Rekomendasi Pemilihan Paket Personal Computer Menggunakan Metode AHP-TOPSIS

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 2, No. 5, Mei 2018, hlm. 1998-2007

e-ISSN: 2548-964X http://j-ptiik.ub.ac.id

Rekomendasi Pemilihan Paket Personal Computer Menggunakan Metode AHP-TOPSIS Bhima Arya Tristya Haryu Niswara1, Rekyan Regasari Mardhi Putri2, Nurul Hidayat3 Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: [email protected], [email protected], [email protected] Abstrak Pada era ini Personal Computer memasuki perkembangan yang pesat, dahulu PC kerap ditemui pada perusahaan besar, namun sekarang sudah banyak ditemui di rumah pribadi. Kini PC menjadi kebutuhan dalam kegiatan sehari-hari mulai dari pekerjaan kantoran, tugas kuliah, bahkan untuk komunikasi sehari-hari. Seiring dengan banyaknya peminat untuk memiliki sebuah komputer pribadi, namun dari sekian banyak peminat, sebagian besar masih belum memahami hal apa saja yang perlu diperhatikan dalam melakukan perakitan sebuah komputer. Selain itu, banyaknya tipe komponen yang ditawarkan membuat para builder semakin bingung dalam memilih, serta dengan keterbatasan budget yang dimiliki. Dari permasalahan yang telah disebutkan terdapat solusi yang salah satunya yaitu dengan menggunakan Decission Support System yang dapat memberikan alternatif terbaik terhadap perakit komputer dalam pengambilan keputusan, DSS adalah software yang memberikan output berupa solusi alternatif. Diperlukan metode dalam melakukan implementasi DSS, pada penelitian ini menggunakan metode gabungan AHP dan TOPSIS. Metode AHP memiliki sifat perbandingan prioritas terhadap setiap kriteria, dan TOPSIS memiliki kelebihan memberikan hasil preferensi berupa solusi yang paling ideal sesuai dengan kriteria yang diinginkan, sehingga pengguna mendapatkan rekomendasi sesuai dengan keinginannya. Hasil dari implementasi rekomendasi build personal computer menggunakan metode AHP-TOPSIS didapatkan tingkat akurasi 74%. Kata kunci: Sistem Pendukung Keputusan, AHP TOPSIS, Rekomendasi, Personal Computer Abstract In this era, Personal Computer enter phase of the rapid development. Formerly PC often found in large companies, but it can be found in many private houses nowadays. The PC becomes a necessity in everyday activities from office work, college tasks, even for daily communication. Along with the many enthusiasts to have a personal computer, theres so many builder who don’t know what is needed to build a PC. In addition, the many types of components offered to make the builder more confused in choosing the components, as well as with limited budget. From the problems mentioned there are solutions by using Decission Support System that can provide the best alternative to the computer maker in decision making, DSS is software that provides output in the form of alternative solutions. Required method in implementing DSS, in this research using AHP and TOPSIS combined method. The AHP method has a priority comparison of each critera, and TOPSIS has the advantage of providing preferential results in the form of the most ideal solution in accordance with the desired criteria, so the user gets recommendations according to his wishes. The result of implementation of recommendation of personal computer build using AHP-TOPSIS method got 74% accuracy. Keywords: Decision Support System, Personal Computer, Build PC, AHP TOPSIS kerap ditemui pada perusahaan besar, namun zaman sudah semakin berkembang dengan bukti bahwa PC sekarang sudah banyak dimiliki oleh perorangan di dalam rumah pribadinya. Kini PC menjadi suatu kebutuhan dalam kegiatan sehari-hari mulai dari pekerjaan kantoran, tugas kuliah, bahkan untuk

1. PENDAHULUAN PC adalah singkatan dari Personal Computer yang memiliki arti komputer yang digunakan oleh satu orang saja atau bersifat pribadi. Pada era ini PC memasuki perkembangan yang cukup pesat, dahulu PC Fakultas Ilmu Komputer Universitas Brawijaya

1998

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

komunikasi sehari-hari. Hal itu dikarenakan PC dapat membantu dan mempermudah pekerjaan seperti mengolah data lebih cepat dan akurat, memiliki media penyimpanan yang terstruktur, dan banyak hal lainnya yang dapat dilakukan. Banyaknya keinginan dari setiap orang untuk memiliki sebuah komputer pribadi yang dibuktikan dari hasil kuesioner, bahwa dari 42 responden yang terlibat pada kuesioner dengan dihasilkan 81% dari 42 responden yang menginginkan untuk memiliki PC. Dapat disimpulkan bahwa PC sudah banyak diminati oleh setiap orang. Namun dari sekian banyak peminat, sebagian besar masih belum memahami hal apa saja yang perlu diperhatikan dalam melakukan perakitan sebuah Komputer. Hal yang perlu diperhatikan dan dipertimbangkan dalam melakukan perakitan PC adalah pemahaman mengenai komponen apa saja yang dibutuhkan dan pemilihan tipe komponen atau tipe hardware yang sesuai. Dari hasil kuesioner, didapatkan 76% yang tidak mengetahui kelebihan dan kekurangan dari setiap tipe hardware, sehingga membuat para PC builder kebingungan dalam memilih hardware yang sesuai dengan kebutuhan. Selain itu, PC builder juga harus memperhatikan budget yang dimiliki, dari hasil kuesioner terdapat 52,4% yang memiliki budget dibawah Rp.5.000.000, dan terdapat 35,7% memiliki budget dibawah Rp. 15.000.000. Hal tersebut menunjukkan bahwa banyak PC builder yang memiliki keterbatasan dalam hal budget, sehingga dari keterbatasan tersebut membuat PC builder semakin kebingungan untuk memilih hardware yang tepat dengan memperhatikan budget yang dimiliki. Terlepas dari permasalahan Bottleneck, banyaknya tipe komponen pada sebuah PC yang ditawarkan membuat pengguna semakin kebingungan dalam memilih komponen. Terdapat hal penting lainnya dalam melakukan build Personal Computer yaitu pengguna juga harus memperhatikan harga yang harus dibayar, dan apakah dengan harga yang harus dibayarkan setara dengan performa yang diperoleh. Berdasarkan kuesioner didapatkan 70% yang memiliki budget dibawah Rp. 10.000.000,00 untuk merakit sebuah PC. Dapat disimpulkan pengguna memiliki keterbatasan dalam masalah budget, sehingga tantangan untuk pengguna itu sendiri adalah bagaimana dengan keterbatasan budget yang dimiliki bisa mendapatkan sebuah PC dengan performa terbaik yang sesuai dengan budget yang Fakultas Ilmu Komputer, Universitas Brawijaya

1999

dimiliki. Terkait dengan permasalahan yang diangkat, terdapat solusi yang salah satunya yaitu dengan DSS (Decission Support System) atau bisa dikenal dengan sistem pendukung keputusan yang dapat memberikan alternatif terbaik terhadap PC builder dalam pengambilan keputusan. DSS adalah perangkat lunak yang memberikan output berupa solusi alternatif, dengan menggunakan Multi Criteria Decision Making (MCDM) pada DSS dapat menyelesaikan permasalahan rekomendasi pemilihan paket Personal Computer, dikarenakan MCDM adalah sebuah metode yang dapat menyelesaikan permasalahan yang melibatkan banyaknya kriteria. Menyadari bahwa dalam melakukan pemilihan ragam atau tipe komponen pada PC adalah hal yang cukup rumit dan dibutuhkan perhitungan dalam melakukannya, untuk menghindari terjadinya bottleneck pada DSS nantinya para PC builder akan ditawarkan dengan sejumlah paket PC dengan memiliki spesifikasi yang berbeda, dan diberikan alternatif terbaik berupa paket PC yang sesuai dengan kebutuhannya. Seringkali sistem pendukung keputusan digunakan dalam berbagai bidang guna untuk membantu memberi keputusan dan solusi terhadap suatu masalah. Terdapat penelitian terdahulu yang mengangkat permasalahan dalam memberikan sebuah keputusan dengan judul “Sistem Pendukung Keputusan Pemilihan Laptop Berbasis Web dengan Metode Analytical Hierarchy Process” dari penelitian tersebut dengan menggunakan metode AHP (Anaylitical Hierarchy Process) didapatkan hasil yang tepat sesuai dengan spesifikasi yang diinginkan. Selain itu terdapat penelitian sebelumnya yang melakukan implementasi metode penggabungan F-AHP dan TOPSIS dalam jurnal yang berjudul “Implementasi Metode Fuzzy AHP dan Topsis Untuk Rekomendasi LPK Pelaksana Proyek Pelatihan (Pakarti, Imrona dan Hidayati, 2012). Dengan menggunakan metode penggabungan F-AHP dan TOPSIS terdapat kesimpulan bahwa bobot yang dihasilkan oleh metode AHP tidak sama dengan yang dihasilkan oleh F-AHP, namun perangkingan yang dihasilkan oleh TOPSIS dengan bobot AHP maupun F-AHP memberikan urutan yang sama, selain itu terdapat kesimpulan bahwa dari 2 kali pengujian di 2 pemilihan LPK untuk melaksanakan pelatihan di 2 kompetensi berbeda menghasilkan tingkat akurasi rata-rata


75%. Berdasarkan hasil yang didapatkan dari penelitian sebelumnya, dalam permasalahan rekomendasi pemilihan paket PC akan menggunakan metode gabungan yaitu Analytical Hierarchy Process dan Technique For Order Preference by Similarity to Ideal Solution. Dikarenakan metode AHP memiliki kelebihan yaitu terdapat perbandingan berpasangan pada setiap kriteria, sehingga setiap kriteria memiliki nilai bobot dari kepentingan setiap kriteria yang ada. Sedangkan pada metode TOPSIS memiliki kelebihan dalam memberikan solusi yang paling ideal sesuai dengan kebutuhan dan permasalahan yang ada. Atas dasar itulah diputuskan penelitian ini diberi judul “Rekomendasi Pemilihan Paket Personal Computer Menggunakan Metode AHP-TOPSIS”. 2. KAJIAN PUSTAKA 2.1 Personal Computer Personal Computer adalah seperangkat komputer yang digunakan oleh satu orang saja/pribadi. Seringkali PC digunakan dalam membantu menyelesaikan tugas di perkantoran, digunakan penelitian pada laboratorium, dan dimana saja dikarenakan harga PC sudah terjangkau dan memiliki banyak macam. Fungsi utama dari PC adalah untuk mengolah data input dan menghasilkan output berupa data/informasi baru sesuai dengan keinginan pengguna. Komputer membutuhkan suatu sistem dari kesatuan elemen yang tidak bisa dipisahkan untuk dapat melakukan pengolahan data input menjadi informasi. Elemen-elemen tersebut antara lain: 1. Perangkat Keras (Hardware) Sekumpulan komponen perangkat keras komputer yang memiliki fisik atau dapat dikatakan juga perangkat yang dapat dilihat dan diraba. Perangkat keras dapat dibagi menjadi 5 bagian, yaitu: a. Input Device, peralatan masukkan (Keyboard,mouse,dll). b. Output Device, peralatan keluaran (Monitor,Printer,dll). c. Process Device, peralatan proses (Prcocessor,Motherboard,RAM,dll). d. Storage Device, peralatan penyimpanan (Hard Disk,Solid State Disk,dll).

Fakultas Ilmu Komputer, Universitas Brawijaya

2000

e. Pheriperal Device, peralatan tambahan (webcam,modem,dll). 2. Perangkat Lunak (Software) Komputer dapat digunakan oleh pengguna melalui software atau bisa dikatakan juga software yang menghubungkan pengguna dengan komputer sehingga dapat mengolah data sesuai dengan yang diinginkan. Software dibagi menjadi 2, yaitu: a. Operating System (OS) , sistem yang mengatur sumber daya dari perangkat keras, dan OS memiliki penjadwalan sistematis yang melakukan perhitungan penggunaan memori,pemrosesan data,menyimpan data, dll. OS juga sebagai perantara program aplikasi dan perangkat keras komputer. b. Application System, program yang memiliki kegunaan untuk membantu pengguna mencapai keinginannya pada pengolahan data contohnya seperti Microsoft Word, Photoshop, dll. 3. Perangkat Manusia (Brainware) Brainware dapat dikatakan sebagai pengguna komputer atau yang mengoperasikan komputer. 2.2 Sistem Pendukung Keputusan Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) adalah salah satu dari sistem informasi berbasis komputer dengan melakukan pengolahan data menjadi informasi. Dalam SPK informasi tersebut berupa rekomendasi atau solusi alternatif dari permasalahan yang diangkat. Sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan dan memanipulasi data (Saragih, 2013). Sistem pendukung keputusan biasanya dibangun untuk mendukung solusi atas suatu masalah atau untuk mengevaluasi suatu peluang. Penyusunan sebuah model keputusan merupakan suatu cara untuk mengembangkan hubungan-hubungan logis yang mendasarin persoalan keputusan kedalam suatu bentuk model matematis yang mencerminkan hubungan di antara faktor-faktor yang terlibat. Proses ini terdiri dari empat fase, yaitu: 1. Penelusuran (Intelligence) Tahap ini merupakan tahap pendefenisian masalah serta indentifikasi informasi yang dibutuhkan yang berkaitan dengan


persoalan yang dihadapi serta keputusan yang akan diambil. 2. Perancangan (Design) Tahap ini merupakan suatu proses untuk merepresentasikan model sistem yang akan dibangun berdasarkan pada asumsi yang telah ditetapkan. Dalam hal ini, suatu model dari masalah dibuat, diuji, dan divalidasi. 3. Implementasi (Implementation) Tahap ini merupakan tahap pelaksanaan dari keputusan yang telah diambil. Pada tahap ini perlu disusun tindakan yang terencana, sehingga hasil keputusan dapat dipantau dan disesuaikan apabila diperlukan perbaikan- perbaikan. 4. Pemilihan (Choice) Tahap ini merupakan suatu proses melakukan pengujian dan memilih keputusan terbaik berdasarkan kriteria tertentu yang telah ditentukan dan mengarah kepada tujuan yang akan dicapai. Dalam membuat sebuah keputusan seringkali akan dihadapi berbagai bentuk kerumitan dan lingkup permasalahan yang sangat banyak. Untuk kepentingan tersebut, sebagian besar pembuat keputusan dengan mempertimbangkan berbagai rasio manfaat/biaya, dihadapkan pada suatu keharusan untuk mengandalkan seperangkat sistem yang mampu memecahkan masalah secara efisien dan efektif, yang kemudian disebut Sistem Pendukung Keputusan (SPK). 2.3 Analytical Hierarchy Process Langkah–langkah Metode AHP Secara umum yang harus dilakukan dalam menggunakan AHP untuk pemecahan suatu masalah adalah sebagai berikut: 1. Memecah permasalahan yang ada menjadi elemen–elemen yang lebih kecil sehingga terbentuklah hirarki 2. Menentukan prioritas elemen a. Membuat perbandingan pasangan, yaitu membandingkan elemen secara berpasangan sesuai kriteria yang diberikan. b. Cara pengisian Matriks perbandingan berpasangan menggunakan nilai intensitas kepentingan yang digunakan untuk merepresentasikan kepentingan dari suatu elemen terhadap elemen yang lainnya. 3. Sintesis Fakultas Ilmu Komputer, Universitas Brawijaya

2001

Hal-hal yang dilakukan dalam langkah ini adalah: a. Menjumlahkan nilai-nilai dari setiap kolom pada matriks perbandingan berpasangan. b. Membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk mendapatkan normalisasi matriks. c. Menjumlahkan nilai dari tiap baris dengan jumlah elemen untuk mencari nilai rata-rata. 4. Mengukur Konsistensi Mengukur konsistensi sangat penting dilakukan karena sebuah keputusan dapat diambil atau disimpulkan jika terdapat konsistensi yang tinggi. Hal-hal yang dilakukan untuk mengukur tingkat konsistensi adalah sebagai berikut: a. Kalikan setiap nilai pada kolom pertama dengan prioritas relatif elemen pertama, nilai pada kolom kedua dengan prioritas relatif elemen kedua dan seterusnya. b. Jumlahkan setiap baris. c. Hasil dari penjumlahan baris dibagi dengan elemen prioritas relatif yang bersangkutan. d. Jumlahkan hasil bagi di atas dengan banyaknya elemen yang ada, hasilnya disebut λ maks. 5. Hitung Consistency Index (CI) dengan rumus: CI = (𝜆𝑚𝑎𝑥 − 𝑛) Dimana : n = banyaknya elemen. 6. Hitung Rasio Konsistensi/Consistency Ratio (CR) dengan rumus:

𝐶𝑅 =

𝐶𝐼 𝐼𝑅

Dimana : CR = Consistency Ratio CI = Consistency Index IR = Indeks Random Consistency 7. Memeriksa konsistensi hierarki. Jika nilainya lebih dari 10%, maka penilaian data judgment harus diperbaiki. Namun jika Rasio Konsistensi (CI/CR) kurang atau sama dengan 0,1, maka hasil perhitungan bisa dinyatakan benar. Dimana RI : random index yang nilainya dapat dilihat pada Tabel 1. Tabel 1 Ratio Index (RI) N

1

2

3

4

5

6

7

8

9

R1

0

0

0.58

0.90

1.12

1.24

1.32

1.41

1.45


2.4 Technique For Order Preference by Similarity to Ideal Solution (TOPSIS) TOPSIS adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan oleh Yonn dan Hwang (1981). Sebuah metode yang memilih alternatif yang dipilih memiliki jarak terdekat dengan solusi ideal positif dan memiliki jarak terjauh dari solusi ideal negatif. Berikut ini adalah contoh sebuah matriks dengan alternatif dan kriteria. 𝑥11 ⋯ 𝑥1𝑛 ⋱ ⋮ ] D=[ ⋮ 𝑥1𝑚 ⋯ 𝑥𝑚𝑛 Dimana:

2002

𝐴+ = {(max 𝑣𝑖𝑗 |𝑗 𝜖 𝐽 )|(min 𝑣𝑖𝑗 |𝑗 𝜖 𝐽′ ), 𝑖 = 1,2,3 … 𝑚} = {𝑣1+ , 𝑣2+ , … 𝑣𝑛+ } 𝐴− = {(𝑚𝑖𝑛|𝑗 𝜖 𝐽 )|(max 𝑣𝑖𝑗 |𝑗 𝜖 𝐽′ ), 𝑖 = 1,2,3 … 𝑚} = {𝑣1− , 𝑣2− , 𝑣3− … 𝑣𝑛− } Dimana: Vij : elemen matriks V baris ke-i dan kolom kej. J : {j=1,2,3,…,n dan j berhubung dengan benefit criteria}. J’ : {j=1,2,3,…,n dan j berhubung dengan cost criteria}.

D = matriks m= alternatif n = kriteria

2.4.4 Separation Measure Separation measure merupakan rumus yang digunakan untuk menghitung jarak alternatif ke solusi ideal positif dan solusi ideal negatif.

xij = alternatif ke-i dan kriteria ke-j

Separation measure untuk solusi ideal positif

2.4.1 Normalisasi Matriks Keputusan Setiap elemen input dilakukan normalilasi dengan menggunakan rumus berikut dan diberikan nama Matriks (R): 𝑟𝑖𝑗 =

𝑥𝑖𝑗

2

𝑆𝑖 + = √∑𝑛𝑗=1(𝑣𝑖𝑗 − 𝑣𝑗∓ ) dengan i = 1,2,3..m Separation measure untuk solusi ideal negatif 2

𝑆𝑖 − = √∑𝑛𝑗=1(𝑣𝑖𝑗 − 𝑣𝑗− ) dengan i = 1,2,3..m

2 √∑𝑚 𝑖= 𝑥𝑖𝑗

Dimana : i=1,2,3,…,m; j=1,2,3,…,n 2.4.2 Matriks Normalisasi dikalikan dengan bobot Diberikan bobot (W) pada masing-masing kriteria (W1,W2..Wn), lalu bobot tersebut dikalikan dengan matriks yang sudah ternormalisasi sehingga di dapatkan matriks V. Berikut adalah contoh matriks V: 𝑤1 𝑟11 ⋯ 𝑤𝑛 𝑟𝑖𝑗 ⋱ ⋮ ] D=[ ⋮ 𝑤1 𝑟𝑖𝑗 ⋯ 𝑤𝑛 𝑟𝑖𝑗 Dengan i=1,2,3,…,m dan j=1,2,3…,n 2.4.3 Solusi Ideal Positif & Solusi Ideal Negatif Menentukan Solusi Ideal positif (+) & solusi ideal negatif (-), solusi ideal positif dinotasikan sebagai A+ dan A- untuk solusi ideal negatif. untuk mencarinya dapat digunakan rumus berikut: Fakultas Ilmu Komputer, Universitas Brawijaya

2.4.5 Nilai Preferensi dari Alternatif Untuk menghitung rumus kedekatan referensi diperlukan rumus berikut: 𝐶𝑖 + =

𝑆𝑖− 𝑆𝑖− +𝑆𝑖+

, dengan 0< 𝐶𝑖 + < 1 dan i=

1,2,3..m 3. METODOLOGI PENELITIAN Penelitian ini bersifat implementatif yang menghasilkan suatu solusi program untuk membantu pengguna dalam memilih komponen personal computer. Solusi yang diberikan berupa rekomendasi hardware yang dapat digunakan oleh pengguna sebagai acuan dalam membangun personal computer. Penelitian ini mempunyai tahapan penelitian seperti yang


digambarkan

pada

Gambar

1.

Analisis Kebutuhan

Pengumpulan Data

Perancangan

Implementasi

Pengujian

Menarik Kesimpulan

Gambar 1 Diagram Alir Penelitian

3.1 Analisis Kebutuhan Analisis kebutuhan bertujuan untuk mengetahui kebutuhan apa saja yang dibutuhkan terkait dengan penelitian, yaitu terdapat kebutuhan fungsional dan kebutuhan non-fungsional. 3.1.1 Kebutuhan Fungsional Kebutuhan Fungsional pada implementasi yang dirancang pada penelitian ini sebagai berikut:

2003 2. Implementasi dapat diakses dengan menggunakan web browser Google Chrome, dan Mozilla firefox,

3.2 Pengumpulan Data Pengumpulan data dilakukan dengan cara melakukan wawancara terhadap pakar, pada penelitian ini pemilik dari salah satu toko komputer ternama yang ada di kota Malang ditunjuk sebagai pakar. Data yang diambil dalam penelitian ini bersumber pada toko komputer yang sama, data tersebut berupa harga, processor, VGA, RAM, HDD, dan SSD yang terbentuk dalam paket. Selain melakukan wawancara, penelitian ini juga diperlukan kuesioner pendukung guna untuk mendapatkan gambaran mengenai pengetahuan setiap orang mengenai hardware komputer. Kuesioner tersebut berupa dokumen online yang respondennya adalah individu secara acak. 3.3 Perancangan Berikut gambaran diagram proses perancangan mulai dari input, proses hingga output pada Gambar 2. Input Matriks Perbandingan Berpasangan

Input Spesifikasi

1. Implementasi dapat menampilkan dan menerima input matriks perbandingan setiap kriteria.

Proses (AHP-TOPSIS)

2. Implementasi dapat menampilkan hasil nilai CR (Consistency Ratio) dalam perhitungan AHP.

Output (Hasil Preferensi)

3. Implementasi dapat menampilkan dan menerima input user berupa pilihan kriteria yang paling diinginkan dan yang paling tidak diingkan. Implementasi dapat menampilkan hasil akhir / alternatif menggunakan metode AHP dan TOPSIS. 3.1.2 Kebutuhan Non-Fungsional Kebutuhan non-fungsional yang dimiliki oleh implementasi pada penelitian ini sebagai berikut: 1. Implementasi menampilkan hasil output perhitungan dengan running time kurang lebih 10 detik. Fakultas Ilmu Komputer, Universitas Brawijaya

Gambar 2 Diagram Perancangan

3.4 Implementasi Dalam tahap implementasi, tahapan ini mengacu dari hasil perancangan sistem yang telah dirancang pada tahap perancangan. Implementasi diterapkan dengan berbasis web. 3.5 Pengujian Pengujian sistem dilakukan dengan tujuan untuk menguji kelayakan pada implementasi, sehingga dapat menganalisis kelebihan dan kekurangan pada implementasi.


2004

3.5.1 Pengujian Tingkat Akurasi Pengujian Tingkat akurasi merupakan pengujian menghitung seberapa dekat suatu angka hasil pengukuran terhadap angka sebenarnya (Kusrini, 2007). Dalam penelitian ini pengujian tingkat akurasi akan dilakukan dengan membandingkan hasil perhitungan pemilihan sekolah pada sistem dengan hasil analisa pakar. Untuk menghitung tingkat akurasi dapat menggunakan rumus: 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 =

∑ 𝑑𝑎𝑡𝑎 𝑢𝑗𝑖 𝑏𝑒𝑛𝑎𝑟 ∑ 𝑡𝑜𝑡𝑎𝑙 𝑑𝑎𝑡𝑎 𝑢𝑗𝑖

× 100%

3.5.2 Pengujian Sensitivitas Parameter Pengujian sensitivitas adalah perbandingan antara parameter dengan menghasilkan persentase perubahan yang dihasilkan, pada pengujian sensitivitas dirumuskan seperti berikut: 𝑃𝑒𝑟𝑠𝑒𝑛𝑡𝑎𝑠𝑒 𝑝𝑒𝑟𝑢𝑏𝑎ℎ𝑎𝑛 = (𝑛𝑖𝑙𝑎𝑖 𝑎𝑤𝑎𝑙 − 𝑛𝑖𝑙𝑎𝑖 𝑏𝑎𝑟𝑢 ) × 100%

3.6 Penarikan Kesimpulan Setelah melakukan perancangan, implementasi, dan pengujian penarikan kesimpulan dapat dilakukan, setelah itu dapat menarik saran untuk pengembangan sistem dapat menjadi lebih baik untuk kedepannya. 4. PERANCANGAN Perancangan membahas mengenai rancangan implementasi dan proses implementasi. Dalam implementasi terhadap metode AHP-TOPSIS digambarkan dengan diagram alir yang ditunjukkan pada Gambar 3 dan Gambar 4.

Gambar 3 Diagram Alir AHP

Pada perancangan implementasi perhitungan AHP, hasil yang didapat berupa bobot kriteria dengan dilakukan uji consistency ratio. Setelah didapatkan bobot prioritas proses selanjutnya dilanjutkan dengan metode TOPSIS sebagai perhitungan hasil akhir berupa alternatif terbaik. Alur dari proses implementasi pada metode TOPSIS ditunjukkan pada Gambar 4.

Gambar 4 Diagram Alir Metode TOPSIS Fakultas Ilmu Komputer, Universitas Brawijaya


2005

5. IMPLEMENTASI Hasil implementasi pada rekomendasi build personal computer menggunakan metode AHPTOPSIS sesuai dengan perancangan yang telah dibangun, terdapat fungsi berupa input matriks perbandingan berpasangan, input spesifikasi keinginan user, dan hasil preferensi dari alternatif. Tampilan dari implementasi ditunjukkan pada Gambar 5.

Gambar 7 Tampilan Form Spesfikasi Keinginan User

6. PENGUJIAN 6.1 Pengujian Tingkat Akurasi

Gambar 5 Tampilan Implementasi

Pada Gambar 5 terdapat 2 button yang jika di click terdapat aksi menampilkan form pengisian matriks perbandingan berpasangan, dan button lainnya guna untuk melakukan uji consistency ratio. Tampilan form pengisian matriks perbandingan ditunjukkan pada Gambar 6.

Uji tingkat akurasi bertujuan untuk mengetahui tingkat kesesuaian hasil yang diperoleh pada implementasi rekomendasi build personal computer, hasil dikatakan sesuai ketika hasil output dari program dengan ranking 6 teratas sama dengan hasil dari decision maker paling sedikit 3-4. Dari pengujian yang dilakukan dengan menggunakan data uji sebanyak 25 data didapatkan tingkat akurasi sebesar 64%, lalu dilakukan penambahan data uji menjadi 50 didapatkan tingkat akurasi sebesar 74%. Berdasarkan hasil uji yang telah dilakukan hal yang sangat berpengaruh pada hasil tingkat kesesuaian hasil adalah matriks perbandingan kriteria berpasangan yang didapat dari input user. 6.2 Pengujian Nilai Perbandingan Kriteria

Gambar 6 Tampilan Form Matriks Perbandingan

Setelah user telah melakukan input matriks perbandingan berpasangan, selanjutnya user dapat melakukan input berupa spesifikasi yang paling diinginkan dan yang paling tidak diinginkan. Pada Gambar 7 ditunjukkan tampilan dari implementasi form input spesifikasi keinginan user.

Fakultas Ilmu Komputer, Universitas Brawijaya

Pada pengujian ini dilakukan guna untuk mengoptimalkan nilai perbandingan kriteria berpasangan, pengujian ini dilakukan dengan cara mengambil satu contoh input user yang mendapatkan hasil tidak sesuai dengan decision maker. Dengan dilakukan perubahan nilai perbandingan kriteria berpasangan, didapatkan hasil yang berbeda. Perubahan tersebut dilakukan dengan penambahan sebesar 1 sampai 2 poin dari nilai awal. Hasil yang awalnya tidak sesuai dengan decision maker setelah dilakukan perubahan nilai matriks perbandingan kriteria berpasangan didapatkan hasil 4 output yang sesuai dengan hasil dari decision maker. Dengan dilakukan pengujian ini terbukti bahwa nilai perbandingan kriteria berpasangan


memiliki pengaruh yang sangat besar terhadap hasil yang dikeluarkan dari program dan tingkat kesesuaian dengan hasil decision maker semakin meningkat. 6.3 Pengujian Sensitivitas Setiap Parameter Pengujian Sensitivitas dilakukan guna untuk mengetahui tingkat sensitivitas pada setiap parameter yang ada, dikatakan sensitif apabila parameter tersebut ketika dirubah memberikan dampak yang besar terhadap hasil yang didapat. Pengujian ini dilakukan dengan cara meningkatkan sebesar 10 poin terhadap nilai preferensi / nilai bobot yang dimiliki oleh setiap parameter. Setelah itu dilakukan perbandingan hasil awal dibandingkan dengan hasil yang didapat dari perubahan nilai tersebut. Contoh hasil awal ditunjukkan pada Tabel 2.

2006

dengan 100, didapatkan hasil persentase perubahan. Persentase perubahan tersebut yang dijadikan tingkat sensitivitas pada setiap parameter. Hasil dari perhitungan tingkat sensitivitas pada parameter secara kesuluruhan ditunjukkan pada Tabel 4, Tabel 4 Sensitivitas Setiap Parameter Parameter / Kriteria

Nilai Maksimal

Persentase Perubahan

Harga

0.352688137

0.147642%

Processor

0.352680908

0.148365%

VGA

0.353508434

0.065612%

RAM

0.351619725

0.254483%

HDD

0.350367165

0.370926%

SSD

0.348722208

0.544235%

Tipe RAM

0.337392882

1.677167%

Tabel 2 Hasil Preferensi Awal PAKET PAKET 1.1 PAKET 1.2 PAKET 1.3 PAKET 1.4 PAKET 1.5 PAKET 2.1 PAKET 2.2 PAKET 2.3 PAKET 2.4 PAKET 2.5 MAX

V 0.354164554 0.352844164 0.35275288 0.354150618 0.354105905 0.35321556 0.353178931 0.351891455 0.352012266 0.351800287 0.354164554

Hasil dari kondisi awal akan dibandingkan dengan hasil yang didapat dari perubahan nilai. Pada Tabel 3 ditunjukkan hasil dari 1 contoh parameter yang dilakukan perubahan. Tabel 3 Hasil Preferensi Perubahan PAKET PAKET 1.1 PAKET 1.2 PAKET 1.3 PAKET 1.4 PAKET 1.5 PAKET 2.1 PAKET 2.2 PAKET 2.3 PAKET 2.4 MAX

V 0.352688137 0.351250084 0.351161125 0.352675387 0.352616876 0.351729455 0.351690526 0.350290571 0.350409131 0.352688137

Dari hasil yang didapat dari Tabel 3 ketika hasil maksimal dibandingkan dengan cara kondisi awal dikurangi kondisi baru dikali Fakultas Ilmu Komputer, Universitas Brawijaya

7. KESIMPULAN Akurasi yang didapat dari implementasi rekomendasi build personal computer menggunakan metode AHP-TOPSIS dengan menggunakan data uji sebanyak 25 data didapat akurasi sebesar 64%, dan dilakukan uji akurasi dengan menggunakan sebanyak 50 data didapat akurasi sebesar 74%. Akurasi didapat dengan cara membandingkan hasil ouput dari program dengan hasil dari decision maker, hasil yang dibandingkan adalah hasil yang memiliki ranking 6 teratas dari output program. Dari hasil tersebut jika hasil dari output program memiliki kesamaan paling tidak 3-4 dengan hasil dari decision maker, hasil tersebut dinyatakan sesuai. Dalam melakukan pengujian tingkat akurasi, didapatkan kesimpulan bahwa matriks perbandingan berpasangan dari input yang dilakukan oleh pengguna berpengaruh besar terhadap kesesuaian dari hasil yang didapat. Dengan kata lain ketepatan pada pengisian matriks perbandingan berpasangan akan memberikan hasil yang lebih akurat. DAFTAR PUSTAKA Prasetiyowati, M.I., dan Hartanto, Teddy. 2012 Sistem Pendukung Keputusan Pemilihan Laptop Berbasis Web dengan Metode Analytical Hierarchy Process. Tangerang: Universitas Multimedia Nusantara Kurniasih, D.L. 2013. Sistem Pendukung Keputusan Pemilihan Laptop Dengan


Metode TOPSIS. Medan: STMIK Budi Darma. Vol.3, No. 2. (2 April 2013)

2007

Menggunakan Metode Simple Additive Weighting (SAW). Jurnal TIMES, Vol. IV, No. 2, 2015.

Juliyanti, Irawan, M. I. & Mukhlash. 2011. Pemilihan Guru Berprestasi menggunakan metode AHP dan TOPSIS. Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA.

Windarto, P.A. 2017. Implementasi Metode TOPSIS dan SAW Dalam Memberikan Reward Pelanggan. Kumpulan Jurnal Ilmu Komputer, Volume 04, No.1, Februari 2017

Arbelia, Paryanta. 2014. Penerapan Metode AHP dan TOPSIS Sebagai Sistem Pendukung Keputusan Dalam Menentukan Kenaikan Jabatan Bagi Karyawan. Jurnal Ilmiah Go Infotech. Vol. 20, No.1, Juni 2014

Firdaus, H.I., Abdillah, Gunawan, dan Renaldi, Faiza. 2016. Sistem Pendukung Keputusan Penentuan Karyawan Terbaik Menggunakan Metode AHP dan TOPSIS. Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016).

Muhardono, A., dan Isnanto R. Rizal. 2014. Penerapan Metode AHP dan Fuzzy TOPSIS Untuk Sistem Pendukung Keputusan Promosi Jabatan. Jurnal Sistem Informasi Bisnis 02 (2014) S., Wibowo Henry. 2010. MADM-TOOL : Aplikasi Uji Sensitivitas Untuk Model MADM Menggunakan Metode SAW dan TOPSIS. Yogyakarta: Seminar Nasional aplikasi Teknologi Informasi. (10 Juni 2010) Agioaji, T. H., Putri, M.R.R., dan Widodo W.A. 2016. Sistem Pendukung Keputusan Pemilihan Sekolah Dasar Menggunakan Metode AHP-TOPSIS dengan Dynamic Multicriteria. Malang: Universitas Brawijaya Malang. Elistri, Melisa., Wahyudi J., dan Supardi R. 2014. Penerapan Metode SAW Dalam Sistem Pendukung Keputusan Pemilihan Jurusan Pada Sekolah Menengah Atas Negeri 8 Seluma. Jurnal Media Infotama. Vol 10, No. 2, September 2014. Darmanto, Eko., Latifah, Noor., dan Susanti, Nanik. 2014. Penerapan Metode AHP Untuk Menentukan Kualitas Gula Tumbu. Jurnal SIMETRIS. Vol 5, No. 1, April 2014. Astuti, Yuli., Suyanto, M., dan Kusrini. 2011. Sistem Pendukung Keputusan Untuk Pemilihan Perguruan Tinggi Komputer Swasta. Jurnal Dasi. Vol 12, No.1, Maret 2011. Situmorang, Harold. 2015. Sistem Pendukung Keputusan Pemilihan Calon Peserta Olimpiade Sains Tingkat Kabupaten Langkat Pada Madrasah Aliyah Negeri (MAN) 2 Tanjung Pura Dengan Fakultas Ilmu Komputer, Universitas Brawijaya

Rekomendasi Pemilihan Paket Personal Computer Menggunakan Metode AHP-TOPSIS

Recommend Documents