LISTING PROGRAM
Application.SetCompatibleTextRenderingDefault(false); Application.Run(new MainForm());
try{
DialogResult dialogResult = MessageBox.Show("Apakah anda ingin memulai proses yang baru ?", "Pilihan", MessageBoxButtons.YesNo);
if(dialogResult == DialogResult.Yes)
catch (Exception ex)
void UmurpadisawahSelectedIndexChanged(object sender, EventArgs e) {
void TinggipadisawahSelectedIndexChanged(object sender, EventArgs e) {
void KerontokanpadisawahSelectedIndexChanged(object sender, EventArgs e) {
}
string Query = "select * from db_padi.rankingpadisawah ORDER BY
db_padi.padisawah(nama,C1,C2,C3,C4,C5) values('" +this.namapadisawah.Text+ "','" +c1+ "','" +c2+ "','" +c3+ "','" +c4+ "','" +c5+ "');";
MySqlCommand MyCommand3 = new MySqlCommand(query2, MyConn2);
MySqlCommand kueri2 = new MySqlCommand();
kueri2.Connection = koneksi2;
string qww="update db_padi.rankingpadihibrida set skor='" + skorhibrida.ToString() + "' where nama='" + nama+ "';";
//perkalian dengan w
double skor
= (sawahc1*0.3)+(sawahc2*0.15)+(sawahc3*0.5)+(sawahc4*0.2)+(sawahc5*0.2); //skortemp.Text=skor.ToString(); MessageBox.Show(selisihwaktusawah.TotalMilliseconds.ToString()+"
MilliSeconds","Lama Proses" );
else if (i==2){
{
void KerontokanpadihibridaSelectedIndexChanged(object sender, EventArgs e)
void RatapadihibridaSelectedIndexChanged(object sender, EventArgs e) {
try
dr = kueri.ExecuteReader();
= (sawahc1*0.3)+(sawahc2*0.15)+(sawahc3*0.5)+(sawahc4*0.2)+(sawahc5*0.2); //skortemp.Text=skor.ToString();
MessageBox.Show(selisihwaktuhibrida.TotalMilliseconds.ToString()+"
MilliSeconds","Lama Proses");
textBox99.Text=selisihwaktuhibrida.TotalMilliseconds.ToString()+" MilliSeconds"; memulai proses yang baru ?", "Pilihan", MessageBoxButtons.YesNo);
tagpage1.Show() ; this.Dispose(); }
void DataGridView3CellContentClick(object sender, DataGridViewCellEventA
rgs e)
new MySqlConnection("server=localhost;uid=root;password=;database=db _padi;");
MySqlConnection koneksi2 =
new MySqlConnection("server=localhost;uid=root;password=;database=db _padi;");
MySqlConnection koneksi3 =
(nama varchar(50), leaving_flow double, entering_flow double, net_flow double);";
using System.Data; using MySql.Data;
namespace padi {
/// <summary>
/// Description of Form_prometheehibrida.
/// </summary>
public partial class Form_prometheehibrida : Form
{
MySqlCommand perintah;
MySqlConnection koneksi =
new MySqlConnection("server=localhost;uid=root;password=;database=db _padi;");
MySqlConnection koneksi2 =
new MySqlConnection("server=localhost;uid=root;password=;database=db _padi;");
MySqlConnection koneksi3 =
perintah = new MySqlCommand(); (nama varchar(50), leaving_flow double, entering_flow double, net_flow double);";
waktuawal= DateTime.Now;
MySqlCommand kueri = new MySqlCommand();
kueri.Connection = koneksi;
string qw= "SELECT * FROM padihibrida";
kueri.CommandText = qw;
koneksi.Open();
MySqlDataReader dr;
dr = kueri.ExecuteReader();
while(dr.Read()) {
add_Table(dr["nama"].ToString()); }
koneksi.Close(); fill_preferensi(); fill_entering_flow(); fill_tabel_kesimpulan(); fill_dt();
waktuakhir=DateTime.Now;
selisihwaktu=waktuakhir.Subtract(waktuawal);
MessageBox.Show("Lama Proses
"+selisihwaktu.TotalMilliseconds.ToString()+" MilliSeconds","Berhasil"); }catch(Exception){
MessageBox.Show("Ada Error!");
} }
void Form_prometheehibridaLoad(object sender, EventArgs e) {
CURRICULUM VITAE
Nama : Fatma Sari Hutagalung
Alamat Sekarang : Perumahan Srigunting Blok 1A No.21 Alamat Orang Tua : Perumahan Srigunting Blok 1A No.21
Telp/HP : 082272165757
Email : fatmahutagalung17@gmail.com
Riwayat Pendidikan
2011-2015 : S1 Ilmu Komputer Universitas Sumatera Utara, Medan 2008-2011 : SMA Negeri 15 Medan
2005-2008 : SMP Negeri 9 Medan
DAFTAR PUSTAKA
Andoko, A. 2010. Budidaya Padi Secara Organik. Penebar Swadaya . Jakarta.
Ariansyah , sigit . Aknuranda , Ismiarta . Rachmadi , Aditya. Sistem Pendukung Keputusan Evaluasi Kinerja Penyidik Anggota Polri dengan menggugunakan Metode Promethee. (Studi Kasus: Direktorat Reserse Kriminal Umun Polda Jatim Surabaya) . Jurnal. Universitas Brawijaya. Malang . pp : 2-4 .
Amrizal, Yusuf. Akmal. & Catur Hermanto. 2013 . Pendekatan Pengolahan Tanaman Terpadu Pada Pendampingan Sektor Pembenihan. Balai
Teknologi Pertanian Sumatera Utara. Medan.
Islami, Dini . 2014 . Analisis Kelayakan Kredit Kepemilikan Rumah Dengan Metode Profile Matching dan Promethee (Studi kasus : CV. Karya Bersama ) . Skripsi . Universitas Sumatera Utara .
Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. CV.Andi: Yogyakarta.
Kusumadewi, Sri . 2006 . Fuzzy Multi-Attribute Decision Making (Fuzzy MADM). Graha Ilmu,Yogyakarta.
Lumbantoruan, H.C. 2014. Sistem Pendukung Keputusan Menentukan Biji
Kopi Berkualitas Ekspor Dengan Metode Simple Additive Weight (SAW). (Studi Kasus : PT. Volkopi Indonesia Lintongnihuta Humbang Hasudutan) ISSN : 2301-9425. Jurnal . STMIK Budi Dharma, Medan . pp : 64 .
Novaliendry, Dony . 2009 . Aplikasi Penggunaan Metode Promethee dalam Sistem Pendukung Keputusan untuk Penentuan Media Promosi. Jurnal Ilmiah. Universitas Negeri Padang . pp : 105-107 .
Pradita, Ranida. Hidayat, Nurul. 2013. Sistem Pendukung Keputusan Pemilihan Guru Berprestasi Menggunakan Metode Promethee. Jurnal Sains dan Seni Pomits Vol2, No.1 . Institut Teknologi Sepuluh November Surabaya . pp : 2-3.
(SAW) di Universitas Panca Marga Probolinggo. Jurnal . Sistem
Informasi. Sekolah Tinggi Manajemen Informatika & Teknik Komputer Surabaya. pp: 5.
Sinaga, Teti . 2014. Sistem Pendukung Keputusan Untuk Menentukan Peminjaman dan Besar Peminjaman Dana PNMP Mandiri dengan Kombinasi Metode Multivactor Evaluation Process (MEV) dan Weighted Product (WP) . (Studi Kasus : Desa Hutagalung, Kec : Harian, Kabupaten : Samosir ) . Skripsi . Universitas Sumatera Utara . Usito , N . J. 2013. Sistem Pendukung Keputusan Penilaian Proses Belajar
BAB 3
ANALISIS DAN PERANCANGAN
3.1 Analisis Sistem
Suatu sistem yang utuh diuraikan kedalam bagian-bagian komponennya dengan maksud untuk mengidentifikasi dan mengevaluasi permasalahan-permasalahan, kesempatan dan kebutuhan disebut sebagai analisis sistem. Analisis sistem pada dasarnya merupakan tahapan yang dilakukan untuk menghasilkan pemahaman yang menyeluruh terhadap kebutuhan sistem. Analisis sistem meliputi tiga tahapan yaitu analisis masalah, analisis kebutuhan dan analisis proses.
3.1.1 Analisis Masalah
Masalah yang akan dibahas dalam penelitian ini adalah bagaimana mendapatkan hasil padi yang berkualiats yang sesuai dengan kriteria yang telah ditentukan dengan membandingkan algoritma Simpe Additive Weighting (SAW) dan PROMETHEE. Salah satu cara menganalisis masalah dalam suatu penelitian adalah dengan menggunakan diagram Ishikawa.
Gambar 3.1 Diagram Ishikawa
Dalam diagram ishikawa pada gambar 3.1 menjelaskan bahwa masalah yang terjadi adalah bingungnya petani dalam memilih jenis varietas padi yang akan mereka tanam, karena banyaknya jenis varietas baru yang muncul setiap tahunnya, tidak jarang varetas padi yang petani tanam menghasilkan padi yang berkualitas buruk. Sulit untuk menemukan system yang membantu dalam pemilihan kualiatas padi. System dibuat untuk membatu petani dalam memilih jenis padi mana yang akan mereka tanam dengan menggunakan metode Simpe Additive Weighting (SAW) dan PROMETHEE.
3.1.2 Analisis kebutuhan sistem
Dalam membagun sistem perlu melewati tahapan analisis kebutuhan sistem. Analisis kebutuhan sistem dibagi menjadi 2 bagian yaitu kebutuhan fungsional dan kebutuhan non fungsional.
Merupakan persyaratan yang harus dimiliki sistem pendukung keputusan pemilihan kualitas padi yaitu:
a. Menerapkan algoritma Simple Additive Weighting (SAW) dalam pemilihan kualitas padi
b. Menerapkan algoritma PROMETHEE dalam pemilihan kualitas padi
c. Sistem dapat menampilkan hasil rangking dari masing-masing jenis padi, dan menampilkan kualitas padi super, premium, medium dan rendah.
d. Sistem dapat memasukan data jenis varietas padi yang baru dengan memasukan kriteria-kriteria padi yang telah ditentukan.
e. Menggunakan parameter running time (waktu akses dalam millisecond)
2. Kebutuhan non fungsional
Kebutuhan non fungsional merupakan deskripsi dari aktivitas dan layanan yang sistem harus berikan. Hal yang menjadi kebutuhan fungsional ialah input, outputs, processes, yaitu antara lain :
1. Sistem harus mampu memberikan solusi terhadap sistem pendukung keputusan pemilihan kualitas padi (padi sawah dan padi hibrida) dengan
mengimplementasikan algoritma Simple Additive Weighting (SAW).
2. Sistem harus mampu memberikan solusi terhadap sistem pendukung keputusan pemilihan kualitas padi (padi sawah dan padi hibrida) dengan
mengimplementasikan algoritma PROMETHEE.
3. Menggunakan parameter running time (waktu akses dalam millisecond) untuk mengukur kerja algoritma.
3.1.3 Analisis Proses
Untuk menentukan keputusan metode Metode Simple Additive Weighting (SAW) akan dibandingkan dengan metode PROMETHEE. Dimana menggunakan data berupa kriteria yang mempunyai prioritas berbeda. Kedua metode akan menggunakan data yang sama, untuk metode SAW yang pertama kali dilakukan adalah menentukan bobot dari masing-masing kriteria, setelah itu dilakukan proses normalisasi matriks dan faktor ternormalisasi, maka akan didapatkan hasil akhir. Sedangkan metode PROMETHEE yang dilakukan pertama menentukan beberapa alternatif dengan beberapa kriteria, setelah menentukan tipe apakah minimum atau maksimum maka akan didapat nilai prefrensinya. Setelah itu akan diberi nilai threshold dan didaptkan hasil akhir. Nantinya sistem menggunakan bahasa pemograman C# dan MySQL sebagai sistem manajemen data, parameter yang dibandingkan adalah running time dan tingkat keberhasilan dalam memilih kualitas padi.
3.1.4 Analisis Kriteria
Setelah mendapatkan data dari Balai Penyuluhan Pertanian (BPP) Medan krio, dan melakukan wawancara kepada PPL yang bertugas disana makan didapat kritera-kriteria yang berpengaruh terhadap proses pertumbuhan padi yang baik yaitu umur tanaman, tinggi tanaman, kerontokan, rata-rata hasil, dan potensi hasil. Kriteria umur tanaman, tinggi tanaman dan kerontokan dianggap sebagai kriteria yang paling mempengaruhi. Kriteria ini kemudian dikelompokan kedalam rentang bobot 0,1 sampai 1 dapat dilihat pada tabel 3.1 – tabel 3.6
Tabel 3.1. Tabel Bobot masing-masing kriteria
Rata-rata Hasil (C4) 0,15 Potensi Hasil (C5) 0,15
1. Standar penilaian untuk umur tanaman
Tabel 3.2. Tabel Standar penialian umur tanaman
Parameter Bilangan Fuzy Nilai 90 - 100 hari Rendah 0,2 101 - 111 hari Sedang 0,4 112 - 122 hari Tengah 0,6 123 - 133 hari Tinggi 0,8 134 - 144 hari Sangat Tinggi 1
2. Standar penilaian untuk tinggi tanaman
Tabel 3.3. Tabel Standar penilaian tinggi tanaman
Parameter Bilangan Fuzzy Nilai
70 - 80 cm Rendah 0,2
81 - 91 cm Sedang 0,4
92 - 102 cm Tengan 0,6
103 - 113 cm Tinggi 0,8 114 - 124 cm Sangat Tinggi 1
3. Standar penilain untuk kerontokan
Tabel 3.4. Tabel Standar penilaian kerontokan
Parameter Bilangan fuzzy Nilai Mudah Rontok Rendah 0,25
Sedang Sedang 0,50
Agak Tahan Tinggi 0,75
4. Standar penilain rata-rata hasil
Tabel 3.5. Tabel Standar penilaian rata-rata hasil
Parameter Bilangan Fuzzy Nilai 4,5 - 5,5 Kurang 0,25 5,6 - 6,6 Sedang 0,50
6,7 - 7,7 Baik 0,75
7,8 - 8,8 Sangan Baik 1
5. Standar penilaian potensi hasil
Table 3.6. Tabel penilaian Standar Potensi Hasil
Parameter Bilangan Fuzzy Nilai 5,0 - 6,0 Sangat Rendah 0
6,1 - 7,1 Rendah 0,2
7,2 - 8,2 Sedang 0,4
8,3 - 9,3 Rendah 0,6
9,4 - 10,4 Tengah 0,8
10,5 - 11,5 Tinggi 1
3.1.4.1 Perhitungan Menggunakan Simple Additive Weinghting (SAW)
Seperti dijelaskan di awal bahwa penentuan kualitas padi dipengaruhi oleh beberapa kriteria dengan bobot yang berbeda. Untuk menghitung kualitas padi menggunakan metode SAW yang pertama dilakukan adalah menentukan bobot nilai dari suatu alternatif dengan kriteria yang telah dijelaskan sebelumnya, nilai maksimal dari pembobotan adalah ‘1’.
Perhitungan Varietas Padi Sawah
Alternatif yang digunakan dalam penelitian :
Tinggi : 70-80 cm Kerontokan : mudah Rata-rata hasil : 4,5 t/ha Potensi hasil : 5,8 t/ha 2. Silugonggo : Umur tanaman : 85-90 hari
Tinggi : 80-85 cm Kerontokan : sedang Rata-rata hasil : 4,5 t/ha Potensi hasil : 5,5 t/ha
3. Cibodas : Umur tanaman : 117-126 hari Tinggi : 105-115 cm
Kerontokan : sedang Rata-rata hasil : 6,0 t/ha Potensi hasil : 7,0 t/ha
4. Digal : Umur tanaman : 115-125 hari Tinggi : 95-100 cm
Kerontokan : sedang Rata-rata hasil : 5,0 t/ha Potensi hasil : 7,0 t/ha 5. Cimalaya : Umur tanaman : 126-130 hari
Tinggi : 90-105 cm Kerontokan : agak tahan Rata-rata hasil : 6,0 t/ha Potensi hasil : 7,0 t/ha 6. Tuket petuna : Umur tanaman : 115-125 hari
Potensi hasil : 7,0 t/ha 7. Sunggal : Umur tanaman : 115-125 hari
Tinggi : 99-110 cm Kerontokan : sedang Rata-rata hasil : 5,0 t/ha Potensi hasil : 8,0 t/ha 8. Batang gadis : Umur tanaman : 108-112 hari
Tinggi : 110-120 cm Kerontokan : sedang Rata-rata hasil : 6,0 t/ha Potensi hasil : 7,5 t/ha 9. Angke : Umur tanaman : 110-120 hari
Tinggi : 87-93 cm Kerontokan : tahan Rata-rata hasil : 6,0 t/ha Potensi hasil : 7,5 t/ha 10.Cisadane : Umur tanaman : 135-140 hari
Tinggi : 105-120 cm Kerontokan : sedang Rata-rata hasil : 5,0 t/ha Potensi hasil : 7,0 t/ha
Tabel 3.7. Tabel Proses pembobotan
Varietas
Kriteria
C1 C2 C3 C4 C5
Ir 36 0.6 0.2 0.25 0.25 0.2
Silugonggo 0.2 0.4 0.5 0.25 0.2
Cibodas 0.8 1 0.5 0.5 0.4
Digal 0.8 0.6 0.5 0.25 0.4
Cimalaya Muncul 0.8 0.8 0.75 0.5 0.4
Cuket petuna 0.8 1 0.25 0.25 0.4
Sunggal 0.8 0.8 0.5 0.25 0.6
Batang Gadis 0.6 1 0.5 0.5 0.4
Angke 0.6 1 1 0.5 0.4
Cisadane 0.6 1 0.5 0.25 0.4
Setelah dilakukan pembobotan, ubah bobot kedalam bentuk matriks seperti pada tabel 3.
Tabel 3.8. Tabel Perubahan dalam bentuk matriks
0.6 0.2 0.25 0.25 0.2
0.2 0.4 0.5 0.25 0.2
0.8 1 0.5 0.5 0.4
0.8 0.6 0.5 0.25 0.4
0.8 0.8 0.75 0.5 0.4
0.8 1 0.25 0.25 0.4
0.8 0.8 0.5 0.25 0.6
0.6 1 0.5 0.5 0.4
0.6 1 1 0.5 0.4
0.6 1 0.5 0.25 0.4
Kriteria benefitnya adalah C1, C2, dan C4 dan C5. Untuk normalisasi nilai digunakan
Dari kolom C1, Nilai maksimalnya adalah 0,8, maka setiap baris dari kolom C1 dibagi oleh nilai maksimal C1
R11 = ,
max .
=
,
. = 0,75
R12 = 0,2/0,8 = 0,25
R13 = 0,8/0,8 = 1
R14 = 0,8/0,8 = 1
R15 = 0,8/0,8 = 1
R16 = 0,8/0,8 = 1
R17 = 0,8/0,8 = 1
R18= 0,6/0,8 = 0,75
R19 = 0,6/0,8 = 0,75
R110 = 0,6/0,8 = 0,75
Dari kolom C2, nilai maksimalnya adalah 1, maka setiap baris kolom C2 dibagi oleh nilai maksimal C2
R21 = ,
max
=
,
= 0,2 R22 = 0,4/1 = 0,4
R23 = 1/1 = 1
R24 = 0,6/1 = 0,6
R25 = 0,8/1 = 0,8
R26 = 1/1 = 1
R27 = 0,8/1 = 0,8
R28= 1/1 = 1
R29 = 1/1 = 1
R210 = 1/1 = 1
Kriteria costnya yaitu C3, untuk normalisasi nilai digunakan
Dari kolom C3, nilai minimalnya adalah 0,25, maka setiap baris kolom C3 dibagi oleh nilai minimal C3
R31 = ,
max ,
=
,
, = 1
R32 = 0,50/0,25 = 2
R33 = 0,50/0,25 = 2
R34 = 0,50/0,25 = 2
R35 = 0,75/0,25 = 3
R36 = 0,25/0,25 = 1
R37 = 0,50/0,25 = 2
R38= 0,50/0,25 = 2
R39 = 0,50/0,25 = 2
R310 = 0,50/0,25 = 2
Dari kolom C4, nilai maksimalnya adalah 0,50 maka setiap baris kolom C4 dibagi oleh nilai minimal C4
R41 = ,
max ,
=
,
, = 0,5
R42 = 0,25/0,50 = 0,5
R43 = 0,50/0,50 = 1
R44 = 0,25/0,50 = 0,5
R45 = 0,50/0,50 = 1
R46 = 0,25/0,50 = 0,5
R47 = 0,25/0,50 = 0,5
R48= 0,50 / 0,50 = 1
R49 = 0,50 / 0,50 = 1
R410 = 0,50 / 0,50 = 1
R51 = ,
max ,
=
,
, = 0,33
R52 = 0,2 / 0,6 = 0,33
R53 = 0,4 / 0,6 = 0,66
R54 = 0,4 / 0,6 = 0,66
R55 = 0,4 / 0,6 = 0,66
R56 = 0,4 / 0,6 = 0,66
R57 = 0,6 / 0,6 = 1
R58= 0,4 / 0,6 = 0,66
R59 = 0,4 / 0,6 = 0,66
R510 = 0,4 / 0,6 = 0,66
Setelah proses perhitungan selesai, masukan perhitungan kedalam tabel normalisasi, dapat dilihat pada tabel 3.9
Tabel 3.9. Tabel Normalisasi Matriks
0,75 0,2 1 0,5 0,33
0,25 0,4 2 0,5 0,33
1 1 2 1 0,66
1 0,6 2 0,5 0,66
1 0,8 3 1 0,66
1 1 1 0,5 0,66
1 0,8 2 0,5 1
0,75 1 2 1 0,66
0,75 1 2 1 0,66
0,75 1 2 1 0,66
Setelah didapat tabel normalisasi, maka dihitung dengan mengalikan setiap kolom ditabel dengan bobot kriteria yang telah dideklarasi sebelumnya
A1 = ( 0,3 * 0,75) + ( 0,15 * 0,2 ) + ( 0,15 * 1 ) + ( 0,2 * 0,5 ) + ( 0,2 * 0,33 ) = 0.841
A2 = ( 0,3 * 0,25 ) + ( 0,15 * 0,4 ) + ( 0,15 *0,2 ) + ( 0,2 * 0,5 ) + ( 0,2 * 0,33 ) = 0,751
A3 = ( 0,3 * 1 ) + ( 0,15 * 1) + ( 0,15 * 2 ) + ( 0,2 * 1 ) + ( 0,2 * 0,66 ) = 1,082
A4 = ( 0,3 * 1 ) + ( 0,15 * 0,6 ) + ( 0,15 *0,2 ) + ( 0,2 * 0,5 ) + ( 0,2 * 0,66 ) = 0,852
A5 = ( 0,3 * 1 ) + ( 0,15 * 0,8 ) + ( 0,15 * 0,3 ) + ( 0,2 * 1 ) + ( 0,2 * 0,66 ) = 1,202
A6 = ( 0,3 * 1 ) + ( 0,15* 1 ) + ( 0,15 * 1 ) + ( 0,2 * 0,5) + ( 0,2 * 0,66 ) = 0,823
A7 = ( 0,3 * 1 ) + ( 0,15 * 0,8 ) + ( 0,15 * 2 ) + ( 0,2 * 0,5 ) + ( 0,2 * 1 ) = 1,02
A8 = ( 0,3 * 0,75 ) + ( 0,15 * 1 ) + ( 0,15 * 2 ) + ( 0,2 * 1 ) + ( 0,2 * 0,66 ) = 1,007
A9 = ( 0,3 * 0,75 ) + ( 0,15 * 1 ) + ( 0,15* 4) + ( 0,2 * 1 ) + ( 0,2 * 0,66 ) = 1,307
A10 = ( 0,3 * 0,75 ) + ( 0,15 * 1) + ( 0,15 * 2 ) + ( 0,2 * 0,5 ) + ( 0,2 * 0,66 ) = 0,907
Dari hasil perhitungan maka alternatif yang memiliki nilai tertinggi dan bisa dipilih adalah alternatif A9 dengan nilai 1,307, A5 dengan nilai 1,202, A3 dengan nilai 1,082 dan A2 adalah alternatif yang paling rendah dengan nilai 0,751
Perhitungan Varietas padi Hibrida
Alternatif yang digunakan dalam penilitian :
1. Maro : Umur tanaman : 114-120 hari Tinggi : 105-110 cm
Rata-rata hasil : 6,4 t/ha Potensi hasil : 9,5 t/ha
2. Rokan: Umur tanaman : 110-116 hari Tinggi : 108-115 cm
Kerontokan : sedang Rata-rata hasil : 6,0 t/ha
Potensi hasil : 9,0 t/ha 3. Hipa 3 : Umur tanaman : 114-120 hari
Tinggi : 105-110 cm Kerontokan : sedang Rata-rata hasil : 6,4 t/ha Potensi hasil : 9,5 t/ha
4. Hipa 4 : Umur tanaman : 116-120 hari Tinggi : 96-105 cm
Kerontokan : mudah Rata-rata hasil : 8,0 t/ha Potensi hasil : 11,0 t/ha 5. Hipa 5 ceva : Umur tanaman : 114-129 hari
Tinggi : 94-121 cm Kerontokan : mudah Rata-rata hasil : 7,3 t/ha Potensi hasil : 8,4 t/ha
6. Hipa 6 jate : Umur tanaman : 101-128 hari Tinggi : 90-120 cm
Tinggi : 110 cm Kerontokan : sedang
Rata-rata hasil : 7,6 t/ha Potensi hasil : 11,4 t/ha 8. Hipa 8 : Umur tanaman : 115 hari
Tinggi : 120 cm Kerontokan : sedang Rata-rata hasil : 7,5 t/ha Potensi hasil : 10,4 t/ha
Tabel 3.10. Tabel Proses Pembobotan
Varietas kriteria
Maro 0.6 0.7 0.5 0.6 0.9
Rokan 0.2 0.9 0.5 0.5 0.8
Hipa 3 0.8 0.5 0.3 0.9 1
Hipa 4 0.6 0.3 0.3 0.9 0.9
Hipa 5 Ceva 0.3 0.9 0.3 0.8 0.7
Hipa 6 Jate 0.3 0.9 1 0.8 1
Hipa 7 0.6 0.6 0.5 0.9 1
Hipa 8 0.6 1 0.5 0.8 1
Tabel 3.11. Tabel Perubahan bobot dalam bentuk matriks
0.6 0.7 0.5 0.6 0.9
0.2 0.9 0.5 0.5 0.8
0.8 0.5 0.3 0.9 1
0.6 0.3 0.3 0.9 0.9
0.3 0.9 0.3 0.8 0.7
0.6 0.6 0.5 0.9 1
0.6 1 0.5 0.8 1
Seperti yang sudah dibahas sebelumnya jika kriteria benefitnya C1, C2, C4 dan C5 maka digunakan Rii = ( Xij / max{Xij})
Dari kolom C1 nilai maksimalnya adalah ‘0,8’, maka tiap baris dari kolom C1 dibagi oleh nilai maksimal kolom C1
R11 = ,
��� ,
=
,
,
= ,7
R12 = 0,6 / 0,8 = 0,75
R13 = 0,6 / 0,8 = 0,75
R14 = 0,6 / 0,8 = 0,75
R15 = 0,8/0,8 = 1
R16 = 0,8/0,8 = 1
R17 = = 0,6 / 0,8 = 0,75
R18 = = 0,6 / 0,8 = 0,75
Dari kolom C2 nilai maksimalnya adalah ‘1’, maka tiap baris dari kolom C2 dibagi oleh nilai maksimal C2
R21
=
���
= =
1R22 1/1 = 1
R23 = 0,8/1 = 0,8
R24 = 0,3 / 1 = 0,3
R25 = 0,6 / 1 = 0,6
R26 = 1/1 = 1
R27 = 0,8 / 1 = 0,8
R28 = 1 / 1 = 1
Dari kolom C3 nilai minimalnya adalah ‘0,25’, maka tiap baris dari kolom C3 dibagi
R54 = 0,8/1 = 0,8
R55 = 0,6 / 1 = 0,6
R56 = 1/1 = 1
R57 = 1/1 = 1
R58 = 0,8/1 = 0,8
Setelah semuan perhitungan selesai masukan semua perhitungan kedalam tabel, yang kali ini disebut dengan tabel ternnormalisasi, dapat dilihat pada tabel 3.12
Tabel 3.12. Tabel Normalisasi matriks
0,75 1 2 0,50 0,8
0,75 1 2 0,50 0,6
0,75 0,8 1 1 1
0,75 0,3 2 1 0,8
1 0,6 2 0,75 0,6
1 1 4 0,75 1
0,75 0,8 2 0,75 1
0,75 1 2 0,75 0,8
Setelah mendapatkan tabel selanjutnya kaliakan setiap kolom ditabel dengan bobot kriteria yang telah dideklarasi sebelumnya
A1 = ( 0,3* 0,75 ) + ( 0,15 * 1 ) + (0,15 * 2 ) + ( 0,2 * 0,50 ) + ( 0,2 * 0,8 )
= 0,935
A2 = ( 0,3 * 00,75 ) + ( 0,15 * 1) + ( 0,15 * 2) + ( 0,2 * 0,50 ) + (0,2 * 0,6)
= 0.86125
A3 = ( 0,3 * 0,75 ) + ( 0,15 * 0,8 ) + ( 0,15 * 0,1 ) + ( 0,2 * 1 ) + ( 0,2 * 1)
= 0,895
A4 = ( 0,3 * 0,75 ) + ( 0,15 * 0,3 ) + ( 0,15 * 2 ) + ( 0,2 * 1 ) + ( 0,2 * 0,8)
A5 = ( 0,3 * 0,1 ) + ( 0,15 * 0,6 ) + ( 0,15 * 2 ) + (0,2 * 0,75 ) + ( 0,15 * 0,6 )
= 1,02
A6 = ( 0,3 * 0,75 ) + ( 0,15* 1) + ( 0,15 * 4 ) + ( 0,2 * 0,75 ) + ( 0,2 * 1)
= 1,325
A7 = ( 0,3 * 0,75 ) + ( 0,15 * 0,8 ) + ( 0,15 * 2 ) + ( 0,2 * 0,75 ) + ( 0,2 * 1)
= 0,995
A8 = (0,3 * 0,75 ) + ( 0,15 * 1 ) + ( 0,15 * 2 ) + ( 0,2* 0,75 ) + ( 0,2 * 0, 8 )
= 0,985
Dari hasil peritungan maka alternatif yang memiliki nilai tertinggi adalah alternatif A6 dengan nilai 1,325 dan A5 dengan nilai 1,02, sedangkan nilai terendah adalah
alternatif A3 dengan nilai 0,895
3.1.4.2 Perhitungan Menggunakan Metode PROMETHEE
Data yang digunakan adalah sama dengan data yang digunakan dalam perhitungan Simple Additive Weighting (SAW)
Langkah-langkah pendukung keputusan untuk memilih kualitas padi menggunakan algoritma PROMETHEE adalah sebagai berikut:
1. Membagi setiap kriteria menjadi sub kriteria 2. Menentukan dominasi kriteria
3. Menentukan tipe preferensi untuk setiap kriteria, pada kasus ini memakai tipe Usual
4. Hitung Nilai H(d) berdasarkan terhadap tipe pilihan.
5. Pada penelitian ini dibuat pemisalan alternatif sehingga perhitungan lebih efisien . Keterangan:
E= Cimalaya F= Cuked Petuna G= Sunggal H= Batang gadis I= Angke
J= Cisadane
6. Hitung nilai Leaving Flow 7. Hitung nilai Entering Flow 8. Hitung nilai Net Flow
Net Flow = Leaving Flow – Entering Flow
Penyelesain dengan menggunakan metode PROMETHEE Perhitungan padi sawah
Tabel 3.13. Tabel Data
altrnatif c1 c2 c3 c4 c5
ir 36 0.6 0.2 0.25 0.25 0.2
sigolunngo 0.2 0.4 0.5 0.25 0.2
cibodas 0.8 1 0.5 0.5 0.4
digul 0.8 0.6 0.5 0.25 0.4
cimalaya 0.8 0.8 0.75 0.5 0.4 cuked petuna 0.8 1 0.25 0.25 0.4 sunggal 0.8 0.8 0.25 0.25 0.6 batang gadis 0.6 1 0.5 0.5 0.4
Angke 0.6 1 0.5 0.5 0.4
cisadane 0.6 1 0.25 0.25 0.4
Tabel 3.14. Tabel PROMETHEE tahap 1
kriteria a b c d e f g h i j tipe
tinggi tanaman 0.2 0.4 1 0.6 0.8 1 0.8 1 1 1 usual kerontokan 0.25 0.5 0.5 0.5 0.75 0.25 0.5 0.5 1 1 usual rata2 hasil 0.25 0.3 0.5 0.25 0.5 0.25 0.25 0.5 0.5 0 usual potensi hasil 0.2 0.2 0.4 0.4 0.4 0.4 0.6 0.4 0.4 0 usual
Terlebih dahulu perhitunganya melalui beberapa tahap. Perhitungannya dibuat menggunakan excel. Dalam perhitungan PROMETHEE ini, diggunakan 1 preferensi yaitu kriteria biasa (criterian usual). Adapun rumus yang digunakan adalah sebagai berikut:
� {
� ≤
� >
………(4)
Keterangan:
H(d) = selisih kriteria antara alternatif
d = selisih nilai kriteria { d = f(a) - f(b) }
Untuk menentukan kriteria yang bernilai 0 atau 1, dapat digunakan rumus excel sebagai berikut:
=IF(C15<=0,"0","1") (3.7)
Hasil dari setiap sel kriteria yang sudah menggunakan rumus 4, maka dilakukan perhitungan dengan rumus sebagai berikut :
(d (x1,y1) + d(x2,y2) + ... d((xn,yn)) ……….(5)
Keterangan :
n = banyak nya alternatif
d (x1,y1) = hasil kriteria usual yang sudah bernilai 0 atau 1. Σ = Jumlah nilai d (x1,y1)
Tabel 3.15. Tabel Nilai H(d) dari alternatif A
Hasil selisih kriteria pada alternatif B dapat dilihat pada tabel 3.16
Tabel 3.16. Tabel Nilai H(d) dari alternatif B
Hasil selisih kriteria pada alternatif C dapat dilihat pada tabel 3.17
Tabel 3.17. Tabel Nilai H(d) dari alternatif C
Hasil selisih kriteria pada alternatif D dapat dilihat pada tabel 3.18
Tabel 3.18. Tabel Nilai H(d) dari alternatif D
Tahap 4 D DA B DB C DC E DE F DF G DG H DH I DI J DJ
Hasil selisih kriteria pada alternatif E dapat dilihat pada tabel 3.19
Tabel 3.19. Tabel Nilai H(d) dari alternatif E
tinggi
Hasil selisih kriteria pada alternatif F dapat dilihat pada tabel 3.2
Tabel 3.20. Tabel Nilai H(d) dari alternatif F
Tahap 6 F FA B FB C FC D FD E FE G FG H FH I FI J FJ
Hasil selisih kriteria pada alternatif G dapat dilihat pada tabel 3.21
Tabel 3.21. Tabel Nilai H(d) dari alternatif G
kerontokan 0.25 1 0 0 0 0 0 0
Hasil selisih kriteria pada alternatif H dapat dilihat pada tabel 3.22
Tabel 3.22. Tabel Nilai H(d) dari alternatif H
Tahap 8 H HA B HB C HC D HD E HE F HF G HG I HI J HJ
Hasil selisih kriteria pada alternatif I dapat dilihat pada tabel 3.23
Tabel 3.23. Tabel Nilai H(d) dari alternatif I
Hasil selisih kriteria pada alternatif I dapat dilihat pada tabel 3.24.
Tabel 3.24. Tabel Nilai H(d) dari alternatif J
J JA B JB C JC D JD E JE F JF G JG H JH I JI
PROMETHEE A B C D E F G H I J
Tahap 2
A 0 0.2 0 0 0 0 0.2 0 0 0
B 0.4 0 0 0 0 0.2 0.4 0 0 0
C 1 0.8 0 0.4 0.2 0.4 0.8 0.2 0.2 0.4
D 0.8 0.6 0 0 0 0.2 0.6 0.2 0.2 0.2
E 1 1 0.2 0.6 0 0.4 0.8 0.2 0.2 0.6
F 1 0.6 0 0.2 0.2 0 0.2 0.2 0.2 0.2
G 0.8 0.6 0.2 0.4 0.2 0.4 0 0.4 0.2 0.2
H 0.8 0.6 0 0.4 0.2 0.4 0.4 0 0.2 0.4
I 0.8 1 0.2 0 0.4 0.4 0.6 0.2 0 0.4
J 0.6 0.6 0 0.2 0.2 0.2 0.2 0 0 0
2. Menghitung Nilai Leaving Flow
Untuk menghitung nilai Leaving Flow, digunakan rumus sebagai berikut :
∅ − � = − ∑ ∈ � ∅ �, ……….(6)
Keterangan :
∅ � = leaving flow n= banyak alternatif
∅ �, = menunjukan preferensi bahwa alternatif a lebih baik dari alternatif x Contoh :
A =
− (0,2+0+0+0+0,2+0+0+0)
=
. =
0.044444444Tabel 3.26. Hasil Nilai Leaving Flow
LEAVING
FLOW
0.044444444
0.111111111
0.488888889
0.311111111
0.555555556
0.311111111
0.377777778
0.377777778
0.444444444
0.222222222
3. Menghitung Nilai Entering Flow
Untuk menghitung nilai Entering Flow, digunakan rumus sebagai berikut :
∅ − � = − ∑ ∈ � ∅ �, ………(7)
Keterangan :
∅ � = Entering flow n= banyak alternatif
∅ �, = menunjukan preferensi bahwa alternatif a lebih baik dari alternatif x Contoh :
A =
− (0+0.4+1+0.8+1+1++0.8+0.8+0.8+0.8+0.6)
= 0.8
Tabel 3.27. Tabel hasil nilai Entering Flow
ENTERING 0.8 0.667 0.06667 0.24 0.16 0.289 0.4667 0.156 0.1333 0.26667
Hitung Nilai Net Flow
Untuk menghitung nilai Net Flow, digunakan rumus sebagai berikut :
∅ − � ∅ � = ∅+ � − ∅− � ………(8)
Keterangan :
∅+ � = Leaving Flow
∅− � = Entering Flow
Contoh:
A = 0.044444444 - 0.8 = - 0.755556
Tabel 3.28. Hasil Nilai Net Flow
NET
FLOW
-0.755556 -0.555556 0.4222222 0.0666667 0.4 0.0222222 -0.088889 0.2222222 0.3111111 -0.044444
Hasil Akhir Ranking PROMETHEE
Tabel 3.29 Hasil Rangking
Alternatif Nilai Rangking
ir 36 -0.755556 7
sigolunngo -0.555556 8
cibodas 0.4222222 1
digul 0.0666667 5
cimalaya 0.4 2
cuked petuna 0.0222222 6
sunggal -0.088889 10
batang gadis 0.2222222 4
angke 0.3111111 3
cisadane -0.044444 9
Perhitungan padi hibrida
Tabel 3.30 Data padi hibrida
Varietas
Kriteria
C1 C2 C3 C4 C5
Maro 0,5 0,7 0,5 0,6 0,9
Rokan 0,6 0,9 0,5 0,5 0,8
Hipa 3 0,5 0,5 0,3 0,9 1
Hipa 4 0,6 0,3 0,3 0,9 0,9
Hipa 5 Ceva 0,3 0,9 0,3 0,8 0,7 Hipa 6 Jate 0,3 0,9 1 0,8 1
Hipa 7 0,6 0,6 0,5 0,9 1
Hipa 8 0,6 1 0,5 0,8 1
Tabel 3.31 PROMETHEE tahap 1
kriteria A B C D E F G H tipe
tinggi tanaman 1 1 0.8 0.6 1 1 0.8 1 usual kerontokan 0.5 0.5 0.25 0.5 0.5 1 0.5 0.5 usual rata2 hasil 0.5 0.5 1 1 0.75 0.75 0.75 0.8 usual potensi hasil 0.8 0.6 1 0.8 1 1 1 0.8 usual
Tabel 3.32 Nilai H(d) dari alternatif A
Tahap 1 A AB C AC D AD E AE F AF G AG H AH
Tabel 3.33 Nilai H(d) dari alternatif B
Tahap 2 A BA C BC D BD E BE F BF G BG H BH
Tahap 3 C CA B CB D CD E CE F CF G CG H CH
Tabel 3.35 Nilai H(d) dari alternatif D
Tahap 5 D DA B DB C DC E DE F DF G DG H DH
Tabel 3.36 Nilai H(d) dari alternatif F
potensi hasil 0.2 1 0.4 1 0 0 0.2 1 0 0 0 0 0.2 1
Σ 0.8 0.8 0.6 0.8 0.2 0.6 0.6
Tabel 3.37 Nilai H(d) dari alternatif G
Tahap 7 G GA B
Tabel 3.38 Nilai H(d) dari 105lternative H
Hasil dari semua perhitungan kriteria usual dari A sampai dengan alternatif H, maka diperoleh tabel 3.37. seperti dibawah ini.
Tabel 3.39 PROMETHEE tahap 2
PROMETHEE
Tahap 2 a b c d e f g h
a 0 0.2 0.4 0.4 0 0.2 0.2 0
b 0 0 0.4 0.2 0 0 0 0
c 0.4 0.4 0 0.4 0.2 0.2 0.2 0.4
d 0.2 0.4 0.2 0 0.2 0.2 0.2 0.2
e 0.6 0.6 0.6 0.6 0 0 0.4 0.4
f 0.8 0.8 0.6 0.8 0.2 0 0.6 0.6
g 0.4 0.4 0.2 0.4 0 0 0 0.2
h 0.2 0.4 0.4 0.2 0 0 0.2 0
2. Menghitung nilai Leaving Flow
Untuk menghitung nilai Leaving Flow, digunakan rumus sebagai berikut :
∅ − � = − ∑ ∈ � ∅ �, ……….(9)
Berdasarkan perhitungan dari Nilai Leaving Flow diatas, maka diperoleh tabel 3.38. dibawah ini :
Tabel 3.40 hasil nilai leaving flow
Leaving
0.2285714 0.2
3. Menghitung nilai Entering flow
Untuk menghitung nilai Entering Flow, digunakan rumus sebagai berikut :
∅ − � = − ∑ ∈ � ∅ �, ………(10)
Keterangan :
∅ � = Entering flow n= banyak alternatif
∅ �, = menunjukan preferensi bahwa alternatif a lebih baik dari alternatif x Berdasarkan perhitungan dari Nilai Entering Flow diatas, maka diperoleh tabel 3.39. dibawah ini.
Tabel 3.41 Hasil nilai Entering Flow
entering 0.37 0.5 0.4 0.43 0.09 0.1 0.257 0.3
Hitung Nilai Net Flow
Untuk menghitung nilai Net Flow, digunakan rumus sebagai berikut :
∅ − � ∅ � = ∅+ � − ∅− � ………(11)
Keterangan :
∅+ � = Leaving Flow
∅− � = Entering Flow
Tabel 3.42 Hasil nilai Net Flow
Net flow
0.5429 -0.0286 -0.0571
Hasil Akhir Ranking PROMETHEE
Dengan demikian hasil rangking menggunakan metode PROMETHEE dapat dilihat pada tabel 3.43
Tabel 3.43 Hasil Rangking
ALTERNATIF NILAI RANGKING
Maro -0.1714 5
Rokan -0.2857 3
hipa 3 -0.0857 6
hipa 4 -0.2 4
hipa5 ceva 0.3714 2 hipa 6 jate 0.5429 1
hipa 7 -0.0286 8
hipa 8 -0.0571 7
3.1.5 Pemodelan sistem
Pada bagian pemodelan sistem, akan dirancang bagaimana nantinya sistem diharapkan bekerja. Pemodelan ini menggunakan UML (Unified Modelling Languange) .
a. Use Case Diagram
Use case diagram digunakan untuk menggambarkan kumpulan tindakan yang
Gambar 3.2 Use case
b. Activity Diagram
Activity diagram adalah diagram yang menunjukkan alur dari kontrol atau alur
Gambar 3.4 Activity Diagram PROMETHEE
c. Sequence Diagram
Sequence Diagram ialah interaksi menggambarkan interaksi diantara actor dan
sistem dalam scenario use case. Sequence diagram untuk penelitian ini penulis membagi dalam 2 bagian , sequence diagram SAW dan sequence diagram PROMETHEE.
Gambar 3.6 Sequence Diagram PROMETHEE
d. Flowchart
Flowchart membantu menyusun gambaran aliran program sehingga lebih mudah
3.2 Perancangan Sistem
Perancangan Interface Form Home
Form utama adalah form yang pertama kali muncul ketika aplikasi dijalankan, pada form
utama terdapat beberapa menu seperti terlihat pada gambar 3.19
Gambar 3.9 Rancangan interface form Home
Keterangan :
1) Merupakan Menu editor untuk fungsi menu home
2) Merupakan Menu editor untuk fungsi melihat memasukan data baru 3) Merupakan Menu editor untuk fungsi menampilkan kriteria dan bobot 4) Merupakan menu editor untuk fungsi proses perhitungan metode 5) Merupakan Static text untuk menampilkan judul
6) Merupakan Picture box untuk menampilkan logo USU 7) Merupakan Static text untuk menampilkan nama dan nim
Form data padi berisi data-data alternatif yang digunakan dan dapat memasukan data varietas yang baru
Gambar 3.10 Rancangan form data padi
Keterangan :
1) Merupakan Sub Menu editor untuk fungsi membuka database 2) Merupakan Menu editor untuk fungsi melihat memasukan data baru 3) Merupakan Data GridView untuk menampilkan data padi
4) Merupakan Control Text untuk menginput data varietas yang baru 5) Merupakan Button untuk menyimpan data varietas yang baru 6) Merupakan Button untuk membatalkan
7) Merupakan Button untuk menampilkan data yang baru dimasukan
Gambar 3.11 Rancangan Form Kriteria
Keterangan :
1) Merupakan Button untun membuka database
2) Merupakan Data GridView untuk menampilka bobot dari setiap alternatif 3.2.4 Perancangan interface form perhitungan metode
Gambar 3.12 Rancangan Form perhitungan metode
Keterangan :
2) Merupakan Text Box untuk menampikan waktu perhitungan PROMETHEE 3) Merupakan Data GridView untuk menampilkan hasil rangking
4) Merupakan Text Box untuk menampikan hasil Super perhitungan SAW 5) Merupakan Text Box untuk menampikan hasil Premium perhitungan SAW 6) Merupakan Text Box untuk menampikan hasil Medium perhitungan SAW 7) Merupakan Text Box untuk menampikan hasil Rendah perhitungan SAW
8) Merupakan Text Box untuk menampikan hasil Super perhitungan PROMETHEE 9) Merupakan Text Box untuk menampikan hasil Premium perhitungan
PROMETHEE
10)Merupakan Text Box untuk menampikan hasil Medium perhitungan PROMETHEE
11)Merupakan Text Box untuk menampikan hasil Rendah perhitungan PROMETHEE 12) Merupakan Button untuk menampilkan hasil pada perhitungan SAW
BAB 4
IMPLEMENTASI DAN PENGUJIAN
4.1 Implementasi
Dalam tahap impelemtasi sistem dibangun menggunakan visual C# versi 4.3, terdapat lima tampilan antarmuka seperti antarmuka home, antarmuka data padi, antarmuka SPK, antarmuka About, dan antarmuka Help.
Proses implementasi sistem didalam aplikasi yang dirancang menggunaka 2 algoritma yakni :
1. Implementasi system pendukung keputusan dengan algoritma Simple Additive Weighting (SAW) untuk pemilihan kualitas padi
2. Implementasi system pendukung keputusan dengan algoritma Promethee untuk pemilihan kualitas padi
4.1.1 Form menu “Home”
Gambar 4.1 Form menu Home
4.1.2 Form menu “Data Padi”
Gambar 4.2 Form menu Data Padi Sawah
4.1.3 Form menu “SPK”
Menu menentukan kualitas padi sawah dan padi hibrida dapat dipilih pada menu SPK, pada tampilan ini akan dilakukan proses penentuan kualitas padi.terdapat sub menu padi sawah dan padi hibrida. Sub menu masing-masing berfungsi untuk menampilkan hasil perangkingan dari tiap-tiap metode, pada masing-masing sub menu juga akan ditampilkan kualitas super, premium, medium, dan rendah dari padi, dapat dilihat pada gambar 4.4 dan gambar 4.5
Gambar 4.4 Menu SPK padi sawah
4.1.4 Form menu “About”
Tampilan antarmuka about berisikan sekilas tentang penulis seperti pada gambar 4.6
Gambar 4.6 menu About
4.1.5 Form menu “Help”
Menu help menampilkan panduan tentang proses berjalannya aplikasi, baik untuk menentukan kualitas padi sawah dan padi hibrida, seperti terlihat pada gambar 4.7
Gambar 4.7 Menu Help
4.2 Proses Pengujian
padi super, premium, medium dan rendah. Lalu akan dibandingkan dari segi running time dari kedua metode tersebut.
4.2.1 Proses perangkingan kualitas padi sawah dan hibrida menggunakan metode SAW Pada gambar 4.8 terlihat hasil perangkingan padi sawah menggunakan metode SAW, tabel metode SAW merupakan hasil rangking akhir perhitungan.
Dengan kualitas Super : Angke , Premium : Cimalaya , Minimum : Cibodas, dan Rendah :
sunggal
Gambar 4.8 Hasil rangking padi sawah menggunakan metode SAW
Gambar 4.9 Hasil rangking padi hibrida menggunakan metode SAW
4.2.2 Proses perangkingan padi sawah dan padi hibrida menggunakan metode Promethee
Gambar 4.10 Perhitungan promethee padi sawah
Pada gambar 4.11 terlihat hasil perangkingan kualitas padi sawah menggukana metode promethee dengan kualitas Super : cibodas , Premium : angke , Minimum : himalaya, dan Rendah : batang gadis
Untuk perhitungan kualitas padi hibrida menggunakan metode promethee dapat dilihat pada gambar 4.12
Gambar 4.12 Perhitungan promethee padi hibrida
Gambar 4.13 Hasil rangking promethee padi hibrida
4.2.3 Perbandingan hasil pengujian kualitas padi sawah dan hibrida menggunakan metode
Simple Additive Weighting (SAW) dan promethee
Proses perhitungan yang telah dilakukan oleh sistem berdasarkan kriteria sama yang, kemudian dibandingkan kedalam dua metode, hasil perbandingan pengujian padi sawah dapat diliat pada gambar 4.14 dan perbandingan pengujian padi hibrida pada gambar 4.15
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Setelah melakukan tahap implementasi dan pengujian terhadap sistem pendukung keputusan untuk menentukan kualitas padi maka diperoleh kesimpulan sebagai berikut:
1. Sistem yang dibangun dapat membantu petani dalam memilih jenis padi mana yang akan mereka tanam.
2. Perangkingan hasil kualitas padi dilakukan berdasarkan kriteria yang tealh ditentukan. Bobot yang diberikan pada setiap ktiteria mempengaruhi hasil akhir perangkingan. Perubahan nilai bobot juga akan mempengaruhi hasil akhir.
5.2 Saran
Berikut ini adalah saran-saran dalam tahap pengembangan sistem ini:
1. Diharapkan dilakukan pengembangan pada sistem pendukung keputusan perankingan kualitas padi sawah ini, dengan membandingan dengan beberapa metode lain , sehingga akan menghasilkan data yang lebih efisien.
2. Aplikasi yang dirancang hendaknya dibuat dalam versi Mobile, Seperti pada platform Android maupun IOS.
BAB 2
LANDASAN TEORI
2.1
Padi
Tanaman padi (Oryza sativa L.) merupakan tanaman pangan penting yang telah menjadi makanan pokok lebih dari setengah penduduk dunia. Di Indonesia, padi merupakan komoditas utama dalam menyokong pangan masyarakat. Indonesia sebagai negara dengan jumlah penduduk yang besar menghadapi tantangan dalam memenuhi kebutuhan pangan penduduk. Oleh karena itu, kebijakan ketahanan pangan menjadi fokus utama dalam pembangunan pertanian. Menurut data BPS (2011), konsumsi beras pada tahun 2011 mencapai 139 kg kapita-1 tahun-1 dengan jumlah penduduk 237 juta jiwa, sehingga konsumsi beras nasional pada tahun 2011 mencapai 34 juta ton. Kebutuhan akan beras terus meningkat seiring dengan laju pertumbuhan penduduk yang lebih cepat dari pertumbuhan produksi pangan yang tersedia.
Sistem tanam padi yang biasa diterapkan petani adalah sistem tanam tegel dengan jarak 20 X 20 cm atau lebih rapat lagi. Namun, saat ini telah dikembangkan sistem penanaman yang baru yaitu sistem jajar legowo. Menurut Pahruddin (2004), jajar legowo merupakan perubahan teknologi jarak tanam padi yang dikembangkan dari sistem tanam tegel yang telah berkembang di masyarakat. Istilah legowo diambil dari Bahasa Jawa, Banyumas, terdiri atas kata lego dan dowo, lego berarti luas dan dowo berarti memanjang. Prinsip dari sistem tanam jajar legowo adalah pemberian kondisi pada setiap barisan tanam padi untuk mengalami pengaruh sebagai tanaman pinggir. Secara umum, tanaman pinggir menunjukkan hasil lebih tinggi daripada tanaman yang ada di bagian dalam barisan.
beberapa kelebihan yaitu, sinar matahari dapat dimanfaatkan lebih banyak untuk proses fotosintesis, pemupukan dan pengendalian organisme pengganggu tanaman menjadi lebih mudah dilakukan di dalam loronglorong. Selain itu, cara tanam padi sistem legowo juga meningkatkan populasi tanaman. Umur pindah bibit tanaman padi harus tepat untuk mengantisipasi perkembangan akar yang secara umum berhenti pada umur 42 hari sesudah semai, sementara jumlah anakan produktif akan mencapai maksimal pada umur 49-50 hari sesudah semai (Astri, 2007). Penanaman bibit muda memiliki beberapa keunggulan, antara lain tanaman dapat tumbuh lebih baik dengan jumlah anakan cenderung lebih banyak dan perakaran bibit berumur kurang dari 15 hari lebih cepat beradaptasi dan cepat pulih dari cekaman akibat dipindahkan dari persemaian ke lahan pertanaman (BPTP Jambi, 2009). Secara umum, sistem tanam dan umur bibit pada tanaman padi sawah diketahui berpengaruh terhadap pertumbuhan maupun hasil padi sawah. Walaupun demikian, umur bibit dan sistem tanam yang optimum masih belum diketahui dengan tepat.
2.1.1 Varietas
Gambar 2.1 Gambar 2.2 Gambar 2.3
Varietas Ir 64 Varietas Ciherang Varietas Angke
2.2 Sistem Pendukung Keputusan
Sistem pendukung keputusan adalah Sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi yang semi terstruktur dan situasi tidak terstruktur, dimana tidak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat (Alter, 2002). Menurut Dadan Umar Daihani (2001) Konsep Sistem Pendukung Keputusan (SPK) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton yang menjelaskan bahwa “Sistem Pendukung Keputusan adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur”. Selain itu Raymond McLeod, Jr. (1998), memberikan
defenisi sebagai berikut, “sistem pendukung keputusan merupakan sebuah sistem yang
menyediakan kemampuan untuk penyelesaian masalah dan komunikasi untuk permasalahan yang bersifat semi-terstruktur”.
Sistem pendukung keputusan tidak dimaksudkan untuk mengotomatisasikan pengambilan keputusan, tetapi memberikan perangkat interaktif yang memungkinkan pengambil keputusan untuk melakukan berbagai analisis menggunakan modelmodel yang tersedia (Kusrini, 2007)
Sistem pendukung keputusan (SPK) merupakan sebuah sistem yang memiliki kriteria sebagai berikut (Turban, 1995) :
1. Penggunaan model, komunikasi antara pengambil keputusan dan sistem terjalin melalui model-model matematis, jadi pengambil keputusan bertanggung jawab membangun model matematis berdasarkan permasalahan yang dihadapinya. 2. Berbasis komputer, sistem ini mempertemukan penilaian manusia (pengambil
keputusan) dengan informasi komputer. Informasi komputer ini dapat berasal dari perangkat lunak komputer yang merupakan implementasi dari metode numeris untuk permasalahan matematis yang bersangkutan.
3. Fleksibel, sistem harus dapat beradaptasi terhadap timbulnya perubahan pada permasalahan yang ada. Jadi pengambil keputusan harus dibolehkan untuk melakukan perubahan pada model yang telah diberikannya kepada sistem, ataupun memberikan model yang baru.
4. Interaktif dan mudah digunakan, pengambil keputusan bertanggung jawab untuk menentukan apakah jawaban yang diberikan oleh sistem memuaskan atau tidak. Bagaimanapun juga sistem bertugas mendukung, bukan menggantikan pengambil keputusan. Jadi sistem harus memiliki kemampuan interaktif: pengambil keputusan harus diijinkan untuk menjelajahi alternatif jawaban dengan cara memvariasi parameter-parameter yang ada pada sistem.
Subsistem manajemen data memasukkan satu database yang berisi data yang relevan untuk sistuasi dan dikelola oleh perangkat lunak yang disebut sistem manajemen database (DBMS/Data Base Management System). Subsistem manajemen data dapat diinterkoneksikan dengan data warehouse perusahaan, suatu repositori untuk data perusahaan yang relevan untuk pengambilan keputusan.
2. Subsistem manajemen model
Merupakan paket perangkat lunak yang memasukkan model keuangan, statistik, ilmu manajemen, atau model kuantitatif lainnya yang memberikan kapabilitas analitik dan manajemen perangkat lunak yang tepat. Bahasa-bahasa pemodelan untuk membangun model-model kustom juga dimasukkan. Perangkat lunak ini sering disebut sistem manajemen basis model. Komponen ini dapat dikoneksikan kepenyimpanan korporat atau eksternal yang ada pada model.
3. Subsistem antarmuka pengguna
Pengguna berkomunikasi dengan dan memerintahkan sistem pendukung keputusan melalui subsistem ini. Pengguna adalah bagian yang dipertimbangkan dari sistem. Para peneliti menegaskan bahwa beberapa kontribusi unik dari sistem pendukung keputusan berasal dari interaksi yang intensif antara komputer dan pembuat keputusan.
4. Subsistem manajemen berbasis-pengetahuan
Subsistem ini mendukung semua subsistem lain atau bertindak langsung sebagai suatu komponen independen dan sifatnya optional.
Berdasarkan definisi, sistem pendukung keputusan harus mencakup tiga komponen utama dari DBMS, MBMS, dan antarmuka pengguna. Subsistem manajemen berbasis pengetahuan adalah opsional, namun dapat memberikan banyak manfaat karena memberikan intelijensi bagi tiga komponen utama tersebut. Seperti pada semua sistem informasi manajemen, pengguna dapat dianggap sebagai komponen sistem pendukung keputusan. Komponen-komponen tersebut membentuk sistem aplikasi sistem pendukung keputusan yang dapat dikoneksikan ke intranet perusahaan, ke ekstranet, atau ke internet. Arsitektur dari sistem pendukung keputusan ditunjukkan pada Gambar 2.4
Gambar 2.4 Arsitektur sistem pendukung keputusan
2.2.1 Karakteristik Sistem Pendukung Keputusan
Dari pengertian Sistem Pendukung Keputusan maka dapat ditentukan karakteristiknya antara lain (Kosasi, 2002) :
b. Adanya antarmuka manusia / mesin dimana manusia (user) tetap memegang kontrol proses pengambilan keputusan.
c. Mendukung pengambilan keputusan untuk membahas masalah terstruktur, semi terstruktur dan tak struktur.
d. Memiliki kapasitas dialog untuk memperoleh informasi sesuai dengan kebutuhan. e. Memiliki subsistem-subsistem yang terintegrasi sedemikian rupa sehingga dapat
berfungsi sebagai kesatuan item.
f. Membutuhkan struktur data komprehensif yang dapat melayani kebutuhan informasi seluruh tingkatan manajemen.
g. Sistem pendukung keputusan merupakan gabungan antara kumpulan model kualitatif dan kuantitatif.
2.3Simple Additive Weighting (SAW)
Metode Simpel Additive Weighting (SAW) sering juga dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode Simple Additive Weighting (SAW) adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode Simple Additive Weighting (SAW) membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua alternatif yang ada .
r =
{ X
Max Jika j adalah atribut keuntungan benefit
Min X
X Jika J adalah atribut biaya cost
Dimana:
rij = rating kinerja ternormalisasi
mini = nilai minum dari setiap baris dan kolom
xij = baris dan kolom dari matriks
(rij) adalah rating kinerja ternormalisasi dari alternatif pada atribut i=1,2,…,m dan
j=1,2,…,n.
Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai:
= ∑ = � ……… (1)
Ada beberapa langkah dalam penyelesaian metode Simple Additive Weighting (SAW). Yang diterapkan sebagai berikut:
1. Menentukan kriteria-kriteria yang dijadikan acuan dalam pendukung keputusan yaitu Ci.
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria. 3. Membuat matriks keputusan berdasarkan kriteria (Ci).
4. Kemudian melakukan normalisasi matriks berdasarkan persamaanyang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R.
Hasil akhir diperoleh dari proses perangkingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai)
2.4Promethee
Promethee adalah salah satu metode penentuan urutan atau prioritas dalam analisis
parameter yang dinyatakan mempunyai pengaruh nyata menurut pandangan ekonomi. Data dasar untuk analisis dengan metode promethee dapat dilihat pada tabel 2.1
Tabel 2.1. Data Dasar analisis Promethee
. . ... . ... .
� � � ... � ... �
� � � ... � ... �
... ... ... ... ... ... ...
� � � ... � ... �
... ... ... ... ... ... ...
� � � ... � ... �
Setiap kriteria boleh memiliki nilai dominasi kriteria atau bobot kriteria yang sama atau berbeda, dan nilai bobot tersebut harus di atas 0 (Nol). Sebelum menghitung bobot untuk masing-masing kriteria, maka dihitung total bobot dari seluruh kriteria terlebih dahulu. Berikut rumus perhitungan bobot kriteria :
�=��
∑ ��
atau ∑ = ………. (2)
Maka didapat rumus perbandingan untuk setiap alternatif, sebagai berikut :
�(� ,� ) = ∑ = x � � , � ………...(3)
Tabel 2.2. Tipe-tipe Kriteria Dasar (P(d) : fungsi preferensi)
Tipe Preferensi Kriteria Defenisi Parameter
Kriteria Umum (usual
Enam tipe dari penyamarataan kriteria bisa dipertimbangkan dalam metode Promethee, tiap-tiap tipe bisa lebih mudah ditentukan nilai kecenderungannya atau parameternya karena hanya Satu atau Dua parameter yang mesti ditentukan. Hanya tipe usual saja yang tidak memiliki nilai parameter.
1. Indifference threshold yang biasa dilambangkan dalam karakter m atau q. Jika nilai perbedaan (x) di bawah atau sama dengan nilai indifference x ≤ m maka x dianggap tidak memiliki nilai perbedaan x = 0.
2. Preference threshold yang biasa dilambangkan dalam karakter n atau p. Jika nilai perbedaan (x) di atas atau sama dengan nilai preference x ≥ n maka perbedaan tersebut memiliki nilai mutlak x = 1.
3. Gaussian threshold yang biasa dilambangkan dalam karakter σ serta diketahui dengan baik sebagai parameter yang secara langsung berhubungan dengan nilai standar deviasi pada distribusi normal.
2.4.2 Arah dalam grafik nilai outrangking
Perangkingan yang digunakan dalam metode Promethee meliputi tiga bentuk antara lain: 1. Entering flow adalah jumlah dari yang memiliki arah mendekat dari node a dan hal ini merupakan karakter pengukuran outrangking. Untuk setiap nilai node a dalam grafik nilai outrangking ditentukan berdasarkan entering flow dengan persamaan :
∅ + � = ∑= � � , �′ ………(4)
∅ − � = ∑= �(�′, � ………..(5)
3. Net Flow
Sehingga pertimbangan dalam penentuan Net flow diperoleh dengan persamaan :
∅ � = ∅ + � − ∅ − � ………(6)
Langkah-langkah perhitungan dengan metode Promethee adalah sebagai berikut:
1. Menentukan beberapa alternatif 2. Menentukan beberapa kriteria 3. Menentukan dominasi kriteria
4. Menentukan tipe penilaian, dimana tipe penilaian memiliki 2 tipe yaitu; tipe minimum dan maksimum.
5. Menentukan tipe preferensi untuk setiap kriteria yang paling cocok didasarkan pada data dan pertimbangan dari decision maker. Tipe preferensi ini berjumlah Enam (Usual, Quasi, Linear, Level, Linear Quasi dan Gaussian).
6. Memberikan nilai threshold atau kecenderungan untuk setiap kriteria berdasarkan preferensi yang telah dipilih.
7. Perhitungan Entering flow, Leaving flow dan Net flow 8. Hasil pengurutan hasil dari perangkingan
Dalam metode Promethee ada 2 macam perangkingan yang disandarkan pada hasil perhitungan, antara lain :
1. Perangkingan parsial yang didasarkan pada nilai Entering flow dan Leaving flow.
BAB 1
PENDAHULUAN
1.1Latar Belakang
Padi adalah salah satu bahan makanan yang mengandung gizi dan penguat yang cukup bagi tubuh manusia, karena didalamnya terkandung bahan-bahan yang mudah diubah menjadi energi. Padi dibudidayakan dengan tujuan mendapatkan hasil yang setinggi-tingginya dengan kualitas sebaik mungkin. Pada umumnya masing-masing daerah mempunyai jenis benih padi sendiri-sendiri. Benih dikatakan bermutu bila jenisnya murni, bernas,kering,sehat, bebas dari penyakit dan bebas dari campuran biji rerumputan yang tidak dikehendaki. Benih yang baik harus tinggi daya kecambahnya, paling tidak harus mencapai 90%. Benih dengan kriteria tersebut biasanya mampu menghasilkan tanaman yang sehat, kekar, kokoh, pertumbuhan seragam dan memiliki kualtas yang baik. Di Indonesia dikenal lebih dari 1.000 jenis benih padi (varietas), jumlah yang banyak itu memungkinkan petani kesulitan dalam memutuskan benih mana yang berkualitas yang akan mereka tanam.
Seiring dengan perkembangan teknologi informasi telah memungkinkan pengambilan keputusan dapat dilakukan dengan lebih cepat dan akurat. Penggunaan komputer telah berkembang dari sekedar pengolahan data ataupun penyaji informasi bagi manajemen. Hal tersebut berkat adanya perkembangan teknologi perangkat keras, yang diiringi oleh perkembangan perangkat lunak, serta kemampuan perakitan dan penggabungan beberapa teknik pengambilan keputusan ke dalamnya. Integrasi dari perangkat keras, perangkat lunak, dan proses keputusan tersebut menghasilkan Sistem Pendukung Keputusan (SPK) yang memungkinkan pengguna untuk melakukan pengambilan keputusasan dengan lebih cepat dan akurat.
Promethee merupakan salah satu metode yang digunakan untuk mengambil
keputusan pada multi criteria decision making (MCDM). Cara yang sering dilakukan
ketika akan mengambil keputusan dalam MCDM adalah membandingkan alternatif yang satu dengan alternatif lainnya. Perbandingan dilakukan pada setiap kriteria. Setelah proses perbandingan dilakukan, proses selanjutnya adalah melakukan proses perangkingan alternatif - alternatif yang ada berdasarkan hasil proses perbandingan tadi.
SAW dan Promethee memiliki konsep dasar dan cara penyelesain yg masalah
yang berbeda. Hal inilah yang mendorong penulis melakukan perbandingan penelitian terhadap pemilihan kualitas padi, menggunakan metode Simple Additive Weighting (SAW) dan metode Promethee.
1. Rumusan Masalah
Berdasarkan uraian latar belakang diatas, maka rumusan masalah yang akan dibahas adalah:
1. Bagaimana membangun suatu sistem menggunakan metode Simple Additive Weight (SAW) dan Promethee untuk menentukan kualitas padi bagi petani ?
2. Metode manakah yang lebih efisien dalam dalam menentukan kualitas padi?
2. Batasan Masalah
Adapun batasan masalah dalam penelitian ini adalah sebagai berikut:
1. Kriteria yang digunakan dalam penelitian adalah umur tanaman, tinggi tanaman, bobot 1000 butir, rata-rata hasil, dan potensi hasil
2. Bobot masing-masing kriteria adalah
Umur tanaman : 0,3
Tinggi tanaman : 0,2
Bobot 1000 butir : 0,2
Rata-rata hasil : 0,15
3. Hasil penelitian kualitas padi terdiri dari kualitas Super, premium, medium, rendah
4. Penelitian menggunakan 2 jenis padi, yaitu padi sawah dan padi hibrida
5. Masing-masing padi terdiri dari 10 varietas padi sawah dan 8 varietas padi hibrida
6. Sistem berbasis desktop, bahasa pemrograman yang digunakan adalah C# dan MySQL sebagai sistem manajemen basis data
7. Parameter perbandingan antara lain running time dan tingkat keberhasilan memilih kualitas padi
3. Tujuan Penelitian
Dalam penelitian ini, tujuan yang ingin dicapai adalah:
1. Menentukan kualitas padi dengan membandingkan metode Simple Additive Weight (SAW) dan Promethee
2. Membangun suatu sistem yang dapat menentukan kulitas padi dengan lebih efisien
4. Manfaat Penelitian
Manfaat penelitian yang diharapkan adalah hasil dari sistem yang dibuat dengan metode dan kriteria yang ditentukan, diharapkan dapat membantu petani dalam menentukan kuliatas padi lebih mudah.
5. Metodologi Penelitian
1. Studi Literatur
Mengumpulkan data-data dan keterangan dari buku-buku ilmiah, jurnal, diktat-diktat, bahan-bahan kuliah dan literatur yang berhubungan dengan sistem pendukung keputusan metode Simple Additive weighting (SAW) dan Promethee 2. Wawancara