Institutional Repository | Satya Wacana Christian University: Perancangan dan Implementasi Metode Weighted Product (WP) untuk Rekomendasi Pembelian Kamera

  

Perancangan dan Implementasi Metode Weighted Product (WP)

untuk Rekomendasi Pembelian Kamera

Artikel Ilmiah Diajukan kepada Fakultas Teknologi Informasi untuk memperoleh Gelar Sarjana Komputer Oleh:

  

Bangkit Fajar Putra

NIM: 672010146 Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Kristen Satya Wacana Salatiga Agustus 2015

  

Perancangan dan Implementasi Metode Weighted Product (WP)

_{1) 2)}

untuk Rekomendasi Pembelian Kamera

Bangkit Fajar Putra, Drs. Prihanto Ngesti Basuki, M. Kom

  

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Jl. Diponegoro 52-60, Salatiga 50771, Indonesia

  1) 2)

Email: putra.bangkit25@yahoo.com , ngesti@staff.uksw.edu

  

Abstract

Nowadays DSLR cameras become an item that demanded by people of Indonesia,

because the need of tool that can capture the beautiful moments. However, the

prospective buyers often find difficulties when they wanted to buy a DSLR camera

is the presence of several well-known brands that ofter various types of DSLR

cameras with their various spesification. Alternative process type of camera using

methods Weighted Product (WP). Calculation of criteria Weighted Product (WP)

based on pixel, AF-point, continuous shoot, price, and popularity. The final result

of web-based application is in the form of data table recommendation with five

alternative camera DSLR type based on spesifications and several criteria that

have been chose previously. The results that have been recommended are

expected to be a suggestion that may be consided by consummers to obtain

information about a DSLR camera.

  Keywords: Weighted Product, Alternatives, Criteria.

  Saat ini kamera DSLR menjadi barang yang sangat diminati oleh masyarakat Indonesia, karena kebutuhan akan alat yang dapat mengabadikan momen-momen indah. Akan tetapi, calon pembeli kamera DSLR sering merasa kesulitan ketika hendak membeli kamera DSLR. Salah satu faktor yang menyebabkan oembeli mengalami kesulitan dalam memilih kamera DSLR adalah adanya beberapa merek terkenal yang menawarkan macam-macam tipe kamera DSLR dengan berbagai spesifikasi. Proses alternatif tipe kamera menggunakan metode Weighted Product (WP). Perhitungan kriteria Weighted Product (WP) berdasarkan pada resolusi gambar, AF-Point, Continuous Shoot, Harga, dan

  . Hasil akhir aplikasi berbasis web berupa tabel data rekomendasi

  Popularity

  dengan lima alternatif tipe kamera DSLR berdasarkan spesifikasi dan beberapa kriteria yang telah dipilih sebelumnya. Hasil yanh telah direkomendasikan diharapkan dapat menjadi saran yang dapat dipertimbangkan oleh konsumen untuk mendapatkan informasi mengenai kamera DSLR.

  WP, DSLR, Alternatif, Kriteria. ₁₎ Kata kunci :

Mahasiswa Fakultas Teknologi Informasi Jurusan Teknik Informatika, Universitas Kristen Satya

₂₎ Wacana Salatiga.

  Staff Pengajar Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana Salatiga.

  1. Pendahuluan

  Kamera Digital Single Lense Reflex (DSLR) merupakan kamera digital yang menggunakan sistem cermin otomatis dan pentaprisma atau pentamirror untuk meneruskan cahaya dari lensa menuju ke viewfinder. Pertumbuhan pasar kamera DSLR di Indonesia hampir mencapai 10 persen per tahun. Tercatat pada tahun 2012 pasarnya mencapai 300 ribu, kemudian pada tahun 2013 meningkat menjadi 330 [1]. Hal ini menunjukan bahwa kamera DSLR menjadi sebuah kebutuhan yang signifikan. Memilih sesuai keinginan adalah alasan utama konsumen membeli dan melakukan transaksi. Dalam memilih kamera DSLR, ada beberapa kriteria-kriteria tertentu yang dijadikan acuan untuk memilih. Memberikan beberapa kriteria utama untuk dijadikan acuan pemilihan kamera DSLR sangatlah penting, karena akan memberikan kemudahan pada konsumen dalam memilih. Produsen kamera DSLR menawarkan berbagai macam merek dan tipe yang dapat dipilih dengan berbagai keunggulan masing-masing produk. Bervariasinya merek dan tipe kamera DSLR memberikan keuntungan bagi calon pembeli untuk memilih tipe yang sesuai dengan kebutuhan calon pembeli tanpa terpaku pada satu merek dan tipe. Kuisioner disebarkan kepada 25 koresponden yang akan membeli kamera DSLR, banyaknya merek dan tipe menjadi kendala bagi sebagian masyarakat untuk memilih kamera DSLR yang akan dibeli, calon pembeli merasa kebingungan untuk menentukan merek dan tipe kamera DSLR yang mereka inginkan. Dalam proses pemilihan kamera DSLR, calon pembeli juga membutuhkan waktu yang lama dalam menentukan merek dan tipe kamera DSLR. Berdasarkan dari kendala-kendala tersebut, mendorong penulis untuk merancang dan membuat sistem pendukung keputusan yang dapat membantu merekomendasi pembelian kamera DSLR berdasarkan kriteria-kriteria yang diinginkan calon konsumen. Dalam penelitian ini dibangun aplikasi berbasis web untuk menentukan rekomendasi kamera DSLR dengan menerapkan Metode

  Pokok bahasan mengacu pada sistem perekomendasian produk Weigthed Product. kamera DSLR. Hasil dari perekomendasian ditampilkan dalam bentuk grafik dan tabel rangking produk.

  2. Tinjauan Pustaka

  Penelitian pertama dengan judul “Sistem Pendukung Keputusan Penentuan

Lokasi Gudang di Perusahaan dengan Metode Weighted Prod uct”. Dalam

  penelitian tersebut menerapkan Fuzzy Multi Attribute Decision Making (FMDAM) dengan metodenya adalah Weighted Product (WP). Metode Weighted Product digunakan untuk perankingan penentuan lokasi gudang diperusahaan berdasarkan kriteria dan bobot. Sehingga perankingan yang dihasilkan oleh sistem dapat digunakan untuk membantu perusahaan mengambil keputusan penentuan lokasi gudang yang lokasinya strategis [2].

  Astriana Litha menggunakan Weighted Product (WP) untuk menentukan “Pemilihan Penerima Jamkesmas”, dalam penelitian ini menggunakan 14 kriteria inputan nilai kriteria berupa Kuisioner dari pengguna. Berdasarkan hasil pengujian validasi fungsionalitas yang menunjukkan bahwa sistem memiliki fungsionalitas sebesar 100% dan hasil pengujian akurasi menunjukkan bahwa keakurasian hasil keluaran sistem adalah 86,6% sehingga membantu mendapatkan keputusan penerima yang berhak mendapatkan bantuan dan mengurangi terjadinya ketidak adilan mengenai penerimaan bantuan [3].

  Puspita menggunakan Metode Weigthed Product (WP) digunakan untuk sebuah sistem pendukung keputusan “Sistem Pendukung Keputusan Penentuan Siswa Berprestasi di Sekolah Menengah Kejuruan (SMK) Menggunakan Metode

  Weigthed Product

  (WP)”. Perankingan siswa berprestasi berdasarkan data kriteria dan data bobot. Perankingan yang dihasilkan dapat membantu guru untuk mengambil keputusan penentuan siswa yang berprestasi [4].

  Oktriani menggunakan Metode Weighted Product (WP) digunakan untuk sebuah system pendukung keputusan “Penentuan Spesifikasi Komputer untuk suatu Paket Komputer Lengkap”. Dalam penelitian tersebut terdapat batasan himpunan yang meliputi batasan murah, normal, ataupun mahal pada variable harga. Komputer terdiri dari beberapa bagian maka terdapat pula percocokan antar komponen yang satu dengan lainnya, sebagai contoh jika tipe jenis dari prosesor adalah intel socket LGA 775, maka motherboard-nya punjuga harus dengan jenis yang sama [5].

  Sistem Pendukung keputusan yang nantinya dibangun memanfaatkan metode WP dalam membantu proses perangkingan untuk memberikan suatu rekomendasi kamera DSLR. Kamera DSLR merupakan satu kesatuan yang mempunyai berbagai variable seperti harga, pixel, af-point, continuous shoot, maka tidak perlu ada percocokan antar komponen seperti yang

  popularity

  dilakukan pada peneliti kelima. Metode WP sendiri digunakan untuk membantu mencari rekomendasi terbaik.

  Sistem Pendukung Keputusan

  Sistem Pendukung Keputusan (SPK) merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi yang semi terstruktur dan situasi yang tidak terstruktur [6].

  

Gambar 1 Komponen SPK [6]

  Gambar 1 menjelaskan tentang komponen SPK bahwa sebuah sistem pendukung keputusan dibangun dari beberapa subsistem, antara lain [6];

• Data Management, termasuk database yang mengandung data yang relevan untuk berbagai situasi dan diatur oleh software yang disebut Database (DBMS). Data Management pada penelitian ini adalah

  Management System

database kamera DSLR yang berisi tb_admin, tb_merek, tb_produk, dan

  tb_spesifikasi. Tabel yang ada pada database kamera DSLR saling berhubungan dan sebagai data perhitungan. melibatkan model finansial, statiskal, management

• - Model Management,

  science, atau berbagai model kuantitatif lainnya sehingga dapat ke sistem suatu kemampuan analitis dan manajemen software yang diperlukan. Model

  

Management dalam penelitian ini adalah perhitungan menggunakan metode

  (WP). Perhitungan ini memanfaatkan data yang ada serta

  Weighted Product

  masukan prioritas dari calon konsumen sehingga dapat didapat sebuah data yang dapat dihitung serta mendapat nilai ranking nantinya akan digunakan sebagai hasil rekomendasi.

• - Knowledge manager, dapat mendukung sistem lain atau bertindak

  sebagai komponen yang bertindak sendiri. Knowledge Manager dalam penelitian ini adalah calon konsumen. Calon konsumen dapat memilih merek dan jenis yang diinginkan, kemudian memasukan prioritas kepentingan dari setiap kriteria. Merek dan jenis kamera DSLR yang sudah dipilih akan dihitung menggunakan metode Weigthed Product (WP). Hasil dari perhitungan akan dirankingkan dan dipilih lima terbaik sebagai hasil rekomendasi untuk calon konsumen. tampilan antar muka dimana user dapat berkomunikasi

• - User Interface,

  dan memberikan perintah pada SPK. User Interface pada penelitian ini adalah tampilan menu system rekomendasi kamera DSLR.

  Metode Weigthed Product (WP)

  Metode Weigthed Product (WP) salah satu metode penyelesaian yang ditawarkan untuk menyelesaikan masalah Fuzzy Multi Attribute Decision Making (FMADM). Metode Weighted Product (WP) ini mirip dengan Metode Weighted

  

Sum (WS), hanya saja metode WP terdapat perkalian dalam perhitungan

  matematikanya. Metode WP juga disebut analisis berdimensi karena struktur matematikanya menghilangkan satuan ukuran [7]. Metode WP adalah himpunan berhingga dari alternatif keputusan yang dijelaskan dalam beberapa hal kriteria keputusan. Jadi metode ini tidak perlu dinormalisasikan. Preferensi A i diberikan pada rumus 1 [8] :

  , dengan i = 1,2……….(1)

  wj = 1 adalah pangkat bernilai positif untuk atribut keuntungan, dan

  Dimana ∑ bernilai negatif untuk biaya.

  Preferensi relative dari setiap alternatif, diberikan pada rumus 2 : , dengan i =

  1,2……….(2) Langkah

• – langkah menggunakan metode WP [9] :

  1. Mengalikan seluruh atribut bagi sebuah alternatif dengan bobot sebagai pangkat positif untuk atribut manfaat dan bobot berfungsi sebagai pangkat negatif pada atribut biaya.

  2. Hasil perkalian dijumlahkan untuk menghasilkan nilai pada setiap alternatif.

  3. Mencari nilai alternatif dengan melakukan langkah sama seperti langkah satu, hanya saja menggunakan nilai tertinggi untuk setiap atribut tertinggi untuk setiap atribut manfaat dan terendah untuk atribut biaya.

  4. Membagi nilai V bagi setiap alternatif dengan nilai standar (V(A*)) yang menghasilkan R.

  5. Ditemukan urutan nilai alternatif terbaik yang akan menjadi keputusan

  3. Metode Perancangan

  Metode pengembangan yang akan digunakan dalam penilitian ini adalah . Prototyping model merupakan sebuah proses untuk

  prototyping model membangun sebuah model dari sebuah sistem berdasarkan dari kebutuhan user.

  Bagan dapat dilihat pada Gambar 1.

  [17] Gambar 2 Metode Prototype

  Gambar 2 merupakan proses tahapan-tahapan yang harus dilalui oleh metode prototype. Tahapan tersebut meliputi :

• Pengumpulan Kebutuhan Sistem (Requirments) Tahap awal mulai dengan menganalisis kebutuhan-kebutuhan apa saja yang diperlukan dalam membangun sebuah sistem mulai dari kebutuhan data sampai dengan kebutuhan hardware. Pengumpulan bahan yang diperlukan bersumber dari beberapa jurnal dan juga mendapatkan data kamera DSLR dari

  Dalam proses pengumpulan data melalui website hhtp://www.camera.co.id/. penyebaran kuisioner kepada 25 responden untuk mencare atribut apa saja yang dyang digunakan pada sistem. Kuisioner ini dibuat berdasarkan wawancara yang dilakukan sebelumnya. Kuisioner berisi beberapa pertanyaan yang masing-masing pertanyaan memiliki dua jawaban, yaitu ya dan tidak. Syarat untuk mengisi kuisioner ini adalah masyarakat umum yang berusia diatas 17 tahun untuk mendukung penelitian. Hasil dari kuisioner yang telah disebarkan dari empat yang diajukan yaitu :

  Hasil Kuisioner Tabel 1

  No Pertanyaan Jawaban Ya Tidak

  1 Apakah anda tertarik memiliki kamera DSLR?

  18

  7

  2 Apakah spesifikasi mempengaruhi anda dalam

  20

  5 pembelian kamera DSLR?

  3 Spesifikasi apa yang menjadi pertimbangan anda, ketika hendak membeli kamera DSLR? a.

  22

  3 Harga b.

  20

  5 Pixel c.

  13

  12 Af -Point d.

  15

  10 Continuous Shoot e.

  10

  15 Popularity f.

  5

  20 Berat g.

  9

  16 Iso

  4 Apakah menurut anda perlu adanya website

  13

  12 yang dikhususkan untuk rekomendasi pembelian kamera DSLR?

  Berdasarkan pada Tabel 1 maka kriteria yang digunakan pada sistem yang akan dibuat adalah harga, pixel, Af-point, Continuous shoot, dan popularity sedangkan berat dan iso nanti akan menjadi pelengkap informasi. Kriteria-kriteria tersebut nantinya akan menjadi pertimbangan dalam membeli kamera DSLR.

• Tahap build/revise mock-up atau perancangan, pada tahap ini dilakukan pembuatan protoype desain aplikasi website kamera DSLR. Perancangan ini ditujukan pada pengguna aplikasi yaitu user pengguna kamera DSLR. Perancangan desain aplikasi website ini masih dibuat dalam bentuk yang sederhana. Dasar dari pembuatan prototype tahap kedua ini berasal dari kekurangan prototype tahap pertama yaitu belum dibuatnya bentuk desain aplikasi

  Sedangkan kekurangan pada prototype tahap kedua yaitu belum ada website. implementasi fungsi-fungsi dari tiap bagian desain akan diperbaiki pada prototype tahap ketiga.

• Tahap customer test-drives mock-up, tahap ini adalah tahap evaluasi, test dan pengujian prototype, apakah masih ada kekurangan atau tidak, jika pada tahap

pengujian ini prototype belum memenuhi tujuan utama pembuatan atau masih terdapat beberapa kekurangan makan akan diperbaiki, apabila tidak terdapat kekurangan yang hatus diperbaiki makan tahapan prototype selesai.

  Perancangan sistem pada penelitian ini dibuat dengan menggunakan Data

  

Flow Diagram (DFD). Pada DFD ini merupakan alat perancangan sistem yang

  berorientasi pada alur data dengan konsep dekomposisi dapat digunakan untuk penggambaran analisa maupun rancangan[8]. _{Web Rekomendasi Admin User Pilih kriteria kamera Input, edit, hapus, dan lihat produk, merk, spesifikasikamera}

  Input, edit, dan hapus produk, merk, dan _{spesifikasi kamera Melihat hasil rekomendasi}

Gambar 3 DFD (Data Flow Diagram) level 0

  Gambar 3 terdapat dua entitas luar yang berhubungan dengan sistem

  yakni user dan admin. Dari admin, sistem akan mendapatkan data-data kamera DSLR. Data

• –data kamera meliputi produk kamera, spesifikasi kamera, merk kamera dan hasil rekomendasi kamera. Sedangkan user akan mendapatkan hasil rekomendasi. Hasil rekomendasi berasal dari kriteria kamera dan bobot prioritas kamera yang telah dimasukkan calon konsumen ke sistem sebelumnya. Berdasarkan gambar 3 dapat dikembangkan lagi menjadi DFD level 1. _{Admin Input}

  _data

  _Produk

  Merk _{Spesif ikasi} Hasil ^{Olah data User Rekom} _endasi ^{Produk, merk, dan spesif ikasi kamera Produk kamera Merk kamera Hasil kamera Spesifikasi kamera Produk, merk, spesifikas i, dan has il kame ra Pilih kriteria kamera} _{Rekomendasi kamera} ^{Hasil rekomendasi kamera} Gambar 4

  DFD (Data Flow Diagram) level 1 rekomendasi Gambar 4 merupakan pengembagan dari DFD level nol, pada DFD level satu terlihat proses sistem rekomendasi kamera lebih terlihat detail. Proses sistem rekomendasi kamera mempunyai beberapa proses, yaitu proses input data kamera, proses olah data kamera, dan proses merekomendasi kamera. Proses input data, entitas admin dapat menginputkan produk kamera, spesifikasi kamera, dan merk kamera. Proses olah data kamera, entitas admin dapat melakukan hapus serta edit/update produk kamera, spesifikasi kamera, dan merk kamera. Entitas admin dapat memperbaharui data diproses ke dua. Proses ke dua sangat penting karena admin dituntut untuk selalu memperbaharui data agar sistem nantinya dapat berjalan secara optimal. Contoh adalah harga kamera yang selalu berubah mengikuti harga jual yang berlaku maka harga kamera harus selalu diperbaharui. Admin dapat melakukan perubahan diproses olah data. _{Admin Produk, merk, dan spesif ikasi kamera Input Produk kamera data Produk Produk, merk, spesifikas i, dan has il kamera}

_data

_Olah

Merk kamera _{Hasil kamera Spesifikasi kamera Spesif ikasi Merk User} Pilih kriteria kamera

_{kriteria ka mera}

_Memilih

_{Hasil Hasil rekomendasi}

_Rekomendasi

Hasil kamera

  

Gambar 5 DFD (Data Flow Diagram) level 2 hasil rekomendasi

  Gambar 5 merupakan pengembangan DFD level satu proses merekomendasi kamera, terlihat user memasukkan kriteria kamera untuk proses mencari kamera yang nantinya data akan diperoleh dari tabel produk_kamera. Data yang berada pada table produk kamera didapat dari proses input data yang dilakukan oleh entitas admin. Selain memasukkan kriteria kamera user juga memasukkan bobot prioritas kamera untuk melakukan perhitungan. Data kamera dan bobot kamera yang diperoleh dihitung menggunakan metode WP. Setelah mendapatkan hasil terbaik data yang diperoleh digabungkan dengan data yang ada pada tabel hasil untuk mendapatkan informasi mengenai produk kamera yang nantinya akan direkomendasikan ke user. Berdasarkan rancangan sistem menggunakan DFD, selanjutnya dapat membuat rancangan database.

  Sebelum membuat rancangan database terlebih dahulu dibuat Entity

  Relationship Diagram (ERD) yang merepresentasikan secara grafis hubungan antar entitas. _{produk id id rangking produk produk spesifikasi merk produk id nama harga id id id merk Hasil Mengambil produk Mengambil 1 1}

  1 ₁ ¹ _{Spesifikasi af point pixel popularity}

continuou

_{s shoo t}

_{Merk exposure dimension iso sensor battery}

_{id merk}

_merk nama Gambar 6 Entity Relationship

  Gambar 6 menunjukkan hubungan antar tabel. Tabel hasil kamera memperoleh type yang diambil dari tabel produk dimana mempunyai relasi hubungan one to one. Tabel produk mengambil id spesifikasi yang diambil dari tabel spesifikasi yang mempunyai relasi one to one. Tabel produk juga mengambil id merek yang diambil dari tabel merek yang mempunyai relasi one

  to one . Web Rekomendasi Kamera memiliki lima table yaitu tb_admin, tb_merk, tb_produk, tb_hasil, dan tb_spesifikasi.

  

Mulai

_{Ambil Dat a Alterna tif}

untuk tiap Atribut

Ma triks Keputus an

  

Pang katk an Ma triks

_{keputusa n bobot a tribut}

_{Preferensi relatif dari}

setia p alt ernat if

_stop

Gambar 7 Flowchart Aplikasi

  Gambar 7 menjelaskan tentang Flowchart Weighted Product langkah pertama mengambil data alternatif untuk seperti harga, pixel, af-point, continuous shoot, dan popularity. Langkah selanjutnya membuat matriks keputusan dengan cara perkalian terhadap bobot atribut akan dilkaukan perkalian untuk menentukan hasil preferensi relatif dari setiap alternatif. Dilihat pada Tabel 2, sedangkan bobot kepentingan relatif dapat dilihat pada Tabel 3 Tabel 2 Kriteria

  

No Nama Variabel Nama Kriteria Tipe

  

1. Harga K1 cost

  

2. Pixel K2 benefit

  

3. AF Point K3 benefit

  

4. Continous Speed K4 benefit

  

5. Popularity K5 benefit

Tabel 3 Bobot Kepentingan Relatif

  

Bilangan Fuzzy Nilai Kepentingan

Kurang Penting

  0.25 Sedang

  0.5 Penting

  0.75 Sangat Penting

  3.00 PENTAX K-30 Kit1- Crystal Blue 7249000

  18.00

  9

  5.00

  4.50 NIKON D5500 Kit VR - Black 9799000

  24.20

  9

  5.00

  4.00 Nikon D3300 Kit18-55mm 6.509.250

  24.70

  11

  5.00

  16.30

  3.70

  9

  6.00

  3.00 Canon EOS 100D kit 18-55mm 7764900

  18.50

  9

  4.00

  4.00 Tabel 4 dapat ditentukan bobot kepentingan relatif setiap kriteria, diberikan

  sebagai, W : W = ( 1, 0.75, 0.5, 0.5, 0.25 )

  Langkah selanjutnya adalah menghitung nilai vektor S, dimana dilakukan pemangkatan bobot dari masing-masing kriteria. Setelah proses pemangkatan bobot akan dilakukan perkalian dengan menggunakan rumus sebagai berikut :

  Keterangan [5]:

  r ij = nilai rating kinerja ternormalisasi x ij = nilai atribut yang dimiliki dari setiap kriteria Max x ij

  = nilai terbesar dari setiap kriteria i

  4.30 Canon EOS 700D Kit 18-55mm 9965010

  9

  1 Perhitungan yang akan dilakukan untuk menentukan rekomendasi

  5.00

  pembelian kamera DSLR ini, dimisalkan menggunakan kriteria Harga dengan

  index

  pencarian diatas Rp 6.000.000 dan kurang dari Rp 10.000.000 yang berjumlah 14 data, data-data yang akan direkomendasikan dapat dilihat pada Tabel 4.

  

Tabel 4 Hasil Rekomendasi Kamera Berdasarkan harga diatas Rp 6.000.000,00

Nama Harga Pixel AF Point ContinuousShoot Popularity

  Canon EOS 1200D Kit 18- 55mm 6820000

  18.00

  9

  3.00

  3.50 Nikon D5200 kit 18-55mm 6515300

  24.70

  39

  3.50 Nikon D5300 Kit 18-55mm 9009000

  18.00

  24.78

  39

  5.00

  4.00 Pentax K-500 with 18-55mm 6280010

  16.28

  11

  6.00

  4.00 Canon EOS 60D Kit 18-55 mm 8415000

  18.00

  9

  5.30

  3.00 CANON EOS 600D Kit3 9020000

  Min x ij = nilai terkecil dari setiap kriteria i

  benefit

  = jika nilai terbesar adalah terbaik

  cost

  = jika nilai terkecil adalah terbaik

  Tabel 5 Nilai vektor S

  S = Tabel 5 hasil dari masing-masing nilai vektor S, langkah selanjutnya menghitung nilai vektor V dengan menggunakan rumus persamaan (2) sebagai berikut :

  Keterangan [5]:

  V i = rangking untuk setiap alternatif w j = nilai bobot dari setiap kriteria r ij = nilai rating kinerja ternormalisasi

  Setelah proses perangkingan menggunakan rumus persamaan (2) selesai maka akan mendapatkan nilai vektor V berupa perekomendasian produk kamera yang dapat dilihat pada Tabel 6.

  

Tabel 6 Rangking produk

No Hasil Rekomendasi Nilai Rangking

  1. Canon EOS 1200D Kit 18-55mm 0.07359 2.

  Nikon D5200 kit 18-55mm 0.10905

  3. Nikon D5300 Kit 18-55mm 0.12295 4.

  Pentax K-500 with 18-55mm 0.08194

  5. Canon EOS 60D Kit 18-55 mm 0.08567

  6. CANON EOS 600D Kit3 0.08567

  Menampilkan hasil pencarian berdasarkan kriteria dalam bentuk grafik Valid

  9. Ubah Merk Menekan link ubah dan Merubah data merk Merubah dan menyimpan data merk kedalam Database Valid

  8. Tambah Produk Memasukkan data produk Menyimpan data produk kedalam Database Valid

  7. Tambah Merk Memasukkan data merk Menyimpan data merk kedalam Database Valid

  Valid

  Password Menampilkan halaman utama admin

  6. Login admin Memasukkan Username

dan

  Menampilkan hasil rekomendasi dalam bentuk tabel rangking Valid

  5. Melakukan Rekomendasi Menekan tombol Rekomendasi

  Valid 4. Mencari produk berdasarkan index pencarian tiap kriteria Memilih index pencarian tiap kriteria

  7. Canon EOS 700D Kit 18-55mm 0.09285

  3. Menentukan tingkat kepentingan Rating kepentingan relatif Melakukan penjumlahan terbobot untuk menentukan rangking produk

  2. Mencari Produk kamera DSLR Menlis pada TextBox cari Menampilkan hasil pencarian produk kamera DSLR Valid

  1. Melihat detail produk Data produk dan Merk Menampilkan detail produk berdasarkan merk Valid

  

Tabel 7 Uji Black Box

No Skenario Input Hasil Uji Status

  Dalam pembuatan sistem perekomendasian kamera ini, Pengujian sistem dilakukan dengan cara uji Black Box yaitu pengujian fungsional yang hanya melihat pada hasil eksekusi data pengujian. Fungsi-fungsi dan hasil yang diuji dapat dilihat pada Tabel 7.

  11. Canon EOS 100D kit 18-55mm 0.08207

  10. PENTAX K-30 Kit1- Crystal Blue 0.08118

  9. Nikon D3300 Kit18-55mm 0.08716

  8. NIKON D5500 Kit VR - Black 0.09845

  10. Ubah Produk Menekan link ubah dan Merubah data produk Merubah dan menyimpan data produk kedalam Database Valid

  Menekan link ubah dan Merubah dan menyimpan Ubah Username dan

  11. Merubah dan Password Valid Username Password admin

  Username dan kedalam Database Password Menekan link Menghapus data merk dari

  12. Hapus merk hapus pada data Valid Database merk Menekan link

  Menghapus data produk dari

  13. Hapus produk hapus pada data Valid Database produk Menekan link

  14. Logout Kembali ke form login admin Valid Logout Tabel Hasil Kuisioner Pengujian Sistem

  Tabel 8 No Pertanyaan Sangat Sesuai Sesuai Tidak Total Sesuai

  1 Apakah menurut anda

  5

  12

  8

  25 hasil dari rekomendasi sudah sesuai yang web diharapkan ?

  2 Dengan adanya website

  8

  7

  10

  25 rekomendasi kamera DSLR, apakah memudahkan dalam mencari kamera DSLR? Pertanyaan nomor satu akan dibuat diagram persentase perolehan data.

  Gambar Diagram Persentase Gambar 8 Gambar 8 terlihat merupakan salah satu hasil dari pertanyaan nomor satu.

  Koresponden menjawab Sangat sesuai sebesar 20 %, Sesuai 48%, dan Tidak sesuai sebesar 20%. Terdapat 68% responden menjawab sistem rekomendasi kamera DSLR sesuai dan memudahkan mencari kamera sesuai yang diharapkan.

  Dalam membuat sistem SPK meliptui komponen-komponen meliputi Data Management adalah database kamera. Database kamera terdiri dari

• beberapa tabel yaitu tb_admin, tb_merk, tb_produk, tb_spesifikasi, dan tb_hasil. Database kamera dapat terlihat pada Gambar 8.

  Database kamera Gambar 9

  Gambar 9 terlihat lima tabel yang sudah dipaparkan. Tabel admin digunakan untuk menyimpan informasi mengenai admin dan password untuk mengakses kehalaman administrator. Tabel hasil digunakan untuk menyimpan hasil rekomendasi kamera yang nantinya akan ditampilkan pada web rekomendasi kamera. Tabel merk untuk menyimpan nama merk kamera yang nanti akan berelasi dengan tabel produk. Tabel produk menyimpan informasi mengenai data kamera yang akan direkomendasikan. Pada tabel produk terdapat beberapa field yaitu : field id_produk, field id_merk, field nama_produk, field harga, field pixel, field afpoint, field continuousshoot, field popularity. Tabel spesifikasi menyimpan informasi detail tentang kamera. Model Management adalah perhitungan menggunakan metode WP.

• Perhitungan metode WP melalui beberapa tahap seperti pemangkatan bobot sebelum melakukan perhitungan nilai vetor S. Perintah untuk pembobotan kriteria terlihat pada kode program 1.

  Perintah untuk pembobotan kriteria Kode Program 1 1. $bobot = array($HargaK, $PixelK, $AFK, $CSK, $POP); 2. $jumBobot = array_sum($bobot) 3. for($i=0; $i<5; $i++) 4. $newBobot = array(); 5. for($i=0; $i<5; $i++){ 6. $newBobot[$i] = $bobot[$i] / $jumBobot; Kode Program 1 berisi perintah untuk melakukan pembobotan kriteria.

  Kode satu merupakan proses mengambil bobot nilai kepentingan yang nanti akan dijumlah. Perulangan for dimulai dari nol sampai kurang dari sama dengan lima agar yang ditampilkan enam data. Kemudian hasil dari penjumlahan akan dibagi dengan nilai bobot yang sudah dihitung. Setelah itu akan dilakukan perhitungan nilai vektor S terlihat pada kode program 2.

  Kode Program 2 Perintah untuk perhitungan nilai vektor S 1.$no = 1; 2.$i = 0; 3.$normS = array(); 4.while ($row1 = mysql_fetch_array($query1)) { 5.$normS[$i] = pow($row1['harga'],

• $newBobot[0]) pow($row1['pixel'], $newBobot[1])
• 6.pow($row1['afpoint'], $newBobot[2]) pow($row1['continuousshoot'], $newBobot[3]) * 7.pow($row1['popularity'], $newBobot[4]); 8 $no++; 9 . $i++; 10. }}

  Kode Program 2 berisi perintah untuk menghitung nilai vektor S. Kode nomer lima menghitung ukuran pangkat dengan nilai bobot yang nantinya akan ditampung pada array norm. Jumlah nilai vektor S digunakan untuk dasar menghitung nilai vektor V dan menampilkan hasil lima terbaik dari rekomendasi kamera. Perhitungan nilai vektor V terlihat pada kode program 3.

  Perintah untuk perhitungan nilai vektor V dan menampilkan hasil lima Kode Program 3 terbaik

  1.$idArray = array(); 2.$rankArray = array(); 3.while ($row2 = mysql_fetch_array($query2)) { 4.$idArray[$i] = $row2['id_produk']; 5.$rankArray[$i] = round($normS[$i]/$jums,5); 6.$no++; 7.$i++;} 8.$query100 = "SELECT COUNT(*) FROM tb_hasil"; 9.$result = mysql_query($query100); 10.$row100 = mysql_fetch_row($result); 11.if($row100[0]>0){$query200="DELETEFROMtb_hasilWHEREid_produk>0";mysql_query($query200);} 12.for($j=0; $j<sizeof($idArray); $j++){ 13.$query99="INSERTINTOtb_hasil(id_produk,rangking)VALUES($idArray[$j],$rankArray[$j])"; 14.mysql_query($query99,$connection)or die (mysql_error());}

15.$query99 = "SELECT tb_hasil.id_produk, tb_produk.nama_produk, tb_hasil.rangking FROM tb_hasil INNER JOIN

tb_produk ON tb_hasil.id_produk = tb_produk.id_produk ORDER BY tb_hasil.rangking DESC LIMIT 5"; 16.$result = mysql_query($query99); 17.$i=0; 18.while ($row99 = mysql_fetch_array($result)) { echo"<tr><td>$no</td><td><ahref='product_details.php?id=".$row99['id_produk']."'>".($row99['nama_produk']) ."</a></td><td>".($row99['rangking'])."</td></tr>"; 18.$no++; 19.$i++;}

  Kode Program 3 berisi perintah untuk menghitung nilai vektor V dan menampilkan hasil lima terbaik rekomendasi kamera. Kode lima menghitung nilai V yang prosesnya menjumlahkan nilai vektor S dan dibagi. Kode sebelas

  vektor

  menghapus nilai rekomendasi apabila sudah menjalankan proses rekomendasi tujuannya agar data yang ditampung pada tabel hasil tidak menumpuk. Kode tiga belas proses input hasil rekomendasi pada tabel hasil untuk ditampung dan hasil nilai vektor V akan sesuai dengan hasil tidak berbeda. Kode lima belas mengurutkan hasil lima terbaik rekomendasi kamera sesuai dengan nilai tertinggi

  vektor V.

• system yaitu user. User akan melalui beberapa tahap saat menggunakan sistem ini. Tahap-tahapnya meliputi: memilih bobot kriteria yang akan direkomendasi harga, pixel,afpoint, continuous shoot, dan popularity. Pilih salah satu yang paling penting dari lima pilihan tersebut, kemudian pilih berdasarkan kepentingan semisal pilih harga maka akan muncul combo batasan harga lalu pilih rekomendasi. Setelah proses rekomendasi

  Knowledge Manager , komponen ketiga dari SPK ini adalah pengguna

  box selesai maka akan muncul lima hasil rekomendasi terbaik apabila dipilih akan muncul detail kamera tersebut.

• User Interface , Tampilan web rekomendasi terlihat pada gambar 10.

  Gambar 10 Halaman rekomendasi kamera

  Gambar 10 tampilan halaman yang akan digunakan oleh user dalam menggunakan sistem rekomendasi kamera. Apabila kriteria sudah dipilih dan nilai bobot sudah dipilih langsung lanjut pilih tombol rekomendasi, kemudian akan muncul hasil lima rekomendasi kamera. Terlihat pada gambar 11.

  Gambar 11 Hasil Rekomendasi Kamera

  Gambar 11 merupakan tampilan hasil rekomendasi kamera. Apabila user mengetahui lebih detailnya tinggal pilih salah satu jenis kamera yang sesuai dengan pilihan user.Tampilan detail terlihat pada gambar 12.

  Gambar 12 Halaman detail kamera

  Gambar 12 merupakan halaman detail kamera, disana terdapat harga dan spesifikasi yang detail mengenai kamera DSLR.

  Penerapan Metode Weighted Product (WP) ini, sangat efektif digunakan untuk perekomendasian produk kamera DSLR karena sangat membantu user dalam memilih produk-produk yang diinginkan, selain itu proses perekomendasian yang dilakukan sistem tidak membutuhkan waktu yang lama sehingga memberi kenyamanan untuk user berinteraksi dengan sistem. Dalam sistem ini juga menggunakan beberapa kriteria utama dari kamera yang bisa dijadikan pilihan untuk user dalam merekomendasikan produk, user juga bisa leluasa menentukan tingkat kepentingan relatif setiap kriteria sesuai dengan keinginannya. Dikarenakan tingkat kepentingan relatif setiap kriteria ini berpengaruh pada hasil rekomendasi yang dilakukan oleh user.

  [1] Adiningsih, Sri, 2007, Kelebihan DSLR dibanding Kamera Saku dan Prosumer, http://askthephotographer.com/2014/02/berbahai-kelebihan-

  kamera-dslr-dibandingkan-dengan-kamera-saku-dan-prosumer/ . Diakses Tanggal 14 Februari 2015.

  [2] Chuzaimah, Indah, Sari Kumala, 2010, Sistem Pendukung Keputusan Penentuan Lokasi Gudang di Perusahaan dengan Metode Weighted Product

  

  Diakses Tanggal 14 Februari 2015.

  [3] Astriana, Lita, 2014, SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA JAMKESMAS MENGGUNAKAN METODE WEIGHTED PRODUCT, http://filkom.ub.ac.id/doro/archives/detail/DR00053201406.

  Diakses Tanggal 3 Maret 2015. [3] Kusumadewi, Sri, 2004, Pencarian Bobot Atribut Pada Multi-Attribute

  Decision Making (MADM) Dengan Pendekatan Obyektif Menggunakan Algoritma Genetika, kses Tanggal 3 April 2015.

  [4] Puspita, Arif Nurmaningrum, 2012, Sistem Pendukung Keputusan Penentuan Siswa Berprestasi di Sekolah Menengah Kejuruan (SMK) Menggunakan Metode (WP),

  Weigthed Product Diakses Tanggal 3 April 2015.

  [5] Yulianto Sri, Insrastanti, Oktriani, dkk, 2011, Penentuan Spesifikasi Komputer untuk suatu Paket Komputer Lengkap,

  

  Diakses Tanggal 15 April 2015 [6] Kusumadewi, Sri, Sri Hartati, Agus Harjoko, dkk, 2006, Fuzzy Multi- Attribute Decision Making (FUZZY MADM) , Yogyakarta: Graha Ilmu.

  [7] Hasugian, Paska Marto, 2012, RANCANG BANGUN SISTEM REKOMENDASI KULINER KOTA MALANG DENGAN BERBASIS WEB MENGGUNAKAN METODE WEIGHTED PRODUC,

  http://filkom.ub.ac.id/doro/download/article/file/DR00022201412 . Diakses Tanggal 5 Maret 2015.

  [8] Tettamanzi, A, M. Tomassini, 2001, Soft Computing: Integrating , Berlin: Springer-Verlag.

  Evolutionary, Neural, and Fuzzy Systems

  [9] Ross, Timothy J., 2005, Fuzzy Logic With Engineering Applications, Edisi ke-2: John Wiley & Sons Inc. Inggris. [10] Zadeh, L.A., 1995, Discussion : Probability Theory and Fuzzy Logic are

  Complementary rather than Competitive , dalam: Ross, Timothy J. Fuzzy , Edisi ke-2: John Wiley & Sons Inc. Logic With Engineering Applications Inggris.

  [11] Cox, Earl, 1994,

The Fuzzy Systems Handbook (A Prsctitioner’s Guide to Building, Using, and Maintaining Fuzzy Systems) , Massachusetts:

  Academic press, Inc. [12] Cox, Earl, 1995, Fuzzy Logic For Business and Industry, Rockland, Massachusetts : Charles River Media Inc.

  [13] Lootsma, Freek A.,1997, Fuzzy Logic for Planning and Decision Making, Netherlands: Kluwer Academic Publishers. [14] Zimmermann, 1991, Fuzzy Sets Theory and Its Applications, Edisi 2, Massachusetts: Kluwer Academic Publishers.