Jurnal Online STMIK EL RAHMA
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SEPEDA
DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)
Encep Andi Nugraha
Mahasiswa Program Studi Teknik Informatika STMIK EL RAHMA Yogyakarta,
e-mail: andinugraha442@gmail.com
Abstract
Bicycles are one of the means of transportation that has existed since the early 18th century. The
bike was first thought to have come from France which was then called velocipede. In terms of bicycle
selection, along with the various models, completeness, and prices that exist in the market many people
who find obstacles when determining the choice in buying a bike. Therefore, a decision support system is
needed to provide the right information in the process of determining the selection of bicycles according to
user needs.
Decision support system aims to assist the community in determining the selection of bicycles that
fit the needs and desired criteria. In order for the bicycle selection process as desired then needed a decision
support system using Simple Additive Weighting (SAW) method. Simple Additive Weighting (SAW)
method is often known as meotde weighted sum.
The basic concept of the Simple Additive Weighting method (SAW) is to find the weighted sum
of performance ratings on each alternative of all attributes. This method requires the process of
normalizing the decision matrix (X) to a scale comparable to all existing alternative ratings. This
research produces a decision support system application that provides information in the process of
determining the purchase of a bicycle that suits the user's needs and the criteria of the society itself.
Keywords: Decision Support System, Simple Addittive Weighting (SAW), Bicycle.
Abstrak
Sepeda merupakan salah satu alat transportasi yang sudah ada sejak awal abad ke-18.
Sepeda pertama kali ada diperkirakan berasal dari Prancis yang pada saat itu dinamakan velocipede.
Dalam hal pemilihan sepeda, seiring dengan berbagai model, kelengkapan, dan harga yang ada di
pasaran banyak masyarakat yang menemukan kendala ketika menentukan pilihan dalam membeli
sebuah sepeda. Oleh karena itu dibutuhkan sebuah sistem pendukung keputusan untuk memberikan
informasi yang tepat dalam proses penentuan pemilihan sepeda yang sesuai dengan kebutuhan pengguna.
Sistem pendukung keputusan bertujuan untuk membantu masyarakat dalam menentukan
pemilihan sepeda yang sesuai dengan kebutuhan dan kriteria yang diinginkan. Agar proses pemilihan
sepeda sesuai keinginan maka diperlukan sebuah sistem pendukung keputusan dengan menggunakan
metode Simple Additive Weighting (SAW). Metode Simple Additive Weighting (SAW) sering dikenal
dengan istilah meotde penjumlahan terbobot.
Konsep dasar dari metode Simple Additive Weighting (SAW) adalah mencari penjumlahan
terbobot dari rating kinerja pada setiap alternatif dari semua atribut. Metode ini membutuhkan proses
normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating
alternatif yang ada. Penelitian ini menghasilkan sebuah aplikasi sistem pendukung keputusan yang
memberikan informasi dalam proses penentuan pembelian sepeda yang sesuai dengan kebutuhan
pengguna dan kriteria masyarakat itu sendiri.
Kata kunci : Sistem Pendukung Keputusan, Simple Addittive Weighting (SAW), Sepeda.
PENDAHULUAN
Sepeda merupakan salah satu alat transportasi yang sudah ada sejak awal abad ke18. Sepeda pertama kali ada diperkirakan berasal dari Prancis yang pada saat itu
dinamakan velocipede. Sejak adanya sepeda hingga sekarang digunakan sebagai penunjang
kegiatan sehari-hari, baik untuk berolahraga, rekreasi maupun bekerja. Seiring berjalannya
waktu, saat ini memiliki jenis sepeda yang ada yaitu, Sepeda Anak, Sepeda Balap, Sepeda
BMX, Sepeda Gunung dan Sepeda Lipat. Dengan banyaknya jenis sepeda, maka
kelengkapan sepeda semakin banyak beredar dipasaran. Baik dalam negeri maupun luar
negeri, berbagai kelengkapan terkenal seperti Polygon, Shimano, Federal, Wimcycle dan yang
lainnya berlomba-lomba mengeluarkan produk terbaiknya untuk menarik minat
konsumen. (Suriana, 2012)
Setiap orang sering sekali dihadapkan dengan suatu keadaan dimana orang tersebut
harus memutuskan untuk memilih satu dari beberapa pilihan yang ada, termasuk dalam
hal pemilihan sepeda, seiring dengan berbagai model, kelengkapan, dan harga yang ada di
pasaran banyak masyarakat yang menemukan kendala ketika menentukan pilihan dalam
membeli sebuah sepeda. Oleh karena itu dibutuhkan sebuah sistem pendukung keputusan
untuk memberikan informasi yang tepat dalam proses penentuan pembelian sepeda yang
sesuai dengan kebutuhan pengguna dan kriteria masyarakat itu sendiri.
Sistem Pendukung Keputusan (SPK) merupakan sistem berbasis komputer dan
juga termasuk sistem dengan basis manajemen pengetahuan, digunakan untuk
mendukung pengambilan keputusan. Menurut Antonio dan Andrea Critto SPK yaitu
penggabungan antara sumber-sumber kecerdasan individu dengan kemampuan
komponen menjadi sistem informasi berbasis komputer dan untuk memperbaiki kualitas
keputusan. Sistem informasi berbasis komputer sebagai manajemen pengambilan
keputusan yang menangani masalah-masalah terstruktur. (Marcomini dan Critto, 2008).
IJCCS Vol. x, No. x, July 201x : first_page β end_page
3
METODE PENELITIAN
a. Metode Pengumpulan Data
1. Metode Observasi
Observasi adalah pengumpulan data dengan cara pengamatan langsung pada suatu
kegiatan yang sedang berlangsung untuk mengumpulkan data atau fakta.
2. Metode Wawancara
Dalam penelitian skripsi untuk mendapatkan informasi secara lengkap maka peneliti
melakukan suatu metode tanya jawab kepada salah satu petugas toko sepeda.
3. Metode Kepustakaan
Metode kepustakaan dengan cara mengadakan studi kepustakaan yaitu dengan
mempelajari literatur/teori-teori yang berkaitan dengan penelitian sehingga data yang
akan dikumpulkan untuk perancangan objek lebih akurat.
b. Metode Pengembangan Sistem
Metode penelitian yang digunakan untuk membangun dan merancang sistem yang
memanfaatkan sistem pendukung keputusan pembelian sepeda dengan metode Simple
Additive Weighting (SAW). Adapun langkah-langkah yang ditempuh meliputi fase-fase
sebagai berikut :
1. Analisis
Tahapan analisis adalah tahapan dimana sistem yang sedang berjalan diperlajari
dengan tujuan utamanya yaitu untuk memahami dan mendokumentasi kebutuhan
bisnis (business need) dan persyaratan proses dari sistem baru.
2. Desain
Tahapan desain adalah tahapan mengubah kebutuhan yang masih berupa konsep
menjadi spesifikasi sistem yang riil. Tahapan desain sistem dapat dibagi menjadi 2
tahap, yaitu desain login (logical design) dan tahapan desain fisik (physical design).
3. Implementasi
Pada tahapan ini ada dua hal yang perlu dilakukan, yaitu testing atau menguji hasil
kode program yang telah dihasilkan dari tahapan desain fisik. Setelah program lulus
ujicoba, kemudian instalasi.
4. Pemeliharaan
Langkah terakhir ini sistem secara sistematis diperbaiki dan ditingkatkan.
HASIL DAN PEMBAHASAN
Setelah melakukan tahapan perancangan sistem selanjutnya melakukan tahap
pengimplementasian. Pada tahap ini akan menampilkan hasil screenshoot berupa aplikasi
yang sudah jadi dan pembahasan mengenai aplikasi.
1. Implementasi Metode Simple Additive Weighting (SAW)
a. Menentukan Kriteria
Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan
keputusan, yaitu C1 dan sifat dari masing-masing kriteria.
Tabel 1 Tabel Kriteria
Kriteria ke-
Nama Kriteria
Sifat
Bobot
C1
Desain
20%=20/100=0,20
Benefit
C2
Harga
25%=25/100=0,25
Cost
C3
Kelengkapan
25%=25/100=0,25
Benefit
C4
Tingkat Kenyamanan
15%=15/100=0,15
Benefit
C5
Tingkat Kualitas
15%=15/100=0,15
Benefit
b. Menentukan Alternatif
Tabel 2 Tabel Kriteria
Kriteria
Alternatif
BMX United Rev
Race
BMX United Epica
X07
BMX United JumperX07
BMX United Jumper
Race
BMX United D Based
C1
C2
C3
C4
C5
80
90
55
69
50
75
44
80
90
80
55
94
25
41
24
66
36
29
65
93
76
77
65
87
99
c. Menentukan Matrik Keputusan Berdasarkan Kriteria (ci)
80
75
55
66
76
90
44
94
36
77
55
80
25
29
65
69
90
41
65
87
50
80
24
93
99
d. Normalisasi R
Melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan
jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks
ternormalisasi R
IJCCS Vol. x, No. x, July 201x : first_page β end_page
5
KOLOM PERTAMA
x11
r11 =
=
r21 =
=
max {π₯11; π₯21; π₯31; π₯41;π₯51}
80
80
=
r31 =
r41 =
r51 =
max {80; 75; 55;66;76}
x21
=
max {80; 75; 55;66;76}
x31
=
=
max {80; 75; 55;66;76}
x41
=
=
max {80; 75; 55;66;76}
x51
=
=
= 0,69
=
80
= 0,83
=
max {80; 75; 55;66;76}
=
80
= 0,95
π₯22
min {90; 44; 94;36;77}
=
36
π₯23
min {90; 44; 94;36;77}
=
36
π₯24
min {90; 44; 94;36;77}
=
36
π₯25
min {90; 44; 94;36;77}
=
36
= 0,4
90
90
min {π₯12; π₯22; π₯23; π₯24;π₯25}
= 0,82
44
44
min {π₯12; π₯22; π₯23; π₯24;π₯25}
= 0,38
94
94
min {π₯12; π₯22; π₯23; π₯24;π₯25}
r52 =
=
80
max {π₯11; π₯21; π₯31; π₯41;π₯51}
76
76
36
r42 =
= 0,94
max {π₯11; π₯21; π₯31; π₯41;π₯51}
66
66
=
r32 =
80
max {π₯11; π₯21; π₯31; π₯41;π₯51}
55
55
π₯12
min {90; 44; 94;36;77}
r22 =
=1
max {π₯11; π₯21; π₯31; π₯41;π₯51}
75
75
KOLOM KEDUA
min {π₯12; π₯22; π₯23; π₯24;π₯25}
r12 =
=
80
=1
36
36
min {π₯12; π₯22; π₯23; π₯24;π₯25}
77
77
= 0,47
KOLOM KETIGA
x13
r13 =
=
r23 =
=
max {π₯13; π₯23; π₯33;π₯34;π₯35}
55
55
=
r33 =
r43 =
r53 =
max {55; 80; 25;29;65}
x23
=
max {55; 80; 25;29;65}
x33
=
max {55; 80; 25;29;65}
x43
=
=1
80
= 0,31
80
= 0,36
80
= 0,81
max {π₯13; π₯23; π₯33;π₯34;π₯35}
29
29
=
max {55; 80; 25;29;65}
x53
=
max {π₯13; π₯23; π₯33;π₯34;π₯35}
65
65
=
max {55; 80; 25;29;65}
=
=
r24 =
=
r54 =
80
max {π₯13; π₯23; π₯33;π₯34;π₯35}
25
25
max {π₯14; π₯24; π₯34;π₯44;55}
69
69
=
r44 =
= 0,69
max {π₯13; π₯23; π₯33;π₯34;π₯35}
80
80
KOLOM KEEMPAT
x14
r14 =
r34 =
80
max {69; 90; 41;65;87}
x24
90
= 0,77
90
=1
90
= 0,46
90
= 0,72
90
= 0,97
max {π₯14; π₯24; π₯34;π₯44;55}
90
90
=
max {69; 90; 41;65;87}
x34
max {π₯14; π₯24; π₯34;π₯44;55}
41
41
=
max {69; 90; 41;65;87}
x44
=
max {π₯14; π₯24; π₯34;π₯44;55}
65
65
=
max {69; 90; 41;65;87}
x54
=
max {π₯14; π₯24; π₯34;π₯44;55}
87
87
=
max {69; 90; 41;65;87}
=
IJCCS Vol. x, No. x, July 201x : first_page β end_page
7
KOLOM KELIMA
x15
r15 =
=
r25 =
=
max {π₯15; π₯25; π₯35;π₯45;π₯55}
50
50
=
r35 =
r45 =
r55 =
max {50; 80; 24;93;99}
x35
99
= 0,51
99
= 0,81
99
= 0,24
99
= 0,94
99
=1
max {π₯15; π₯25; π₯35;π₯45;π₯55}
80
80
=
max {50; 80; 24;93;99}
x35
max {π₯15; π₯25; π₯35;π₯45;π₯55}
24
24
=
max {50; 80; 24;93;99}
x35
=
max {π₯15; π₯25; π₯35;π₯45;π₯55}
93
93
=
max {50; 80; 24;93;99}
x35
=
max {π₯15; π₯25; π₯35;π₯45;π₯55}
99
99
=
1
0,94
0,69
0,83
0,95
max {50; 80; 24;93;99}
0,4
0,82
0,38
1
0,47
0,69
1
0,31
0,36
0,81
=
0,77
1
0,46
0,72
0,97
0,51
0,81
0, 24
0,94
1
e. Hasil Akhir
Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian
matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar
yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi.
Proses perangkingan dengan menggunakan bobot yang telah diberikan oleh
pengambil keputusan :
W = [ 0,20; 0,25; 0,25; 0,15, 0,15]
Hasil perangkingan yang diperoleh dengan menggunakan rumus yang ke-2
adalah :
V1 = (0,20*1) + (0,25*0,4) + (0,25*0,69) + (0,15*0,77) + (0,15*0,52) = 0,91
V2 = (0,20*0,94) + (0,25*0,82) + (0,25*1) + (0,15*1) + (0,15*0,81) = 0,81
V3 = (0,20*0,69) + (0,25*0,38) + (0,25*0,31) + (0,15*0,46) + (0,15*0,24) = 0,75
V4 = (0,20*0,83) + (0,25*1) + (0,25*0,36) + (0,15*0,72) + (0,15*0,94) = 0,66
V5 = (0,20*0,95) + (0,25*0,47) + (0,25*0,81) + (0,15*0,97) + (0,15*1) = 0,42
f. Menentukan Rangking
Nilai terbesar ada pada V1 sehingga alternatif sepeda BMX United Epica X07
yang terpilih sebagai alternatif terbaik. Seperti pada Tabel 4.6.
Rangking
1
2
3
4
5
Tabel 3 Tabel Rangking
Nama Sepeda
BMX United Epica X07
BMX United D Based
BMX United Jumper-X07
BMX United Rev Race
BMX United Jumper Race
Nilai
0,91
0,81
0,75
0,66
0,42
2. DAD Level 0
Pada DAD level 0 terdapat dua eksternal entity yaitu admin dan user. Admin
melakukan input sepeda dan input nilai kriteria sepeda, kemudian di simpan di
tblsepeda dan tblmatrik. Sedangkan user menginput-kan nilai bobot kriteria yang akan
digunakan untuk menampilkan hasil perhitungan.
Gambar 1. DAD level 0
IJCCS Vol. x, No. x, July 201x : first_page β end_page
9
3. Halaman User
Halaman user memiliki menu beranda, info sepeda dan perhitungan.
a. Halaman Beranda
Pada halaman beranda berisi halaman home, halaman info sepeda, sistem
pendukung keputusan dan analisa atau perhitungan.
Gambar 1. Halaman Beranda
b. Halaman Info Sepeda
Pada halaman info sepeda menampilkan merk sepeda, kelengkapan dan harga
sepeda.
Gambar 2. Halaman info sepeda
c. Halaman Sistem Pendukung Keputusan
Pada halaman sistem pendukung keputusan ini menampilkan jumlah kriteria yang
harus diisi oleh user, dengan total bobot 100%.
Gambar 3. Halaman system pendukung keputusan
4. Halaman Admin
Halaman admin terdiri dari beberapa menu seperti home, data sepeda, dan data
kriteria. Dimana admin harus login terlebih dahulu sebelum masuk ke halaman utama
admin.
a. Halaman login admin
Halaman login admin merupakan halaman yang akan pertama kali muncul ketika
masuk ke halaman admin.
Gambar 4. Halaman login admin
IJCCS Vol. x, No. x, July 201x : first_page β end_page
11
b. Halaman Home
Tampilan halaman home seperti dibawah ini.
Gambar 5. Halaman home
c. Halaman Data Sepeda
Pada halaman data sepeda menampilkan merk sepeda, kelengkapan sepeda dan
harga yang sudah di input-kan oleh admin, di halaman data sepeda juga memiliki
fitur CRUD (create, read, update, delete).
Gambar 6. Halaman data sepeda
d. Halaman Data Kriteria
Pada halaman kriteria menampilkan tabel merk sepeda lengkap dengan kriteria
desain, harga, kelengkapan, tingkat kenyamanan, dan tingkat kualitas yang sudah
di input-kan oleh admin. Di halaman data kriteria juga memiliki fitur CRUD (create,
read, update, delete)
Gambar 6. Halaman data kriteria
KESIMPULAN
Dengan adanya aplikasi SPK (Sistem Pendukung Keputusan) Pemilihan Sepeda
BMX ini memudahkan bagi siapa saja yang ingin membeli sepeda BMX dengan kriteria
desain, harga, kelengkapan, tingkat kenyamanan, dan tingkat kualitas. Metode SAW
(Simple Additive Weighting) memiliki perhitungan yang simpel dan mudah dipahami,
sehingga dalam pengimplementasian aplikasi SPK (Sistem Pendukung Keputusan)
pemilihan sepeda BMX dapat berhasil diterapkan untuk memecahkan masalah. Sehingga
user (pengguna) dalam mengambil keputusan memilih sepeda terbaik sesuai dengan
kriteria yang sudah ditentukan.
SARAN
Pembuatan aplikasi Sistem Pendukung Keputusan Pemilihan Sepeda ini masih
memiliki banyak kekurangan, agar sistem ini dapat berjalan lebih baik dalam
menghasilkan pemilihan yang lebih akurat. Maka disarankan kepada pembaca dan seluruh
pihak yang ingin meneruskan pembuatan SPK Pemilihan sepeda agar dapat memperbaiki
dan memperhatikan kekurangan. Yang dapat di kembangkan dari aplikasi ini adalah
sebagai berikut :
a. Memperbanyak jumlah sepeda, agar pengguna semakin mudah mencari sepeda
yang diinginkan.
b. Memperbaiki desain tampilan agar lebih nyaman bagi pengguna.
IJCCS Vol. x, No. x, July 201x : first_page β end_page
13
DAFTAR PUSTAKA
[1] Antonio M. dan Andrea C. 2008, Sistem Pendukung Keputusan untuk Manajemen Resiko
Berbasis Web, Springer Science & Bussiness Media.
[2] Suriana,Neti, 2012,βSejarah dan Penemu Sepeda.β http://informasitips.com/sejarah-danpenemu-sepeda, diakses tanggal 29 Maret 2017.
DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)
Encep Andi Nugraha
Mahasiswa Program Studi Teknik Informatika STMIK EL RAHMA Yogyakarta,
e-mail: andinugraha442@gmail.com
Abstract
Bicycles are one of the means of transportation that has existed since the early 18th century. The
bike was first thought to have come from France which was then called velocipede. In terms of bicycle
selection, along with the various models, completeness, and prices that exist in the market many people
who find obstacles when determining the choice in buying a bike. Therefore, a decision support system is
needed to provide the right information in the process of determining the selection of bicycles according to
user needs.
Decision support system aims to assist the community in determining the selection of bicycles that
fit the needs and desired criteria. In order for the bicycle selection process as desired then needed a decision
support system using Simple Additive Weighting (SAW) method. Simple Additive Weighting (SAW)
method is often known as meotde weighted sum.
The basic concept of the Simple Additive Weighting method (SAW) is to find the weighted sum
of performance ratings on each alternative of all attributes. This method requires the process of
normalizing the decision matrix (X) to a scale comparable to all existing alternative ratings. This
research produces a decision support system application that provides information in the process of
determining the purchase of a bicycle that suits the user's needs and the criteria of the society itself.
Keywords: Decision Support System, Simple Addittive Weighting (SAW), Bicycle.
Abstrak
Sepeda merupakan salah satu alat transportasi yang sudah ada sejak awal abad ke-18.
Sepeda pertama kali ada diperkirakan berasal dari Prancis yang pada saat itu dinamakan velocipede.
Dalam hal pemilihan sepeda, seiring dengan berbagai model, kelengkapan, dan harga yang ada di
pasaran banyak masyarakat yang menemukan kendala ketika menentukan pilihan dalam membeli
sebuah sepeda. Oleh karena itu dibutuhkan sebuah sistem pendukung keputusan untuk memberikan
informasi yang tepat dalam proses penentuan pemilihan sepeda yang sesuai dengan kebutuhan pengguna.
Sistem pendukung keputusan bertujuan untuk membantu masyarakat dalam menentukan
pemilihan sepeda yang sesuai dengan kebutuhan dan kriteria yang diinginkan. Agar proses pemilihan
sepeda sesuai keinginan maka diperlukan sebuah sistem pendukung keputusan dengan menggunakan
metode Simple Additive Weighting (SAW). Metode Simple Additive Weighting (SAW) sering dikenal
dengan istilah meotde penjumlahan terbobot.
Konsep dasar dari metode Simple Additive Weighting (SAW) adalah mencari penjumlahan
terbobot dari rating kinerja pada setiap alternatif dari semua atribut. Metode ini membutuhkan proses
normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating
alternatif yang ada. Penelitian ini menghasilkan sebuah aplikasi sistem pendukung keputusan yang
memberikan informasi dalam proses penentuan pembelian sepeda yang sesuai dengan kebutuhan
pengguna dan kriteria masyarakat itu sendiri.
Kata kunci : Sistem Pendukung Keputusan, Simple Addittive Weighting (SAW), Sepeda.
PENDAHULUAN
Sepeda merupakan salah satu alat transportasi yang sudah ada sejak awal abad ke18. Sepeda pertama kali ada diperkirakan berasal dari Prancis yang pada saat itu
dinamakan velocipede. Sejak adanya sepeda hingga sekarang digunakan sebagai penunjang
kegiatan sehari-hari, baik untuk berolahraga, rekreasi maupun bekerja. Seiring berjalannya
waktu, saat ini memiliki jenis sepeda yang ada yaitu, Sepeda Anak, Sepeda Balap, Sepeda
BMX, Sepeda Gunung dan Sepeda Lipat. Dengan banyaknya jenis sepeda, maka
kelengkapan sepeda semakin banyak beredar dipasaran. Baik dalam negeri maupun luar
negeri, berbagai kelengkapan terkenal seperti Polygon, Shimano, Federal, Wimcycle dan yang
lainnya berlomba-lomba mengeluarkan produk terbaiknya untuk menarik minat
konsumen. (Suriana, 2012)
Setiap orang sering sekali dihadapkan dengan suatu keadaan dimana orang tersebut
harus memutuskan untuk memilih satu dari beberapa pilihan yang ada, termasuk dalam
hal pemilihan sepeda, seiring dengan berbagai model, kelengkapan, dan harga yang ada di
pasaran banyak masyarakat yang menemukan kendala ketika menentukan pilihan dalam
membeli sebuah sepeda. Oleh karena itu dibutuhkan sebuah sistem pendukung keputusan
untuk memberikan informasi yang tepat dalam proses penentuan pembelian sepeda yang
sesuai dengan kebutuhan pengguna dan kriteria masyarakat itu sendiri.
Sistem Pendukung Keputusan (SPK) merupakan sistem berbasis komputer dan
juga termasuk sistem dengan basis manajemen pengetahuan, digunakan untuk
mendukung pengambilan keputusan. Menurut Antonio dan Andrea Critto SPK yaitu
penggabungan antara sumber-sumber kecerdasan individu dengan kemampuan
komponen menjadi sistem informasi berbasis komputer dan untuk memperbaiki kualitas
keputusan. Sistem informasi berbasis komputer sebagai manajemen pengambilan
keputusan yang menangani masalah-masalah terstruktur. (Marcomini dan Critto, 2008).
IJCCS Vol. x, No. x, July 201x : first_page β end_page
3
METODE PENELITIAN
a. Metode Pengumpulan Data
1. Metode Observasi
Observasi adalah pengumpulan data dengan cara pengamatan langsung pada suatu
kegiatan yang sedang berlangsung untuk mengumpulkan data atau fakta.
2. Metode Wawancara
Dalam penelitian skripsi untuk mendapatkan informasi secara lengkap maka peneliti
melakukan suatu metode tanya jawab kepada salah satu petugas toko sepeda.
3. Metode Kepustakaan
Metode kepustakaan dengan cara mengadakan studi kepustakaan yaitu dengan
mempelajari literatur/teori-teori yang berkaitan dengan penelitian sehingga data yang
akan dikumpulkan untuk perancangan objek lebih akurat.
b. Metode Pengembangan Sistem
Metode penelitian yang digunakan untuk membangun dan merancang sistem yang
memanfaatkan sistem pendukung keputusan pembelian sepeda dengan metode Simple
Additive Weighting (SAW). Adapun langkah-langkah yang ditempuh meliputi fase-fase
sebagai berikut :
1. Analisis
Tahapan analisis adalah tahapan dimana sistem yang sedang berjalan diperlajari
dengan tujuan utamanya yaitu untuk memahami dan mendokumentasi kebutuhan
bisnis (business need) dan persyaratan proses dari sistem baru.
2. Desain
Tahapan desain adalah tahapan mengubah kebutuhan yang masih berupa konsep
menjadi spesifikasi sistem yang riil. Tahapan desain sistem dapat dibagi menjadi 2
tahap, yaitu desain login (logical design) dan tahapan desain fisik (physical design).
3. Implementasi
Pada tahapan ini ada dua hal yang perlu dilakukan, yaitu testing atau menguji hasil
kode program yang telah dihasilkan dari tahapan desain fisik. Setelah program lulus
ujicoba, kemudian instalasi.
4. Pemeliharaan
Langkah terakhir ini sistem secara sistematis diperbaiki dan ditingkatkan.
HASIL DAN PEMBAHASAN
Setelah melakukan tahapan perancangan sistem selanjutnya melakukan tahap
pengimplementasian. Pada tahap ini akan menampilkan hasil screenshoot berupa aplikasi
yang sudah jadi dan pembahasan mengenai aplikasi.
1. Implementasi Metode Simple Additive Weighting (SAW)
a. Menentukan Kriteria
Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan
keputusan, yaitu C1 dan sifat dari masing-masing kriteria.
Tabel 1 Tabel Kriteria
Kriteria ke-
Nama Kriteria
Sifat
Bobot
C1
Desain
20%=20/100=0,20
Benefit
C2
Harga
25%=25/100=0,25
Cost
C3
Kelengkapan
25%=25/100=0,25
Benefit
C4
Tingkat Kenyamanan
15%=15/100=0,15
Benefit
C5
Tingkat Kualitas
15%=15/100=0,15
Benefit
b. Menentukan Alternatif
Tabel 2 Tabel Kriteria
Kriteria
Alternatif
BMX United Rev
Race
BMX United Epica
X07
BMX United JumperX07
BMX United Jumper
Race
BMX United D Based
C1
C2
C3
C4
C5
80
90
55
69
50
75
44
80
90
80
55
94
25
41
24
66
36
29
65
93
76
77
65
87
99
c. Menentukan Matrik Keputusan Berdasarkan Kriteria (ci)
80
75
55
66
76
90
44
94
36
77
55
80
25
29
65
69
90
41
65
87
50
80
24
93
99
d. Normalisasi R
Melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan
jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks
ternormalisasi R
IJCCS Vol. x, No. x, July 201x : first_page β end_page
5
KOLOM PERTAMA
x11
r11 =
=
r21 =
=
max {π₯11; π₯21; π₯31; π₯41;π₯51}
80
80
=
r31 =
r41 =
r51 =
max {80; 75; 55;66;76}
x21
=
max {80; 75; 55;66;76}
x31
=
=
max {80; 75; 55;66;76}
x41
=
=
max {80; 75; 55;66;76}
x51
=
=
= 0,69
=
80
= 0,83
=
max {80; 75; 55;66;76}
=
80
= 0,95
π₯22
min {90; 44; 94;36;77}
=
36
π₯23
min {90; 44; 94;36;77}
=
36
π₯24
min {90; 44; 94;36;77}
=
36
π₯25
min {90; 44; 94;36;77}
=
36
= 0,4
90
90
min {π₯12; π₯22; π₯23; π₯24;π₯25}
= 0,82
44
44
min {π₯12; π₯22; π₯23; π₯24;π₯25}
= 0,38
94
94
min {π₯12; π₯22; π₯23; π₯24;π₯25}
r52 =
=
80
max {π₯11; π₯21; π₯31; π₯41;π₯51}
76
76
36
r42 =
= 0,94
max {π₯11; π₯21; π₯31; π₯41;π₯51}
66
66
=
r32 =
80
max {π₯11; π₯21; π₯31; π₯41;π₯51}
55
55
π₯12
min {90; 44; 94;36;77}
r22 =
=1
max {π₯11; π₯21; π₯31; π₯41;π₯51}
75
75
KOLOM KEDUA
min {π₯12; π₯22; π₯23; π₯24;π₯25}
r12 =
=
80
=1
36
36
min {π₯12; π₯22; π₯23; π₯24;π₯25}
77
77
= 0,47
KOLOM KETIGA
x13
r13 =
=
r23 =
=
max {π₯13; π₯23; π₯33;π₯34;π₯35}
55
55
=
r33 =
r43 =
r53 =
max {55; 80; 25;29;65}
x23
=
max {55; 80; 25;29;65}
x33
=
max {55; 80; 25;29;65}
x43
=
=1
80
= 0,31
80
= 0,36
80
= 0,81
max {π₯13; π₯23; π₯33;π₯34;π₯35}
29
29
=
max {55; 80; 25;29;65}
x53
=
max {π₯13; π₯23; π₯33;π₯34;π₯35}
65
65
=
max {55; 80; 25;29;65}
=
=
r24 =
=
r54 =
80
max {π₯13; π₯23; π₯33;π₯34;π₯35}
25
25
max {π₯14; π₯24; π₯34;π₯44;55}
69
69
=
r44 =
= 0,69
max {π₯13; π₯23; π₯33;π₯34;π₯35}
80
80
KOLOM KEEMPAT
x14
r14 =
r34 =
80
max {69; 90; 41;65;87}
x24
90
= 0,77
90
=1
90
= 0,46
90
= 0,72
90
= 0,97
max {π₯14; π₯24; π₯34;π₯44;55}
90
90
=
max {69; 90; 41;65;87}
x34
max {π₯14; π₯24; π₯34;π₯44;55}
41
41
=
max {69; 90; 41;65;87}
x44
=
max {π₯14; π₯24; π₯34;π₯44;55}
65
65
=
max {69; 90; 41;65;87}
x54
=
max {π₯14; π₯24; π₯34;π₯44;55}
87
87
=
max {69; 90; 41;65;87}
=
IJCCS Vol. x, No. x, July 201x : first_page β end_page
7
KOLOM KELIMA
x15
r15 =
=
r25 =
=
max {π₯15; π₯25; π₯35;π₯45;π₯55}
50
50
=
r35 =
r45 =
r55 =
max {50; 80; 24;93;99}
x35
99
= 0,51
99
= 0,81
99
= 0,24
99
= 0,94
99
=1
max {π₯15; π₯25; π₯35;π₯45;π₯55}
80
80
=
max {50; 80; 24;93;99}
x35
max {π₯15; π₯25; π₯35;π₯45;π₯55}
24
24
=
max {50; 80; 24;93;99}
x35
=
max {π₯15; π₯25; π₯35;π₯45;π₯55}
93
93
=
max {50; 80; 24;93;99}
x35
=
max {π₯15; π₯25; π₯35;π₯45;π₯55}
99
99
=
1
0,94
0,69
0,83
0,95
max {50; 80; 24;93;99}
0,4
0,82
0,38
1
0,47
0,69
1
0,31
0,36
0,81
=
0,77
1
0,46
0,72
0,97
0,51
0,81
0, 24
0,94
1
e. Hasil Akhir
Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian
matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar
yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi.
Proses perangkingan dengan menggunakan bobot yang telah diberikan oleh
pengambil keputusan :
W = [ 0,20; 0,25; 0,25; 0,15, 0,15]
Hasil perangkingan yang diperoleh dengan menggunakan rumus yang ke-2
adalah :
V1 = (0,20*1) + (0,25*0,4) + (0,25*0,69) + (0,15*0,77) + (0,15*0,52) = 0,91
V2 = (0,20*0,94) + (0,25*0,82) + (0,25*1) + (0,15*1) + (0,15*0,81) = 0,81
V3 = (0,20*0,69) + (0,25*0,38) + (0,25*0,31) + (0,15*0,46) + (0,15*0,24) = 0,75
V4 = (0,20*0,83) + (0,25*1) + (0,25*0,36) + (0,15*0,72) + (0,15*0,94) = 0,66
V5 = (0,20*0,95) + (0,25*0,47) + (0,25*0,81) + (0,15*0,97) + (0,15*1) = 0,42
f. Menentukan Rangking
Nilai terbesar ada pada V1 sehingga alternatif sepeda BMX United Epica X07
yang terpilih sebagai alternatif terbaik. Seperti pada Tabel 4.6.
Rangking
1
2
3
4
5
Tabel 3 Tabel Rangking
Nama Sepeda
BMX United Epica X07
BMX United D Based
BMX United Jumper-X07
BMX United Rev Race
BMX United Jumper Race
Nilai
0,91
0,81
0,75
0,66
0,42
2. DAD Level 0
Pada DAD level 0 terdapat dua eksternal entity yaitu admin dan user. Admin
melakukan input sepeda dan input nilai kriteria sepeda, kemudian di simpan di
tblsepeda dan tblmatrik. Sedangkan user menginput-kan nilai bobot kriteria yang akan
digunakan untuk menampilkan hasil perhitungan.
Gambar 1. DAD level 0
IJCCS Vol. x, No. x, July 201x : first_page β end_page
9
3. Halaman User
Halaman user memiliki menu beranda, info sepeda dan perhitungan.
a. Halaman Beranda
Pada halaman beranda berisi halaman home, halaman info sepeda, sistem
pendukung keputusan dan analisa atau perhitungan.
Gambar 1. Halaman Beranda
b. Halaman Info Sepeda
Pada halaman info sepeda menampilkan merk sepeda, kelengkapan dan harga
sepeda.
Gambar 2. Halaman info sepeda
c. Halaman Sistem Pendukung Keputusan
Pada halaman sistem pendukung keputusan ini menampilkan jumlah kriteria yang
harus diisi oleh user, dengan total bobot 100%.
Gambar 3. Halaman system pendukung keputusan
4. Halaman Admin
Halaman admin terdiri dari beberapa menu seperti home, data sepeda, dan data
kriteria. Dimana admin harus login terlebih dahulu sebelum masuk ke halaman utama
admin.
a. Halaman login admin
Halaman login admin merupakan halaman yang akan pertama kali muncul ketika
masuk ke halaman admin.
Gambar 4. Halaman login admin
IJCCS Vol. x, No. x, July 201x : first_page β end_page
11
b. Halaman Home
Tampilan halaman home seperti dibawah ini.
Gambar 5. Halaman home
c. Halaman Data Sepeda
Pada halaman data sepeda menampilkan merk sepeda, kelengkapan sepeda dan
harga yang sudah di input-kan oleh admin, di halaman data sepeda juga memiliki
fitur CRUD (create, read, update, delete).
Gambar 6. Halaman data sepeda
d. Halaman Data Kriteria
Pada halaman kriteria menampilkan tabel merk sepeda lengkap dengan kriteria
desain, harga, kelengkapan, tingkat kenyamanan, dan tingkat kualitas yang sudah
di input-kan oleh admin. Di halaman data kriteria juga memiliki fitur CRUD (create,
read, update, delete)
Gambar 6. Halaman data kriteria
KESIMPULAN
Dengan adanya aplikasi SPK (Sistem Pendukung Keputusan) Pemilihan Sepeda
BMX ini memudahkan bagi siapa saja yang ingin membeli sepeda BMX dengan kriteria
desain, harga, kelengkapan, tingkat kenyamanan, dan tingkat kualitas. Metode SAW
(Simple Additive Weighting) memiliki perhitungan yang simpel dan mudah dipahami,
sehingga dalam pengimplementasian aplikasi SPK (Sistem Pendukung Keputusan)
pemilihan sepeda BMX dapat berhasil diterapkan untuk memecahkan masalah. Sehingga
user (pengguna) dalam mengambil keputusan memilih sepeda terbaik sesuai dengan
kriteria yang sudah ditentukan.
SARAN
Pembuatan aplikasi Sistem Pendukung Keputusan Pemilihan Sepeda ini masih
memiliki banyak kekurangan, agar sistem ini dapat berjalan lebih baik dalam
menghasilkan pemilihan yang lebih akurat. Maka disarankan kepada pembaca dan seluruh
pihak yang ingin meneruskan pembuatan SPK Pemilihan sepeda agar dapat memperbaiki
dan memperhatikan kekurangan. Yang dapat di kembangkan dari aplikasi ini adalah
sebagai berikut :
a. Memperbanyak jumlah sepeda, agar pengguna semakin mudah mencari sepeda
yang diinginkan.
b. Memperbaiki desain tampilan agar lebih nyaman bagi pengguna.
IJCCS Vol. x, No. x, July 201x : first_page β end_page
13
DAFTAR PUSTAKA
[1] Antonio M. dan Andrea C. 2008, Sistem Pendukung Keputusan untuk Manajemen Resiko
Berbasis Web, Springer Science & Bussiness Media.
[2] Suriana,Neti, 2012,βSejarah dan Penemu Sepeda.β http://informasitips.com/sejarah-danpenemu-sepeda, diakses tanggal 29 Maret 2017.