Upload
doanlien
View
233
Download
1
Embed Size (px)
Citation preview
JURNAL TEKNIK ITS Vol. 4, No. 1, (2015) ISSN: 2337-3539 (2301-9271 Print)
1
Abstrak— Proses penggunaan perangkat lunak ERP pada
sebuah perusahaan terdiri dari tiga bagian, yakni proses
pemilihan, proses implementasi dan proses evaluasi. Proses
pemilihan perangkat lunak merupakan faktor yang sangat penting
untuk menunjang keberhasilan pada proses selanjutnya. Untuk
memilih perangkat lunak ERP, diperlukan sebuah teknik Multi
Criteria Decision Making (MCDM). Pada tugas akhir ini, metode
yang digunakan yakni Fuzzy-AHP dan TOPSIS. Untuk
mendapatkan hasil yang lebih baik, kriteria yang digunakan pada
MCDM berdasar ISO/IEC 25022 Software Measurement of
Quality in Use. Kriteria ini menunjukkan kualitas sebuah sistem
ketika digunakan. Teknik business process matching dengan
Beehivez digunakan sebagai salah satu pengukuran kriteria. Hasil
uji coba menunjukkan bahwa metode tersebut berhasil
diimplementasikan pada sistem.
Kata Kunci—ISO/IEC 25022, Fuzzy-AHP, TOPSIS, Proses
Bisnis, ERP
I. PENDAHULUAN
enggunaan perangkat lunak Enterprise Resource Planning
(ERP) di dalam sebuah perusahaan merupakan cara untuk
mengoptimalkan proses dan sangat penting untuk dilakukan
dalam dunia bisnis saat ini [1]. Proses pemilihan perangkat
lunak ERP merupakan sebuah permasalahan kompleks yang
mempertimbangkan banyak kriteria dan aktor. Terlebih lagi,
saat ini banyak sekali alternatif perangkat lunak ERP sumber
terbuka yang ditawarkan di pasar, seperti Adempiere, Oodo
ERP dan inoERP. Kesalahan pada tahap pemilihan perangkat
lunak ERP akan berakibat pada implementasi dan dapat
menimbulkan banyak kerugian bagi perusahaan. Sekitar 40%
sampai 70% implementasi ERP gagal dilakukan karena
kesalahan pada tahap pemilihan [2]. Karena itulah sebuah
perusahaan harus memilih perangkat lunak ERP yang paling
sesuai dengan kebutuhannya.
Proses pemilihan perangkat lunak ERP ini merupakan
permasalahan yang rumit karena melibatkan banyak kriteria
dan banyak aktor sehingga digolongkan sebagai permasalahan
Multi Criteria Decision Making (MCDM) [3]. Disiplin ilmu
MCDM sendiri mulai mendapat kemajuan sejak 30 tahun lalu
yang dipengaruhi oleh pesatnya perkembangan teknologi
komputer [4]. Dengan teknologi komputer, sangat mungkin
melakukan analisis secara sistematis terhadap permasalahan
MCDM yang kompleks melalui teknik kecerdasan
komputasional.
Di dalam tugas akhir ini, penulis mencoba mencoba
mengoptimasi metode pemilihan perangkat lunak ERP
menggunakan kombinasi teknik Fuzzy Analytical Hierarchial
Process (Fuzzy-AHP) dan Technique for Order of Preference
by Similiarity to Ideal Solution (TOPSIS) [5] untuk
menyelesaikan masalah pemilihan perangkat lunak ERP yang
tepat untuk sebuah perusahaan. Metode Fuzzy-AHP digunakan
untuk menemukan bobot dari kriteria pemilihan perangkat
lunak ERP. Sedangkan TOPSIS digunakan untuk merangking
alternatif yang paling cocok untuk kriteria-kriteria tersebut.
TOPSIS menggambarkan sebuah permasalahan MCDM yang
terdiri dari n alternatif sebagai sebuah sistem geometri dengan
n titik di dalam sebuah m ruang dimensional. Kombinasi
teknik Fuzzy-AHP dan TOPSIS ini digunakan dalam
perhitungan pemilihan sistem ERP ini karena metode tersebut
dapat memungkinkan perhitungan kriteria dan subkriteria yang
bertingkat.
II. TINJAUAN PUSTAKA
A. Enterprise Resource Planning (ERP)
ERP adalah sebuah konsep untuk merencanakan dan
mengelola sumber daya perusahaan meliputi dana, manusia,
mesin, suku cadang, waktu, material dan kapasitas yang
berpengaruh luas mulai dari manajemen paling atas hingga
operasional di sebuah perusahaan agar dapat dimanfaatkan
secara optimal untuk menghasilkan nilai tambah bagi seluruh
pihak yang berkepentingan di dalam perusahaan tersebut [6].
ERP merupakan bagian yang sangat penting saat ini untuk
sebuah perusahaan yang mengintegrasikan serta mengautomasi
operasi-operasi bisnis di dalam sebuah perusahaan. Perangkat
lunak ERP semakin dibutuhkan terutama karena persaingan
antar perusahaan menjadi semakin kompetitif. Keberhasilan
implementasi perangkat lunak ERP pada sebuah perusahaan
dapat meningkatkan keuntungan sebuah perusahaan secara
besar. Karena itulah, pemilihan sistem ERP yang sesuai untuk
sebuah perusahaan sangat penting untuk dilakukan [7].
B. Fuzzy Analytical Hierarchial Process (Fuzzy-AHP)
Fuzzy AHP adalah salah satu metode perangkingan yang
merupakan gabungan metode AHP dengan pendekatan konsep
fuzzy. Fuzzy-AHP menutupi kelemahan yang terdapat pada
AHP, yaitu permasalahan terhadap kriteria yang memiliki sifat
Optimasi Pemilihan Perangkat Lunak ERP
Menggunakan Multi Criteria Decision Making
(MCDM) Fuzzy-AHP dan TOPSIS Radhea Permata Dewi, Prof. Drs. Ec. Ir. Riyanarto Sarno, M.Sc.,Ph.D., dan Abdul Munif, S.Kom., M.Sc.
Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim, Surabaya 60111 Indonesia
e-mail: [email protected]
P
JURNAL TEKNIK ITS Vol. 4, No. 1, (2015) ISSN: 2337-3539 (2301-9271 Print)
2
subjektif lebih banyak. Ketidakpastian bilangan
direpresentasikan dengan urutan skala. Untuk menentukan
derajat keanggotaan pada Fuzzy AHP, digunakan aturan fungsi
dalam bentuk bilangan fuzzy segitiga atau Triangular Fuzzy
Number (TFN) yang disusun berdasarkan himpunan linguistik.
Jadi, bilangan pada tingkat intensitas kepentingan pada AHP
ditransformasikan ke dalam himpunan skala TFN.
Teknik pembobotan yang diusulkan oleh Buckley adalah
sebagai berikut [5]:
1. Buat sebuah matriks yang berukuran n n kriteria.
Konversikan matriks perbandingan berpasangan menjadi
matriks bilangan triangular fuzzy (A~k) dengan menggunakan
Error! Reference source not found.[8]. Lakukan perhitungan
sebanyak K anggota tim ahli. Matriks bilangan triangular fuzzy
disusun menggunakan Persamaan 2.1.
11 12 1
21 2
1 2
...
... ...
... ... ... ...
...
k k k
n
k k
n
k k k
n n nn
k
d d d
d dA
d d d
(2.1)
2. Rata-rata aritmatika (dij) dari seluruh matriks bilangan
triangular fuzzy M sebanyak K anggota tim ahli dihitung
dengan menggunakan Persamaan 2.2.
1ij
Kk
ij
k
d
dK
(2.2)
3. Rata-rata geometrik (ri) dari bilangan fuzzy untuk setiap
kriteria dihitung menggunakan Persamaan 2.3. 1/
1
, 1,2,..., .i
nn
ij
j
r d i n
(2.3)
4. Kemudian, bobot fuzzy (wi) berdasarkan skala triangular
fuzzy didapatkan dari Persamaan 2.4. 1
1 2( ... )i i nw r r r r (2.4)
( , , )i i ilw mw uw 5. Metode Centre of Area (COA) digunakan untuk metode
defuzzifikasi. Nilai non-fuzzy M dari bilangan fuzzy wi
didapatkan melalui Persamaan 2.5.
3i
i i ilw mw uwM
(2.5)
6. Setelah mendapatkan nilai Mi untuk masing-masing
kriteria, lakukan normalisasi sehingga mendapatkan
nilai Ni menggunakan Persamaan 2.6.
1
i
i
n
i
MN
M
(2.6)
7. Setelah mendapatkan masing-masing nilai Ni, bobot
global (Wi) dari kriteria paling bawah didapatkan dari
mengalikan bobot paling bawah dengan bobot yang
berkaitan dalam dimensi (kriteria) yang sama seperti
yang ditujukan Persamaan 2.7.
(2.7)
C. Technique for Order of Preference by Similiarity to
Ideal Solution (TOPSIS)
TOPSIS pertama kali diusulkan oleh Hwang dan
Yoon [4]. TOPSIS menggambarkan sebuah permasalahan
MCDM yang terdiri dari n alternatif sebagai sebuah sistem
geometri dengan n titik di dalam sebuah m ruang
dimensional. Alternatif yang dipilih di dalam TOPSIS
harus memiliki jarak terpendek dari solusi ideal positif dan
jarak terjauh dari solusi ideal negatif. Seperti pada Fuzzy
AHP, TOPSIS banyak diaplikasikan di berbagai bidang
seperti proses desain produk, pemilihan suplier produk,
dan lain-lain.
Spesifikasi metode TOPSIS adalah sebagai berikut:
1. Menggambarkan alternatif (m) dan kriteria (n) ke
dalam sebuah matriks xij, dimana xij adalah pengukuran
pilihan dari alternatif ke-i dan kriteria ke-j. Matriks ini
kemudian dinormalisasi (R) dengan menghitung nilai rij
yang didapat dari Persamaan 2.8 dan 2.9.
rij = 2
1
1
ij
j
mi
i
x
x
, i = 1,2,3,…,m; j = 1,2,3,…,n (2.8)
rij = 2
1
ij
ij
m
i
x
x
, i = 1,2,3,…,m; j = 1,2,3,…,n (2.9)
2. Membuat pembobotan pada matriks yang telah
dinormalisasi. Setelah dinormalisasi, setiap kolom pada
matriks R (nilai rij) dikalikan dengan bobot (wj) untuk
menghasilkan matriks pada Persamaan 2.10.
vij = rij * wj, i = 1,2,3,…m; j = 1,2,3,…,n (2.10)
3. Menentukan nilai solusi ideal positif dan solusi ideal
negatif. Solusi ideal dinotasikan A*, sedangkan solusi
ideal negatif dinotasikan A-. Perhitungan untuk
menentukan solusi ideal dapat dilihat pada Persamaan
2.11.
A* = {v1*,…,vn
*} untuk solusi positif (2.11)
A- = {v1-,…,vn
-} untuk solusi negatif
4. Menentukan separation measure (di). Separation
measure ini merupakan pengukuran jarak dari suatu
alternatif ke solusi ideal positif dan solusi ideal negatif.
Jarak ke solusi ideal positif didapat dari Persamaan 2.12
dan jarak ke solusi ideal negatif didapat dari Persamaan
2.13.
*i i iW Nsubkriteria Nkriteria
JURNAL TEKNIK ITS Vol. 4, No. 1, (2015) ISSN: 2337-3539 (2301-9271 Print)
3
* 2
1( )ij
nij j
jd v v
, i = 1,…,m (2.12)
2
1( )ij ij j
n
id v v
, i = 1,…,m (2.13)
5. Menghitung nilai preferensi (CCi) untuk setiap alternatif.
Untuk menentukan ranking setiap alternatif yang ada maka
perlu dihitung terlebih dahulu nilai preferensi dari tiap
alternatif. Perhitungan nilai preferensi dapat dilihat melalui
Persamaan 2.14.
*
i
ii i
dCC
d d
, I = 1,…,m (2.14)
Setelah mendapatkan nilai CCi, maka alternatif dapat
diranking berdasarkan urutan CCi. Dari hasil
perankingan ini dapat dilihat alternatif terbaik yaitu
alternatif yang memiliki jarak terpendek dari solusi ideal
dan berjarak terjauh dari solusi ideal negatif.
D. ISO/IEC 25022 Mesurement of Quality in Use
Salah satu pengukuran untuk kualitas perangkat
lunak adalah standar ISO/IEC 25022 Measurement of
quality in use [9]. Standar ini menjabarkan matriks
pengukuran untuk 35 sub-subkriteria. Kriteria pada
standar ISO/IEC ini terdiri dari tiga tingkat yang dapat
diringkas sebagai berikut [10]:
No Kriteria
1 Effectiveness measures
2 Efficiency measures
3 Satisfaction measures
4 Freedom from risk measures
5 Context coverage measures
III. DESAIN DAN PERANCANGAN
A. Kasus Penggunaan
Gambar 1 menunjukkan kasus penggunaan sistem.
Gambar 1 Diagram Kasus Penggunaan Sistem
B. Kebutuhan Fungsional
Kebutuhan fungsional dari sistem adalah sebagai berikut:
a. Melakukan proses perhitungan MCDM untuk n
perusahaan
b. Memasukkan nilai fuzzy triangular sebanyak n orang
anggota tim ahli
c. Melakukan proses perhitungan MCDM Fuzzy-AHP
d. Menyimpan data perhitungan MCDM Fuzzy-AHP
e. Menampilkan bobot akhir Fuzzy-AHP
f. Memasukkan data evaluasi ISO/IEC 25022
g. Melakukan proses perhitungan MCDM TOPSIS
h. Menyimpan data perhitungan MCDM TOPSIS
i. Menampilkan rangking perangkat lunak ERP
C. Alur Sistem
Alur sistem MCDM pemilihan perangkat lunak ERP
ditujukan pada Gambar 2.
Gambar 2Alur Sistem MCDM Pemilihan Perangkat
Lunak ERP
IV. IMPLEMENTASI
A. Implementasi Kelas
Sistem MCDM pemilihan perangkat lunak ERP ini dibangun
dengan beberapa komponen yang saling terhubung.
Implementasi kelas dibagai ke dalam kelas controller, kelas
model, kelas event dan kelas listener yang ditunjukan pada
Gambar 3 sampai dengan Gambar 6. Gambar 7 menampilkan
diagram arsitektur dari kerangka kerja Laravel yang
menjelaskan hubungan antar komponen[11].
JURNAL TEKNIK ITS Vol. 4, No. 1, (2015) ISSN: 2337-3539 (2301-9271 Print)
4
Gambar 3 Diagram Kelas Controller
Gambar 4 Diagram Kelas Model
Gambar 5 Diagram Kelas Event
Gambar 6 Diagram Kelas Listener
Gambar 7 Kerangka Kerja Laravel
B. Implementasi Antarmuka
Implementasi antarmuka dibuat menggunakan
kerangka kerja blade templates Laravel versi 5.2 [11].
Terdapat empat antarmuka utama yaitu antarmuka
halaman utama, antarmuka halaman perusahaan,
antarmuka halaman Fuzzy-AHP dan antarmuka halaman
TOPSIS yang ditunjukan pada
Gambar 8 Antarmuka Halaman Utama
JURNAL TEKNIK ITS Vol. 4, No. 1, (2015) ISSN: 2337-3539 (2301-9271 Print)
5
Gambar 9 Antarmuka Halaman Perusahaan
Gambar 10 Antarmuka Halaman Fuzzy-AHP
Gambar 11 Antarmuka Halaman TOPSIS
V. UJI COBA DAN EVALUASI
Bab ini membahas pengujian dan evaluasi pada perangkat
lunak yang dikembangkan. Pengujian yang dilakukan adalah
pengujian kebutuhan fungsionalitas sistem dan pengujian pada
tiga peramban yang berbeda.
A. Lingkungan Uji Coba
Lingkungan uji coba menjelaskan lingkungan yang digunakan
untuk menguji implementasi sistem pada tugas akhir ini.
Lingkungan uji coba meliputi perangkat keras dan perangkat
lunak yang dijelaskan sebagai berikut:
1. Perangkat keras
a. Prosesor: Intel® Core™ i7 CPU @ 2.40GHz
b. Memori(RAM): 4 GB
c. Tipe sistem: 64-bit sistem operasi
2. Perangkat lunak
a. Sistem operasi: Windows 8.1 Professional
b. Peramban: Google Chrome versi 47.0.2526.106, Mozilla
Firefox 43.0 dan Microsoft Edge 25.10586.0.0
c. Perangkat pengembang: Sublime Text 3
B. Uji Kebenaran Fungsionalitas
Uji coba pada sistem ini mengacu pada pengujian blackbox
untuk menguji apakah fungsionalitas sistem telah berjalan
sebagaimana mestinya. Pengujian fungsionalitas mengacu pada
setiap fitur yang telah diimplementasikan dengan
menggunakan peramban Google Chrome 47.0.2526.106.
Gambar 12 Pengujian fitur rangking TOPSIS
Tabel 1 Hasil perhitungan manual rangking TOPSIS
Adempiere 0.972164
Odoo 0.548831
InoERP 0.031002
C. Uji Kebenaran Tampilan pada Peramban yang Berbeda
Pada tahap ini dilakukan pengujian hasil keluaran TOPSIS
pada tiga jenis peramban yang berbeda. Hasil keluaran
konsisten pada semua peramban.
VI. KESIMPULAN
Dari hasil uji coba yang telah dilakukan terhadap sistem
yang dikembangkan, diambil kesimpulan sebagai berikut:
1. ISO/IEC 25022 Measurement of Quality in Use
berhasil dipetakan pada kombinasi metode MCDM
Fuzzy-AHP dan TOPSIS.
2. Metode kombinasi Fuzzy-AHP dan TOPSIS berhasil
diimplementasikan pada sistem dan memberikan
kesimpulan yang lebih optimal menurut decision
maker. Hasil perhitungan sesuai dengan perhitungan
manual dan tampilan web konsisten di berbagai
peramban.
UCAPAN TERIMA KASIH
Penulis Radhea Permata Dewi mengucapkan puji syukur
kehadirat Allah SWT atas segala rahmat dan karunia-Nya
sehingga memungkinkan penulis untuk dapat menyelesaikan
penelitian ini. Penulis juga mengucapkan terima kasih kepada
orang tua dan keluarga penulis, juga kepada Bapak Riyanarto
Sarno dan Bapak Abdul Munif selaku dosen pembimbing
penulis dan kepada semua pihak yang telah memberikan
dukungan baik secara langsung maupun tidak langsung selama
penulis mengerjakan penelitian ini.
JURNAL TEKNIK ITS Vol. 4, No. 1, (2015) ISSN: 2337-3539 (2301-9271 Print)
6
DAFTAR PUSTAKA
[1] McKay J, Marshall P. The dual imperatives of action
research, Information Technology & People.
2001;14(1):46-59
[2] J. Frano, "ERP System Acquisition Project Planning" in
ERPvol. 2010, I. Toolkit, Ed., ed: IT Toolkit, 2008, pp.
Our topic. Projects to implement ERP tend to be difficult,
expensive and drawn-out. They are often full of painful
surprises; they often overrun budgets and schedules that
were extravagant in the first place.
[3] J. Razmi, M. S. Sangari. A hybrid multi-criteria decision
making model for ERP system selection. ICIAFS08
IEEE, (2008) 489-495
[4] C.L, Hwang, K. Yoon, Multiple Attributes Decision
Making Methods & Applications, Springer, New York,
1981.
[5] H. S. Kilic, S. Zaim, D. Delen. Development of a hybrid
methodology for ERP system selection: The case of
Turkish Airlines. Decision Support System, 66 (2014) 82-
92.
[6] H. Forslund, P. Jonsson. Selection, implementation and
use of ERP systems for supply chain performance
management. Emerald Industrial Management & Data
Systems, 110 (2010) 1159-1175.
[7] S. Hoermann, H. Kienegger, M. Langermeier, M. Mayer,
H. Krcmar. Comparing Risk and Success Factors in ERP
Projects: A Literature Review. AMCIS, (2008) 1-9.
[8] J. J. Buckley. Fuzzy Hierarchical Analysis. Fuzzy Sets
and Systems 17 (1985) 233-247.
[9] Biscoglio, Isabella; Marchetti, Eda, A case of adoption of
25000 standards family establishing evaluation
requirements in the audio-visual preservation context
in Software Engineering and Applications (ICSOFT-EA),
2014 9th International Conference on , vol., no., pp.222-
233, 29-31 Aug. 2014
[10] International Organization for Standardization. ISO/IEC
25022 Measurement of Quality in Use. 2015
[11] A. Kilicdagi, H. I. Yilmaz. Laravel Design Patterns and
Best Practices, Enhance the quality of your web
applications by efficiently implementing design patterns
in Laravel. PACKT Publishing 2015