Sistem Pendukung Keputusan Pemilihan Varietas Unggul Jagung Hibrida Menggunakan Metode AHP-SMART

  

Vol. 2, No. 10, Oktober 2018, hlm. 3373-3380 http://j-ptiik.ub.ac.id

Sistem Pendukung Keputusan Pemilihan Varietas Unggul Jagung Hibrida

Menggunakan Metode AHP-SMART

_{1 2 3} R Moh Andriawan Adikara , Muhammad Tanzil Furqon , Achmad Arwan

  Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya _{1 2 3} Email: andrepith@yahoo.co.uk, m.tanzil.furqon@ub.ac.id, arwan@ub.ac.id

  

Abstrak

  Dari tahun ke tahun produksi jagung di Indonesia terus meningkat. Meskipun pada tahun 2016 Indonesia telah memproduksi jagung hingga 16 juta ton, namun produksi tersebut masih kalah dengan produksi jagung Amerika Serikat sebesar 355 juta ton. Banyaknya produksi jagung akan mempengaruhi tingkat ekspor dan impor yang berdampak langsung pada ekonomi suatu negara. Peningkatan produksi jagung dapat dilakukan dengan berbagai cara, salah satunya adalah perbaikan teknik budidaya dengan penggunaan varietas unggul. Menurut data yang tersedia di Kementrian Pertaninan Indonesia, terdapat 100 varietas jagung hibrida, namun dari sekian banyak varietas jagung tersebut masih terdapat varietas yang belum mampu untuk meningkatkan produksi jagung yang signifikan. Pemilihan varietas jagung tersebut menjadi permasalahan tersendiri karena terdapat banyak kriteria yang perlu dipertimbangkan. Solusi dari pemilihan varietas jagung dapat diselesaikan dengan metode sistem pendukung keputusan dengan metode AHP dan SMART. Metode AHP digunakan untuk memberi pembobotan pada kriteria- kriteria yang digunakan pada metode SMART. Metode SMART digunakan untuk melakukan perangkingan varietas unggul jagung. Kedua metode tersebut dipilih karena mampu menghasilkan keputusan yang akurat dan komputasi cepat. Hasil dari sistem adalah berupa peringkat varietas jagung mulai dari yang terbaik hingga terburuk. Pengujian pada sistem dilakukan dengan menggunakan korelasi

  Spearman Rank dengan nilai

  = 0,99754 yang berarti terdapat hubungan antara hasil sistem dan hasil pakar adalah mendekati sempurna.

  Kata kunci: Jagung, Varietas, Hibrida, AHP, SMART, Spearman Rank

Abstract

  

Corn proudction in Indonesia is still continue to rise. Although in 2016 Indonesian corn production is

currently at 17 million tons, it is still behind the United States with 365 million tons in corn production.

The amount of corn production will affect the level of exports and imports that directly affect the

count ry’s economy. Increased corn production can be done in various ways, one of which is the

improvement of cultivation techniques with the use of superior varieties. According to available data

from the Indonesian Ministry of Agriculture, there are 100 hybrid corn varieties, but of the many

varieties of corn, there are still varieties that have not been able to increase the corn’s production

significantly. Selection of corn varieties becomes a problem because there are many criteria to consider.

  

Solutions from the selection of corn varieties can be solved by decision support system method called

AHP and SMART method. The AHP method is used to give weighting to the criteria used in the SMART

method. The SMART method is used to rank superior corn varieties. Both methods are selected for being

able to produce accurate and fast computing decisions. The result of the system is in the form of rank of

corn varieties ranging from the best to the worst.System validation is done by using Spearman Rank

correlation with

   = 0,99754 which means a relationship between result system and expert result is near perfect.

  Keywords: Corn, Varieties, AHP, SMART, Spearman Rank

  Jagung merupakan komoditas pertanian 1.

   LATAR BELAKANG yang potensial dan memiliki prospek yang

  sangat baik. Jagung merupakan sumber makanan pokok yang kaya akan karbohidrat. Sebagai

  Fakultas Ilmu Komputer Universitas Brawijaya

3373 sumber karbohidrat, sebagian orang mengonsumsi jagung sebagai makanan sehari- hari. Di Indonesia jagung merupakan bahan makanan terpenting kedua setelah beras. Selain sebagai makanan pokok, jagung digunakan untuk berbagai macam olahan diantaranya: sayuran, tepung, etanol, minyak goreng, gula, pakan ternak, dan bahan baku industri.

  Produksi jagung di Indonesia terus meningkat dari tahun ke tahun. Data yang didapat dari kementrian pertanian mencatat bahwa produksi jagung pada tahun 2017 akan mengalami kelebihan produksi. Produksi jagung di Indonesia ditargetkan akan mencapai 17 juta ton (kementan, 2017). Produksi jagung di Indonesia masih kalah jauh dengan Amerika Serikat yang memproduksi sebesar 360 juta ton (FAO, 2016). Semakin banyaknya produksi jagung akan mempengaruhi tingkat ekspor- impor, dengan nilai eksor yang meningkat dan impor yang menurun akan berdampak langsung pada ekonomi. Berbagai upaya dapat dilakukan untuk meningkatkan produksi jagung antara lain dengan perbaikan teknik budidaya, yaitu dengan penggunaan varietas unggul.

  Di Indonesia terdapat 2 jenis varietas unggul jagung yang berkembang di tingkat petani. Varietas unggul tersebut adalah varietas

  komposit dan hibrida. Kedua jenis varietas

  unggul tersebut memiliki keunggulan masing- masing. Varietas unggul hibrida memiliki kelebihan dalam hasil namun jenis ini tidak dapat ditanam kembali sebagai sumber benih. Sedangkan varietas unggulan komposit dapat ditanam kembali sebagi sumber benih. Di Indonesia terdapat 100 varietas unggul hibrida yang memiliki karakteristik yang berbeda-beda (Balitsereal, 2016). Dengan banyaknya berbagai macam varietas tersebut membuat para petani jagung cukup kebingungan dalam memilih varietas terbaik. Banyak sekali pertimbangan yang harus diperhatikan agar mendapatkan hasil panen yang baik dan menghasilkan keuntungan yang memuaskan. Algoritma pendukung keputusan menjadi sangat penting dalam mengatasi permasalahan ini.

  Pendukung keputusan dapat dilakukan pada banyak hal, salah satunya adalah pendukung keputusan dalam pemilihan tanaman pertanian. Salah satu penelitian yang membantu dalam pemilihan tanaman adalah penelitian yang dilakukan oleh Faizal Nugraha pada tahun 2017. Dalam penelitiannya dilakukan pemilihan varietas kelapa sawit dengan metode Fuzzy C- Means (Nugraha et al., 2017). Penelitian lainnya adalah penelitian yang dilakukan oleh

  Muhammad Rendra pada tahun 2017. Penelitian yang dilakukan adalah pemilihan varietas pada tanaman padi menggunakan metode AHP dan TOPSIS (Rendra et al., 2017). Salah satu metode yang dapat digunakan untuk melakukan rekomendasi data adalah metode yang bernama

  Simple Multi Attribute Rating Technique

  (SMART). Metode SMART ini diusulkan pertama kali oleh Edwards pada tahun 1977, dalam penelitiannya metode SMART digunakan untuk memecahkan masalah Multi-Attribute

  Utility Theory (MAUT) (Olson, 1996). Metode

  SMART ini merupakan metode yang dapat menyelesaikan masalah pendukung keputusan dengan multikriteria dan selain itu metode ini merupakan metode yang fleksibel dan cukup efektif (Honggowibowo, 2015).

  Penelitian yang dilakukan pada tahun 2015 oleh Yohan Sitepu menghasilkan perbandingan antara metode SMART dan AHP. Pada penelitiannya disebutkan bahwa metode SMART lebih baik daripada metode AHP karena memiliki tingkat akurasi yang sama namun SMART lebih unggul dalam kecepatan komputasi. Penelitian tersebut memberikan hasil keputusan dalam memilih perusahaan asuransi terbaik di Kota Medan (Sitepu, 2015). Metode SMART lebih baik dari metode Weighted

  Product (WP), Simple Additive Weighting (SAW), Analytics Hierarchy Process (AHP) dan

  beberapa metode pendukung keputusan lainnya karena metode SMART merupakan metode yang sederhana dalam menyelesaikan permasalahan yang memiliki banyak kriteria (Honggowibowo, 2015). Namun dalam penyelesaiannya metode SMART masih mungkin terdapat human error dalam penentuan tingkat kriteria. Dalam mengurangi permasalahan human error, dapat dilakukan dengan cara memvalidasi konsistensi. Salah satu cara untuk mengurangi atau bahkan menghilangkan human error adalah dengan menggunakan metode AHP. Metode AHP akan menentukan apakah terdapat ketidakkonsistenan pada penentuan tingkat kriteria (Whitaker, 2007). Metode AHP bekerja dengan cara mengubah tingkat kepentingan verbal kedalam tingkat kepentingan numerik.

  Berdasarkan uraian latar belakang yang ada, maka diperlukan pembangunan sistem yang dapat digunakan untuk membantu atau merekomendasikan varietas mana yang baik sesuai dengan kriteria yang ada. Kriteria yang digunakan adalah: umur tanaman, berat biji, rata-rata hasil, potensi hasil, dan ketahanan terhadap hama dan penyakit. Dengan adanya sistem pendukung keputusan pemilihan varietas unggul jagung hibrida menggunakan metode AHP dan SMART ini dapat memberikan pilihan jagung terbaik.

  Penelitian ini dibagi menjadi 6 bagian, yaitu: Pendahuluan, Dasar Teori, Metodologi Penelitian, Perancangan, Pengujian dan Analisis serta Kesimpulan.

  decision maker , pengambil keputusan lebih dari

  2.2.1 Tahapan-Tahapan AHP

  satu orang, serta tidak akuratnya data yang tersedia (Saaty, 2008). AHP berguna sebagai alat dalam analisis pengambilan keputusan dan telah digunakan dengan baik dalam berbagai bidang seperti peramalan, pemilihan produk, pemilihan alat transportasi dan lain-lain.

2. DASAR TEORI

  2. Silang tiga-jalur, yaitu hasil persilangan antara silang tunggal dengan satu galur murni.

  3. Pemindahan tingkat kepentingan verbal ke dalam tingkat kepentingan numerik untuk dimasukkan kedalam matriks perbandingan berpasangan atau pairwise comparison dengan menggunakan skala 1 sampai 9. Nilai skala ditunjukkan pada Tabel 1.

  Pertimbangan sangat penting antara satu

  7 Demonstrated importance (sangat penting)

  (lebih penting) Pertimbangan lebih penting antara satu elemen dibanding lainnya

  5 Essential or strong importance

  (sedikit lebih penting) Pertimbangan sedikit penting antara satu elemen dibanding lainnya

  3 Weak importance of one over another

  (sama penting) Kedua elemen mempunyai pengaruh yang sama

  1 Equal Importance

  Kepentingan Definisi Penjelasan

  Tabel 1. Skala Perbandingan AHP Intensitas

  2. Pembuatan struktur hirarki dengan menentukan tujuan umum, kriteria, sub- kriteria dan alternatif pilihan yang ingin dilakukan perangkingan.

  3. Silang ganda, yaitu persilangan antara 2 silang tunggal. Silang ganda melibatkan empat galur murni yang tidak berhubungan satu sama lain.

  Pendefinisian masalah dan menetukan solusi apa yang diperlukan.

  2.1 Varietas Unggul Jagung Hibrida elemen dibanding lainnya

  Varietas hibrida adalah generasi pertama persilangan antara dua atau lebih populasi yang memiliki keunggulan sifat masing-masing untuk mendapatkan kombinasi yang lebih baik dari generasi sebelumnya. Varietas hibrida memberikan hasil yang lebih tinggi daripada varietas komposit karena varietas hibrida menggabungkan gen-gen dominan karakter yang diinginkan dari individu penyusunnya. Varietas hibrida memberikan keuntungan lebih tinggi bila di tanam pada lahan berproduktivitas tinggi.

  Produktivitas varietas unggul jagung masing-masing ditentukan oleh faktor genetik dan lingkungan tumbuh. Varietas hibrida merupakan varietas yang dihasilkan dengan hati- hati dalam lingkungan yang terkendali. Terdapat beberapa jenis varietas, yaitu:

  1. Silang tunggal, yaitu hasil persilangan antara dua galur murni yang tidak berhubungan satu sama lain.

  pertama kali oleh Thomas Saaty. AHP digunakan dalam memecahkan masalah pada situasi yang kompleks. Masalah kompleks ini berarti bahwa terdapat banyak kriteria dalam suatu masalah (multikriteria), struktur masalah yang belum jelas, ketidakpastian pendapat dari

  Decision Making (MCDM) yang diusulkan

  merupakan metode khusus dari Multi Criteria

  2.2 Analytical Hierarchy Process (AHP) Analytical Hierarchy Process (AHP)

  4. Silang puncak, yaitu persilangan melalui penyerbukan suatu galur murni dengan suatu populasi yang menghasilkan serbuk sari yang tercampur secara genetik.

  Tahapan-tahapan pengambilan keputusan dengan metode AHP adalah sebagai berikut (Saaty, 2008): 1.

  9 Extreme importance (mutlak lebih penting)

  Dimana:

  Dimana:

  CI

  = Rasio peyimpangan (deviasi) konsistensi (consistency index) = Nilai eigen terbesar dari matriks berordo n

  n = Ordo matriks

  8. Setelah diketahui nilai CI maka langkah

  selanjutnya adalah menghitung konsistensi rasio yang akan ditunjukkan pada Persamaan 4.

  = (4)

  CR = Konsistensi Rasio

  = ( − ) ( −1)

  IR = Indeks Random

  Nilai CI tidak akan berarti bila tidak terdapat acuan untuk menyatakan apakah CI menunjukkan suatu matriks yang konsisten atau tidak konsisten. Saaty mendapatkan nilai rata-rata Indeks Random (IR) seperti pada Tabel 3.

  Tabel 3 Nilai Indeks Random Ordo

  Matriks (n)

  IR 1 0,00 2 0,00 3 0,58 4 0,90 5 1,12 6 1,24 7 1,32 8 1,41 9 1,45

  10 1,49 11 1,51 12 1,54 13 1,56 14 1,57 15 1,59

  Jika matriks perbandingan berpasangan dengan nilai CR lebih kecil dari 0,1 maka

  (3)

  Setelah didapatkan nilai eigen maksimum langkah selanjutnya adalah mengitung Konsistensi Indeks yang akan ditunjukkan pada Persamaan 3.

  Pertimbangan sangat kuat antara satu elemen dibanding lainnya

  A ⁿ a ¹¹ a ¹¹ ... a ¹¹ 4.

  2, 4, 6, 8 Intermediate values (nilai yang berdekatan)

  Nilai diantara dua pilihan yang berdekatan

  Resiprokal Kebalikan Nilai kebalikan dari perbandingan kebalikannya.

  Pembuatan matriks perbadingan ditunjukkan pada Tabel 2.

  Tabel 2 Matriks Perbandingan

  C A ^{1 A 2 ... A n} A ^{1 a 11 a 11 ... a 11} A ^{2 a 11 a 11 ... a 11}

  ⋮ ⋮ ⋮ ⋱ ⋮

  Menghitung bobot kriteria dengan melakukan normalisasi nilai setiap kolom matriks perbandingan berpasangan dengan membagi setiap nilai pada kolom matriks dengan hasil penjumlahan kolom yang bersesuaian.

  X = Hasil pembobotan kriteria 7.

  5. Menghitung nilai eigen vector dan menguji konsistensinya. Nilai eigen vector yang dimaksud adalah nilai eigen vector terbesar. Persamaan eigen vector akan ditunjukkan pada Persamaan 1.

  = .

  (1)

  Dimana: = Eigen Vector

  A = Matriks Perbandingan X = Hasil pembobotan kriteria

  bernilai kurang dari 0,1 maka penelitian perlu diulang kembali. Langkah pertama dalam menghitung konsistensi adalah menghitung eigen maksimum yang akan ditunjukkan pada Persamaan 2.

  = / (2)

  Dimana: = Eigen Vector

6. Menguji konsistensi hirarki. Jika konsistensi

  ketidakkonsistenan pendapat dari decision

2.3 Simple Multi-Attribute Rating Technique (SMART)

2.3.1 Proses Permodelan SMART

  ′ = − −

  Metode penelitian akan membahas alur proses penelitian pemilihan jagung terbaik. Langkah-langkah peneletian adalah sebagai berikut:

  3. METODOLOGI PENELITIAN

  Nilai utilitas dari setiap alternatif akan diperoleh pada langkah 9. Jika suatu alternatif tunggal yang akan dipilih, maka pilih alternatif dengan nilai utilitas terbesar.

  Dimana:  W ^{j adalah nilai pembobotan kriteria ke-j} dan k kriteria 10.

  ′ (6)

  = ∑ =1

  Menghitung penilaian/utilitas terhadap setiap alternatif. Perhitungan dilakukan dengan menggunakan Persamaan 6.

  = Nilai normalisasi  X = Nilai aktual  X ^{min = Nilai terkecil dari keseluruhan} data  X ^{max = Nilai terbesar dari} keseluruhan data 9.

  Dimana:  X’

  (5)

  8. Menormalisasi data pada masing-masing kriteria. Proses normalisasi data digunakan untuk mensetarakan nilai-nilai pada data agar memiliki range yang sama yaitu 0-1. Proses normalisasi akan ditunjukkan pada Persamaan 5.

  maker masih dapat diterima jika tidak maka penilaian perlu diulang.

  Bobot kriteria yang diperoleh akan dinormalkan dimana bobot setiap kriteria yang diperoleh akan dibagi dengan hasil jumlah setiap bobot kriteria. Normalisasi juga akan dilakukan berdasarkan kriteria yang paling penting dan kriteria yang paling tidak penting.

  7. Menghitung normalisasi bobot kriteria.

  Pemberian bobot diberikan dengan nilai yang dapat ditentukan oleh pengambil keputusan. Dalam hal ini akan dilakukan pembobotan yaitu berdasarkan kriteria yang dianggap paling penting dan berdasarkan kriteria yang dianggap paling tidak penting.

  6. Memberi bobot pada setiap kriteria.

  5. Melakukan peringkat terhadap kedudukan kepentingan kriteria. Dalam hal ini dinilai cukup mudah dibandingkan dengan pengembangan bobot. Hal ini perlu dilakukan untuk dapat memberikan bobot pada setiap kriteria. Karena bobot yang diberikan pada kriteria akan bergantung pada perangkingan kriteria.

  4. Mengidentifikasi batasan kriteria yang relevan untuk penilaian alternatif. Kriteria perlu dibatasi dengan menghilangkan tujuan yang kurang penting. Edwards berpendapat bahwa tidak perlu memiliki daftar lengkap suatu tujuan.

  3. Mengidentifikasi alternatif-alternatif yang akan di evaluasi. Pada tahap ini akan dilakukan proses pengumpulan data.

  Pendefinisian masalah harus dilakukan untuk mencari akar masalah dan batasan- batasan yang ada. Keputusan seperti apa yang akan diambil harus didefinisikan terlebih dahulu, sehingga proses pengambilan keputusan dapat terarah dan tidak menyimpang dari tujuan yang akan dicapai. Pendefinisian pembuat keputusan (decision maker) dilakukan agar pemberian nilai terhadap kriteria dapat sesuai dengan kepentingan kriteria tersebut terhadap alternatif.

  Mengidentifikasi keputusan masalah.

  Edwards mendefinisikan ada sepuluh langkah dalam penyelesaian metode SMART adalah sebagai berikut (Bray, 2015): 1.

  keputusan multi kriteria yang dikembangkan oleh Edward pada tahun 1977 (Bray, 2015). Teknik pengambilan keputusan multi kriteria ini didasarkan pada teori bahwa setiap alternatif terdiri dari sejumlah kriteria yang memiliki nilai- nilai dan setiap kriteria memiliki bobot yang menggambarkan seberapa penting antara kriteria satu dengan kriteria lain. Pembobotan ini digunakan untuk menilai setiap alternatif agar diperoleh alternatif terbaik.

  SMART (Simple Multi-Attribute Rating Technique) merupakan metode pengambilan

2. Mengidentifikasi kriteria-kriteria yang digunakan dalam membuat keputusan.

  

1. Mempelajari berbagai literatur yang Menggunakan Metode AHP-SMART

  berisikan tentang jagung dan varietasnya ditunjukkan pada alur kerja sistem yang dapat serta metode Analytical Hierarchy Process dilihat pada Gambar 1. (AHP) dan Simple Multi-Attribute Rating Langkah-langkah penyelesaian metode Technique (SMART). AHP-SMART dalam melakukan pemilihan jagung terbaik adalah sebagai berikut:

  2. Mengumpulkan data varietas jagung yang 1.

  Mengumpulkan data jagung varietas unggul. akan dijadikan rekomendasi.

  2. Memasukkan kepentingan masing-masing

  3. Melakukan perancangan sistem dari hasil kriteria.

  analisis data agar dapat diterapkan 3.

  Membuat tabel perbandingan sesuai dengan menggunakan metode Analytical Hierarchy tabel 2. Process (AHP) dan Simple Multi-Attribute

  4. bobot kriteria dengan Menghitung

  Rating Technique (SMART). melakukan normalisasi nilai setiap kolom matriks perbandingan berpasangan dengan

  4. Melakukan pembangunan sistem sesuai

  membagi setiap nilai pada kolom matriks dengan hasil kebutuhan dan perancangan dengan hasil penjumlahan kolom yang sistem. bersesuaian.

  5. Melakukan pengujian dan analisis sistem 5.

  Menguji konsistensi hirarki. Jika konsistensi pada metode agar memastikan bahwa bernilai kurang dari 0,1 maka penelitian metode SMART dapat berjalan sesuai perlu diulang kembali. dengan yang diinginkan.

  6. Menormalisasi data jagung agar semua data berada pada range yang sama yaitu 1-0.

  6. Pengambilan keputusan berdasarkan hasil 7.

  Melakukan perhitungan SMART untuk yang didapat dari analisis sistem. mendapatkan nilai akhir dari masing-masing jagung.

  4. IMPLEMENTASI 8.

  Mengurutkan data jagung yang bernilai Proses penyelesaian permasalahan Sistem terbesar hingga terkecil sesuai dengan nilai

  Pendukung Keputusan Pemilihan Keputusan SMART. Pemilihan Varietas Unggul Jagung Hibrida

  Gambar 1 Diagram Alir Proses AHP-SMART 5.

   ANALISIS di:<http://balitsereal.litbang.pertanian.go.i d/varietas-jagung/>. Diakses 1 Oktober 2017. Bray, Robert. 2015. Developing a participative

  multi criteria decision making technique: a case study . International Journal of

  Management and Decision Making. Food and Agriculture Organization. Produksi Data Jagung Amerika Serikat. 2016.

  Pengujian korelasi Spearman Rank digunakan untuk mencari hubungan atau untuk menguji signifikansi hipotesis asosiatif bila masing-masing variabel yang dihubungkan berbentuk ordinal. Pada pengujian korelasi ini akan membandingkan antara hasil perangkingan antara sistem dan pakar. Sebelum membuat perbandingan, langkah pertama adalah pembuatan hipotesis. Hipotesis yang digunakan adalah hipotesis nol (H ) yang berarti tidak ada hubungan antara hasil dari sistem dan pakar. Hipotesis lainnya adalah hipotesis alternatif (H ^a

  )

  yang merupakan alternatif dari hipotesis nol jika tidak terpenuhi. Hipotesis alternatifnya adalah terdapat hubungan antara hasil dari sistem dan pakar.

  Langkah pertama adalah mencari nilai . Pada penelitian ini nilai adalah 0,99754 dan karena nilai n lebih dari 30, maka dicari nilai z dan membandingkannya dengan tabel z. Pada penelitian ini ditentukan taraf signifikansi adalah 5%. Nilai z pada penelitian ini adalah 9,92539.

  Dengan taraf signifikansi 5% maka didapatkan bahwa batas bawah dari tabel z adalah -1,96 dan batas atas dari tabel z adalah +1,96. Dengan membandingkan nilai z = 9,92539 dan tabel z =

  Keputusan Penerimaan Calon Mahasiswa Baru Jalur Prestasi Di Sekolah Tinggi Teknologi Adisitjipto Menggunakan Simple Multi Attribute Rating Technique .

  Data Jagung Indonesia. 2016. Tersedia di:<http://www.fao.org/faostat/en/?#data/ QC>. DIakses 1 Oktober 2017. Honggowibowo, A.S., 2015. Sistem Pendukung

  Tersedia di:<http://www.fao.org/faostat/en/?#data/ QC>. Diakses 1 Oktober 2017. Food and Agriculture Organization. Produksi

  3. Dari hasil pengujian yang dilakukan dengan

  spearman rank membuktikan bahwa hasil

  dari sistem memiliki hubungan yang yang mendekati sempurna dengan hasil dari pakar.

  7. DAFTAR PUSTAKA Balai Penelitian Tanaman Serealia. 2016.

  Jagung Hibrida di Indonesia . Tersedia

  Pengujian dilakukan untuk memeriksa kesesuaian hasil akhir perangkingan yang didapatkan dari sistem dengan hasil perangkingan oleh pakar. Pengujian yang dilakukan pada penelitian ini adalah pengujian korelasi dengan Spearman Rank.

• 1,96 dan +1,96 maka dapat disimpulkan bahwa tidak memenuhi hipotesis nol H dan berlaku hipotesis alternatif H a yang berarti bahwa ada hubungan antara hasil perangkingan sistem dan hasil perangkingan pakar. Hubungan kedua sampel adalah Hubungan mendekati sempurna.

  2. Pemilihan varietas alternatif dilakukan dengan memperhitungkan peringkat alternatif yang disesuaikan dengan kemampuan serta kebutuhan pengambil keputusan.

  1. Metode AHP-SMART dapat diterapkan dalam mendukung pengambilan keputusan pada pemilihan varietas hunggul jagung yang akan ditanam oleh petani.

  Berikut adalah kesimpulan yang dapat diambil dari hasil yang telah didapatkan dari proses perancangan, implementasi dan pengujian adalah sebagai berikut:

  Jurnal Angkasa, Vol. VII, No. 2, Novermber, Halaman 31-38. Kementrian Pertanian. Varietas Hibrida Jagung

  Indonesia. Tersedia di:< http://aplikasi.pertanian.go.id>. Diakses 6 Oktober 2017. Nugraha, F.W., Fauziati, S., Permanasari, A.E.,

6. KESIMPULAN

  2017. Sistem Pendukung Keputusan

  Pemilihan Varietas Kelapa Sawit Dengan Metode Fuzzy C-Means. Prosiding

  SENIATI. iSSN 2085-4218. Rendra, M. 2017. Sistem Pendukung Keputusan

  Untuk Pemilihan Penanaman Varietas Unggul Padi Menggunakan Metode AHP- TOPSIS . Jurnal Teknologi Informasi Dan Ilmu Komputer.

  Olson, D.L., 1996. SMART. In: Decision Aids for

  Selection Problems . Springer Series in

  Operations Research. Springer, New York, NY. Saaty, Thomas L. 2008. Decision Making With The Analytic Hierarchy Process , Int. J.

  Services Sciences, Vol. 1, No. 1, 2008. Sitepu, Y. B., 2015. Perbandingan Metode

  Analytic Hierarchy Process (AHP) dengan Simple Multi Attribute Rating Technique (SMART) dalam Menentukan Perusahaan Asuransi Terbaik. Universitas Sumatera

  Utara. Whitaker, R., 2007. Validation examples of the

  Analytic Hierarchy Process and Analytic Network Process . Mathematical and

  Computer Modeling Volume 46, Issues 7- 8.