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: riyanarto@its-sby.edu

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