Rekomendasi Pemilihan Properti Kota Malang Menggunakan Metode AHP-SAW

  

Vol. 1, No. 10, Oktober 2017, hlm. 1201-1209 http://j-ptiik.ub.ac.id

Rekomendasi Pemilihan Properti Kota Malang Menggunakan Metode

AHP-SAW

_{1 2 3} Syafruddin Agustian Putra , Nurul Hidayat , Lailil Muflikhah

  Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya _{1 2 3} Email: agustian.putraa@gmail.com , ntayadih@ub.ac.id .id

  

Abstrak

  Meningkatnya jumlah penduduk kota Malang menyebabkan para pengusaha properti berlomba-lomba untuk memenuhi kebutuhan tersebut melalui pengembangan serta penawaran properti dengan fasilitas yang beragam. Banyak kriteria yang menjadi pertimbangan dari calon pembeli dalam memilih sebuah properti, yaitu: harga, jumlah kamar tidur, jumlah kamar mandi, jumlah garasi, luas bangunan dan luas tanah. Dengan banyaknya kriteria yang perlu dipertimbangkan membuat calon pembeli kesulitan dalam menentukan pilihannya. Dilihat dari masalah tersebut ada beberapa metode yang dapat digunakan untuk mengatasi permasalahan dari calon pembeli dalam mengambil keputusan yaitu melakukan kombinasi metode Multi Criteria Decision Making (MCDM) dengan menggunakan Analytic Hierarchy Process (AHP) sebagai metode untuk menghitung bobot dari masing-masing kriteria yang sudah ditentukan sebelumnya dan Simple Additive Weighting (SAW) sebagai metode dalam mengukur peringkat atau perangkingan. Pada pengujian fungsional didapatkan hasil sebesar 100%, yang membuktikan bahwa sistem berjalan dengan baik sesuai perancangan. Dan untuk pengujian akurasi didapatkan hasil sebesar 80,80%. Sehingga dapat disimpulkan bahwa metode AHP-SAW dapat digunakan untuk merekomendasi properti di Kota Malang.

  

Kata Kunci: properti, sistem pendukung keputusan, Analytic Hierarchy Process (AHP), Simple Additive

Weighting (SAW)

  

Abstract

The increasing of population number in Malang City triggered p roperty developers to answer people’s

needs by developing and supplying assorted facilities of property. Many criterias should be considered

by prospective buyers in selecting a property, for example: price, number of bedrooms, bathrooms,

garages, building area, and land area. The numerous considerations referring to some specific criteria

lead prospective buyers to take a difficult decision. Regarding to this problem, there are several methods

able to resolve the complicacy of buyers in taking decision, which are performing combination of Multi

Criteria Decision Making (MCDM) method by using Analytic Hierarchy Process (AHP) as a way to

calculate weight of each determined criterion, and Simple Additive Weighting (SAW) as a method used

in ranking the criteria. In functional test, the result of 100% represents that the system runs very well

as designed. And from the accuracy test, the result is 80.80%. In sum, the AHP-SAW method

combination is compatible to be used in selecting property in Malang City

Keywords: property, decision support system, Analytic Hierarchy Process (AHP), Simple Additive Weighting

(SAW)

  sandang dan pangan tapi juga mengarah pada 1.

   PENDAHULUAN papan. Berbagai cara telah dilakukan untuk

  memenuhi kebutuhan papan tersebut, anatara Pada era saat ini, kebutuhan terhadap lain dengan cara membangun sendiri atau properti semakin meningkat seiring membeli dari pihak lain. Ini terbukti semakain perkembangan dan pertumbuhan penduduk. Hal maraknya properti (tanah & bangunan) seperti di ini membawa konsekuensi lebih jauh pada kota-kota besar yang padat penduduknya seperti penyediaan sarana dan prasarana untuk aktivitas kota Malang. Setiap properti dikembangkan kehidupan dimana kebutuhannya bukan hanya dengan fasilitas yang bervariasi dan beragam,

  Fakultas Ilmu Komputer Universitas Brawijaya

1201 untuk memenuhi setiap kebutuhan masyarakat yang memiliki kriteria sendiri yang mengacu dalam pememilihan properti.

  Dalam penentuan pemilihan properti, pembeli akan dibingungkan jika hanya ada satu properti saja yang sesuai dengan kriteria yang ditetapkan. Kriteria pemilihan properti tersebut antara lain harga, jumlah kamar tidur, jumlah kamar mandi, jumlah garasi, luas bangunan dan luas tanah. Banyaknya pilihan sering kali membuat calon pembeli kesulitan untuk menentukan pilihan yang sesuai dengan ekonomi. Selain itu, terkadang tidak memiliki waktu yang cukup untuk mencari informasi properti ke setiap kantor pemasaran.

  b) Membagi setiap nilai dari kolom dengan hasil penjumlahan kolom yang bersangkutan untuk memperoleh normalisasi matriks. Rumus perhitungan normaliasi matriks menggunakan Persamaan (1).

  (3)

  6

  1

  1 = ( 1× 2× 3× 4× 5× 6)

  λ

  5. Menghitung nilai eigen dengan cara mengalikan tiap kolom matriks perbandingan berpasangan pada baris yang sama, lalu dipangkatkan dengan seperjumlah kriteria yang ada menggunakan persamaan (3).

  (2)

  ∑ kolom = k1 + k2 + k3 + k4 + k5 + k6

  4. Menghitung bobot sintesis dengan cara menjumlahkan tiap kolom pada baris yang sama dari hasil normalisasi matriks perbandingan menggunakan persamaan (2).

  matriks perbandingan berpasangan = Nilai matriks perbandingan berpasangan baris ke-j kolom ke-k = Nilai matriks perbandingan berpasangan baris ke-l kolom ke-k = Batas akhir baris matriks perbandingan berpasangan

  ̅ = Nilai hasil normalisasi

  Dimana:

  (1)

  ̅ = ∑ =1

  a) Menjumlahkan nilai-nilai dari setiap kolom pada matriks perbandingan berpasangan.

  Pada penelitian sebelumnya yang dilakukan oleh Dyah P.N., Priyo Sidhik, dan Aris Sugiharto membahas mengenai “Analisis Dan Perancangan Sistem Pendukung Keputusan Rekomendasi Pemilihan Perumahan, metode yang digunakan adalah metode TOPSIS mampu memberikan hasil perangkingan dan solusi perumahan yang layak untuk direkomendasikan.

  Untuk mengatasi masalah yang telah dipaparkan, ada beberapa metode yang dapat digunakan dan dikombinasikan dalam mengatasi permasalahan tersebut, salah satunya yang dibahas pada penelitian ini adalah metode pengambilan keputusan yaitu Multi Criteria

  2. Menentukan bobot kriteria dengan membandingkan secara berpasangan tiap kriteria. Proses membandingkan ini menggunakan skala prioritas saaty untuk menyusun matriks perbandingan berpasangan untuk pemilihan properti menggunakan persamaan.

  1. Mendefinisikan masalah kemudian menentukan solusi dan menyusun hierarki dari permasalahan yang dihadapi.

  2015):

  Hierarchy Process adalah sebagai berikut (Putri,

  Tahapan dalam metode Analytical

  2.1. Tahapan Metode AHP

  3. Normalisasi terhadap matriks perbandingan berpasangan. Langkah-langkah normalisasi matriks sebagai berikut :

  SAW”. Diharapkan dengan penggabungan metode tersebut dapat membantu calon pembeli untuk merekomendasikan properti untuk bisa memilih properti mana yang cocok dengan keinginan dan ekonomi mereka.

  bobot dari masing-masing kriteria. Sedangkan SAW digunakan sebagai perangkingan. Pemilihan metode tersebut karena terbukti penggabungan kedua metode tersebut dapat memberikan keputusan yang jauh lebih baik daripada pengambilan keputusan secara subyektif (Saifulloh, 2015). Berdasarkan paparan yang telah dijelaskan maka judul penelitian yang diusulkan adalah “Rekomendasi Properti Kota Malang Menggunakan Metode AHP-

  Hierarchy Process dan Simple Additive Weighting. AHP digunakan sebagai penghitung

  Merujuk pada penelitian sebelumnya, metode yang digunakan adalah Analytical

  menggunakan Analytic Hierarchy Process (AHP) dan Simple Additive Weighting (SAW).

  Decision Making (MCDM) dengan

2. DASAR TEORI

  Pada dasar teori ini akan membahas bagaimana langkah-langkah pada penggabungan metode AHP-SAW yang telah dilakukan.

  6. Menghitung bobot prioritas tiap kriteria dengan cara nilai eigen untuk tiap kriteria dibagi dengan jumlah total nilai eigen.

  Untuk memodelkan sistem secara blok digunakan diagram blok untuk memudahkan pemahaman tentang alur proses dari sistem ini. Diagram blok dari penentuan rekomendasi propertI di kota Malang ditunjukkan pada Gambar 1.

  ij n j=1

  (7) Dimana:

  V ⁱ

  = nilai akhir dari alternative w i = nilai bobot

  r ij = nilai properti ternormalisasi n = banyak kriteria yang digunakan

  13. Melakukan Perangkingan secara descending berdasarkan nilai preferensi setiap alternatif, yang nantinya akan menjadi hasil rekomendasi sistem.

  3. METODOLOGI

  Gambar 1. Blok diagram sistem rekomendasi pemilihan properti kota Malang

  i

  Kriteria yang digunakan pada rekomendsai pemilihan properti kota Malang adalah sebagai berikut: Tabel 1. Kriteria Pemilihan Properti.

  Kriteria Simbol Harga K1 Jumlah Kamar Tidur K2 Jumlah Kamar Mandi K3 Jumlah Garasi K4 Luas Bangunan K5 Luas Tanah K6

  Adapun diagram alir proses kerja atau perhitungan AHP-SAW pada pemilihan properti kota Malang, seperti yang ditunjukkan pada

  Proses pembobotan tiap kriteria dengan AHP Proses perangkingan properti kota Malang dengan SAW

  Sistem Input Input data kriteria dan data alternatif properti

  Hasil perangkingan properti kota

  User Output

  r

  w

  7. Menghitung nilai kepentingan tiap kriteria dengan cara membagi bobot sintesis dengan bobot prioritas.

  (5) Dimana: CR : Consistency Ratio CI : Consistency Index

  8. Menghitung nilai eigen maksimum (λ maks) dengan cara total jumlah nilai kepentingan dibagi banyaknya kriteria.

  9. Mengukur konsistensi untuk memastikan bahwa pertimbangan-pertimbangan untuk pengambilan keputusan memiliki konsistensi tinggi. Langkah-langkah dalam mengukur konsistensi yaitu :

  1. Menghitung Consistency index (CI) yang ditunjukkan Persamaan (4).

  = ( − )

  (4) Dimana: CI : Consistency Index λ maks : eigen maksimum n : banyaknya elemen

  2. Menghitung Consistency Ratio (CR) yang ditunjukkan pada Persamaan (5).

  =

  IR : Index Random Consistency

  V = ∑

  10. Memeriksa konsistensi hierarki rasio konsistensi (CI/IR) bernilai kurang dari atau sama dengan 0,1 maka hasil perhitungan dapat dinyatakan benar.

  Tahapan dalam menggunakan metode SAW adalah sebagai berikut (Aditya, 2014):

  1. Menghitung normalisasi matriks alternatif Normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut sehingga diperoleh matriks ternormalisasi R. Perhitungan normalisasi matriks ditunjukan dengan Persamaan (6) (Prayoko, 2013).

  = xij maxi xij

  (6) Dimana : r ^ij = matriks ternomalisasi[i][j]

  X ij = matriks keputusan [i][j] untuk i = 1, 2, 3, …, m untuk j = 1, 2, 3, …, n max i = nilai maksimum dari setiap kolom matriks keputusan 2. Menghitung nilai terakhir alternatif.

  Nilai akhir alternatif dapat dicari dengan menggunakan Persamaan (7) (Prayoko, 2013).

2.2. Tahapan Metode SAW

  gambar 2.

  4.1. Perancangan _Mulai Penelitian ini menggunakan gabungan metode AHP-SAW, yang nantinya akan

  digunakan untuk menentukan sebuah _{Input Data Properti Input Nilai Matriks} rekomendasi pemilihan properti kota Malang. _Berpasangan Berikut ini adalah tahapan-tahapan metode AHP-SAW.

  4.1.1. Perhitungan Metode AHP-SAW _{Normalisasi Matriks Berpasangan} Normalisasi matriks berpasangan adalah menjumlah tiap kolom kriteria pada matriks

  perbandingan berpasangan untuk kemudian _{Menghitung Bobot Sintesis} membagi masing-masing nilai kriteria matriks perbandingan berpasangan dengan jumlah tiap kolom kriteria tersebut. Berdasarkan matriks _{Menghitung Nilai Eigen} perbandingan berpasangan yang ditunjukkan _Tidak pada Tabel 2. _{Menghitung Bobot Prioritas} Tabel 2. Matriks Perbandingan Berpasangan.

  Kriteria K1 K2 K3 K4 K5 K6 K1

  1

  5

  6

  7

  3

  3 _{Menghitung Nilai Kepentingan Dan Eigen Maks} K2

  0.2

  1

  2

  3

  0.33

  0.33 K3

  0.16

  0.5

  1

  2

  0.25

  0.25 K4

  0.14

  0.33

  0.5

  1

  0.2

  0.2 _{Cek Konsistensi CI dan CR} K5

  0.33

  3

  4

  5

  1

  1 K6

  0.33

  3

  4

  5

  1

  1 Contoh proses perhitungan normalisasi _{CR < 0,1 persamaan (1) adalah sebagai berikut: AHP} matriks perbandingan berpasangan berdasarkan

  Normalisasi matriks perbandingan berpasangan _{Normalsasi Data Alternatif} pada baris ke-1 kolom ke-1:

  1 = 1,1

  1 + 0,2 + 0,16 + 0,14 + 0,33 + 0.33 _{Menghitung Nilai Preferensi (V)} = 0,46

  Normalisasi matriks perbandingan berpasangan _{Perankingan Alternatif 0,2} pada baris ke-2 kolom ke-1:

  = 2,1

  1 + 0,2 + 0,16 + 0,14 + 0,33 + 0.33 _{Keputusan Sistem} = 0,09

  Normalisasi matriks perbandingan berpasangan _SAW pada baris ke-3 kolom ke-1: _Selesai

  0,16 = 3,1

  1 + 0,2 + 0,16 + 0,14 + 0,33 + 0.33 = 0,08 Gambar 2. Diagram Alir Proses PerhitunganAHP-

  Normalisasi matriks perbandingan berpasangan

  SAW

  pada baris ke-4 kolom ke-1: 4.

HASIL DAN PEMBAHASAN 0,14

  = 4,1

  1 + 0,2 + 0,16 + 0,14 + 0,33 + 0.33

  Pada hasil dan pembahasan ini akan di bahas

  = 0,07

  tentang perancangan dan pengujian sistem rekomendasi pemilhan properti kota Malang Contoh perhitungan yang dipaparkan menggunakan gabungan metode AHP-SAW. menghasilkan nilai hasil normalisasi untuk kolom pertama pada matriks perbandingan berpasangan. Nilai hasil normalisasi matriks perbandingan berpasangan dari kolom pertama hingga empat ditunjukkan pada Tabel 3.

  Tabel 3. Daftar Nilai Normalisasi Matriks Berpasangan. Kriteria K1 K2 K3 K4 K5 K6 K1

  1

  4 = (0,14×0,33×0,5×1×0,2×0,2)

  λ

  Nilai eigen kriteria 4

  6 = 0,46

  1

  3 = (0,16×0,5×1×2×0,25)

  λ

  Nilai eigen kriteria 3

  6 = 0,71

  1 = (0,2×1×2×3×0,33×0,33)

  6 = 0,31

  λ

  Nilai eigen kriteria 2

  6 = 3,51

  1

  1 = (1×5×6×7×3×3)

  λ

  Nilai eigen kriteria 1

  dengan mengalikan matriks perbandingan berpasangan dalam satu baris. Hasil kali matriks perbandingan berpasangan tersebut kemudian dipangkatkan dengan 1/jumlah kriteria yang ada sesuai persamaan (3) Contoh proses perhitungan nilai eigen adalah sebagai berikut:

  1.18 Proses menghitung nilai eigen dimulai

  1.18 K6

  1

  Hasil perhitungan pada proses kali ini berupa nilai eigen kriteria 1-6 ditunjukkan pada Tabel 5. Hasil perhitungan nilai eigen seluruhnya dijumlahkan. Total penjumlahan dari nilai eigen digunakan untuk menghitung nilai bobot prioritas.

  0.35 K4

  8.30 = 0,42

  Nilai bobot prioritas kriteria 4

  8.30 = 0,05

  3 = 0,46

  BP

  Nilai bobot prioritas kriteria 3

  8.30 = 0,08

  2 = 0,71

  BP

  Nilai bobot prioritas kriteria 2

  1 = 3,51

  Tabel 5. Nilai Eigen. Kriteria Nilai K1

  BP

  Nilai bobot prioritas kriteria 1

  Contoh perhitungan nilai bobot prioritas berdasarkan nilai eigen pada Tabel 5 adalah sebagai berikut:

  perhitungan sebelumnya, digunakan untuk menghitung nilai bobot prioritas. Perhitungan nilai bobot prioritas ini dilakukan pada setiap kriteria dengan cara membagi nilai eigen tiap kriteria dengan total nilai eigen. Nilai bobot prioritas yang didapat dari hasil perhitungan ini selanjutnya akan digunakan untuk menghitung preferensi pada tahap SAW

  1.64 Nilai eigen yang telah didapatkan dari proses

  1.64 K6

  0.31 K5

  0.46 K4

  0.71 K3

  3.51 K2

  0.23 K5

  0.53 K3

  0.46

  0.08

  0.04

  0.03

  0.03

  0.07

  0.04 K4

  0.04

  0.09

  0.06

  0.04

  0.06 K3

  0.03 K5

  0.06

  0.13

  0.11

  0.08

  0.09

  0.52 K2

  0.52

  0.30

  0.34

  0.39

  0.03

  0.15

  2.53 K2

  Nilai sintesis kriteria 1

  Tabel 4. Nilai Bobot Sintesis. Kriteria Nilai K1

  Hasil perhitungan nilai bobot sintesis selengkapnya ditunjukkan pada Tabel 4.

  0,07 + 0,03 + 0,03 + 0,04 + 0,03 + 0,03 = 0,23

  Nilai sintesis kriteria 4

  0,08 + 0,0,4 + 0,06 + 0,09 + 0,04 + 0,04 = 0,35

  Nilai sintesis kriteria 3

  0,09 + 0,08 + 0,11 + 0,13 + 0,06 + 0,06 = 0,53

  Nilai sintesis kriteria 2

  0,46 + 0,39 + 0,34 + 0,30 + 0,52 + 0,52 = 2,53

  merupakan lanjutan dari proses normalisasi matriks perbandingan berpasangan. Bobot sintesis didapatkan dari penjumlahan secara vertikal setiap baris dari hasil normalisasi matriks perbandingan berpasangan sesuai dengan persamaan (2).

  0.23

  0.17 Proses hitung nilai bobot sintesis

  0.17

  0.22

  0.23

  0.23

  0.15

  0.17 K6

  0.17

  0.22

  0.23

  BP 4 = 0,31 8.30 = 0,03 K6

  5.94 Nilai bobot prioritas kriteria 5 Total 36.34875 1,64 BP =

5 Nilai Eigen Max 36.34875/6 = 6,058126

  8.30 = 0,19

  Nilai bobot prioritas kriteria 6 Nilai eigen maksimum yang didapatkan dari

  1,64

  langkah perhitungan sebelumnya digunakan

  BP =

  6 8.30 = 0,19

  pada proses pertama untuk cek nilai konsistensi yaitu menghitung nilai CI. Kemudian Pada Tabel 6 adalah hasil dari nilai bobot dilanjutkan proses perhitungan terakhir untuk prioritas dari masing-masing kriteria yang tahap cek nilai konsistensi yaitu menghitung digunakan pada sistem. nilai CR.

  Proses hitung pertama yaitu menghitung

  Tabel 6. Nilai Bobot Prioritas

  nilai CI menggunakan persamaan (4) adalah

  Kriteria Nilai

  sebagai berikut:

  K1

  0.42 = (λ max − n) ( − 1) ⁄ K2

  0.08 = (6.058126 − 6) (6 − 1) ⁄ K3

0.05 K4

  0.03 = 0,011625 K5

  0.19 Proses terakhir pada penerapan metode AHP K6

  0.19

  yaitu menghitung nilai CR juga menggunakan Setelah memperoleh bobot prioritas masing- persamaan (5). Nilai IR yang digunakan pada masing kriteria, langkah selanjutnya adalah proses kali ini didapatkan dari Tabel Index menghitung nilai kepentingan tiap kriteria untuk

  Random Consistency . Dengan melihat jumlah

  mendapatkan nilai eigen maksimum. Nilai kriteria yang ada yaitu 6 kriteria, nilai IR yang kepentingan yang diperoleh dari proses ini digunakan yaitu 1,24. Proses hitung nilai CR selanjutnya digunakan pada proses cek nilai adalah sebagai berikut: konsistensi CI dan CR. Proses Perhitungan nilai

  ⁄ =

  kepentingan adalah sebagai berikut:

  = 0,011625/1,24

  Nilai kepentingan kriteria 1

  = 0,009375 ⁄ λ = 2,53 0,42 = 5,98

  1 Dari proses hitung yang telah dilakukan,

  Nilai kepentingan kriteria 2 didapatkan nilai CR sebesar 0,009375 atau kurang dari 0,1. Dari hasil tersebut dapat ditarik

  λ = 0,53 0,08 ⁄ = 6,15

  2

  kesimpulan bahwa nilai perbandingan Nilai kepentingan kriteria 3 berpasangan yang digunakan konsisten dan

  λ = 0,35 0.05 ⁄ = 6.15

  2

  dapat digunakan dalam proses pemilihan Nilai kepentingan kriteria 4 properti.

  ⁄ λ = 0,23 0,03 = 6.16

  2 Setiap data yang terdapat dalam data

  Nilai kepentingan kriteria 5 alternatif dinormalisasi menggunakan Persamaan (6) sebelum itu dicari dulu nilai

  λ = 1,18 0,19 ⁄ = 5,94

  2

  maksimum dalam matriks keputusan untuk Nilai kepentingan kriteria 6 setiap kriteria didapat dari nilai terbesar dari tiap

  λ = 1,18 0,19 ⁄ = 5,94

  2

  kriteria pada tabel nilai maksimum yang ditunjukkan pada tabel 8. Hasil dari perhitungan nilai eigen maksimum selengkapnya ditunjukkan pada

  Tabel 8. Nilai Maksimum.

  Tabel 7.

  Nilai Min Tabel 7. Nilai Kepentingan dan Nilai Eigen Max K1 124500000 Nilai Max

  Kriteria Nilai K2

  6 K1

  5.98 K3

  4 K2

  6.15 K4

  1 K3

  6.15 K5 390 K4

  6.16 K6 275 K5

  5.94 Contoh perhitungan normalisasi matriks keputusan pada K1 dengan menggunakan Persamaan (6) adalah sebagai berikut:

  Nilai normalisasi Baris-1 Kolom-1

  1,3 = 0,25 ×0.056257 = 0.014064

  Setelah mendapatkan hasil perkalian antara nilai kepentingan AHP dan nilai normalisasi untuk setiap kriteria, tahap selanjutnya adalah menjumlahkan hasil perkalian tersebut.

  1,6 = 0.21 × 0.19 = 0.04

  Nilai normalisasi Baris-6 Kolom-1

  1,5 = 0.08 ×0.19 = 0.01

  Nilai normalisasi Baris-5 Kolom-1

  1,4 = 1 ×0.03776 = 0.03776

  Nilai normalisasi Baris-4 Kolom-1

  Nilai normalisasi Baris-3 Kolom-1

  1 = 0.27 + 0.02 + 0.01 + 0.03 + 0.01 + 0.04 = 0.41

  1,2 = 0,33×0.08 = 0.02

  Nilai normalisasi Baris-2 Kolom-1

  1,1 = 0,65 ×0.42 = 0.27

  Nilai normalisasi Baris-1 Kolom-1

  Contoh perhitungan preferensi properti “A1” adalah sebagai berikut:

  Persamaan (8). Perhitungan nilai preferensi properti berdasarkan nilai bobot prioritas dan nilai matriks ternormalisasi.

  0.29 Proses perhitungan preferensi menggunakan

  Nilai Alternatif 1

  Proses terus dihitung sampai semua properti mendapatkan nilai preferensi seperti yang ditunjukkan pada Tabel 10.

  1

  5 A5

  Tabel 11. Hasil Pengujian Fungsional Identifikasi Use Case

  Pengujian fungsionalitas pada sistem ini merepresentasikan pengujian blackbox dengan menguji struktur dari kebutuhan yang telah didefinisikan pada analisis perangkat lunak ini. Hasil dari pengujian fungsional ditunjukkan pada Tabel 11.

  4.2.1. Pengujian Fungsional

  Pengujian sistem rekomendasi pemilihan properti kota Malang terdiri dari pengujian fungsionalitas dan pengujian akurasi.

  4.2. Pengujian

  setiap hasil nilai preferensi yang didapat oleh masing-masing properti diurutkan dari nilai preferensi tertinggi sampai nilai preferensi terendah.

  0.41 Tahap terakhir adalah perangkingan untuk

  0.45

  Tabel 10. Nilai Total Preferensi No Alternatif Total Preferensi

  4 A4

  0.42

  3 A3

  0.41

  2 A2

  0.41

  1 A1

  0.15

  0.25

  1,1 = 124500000 189500000 ⁄ = 0,6569921

  Nilai normalisasi Baris-6 Kolom-1

  1

  0.25

  0.33

  0.65

  Tabel 9. Nilai Normalisasi Data Alternatif K1 K3 K3 K4 K5 K6 A1

  Proses normalisasi terus dilakukan sampai semua nilai dalam data alternatif dinormalisasi dan menghasilkan nilai matriks ternormalisasi properti seperti ditunjukkan pada Tabel 9.

  6,1 = 60 275 ⁄ = 0.21

  5,1 = 32 390 ⁄ = 0.08

  0.21 A2

  Nilai normalisasi Baris-5 Kolom-1

  4,1 = 1 1 ⁄ = 1

  Nilai normalisasi Baris-4 Kolom-1

  3,1 = 1 4 ⁄ = 0,25

  Nilai normalisasi Baris-3 Kolom-1

  3,1 = 2 6 ⁄ = 0,33

  Nilai normalisasi Baris-2 Kolom-1

  0.08

  0.65

  0.33

  0.21 A4

  0.58

  0.21 A5

  0.08

  1

  0.25

  0.33

  0.73

  0.08

  0.33

  1

  0.25

  0.33

  0.66

  0.21 A3

  0.08

  1

  0.25

  Hasil KF_001 Lihat Daftar Properti Valid KF_002 Input Prioritas Kriteria Valid KF_003 Lihat Perangkingan Valid KF_004 Lihat Perhitungan Valid KF_005 Lihat Detail Properti Valid KF_006 Login Valid KF_007 Kelola Properti Valid KF_008 Edit Properti Valid KF_009 Hapus Properti Valid KF_010 Tambah Properti Valid KF_011 Logout Valid

4.2.2. Pengujian Akurasi

  Pengujian akurasi pada kasus ini adalah membandingkan hasil dari rekomendasi sistem pemilihan properti kota Malang denga hasil rekomendasi dari PT. Bunga Properti Malang. Yang dibandingkan adalah rekomendasi keseluruhan sistem.

  Daniati, E. 2015. Sistem Pendukung Keputusan Pemilihan Kost Di Sekitar Kampus UNP Kediri Menguunakan Metode Simple

  Prayoko, M. R. 2013. Sistem Pendukung Kepentingan Penentuan Jurusan PAda Sekolah Menengah Atas Setia Budi

  Putri, S. R. 2015. Sistem Pendukung Keputusan Penerimaan Pegawai Mikro Kredit Sales (MKS) Menggunakan Metode AHP dan TOPSIS. S1. Universitas Brawijaya, Malang.

  Kusrini. 2007. Konsep Dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta: Andi.

  Ismail, J. 2015. Pemodelan Sistem Pendukung Keputusan Penentuan Line Up Dalam Cabang Olahraga Futsal Menggunakan Metode Analytical Hierarchy Process- Simple Additive Weighting (AHP- SAW)[Studi Kasus : Hefotris Filkom UB]. S1. Universitas Brawijaya, Malang.

  Farizna, B. 2015. Pemodelan Sistem Pendukung Keputusan Pemilihan Line Up Cabang Olahraga Futsal Dengan Metode AHP- TOPSIS (Studi Kasus : Hefotris Filkom UB). S1. Universitas Brawijaya, Malang.

  Informatics and Tecnology, Vol 2, no 2, Tahun 2013, p1-8.

  Pendukung Keputusan Pemilihan Perumahan Menggunakan Metode TOPSIS Berbasis Web. Journal of

  AMIKOM Yogyakarta, 6-8 Februari 2015. Dyah, P.N., Priyo, S.S. & Aris S. 2013. Sistem

  Additive Weighting (SAW). STMIK

  Penunjang Keputusan Pemilihan Tempat Kuliner Dengan Menggunakan Metode AHP Dan SAW Studi Kasus : Kecamatan Buleleng”. Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika (KARMAPATI) Volume 5, Nomor 2, Tahun 2016.

  99 =

  2016. “Pengembangan Sistem

  DAFTAR PUSTAKA Astradanta, M., I Made, A.W. & I Ketut, R.A.

  Hierarchy Process , agar mendapatkan tingkat akurasi keputusan yang lebih baik.

  2. Berdasarkan hasil pengujian akurasi, pada penelitian selanjutnya perlu adanya variasi perubahan pada matriks perbandingan berpasangan di dalam metode Analytical

  1. Pada pengembangan sistem dalam penelitian selanjutnya dapat ditambahkan parameter atau kriteria yang lebih kompleks sehingga rekomendasi yang dihasilkan oleh sistem lebih akurat dan sistem dapat menerima input kriteria secara dinamis.

  2. Pada hasil pengujian fungsional sistem didapatkan hasil sebesar 100%, karena sistem berjalan sesuai dengan analisis kebutuhan. Pada pengujian akurasi didapatkan kesimpulan bahwa tingkat akurasi sistem sebesar 80,80% karena rekomendasi yang diberikan oleh pakar masih bersifat subyektif. Saran untuk kelanjutan pengembangan penelitian ini adalah:

  1. Proses penentuan rekomendasi pemilihan properti berhasil diimplementasikan menggunakan metode AHP sebagai pembobotan nilai kriteria, dimana pada penelitian ini menggunakan 6 kriteria yaitu harga, kamar mandi, kamar tidur, garasi, luas bangunan, dan luas tanah. Sedangkan metode SAW sebagai perangkingan nilai alternatif.

  Berdasarkan pada hasil perancangan, implementasi, pengujian, dan analisis yang telah dilakukan, maka dapat disimpulkan sebagai berikut:

  Berdasarkan pengujian yang dilakukan dengan menggunakan 99 data, terdapat 80 data yang sesuai dan 19 data yang tidak sesuai dengan data hasil rekomedasi PT. Bunga Properti. Tingkat keseuaian rekomendasi sistem menjadi sebesar 80,80%. Berdasarkan tingkat akurasi 80,80% maka sistem layak untuk digunakan merekomendasikan properti di kota Malang.

  80 99 ×100% = 80,80%

5. KESIMPULAN

  Abadi Perbaungan Dengan Menggunakan Metode Simple Additive Weighting (SAW). STMIK Budi Darma.

  Perwitasari, F. I. 2015. Studi Komparasi Metode Simple Additive Weighting (SAW) Untuk Pemilihan Alternatif Simplisia.

  S1. Universitas Brawijaya, Malang. Saaty, T. L. 1990. How to Make a Decision: The .

  Analytical Hierarchy Process European Journal of Operational Research.

  Saifullah, Noordin A., 2015. analisis keakuratan metode ahp dan metode saw terhadap sistem pendukung keputusan penerimaan beasiswa. Jurnal Ilmiah DASI Vol. 16 No. 1 Maret 2015, hlm 96 - 100.

  Supriatin, W, B. S., & Luthfi, E. T. 2014. Sistem Pendukung Keputusan Untuk Menentukan Penerima BLSM Di Kabupaten Indramayu. Citec Journal, 282-295.

  Wardani, N. H. 2013. Sistem Pendukung Keputusan Penentuan Prioritas Perbaikan Standar Akreditasi Program Studi Sarjana Menggunakan Metode Analytical Hierarchy Process (AHP).

  S1. Universitas Brawijaya, Malang.