4 1. Pendahuluan Televisi layar datar merupakan satu set TV tipis yang menggunakan teknologi layar LCD atau plasma dan mempunyai HDTV set yang memiliki resolusi 720px jika ukuran TV di bawah 40 inchi. Resolusi 1080px jika ukuran TV diatas 40 inchi [1]. Televisi dengan teknologi layar LCD, LED, maupun Plasma di Indonesia sekarang ini begitu mudah ditemui dengan berbagai merek dan tipe yang ditawarkan. Merek dan tipe TV layar datar yang bervariasi merupakan keuntungan bagi calon konsumen dalam memilih televisi layar datar yang akan dibeli, karena calon konsumen dapat memilih televisi sesuai dengan keinginannya dan tidak terpacu pada satu merek maupun tipe. Berdasarkan wawancara dan kuisioner yang disebar ke 30 orang yang akan membeli TV, banyaknya merek dan tipe menjadi kendala bagi sebagian masyarakat untuk memilih atau menentukan TV yang akan dibeli, saat proses ini berlangsung seringkali calon konsumen merasa bingung saat akan menjatuhkan pilihan pada satu tipe televisi dan membutuhkan waktu yang lama untuk memilih satu tipe televisi yang diinginkan. Selain merek dan tipe yang menjadi pertimbangan dalam membeli televisi, ada beberapa hal yang perlu dipertimbangkan juga untuk membeli televisi antara lain : ukuran, resolusi, ratio, serta fasilitas pendukung seperti HDMI, S-Video, Composite Video, VGA [2]. Beberapa kendala yang dihadapi saat akan membeli televisi mendorong penulis untuk merancang dan membuat sistem pendukung keputusan yang dapat membantu memberikan rekomendasi TV layar datar berdasarkan kriteria-kriteria yang diinginkan calon konsumen. Dorongan ini menjadi pertimbangan untuk membuat sistem pendukung keputusan dengan judul “Pemanfaatan Metode Weighted Product (WP) untuk Merekomendasikan TV Layar Datar ”. Penelitian ini menggunakan metode WP dikarenakan metode WP merupakan salah satu metode penyelesaian multi kriteria dimana dalam membeli sebuah TV banyak kriteria yang harus dipertimbangkan. Perhitungan dalam metode WP dalam tidak diperlukan normalisasi sehingga waktu yang diperlukan juga lebih singkat dibanding metode SAW [3]. 2. Kajian Pustaka Penelitian pertama dengan judul “Aplikasi Pendukung Keputusan dengan menggunakan Logika Fuzzy (Studi Kasus : Penentuan Spesifikasi komputer untuk suatu Paket Komputer lengkap). Dalam penelitian tersebut terdapat batasan himpunan yang meliputi batasan murah, normal, ataupun mahal pada variabel harga. Komputer terdiri dari beberapa bagian maka terdapat pula pencocokan antar komponen yang satu dengan lainnya, sebagai contoh jika tipe jenis dari prosesor adalah intel socket LGA 775, maka motherboard-nya pun juga harus dengan jenis yang sama [4]. Metode WP juga digunakan untuk menyelesaikan sebuah sistem pendukung keputusan dengan judul “Sistem Pendukung Keputusan Penentuan Siswa Berprestasi di Sekolah Menengah Kejuruan (SMK) Menggunakan Metode Weighted Product”. Metode WP digunakan untuk perangkingan siswa berprestasi berdasarkan data kriteria dan data bobot. Sehingga perangkingan yang dihasilkan
22
Embed
Sistem Pendukung Keputusan untuk Merekomendasikan …repository.uksw.edu/bitstream/123456789/2390/2/T1_672007045_Full... · Televisi dengan teknologi layar LCD, ... Gambar 1 menjelaskan
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
4
1. Pendahuluan
Televisi layar datar merupakan satu set TV tipis yang menggunakan
teknologi layar LCD atau plasma dan mempunyai HDTV set yang memiliki
resolusi 720px jika ukuran TV di bawah 40 inchi. Resolusi 1080px jika ukuran
TV diatas 40 inchi [1]. Televisi dengan teknologi layar LCD, LED, maupun
Plasma di Indonesia sekarang ini begitu mudah ditemui dengan berbagai merek
dan tipe yang ditawarkan. Merek dan tipe TV layar datar yang bervariasi
merupakan keuntungan bagi calon konsumen dalam memilih televisi layar datar
yang akan dibeli, karena calon konsumen dapat memilih televisi sesuai dengan
keinginannya dan tidak terpacu pada satu merek maupun tipe. Berdasarkan
wawancara dan kuisioner yang disebar ke 30 orang yang akan membeli TV,
banyaknya merek dan tipe menjadi kendala bagi sebagian masyarakat untuk
memilih atau menentukan TV yang akan dibeli, saat proses ini berlangsung
seringkali calon konsumen merasa bingung saat akan menjatuhkan pilihan pada
satu tipe televisi dan membutuhkan waktu yang lama untuk memilih satu tipe
televisi yang diinginkan. Selain merek dan tipe yang menjadi pertimbangan dalam
membeli televisi, ada beberapa hal yang perlu dipertimbangkan juga untuk
membeli televisi antara lain : ukuran, resolusi, ratio, serta fasilitas pendukung
seperti HDMI, S-Video, Composite Video, VGA [2].
Beberapa kendala yang dihadapi saat akan membeli televisi mendorong
penulis untuk merancang dan membuat sistem pendukung keputusan yang dapat
membantu memberikan rekomendasi TV layar datar berdasarkan kriteria-kriteria
yang diinginkan calon konsumen. Dorongan ini menjadi pertimbangan untuk
membuat sistem pendukung keputusan dengan judul “Pemanfaatan Metode
Weighted Product (WP) untuk Merekomendasikan TV Layar Datar”. Penelitian
ini menggunakan metode WP dikarenakan metode WP merupakan salah satu
metode penyelesaian multi kriteria dimana dalam membeli sebuah TV banyak
kriteria yang harus dipertimbangkan. Perhitungan dalam metode WP dalam tidak
diperlukan normalisasi sehingga waktu yang diperlukan juga lebih singkat
dibanding metode SAW [3].
2. Kajian Pustaka
Penelitian pertama dengan judul “Aplikasi Pendukung Keputusan dengan
menggunakan Logika Fuzzy (Studi Kasus : Penentuan Spesifikasi komputer untuk
suatu Paket Komputer lengkap). Dalam penelitian tersebut terdapat batasan
himpunan yang meliputi batasan murah, normal, ataupun mahal pada variabel
harga. Komputer terdiri dari beberapa bagian maka terdapat pula pencocokan
antar komponen yang satu dengan lainnya, sebagai contoh jika tipe jenis dari
prosesor adalah intel socket LGA 775, maka motherboard-nya pun juga harus
dengan jenis yang sama [4].
Metode WP juga digunakan untuk menyelesaikan sebuah sistem pendukung
keputusan dengan judul “Sistem Pendukung Keputusan Penentuan Siswa
Berprestasi di Sekolah Menengah Kejuruan (SMK) Menggunakan Metode
Weighted Product”. Metode WP digunakan untuk perangkingan siswa berprestasi
berdasarkan data kriteria dan data bobot. Sehingga perangkingan yang dihasilkan
5
oleh sistem dapat digunakan untuk membantu Guru bagian kesiswaan dalam
mengambil keputusan penentuan siswa berprestasi [5].
Sistem pendukung keputusan yang nantinya dibangun memanfaatkan
metode WP dalam membantu proses perangkingan untuk memberikan suatu
rekomendasi TV layar datar. TV Layar Datar merupakan satu kesatuan yang
mempunyai berbagai variabel seperti harga, dimensi, berat, serta fasilitas-fasilitas
pendukung maka tidak perlu ada pencocokan antar komponen seperti yang
dilakukan pada penelitian yang pertama. Metode WP sendiri digunakan untuk
membantu mencari rekomendasi terbaik.
Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS)
merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan,
dan pemanipulasian data. Sistem ini digunakan untuk membantu pengambil
keputusan dalam situasi yang semi terstruktur dan situasi yang tidak tersetruktur
[6].
Gambar 1 Komponen SPK [7]
Gambar 1 menjelaskan tentang komponen SPK bahwa sebuah sistem
pendukung keputusan dibangun dari beberapa subsistem, antara lain [7]:
- 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 televisi yang berisi tabel jenis, tabel data_tv, tabel desk_tv, serta tabel
merek. Tabel-tabel yang ada pada database televisi saling berhubungan dan
sebagai data untuk perhitungan.
- Model management, melibatkan model finansial, statistikal, management
science, atau berbagai model kuantitatif lainnya sehingga dapat memberikan ke
sistem suatu suatu kemampuan analitis dan manajemen software yang diperlukan.
Model management dalam penelitian ini adalah perhitungan mengunakan metode
WP. Perhitungan ini memanfaatkan data yang ada serta masukan prioritas dari
6
calon kosumen sehingga didapat sebuah data yang dapat dihitung serta mendapat
nilai ranking yang nantinya digunakan sebagai hasil rekomendasi.
- Knowledge manager, dapat mendukung subsistem lain atau bertindak
sebagai komponen yang bertindak sendiri. Knowledge manager dalam penelitian
ini adalah calon konsumen. Calon konsumen dapat memilih ukuran, merek serta
jenis yang diinginkan, kemudian memasukkan prioritas kepentingan dari setiap
kriteria. Ukuran, merek dan jenis TV yang sudah dipilih akan dicari pada tabel
data_tv, hasil dari pencarian tersebut akan dihitung menggunakan metode WP.
Hasil dari perhitungan tersebut akan diranking dan dipilih lima terbaik sebagai
hasil rekomendasi untuk calon konsumen.
- User Interface, tampilan antarmuka dimana user dapat berkomunikasi dan
memberikan perintah pada DSS. User interface pada penelitian ini adalah
tampilan menu sistem rekomendasi.
Metode Weighted Product (WP)
Metode WP merupakan salah satu metode penyelesaian yang ditawarkan
untuk menyelesaikan masalah Multi Attribute Decision Making (MADM). Metode
WP 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 [8].
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 [9]:
, dengan i = 1,2,…,m ........................(1)
dimana ∑wj = 1. wj adalah pangkat bernilai positif untuk atribut keuntungan, dan
bernilai negatif untuk atribut biaya.
Preferensi relatife dari setiap alternatif, diberikan pada Rumus 2 :
; dengan i = 1,2, …, m. ........................(2)
Langkah – langkah menggunakan metode WP [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 yang 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 alternatif terbaik yang akan menjadi keputusan.
7
3. Metode Penelitian
Gambar 2 Model Prototype [11]
Gambar 2 merupakan tahapan-tahapan yang harus dilalui pada Model
Prototype. Tahapan tersebut meliputi :
- Pengumpulan Kebutuhan Sistem (Requirements)
Tahap awal penulis mulai menganalis kebutuhan-kebutuhan apa saja yang
diperlukan dalam membangun suatu sistem mulai dari kebutuhan data sampai
dengan kebutuhan hardware. Tahap pengumpulan kebutuhan data penulis
melakukan dua cara yaitu dengan metode kepustakaan dan penyebaran kuisioner.
Pengumpulan data dengan menggunakan metode kepustakaan, penyusun
menggunakan beberapa buku yang sangat membantu , antara lain : Buku Fuzzy
Multi-Attribute Decision Making (FMADM) yang membahahas tentang
penggunaan metode WP; Buku Aplikasi Pemrograman Web Dinamis dengan PHP
dan MySQL yang membahas tentang tatacara penggunaan script PHP dan
pengolahan database dengan wampserver; Buku Konsep dan Aplikasi Sistem
Pendukung Keputusan untuk mempelajari konsep dasar suatu sitem pendukung
keputusan; dan materi penunjang lainnya yang didapat dari beberapa literatur dari
internet dan jurnal, sedangkan semua data-data TV didapat dari internet.
Pengumpulan data juga menggunakan kuisioner yang disebar secara acak ke
30 responden untuk mencari atribut apa saja yang akan digunakan pada sistem.
Kuisioner ini dibuat berdasarkan wawancara yang dilakukan sebelumnya. Daftar
pertanyaan terdapat pada lampiran. Kuisioner berisi beberapa pertanyaan yang
masing-masing pertanyaan mempunyai lima jawaban, yaitu SP untuk Sangat
Penting, P untuk Penting, CP untuk Cukup Penting, TP untuk Tidak Penting dan
STP untuk Sangat Tidak Penting. Syarat untuk mengisi kuisioner ini adalah
masyarakat umum yang berusia diatas 17 tahun untuk mendukung penelitian.
Berdasarkan kuisioner yang telah disebar penulis mendapatkan hasil jawaban dari
tiga pertanyaan yang diajukan, hasil jawaban kuisioner antara lain :
8
Tabel 1 Hasil Kuisioner
No Pertanyaan Hasil Jawaban
SP P CP TP STP
1 Seberapa Penting TV
buat anda ? 10 16 3 1 -
2 Indikator apa saja yang anda pentingkan dalam memilih atau
membeli TV ?
a. Harga 17 12 - 1 -
b. Merek 12 12 4 2 -
c. Resolusi 9 13 6 2 -
d. Ukuran 12 11 6 1 -
e. Berat 4 6 12 4 5
f. Fasilitas 11 6 7 5 1
3 Pentingkah sebuah sistem rekomendasi
TV untuk membantu
memilih TV ?
9 11 7 2 1
Berdasarkan hasil pada Tabel 1 maka kriteria yang digunakan pada sistem
yang akan dibangun adalah harga, merek, resolusi, ukuran, dan berat. Fasilitas
nantinya akan menjadi pelengkap informasi. Kriteria-kriteria tersebut akan
menjadi pertimbangan saat akan memilih atau mencari televisi.
- Perancangan Sistem (Design)
Perancangan sistem yang digunakan adalah Data Flow Diagram (DFD).
DFD atau diagram alir data adalah model proses yang digunakan untuk
menggambarkan aliran data melalui sebuah sistem dan tugas atau pengolahan
yang dilakukan oleh sistem [12].
Admin
0
Sistem
Rekomendasi
TV
Calon
KonsumenData TV, Merek TV,
Jenis TV, Deskripsi TV
Data TV, Merek TV,
Jenis TV, Deskripsi TVKriteria TV, Bobot Prioritas TV
TV Rekomendasi
Gambar 3 DFD Level 0
Gambar 3 terdapat dua entitas luar yang berhubungan dengan sistem yakni
calon konsumen dan admin. Dari admin, sistem akan mendapatkan data-data TV.
Data–data TV meliputi merek tv, jenis tv, data tv dan deskripsi tv. Sedangkan
calon konsumen akan mendapatkan hasil rekomendasi. Hasil rekomendasi berasal
dari kriteria TV dan bobot prioritas TV yang telah dimasukkan calon konsumen
ke sistem sebelumnya. Berdasarkan gambar 3 dapat dikembangkan lagi menjadi
DFD level 1 yang lebih detail lagi.
9
1
Input Data TV
2
Olah Data TV
3
Merekomendasi TV
jenis
merek
data_tv
desk_tv
Admin
Calon
Konsumen
Data TV, Merek TV,
Jenis TV, Deskripsi TV
Data TV, Merek TV,
Jenis TV, Deskripsi TV
Data TV, Merek TV,
Jenis TV, Deskripsi TV
Jenis TV
Jenis TV
Merek TV
Merek TV
Merek TV
Jenis TV
Data TV
Data TV
Deskripsi TV
Deskripsi TV
Deskripsi TV
Deskripsi TV
Data TV
Data TV
Kriteria TV, Bobot Prioritas TV
TV Rekomendasi
Gambar 4 DFD Level 1
Gambar 4 merupakan pengembagan dari DFD level nol, pada DFD level
satu terlihat proses sistem rekomendasi tv lebih terlihat detail. Proses sistem
rekomendasi tv mempunyai beberapa proses, yaitu proses input data TV, proses
olah data TV, dan proses merekomendasi TV. Proses input data, entitas admin
dapat menginputkan data tv, merek tv, jenis tv, serta deskripsi tv. Proses olah data
tv, entitas admin dapat melakukan hapus serta edit/update data tv, merek tv, jenis
tv, serta deskripsi tv. 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. Sebagai contoh adalah
harga tv yang selalu berubah mengikuti harga jual yang berlaku maka harga tv
harus selalu diperbaharui. Admin dapat melakukan perubahan dip roses olah data.
1
Input Data TV
2
Olah Data TV
3.1
Mencari TV
jenis
merek
data_tv
desk_tv
Admin
Calon
Konsumen
Data TV, Merek TV,
Jenis TV, Deskripsi TV
Data TV, Merek TV,
Jenis TV, Deskripsi TV
Data TV, Merek TV,
Jenis TV, Deskripsi TV
Jenis TV
Jenis TV
Merek TV
Merek TV
Merek TV
Jenis TV
Data TV
Data TV
Deskripsi TV
Deskripsi TV
Deskripsi TV
Deskripsi TV
Data TV
Data TV
Kriteria TV, Bobot Prioritas TV
TV Rekomendasi3.2
Menghitung
dengan Metode
WP
Data TV
Gambar 5 DFD Level 2 proses 3 (Merekomendasi TV)
10
Gambar 5 merupakan pengembangan DFD level satu proses merekomendasi
TV, terlihat calon konsumen memasukkan kriteria tv untuk proses mencari tv
yang nantinya data akan diperoleh dari tabel data_tv. Data yang berada pada tabel
data_tv didapat dari proses input data yang dilakukan oleh entitas admin. Selain
memasukkan kriteria tv calon konsumen juga memasukkan bobot prioritas tv
untuk melakukan perhitungan. Data tv dan bobot tv yang diperoleh akan dihitung
menggunakan metode WP. Setelah mendapatkan hasil terbaik data yang diperoleh
akan digabungkan dengan data yang ada pada tabel desk_tv untuk mendapatkan
informasi mengenai deskripsi tv yang nantinya akan direkomendasikan ke calon
konsumen.
Berdasarkan rancangan sistem menggunakan DFD, selanjutnya dapat
membuat rancangan database. Sebelum membuat rancangan database terlebih
dahulu penulis membuat Entity Relationship Diagram (ERD) yang
merepresetasikan secara grafis hubungan antar entitas.
Desk_TV Data_TVMengambil mengambil1 1
no_desk
typegambar
Ukuran
kd_jenis
kd_merek
Resolusi
harga
berat
fasilitas
type
no_data
type
N
kd_merek kd_jenis
jenis
1
kd_jenis jenis
merek
1
kd_merek
merek
Gambar 6 Entity Relationship Diagram (ERD)
Gambar 6 menunjukkan hubungan antar tabel. Tabel desk_tv memperoleh
type yang diambil dari tabel data_tv dimana mempunyai relasi hubungan one to
one. Tabel data_tv memperoleh kd_jenis yang diambil dari tabel jenis yang
mempunyai relasi one to many. Tabel data_tv juga memperoleh kd_merek yang
diambil dari tabel merek yang mempunyai relasi one to many.
Berdasarkan ERD yang telah dibuat, penulis mulai merancang database.
Rancangan database meliputi :
- Tabel Admin Tabel 3 Rancangan Tabel Admin
Field Tipe Length Keterangan
Admin Varchar 25 User admin
Passadmin Varchar 25 Password admin yang digunakan untuk
masuk kedalam halaman administrator
Tabel 3 dirancang untuk menyimpan admin dan passadmin. Admin dan
passadmin yang tersimpan digunakan untuk masuk ke halaman administrator.
Admin dan passadmin nantinya juga dapat ditambah, diedit , dan dihapus.
11
- Tabel Jenis Tabel 4 Rancangan Tabel Jenis
Field Tipe Length Keterangan
kd_jenis Char 4 Untuk menyimpan kode jenis teknologi
TV
Teknologi Varchar 25 Untuk menyimpan jenis teknologi TV
Tabel 4 dirancang untuk menyimpan jenis teknologi. TV dari waktu ke
waktu akan semakin berkembang jenis teknologinya, oleh karena itu jenis
teknologi yang tersimpan pada tabel jenis dapat ditambah, diedit ataupun dihapus.
- Tabel Merek Tabel 5 Rancangan Tabel Merek
Field Tipe Length Keterangan
kd_merek Char 4 Untuk menyimpan kode merek TV Merek Varchar 25 Untuk menyimpan merek TV
Tabel 5 dirancang untuk menyimpan merek TV. TV mempunyai banyak
merek yang dijual belikan, oleh karena itu merek TV yang tersimpan pada tabel
merek dapat ditambah, diedit ataupun dihapus.
- Tabel Data TV Tabel 6 Rancangan Tabel Data TV
Field Tipe Length Keterangan
no_tvpe Int 5 Untuk menyimpan no urutan TV
kd_jenis Char 4 Untuk menyimpan kode jenis teknologi
TV
kd_merek Char 4 Untuk menyimpan kode merek TV
Tipe Varchar 25 Untuk menyimpan tipe TV dari setiap
merek TV
Ukuran Int 55 Untuk menyimpan ukuran layar TV
Resolusi Int 55 Untuk menyimpan resolusi TV
Berat Int 55 Untuk menyimpan berat TV dengan
penyangga
Harga Int 55 Untuk meyimpan harga tv setiap tipe
Tabel 6 dirancang untuk menyimpan data-data TV dari masing-masing tipe.
Data-data TV yang tersimpan pada tabel Data TV dapat ditambah, diedit ataupun
dihapus.
- Tabel Deskripsi TV Tabel 7 Rancangan Tabel Deskripsi TV
Field Tipe Length Keterangan
no_desk Int 5 Untuk menyimpan no urutan deskripsi
TV
Tipe Varchar 25 Untuk menyimpan tipe TV dari setiap
merek TV
Gambar Varchar 50 Untuk menyimpan gambar TV Fasilitas Varchar 50 Untuk menyimpan deskripsi TV
Tabel 7 dirancang untuk menyimpan deskripsi TV. Deskripsi TV dibuat
untuk melengkapi data-data TV yang sudah tersimpan di tabel Data TV. Deskripsi
TV yang tersimpan pada tabel Deskripsi TV dapat ditambah, diedit ataupun
dihapus.
12
- Pengujian unit
Pada tahap ini sistem yang telah dirancang akan diimplentasikan kedalam
sebuah sistem berbasis web. Sistem dibuat dengan bahasa PHP, masing-masing
file .php kemudian akan diuji satu persatu apakah sudah dapat berjalan dengan
sesuai atau belum. Tahap implementasi meliputi implementasi metode WP secara
manual.
Sebagai contoh implementasi metode WP secara manual, yakni :
Diasumsikan seorang calon konsumen TV akan membeli TV dengan teknologi
LED, merek Panasonic dan ukuran antara 33-42 serta mempunyai tingkat prioritas
bobot untuk ukuran 30; resolusi 50; harga 15 dan berat 5. Untuk mendapatkan
hasilnya, terlebih dahulu dilakukan perbaikan bobot. Perbaikan bobot
menggunakan rumus Wj. Maka didapat perhitungan sebagai berikut :
W1 = 5155030
30
= 0,3 W3 =
5155030
15
= 0,15
W2 = 5155030
50
= 0,5 W4 =
5155030
5
= 0,05
Setelah bobot diperbaiki langkah selanjutnya adalah memilih data yang
mempunyai teknologi LED, merek Panasonic dan ukuran diantara 33-42 dari 237
tipe TV, hasil pemilahan tersebut didapat 10 tipe TV yang mempunyai teknologi
Langkah berikutnya adalah menghitung vektor S, dimana data yang ada akan
dikalikan tetapi sebelumnya dilakukan pemangkatan dengan bobot dari masing-
masing kriteria. Perhitungannya sebagai berikut :
S1 = 370,3
x 20736000,5
x 15-0,05
x 1200-0,15
= 1282,75
S2 = 370,3
x 20736000,5
x 16-0,05
x 1170-0,15
= 1283,48
S3 = 370,3
x 20736000,5
x 12-0,05
x 720-0,15
= 1400,44
S4 = 420,3
x 20736000,5
x 12-0,05
x 1400-0,15
= 1316,62
S5 = 420,3
x 20736000,5
x 19-0,05
x 1500-0,15
= 1273,46
S6 = 420,3
x 20736000,5
x16-0,05
x 1080-0,15
= 1349,33
13
S7 = 420,3
x 20736000,5
x 14-0,05
x 950-0,15
= 1384,75
S8 = 420,3
x 20736000,5
x 15-0,05
x 990-0,15
= 3859,52
Setelah masing-masing vektor S didapat nilainya, langkah selanjutnya adalah
menjumlahkan seluruh S untuk menghitung vektor V. Langkahnya sebagai
berikut:
V1 = 29,15782
75,1282 =0,081 V4 =
29,15782
62,1316 =0,083 V7 =
29,15782
75,1384 =0,088
V2 = 29,15782
48,1283 =0,081 V5 =
29,15782
46,1273 =0,081 V8 =
29,15782
52,3858 =0,244
V3 = 29,15782
44,1400 =0,089 V6 =
29,15782
33,1349 =0,085
Hasil dari vektor V ini belum ada artinya sebelum dibandingkan terlebih dahulu.
Perbandingan vektor V terlihat pada Tabel 9.
Tabel 9 Perbandingan Hasil Vektor V
Hasil Vektor V V1 V2 V3 V4 V5 V6 V7 V8
0,081 0,081 0,089 0,083 0,081 0,085 0,088 0,244
V1 0,081 Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak V2 0,081 Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak V3 0,089 Ya Ya Tidak Ya Ya Ya Ya Tidak V4 0,083 Ya Ya Tidak Tidak Ya Tidak Tidak Tidak V5 0,081 Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak V6 0,085 Ya Ya Tidak Ya Ya Tidak Tidak Tidak V7 0,088 Ya Ya Tidak Ya Ya Ya Tidak Tidak
V8 0,244 Ya Ya Ya Ya Ya Ya Ya Tidak
Tabel 9 merupakan hasil perbandingan antar vektor, langkah awal
perbandingan ini dengan cara membandingkan hasil vektor pertama dengan kedua
apakah lebih besar atau tidak, apabila hasilnya lebih besar maka ya. Hasil
perbandingan mendapatkan lima rekomendasi terbaik yakni V8, V3, V7, V6, dan V4.
Lima tipe rekomendasi TV tersebut adalah TC-L42E30, TC-L37E3, TC-L42E3,
TC-L42DT30 dan TC-42LD24
Tahap pengujian sistem dilakukan dengan mencocokan hasil rekomendasi
dengan hasil perhitungan manual. Tujuan pengujian sistem untuk mengetahui
apakah hasil rekomendasi dengan cara manual terdapat perbedaan hasil dengan
sistem. Tahap ini terlihat pada tabel 10.
14
Tabel 10 Pencocokan antara Perhitungan Manual dengan Sistem
Input Hasil Perhitungan
Manual
Hasil Sistem
Rekomendasi Keterangan
- Jenis : LCD
- Merek : Semua Merek
- Ukuran : > 52”
- Prioritas Kepentingan :
1. Ukuran : 30
2. Resolusi : 20
3. Berat :10
4. Harga : 40
- LG 55LK520
- SAMSUNG LN55C630K1F
- LG 60PK550
- SAMSUNG
LN60C630
- SHARP
LC60A77M
- LG 55LK520
- SAMSUNG LN55C630K1F
- LG 60PK550
- SAMSUNG
LN60C630
- SHARP
LC60A77M
COCOK
- Jenis : LCD
- Merek : Samsung
- Ukuran : 43” - 52”
- Prioritas Kepentingan :
1. Ukuran : 10
2. Resolusi : 40 3. Berat : 5
4. Harga : 45
- SAMSUNG LA46D550
- SAMSUNG
LN46B500
- SAMSUNG LN46A530
- SAMSUNG
LN46A550
- SAMSUNG
LN46A630
- SAMSUNG LN46B500
- SAMSUNG
LA46D550
- SAMSUNG LN46A530
- SAMSUNG
LN46A550
- SAMSUNG
LN46A630
COCOK
- Jenis : LED
- Merek : Semua Merek
- Ukuran : 43”- 52”
- Prioritas Kepentingan :
1. Ukuran : 10
2. Resolusi : 10
3. Berat : 10
4. Harga : 70
- LG 47LV3700
- SAMSUNG UN46C5000QF
- LG 47LV5500
- SAMSUNG
UN46C6400RF
- LG 47LW5600
- LG 47LV3700
- SAMSUNG
UN46C5000QF
- LG47LV5500
- SAMSUNG
- UN46C6400RF
- LG 47LW5600
COCOK
- Jenis : LED
- Merek : Panasonic
- Ukuran : 33”- 42”
- Prioritas Kepentingan : 1. Ukuran : 15
2. Resolusi : 15
3. Berat : 10
4. Harga : 60
- PANASONIC
TC-L37E3
- PANASONIC
TC-L42E3
- PANASONIC TC-L42E30
- PANASONIC
TC-L42D30
- PANASONIC
TC-37DT30
- PANASONIC
TC-L37E3
- PANASONIC
TC-L42E3
- PANASONIC TC-L42E30
- PANASONIC
TC-L42D30
- PANASONIC
TC-37DT30
COCOK
Hasil pencocokan antara perhitungan manual dengan sistem terdapat
kecocokkan hasil rekomendasi. Perbedaan kecocokan terlihat pada urutan hasil
ujicoba kedua, hal tersebut terjadi karena pada proses perhitungan manual
menggunakan empat angka dibelakang koma.
4. Hasil dan Pembahasan
Pembuatan sistem SPK tidak lepas dari komponen-komponen SPK, dalam
sistem yang dibangun ini komponen-komponen SPK dalam sistem meliputi :
- Data Management, dalam sistem ini data menagement adalah database
televisi. Database televisi ini berisi beberapa tabel yakni tabel admin, tabel
15
data_tv, tabel jenis, tabel merek, dan tabel desk_tv. Database televisi ini dapat
terlihat pada Gambar 7.
Gambar 7 Database televisi
Gambar 7 dapat terlihat lima tabel yang sudah saya paparkan sebelumnya.
Tabel admin dalam sistem ini sebagai penyimpan informasi user dan password
admin yang digunakan untuk mengakses halaman administrator. Tabel data_tv
digunakan untuk menyimpan informasi mengenai data-data suatu type t v, pada
tabel data_tv terdapat beberapa field antara lain : field no_data, field kd_jenis,
field kd_merek, field type, field ukuran, field resolusi, field harga, dan field berat.
Tabel desk_tv digunakan untuk menyimpan informasi keterangan dari suatu type
tv, dalam tabel ini meliputi beberapa field yaitu : field no_desk, field type, field
gambar, dan field fasilitas. Tabel jenis berisi informasi mengenai jenis teknologi
tv seperti LCD atau LED, dalam tabel ini berisi field kd_jenis dan jenis. Tabel
merek berisi informasi merek tv yang meliputi field kd_merek dan field merek.
- Model Management, dalam sistem ini model management adalah
perhitungan menggunakan metode WP. Perhitungan menggunakan metode WP
melalui beberapa tahap yaitu menghitung vektor S. Perintah untuk menghitung
vektor S dalam sistem terlihat pada kode program 1. Kode Program 1 Perintah untuk Menghitung Vektor S 1. while($hasil=mysql_fetch_object($eksekusi)) 2. { 3. $a=(exp(($nil_a/100)*(log($hasil->ukuran))));