artikel lebih
perumahan yang akan dibangun. Selain mendalam, pada artikel ini dilakukan
itu, kebutuhan masyarakat akan keamanan percobaan dengan menggunakan lampu
di sebuah rumah hunian semakin tinggi dan kipas yang dapat menyala dan mati
permintaanya. Banyak fitur yang secara otomatis sesuai dengan sensor
ditawarkan oleh para pengembang LDR dan LM35 yang setpointnya telah di
369
ISBN : 978-602-52550-0-7
atur, sehingga untuk sistem pengawasan perangkat tersebut melibakan tradeoff

ketika kunci diaktifkan dan sensor PIR termasuk ketersediaan sumber daya yang
mendeteksi gerakan sistem akan diinginkan. Dari definisi tersebutdapat
mengirimkan pesan yang berisi peringatan disimpulkana bahwa dibutuhkan beberapa
bahwa ada seseorang yang terdeteksi interaksi diantara manusia sebagai
ketika kunci aktif. Pada sistem ini akan pemakai dan perangkat seperti sensor,
terdapat fungsi scanning untuk perangkat- actuator dan sebagainya, banyak fitur
perangkat utama, seperti lampu, kipas, yang disajikan pada teknologi rumah
dan kunci. Untuk kunci rumah pemilik pintar seperti pemantau dan pengontrol
rumah dapat mengaktifkan dan HVAC, otomatisasi lampu, pemantau gas
membukanya dengan perintah SMS, hal dan sebagainya. Kebutuhan-kebutuhan
tersebut dapat menajadi solusi ketika akan tingkat keamanan di dalam rumah
pemiliki rumah lupa, dan dapat langsung akan menjadi tema yang dominan di
mengaktifkannya meskipun pada jarak dalam implementasi rumah cerdas.
yang jauh. Oleh karena itu, pada artikel
ini akan memanfaatkan free open source 2.2 Perancangan
software untuk membangun sistem Pada bab ini akan dijelaskan mengenai
keamanan rumah, dalam hal ini akan perancangan layout yang ada pada
menggunakan mikrokontroler Arduino aplikasi berserta dengan prosesnya.
sebagai sistem pengontrolnya Perancangan terbagai menjadi 2 bagian,
yaitu perancangan flowchart dan
1.2 Identifikasi Masalah perancangan interface.
Berdasarkan latar bekalang
permasalahan di atas, maka dalam artikel 2.2.1 Perancangan Flowchart
ini identifikasi masalahnya adalah : 1. Perancangan flowchart merupakan
Bagaimana merancang sistem kendali proses awal hingga akhir dalam
jarak jauh untuk rumah cerdas? 2. perancangan aplikasi ini. Rangkaian
Bagaimana menggunakan sensor passive sistem rumah pintar ini terdiri atas
infrared, sensor LM 35 sebagai Arduino, sensor PIR, LDR, LM35,
pengindera dalam rumah cerdas? 3. SIM800L, kipas, LED, selenoid, LCD,
Bagaimana membuat program yang dan TIP41 yang dirangkai seperti gambar
mengintegrasikan antara sensor, modul 1. LDR dipasang seri dengan resistor dan
SIM800L dan Arduino? persambungan dari keduanya kemudian
terhubung dengan pin Analog 0 pada
1.3 Batasan Masalah Arduino, sedangkan untuk LM35
Pembahasan artikel lebih terah dan terhubung dengan pin Analog 1 pada
sesuai dengan latar belakang masalah Arduino. Sensor PIR terhubung dengan
diatas, maka dalam artikel ini akan pin digital karena output yang dihasilkan
dibatasi pada perancangan Modul Smart hanya tinggi dan rendah sesuai dengan
Home menggunakan mikrokontroler ada tidaknya gerakan yang terdeteksi oleh
Arduino dan penggunaan modul SIM800L sensor tersebut.
sehingga dapat mengirim SMS secara
otomatis. Lalu apabila sensor PIR mendeteksi
gerakan maka sensor LM35 dan sensor
2. ANALISA DAN PERANCANGAN LDR akan aktif dan akan mengontrol
2. 1 Analisa kipas dan LED. Lalu apabila ada pesan
Menurut beberapa sumber artikel tentang masuk berisikan “SCAN” maka Arduino
rumah pintar, beberapa rumah pintar akan membaca logika yang ada pada
memiliki integrasi keragaman pada masing-masing output dan akan
pelayanan otomatisasi yang diberikan. mengirimkan pesan sesuai dengan kondisi
Integrasi tersebut terutama dilakukan oleh saat itu. Jika pesan masuk berisikan “KEY
sistem perangkat lunak yang mengontrol ON” atau “KEY OFF” maka Arduino
banyaknya perangkat yang digunakan di akan memberikan logika tinggi untuk
rumag. Komunikasi dari perangkat- “KEY ON” dan logika rendah untuk
370
ISBN : 978-602-52550-0-7
“KEY OFF”. Apabila ketika kunci aktif 2.2.3 Kebutuhan Sistem

terdeteksi gerakan, maka SIM800L akan Adapun kebutuhan sistem yang
mengirimkan pesan ke pemilik rumah digunakan dalam perancangan ini adalah
yang berisi pemberitahuan adanya orang sebagai berikut :
yang masuk ketika kunci aktif yang
diperkirakan pencuri atau perampok yang 2.2.3.1 Arduino Uno
menerobos masuk. Proses peracangan Mikrokontroler Arduino sebuah
desain adalah awal yang harus dilakukan sistem komputer fungsional dalam sebuah
dalam membangun sebuah aplikasi, chip. Di dalamnya terkandung sebuah inti
dimana desain dapat memberikan nilai prosesor, memori dan perlengkapan input
tambah pada aplikasi tersebut. Dalam output. mikrokontroler Arduino
aplikasi ini memiliki desain yang merupakan salah satu board
sederhana, berikut adalah flowchart dari mikrokontroler yang sangat popular dan
proses perancangan desain. sudah diakui keunggulannya. Arduino
adalah kit elelktronika atau papan
rangkaian elektronik open source yang di
dalamnya terdapat komponen utama yaitu
sebuah chip mikrokontroler dengan jenis
AVR dari perusahaan ATMEL (Syahwil,
2013).
Gambar 2.1 Flow chart sistem

Gambar 2.3 Arduino Uno
2.2.2 Proses Perancangan Desain
Pada tahap ini, dilakukan dengan Arduino terdiri dari dua bagian yaitu :
menggunakan perangkat lunak proteus
Hardware berupa papan input/output (I/O)
professional 8. Di dalam proses desain ini,
yang open source, dan Software Arduino
juga dilakukan simulasi untuk open source. Menurut Wan, et al., (2016)
memastikan bahwa sistem yang dirancang
Software Arduino yang bersifat open
sudah dapat optimal sesuai dengan source dan perangkat kerasnya berdasar
parameter yang ditentukan.
dari Atmel AVR dan mikrokontroller
ARM. Karena harganya yang murah,
mudah dan fleksibel, perkembangan dan
aplikasinya berkembang pesat, terutama
pada perkembangan sistem prototype
berdasarkan desain sensor. Desain
perangkat keras yang digunakan adalah
CC – BY – SA – 3.0 protocol, dan
software yang digunakan adalah bahasa
tingkat tinggi seperti C++. Inti dari
Arduino Uno adalah prosesor Atmega328.
Atmega328 ini memiliki 14 pin digital
input atau output (6 pin dapat digunakan
untuk output PWM), 6 pin input analog,
32KB Flash Memory dan 1 KB EEPROM
Gambar 2.2 Proses erancangan Desain
371
ISBN : 978-602-52550-0-7
2.2.3.2 Sensor Passive Infra Red (PIR)

Passive infrared atau PIR adalah
sensor yang sangat populer karena
harganya yang murah dan diproduksi
secara massal. Kebanyakan digunakan
untuk aplikasi dirumah atau di dalam
gedung untuk menyalakan lampu dan
peralatan. Berbeda dengan sensor lain,
PIR memiliki konsumsi daya yang sangat
rendah. Sensor ini bereaksi terhadap 2.4 Modul SIM800L
bentuk sinar inframerah. Pada dasarnya
semua benda menghasilkan inframerah, 3. HASIL
sensor PIR akan menangkap semua Percobaan dilakukan dengan
inframerah yang dipancarkan, kemudian memberikan stimulus berupa gerakan di
menganalisa dan mendapat input depan sensor PIR, mengatur suhu dan
berdasarkan analisa frekuensi yang cahaya sehingga LED dan kipas aktif.
diterima. Pada dasarnya manusia Kemudian dengan mengirimkan pesan
menghasilkan inframerah yang kuat, berisi “SCAN” untuk mengecek kondisi
ketika analisis grafis dilakukan ouput – output yang ada. Lalu kunci
pergerakan dari manusia menghasilkan diaktifkan dengan mengirim pesan “KEY
sinar inframerah dengan frekuensi yang ON”, setelah kunci aktif sensor PIR diberi
besar, berbeda dengan makhluk lain. stimulus untuk menguji sistem
(Sukmana, et al., 2015). pengawasannya. Hasil yang diberikan
Sensor ini terbuat dari bahan Crystalline sistem dapat berjalan dengan baik dan
yang dapat membangkitkan sinyal elektrik SIM800L dapat menerima dan mengirim
ketika terdapat energi panas pada radiasi sms sesuai dengan yang diharapkan.
inframerah, energi panas tersebut dapat Kipas dapat menyala ketika suhu terukur
berasal dari panas tubuh manusia dan lebih dari 30°C dan LED menyala ketika
hewan dengan sinyal gelombang yang tegangan yang dihasilkan oleh LDR
panjangnya dari 9.4µm kurang dari 0.6. Kemudian ketika kunci
aktif dan ada pergerakan terdeteksi oleh
2.2.3.3 Sensor Suhu LM35 sensor PIR, sistem mengirimkan pesan
LM35 adalah rangkaian sensor untuk pemberitahuan kepada pemilik
temperatur terintegrasi yang terbuat dari rumah dan untuk fungsi scan, pesan yang
semikonduktor nasional. LM35 ini dikirimkan sesuai dengan kondisi yang
memiliki tingkat presisi yang tinggi dan ada pada saat itu.
jangkauan yang luas. Output tegangan
LM35 proporsional terhadap temperatur
celcius, pada temperatur sebenarnya,
sensir dapat mendukung kurang lebih
1,4% presisi dari temperatur ruang tanpa
memerlukan kalibrasi. (Liu, et al., 2009)
Gambar 2.5 Tampilan LCD Hasil
2.2.3.4 Modul SIM800L Bacaan Sensor
Modul SIM800L merupakan suatu
modul yang dapat mengakses mengakses Pada gambar 2.5 di atas, dapat dilihat
GPRS untuk pengiriman data ke internet bahwa LCD dapat menampilan hasil baca
dengan sistem M2M. AT-Command yang dari sensor suhu dan intensitas cahaya.
digunakan pada SIM800L mirip dengan Nilai terukur itu akan dibandingkan
AT-Command untuk modul-modul yang dengan set point yang telah ditentukan
lain. Modul ini memiliki range kerja Quad untuk menentukan aksi dari aktuatornya.
Band 850/900/1800/1900 dengan dimensi
372
ISBN : 978-602-52550-0-7
4. KESIMPULAN
Sebagai penutup pembahasan dalam
artikel ini telah diambil kesimpulan untuk
memperbaiki pada artikel berikutnya.
Adapun kesimpulan yang dapat diperoleh
1. Sistem dapat bekerja dengan baik
ditandai dengan mampunya sensor untuk
mendeteksi objek, kemudian SMS akan
dikirimkan sebagai notifikasi. Hal ini
sebagai indicator bahwa sistem rumah
cerdas dapat berfungsi.
Gambar 2.6 Pesan yang dikirimkan 2. Sinyal dari provider yang digunakan
SIM800L menentukan lama atau cepatnya SMS
terkirim.
Gambar 2.6 menunjukan pesan yang
dikirimkan SIM800L. Awalnya SIM800L PUSTAKA
memeriksa kesiapan sistem untuk bekerja, [1] Kamus Z., dan Pratama, R. 2013.
setelah sistem siap SIM800L akan Aplikasi Light Dependent Resistor
mengirimkan pesan berisi “System Ready Untuk Pengembangan Sistem
To Use”. Pengukuran Durasi Harian
Penyinaran Matahari. Prosiding
SEMIRATA 2013, 1(1).
[2] Liu, C., Ren, W., Zhang, B., & Lv, C.

2011. The application of soil
temperature measurement by LM35
temperature sensors. In Electronic
and Mechanical Engineering and
Information Technology (EMEIT),
2011 International Conference on
(Vol. 4, pp. 1825-1828). IEEE
[3] Sukmana, Husni Teja, Farisi,

Muhammad Giyast, Khairani, and
Dewi. 2015. Prototype Utilization
Ketika kita mengirimkan pesan “KEY of PIR Motion Sensor for Real Time
ON” maka sistem akan memberikan Surveillance System and Web-
logika tinggi pada pin selenoid sehingga Enabled Lamp Automation. Wireless
kunci menjadi aktif dan untuk pesan and Mobile (APWiMob), IEEE Asia
“KEY OFF” untuk mematikan selenoid. Pacific Conference on (pp. 279 –
Ketika sensor PIR mendeteksi gerakan 284). IEEE
saat selenoid
aktif, maka SIM800L akan mengirimkan [4] Muhammad Syahwil. 2013. Panduan
pesan berisi “INTRUDER ALERT!!!” Mudah Simulasi dan Praktik
seperti pada gambar diatas. Untuk fungsi Mikrokontroler Arduino. Yogyakarta
“SCAN” sistem akan membaca logika – : ANDI
logika pada pin output yang ada dan
mengirimkannya ke pemilik rumah, pada [5] Wang, Y., & Chi, Z. 2016. System of
contoh diatas seluruh output dibuat aktif Wireless Temperature and Humidity
kecuali kunci Monitoring Based on Arduino Uno
Platform. In Instrumentation &
Measurement, Computer,
Communication and Control
373
ISBN : 978-602-52550-0-7
(IMCCC), 2016 Sixth International

Conference on (pp. 770-773). IEEE.
[6] Zulhipin Reno Saputra. 2016.

Perancangan Smart Home Berbasis
Arduino. Jurnal Sigmata, Vol. 4
(1), pp. 44-51. LPPM AMIK
SIGMA.
374

Jurnal Penelitian - 199-336-369-6-10-20190415 PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Jurnal Penelitian - 199-336-369-6-10-20190415 PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

SEMI

PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI DAN ILMU

SUSUNAN PANITIA SNITIK 2018

Pembina : Dr. Tommy Leonard, S.H., M.Kn.

Sie Publikasi : Evta Indra, M.Kom.

Moderator Keynote Speaker : Ir. Hendrik Siagian, M.Kom.

Cetak pertama, April 2018

Hak cipta dilindungi oleh undang-undang; dilarang memperbanyak menyalin

Inovasi Teknologi Informasi merupakan salah satu teknologi unggulan yang

Informasi Geografis, Aplikasi Mobile, Data Mining, Big Data, E-learning, E-

Medan, 26 Juli 2018

Sistem Pendukung Keputusan dalam Memilih Tanaman Pangan

Penerapan Fast (K, N) – Threshold Secret Sharing Scheme dalam

Aplikasi Enkripsi dan Dekripsi File dengan Kombinasi Algoritma

Penerapan Metode Fuzzy Tsukamoto untuk Memprediksi Produksi

Rekomendasi Kredit Berdasarkan Kapasitas Konsumen

Peramalan Penjualan Mobil Yang Dipengaruhi oleh Kurs Dan Bunga

Data Mining Algoritma K-Means dalam Mengelompokkan Jumlah Desa

Perbandingan Metode AHP dan SAW dalam Pengangkatan Karyawan

Analisis Pencarian Faktor Kegagalan dalam Matakuliah Utama Bidang

Implementasi Algoritma Five Modulus dalam Menyembunyikan Data

Perancangan Robot Lengan Pemindahan Barang Berdasarkan Jarak

Analisis Waktu Proses Loading dan Unloading dengan Pendekatan

Analisis Perbandingan Performa antara Routing Protokol Link State dan

Perancangan Sistem Monitoring Suhu dan Kendali Mesin Pendingin

Kajian Pengamanan Objek Tertentu Berbasis Real Time Video

Rancangan Bangun Graphical User Interface Pergerakan Motor DC Pada

Sistem Pendukung Keputusan untuk Menentukan E-Commerce yang

Cloud Computing Data Mining di dalam Dunia Pendidikan

Analisa Metode ANP dalam Merekomendasikan Produk Terbaik Asuransi

Perancangan Sandaran Belakang Tempat Duduk Sepeda Motor Beat

Analisis Sistem Pendukung Keputusan Peremajaaan Tanaman Kelapa

Daya Guna Teknologi Digital dalam Penyampaian Materi Pembelajaran

Perancangan Smart Home dengan Konsep Internet Of Thing (IOT)

Peramalan Penjualan Produk Kertas Sembahyang untuk Meminimalkan

Sistem Pendukung Keputusan Penerimaan Guru Pesantren Modern

Penerapan Lifecycle Thinking Sustainable Design Pada Desain Produk

Sustainable Delevopment Rumah Kreatif Eks Lokalisasi Dolly

Analisis Sistem Pendukung Keputusan Pemilihan Office Boy Terbaik

Simulasi Belajar TIK SMP Berbasis Android

Sistem Pendukung Keputusan Penerimaan Karyawan dengan Metode

Sistem Pendukung Keputusan Penentuan Promosi Jabatan Karyawan

Pengenalan Pola Pada Tuna Wicara dengan Jaringan Syaraf Tiruan

Kekuatan Komposit Polymeric Foam di Perkuat Serat Tandan Kosong

Analisis Sistem Pendukung Keputusan Pemilihan Program Tabungan

Penerapan Metode Certainty Factor Pada Aplikasi Sistem Pakar Diagnosa

dan Elma Suraya ....................................................................................... 231-241

Strategi Pelayanan dengan Mempertimbangkan Faktor Kualitas Layanan

Analisa dalam Menentukan Produk BRI Syariah Terbaik Berdasarkan

Sistem Pendukung Keputusan Penerimaan Dosen dengan Fuzzy Mamdani

Perancangan Sistem Pendukung Keputusan Penyeleksian Kelayakan

Anaisis Sistem Pendukung Keputusan Penempatan Lokasi Taman

Faktorisasi Matrik dalam Kompresi Citra dengan Matrik Faktor 16-1-1-16

Preimageattack Pada Hashed Password dengan Menggunakan Brute

Implementasi Tandatangan Digital Pada Dokumen Akademik

Perancangan Simulasi Pemakaian Listrik Pada Perangkat Elektronik

Sistem Pakar Mendiagnosa Kerusakan Mesin Fotocopy dengan Metode

Analisa Inisialisasi Nguyen Widrow dalam Jaringan Syaraf Tiruan

Analisa Metode Moora dalam Menentukan E-Commerce Terbaik

Deteksi Penyakit Tanaman Jeruk dengan Algoritma Radial Basis Function

Sistem Pakar Diagnosa Penyakit dalam dan Solusi Pengobatan Tradisional

Analisis Pengambilan Keputusan dalam Merekomendasikan Jenis Usaha

Analisis Sistem Pendukung Keputusan Pemilihan Anggota Panitia