Metode Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) dirancang untuk membantu pengambil keputusan memproses data, kriteria, dan alternatif secara objektif. Dalam praktik pengembangan perangkat lunak, pemilihan metode yang tepat sangat bergantung pada sifat data—apakah kuantitatif presisi, bersifat kualitatif/subjektif, atau berukuran besar berbasis histori.
1. Multi-Criteria Decision Making (MCDM)
MCDM merupakan kelompok metode yang paling populer untuk menyelesaikan masalah pengambilan keputusan yang melibatkan banyak alternatif dan kriteria yang saling bertentangan (misalnya: harga murah vs kualitas tinggi).
A. Metode Pembobotan Sederhana & Jarak
- SAW (Simple Additive Weighting): Dikenal sebagai metode penjumlahan terbobot. Konsep dasarnya adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif setelah proses normalisasi matriks.
- WP (Weighted Product): Menggunakan teknik perkalian untuk menghubungkan rating atribut, di mana rating setiap atribut dipangkatkan terlebih dahulu dengan bobot kriteria yang bersangkutan.
- TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution): Memilih alternatif terbaik yang memiliki jarak Euclidean terpendek dari solusi ideal positif dan jarak terjauh dari solusi ideal negatif.
- VIKOR (VlseKriterijumska Optimizacija I Kompromisno Resenje): Menentukan urutan peringkat kompromi berdasarkan ukuran kedekatan dengan solusi ideal, sangat berguna jika terdapat konflik antar kriteria yang tajam.
B. Metode Hirarki & Pasangan (AHP Family)
- AHP (Analytical Hierarchy Process): Memecah masalah kompleks menjadi struktur hirarki (Tujuan → Kriteria → Subkriteria → Alternatif) dan menggunakan matriks perbandingan berpasangan (pairwise comparison) untuk menguji konsistensi bobot.
- ANP (Analytical Network Process): Pengembangan dari AHP yang membebaskan struktur kaku hirarki menjadi bentuk jaringan (network), sehingga dapat mengukur keterkaitan dan ketergantungan antar kriteria atau alternatif.
C. Metode Outranking
- ELECTRE (Elimination Et Choix Traduisant la Realité): Membandingkan pasangan alternatif berdasarkan indeks koncordans (kesesuaian) dan diskordans (ketidaksesuaian) untuk mengeliminasi alternatif yang kurang menguntungkan.
- PROMETHEE (Preference Ranking Organization METHod for Enrichment Evaluations): Menggunakan fungsi preferensi untuk menentukan urutan alternatif berdasarkan nilai aliran keluar (leaving flow), aliran masuk (entering flow), dan aliran bersih (net flow).
D. Metode Pembobotan & Pengukuran Spesifik
- SMART (Simple Multi-Attribute Rating Technique): Pembobotan linear berbasis skala 0–100 yang dinormalisasi, dirancang untuk kesederhanaan implementasi.
- MOORA (Multi-Objective Optimization on the basis of Ratio Analysis): Mengoptimalkan dua atau lebih kriteria yang saling bertentangan (manfaat vs biaya) secara bersamaan dengan waktu komputasi yang efisien.
- WASPAS (Weighted Aggregated Sum Product Assessment): Kombinasi gabungan antara metode SAW dan WP untuk meningkatkan akurasi pemeringkatan alternatif.
- ARAS, EDAS, CODAS, & MARCOS: Metode modern berbasis jarak dari solusi rata-rata atau ideal yang dirancang untuk stabilitas pemeringkatan yang lebih tinggi pada data kompleks.
2. Metode Berbasis Logika Fuzzy (Fuzzy Logic)
Metode ini digunakan ketika kriteria atau penilaian mengandung unsur ketidakpastian, kekaburan, atau linguistik subjektif (seperti penafsiran "cukup baik", "sangat berisiko", atau "harga murah").
| Metode | Deskripsi Utamanya |
|---|---|
| Fuzzy AHP / Fuzzy TOPSIS | Menggabungkan Triangular/Trapezoidal Fuzzy Numbers dengan MCDM konvensional untuk mengurangi bias penilaian manusia. |
| Fuzzy Tsukamoto | Setiap aturan IF-THEN diwakili oleh himpunan fuzzy dengan fungsi keanggotaan monoton; luaran dihitung secara tegas (crisp) menggunakan rata-rata terbobot. |
| Fuzzy Mamdani & Sugeno | Menggunakan penalaran logika fuzzy menyeluruh dan penarik kesimpulan melalui proses defuzzifikasi (seperti metode Centroid atau Mean of Maximum). |
3. Metode Berbasis Kecerdasan Buatan & Data-Driven
Metode kelompok ini dimanfaatkan untuk Data-Driven DSS, di mana rekomendasi keputusan dihasilkan dari ekstraksi pola atau klasifikasi data historis berukuran besar.
- Decision Tree (C4.5 / ID3 / Random Forest): Memetakan alur pengambilan keputusan berbentuk struktur pohon percabangan berdasarkan nilai entropy dan information gain.
- Naive Bayes: Klasifikasi berbasis probabilitas Teorema Bayes yang menghitung peluang keputusan terbaik berdasarkan riwayat variabel masukan.
- K-Nearest Neighbors (KNN): Menentukan keputusan atau pengelompokan alternatif berdasarkan kedekatan jarak variabel baru terhadap data historis terdekat.
- Artificial Neural Network (ANN): Menggunakan jaringan saraf tiruan untuk memodelkan hubungan non-linear kompleks antara variabel keputusan dan hasil yang diharapkan.
Ringkasan Pemilihan Metode
- Gunakan SAW, WP, atau TOPSIS untuk sistem rekomendasi sederhana hingga menengah dengan kriteria kuantitatif yang jelas.
- Gunakan AHP/ANP jika pembobotan kriteria membutuhkan penentuan prioritas dari pakar/expert.
- Gunakan Fuzzy Logic jika data kriteria didominasi oleh penilaian kualitatif atau persepsi manusia.
- Gunakan Data-Driven (Machine Learning) jika keputusan dibuat berdasarkan analisis data masa lalu (big data).
