Perancangan dan Implementasi Metode Weighted Product …...motherboard-nya punjuga harus dengan jenis yang sama [5]. Sistem Pendukung keputusan yang nantinya dibangun memanfaatkan

Perancangan dan Implementasi Metode Weighted Product (WP)

untuk Rekomendasi Pembelian Kamera

Artikel Ilmiah

Diajukan kepada

Fakultas Teknologi Informasi

untuk memperoleh Gelar Sarjana Komputer

Oleh:

Bangkit Fajar Putra

NIM: 672010146

Program Studi Teknik Informatika

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Salatiga

Agustus 2015

1

2

3

4

5

6

Perancangan dan Implementasi Metode Weighted Product (WP)

untuk Rekomendasi Pembelian Kamera

1) Bangkit Fajar Putra, 2) Drs. Prihanto Ngesti Basuki, M. Kom

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Jl. Diponegoro 52-60, Salatiga 50771, Indonesia

Email: 1)[email protected], 2) [email protected]

Abstract

Nowadays DSLR cameras become an item that demanded by people of Indonesia,

because the need of tool that can capture the beautiful moments. However, the

prospective buyers often find difficulties when they wanted to buy a DSLR camera

is the presence of several well-known brands that ofter various types of DSLR

cameras with their various spesification. Alternative process type of camera using

methods Weighted Product (WP). Calculation of criteria Weighted Product (WP)

based on pixel, AF-point, continuous shoot, price, and popularity. The final result

of web-based application is in the form of data table recommendation with five

alternative camera DSLR type based on spesifications and several criteria that

have been chose previously. The results that have been recommended are

expected to be a suggestion that may be consided by consummers to obtain

information about a DSLR camera.

Keywords: Weighted Product, Alternatives, Criteria.

Saat ini kamera DSLR menjadi barang yang sangat diminati oleh

masyarakat Indonesia, karena kebutuhan akan alat yang dapat mengabadikan

momen-momen indah. Akan tetapi, calon pembeli kamera DSLR sering merasa

kesulitan ketika hendak membeli kamera DSLR. Salah satu faktor yang

menyebabkan oembeli mengalami kesulitan dalam memilih kamera DSLR adalah

adanya beberapa merek terkenal yang menawarkan macam-macam tipe kamera

DSLR dengan berbagai spesifikasi. Proses alternatif tipe kamera menggunakan

metode Weighted Product (WP). Perhitungan kriteria Weighted Product (WP)

berdasarkan pada resolusi gambar, AF-Point, Continuous Shoot, Harga, dan

Popularity. Hasil akhir aplikasi berbasis web berupa tabel data rekomendasi

dengan lima alternatif tipe kamera DSLR berdasarkan spesifikasi dan beberapa

kriteria yang telah dipilih sebelumnya. Hasil yanh telah direkomendasikan

diharapkan dapat menjadi saran yang dapat dipertimbangkan oleh konsumen

untuk mendapatkan informasi mengenai kamera DSLR.

Kata kunci : WP, DSLR, Alternatif, Kriteria. 1) Mahasiswa Fakultas Teknologi Informasi Jurusan Teknik Informatika, Universitas Kristen Satya

Wacana Salatiga. 2) Staff Pengajar Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana Salatiga.

7

1. Pendahuluan

Kamera Digital Single Lense Reflex (DSLR) merupakan kamera digital yang

menggunakan sistem cermin otomatis dan pentaprisma atau pentamirror untuk

meneruskan cahaya dari lensa menuju ke viewfinder. Pertumbuhan pasar kamera

DSLR di Indonesia hampir mencapai 10 persen per tahun. Tercatat pada tahun

2012 pasarnya mencapai 300 ribu, kemudian pada tahun 2013 meningkat menjadi

330 [1]. Hal ini menunjukan bahwa kamera DSLR menjadi sebuah kebutuhan

yang signifikan. Memilih sesuai keinginan adalah alasan utama konsumen

membeli dan melakukan transaksi. Dalam memilih kamera DSLR, ada beberapa

kriteria-kriteria tertentu yang dijadikan acuan untuk memilih. Memberikan

beberapa kriteria utama untuk dijadikan acuan pemilihan kamera DSLR sangatlah

penting, karena akan memberikan kemudahan pada konsumen dalam memilih.

Produsen kamera DSLR menawarkan berbagai macam merek dan tipe yang dapat

dipilih dengan berbagai keunggulan masing-masing produk. Bervariasinya merek

dan tipe kamera DSLR memberikan keuntungan bagi calon pembeli untuk

memilih tipe yang sesuai dengan kebutuhan calon pembeli tanpa terpaku pada

satu merek dan tipe. Kuisioner disebarkan kepada 25 koresponden yang akan

membeli kamera DSLR, banyaknya merek dan tipe menjadi kendala bagi

sebagian masyarakat untuk memilih kamera DSLR yang akan dibeli, calon

pembeli merasa kebingungan untuk menentukan merek dan tipe kamera DSLR

yang mereka inginkan. Dalam proses pemilihan kamera DSLR, calon pembeli

juga membutuhkan waktu yang lama dalam menentukan merek dan tipe kamera

DSLR. Berdasarkan dari kendala-kendala tersebut, mendorong penulis untuk

merancang dan membuat sistem pendukung keputusan yang dapat membantu

merekomendasi pembelian kamera DSLR berdasarkan kriteria-kriteria yang

diinginkan calon konsumen. Dalam penelitian ini dibangun aplikasi berbasis web

untuk menentukan rekomendasi kamera DSLR dengan menerapkan Metode

Weigthed Product. Pokok bahasan mengacu pada sistem perekomendasian produk

kamera DSLR. Hasil dari perekomendasian ditampilkan dalam bentuk grafik dan

tabel rangking produk.

2. Tinjauan Pustaka

Penelitian pertama dengan judul “Sistem Pendukung Keputusan Penentuan

Lokasi Gudang di Perusahaan dengan Metode Weighted Product”. Dalam

penelitian tersebut menerapkan Fuzzy Multi Attribute Decision Making

(FMDAM) dengan metodenya adalah Weighted Product (WP). Metode Weighted

Product digunakan untuk perankingan penentuan lokasi gudang diperusahaan

berdasarkan kriteria dan bobot. Sehingga perankingan yang dihasilkan oleh sistem

dapat digunakan untuk membantu perusahaan mengambil keputusan penentuan

lokasi gudang yang lokasinya strategis [2].

Astriana Litha menggunakan Weighted Product (WP) untuk menentukan

“Pemilihan Penerima Jamkesmas”, dalam penelitian ini menggunakan 14 kriteria

inputan nilai kriteria berupa Kuisioner dari pengguna. Berdasarkan hasil

pengujian validasi fungsionalitas yang menunjukkan bahwa sistem memiliki

fungsionalitas sebesar 100% dan hasil pengujian akurasi menunjukkan bahwa

8

keakurasian hasil keluaran sistem adalah 86,6% sehingga membantu mendapatkan

keputusan penerima yang berhak mendapatkan bantuan dan mengurangi

terjadinya ketidak adilan mengenai penerimaan bantuan [3].

Puspita menggunakan Metode Weigthed Product (WP) digunakan untuk

sebuah sistem pendukung keputusan “Sistem Pendukung Keputusan Penentuan

Siswa Berprestasi di Sekolah Menengah Kejuruan (SMK) Menggunakan Metode

Weigthed Product (WP)”. Perankingan siswa berprestasi berdasarkan data kriteria

dan data bobot. Perankingan yang dihasilkan dapat membantu guru untuk

mengambil keputusan penentuan siswa yang berprestasi [4].

Oktriani menggunakan Metode Weighted Product (WP) digunakan untuk

sebuah system pendukung keputusan “Penentuan Spesifikasi Komputer untuk

suatu Paket Komputer Lengkap”. Dalam penelitian tersebut terdapat batasan

himpunan yang meliputi batasan murah, normal, ataupun mahal pada variable

harga. Komputer terdiri dari beberapa bagian maka terdapat pula percocokan antar

komponen yang satu dengan lainnya, sebagai contoh jika tipe jenis dari prosesor

adalah intel socket LGA 775, maka motherboard-nya punjuga harus dengan jenis

yang sama [5].

Sistem Pendukung keputusan yang nantinya dibangun memanfaatkan

metode WP dalam membantu proses perangkingan untuk memberikan suatu

rekomendasi kamera DSLR. Kamera DSLR merupakan satu kesatuan yang

mempunyai berbagai variable seperti harga, pixel, af-point, continuous shoot,

popularity maka tidak perlu ada percocokan antar komponen seperti yang

dilakukan pada peneliti kelima. Metode WP sendiri digunakan untuk membantu

mencari rekomendasi terbaik.

Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (SPK) merupakan sistem informasi

interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data.

Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi yang

semi terstruktur dan situasi yang tidak terstruktur [6].

Gambar 1 Komponen SPK [6]

Gambar 1 menjelaskan tentang komponen SPK bahwa sebuah sistem

pendukung keputusan dibangun dari beberapa subsistem, antara lain [6];

9

- Data Management, termasuk database yang mengandung data yang

relevan untuk berbagai situasi dan diatur oleh software yang disebut Database

Management System (DBMS). Data Management pada penelitian ini adalah

database kamera DSLR yang berisi tb_admin, tb_merek, tb_produk, dan

tb_spesifikasi. Tabel yang ada pada database kamera DSLR saling berhubungan

dan sebagai data perhitungan.

- Model Management, melibatkan model finansial, statiskal, management

science, atau berbagai model kuantitatif lainnya sehingga dapat ke sistem suatu

kemampuan analitis dan manajemen software yang diperlukan. Model

Management dalam penelitian ini adalah perhitungan menggunakan metode

Weighted Product (WP). Perhitungan ini memanfaatkan data yang ada serta

masukan prioritas dari calon konsumen sehingga dapat didapat sebuah data yang

dapat dihitung serta mendapat nilai ranking nantinya akan digunakan sebagai hasil

rekomendasi.

- Knowledge manager, dapat mendukung sistem lain atau bertindak

sebagai komponen yang bertindak sendiri. Knowledge Manager dalam penelitian

ini adalah calon konsumen. Calon konsumen dapat memilih merek dan jenis yang

diinginkan, kemudian memasukan prioritas kepentingan dari setiap kriteria.

Merek dan jenis kamera DSLR yang sudah dipilih akan dihitung menggunakan

metode Weigthed Product (WP). Hasil dari perhitungan akan dirankingkan dan

dipilih lima terbaik sebagai hasil rekomendasi untuk calon konsumen.

- User Interface, tampilan antar muka dimana user dapat berkomunikasi

dan memberikan perintah pada SPK. User Interface pada penelitian ini adalah

tampilan menu system rekomendasi kamera DSLR.

Metode Weigthed Product (WP)

Metode Weigthed Product (WP) salah satu metode penyelesaian yang

ditawarkan untuk menyelesaikan masalah Fuzzy Multi Attribute Decision Making

(FMADM). Metode Weighted Product (WP) ini mirip dengan Metode Weighted

Sum (WS), hanya saja metode WP terdapat perkalian dalam perhitungan

matematikanya. Metode WP juga disebut analisis berdimensi karena struktur

matematikanya menghilangkan satuan ukuran [7]. Metode WP adalah himpunan

berhingga dari alternatif keputusan yang dijelaskan dalam beberapa hal kriteria

keputusan. Jadi metode ini tidak perlu dinormalisasikan. Preferensi Ai diberikan

pada rumus 1 [8] :

, dengan i = 1,2……….(1)

Dimana ∑ wj = 1 adalah pangkat bernilai positif untuk atribut keuntungan, dan

bernilai negatif untuk biaya.

Preferensi relative dari setiap alternatif, diberikan pada rumus 2 :

, dengan i = 1,2……….(2)

Langkah – langkah menggunakan metode WP [9] :

10

1. Mengalikan seluruh atribut bagi sebuah alternatif dengan bobot sebagai

pangkat positif untuk atribut manfaat dan bobot berfungsi sebagai pangkat

negatif pada atribut biaya.

2. Hasil perkalian dijumlahkan untuk menghasilkan nilai pada setiap

alternatif.

3. Mencari nilai alternatif dengan melakukan langkah sama seperti langkah

satu, hanya saja menggunakan nilai tertinggi untuk setiap atribut tertinggi

untuk setiap atribut manfaat dan terendah untuk atribut biaya.

4. Membagi nilai V bagi setiap alternatif dengan nilai standar (V(A*)) yang

menghasilkan R.

5. Ditemukan urutan nilai alternatif terbaik yang akan menjadi keputusan

3. Metode Perancangan

Metode pengembangan yang akan digunakan dalam penilitian ini adalah

prototyping model. Prototyping model merupakan sebuah proses untuk

membangun sebuah model dari sebuah sistem berdasarkan dari kebutuhan user.

Bagan dapat dilihat pada Gambar 1.

Gambar 2 Metode Prototype [17]

Gambar 2 merupakan proses tahapan-tahapan yang harus dilalui oleh

metode prototype. Tahapan tersebut meliputi :

- Pengumpulan Kebutuhan Sistem (Requirments)

Tahap awal mulai dengan menganalisis kebutuhan-kebutuhan apa saja

yang diperlukan dalam membangun sebuah sistem mulai dari kebutuhan data

sampai dengan kebutuhan hardware. Pengumpulan bahan yang diperlukan

bersumber dari beberapa jurnal dan juga mendapatkan data kamera DSLR dari

website hhtp://www.camera.co.id/. Dalam proses pengumpulan data melalui

penyebaran kuisioner kepada 25 responden untuk mencare atribut apa saja yang

dyang digunakan pada sistem. Kuisioner ini dibuat berdasarkan wawancara yang

dilakukan sebelumnya. Kuisioner berisi beberapa pertanyaan yang masing-masing

pertanyaan memiliki dua jawaban, yaitu ya dan tidak. Syarat untuk mengisi

kuisioner ini adalah masyarakat umum yang berusia diatas 17 tahun untuk

mendukung penelitian. Hasil dari kuisioner yang telah disebarkan dari empat yang

diajukan yaitu :

11

Tabel 1 Hasil Kuisioner

No Pertanyaan Jawaban

Ya Tidak

1

2

3

4

Apakah anda tertarik memiliki kamera DSLR?

Apakah spesifikasi mempengaruhi anda dalam

pembelian kamera DSLR?

Spesifikasi apa yang menjadi pertimbangan

anda, ketika hendak membeli kamera DSLR?

a. Harga

b. Pixel

c. Af -Point

d. Continuous Shoot

e. Popularity

f. Berat

g. Iso

Apakah menurut anda perlu adanya website

yang dikhususkan untuk rekomendasi

pembelian kamera DSLR?

18

20

22

20

13

15

10

5

9

13

7

5

3

5

12

10

15

20

16

12

Berdasarkan pada Tabel 1 maka kriteria yang digunakan pada sistem yang

akan dibuat adalah harga, pixel, Af-point, Continuous shoot, dan popularity

sedangkan berat dan iso nanti akan menjadi pelengkap informasi. Kriteria-kriteria

tersebut nantinya akan menjadi pertimbangan dalam membeli kamera DSLR.

-Tahap build/revise mock-up atau perancangan, pada tahap ini dilakukan

pembuatan protoype desain aplikasi website kamera DSLR. Perancangan ini

ditujukan pada pengguna aplikasi yaitu user pengguna kamera DSLR.

Perancangan desain aplikasi website ini masih dibuat dalam bentuk yang

sederhana. Dasar dari pembuatan prototype tahap kedua ini berasal dari

kekurangan prototype tahap pertama yaitu belum dibuatnya bentuk desain aplikasi

website. Sedangkan kekurangan pada prototype tahap kedua yaitu belum ada

implementasi fungsi-fungsi dari tiap bagian desain akan diperbaiki pada prototype

tahap ketiga.

-Tahap customer test-drives mock-up, tahap ini adalah tahap evaluasi, test

dan pengujian prototype, apakah masih ada kekurangan atau tidak, jika pada tahap

12

pengujian ini prototype belum memenuhi tujuan utama pembuatan atau masih

terdapat beberapa kekurangan makan akan diperbaiki, apabila tidak terdapat

kekurangan yang hatus diperbaiki makan tahapan prototype selesai.

3.1 Perancangan Sistem

Perancangan sistem pada penelitian ini dibuat dengan menggunakan Data

Flow Diagram (DFD). Pada DFD ini merupakan alat perancangan sistem yang

berorientasi pada alur data dengan konsep dekomposisi dapat digunakan untuk

penggambaran analisa maupun rancangan[8].

Web Rekomendasi

AdminUserPilih kriteria kamera

Input, edit, hapus, dan lihat produk, merk, spesifikasikamera

Input, edit, dan hapus produk, merk, dan spesifikasi kamera

Melihat hasil rekomendasi

Gambar 3 DFD (Data Flow Diagram) level 0

Gambar 3 terdapat dua entitas luar yang berhubungan dengan sistem

yakni user dan admin. Dari admin, sistem akan mendapatkan data-data kamera

DSLR. Data–data kamera meliputi produk kamera, spesifikasi kamera, merk

kamera dan hasil rekomendasi kamera. Sedangkan user akan mendapatkan hasil

rekomendasi. Hasil rekomendasi berasal dari kriteria kamera dan bobot prioritas

kamera yang telah dimasukkan calon konsumen ke sistem sebelumnya.

Berdasarkan gambar 3 dapat dikembangkan lagi menjadi DFD level 1.

AdminInput data

Produk

Merk

Spesifikasi

Hasil

Olah data

User Rekomendasi

Produk, merk, dan spesifikasi kameraProduk kamera

Merk kamera

Hasil kameraSpesifikasi kamera

Produk, merk, spesifikasi, dan hasil kamera

Pilih kriteria kamera

Rekomendasi kamera

Hasil rekomendasi kamera

Gambar 4 DFD (Data Flow Diagram) level 1 rekomendasi

13

Gambar 4 merupakan pengembagan dari DFD level nol, pada DFD level

satu terlihat proses sistem rekomendasi kamera lebih terlihat detail. Proses sistem

rekomendasi kamera mempunyai beberapa proses, yaitu proses input data kamera,

proses olah data kamera, dan proses merekomendasi kamera. Proses input data,

entitas admin dapat menginputkan produk kamera, spesifikasi kamera, dan merk

kamera. Proses olah data kamera, entitas admin dapat melakukan hapus serta

edit/update produk kamera, spesifikasi kamera, dan merk kamera. Entitas admin

dapat memperbaharui data diproses ke dua. Proses ke dua sangat penting karena

admin dituntut untuk selalu memperbaharui data agar sistem nantinya dapat

berjalan secara optimal. Contoh adalah harga kamera yang selalu berubah

mengikuti harga jual yang berlaku maka harga kamera harus selalu diperbaharui.

Admin dapat melakukan perubahan diproses olah data.

AdminInput data

Produk

Merk

Spesifikasi

Hasil

Olah data

User Memilih kriteria kamera

Produk, merk, dan spesifikasi kameraProduk kamera

Merk kamera

Hasil kameraSpesifikasi kamera

Produk, merk, spesifikasi, dan hasil kamera

Pilih kriteria kamera

Rekomendasi

Hasil kameraHasil rekomendasi

Gambar 5 DFD (Data Flow Diagram) level 2 hasil rekomendasi

Gambar 5 merupakan pengembangan DFD level satu proses merekomendasi

kamera, terlihat user memasukkan kriteria kamera untuk proses mencari

kamera yang nantinya data akan diperoleh dari tabel produk_kamera. Data

yang berada pada table produk kamera didapat dari proses input data yang

dilakukan oleh entitas admin. Selain memasukkan kriteria kamera user juga

memasukkan bobot prioritas kamera untuk melakukan perhitungan. Data

14

kamera dan bobot kamera yang diperoleh dihitung menggunakan metode WP.

Setelah mendapatkan hasil terbaik data yang diperoleh digabungkan dengan

data yang ada pada tabel hasil untuk mendapatkan informasi mengenai produk

kamera yang nantinya akan direkomendasikan ke user. Berdasarkan rancangan

sistem menggunakan DFD, selanjutnya dapat membuat rancangan database.

Sebelum membuat rancangan database terlebih dahulu dibuat Entity

Relationship Diagram (ERD) yang merepresentasikan secara grafis hubungan

antar entitas.

Hasil Mengambil produk Mengambil Spesifikasi1

Merk

1

id produk

rangkingid

produkid

merknama

produkharga

continuous shoot

af point pixel

popularity

1 1

id merknama merk

id produk

id merkid

spesifikasi

iso sensor battery

1

exposure dimension

Gambar 6 Entity Relationship

Gambar 6 menunjukkan hubungan antar tabel. Tabel hasil kamera

memperoleh type yang diambil dari tabel produk dimana mempunyai relasi

hubungan one to one. Tabel produk mengambil id spesifikasi yang diambil dari

tabel spesifikasi yang mempunyai relasi one to one. Tabel produk juga

mengambil id merek yang diambil dari tabel merek yang mempunyai relasi one

to one. Web Rekomendasi Kamera memiliki lima table yaitu tb_admin,

tb_merk, tb_produk, tb_hasil, dan tb_spesifikasi.

15

Mulai

Ambil Data Alternatif untuk tiap Atribut

Matriks Keputusan

Pangkatkan Matriks keputusan bobot atribut

Preferensi relatif dari setiap alternatif

stop

Gambar 7 Flowchart Aplikasi

Gambar 7 menjelaskan tentang Flowchart Weighted Product langkah pertama

mengambil data alternatif untuk seperti harga, pixel, af-point, continuous shoot,

dan popularity. Langkah selanjutnya membuat matriks keputusan dengan cara

perkalian terhadap bobot atribut akan dilkaukan perkalian untuk menentukan hasil

preferensi relatif dari setiap alternatif. Dilihat pada Tabel 2, sedangkan bobot

kepentingan relatif dapat dilihat pada Tabel 3 Tabel 2 Kriteria

No Nama Variabel Nama Kriteria Tipe

1. Harga K1 cost

2. Pixel K2 benefit

3. AF Point K3 benefit

4. Continous Speed K4 benefit

5. Popularity K5 benefit

Tabel 3 Bobot Kepentingan Relatif

Bilangan Fuzzy Nilai Kepentingan

Kurang Penting 0.25

Sedang 0.5

16

Penting 0.75

Sangat Penting 1

Perhitungan yang akan dilakukan untuk menentukan rekomendasi

pembelian kamera DSLR ini, dimisalkan menggunakan kriteria Harga dengan

index pencarian diatas Rp 6.000.000 dan kurang dari Rp 10.000.000 yang

berjumlah 14 data, data-data yang akan direkomendasikan dapat dilihat pada

Tabel 4.

Tabel 4 Hasil Rekomendasi Kamera Berdasarkan harga diatas Rp 6.000.000,00

Nama Harga Pixel AF Point ContinuousShoot Popularity

Canon EOS 1200D Kit 18-

55mm

6820000 18.00 9 3.00 3.50

Nikon D5200 kit 18-55mm

6515300 24.70 39 5.00 3.50

Nikon D5300 Kit 18-55mm 9009000

24.78 39 5.00 4.00

Pentax K-500 with 18-55mm 6280010 16.28 11 6.00 4.00

Canon EOS 60D Kit 18-55 mm 8415000 18.00 9 5.30 3.00

CANON EOS 600D Kit3 9020000 18.00 9

3.70

4.30

Canon EOS 700D Kit 18-55mm 9965010 18.00 9

5.00 4.50

NIKON D5500 Kit VR - Black 9799000 24.20 9 5.00 4.00

Nikon D3300 Kit18-55mm 6.509.250 24.70 11 5.00 3.00

PENTAX K-30 Kit1- Crystal

Blue

7249000 16.30 9 6.00 3.00

Canon EOS 100D kit 18-55mm 7764900

18.50 9

4.00 4.00

Tabel 4 dapat ditentukan bobot kepentingan relatif setiap kriteria, diberikan

sebagai, W :

W = ( 1, 0.75, 0.5, 0.5, 0.25 )

Langkah selanjutnya adalah menghitung nilai vektor S, dimana dilakukan

pemangkatan bobot dari masing-masing kriteria. Setelah proses pemangkatan

bobot akan dilakukan perkalian dengan menggunakan rumus sebagai berikut :

Keterangan [5]:

rij = nilai rating kinerja ternormalisasi

xij = nilai atribut yang dimiliki dari setiap kriteria

Max xij = nilai terbesar dari setiap kriteria i

Min xij = nilai terkecil dari setiap kriteria i

17

benefit = jika nilai terbesar adalah terbaik

cost = jika nilai terkecil adalah terbaik

Tabel 5 Nilai vektor S

S =

Tabel 5 hasil dari masing-masing nilai vektor S, langkah selanjutnya

menghitung nilai vektor V dengan menggunakan rumus persamaan (2) sebagai

berikut :

Keterangan [5]:

Vi = rangking untuk setiap alternatif

wj = nilai bobot dari setiap kriteria

rij = nilai rating kinerja ternormalisasi

Setelah proses perangkingan menggunakan rumus persamaan (2) selesai

maka akan mendapatkan nilai vektor V berupa perekomendasian produk kamera

yang dapat dilihat pada Tabel 6.

Tabel 6 Rangking produk

No Hasil Rekomendasi Nilai Rangking

1. Canon EOS 1200D Kit 18-55mm 0.07359

2. Nikon D5200 kit 18-55mm

0.10905

3. Nikon D5300 Kit 18-55mm 0.12295

4. Pentax K-500 with 18-55mm 0.08194

5. Canon EOS 60D Kit 18-55 mm 0.08567

18

6. CANON EOS 600D Kit3 0.08567

7. Canon EOS 700D Kit 18-55mm 0.09285

8. NIKON D5500 Kit VR - Black 0.09845

9. Nikon D3300 Kit18-55mm 0.08716

10. PENTAX K-30 Kit1- Crystal Blue 0.08118

11. Canon EOS 100D kit 18-55mm 0.08207

Dalam pembuatan sistem perekomendasian kamera ini, Pengujian sistem

dilakukan dengan cara uji Black Box yaitu pengujian fungsional yang hanya

melihat pada hasil eksekusi data pengujian. Fungsi-fungsi dan hasil yang diuji

dapat dilihat pada Tabel 7.

Tabel 7 Uji Black Box

No Skenario Input Hasil Uji Status

1. Melihat detail produk Data produk dan

Merk

Menampilkan detail produk

berdasarkan merk Valid

2. Mencari Produk kamera

DSLR

Menlis pada

TextBox cari

Menampilkan hasil pencarian

produk kamera DSLR Valid

3. Menentukan tingkat

kepentingan

Rating

kepentingan

relatif

Melakukan penjumlahan

terbobot untuk menentukan

rangking produk

Valid

4.

Mencari produk

berdasarkan index

pencarian tiap kriteria

Memilih index

pencarian tiap

kriteria

Menampilkan hasil pencarian

berdasarkan kriteria dalam

bentuk grafik

Valid

5. Melakukan Rekomendasi

Menekan

tombol

Rekomendasi

Menampilkan hasil

rekomendasi dalam bentuk

tabel rangking

Valid

6. Login admin

Memasukkan

Username dan

Password

Menampilkan halaman utama

admin Valid

7. Tambah Merk Memasukkan

data merk

Menyimpan data merk

kedalam Database Valid

8. Tambah Produk Memasukkan

data produk

Menyimpan data produk

kedalam Database Valid

9. Ubah Merk

Menekan link

ubah dan

Merubah data

merk

Merubah dan menyimpan data

merk kedalam Database Valid

10. Ubah Produk

Menekan link

ubah dan

Merubah data

produk

Merubah dan menyimpan data

produk kedalam Database Valid

19

11. Ubah Username dan

Password admin

Menekan link

ubah dan

Merubah

Username dan

Password

Merubah dan menyimpan

Username dan Password

kedalam Database

Valid

12. Hapus merk

Menekan link

hapus pada data

merk

Menghapus data merk dari

Database Valid

13. Hapus produk

Menekan link

hapus pada data

produk

Menghapus data produk dari

Database Valid

14. Logout Menekan link

Logout Kembali ke form login admin Valid

Tabel 8 Tabel Hasil Kuisioner Pengujian Sistem

No Pertanyaan Sangat Sesuai Sesuai Tidak

Sesuai

Total

1

2

Apakah menurut anda

hasil dari rekomendasi

web sudah sesuai yang

diharapkan ?

Dengan adanya website

rekomendasi kamera

DSLR, apakah

memudahkan dalam

mencari kamera DSLR?

5

8

12

7

8

10

25

25

Pertanyaan nomor satu akan dibuat diagram persentase perolehan data.

Gambar 8 Gambar Diagram Persentase

Gambar 8 terlihat merupakan salah satu hasil dari pertanyaan nomor satu.

Koresponden menjawab Sangat sesuai sebesar 20 %, Sesuai 48%, dan

Tidak sesuai sebesar 20%. Terdapat 68% responden menjawab sistem

20

rekomendasi kamera DSLR sesuai dan memudahkan mencari kamera

sesuai yang diharapkan.

4. Hasil dan Pembahasan

Dalam membuat sistem SPK meliptui komponen-komponen meliputi

- Data Management adalah database kamera. Database kamera terdiri dari

beberapa tabel yaitu tb_admin, tb_merk, tb_produk, tb_spesifikasi, dan

tb_hasil. Database kamera dapat terlihat pada Gambar 8.

Gambar 9 Database kamera

Gambar 9 terlihat lima tabel yang sudah dipaparkan. Tabel admin

digunakan untuk menyimpan informasi mengenai admin dan password

untuk mengakses kehalaman administrator. Tabel hasil digunakan untuk

menyimpan hasil rekomendasi kamera yang nantinya akan ditampilkan

pada web rekomendasi kamera. Tabel merk untuk menyimpan nama merk

kamera yang nanti akan berelasi dengan tabel produk. Tabel produk

menyimpan informasi mengenai data kamera yang akan

direkomendasikan. Pada tabel produk terdapat beberapa field yaitu : field

id_produk, field id_merk, field nama_produk, field harga, field pixel, field

afpoint, field continuousshoot, field popularity. Tabel spesifikasi

menyimpan informasi detail tentang kamera.

- Model Management adalah perhitungan menggunakan metode WP.

Perhitungan metode WP melalui beberapa tahap seperti pemangkatan

bobot sebelum melakukan perhitungan nilai vetor S. Perintah untuk

pembobotan kriteria terlihat pada kode program 1.

21

Kode Program 1 Perintah untuk pembobotan kriteria

1. $bobot = array($HargaK, $PixelK, $AFK, $CSK, $POP);

2. $jumBobot = array_sum($bobot)

3. for($i=0; $i<5; $i++)

4. $newBobot = array();

5. for($i=0; $i<5; $i++){

6. $newBobot[$i] = $bobot[$i] / $jumBobot;

Kode Program 1 berisi perintah untuk melakukan pembobotan kriteria.

Kode satu merupakan proses mengambil bobot nilai kepentingan yang nanti akan

dijumlah. Perulangan for dimulai dari nol sampai kurang dari sama dengan lima

agar yang ditampilkan enam data. Kemudian hasil dari penjumlahan akan dibagi

dengan nilai bobot yang sudah dihitung. Setelah itu akan dilakukan perhitungan

nilai vektor S terlihat pada kode program 2.

Kode Program 2 Perintah untuk perhitungan nilai vektor S

1.$no = 1;

2.$i = 0;

3.$normS = array();

4.while ($row1 = mysql_fetch_array($query1)) {

5.$normS[$i] = pow($row1['harga'], $newBobot[0]) * pow($row1['pixel'], $newBobot[1]) *

6.pow($row1['afpoint'], $newBobot[2]) * pow($row1['continuousshoot'], $newBobot[3]) *

7.pow($row1['popularity'], $newBobot[4]);

8 $no++;

9 . $i++;

10. }}

Kode Program 2 berisi perintah untuk menghitung nilai vektor S. Kode

nomer lima menghitung ukuran pangkat dengan nilai bobot yang nantinya akan

ditampung pada array norm. Jumlah nilai vektor S digunakan untuk dasar

menghitung nilai vektor V dan menampilkan hasil lima terbaik dari rekomendasi

kamera. Perhitungan nilai vektor V terlihat pada kode program 3.

Kode Program 3 Perintah untuk perhitungan nilai vektor V dan menampilkan hasil lima

terbaik

22

1.$idArray = array();

2.$rankArray = array();

3.while ($row2 = mysql_fetch_array($query2)) {

4.$idArray[$i] = $row2['id_produk'];

5.$rankArray[$i] = round($normS[$i]/$jums,5);

6.$no++;

7.$i++;}

8.$query100 = "SELECT COUNT(*) FROM tb_hasil";

9.$result = mysql_query($query100);

10.$row100 = mysql_fetch_row($result);

11.if($row100[0]>0){$query200="DELETEFROMtb_hasilWHEREid_produk>0";mysql_query($query200);}

12.for($j=0; $j<sizeof($idArray); $j++){

13.$query99="INSERTINTOtb_hasil(id_produk,rangking)VALUES($idArray[$j],$rankArray[$j])";

14.mysql_query($query99,$connection)or die (mysql_error());}

15.$query99 = "SELECT tb_hasil.id_produk, tb_produk.nama_produk, tb_hasil.rangking FROM tb_hasil INNER JOIN

tb_produk ON tb_hasil.id_produk = tb_produk.id_produk ORDER BY tb_hasil.rangking DESC LIMIT 5";

16.$result = mysql_query($query99);

17.$i=0;

18.while ($row99 = mysql_fetch_array($result)) {

echo"<tr><td>$no</td><td><ahref='product_details.php?id=".$row99['id_produk']."'>".($row99['nama_produk'])

."</a></td><td>".($row99['rangking'])."</td></tr>";

18.$no++;

19.$i++;}

Kode Program 3 berisi perintah untuk menghitung nilai vektor V dan

menampilkan hasil lima terbaik rekomendasi kamera. Kode lima menghitung nilai

vektor V yang prosesnya menjumlahkan nilai vektor S dan dibagi. Kode sebelas

menghapus nilai rekomendasi apabila sudah menjalankan proses rekomendasi

tujuannya agar data yang ditampung pada tabel hasil tidak menumpuk. Kode tiga

belas proses input hasil rekomendasi pada tabel hasil untuk ditampung dan hasil

nilai vektor V akan sesuai dengan hasil tidak berbeda. Kode lima belas

mengurutkan hasil lima terbaik rekomendasi kamera sesuai dengan nilai tertinggi

vektor V.

- Knowledge Manager , komponen ketiga dari SPK ini adalah pengguna

system yaitu user. User akan melalui beberapa tahap saat menggunakan

sistem ini. Tahap-tahapnya meliputi: memilih bobot kriteria yang akan

direkomendasi harga, pixel,afpoint, continuous shoot, dan popularity. Pilih

salah satu yang paling penting dari lima pilihan tersebut, kemudian pilih

berdasarkan kepentingan semisal pilih harga maka akan muncul combo

box batasan harga lalu pilih rekomendasi. Setelah proses rekomendasi

23

selesai maka akan muncul lima hasil rekomendasi terbaik apabila dipilih

akan muncul detail kamera tersebut.

- User Interface, Tampilan web rekomendasi terlihat pada gambar 10.

Gambar 10 Halaman rekomendasi kamera

Gambar 10 tampilan halaman yang akan digunakan oleh user dalam

menggunakan sistem rekomendasi kamera. Apabila kriteria sudah dipilih dan nilai

bobot sudah dipilih langsung lanjut pilih tombol rekomendasi, kemudian akan

muncul hasil lima rekomendasi kamera. Terlihat pada gambar 11.

Gambar 11 Hasil Rekomendasi Kamera

Gambar 11 merupakan tampilan hasil rekomendasi kamera. Apabila user

mengetahui lebih detailnya tinggal pilih salah satu jenis kamera yang sesuai

dengan pilihan user.Tampilan detail terlihat pada gambar 12.

24

Gambar 12 Halaman detail kamera

Gambar 12 merupakan halaman detail kamera, disana terdapat harga dan

spesifikasi yang detail mengenai kamera DSLR.

5. Kesimpulan

Penerapan Metode Weighted Product (WP) ini, sangat efektif digunakan

untuk perekomendasian produk kamera DSLR karena sangat membantu user

dalam memilih produk-produk yang diinginkan, selain itu proses

perekomendasian yang dilakukan sistem tidak membutuhkan waktu yang lama

sehingga memberi kenyamanan untuk user berinteraksi dengan sistem. Dalam

sistem ini juga menggunakan beberapa kriteria utama dari kamera yang bisa

dijadikan pilihan untuk user dalam merekomendasikan produk, user juga bisa

leluasa menentukan tingkat kepentingan relatif setiap kriteria sesuai dengan

keinginannya. Dikarenakan tingkat kepentingan relatif setiap kriteria ini

berpengaruh pada hasil rekomendasi yang dilakukan oleh user.

1. Daftar Pustaka

[1] Adiningsih, Sri, 2007, Kelebihan DSLR dibanding Kamera Saku dan

Prosumer, http://askthephotographer.com/2014/02/berbahai-kelebihan-

kamera-dslr-dibandingkan-dengan-kamera-saku-dan-prosumer/. Diakses

Tanggal 14 Februari 2015.

[2] Chuzaimah, Indah, Sari Kumala, 2010, Sistem Pendukung Keputusan

Penentuan Lokasi Gudang di Perusahaan dengan Metode Weighted

Product,www.academia.edu/8650597/SISTEM_PENDUKUNG_KEPUTU

SAN_PEMILIHAN_PENERIMA_BONUS_KARYAWAN_MENGGUNAKA

N_METODE_WEIGHTED_PRODUCT_WP_ Sistem Pendukung

25

Keputusan Penentuan Lokasi Gudang di Perusahaan dengan Metode

Weighted Product _.pdf. Diakses Tanggal 14 Februari 2015.

[3] Astriana, Lita, 2014, SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN

PENERIMA JAMKESMAS MENGGUNAKAN METODE WEIGHTED

PRODUCT, http://filkom.ub.ac.id/doro/archives/detail/DR00053201406.

Diakses Tanggal 3 Maret 2015.

[3] Kusumadewi, Sri, 2004, Pencarian Bobot Atribut Pada Multi-Attribute

Decision Making (MADM) Dengan Pendekatan Obyektif Menggunakan

Algoritma Genetika, https://www.scribd.com/doc/76446873/sri-

kusumadewi-jurnal-gematika. Diakses Tanggal 3 April 2015.

[4] Puspita, Arif Nurmaningrum, 2012, Sistem Pendukung Keputusan

Penentuan Siswa Berprestasi di Sekolah Menengah Kejuruan (SMK)

Menggunakan Metode Weigthed Product (WP), http://e-

journal.uajy.ac.id/118/7/6TF05726.pdf. Diakses Tanggal 3 April 2015.

[5] Yulianto Sri, Insrastanti, Oktriani, dkk, 2011, Penentuan Spesifikasi

Komputer untuk suatu Paket Komputer Lengkap,

http://majour.maranatha.edu/index.php/jurnalinformatika/article/view/288

/pdf. Diakses Tanggal 15 April 2015

[6] Kusumadewi, Sri, Sri Hartati, Agus Harjoko, dkk, 2006, Fuzzy Multi-

Attribute Decision Making (FUZZY MADM), Yogyakarta: Graha Ilmu.

[7] Hasugian, Paska Marto, 2012, RANCANG BANGUN SISTEM

REKOMENDASI KULINER KOTA MALANG DENGAN BERBASIS

WEB MENGGUNAKAN METODE WEIGHTED PRODUC,

http://filkom.ub.ac.id/doro/download/article/file/DR00022201412. Diakses

Tanggal 5 Maret 2015.

[8] Tettamanzi, A, M. Tomassini, 2001, Soft Computing: Integrating

Evolutionary, Neural, and Fuzzy Systems, Berlin: Springer-Verlag.

[9] Ross, Timothy J., 2005, Fuzzy Logic With Engineering Applications, Edisi

ke-2: John Wiley & Sons Inc. Inggris.

[10] Zadeh, L.A., 1995, Discussion : Probability Theory and Fuzzy Logic are

Complementary rather than Competitive, dalam: Ross, Timothy J. Fuzzy

Logic With Engineering Applications, Edisi ke-2: John Wiley & Sons Inc.

Inggris.

[11] Cox, Earl, 1994, The Fuzzy Systems Handbook (A Prsctitioner’s Guide to

Building, Using, and Maintaining Fuzzy Systems), Massachusetts:

Academic press, Inc.

[12] Cox, Earl, 1995, Fuzzy Logic For Business and Industry, Rockland,

Massachusetts : Charles River Media Inc.

[13] Lootsma, Freek A.,1997, Fuzzy Logic for Planning and Decision Making,

Netherlands: Kluwer Academic Publishers.

[14] Zimmermann, 1991, Fuzzy Sets Theory and Its Applications, Edisi 2,

Massachusetts: Kluwer Academic Publishers.