IMPLEMENTASI ANALITICAL HIERARCHY PROCESS (AHP)-TOPSIS DAN BORDA PEMILIHAN TANAMAN OBAT UNTUK PENYAKIT BATUK

Jurnal Elektronik Nasional Teknologi dan Ilmu Komputer (JENTIK)

IMPLEMENTASI ANALITICAL HIERARCHY PROCESS (AHP)-TOPSIS DAN BORDA PEMILIHAN TANAMAN OBAT UNTUK PENYAKIT BATUK Ismail Prasetia1, Muliadi2, Dwi Kartini3 123Prodi Ilmu Komputer FMIPA ULM Jl. A. Yani Km 36 Banjarbaru, Kalimantan selatan Email : [email protected] Abstract Indonesia is rich in various biodiversity potential to be developed as medicine or medicine raw materials. Cough is a disease that often occurs by humans and is a disease that is considered a tradition. So far, according to expert knowledge, plants can be in one's ideals for medication that have a distribution that is easy to find, have appropriate content for a disease, as well as a proven and tested to cure a disease. Based on this, we need a system that can simplify the solution to the problem to determine the medicinal plants in order to treat the disease cough. Then the system will be built mechanisms Group Decision Support Systems (GDSS) or a system of group decision making, group decision-making model that is used for multiple criteria and alternatives to this system is the hierarchies Analytic Method Process (AHP) -TOPSIS and Borda. Keywords: Group Decision Support Systems, Cough, AHP -TOPSIS , Borda, medicinal plants. Abstrak Indonesia kaya akan berbagai keaneka ragaman hayati yang berpotensi untuk dikembangkan sebagai obat atau bahan baku obat. Batuk adalah penyakit yang kerap terjadi oleh manusia dan merupakan penyakit yang dianggap sebagai tradisi. Selama ini menurut pengetahuan pakar, tanaman bisa di idealkan untuk obat yaitu memiliki persebaran yang mudah ditemui, memiliki kandungan yang sesuai untuk suatu penyakit, serta sudah terbukti dan teruji dapat menyembuhkan suatu penyakit. Berdasarkan hal tersebut, dibutuhkan sebuah Sistem yang mampu memudahkan pemecahan atas suatu masalah untuk menentukan tanaman obat agar bisa mengobati penyakit batuk. Maka sistem yang akan diterapkan memiliki mekanisme Group Decision Support System (GDSS) atau suatu sistem pengambilan keputusan kelompok, Model pengambilan keputusan kelompok yang digunakan untuk beberapa kriteria dan alternatif pada sistem ini adalah Metode Analitic Hierarkhi Process (AHP)–TOPSIS dan Borda. Kata Kunci : sistem pengambilan keputusan kelompok, Batuk, AHP-TOPSIS, Borda, Tanaman Obat.

Implementasi AHP-TOPSIS dan Borda Pemilihan Tanaman Obat Untuk Penyakit Batuk (Ismail Prasetia) |

13


1.

PENDAHULUAN

Batuk merupakan penyakit yang sering dan biasa dialami oleh manusia, batuk merupakan salah satu penyakit yang dianggap sebagai tradisi . Indonesia dikenal sebagai suatu daerah yang kaya akan berbagai keaneka ragaman hayati dan memiliki berbagai tumbuhan tanaman yang berpotensi untuk dikembangkan sebagai obat atau bahan baku obat. Tanaman kini secara garis besar tidak hanya dimanfaatkan dan digunakan sebagai bahan konsumsi maupun sebagai penghias saja, tetapi juga sebagai tanaman obat multi fungsi. Mengingat pengobatan dengan tanaman herbal ini tidak memerlukan biaya tinggi yang dapat dijangkau oleh semua kalangan masyarakat dan dinilai efektif bahkan untuk menyembuhkan penyakit yang sulit diobati secara medis. Dengan berbagai macamnya kriteria dan jenis dari kandungan tanaman obat maka diperlukan pengetahuan khusus untuk memilih tumbuhan obat agar bisa mengobati serta menyembuhkan suatu penyakit tertentu. Berdasarkan hal tersebut, dibutuhkan implementasi sistem yang dapat memudahkan pemecahan atas suatu masalah untuk menentukan tanaman obat agar bisa mengobati suatu penyakit. Proses penentuan pemilihan tanaman obat dipertimbangkan oleh beberapa pakar yang akan dituangkan kedalam sistem ini. Maka sistem yang akan dibangun dan diterapkan memiliki mekanisme Group Decision Support System (GDSS) atau suatu sistem pengambilan keputusan kelompok. Model pengambilan keputusan kelompok yang digunakan untuk beberapa kriteria dan alternatif pada sistem ini mengunakan Metode Analitic Hierarkhi Process (AHP)–TOPSIS dan Borda. 2.

METODE PENELITIAN

2.1 Analitic Hierarkhi Process (AHP) Model AHP (Analitical hierarchy process) merupakan tool pada multi attribute decision making (MADM) yang dikembangkan oleh Thomas Saaty, penerapan metode AHP adalah untuk membuat urutan alternatif keputusan dan memilih yang terbaik pada saat proses pengambil keputusan, pada proses pengambilan keputusan yang memiliki beberapa kriteria atau tujuan untuk mengambil keputusan tertentu[1]. Karakteristik utamanya berdasarkan pada penentuan perbandingan pasangan. Metode AHP dibangun dalam 3 tahap berikut: a. Penyusunan perbandingan berpasangan matriks keputusan ( ) 1 ã12 … ã1𝑛 1 1 … ã2𝑛 ã12 . .. Ã = [ã𝑖𝑚 ] = . , 𝑖, 𝑚 = 1,2, … . , 𝑛 …(1) .. .. . . . . 1 1 … 1 ] [ã1𝑛 ã2𝑛 Misalkan C1, C2, ..., Cn merupakan himpunan elemen, dimana aim menyatakan jumlah yang ditetapkan pada pasangan elemen Ci dan Cm. Saaty telah menentukan skala untuk melakukan proses pengukuran perbandingan nilai kepentingan berpasangan. Pada proses menentukan perbandingan berspasangan ini dilakukan dengan mengunakan skala preferensi yang akan memberikan nilai numerik untuk semua tingkat preferensi. Standar skala preferensi yang digunakan AHP menurut saaty diperlihatkan pada tabel berikut: Implementasi AHP-TOPSIS dan Borda Pemilihan Tanaman Obat Untuk Penyakit Batuk (Ismail Prasetia) |

14


Tabel 1. Skala penilaian perbandingan berpasangan Intensitas Keterangan Penjelasan kepentingan 1 Dua elemen ini sama Dua elemen menyumbangnya pentingnya sama besar pada sifat itu 3 Elemen satu sedikit lebih Pengalaman dan pertimbangan penting dari pada elemen sedikit menyokong satu elemen yang lainnya atas lainnya 5 Eleme satu essential atau Pengalaman serta sangat penting daripada pertimbangan dengan kuat elemen yang lainnya menyokong satu elemen atas elemen lainnya 7 Satu elemen jelas lebih Satu elemen dengan kuat penting daripada elemen disokong dan domainnya telah lainnya terlihat dalam praktek 9 Satu elemen mutlak lebih Bukti yang menyokong elemen penting dari elemen yang satu atas yang lain emiliki lainnya tingkat penegasan tertinggi yang mungkin menguatkan 2,4,6,8 Nilai-nilai antara dua nilai Kompromi diperlukan antara pertimbangandua pertimbangan pertimbangan yang hampir berdekatan Kebalikan Jika untuk aktivitas I mendapat suatu angka apabila dibandingkan dengan satu aktivitas j. Maka j memiliki kebalikan nilai bila dibandingkan dengan aktifitas i. Sumber: Penerapan Model Pendukung Keputusan Kelompok Pada Pemilihan Tanaman Obat Untuk Penyakit Kelas Ringan Dengan Metode Analitical Hierarchy Process (AHP)-Topsis dan Borda. 2017

b. Lakukan proses normalisasi pada matriks keputusan. Setiap kolom matriks dijumlahkan, kemudian setiap elemen pada matriks dibagi dengan nilai total kolomnya. Terakhir, rata‐ratakan baris matriks dihitung dan vektor bobot kriteria diperoleh yaitu himpunan sejumlah n bobot w1, w2,…, wn. c. Lakukan proses analisis konsistensi dengan rumus sebagai berikut Ã ∗ 𝑊𝑖 = 𝜆𝑚𝑎𝑥 ∗ 𝑊𝑖 , dimana i = 1,2,...,n …(2) Maka indeks konsistensi (CI) dapat dihitung dengan rumus sebagai berikut 𝜆 −𝑛 𝐶𝐼 = 𝑚𝑎𝑥 …(3) 𝑛−1 Rasio terakhir yang harus dihitung adalah nilai CR (consistency ratio). Secara umum, jika nilai yang dihasilkan CR lebih kecil dari 0.1 ditetapkan konsisten hasilnya adalah konsisten, sehingga bobot yang diberikan dapat digunakan 𝐶𝐼 pada perangkingan alternatif dalam metode TOPSIS.𝐶𝑅 = 𝑅𝐼 [1] Implementasi AHP-TOPSIS dan Borda Pemilihan Tanaman Obat Untuk Penyakit Batuk (Ismail Prasetia) |

15


2.2 TOPSIS TOPSIS (Technique ForOrders Reference by Similarity to Ideal Solution) adalah salah satu metode pengambilan keputusan yang pertama kali diperkenalkan oleh Yoon dan Hwang (1981). TOPSIS menggunakan prinsip bahwa alternatif yang terpilih harus mempunyai jarak terdekat antara solusi ideal positif dan terjauh antara solusi ideal negatif dari sudut pandang geometris dengan menggunakan jarak sudut untuk menentukan kedekatan relative dari suatu alternatif dengan slusi optimal[2]. langkah – langkah ,TOPSIS diberikan tahapan sebagai berikut: a. TOPSIS membutuhkan rating kerja setiap alternatif Ai pada setiap kriteria Cj yang ternormalisasi

xi j m

rij =

 xij

2

;

…(4)

i 1

dengan i=1,2,...,m; dan j=1,2,...,n dimana : rij = matriks ternormalisasi [i][j] xij = matriks keputusan [i][j] b. Solusi ideal positif A+ dan solusi ideal negatif A- dapat ditentukan berdasarkan rating bobot ternormalisasi (yij) sebagai : yij = wi.rij; dengan i=1,2,...,m; dan j=1,2,...,n …(5) + + + + A = (y1 , y2 , ..., yn ); …(6) A- = (y1-, y2-, ..., yn-); …(7) dimana : yij = matriks ternormalisasi terbobot [i][j] wi= vektor bobot[i] dari proses AHP yj+= max yij, jika j adalah atribut keuntungan min yij, jika j adalah atribut gejala yj-= min yij, jika j adalah atribut keuntungan max yij, jika j adalah atribut gejala j = 1,2,...,n n

c. Di+ =

(y i 1

 i

 y ij ) 2

; i=1,2,...,m

…(8)

dimana : Di+ = jarak alternatif Ai terhadap solusi ideal positif yi+ = solusi ideal positif[i] yij = matriks normalisasi terbobot[i][j] Jarak antara alternatif Ai solusi ideal negatif : Di- =

n

( y j 1



ij

 yi ) 2

; i=1,2,...,m

…(9)

dimana : Di- = jarak alternatif Ai terhadap solusi ideal negatif yi- = solusi ideal positif[i] yij = matriks normalisasi terbobot[i][j] Implementasi AHP-TOPSIS dan Borda Pemilihan Tanaman Obat Untuk Penyakit Batuk (Ismail Prasetia) |

16


d. Vi =

Di



; i=1,2,...,m   Di  Di dimana : Vi = kedekatan tiap alternatif terhadap solusiideal Di+= jarak alternatif Ai dengan solusi ideal positif Di-= jarak alternatif Ai dengan solusi ideal negatif

…(10)

2.3 BORDA Borda merupakan model atau suatu teknik penyelesaian masalah pengambilan keputusan dalam suatu kelompok. Dengan borda , beberapa pendapat dan persepsi dari pengambil keputusan yang berbeda mengenai suatu keputusan bisa disatukan menjadi suatu keputusan kelompok atau keputusan bersama. Dengan begitu, keputusan yang dihasilkan bisa diterima oleh kelompok tersebut [3]. Langkah-langkah pada tahap perhitungan dengan metode borda, meliputi: a. Setiap penentu pengambilan keputusan memberikan nilai n-1 untuk alternatif pilihan pertama , nilai n-2 untuk alternatif kedua,….,dan nilai 0 untuk pilihan alternatif terakhir. b. Alternatif dengan nilai tertinggi adalah pemenangnya 3.

HASIL DAN PEMBAHASAN

3.1. Gambaran Umum Berikut adalah alur gambaran umum proses implementasi Analitical Hierarchy Process (AHP)-TOPSIS dan Borda pada pengambilan keputusan kelompok yang akan dirancang, gambaran umum dari implementasi Analitical Hierarchy Process (AHP)TOPSIS dan Borda dapat dilihat pada gambar 1 berikut:

Gambar 1. Gambaran umum sistem

Sumber: Penerapan Model Pendukung Keputusan Kelompok Pada Pemilihan Tanaman Obat Untuk Penyakit Kelas Ringan Dengan Metode Analitical Hierarchy Process (AHP)-Topsis dan Borda. 2017


17


Implementasi Analitic Hierarchy Process (AHP)-TOPSIS dan BORDA pada pemilihan tanaman obat untuk penyakit batuk ini merupakan sistem pendukung keputusan yang dapat membantu memberikan rekomendasi keputusan untuk memilih tanaman yang bisa dijadikan bahan referensi atau acuan sebagai tanaman obat yang berpotensi menyembuhkan batuk. Tahap awal menentukan penyakit apa yang akan dibahas pada penelitian ini, penyakit yang dibahas saat ini adalah batuk, selanjutnya pakar dapat memengatur nilai kepentingan berpasangan antar kriteria untuk selanjutnya dihasilkan bobot kriteria dengan mengunakan AHP. Selanjutnya pakar memberikan nilai pada setiap tanaman yang dijadikan alternatif berdasarkan kriteria. Setelah proses penginputan nilai tanaman untuk tiap kriteria selesai dilakukan oleh semua pakar lalu proses selanjutnya pada penelitian ini yaitu tiap pakar melakukan proses perhitungan topsis untuk perangkingan dari tanaman yang sudah dipilih dan diberi nilai. Hasil dari ranking dan alternatif topsis tiap pakar akaan dijadikan inputan untuk proses selanjutnya yaitu pada tahap borda. Selanjutnya ditahapan borda proses dari inputan nilai dan alternatif akan dimasukan, hasil perangkingan ahir dari point borda bisa diketahui yaitu tanaman mana yang paling berpotensi untuk menyembuhkan suatu penyakit yang dibahas saat awal dimulainya proses pengambilan keputusan kelompok. 3.2. Data yang Digunakan Pada penelitian ini ada beberapa data yang digunakan yaitu data tanaman dan kriteria. Data tanaman yang digunakan pada penelitian ini yaitu sepuluh data tanaman obat yang berpotensi untuk menyembuhkan penyakit batuk, sedangkan data kriteria yang digunakan yaitu Ppersebaran, kandungan dan uji empiris, adapun data tanaman yang digunakan pada penelitian ini dapat dilihat pada Tabel 2. Tabel 2. Data Tanaman No

Tanaman Batuk

1

Belimbing

2

Ceremai

3

Daun Jinten

4

Delima

5

Gandapura

6

Jahe

7

Jeruk Nipis

8

Kembang Sepatu

9

Sereh

10

Tapak Liman



18


Adapun data kriteria yang digunakan pada penelitian ini dapat dilihat pada Tabel 3. Tabel 3. Data Kriteria Kriteria No C1 (Persebaran) 1 C2 (Kandungan) 2 C3 (Uji Empiris) 3 Sumber: Penerapan Model Pendukung Keputusan Kelompok Pada Pemilihan Tanaman Obat Untuk Penyakit Kelas Ringan Dengan Metode Analitical Hierarchy Process (AHP)-Topsis dan Borda. 2017

3.3. Implementasi Metode AHP-TOPSIS dan Borda Pada bagian ini akan dijelaskan bagaimana langkah perhitungan dan teori AHPTOPSIS dan Borda sampai mendapatkan hasil akhir. Perhitungan ini mengunakan contoh dari satu pakar namun memiliki langkah yang sama untuk proses pakar lainya. Tabel 4. Perbandingan berpasangan kriteria C1(Persebaran)

C1(Persebaran) 1

C2(Kandungan) C3(Uji Empiris)

C2(Kandungan) 1/3

3 1

C3(UjiEmppiris) ½

1 ½

1 1


Tabel 5. Perbandingan berpasangan kriteria didesimalkan C1 (Persebaran) C2 (Kandungan) C3 (Uji Empiris) Total

C1(Persebaran) C2(Kandungan) C3(Uji Empiris) 1.00 0.33 0.50 3.00 1.00 1.00 2.00 1.00 1.00 6.00 2.33 2.50


Tabel 6. Nilai Eigen Vector C1(Persebaran) C2 (Kandungan) C3(Uji Empiris) Total Max

C1(Persebaran) 0.17 0.50 0.33 1.00

C2(Kandungan) 0.14 0.43 0.43 1.00

C3(Uji Emppiris) 0.20 0.40 0.40 1.00

EV 0.16984127 0.442857143 0.387301587 1.00


Jadi niai bobot untuk setiap kriteria pada penelitian ini diambil dari nilai Eigen vector. Nilai eigen vector dari ke 3 pakar ini kemudian diambil nilai rata-ratanya Implementasi AHP-TOPSIS dan Borda Pemilihan Tanaman Obat Untuk Penyakit Batuk (Ismail Prasetia) |

19


untuk menjadi nilai bobot setiap kriteria pada proses perhitungan selanjutnya. Nilai rata-rata eigen vector dapat dilihat pada tabel 7 berikut: Tabel 7. Nilai rata-rata eigen vector EV Pakar 1 C1(Persebaran) 0.16984127 C2(Kandungan) 0.442857143 C3(Uji Empiris) 0.387301587 Total 1

EV Pakar 2 0.159259259 0.588888889 0.251851852 1

EV Pakar 3 Total Rata-Rata 0.141558442 0.156886324 0.333766234 0.455170755 0.524675325 0.387942921 1 1


Selanjutnya untuk perengkingan akan digunakan perhitungan dengan metode TOPSIS. Tabel 8. Nilai alternatif pakar satu perhitungan topsis Tanaman Batuk Belimbing Ceremai Daun Jinten Delima Gandapura Jahe Jeruk Nipis Kembang Sepatu Sereh Tapak Liman

C1

C2 8 7 6 6 6 9 7 6 8 6

C3 7 6 7 6 7 9 9 6 8 7

7 7 6 6 6 8 9 6 8 6


Langkah pertama yang dilakukan pada perhitungan borda adalah menghitung matriks ternormalisasi (R) cara menghitung matriks ternormalisasi (R) yaitu dengan membagi nilai pada setiap kolom dengan akar kuadrat dari total penjumlahan kuadrat total kolom setiap kriteria, berikut rumus untuk menghitung matriks ternormalisasi (R) : 𝑅𝑖𝑗 = Ket: 𝑅𝑖𝑗 𝑥𝑖𝑗

𝑥𝑖𝑗 2 √∑𝑚 𝑖=1 𝑥𝑖𝑗

…(11)

: Matriks ternormalisasi : Nilai alternatif untuk tiap kriteria

2 √∑𝑚 𝑖=1 𝑥𝑖𝑗 : Total kolom untuk tiap kriteria


20


Tabel 9. Proses perhitungan matriks ternormalisasi R Tanaman Batuk Belimbing Ceremai Daun Jinten Delima Gandapura Jahe Jeruk Nipis Kembang Sepatu Sereh Tapak Liman

C1 8/22.06807649 7/22.06807649 6/22.06807649 6/22.06807649 6/22.06807649 9/22.06807649 7/22.06807649 6/22.06807649 8/22.06807649 6/22.06807649

C2 7/23.02172887 6/23.02172887 7/23.02172887 6/23.02172887 7/23.02172887 9/23.02172887 9/23.02172887 6/23.02172887 8/23.02172887 7/23.02172887

C3 7/22.06807649 7/22.06807649 6/22.06807649 6/22.06807649 6/22.06807649 8/22.06807649 9/22.06807649 6/22.06807649 8/22.06807649 6/22.06807649


Tabel 10. Hasil tabel nilai matriks ternormalisasi R Tanaman Batuk C1 C2 C3 Belimbing 0.362514604 0.30406057 0.317200278 Ceremai 0.317200278 0.260623346 0.317200278 Daun Jinten 0.271885953 0.30406057 0.271885953 Delima 0.271885953 0.260623346 0.271885953 Gandapura 0.271885953 0.30406057 0.271885953 Jahe 0.407828929 0.390935018 0.362514604 Jeruk Nipis 0.317200278 0.390935018 0.407828929 Kembang 0.271885953 0.260623346 0.271885953 Sepatu Sereh 0.362514604 0.347497794 0.362514604 Tapak Liman 0.271885953 0.30406057 0.271885953 Sumber: Penerapan Model Pendukung Keputusan Kelompok Pada Pemilihan Tanaman Obat Untuk Penyakit Kelas Ringan Dengan Metode Analitical Hierarchy Process (AHP)-Topsis dan Borda. 2017

Langkah selanjutnya hitung nilai matriks terbobot (Y) yaitu nilai yang sudah ternormalisasi dikalikan bobot AHP masing-masing kriteria. Sehingga didapatkan hasil sebagai berikut: Tabel 11. Hasil matriks terbobot Y Y Bobot Belimbing Ceremai Daun Jinten Delima Gandapura Jahe Jeruk Nipis Kembang Sepatu

C1 0.156886324 0.056873583 0.049764385 0.042655188 0.042655188 0.042655188 0.063982781 0.049764385 0.042655188

C2 0.455170755 0.138399479 0.118628125 0.138399479 0.118628125 0.138399479 0.177942188 0.177942188 0.118628125

C3 0.387942921 0.123055603 0.123055603 0.105476231 0.105476231 0.105476231 0.140634974 0.158214346 0.105476231


21


Tabel 11. Lanjutan hasil matriks terbobot Y Y

C1 0.056873583 0.042655188

Sereh Tapak Liman

C2 0.158170833 0.138399479

C3 0.140634974 0.105476231


Tabel 12. Nilai solusi ideal positif dan negatif Max Min

0.063982781 0.177942188 0.158214346 0.042655188 0.118628125 0.105476231


Langkah selanjutnya adalah mencari jarak solusi ideal positif (D+) dan jarak solusi ideal negatif (D-) yang dihitung dengan rumus: 𝑛 𝐷𝑖+ = √Σ𝑗=1 (𝑦𝑖+ − 𝑦𝑖𝑗 )2 ; 𝑖 = 1,2, … , 𝑚.

Ket: 𝐷𝑖+ 𝑑𝑎𝑛 𝐷𝑖− 𝑦𝑖+ 𝑑𝑎𝑛 𝑦𝑖− 𝑦𝑖𝑗

…(12)

: Jarak solusi ideal positif dan negatif : Nilai solusi ideal positif (A+) dan negatif (A-) : Nilai matriks ternormalisasi terbobot

Sehingga didapatkan nilai jarak solusi ideal positif (D+) dan jarak solusi ideal negatife (D-) seperti berikut ini: Tabel 13. Nilai jarak solusi ideal positif dan negatif Alternatif Belimbing Ceremai Daun Jinten Delima Gandapura Jahe Jeruk Nipis Kembang Sepatu Sereh Tapak Liman

D+ 0.053388236 0.070402117 0.069280595 0.08218475 0.069280595 0.017579372 0.014218396 0.08218475 0.027394917 0.069280595

D0.030035039 0.018962463 0.019771354 0 0.019771354 0.072174521 0.079686934 0 0.054789833 0.019771354


Langkah terakhir adalah mencari nilai preferensi setiap alternatif yang dapat dihitung dengan rumus: 𝐷𝑖− 𝑉𝑖 = 𝐷−+𝐷 …(13) + , dimana 𝑖 = 1,2,3, … . . 𝑚 Ket: 𝑉𝑖

𝑖

𝑖

: Nilai preferensi alternatif


22


𝐷𝑖+ 𝐷𝑖−

: Jarak solusi ideal positif : Jarak solusi ideal negative Tabel 14. Nilai preferensi alternatif Alternatif Belimbing Ceremai Daun Jinten Delima Gandapura Jahe Jeruk Nipis Kembang Sepatu Sereh Tapak Liman

Vi 0.360031882 0.212192159 0.222020454 0 0.222020454 0.804138058 0.848587979 0 0.666666667 0.222020454


Dari hasil perhitungan preferensi tersebut maka setiap alternatif akan dirangkingkan dari hasil terbesar ke hasil terkecil. Tabel 15. Nilai preferensi dan ranking alternatif pakar satu Ranking 1 2 3 4 5 6 7 8 9 10

Alternatif Jeruk Nipis Jahe Sereh Belimbing Daun Jinten Gandapura Tapak Liman Ceremai Delima Kembang Sepatu

Vi 0.848587979 0.804138058 0.666666667 0.360031882 0.222020454 0.222020454 0.222020454 0.212192159 0 0


Untuk hasil ranking prose topsis pada pakar dua dapat dilihat pada tabel berikut: Tabel 16. Nilai preferensi dan ranking alternatif pakar dua Ranking Alternatif Vi Jahe 1 1 Jeruk Nipis 0.744508055 2 Gandapura 0.729085226 3 Delima 0.402099444 4 Daun Jinten 0.376475078 5 Implementasi AHP-TOPSIS dan Borda Pemilihan Tanaman Obat Untuk Penyakit Batuk (Ismail Prasetia) |

23


Tabel 16. Lanjutan nilai preferensi dan ranking alternatif pakar dua Ranking 6 7 8 9 10

Alternatif Tapak Liman Belimbing Sereh Ceremai Kembang Sepatu

Vi 0.376475078 0.301256426 0.278404095 0.255491945 0.249842447


Hasil ranking prose topsis pada pakar tiga dapat dilihat pada tabel berikut: Tabel 17. Nilai preferensi dan ranking alternatif pakar tiga Ranking Alternatif Vi 1 Jahe 1 2 Jeruk Nipis 0.758847207 3 Sereh 0.758847207 4 Delima 0.750495462 5 Gandapura 0.750495462 6 Tapak Liman 0.750495462 7 Kembang Sepatu 0.621589124 8 Daun Jinten 0.510917979 9 Belimbing 0.266527712 10 Ceremai 0 Sumber: Penerapan Model Pendukung Keputusan Kelompok Pada Pemilihan Tanaman Obat Untuk Penyakit Kelas Ringan Dengan Metode Analitical Hierarchy Process (AHP)-Topsis dan Borda. 2017

Nilai ranking pada preferensi alternatif dari setiap pakar inilah yang akan dijadikan inputan pada proses pengambilan keputusan kelompok sistem mengunakan perhitungan BORDA. Tabel 18 Inputan ranking voting borda Alternatif

Pakar 1

Pakar 2

Pakar 3

Delima Ceremai Tapak Liman Gandapura Daun Jinten Belimbing Sereh Jahe Jeruk Nipis Kembang Sepatu

9 8 7 6 5 5 3 2 1 10

4 9 6 3 5 7 8 1 2 10

4 10 6 5 5 9 3 1 2 7

Sumber: Penerapan Model Pendukung Keputusan Kelompok Pada Pemilihan Tanaman Obat Untuk Penyakit Kelas Ringan Dengan Metode Analitical Hierarchy Process (AHP)-Topsis dan Borda. 2017 Implementasi AHP-TOPSIS dan Borda Pemilihan Tanaman Obat Untuk Penyakit Batuk (Ismail Prasetia) |

24


Tabel 19. frekuensi ranking tanaman kategori batuk Ranking Delima Ceremai Tapak Liman Gandapura Daun Jinten Belimbing

1

2

3

-

-

-

-

-

-

-

-

1

-

-

-

-

-

-

Jahe

2

1

Jeruk Nipis

1

2

10

9

Sereh

Kembang Sepatu Bobot

4 2

5

6

7

8

-

-

-

1

1

1

-

-

2

1

-

1

-

-

-

-

-

-

-

1

-

1

-

-

-

-

-

3 1

1 -

10

2

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

8

7

6

5

1

3

2

2

4

1

9 1

-

1


Delima Ceremai Tapak Liman Gandapura Daun Jinten Belimbing Sereh Jahe Jeruk Nipis Kembang Sepatu

Tabel 20. Hasil borda untuk kategori batuk Point 14 2 3 2 10 4 8 6 5 18 6 4 2 16 4 20 9 10 18 4

1

2

Hasil 16 6 14 19 18 12 20 29 28 6


Setelah proses penjumlahan pada tahap hasil borda maka didapatkan urutan hasil dari skor alternatif tanaman yang tertinggi dan terendah, tanaman yang memiliki skor tertinggilah yang memiliki potensi besar untuk menyembuhkan penyakit batuk, berikut urutan ranking tanaman obat untuk menyembuhkan batuk seperti pada tabel 21.


25


Tabel 21. Hasil akhir ranking borda Alternatif Jahe Jeruk Nipis Sereh Gandapura Daun Jinten Delima Tapak Liman Belimbing Ceremai Kembang Sepatu

Skor 29 28 20 19 18 16 14 12 6 6


Dari proses perhitungan metode borda maka didapatkan hasil akhir point skor tertinggi yang berpotensi untuk menyembuhkan batuk yaitu tanaman jahe dengan nilai skor point hasil 29. 4.

SIMPULAN

Pada penelitian ini didapatkan kessimpulan yaitu implementasi Analitical Hierarchy Process (AHP)-TOPSIS dan Borda dapat digunakan untuk menghasilkan perangkingan sebagai pendukung keputusan kelompok untuk pemilihan tanaman obat pada penyakit batuk, metode AHP-TOPSIS dan Borda juga dapat digunakan untuk melakukan proses pendukung keputusan kelompok. [4] DAFTAR PUSTAKA [1] [2] [3] [4]

T. L. Saaty and L. G. Vargas, “Model, Methods, Concepts & Applications Of The Analytic Hierarchy Process” Int. J. Adv. Sci. Techno, vol. 50, p. 112, 2013. S. Kusumadewi, "Fuzzy Multy-Atribut Decision Making (Fuzzy MADM)". Yogyakarta: Graha Ilmu, 2006. Standy, “Group Decision Support System Untuk Pembelian Rumah Dengan Mengunakan Analytical Hierarchy Process (AHP) dan Borda,” Semin. Nas. Teknol. Inf. 2008 (SNATI 2008), 2008. I. Prasetia, “Penerapan Model Pendukung Keputusan Kelompok Pada Pemilihan Tanaman Obat Untuk Penyakit Kelas Ringan Dengan Metode AHP-TOPSIS dan Borda” Lambung Mangkurat, 2017.


26

IMPLEMENTASI ANALITICAL HIERARCHY PROCESS (AHP)-TOPSIS DAN BORDA PEMILIHAN TANAMAN OBAT UNTUK PENYAKIT BATUK

Recommend Documents