Hasil Perhitungan Sistem Pengujian Hasil Manual dengan Sistem

Gambar 5.143 Array Nilai Normalisasi Vektor Bobot Setiap Kriteria Tabel 5.38 Nilai Normalisasi Vektor Bobot Setiap Kriteria 1 2 3 4 Nama Harga Luas Tanah Luas Bangunan Lokasi Spesifikasi 0 Rumah 1 BTH Blok B 2 0.000 0.341 0.507 0.134 0.714 1 Rumah 2 Blok A 1 0.163 0.302 0.307 0.289 0.143 2 Rumah 3 Blok C 1 0.308 0.000 0.033 0.289 0.000 3 Rumah 4 Blok D 1H 0.297 0.073 0.000 0.289 0.000 4 Rumah 5 1 0.232 0.285 0.153 0.000 0.143 3. Skor akhir setiap alternatif, hasil sebagai berikut: Tabel 5.39 Nilai Nilai Skor Setiap Alternatif 0.219 1 0.243 2 0.164 3 0.168 4 0.206 Gambar 5.144 Array Data Rumah dan Nilai Skor Setiap Alternatif 4. Rangking rekomendasi rumah, hasil sebagai berikut: Gambar 5.145 Array Rangking Data Rumah dan Nilai Skor Setiap Alternatif Jadi rumah yang paling direkomendasikan adalah Rumah 2 Blok A 1 dengan skor tertinggi 0.243, yaitu: Gambar 5.146 Data Rumah yang Paling Direkomendasi Dilihat dari hasil perhitungan antara manual dengan sistem yang dibuat memiliki hasil nilai perhitungan dan hasil rekomendasi rumah yang sama. Maka dari itu dapat disimpulkan bahwa sistem yang telah dibuat memiliki akurasi 100, karena hasil yang serupa dengan perhitungan manual.

5.8 Kekurangan Sistem

- Data rumah dan perumahan masih perlu diperbanyak. - Belum terhubung dengan situs resmi atau bisa diakses dimanapun melalui hosting. - Sistem yang dibangun masih bersifat statis. 174

BAB VI PENUTUP

6.1 Kesimpulan

Hasil yang didapatkan dari perancangan dan pembangunan Sistem Pendukung Pengambilan Keputusan Pembelian Rumah menggunakan Fuzzy Analitycal Hierarcy Process FAHP adalah: 1. Hasil ujicoba sistem pendukung pengambilan keputusan untuk pembelian rumah dengan menerapan metode Fuzzy Analytical Hierarchy Process FAHP berhasil dibangun. 2. Rekomendasi yang dihasilkan oleh sistem sangat tergantung pada pemilihan prioritas kepentingan. 3. Akurasi yang didapatkan pada penelitian ini adalah 100.

6.2 Saran

Dalam mengembangkan sistem ini yang harus dilakukan, yaitu: 1. Membuat bahasa sistem agar lebih dimengerti oleh pengguna. 2. Data mengenai rumah dan perumahan lebih diperbanyak agar rumah yang akan diolah sebagai rekomendasikan akan semakin bervariasi.