Both of method is choosed because AHP is a decision making model that is used
... METODE. 1. Sistem Pendukung Keputusan. Sistem pendukung keputusan.
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PAKET WISATA DAN RESERVASI TRAVEL DENGAN METODE AHP DAN TOPSIS BERBASIS WEB I Nyoman Giri Sasmita Atmaja1) 1) S1/ Jurusan Sistem Informasi. Sekolah Tinggi Manajemen Informatika & Teknik Komputer Surabaya, email :
[email protected]
Abstract: Decision making is a part activities key of tourist before they do traveling. Problem usually happen in decision making are there are not enough information, a lot of information, information that is not accurate, can not analyse problem and many more. It is also happening in decision making to choose a holiday packages.In making the decision to choose tour package there are several difficulties faced, such uncertainty is the condition for selecting one of the various tour packages offered tour packages there is some criterias that influenced toward alternative that given such as tour package prices, long journey tours, and the number of tourist attraction. Process to choose a training followed with there are many alternative that fill definite criterias are included in Multiple Criteria Decision Making (MCDM) so that needed Decision Support System.Method that used in decision support to chooese a training are Analytical Hierarchy Process (AHP) and Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Both of methods are a part of Multiple Criteria Decision Making (MCDM) method. Both of method is choosed because AHP is a decision making model that is used to take decision with kind criterias and can use to solve problem that relied on intuition as a main input. TOPSIS is a decision support method that based on concept the best alternative not only has shortes way from positive ideal solution but also has longest way from negative ideal solution.At the end of this task, decision support system using AHP and TOPSIS method able to analyze the criteria and alternatives can be compared and provide alternative recommendations appropriate tour packages.. Keywords: Decision Support System, Travel, AHP, TOPSIS
Perkembangan
teknologi
informasi
yang semakin hari semakin meningkat. Membuat
alternatif
utama
untuk
memenuhi
segala
kebutuhan terutama kebutuhan akan informasi.
dampak yang cukup besar dalam seluruh aspek
Dalam
sektor
khususnya
internet
sangatlah
kehidupan dan membawa manusia ke dalam era
pariwisata,
globalisasi,
manusia
dibutuhkan.selain sebagai sarana promosi dan
memerlukan informasi yang terbaru (up to date)
informasi tempat wisata, juga bisa dimanfaatkan
dengan cepat, praktis, efisien.
juga oleh travel agent untuk memperkenalkan
dimana pada
era ini
Internet adalah salah satu teknologi
layanan
dan
peranan
bisnis
alternatif
paket
wisata
yang
yang sangat pesat perkembangannya dan sudah
ditawarkan. Dengan adanya banyak pilihan paket
merupakan symbol dari cara berkomunikasi
wisata ditawarkan travel agent ini, maka para
secara bebas, tanpa dibatasi ruang, jarak dan
calon
waktu. Informasi yang disajikan pun tidak
kesulitan dalam melakukan pilihan terlebih lagi
terbatas pada teks dan gambar saja. Melainkan
menyesuaikan
juga
yang
berpengaruh terhadap pilihan. Proses pemesanan
Dengan
juga biasanya masih dilakukan secara manual,
ditunjang oleh berbagai kelebihan yang dimiliki
sehingga calon wisatawan tidak dapat melakukan
oleh
pemilihan dan pemesanan dengan leluasa.
suara
membuatnya
dan
animasi
menjadi
gambar
interaktif.
internet, diantaranya biaya koneksi yang
relatif terjangkau dan ketersediaan informasi yang tidak terbatas, internet kini menjadi
wisatawan
akan
pilihan
Berdasarkan
dihadapkan
faktor
dengan
kriteria
permasalahan
yang
tersebut
Mekar Wisata Tour and Travel berkeinginan
1
untuk
merancang
suatu
sistem
pendukung
Kemampuan
yang
dibutuhkan
dari
keputusan pemilihan paket wisata dan reservasi
manajemen basis data antara lain :
travel berbasis web selain dapat untuk membantu
1. Kemampuan untuk mengkombinasikan
dalam hal mempromosikan travel agent ini, juga
berbagai
dapat
pengambilan dan ekstraksi data.
mempermudah
wisatawan
untuk
melakukan proses pemilihan paket wisata dan pemesanan paket wisata
2. Kemampuan
3. Kemampuan
pendukung
keputusan
yang ditujukan untuk membantu pimpinan dalam pengambilan
pendukung
keputusan.
keputusan
Sistem
menggabungkan
kemampuan komputer dalam pelayanan interaktif dengan pengolahan atau pemanipulasi data yang memanfaatkan model atau aturan penyelesaian yang tidak terstruktur (Turban, 2005:19). Sistem
pendukung
keputusan
mempunyai
beberapa sumber intelektual dengan kemampuan dari komputer
untuk memperbaiki kualitas
keputusan. Hal yang terpenting dari pengertian ini adalah sistem pendukung keputusan merupakan alat pelengkap bagi mereka yang terlibat dalam proses pengambilan keputusan. Dimana sistem pendukung keputusan tidak ditujukan untuk mengganti
si
untuk
melalui
menambahkan
pengambil
untuk
menggambarkan
struktur data logikal sesuai dengan
merupakan suatu penerapan sistem informasi
proses
data
sumber data secara mudah dan cepat.
METODE 1. Sistem Pendukung Keputusan Sistem
variasi
keputusan
dalam
pembuatan keputusan. Suatu SPK memiliki tiga subsistem utama yaitu subsistem manajemen basis data, subsistem manajemen basis model dan subsistem perangkat lunak penyelenggara dialog (Hasan, 2002:32).
pengertian pemakai sehingga pemakai mengetahui apa yang tersedia dan dapat menentukan kebutuhan penambahan dan pengurangan. 4. Kemampuan
untuk
menangani
data
secara personil sehingga pemakai dapat mencoba
berbagai
alternatif
pertimbangan personil. 5. Kemampuan untuk mengelola berbagai variasi data. b. Subsistem Manajemen Basis Model Kemampuan yang dimiliki subsistem basis model meliputi: 1. Kemampuan untuk menciptakan model– model baru secara cepat dan mudah. 2. Kemampuan
untuk
mengintegrasikan
mengakses
dan
model–model
keputusan. 3. Kemampuan
untuk
mengelola
basis
model dengan fungsi manajemen yang analog dan manajemen basis data (seperti mekanisme untuk menyimpan, membuat dialog, menghubungkan dan mengakses model). c. Subsistem Perangkat Lunak Penyelenggara Dialog
a. Subsistem Manajemen Basis Data
2
Kemampuan yang harus dimiliki oleh SPK
Kriteria, Jenjang 3 : Subkriteria (optional),
untuk mendukung dialog pemakai/sistem
Jenjang 4 : Alternatif.
meliputi:
b. Comperative judgment
1. Kemampuan untuk menangani berbagai variasi gaya dialog. 2. Kemampuan tindakan
mengakomodasi dengan
berbagai
peralatan masukan.
tertentu yang disajikan dalam bentuk matriks
terdapat n elemen, maka akan diperoleh matriks
peralatan keluaran.
perbandingan)
untuk yang
berarti
relatif antara dua elemen pada suatu tingkat
dengan berbagai variasi format dan
dukungan
adalah
dengan menggunakan skala prioritas. Jika
3. Kemampuan untuk menampilkan data
4. Kemampuan
judgment
membuat suatu penilaian tentang kepentingan
untuk
pemakai
Comperative
memberikan
fleksibel
untuk
mengetahui basis pengetahuan pemakai.
pairwise
comparison
berukuran
n
(matriks
x
n
dan
banyaknya penilaian yang diperlukan adalah n(n-1)/2.
Ciri
utama
dari
matriks
perbandingan yang dipakai dalam metode AHP adalah elemen diagonalnya dari kiri
2. AHP
atas ke kanan bawah adalah satu karena Analytical Hierarchy Process(AHP)
adalah salah satu bentuk metode pengambilan keputusan
yang
menutupi
semua
pada
dasarnya
kekurangan
dari
berusaha metode
sebelumnya. Peralatan utama dari metode AHP adalah sebuah hirarki fungsional dengan input utamanya adalah persepsi manusia. Dengan hirarki, suatu yang komplek dan tidak terstruktur dipecahkan ke dalam kelompok dan kemudian kelompok tersebut diatur menjadi suatu bentuk hirarki(Permadi, 1992:5). Langkah yang harus dilakukan dalam menyelesaikan persoalan dengan AHP (Mulyono, 1996:108) yaitu: a. Decomposition Decomposition adalah proses menganalisa permasalahan riil dalam struktur hirarki atas unsur – unsur pendukungnya. Struktur hirarki secara umum dalam metode AHP yaitu: Jenjang 1 : Goal atau Tujuan, Jenjang 2 :
elemen
yang
dibandingkan adalah
dua
elemen yang sama. Selain itu, sesuai dengan sistimatika berpikir otak manusia, matriks perbandingan yang terbentuk akan bersifat matriks resiprokal dimana apabila elemen A lebih disukai dengan skala 3 dibandingkan elemen B, maka dengan sendirinya elemen B lebih disukai dengan skala 1/3 dibanding elemen A. Dengan dasar kondisi – kondisi di atas dan skala standar input AHP dari 1 sampai 9, maka dalam matriks perbandingan tersebut angka terendah yang mungkin terjadi adalah 1/9, sedangkan angka tertinggi yang mungkin terjadi
adalah
9/1.
Angka
0
tidak
dimungkinkan dalam matriks ini, sedangkan pemakaian skala dalam bentuk desimal dimungkinkan sejauh si expert memang menginginkan bentuk tersebut untuk persepsi yang lebih akurat.
3
c. Synthesis of priority Setelah
matriks
Proses yang dilakukan untuk membuat total perbandingan
untuk
sekelompok elemen selesai dibentuk maka langkah berikutnya adalah mengukur bobot
bobot prioritas sama dengan satu biasa disebut proses normalisasi. d. Logical consistency
prioritas setiap elemen tersebut. Hasil akhir
Salah satu asumsi utama metode AHP yang
dari penghitungan bobot prioritas tersebut
membedakannya
dengan
adalah suatu bilangan desimal di bawah satu
lainnya
tidak
(misalnya 0.01 sampai 0.99) dengan total
konsistensi mutlak. Dengan metode AHP
prioritas untuk elemen – elemen dalam satu
yang memakai persepsi manusia sebagai
kelompok sama dengan satu. Bobot prioritas
inputannya
dari
dapat
mungkin terjadi karena manusia mempunyai
menentukan prioritas lokal dan dengan
keterbatasan dalam menyatakan persepsinya
melakukan sintesa di antara prioritas lokal,
secara
maka akan didapat prioritas global.
membandingkan
Usaha untuk memasukkan kaitan antara
Berdasarkan konsisi ini maka manusia dapat
elemen yang satu dengan elemen yang lain
menyatakan persepsinya dengan bebas tanpa
dalam menghitung bobot prioritas secara
harus berpikir apakah persepsinya tersebut
sederhana dapat dilakukan dengan cara
akan konsisten nantinya atau tidak. Persepsi
berikut:
yang
1. Jumlahkan elemen pada kolom yang
memberikan hasil yang optimal atau benar
sama pada matriks perbandingan yang
dan sebaliknya persepsi yang tidak konsisten
terbentuk. Lakukan hal yang sama untuk
penuh
setiap kolom.
keadaan yang sebenarnya atau yang terbaik.
masing
–
masing
matriks
adalah
maka
%
mungkin
adanya
yang syarat
ketidakkonsistenan itu
konsisten
100
metode
terutama
kalau
banyak
konsisten
elemen.
belum
memberikan
tentu
gambaran
2. Bagilah setiap elemen pada setiap kolom
Penentuan nilai preferansi antar elemen harus
dengan jumlah elemen kolom tersebut
secara konsisten logis, yang dapat diukur
(hasil dari langkah 1). Lakukan hal yang
dengan menghitung Consistency Index (CI)
sama untuk setiap kolom sehingga akan
dan Consistency Ratio (CR).
terbentuk matrik yang baru yang elemen –
elemennya
berasal
dari
hasil
pembagian tersebut. 3. Jumlahkan elemen matrik yang baru tersebut menurut barisnya. 4. Bagilah hasil penjumlahan baris (hasil dari langkah 3) dengan total alternatif agar didapatkan prioritas terakhir setiap
CI
n n 1
CR
CI RI
dimana : = eigen value, n = ukuran matriks, RI = Random Index Untuk mendapatkan nilai
digunakan
rumus berikut:
elemen dengan total bobot prioritas sama dengan satu.
4
c. Menentukan matriks solusi ideal positif dan
n
a1i. pi
matriks solusi ideal negatif;
i 1
p1
d. Menentukan
jarak
antara
nilai
setiap
dimana a1i = nilai perbandingan dari elemen
alternatif dengan matriks solusi ideal positif
ke-1 dengan elemen ke-i,
dan matriks solusi ideal negatif; e. Menentukan nilai preferensi untuk setiap
pi = nilai prioritas dari elemen ke-i.
alternatif.
Untuk metode AHP, tingkat inkonsistensi
TOPSIS membutuhkan rating kerja
yang masih bisa diterima adalah sebesar 10% ke bawah. Jadi apabila nilai CR 0.1 hasil proses AHP tidak valid sehingga harus diadakan revisi penilaian rij =
karena tingkat inkonsistensi yang terlalu besar dapat menjurus pada suatu kesalahan.
m
x
2
;
ij
i 1
dengan i=1,2,...,m; dan j=1,2,...,n
3. TOPSIS
dimana :
TOPSIS
didasarkan
pada
konsep
dimana alternatif terpilih yang terbaik tidak
rij = matriks ternormalisasi [i][j] xij = matriks keputusan [i][j]
hanya memiliki jarak terpendek dari solusi ideal
Solusi ideal positif A+ dan solusi ideal
positif, namun juga memiliki jarak terpanjang
negatif A- dapat ditentukan berdasarkan rating
dari solusi ideal negatif (Kusumadewi, 2006:87).
bobot ternormalisasi (yij) sebagai :
Konsep ini banyak digunakan pada beberapa model MADM untuk menyelesaikan masalah
yij = wi.rij ; dengan i=1,2,...,m; dan j=1,2,...,n
keputusan secara praktis. Hal ini disebabkan
A+ = (y1+, y2+, ..., yn+);
konsepnya sederhana dan mudah dipahami,
A- = (y1-, y2-, ..., yn -);
komputasinya efisien, dan memiliki kemampuan
dimana :
untuk mengukur kinerja relatif dari alternatif-
yij
= matriks ternormalisasi terbobot [i][j]
alternatif keputusan dalam bentuk matematis
wi
= vektor bobot[i] dari proses AHP
yang sederhana.
yj+
= max yij, jika j adalah atribut keuntungan
Secara
umum,
prosedur
TOPSIS
mengikuti langkah-langkah sebagai berikut: a. Membuat
matriks
yj-
keputusan
yang
keputusan
yang
ternormalisasi; b. Membuat
matriks
ternormalisasi terbobot;
min yij, jika j adalah atribut biaya = min yij, jika j adalah atribut keuntungan max yij, jika j adalah atribut biaya j = 1,2,...,n Jarak antara alternatif Ai dengan solusi ideal positif :
5
(DFD)
n
Di+ =
(y
yij )
i
2
dimana
DFD
berfungsi
untuk
menggambarkan proses aliran data yang
;
i 1
i=1,2,...,m
terjadi di dalam sistem dari tingkat yang
dimana :
tertinggi sampai yang terendah (Hartono,
Di+ = jarak alternatif Ai dengan solusi ideal positif
1999). Pembuatan DFD pada level Context
yi+
= solusi ideal positif[i]
yij
= matriks normalisasi terbobot[i][j]
ERD secara conceptual dan physical.
Jarak antara alternatif Ai dengan solusi ideal negatif :
System Flow System flow menunjukkan arus perhitungan pekerjaan dari suatu sistem yang menjelaskan
n
Di- =
Diagram dan level 0. Selain itu juga digunakan
(y
ij
yi ) 2
;
j 1
urutan prosedur-prosedur yang terdapat di dalam sistem.
i=1,2,...,m dimana : Di- = jarak alternatif Ai dengan solusi ideal negatif yi-
= solusi ideal positif[i]
yij = matriks normalisasi terbobot[i][j] Nilai preferensi untuk setiap alternatif (Vi) dapat dilihat pada rumus (2.11). Vi =
Di
Di Di
; i=1,2,...,m
dimana : Vi = kedekatan tiap alternatif terhadap solusi ideal Di+ = jarak alternatif Ai dengan solusi ideal positif Di- = jarak alternatif Ai dengan solusi ideal negatif Nilai Vi
yang lebih besar menunjukkan
bahwa alternatif Ai lebih dipilih.
Gambar 1. System Flow
Perancangan Model Untuk membangun aplikasi Sistem Pendukung Keputusan ini digunakan Data Flow Diagram
6
disebut sebagai Data Flow Diagram (DFD) level Context Diagram
0 untuk mengetahui proses secara keseluruhan. Data Berita Data Reservasi Konfirmasi Login Manager Laporan Data Wisatawan
Entity Relationship Diagram (ERD)
Manager
Laporan Data Reservasi Cetak Laporan Data Wisatawan Saran Paket Wisata
Cetak Laporan Data reservasi
Wisatawan Pilihan Paket Wisata Konfirmasi Login Wisatawan
0 Pilihan Alternatif
Data Alternatif Data Admin Data Objek Wisata
Data Login Wisatawan Data Wisatawan
Data Hotel
Sistem Pendukung Keputusan Pemilihan Paket Wisata
Data Reservasi
Data Login Manager Bobot kriteria
Bobot Alternatif Terhadap Kriteria
Data Wisatawan
+
Gambar 2. Context Diagram Pada Context Diagram tampak aliran data yang bergerak dari sistem ke masing-asing
Gambar 4. Conceptual Data Model (CDM)
entitas. 3 Pilihan Paket Wisata
6
Bobot Alternatif Terhadap Kriteria
Pemilihan Paket Wisata
Pilihan Alternatif
Registrasi
Data Wisatawan Saran Paket Wisata
+
Data Wisatawan jawaban
1
Wisatawan 13
Jawaban
Data_Kriteria
Data Reservasi
Konfirmasi Login Wisatawan
Data alternatif
1 11
4
Wisatawan
Data Login Wisatawan Data Wisatawan
2
Reservasi
Hotel
Admin 5
Verifikasi User dan Password
12
Kriteria
berita Data Hotel
Data Admin
Data Reservasi
Pembobotan Kriteria
data berita 2 Data Wisatawan
4
Bobot kriteria
Data Admin
Alternatif
Gambar 5. Physical Data Model (PDM)
Data Alternatif
Data Admin Data Objek Wisata
Maintenance Data Data Reservasi
6
Reservasi
+
HASIL DAN PEMBAHASAN
Data Objek Wisata
Fitur ini diawali dengan admin yang
3 Objek Wisata
Data Login Manager Data Reservasi
memberikan
Data Alternatif Manager
terhadap
masing-
masing criteria untuk kemudian diproses dengan
Data Hotel Data Wisatawan
Cetak Laporan Data reservasi
pembobotan
Data Berita
Konfirmasi Login Manager
perhitungan metode AHP.
5
Laporan Data Reservasi Cetak Laporan Data Wisatawan
Membuat Laporan Data Reservasi
Laporan Data Wisatawan Data Wisatawan
+
GaGambar 3. DFD Level 0 Dari pembuatan context diagram maka dapat dilakukan proses break down yang biasa
Gambar 6. Halaman pembobotan kriteria
7
Selanjutnya, wisatawan
berpindah diminta
ke
sisi
memilih
wisatawan,
paket
wisata
kemudian memberikan bobot untuk dimasukkan kedalam perhitungan topsis.
DAFTAR RUJUKAN
Hasan, I., 2002, Pokok – Pokok Materi Teori Pengambilan Keputusan, Ghalia Indonesia, Jakarta. Hartono, Jogiyanto 1999, Analisis & Disain Sistem Informasi : Pendekatan terstruktur teori dan praktek aplikasi bisnis, ANDI, Yogyakarta. Kusumadewi, Sri dkk.,2006, Fuzzy MultiAttribute Decision Making (Fuzzy MADM), Graha Ilmu, Yogyakarta.
Gambar 7. Halaman pemilihan paket wisata Selanjutnya
dilakukan
perhitungan
Mulyono, Sri, 1996, Teori Pengambilan Keputusan, Fakultas Ekonomi Universitas Indonesia, Jakarta.
TOPSIS
sehingga menghasilkan urutan prioritas paket wisata yang disarankan. SIMPULAN Berdasarkan hasil evaluasi yang telah dilakukan dalam pembuatan Pemilihan Paket
Permadi, B., 1992, AHP, Pusat Antar Universitas – Studi Ekonomi Universitas Indonesia, Jakarta. Turban, Efraim, 2005, Sistem Pendukung Keputusan dan Sistem Cerdas, Andi, Yogyakarta.
wisata Dengan Metode AHP dan TOPSIS Berbasis Web, dapat ditarik beberapa poin-poin kesimpulan dari pengerjaan Tugas Akhir ini yaitu: a. Sistem
pendukung
keputusan
dengan
menggunakan AHP dan TOPSIS terbukti mampu
memberikan
rekomendasi
paket
wisata yang tepat sesuai dengan kriteria dan alternatif yang diinginkan. b. Metode dapat diimplementasikan dengan baik
pada
aplikasi
web
dan
dapat
menganalisa kriteria dan alternatif yang dibandingkan, kemudian memberikan urutan prioritas paket wisata.
8
