BAB II

STUDI LITERATUR

2.1 Pendahuluan

Pada bab ini akan memaparkan kajian literatur dari penelitian. Pengkajian

studi literatur objek penelitian berdasarkan jurnal dan buku serta artikel yang

berkaitan dengan objek penelitian, Sistem Pendukung Keputusan, Multi criteria

decision making (MCDM), dan metode yang digunakan dalam penelitian yaitu

MAUT dan ELECTRE, agar dapat lebih mengerti terhadap penelitian dalam

membangun perangkat lunak sistem pendukung keputusan pemilihan tujuan

wisata yang ada di kota Palembang dengan menggunakan kombinasi metode

MAUT dan ELECTRE.

2.2 Sistem Pendukung Keputusan

Pengambilan keputusan dapat dikatakan sebagai proses kognitif yang

memilih tindakan terbaik dari berbagai alternatif. Pengambilan keputusan

bertindak sebagai bagian penting dari pekerjaan di banyak profesi dimana

keputusan dibuat oleh spesialis yang memiliki keahlian di bidang tertentu. Sistem

pendukung keputusan termasuk dalam lingkungan multidisiplin yang mencakup

penelitian basis data, kecerdasan buatan, interaksi manusia-komputer, metode

simulasi, dan rekayasa perangkat lunak (Sandeep Kautish, 2012).

II-1
 II-2

Sistem pendukung keputusan adalah informasi sistem yang interaktif,

fleksibel dan mudah beradaptasi. Sistem pendukung keputusan dirancang untuk

menolong mengelola masalah yang tidak terstruktur untuk meningkatkan

pengambilan keputusan (Syamsul,2012).

Menurut Turban (1995), Sistem Pendukung Keputusan adalah sistem

informasi berbasis komputer yang interaktif, fleksibel, dan dapat beradaptasi,

dikembangkan terutama untuk pengambilan keputusan yang lebih baik karena

mendukung solusi masalah manajemen yang tidak terstruktur. Ini menggunakan

data yang menyediakan antarmuka yang mudah digunakan, dan memungkinkan

untuk wawasan pembuat keputusan sendiri.

2.2.1 Tujuan Sistem Pendukung Keputusan

Adapun tujuan dari sistem pendukung keputusan menurut Turban (2007) adalah

sebagai berikut :

i) Membantu pengambilan keputusan tentang masalah semi-terstruktur di

tingkat manajer ini.

ii) Memberikan dukungan untuk keputusan yang diambil oleh manajer dan

tidak dimaksudkan untuk menggantikan fungsi manajer.

iii) Meningkatkan efektivitas pembuat keputusan dalam hal ini manajer.

iv) Peningkatan efisiensi waktu, karena komputer memungkinkan para

pembuat keputusan untuk melakukan banyak komputasi dengan tepat dan

biaya dapat diminimalkan.

 II-3

v) Meningkatkan kualitas keputusan, dalam hal ini, sistem pendukung

keputusan dimaksudkan untuk meningkatkan kualitas keputusan yang

akan diambil. Sebaliknya, jika semakin banyak data diakses maka semakin

banyak alternatif dievaluasi.

2.2.2 Komponen Sistem Pendukung Keputusan

Komponen dari sistem pendukung keputusan terdiri dari 3 komponen

utama atau sub-sistem (Turban, 2005: 30) adalah sebagai berikut :

1. Data Subsystem (database)

Subsistem data adalah komponen pendukung sistem pendukung keputusan

data untuk sistem. Data yang dimaksud disimpan dalam database (basis data) yang

diselenggarakan oleh suatu sistem yang disebut sistem manajemen basis data

(Data Base Management System atau DBMS). Basis data dalam sistem

pendukung keputusan berasal dari dua sumber: sumber internal (dari dalam

perusahaan) dan sumber eksternal (dari luar perusahaan).

2. Model subsystem (model base)

Keunikan sistem pendukung keputusan adalah kemampuannya untuk

mengintegrasikan data dengan model keputusan. Model tersebut merupakan tiruan

dari dunia nyata. Kendala yang sering dijumpai dalam mendesain model adalah

bahwa model yang disiapkan tidak mampu mencerminkan semua variabel dunia

nyata. Sehingga keputusan yang diambil berdasarkan model menjadi tidak akurat

dan tidak memenuhi kebutuhan. Oleh karena itu, dalam menyimpan berbagai

model dalam sistem dasar model harus tetap fleksibel, artinya harus ada fasilitas
 II-4

yang dapat membantu pengguna untuk memodifikasi atau memperbaiki model

seiring dengan perkembangan pengetahuan.

3. Subsystem dialog (user system interface)

Keunikan lain dari Sistem Pendukung Keputusan adalah bahwa ada

fasilitas yang dapat mengintegrasikan sistem yang diinstal dengan pengguna

secara interaktif. Fasilitas atau subsistem ini dikenal sebagai subsistem dialog, ini

adalah sistem yang diartikulasikan dan diimplementasikan sehingga pengguna

atau pengguna dapat berkomunikasi dengan sistem yang dirancang.

2.3 Multi Criteria Decision Making

Multi Criteria Decision Making (MCDM) adalah metode pengambilan

keputusan untuk menentukan alternatif terbaik dari beberapa alternatif

berdasarkan kriteria tertentu. Kriteria biasanya dalam bentuk tindakan atau aturan

atau standar yang digunakan dalam pengambilan keputusan (Kusumadewi et al,

2006).

Metode MCDM dapat membantu meningkatkan kualitas hasil keputusan

dengan membuat proses pengambilan keputusan lebih eksplisit, rasional, dan

efisien. Bukan kebetulan bahwa pencarian sederhana (misalnya, dengan

menggunakan mesin pencarian Google) online di bawah kata kunci "pengambilan

keputusan multi-kriteria" menghasilkan lebih dari satu juta hasil. Beberapa

aplikasi MCDM dalam rekayasa termasuk penggunaan sistem manufaktur

fleksibel (Wabalickis RN, 1988), desain tata letak (Cambron KE, 1991), sistem
 II-5

manufaktur terintegrasi (Putrus P., 1990) dan evaluasi keputusan investasi

teknologi (Boucher TO, 1991).

2.3.1 Metode Multi Attribute Utility Theory (MAUT)

MAUT adalah metode MCDM yang dikembangkan oleh Shafer (1992).

Metode ini memiliki fungsi utilitas pada kriteria dan dapat memecahkan masalah

multi kriteria untuk pengambilan keputusan yang digunakan untuk berbagai isu

penting. MAUT digunakan untuk menghitung nilai bobot atau kegunaan masing –

masing alternatif, nilai utilitas kemudian akan menunjukkan seberapa besar

alternatif tersebut memenuhi kriteria sehingga menghasilkan kualitas evaluasi

yang lebih baik (Ganiardi, 2016).

Metode MAUT adalah perbandingan kuantitatif yang menggabungkan

pengukuran biaya berbagai risiko dan manfaat. Setiap alternatif memiliki kriteria

yang dapat memberikan solusi untuk menghasilkan keputusan. Menurut (Schäfer,

2012) Multi-Attribute Utility Theory (MAUT) adalah skema di mana evaluasi

akhir, v (x), dari objek x didefinisikan sebagai bobot yang dijumlahkan dengan

nilai yang relevan dengan nilai dimensi atau disebut sebagai nilai utilitas. Hasil

akhir dari metode ini adalah urutan peringkat evaluasi alternatif yang

menggambarkan pilihan pembuat keputusan. Dalam metode MAUT, berat total

adalah 1.

Langkah-langkah untuk menghitung metode MAUT adalah sebagai berikut :

i) Menentukan alternatif dan kriteria.

 II-6

ii) Menentukan bobot kriteria, bobot kriteria ditentukan berdasarkan kriteria

yang dianggap paling penting sampai yang tidak terlalu penting. Adapun

ketentuan bobot kriteria dengan interval dari 1-100.

iii) Untuk melakukan normalisasi matriks keputusan dengan menghitungan

nilai utilitas.

Fungsi utilitas untuk normalisasi setiap atribut vi (x) menjadi Skala 0-1

(Liu, 2015) disebut sebagai U (x) yang dinyatakan oleh formula berikut:

𝒙−𝒙𝒊−
𝑼(𝒙) = (II-1)
𝒙𝒊+ −𝒙−
𝒊

Dimana :

𝑈(𝑥 )= Nilai utility dari setiap kriteria alternatif x

𝑥 = Nilai kriteria dari setiap alternatif

𝑥𝑖− = Nilai terkecil dari kriteria i disemua alternatif

𝑥𝑖+ = Nilai terbesar dari kriteria i disemua alternatif

iv) Jumlah hasil perkalian dan hasil normalisasi dengan bobot kriteria

dengan rumus :

𝒗(𝒙) = ∑𝒏𝒊=𝟏 𝒘𝒋 𝒙𝒊𝒋 (II-2)

Dimana :

𝑣(𝑥)= Total evaluasi alternatif X.

𝑤𝑖 = Bobot relatif kriteria i.

𝑣𝑖 (𝑥 ) = Hasil evaluasi kriteria i ke alternative x.

 II-7

𝑖 = Index untuk menunjukkan kriteria.

𝑛 = Jumlah kriteria.

Hitung nilai total alternatif dengan mengalikan hasil kriteria normalisasi

dengan bobot masing-masing kriteria, yang kemudian akan dijadikan

peringkat alternatif.

v) Perangkingan hasil perhitungan.

2.3.2 Metode Elimination Et Choix Traduisant La REalité (ELECTRE)

ELECTRE (Elimination Et Choix Traduisant La REalité) didasarkan pada

konsep peringkat berdasarkan perbandingan berpasangan antara alternatif dengan

kriteria yang sesuai. Suatu alternatif dikatakan mendominasi alternatif lain jika

satu atau lebih kriteria terpenuhi (dibandingkan dengan kriteria alternatif lain) dan

itu sama dengan kriteria yang tersisa. Hubungan peringkat adalah antara dua

alternatif Ak dari A1 (Roy, 1973).

Menurut Janco dan Bernoider (2005: 11), Electre (Eliminasi Et Choix

Traduisant La REalité) adalah salah satu sistem yang menggunakan metode yang

dibentuk berdasarkan keputusan multikriteria berdasarkan konsep outranking

dengan menggunakan perbandingan berpasangan alternatif untuk setiap kriteria

yang sesuai. Metode Electre dapat digunakan untuk mengukur dan mengurutkan

berdasarkan kelebihan dan kekurangan dari hasil pencarian yang sama.

Langkah-langkah untuk menghitung metode ELECTRE adalah sebagai berikut :

i) Mempersiapkan matrik keputusan

 II-8

ii) Normalisasi matrik keputusan

𝒙𝒊𝒋
𝒓𝒊𝒋 = (II-3)
√∑𝒎 𝟐
𝒊=𝟏 𝒙𝒊𝒋

i = 1,2,…,m

j = 1,2,...n

Dalam prosedur ini, setiap atribut dikonversi ke nilai yang sebanding.

Setiap normalisasi dari nilai xij dapat dilakukan dengan rumus sehingga R

matriks yang diperoleh dari hasil normalisasi, R adalah matriks yang

dinormalisasi, yang menyatakan alternatif, n menyatakan kriteria dan rij

adalah normalisasi pengukuran alternatif terhadap kriteria j

iii) Menentukan nilai bobot.

iv) Menghitung bobot matrik yang telah ternormalisasi.

v) Setelah dinormalisasi, setiap kolom dari matriks R dikalikan dengan bobot

(wj) yang ditentukan oleh pembuat keputusan.

V=R.W (II-4)

𝑣11 𝑣12 … 𝑣1𝑛 𝑤1 𝑟11 𝑤2 𝑟12 … 𝑤𝑛 𝑟1𝑛

𝑣
[ 21 𝑣22 … 𝑣2𝑛 ] = [ 𝑤1 𝑟21 𝑤2 𝑟22 … 𝑤𝑛 𝑟2𝑛 ]
⋮ ⋮
𝑣𝑚1 𝑣𝑚2 … 𝑣𝑚𝑛 𝑤1 𝑟𝑚1 𝑤2 𝑟𝑚2 … 𝑤𝑛 𝑟𝑚𝑛

Dimana w adalah :

𝑤1 0 … 0
[0 𝑣2
⋮
… 0]
0 0 … wn
 II-9

vi) Menentukan corcodance dan discordance

Untuk setiap pasangan alternatif, k dan l (k, l = 1,2,3, ..., m dan k ≠ l)

koleksi kriteria J dibagi menjadi dua himpunan bagian, yaitu corcodance,

dan discordance. Kriteria dalam suatu alternatif termasuk corcodance jika:

𝑪𝒌𝒍 = {𝒋, 𝒗𝒌𝒍 ≥ 𝒗𝒍𝒋 }, 𝒇𝒐𝒓 𝒋 = 𝟏, 𝟐, 𝟑, … , 𝒏 (II-5)

Kriteria dalam suatu alternatif termasuk discodance jika:

𝑫𝒌𝒍 = {𝒋, 𝒗𝒌𝒍 < 𝒗𝒍𝒋 }, 𝒇𝒐𝒓 𝒋 = 𝟏, 𝟐, 𝟑, … , 𝒏 (II-6)

vii) Menghitung corcodance dan discordance

Untuk menentukan nilai elemen dalam matriks corcodance adalah dengan

menambahkan bobot yang termasuk dalam set corcodance i, secara

matematis sebagai berikut:

𝒄𝒌𝒍 = ∑𝒋∈𝑪𝒌𝒍 𝒘𝒋 (II-7)

Untuk menentukan nilai elemen dalam matriks discordance adalah dengan

membagi perbedaan maksimum dalam kriteria yang termasuk dalam

subset discordance dengan perbedaan maksimum dalam nilai semua

kriteria yang ada, secara matematis sebagai berikut:

𝐦𝐚𝐱 {|𝒗𝒌𝒋−𝒗𝒍𝒋 |}𝒋∈𝑫𝒌𝒍

𝒅𝒌𝒍 = (II-8)
𝐦𝐚𝐱 {|𝒗𝒌𝒋 −𝒗𝒍𝒋 |}∀𝒋
 II-10

viii) Menentukan dominant corcodance dan discordance

Matriks F sebagai matriks dominan corcodance dapat dibangun dengan

bantuan nilai ambang, yaitu dengan membandingkan setiap elemen nilai

matriks corcodance dengan nilai ambang

𝐶𝑘𝑙 ≥ 𝑐 (II-9)

Dimana nilai threshold (c) adalah:

∑𝒎 𝒎
𝒌=𝟏 ∑𝒍=𝟏 𝒄𝒌𝒍
𝒄= (II-10)
𝒎(𝒎−𝟏)

Sehingga elemen matriks F ditentukan sebagai berikut:

1, 𝑖𝑓 𝑐𝑘𝑙 ≥ 𝑐
𝑓𝑘𝑙 = { (II-11)
0, 𝑖𝑓 𝑐𝑘𝑙 < 𝑐

Matriks G sebagai matriks dominant discordance dibangun dengan

bantuan nilai ambang:

∑𝒎 𝒎
𝒌=𝟏 ∑𝒍=𝟏 𝒅𝒌𝒍
𝒅= (II-12)
𝒎(𝒎−𝟏)

Dan element matriks G ditentukan sebagai berikut :

𝟏, 𝒋𝒊𝒌𝒂 𝒅𝒌𝒍 ≥ 𝒅
𝒈𝒌𝒍 = { (II-13)
𝟎, 𝒋𝒊𝒌𝒂 𝒅𝒌𝒍 < 𝒅

ix) Menentukan dominant aggregate matrix

 II-11

𝒆𝒌𝒍 = 𝒇𝒌𝒍 𝒙 𝒈𝒌𝒍 (II-14)

Pada tahap ini untuk mendapatkan nilai dominant aggregate matrix, nilai

dari dominant corcordance dikalikan dengan nilai discordance.

x) Eliminasi alternative yang less favourable.

2.4 Metode Multi-Attribut Utility Theory (MAUT) dan ELECTRE

Berikut merupakan langkah-langkah perhitungan metode MAUT dan

ELECTRE, dimana pada metode MAUT akan dilakukan pembobotan dan

normalisasi bobot sedangkan pada metode ELECTRE akan dilakukan perhitungan

untuk mendapatkan hasil rekomendasi tempat wisata di kota Palembang. Adapun

langkah-langkahnya adalah sebagai berikut :

i) Menentukan alternatif dan kriteria.

ii) Menentukan bobot kriteria, bobot kriteria ditentukan berdasarkan kriteria

yang dianggap paling penting sampai yang tidak terlalu penting. Adapun

ketentuan bobot kriteria dengan interval dari 1-100.

iii) Untuk melakukan normalisasi matriks keputusan dengan menghitungan

nilai utilitas berdasarkan persamaan II-1.

iv) Menentukan corcodance dan discordance berdasarkan persamaan II-5 dan

II-6.

v) Menghitung nilai corcodance dan discordance berdasarkan persamaan II-7

dan II-8.

vi) Menentukan dominant corcodance dan discordance

 II-12

Matriks F sebagai matriks dominan corcodance dapat dibangun dengan

bantuan nilai ambang, yaitu dengan membandingkan setiap elemen nilai

matriks corcodance dengan nilai ambang bersadarkan persamaan II-9.

Dengan nilai threshold (c) pada persamaan II-10. Dan elemen matriks F

ditentukan berdasarkan persamaan II-11.

Matriks G sebagai matriks dominant discordance dibangun dengan

bantuan nilai ambang berdasarkan persamaan II-12. Dan element matriks

G ditentukan berdasarkan persamaan II-13.

vii) Menentukan dominant aggregate matrix berdasarkan persamaan II-14.

viii) Eliminasi alternatif yang less favourable

2.5 Pariwisata

Pariwisata adalah istilah umum untuk mencakup permintaan dan pasokan

yang telah diadopsi dalam berbagai bentuk dan digunakan di seluruh Dunia.

Pariwisata didefinisikan sebagai kegiatan orang yang diidentifikasi sebagai

pengunjung. Pengunjung adalah seseorang yang melakukan kunjungan ke tujuan

utama di luar lingkungan biasanya selama kurang dari satu tahun untuk tujuan

utama apa pun termasuk liburan, rekreasi dan rekreasi, bisnis, kesehatan,

pendidikan atau keperluan lainnya. Ruang lingkup ini jauh lebih luas daripada

persepsi tradisional wisatawan, yang hanya mencakup mereka yang bepergian

untuk bersantai (Pedoman Statistik UNWTO, 2010).

 II-13

Menurut Undang-Undang Nomor 10 Tahun 2009 "Pariwisata adalah

berbagai kegiatan pariwisata dan didukung oleh berbagai fasilitas dan layanan

yang disediakan oleh masyarakat, pengusaha, pemerintah dan Pemerintah

Daerah". Selain itu, pariwisata telah menjadi sistem yang sangat dinamis (Farrell

& Twining-Ward, 2004). Pada tahun-tahun terakhir, globalisasi yang

dimungkinkan oleh pengembangan teknologi dan oleh biaya perjalanan yang lebih

murah telah sangat meningkatkan persaingan. Upaya pemasaran yang intensif dari

semua organisasi pariwisata telah mengarah pada pendekatan yang lebih efektif:

pendekatan manajemen destinasi (Ritchie & Crouch, 2003).

Palembang adalah ibu kota Sumatera Selatan yang merupakan kota

terbesar kedua di pulau Sumatera dan salah satu kota tertua di Asia Tenggara.

Kota pelabuhan ini terletak di kedua tepi Sungai Musi, terbentang oleh salah satu

jembatan terpanjang di Indonesia - Jembatan Ampera (Jembatan Ampera). Secara

tradisional, Palembang dibagi oleh Sungai Musi menjadi dua wilayah. Tepi utara

sungai dikenal sebagai Seberang Ilir atau hanya Ilir, adalah pusat komersial dan

bersejarah Palembang sedangkan tepi selatan, yang dikenal sebagai Seberang Ulu

atau hanya Ulu terletak di daerah perumahan dan beberapa bangunan pemerintah.

Palembang memiliki potensi wisata yang tidak kalah dengan kota-kota lain di

Sumatera. Banyak tempat-tempat wisata di kota Palembang yang dapat di jelajahi

oleh para wisatawan yang akan berlibur kekota ini, salah satu ikon kota ini adalah

Jembatan Ampera dimana jembatan ini merupakan salah satu jembatan yang

terpanjang di indonesia. Tidak hanya Jembatan Ampera, disekitaran Jembatan

Ampera terdapat tempat-tempat wisata bersejarah untuk para wisatawan. Selain

 II-14

Jembatan Ampera, masih banyak tempat-tempat wisata yang dapat di jelajahi oleh

para wisatawan.

2.6 Penelitian yang Relevan

Beberapa penelitian telah dilakukan untuk menentukan keputusan dalam

memilih tujuan wisata, pada sub-bab ini akan dipaparkan beberapa penelitian

yang terkait dengan penelitian ini

2.6.1 Edy Satria, Nurul Atina, Maria Etty Simbolon, Agus Perdana

Windarto (2018) : Sistem Pendukung Keputusan Algortima Multi-

Attribute Utility Theory (MAUT) Pada Destinasi Tujuan Wisata Lokal di

Kota Sidamanik

Pada penelitian ini dimaksudkan agar dapat membantu para wisatawan

menentukan tempat wisata yang ada dikota Sidamanik, dimana kriteria

yang digunakan pada ada 6 yaitu, keindahan alam, keamanan, biaya, jarak,

waktu, sarana dan prasarana. Dengan menggunakan metode MAUT

peneliti mendapatkaan hasil akhir tempat wisata Bah Biak menghasilkan

hasil perhitungan yang tinggi sebesar 0,847.

2.6.2 Muhammad Aris Ganiardi (2017) : Sistem Pengambilan Keputusan

Pengembangan Perumahan Menggunakan Metode Analytical

Hierarchy Process – Multi Attribute Utility Theory

Penentuan lokasi perumahan mencakup beberapa faktor diantaranya pola

tata guna tanah, daya dukung lingkungan, aksesibilitas, keamanan dan

 II-15

kenyamanan,serta keterjangkauan sarana dan prasarana umum. Banyaknya

parameter yang harus dipertimbangkan tersebut membuat kegiatan

pengambilan keputusan memunculkan masalah yaitu menghabiskan lebih

banyak waktu dan biaya. Untuk meningkatkan efisiensi dan efektifitas

developer dalam mengambil keputusan maka dibuatlah sebuah sistem

pendukung keputusan yang menerapkan metode Analytical Hierarchy

Process(AHP) dan Multi-Attribute Utility Theory(MAUT). Hasil akhir

yang didapatkan dari perangakat lunak yang dikembangkan akan

ditampilkan dalam bentuk grafik. Grafik akan menampilkan seluruh

lokasi yang ditelah dimasukkan.

2.6.3 Linda Marlinda (2016) : Sistem Pendukung Keputusan Pemilihan

Tempat Wisata Yogyakarta ELimination Et Choix Traduisant La

RealitA (ELECTRE).

Dalam penelitian itu bertujuan untuk mengembangkan aplikasi sistem

informasi merekomendasikan tempat wisata yang ada di kota Yogyakarta

berbasis web dengan kriteria biaya, jarak dan waktu dengan menggunakan

metode ELECTRE yang menghasilkan daftar tempat wisata berdasarkan

masukkan yang diberikan oleh user ke sistem.

2.7 Kesimpulan

Pada bab ini dijelaskan kajian literatur tentang penelitian penelitian dan

menjelaskan lebih lanjut tentang Sistem Pendukung Keputusan. Kemudian dalam

bab ini juga dijelaskan tentang metode yang digunakan dalam proses pengambilan
 II-16

keputusan, juga menjelaskan proses perhitungan yang dilakukan pada masing-

masing metode. Teori dari bab ini akan digunakan untuk menyelesaikan masalah

penelitian sesuai dengan metodologi yang dijelaskan dalam bab berikutnya.