SISTEM PENDUKUNG KEPUTUSAN DALAM MEMILIH KOS DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Damar Nurcahyono1), Farindika Metandi2) 1)
Dosen Teknik Komputer, Politeknik Negeri Samarinda. Dosen Teknik Informatika, Politeknik Negeri Samarinda Email: 1)
[email protected], 2)
[email protected]
2)
Abstrak - Penelitian ini di latarbelakangi oleh permasalahan perlunya mahasiswa berasal dari daerah-daerah kecil atau pedesaan untuk mendapatkan kos atau tempat tinggal sementara yang layak pada saat studi di suatu Perguruan Tinggi dikota besar atau Ibu Kota Provinsi. Pentingnya memilih kos akan berakibat terhadap kenyamanan dalam menempuh pendidikan, dari banyak faktor yang berpengaruh maka diperlukan pertimbangan dalam memilih kos. Tujuan penelitian ini untuk mengetahui membangun sistem pengambil keputusan dalam memilih kos dengan menggunakan metode Simple Additive Weighting (SAW). Ada 4 kriteria yang digunakan dalam penelitian ini yakni, kebersihan, fasilitas, keamanan dan harga. Ada 10 data kos yang digunakan dalam penelitian ini, 10 kos itu terbagi dua yakni 5 kos untuk putri dan 5 kos untuk putra, masing-masing kos di berikan kode A1 sampai A5 untuk putri dan A6 sampai A10 untuk kode kos putra. Hasil dari penelitian yang dilakukan dengan menggunakan metode Simple Additive Weighting (SAW) diperoleh 1 urutan tertinggi atau favorit berdasarkan setiap kos putri dan putra. Kode A4 untuk urutan tertinggi kos putri, dan kode A8 untuk urutan tertinggi kos putra. Kata
I.
Kunci:
Kos,
Sistem
Pendukung
Keputusan
(SPK),
Simple
Additive
Weighting
(SAW)
PENDAHULUAN
Banyaknya masyarakat yang ingin melanjutkan pendidikan, mengharuskan mereka untuk memilih tempat tinggal sementara selama menempuh pendidikan. Kos merupakan istilah umum yang sering dijumpai. Banyak faktor dalam memilih Kos. faktorfaktor yang menentukan masyarakat dalam memilih kos ialah keramahan pemilik,penjaga kost, respon pemilik/penjaga kost terhadap kerusakan, fasilitas umum, fasilitas khusus/tambahan lingkungan, kondisi lingkungan kos, keamanan rumah kos, pertimbangan lokasi kost, reputasi citra kos, dan harga sewa [2]. Pentingnya memilih kos akan berakibat terhadap kenyamanan dalam menempuh pendidikan, dari banyak faktor yang berpengaruh maka diperlukan pertimbangan dalam memilih kos, dalam era teknologi terdapat cara yang dapat membantu seseorang dalam mengambil keputusan, yang dinamakan dengan sistem pengambil keputusan. Sistem pengambil keputusan merupakan suatu sistem yang digunakan pertama kali oleh Scott Morton tahun 1970 dengan menggunakan istilah “Management Decision System”[3]. Sistem pengambil keputusan menurut Tripathi(2010, 112), “Decision Supports Systems (DSS) are computer-based information systems designed in such a way that help managers to select one of the many alternative solutions to a problem”, berdasarkan pernyataan tersebut maka dapat sistem
pengambil keputusan merupakan sistem informasi yang didesain berdasarkan informasi komputer dalam berbagai cara guna membantu seorang pengambil keputusan untuk memilih satu dari banyak alternatif solusi suatu masalah. Berdasarkan hal tersebut maka sistem pengambil keputrusan ini sangat membantu apabila dapat diterapkan dalam kehidupan sehari-hari. Berdasarkan melihat keunggulan metode SAW maka penulis tertarik untuk melihat perancangan sistem terhadap mahasiswa untuk memilih tempat tinggal (Kos) yang mana diharapkan berguna dalam membantu mahasiswa menentukan keputusan pemilihan kos sehingga penulis tertarik untuk melakukan penelitian dengan judul perancangan sistem pengambil keputusan dalam memilih Kos dengan menggunakan Metode SAW (Simple Additive Weighting) berbasis web. II.
KAJIAN PUSTAKA
Sistem Pendukung Keputusan Sistem pengambil keputusan memiliki beberapa tujuan yang khas, menurut Keen dan Scoot (dalam Rustiawan,Destiani, dan Ikhwana, 2015: 2) tujuan dari sistem pendukung keputusan yaitu :
112
JUST TI, Volume 9, Nomor 2, Juli 2017: 112-117
1. Membantu manajer membuat keputusan untuk memecahkan masalah yang sepenuhnya terstruktur dan tidak terstruktur. 2. Mendukung penilaian manajer bukan untuk menggantikannya. 3. Meningkatkan efektivitas pengambilan keputusan manajer terhadap suatu pemecahan masalah.
wj= Bobot yang telah ditentukan rij= Normalisasi matriks Nilai V yang lebih besar mengindikasikan bahwa alternative Ai lebih terpilih. III. HASIL DAN PEMBAHASAN Menentukan Alternatif Alternatif adalah pilihan keputusan yang dinilai berdasarkan pembobotan kriteria yang terkait. Data alternatif pada kasus ini berupa data hasil beberapa pilihan kos. Dalam menentukan alternatif kos yang dinilai ditandai dengan kode A1 sampai dengan A10, sedangkan alternatif adalah nama-nama kos yang sudah dinilai berdasarkan bobot dan nilai kriteria. Data alternatif tersebut dapat dilihat pada Tabel 1.
Metode Simple Additive Weighting (SAW) Langkah–langkah dalam menggunakan metode ini sebagaimana [1,4] adalah: 1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci. 2. Menentukan rating kecocokan setiapa alternatif pada setiap kriteria. 3. Membuat matriks keputusan berdasarkan kriteria (Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. 4. Hasil akhir diperoleh dari prosespe rankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatifter baik (Ai) sebagai solusi.
Tabel 1. Data Alternatif Kode
Nama
A1
Kos 1
A2
Kos 2
A3
Kos 3
A4
Kos 4
A5
Kos 5
A6
Kos 6
A7
Kos 7
A8
Kos 8
Keterangan :
A9
Kos 9
r ij= rating kinerja ternormalisasi
A10
Kos 10
Persamaan 1 untuk melakukan normalisasi tersebut adalah:
. . . . . . . . . . . . . . . . (1)
Maxij= nilai maksimum dari setiap baris dan kolom
Menentukan Kriteria, Skala Penilaian dan Harga Kriteria adalah merupakan atribut yang diperlukan untuk mengambil suatu keputusan. Kriteria yang dijadikan sebagai acuan pengambilan keputusan pemilihan kos dapat dilihat pada Tabel 2. C1 sampai c4 menunjukan kriteria-kriteria untuk dinilai.
Minij= nilai minimum dari setiap baris dan kolom Xij= baris dan kolom dari matriks Dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj ; i =1,2,…mdan j = 1,2,…,n.
Tabel 2. Data Kriteria
Nilai preferensi untuk setiap alternatif (V) diberikan Persamaan 2 :
. . .. . . . . . . . . . . . . . . . . . . (2) Keterangan : Vi= Nilai akhir dari alternatif
113
Kode
Nama
c1
Kebersihan
c2
Fasilitas
c3
Keamanan
c4
Harga
Nurcahyono dan Metandi, Sistem Pendukung Keputusan Dalam Memilih Kos dengan Menggunakan Metode Simple Additive Weighting (SAW) Tabel 3. Skala Penilaian
Tabel 5. Bobot atau Tingkat Kepentingan
Buruk
10-40
Kriteria
c1
c2
c3
c4
Cukup
50-70
Bobot (W)
10%
20%
30%
40%
Baik
80-100
Proses Perhitungan SAW a) Skala Tingkat Kepercayaan Skala Saaty, skala yang biasa digunakan untuk memberikan penilaian tingkat kepentingan suatu pasangan elemen. Pada tabel 6.
Sedangkan untuk Skala Penilaian dapat di lihat pada Tabel 3, tabel ini menunjukan range nilai skala penilaian yaitu Buruk memiliki nilai 10- 40 , Cukup memiliki nilai 50 – 70 dan Baik memiliki nilai 80 – 100. Tabel 4. Data Harga Buruk
10-40
1 juta - 2 juta
Cukup
50-70
700 ribu - 900 ribu
Baik
80-100
200 ribu - 600 ribu
Tabel 6. Skala Saaty Kriteria
BoBot
C1
C2
C3
C4
C1
10
0
-1
-2
-3
C2
20
1
0
-1
-2
C3
30
2
1
0
-1
C4
40
3
2
1
0
Setiap satu kriteria memiliki satu nilai, nilai yang di ambil dari nilai bobot tersebut itu di kurang di setiap kriteria lalu di bagi 10 . contoh seperti berikut : Jika (C1-C1/10) lalu (C1-C2)/10 hingga mendapatkan nilai Kriteria yang terakhir. Skala tingkat kepercayaan ini digunakan untuk menunjukan mana kriteria yang lebih penting dibandingkan kriteria yang lainnya.
Pada tebel 4 ini menunjukan tabel harga. Tebel harga untuk menetukan harga dari tempat kos, guna bagi setiap calon penyewa kos mengetahui berapa biaya kos yang diinginkan. Harga ini sangat mempengaruhi fasilitas di setiap kos yang menjadi. Rekomendasi Menentukan Bobot Pada tebel 5 bobot atau tingkat kepentingan (W) pada setiap kriteria. Tabel kriteria dibawah ini menunjukan bobot yang dimiliki masing-masing kriteria. C1 (Kebersihan) memiliki bobot sebesar 10% , bobot ini diambil karena setiap tempat kos memiliki fasilitas yang berbeda-beda sedangkan calon pemilih kos memiliki preferensi masing-masing banyak dari mereka ada yang mementingkan fasilitas dan ada juga yang tidak. C2 (Fasilitas) memiliki bobot sebesar 20%, bobot ini diambil karena setiap tempat kos, kebersihan itu tergantung pada penghuni kos. C3 (keamanan) memiliki bobot sebesar 30%, bobot ini diambil karena keamanan sebagai faktor yang paling penting untuk para calon pemilihan kos. C4 (harga) memiliki bobot sebesar 40%, bobot ini diambil karena harga sebagai faktor yang paling diutamakan untuk para calon pemilihan kos. Bobot yang memiliki presentase paling tinggi menandakan jika kriteria itu yang paling penting.
b) Matrik Pair-Wise Comparison Matrik Pair-Wise Comparison (pembandingan berpasangan) adalah matrik yang digunakan untuk melakukan analisis numeris melalui pembandingan berpasangan antar dua elemen. Tujuannya adalah untuk memperoleh Bobot Penilaian suatu elemen melalui proses Penilaian Kepentingan. Priority Vector (PV), kumpulan nilai bobot dari semua elemen yang ada dalam matrik pair-wise comparison Tabel Matrik Pair-Wise Comparison dapat dilihat pada Tabel 7. Tabel 7. Matrik Pair-Wise Comparison
114
Kriteria
C1
C2
C3
C4
RataRata
PV
C1
1,00
0,50
0,33
0,25
0,52
0,09
C2
2,00
1,00
0,50
0,33
0,96
0,17
C3
3,00
2,00
1,00
0,50
1,63
0,29
C4
4,00
3,00
2,00
1,00
2,50
0,45
Total
10,00
6,50
3,83
2,08
5,60
1,00
JUST TI, Volume 9, Nomor 2, Juli 2017: 112-117
Tabel 8. Nilai Weighted Sum Matrix (WSM) Kriteria
Nilai WSM
C1
0,39
C2
0,65
C3
1,13
C4
1,91
C5
4,16
C6
3,80
C7
3,91
C8
4,28
c)
Membuat Tabel Rating Kecocokan
Dalam menentukan rating kecocokan maka nilai dari setiap alternatif pada setiap kriteria dimasukkan ke dalam tabel dibawah . Rating kecocokan ini diambil berdasarkan kuisioner dari beberpa partisipasi penghuni kos di setiap kos yang di rekomendasikan . Pada tabel 11 cara perhitungannya adalah nilai hasil rekomendasi setiap 1 kriteria diratarata dari hasil nilai kuesioner dari setiap kos. Lalu cara mencari nilai minimum dengan cara hasil dari rating kecocokan setiap 1 kriteria dirata-rata dan menghasilkan nilai yang paling rendah. Sedang mencari nilai maximum dengan cari nilai hasil rating kecocokan dirata-rata dan menghasilkan nilai yang tertinggi. Dari hasi ini nilai maximum yang digunkkan karena sebagai bahan untuk mendapatkan kos yang terbaik dari rekomendasi kos Putri. Tabel 11. Data Perhitungan Rekomendasi setiap Kriteria
Berdasarkan tabel 8 untuk mendapatkan nilai Weighted Sum Matrix (WSM) nilai kriteria dimatrikxkan dengan perkalian matriks dengan nilai Priority Vector (PV). Sedangkan cara mendapatkan nilai dengan cara nilai WSM dibagi dengan nilai CV.
CALON KOS PUTRI
Tabel 9. Nilai Maximum Eigen Value (EVMax)
Nama
C1
C2
C3
C4
Harga Kos
A1
64
72
80
80
500 Ribu
A2
88
82
81
33
1 Juta
A3
86
82
86
84
600 Ribu
A4
73,2
86,8
82,8
89
500 Ribu 650 Ribu
EVMax
4,04
CI
0,013
A5
66
78,8
87
68
CR
0,015
MIN
64
72
80
33
MAX
88
87
87
89
Berdasrkan tabel 9 untuk mendapatkan nilai Maximum Eigen Value (EVMax), nilai dari dari CV dirata-ratakan sehingga menghasilkan nlai Evmax. Sedangkan untuk mendapatkan nilai Consistency Index (CI) , nilai dari EVmax dikurang berapa banyak kriteria lalu dibagi dari pengurangan kriteria dikurang satu seperti rumus berikut : 𝜆 max − 𝑛 CI= 𝑛−1 Lalu mencari nilai Consistency Ratio (CR) dengan cara, hasil dari nilai CI dibagi nilai dari RI karena nilai tersebut di ambil dari nilai ‘N’ kriteria. Seperti pada tabel 10.
Pada table 12 Sama dengan cara perhitungan kos Putri perhitungan nilai hasil rekomendasi setiap 1 kriteria dirata-rata dari hasil nilai kuesioner dari setiap kos. Lalu cara mencari nilai minimum dengan cara hasil dari rating kecocokan setiap 1 kriteria dirata-rata dan menghasilkan nilai yang paling rendah. Sedang mencari nilai maximum dengan cari nilai hasil rating kecocokan dirata-rata dan menghasilkan nilai yang tertinggi. Dari hasi ini nilai maximum yang digunkkan karena sebagai bahan untuk mendapatkan kos yang terbaik dari rekomendasi kos Putra.
Tabel 10. Nilai RI N
1
2
3
4
5
6
7
8
9
10
R I
0
0
0,8 5
0, 9
1,1 2
1,2 4
1,3 2
1,4 1
1,4 5
1,5 1
115
Nurcahyono dan Metandi, Sistem Pendukung Keputusan Dalam Memilih Kos dengan Menggunakan Metode Simple Additive Weighting (SAW) Pada tabel 13 dan table 14 adalah cara perhitungan nilai A atau perkalian matriks , dengan cara nilai kriteria yang telah ternormalisasi dimatrikskan dengan nilai PV. Sedangkan cara mendapatkan nilai rangking dengan cara hasil nilai A dibandingkan dengan nilai keseluruhan dari nilai A setiap kos. Fungsi Rank digunakan untuk menentukan peringkat dari range tertentu, peringkat tersebut dapat berupa dari nilai tertinggi sampai terendah, atau dari terendah ke nilai tertinggi.
Tabel 12. Data Perhitungan Rekomendasi setiap Kriteria CALON KOS PUTRA Nama
C1
C2
C3
C4
Harga Kos
A6
66
42
36
84
500 Ribu
A7
78
74
74
83
500 Ribu
A8
79
77
81
84
450 Ribu
A9
44
78
71
80
400 Ribu
A10
64
69
89
81
500 Ribu
MIN
44
42
36
80
MAX
79
78
89
84
Tabel 15. Hasil Perhitungan (Kos Putri)
d) Membuat Matriks Keputusan Membuat matriks keputusan (X) yang dibentuk berdasarkan tabel diatas dari setiap alternatif pada setiap kriteria. Nilai dari masing-masing kriteria yang telah ada pada tabel diatas, akan dibuat matriks keputusan. Matriks keputusan ini dibuat untuk melakukan proses normalisasi matriks. Berikut adalah matriks keputusan yang sesuai dengan tabel 12. 𝟔𝟒 𝟕𝟐 𝟖𝟎 𝟖𝟎 𝟖𝟖 𝟖𝟐 𝟖𝟏 𝟑𝟑 𝟖𝟔 𝟖𝟐 𝟖𝟒 𝟖𝟒 𝟕𝟑, 𝟐 𝟖𝟔, 𝟖 𝟖𝟐, 𝟖 𝟖𝟗 𝟔𝟔 𝟕𝟖, 𝟖 𝟖𝟕 𝟔𝟖 X= 𝟔𝟔 𝟒𝟐 𝟑𝟔 𝟖𝟒 𝟕𝟖 𝟕𝟒 𝟕𝟒 𝟖𝟑 𝟕𝟗 𝟕𝟕 𝟖𝟏 𝟖𝟒 𝟒𝟒 𝟕𝟖 𝟕𝟏 𝟖𝟎 { 𝟔𝟒 𝟔𝟗 𝟖𝟗 𝟖𝟏 }
C1
C2
C3
C4
A1
0,73
0,83
0,92
0,90
A2
1,00
0,94
0,93
0,37
A3
0,98
0,94
0,97
0,94
A4
0,83
1,00
0,95
1,00
A5
0,75
0,91
1,00
0,76
C1 0,84 0,99
C2 0,54 0,95
C3 0,40 0,83
C4 1,00 0,99
A8
1,00
0,99
0,91
1,00
A9
0,56
1,00
0,80
0,95
A10
0,81
0,88
1,00
0,96
0,877
3
0,690
5
0,953
2
0,970
1
0,856
4
Tabel 16. Hasil Perhitungan (Kos Putra) A
RANK
0,733
5
0,936
3
0,972
1
0,879
4
0,947
2
Berdasarkan nilai keseluruhan yang telah di hitung dengan menggunakan metode SAW, kos A8 menduduki peringkat 1 kos Putra.
Tabel 14. Normalisasi Matriks Keputusan Kos PUTRA Nama A6 A7
RANK
Berdasarkan nilai keseluruhan yang telah di hitung dengan menggunakan metode SAW, kos A4 menduduki peringkat 1 kos Putri.
Tabel 13. Normalisasi Matriks Keputusan Kos PUTRI Nama
A
116
JUST TI, Volume 9, Nomor 2, Juli 2017: 112-117
IV. KESIMPULAN Berdasarkan hasil penelitian yang telah dilakukan, diperoleh kesimpulan sebagai berikut: 1. Penilaian ini memberikan hasil peringkat pada Kos mulai dari tertinggi hingga terendah. 2. Berdasarkan hasil perhitungan yang dilakukan terdapat 10 Kos yang terbagi atas 5 kos Putri dan 5 kos Putra, diperoleh 2 urutan tertinggi atau favorit berdsarkan Kos Putri dan Putra . Kode A4 untuk urutan tertinggi kos putri, dan kode A8 untuk urutan tertinggi kos putra. 3. Dengan menggunakan metode SAW proses pemilihan Kos ini dapat memudahkan bagi calon penyewa kos.
[2]
[3]
[4]
REFERENSI [1] Eniyati, S. 2011. Perancangan Sistem Pendukung Pengambilan Keputusan Untuk Penerimaan Beasiswa
117
Dengan Metode Simple Additive Weighting (SAW). Jurnal Teknologi Informasi DINAMIK Volume 16, No.2 Purnama. 2015. sistem pendukung keputusan pemilihan pejabat kopertis wilayah iii menggunakan metode Analytic Hierarchy Process. Jurnal Humaniora. diakses dari http://journal.uny.ac.id/index.php/humaniora/article/do wnload/7685/6625 pada 20 November 2016 Turban, E. Aronson, J, E. Liang, T, P. 2006. Decision Support Systems And Intelligent Systems. Penerbit Andi Yogyakarta Utomo, MSD.. 2015. Penerapan metode SAW (Simple Additive Weight) padasistem pendukung keputusan untuk pemberian beasiswa pada sma negeri 1 cepu jawa tengah. Jurnal Universitas Dian Nuswantoro.diakses dari http://eprints.dinus.ac.id/15172/1/jurnal_14778.pdfpada 20 November 2016
