Encep Andi Nugraha Abstract - STMIK EL RAHMA ...jurnal.stmikelrahma.ac.id/assets/file/Encep Andi Nugraha...SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SEPEDA DENGAN METODE SIMPLE ADDITIVE

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SEPEDA DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

Encep Andi Nugraha

Mahasiswa Program Studi Teknik Informatika STMIK EL RAHMA Yogyakarta,

e-mail: [email protected]

Abstract Bicycles are one of the means of transportation that has existed since the early 18th century. The

bike was first thought to have come from France which was then called velocipede. In terms of bicycle selection, along with the various models, completeness, and prices that exist in the market many people who find obstacles when determining the choice in buying a bike. Therefore, a decision support system is needed to provide the right information in the process of determining the selection of bicycles according to user needs.

Decision support system aims to assist the community in determining the selection of bicycles that fit the needs and desired criteria. In order for the bicycle selection process as desired then needed a decision support system using Simple Additive Weighting (SAW) method. Simple Additive Weighting (SAW) method is often known as meotde weighted sum.

The basic concept of the Simple Additive Weighting method (SAW) is to find the weighted sum of performance ratings on each alternative of all attributes. This method requires the process of normalizing the decision matrix (X) to a scale comparable to all existing alternative ratings. This research produces a decision support system application that provides information in the process of determining the purchase of a bicycle that suits the user's needs and the criteria of the society itself. Keywords: Decision Support System, Simple Addittive Weighting (SAW), Bicycle.

IJCCS Vol. x, No. x, July 201x : first_page – end_page

Abstrak

Sepeda merupakan salah satu alat transportasi yang sudah ada sejak awal abad ke-18. Sepeda pertama kali ada diperkirakan berasal dari Prancis yang pada saat itu dinamakan velocipede. Dalam hal pemilihan sepeda, seiring dengan berbagai model, kelengkapan, dan harga yang ada di pasaran banyak masyarakat yang menemukan kendala ketika menentukan pilihan dalam membeli sebuah sepeda. Oleh karena itu dibutuhkan sebuah sistem pendukung keputusan untuk memberikan informasi yang tepat dalam proses penentuan pemilihan sepeda yang sesuai dengan kebutuhan pengguna.

Sistem pendukung keputusan bertujuan untuk membantu masyarakat dalam menentukan pemilihan sepeda yang sesuai dengan kebutuhan dan kriteria yang diinginkan. Agar proses pemilihan sepeda sesuai keinginan maka diperlukan sebuah sistem pendukung keputusan dengan menggunakan metode Simple Additive Weighting (SAW). Metode Simple Additive Weighting (SAW) sering dikenal dengan istilah meotde penjumlahan terbobot.

Konsep dasar dari metode Simple Additive Weighting (SAW) adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif dari semua atribut. Metode ini membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Penelitian ini menghasilkan sebuah aplikasi sistem pendukung keputusan yang memberikan informasi dalam proses penentuan pembelian sepeda yang sesuai dengan kebutuhan pengguna dan kriteria masyarakat itu sendiri.

Kata kunci : Sistem Pendukung Keputusan, Simple Addittive Weighting (SAW), Sepeda. PENDAHULUAN

Sepeda merupakan salah satu alat transportasi yang sudah ada sejak awal abad ke-18. Sepeda pertama kali ada diperkirakan berasal dari Prancis yang pada saat itu dinamakan velocipede. Sejak adanya sepeda hingga sekarang digunakan sebagai penunjang kegiatan sehari-hari, baik untuk berolahraga, rekreasi maupun bekerja. Seiring berjalannya waktu, saat ini memiliki jenis sepeda yang ada yaitu, Sepeda Anak, Sepeda Balap, Sepeda BMX, Sepeda Gunung dan Sepeda Lipat. Dengan banyaknya jenis sepeda, maka kelengkapan sepeda semakin banyak beredar dipasaran. Baik dalam negeri maupun luar negeri, berbagai kelengkapan terkenal seperti Polygon, Shimano, Federal, Wimcycle dan yang lainnya berlomba-lomba mengeluarkan produk terbaiknya untuk menarik minat konsumen. (Suriana, 2012)

Setiap orang sering sekali dihadapkan dengan suatu keadaan dimana orang tersebut harus memutuskan untuk memilih satu dari beberapa pilihan yang ada, termasuk dalam hal pemilihan sepeda, seiring dengan berbagai model, kelengkapan, dan harga yang ada di pasaran banyak masyarakat yang menemukan kendala ketika menentukan pilihan dalam membeli sebuah sepeda. Oleh karena itu dibutuhkan sebuah sistem pendukung keputusan untuk memberikan informasi yang tepat dalam proses penentuan pembelian sepeda yang sesuai dengan kebutuhan pengguna dan kriteria masyarakat itu sendiri.

Sistem Pendukung Keputusan (SPK) merupakan sistem berbasis komputer dan juga termasuk sistem dengan basis manajemen pengetahuan, digunakan untuk mendukung pengambilan keputusan. Menurut Antonio dan Andrea Critto SPK yaitu penggabungan antara sumber-sumber kecerdasan individu dengan kemampuan komponen menjadi sistem informasi berbasis komputer dan untuk memperbaiki kualitas keputusan. Sistem informasi berbasis komputer sebagai manajemen pengambilan keputusan yang menangani masalah-masalah terstruktur. (Marcomini dan Critto, 2008).

3

METODE PENELITIAN a. Metode Pengumpulan Data

1. Metode Observasi Observasi adalah pengumpulan data dengan cara pengamatan langsung pada suatu

kegiatan yang sedang berlangsung untuk mengumpulkan data atau fakta.

2. Metode Wawancara Dalam penelitian skripsi untuk mendapatkan informasi secara lengkap maka peneliti melakukan suatu metode tanya jawab kepada salah satu petugas toko sepeda.

3. Metode Kepustakaan Metode kepustakaan dengan cara mengadakan studi kepustakaan yaitu dengan

mempelajari literatur/teori-teori yang berkaitan dengan penelitian sehingga data yang

akan dikumpulkan untuk perancangan objek lebih akurat.

b. Metode Pengembangan Sistem

Metode penelitian yang digunakan untuk membangun dan merancang sistem yang memanfaatkan sistem pendukung keputusan pembelian sepeda dengan metode Simple Additive Weighting (SAW). Adapun langkah-langkah yang ditempuh meliputi fase-fase sebagai berikut : 1. Analisis

Tahapan analisis adalah tahapan dimana sistem yang sedang berjalan diperlajari dengan tujuan utamanya yaitu untuk memahami dan mendokumentasi kebutuhan bisnis (business need) dan persyaratan proses dari sistem baru.

2. Desain Tahapan desain adalah tahapan mengubah kebutuhan yang masih berupa konsep menjadi spesifikasi sistem yang riil. Tahapan desain sistem dapat dibagi menjadi 2 tahap, yaitu desain login (logical design) dan tahapan desain fisik (physical design).

3. Implementasi Pada tahapan ini ada dua hal yang perlu dilakukan, yaitu testing atau menguji hasil kode program yang telah dihasilkan dari tahapan desain fisik. Setelah program lulus ujicoba, kemudian instalasi.

4. Pemeliharaan Langkah terakhir ini sistem secara sistematis diperbaiki dan ditingkatkan.

HASIL DAN PEMBAHASAN

Setelah melakukan tahapan perancangan sistem selanjutnya melakukan tahap pengimplementasian. Pada tahap ini akan menampilkan hasil screenshoot berupa aplikasi yang sudah jadi dan pembahasan mengenai aplikasi. 1. Implementasi Metode Simple Additive Weighting (SAW)

a. Menentukan Kriteria Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu C1 dan sifat dari masing-masing kriteria.

IJCCS Vol. x, No. x, July 201x : first_page – end_page

Tabel 1 Tabel Kriteria

Kriteria ke- Nama Kriteria Bobot Sifat

C1 Desain 20%=20/100=0,20 Benefit

C2 Harga 25%=25/100=0,25 Cost

C3 Kelengkapan 25%=25/100=0,25 Benefit

C4 Tingkat Kenyamanan 15%=15/100=0,15 Benefit

C5 Tingkat Kualitas 15%=15/100=0,15 Benefit

b. Menentukan Alternatif

Tabel 2 Tabel Kriteria

Alternatif

Kriteria

C1 C2 C3 C4 C5

BMX United Rev Race

80 90 55 69 50

BMX United Epica X07

75 44 80 90 80

BMX United Jumper-X07

55 94 25 41 24

BMX United Jumper Race

66 36 29 65 93

BMX United D Based 76 77 65 87 99

c. Menentukan Matrik Keputusan Berdasarkan Kriteria (ci)

807555

90 44 94

55 80 25

69 90 41

50 80 24

6676

36 77

29 65

65 87

93 99

d. Normalisasi R Melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R

5

KOLOM PERTAMA

r11 =x11

max {𝑥11; 𝑥21; 𝑥31; 𝑥41;𝑥51}

= 80

max {80; 75; 55;66;76} =

80

80 = 1

r21 =x21

max {𝑥11; 𝑥21; 𝑥31; 𝑥41;𝑥51}

= 75

max {80; 75; 55;66;76} =

75

80 = 0,94

r31 =x31

max {𝑥11; 𝑥21; 𝑥31; 𝑥41;𝑥51}

= 55

max {80; 75; 55;66;76} =

55

80 = 0,69

r41 =x41

max {𝑥11; 𝑥21; 𝑥31; 𝑥41;𝑥51}

= 66

max {80; 75; 55;66;76} =

66

80 = 0,83

r51 =x51

max {𝑥11; 𝑥21; 𝑥31; 𝑥41;𝑥51}

= 76

max {80; 75; 55;66;76} =

76

80 = 0,95

KOLOM KEDUA

r12 =min {𝑥12; 𝑥22; 𝑥23; 𝑥24;𝑥25}

𝑥12

= min {90; 44; 94;36;77}

90 =

36

90 = 0,4

r22 =min {𝑥12; 𝑥22; 𝑥23; 𝑥24;𝑥25}

𝑥22

= min {90; 44; 94;36;77}

44 =

36

44 = 0,82

r32 =min {𝑥12; 𝑥22; 𝑥23; 𝑥24;𝑥25}

𝑥23

= min {90; 44; 94;36;77}

94 =

36

94 = 0,38

r42 =min {𝑥12; 𝑥22; 𝑥23; 𝑥24;𝑥25}

𝑥24

= min {90; 44; 94;36;77}

36 =

36

36 = 1

r52 =min {𝑥12; 𝑥22; 𝑥23; 𝑥24;𝑥25}

𝑥25

= min {90; 44; 94;36;77}

77 =

36

77 = 0,47

IJCCS Vol. x, No. x, July 201x : first_page – end_page

KOLOM KETIGA

r13 =x13

max {𝑥13; 𝑥23; 𝑥33;𝑥34;𝑥35}

= 55

max {55; 80; 25;29;65} =

55

80 = 0,69

r23 =x23

max {𝑥13; 𝑥23; 𝑥33;𝑥34;𝑥35}

= 80

max {55; 80; 25;29;65} =

80

80 = 1

r33 =x33

max {𝑥13; 𝑥23; 𝑥33;𝑥34;𝑥35}

= 25

max {55; 80; 25;29;65} =

25

80 = 0,31

r43 =x43

max {𝑥13; 𝑥23; 𝑥33;𝑥34;𝑥35}

= 29

max {55; 80; 25;29;65} =

29

80 = 0,36

r53 =x53

max {𝑥13; 𝑥23; 𝑥33;𝑥34;𝑥35}

= 65

max {55; 80; 25;29;65} =

65

80 = 0,81

KOLOM KEEMPAT

r14 =x14

max {𝑥14; 𝑥24; 𝑥34;𝑥44;55}

= 69

max {69; 90; 41;65;87} =

69

90 = 0,77

r24 =x24

max {𝑥14; 𝑥24; 𝑥34;𝑥44;55}

= 90

max {69; 90; 41;65;87} =

90

90 = 1

r34 =x34

max {𝑥14; 𝑥24; 𝑥34;𝑥44;55}

= 41

max {69; 90; 41;65;87} =

41

90 = 0,46

r44 =x44

max {𝑥14; 𝑥24; 𝑥34;𝑥44;55}

= 65

max {69; 90; 41;65;87} =

65

90 = 0,72

r54 =x54

max {𝑥14; 𝑥24; 𝑥34;𝑥44;55}

= 87

max {69; 90; 41;65;87} =

87

90 = 0,97

7

KOLOM KELIMA

r15 =x15

max {𝑥15; 𝑥25; 𝑥35;𝑥45;𝑥55}

= 50

max {50; 80; 24;93;99} =

50

99 = 0,51

r25 =x35

max {𝑥15; 𝑥25; 𝑥35;𝑥45;𝑥55}

= 80

max {50; 80; 24;93;99} =

80

99 = 0,81

r35 =x35

max {𝑥15; 𝑥25; 𝑥35;𝑥45;𝑥55}

= 24

max {50; 80; 24;93;99} =

24

99 = 0,24

r45 =x35

max {𝑥15; 𝑥25; 𝑥35;𝑥45;𝑥55}

= 93

max {50; 80; 24;93;99} =

93

99 = 0,94

r55 =x35

max {𝑥15; 𝑥25; 𝑥35;𝑥45;𝑥55}

= 99

max {50; 80; 24;93;99} =

99

99 = 1

1

0,940,69

0,4 0,82 0,38

0,69 1

0,31

0,77 1

0,46

0,51 0,810, 24

0,830,95

1 0,47

0,36 0,81

0,72 0,97

0,94 1

e. Hasil Akhir Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi.

Proses perangkingan dengan menggunakan bobot yang telah diberikan oleh pengambil keputusan : W = [ 0,20; 0,25; 0,25; 0,15, 0,15] Hasil perangkingan yang diperoleh dengan menggunakan rumus yang ke-2 adalah : V1 = (0,20*1) + (0,25*0,4) + (0,25*0,69) + (0,15*0,77) + (0,15*0,52) = 0,91 V2 = (0,20*0,94) + (0,25*0,82) + (0,25*1) + (0,15*1) + (0,15*0,81) = 0,81 V3 = (0,20*0,69) + (0,25*0,38) + (0,25*0,31) + (0,15*0,46) + (0,15*0,24) = 0,75 V4 = (0,20*0,83) + (0,25*1) + (0,25*0,36) + (0,15*0,72) + (0,15*0,94) = 0,66 V5 = (0,20*0,95) + (0,25*0,47) + (0,25*0,81) + (0,15*0,97) + (0,15*1) = 0,42

IJCCS Vol. x, No. x, July 201x : first_page – end_page

f. Menentukan Rangking Nilai terbesar ada pada V1 sehingga alternatif sepeda BMX United Epica X07 yang terpilih sebagai alternatif terbaik. Seperti pada Tabel 4.6.

Tabel 3 Tabel Rangking

Rangking Nama Sepeda Nilai

1 BMX United Epica X07 0,91

2 BMX United D Based 0,81

3 BMX United Jumper-X07 0,75

4 BMX United Rev Race 0,66

5 BMX United Jumper Race 0,42

2. DAD Level 0

Pada DAD level 0 terdapat dua eksternal entity yaitu admin dan user. Admin melakukan input sepeda dan input nilai kriteria sepeda, kemudian di simpan di tblsepeda dan tblmatrik. Sedangkan user menginput-kan nilai bobot kriteria yang akan digunakan untuk menampilkan hasil perhitungan.

Gambar 1. DAD level 0

9

3. Halaman User Halaman user memiliki menu beranda, info sepeda dan perhitungan. a. Halaman Beranda

Pada halaman beranda berisi halaman home, halaman info sepeda, sistem pendukung keputusan dan analisa atau perhitungan.

Gambar 1. Halaman Beranda

b. Halaman Info Sepeda

Pada halaman info sepeda menampilkan merk sepeda, kelengkapan dan harga sepeda.

Gambar 2. Halaman info sepeda

IJCCS Vol. x, No. x, July 201x : first_page – end_page

c. Halaman Sistem Pendukung Keputusan Pada halaman sistem pendukung keputusan ini menampilkan jumlah kriteria yang harus diisi oleh user, dengan total bobot 100%.

Gambar 3. Halaman system pendukung keputusan

4. Halaman Admin

Halaman admin terdiri dari beberapa menu seperti home, data sepeda, dan data kriteria. Dimana admin harus login terlebih dahulu sebelum masuk ke halaman utama admin. a. Halaman login admin

Halaman login admin merupakan halaman yang akan pertama kali muncul ketika masuk ke halaman admin.

Gambar 4. Halaman login admin

11

b. Halaman Home Tampilan halaman home seperti dibawah ini.

Gambar 5. Halaman home

c. Halaman Data Sepeda Pada halaman data sepeda menampilkan merk sepeda, kelengkapan sepeda dan harga yang sudah di input-kan oleh admin, di halaman data sepeda juga memiliki fitur CRUD (create, read, update, delete).

Gambar 6. Halaman data sepeda

d. Halaman Data Kriteria

Pada halaman kriteria menampilkan tabel merk sepeda lengkap dengan kriteria desain, harga, kelengkapan, tingkat kenyamanan, dan tingkat kualitas yang sudah di input-kan oleh admin. Di halaman data kriteria juga memiliki fitur CRUD (create, read, update, delete)

IJCCS Vol. x, No. x, July 201x : first_page – end_page

Gambar 6. Halaman data kriteria

KESIMPULAN

Dengan adanya aplikasi SPK (Sistem Pendukung Keputusan) Pemilihan Sepeda BMX ini memudahkan bagi siapa saja yang ingin membeli sepeda BMX dengan kriteria desain, harga, kelengkapan, tingkat kenyamanan, dan tingkat kualitas. Metode SAW (Simple Additive Weighting) memiliki perhitungan yang simpel dan mudah dipahami, sehingga dalam pengimplementasian aplikasi SPK (Sistem Pendukung Keputusan) pemilihan sepeda BMX dapat berhasil diterapkan untuk memecahkan masalah. Sehingga user (pengguna) dalam mengambil keputusan memilih sepeda terbaik sesuai dengan kriteria yang sudah ditentukan. SARAN

Pembuatan aplikasi Sistem Pendukung Keputusan Pemilihan Sepeda ini masih memiliki banyak kekurangan, agar sistem ini dapat berjalan lebih baik dalam menghasilkan pemilihan yang lebih akurat. Maka disarankan kepada pembaca dan seluruh pihak yang ingin meneruskan pembuatan SPK Pemilihan sepeda agar dapat memperbaiki dan memperhatikan kekurangan. Yang dapat di kembangkan dari aplikasi ini adalah sebagai berikut :

a. Memperbanyak jumlah sepeda, agar pengguna semakin mudah mencari sepeda yang diinginkan.

b. Memperbaiki desain tampilan agar lebih nyaman bagi pengguna.

13

DAFTAR PUSTAKA [1] Antonio M. dan Andrea C. 2008, Sistem Pendukung Keputusan untuk Manajemen Resiko

Berbasis Web, Springer Science & Bussiness Media. [2] Suriana,Neti, 2012,“Sejarah dan Penemu Sepeda.” http://informasitips.com/sejarah-dan-

penemu-sepeda, diakses tanggal 29 Maret 2017.