Definisi Sistem Pendukung Keputusan
.jpg) |
| Ilustrasi Pendukung Keputusan |
SPK bertujuan untuk menyediakan informasi, membimbing, memberikan prediksi serta mengarahkan kepada penguna informasi agar dapat melakukan pengambilan keputusan dengan lebih baik.
SPK merupakan implementasi teori-teori pengambilan keputusan yang telah diperkenalkan oleh ilmu-ilmu seperti operation research dan manegement science, hanya bedanya adalah bahwa jika dahulu untuk mencari penyelesaian masalah yang dihadapi harus dilakukan perhitungan iterasi secara manual(biasanya untuk mencari nilai minimum, maksimum, atau optimum), saat ini computer PC telah menawarkan kemampuannya untuk menyelesaikan persoalan yang sama dalam waktu relatif singkat.
Sprague dan Watson mendefinisikan Sistem Pengambilan Keputusan (SPK) sebagai sistem yang memiliki lima karakteristik utama yaitu (Sprague et.al, 1993):
1. Sistem yang berbasis komputer
2. Dipergunakan untuk membantu para pengambil keputusan
3. Untuk memecahkan masalah-masalah rumit yang mustahil dilakukan dengan kalkulasi manual
4. Melalui cara simulasi yang interaktif
5. Dimana data dan model analisis sebagai komponen utama.
Komponen Sistem Pendukung Keputusan
Secara umum Sistem Pendukung Keputusan dibangun oleh tiga komponen besar yaitu database Management, Model Base dan Software System/User Interface. Komponen SPK tersebut dapat digambarkan seperti gambar di bawah ini. |
| Komponen Sistem Pendukung Keputusan (SPK) |
Merupakan subsistem data yang terorganisasi dalam suatu basis data.
b. Model Base
Merupakan suatu model yang merepresentasikan permasalahan kedalam format kuantitatif sebagai dasar simulasi atau pengambilan keputusan termasuk didalamnya tujuan dari permasalahan (Obyektif)
c. User Interface
Menampilkan keluaran sistem bagi pemakai dan menerima masukan dari pemakai kedalam Sistem Pendukung Keputusan
Manfaat Sistem Pendukung Keputusan
SPK dapat memberikan berbagai manfaat dan keuntungan. Manfaat yang dapat diambil dari SPK adalah:1. SPK memperluas kemampuan pengambil keputusan dalam memproses data /informasi bagi pemakainya
2. SPK membantu pengambil keputusan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur
3. SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.
4. Walaupun suatu SPK mungkin saja tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan, namun dia dapat menjadi stimulan bagi pengambil keputusan dalam memahami persoalannya ,karena mampu menyajikan berbagai alternatif pemecahan.
Definisi Sistem
Kesatuan yang utuh dari rangkaian, yang saling kait mengait satu sama lain, bagian dari suatu sistem, menjadi induk dari rangkaian-rangkaian selanjutnya. Bagitu seterusnya sampai pada bagian terkecil, rusakanya salah satu bagian akan menganggu kestabilan sistem itu sendiri secara keseluruhan.Definisi Model
Acuan yang dapat dijadikan contoh untuk menilai sebuah sistem tertentu.
SISTEM PENDUKUNG KEPUTUSAN DISTRIBUSI BERAS MISKIN (RASKIN)
MENGGUNAKAN LOGIKA FUZZY
Dedy Bangun Sanjaya
1. Pendahuluan
Program beras miskin (Raskin) yang dimulai pada bulan Januari 2002 merupakan program lanjutan dari program Operasi Pasar Khusus(OPK) yang dirancang pemerintah dandilaksanakan oleh Bulog pertengahan tahun 1998.Program ini adalah penyempurnaan dari programstabilitas harga beras, yang umumnya mahal danjuga kurang adil dinikmati semua orang terutamabagi masyarakat mskin. Logika fuzzy sebagai salah satu komponendari soft computing telah banyak diaplikasikan diberbagai bidang kehidupan. Salah satu aplikasi terpentingnya adalah untuk membantu manusia dalam melakukan pengambilan keputusan. Aplikasi logika fuzzy untuk pendukung keputusan ini akan diperlukan ketika semakin banyak kondisi yang menuntut adanya keputusan yang tidak hanya bisa dijawab dengan “ya” atau“tidak”. Logika fuzzy dapat dterapkan dalam pengambilan keputusan pembagian Raskin agar lebih tepat sasaran dan mengurangi kecurangan dalam pembagian jatah Raskin Rumusan masalah dalam penelitian ini adalah bagaimana mengembangakan suatu sistem penunjang keputusan yang dapat membantu dalam penyaluran beras miskin dengan menerapkan fuzzy logic dalam mengukur tingkat kemiskinan. Penelitian ini bertujuan untuk membuat suatu sistem pendukung keputusan yang dapat memberikan suatu alternatif keputusan bagi para pengambil keputusan dalam melakukan distribusi beras untuk keluarga miskin dengan menerapkan konsep logika fuzzy dalam mengukur tingkat kemiskinan keluarga penerima beras miskin berdasarkan criteria yang telah disebutkan dalam batasan masalah diatas.
memberikan perlindungan sosial beras murah dengan jumlah maksimal 15 kg/rumah tangga
miskin/bulan dengan masing-masing seharga Rp. 1.600,00 per kg(netto) di titik distribusi. Program ini mencakup di seluruh provinsi, sementara tanggung jawab dari distribusi beras dari gudang
sampai ke titik distribusi di kelurahan di pegang oleh perum bulog. Sasaran dari Program Raskin ini adalah meningkatkan aksen pangan kepada keluarga miskin untuk memenuhi kebutuhan pokok dalam rangka menguatkan ketahanan pangan rumah tangga dan mencegah penurunan konsumsi energi
dan protein. Dalam memenuhi kebutuhan pangan tersebut, program Raskin perlu dilakasanakan
agar masyarakat miskin benar-benar bisa merasakan manfaatnya, yakni dapat membeli beras berkualitas baik dengan harga terjangkau.
3. Logika Fuzzy, Himpunan Fuzzy danFungsi Keanggotan
Logika fuzzy merupakan salah satukomponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalakan oleh Prof.Lutfi A. Zaden pada tahun 1965. Dasar logika fuzzy
adalah teori himpunan fuzzy. Pada teory himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan menjadi ciri utama dari penalaran dengan logika fuzzy tersebut. Ide dasar pada teori himpunan samar adalah setiap elemen dalam himpunan samar mempunyai derajat keanggotaan. Dengan demikian sebuah proposisi tidak hanya bernilai benar atau salah saja tetapi bisa bernilai sebagian benar atau sebagian salah. Nilai itu berupa bilangan real dalam interval [0,1].
Logika fuzzy lahir berdasarkan fenomena – fenomena alam yang serba tidak tepat dan samar
ditinjau dari cara berpikir manusia, dimana pada kenyataannya tidak ada suatu kondisi atau
pernyataan yang tepat 100% benar atau 100% salah. Prof. Lotfi A. Zadeh mengemukakan bahwa
true atau false dalam logika Boolean tidak dapat merepresentasikan pernyataan yang tidak pasti
yang berada diantara pernyataan true atau false tadi, seperti yang sering terjadi dalam dunia nyata.
Untuk merepresentasikan nilai ketidakpastian antara true atau false tersebut, Prof. Lotfi A.
Zadeh mengembangkan suatu teori berdasarkan conventional set yang disebutnya fuzzy set
(himpunan fuzzy). Sebagai ganti dari pernyataan dengan nilai seluruhnya true atau semuanya false,
logika fuzzy memberikan nilai yang spesifik pada setiap nilai diantara pernyataan true atau false
dengan menentukan fungsi kenaggotaan (membership function) bagi tiap nilai input dari
proses fuzzy (crisp input) dan derajat keanggotaan (degree of membership) yaitu menyatakan derajat
dari crisp input sesuai membership function antara 0 sampai 1, sehingga memungkinkan bagi suatu
persamaan memiliki nilai true dan false secara bersamaan.
Gbr. 1 Contoh Himpunan Fuzzy
Dengan adanya himpunan fuzzy memungkinkan seseorang untuk dapat masuk kedalam 2 himpunan yang berbeda, MUDA dan PAROBAYA, PAROBAYA dan TUA, dan sebagainya. Seberapa besar eksistensinya dalam himpunan tersebut dapat dilihat pada nilai keanggotaannya. Dari Gbr.1 diatas, dapat dilihat bahwa : • Seseorang yang berumur 40 tahun, termasuk dalam himpunan MUDA dengan μMUDA[40] = 0,25; namun dia juga termasuk dalam himpunan PAROBAYA dengan μPAROBAYA[40] = 0,5. • Seseorang yang berumur 50 tahun, termasuk dalam himpunan MUDA dengan μMUDA[50] = 0,25; namun dia juga termasuk dalam himpunan PAROBAYA dengan μPAROBAYA[50] = 0,5. Keanggotaan fuzzy memberikan suatu ukuran terhadap pendapat atau keputusan, sedangkan probabilitas mengindikasikan proporsi terhadap keseringan suatu hasil bernilai benar dalam jangka panjang. Misalnya, jika nilai keanggotaan suatu himpunan fuzzy MUDA adalah 0,9 maka tidak perlu dipermasalahkan berapa seringnya nilai itu diulang secara individual untuk mengharapkan suatu hasil yang hampir pasti muda. Di lain pihak, nilai probabilitas 0,9 muda berarti 10% dari himpunan tersebut diharapkan tidak muda. Fungsi keanggotaan (membership function)
adalah suatu kurva yang menunjukan pemetaan titik – titik input data kedalam nilai
keanggotaanya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0
sampai 1 (Kusumadewei, 2004 : p8). Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan.
pada Gbr. 2.
TABEL 1
Struktur Tabel Keluarga
dibahas setiap antar muka yang dalam penulisan ini menggunakan istilah form seperti berikut
Form menu utama adalah form yang pertama dimunculkan pada saat program
dijalankan, namun menu-menu yang tersedia masih dalam keadaan tidak aktif sampai kepada
tahapan login dilakukan barulah menu-menu yang tersdia diaktifkan kembali sesuai dengan hak
pemakai yang telah diatur. Selain Form Menu Utama, juga terdapat Form Login, Form Ganti Password, Form Setup Fungsi Penghasilan , Form Setup Fungsi Anggota Tanggungan, Form Pembobotan Kriteria, Form Penginputan Data Lingkungan,
Form Penginputan Data Keluarga, Form Penentuan Keputusan, serta Contoh Laporan Hasil
Keputusan.
distribusi beras miskin. Penggunakan Fuzzy Logic dalam system ini menghasilkan hasil perhitungan
kelayakan penerimaan setiap keluarga di Kelurahan menjadi lebih logis dan dapat
diterima kebenarannya Sistem ini dapat dikembangkan sehingga mencakup sistem informasi kependudukan secara menyeluruh dengan tetap menyertakan prosess pendukung keputusan yang telah dibangun ini. Diharapkan agar sistem ini dapat diterapkan sehingga dapat mambantu penyaluran beras miskin dan tepat sasaran.
2. Pengertian Raskin
Program raskin (program penyaluran untuk keluarga miskin) adalah sebuah program dari pemerintah. Program tersebut adalah sebuah upaya untuk mengurangi beban penyaluran dari rumah tangga miskin sebagai bentuk dukungan dalam meningkatkan ketahanan pangan denganmemberikan perlindungan sosial beras murah dengan jumlah maksimal 15 kg/rumah tangga
miskin/bulan dengan masing-masing seharga Rp. 1.600,00 per kg(netto) di titik distribusi. Program ini mencakup di seluruh provinsi, sementara tanggung jawab dari distribusi beras dari gudang
sampai ke titik distribusi di kelurahan di pegang oleh perum bulog. Sasaran dari Program Raskin ini adalah meningkatkan aksen pangan kepada keluarga miskin untuk memenuhi kebutuhan pokok dalam rangka menguatkan ketahanan pangan rumah tangga dan mencegah penurunan konsumsi energi
dan protein. Dalam memenuhi kebutuhan pangan tersebut, program Raskin perlu dilakasanakan
agar masyarakat miskin benar-benar bisa merasakan manfaatnya, yakni dapat membeli beras berkualitas baik dengan harga terjangkau.
3. Logika Fuzzy, Himpunan Fuzzy danFungsi Keanggotan
Logika fuzzy merupakan salah satukomponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalakan oleh Prof.Lutfi A. Zaden pada tahun 1965. Dasar logika fuzzy
adalah teori himpunan fuzzy. Pada teory himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan menjadi ciri utama dari penalaran dengan logika fuzzy tersebut. Ide dasar pada teori himpunan samar adalah setiap elemen dalam himpunan samar mempunyai derajat keanggotaan. Dengan demikian sebuah proposisi tidak hanya bernilai benar atau salah saja tetapi bisa bernilai sebagian benar atau sebagian salah. Nilai itu berupa bilangan real dalam interval [0,1].
Logika fuzzy lahir berdasarkan fenomena – fenomena alam yang serba tidak tepat dan samar
ditinjau dari cara berpikir manusia, dimana pada kenyataannya tidak ada suatu kondisi atau
pernyataan yang tepat 100% benar atau 100% salah. Prof. Lotfi A. Zadeh mengemukakan bahwa
true atau false dalam logika Boolean tidak dapat merepresentasikan pernyataan yang tidak pasti
yang berada diantara pernyataan true atau false tadi, seperti yang sering terjadi dalam dunia nyata.
Untuk merepresentasikan nilai ketidakpastian antara true atau false tersebut, Prof. Lotfi A.
Zadeh mengembangkan suatu teori berdasarkan conventional set yang disebutnya fuzzy set
(himpunan fuzzy). Sebagai ganti dari pernyataan dengan nilai seluruhnya true atau semuanya false,
logika fuzzy memberikan nilai yang spesifik pada setiap nilai diantara pernyataan true atau false
dengan menentukan fungsi kenaggotaan (membership function) bagi tiap nilai input dari
proses fuzzy (crisp input) dan derajat keanggotaan (degree of membership) yaitu menyatakan derajat
dari crisp input sesuai membership function antara 0 sampai 1, sehingga memungkinkan bagi suatu
persamaan memiliki nilai true dan false secara bersamaan.
Gbr. 1 Contoh Himpunan Fuzzy
Dengan adanya himpunan fuzzy memungkinkan seseorang untuk dapat masuk kedalam 2 himpunan yang berbeda, MUDA dan PAROBAYA, PAROBAYA dan TUA, dan sebagainya. Seberapa besar eksistensinya dalam himpunan tersebut dapat dilihat pada nilai keanggotaannya. Dari Gbr.1 diatas, dapat dilihat bahwa : • Seseorang yang berumur 40 tahun, termasuk dalam himpunan MUDA dengan μMUDA[40] = 0,25; namun dia juga termasuk dalam himpunan PAROBAYA dengan μPAROBAYA[40] = 0,5. • Seseorang yang berumur 50 tahun, termasuk dalam himpunan MUDA dengan μMUDA[50] = 0,25; namun dia juga termasuk dalam himpunan PAROBAYA dengan μPAROBAYA[50] = 0,5. Keanggotaan fuzzy memberikan suatu ukuran terhadap pendapat atau keputusan, sedangkan probabilitas mengindikasikan proporsi terhadap keseringan suatu hasil bernilai benar dalam jangka panjang. Misalnya, jika nilai keanggotaan suatu himpunan fuzzy MUDA adalah 0,9 maka tidak perlu dipermasalahkan berapa seringnya nilai itu diulang secara individual untuk mengharapkan suatu hasil yang hampir pasti muda. Di lain pihak, nilai probabilitas 0,9 muda berarti 10% dari himpunan tersebut diharapkan tidak muda. Fungsi keanggotaan (membership function)
adalah suatu kurva yang menunjukan pemetaan titik – titik input data kedalam nilai
keanggotaanya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0
sampai 1 (Kusumadewei, 2004 : p8). Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan.
4. Pengertian dan Tujuan Sistem
Pendukung Keputusan Turban, Aronson dan Liang (2005) menunjukkan sistem pendukung keputusan (SPK) sebagai sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan manajerial dalam situasi keputusan semiterstruktur. Sistem pendukung keputusan dimaksudkan untuk menjadi alat bantu bagi para pengambil keputusan untuk memperluas kapabilitas mereka, namun tidak untuk menggantikan penilaian mereka. Tujuan Sistem Pendukung Keputusan: a) Membantu manejer membuat keputusan untuk memecahkan masalah semiterstruktur; b) Mendukung penilaian manajer, bukan mencoba menggantikannya; c) Meningkatkan efektifitas pengambilan keputusan manajer daripada efisiensinya.5. Perancangan Sistem
Perancangan sistem diawali dengan membuat struktur tabel dan relasi antar tabel. Struktur Tabel dapat dilihat pada Tabel 1, sedangkan untuk Relasi Antar Tabel dapat dilihatpada Gbr. 2.
TABEL 1
Struktur Tabel Keluarga
6. Hasil dan Pembahasan
Hasil Penelitian ini dapat dilihat dalam program aplikasi yang dibangun selanjutnya akandibahas setiap antar muka yang dalam penulisan ini menggunakan istilah form seperti berikut
Form menu utama adalah form yang pertama dimunculkan pada saat program
dijalankan, namun menu-menu yang tersedia masih dalam keadaan tidak aktif sampai kepada
tahapan login dilakukan barulah menu-menu yang tersdia diaktifkan kembali sesuai dengan hak
pemakai yang telah diatur. Selain Form Menu Utama, juga terdapat Form Login, Form Ganti Password, Form Setup Fungsi Penghasilan , Form Setup Fungsi Anggota Tanggungan, Form Pembobotan Kriteria, Form Penginputan Data Lingkungan,
Form Penginputan Data Keluarga, Form Penentuan Keputusan, serta Contoh Laporan Hasil
Keputusan.
 |
| Form Menu Utama |
 |
| Form Contoh Laporan |
7. Kesimpulan dan Saran
Sistem Pendukung Keputusan Pemberian Beras Miskin (RASKIN) Menggunakan Fuzzy Logic dapat membantu pengambil keputusan dalam mengambil keputusan berkaitan dengandistribusi beras miskin. Penggunakan Fuzzy Logic dalam system ini menghasilkan hasil perhitungan
kelayakan penerimaan setiap keluarga di Kelurahan menjadi lebih logis dan dapat
diterima kebenarannya Sistem ini dapat dikembangkan sehingga mencakup sistem informasi kependudukan secara menyeluruh dengan tetap menyertakan prosess pendukung keputusan yang telah dibangun ini. Diharapkan agar sistem ini dapat diterapkan sehingga dapat mambantu penyaluran beras miskin dan tepat sasaran.
