Bab ini berisi tentang kesimpulan dan saran mengenai hasil dalam penelitian ini.
6 BAB II
LANDASAN TEORI
2.1 Sistem Pendukung Keputusan
2.1.1 Pengertian Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak terstruktur. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat (Turban, 2001).
Dengan pengertian diatas dapat dijelaskan bahwa sistem pendukung keputusan bukan merupakan alat pengambilan keputusan, melainkan merupakan sistem yang membantu pengambil keputusan dengan melengkapi mereka dengan informasi dari data yang telah diolah dengan relevan dan diperlukan untuk membuat keputusan tentang suatu masalah dengan lebih cepat dan akurat. Sehingga sistem ini tidak dimaksudkan untuk menggantikan pengambilan keputusan dalam proses pembuatan keputusan.
2.1.2 Tahap-Tahap Pengambilan Keputusan
Menurut Herbert A. Simon (Kadarsah, 2002:15-16), ada tiga fase dalam proses Pengambilan Keputusan diantaranya sebagai berikut:
1. Tahap Pemahaman (Inteligence)
Tahap ini merupakan proses penelusuran dan pendeteksian dari lingkup problematika serta proses pengenalan masalah. Data masukan diperoleh, diproses dan diuji dalam rangka mengidentifikasikan masalah.
2. Tahap Perancangan (Design)
Tahap ini merupakan proses pengembangan dan pencarian alternatif tindakan/solusi yang dapat diambil. Tersebut merupakan representasi
7
kejadian nyata yang disederhanakan, sehingga diperlukan proses validasi dan vertifikasi untuk mengetahui keakuratan model dalam meneliti masalah yang ada.
3. Tahap Pemilihan (Choice)
Tahap ini dilakukan pemilihan terhadap diantaraberbagai alternatif solusi yang dimunculkan pada tahap perencanaan agar ditentukan/dengan memperhatikan kriteria โ kriteria berdasarkan tujuan yang akan dicapai.
4. Tahap Impelementasi (Implementation)
Tahap ini dilakukan penerapan terhadap rancangan sistem yang telah dibuat pada tahap perancanagan serta pelaksanaan alternatif tindakan yang telah dipilih pada tahap pemilihan
2.1.3 Karakteristik Sistem Pendukung Keputusan
Sprague dan Watson (1993) mendefinisikan Sistem Pendukung Keputusan (SPK) sebagai sistem yang memiliki lima karakteristik utama yaitu:
1. Sistem yang berbasis komputer.
2. Dipergunakan untuk membantu para pengambil keputusan
3. Untuk memecahkan masalah-masalah rumit yang mustahil dilakukan dengan kalkulasi manual
4. Melalui cara simulasi yang interaktif
5. Dimana data dan model analisis sebagai komponen utama.
2.1.4 Tujuan Sistem Pendukung Keputusan
Menurut Turban (2005), tujuan dari Sistem Pendukung Keputusan adalah sebagai berikut:
1. Membantu manajer dalam pengambilan keputusan atas masalah semi terstruktur.
2. Memberikan dukungan atas pertimbangan manajer dan bukannya di maksudkan untuk menggantikan fungsi manajer
3. Meningkatkan efektivitas keputusan yang di ambil manajer lebih daripada perbaikan efisiensinya
4. Kecepatan komputasi. Komputer memungkinkan para pengambil
keputusan untuk melakukan banyak komputasi secara cepat dengan biaya yang rendah
5. Peningkatan produktivitas. Membangun suatu kelompok pengambil keputusan, terutama para pakar, bisa sangat mahal. Pendukung
terkomputerisasi bisa mengurangi ukuran kelompok dan memungkinkan para anggotanya untuk berada di berbagai lokasi yang berbeda-beda (menghemat biaya perjalanan).
6. Dukungan kualitas 7. Berdaya saing.
Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan.
2.1.5 Komponen Pendukung Keputusan
Secara umum Sistem Pendukung Keputusan dibangun oleh tiga komponen besar yaitu database Management, Model Base dan Software System/User Interface. Komponen SPK tersebut dapat digambarkan seperti gambar di bawah ini.
Gambar 2.1 Komponen SPK
(Sumber : https://www.kajianpustaka.com/2013/09/sistem-pendukung- keputusan-spk.html)
9
a. Database Management
Merupakan subsistem data yang terorganisasi dalam suatu basis data. Data yang merupakan suatu sistem pendukung keputusan dapat berasal dari luar maupun dalam lingkungan. Untuk keperluan SPK, diperlukan data yang relevan dengan permasalahan yang hendak dipecahkan melalui simulasi.
b. Model Base
Merupakan suatu model yang merepresentasikan permasalahan kedalam format kuantitatif (model matematika sebagai contohnya) sebagai dasar simulasi atau pengambilan keputusan, termasuk didalamnya tujuan dari permasalahan (objektif), komponen-komponen terkait, batasan-batasan yang ada (constraints), dan hal-hal terkait lainnya. Model Base memungkinkan pengambil keputusan menganalisa secara utuh dengan mengembangkan dan membandingkan solusi alternatif.
c. User Interface/ Pengelolaan Dialog
Terkadang disebut sebagai subsistem dialog, merupakan penggabungan antara dua komponen sebelumnya yaitu Database Management dan Model Base yang disatukan dalam komponen ketiga (user interface), setelah sebelumnya dipresentasikan dalam bentuk model yang dimengerti computer. User Interface menampilkan keluaran sistem bagi pemakai dan menerima masukan dari pemakai kedalam Sistem Pendukung Keputusan.
2.2 MOORA (Multi-Objective Optimization on the basis of Ratio Analysis) Multi-Objective Optimization on the basis of Ratio Analysis (MOORA) adalah multiobjektif sistem mengoptimalkan dua atau lebih attribut yang saling bertentangan secara bersamaan (Nofriansyah, D, dan Sarjon Defit, 2017:85).
Metode ini diterapkan untuk memecahkan masalah dengan perhitungan matematika yang kompleks seperti memecahkan banyak permasalahan ekonomi, manajerial dan konstruksi pada sebuah perusahaan maupun proyek (Nofriansyah, D, dan Sarjon Defit, 2017:85).
Moora diperkenalkan oleh Brauers dan Zavadskas pada tahun 2006. Pada awalnya metode ini diperkenalkan oleh Brauers pada tahun 2004 sebagai
โMulti-Objective Optimizationโ yang dapat digunakan untuk memecahkan berbagai masalah pengambilan keputusan yang rumit pada lingkungan pabrik.
Metode MOORA diterapkan untuk memecahkan banyak permasalahan ekonomi, majerial, dan konstruksi pada sebuah perusahan maupun proyek (Nofriansyah, D, dan Sarjon Defit, 2017:85).
Keunggulan MOORA sendiri telah diamati bahwa metode moora sangat sederhana, stabil, dan kuat, bahkan metode ini tidak membutuhkan seorang ahli di bidang matematika untuk menggunakan nya serta membutuhkan perhitungan matematis yang sederhana. Selain itu juga metode ini juga memiliki hasil yang lebih akurat dan tepat sasaran dalam membantu pengambilan keputusan. Bila dibandingkan dengan metode yang lain metode moora bahkan lebih sederhana dan mudah di implementasikan.
2.2.1 Langkah-langkah metode MOORA
Berikut adalah langkah-langkah metode MOORA:
1. Menginputkan nilai kriteria
Menginputkan nilai kriteria pada suatu alternatif dimana nilai tersebut nantinya akan diproses dan hasilnya akan menjadi sebuah keputusan.
2. Membuat Matriks Keputusan MOORA
Mewakilkan semua informasi yang tersedia untuk setiap attribut dalam bentuk matriks keputusan. Data pada persamaan (1) mempersentasikan sebuah matriks ๐๐๐๐. Dimana ๐๐๐ adalah pengukuran kinerja dari alternatif i th pada attribut j th, m adalah jumlah alternatif dan n adalah jumlah atribut/kriteria. Kemudian sistem ratio dikembangkan dimana setiap kinerja dari sebuah alternatif pada sebuah attribut dibandingkan dengan penyebut yang merupakan wakil untuk semua alternatif dari atribut tersebut.
11
๐ = matriks keptusan
3. Matriks Normalisasi MOORA
Brauers, W.K., menyimpulkan bahwa untuk penyebut, pilihan terbaik adalah akar kuadrat dari jumlah kuadrat dari setiap alternatif per attribut.
Rasio ini dapat dinyatakan sebagai berikut:
๐
โ = ๐๐ ๐โ = Matriks Normalisasi alternatif j pada kriteria i 4. Menghitung Nilai Optimasi Multiobjektif MOORAa. Jika atribut atau kriteria pada masing-masing alternatif tidak diberikan nilai bobot.
Ukuran yang dinormalisasi ditambahkan dalam kasus maksimasi (untuk atribut yang menguntungkan) dan dikurangi dalam minimisasi (untuk atribut yang tidak menguntungkan) atau dengan kata lain mengurangi nilai maksimum dan minimum pada setiap baris untuk mendapatkan rangking pada setiap baris, jika dirumuskan maka:
๐
โ= โ
๐=๐๐= 1, 2, ... , gโ kriteria/atribut dengan status maximized;
๐= g+ 1, g+ 2, ... , nโ kriteria/atribut dengan status minimized;
๐โ= Matriks Normalisasi max-min.
โโ ๐
b. Jika atribut atau kriteria pada masing-masing alternative di berikan nilai bobot kepentingan.
Pemberian nilai bobot pada kriteria dengan ketentuan nilai bobot jenis kriteria maksimum lebih besar dari nilai bobot jenis kriteria minimum.
Untuk menandakan bahwa atribut lebih penting itu bisa di kalikan dengan bobot yang sesuai (koefisien signifikasi). (Brauers etal.2009 dalam Ozcelik, 2014). Saat atribut bobot dipertimbangkan perhitungan menggunakan persamaan sebagai berikut:
๐
๐=
โ
๐๐
๐๐
๐-
โ
๐๐ ๐
๐ ๐โฆ.
(2.4)๐ ๐=1 ๐๐ ๐=๐+1 ๐๐
Keterangan: Wj adalah bobot dari j th atribut yang dapat ditentukan dengan menerapkan applying analytic hierarchy process (AHP) atau metode entropy.
5. Nilai ๐๐ dapat menjadi positif atau negatif tergantung dari total maksimal (atribut yang menguntungkan) dan minimal (atribut yang tidak menguntungkan) dalam matriks keputusan. Sebuah urutan keputusan.
Sebuah urutan peringkat dari ๐๐ menunjukan pilihan terakhir. Dengan demikian alternatif terbaik memiliki nilai ๐๐ tertinggi sedangkan alternatif terburuk memiliki nilai ๐๐ terendah.
BAB III
METODOLOGI PENELITIAN
3.1 Gambaran Umum
Penelitian yang dilakukan bertujuan untuk menentukan perangkingan rumah sebagai bahan rekomendasi dalam memilih rumah. Input yang digunakan berupa data rumah dan intensitas kepentingan. Data tersebut selanjutnya akan diolah untuk menghasilkan output rekomendasi rumah.
3.2 Desain Penelitian 3.2.1 Studi Literatur
Mempelajari teori mengenai sistem pendukung pengambilan keputusan, metode Multi-Objective Optimization on the basis of Ratio Analysis (MOORA), dan metode AHP untuk menghitung suatu bobot kriteria. Teori yang dipelajari berasal dari materi perkuliahan, buku teks, dan artikel atau jurnal yang ada di internet.
3.2.2 Data
- Data yang digunakan
Data yang digunakan dalam penelitian ini adalah data rumah pada tahun 2016 sebanyak 100 rumah, dengan kriteria yaitu harga rumah, luas bangunan, luas tanah, lokasi rumah, dan spesifikasi rumah. Data tersebut bersumber dari pengembang perumahan PT Agatama Putra, yaitu perumahan Banteng Town House, Agatama Regency Banguntapan, dan Agatama Residence P
- Teknik Pengumpulan Data
Pada tahap teknik pengumpulan data yang pertama dilakukan adalah melakukan wawancara kepada pimpinan pengembang perumahan PT Agatama Putra. Data yang didapat berupa kriteria apa saja yang biasanya digunakan oleh seseorang membeli rumah maupun calon pembeli dalam
xx
mencari rumah. Hasil wawancara tersebut menyatakan bahwa kriteria yang biasanya digunakan seseorang dalam membeli rumah adalah mengenai harga rumah, luas tanah, regalitas yang mencakup suratsurat rumah, lokasi, suasana lingkungan sekitar, luas bangunan, dan spesifikasi rumah. Dari kriteria tersebut pengembang mengatakan bahwa para calon pembeli rumah maupun pembeli biasanya mengutamakan mengenai harga rumah, luas tanah, luas bangunan, lokasi rumah, dan spesifikasi rumah. Data yang diperoleh PT Agatama Putra mengenai nama/kavling rumah, luas bangunan, luas tanah, lantai, harga dan tipe pada perumahan Banteng Town House, Agatama Regency Banguntapan, dan Agatama Residence Purwomartani. Total semua data rumah yaitu 100 data. Data tersebut dalam bentuk cetak (hardcopy), jadi harus melakukan pengetikan agar data dapat diproses ke tahap selanjutnya. Dari pernyataan tersebut dalam penelitian ini menggunakan lima (5) kriteria yaitu harga rumah, luas tanah, luas bangunan, lokasi rumah, dan spesifikasi rumah.
3.2.3 Pengembangan Sistem
Dalam penelitian ini metodologi yang digunakan adalah model pengembangan alat uji waterfall dengan dilakukan secara sistematis.
Tahaptahapnya sebagai berikut:
1. Analisa
Pada tahap analisa ini dilakukan analisa terhadap kebutuhan sistem.
Dengan cara mencari informasi sebanyak mungkin dari user agar sistem yang dibuat sesuai dengan keinginan user. Pada tahap ini akan menghasilkan dokumen user requirement yang dapat digunakan oleh sistem analis untuk menerjemahkan ke dala bahasa pemrograman.
2. Desain
Pada tahap desain ini dilakukan proses membuat rancangan alat uji berdasarkan informasi dan tahap sebelumnya. Proses ini berfokus pada arsitektur perangkat lunak, representasi interface dan detail algoritma.
15
Tahap ini akan menghasilkan dokumen yang disebut software requirement. Dokumen ini digunakan oleh seorang programmer dalam membangun sistem.
3. Pengkodean (coding)
Pada tahap ini adalah telah dibuat pada tahap desain yang diteremahkan dalam bahasa pemrograman pada computer. Tahap ini menghasilkan alat uji dalam bentuk perangkat lunak yang dibuat berdasarkan rancangan yang sudah ada.
4. Pengujian
Pada tahap pengujian ini alat uji berupa perangkat lunak diuji coba untuk mengetahui apakah perangkat lunak tersebut sudah sesuai dengan rancangan dan mampu mengimplementasikan metode MOORA dengan baik dan benar. Tahap ini menghasilkan alat uji dalam bentuk perangkat lunak yang dibuat berdasarkan yang sudah ada.
3.3 Spesifikasi Software dan Hardware
Spesifikasi software dan hardware yang digunakan dalam pengimplementasian Sistem Pendukung Pengambilan Keputusan pembelian rumah adalah:
1. Software
Dalam bentuk software, sistem operasi yang digunakan adalah Windows 7 64-bit dengan menggunakan aplikasi Netbeans dan Bahasa pemrograman Java
2. Hardware
Dalam bentuk hardware, yaitu Notebook ASUS type A46C Series dengan processor Intelยฎ Coreโข i3-3217U CPU 1.8 GHz dengan RAM 4.00 GB.
16 BAB IV
ANALISIS DAN PERANCANGAN SISTEM
4.1 Analisis Masalah 4.1.1 Analisis Sistem Lama
Proses pengambilan keputusan pembelian rumah pada PT Agatama Putra masih dilakukan secara manual. Pada umumnya seorang calon pembeli akan mencari informasi melalui internet, brosur, surat kabar dan menanyakan langsung kepada pengembang perumahan mengenai informasi terkait perumahan. Dari informasi tersebut calon pembeli akan membandingkan kelebihan dan kekurangan beberapa rumah secara manual. Hal tersebut akan membingungkan calon pembeli. Sehingga kurang efisien apabila calon pembeli membandingkan banyak perumahan karena semakin banyak yang dibandingkan maka akan menghabiskan waktu dan tenaga untuk menentukan pilihan yang sesuai dengan kebutuhan dan kemampuan calon pembeli.
4.1.2 Analisis Sistem Baru
Sistem yang akan dibangun adalah sistem pengambilan keputusan secara komputerisasi yang akan menyajikan data informasi terkait perumahan.
Sehingga diharapkan dapat membantu calon pembeli untuk menentukan pilihan yang sesuai dengan kebutuhan dan kemampuan calon pembeli.
4.2 Gambaran Umum Sistem
Sistem yang akan dikembangkan adalah sistem pendukung pengambilan keputusan yang nantinya dapat membantu pengguna untuk memberikan rekomendasi rumah. Sistem ini akan dibuat dengan menggunakan metode MOORA (Multi Objective Optimization on the Basis of Ratio Analysis) dengan menggunakan bahasa pemrograman java.
Pada kasus ini Analitycal Hierarcy Process (AHP) digunakan untuk menghitung suatu pembobotan kriteria, dilanjutkan dengan menggunakan
17
Metode Multi Objective Optimization on the Basis of Ratio Analysis (MOORA) untuk mendapatkan hasil perangkingan yang akan memberikan rekomendasi rumah dari yang ada.
Dalam sistem ini terdapat 1 aktor, yaitu user. User akan menjalankan sistem dan menggunakan sistem untuk melakukan proses pengambilan keputusan dengan memasukan nilai prioritas dari setiap kriteria yang dibandingkan. Dari nilai prioritas tersebutkemudian sistem akan menghitung dengan metode MOORA. Rekomendasi rumah yang dihasilkan adalah perangkingan rumah yang sesuai berdasarkan perbandingan prioritas kriteria yang dimasukkan oleh user. Sistem akan menampilkan rumah yang paling direkomendasikan oleh sistem.
4.3 Analisis Kebutuhan Sistem
Kebutuhan sistem pada โSistem Pendukung Pengambilan Keputusan Pembelian Rumah Menggunakan Metode Multi Objective Optimization on the Basis of Ratio Analysis (MOORA)โ yang akan dibangun terdiri dari kebutuhan input, kebutuhan proses, dan kebutuhan output.
1. Kebutuhan Input
Kebutuhan input yang di perlukan adalah berupa data harga rumah, luas tanah, luas bangunan, spesifikasi dan lokasi.
2. Kebutuhan Proses
Pada sistem ini memiliki 1 aktor yang terlibat, yaitu user. Calon pembeli bertindak sebagai user. Dalam menggambarkan siapa yang menggunakan sistem dan cara pengguna berinteraksi dengan sistem, dapat menggunakan diagram use case. Berikut adalah uraian bagaimana actor berinteraksi dengan sistem beserta diagram use case:
a. User
Skenario proses yang dapat dilakukan user adalah melihat profil perusahaan PT Agatama Putra dan melihat daftar perumahan yang tersedia di menu daftar perumahan. Kemudian pada skenario cari rekomendasi, user akan menginputkan data kriteria yang digunakan
Lihat Daftar Rumah
untuk memfilter data sekaligus menampilkan rekomendasi rumah yang sesuai dengan input user.
Berikut tampilan diagram use case
Gambar 4.1 Diagram Use Case
User
Gambar 4.2 Diagram Use Case Package Lihat Daftar Perumahan 3. Kebutuhan Output
Output sistem berupa rekomendasi rumah yang sudah diranking berdasarkan data yang di inputkan oleh user.
Cari Rekomendasi Rumah Use
r
Lihat Profil PT Agatama Putra
Sistem Pendukung Pengambilan Keputusan Pembelian Rumah Menggunakan Metode MOORA
4.4 Perancangan Sistem Metode Multi Objective Optimization on the Basic of Ratio Analysis
4.4.1 Kriteria
Kriteria yang digunakan dalam melakukan proses rekomendasi pembelian rumah tersebut sebagai berikut:
1. Harga
Kriteria harga merupakan kriteria yang digunakan untuk proses perhitungan metode Multi Objective Optimization on the Basic of Ratio Analysis
2. Luas Tanah
Kriteria luas tanah merupakan kriteria yang digunakan untuk proses perhitungan metode Multi Objective Optimization on the Basic of Ratio Analysis
3. Luas Bangunan
Kriteria luas bangunan merupakan kriteria yang digunakan untuk proses perhitungan metode Multi Objective Optimization on the Basic of Ratio Analysis
4. Lokasi
Kriteria lokasi merupakan kriteria yang digunakan untuk proses perhitungan metode Multi Objective Optimization on the Basic of Ratio Analysi. Nilai dari kriteria lokasi didapatkan dengan menghitung jarak dari alamat perumahan ke lokasi tujuan. Ada 7 fasilitas umum lokasi tujuan yang digunakan, yaitu:
1. Sekolah Dasar
2. Sekolah Menengah Pertama 3. Sekolah Menengah Atas 4. Pasar
5. Rumah Sakit 6. SPBU 7. Kampus
xx
Jarak dihitung menggunakan google maps. Dari jarak yang didapatkan kemudian dihitung untuk mendapatkan rata-rata jarak untuk nilai lokasi.
Berikut rumus untuk menghitung rata-rata sebagai nilai lokasi:
๐๐ = โ
๐๐ ๐
... (4.1)
Keterangan:
๐๐ = rata-rata nilai lokasi
๐๐ = jarak antara fasilitas umum ๐๐ dengan lokasi perumahan ๐ = jumlah data
Nama perumahan : Agatama Residence Purwomartani
Alamat Perumahan : Purwomartani, Kalasan, Kabupaten Sleman, Daerah Istimewa Yogyakarta 55571, Indonesia
Tujuan:
- SD : SD Model Sleman
- SMP : SMP Negeri 3 Kalasan
- SMA : SMA Internasional Budi Mulia Dua - Kampus : Universitas Respati Yogyakarta Kampus 2 - Pasar : Pasar Stan
- Rumah Sakit : RS Holistika Medika
- SPBU : SPBU Tajem
Tabel 4.1 Data Jarak Perumahan Agatama Residence Purwomartani Tujuan SD SMP SMA Kampus Pasar RS SPBU
Jarak 4100 2500 3500 3900 4600 4900 3300
๐ = (4100+2500+3500+3900+4600+4900+3300)
= 26800 = 3828.571 m
7 7
21
Jadi, nilai lokasi untuk perumahan agatama residence purwomartani adalah 3828.571 m
5. Spesifikasi
Kriteria spesifikasi merupakan kriteria yang digunakan untuk proses perhitungan metode Multi Objective Optimization of the Basic of Ratio Analysis (MOORA). Nilai dari data spesifikasi didapatkan dengan cara melakukan perhitungan penilaian spesifikasi. Ada 16 macam yang dinilai pada spesifikasi, yaitu:
1. Pondasi
10. Kamar Mandi 11. Dapur
12. Cat Finishing 13. Carport 14. Sanitasi
15. Halaman depan 16. Instalasi Listrik
Pada kriteria spesifikasi dibagi menjadi 3 himpunan, yaitu tinggi, sedang, dan rendah. Tinggi bernilai 3, sedang bernilai 2, dan rendah bernilai 1. Cara penilaian pada kriteria spesifikasi ini yaitu menilai setiap 16 kriteria diatas masuk ke kualitas tinggi, sedang, atau rendah. Sebagai contoh:
Nama Perumahan : Agatama Residence Purwomartani
Lantai : 1 lantai
Tabel 4.2 Data penilaian spesifikasi Perumahan Agatama Residence Purwomartani
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 3 3 3 2 2 2 2 3 2 2 2 2 2 2 2 2
Setelah selesai dinilai kemudian dihitung untuk mendapatkan nilai spesifikasi. Perhitungan tersebut sebagai berikut:
๐๐=โ ๐๐ Keterangan:
๐๐ = nilai spesifikasi
๐๐ = nilai setiap penilaian spesifikasi
๐๐ = 3+3+3+2+2+2+2+3+2+2+2+2+2+2+2+2 = 36
Jadi, nilai spesifikasi perumahan agatama residence purwomartani 1 lantai adalah 36.
4.4.2 Proses Sistem Pendukung Pengambilan Keputusan
Berikut ini adalah jalan kerja program dalam memberikan rekomendasi rumah yang sesuai dengan kebutuhan dan kemampuan pengguna:
1. User menginputkan filter pencarian antar kriteria
2. Sistem melakukan filter pencarian yang telah diinputkan oleh user
3. Sistem membuat matriks keputusan, perhitungan berdasarkan persamaan 2.1
4. Sistem menghitung nilai matriks normalisasi menggunakan metode MOORA, perhitungan berdasarkan persamaan 2.2 5. Sistem menghitung nilai maximum dan minimum optimasi,
perhitungan berdasarkan persamaan 2.3
6. Sistem menghitung perankingan dan hasil keputusan MOORA
23
7. Sistem akan mengeluarkan output yang berisi hasil dari perankingan rumah yang direkomendasikan berdasarkan perhitungan yang dilakukan oleh sistem.
Berikut adalah gambar flowchart atau gambaran umum kerja sistem:
Gambar 4.3 Flowchart Sistem Menampilkan perankingan
Seles ai
Perhitungan perankingan alternatif dan hasil keputusan
Mulai
Input nilai filter pencarian
Perhitungan nilai matriks normalisasi
Membuat matriks keputusan Melakukan filter pencarian
Perhitungan nilai optimasi
4.4.3 Contoh Perhitungan Manual Proses Pengambilan Keputusan
Berikut ini adalah contoh perhitungan manual proses pengambilan keputusan yang dihitung menggunakan excel. Pada contoh ini akan digunakan beberapa data dari perumahan Banteng Town House, Agatama Regency Banguntapan, dan Agatama Residance Purwomartani yang terdapat di PT Agatama Putra. Data yang digunakan pada contoh ini sebanyak 6 data yang diambil secara acak dari 3 perumahan tersebut.
Tabel 4.3 Data Rumah
Alternatif Kriteria
X1 X2 X3 X4 X5
25
Keterangan:
A1= Alternatif 1 A2= Alternatif 2 A3= Alternatif 3 A4= Alternatif 4 A5= Alternatif 5 A6= Alternatif 6
X1= Harga rumah X2= Luas tanah X3= Luas bangunan X4= Spesifikasi rumah X5= Lokasi
Contoh permasalahan:
Calon pembeli akan membeli rumah dengan membandingkan optimum antar kriteria sebagai berikut:
Langkah-langkah perhitungan menggunakan MOORA 1. Menginputkan nilai kriteria
Tabel 4.4 Data rumah yang sudah diubah menjadi data kuantitatif
Alternatif Kriteria
X1 X2 X3 X4 X5
2. Merubah nilai kriteria menjadi matriks keputusan
3. Normalisasi pada metode MOORA
a. Pertama kuadratkan x atau nilai kriteria pada setiap alternatif Tabel 4.5 Hasil pengkuadratan kriteria dari setiap alternatif
Alternatif Kriteria
X1 X2 X3 X4 X5
63920637614700000 14400 5329 1296 4966528.702 A3 Rumah 3
85895886400000000 4356 1024 1225 4966528.702 A5 Rumah 5
13689 2500 1296 14657955.902
Optimum min max max max min
27
b. Jumlah hasil dari pengkuadratan pada setiap kriteria
Tabel 4.6 Hasil penjumlahan setiap kriteria yang sudah dikuadratkan
Alternatif Kriteria
X1 X2 X3 X4 X5
2250000000000000000 27556 7396 1600 15783593.879
A2 Rumah 2 (Blok A 1)
63920637614700000 14400 5329 1296 9965747.021 A3 Rumah
3 (Blok B 1(H))
257195036736000000 13689 2500 1225 9965747.021 A4 Rumah
4 (Blok C 1)
85895886400000000 4356 1024 1225 9965747.021 A5 Rumah
5 (Blok D 1(H))
109059778564000000 6241 729 1225 9965747.021 A6 Rumah
6 (ARP)
309848089600000000 13689 2500 1296 21945209.473
Optimum min max max max min
ฮฃxยฒ 3649936455400000000 79931 19478 7867 41246978.133
c. Akarkan hasil total penjumlahan dari pengkuadratan pada setiap kriteria.
Tabel 4.7 Hasil akar total nilai penjumlahan setiap kriteria
ฮฃxยฒ 3649936455400000000 79931 19478 7867 41246978.133
โฮฃxยฒ 1910480687 282.721 139.564 88.696 6422.381
d. Hitung normalisasi dengan menggunakan rumus dibawah ini:
Sebagai contoh untuk alternatif 1:
Harga
๐
โ = 1500000000=
1500000000=
0.785๐๐ โ3649936455400000000 โ1910480687
Luas tanah
Tabel berikut ini adalah hasil normalisasi:
Tabel 4.8 Hasil normalisasi
Alternatif Kriteria
X1 X2 X3 X4 X5
A1 Rumah 1 (P.
Banteng Blok A 1) 0.785 0.587 0.616 0.451 0.404
โโ ๐
29
4. Menghitung nilai optimasi multiobjektif MOORA
Menghitung nilai dari penilaian yang telah dinormalisasi (mengurangi nilai maximax dan minimax) menggunakan rumus dibawah ini:
๐
โ= โ
๐=๐๐
โ- โ
๐=๐๐
โ โฆ. (4.3)๐ ๐=1
๐๐
๐=๐+1 ๐๐
Tabel dibawah ini adalah hasil dari perhitungan nilai optimasi:
Tabel 4.9 Hasil pengurangan nilai maximax dan minimax
Alternatif Kriteria
X1 X2 X3 X4 X5 ศณ๐
A5 Rumah 5
(Blok D 1(H)) 0.173 0.279 0.193 0.395 0.358 0.347 A6 Rumah 6
(ARP) 0.291 0.414 0.358 0.406 0.532 0.596
Optimum min max max max min
Selanjutnya adalah perhitungan untuk mencari ศณ๐ secara manual, disini akan diberi contoh untuk menghitung ศณ1 yaitu nilai dari penilaian yang telah dinormalisasi dari alternatif rumah 1 yaitu perumahan Banteng Bok A 1terhadap semua kriteria.
ศณ1 = ๐๐๐๐๐ ๐๐๐๐๐ ๐๐๐๐๐๐๐๐ โ ๐๐๐๐๐ ๐๐๐๐๐ ๐๐๐๐๐๐๐
= (x2 + x3+x4) โ (x1+x5)
= (0.587+ 0.616+0.451) โ (0.785+0.404)
= 1.654 โ 1.189
= 0.465
5. Menentukan ranking dari hasil perhitungan MOORA Tabel 4.10 Hasil Perankingan
Alternatif ศณ๐ Ranking
Rumah 2 (Blok A 1) 0.465 3
Rumah 3 (Blok B 1(H)) 0.588 1 Rumah 1 (P. Banteng Blok A 1) 0.554 2
Rumah 6 (ARP) 0.357 4
Rumah 4 (Blok C 1) 0.348 5
Rumah 5 (Blok D 1(H)) 0.290 6
31
4.5 Perancangan Proses 4.5.1 Diagram Konteks Sistem
Dalam menggambarkan ruang lingkup dan suatu proses sistem dapat ditunjukan dengan menggunakan diagram konteks. Berikut ini diagram konteks dari sistem pendukung pengambilan keputusan pembelian rumah:
administrator Use
r
Data harga rumah dan lokasi perumahan
0 SISTEM PENDUKUNG
KEPUTUSAN PEMBELIAN RUMAH
KEPUTUSAN PEMBELIAN RUMAH