Beranda > Algoritma dan Metode, Ilmu Komputer, Informatika > Multi-Atribute Decision Making Group untuk Perankingan Wilayah Penghasil Kelapa Sawit di Provinsi Riau

Multi-Atribute Decision Making Group untuk Perankingan Wilayah Penghasil Kelapa Sawit di Provinsi Riau

YenSalah satu kebutuhan yang sangat besar akan teknologi informasi saat ini adalah kebutuhan yang dapat memudahkan untuk memperoleh data dan informasi dalam jumlah yang besar. Proses menganalisa volume data yang sangat besar tentunya diperlukan alat dan metode yang mampu mengekstraksi data-data tersebut menjadi suatu informasi yang berguna, akurat, dan terpercaya.

Data mining merupakan ekstraksi informasi atau pola yang penting atau menarik dari data yang ada di database yang besar, data mining juga dikenal dengan nama Knowledge Discovery in Databases (KDD) (Sucahyo, 2003). Definisi lain mengatakan data mining adalah suatu proses yang menggunakan teknik statistik, matematika, kecerdasan buatan dan machine learning untuk mengetraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar (Aribowo, 2010). Informasi ini sewaktu-waktu dapat berguna dalam pendukung sebuah keputusan.

Sistem Pendukung Keputusan (SPK) merupakan sebuah sistem berbasis komputer yang dapat membantu pembuat keputusan dalam suatu organisasi atau perusahaan dalam menyelesaikan suatu masalah namun tidak menggantikan peran manusia sebagai pembuat keputusan (Sulistiyo, 2010). Salah satu metode yang paling banyak digunakan dalam SPK adalah Multi Attribute Decision Making (MADM). MADM merupakan metode dengan model peringkat sederhana yang mampu memberikan solusi terbaik dari serangkaian beberapa alternatif yang diberikan (Kumar, D. Sameer., et al dalam Mustakim, 2014). Untuk mendapatkan solusi terbaik dan diperoleh hasil yang akurat dan maksimal dapat menerapkan metode MADM group dengan membandingkan penerapan tiga metode yaitu Simple Aditive Weighting (SAW), Weighting Product (WP), dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS).

Konsep dasar metode SAW adalah mencari perjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Aribowo, 2010). Kelebihan dari metode SAW adalah penilaian akan lebih tepat karena didasarkan pada nilai kriteria dan bobot preferensi yang sudah ditentukan. Metode WP menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan (Esteriani, 2014). TOPSIS adalah metodeimages (4) yang memberikan hasil terbaik tidak hanya dari jarak terdekat saja tetapi juga memperhitungkan dengan jarak terjauhnya (Mustakim, 2014). Konsep metode TOPSIS sederhana dan mudah dipahami, komputasinya efisien dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan dalam bentuk matematis yang sederhana (Lestari et al., 2011).

Dalam penelitian sebelumnya metode SAW telah diterapkan untuk pengambilan keputusan pengembangan energi terbarukan dari kelapa sawit, hasil dari scoring tersebut memberikan nilai yang memiliki akurasi yang tinggi (Mustakim, 2015). Telah banyak penelitian-penelitian yang menerapkan ketiga metode tersebut dalam kasus pengambilan keputusan. Metode SAW, WP dan TOPSIS merupakan metode yang paling populer dalam metode MADM group dan paling sering digunakan. Dari ketiga metode tersebut didapat hasil perankingan setiap metode. Hasil perankingan akhir setiap metode akan dilakukan perbandingan hasil untuk setiap metode dengan cara menghitung rata-rata data ternormalisasi. Hasilnya berupa grafik yang menggambarkan selisih atau sensitifitas dari setiap metode. Selain membandingkan antara ketiga metode, peneliti juga melakukan perbandingan dengan bobot yang berbeda. Pembobot yang digunakan dalam penelitian ini dalam bentuk bobot langsung, fuzzy dan persentase (%). Penelitian menggunakan dataset wilayah kelapa sawit di Provinsi Riau mulai tahun 2010-2015. Hasil perankingan tahun 2015 kemudian dibandingkan hasilnya dengan mencari rata-rata keputusan 5 tahun.

Sejarah Provinsi Riau-PekanbaruIndustri agribisnis kelapa sawit di Provinsi Riau yang berfokus kepada pengembangan industri dan tujuan ekspor terus mengalami perkembangan. Provinsi Riau memiliki potensi untuk memanfaatkan limbah kelapa sawit sebagai sumber energi terbarukan. Luas areal kelapa sawit di Riau mencapai angka 2,3 juta hektar. Artinya hampir 25 persen dari luas lahan kelapa sawit secara nasional berada di Provinsi Riau (Riau dalam angka, 2014). Badan Pusat Statistik (BPS) Provinsi Riau mencatat bahwa sampai dengan tahun 2013 areal perkebunan kelapa sawit  tersebar hampir di 12 kabupaten/ kota kecuali kota Pekanbaru yang tidak memiliki lahan perkebunan. Banyaknya limbah kelapa sawit dipengaruhi oleh hasil produksi perkebunan kelapa sawit, luas sektor  perkebunan kelapa sawit dan jumlah pabrik kelapa sawit pada suatu wilayah (Mustakim, 2015). Pemerintah Provinsi Riau dapat melakukan pembangunan pusat energi terbarukan dan mengganti sumber energi tak terbarukan saat ini.

Oleh sebab itu, pada penelitian ini akan dilakukan perankingan wilayah penghasil kelapa sawit di Provinsi Riau. Riset ini dilakukan guna memberikan informasi dan rekomendasi kepada pihak pemerintah terhadap kebijakan dalam menentukan pembangunan pusat energi terbarukan di Provinsi Riau, memberikan peluang investasi di bidang pertanian dan dapat mengembangkan produksi kelapa sawit di wilayah yang produksi kelapa sawitnya masih sedikit serta memberikan solusi untuk mengatasi permasalahan penyeleksian dan perankingan secara manual oleh pihak terkait. Dalam mengupayakan hasil yang akurat dan maksimal sesuai dengan hasil yang diharapkan, diterapkan ketiga metode yang memiliki peranan untuk menentukan metode terbaik dalam pengambilan keputusan. Selain itu kontribusi dari hasil perbandingan metode dapat dimanfaatkan dan diterapkan untuk kasus yang sama, untuk memperoleh hasil akurasi terbaik.

Riset sebelumnya terkait perbandingan ketiga metode telah diteliti oleh Mustakim pada tahun 2015. Dengan menggunakan dataset yang sangat kecil, metode yang sangat jauh dan memiliki banyak nilai pencilan adalah metode WP (Mustakim,  2015). Pada riset ini akan diterapkan simulasi data time series dengan kategori data dengan proses mining untuk mencari pola hasil keputusan yang lebih baik. Analisa metode terbaik dilakukan dengan cara mencari selisih atau sensitifitas setiap metode dan membandingkan dengan bobot yang berbeda-beda.

Kesimpulan

Berdasarkan analisis dan pembahasan pada bab sebelumnya, perankingan kecamatan penghasil kelapa sawit pada penelitian ini diperoleh beberapa kesimpulan diantaranya adalah:

  1. Hasil perankingan menggunakan metode SAW dengan bobot persentase dan dataset rata-rata 5 tahun menunjukkan hasil perankingan wilayah yang paling potensial penghasil kelapa sawit. Hal ini dibuktikan dengan hasil nilai sensitifitas terkecil dengan nilai SAW (0,8121), bobot persentase (0,0035) dan dataset rata-rata 5 tahun (0,0035).
  2. Hubungan antara kriteria utama LSP dan HPP terhadap metode terbaik menunjukkan bahwa kecamatan Tapung Hulu, Mandau, Kandis, Pangkalan Kuran dan Tambusai Utara adalah peringkat 5 teratas wilayah potensial penghasil kelapa sawit dengan nilai sensitifitas rata-rata berturut-turut 0,82%; 3,69%; 6,87%; 9,34% dan 10,55%.
  3. Hubungan antara kriteria pendukung JD, JP, KP, PKS, LW terhadap metode terbaik menunjukkan bahwa kecamatan Bagan Sinembah, Pinggir, Kandis, Tambusai Utara dan Tapung Hulu adalah peringkat 5 teratas wilayah potensial penghasil kelapa sawit dengan nilai sensitifitas rata-rata berturut-turut 4,27%; 7,25%; 8,28%; 8,33% dan 8,45%.
  4. Hasil kriteria utama dengan kriteria pendukung terhadap metode terbaik diperoleh kecamatan Tapung Hulu (5%), Kandis (8%), Mandau (8%), Bagan Sinembah (9%) dan Pinggir (9%) sebagai 5 wilayah paling potensial penghasil kelapa sawit. Hubungan keduanya memiliki koefisien 35,4% dengan nilai mutlak P-Value 31,5% yang memiliki nilai error sebesar 5,1%.
  5. Perbandingan hasil keputusan dengan penelitian terdahulu oleh Mustakim (2015) menyatakan bahwa 5 wilayah potensial kelapa sawit yaitu Mandau, Tambusai Utara, Tapung, Pinggir dan Bagan Sinembah. Pada penelitian ini, 5 wilayah potensial yaitu Tapung Hulu, Kandis, Mandau, Bagan Sinembah dan Pinggir.
  6. Rekomendasi hasil penelitian yang diusulkan kepada pihak pemerintah terkait pembangunan wilayah penghasil kelapa sawit di Provinsi Riau yaitu, mengembangkan 5 wilayah yang paling potensial, memberikan peluang investasi dan mengembangkan produksi kelapa sawit.

Referensi

Andayati, Dina. “Sistem Pendukung Keputusan Pra-Seleksi Penerimaan Siswa Baru (PSB) On-Line Yogyakarta”. e-journal. 2010

Andi, Yuniar. “Analisis Perbandingan Teknik Support Vector Regression (SVR) dan Decision Tree C4.5 DALAM Data Mining”. Tesis. FMIPA-USU, Medan. 2011

Aribowo, Agus S. “E-Elearning Cerdas dengan Personalisasi Menggunakan Teknik Data Mining dan Decision Support System”. SEMNASIF. 2010

Esteriani, S.E. “Implementasi Metode Wieghted Product dalam Sistem Pendukung Keputusan Seleksi Penerimaan Tunjangan Profesi Guru di Kabupaten Ngawi. Skripsi. FILKOM-UDNS, Semarang. 2014

Khoiruddin, Arwan A, et al. “Sistem Pendukung Keputusan Seleksi Pemain Futsal (Studi Kasus UKM Futsal FTI UII)”. KNSI. 2014

Lestari, S. “Implementasi Metode Fuzzy TOPSIS untuk Seleksi Penerimaan Karyawan. IJCCS. Vol 5, No. 2, Juli. 2011

Masykur. “Pengembangan Industri Kelapa Sawit sebagai Penghasil Energi Bahan Bakar Alternatif dan Mengurangi Pemanasan Global (Studi di Riau sebagai Penghasil Kelapa Sawit Terbesar di Indonesia)”. Jurnal Reformasi. Vol 3, No. 2, Juli. 2013

Mustakim. “Sensitifitas Multi-Atribute Decision Making Group dalam Pengambilan Keputusan pada Kasus Scoring Wilayah di Riau”. SNTIKI. 2014

Mustakim, et al. “Support Vector Regression Untuk Prediksi Produktivitas Kelapa Sawit di Provinsi Riau”. Jurnal Sains Teknologi dan Industri, Vol. X, halaman 1- 4, 2015

Ningrum, Wahyu R, et al. “Sistem Pendukung Keputusan untuk Merekomendasikan TV Layar Datar Menggunakan Metode Weighted Product (WP). Artikel Ilmiah. FTI-UKSW, Salatiga. 2012

Perdana, N.G dan Widodo, T. “Sistem Pendukung Keputusan Pemberian Beasiswa Kepada Peserta Didik Baru Menggunakan Metode TOPSIS. SEMANTIK. 2013

Prana, Afen. “Model Rule Penyebab Mahasiswa Perguruan Tinggi Pindah dengan Metode Decision Tree”. Tesis. FILKOM-USU, Medan. 2013

Putra, Apriansyah dan Hardiyanti, Dinna Y. “Penentuan Penerima Beasiswa dengan Menggunakan Fuzzy Multiple Atribute Decission Making”. Jurnal Sistem Informasi (JSI). Vol 3, No. 1, April. 2011

Sucahyo, Y.G. “Data Mining”. Artikel Ilmu Komputer. 2003

Sulistiyo, Heri. “Sistem Pendukung Keputusan untuk Menentukan Penerima Beasiswa di SMA Negeri 6 Pandeglang”. Sripsi. FTILKOM-UKI, Bandung. 2010

Sumber Dokumen:

Tugas Akhir Program Studi Sistem Informasi UIN Sultan Syarif Kasim Riau Tahun 2016, Yendra Afriza  NIM 11253201086 Dibimbing oleh Mustakim, S.T., M.Kom.

 

  1. Belum ada komentar.
  1. No trackbacks yet.

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout /  Ubah )

Foto Google

You are commenting using your Google account. Logout /  Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout /  Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout /  Ubah )

Connecting to %s

%d blogger menyukai ini: