Sistem Pendukung Keputusan Pemilihan Smartwatch Menggunakan Metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) JURNAL. JURNAL

perpustakaan.uns.ac.id

digilib.uns.ac.id

DECISION SUPPORT SYSTEM USING TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO
IDEAL SOLUTION (TOPSIS) METHOD FOR CHOOSING SMARTWATCH

Adhike Noviyani
Jurusan Informatika
Universitas Sebelas Maret
Jl. Ir. Sutami No 36 A Surakarta
adhikenoviyani@student.uns.ac.id

Sari Widya Sihwi
Jurusan Informatika
Universitas Sebelas Maret
Jl. Ir. Sutami No 36 A Surakarta
sariwidya@staff.uns.ac.id

ABSTRACT
Having smartwatch is one of the things that is

increasingly needed by someone. However it requires
consideration in making decisions about choosing
smartwatch. One of the confusion that often occurs in
selecting smartwatch is confusion in choosing the exact
specifications as desired. So it needs a system that can
help to provide recommendations in selecting
smartwatch. TOPSIS method is used. This paper
discusses the system on select smartwatch using five
criterias, such as element resistance, storage,
connectivity, battery, and prices. Each assigned a
weighting of criteria on the alternative chosen
smartwatch. Perform calculations using TOPSIS
method. If the end result has been obtained, it can be
used as a reference to provide a suitable ranking of the
smartwatch.
TOPSIS
method
can
provide
recommendations smartwatch elections which will be

selected and desirable.
Keywords: Smartwatch, Decision Support System,
TOPSIS

Bambang Harjito
Jurusan Informatika
Universitas Sebelas Maret
Jl. Ir. Sutami No 36 A Surakarta
bambang_harjito@staff.uns.ac.id

Terdapat beberapa metode dalam SPK, salah satunya
adalah metode Technique for Order Preference by
Similarity to Ideal Solution (TOPSIS). Pada TOPSIS
digunakan multi kriteria. Konsep dasar TOPSIS adalah
memilih alternatif terbaik dari sejumlah alternatif.
Metode TOPSIS sebagai metode yang didasarkan pada
konsep bahwa alternatif terbaik adalah dipilihnya tidak
hanya memiliki jarak terpendek dari solusi ideal positif,
tetapi juga memiliki jarak terjauh dari solusi ideal negatif
[5]. Sebelumnya pernah dilakukan juga penelitian

menggunakan metode TOPSIS tetapi memakai kasus
yang berbeda, yaitu penelitian tentang pemilihan laptop
[6] dan penelitian mengenai penyeleksian calon
penerima beasiswa akademik dan non akademik di
Universitas Islam Negeri Sunan Kalijaga [7].
Kelebihan TOPSIS adalah konsepnya sederhana dan
mudah dipahami, komputasinya efisien, dan memiliki
kemampuan untuk mengukur kinerja relatif dari
alternatif-alternatif keputusan dalam bentuk matematis
yang sederhana dimana akan didapatkan alternatif yang
terbaik sehingga membantu proses pengujian dan tujuan
penelitian ini dapat terjawab.

1. PENDAHULUAN
2. SISTEM PENDUKUNG KEPUTUSAN
Ketika dunia berubah ke era internet dan mobile,
maka devices pun berubah. Kini muncul smartwatch
Definisi awal Decission Support System (DSS) adalah
(jam tangan pintar) atau sebagian lagi menyebut
suatu sistem yang ditujukan untuk mendukung

watchphone (jam tangan ponsel). Sesungguhnya
manajemen pengambil keputusan. Tujuan DSS yang
perangkat ini adalah memindahkan fungsi (dasar)
harus dicapai antara lain adalah membantu user membuat
smartphone ke dalam sebuah jam tangan dan harga yang
keputusan, mendukung penilaian user bukan mencoba
bervariatif.
untuk menggantikannya, meningkatkan efektifitas
Dikarenakan perkembangan smartwatch yang begitu
pengambilan keputusan user [8]. Terdapat 4 fase dalam
dratis membuat daya beli orang semakin tinggi dengan
pembangunan decission support system, yaitu
kriteria-kriteria yang ada. Dan dikarenakan banyaknya
intelligence, design, choice, dan implementation. Tahap
kriteria yang ada pada smartwatch maka membuat
intelligence phase , masalah diidentifikasi, ditentukan
pilihan yang banyak sekali [1].
tujuan dan sasarannya, penyebabnya, dan besarnya.
Berdasarkan hal tersebut, maka penelitian ini bertujuan
Masalah dijabarkan secara lebih rinci dan dikategorikan

untuk membangun sebuah Sistem Pendukung Keputusan
apakah termasuk progammed atau non-programmed.
(SPK) yang berfungsi sebagai alat bantu bagi user dalam
Tahap design phase dikembangkan tindakan alternatif,
pengambilan keputusan pada proses pemilihan
menganalisis solusi yang potensial, membuat model,
smartwatch. Pengambil keputusan dihadapkan dengan
membuat uji kelayakan, dan memvalidasi hasilnya.
banyaknya hal-hal atau kriteria yang harus
Tahap choice phase menjelaskan pendeketan solusi yang
dipertimbangkan [2]. Sebelum penelitian ini telah
dapat diterima dan memilih alternatif keputusan yang
dilakukan juga penelitian tentang pemilihan handphone
terbaik. Sedangkan tahap implementation phase
yang kasusnya hampir mirip dengan penelitian pemilihan
mengimplementasikan solusi pada choice phase [4].
smartwatch menggunakan metode Simple Additive
Weighting (SAW) [3].
SPK merupakan sistem berbasis komputer interaktif
commit to user

yang membantu pengambil keputusan memanfaatkan
data dan model untuk menyelesaikan suatu masalah [4].
1

perpustakaan.uns.ac.id

digilib.uns.ac.id

3. TECHNIQUE FOR ORDER PREFERENCE BY

4.

SIMILARITY TO IDEAL SOLUTION (TOPSIS)
Metode TOPSIS merupakan metode yang
membandingkan
sekumpulan
alternatif
dengan
mengidentifikasi bobot setiap kriteria, menormalisasi
nilai setiap kriteria dan menghitung jarak geometris

antara setiap alternatif dan alternatif ideal, yang
merupakan nilai terbaik dalam setiap kriteria. Metode
TOPSIS didasarkan pada konsep bahwa alternatif terpilih
yang terbaik tidak hanya memiliki jarak terpendek dari
solusi ideal positif tetapi juga memiliki jarak terpanjang
dari solusi ideal negatif. Tahapan dalam metode TOPSIS
adalah sebagai berikut [7] :
1. Menentukan alternatif pilihan (A) dan kriteria (C)
yang digunakan untuk mempertimbangkan alternatif
pilihan oleh pembuat keputusan.
2. Menentukan bobot dari setiap kriteria oleh pembuat
keputusan (W).
3. Membuat matriks keputusan yang ternormalisasi
(rij) untuk setiap alternatif i (Ai) dan kriteria j (Cj).
xi j
rij =
(1)

Penelitian dilakukan dengan membangun sebuah
system yang bertujuan untuk dapat memilih smartwatch

yang tepat dengan menggunakan sistem pendukung
keputusan (SPK) metode TOPSIS. Tahap-tahap yang
akan dilakukan adalah sebagai berikut.

4.

5.

6.

METODOLOGI PENELITIAN

Pengumpulan Data
Data yang digunakan adalah data sekunder. Data
sekunder adalah data yang diperoleh dari sumber yang
sudah ada. Sumber data spesifikasi smartwatch diperoleh
dari http://smartwatches.specout.com.
4.1

Tahap Analisa

Pada tahap ini dilakukan analisa terhadap data yang
diperoleh pada tahap pengumpulan data. Tujuan dari
tahap ini adalah untuk menentukan detail dari setiap
masing-masing kriteria. Kriteria-kriteria yang menjadi
penilaian yaitu element resistance, storage, connectivity,
baterai, dan harga. Berikut penjelasan kriteria-kriteria :
4.2

1.

Kriteria Element Resistance
Kriteria element resistance adalah element
m
2
xij
ketahanan yang dimiliki smartwatch yang
i 1
meliputi dustproof, shockproof, dan waterproof.
dengan i = 1,2,....m; dan j = 1,2,......n;
Semakin banyak macam element resistance yang

xij = nilai skala oleh pembuat keputusan untuk
dimiliki smartwatch tersebut, semakin banyak
setiap alternatif i pada kriteria j.
pula peminatnya.
Membuat matriks keputusan yang ternormalisasi
2.
Kriteria Storage
terbobot (Yij).
Kriteria storage adalah memori internal yang
Yij = Xij.Wi
(2)
dimiliki smartwatch tesebut. Semakin tinggi dan
dengan i = 1,2,....m; dan j = 1,2,......n;
semakin besar memori internalnya, semakin
Menentukan matriks solusi ideal positif (S+ ) dan
banyak pula peminatnya.
matriks solusi ideal negatif (S-).
3.
Kriteria Connectivity
A+ = (Y1+ , Y2+ , ..., Yn+ );

(3)
Kriteria connectivity adalah konektivitas yang
ada dalam smarwatch tersebut. Connectivity
A- = (Y1-, Y2-, ..., Yn-);
(4)
dalam smartwatch ini meliputi bluetooth, wifi,
usb cable, dan nfc. Semakin banyak macam
Yj+ adalah max Yij jika j adalah atribut keuntungan
connectivity yang ada dalam smartwatch, semakin
(benefit); min Yij jika j adalah atribut biaya (cost).
banyak pula peminatnya.
Yj- adalah min Yij jika j adalah atribut keuntungan
4.
Kriteria Baterai
(benefit); max Yij jika j adalah atribut biaya (cost).
Kriteria baterai adalah ketahanan baterai di
Menentukan jarak antara nilai setiap alternatif i (Ai)
mana smartwatch akan tetap hidup dan menyala
dengan matriks solusi ideal positif (Si+ ) dan negatif
sehingga smartwatch tetap bisa digunakan.
(Si-).
Semakin lama jangka waktu ketahanan baterai
Si + =
;
(5)
y )
(y
smartwatch untuk hidup dan menyala, semakin
banyak peminatnya, begitupun sebaliknya.
Si =
(y
y )2
5.
Kriteria Harga
1
(6)
Kriteria harga adalah harga di pasaran dari
dengan i = 1,2,....m.
smartwatch tersebut. Pembeli akan memilih dan
Menentukan nilai preferensi untuk setiap alternatif i
membeli smartwatch sesuai anggaran yang
(Ci).
dimiliki. Semakin tinggi harga, semakin sedikit
peminatnya. Sedangkan semakin rendah harga,
Si
semakin banyak peminatnya.
Ci =
Si
Si
4.3
Tahap
Implementasi dan Perhitungan
(7)
Tahap ini merupakan penerapan SPK yang
dengan i = 1,2,....m.
dibangun. Pada tahap ini terdapat beberapa tugas yang
harus dilakukan yaitu penyiapan data, pengembangan
commitsistem,
to usertesting, dan debugging.
n

2

i

ij

i 1

n

i j

i

j

7.

2

perpustakaan.uns.ac.id
4.4

digilib.uns.ac.id

Tahap Pengujian

A1 : Smartwatch motorola moto 360
A2 : Smartwatch sony smartwatch 3
A3 : Smartwatch garmin fenix 3 sapphire
A4 : Smartwatch samsung gear S2 classic
A5 : Smartwatch pebble time
Jenis kriteria yang telah ditentukan
C1 : Kriteria element resistance
C2 : Kriteria storage
C3 : Kriteria connectivity
C4 : Kriteria baterai
C5 : Kriteria harga

Pengujian dilakukan dengan mencoba sistem
dengan data smartwatch dan bobot kriteria yang
diinputkan oleh 10 user. Latar belakang dari 10 user ini
orang-orang yang kesehariannya menggunakan gadget
dan mempunyai ketertarikan dengan smartwatch.
Pengujian dilakukan dengan cara user mencoba
sistem yang telah dibuat, setelah itu dilakukan
wawancara dan pengisian angket kepuasan dari system
yang dibuat. Kepuasan dinilai dari tiga aspek, yaitu
interface (seberapa menarik tampilan dari sistem), cara
penggunaan sistem, dan hasil yang dikeluarkan oleh
sistem. Pengujian ini bertujuan untuk mengetahui apakah
system sudah berjalan dengan baik dan bisa memberikan
kepuasan pada user atau tidak.
5.

HASIL DAN PEMBAHASAN

5.1 Pengumpulan Data
Data yang digunakan adalah data sekunder.
Data sekunder adalah data yang diperoleh dari sumber
yang sudah ada. Sumber data spesifikasi smartwatch
diperoleh dari : http://smartwatches.specout.com. Dari
sumber tersebut didapat lima kriteria yang digunakan.
Adapun kriteria-kriteria tersebut adalah element
resistance, storage, connectivity, baterai, dan harga.
5.2 Analisa
Pada tahap ini, dilakukan analisa mengenai cara
menerapkan metode TOPSIS dalam studi kasus
pemilihan smartwatch. Penerapan metode tersebut
menggunakan 5 kriteria yang telah ditentukan dan
tersimpan dalam database pada tahap sebelumnya.
Kemudian data diolah dan diproses dengan
menggunakan inputan bobot kriteria yang didapatkan
melalui inputan user . Adapun range penginputan bobot
kriteria antara 1 sampai 5.

2.

Gambar 1 Pemilihan 5 Data
Menentukan bobot dari setiap kriteria oleh pembuat
keputusan (W). Bobot kriteria masing-masing kriteria
dengan inputan bobot kriteria yang digunakan di
sistem ini menggunakan range inputan 1 sampai 5.
Tabel 1 Nilai bobot kriteria

5.3 Implementasi dan Perhitungan
Pada tahap ini akan dijelaskan tampilan sistem
dan hasil perhitungan manual. Penulis mengambil tiga
sample data dari 50 data smartwatch yang ada dalam
database untuk dilakukan perhitungan. Penulis akan
memberikan contoh untuk kasus dengan menginputkan
bobot kriteria dengan inputan bobot kriteria yang
digunakan di sistem ini. Adapun range penginputan
bobot kriteria antara 1 sampai 5. Perhitungan di bawah
ini sesuai dengan langkah penyelesaian TOPSIS yang
telah dijelaskan pada landasan teori.

Nilai

Nama

1

Tidak penting

2

Kurang penting

3

Cukup penting

4

Penting

5

Sangat penting

Bobot kriteria sebagai berikut :
W1 (bobot kriteria element resistance )
W2 (bobot kriteria storage)
W3 (bobot kriteria connectivity)
W4 (bobot kriteria baterai)
W5 (bobot kriteria harga)

:3
:2
:4
:4
:5

Pada contoh akan digunakan lima data dari 50
data smartwatch beserta 5 kriteria yang sudah tersimpan
dalam database, langkah-langkah perhitungannya adalah
sebagai berikut :
1. Menentukan alternatif pilihan (A) dan kriteria (C )

yang digunakan untuk mempertimbangkan alternatif
pilihan oleh pembuat keputusan.
Alternatif yang digunakan adalah data smartwatch
yang akan dipilih.
commit to user

Gambar 2 Tampilan Sistem Sebelum
Menginputkan Bobot Kriteria
3

perpustakaan.uns.ac.id

digilib.uns.ac.id

Gambar 3 Tampilan Sistem Inputan Bobot Kriteria
3. Membuat tabel keputusan setiap alternatif pada setiap

kriteria.
Tabel 2 Tabel Keputusan
Nama
Smartwatch
motorola
moto 360
sony
smartwatch
3
garmin fenix
3 sapphire
samsung
gear S2
classic
pebble time

Nilai Kriteria
C1

C2

C3

C4

C5

1

4

2

24

250

2

4

3

48

250

1

32

2

48

600

2

4

3

48

316

1

0

2

168

108

r42
= 4/32,741
= 0,122
r52
= 0/32,741
= 0
Untuk nilai normalisasi kriteria 3
Hasil pangkat perkriteria = 4 + 9 + 4 + 9 + 4 =
30
Akar hasil pangkat perkriteria = 5,477
r13
= 2/5,477
= 0,365
r23
= 3/5,477
= 0,547
r33
= 2/5,477
= 0,365
r43
= 3/5,477
= 0,547
r53
= 2/5,477
= 0,365
Untuk nilai normalisasi kriteria 4
Hasil pangkat perkriteria = 576 + 2304 + 2304 +
2304 + 28224 = 35712
Akar hasil pangkat perkriteria = 188,976
r14
= 24/188,976
= 0,127
r24
= 48/188,976
= 0,254
r34
= 48/188,976
= 0,254
r44
= 48/188,976
= 0,254
r54
= 168/188,976 = 0,889
Untuk nilai normalisasi kriteria 5
Hasil pangkat perkriteria = 62500 + 62500 +
360000 + 99856 + 11664 = 596520
Akar hasil pangkat perkriteria = 772,347
r15
= 250/772,347 = 0,323
r25
= 250/772,347 = 0,323
r35
= 600/772,347 = 0,776
r45
= 316/772,347 = 0,409
r55
= 108/772,347 = 0,139
Matrik Ternormalisasi

4. Membuat matriks keputusan dari setiap alternatif

pada setiap kriteria.
X =

R =

0,301

0,122

0,365

0,127

0,323

0,603

0,122

0,547

0,254

0,323

1

4

2

24

250

0,603

0,122

0,547

0,254

0,409

2

4

3

48

250

0,301

0

0,365

0,889

0,139

1

32 2

48

600

6. Membuat matriks keputusan yang ternormalisasi

terbobot (Yij).
Berikut
merupakan perhitungan matriks keputusan
1 0 2 168 108
yang ternormalisasi terbobot.
5. Membuat matriks keputusan yang ternormalisasi (rij)
Bobot kriteria sebagai berikut :
untuk setiap alternatif i (Ai) dan kriteria j (Cj) .
W1 (bobot kriteria element resistance) : 3
Berikut merupakan perhitungan matriks keputusan
W2 (bobot kriteria storage)
:2
yang ternormalisasi.
W3 (bobot kriteria connectivity)
:4
Untuk nilai normalisasi kriteria 1
W4 (bobot kriteria baterai)
:4
Hasil pangkat perkriteria = 1 + 4 + 1 + 4 + 1 =
W5 (bobot kriteria harga)
:5
11
Nilai normalisasi berbobot untuk kriteria 1
Akar hasil pangkat perkriteria = 3,316
Y11
= 0,301 x 3
= 0,903
r11
= 1/3,316
= 0,301
Y21
= 0,603 x 3
= 1,809
r21
= 2/3,316
= 0,603
Y31
= 0,301 x 3
= 0,903
r31
= 1/3,316
= 0,301
Y41
= 0,603 x 3
= 1,809
r41
= 2/3,316
= 0,603
Y51
= 0,301 x 3
= 0,903
r51
= 1/3,316
= 0,301
Nilai normalisasi berbobot untuk kriteria 2
Untuk nilai normalisasi kriteria 2
Y12
= 0,122 x 2 = 0,244
Hasil pangkat perkriteria = 16 + 16 + 1024 + 16
Y22
= 0,122 x 2 = 0,244
+ 0 = 1072
Y32
= 0,977 x 2
= 1,954
Akar hasil pangkat perkriteria = 32,741
Y42
= 0,122 x 2 = 0,244
r12
= 4/32,741
= 0,122
commit to userY52
= 0x2 = 0
r22
= 4/32,741
= 0,122
r32
= 32/32,741
= 0,977
2

4

3

48

316

4

perpustakaan.uns.ac.id

digilib.uns.ac.id

Nilai normalisasi berbobot untuk kriteria 3
Y13
= 0,365 x 4
= 1,46
Y23
= 0,547 x 4
= 2,188
Y33
= 0,365 x 4
= 1,46
Y43
= 0,547 x 4
= 2,188
Y53
= 0,365 x 4
= 1,46
Nilai normalisasi berbobot untuk kriteria 4
Y14
= 0,127 x 4
= 0,508
Y24
= 0,254 x 4
= 1,016
Y34
= 0,254 x 4
= 1,016
Y44
= 0,254 x 4
= 1,016
Y54
= 0,889 x 4
= 3,556
Nilai normalisasi berbobot untuk kriteria 5
Y15
= 0,323 x 5
= 1,615
Y25
= 0,323 x 5
= 1,615
Y35
= 0,776 x 5
= 3,88
Y45
= 0,409 x 5
= 2,045
Y55
= 0,139 x 5
= 0,695

Y5-=max{1,615; 1,615; 3,88; 2,045; 0,695}=3,88
Solusi Ideal Negatif
A- = {0,903; 0; 1,46; 0,508; 3,88}
8. Menentukan jarak antara nilai setiap alternatif i (Ai)
dengan matriks solusi ideal positif (Si+ ) dan negatif
(Si-) dengan rumus yang telah dijelaskan pada
landasan teori.
Menentukan jarak antara nilai setiap alternatif i (Ai)
dengan matriks solusi ideal positif (Si+ ) dan negatif
(Si-).
Berikut merupakan perhitungan untuk separation
measure untuk solusi ideal positif dan separation
measure untuk solusi ideal negatif.
Separation Measure untuk Solusi Ideal Positif, Si+

Matrik Ternormalisasi Terbobot
Y

0,903

0,244

1,46

0,508

1,615

1,809

0,244

2,188

1,016

1,615

0,903

1,954

1,46

1,016

3,88

1,809

0,244

2,188

1,016

2,045

0,903

0

1,46

3,556

0,695

7. Menentukan matriks solusi ideal positif (S+ ) dan

matriks solusi ideal negatif (S-).
Berikut merupakan perhitungan untuk matriks solusi
ideal ideal positif (S+ ) dan matriks solusi ideal
negatif (S-).
Jika kriteria bersifat Benefit (makin besar makin
baik) maka Y+ = max dan Y- = min, jika kriteria
bersifat Cost (makin kecil makin baik) maka Y+ =
min dan Y- = max
Adapun sifat kriterianya adalah :
Kriteria element resistance : benefit (makin besar
makin baik)
Kriteria storage : benefit (makin besar makin baik)
Kriteria connectivity : benefit (makin besar makin
baik)
Kriteria baterai : benefit (makin besar makin baik)
Kriteria harga : cost (makin kecil makin baik)

Sehingga diperoleh nilai :
S1+ = 3,796
S2+ = 3,197
S3+ = 4,236
S4+ =3,345
S5+ =2,274
Separation Measure untuk Solusi Ideal Negatif, Si-

Sehingga diperoleh nilai sebagai berikut :
Y1+=max{0,903; 1,809; 0,903; 1,809; 0,903}=1,809
Y2+=max{0,244; 0,244; 1,954; 0,244; 0}=1,954
Y3+=max{1,46; 2,188; 1,46; 2,188; 1,46}=2,188
Y4+=max{0,508; 1,016; 1,016; 1,016; 3,556}=3,556
Y5+=min{1,615; 1,615; 3,88; 2,045; 0,695}=0,695
Solusi Ideal Positif
A+ = {1,809; 1,954; 2,188; 3,556; 0,695}
Y1-= min{0,903; 1,809; 0,903; 1,809; 1,903}=0,903
Y2-=min{0,244; 0,244; 1,954; 0,244; 0}=0
commit to user
Y3-=min{1,46; 2,188; 1,46; 2,188; 1,46}=1,46
Y4 =min{0,508; 1,016; 1,016; 1,016; 3,556}=0,508
5

perpustakaan.uns.ac.id

9.

digilib.uns.ac.id

Sehingga diperoleh nilai :
S1- = 2,278
S2- = 2,608
S3- = 2,019
S4- = 2,247
S5- = 4,408
Menentukan nilai preferensi untuk setiap alternatif i
(Ci).
Berikut merupakan perhitungan untuk nilai
preferensi.
C1 =

2,278
2,278 3,796

= 0,375
C2 =

2,608
2,608 3,197

= 0,449
C3 =

2,019
2,019 4,236

= 0,322
C4 =

2,247
2, 247 3,345

= 0,401
C5 =

4,408
4,408 2,274

= 0,659
Hasil perhitungan manual di atas sama dengan hasil
yang didapatkan pada sistem (gambar 4). Dari hasil
diatas, yang merupakan alternatif tertinggi adalah
Smartwatch Pebble Time. Semakin besar nilai akhir yang
didapatkan, maka semakin bagus alternatif tersebut.

Tabel 3 Persentase Tingkat Kepuasan User
Kriteria

Sangat
Puas

Puas

Tidak
Puas

Interface

40%

40%

20%

Cara penggunaan
sistem

50%

50%

0%

Hasil dari sistem

30%

60%

10%

Dari tabel 3 menunjukkan bahwa tingkat kepuasan
user terhadap tiga aspek pada sistem yang dibangun
cukup baik (interface , cara penggunaan sistem, dan hasil
dari sistem). Tingkat kepuasan pada aspek interface
diperoleh nilai untuk sangat puas 40%, puas 40%, dan
tidak puas 20%. Pada aspek cara penggunaan sistem
diperoleh nilai untuk sangat puas 50%, puas 50%, dan
tidak puas 0%. Sedangkan tingkat kepuasan pada aspek
hasil dari sistem diperoleh nilai sangat puas 30%, puas
60%, dan tidak puas 10%. Pada aspek interface , yang
tidak merasa puas menyatakan bahwa tampilan interface
terlalu sederhana. Dan pada aspek hasil dari yang tidak
puas, menyatakan kurang begitu paham dengan olahan
hasil.
6.

KESIMPULAN
Sistem ini menampilkan beberapa alternatif
smartwatch yang diinginkan sesuai bobot yang
dimasukkan oleh user . Berdasarkan hasil pengujian yang
dilakukan oleh 10 user pada tiga aspek yang meliputi
interface, cara penggunaan sistem, dan hasil dari sistem.
Tingkat kepuasan pada aspek interface diperoleh nilai
untuk sangat puas 40%, puas 40%, dan tidak puas 20%.
Pada aspek cara penggunaan sistem diperoleh nilai untuk
sangat puas 50%, puas 50%, dan tidak puas 0%.
Sedangkan tingkat kepuasan pada aspek hasil dari sistem
diperoleh nilai sangat puas 30%, puas 60%, dan tidak
puas 10%. Rata-rata hasil pengujian tersebut
menandakan bahwa sistem yang dibangun sudah cukup
baik bagi user .
7. DAFTAR PUSTAKA

[1] Sunarto. & Asmara, R., 2008. Sistem
Pendukung Keputusan Pemilihan Handphone
Metode Analytical Hierarchy Process (AHP)
Berbasis PHP. Jurusan Teknologi Informasi.
Institut Teknologi Sepuluh Nopember.
[2] Azmi, Meri, 2013. Sistem Pendukung
Gambar 4 Tampilan Hasil Sistem
Keputusan Untuk Memilih Usaha Waralaba
Perhitungan TOPSIS
Makanan Menggunakan Metode TOPSIS.
Jurusan Teknologi Informasi. Politeknik Negeri
Padang. ISSN :2085-6989.
5.4 Hasil pengujian
[3]
Siregar, Choirotunisah, 2014. Sistem Pendukung
Pengujian dilakukan oleh 10 user yang berlatar
Keputusan
Pemilihan Handphone Bekas dengan
belakang orang-orang yang kesehariannya menggunakan
Menggunakan
Metode
Simple
Additive
gadget dan mempunyai ketertarikan dengan smartwatch.
Weighting
(SAW).
Jurusan
Teknik
Informatika.
Pengujian dilakukan dengan mencoba sistem dan
STMIK Budi Darma Medan. ISSN : 2301-9425.
dilanjutkan dengan mengisi angket kepuasan.
commit to user
[4] Turban, E. Sharda, R. Dele, D. 2011. Decision
Support and Business Intelligence Systems. New
Jersey : Pearson Education Inc.
6

perpustakaan.uns.ac.id

digilib.uns.ac.id

[5] Yoon, K. P. & Hwang, C.-L., 1995. Multiple
Attribute Decision Making: An Introduction. 1st
ed. Thousands Oaks, California: SAGE
Publications.
[6] Kurniasih, D. L., 2013. Sistem Pendukung
Keputusan Pemilihan Laptop dengan Metode
TOPSIS. Jurusan Teknik Informatika. STMIK
Budi Darma Medan. ISSN : 2301-9425.
[7] Uyun, S. & Riadi, I., 2010. A Fuzzy Topsis
Multiple-Attribute
Decision
Making
for
Scholarsip Selection . Information System
Department. State Islamic University of Sunan
Kalijaga, University of Ahmad Dahlan. ISSN:
1693-6930
[8] Hermawan, Julius. 2005. Membangun Decission
Support System. Yogyakarta.

commit to user

7