Sistem pendukung keputusan penentuan lokasi pameran sepeda motor dengan metode Fuzzy Multi-Attribute Decision Making dan Weighted Product

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN LOKASI PAMERAN

SEPEDA MOTOR DENGAN METODE

FUZZY MULTI- ATTRIBUTE

DECISION MAKING

(FMADM) DAN

WEIGHTED PRODUCT

(WP)

SKRIPSI

MUHAMMAD HARUN DAULAY

111401007

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2015

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN LOKASI PAMERAN

SEPEDA MOTOR DENGAN METODE

FUZZY MULTI- ATTRIBUTE

DECISION MAKING

(FMADM) DAN

WEIGHTED PRODUCT

(WP)

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah

Sarjana Ilmu Komputer

MUHAMMAD HARUN DAULAY

111401007

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2015

PERSETUJUAN

Judul : SISTEM PENDUKUNG KEPUTUSAN

PENENTUAN LOKASI PAMERAN SEPEDA MOTOR DENGAN METODE FUZZY MULTI-

ATTRIBUTE DECISION MAKING (FMADM)

DAN WEIGHTED PRODUCT (WP)

Kategori : SKRIPSI

Nama : MUHAMMAD HARUN DAULAY

Nomor Induk Mahasiswa : 111401007

Program Studi : SARJANA (S1) ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI

INFORMASI

Diluluskan di

Medan, 03 Desember 2015 Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Handrizal, S.Si, M.Comp, Sc Dr.Syahril Efendi, S.Si, MIT

NIP. NIP. 19671110 199602 1 001

Diketahui/Disetujui oleh

Program Studi S1 Ilmu Komputer Ketua,

Dr. Poltak Sihombing, M.Kom NIP 19620317 199103 1 001

PERNYATAAN

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN LOKASI PAMERAN SEPEDA MOTOR DENGAN METODE FUZZY MULTI-ATTRIBUTE

DECISION MAKING (FMADM) DAN WEIGHTED PRODUCT

(WP)

SKRIPSI

Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, 03 Desember 2015

MUHAMMAD HARUN DAULAY 111401007

PENGHARGAAN

Puji dan syukur penulis panjatkan kehadirat Allah SWT karena berkat rahmat dan karunia-nya penulis dapat menyelesaikan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara.

Pada pengerjaan skripsi dengan judul Sistem pendukung keputusan penentuan lokasi pameran sepeda motor dengan metode Fuzzy Multi-Attribute Decision Making dan Weighted Product, dalam penyusunan skripsi ini penulis menyadari bahwa banyak pihak yang turut membantu, baik dari keluarga, sahabat, dan orang-orang terdekat yang memberikan motivasi dalam pengerjaannya. Dalam kesempatan ini, penulis dengan senang hati menyampaikan terima kasih kepada :

1. Bapak Prof. Drs. Subhilhar, M.A., Ph.D, selaku Pj. Rektor Universitas Sumatera Utara.

2. Bapak Prof. Dr. Muhammad Zarlis, selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

3. Bapak Dr. Poltak Sihombing, M.Kom, selaku Ketua Program Studi S-1 Ilmu Komputer Universitas Sumatera Utara.

4 Ibu Maya Silvi Lydia, B.Sc, M.Sc, selaku Sekretaris Program Studi S-1 Ilmu Komputer Universitas Sumatera Utara

4. Bapak Dr.Syahril Efendi, S.Si, M.IT, selaku dosen pembimbing I yang telah memberikan bimbingan, saran, nasehat dan masukan kepada penulis dalam pengerjaan skripsi ini.

5. Bapak Handrizal, S.Si, M.Comp, Sc, selaku dosen pembimbing II yang telah memberikan bimbingan, saran, nasehat dan masukan kepada penulis dalam pengerjaan skripsi ini.

6. Bapak Prof. Dr. Muhammad Zarlis, selaku penguji I yang telah memberikan kritik, saran dan dukungan kepada penulis dalam manyelesaikan skripsi ini.

7. Bapak Drs. Marihat Situmorang, M.Kom, selaku penguji II yang telah memberikan kritik, saran dan dukungan kepada penulis dalam manyelesaikan skripsi ini.

8. Seluruh dosen dan Staff pegawai Program studi S1 Ilmu Komputer Fasilkom-TI USU.

9. Kepada ayah dan ibu tercinta atas jasa-jasanya, kesabarannya, serta do’a, dan tidak pernah lelah dalam mendidik dan memberi cinta yang tulus dan ikhlas kepada penulis.

10.Kakak tercinta yang selalu memberikan dukungan kepada penulis sehingga penulis bisa menyelesaikan skripsi ini.

11.Idaman Tarotodo Hia yang telah membantu penulis dalam penyusunan skripsi ini.

12.Musthopa wirawan Hasibuan, ST, yang telah memberikan saran serta motivasi kepada penulis sehingga penulis bisa menyelesaikan skripsi ini.

13.Teman-teman kuliah saya kom C angkatan 2011, yang memberi inspirasi dan semangat kepada penulis.

14.Semua pihak yang telah banyak membantu penulis dalam menyelesaikan skripsi ini.

Semoga Tuhan Yang Mahan kuasa melimpahkan berkah kepada semua pihak yang telah memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan skripsi ini.

Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, penulis mengharapkan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya..

Medan, 03 Desember 2015

ABSTRAK

Pameran adalah bagian dari promosi, yang mana merupakan salah satu kegiatan yang dilaksanakan perusahaan untuk memberitahukan konsumen tentang produk dan jasa yang dihasilkan perusahaan. Fungsi dari pameran itu sendiri adalah suatu tempat untuk mengadakan pertunjukan hasil produksi, dengan tujuan untuk menimbulkan minat dan mempengaruhi konsumen dengan mengemukakan keunggulan dari produk yang dihasilkan, Agar konsumen tetap melaksanakan pembelian dan tidak tertarik oleh produk pesaing. Untuk penentuan lokasi pameran sepeda motor, parameter yang digunakan adalah perbandingan kompleksitas algoritma dan running time.

Berdasarkan pengujian kompleksitas algoritma metode Fuzzy Multi-Attribute Decision Making dan Weighted Product, diperoleh big theta yang sama yaitu ( , , ). Sedangkan pada pengujian running time, metode Weighted Product

lebih cepat memproses data dengan waktu 0,0816343 detik/81.6343

millisecond sedangkan pada metode Fuzzy Multi-Attribute Decision Making

dengan waktu 0,0875662 detik/87,5662 millisecond. dengan demikian, metode

Weighted Product merupakan metode yang terbaik untuk penentuan lokasi pameran sepeda motor.

Keyword : Sistem Pendukung Keputusan, Fuzzy Multi-Attribute Decision Making, Weighted Product, Sepeda Motor.

DECISION SUPPORT SYSTEM TO DETERMINE LOCATION OF MOTORCYCLE WITH FUZZY MULTI-ATTRIBUTE DECISION

MAKING AND WEIGHTED PRODUCT METHOD ABSTRACT

Exebition is part of the promotion, which is one company activities to inform the costumers about product and services produced by the company. the function of the exhibition is aplace to show production object. with the purpose to provide information about the product, with the aim to generate interest and influence costumers by promoting the advantages of the products are produced, that consumers continue to implement the purchase and not interested by competitor’s products. for determining the location of motorcycle exebition, Parameters were used the comparison of algorithm and running time. Based on the analyze the complexity of algorithm using Fuzzy Multi-Attribute Decision Making and Weighted Product method, obtained the same theta is ( , , ). while the analyze to determine the running time, the test show that Weighted Product method faster to process data with time 0,0816343 second/81.6343 millisecond than Fuzzy Multi-Attribute Decision Making method with time 0,0875662 second/87,5662 millisecond. So that, Weighted Product method is better method to determine location of motorcycles exhibition.

Keyword : Dicision Support System, Fuzzy Multi-Attribute Decision Making, Weighted Product, Motorcycles.

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak vi

Abstract vii

Daftar isi viii

Daftar gambar x

Daftar tabel xii

Daftar lampiran xiii

Bab I Pendahuluan

1.1Latar belakang 1

1.2Perumusan masalah 2

1.3Ruang lingkup penelitian 2

1.4Tujuan penelitian 2

1.5Manfaat penelitian 3

1.6Metodologi penelitian 3

1.7Sistematika penulisan 4

Bab II Landasan Teori

2.1Sistem pendukung keputusan 5

2.1.1 Pengertian sistem pendukung keputusan 5

2.1.2 Karakteristik dan kemampuan sistem pendukung keputusan 7

2.1.3 Tujuan sistem pendukung keputusan 8

2.1.4 Tahapan proses pengambilan keputusan 8

2.1.5 Komponen sistem pendukung keputusan 8

2.2Metode Fuzzy Multi-Attribute Decision Making 10

2.3Metode Weighted Product 14

Bab III Analisis dan Perancangan Sistem

3.1 Analisis sistem 15

3.1.1 Analisis masalah 15

3.1.2 Analisis dan kebutuhan sistem 16

3.1.2.1 Kebutuhan fungsional 16

3.1.2.2 Kebutuhan non-fungsional 17

3.1.3 Pemodelan 17

3.1.3.1 Usecase diagram 17

3.1.3.2 Activity diagram login 19

3.1.3.3 Activity diagram perhitungan metode FMADM 20 3.1.3.4 Activity diagram perhitungan metode WP 21

3.1.4 Sequence diagram metode FMADM dan WP

3.1.4.1 Sequence diagram metode FMADM 22

3.1.4.2 Sequence diagram metode WP 23

3.1.4.3 Entity relationship diagram 23

3.2 Perancangan Sistem 24

3.2.1 Perancangan antarmuka (Interface) 24

3.2.2 Antarmuka input data metode FMADM 24

3.2.3 Antarmuka input data metode WP 27

3.2.4 Antarmuka perbandingan metode FMADM dan WP 30 3.2.5 Antarmuka lihat data metode FMADM dan WP 31

3.3 Flowchart 32

3.3.1 Flowchart metode FMADM 32

3.3.2 Flowchart metode WP 34

3.3.3 Flowchart sistem 35

Bab IV Implementasi dan Pengujian Sistem

4.1 Implementasi sistem 36

4.1.1 Implementasi metode FMADM 36

4.1.1.1 penyelesaian kasus metode FMADM 37

4.1.2 Implementasi metode WP 40

4.1.2.1 Penyelesaian kasus metode WP 41

4.2 Antarmuka sistem 43

4.2.1 Tampilan form login 43

4.2.2 Tampilan form menu utama 44

4.2.3 Tampilan form metode FMADM 44

4.2.4 Tampilan form metode WP 45

4.2.5 Tampilan form perbandingan 45

4.2.6 Tampilan form lihat data 46

4.3Pengujian Sistem 46

4.3.1 Pengujian perhitungan metode Fuzzy MADM 46 4.3.2 Pengujian perhitungan metode Weighted Product 49 4.3.3 Perbandingan running time metode FMADM dan WP 51

4.3.4 Tampilan database 51

4.4 Perbandingan big theta pengujian penentuan lokasi pameran 52 4.4.1 Perhitungan kompleksitas algoritma FMADM 52 4.4.2 Perhitungan kompleksitas algoritma WP 55 4.5 Perbandingan running time dengan metode FMADM dan WP 57 4.5.1 Pengujian dengan empat alternatif lokasi 57 4.5.2 Pengujian dengan enam alternatif lokasi 57 4.5.3 Pengujian dengan delapan alternatif lokasi 58 4.5.4 Pengujian dengan sepuluh alternatif lokasi 58

Bab V Kesimpulan dan Saran

5.1 Kesimpulan 60

5.2 Saran 60

DAFTAR GAMBAR

Halaman

Gambar 2.1 Arsitektur SPK 10

Gambar 2.2 Fungsi keanggotaan bilangan Fuzzy segitiga 12

Gambar 3.1 Diagram Ishikawa 16

Gambar 3.2 Use case diagram 18

Gambar 3.3 Activity diagram login 19

Gambar 3.4 Activity diagram perhitungan FMADM 20

Gambar 3.5 Activity diagram perhitungan WP 21

Gambar 3.6 Sequence diagram proses perhitunganFMADM 22 Gambar 3.7 Sequence diagram proses perhitunganWP 23

Gambar 3.8 Entity relationship diagram (ERD) 24

Gambar 3.9 Antarmuka input data metode FMADM 25

Gambar 3.10 Antarmuka nilai bobot setiap kriteria motode FMADM 26

Gambar 3.11 Antarmuka hasil perhitungan FMADM 27

Gambar 3.12 Antarmuka input data metode WP 28

Gambar 3.13 Antarmuka nilai bobot setiap kriteria metode WP 29

Gambar 3.14 Antarmuka hasil perhitungan WP 30

Gambar 3.15 Antarmuka perbandingan metode FMADM dan WP 31 Gambar 3.16 Antarmuka lihat data metode FMADM dan WP 31

Gambar 3.17 Flowchart metode FMADM 33

Gambar 3.18 Flowchart metode WP 34

Gambar 3.19 Flowchart sistem 35

Gambar 4.1 Tampilan form login 43

Gambar 4.2 Tampilan form menu utama 44

Gambar 4.3 Tampilan form metode FMADM 44

Gambar 4.4 Tampilan form metode WP 45

Gambar 4.5 Tampilan form Perbandingan metode FMADM dan WP 45

Gambar 4.6 Tampilan form lihat data 46

Gambar 4.7 Pembobotan kriteria metode FMADM 47

Gambar 4.8 Data hasil inputan metode FMADM 47

Gambar 4.9 Data hasil perbaikan metode FMADM 48

Gambar 4.10 Hasil perhitungan metode FMADM 48

Gambar 4.11 Pembobotan kriteria metode WP 49

Gambar 4.12 Data hasil inputan metode WP 49

Gambar 4.13 Hasil perbaikan metode WP 50

Gambar 4.14 Hasil perhitungan metode WP 50

Gambar 4.15 Hasil perbandingan running time metode FMADM dan WP 51

DAFTAR TABEL

Halaman

Tabel 3.1 Proses perhitungan metode FMADM 18

Tabel 3.2 Proses perhitungan metode WP 19

Tabel 4.1 Kriteria dan bobot masing-masing metode FMADM 36 Tabel 4.2 Rating kepentingan setiap kriteria metode FMADM 37 Tabel 4.3 Rating kecocokan untuk setiap alternaif metode FMADM 38 Tabel 4.4 Indeks kecocokan untuk setiap alternatif metode FMADM 39 Tabel 4.5 Kriteria dan bobot masing-masing metode WP 41 Tabel 4.6 Rating kecocokan dari setiap alternatif setiap kriteria metode WP 41

Tabel 4.7 Kompleksitas algoritma metode FMADM 52

Tabel 4.8 Kompleksitas algoritma metode WP 55

Tabel 4.9 perbandingan hasil pengujian dengan empat alternatif 57 Tabel 4.10 perbandingan hasil pengujian dengan enam alternatif 57 Tabel 4.11 perbandingan hasil pengujian dengan delapan alternatif 58 Tabel 4.12 perbandingan hasil pengujian dengan sepuluh alternatif 59

DAFTAR LAMPIRAN

Halaman

A. Listing Program A-1

ABSTRAK

Pameran adalah bagian dari promosi, yang mana merupakan salah satu kegiatan yang dilaksanakan perusahaan untuk memberitahukan konsumen tentang produk dan jasa yang dihasilkan perusahaan. Fungsi dari pameran itu sendiri adalah suatu tempat untuk mengadakan pertunjukan hasil produksi, dengan tujuan untuk menimbulkan minat dan mempengaruhi konsumen dengan mengemukakan keunggulan dari produk yang dihasilkan, Agar konsumen tetap melaksanakan pembelian dan tidak tertarik oleh produk pesaing. Untuk penentuan lokasi pameran sepeda motor, parameter yang digunakan adalah perbandingan kompleksitas algoritma dan running time.

Berdasarkan pengujian kompleksitas algoritma metode Fuzzy Multi-Attribute Decision Making dan Weighted Product, diperoleh big theta yang sama yaitu ( , , ). Sedangkan pada pengujian running time, metode Weighted Product

lebih cepat memproses data dengan waktu 0,0816343 detik/81.6343

millisecond sedangkan pada metode Fuzzy Multi-Attribute Decision Making

dengan waktu 0,0875662 detik/87,5662 millisecond. dengan demikian, metode

Weighted Product merupakan metode yang terbaik untuk penentuan lokasi pameran sepeda motor.

Keyword : Sistem Pendukung Keputusan, Fuzzy Multi-Attribute Decision Making, Weighted Product, Sepeda Motor.

DECISION SUPPORT SYSTEM TO DETERMINE LOCATION OF MOTORCYCLE WITH FUZZY MULTI-ATTRIBUTE DECISION

MAKING AND WEIGHTED PRODUCT METHOD ABSTRACT

Exebition is part of the promotion, which is one company activities to inform the costumers about product and services produced by the company. the function of the exhibition is aplace to show production object. with the purpose to provide information about the product, with the aim to generate interest and influence costumers by promoting the advantages of the products are produced, that consumers continue to implement the purchase and not interested by competitor’s products. for determining the location of motorcycle exebition, Parameters were used the comparison of algorithm and running time. Based on the analyze the complexity of algorithm using Fuzzy Multi-Attribute Decision Making and Weighted Product method, obtained the same theta is ( , , ). while the analyze to determine the running time, the test show that Weighted Product method faster to process data with time 0,0816343 second/81.6343 millisecond than Fuzzy Multi-Attribute Decision Making method with time 0,0875662 second/87,5662 millisecond. So that, Weighted Product method is better method to determine location of motorcycles exhibition.

Keyword : Dicision Support System, Fuzzy Multi-Attribute Decision Making, Weighted Product, Motorcycles.

BAB 1 PENDAHULUAN

1.1 Latar Belakang

Pameran adalah bagian dari promosi, promosi merupakan salah satu kegiatan yang dilaksanakan perusahaan untuk memberitahukan, mengajak, dan mengingatkan konsumen tentang produk dan jasa yang dihasilkan perusahaan. karena seiring berakhirnya proses produksi maka persiapan yang harus dilakukan oleh suatu perusahaan adalah bagaimana memasarkan hasil produksinya, sehingga mendapatkan keuntungan yang layak di tengah persaingan yang semakin ketat. Agar produksinya tidak terdesak dengan produksi yang dihasilkan oleh perusahaan lain, maka perusahaan perlu mengadakan promosi dengan tujuan untuk menimbulkan minat dan mempengaruhi konsumen dengan mengemukakan keunggulan dari produk yang dihasilkan, Agar konsumen tetap melakukan pembelian dan tidak tertarik oleh produk pesaing, Dalam pemilihan lokasi pameran itu sendiri sangatlah tidak mudah, karena ditinjau dari beberapa faktor yaitu: dari segi kepadatan penduduk, jarak lokasi dengan pasar setempat dan transportasi di area sekitar lokasi pameran. dengan permasalahan diatas, sehingga dirancanglah suatu sistem pendukung keputusan untuk membantu mengidentifikasi masalah dalam penentuan lokasi pameran sepeda motor. aplikasi yang akan dibuat diharapakan dapat membantu dalam proses pencarian lokasi yang tepat, sehingga dapat meningkatkan mutu penjualan serta mendapatkan keuntungan yang maksimal.

Sistem pendukung keputusan merupakan sebuah sistem yang mampu memberikan solusi untuk pemecahan masalah, sistem pendukung keputusan juga bertujuan untuk menyediakan informasi, memberikan prediksi serta mengarahkan kepada pengguna informasi agar dapat melakukan pengambilan keputusan dengan lebih baik (kusumadewi, 2006).

Metode Fuzzy Multi-Attribute Decision Making (FMADM) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari metode Fuzzy Multi-Attribute Decision Making yaitu untuk menentukan nilai bobot pada setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan (Aruan, 2014).

Metode Weighted Product merupakan suatu metode penyelesaian dengan menggunakan perkalian untuk menghubungkan rating atribut, dimana rating harus dipangkatkan terlebih dahulu dengan bobot atribut yang bersangkutan. Proses ini sama halnya dengan proses normalisasi.

Dari kedua metode ini perlu dibandingkan apakah dapat memberikan alternatif keputusan yang sama, agar si pengambil keputusan yakin telah menentukan pilihan terbaik.

1.2 Perumusan Masalah

Berdasarkan uraian latar belakang diatas, maka rumusan masalah yang akan dibahas adalah :

1. Bagaimana menentukan lokasi pameran dengan menerapkan metode Fuzzy Multi-Attribute Decision Making (FMADM) dan Weighted Product (WP) 2. Apakah metode Fuzzy Multi-Attribute Decision Making (FMADM) dan

Weighted Product (WP) memberikan hasil alternatif keputusan yang sama

1.3 Ruang Lingkup Penelitian

Adapun ruang lingkup yang ditentukan pada penelitian adalah :

1. Penelitian ini membahas tentang perbandingan algoritma Fuzzy Multi-Attribute

Decision Making (FMADM) dan Weighted Product (WP).

2. Sistem hanya membandingkan kompleksitas algoritma menggunakan big theta dan running time.

3. Parameter yang digunakan dalam menentukan keputusan adalah : kepadatan penduduk, persaingan lokasi, harga sewa lokasi, minat pembeli dan transportasi

4. Sistem dibangun dengan menggunakan bahasa pemrograman Visual Basic

2010 dan SQL Server

1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah diperolehnya sebuah perangkat lunak pendukung keputusan penentuan lokasi pameran sepeda motor dengan menerapkan metode Fuzzy

Multi-Attribute Decision Making (FMADM) dan Weighted Product (WP).

1.5 Manfaat Penelitian

Dengan adanya penelitian ini diharapkan mampu membangun suatu aplikasi yang dapat membantu pimpinan perusahaan dalam penentuan lokasi pameran sepeda motor.

1.6 Metodologi Penelitian

Penelitian ini dilakukan dengan menerapkan beberapa metode penelitian sebagai berikut:

1. Studi Literatur

Pada tahap ini, dilakukan peninjauan terhadap buku-buku, e-book dan artikel-artikel yang membahas tentang sistem pendukung keputusan penentuan lokasi pameran sepeda motor dengan metode Fuzzy Multi-Atribute Decision Making

(FMADM) dan Weighted Product (WP). 2. Analisis dan Perancangan

Dengan adanya rumusan dan ruang lingkup penelitian, permasalahan dan kebutuhan dianalisis disertai pembuatan flowchart dan designinterface.

3. Implementasi Sistem

Fuzzy Multi-Atribute Decision Making (FMADM) dan Weighted Product

(WP) diimplementasikan terhadap penentuan lokasi pameran. 4. Pengujian Sistem

Pada tahap ini akan dilakukan pengujian terhadap sistem untuk mengetahui apakah sudah sesuai dengan kebutuhan.

5. Dokumentasi Sistem

Melakukan pembuatan dokumentasi sistem mulai dari tahap awal hingga pengujian sistem, untuk selanjutnya dibuat dalam bentuk laporan penelitian (skripsi).

1.7 Sistematika Penulisan

Sistematika dalam penulisan skripsi ini adalah sebagai berikut:

BAB I PENDAHULUAN

Pada Bab ini akan dijelaskan latar belakang masalah dari penelitian yang dilakukan beserta batasannya, tujuan dan manfaat penelitian, metodologi penelitian dan sistematika penulisan skripsi ini.

BAB II TINJAUAN PUSTAKA

Pada Bab ini akan dijelaskan teori-teori dasar yang mendukung penelitian seperti Sistem Pendukung Keputusan, Metode Fuzzy Multi-Attribute Decision Making dan Metode Weighted Product.

BAB III ANALISIS DAN PERANCANGAN SISTEM

Pada Bab ini akan dijelaskan analisis dan perancangan sistem pendukung keputusan dengan menggunakan metode Fuzzy Multi-Attribute Decision Making dan Metode

Weighted Product. model unified modeling language (UML) yang digunakan antara lain adalah use case diagram, activity diagram, sequence diagram dan perancangan tampilan antarmuka sistem.

BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM

Pada Bab ini akan dijelaskan hasil pengujian aplikasi dari penelitian berupa tampilan dari aplikasi sistem pendukung keputusan penantuan lokasi pameran sepeda motor dengan menggunakan, metode Fuzzy Multi-Attribute Decision Making dan metode

Weighted Product.

BAB V KESIMPULAN DAN SARAN

Pada Bab ini akan dijelaskan hasil penelitian yang berisi kesimpulan dan saran yang nantinya akan dikembangkan atau melanjutkan penelitian yang berkaitan dengan masalah dalam penelitian ini.

BAB 2

LANDASAN TEORI

2.1 Sistem pendukung keputusan (SPK)

Konsep sistem pendukung keputusan atau decision support system (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah management decisionsystem, sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan. Sistem pendukung keputusan merupakan suatu sistem yang interaktif, yang membantu pengambil keputusan untuk memecahkan masalah yang sifatnya semi-terstruktur maupun yang tidak terstruktur (Rani, 2014).

Pada dasarnya sistem pendukung keputusan merupakan pengembangan lebih lanjut dari sistem informasi manajemen terkomputerisasi yang dirancang sedemikian rupa sehingga bersifat interaktif dengan pemakainya. Interaktif dengan tujuan untuk memudahkan integrasi antara berbagai komponen dalam proses pengambilan keputusan seperti prosedur, kebijakan, analisis, pengalaman dan wawasan manajer untuk mengambil keputusan yang lebih baik (Theorema, 2011).

2.1.1 Pengertian sistem pendukung keputusan

Sistem pendukung keputusan adalah suatu sistem yang ditujukan untuk mendukung manajemen pengambilan keputusan (Subakti, 2002).

Sistem pendukung keputusan adalah sebuah sistem berbasis komputer yang membantu dalam proses pengambilan keputusan yang adaftif, interaktif, fleksibel untuk mendukung solusi dari permasalahan manajemen yang tidak terstruktur untuk meningkatkan kualitas pengambilan keputusan (Rani, 2014).

Sistem pendukung keputusan adalah suatu pendekatan sistematis pada hakekat suatu masalah, pengumpulan fakta-fakta penentu yang matang dari alternatif yang dihadapi dan pengambilan tindakan yang paling tepat. untuk menghasilkan keputusan

yang baik didalam sistem pendukung keputusan, perlu didukung oleh informasi dan fakta-fakta yang berkualitas antara lain :

1. Aksebilitas

Atribut ini berkaitan dengan kemudahan untuk mendapatkan informasi, informasi akan lebih berarti bagi sipemakai jika informasi tersebut mudah didapat, karena akan berkaitan dengan aktifitas dari nilai informasinya.

2. Kelengkapan

Atribut ini berkaitan dengan kelengkapan isi dari informasi, dalam hal ini isi tidak menyangkut hanya volume tetapi juga kesesuaian dengan harapan sipemakai.

3. Ketelitian

Atribut ini berkaitan dengan tingkat kesalahan yang mungkin didalam pelaksanaan pengolahan data dalam jumlah besar.

4. Ketepatan

Atribut ini berkaitan dengan kesesuaian antara informasi yang dihasilkan dengan kebutuhan pemakai.

5. Ketepatan waktu

Kualitas informasi juga sangat ditentukan oleh ketepatan waktu penyampaian dan aktualisasinya.

6. Kejelasan

Atribut ini berkaitan dengan bentuk atau format penyampaian informasi. 7. Fleksibilitas

Atribut ini berkaitan dengan tingkat adaptasi dari informasi yang dihasilkan terhadap kebutuhan sebagai keputusan yang akan diambil (Erniyati, 2011). Sistem pendukung keputusan adalah suatu sistem berbasis komputer yang menghasilkan berbagai alternatif keputusan untuk membantu manajemen dalam menangani berbagai permasalahan yang terstruktur ataupun tidak terstruktur dengan menggunakan data dan model (Eniyati, 2011).

Untuk mendapatkan keputusan yang baik ada beberapa tahapan proses yang harus dilalui yaitu (Eniyati, 2011) :

1. Tahap penelusuran (intelligence) yaitu pada tahap ini proses penelusuran dan pendeteksian dari lingkup proplematika serta proses pengenalan masalah, data masukan diperoleh, diproses, dan diuji untuk mengidentifikasi masalah.

2. Tahap design yaitu pada tahap ini adalah proses menemukan, mengembangkan dan menganalisis alternatif tindakan yang bisa dilakukan. tahap ini meliputi proses untuk mengerti permasalah, membuat solusi serta menguji kelayakan solusi.

3. Tahap choice yaitu pada tahap ini dilakukan proses pemilihan diantara berbagai alternatif tindakan yang akan dijalankan. tahap ini meliputi pencarian, evaluasi, dan rekomendasi solusi yang sesuai untuk model yang telah dibuat. Solusi dari model merupakan nilai spesifik untuk variabel hasil pada alternatif yang dipilih. 4. Tahap implementasi yaitu tahap pelaksanaan dari keputusan yang telah diambil

Pada tahap ini diperlukan untuk menyusun serangkaian tindakan yang terencana, sehingga hasil keputusan dapat dipantau dan disesuaikan apabila diperlukan perbaikan.

2.1.2 Karakteristik dan kemampuan sistem pendukung keputusan

Karakteristik dan kemampuan sistem pendukung keputusan sebagai berikut: a. Karakteristik sistem pendukung keputusan

1. Mendukung seluruh kegiatan organisasi

2. Mendukung beberapa keputusan yang saling berintekrasi 3. Menggunakan beberapa model kuantitatif

b. Kemanpuan sistem pendukung keputusan

1. Sistem pendukung keputusan menunjang pembuatan keputusan manajemen dalam menangani masalah semi-terstruktur dan tidak terstruktur.

2. Sistem pendukung keputusan menunjang tahap-tahap pembuatan keputusan antara lain intelligensi, desain, choice, dan implementation.

3. Sistem pendukung keputusan mempunyai kemampuan untuk melakukan adaptasi setiap saat dan bersifat fleksibel

4. Sistem pendukung keputusan dapat membantu manager berbagai tingkatan manajemen, mulai dari manajemen tingkat atas sampai manajemen tingkat bawah (Kurniasih, 2013).

2.1.3 Tujuan sistem pendukung keputusan

Sistem pendukung keputusan pada hakekatnya memiliki beberapa tujuan, yaitu:

1. Membantu manajer dalam pengambilan keputusan atas masalah semi- terstruktur.

2. Memberikan dukungan atas pertimbangan manajer dan bukan untuk menggantikan fungsi manajer.

3. Meningkatkan efektifitas keputusan yang diambil manajer lebih dari pada perbaikan efisiensinya.

4. Kecepatan komputasi komputer memungkinkan para pengambil keputusan untuk melakukan banyak komputasi secara cepat dengan biaya yang rendah. 5. Dukungan kualitas komputer bisa meningkatkan kualitas keputusan yang

dibuat, misalnya: semakin banyak data yang diakses, makin banyak juga alternatif yang bisa dievaluasi. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan (Turban, et al. 2005).

2.1.4 Tahapan proses pengambilan keputusan

Dalam mengambil keputusan ada 6 langkah yang harus dilakukan diantaranya : 1. Identifikasi masalah

2. Pemilihan metode pemecahan masalah

3. Pengumpulan data yang dibutuhkan untuk melaksanakan model keputusan tersebut

4. Mengimplementasikan model tersebut

5. Mengevaluasi sisi positif dari setiap alternatif yang ada 6. Melaksanakan solusi terpilih (Kusrini, 2007).

2.1.5 Komponen sistem pendukung keputusan

Aplikasi sistem pendukung keputusan bisa terdiri dari beberapa subsistem yaitu: 1. Subsistem manajemen data

Subsistem manajemen data memasukkan satu database yang berisi data yang relevan untuk suatu situasi dan dikelola oleh perangkat lunak yang disebut sistem manajemen database (DBMS/database management system). Subsistem manajemen data bisa diinterkoneksikan dengan data warehouse

perusahaan, suatu repositori untuk data perusahaan yang relevan dengan pengambilan keputusan.

2. Subsistem manajemen model

Merupakan paket perangkat lunak yang memasukkan model keuangan, statistik, ilmu manajemen, atau model kuantitatif lain yang memberikan kapabilitas analitik dan manajemen perangkat lunak yang tepat. Bahasa-bahasa pemodelan untuk membangun model-model kustom juga dimasukkan. Perangkat lunak itu sering disebut manajemen basis model (MBMS/model base management system). Komponen tersebut dapat dikoneksiakan ke penyimpanan korporat atau eksternal yang ada pada model.

3. Subsistem antarmuka pengguna

Pengguna berkomunikasi dengan memerintakan sistem pendukung keputusan melalui subsistem tersebut. Pengguna adalah bagian yang dipertimbangkan dari sistem. Para peneliti menegaskan bahwa beberapa konstribusi unik dari sistem pendukung keputusan berasal dari interaksi yang intensif antara komputer dan pembuat keputusan.

4. Subsistem manajemen berbasis pengetahuan

Subsistem tersebut mendukung semua subsistem lain atau bertindak langsung sebagai suatu komponen independen dan bersifat opsional. Selain memberikan inteligensi untuk memperbesar pengetahuan si pengambil keputusan, subsistem terseut dapat diinterkoneksikan dengan reposistori pengetahuan perusahaan (bagian dari sistem manajemen pengetahuan), yang kadang-kadang disebut basis pengetahuan organisasional (Kusrini, 2007).

Arsitektur SPK dapat ditunjukkan pada Gambar 2.1. (Kusrini, 2007).

Gambar 2.1 Arsitektur SPK

2.2 Metode Fuzzy Multi-Attribute Decision Making (FMADM)

Metode Fuzzy Multi-Attribute Decision Making (FMADM) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dari sejumlah kriteria tertentu.Pada dasarnya ada tiga pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif dan obyektif. Masing-masing pendekatan memiliki kelebihan dan kelemahan.

Pada pendekatan subyektif yaitu: nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif dapat ditentukan secara bebas, sedangkan pada pendekatan obyektif yaitu nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambilan keputusan (Fadhil, 2014).

Fuzzy Multi-Attribute Decision Making (Fuzzy MADM) dikembangkan

untuk Pengambilan keputusan terhadap beberapa alternatif keputusan untuk mendapatkan suatu keputusan yang akurat dan optimal. Moon Hyun Joo dan

Chang Sun Kang mengembangkan metode Fuzzy Decision Making (FDM), dalam 3 langkah penting dalam penyelesaian (Sri Kusumadewi, 2006):

1. Representasi masalah

Pada bagian ini, ada 3 aktivitas yang harus dilakukan, yaitu:

a. Identifikasi tujuan dan kumpulan dapat direpresentasikan dengan menggunakan bahasa alami atau nilai numeris sesuai dengan karakteristik dari masalah tersebut, jika ada n alternatif keputusan dari suatu masalah, maka alternatif-alternatif tersebut dapat ditulis sebagai A = {Ai | I = 1,2,3,…,n}.

b. Identifikasi kumpulan kriteria

Jika ada k kriteria untuk menentukan pilihan dari beberapa alternatif keputusan maka dapat dituliskan C = {Ct | t = 1,2,3,…,k}.

c. Membangun struktur hirarki dari masalah tersebut berdasarkan pertimbangan-pertimbangan tertentu (kusumadewi, 2006).

2. Evaluasi himpunan Fuzzy

Pada bagian ini, ada 3 aktifitas yang harus dilakukan, yaitu:

a. Memilih himpunan rating untuk bobot-bobot kriteria, dan derajat kecocokan setiap alternatif dengan kriterianya. Secara umum, himpunan-himpunan rating terdiri atas tiga elemen, yaitu: variabel

linguistik (x) yang merepresentasikan bobot kriteria, dan derajat kecocokan setiap alternatif dengan kriterianya; T(x) yang merepresentasikan rating dari variabel linguistik; dan fungsi keanggotaan yang berhubungan dengan setiap elemen dari T(x). Misalkan, rating untuk variable penting untuk suatu kriteria didefenisikan sebagai: T (Penting) = {SANGAT RENDAH, RANDAH, CUKUP, TINGGI, SANGAT TINGGI} dan sesudah rating ini ditentukan, maka harus ditentukan fungsi keanggotaan setiap rating. Biasanya digunakan fungsi segitiga seperti pada Gambar 2.2 berikut (Yusro, 2013) :

µ

1

0 a b c

Gambar 2.2 Fungsi keanggotaan bilangan Fuzzy segitiga

( ) = ⎩ ⎪ ⎨ ⎪

⎧ ( − )_{( − ) ; ≤ ≤} ( − )

− ) ; ≤ ≤ 0; ≤ ≥

Misalkan Wt adalah bobot untuk kriteria Ct; dan Sit adalah rating Fuzzy

untuk derajat kecocokan alternatif keputusan Ai dengan kriteria Ct; dan

Fi adalah indeks kecocokan Fuzzy dari alternatif Ai yang

merepresentasikan derajat kecocokan alternatif keputusan dengan kriteria keputusan yang diperoleh dari hasil agregasi Sit dan Wt.

b. Mengevaluasi bobot-bobot kriteria, dan derajat kecocokan setiap alternatif dengan kriterianya

c. Mengagregasikan bobot-bobot kriteria dan derajat kecocokan setiap alternatif dengan kriterianya. ada beberapa metode yang dapat digunakan untuk melakukan agregasi terhadap hasil keputusan para pengambil keputusan, antara lain : Mean, Median, Max, Min, dan operator campuran. dari metode tersebut metode Mean yang paling banyak digunakan. operator ⊕ dan ⊗ adalah operator yang digunakan untuk penjumlahan dan perkalian Fuzzy, dengan menggunakan operator Mean Fi dirumuskan sebagai berikut :

Dengan cara mensubsitusikan Sit dan Wt dengan bilangan Fuzzy

segitiga, yaitu Sit = (oit, Pit, qit); dan Wt = (at, bt, ct); maka Ft dapat

didekati sebagai berikut :

Fi = (Yi, Qi, Zi)... (2)

Dengan :

Yi = ∑ ... (3)

Qi = ∑ ……... (4)

Zi = ∑ ... (5)

Dimana i= 1,2,3,…n 3. Seleksi alternatif optimal

Pada bagian ini, ada 2 aktifitas yang harus dilakukan, yaitu:

a. Memprioritaskan alternatif keputusan berdasarkan hasil agregasi. Prioritas dari hasil agregasi dibutuhkan dalam rangka proses perankingan alternatif keputusan. Karena hasil agregasi direpresentasikan dengan menggunakan bilangan Fuzzy segitiga, maka dibutuhkan metode perangkingan untuk bilangan Fuzzy

segitiga. Salah satu metode yang dapat digunakan adalah metode nilai total integral. Misalkan F adalah bilangan Fuzzy segitiga, F = (a, b, c), maka nilai total integral dapat dirumuskan sebagai berikut: 1 ( ) = ( + + (1 − ) ) …...(6)

Nilai α adalah indeks keoptimisan yang merepresentasikan derajat keoptimisan bagi pengambil keputusan.

b. Memilih alternatif keputusan dengan prioritas tertinggi sebagai alternatif yang optimal, semakin besar nilai F berarti kecocokan terbesar dari alternatif keputusan untuk kriteria keputusan, dan nilai inilah yang akan menjadi tujuannya (kusumadewi, 2006).

2.3 Metode Weighted Product (WP)

Metode Weighted Product merupakan suatu metode penyelesaian dengan menggunakan perkalian untuk menghubungkan rating atribut, dimana rating harus dipangkatkan terlebih dahulu dengan bobot atribut yang bersangkutan. proses ini sama halnya dengan proses normalisas, preferensi untuk alternatif Ai diberikan sebagai

berikut ( Fadhil, 2014) :

s = ∏ x w…………..(1) Di mana:

- S = Vektor S - ∏ = Product

- n = Banyaknya Kriteria - j = Kriteria

- W = Bobot kriteria / subkriteria - i = Alternatif

Wj adalah pangkat bernilai positif untuk atribut keuntungan, dan bernilai negatif

untuk atribut biaya.

Preferensi relatif dari setiap alternatif, diberikan sebagai:

= _∏∏ _{( ∗) --}-- ...(2) Di mana:

- V = vektor V - ∏ = Product - X = Nilai kriteria

- W= Bobot kriteria / subkriteria - j = Kriteria

- n = Banyaknya kriteria - i = Alternatif

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

3.1 Analisis Sistem

Analisis sistem bertujuan untuk melakukan identifikasi persoalan-persoalan yang muncul dalam pembuatan sistem, hal ini dilakukan agar pada proses perancangan aplikasi tidak terjadi kesalahan yang berarti, sehingga sistem yang dirancang dapat berjalan dengan baik, tepat guna, dan ketahanan dari sistem tersebut akan lebih terjaga serta selesai tepat pada waktu yang telah ditentukan.

Sistem ini akan melakukan perhitungan penentuan lokasi pameran sepeda motor dengan menggunakan metode Fuzzy Multi-Atribute Decision Making dan

Weighted Product. 3.1.1 Analisis masalah

Pameran merupakan suatu strategi promosi untuk memperkenalkan barang dan jasa pada konsumen, dengan tujuan untuk menarik minat konsumen agar membeli produk tesebut. fungsi dari pameran itu sendiri adalah suatu tempat untuk mengadakan pertunjukan dengan tujuan memberitahukan tentang informasi produk, baik segi harga, kecepatan dan ketahanan mesin sehingga konsumen yakin dan tertarik ingin menggunakannya. Untuk mencari lokasi pameran sangatlah tidak mudah, karena harus mempertimbangkan faktor-faktor tertentu, yang didasari oleh beberapa kriteri-kriteria yang telah ditentukan dalam proses pemilihan, yaitu kepadatan penduduk, persaingan lokasi, harga sewa lokasi, minat pembeli dan transportasi.

Dalam penentuan lokasi pameran, perhitungan dilakukan dengan melibatkan beberapa data yang akan dihitung dengan secara manual, dalam proses perhitungan akan rentan terjadi kesalahan jika dilakukan dengan manual. Dengan adanya sistem pendukung keputusan penentuan lokasi pameran sepeda motor, proses perhitungannya menjadi lebih mudah dan akurat.

Untuk mengidentifikasi masalah tersebut digunakan diagram Ishikawa

(fishbone diagram). Diagram Ishikawa adalah sebuah alat analisis grafis yang memungkinkan pengguna untuk menampilkan faktor yang terlibat dalam situasi tertentu dapat dilihat pada gambar 3.1

Gambar 3.1 Diagram Ishkawa

Berdasarkan gambar 3.1 diatas terlihat bahwa, permasalahan dalam penentuan lokasi pameran sepeda motor adalah karena belum adanya sistem informasi yang dibuat khusus untuk menyelasaikan masalah tersebut. Maka dibangunlah sistem informasi pendukung keputusan untuk menyelesaikan permasalahan tersebut dengan menggunakan algoritma Fuzzy Multi-Attribute Decision Making dan Weighted Produnct.

3.1.2 Analisis dan kebutuhan sistem

Analisis kebutuhan sistem meliputi analisis fungsional sistem dan analisis kebutuhan

non-fungsional sistem.

3.1.2.1 Kebutuhan fungsional

Kebutuhan fungsional yang harus dimiliki oleh sistem penentuan lokasi pameran dengan algoritma Fuzzy Multi-Attribute Decision Making dan Weighted Product

1. Sistem bisa menerima inputan data lokasi pameran dan bobot kriteria yang ditentukan

2. Sistem bisa mengetahui lokasi yang terbaik berdasarkan hasil pengujian antara metode Fuzzy Multi-Attribute Decision Making dan Weighted Product

3. Sistem mengetahui metode yang mana yang paling cepat memproses data

3.1.2.2Kebutuhan non-fungsional sistem

untuk kebutuhan non-fungsional sestem yaitu :

1. sistem dapat melakukan perhitungan untuk penentuan lokasi pameran dengan komputasi secara cepat.

2. Sistem harus user friendly sehingga dapat dioperasikan oleh pengguna dengan mudah.

3.1.3 Pemodelan

Pemodelan sistem dilakukan untuk memperoleh gambaran yang lebih jelas tentang objek apa saja yang akan berinteraksi dengan sistem, serta hal-hal apa saja yang harus dilakukan oleh sebuah sistem sehingga sistem dapat berfungsi dengan baik dan sesuai dengan kegunaannya.

Pada penelitian ini digunakan UML (Unified Modeling Language) sebagai bahasa pemodelan untuk mendesain dan merancang sistem pendukung keputusan penentuan lokasi pameran sepeda motor. Model UML yang digunakan antara lain Use case diagram, Activity diagram, ERD dan Sequence diagram.

3.1.3.1Use case diagram

Use case diagram adalah sebuah diagram yang dapat merepresentasikan interaksi yang terjadi antara user dengan sistem. Use case diagram akan menjelaskan fungsi apa saja yang dikerjakan oleh sistem.

Dalam sistem yang dibuat terdapat 3 fungsi utama yang dimiliki sistem pada perhitungan metode Fuzzy Multi-Attribute Decision Making dan Weighted product seperti terlihat pada gambar 3.2 dibawah ini :

Gambar 3.2Use case diagram

Proses perhitungan dengan metode Fuzzy Multi-Attribute Decision Making, dapat dilihat pada tabel 3.1. dibawah ini :

Tabel 3.1 Proses perhitungan metode FMADM

Name Proses perhitungan dengan metode FMADM

Actors Admin yang telah ditentukan

Description Use case ini mendeskripsikan proses perhitungan dalam

penentuan lokasi pameran sepeda motor dengan metode FMADM

Basic Flow Admin menginput data kriteria lokasi pameran

Alternate Flow Admin biasa melihat data kriteria yang diinputkan

Pre Condition Admin dapat melihat perbandingan running time dari hasil perhitungan

Untuk proses perhitungan metode Weighted Product, dapat dilihat pada tabel 3.2.dibawah ini :

Tabel 3.2. Proses perhitungan metode WP

Name Proses perhitungan dengan metode WP

Actors Admin yang telah ditentukan

Description Use case ini mendeskripsikan proses perhitungan dalam

penentuan lokasi pameran sepeda motor dengan metode FMADM

Basic Flow Admin menginput data kriteria lokasi pameran

Alternate Flow Admin biasa melihat data kriteria yang diinputkan

Pre Condition Admin dapat melihat perbandingan running time dari hasil perhitungan

Post Condition Admin dapat melihat data pengujian didalam database

3.1.3.2 Activity diagram login

Activity diagramlogin dapat dilihatseperti pada gambar 3.3. dibawah ini :

Pada gambar 3.3 diatas terlihat bahwa, admin terlebih dahulu menginputkan

username dan password, kemudian menekan tombol masuk, Apabila username dan

password valid maka akan tampil menu utama, jika usermane dan password tidak valid maka muncul message box” user tidak ditemukan.

3.1.3.3 Activity diagram perhitungan metode FMADM

Untuk proses Perhitungan dengan metode FMADM, dapat dilihat Activity diagram

pada gambar 3.4.

Gambar 3.4. Activity diagram perhitungan metode FMADM

Pada Activity diagram perhitungan metode Fuzzy Multi-Attribute Decision Making

(FMADM) diatas terlihat bahwa, admin terlebih dahulu melakukan login, Kemudian memilih metode Fuzzy Multi-Attribute Decision Making, maka akan tampil form input data kriteria, setelah semua data kriteria diinputkan, selanjutnya mengKlik

button tambah. Baru kemudian melakukan proses perhitungan dengan mengKlik

button Check, data akan tersimpan kedatabase dan menampilkan hasil perhitungan metode Fuzzy Multi-Attribute Decision Making.

3.1.3.4 Activity diagram perhitungan metodeWP

Untuk Activity diagram proses perhitungan dengan metode Weighted Product, dapat dilihat pada gambar 3.5. dibawah ini :

Gambar 3.5. Activity diagram perhitungan metode WP

Pada Activity diagram perhitungan metode Weighted Product (WP) diatas terlihat bahwa, admin terlebih dahulu melakukan login, Kemudian memilih metode Weighted Product, maka akan tampil form input data kriteria, setelah semua data kriteria diinputkan, selanjutnya mengKlik button tambah. Baru kemudian melakukan proses perhitungan dengan mengKlik button Check, data akan tersimpan kedatabase dan menampilkan hasil perhitungan metode Weighted Product.

3.1.4 Sequence diagram metode FMADM dan WP.

Sequence diagram merupakan suatu diagram interaksi yang menggambarkan

bagaimana objek-objek berpartisipasi dalam berbagai interaksi dan pesan yang ditukar didalam sistem.

3.1.4.1 Sequence Diagram proses perhitungan metode Fuzzy Multi-Attribute Decision Making dapat dilihat pada gambar 3.6 dibawah ini :

Gambar 3.6 Sequence diagram untuk proses perhitungan metode FMADM Pada sequence diagram diatas terlihat bahwa admin melakukan login terlebih dahulu untuk masuk kesistem, kemudian pilih metode FMADM dan input nilai bobot kriteria yang telah ditentukan. Selanjutnya melakukan proses perhitungan serta menyimpan data kedalam database serta menampilkan hasil perhitungan metode Fuzzy

3.1.4.2 Sequence diagram perhitungan metode Weighted Product dapat dilihat seperti pada gambar 3.7 dibawah ini :

Gambar 3.7Sequence diagram untuk proses perhitungan dengan metode WP Pada sequence diagram diatas terlihat bahwa admin melakukan login terlebih dahulu untuk masuk kesistem, kemudian pilih metode Weighted Product dan input nilai bobot kriteria yang telah ditentukan. Selanjutnya melakukan proses perhitungan serta menyimpan data kedalam database serta menampilkan hasil perhitungan metode

Weighted Product (WP).

3.1.4.3 Entity Relationship Diagram (ERD)

Entity Relationship Diagram yaitu hubungan antara entitas – entitas yang ada dalam database, berikut akan ditunjukkan bentuk ERD yang terdapat pada sistem seperti pada gambar 3.8 dibawah ini :

Gambar 3.8 ERD Sistem penentuan lokasi pameran

3.2 Perancangan sistem

Proses perancangan antarmuka (interface) sebuah sistem adalah proses yang cukup penting dalam perancangan sebuah sistem. Merancang antarmuka merupakan bagian yang paling penting dari merancang sebuah sistem. Dapat memberikan kenyamanan dan kemudahan untuk digunakan oleh pengguna.

3.2.1 Perancangan Antarmuka (interface)

Merancang antarmuka merupakan bagian yang paling penting untuk sebuah sistem. Sebuah antarmuka harus dirancang dengan memperhatikan faktor pengguna sehingga sistem yang dibangun dapat memberikan kemudahan untuk digunakan oleh pengguna.

3.2.2. Antarmuka input data metode FMADM

Antarmuka input data merupakan tampilan awal dari sistem untuk penentuan lokasi pameran sepeda motor, user terlebih dahulu menginputkan data dan bobot kriteria masing-masing terlihat seperti pada gambar 3.9 dibawah ini:

Gambar 3.9. Antarmuka input data metode FMADM Keterangan :

K1- K5 adalah kriteria yang ditentukan

1. TexBox Kota

Berfungsi untuk menginputkan nama kota

2. ComboBox K1

Berfungsi sebagai menu pilihan untuk bobot kriteria K1

3. ComboBox K2

Berfungsi sebagai menu pilihan untuk bobot kriteria K2

4. ComboBox K3

Berfungsi sebagai menu pilihan untuk bobot kriteria K3

5. ComboBox K4

Berfungsi sebagai menu pilihan untuk bobot kriteria K4

6. ComboBox K5

Berfungsi sebagai menu pilihan untuk bobot kriteria K5

7. Button Tambah

Berfungsi untuk menambahkan data setiap kriteria

8. Button Check

Setelah pembobotan selesai, maka akan tampil nilai bobot masing-masing kriteria seperti pada gambar 3.10 dibawah ini :

Gambar 3.10. Antarmuka nilai bobot setiap kriteria metode FMADM Keterangan :

K1- K5 adalah kriteria yang ditentukan

1. Data grid view kota

Berfungsi untuk menampilkan nama 2. Data grid view K1

Berfungsi untuk menampilkan bobot K1

3. Data grid view K2

Berfungsi untuk menampilkan bobot K2

4. Data grid view K3

Berfungsi untuk menampilkan bobot K3

5. Data grid view K4

Berfungsi untuk menampilkan bobot K4

6. Data grid view K5

Berfungsi untuk menampilkan bobot K5

7. Button Edit

Selanjutnya adalah proses perhitungan dengan mengklik Button Check, maka akan tampil hasil perhitungan seperti pada gambar 3.11 dibawah ini :

Gambar 3.11 Antarmuka hasil perhitungan metode FMADM Keterangan :

1. Data grid view kota

Berfungsi untuk menampilkan nama kota 2. Data grid view hasil

Berfungsi untuk menampilkan hasil perhitungan 3. Label terbesar kota

Berfungsi untuk menamplkan hasil kota nilai tertinggi 4. Label waktu

Berfungsi untuk menampilkan hasil running time

5. Button reset

Berfungi untuk menghapus data

3.2.3. Antarmuka input data metode Weighted Product.

Form input data metode Weighted Product, user terlebih dahulu menginputkan data dan bobot kriteria masing-masing seperti pada gambar 3.12

Gambar 3.12. Antarmuka input data metode WP Keterangan :

K1- K5 adalah kriteria yang ditentukan

1. TexBox Kota

Berfungsi untuk menginputkan nama kota

2. ComboBox K1

Berfungsi sebagai menu pilihan untuk bobot kriteria K1

3. ComboBox K2

Berfungsi sebagai menu pilihan untuk bobot kriteria K2

4. ComboBox K3

Berfungsi sebagai menu pilihan untuk bobot kriteria K3

5. ComboBox K4

Berfungsi sebagai menu pilihan untuk bobot kriteria K4

6. ComboBox K5

Berfungsi sebagai menu pilihan untuk bobot kriteria K5

7. Button Tambah

Berfungsi untuk menambahkan data setiap kriteria

8. Button Check

Setelah pembobotan selesai, maka akan tampil nilai bobot masing-masing kriteria seperti pada gambar 3.13 dibawah ini :

Gambar 3.13. Antarmuka nilai bobot setiap kriteria metode WP Keterangan :

K1- K5 adalah kriteria yang ditentukan

1. Data grid view kota

Berfungsi untuk menampilkan nama kota 2. Data grid view K1

Berfungsi untuk menampilkan bobot K1

3. Data grid view K2

Berfungsi untuk menampilkan bobot K2

4. Data grid view K3

Berfungsi untuk menampilkan bobot K3

5. Data grid view K4

Berfungsi untuk menampilkan bobot K4

6. Data grid view K5

Berfungsi untuk menampilkan bobot K5

7. Button Edit

Selanjutnya adalah proses perhitungan dengan mengklik Button Check, maka akan tampil hasil perhitungan seperti pada gambar 3.14 dibawah ini :

Gambar 3.14 Antarmuka hasil perhitungan metode WP Keterangan :

1. Data grid view kota

Berfungsi untuk menampilkan nama kota 2. Data grid view hasil

Berfungsi untuk menampilkan hasil perhitungan 3. Label terbesar kota

Berfungsi untuk menamplkan hasil kota nilai tertinggi 4. Label waktu

Berfungsi untuk menampilkan hasil running time

5. Button reset

Berfungi untuk menghapus data

3.2.4. Antarmuka perbandingan metode FMADM dan WP

Antarmuka perbandingan metode Fuzzy Multi-Attribute Decision Making (FMADM) dan Weighted Product (WP)seperti pada gambar 3.15 dibawah ini :

Gambar 3.15 Perbandingan metode FMADM dan WP Keterangan :

1. Label Fuzzy

Berfungsi untuk menampilkan nama metode Fuzzy

2. Label waktu

Berfungsi untuk menampilkan waktu running rime

3. Label WP

Berfungsi untuk menampilkan nama metode WP 4. Label waktu

Berfungsi untuk menampilkan waktu running rime

5. Button kembali

Berfungsi untuk kembali form menu utama 3.2.5. Antarmuka lihat data metode FMADM dan WP.

Untuk melihat data pada metode Fuzzy Multi-Attribute Decision Making dan

Weighted Product seperti pada gambar 3.16 dibawah ini :

Keterangan :

K1- K5 adalah kriteria yang ditentukan

1. Data grid view kota

Berfungsi untuk menampilkan nama kota 2. Data grid view K1

Berfungsi untuk menampilkan nilai K1

3. Data grid view K2

Berfungsi untuk menampilkan nilai K2

4. Data grid view K3

Berfungsi untuk menampilkan nilai 3

5. Data grid view K4

Berfungsi untuk menampilkan nilai K4

6. Data grid view K5

Berfungsi untuk menampilkan nilai K5

7. Data grid view metode

Berfungsi untuk menampilkan metode yang dipilih 8. Data grid view kota terbesar

Berfungsi untuk menampilkan kota nilai tertinggi 9. Data grid view pengecekan

Berfungsi untuk menampilkan pengecekan ke berapa

3.3 Flowchart

3.3.1 Flowchart metode Fuzzy Multi-Attribute Decision Making (FMADM)

Fuzzy Multi-Attribute Decision Making (FMADM) adalah suatu metode yang

digunakan untuk mencari alternatif optimal dari sejumlah alternatif dari sejumlah kriteria tertentu. inti dari metode FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan. Berikut disajikan Flowchart dari metode FMADM pada gambar 3.17 dibawah ini :

Gambar 3.17.Flowchart metode FMADM Mulai

Input data lokasi dan

kriteria

Representasi masalah

Evaluasi himpunan

Fuzzy

Seleksi altenatif optimal

Selesai Lokasi Terbaik

3.3.2. Flowchartmetode Weighted Product (WP)

Metode Weigthted Product merupakan suatu metode penyelesaian dengan menggunakan perkalian untuk menghubungkan rating atribut, dimana rating harus dipangkatkan terlebih dahulu dengan bobot atribut yang bersangkutan. Berikut adalah

Flowchart dari metode Weighted Product pada gambar 3.18.

Gambar 3.18Flowchart metode WP Mulai

Input data kriteria

lokasi

Selesai Normalisasi

bobot

Hitung Vektor S

Lokasi Terbaik Hitung vektor V

3.3.3. Flowchart sistem

Flowchart Sistem untuk penentuan lokasi pameran sepeda motor dengan metode FMADM dan WP seperti pada gambar 3.9 dibawah ini :

Tidak

Ya

Gambar 3.19. Flowchart Sistem. Mulai

Data Nilai kriteria setiap alternatif

Pilih Metode

FMADM ?

Selesai Evaluasi

Himpunan

Fuzzy

Hasil FMADM

Seleksi Alternatif

Optimal Representasi

Masalah Normalisasi Bobot

Hitung Vektor S

Hitung Vektor V

Hasil WP

BAB 4

IMPLEMENTASI DAN PENGUJIAN SISTEM

4.1 Implementasi Sistem

Implementasi sistem merupakan tahap proses bagaimana sistem dijalankan berdasarkan kebutuhan desain yang telah dirancang pada tahap sebelumnya.

4.1.1 Implementasi metode FMADM

Penerapan metode Fuzzy Multi-Attribute Decision Making dalam sistem yang dibuat adalah penentuan lokasi pameran sepeda motor terbaik, dibawah ini adalah contoh kasus yang akan diselesaikan secara manual dengan metode Fuzzy Multi-Attribute Decision Making.

Contoh Kasus :

1. Suatu industri yang bergerak dibidang pemasaran barang dan jasa, ingin mencari lokasi pameran untuk mempromosikan produk-produknya, dalam hal ini ada lima kriteria yang dipertimbangkan untuk pengambilan keputusan serta beberapa sampel lokasi.

a. Adapun Kriteria yang ditentukan seperti pada tabel 4.1 dibawah ini

Tabel 4.1 Kriteria dan bobot masing-masing metode FMADM

No Kriteria Bobot

1 Kepadatan penduduk 0, 0, 0,25 2 Persaingan lokasi 0, 0,25, 0,5 3 Harga sewa lokasi 0,25, 0,5, 0,75 4 Minat pembeli 0,5, 0,75, 1 5 Transportasi 0,75, 1, 1

b. Sampel lokasi 1. Afdeling VII 2. Aliaga III 3. PT.Kas 4. Panyabungan 5. PT.Mai

4.1.1.1 Penyelesaian kasus diatas dengan metode Fuzzy Multi-Attribute Decision Making ada beberapa langka yang harus dilakukan yaitu :

1. Representasi masalah yaitu :

Tujuan keputusan ini adalah mengelompokkan alternatif lokasi, kriteia dan membuat struktur hirarki permasalahan.

2. Evaluasi himpuman Fuzzy

Pada langkah evaluasi himpunan Fuzzy yaitu untuk merepresentasikan bobot kepentingan untuk setiap kriteria yaitu T (kepentingan) W = {SR, R, C, T, ST} dengan SR = sangat rendah; R = Rendah; C = Cukup; T= Tinggi; ST= Sangat Tinggi; yang masing-masing direpresentasikan dengan bilangan Fuzzy segitiga dengan bobot sebagai berikut :

 SR(Sangat Rendah) = (0, 0, 0,25)  R (Rendah) = (0, 0,25, 0,5)  C (Cukup) = (0,25, 0,5, 0,75)  T (Tinggi) = (0,5, 0,75, 1)  ST (Sangat Tinggi) = (0,75, 1, 1)

Dibawah ini adalah rating untuk setiap kriteria keputusan seperti terlihat pada tabel 4.2 dan derajat kecocokan kriteria keputusan dan alternatif terlihat pada tabel 4.3. dibawah ini :

Tabel 4.2 Tabel Rating Kepentingan untuk Setiap Kriteria

Kriteria K1 K2 K3 K4 K5

Tabel 4.3 Tabel rating kecocokan untuk setiap alternatif metode FMADM

Keterangan : K= Kriteria

1. SS (Sangat Sedikit) = (0, 0, 0,25) 2. S (Sedikit) = (0, 0,25, 0,5) 3. C (Cukup) = (0,25, 0,5, 0,75) 4. T (Tinggi) = (0,5, 0,75, 1) 5. ST (Sangat Tinggi) = (0,75, 1, 1)

3. Mensubstitusikan bilangan Fuzzy segitiga kesetiap variabel linguistik, pada tabel 4.2 dan tabel 4.3 sehingga diperoleh nilai kecocokan Fuzzy seperti dibawah ini:

 Afdeling VII

Y = (0,75x 0) + (0,5x0) + (0,25x0,75) + (0x0,75) + (0,5x0,25)₅ = 0,06 Q = (1x 0) + (0,75x0,25) + (0,5x1) + (0,25x1) + (0,75x0,5)₅ = 0,26 Z = (1x 0,25) + (1x0,5) + (0,75x1) + (0,5x1) + (1x0,75)₅ = 0,55

 Aliaga III

Y = (0,75x 0,75) + (0,5 x 0,5) + (0,25 x 0,25) + (0x0,5) + (0,5x0)₅ = 0,17 Q = (1x1) + (0,75x0,75) + (0,5x0,5) + (0,25x0,75) + (0,75x0)₅ = 0,39

Alternatif Rating kecocokan

K1 K2 K3 K4 K5

Afdeling VII SS S ST ST C

Aliaga III ST T C T SS

PT.Kas T ST C SS C

Panyabungan C ST C S C

Z = (1x 1) + (1x1) + (0,75x0,75) + (0,5x1) + (1x0,25)₅ = 0,66

 PT.Kas

Y = (0,75x 0,5) + (0,5x0,75) + (0,25x0,25) + (0x0) + (0,5x0,25)

5 = 0,18

Q = (1x0,75) + (0,75x1) + (0,5x0,5) + (0,25x0) + (0,75x0,5)

5 = 0,42

Z = (1x 1) + (1x1) + (0,75x0,75) + (0,5x0,25) + (1x0,75)

5 = 0,68

 Panyabungan

Y =(0,75x0,25) + (0,5x0,75) + (0,25x0,25) + (0x0) + (0,5x0,25)₅ = 0,14 Q = (1x 0,5) + (0,75x1) + (0,5x0,5) + (0,25x0,25) + (0,75x0,5)₅ = 0,38 Z = (1x0,75 ) + (1x1) + (0,75x0,75) + (0,5x0,5) + (1x0,75)₅ = 0,66

 PT.Mai

Y = (0,75x 0,25) + (0,5x0,5) + (0,25x0,25) + (0x0) + (0,5x0,75)₅ = 0,17 Q = (1x 0,5) + (0,75x0,75) + (0,5x0,5) + (0,25x0,25) + (0,75x1)₅ = 0,52 Z = (1x 0,75) + (1x1) + (0,75x0,75) + (0,5x0,5) + (1x1)₅ = 0,76

Dibawah ini adalah hasil perhitungan untuk setiap alternatif, dapat dilihat pada tabel 4.4 dibawah ini :

Tabel 4.4 Indeks kecocokan untuk setiap alternatif metode FMADM Alternatif

(Lokasi)

Indeks kecocokan

Afdeling VII 0,06 0,26 0,55

Aliaga III 0,17 0,39 0,66

PT.Kas 0,18 0,42 0,68

Panyabungan 0,14 0,38 0,66

4. Seleksi alternatif optimal

Pada langkah seleksi alternatif optimal hanya mensubsitusikan indeks kecocokan pada tabel 4.3 dengan derajat keoptimisan (α) = 0 (tidak optimis), α = 0,5 dan α = 1(sangat optimis), maka akan diperoleh nilai total integral untuk setiap alternatif dengan rumus :

1 ( ) = 1_{2 ( + +}(1 − ) ) Untuk α = 0,5 adalah:

1 , = 1

2 (0,5)(0,55) + (0,26) + (1 − 0,5)(0,06) = 0,28 1 , = 1₂ (0,5)(0,66) + (0,39) + (1 − 0,5)(0,17) = 0,41

1 , = (0,5)(0,68) + (0,42) + (1 − 0,5)(0,18) = 0,44

1 , = 1₂ (0,5)(0,66) + (0,38) + (1 − 0,5)(0,14) = 0,40

1 , = (0,5)(0,76) + (0,52) + (1 − 0,5)(0,17) = 0,44

Dari hasil mensubsitusikan terlihat bahwa ada dua alternatif lokasi yang memiliki nilai total integral yang sama yaitu: PT.Kas dan PT.Mai, kedua lokasi ini terpilih sebagai lokasi pameran karena memiliki hasil yang sama pada metode Fuzzy Multi-Attribute Decision Making.

4.1.2 Implementasi metode Weighted Product.

Penerapan metode Weighted Product dalam sistem yang dibuat adalah penentuan lokasi pameran sepeda motor, dibawah ini adalah contoh kasus yang akan diselesaikan secara menual dengan metode Weighted Product.

Contoh Kasus :

Suatu industri yang bergerak dibidang pemasaran barang dan jasa, ingin mencari lokasi pameran untuk mempromosikan produk-produknya, dalam hal ini ada lima kriteria yang dipertimbangkan untuk pengambilan keputusan serta beberapa sampel lokasi.

a. Adapun kriteria yang ditentukan seperti pada tabel 4.5 dibawah ini

Tabel 4.5 Kriteria dan bobot masing-masing metode WP

No Kriteria Bobot

1 Kepadatan penduduk 1-5

2 Persaingan lokasi 1-5

3 Harga sewa lokasi 1-5

4 Minat pembeli 1-5

5 Transportasi 1-5

b. Sampel lokasi 1. Afdeling VII 2. Aliaga III 3. PT.Kas 4. Panyabungan 5. PT.Mai

4.1.2.1 Penyelesaian kasus diatas dengan metode Weighted Product

Pada penyelesaian metode Weighted Product ada 4 proses yang akan dilakukan diantaranya:

1. Melakukan identifikasi bobot terlebih dahulu apakah termasuk kriteria keuntungan atau kriteria biaya, untuk atribut keuntungan berpangkat positif dan untuk atribut biaya berpangkat negatif. dipembahasan ini K1 dan K2

adalah kriteria keuntungan sedangkan K3, K4 dan K5 adalah kriteria biaya. Tabel 4.6 Rating kecocokan dari setiap alternatif setiap kriteria metode WP

Alternatif

Kriteria

K1 K2 K3 K4 K5

Afdeling VII SS S ST ST C

Aliaga III ST T C T SS

PT.Kas T ST C SS C

Panyabungan C ST C S C

Keterangan : K= Kriteria Dengan bobot 1-5

1. SS (Sangat Sedikit) = (1) 2. S (Sedikit) = (2)

3. C (Cukup) = (3)

4. T (Tinggi) = (4)

5. ST (Sangat Tinggi) = (5)

2. Melakukan perbaikan bobot terlebih dahulu dengan bobot awal yang diberikan adalah W = (3, 4, 4, 5, 2) akan diperbaiki sehingga total bobot ∑ Wj

= 1, dengan cara: W = _∑

w =_{3 + 4 + 4 + 5 + 2 =} 3 _{18 = 0,16}3

w =_{3 + 4 + 4 + 5 + 2 =} 4 _{18 = 0,22}4

w =_{3 + 4 + 4 + 5 + 2 =} 4 _{18 = 0,22}4

w =_{3 + 4 + 4 + 5 + 2 =} 5 _{18 = 0,27}5

w =_{3 + 4 + 4 + 5 + 2 =} 2 _{18 = 0,11}2

3. Menghitung vektor S berdasarkan persamaan pada tabel 4.6 dan hasil perbaikan bobot sehingga diperoleh hasilnya seperti dibawah ini :

= (1 , ₎₍₂ , ₎₍₅ , ₎₍₅ , ₎₍₃ , _{) = 0,46} S = (5 , ₎₍₄ , ₎₍₃ , ₎₍₄ , ₎₍₁ , _{) = 0,95} S = (4 , ₎₍₅ , ₎₍₃ , ₎₍₁ , ₎₍₃ , _{) =1,23} S = (3 , ₎₍₅ , ₎₍₃ , ₎₍₂ , ₎₍₃ , _{) = 0,98} S = (3 , ₎₍₄ , ₎₍₃ , ₎₍₂ , ₎₍₅ , _{) =0,88}

4. Menghitung nilai vektor V berdasarkan hasil perhitungan vektor S untuk perangkingan, sehingga diperoleh hasil sebagai berikut :

V = _{0,46 + 0,95 + 1.23 + 0,98 + 0,88 = 0,10}0,46 V = _{0,46 + 0,95 + 1.23 + 0,98 + 0,88 = 0,21}0,95 V = _{0,46 + 0,95 + 1.23 + 0,98 + 0,88 = 0,27}1.23 V = _{0,46 + 0,95 + 1.23 + 0,98 + 0,88 = 0,21}0,98 V = _{0,46 + 0,95 + 1.23 + 0,98 + 0,88 = 0,19}0,88

Dari hasil perhitungan vektor S, diperoleh hasil bahwa V3 dengan lokasi PT.Kas

terpilih sebagai Lokasi pameran pada metode Weighted Product. 4.2 Antarmuka Sistem

Pada Sistem Pendukung Keputusan Penentuan lokasi pemeran sepeda motor ada empat tampilan utama, yaitu :

1. form Login

2. form Menu utama 3. form Input metode 4. form perbandingan 5. form lihat data

4.2.1. Tampilan form login

Tampilan form login adalah tampilan awal setelah program dijalankan, untuk masuk kesistem admin terlebih dahulu melakukan login dengan menginputkan username dan

password seperti pada gambar 4.1 dibawah ini :

4.2.2. Tampilan form menu utama

Tampilan form menu utama merupakan tampilan awal setelah user login, terdapat 3

form pilihan didalam menu utama yaitu form pilih metode, form perbandingan dan

form lihat data seperti pada gambar 4.2 dibawah ini

Gambar 4.2 Tampilan form menu utama

4.2.3 Tampilan form metode FMADM

Tampilan form metode FMADM merupakan tampilan awal setelah user masuk kesistem, kemudian ada 5 kriteria yang akan diinputkan user, seperti pada gambar 4.3 dibawah ini :

4.2.3. Tampilan form metode WP

Tampilan form metode WP merupakan tampilan awal setelah user masuk kesistem, kemudian ada 5 kriteria yang akan diinputkan user, seperti pada gambar 4.4 dibawah ini :

Gambar 4.4 Tampilan form metode WP

4.2.4. Tampilan form perbandingan metode FMADM dan WP

Tampilan form perbandingan metode Fuzzy Multi-Attribute Decision Making dan

Weighted Product merupakan tampilan waktu proses dari kedua metode seperti pada gambar 4.5 dibawah ini :

G a m b a r

4.2.5. Tampilan form lihat data

Tampilan form lihat data berfungsi sebagai tempat penyimpanan data yang telah diproses seperti pada gambar 4.6 dibawah ini :

Gambar 4.6 lihat data

4.3 Pengujian Sistem

Pengujian sistem dilakukan guna untuk mengetahui kinerja sistem dalam melakukan proses perhitungan. Penentuan lokasi pameran sepeda motor dengan menggunakan metode Fuzzy Multi-Attribute Decision Making dan Weighted Product, hasil perhitungan kedua metode harus sama, sehingga pengguna tidak bingung dan mudah dalam proses penentuan lokasi pameran.

4.3.1 Pengujian dengan metode Fuzzy Multi-Attribute Decision Making

Perhitungan dengan metode Fuzzy Multi-Attribute Decision Making (FMADM),

masing-masing kriteria dan bobot ditentukan oleh user seperti terlihat pada gambar 4.7 dibawah ini :

Gambar 4.7 Pembobotan kriteria metode FMADM

Setelah nilai bobot masing-masing diinputkan, selanjutnya user mengklik

Button tambah maka akan tampil seperti pada gambar 4.8 dibawah ini :

Gambar 4.8 Data hasil inputan metode FMADM

Setelah data input ditambahkan, user bisa melakukan edit data inputan apabila ada perubahan data seperti pada gambar 4.9 dibawah ini :

Gambar 4.9 hasil perbaikan metode FMADM

Setelah data diubah, selanjutnya adalah user melakukan proses perhitungan dengan mengklik Button Check maka akan tampil hasil perhitungan seperti pada gambar 4.10 dibawah ini :

Gambar 4.10 Hasil perhitungan metode FMADM

Berdasarkan hasil perhitungan dengan metode FMADM pada gambar 4.10 diatas, terlihat bahwa, nilai yang tertinggi adalah kota Aliaga III dengan hasil perhitungan 0.41, maka kota Aliaga III terpilih sebagai lokasi pameran.

4.3.2 Pengujian perhitungan metode Weighted Product.

Pengujian dengan metode Weighted Product, masing-masing kriteria dan bobot ditentukan oleh user seperti pada gambar 4.11

Gambar 4.11 Pembobotan kriteria WP

Setelah nilai bobot diinputkan, selanjutnya user mengklik Button tambah maka akan tampil seperti pada gambar 4.12 dibawah ini :

Gambar 4.12 Data hasil inputan metode WP

Setelah data ditambahkan, user bisa melakukan edit data inputan apabila ada perubahan data seperti pada gambar 4.13 dibawah ini :

Gambar 4.13 hasil perbaikan metode WP

Selanjutnya adalah user melakukan proses perhitungan dengan mengklik

Button Check maka akan tampil hasil perhitungan seperti pada gambar 4.14 dibawah ini :

Gambar 4.14 Hasil perhitungan metode WP

Berdasarkan hasil perhitungan dengan metode WP pada gambar 4.14 diatas, terlihat bahwa nilai yang tinggi adalah kota Aliaga III dengan hasil perhitungan 0.67, maka kota Aliaga III terpilih sebagai lokasi pameran.

4.3.3 Perbandingan running time metode FMADM dan WP

Berikut adalah tampilan hasil perbandingan running time dengan metode Fuzzy Multi-Attribute Decision Making dan Weighted Product seperti pada gambar 4.15 dibawah ini :

Gambar 4.15 Hasil perbandingan running time metode FMADM dan WP Berdasarkan dari hasil pengujian pada gambar 4.10 dan 4.14 diatas terlihat bahwa, metode Weighted Product (WP) lebih cepat memproses data dibandingkan dengan metode Fuzzy Multi-Attribute Decision Making (FMADM).

4.3.4 Tampilan database

Berikut adalah tampilan database hasil pengujian dengan metode Fuzzy Multi-Attribute Decision Making (FMADM) dan Weighted Product (WP) seperti pada gambar 4.16 dibawah ini :

Gambar 4.16 Tampilan database

Pada gambar 4.16 diatas merupakan tampilan hasil dari pengujian metode Fuzzy

Multi-Attribute Decision Making (FMADM) dan Weighted Product (WP) yang

4.4 Perbandingan big theta pada pengujian sistem dalam penentuan lokasi pameran sepeda motor dengan metode Fuzzy Multi-Attribute Decision Making dan Weighted Product seperti pada tabel dibawah ini :

4.4.1 Perhitungan kompleksitas algoritma pada metode Fuzzy Multi-Attribute Decision Making seperti pada tabel 4.7 dibawah ini :

Tabel 4.7 Kompleksitas algoritma metode FMADM

No Code C # C.#

Private Sub BtnCheck_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles BtnCheck.Click

1 Dim watch As Stopwatch = Stopwatch.StartNew() C1 1 C1 2 If DgvInput.RowCount > 0 Then C2 1 C2 3 DgvHasil.Visible = True C3 1 C3

4 btnReset.Visible = True C3 1 C3

5 Dim i, totalbaris As Integer C1 1 C1

6 totalbaris = DgvInput.RowCount – 1 C3 1 C3 7 Dim NamaKota, k1, k2, k3, k4, k5, metode As String C1 1 C1 8 Dim kota()() As String = New String(totalbaris)() {} C1 1 C1

9 Koneksi() C4 1 C4

10 Dim id As Integer C5 1 C5

11 Id = Angka () + 1 C3 1 C3

12 V_koneksi.open() C6 1 C6

13 If menuFMADM.checked Then C2 1 C2

14 metode = “FUZZY” C3 1 C3

15 Else C2 1 C2

16 metode = “WP” C3 1 C3

17 End If

19 For i = 0 To totalbaris C4 1 C4 20 NamaKota = DgvInput.Rows(i).Cells(0).Value C3 n C3n 21 k1 = DgvInput.Rows(i).Cells(1).Value C3 n C3n

22 k2 = DgvInput.Rows(i).Cells(2).Value C3 n C3n

Dim kta As String = TxtKota.Text If kta = "" Then

MsgBox("Kota Harus diisi!") TxtKota.Focus()

ElseIf IsNumeric(kota) Then

MsgBox("Kota Harus Huruf!") TxtKota.Focus()

Else

BtnEdit2.Visible = True

DgvInput.Visible = True

Dim c(5) As String

If CbxC1.Text = "" Then

MsgBox("C1 Harus diisi!") CbxC1.Focus()

ElseIf CbxC2.Text = "" Then

MsgBox("C2 Harus diisi!") CbxC2.Focus()

ElseIf CbxC3.Text = "" Then

MsgBox("C3 Harus diisi!") CbxC3.Focus()

ElseIf CbxC4.Text = "" Then

MsgBox("C4 Harus diisi!") CbxC4.Focus()

ElseIf CbxC5.Text = "" Then

MsgBox("C5 Harus diisi!") CbxC5.Focus()

Else

k(1) = CbxC1.SelectedItem k(2) = CbxC2.SelectedItem k(3) = CbxC3.SelectedItem k(4) = CbxC4.SelectedItem k(5) = CbxC5.SelectedItem

DgvInput.Rows.Add(kota, k(1), k(2), k(3), k(4), k(5)) TxtKota.Clear()

CbxC1.ResetText() CbxC2.ResetText() CbxC3.ResetText() CbxC4.ResetText() CbxC5.ResetText() End If

End If

End Sub

Private Sub WPToolStripMenuItem_Click(ByVal sender As System.Object,

ByVal e As System.EventArgs) Handles MenuFMADM.Click Dim i As String

a = MenuFMADM.Checked If j = False Then

MenuFMADM.Checked = True

MenuWP.Checked = False

If MenuFMADM.Checked Then

LblSS.Text = "* SS = Sangat Sedikit" LblS.Text = "* S = Sedikit"

LblC.Text = "* C = Cukup" LblT.Text = "* T = Tinggi"

End If

End If

End Sub

Private Sub MenuWP_Click(ByVal sender As System.Object, ByVal e As

System.EventArgs) Handles MenuWP.Click Dim i As String

b = MenuWP.Checked If j = False Then

MenuWP.Checked = True

MenuFMADM.Checked = False

If MenuWP.Checked Then

LblSS.Text = "* SS = 1" LblS.Text = "* S = 2" LblC.Text = "* C = 3" LblT.Text = "* T = 4" LblST.Text = "* ST = 5" End If

End If

End Sub

Private Sub PerbandinganToolStripMenuItem_Click(ByVal sender As

System.Object, ByVal e As System.EventArgs) Handles

PerbandinganToolStripMenuItem.Click Me.Hide()

FrmPerbandingan.Show() End Sub

Private Sub Button1_Click(ByVal sender As System.Object, ByVal e As

System.EventArgs) Handles btnReset.Click DgvInput.Rows.Clear()

DgvHasil.Rows.Clear() DgvHasil.Visible = False

DgvInput.Visible = False

LblTerbesar1.Visible = False

lblbesar.Visible = False

lblTotTime.Visible = False

btnReset.Visible = False

LblData.Visible = False

BtnEdit2.Visible = False

End Sub

Function ind(ByVal index As Integer) Return index

End Function

Private Sub Button1_Click_1(ByVal sender As System.Object, ByVal e

As System.EventArgs) Handles BtnEdit2.Click BtnEdit.Visible = True

BtnEdit2.Visible = False

BtnLihat.Visible = False

BtnCheck.Visible = False

Dim isi, kota, k1, k2, k3, k4, k5 As String

isi = DgvInput.CurrentRow.Index

kota = DgvInput.Rows(isi).Cells(0).Value k1 = DgvInput.Rows(isi).Cells(1).Value k2 = DgvInput.Rows(isi).Cells(2).Value

k3 = DgvInput.Rows(isi).Cells(3).Value k4 = DgvInput.Rows(isi).Cells(4).Value k5 = DgvInput.Rows(isi).Cells(5).Value TxtKota.Text = kota

CbxC1.Text = k1 CbxC2.Text = k2 CbxC3.Text = k3 CbxC4.Text = k4 CbxC5.Text = k5 End Sub

Private Sub BtnEdit_Click(ByVal sender As System.Object, ByVal e As

System.EventArgs) Handles BtnEdit.Click Dim kta As String = TxtKota.Text If kta = "" Then

MsgBox("Kota Harus diisi!") TxtKota.Focus()

ElseIf IsNumeric(kota) Then

MsgBox("Kota Harus Huruf!") TxtKota.Focus()

Else

BtnEdit2.Visible = True

DgvInput.Visible = True

If CbxC1.Text = "" Then

MsgBox("C1 Harus diisi!") CbxC1.Focus()

ElseIf CbxC2.Text = "" Then

MsgBox("C2 Harus diisi!") CbxC2.Focus()

ElseIf CbxC3.Text = "" Then

MsgBox("C3 Harus diisi!") CbxC3.Focus()

ElseIf CbxC4.Text = "" Then

MsgBox("C4 Harus diisi!") CbxC4.Focus()

ElseIf CbxC5.Text = "" Then

MsgBox("C5 Harus diisi!") CbxC5.Focus()

Else

Dim idx As Integer

index = DgvInput.CurrentRow.Index

DgvInput.Rows(index).Cells(0).Value = TxtKota.Text DgvInput.Rows(index).Cells(1).Value = CbxC1.SelectedItem DgvInput.Rows(index).Cells(2).Value = CbxC2.SelectedItem DgvInput.Rows(index).Cells(3).Value = CbxC3.SelectedItem DgvInput.Rows(index).Cells(4).Value = CbxC4.SelectedItem DgvInput.Rows(index).Cells(5).Value = CbxC5.SelectedItem TxtKota.Clear()

CbxC1.ResetText() CbxC2.ResetText() CbxC3.ResetText() CbxC4.ResetText() CbxC5.ResetText() BtnEdit.Visible = False

BtnLihat.Visible = True

BtnCheck.Visible = True

End If

End If

Private Sub LihatDataToolStripMenuItem_Click(ByVal sender As

System.Object, ByVal e As System.EventArgs) Handles

LihatDataToolStripMenuItem.Click Me.Hide()

FrmData.Show() End Sub

End Class

3.

Data.vb

Imports System.Data

Imports System.Data.SqlClient

Public Class FrmData Function loading() koneksi()

v_koneksi.Open()

v_cmd = New SqlCommand("SELECT

[kota],[k1],[k2],[k3],[k4],[k5],[metode],[kota_besar],[id_inc],[id] FROM [metode].[dbo].[Tabel_Cek] ", v_koneksi)

reader = v_cmd.ExecuteReader DgvData.Rows.Clear()

While reader.Read

Dim aryy(9) As String

arr(0) = reader(0).ToString arr(1) = reader(1).ToString arr(2) = reader(2).ToString arr(3) = reader(3).ToString arr(4) = reader(4).ToString arr(5) = reader(5).ToString arr(6) = reader(6).ToString arr(7) = reader(7).ToString arr(8) = reader(8).ToString

arr(9) = "Pegecekan ke - " & reader(9).ToString DgvData.Rows.Add(arr)

End While

v_koneksi.Close() Return True

End Function

Private Sub data_Load(ByVal sender As System.Object, ByVal e As

System.EventArgs) Handles MyBase.Load loading()

End Sub

Private Sub Button1_Click(ByVal sender As System.Object, ByVal e As

System.EventArgs) Handles Kembali.Click Me.Close()

FrmInput.Show() End Sub

Private Sub Button2_Click(ByVal sender As System.Object, ByVal e As

System.EventArgs) Handles Hapus.Click

For Each dr As DataGridViewRow In Me.DgvData.SelectedRows koneksi()

v_koneksi.Open()

v_cmd = New SqlCommand("DELETE FROM Tabel_Cek WHERE id_inc = '" & DgvData.Rows(dr.Index).Cells(8).Value & "'", v_koneksi)

reader = v_cmd.ExecuteReader v_koneksi.Close()

Next

loading() End Sub

4.

Modul.vb

Imports System.Data

Imports System.Data.SqlClient

Module konek

Public v_koneksi As SqlConnection Public v_cmd As SqlCommand

Public dataAdapter As SqlDataAdapter Public reader As SqlDataReader Sub koneksi()

v_koneksi = New SqlConnection("Data Source=harun-pc\sqlexpress; initial catalog=metode; integrated security=true")

End Sub End Module

Curriculum Vitae

Nama

: Muhammad Harun Daulay

Tanggal Lahir

: Batang Bulu,

07

Agustus 1992

Jenis Kelamin

: Laki - laki

Alamat Sekarang

: Jl. Jamin Ginting, Gg.Medan Area, No 5 Medan

Alamat Orang Tua : Desa Batang Bulu Baru, Kec.Barumun Selatan,

Kab. Padang Lawas

Hp

: 0821-6676-5314

Email

: Muhammadh4run@gmail.com

Riwayat Pendidikan

1999 – 2005

: SD Negeri 100940, Batang Bulu, Kec.Barumun,

Kab.Padang Lawas

2005 – 2008

: SMP Negeri 3 Barumun, Batang Bulu, Kab.Padang Lawas

2008 – 2011

: SMK Negeri 1 Barumun, Jln.Karya Pembangunan No.007