Sistem Pendukung Keputusan untuk Merekomendasikan · PDF filedan MySQL yang membahas tentang tatacara penggunaan script PHP dan pengolahan ... Daftar pertanyaan terdapat ... Admin

Sistem Pendukung Keputusan

untuk Merekomendasikan TV Layar Datar

Menggunakan Metode Weighted Product (WP)

Artikel Ilmiah

Diajukan kepada

Fakultas Teknologi Informasi

Untuk memperoleh Gelar Sarjana Komputer

Peneliti :

Wahyu Retno Ningrum (NIM : 672007045)

Yessica Nataliani, S.Si., M.Kom.

Ramos Somya, S.Kom., M.Cs.

Program Studi Teknik Informatika

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Salatiga

Mei 2012

2

1

2

3

Sistem Pendukung Keputusan

untuk Merekomendasikan TV Layar Datar

Menggunakan Metode Weighted Product (WP) 1)

Wahyu Retno Ningrum, 2)

Yessica Nataliani, 3)

Ramos Somya

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Jl. Diponegoro 52 – 60, Salatiga 50711, Indonesia

Email : 1)

[email protected], 2)

[email protected], 3)

[email protected]

Abstract

Prospective customers often get confused when choosing the type of TV to buy.

One of the factors that cause confusion in choosing a TV is the existence of several well

known brands that offer a variety of TV types with different sizes. The research process

begins the gathering system requirements, system design, system making proses, as well

as testing process. System design starts from the design of Data Flow Diagram (DFD),

Entity Relationship Diagram (ERD), and drafting tables. WP calculation criteria include

the type of TV technology, brand, size, resolution, weight, and price. The final results of

the system data table with five alternative types of Flat Screen TVs are recommended

based on the type of technology and some of the criteria that have been selected. Five

types of TV recommende alternative is expected to be suggestion that may be considered

by consumers as well as a means of information to get the info TV. TV types have

recommended the suitability of the results with the wishes of potential customers by 60%.

Key words: Selection of Flat Screen TV, Weighted Product (WP)

Abstrak

Calon konsumen sering kali mengalami kebingungan saat memilih tipe TV yang

akan dibeli. Salah satu faktor yang menyebabkan kebingungan dalam memilih TV adalah

adanya beberapa merek terkenal yang menawarkan macam-macam tipe TV dengan

berbagai ukuran. Proses penelitian diawali dengan mengumpulkan kebutuhan sistem,

perancangan sistem, proses pembuatan sistem, serta proses pengujian. Perancangan

sistem dimulai dari perancangan Data Flow Diagram (DFD), Entitas Relationship

Diagram (ERD), dan perancangan tabel-tabel. Proses Perangkingan alternatif tipe TV

menggunakan metode Weighted Product (WP). Kriteria perhitungan WP meliputi jenis

teknologi, merek, ukuran, resolusi, berat, serta harga. Hasil akhir sistem berupa tabel data

rekomendasi dengan lima alternatif tipe TV Layar Datar berdasarkan jenis teknologi dan

beberapa kriteria yang telah dipilih sebelumnya. Lima alternatif tipe TV yang

direkomendasikan diharapkan dapat menjadi saran yang dapat dipertimbangkan oleh

konsumen serta menjadi sarana informasi untuk mendapatkan informasi mengenai TV.

Tipe TV yang direkomendasikan mempunyai kesesuaian hasil dengan keinginan calon

konsumen sebesar 60%.

Kata kunci : Pemilihan TV Layar Datar, Weighted Product (WP)

1)

Mahasiswa Fakultas Teknologi Informasi Jurusan Teknik Informatika, Universitas Kristen Satya

Wacana Salatiga 2)

Staff Pengajar Fakultas Teknologi Informasi Program Studi Sistem Informasi, Universitas

Kristen Satya Wacana Salatiga 3)

Staff Pengajar Fakultas Teknologi Informasi Program Studi Teknik Informatika, Universitas

Kristen Satya Wacana Salatiga

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

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 dimulai dengan menganalis kebutuhan-kebutuhan apa saja yang

diperlukan dalam membangun suatu sistem mulai dari kebutuhan data sampai

dengan kebutuhan hardware. Tahap pengumpulan kebutuhan data dilakukan

dengan 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, didapatkan 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 dibuat 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, tahap selanjutnya adalah 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

LED.

Tabel 8 Data TV LED dengan Merek Panasonic

Alternatif Kriteria

C1 C2 C3 C4

TC-L37D2 37 2073600 15 1200

TC-L37DT30 37 2073600 16 1170

TC-L37E3 37 2073600 12 720

TC-42LD24 42 2073600 19 1400

TC-L42D2 42 2073600 19 1500

TC-L42DT30 42 2073600 16 1080

TC-L42E3 42 2073600 14 950

TC-L42E30 42 2073600 15 990

C1 = Ukuran TV C3 = Berat TV

C2 = Resolusi TV C4 = Harga TV

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

S7 = 420,3

x 20736000,5

x 14-0,05

x 950-0,15

= 1384,75

13

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 dipaparkan 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))));

4. $b=(exp(($nil_b/100)*(log($hasil->resolusi))));

5. $c=(exp((-$nil_c/100)*(log($hasil->berat))));

6. $d=(exp((-$nil_d/100)*(log($hasil->harga))));

7. $vektor_S=($a*$b*$c*$d);

8. $ta[]=$vektor_S;

9. $akhir= array_sum($ta); }

Kode Program 1 berisi beberapa perintah untuk menghitung vektor S. Kode

nomor tiga merupakan kode untuk menghitung ukuran yang dipangkatkan dengan

w yang telah diperbaiki dan disimpan pada variabel a. Perhitungan vektor S

merupakan perkalian hasil dari perhitungan variabel a,b,c, dan d yang disimpan

pada variabel vektor_S. Hasil vektor S tersebut dimpan dalam array ta yang akan

digunakan untuk menghitung jumlah hasil vektor S keseluruhan. Jumlah vektor S

sebagai dasar untuk mengitung nilai vektor V. Perhitungan vektor V dalam sistem

dapat terlihat pada kode program 2. Kode Program 2 Perintah untuk Menghitung Vektor V

1. ....... 2. $vektor_S=($a*$b*$c*$d); 3. $vektor_v=$vektor_S/$akhir;

16

Kode Program 2 tersebut adalah kode program yang digunakan untuk menghitung

vektor V setelah perhitungan dari vektor S selesai dilakukan. Kode nomor tiga

digunakan untuk menghitung vektor V, vektor V didapat dari hasil bagi antara

hasil vektor S dibagi jumlah vektor S. Variabel akhir merupakan jumlah vektor S.

Hasil dari vektor V dalam perhitungan WP belum berarti apa-apa jika hasil

keseluruhan vektor V belum dibandingkan terlebih dahulu. Perbandingan vektor V

ini dalam sistem dapat terlihat pada kode program 3. Kode Program 3 Perintah untuk Membandingkan Vektor V

1. $indexVektor_v[$counter][1]=(" 2. <td>$hasil->kd_merek</td>

3. <td>$hasil->type</td> 4. <td>$hasil->ukuran</td> 5. <td>$hasil->resolusi</td> 6. <td>$hasil->berat</td> 7. <td>$hasil->harga</td> 8. <td><a href='fiturDetail.php?id=$hasil->type'>Lihat</a> 9. </tr> 10. "); 11. $indexVektor_v[$counter][2]=$vektor_v; 12. $counter++;} 13. $ulangLg=$counter; 14. $temp=0;$hasilIndek=0; 15. $hasilAkhir=array(); 16. for($i=0;$i<$counter;$i++){ 17. for($j=0;$j<$counter-$i-1;$j++){ 18. if($indexVektor_v[$j][2] < $indexVektor_v[$j+1][2]){ 19. $temp=$indexVektor_v[$j]; 20. $indexVektor_v[$j]=$indexVektor_v[$j+1]; 21. $indexVektor_v[$j+1]=$temp;} 22. }}

Kode satu-sembilan merupakan kode untuk menampilkan data, kode 11-21

adalah kode program untuk membandingkan vektor V. Perbandingan vektor V

menggunakan perulangan for . Hasil perbandingan akan diambil lima terbaik,

untuk menampilkan lima terbaik terlihat pada kode program 4. Kode Program 4 Perintah untuk Menampilkan lima terbaik

1. $nomer=1;

2. for($i=0;$i<=4;$i++){ 3. echo "<tr> 4. <td>$nomer</td>"; 5. echo $indexVektor_v[$i][1]; 6. $nomer++; 7. }

Kode Program 4 digunakan untuk menampilkan lima terbaik. Karena data

yang dihitung disimpan dalam array, maka penampilan yang dilakukan dengan

perulangan for yang terdapat pada kode nomor dua dimulai dari nol sampai

kurang dari samadengan empat agar yang ditampilkan lima data.

- Knowledge manager, dalam sistem ini komponen ketiga dari SPK ini adalah

pengguna sistem yaitu calon konsumen. Calon konsumen melalui beberapa tahap

saat akan menggunakan sistem ini, tahapan tersebut meliputi : calon konsumen

wajib memilih jenis tv yang diinginkan, kemudian memilih ukuran dan merek.

Tahap kedua memasukkan bobot prioritas yang meliputi bobot ukuran, resolusi,

harga, dan berat, keempat bobot prioritas ini harus berjumlah 100% apabila

kurang dari 100% maka sistem tidak akan bekerja. Setelah tahap satu dan dua

selesai maka calon konsumen dapat menekan tombol lanjut, apabila tombol lanjut

sudah ditekan maka sistem akan bekerja. Sistem akan melakukan proses pencarian

17

data berdasar jenis, merek, dan ukuran yang sudah dipilih sebelumnya.

Berdasarkan data yang sudah terpilih maka data akan dihitung menggunakan

metode WP berdasarkan bobot prioritas yang sudah diinputkan sebelumnya.

Calon konsumen akan mendapatkan lima type tv terbaik berdasrkan hasil

perhitungan dengan metode WP.

- User Interface, dalam sistem ini peneliti membuat sistem berbasis web.

Tampilan sistem rekomendasi terlihat pada gambar 8.

Gambar 8 Halaman Menu Sistem Rekomendasi

Gambar delapan merupakan tampilan halaman yang akan digunakan oleh

calon konsumen dalam menggunakan sistem rekomendasi TV ini. Apabila

kriteria sudah dipilih dan bobot prioritas sudah terpenuhi dan tombol lanjut

sudah ditekan makan calon konsumen akan dibawa ke halaman yang berisi

hasil rekomendasi, dapat dilihat pada gambar 9.

Gambar 9 Halaman Hasil Sistem Rekomendasi

Gambar sembilan merupakan halaman dari hasil rekomendasi. Terlihat

bahwa sistem memberi rekomendasi lima type tv. Berdasarkan hasil rekomendasi

ini, calon konsumen dapat memilih satu dari yang direkomendasikan. Calon

18

konsumen dapat melihat fasilitas dari type yang direkomendasikan dengan

menekan tombol lihat.

Gambar 10 Halaman Lihat Fasilitas

Gambar 10 dapat ditampilkan apabila calon konsumen menekan tombol

lihat pada kolom fasilitas yang ada pada halaman hasil rekomendasi. Halaman

fasilitas ini berisi dua tabel yaitu gambar dan fasilitas. Calon konsumen dapat

membaca informasi mengenai type tv yang direkomendasikan dan gambar dari

type tv yang direkomendasikan.

Contoh penggunaan sistem rekomendasi tv adalah diasumsikan seorang

calon konsumen akan membeli tv layar datar yang memanfaatkan Sistem

Rekomendasi TV. Calon konsumen wajib mengisi form yang ditampilkan oleh

sistem, form terlihat pada Gambar 7. Calon konsumen dimisalkan memilih jenis

LED, semua merek dengan ukuran > 52 dan mengisi prioritas kepentingan ukuran,

resolusi , berat, serta harga dengan angka 30, 25, 5, dan 40.

Gambar 11 Halaman Sistem Rekomendasi sesuai inputan

Calon konsumen dapat menekan tombol lanjut setelah semua kriteria

terpenuhi. User dapat memilih jenis, merek, serta ukuran TV yang diinginkan

serta mengisi prioritas kepentingan untuk bobot kepentingan. User dapat menekan

tombol lanjut apabila user telah memenuhi syarat. Syarat-syarat sistem meliputi :

19

- User wajib memilih jenis TV

- User wajib memasukkan prioritas kepentingan yang totalnya 100 persen.

Gambar 12 Halaman Hasil Sistem Rekomendasi

Gambar 12 merupakan hasil dari sistem rekomendasi, sistem memberikan

lima pilihan terbaik dari delapan data yang ada. Hasil tersebut didapat dari kriteria

yang telah dipilih serta mengisi besaran prioritas kepentingan. Lima tipe tersebut

didapat dari perhitungan WP, langkah-langkah sistem menampilkan hasil :

Pertama sistem akan mencari data yang ada pada database sesuai dengan

jenis, merek, dan ukuran yang sudah dipilih sebelumnya pada form Sistem

Rekomendasi. Data-data yang direkomendasikan berdasarkan data yang telah

diinputkan oleh admin. Admin dalam sistem ini sangat berperan penting, karena

data-data yang ada pada sistem harus terus diperbaharui terutama untuk harga.

Admin dapat melakukan perbaharuan harga di menu admin yang sudah disiapkan.

Pembaharuan data sangat penting agar sistem berjalan optimal. Kode Program 5 Perintah untuk Mendapatkan Data 1. include "/include/conecsi.inc";

2. $ambil="";

3. if(strcmp($fm_merek,'not_merek')==0 and strcmp($fm_ukrn,'not_ukuran')==0)

4. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."'";

5. else if (strcmp($fm_ukrn,'not_ukuran')==0){

6. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."' and

kd_merek='".$fm_merek."'";}

7. else if(strcmp($fm_merek,'not_merek')==0 and strcmp($fm_ukrn,'<24')==0){

8. .............

9. else if(strcmp($fm_merek,'not_merek')==0 and strcmp($fm_ukrn,'43-52')==0){

10. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."' and ukuran <

'53' and ukuran > '42'";}

11. else if(strcmp($fm_merek,'not_merek')==0 and strcmp($fm_ukrn,'53')==0){

12. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."' and ukuran >

'52'";}

13. else {

14. if(strcmp($fm_ukrn,'<24')==0){

15. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."' and

kd_merek='".$fm_merek."' and ukuran < '24'";}

16. .............

17. else if(strcmp($fm_ukrn,'53')==0){

18. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."' and

kd_merek='".$fm_merek."' and ukuran > '52'";

Kode Program lima ini merupakan kode program yang pertama kali

dieksekusi oleh sistem saat user menekan tombol lanjut. Kode nomor satu

merupakan kode untuk memanggil conecsi.inc yang berisi kode program untuk

terhubung ke database. Kode nomor 2-18 merupakan beberapa perintah untuk

mengambil data pada database. Data yang akan diambil akan disimpan pada

variabel ambil, pada contoh yang akan dieksekusi kode nomor 11 dan 12. Kode

20

nomor 11 dan 12 dieksekusi karena pada from telah memilih jenis dan ukuran >

52, sedangkan merek tidak dipilih. Data yang telah didapat nantinya akan

digunakan sebagai dasar perhitungan. Hasil pencarian mendapat data yang terlihat

pada tabel 12. Tabel 12 Hasil Pencarian Menurut Kriteria

Tipe Ukuran Resolusi Berat Harga

55LH90 55 2073600 36 3200

55LH93 55 2073600 36 5900

55LH95 55 2073600 35 5500

55LHX 55 2073600 26 4900

55LV5500 55 2073600 23 2099

55LW5300 55 2073600 21 1900

55LW5600 55 2073600 22 2399

55LW6500 55 2073600 22 2699

65LW6500 65 2073600 42 4499

UN55B6000 55 2073600 22 3600

UN55B7000 55 2073600 22 3800

UN55B8000 55 2073600 29 4000

UN55D6500 55 2073600 17 2600

UN55D7000 55 2073600 16 3100

UN55D8000 55 2073600 16 3600

UN60C6400RF 60 2073600 31 3000

UN60D6500 60 2073600 36 3300

UN60D8000YF 60 2073600 22 4200

UN55C6500VF 55 2073600 22 2800

UN55C6800UF 55 2073600 20 3000

LC80LE632U 80 2073600 55 5500

Tabel 12 merupakan hasil pencarian data TV dengan jenis LED, semua

merek dan ukuran > 52. Terlihat terdapat 21 jenis type TV yang sesuai dengan

keinginan calon konsumen yang telah diinputkan. Langkah berikutnya

menghitung nilai vektor S dan vektor V dari data tabel 12. Menghitung vektor S

dibutuhakan bobot, pada contoh bobot (W) = 30,25,5,40. Perhitungan vektor S

pada sistem berdasarkan kode program 1 yang telah dipaparkan sebelumnya.

Sebelum menghitung vektor S dilakukan perbaikan bobot terlebih dahulu,

perbaikan bobot antara lain :

W1 = = = 0,3 W3 = = = 0,05

W2 = = = 0,25 W4 = = = 0,4

Setelah perbaikan bobot dihitung, langkah selanjutnya menghitung nilai vektor S.

Beberapa perhitungan vektor S berdasarkan data yang ada pada tabel 12, antara

lain :

S1 = 550,3

x 20736000,25

x 36-0,05

x 3200-0,4

= 76,43089

S2 = 550,3

x 20736000,25

x 36-0,05

x 5900-0,4

= 74,58317

S3 = 550,3

x 20736000,25

x 35-0,05

x 5500-0,4

= 74,89833

S4 = 550,3

x 20736000,25

x 26-0,05

x 4900-0,4

= 76,37189

S5 = 550,3

x 20736000,25

x 23-0,05

x 2099-0,4

= 79,49195

21

S6 = 550,3

x 20736000,25

x 21-0,05

x 1900-0,4

= 80,17315

S7 = 550,3

x 20736000,25

x 22-0,05

x 2399-0,4

= 79,24424

Hasil perhitungan vektor V dari 21 data type TV yang ada pada tabel 12 dapat

dilihat pada tabel 13. Tabel 13 Hasil Perhitungan Vektor S

Tipe Ukuran Resolusi Berat Harga Vektor S Jumlah S

55LH90 3.3274291 37.947332 0.8359588 0.7240924 76.43089

1646.745

55LH93 3.3274291 37.947332 0.8359588 0.7065875 74.58317

55LH95 3.3274291 37.947332 0.8371371 0.7085745 74.89833

55LHX 3.3274291 37.947332 0.8496721 0.711856 76.37189

55LV5500 3.3274291 37.947332 0.8548966 0.7364097 79.49195

55LW5300 3.3274291 37.947332 0.8587941 0.7393496 80.17315

55LW5600 3.3274291 37.947332 0.8567988 0.7324851 79.24424

55LW6500 3.3274291 37.947332 0.8567988 0.7290409 78.87163

65LW6500 3.4984366 37.947332 0.8295404 0.7142913 78.66257

UN55B6000 3.3274291 37.947332 0.8567988 0.720689 77.96808

UN55B7000 3.3274291 37.947332 0.8567988 0.7191321 77.79964

UN55B8000 3.3274291 37.947332 0.8450455 0.7176581 76.57513

UN55D6500 3.3274291 37.947332 0.8679157 0.7301315 80.0145

UN55D7000 3.3274291 37.947332 0.8705506 0.7250126 79.69473

UN55D8000 3.3274291 37.947332 0.8705506 0.720689 79.21947

UN60C6400RF 3.4154299 37.947332 0.8422323 0.7259641 79.24533

UN60D6500 3.4154299 37.947332 0.8359588 0.7232017 78.35576

UN60D8000YF 3.4154299 37.947332 0.8567988 0.7162589 79.53816

UN55C6500VF 3.3274291 37.947332 0.8567988 0.7279703 78.75581

UN55C6800UF 3.3274291 37.947332 0.8608917 0.7259641 78.91394

LC80LE632U 3.7232911 37.947332 0.8184306 0.7085745 81.93616

Tabel 13 merupakan data setelah dipangkatkan dan dihitung nilai vektor S

dan jumlah vektor S. Langkah berikutnya adalah menghitung vektor V, untuk

menghitung vektor V terlihat pada Kode Program 2 yang telah dipaparkan

sebelumnya. Perhitungan vektor V sebagai berikut :

V1 = = 0,0464133 V4 = = 0,0463775

V2 = = 0,0452913 V5 = = 0,0482722

V3 = = 0,0454827

Hasil perhitungan vektor V selanjutnya dapat dilihat pada Tabel 14. Hasil

perhitungan vektor V tersebut belum berarti apa-apa sebelum dibandingkan

terlebih dahulu.

22

Tabel 14 Hasil Perhitungan Vektor V

Vektor S Jumlah S vektor V

76.43089

1646.745

0.0464133

74.58317 0.0452913

74.89833 0.0454827

76.37189 0.0463775

79.49195 0.0482722

80.17315 0.0486858

79.24424 0.0481217

78.87163 0.0478955

78.66257 0.0477685

77.96808 0.0473468

77.79964 0.0472445

76.57513 0.0465009

80.0145 0.0485895

79.69473 0.0483953

79.21947 0.0481067

79.24533 0.0481224

78.35576 0.0475822

79.53816 0.0483002

78.75581 0.0478251

78.91394 0.0479212

81.93616 0.0497564

Hasil perhitungan dari tabel 14 akan dibandingakan terlebih dahulu oleh

sistem. Cara sistem membandingkan vektor V terlihat jelas pada Kode Program 3

yang sudah dipaparkan sebelumnya. Data yang terpilih akan ditampilkan ke calon

konsumen. Hasil rekomendasi yang diberikan ke konsumen berupa lima pilihan

type tv. Berdasarkan hasil pembandingan sistem terdapat lima pilihan yang

direkomendasikan yaitu type 55LW5300, 55LV5500, 55LW5600, UN55D6500,

dan 55LW6500. Hasil tersebut terlihat pada gambar 12 yang telah dipaparkan

sebelumnya.

Sistem Rekomendasi ini juga sudah diujicobakan ke 30 orang yang akan

membeli TV Layar Datar. 30 orang yang mencoba sistem ini diwajibkan mengisi

kuisioner yang berisi enam pertanyaan, pertanyaan tersebut dapat dilihat pada

Tabel 15.

23

Tabel 15 Hasil Kuisioner Pengujian Sistem

No Pertanyaan Sangat

Menarik Menarik

Cukup

Menarik

Tidak

Menarik

Sangat

Tidak

Menarik

Total

1

Menurut anda apakah

tampilan web ini sudah

menarik ?

4 21 5 30

Sangat

Mudah Mudah

Cukup

Mudah Sulit

Sangat

Sulit

2

Menurut anda apakah

keterangan pada web

ini mudah dibaca ?

1 19 10 30

3

Menurut anda apakah

panduan penggunaan

sistem rekomendasi

mudah dimengerti?

3 16 11 30

4

Menurut anda apakah

sistem rekomendasi ini

mudah dijalankan?

4 17 9 30

Sangat

Sesuai Sesuai

Cukup

Sesuai

Tidak

Sesuai

Sangat

Tidak

Sesuai

5

Menurut anda apakah

hasil dari sistem

rekomendasi TV Layar

Datar sudah sesuai

dengan yang

diharapkan?

1 17 8 4 30

Sangat

Terbantu Terbantu

Cukup

Terbantu

Tidak

Terbantu

Sangat

Tidak

Terbantu

6

Dengan adanya sistem

rekomendasi TV Layar

Datar ini apakah anda

sudah terbantu dalam

memilih TV Layar

Datar?

19 8 3 30

Berdasarkan data diatas dapat dibuat sebuah diagram yang menggambarkan

persentase perolehan data yang didapat. Salah satu data yang dibuat diagram

adalah data dari pertanyaan nomor lima dan enam. Diagram nomor lima terlihat

pada gambar 14.

24

Gambar 14 Diagram Pertanyaan Nomor Lima

Gambar 10 merupakan salah satu diagram yang dibuat dari hasil jawaban

kuisioner pertanyaan nomor lima. Dapat dilihat responden menjawab sangat

sesuai sebesar 3%, sesuai 57%, cukup sesuai 27%, dan 13% menjawab tidak

sesuai. Berdasarkan hasil dari jawaban pertanyaan nomor lima pada diagram dapat

disimpulkan 60% responden menjawab hasil dari sistem rekomendasi sudah

sesuai. 60% responden yang menjawab sesuai didapat dari responden yang

menjawab sangat sesuai sebanyak 3% ditambah 57% yang menjawab sesuai.

Gambar 15 Diagram Pertanyaan Nomor Enam

Gambar 11 dapat dilihat responden menjawab terbantu 63%, cukup

terbantu 27% dan tidak terbantu sebanyak 10%. Hasil yang didapat dari

pertanyaan nomor lima dapat disimpulkan 63% responden terbantu dengan adanya

sistem rekomendasi TV.

5. Simpulan

Berdasarkan pembahasan yang telah dipaparkan sebelumnya, maka dapat

disimpulkan bahwa 1) metode weighted product (wp) dapat digunakan dalam

perhitungan merekomendasikan televisi; 2) implementasi sistem rekomendasi

televisi berbasis web merupakan alternatif dalam mencari info mengenai televisi;

3) 63% responden merasa terbantu dengan adanya Sistem rekomendasi TV Layar

Datar; 4) Hasil rekomendasi sesuai dengan keinginan calon konsumen TV Layar

Datar dengan tingkat kesesuaian sebesar 60%.

25

6. Pustaka

[1] Encyclopedia Definition of Flat Panel TV.

http://www.pcmag.com/encyclopedia_term/0,2542,t=flat+panel+TV&i=432

92,00.asp, diakses tanggal 3 September 2011

[2] Poor,A.2011. HDTV Buying Guide:Making Sense of the

Spesification.http://www.pcworld.com/article/183099/hdtv_buying_guide_m

aking_sense_of_the_specifications.html, diakses tanggal 3 September 2011

[3] Nguyen,P & Nadia.2008.Comparison of MADM Decision Algorithms for

Interface Selection in Heterogeneous Wireless

Network.http://biblio.telecom-paristech.fr/cgi-bin/download.cgi?id=8483.

Diakses tanggal 15 September 2011

[4] Oktriani, Martha.2008. Aplikasi Pendukung Keputusan dengan

menggunakan Logika Fuzzy (Studi Kasus: Penentuan Spesifikasi Komputer

untuk Suatu Paket Komputer Lengkap). Diakses tanggal 5 September 2011

[5] Puspita,N.2010.Sistem Pendukung Keputusan Penentuan Siswa Berprestasi

di Sekolah Menengah Kejuruan (SMK) menggunakan Metode Weighted

Product (Studi Kasus : SMK N 1 Pacitan).pdf

http://118.97.11.134/archivelama/skripsi/Sisteminformasi/16105016037201

0-skripsi-sistem-informasi-uad-Sistem-Pendukung-Keputusan-Penentuan-

Siswa-Berprestasi.pdf, diakses tanggal 15 September 2011

[6] Kusrini.2007. Konsep dan Aplikasi Sistem Pendukung Keputusan.

Andi,Yogyakarta.

[7] Subakti,I.2002. Buku Panduan Sistem Pendukung Keputusan.pdf,

http://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&source=web&cd=4

&cts=1331775592272&ved=0CEIQFjAD&url=http%3A%2F%2Fymukhlis

.staff.gunadarma.ac.id%2FDownloads%2Ffiles%2F15880%2FBuku_Pand

uan_SPK.pdf&ei=PkhhT6jxDo3qrQfCvYGeDg&usg=AFQjCNHUh6efQPF

QbPqM9GdwtEj2bLo26g&sig2=KsUy_4WgAgzi4VISZD6Eg. Diakses

tanggal 5 Juli 2011

[8] Savitha,K & Chandrasekar,C.2011.Global Journal OF Computer Science

and Technology, Vertical Handover Decision Schemes Using SAW and

WPM for Network selection in Heterogeneous Wireless Network,11:5.

http://arxiv.org/ftp/arxiv/papers/1109/1109.4490.pdf, diakses tanggal 5

Oktober 2011

[9] Kusumadewi,S & kawan.2006. Fuzzy Multi-Attribute Decision Making.

Graha Ilmu, Yogyakarta.

[10] Basyaib,F. 2006. Teori Pembuatan Keputusan.

http://books.google.co.id/books?id=1oX1gq9ofjYC&printsec=frontcover&h

l=id#v=onepage&q&f=false, diakses tanggal 3 Januari 2012

[11] http://nurichsan.blog.unsoed.ac.id/2010/11/19/metode-pengembangan-

waterfall-prototyping/, diakses tanggal 5 Januari 2012

[12] Winarno,A. Data Flow Diagram.doc

http://mti.ugm.ac.id/~panji/dinus/rpl/DATA%20FLOW%20DIAGRAM%201

.doc, diakses tanggal 8 Febuari 2012

26

Lampiran 1 Daftar Pertanyaan Wawancara

1. Apakah anda ingin membeli sebuah TV Layar Datar?

2. Jika Ya, TV Layar Datar jenis apa yang ingin anda beli?

3. Merek TV Layar Datar apa yang ingin anda beli? Jelaskan!

4. Sebelum anda membeli TV hal apa saja yang anda pertimbangkan?

5. Darimana anda mendapat informasi mengenai TV yang ingin anda beli?

6. Perlukah sistem yang dapat memberi anda sebuah rekomendasi TV?

27

Lampiran 2 Kuisioner Sebelum Pembuatan

28

Lampiran 3 Kuisioner Pengujian Sistem