PERBANDINGAN METODE WEIGHTED PRODUCT (WP) DAN SIMPLE ADDITIVE WEIGHTING (SAW) PADA PENENTUAN BARANG KONVEKSI

PERBANDINGAN METODE WEIGHTED PRODUCT (WP) DAN SIMPLE ADDITIVE WEIGHTING (SAW) PADA PENENTUAN BARANG KONVEKSI

  Irwansyah

  Prodi Teknik Informatika Politeknik Negeri Samarinda Email: Abstrak

  Sistem pendukung keputusan merupakan alat bantu yang digunakan oleh pengambil keputusan, dan dengan berbagai metode yang digunakan sebagai sarana dalam mengambil keputusan. Maka hal ini perlu dibuatkan sebuah sistem pendukung keputusan, sehingga dalam hal ini direktur/pimpinan perusahaan dapat membuat sebuah keputusan dari kriteria-kriteria yang sudah di tetapkan dalam mengembangkan perusahaannya. Pada sistem pendukung keputusan ini menggunakan metode Weighted Product (WP), di mana dalam metode ini menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan. Serta menggunakan metode Simple Additive Weighting (SAW), di mana dalam metode ini mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Data-datanya di proses berdasarkan bobot preferensi serta normalisasi matriks. Hasil penelitian ini dengan menggunakan metode WP dan SAW menunjukan V ^{2 memiliki peringkat teratas.}

  Kata Kunci - Sistem Pendukung Keputusan, Weighted Product (WP), Simple Additive Weighting (SAW)

I. PENDAHULUAN

1.1 Latar Belakang

  Di era jual beli barang tentunya tidak lepas dari barang apa yang paling banyak diminati. Dalam hal ini dimana lebih di fokuskan pada barang konveksi.

  Permasalahan yang selama ini terjadi bagaimana menentukan barang apa yang paling banyak diminati oleh pembeli? Sistem pendukung keputusan di perlukan di antaranya untuk membantu kecepatan komputasi dan dukungan kualitas dalam pengambilan keputusan. Maka hal ini perlu dibuatkan sebuah sistem pendukung keputusan untuk direktur, sehingga dalam hal ini direktur/pimpinan perusahaan dapat membuat sebuah keputusan dari kriteria-kriteria yang ada dalam memajukan perusahaannya. Dengan memberikan sebuah survey kepada pembeli berupa kuisioner dari beberapa kriteria yang diberikan, sehingga perusahaan ini mengetahui barang apa yang paling banyak dicari dan outputnya menghasilkan sebuah perankingan yang dikerjakan menggunakan metode Weighting Product (WP) dan Simple Additive Weighting (SAW), setelah perankingan didapatkan maka ditetapkanlah barang apa yang paling banyak diminati pembeli sehingga barang yang diminati tersebut harus diperbanyak. Dari 2 (dua) metode yang digunakan bisa diketahui apakah keduanya sama-sama meiliki perankingan yang sama atau tidak.

  Konsep dasar metode weighted product (WP) adalah menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan (Yoon, 1989). Proses ini sama halnya dengan proses normalisasi. Begitu juga halnya konsep dasar metode simple additive weighting (SAW) adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Fishburn, 1967) (MacCrimmon, 1968). Dalam penulisan ini peneliti mengambil beberapa contoh barang yang banyak dibeli dari konsumen untuk membuat sebuah pakaian di antaranya: Kain Asahi, Kain M901, Kain Asahi, Benang extra, Elastik dan sebagainya yang menunjang untuk pembuatan sebuah pakaian. Kesulitan yang selama ini terjadi adalah tidak mengetahui barang apa yang paling banyak diminati oleh pembeli, sehingga di perlukannya pembuatan sebuah sistem pendukung keputusan. Dimana sistem pendukung keputusan ini nantinya di perlukan salah satunya untuk membantu kecepatan komputasi tentang barang yang paling banyak diminati dengan menggunakan metode yang berbeda sebagai bahan perbandingannya, sehingga hasil akhirnya dapat diketahui.

  Keputusan merupakan kegiatan yang harus dilakukan oleh seorang manajer, agar dapat menentukan sesuatu yang diinginkan. Dalam memilih tindakan yang diyakini manajer, diharapkan dapat memberikan hasil terbaik. Di dalam mengambil keputusan terdapat banyak kriteria, diantaranya berdasarkan discount, kualitas, merk, kemudahan memperoleh barang, kepuasan terhadap barang, pelayanan karyawan dan harga.

  II. DASAR TEORI

  2.1. Metode Weighted Product (WP)

  Pada metode WP, preferensi untuk alternatif A i diberikan sebagai berikut: Irwansyah, Perbandingan Metode Weighted Product (WP) Dan Simple Additive Weighting (SAW) Pada Penentuan

  Barang Konveksi n _wj

  S i ij = Π x ; dengan i =1,2,…,m (1) j=1 _{j j} dimana ∑w = 1. w adalah pangkat bernilai positif untuk atribut keuntungan, dan bernilai negatif untuk atribut biaya. Preferensi relatif dari setiap alternatif, diberikan sebagai: _{i ij j} n n _{* wj wj}

  V = Π x / Π (x ) ; i =1,2,…,m (2) j=1 j=1

   2.2. Metode Simple Additive Weighting (SAW)

  Pada metode SAW membutuhkan proses

  Gambar 1

  . Struktur Sistem Pendukung Keputusan normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.

  Proses Pengambilan Keputusan

  x ij /Max i x ij Pengambilan keputusan adalah sebuah proses jika j adalah atribut keuntungan memilih tindakan (diantara berbagai alternatif) r ij = untuk mencapai suatu tujuan atau beberapa tujuan. (3)

  Min i x ij /x ij Menurut Simon (1977), pengambilan keputusan jika j adalah atribut biaya manajerial sinonim dengan proses keseluruhan dari manajemen. Adapun fase-fase proses keputusan n yaitu inteligensi, desain, pilihan dan implementasi.

  V i j r ij (4) = ∑ W

  Beberapa menganggap fase keseluruhan tersebut j=1 sebagai fase pemecahan masalah, dengan fase dimana: pilihan sebagai pengambilan keputusan riil. r ij

  Rating kinerja ternormalisasi dari alternatif _{i j} A pada atribut C Metode Weighting Product (WP) dan Metode i 1,2,...,m

  Simple Additive Weighting (SAW) merupakan j 1,2,…,n _i bagian dari konsep dasar Multi-Attribut Decision

  V Nilai preferensi untuk setiap alternative _{i melalui 3 tahap yaitu penyusunan komponen-} Making (MADM). Proses MADM dilakukan Nilai V yang lebih besar mengindikasikan bahwa alternatif A i lebih terpilih. komponen situasi, analisis, dan sintesis informasi (Rudolphi, 2000).

   2.3. Sistem Pendukung Keputusan

  Pada tahap penyusunan komponen, komponen situasi akan dibentuk tabel taksiran yang berisi Sistem pendukung keputusan merupakan sistem identifikasi alternatif dan spesifikasi tujuan, kriteria informasi interaktif yang menyediakan informasi, dan atribut. Salah satu cara untuk pemodelan, dan pemanipulasian data. Sistem itu _i menspesifikasikan tujuan situasi |O , i = 1,…,t| digunakan untuk membantu pengambilan adalah dengan cara mendaftar konsekuensi- keputusan dalam situasi yang semitersruktur dan konsekuensi yang mungkin dari alternatif yang situasi yang tidak terstruktur, dimana tak seorang telah teridentifikasi | A i

  , i = 1,…,n |. Selain itu juga _k pun tahu secara pasti bagaimana keputusan disusun atribut-atribut yang akan digunakan | a , k = 1,…m |. seharusnya dibuat (Alter, 2002).

2.4. Metode Penelitian Metode Analisis

  Penelitian ini membahas tentang sistem

   Kerangka Konsep Penelitian

  pendukung keputusan yang berfungsi untuk Sistem pendukung keputusan biasanya mendukung pengambilan keputusan memperoleh dibangun untuk mendukung solusi atas suatu barang yang paling banyak diminati pembeli masalah atau untuk mengevaluasi suatu peluang. menggunakan metode Weighting Product (WP)

  Berikut ini adalah struktur dari sistem pendukung dan Simple Additive Weighting (SAW). Setelah keputusan yang dapat dilihat pada Gambar 1: JUST TI, Volume 9 Nomor 1, Januari 2017: 40 - 45 dilakukan pendataan baik dengan wawancara direktur dan karyawan-karyawannya tentang permasalahan apa yang terjadi, sehingga berkeinginan untuk melakukan penelitian ini? Adapun permasalahan yang akan diangkat dalam penelitian ini adalah bagaimana membandingkan metode weighting product dengan metode simple additive weighting dalam memperoleh barang yang paling banyak diminati pembeli.

  Analisis Kebutuhan

  Berikut merupakan beberapa kebutuhan sistem pendukung keputusan yang akan dibangun untuk mendukung memperoleh barang yang paling banyak di minati pembeli:

  ditemukan berupa sebuah perankingan. Setelah

  Weighting Product dan Simple Additive Weighting , sehingga hasil akhirnya dapat

  Proses arsitektur sistem yang dibuat yaitu terjadinya seorang pengambil keputusan yang memerintahkan kepada karyawan (kasir) untuk membuat sebuah SPK dengan kriteria-kriteria seperti discount, kualitas, merk, kemudahan memperoleh barang, pelayanan karyawan, kepuasan terhadap barang, harga dengan melakukan kuisioner. Dalam SPK ini menggunakan dua (2) metode yaitu metode

  Arsitektur Sistem

  Pengujian sistem merupakan proses mengeksekusi sistem perangkat lunak untuk menentukan apakah sistem perangkat lunak tersebut cocok dengan spesifikasi sistem dan berjalan sesuai dengan lingkungan yang diinginkan. Pengujian sistem sering diasosiasikan dengan pencarian bug, ketidaksempurnaan program, kesalahan pada baris program yang menyebabkan kegagalan pada eksekusi sistem perangkat lunak. Menemukan dan menghilangkan ketidaksempurnaan program ini disebut debugging, yang berbeda dengan pengujian sistem yang berfokus pada pengidentifikasian adanya ketidaksempurnaan.

  3.1 Pembahasan

  Data ekstraksi Data ekstraksi merupakan data gabungan dari data internal dan data eksternal. Proses ekstraksi menghasilkan manajemen sistem III.

  c.

  Data eksternal Merupakan data yang berasal dari luar perusahaan, tapi tetap mempunyai pengaruh dalam membuat sistem pengambilan keputusan yang baik. Adapun data yang berasal dari luar adalah data yang didapat dari hasil kuisioner dari pembeli. Jadi perbedaanya adalah data internal merupakan data yang didapat dari dalam perusahaan itu sendiri, sedangkan data eksternal merupakan data yang didapat dari luar perusahaan.

  b.

  Data internal merupakan data yang berasal dari sendiri yang digunakan untuk mendukung Sistem. Adapun data internal yang dibutuhkan adalah data kriteria dan data alternatif.

a) Kebutuhan Input

  Sumber data merupakan data akurat baik itu data yang didapat dari internal, eksternal yang akan dijadikan sebuah acuan untuk menghasilkan informasi yang valid. Dalam sistem pendukung keputusan sumber data bisa didapat dari: a. Data internal

   Sumber Data

  Hasil proses perhitungan dan hasil perankingan menggunakan metode WP dan SAW b. Membantu direktur untuk mengambil sebuah keputusan dari data-data yang ada sehingga barang apa yang paling banyak di minati pembeli dapat diketahui.

  Output yang diinginkan adalah berupa informasi yang akan disampaikan ke direktur, yaitu: a.

  (SAW)

  Proses perankingan dari nilai vector (WP) c. Proses perankingan dari normalisasi

  b.

  Proses menghitung untuk melakukan normalisasi.

  Beberapa proses dibutuhkan untuk memproses data input menjadi data output berupa informasi yang diinginkan yaitu: a.

  Data input yang digunakan untuk membangun sistem pendukung keputusan diantaranya data kriteria dan data alternatif.

HASIL DAN PEMBAHASAN

b) Kebutuhan Proses

c) Kebutuhan Output

  Irwansyah, Perbandingan Metode Weighted Product (WP) Dan Simple Additive Weighting (SAW) Pada Penentuan

  1. Admin Melakukan menggunaka user dan password ketika hendak memakai sistem.

  Dalam proses perhitungan WP data-datanya diambil dari hasil kuisioner, form kuisioner dapat dilihat pada Gambar 4.

  Proses Perhitungan Metode WP

  Input data dalam pengambil keputusan dilakukan oleh karyawan (kasir) dalam hal ini sebagai administrator, yang mana hasil akhirnya akan diberikan kepada direktur sebagai pengambil keputusan. Dalam proses log in, user harus memasukan id user dan password, agar hak dan kerahasiaannya terlindungi dari pihak yang tidak mempunyai kepentingan. Selanjutnya administrator melakukan input data kriteria dan data alternatif, dimana penentuan penginputan data ini bersifat dinamis sesuai dengan aturan dari perusahaan tersebut.

  sehingga menghasilkan output yang diinginkan sesuai dengan harapan pengambil keputusan dalam hal ini adalah direktur.

  Weighting Product dan Simple Additive Weighting

  Pada pengujian dan pembahasan ini mengulas tentang sistem pendukung keputusan untuk menentukan barang yang paling banyak di minati pembeli. Setelah melalui proses penginputan, data tersebut kemudian diproses dengan metode

  2. Direktur, dalam hal ini adalah sebagai pembuat keputusan yang mana menerima informasi perankingan tentang barang yang paling banyak di minati pembeli dari admin, tetapi direktur juga dapat melakukan hal yang sama apa yang dikerjakan oleh admin.

  Admin dapat melakukan perubahan, penambahan, penghapusan data yang terdaftar didalam tabel.

  c.

  Diberi kebebasan melakukan penambahan user seperti admin1, admin2 kapan saja ketika diinginkan.

  b.

  Didalam context diagram ini terdapat dua entitas yaitu admin dan direktur, adapun tentang hak akses sistem yang diberikan dalam memakai fasilitas sistem diberikan berbeda:

  Barang Konveksi

  Gambar 3 . Diagram Konteks

  Pada context diagram sistem digambarkan dengan sebuah proses saja, kemudian entitas luar yang berinteraksi dengan proses tunggal, berikut adalah context diagram sistem pendukung keputusan untuk penentuan barang konveksi dapat dilihat pada Gambar 3.

  Diagram Konteks

  Pemodelan proses adalah cara formal untuk menggambarkan bagaimana sistem beroperasi.

  Gambar 2 . Arsitektur Sistem Pemodelan proses

  2. Direktur yaitu seorang pengambil keputusan, yang mempunyai hak akses dalam pengambilan keputusan yang di dasari dari rekomendasi admin. Direktur juga memiliki hak akses dalam hal input, update, delete dan output data.

  Admin ini yang memiliki hak akses tertinggi, meliputi: input, update, delete, dan output data.

  Karyawan sebagai administrator sistem.

  Dalam arsitektur ini terdapat hubungan antara komponen-komponen yang berhubungan yang menghasilkan: 1.

  berupa informasi yang akan disampaikan ke direktur. Rancangan arsitekturnya dapat dilihat pada Gambar 2.

  database server dan dibuatkan sebuah laporan

  perankingan ditemukan dengan 2 metode, apakah sama atau tidak. Kemudian di simpan dalam

  Gambar 4 . Form Kuisioner JUST TI, Volume 9 Nomor 1, Januari 2017: 40 - 45 Setelah data-data kuisioner didapatkan, kemudian 1.

  Tabel 1. Rating kecocokan klasifikasi elastik

  4

  2

  1

  2

  2

  4 X = 1

  7

  5

  5

  4

  4

  4

  4

  2

  1

  1

  1

  1

  1

  Untuk matriks keputusan dibentuk dari tabel kecocokan sebagai berikut:

  Untuk form kuisioner, tabel rating kecocokan klasifikasi elastik dan nilai pembobotan sama dengan pada metode weighted product.

  2

  1

  V ^{5 = 0,1467} Dari perhitungan tersebut maka V ^{2 merupakan} nilai terbesar, kemudian disusul V3 serta V1. Sedangkan V4 dan V5 mempunyai nilai yang sama. sehingga V ² merupakan barang yang paling banyak diminati pembeli.

  1

  V ^{4 = 6,2856}

  18 V ^{3 = 8,4214}

  V ² =

  V ^{1 =(3)(0,25)+(3)(0,25)+(2)(0,25)+(2)(0,2)+(} 3)(0,2)+(2)(0,2857)+(3)(1) = 6,5714

  4 r ¹² = = 1 max{1;4;1;1;1} dan seterusnya, sehingga didapatkan matriks ternormalisasi sebagai berikut: Sehingga menghasilkan berupa perankingan sebagai berikut:

  4

  1 r ^{11 = = = 0,25} max{1;4;1;1;1}

  1

  4 Kemudian lakukan normalisasi sebagai berikut:

  1

  1

  1

  1

  1

  1

  4

  1

  1

  1

  1

  Proses Perhitungan Metode SAW

  V ⁴ = 0,1467

  Alte rnat if

  4

  2

  1

  2

  2

  1

  4 A ³

  7

  5

  5

  4

  4 A ⁴

  4

  4 A ²

  2

  1

  1

  1

  1

  1

  Kriteria C ₁ C ₂ C ₃ C ₄ C ₅ C ₆ C ₇ A ¹

  2

  1

  V ^{3 = 0,2156}

  1

  V ² = 0,3322

  V ¹ = 0,8571+1,7965+1,1662+0,7936+0,7936 = 0,1585

  0,8571

  Dan seterusnya, sehingga nilai vektor V yang akan digunakan untuk perankingan dapat dihitung.

  S ¹ =(1 ^0,1667 )(1 ^0,1667 )(1 ^0,1111 )(1 ^0,1111 )(1 ^0,1667 ) ( 2 ^0,1111 )(4 ^-0,1667 ) = 0,8571

  3 W ^{1 = = = 0,1667} 3+3+2+2+3+2+3 18 dan seterusnya hingga mencapai W ^{7 ,} kemudian dilanjutkan menghitung vektor S:

  3

  ∑w ^{j = 1, dengan cara} w j = w j / ∑w ^{j ;}

  4 Pengambil keputusan memberikan bobot sebagai berikut: W = (3, 3, 2, 2, 3, 2, 3) sehingga total bobot

  1

  1

  1

  1

  1

  1

  4 A ⁵

  1

  1

  1

  1

  V ^{5 = 6,2856} Dari perhitungan tersebut maka V ² merupakan nilai terbesar, kemudian disusul V ^{3 serta V 1 .} Sedangkan V ⁴ dan V ⁵ mempunyai nilai yang sama. sehingga V ^{2 merupakan barang yang paling banyak} diminati pembeli. Irwansyah, Perbandingan Metode Weighted Product (WP) Dan Simple Additive Weighting (SAW) Pada Penentuan

  Barang Konveksi IV.

  Program Studi Ilmu Komputer Universitas

   KESIMPULAN Gadjah Mada (UGM) Yogyakarta.

  1. Menggunakan metode Weighted Product (WP) dan Simple Additive Weighting

  [4] Kusrini, 2007, Konsep dan Aplikasi Sistem (SAW) maka perankingan dapat diketahui.

  Pendukung Keputusan , Penerbit ANDI, Yogyakarta.

  2. penggunaan metode Perbandingan

  Weighted Product dan Simple Additive [5] Kusumadewi, S., Hartati, S., Harjoko, A., dan

  Weighting pada hasil akhir dalam Wardoyo, R., 2006, Fuzzy Multi-Attribute perankingan tidak ada perbedaan.

  Decision Making , Penerbit GRAHA ILMU, Yogyakarta.

  3. Pemberian bobot dapat mempengaruhi hasil akhir.

  [6] Suryadi, K; & Ramdhani, A. 1998, Sistem

  Pendukung Keputusan: Suatu Wacana 4.

  Dengan menggunakan sistem pendukung

  Struktural Idealisasi dan Implementasi

  keputusan dapat membantu hasil yang Konsep Pengambilan Keputusan.

  Bandung: diinginkan. PT Remaja Rosdakarya.

  [7] Turban, E., Aronson, J.E. and Liang, T.P.,

  REFERENSI

  2005, Decision Support System and

  Inteligent System

  ,edisi 7 jilid 1, Andi, [1] Fatta, H.A., 2007, Analisis & Perancangan Yogyakarta.

  Sistem Informasi , Penerbit ANDI, Yogyakarta.

  [2] Gayatri V.S. and Chetan M.S., 2013, Comparative Study of Different Multi- kriteria Decision-making Methods, IJACTE,

  ISSN (Print) : 2319 – 2526, Volume- 2,Issue-4,2013,

  diakses 3 April 2014.

  [3] Irwansyah, 2014, Sistem Pendukung Keputusan Untuk Penentuan Barang Konveksi Yang Harus Disediakan Menggunakan Metode Promethee, Tesis,