113080003_resume

Tugas Akhir - 2012

SISTEM PENDUKUNG PENGAMBIL KEPUTUSAN DENGAN METODE ANALYTIC HIERARCHY PROCESS DAN NEURAL NETWORK (STUDI KIASUS PENILAIAN PERFORMANSI VENDOR DI PT TELKOM BANDUNG) Rahardian Dwi Juliarto¹, Arie Ardiyanti Suryani², Bedy Purnama³ ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom Abstrak Sistem Pendukung Pengambil Keputusan (SPPK) merupakan sistem terkomputerisasi yang digunakan untuk memberikan dukungan kepada penggunanya untuk mengambil keputusan. Sistem ini tidak bertujuan untuk membuat keputusan namun untuk memberikan dukungan untuk membuat keputusan terbaik berdasarkan informasi yang dikumpulkan oleh sistem. Ada banyak permasalahan yang dapat diselesaikan oleh DSS contohnya pemilihan vendor terutama di bisnis enterprise seperti di PT Telkom. Setiap tahunnya PT Telkom melakukan pengukuran performansi vendor yang digunakan di setiap divisi. Ada delapan kategori yang harus diukur (KITB, KITM, KITK, KGSME, JPAT, TI, Outsourcing, Konsultan) tetapi metode untuk menghitung masih dengan perhitungan konvensional. Dibutuhkan sebuah metode yang lebih canggih yang dapat memberikan rekomendasi kepada pembuat keputusan untuk memilih vendor terbaik. Dari hasil pengujian didapatkan hasil akurasi sistem adalh sebesar 75% dibandingkan dengan data dari PT Telkom. Mengubah fungsi aktivasi, nilai bias dan input value pada hidden layer akan mempengaruhi hasil dari permodelan. Hasil terbaik yang dihasilkan dari penggunaan fungsi bipolar sigmoid sebagai fungsi aktivasi, nilai bobot bias sebesar 0,07 dan input value sebesar 1/n dimana n adalah jumlah vendor. Kata Kunci : SPPK, AHP, Neural network, Pemilihan vendor

Abstract Decision Support System is a computer based system that can give recommendation for people to make a decision. This system is not buit to make a decision but to support decision maker to make best decision based on information that gained by system. One problem that can be solved by using DSS is vendor selection problem. Every year PT Telkom measured all vendor that they used in all division. There are eight category vendor that must be measured (KITB, KITM, KITK, KGSME, JPAT, TI, Outsourcing, Konsultan) but the method which used to calculate was still conventional calculation. It is need sophisticated model that can give recommendation to decision maker to choose the best vendor. Model which can be used is AHP and Neural network From the testing obtained result that system accuracy was 75% comparing with data from PT Telkom. Adjusted activation function, bias and input value in hidden layer also influence in result of model. And the best result is obtained when model using bipolar sigmoid as activation function, bias weight is 0,07 and input value is 1/n where n is number of vendor Keywords : Decision Support System, AHP, Neural network, Vendor selection

Fakultas Teknik Informatika Powered by TCPDF (www.tcpdf.org)

Program Studi S1 Teknik Informatika

Tugas Akhir - 2012

Daftar Istilah Dalam tugas kahir ini terdapat istilah-istilah sebagai berikut:

AHP

Salah satu metode yang digunakan untuk member rekomendasi keputusan kepada pengambil keputusan

Bias

Komponen dalam Neural network yang berfungsi untuk menaikkan atau menurunkan masukan pada fungsi aktivasi

Fungsi aktivasi

Fungsi yang digunakan untuk membatasi keluaran pada neural network

Input value

Masukan untuk hidden layer pada Neural network

Neural network

Sebuah metode pengolah informasi yang meniru sistem kerja jaringan syaraf manusia

SPPK

Sistem terkomputerisasi yang mampu memberikan dukungan kepada pengambil keputusan

Vendor

Pihak ketiga yang menyediakan barang atau jasa kepada suatu badan usaha

xiv

Fakultas Teknik Informatika

Program Studi S1 Teknik Informatika

Tugas Akhir - 2012

Daftar Singkatan Berikut beberapa singkatan yang digunakan dalam tugas akhir ini:

AHP

Analytic Hierarchy Process

DAD

Diagram Alir Data

JPAT

Jasa Penyewaan Alat Transportasi

KGSME

Konstruksi Gedung Sipil Mekanikal dan Elektrikal

KITB

Konstruksi Infrastruktur Telekomunikasi Besar

KITK

Konstruksi Infrastruktur Telekomunikasi Kecil

KITM

Konstruksi Infrastruktur Telekomunikasi Menengah

SPPK

Sistem Pendukung Pengambil Keputusan

TI

Teknologi Informasi

xv

Fakultas Teknik Informatika

Program Studi S1 Teknik Informatika

Tugas Akhir - 2012

1.

Pendahuluan

1.1. Latar belakang masalah Pemilihan vendor sangat penting untuk sebuah perusahaan yang kompetitif dan memiliki pangsa pasar global.

Karena pembelian barang dari vendor akan

berkontribusi sekitar 40-60 % dari pengembangan produk [2]. Apalagi saat ini dengan adanya kompetisi global akan menyebabkan banyak perusahaan meminimalkan seluruh biaya pembelian, meningkatkan renspon pasar dan meningkatkan kualitas dari servis yang diberikan. Selain pembelian vendor, perusahaan juga melakukan penilaian performansi dari vendor yang digunakan untuk dipilih menjadi vendor terbaik. Namun tidaklah mudah untuk menentukan vendor mana yang akan dipilih mengingat banyaknya faktor yang harus diperhatikan. Pemilihan vendor manjadi sangat kompleks dengan munculnya vendor-vendor yang memiliki kriteria yang berbeda seperti level servis, total biaya, tingkat kualitas, waktu pengiriman dan lain-lain [6].

Di PT Telekomunikasi Indonesia (Telkom) Bandung, setiap tahunnya dilakukan penilaian performansi vendor untuk melihat kualitas vendor yang digunakan. Penilaian vendor dilakukan di setiap divisi PT Telkom yang ada di Indonesia, kemudian hasilnya dikumpulkan di PT Telkom Bandung untuk dipilih vendor terbaik. Proses pemilihan vendor masih dilakukan dengan perhitungan matematis konvensional. Dengan metode konvensional ini memungkinkan kurangnya keadilan(fairness) pada penilaian vendor secara keseluruhan.

Dari permasalahan di atas maka perlu adanya sebuah pendekatan yang dapat melakukan pemberian referensi keputusan pemilihan vendor berdasarkan kriteriakriteria yang digunakan dengan memberi peringkat setiap vendor yang potensial. Dan metode yang dapat digunakan yaitu Analytic Hierarchy Process (AHP) dan Neural network. Metode AHP digunakan untuk menentukan bobot tiap neuron pada Neural network. Sedangkan Neural network digunakan untuk menentukan rekomendasi keputusan yang harus diambil. Penggabungan kedua metode tersebut

1

Fakultas Teknik Informatika

Program Studi S1 Teknik Informatika

Tugas Akhir - 2012

bertujuan untuk meningkatkan performansi dalam hal ini akurasi karena penggunaan Neural network pada AHP memungkinkan terjadinya perbaikan pada matriks prioritas jika terjadi kesalahan dalam pembangunan matriks perbandingan berpasangan.

1.2

Perumusan masalah

Berdasarkan latar belakang di atas maka dapat ditarik permasalahan yang terjadi yaitu

penggunaan

terkomputerisasi

metode

konvensional

memungkinkan

terjadinya

dengan

tanpa

kekurangan

bantuan

sistem

referensi

dalam

pengambilan keputusan dan kendala keadilan(fairness) pada pengambilan keputusan. Salah satu solusi yang dapat digunakan yaitu dengan menggunakan pendekatan yang lebih canggih yaitu dengan AHP dan Neural network.

1.3

Batasan masalah

Dalam tugas akhir ini akan dilakukan beberapa pembatasan yaitu sebagai berikut : a. Software yang digunakan untuk permodelan metode adalah MATLAB karena banyak terdapat banyak fungsi matematika yang berguna untuk permodelan metode. b. Arsitektur Neural network yang digunakan adalah Multi-Layer Percepteron (MLP). c. Tidak dibahas mengenai kompleksitas metode yang digunakan karena fokus permasalahan ini adalah menganalisis akurasi dari penggunaan metode tersebut. d. Data yang digunakan sebagai masukan sistem adalah data penilaian performansi vendor tahun 2010.

1.4

Tujuan Tujuan dari tugas akhir ini adalah mengimplementasikan metode AHP dan

Neural network untuk membantu pihak manajerial memutuskan vendor yang tepat dipilih untuk PT Telkom Bandung. Setelah itu akan dianalisis performansi dari penggabungan dua metode yang digunakan yaitu berupa akurasi hasil dari pengimplementasian tersebut.

2

Fakultas Teknik Informatika

Program Studi S1 Teknik Informatika

Tugas Akhir - 2012

1.5

Metodologi penyelesaian masalah

Metode yang digunakan dalam tugas akhir ini adalah : 1. Studi Literatur Studi Literatur merupakan pembelajaran dari sumber bacaan yang mendukung pengerjaan tugas akhir ini. Adapun referensi yang akan digunakan meliputi buku, jurnal, situs yang terkait dengan AHP dan Neural network.

2. Pengumpulan data Mengumpulkan data yang terkait dengan sistem pada sebuah perusahaan uji. Data yang akan dikumpulkan dari perusahaan uji adalah data penilaian performansi vendor.

3. Analisis metode Metode yang digunakan akan dihitung

akurasinya berdasarkan data vendor

terpilih dari PT Telkom.

4. Pembangunan model Sebelum pengukuran akurasi dan analisis dilakukan terlebih dahulu pembangunan model untuk memudahkan dalam pembuatan analisis.

1.6 BAB I

Sistematika penulisan PENDAHULUAN Berisi latar belakang, perumusan masalah, batasan masalah, tujuan pembahasan, metodologi penyelesaian masalah dan sistematika penulisan

BAB II

DASAR TEORI Berisi penjelasan singkat mengenai konsep-konsep yang mendukung pembuatan sistem ini. Konsep yang yang digunakan dalam pengembangan sistem ini adalah Sistem Pendukung

Pengambil

Keputusan

(SPPK),

Analytic

3

Fakultas Teknik Informatika

Program Studi S1 Teknik Informatika

Tugas Akhir - 2012

Hierarchy Process (AHP), Neural network dan hubungan antara AHP dengan Neural network BAB III

ANALISIS DAN PERANCANGAN SISTEM Berisi tentang desain sistem yang akan dibangun serta bagaimana perancangan sistemnya, dalam hal ini tentang SPPK menggunakan AHP dan Neural network.

BAB IV

PENGUJIAN DAN ANALISIS Berisi rincian pengujian sistem yang telah dibuat serta analisis dari hasil pengujian yang dilakukan.

BAB V

KESIMPULAN DAN SARAN Berisi tentang kesimpulan dari analisis yang telah dilakukan dan saran untuk pengembangan ke depan

4

Fakultas Teknik Informatika Powered by TCPDF (www.tcpdf.org)

Program Studi S1 Teknik Informatika

Tugas Akhir - 2012

5. Kesimpulan dan Saran 1 Kesimpulan Berdasarkan pengujian dan analisis yang telah dilakukan, maka dapat disimpulkan beberapa hal yaitu :

1.

Sistem mampu menghasilkan akurasi 75% jika dibandingkan dengan vendor

terpilih dari data PT Telkom, yang artinya masih terdapat kategori yang belum mampu dinilai oleh sistem secara tepat. 2.

Fungsi aktivasi yang memberikan hasil terbaik berdasarkan rata-rata akurasi

yang dihasilkan adalah fungsi bipolar sigmoid karena karakter fungsi ini mirip dengan fungsi linier. 3.

Fungsi sigmoid memberikan hasil terbaik untuk kategori Outsourcing namun

tidak untuk kategori lain dan pada kasus ini, akurasi fungsi sigmoid

tidak

dipengaruhi oleh input value dan bias. 4.

Input value pada hidden layer dengan nilai 1/n dengan n adalah jumlah

vendor, memberikan akurasi terbaik untuk sistem karena semakin kecil input value maka pengaruh ke sistem juga semakin kecil. 5.

Bias terbaik yang dengan akurasi tertinggi pada pengujian adalah dengan

nilai 0,07, 0,08 dan 0,09. Kurang dari nilai tersebut menyebabkan pengaruh bias tidak terlalu signifikan sedangakan jika lebih dari nilai tersebut menyebabkan pembobotan kriteria menjadi tidak sesuai rasionya. 6.

Karakteristik keluaran dari permodelan AHP dan Neural network adalah

memberikan nilai yang tinggi untuk vendor dengan penilaian yang merata dibandingkan dengan vendor yang memiliki rasio penilaian yang tinggi.

2. Saran

1.

Mencoba model AHP dan Neural network dengan menggunakan arsitektur

Neural network yang berbeda. 2.

Mencari parameter yang mampu membuat permodelan menerima variasi data

yang lebih beragam.

41

Fakultas Teknik Informatika Powered by TCPDF (www.tcpdf.org)

Program Studi S1 Teknik Informatika

Tugas Akhir - 2012

Daftar Pustaka [1] Bhushan, Navneet, Kanwal Rai. 2004. Strategic Decision Making : Applying the Analytic Hierarchy Process. Springer [2] Chakraborty, Tanmoy, Tamal Ghosh, Phranab K Dan. 2011. Application of Analytic Hierarchy Process and Heuristic Algorithm in Solving Vendor Selection Problem . Bussiness Intelligence Journal. [3] Chris, I Enyinda, Emeka Dunu, Fesseha Gebremikael. 2010 . An Analysis of Strategic Supplier Selection and Evaluation in a Generic Pharmaceutical Firm Supply Chain .Proceedings of ASBBS, vol. 17 no 1. [4] Forman, Ernest. 2001. Decision by Objectives : How to Convince Others that You are Right. World Scientific. [5] Haykin, Simon. 1994. Neural network A Comprehension Foundation. New York : Macmillian [6] Hwang, Heung-Suk, dkk. 2005. Supplier Selection and Planning Model Using AHP. International Journal of the Information System for Logistic and management (IJISLM), vol. 1, no 1, pp. 47-53. [7] Karlik, Bekir, A Vehibi Olgac. Performance Analysis of Various Activation in Generalized MLP Architecture of Neural networks. International Journal of Artificial Intelligence And Expert Systems (IJAE), vol(1), Issue (4). [8] Kumar, Jitentra. 2010. A Hybrid Method for Vendor Selection using Neural network. International Journal of Computer Applications, vol.11,no 12. [9] Maghlurih, Marimun. 2010. Aplikasi Teknik Pengambilan Keputusan dalam Manajemen rantai Pasok. Bogor : IPB Press [10] Olsen, David L, James F Courtney Jr. 1992. Decision Support Model and Expert System. Ney York : Macmillian Publising [11] Saaty, Thomas, Luis Gonzales. 1980. Models, Methods, Concept and Application of The Analytic Hierarchy Process. Massachusetts : Kluwer Academic Publisher [12] Suyanto, ST. MSc. 2011. Artificial Neural network :Searching Reasoning Planning Learning. Bandung : Penerbit Informatika [13] Tahriri, Farzad, dkk. 2007 . A Review of Supplier Selection Methods in Manufacturing Industries. University of Petra Malaysia.

42

Fakultas Teknik Informatika Powered by TCPDF (www.tcpdf.org)

Program Studi S1 Teknik Informatika