BAB III

TEORI PENUNJANG

3.1 Sistem Pendukung Keputusan

Menurut Risa Dwi dan Imam Ahmad dalam jurnal ilmiahnya menyatakan
Sistem Pendukung Keputusan dapat dijelaskan sebagai proses pemilihan alternatif
terbaik dari beberapa alternatif secara sistematis untuk digunakan sebagai suatu
cara pemecahan masalah dengan memanfaat-kan tekonologi atau sistem tertentu.
Pada penelitian Sistem Pendukung Keputusan dijabarkan sebagai Sistem informasi
interaktif yang menyediakan informasi, pemodelan dan pemanipulasian data yang
membantu dalam pengambilan keputusan (Kurniawati & Ahmad, 2021).
Menurut Giyanti Lestar, Neneng dan Ajeng Savitri dalam jurnal ilmiahnya
menyatakan Sistem Pendukung Keputusan adalah sebuah sistem yang dimaksudkan
untuk mendukung para pengambil keputusan manajerial dalam situasi keputusan
semi-terstruktur. Sistem Pendukung Keputusan dimaksud untuk menjadi alat bantu
bagi para pengambil keputusan untuk memperluas kapabilitas mereka, namun tidak
untuk menggantikan penilaian mereka (Lestari & Savitri Puspaningrum, 2021).
Jadi Sistem Pendukung Keputusan sebuah sistem yang dirancang untuk
memudahkan suatu masalah yang menghasilkan tampilan informasi, pemecah
masalah dan pemanipulasian data.
3.1.1 Tujuan Sistem Pendukung Keputusan
Tujuan dari Sistem Pendukung Keputusan adalah sebagai berikut :
a. Membantu pimpinan dalam pengambilan keputusan untuk memecahkan
masalah yang ada di perusahaan.
b. Mendukung pimpinan dalam memperkuat pendapat untuk pengambilan
keputusan tanpa maksud menggantikan fungsi yang telah ada.
c. Mempercepat pengambilan keputusan dengan effisien sehingga menghasilkan
solusi yang diinginkan.

17
 18

d. Memerlukan strukur data lebih komperhensif serta mampu memenuhi

kebutuhan informasi pada seluruh tingkatan manajemen dan pimpinan
perusahaan serta mampu berfungsi dalam sebuah kesatuan sistem.
3.1.2 Komponen Sistem Pendukung Keputusan
Komponen dalam Sistem Pendukung Keputusan dari beberapa subsistem :
a. Subsistem Pengelolahan Data
Subsistem pengelolahan data merupakan pengelolahan data dalam komponen
Sistem Pendukung Keputusan yang nantinya data tersebut disimpan dalam
sebuah database yang diorganisisrkan oleh suatu sistem yaitu Database
Management System (DBMS).
b. Subsistem Pengelolahan Model
Subsistem pengelolahan model merupakan paket perangkat lunak yang
memasukan model keuangan, statistik dan ilmu manajemen. Model ini juga
dapat di definisikan sebagai suatu tiruan dari alam nyata. Keunikan dari SPK
merupakan kemampuannya dalam mengintegrasikan informasi dengan model-
model keputusan. Model adalah suatu tiruan dari alam nyata. Kendala yang
sering dihadapi dalam merancang suatu model adalah bahwa model yang
dirancang tidak mampu mencerminkan seluruh variable alam nyata, sehingga
keputusan yang diambil tidak sesuai dengan kebutuhan oleh karena itu,
penyimpanan model harus diperhatikan dan fleksibilitasnya harus dijaga. Hal
lain yang perlu diperhatikan adalah setiap penyimpanan model sebaiknya
ditambahkan rincian dan penjelasan yang komperhensif mengenai model yang
dibuat atau disusun.
c. Subsistem Pengelolahan Dialog
Subsistem keunikan lainya dari Sistem Pendukung Keputusan adanya fasilitas
dalam mengintegrasikan sistem yang memungkinkan pengguna dapat melihat
dan berkomunikasi terhadap aplikasi lainnya, yang dikenal dengan subsistem
dialog. Melalui subsistem dialog, sistem diimplementasikan sehingga
 19

pengguna dapat berkomunikasi dengan sistem yang dibuat. Subsistem

Pengelolahan Dialog juga mementingkan user dapat berkomunikasi dan
memberikan perintah pada SPK melalui subsistem ini.
d. User
User merupakan pengguna aplikasi yang akan dibuat. Dalam implementasi
aplikasi SPK perancang aplikasi harus memperhatikan kebutuhan user apakah
aplikasi yang dibuat berguna untuk mendukung aktivitas pengambilan
keptususan pada sebuah bisnis atau perusahaan. Adapun perancangan User
aplikasi SPK dijelaskan sebagai berikut :
1. Memudahkan input data masukan oleh user
2. Membuat program menjadi menarik
3. Menampilkan hasil pemrosesan data oleh program
4. Memudahkan pembacaan data yang dihasilkan oleh program
5. Efisensi kerja yang dilakukan oleh user
6. Memperkecil kesalahan masukan data yang dilakukan oleh user

Gambar 3.1 Komponen SPK

 20

3.1.3 Basis Data Sistem Pendukung Keputusan

Indah Tri Utami dalam jurnal ilmiahnya menyatakan Basis Data merupakan
sekumpulan data dari file-file terpisah yang berisi berbagai catatan, kemudian
disusun dalam bentuk tabel-tabel dan digabungkan menjadi data yang terintegrasi
dengan baik untuk banyak aplikasi, sehingga dapat digunakan oleh satu atau lebih
program aplikasi secara optimal (Utami et al., 2022).
Jadi basis data dalam Sistem Pendukung Keputusan adalah sekumpulan data
yang ada didalam sistem komputer sehingga bisa diakses, disimpan dan
dipergunakan untuk mengembangkan aplikasi Sistem Pendukung Keputusan yang
akan dibuat. Kemampuan Basis Data yang diperlukan dalam aplikasi Sistem
Pendukung Keputusan, antara lain :
a. Mampu mengkombinasikan sumber-sumber data yang relecan melalui proses
ekstrasi data.
b. Mampu menambah dan menghapus secara cepat dan mudah.
c. Mampu menangani data personal dan non oficial, sehingga user dapa
bereksperimen dengan berbagai alternatif keputusan.
d. Mampu mengolah data yang bervariasi dengan manajemen data yang luas.
3.2. Metode Weight Aggregated Sum Product Assesment (WASPAS)
Menurut Faiz Zamzah dalam jurnal ilmiahnya mengatakan Metode
Weighted Aggregated Sum Product Assesment (WASPAS) adalah mencari
prioritas pilihan lokasi yang paling sesuai dengan menggunakan pembobotan.
Penerapan metode WASPAS yang merupukan kombinasi unik dua sumber dikenal
sebagai MCDM yang diketahui yaitu model jumlah tertimbang Weighted Sum
Model (WSM) dan model produk tertimbang (Hasibuan & Maringan, 2022).
Metode Weight Aggregated Sum Product Assesment (WASPAS) adalah
metode yang dapat mengurangi kesalahan atau mengoptimalkan dalam penaksiran
untuk pemilihan nilai tertinggi dan terendah. Kriteria awal yang optimal, kriteria
keberhasilan rata-rata tertimbang sama dengan metode WSM.
 21

3.2.1 Membuat Matriks Keputusan

Matriks keputusan adalah proses konversi nilai yang telah terinput oleh
alternatif sesuai dengan nilai bobotnya. Adapun matriks keputusan digunakan untuk
melihat daftar nilai dalam baris dan kolom yang memudahkan proses analisis.
𝑥11 𝑥12 … 𝑥1𝑛
𝑥21 𝑥22 … 𝑥2𝑛
x=[ … … … … ] ..................................(3.1)
𝑥𝑚1 𝑥𝑚2 … 𝑥𝑚𝑛
Dimana m adalah jumlah alternatif kandidat, n adalah jumlah kriteria evaluasi.
3.2.2. Menghitung Nilai Normalisasi Matriks dan Bobot
Berikut ini merupakan penjelasan dari normalisasi matriks benefit dan cost:
a. Kriteria biaya/benefit :
𝒙𝒊𝒋
xij = ..................................(3.2)
𝒎𝒂𝒙𝒊 𝒙𝒊𝒋

Kriteria benefit adalah dimana pengambil keputusan menginginkan nilai

maksimum diantara seluruh alternatif. Dalam hal ini kriteria benefit semakin tinggi
nilai/bobotnya maka semakin bagus value nya.
b. Kriteria biaya/cost :
𝒎𝒊𝒏𝒊 𝒙𝒊𝒋
xij = ..................................(3.3)
𝒙𝒊𝒋

Kriteria cost adalah dimana pengambil keputusan menginginkan nilai minimum

diantara seluruh alternatif.. Dalam hal ini kriteria cost semakin tinggi nilainya maka
semakin rendah value-nya.
c. Mengitung Preferensi (Qi) :
Qi = 0,5∑𝒏 𝒏
𝒋=𝟏 𝒙𝒊𝒋 𝒘𝒋 + 𝟎, 𝟓 𝜫𝒋=𝟏 (𝒙𝒊𝒋 )
𝒘𝒋
........................................ (3.4)
Nilai Qi adalah nilai yang didapatkan dari proses perhitungan matriks normalisasi
dengan bobot kriteria (normalisasi ROC). Kemudian nilai tersebut akan dilakukan
perangkingan dari nilai terbesar sampai terkecil. Dengan demikian setelah
dilakukan perangkingan maka hasil final telah didapatkan.
 22

Keterangan :
𝑥 = Variabel
𝑥𝑖𝑗 = Nilai atribut yang dimiliki dari setiap kriteria
𝑖 = Kriteria cost (keuntungan)
𝑖 = Kriteria cost (biaya)
𝑚𝑎𝑥𝑖 𝑥𝑖𝑗 = Nilai terbesar dari setiap kriteria
𝑚𝑖𝑛𝑖 𝑥𝑖𝑗 = Nilai terkecil dari setiap kriteria
𝐵𝑒𝑛𝑒𝑓𝑖𝑡 = Jika nilai terbesar adalah terbaik
𝐶𝑜𝑠𝑡 = Jika nilai terkecil adalah terbaik
𝑄𝑖 = Nilai dari Q ke I
𝑤𝑗 = bobot
0,5 = Ketetapan
Ʃ = Sigma atau Jumlah 𝑥𝑖𝑗 𝑤𝑗

Π = Produk atau Perkalian (𝑥𝑖𝑗 )𝑤𝑗

𝑛 = Banyaknya data

3.3. Metode Rank Order Centroid (ROC)

Menurut Irwan dan Ida Mayanju dalam jurnal ilmiahnya mengatakan
konsep dasar dari metode Rank Order Centroid (ROC) adalah memberikan bobot
berdasarkan tingkat kepentingan dan kriteria. Biasanya dibentuk dengan pernyataan
“kriteria 1 lebih penting dari kriteria 2” dan seterusnya hingga kriteria ke n.
Metode Rank Order Centroid (ROC) merupakan metode yang dapat
menghasilkan pembobotan terhadap sejumlah kriteria sesuai dengan tingkat
kepentingan dari kriteria yang ditetapkan.
3.3.1. Rumus metode ROC
Untuk menentukan prioritasnya diberikan aturan dimana nilai tertinggi
merupakan nilai yang paling penting dapat dilihat rumus sebagai berikut :
 23

𝟏 𝟏
wj = ∑𝒌𝒊=𝟏( ) ....................................... (3.5)
𝒌 𝒊

Rumus perhitungan ROC yang digunakan untuk menormalisasi bobot kriteria.

Dalam hal ini perhitungan ROC digunakan untuk mendetailkan perhitungan.

Keterangan :
wj = Nilai pembobotan atribut ke 𝑗
k = Jumlah Atribut
i = nilai urutan prioritas atribut
1
Ʃ = Sigma atau jumlah dimana 𝑖 = 1, sebanyak k
𝑖
Hasil dari wj, yaitu bernilai 1
3.3.2. Pembobotan Metode ROC
Contoh penerapan pembobotan ROC secara umum k adalah jumlah kriteria,
1
maka nilai bobot kriteria ke-j dirumuskan dengan mengalikan dengan jumlah
𝑘
1
total dimana i = 1,2,3…j
𝑖
1 1 1 1 1 1
 w1 = ( 𝑘 ) (1 + + + 4 … + 𝑘)
2 3
1 1 1 1 1
 w2 = ( 𝑘 ) (0 + + + 4 … + 𝑘)
2 3
1 1 1 1
 w3 = ( 𝑘 ) (0 + 0 + + 4 … + 𝑘)
3

3.4. Contoh Kasus WASPAS-ROC

Dalam suatu perusahaan pemilihan kerjasama vendor merupakan hal yang
cukup penting. Ketepatan dalam pemilihan kerjasama vendor ini dapat
mempengaruhi tingkat laba atau rugi yang dirasakan oleh suatu perusahaan. Hal ini
mengakibatkan manajemen perusahaan melakukan upaya semaksimal mungkin
dalam penentuan kerjasama vendor. Adapun langkah-langkah sebagai berikut :
 24

a. Menentukan kriteria pemilihan vendor. Dalam penelitian ini kriteria-kriteria

yang dibutuhkan dalam pemilihan kerjasama vendor adalah kualitas produk,
harga produk, ketepatan waktu delivery, rekam jejak, legalitas badan hukum.
b. Membuat tabel kriteria yang akan digunakan dalam proses perhitungan beserta
pemberian nilai bobot benefit atau cost.
Tabel 3.1 Kriteria
Kriteria Nama Kriteria Nilai Bobot
C1 Kualitas Produk 5
C2 Harga Produk 4
C3 Ketetapan Waktu Delivery 3
C4 Rekam Jejak 2
C5 Legalitas Badan Hukum 1

c. Kriteria yang telah ditetapkan nilai bobotnya selanjutnya dilakukan

normalisasi nilai bobotnya dengan menggunakan metode ROC seperti contoh
perhitungan dibawah ini :
1 1 1 1 1 1
w1 = ( ) ( + + + + ) = 0,456
5 1 2 3 4 5
1 1 1 1 1
w2 = ( 5 ) (0 + + + 4 + 5) = 0,256
2 3
1 1 1 1
w3 = ( 5 ) (0 + 0 + + 4 + 5) = 0,156
3
1 1 1
w4 = ( 5 ) (0 + 0 + 0 + 4 + 5) = 0,09
1 1
w5 = ( 5 ) (0 + 0 + 0 + 0 + 5) = 0,04

Tabel 3.2 Pembobotan ROC

Kriteria Nama Kriteria Nilai Bobot Bobot ROC
C1 Kualitas Produk Benefit 0,456
C2 Harga Produk Cost 0,256
C3 Ketetepan Waktu Delivery Cost 0,156
C4 Rekam Jejak Benefit 0,09
C5 Legalitas Badan Hukum Benefit 0,04
 25

d. Pada tahap ini menentukan sub kriteria dan memberikan nilai bobot pada
setiap masing-masing kriteria. Subkriteria adalah sebuah tahapan kedua
setelah memberikan bobot kriteria.
Tabel 3.3 Subkriteria C1
No Keterangan Nilai Bobot
1 Sangat Baik 5
2 Baik 4
3 Cukup 3
4 Buruk 2
5 Sangat Buruk 1
Tabel 3.4 Subkriteria C2
No Keterangan Nilai Bobot
1 Mahal 1
2 Cukup Mahal 2
3 Cukup Murah 3
4 Murah 4

Tabel 3.5 Subkriteria C3

No Lama Delivery Keterangan Nilai Bobot
1 1-2 Hari Sangat Baik 5
2 3-4 Hari Baik 4
3 5-6 Hari Cukup 3
4 7 Hari Buruk 2
5 > 7 Hari Sangat Buruk 1
Tabel 3.6 Subkriteria C4
No Lama Tahun Keterangan Nilai Bobot
1 1-3 Sangat Buruk 1
2 4-7 Buruk 2
3 8-10 Cukup 3
4 11-13 Baik 4
5 14-17 Sangat Baik 5

Tabel 3.7 Subkriteria C5

No Keterangan Nilai Bobot
1 Ada 1
2 Tidak Ada 2
 26

e. Pada tahap ini masuk untuk menentukan alternatif yang akan dihitung dan
diberikan bobot sesuai yang ada di nilai bobot sub kriteria.
Tabel 3.8 Penentuan Alternatif
Alternatif Kriteria
Kualitas Harga Waktu Delivery Track Record Legalitas
A1 5 1 4 5 2
A2 4 1 3 2 2
A3 3 2 5 2 2
A4 3 3 5 1 1
A5 2 4 5 1 1
A6 5 4 2 1 1

f. Membangun matriks keputusan. Pada matriks keputusan, kolom matriks

menyatakan atribut yaitu kriteria yang ada, sedangkan baris matriks
menyatakan sub kriteria yaitu kualitas, harga, waktu delivery, track record,
legalitas badan hukum. Kemudian setelah didapatkan matiks keputusannya
maka selanjutnya dilakukan normalisasi matriks keputusan sesusai
perhitungan sebagai berikut :
5
𝑥11 5 = 1
2
𝑥24 5 = 0,4
2
𝑥35 2 = 1
1
𝑥42 3 = 0,33
1
𝑥55 2 = 0,5

Tabel 3.9 Normalisasi Matriks Keputusan

Alternatif Kriteria
Kualitas Harga Waktu Delivery Track Record Legalitas
A1 1 1 0,5 1 1
A2 0,8 1 0,6 0,4 1
A3 0,6 0,5 0,4 0,4 1
A4 0,6 0,3 0,4 0,2 1
 27

A5 0,4 0,25 0,4 1 0,5

A6 1 0,25 1 1 0,5
g. Pada tahap ini menentukan prefrensi dari QI yaitu hasil akhir dari kombinasi
Metode WASPAS dan ROC. Nilai Qi yang tertinggi pada hasil perhitungan
Qi merupakan hasil terbaik, berikut contoh perhitungan Qi :
Qi1 = 0,5(( 1𝑥0,45) + (1𝑥0,25) + (0,5𝑥0,156) + (1𝑥0,09) + (1𝑥0,04)) +
0,5((10,45 )𝑥(10,25 )𝑥(0,50,156 )𝑥(10,09 )𝑥(10,04 ))
= 0,909
Tabel 3.10 Menentukan Prefrensi QI
Menentukan Prefrensi QI
No Keterangan Perkalian Perpangkatan Hasil Rangking
1 Q1 0,460 0,448 0,909 1
2 Q2 0,401 0,390 0,791 2
3 Q3 0,270 0,264 0,534 4
4 Q4 0,240 0,223 0,463 5
5 Q5 0,2 0,194 0,403 6
6 Q6 0,393 0,340 0,734 3

h. Dari tabel perhitungan diatas sesuai dengan ketentuan penggunaan metode

WASPAS-ROC yaitu nilai rangking tertinggi menjadi alternatif paling tepat
dan sebagai pertimbangan para pengambil keputusan dalam menentukan
kebijakannya agar mendapatkan hasil yang maksimal.

3.5. Mean Absolute Percentage Error (MAPE)

MAPE adalah metode yang digunakan untuk mengetahui tingkat akurasi
perhitungan manual dengan sistem, dimana pendekatan ini berguna untuk
mengukur seberapa besar kesalahan perhitungan atau digunakan untuk mengukur
keakuratan suatu perhitungan dalam sistem. Sehingga hasil pengujian MAPE
bersifat untuk mengevaluasi hasil perhitungan.
1 𝐴𝑡 −𝐹𝑡
Ʃ𝑛𝑖=1 | | 𝑥100% ....................................... (3.6)
𝑛 𝐴𝑡
 28

Keterangan :
n : Banyaknya data
𝐴𝑡 : Nilai data aktual
𝐹𝑡 : Nilai data prediksi atau sistem
|| : Mutlak
Ʃ : Sigma atau Jumlah

3.6. Perusahaan
PT. Komunitas Anak Nakal adalah perusahaan yang bergerak dibidang
rental stand kuliner dalam bentuk Food Court dan bekerjasama dengan berbagai
kalangan pengusaha kuliner untuk menjadi wadah dalam mengembangkan usaa
kuliner. Dengan semakin banyaknya brand-brand kuliner yang masuk di Comunale
maka pengusaha yang bergerak dibidang usaha kuliner akan memiliki tempat
bernovasi. Adapun kegiatan operasional yang dijalankan oleh PT. Komunitas Anak
Nakal terdiri dari 7 cabang Food Court yang tersebar di berbagai wilayah di
Surabaya.
Pada Awalnya PT. Komunitas Anak Nakal atau sering disebut dengan
sebutan Comunale berdiri sejak tahun 2020 dengan mengandalkan konsep
perpaduan food court dan cafe, Dengan menggunakan konsep food court dan cafe.
Comunale menawarkan tempat sekaligus tempat tongkrongan dengan pilihan brand
makanan yang beragam sehingga diminati oleh semua kalangan masyarakat.
Visi dan Misi PT. Komunitas Anak Nakal adalah menjadi perusahaan rental
stand kuliner atau food court yang terkemuka di Indonesia. PT. Komunitas Anak
Nakal berharap dapat mengembangkan food court menjadi lebih baik sehingga
perusahaan memberikan kepuasan pengunjung, memenuhi kebutuhan dan
memberikan nilai manfaat bagi pengujung. Sehingga bermanfaat bagi berjalannya
roda perekonomian yang ada di Jawa Timur.