Sistem Pendukung Keputusan Penentuan Pilihan Handphone
Terbaik dengan Simple Adaptive Weighting Method
Rizalul Akram
1, Novianda
2, Azhar Al Haviz
3Universitas Samudra
1[email protected]
1, [email protected]
2,
[email protected]Abstract
Handphone merupakan suatu keperluan sangat penting untuk manusia di jaman modern seperti saat ini. Kebutuhan akan hanphone tidak hanya sekedar untuk bisa melakukan komunikasi suara via telepon dan mengirim pesan sms. Handphone saat ini sudah dilengkapi oleh berbagai fitur menarik yang menjadi kebutuhan manusia mdern saat ini. Fitur-fitur yang terdapat pada hanphone saat ini diantaranya fasilitas telepon, sms, sosmed (watshap, Instagram, telegram, dll), serta spesifikasi perangkat seperti kamera depan dan belakang, clock-processor, RAM dan memori penyimpanan, ukuran display dan jenis layer, dan lain-lain. Semua fitur-fitur yang ada tersebut menjadi pertimbangan bagi konsumen untuk menentukan pilihannya berdasarkan budget/keuangan yang ada. Setiap orang tentu memiliki fitur prioritas yang berbeda. Dalam hal ini penulis mengambil contoh penelitian pada SMK Perbankan Graha Media terhadap pilihan hanphone oleh guru-guru di sekolah tersebut. Dari jenis hanphone yang ada tersebut penulis akan melakukan penelitian berbasis artificial intelegensi dengan bidang fokus sistem pendukung keputusan. Sistem yang dibangun berjalan dengan metode simple addative weighting (SAW). Sistem ini dapat digunakan dan berjalan dengan baik serta sesuai dengan pemikiran para pemakai hanphone dalam menentukan pilihannya. Hasil dari penelitian terhadap 20 guru SMK Perbankan Graha Media dalam menentukan pilihannya didapati bahwa alternatif handphone yang memiliki nilai yang tertinggi adalah alternatif A1 (Realme 3 Pro) dengan nilai yaitu 26.9 dan nilai yang terendah adalah alternatif handphone A7 (Asus Zenfone Go ZB450KG) dengan nilai 11.65. Keyword : Hanpdhone, fitur, sistem pendukung keputusan, simple addative weighting (SAW)
1. Introduction
Seiring berkembangnya zaman dan teknologi sekarang, pengolahan informasi yang tepat sangat diperlukan, sehingga dibutuhkan suatu metode komputasi tepat guna. Teknologi informasi menjadi hal pokok dalam mengembangkan suatu bidang. Kemajuan teknologi saat ini semakin berkembang pesat terutama dalam komunikasi. Handphone menjadi salah satu kebutuhan yang penting untuk komunikasi saat ini. Handphone merupakan suatu keperluan sangat penting untuk manusia di jaman modern seperti saat ini. Kebutuhan akan hanphone tidak hanya sekedar untuk bisa melakukan komunikasi suara via telepon dan mengirim pesan sms. Hanphone saat ini sudah dilengkapi oleh berbagai fitur menarik yang menjadi kebutuhan manusia mdern saat ini. Fitur-fitur yang terdapat pada hanphone saat ini diantaranya fasilitas telepon, sms, sosmed (watshap, Instagram, telegram, dll), kamera depan dan belakang, clock-processor, RAM dan memori penyimpanan, ukuran display dan jenis layer, dan lain-lain. Semua fitur-fitur yang ada tersebut menjadi pertimbangan bagi konsumen untuk menentukan pilihannya berdasarkan budget/keuangan yang ada. Banyaknya merk hanphone dengan berbagai tawaran harga, fitur-fitur menarik, spesifikasi perangkat, sampai model menjadi pertimbangan yang membingungkan bagi masyarakat. Menentukan pilihan hanphone terbaik denga badget terbatas bukanlah hal yang mudah. Inilah menjadi masalah ditengah masyarakat dan menjadi bahan penelitian yang dapat diselesaikan dengan sistem pengambilan keputusan. Sistem pendukung keputusan menjadi solusi dari permasalahan ini untuk diteliti.
Sistem pendukung keputusan adalah sebuah alternatif solusi atau alternatif tindakan dari sejumlah alternatif solusi dan tindakan guna menyelesaikan suatu masalah, sehingga masalah tersebut dapat diselesaikan secara efektif dan efisien. Penelitian dilakukan oleh Erna Daniati pada tahun 2015, dengan judul “Sistem Pendukung Keputusan Pemilihan kost Di Sekitar Kampus UNP Kediri menggunakan Metode Simple Additive Weighting”. Hasil menunjukkan bahwa sistem pencarian kost ini dapat membantu calon penyewa kost untuk mendapatkan alternatif tempat kost yang dapat direkomendasikan berdasarkan kriteria yang dipilih pengguna dalam memilih tempat kost dengan metode Simple Additive Weighting yang terbukti efektif dan efisien. Penelitian
dilakukan oleh Rohmat Taufiq & Ikhsan Shahlin Mustofa pada tahun 2017, dengan judul “Perancangan Sistem Pendukung Keputusan Kejurusan Menggunakan Metode Simple Additive
Weighting Di SMA Negeri 15 Tangerang”. Berdasarkan penelitian yang telah dilakukan oleh
peneliti, dengan adanya sistem pendukung keputusan menggunakan metode SAW untuk menentukan jurusan ipa atau ips dapat membantu dalam memberikan rekomendasi dan pertimbangan dalam menentukan siswa yang akan masuk ipa atau ips berdasar perhitungan pada tiap – tiap kriterianya melalui data nilai rapot, tes pesikotes, angket peminatan dan tes akademik yang telah diolah dalam sistem tersebut. Setiap orang tentu memiliki fitur prioritas yang berbeda. Dalam hal ini penulis mengambil contoh penelitian pada SMK Perbankan Graha Media terhadap pilihan hanphone oleh guru-guru di sekolah tersebut. Dari jenis hanphone yang ada tersebut penulis akan melakukan penelitian berbasis artificial intelegensi dengan bidang fokus sistem pendukung keputusan. Sistem yang dibangun berjalan dengan metode simple addative weighting (SAW). penelitian ini diharapkan dapat memberikan kemudahan kepada orang yang ingin membeli
handphone dengan beberapa kriteria yang diinginkan dan memberikan output informasi data handphone yang diinginkan konsumen sehingga dapat diambil keputusan untuk menentukan
alternatif handphone yang sesuai keinginan dari kriteria yang telah ditentukan.
2. Tinjauan Pustaka
2.1. 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). SPK bertujuan untuk
menyediakan informasi, membimbing, memberikan prediksi serta mengarahkan kepada
pengguna informasi agar dapat melakukan pengambilan keputusan dengan lebih baik.
SPK merupakan implementasi teori-teori pengambilan keputusan yang telah
diperkenalkan oleh ilmu-ilmu seperti operation research dan menegement science, hanya
bedanya adalah bahwa jika dahulu untuk mencari penyelesaian masalah yang dihadapi
harus dilakukan perhitungan iterasi secara manual (biasanya untuk mencari nilai
minimum, maksimum, atau optimum), saat ini computer PC telah menawarkan
kemampuannya untuk menyelesaikan persoalan yang sama dalam waktu relatif singkat.
Gambar 1. Komponen sistem pendukung keputusan
2.2. Spesifikasi Handphone
Spesifikasi adalah Perincian teknis atau karakteristik umum yang dimiliki oleh
sebuah perangkat. Sebelum membeli ponsel sebaiknya melihat spesifikasi ponsel
tersebut. Saat ini banyak brand atau merek ponsel yang beredar namun jika ingin
membeli ponsel jangan hanya melihat mereknya saja namun jeroannya juga. Kualitas
komponen akan sangat menentukan performa dan kinerja ponsel secara jangka panjang.
Kadang merek terkenal bisa saja kalah performanya dari merek yang kurang terkenal
karena itu komponen di dalam ponsel sangat penting.
1) Merek atau Model
2) Waktu Beredar
3) Network
4) SIM Card
5) Dimensi
6) Berat
7) Sistem Operasi
8) CPU Chipset
9) CPU Core
10) Memori (RAM)
11) Display
12) Kamera
13) Baterai
14) Konektivitas
15) Fitur
16) Warna
2.3.
Metode Simple Addatife Weighting
Metode SAW sering dikenal dengan istilah metode penjumlahan terbobot. Konsep
dasar metode SAW (Simple Additive Weighting) adalah mencari penjumlahan terbobot
dari rating kinerja pada setiap alternatif pada semua atribut (Fishburn, 1967)
(MacCrimmon, 1968). Langkah Penyelesaian Simple Additive Weighting (SAW) sebagai
berikut:
1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan,
yaitu Ci.
2. Menentukan rating kecocokan setiap 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 proses perankingan yaitu penjumlahan dari perkalian
matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang
dipilih sebagai alternatif terbaik (Ai) sebagai solusi.
Formula untuk melakukan normalisasi
tersebut adalah:
r
ij= Nilai rating kinerja
x
ij= Nilai kinerja dari setiap rating
Max x
ij= Nilai terbesar dari tiap kriteria
Min x
ij= Nilai terkecil dari tiap kriteria
Perhitungan akhir metode SAW adalah dengan menghitung nilai bobot dari alternative
dengan nilai matrik ternormalisasi dengan rumus :
Ket:
Vi = nilai preferensi
wj = bobot rangking
r
ij= bobot ternormalisasi
Vi merupakan nilai akhir atau nilai acuan dalam pengambilan keputusan dari metode
SAW.
4.
Metodologi Penelitian
4.1. Perancangan Sistem
Perancangan sistem pendukung keputusan penentuan handphone terbaik adalah
seperti pada flowchat gambar 2 dibawah.
Mulai Input data kriteria Pemberian bobot kriteria Membuat matrik keputusan Normalisasi matrik keputusan Perkalian matriks keputusan dengan bobot kriteria Preferensi setiap alternatif Hasil Selesai
Sistem pendukung keputusan penentuan alternative handphone terbaik ini dijalankan dengan metode simple addative weighting (SAW). Proses pertama adalah mengisi data parameter yang terdiri dari harga, kamera belakang, RAM, baterai, storage/memori internal, CPU type/inti
processor, CPU speed/clock processor, layar, dan kamera depan. Proses selanjutnya adalah
kalkulasi data dengan metode SAW sampai selesai.
Selanjutnya mekanisme pemberian bobot parameter dalam penelitian ini adalah sebagai berikut :
1) Penentuan kriteria dan bobot nilai
Dalam penelitian ini ada beberapa kriteria dan bobot nilai yang dibutuhkan
berdasarkan dari hasil wawancara dengan calon pembeli handphone. Dalam wawancara
yang terdiri dari beberapa pertanyaan seputar kesulitan di dalam membeli handphone
didapatkan 9 (Sembilan) kriteria. Kriteria-kriteria yang paling banyak disebutkan
responden untuk menentukan handphone terbaik, dapat dilihat pada tabel 1.
Tabel 1. Kriteria spesifikasi handphone Kriteria (C) Keterangan
C1 Harga
C2 Kamera belakang
C3 RAM
C4 Baterai
C5 Storage (memori internal) C6 CPU Type (inti processor) C7 CPU Speed (clock processor)
C8 Layar
C9 Kamera depan
Dari masing-masing kriteria-kriteria tersebut ditentukan bobot nilainya dengan
ketentuan seperti pada tabel 2.
Tabel 2. Bobot Kriteria Variabel Bobot nilai
Sangat Tinggi 5
Tinggi 4
Cukup/Netral 3
Rendah 2
Sangat Rendah 1
2.
Pembobotan setiap kriteria
Dari kriteria tersebut, maka dibuat suatu tingkat kepentingan kriteria berdasarkan
nilai bobot yang telah ditentutkan kedalam table sebagai berikut.
Tabel 3. Bobot Harga
Harga Nilai <Rp. 1.000.000 5 Rp.1.000.000 – Rp. 2.000.000 4 > Rp. 2.000.000 – Rp. 3.000.000 3 > Rp. 3.000.000 – Rp. 4.000.000 2 >Rp. 4.000.000 1
Tabel 4. Bobot Kamera Belakang
Kamera belakamg Nilai>32 MP 5
>16 MP – 32 MP 4 >12 MP – 16 MP 3
8 MP – 12 MP 2
< 8 MP 1
Tabel 2. Bobot RAM
RAM Nilai >6 GB 5 >4 GB – 6 GB 4 >3 GB – 4 GB 3 2 GB – 3 GB 2 < 2 GB 1
Tabel 3. Bobot Baterai
Baterai Nilai >5000 mAh 5 >4000 – 5000 mAh 4 >3000 – 4000 mAh 3 2000 – 3000 mAh 2 < 2000 mAh 1
Tabel 4. Bobot Storage (memori internal) Storage Nilai >64 GB 5 >32 – 64 GB 4 >16 – 32 GB 3 8 GB – 16 GB 2 < 8 GB 1
Tabel 5. CPU Type (inti processor) CPU Type Nilai
Deca-core 5 Octa-core 4 Hexa-core 3
Quad-core 2 Dual-core 1
Tabel 6. CPU Speed (clock processor)
CPU Type Nilai
>2.5 GHz 5 >2 GHz – 2.5 GHz 4 >1.5 GHz – 2 GHz 3 1 – 1.5 GHz 2 <1 GHz 1 Tabel 7. Layar Layar Nilai >6 inch 5 >5 – 6 inch 4 >4 – 5 inch 3 3.5 – 4 inch 2 <3.5 inch 1
Tabel 8. Kamera Depan
Kamera Depan Nilai
>24 MP 5 >16 – 24 MP 4 >8 – 16 MP 3 5 – 8 MP 2 <5 MP 1
3.
Bobot Kriteria/Parameter (W)
Pengambil keputusan memberikan bobot berdasarkan tingkat kepentingan
masing-masing kriteria yang dibutuhkan atau yang diinginkan. Kriteria dengan kepentingan
terbesar diberikan bobot nilai paling besar dan kepentingan kurang penting diberikan nilai
paling rendah.
Tabel 9 Bobot Kriteria/Parameter
Kriteria (C) Nilai C1 (Harga) 1 C2 (Kamera belakang) 4 C3 (RAM) 5 C4 (Baterai) 4 C5 (Storage) 5 C6 (CPU type) 3 C7 (CPU speed) 3 C8 (Layar) 2 C9 (Kamera depan) 2
5. Hasil
Penelitian ini mengambil data sebanyak 20 handphone dengan berbgai merk dan
type yang berbeda sebagai contoh penerapan metode Simple Additive Weighting untuk
menentukan alternatif handphone terbaik, data handphone didapatkan berdasarkan
penelitian yang telah dilakukan di SMK Perbankan Graha Media Kota Langsa.
Tabel 13. Data alternatif handphone
Alternatif Kriteria Harga (C1) Kamera Belakang (C2) RAM (C3) Baterai (C4) Storage (C5) CPU Type (C6) CPU Speed (C7) Layar (C8) Kamera depan (C9)
Realme 3 Pro Rp. 3699000 16 MP 6 4045 mAh 128 GB Octa-core 2.2 GHz 6.3” 25 MP Xiaomi Redmi Note 7 Rp. 2599000 48 MP 4 4000 mAh 64 GB Octa-core 2.2 GHz 6.3” 13 MP Oppo F11 Rp. 3999000 48 MP 4 4020 mAh 128 GB Octa-core 2.1 GHz 6.53” 16 MP Vivo V15 Rp. 4099000 24 MP 6 4000 mAh 64 GB Octa-core 2.1 GHz 6.53” 32 MP Samsung Galaxy J2 Prime Rp. 1250000 8 MP 1.5 2600 mAh 8 GB Quad-core 1.4 GHz 5.0” 5 MP Xiaomi Redmi GO Rp. 899000 8 MP 1 3000 mAh 8 GB Quad-core 1.4 GHz 5.0” 5 MP Asus Zenfone GO (ZB450KG) Rp. 899000 8 MP 1 2070 mAh 8 GB Quad-core 1.2 GHz 4.5” 2 MP Samsung Galaxy A10 Rp. 1999000 13 MP 2 3400 mAh 32 GB Octa-core 1.6 GHz 6.2” 5 MP Zenfone Max (M2) Rp. 2199000 13 MP 4 4000 mAh 64 BG Octa-core 1.8 GHz 6.3” 8 MP Vivo Y91 Rp. 1799000 13 MP 2 4030 mAh 16 GB Octa-core 1.95 GHz 6.22” 8 MP Zenfone 4 Selfie Pro Rp. 3499000 16 MP 4 3000 mAh 64 BG Octa-core 2.0 GHz 5.5” 12 MP Oppo A7 Rp. 2999000 13 MP 4 4230 mAh 64 GB Octa-core 1.8 GHz 6.2” 16 MP Samsung Galaxy M20 Rp. 3299000 13 MP 4 5000 mAh 64 GB Octa-core 1.8 GHz 6.3” 8 MP Xiaomi Redmi 6A Rp. 1499000 13 MP 2 3000 mAh 32 GB Quad-core 2.0 GHz 5.45” 5 MP Realme C1 Rp. 1499000 13 MP 2 4230 mAh 16 GB Octa-core 1.8 GHz 6.2” 5 MP Oppo A5s Rp. 2099000 13 MP 3 4230 mAh 32 GB Octa-core 2.3 GHz 6.2” 8 MP Xiaomi Redmi 5 Rp. 1699000 12 MP 3 3000 mAh 32 GB Octa-core 1.8 GHz 5.7” 5 MP Samsung Galaxy J8 Rp. 2600000 16 MP 3 3500 mAh 32 GB Octa-core 1.6 GHz 6” 16 MP Vivo S1 Rp. 3599000 16 MP 4 4500 mAh 128 GB Octa-core 2.0 GHz 6.38” 32 MP Samsung Galaxy A6 Rp. 2125000 16 MP 3 3000 mAh 32 GB Octa-core 1.6 GHz 5.6” 16 MP
Berdasarkan data merek handphone diatas, berikut langkah-langkah penyeleksian
untuk menentukan alternatif handphone dengan metode SAW, maka yang harus dilakukan
terutama yaitu memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudahditentukan dapat dilihat pada tabel 4.2 sebagai berikut.
Tabel 14. Rating kecocokan dari setiap alternatif pada kriteria
Alternatif Kriteria Harga (C1) Kamera Belakang (C2) RAM (C3) Baterai (C4) Storage (C5) CPU Type (C6) CPU Speed (C7) Layar (C8) Kamera depan (C9) Realme 3 Pro (A1) 2 3 4 4 5 4 4 5 5 Xiaomi Redmi Note 7 (A2) 3 5 3 3 4 4 4 5 3 Oppo F11 (A3) 2 5 3 4 5 4 4 5 3 Vivo V15 (A4) 1 4 4 3 4 4 4 5 5 Samsung Galaxy J2 Prime (A5) 4 2 1 2 2 2 2 3 2 Xiaomi Redmi GO (A6) 5 2 1 2 2 2 2 3 2 Asus Zenfone GO ZB450KG (A7) 5 2 1 2 2 2 2 3 1
Samsug Galaxy A10 (A8) 4 3 2 3 3 4 3 5 2 Asus Zenfone Max M2 (A9) 3 3 3 3 4 4 3 5 2 Vivo Y91 (A10) 4 3 2 4 3 4 3 5 2 Asus Zenfone Selfie 4 Pro (A11) 2 3 3 2 4 4 3 4 3 Oppo A7 (A12) 3 3 3 4 4 4 3 5 3 Samsung Galaxy M20 (A13) 2 3 3 4 4 4 3 5 2 Xiaomi Redmi 6A (A14) 4 3 2 2 3 4 3 4 2 Realme C1 (A15) 4 3 2 4 2 4 3 5 2 Oppo A5s (A16) 3 3 2 4 3 4 4 5 2 Xiaomi Redmi 5 (A17) 4 2 2 2 3 4 3 4 2 Samsung Galaxy J8 (A18) 3 3 2 4 3 4 3 4 3 Vivo S1 (A19) 2 3 3 4 5 4 3 5 5 Samsung Galaxy A6 (A20) 3 3 2 2 3 4 3 4 3
Setelah proses pemberian nilai bobot kepada semua kriteria yang telah diinputkan selanjut
sistem pendukung keputusan ini melalui metode simple addative weighting (SAW) akan
langsung melakukan kalkulasi sampai mendapatkan nilai akhir. Nilai akhir dari
perhitungan metode SAW ini adalah seperti pada tabel 15.
Tabel 15. Hasil Perankingan
Alternatif Merek Nilai Akhir
A1 Realme 3 Pro 26.9
A3 Oppo F11 26.45
A4 Vivo V15 26.2
A19 Vivo S1 24.9
A2 Xiaomi Redme Note 7 24.28
A12 Oppo A7 22.93
A13 Samsung Galaxy M20 22.7
A9 Asus Zenfone Max (M2) 21.53
A16 Oppo A5s 21.03
A11 Asus Zenfone 4 Selfie Pro 20.7
A18 Samsung Galaxy J8 20.28
A8 Samsung Galaxy A10 19.8
A15 Realme C1 19.2
A10 Vivo Y91 19.2
A20 Samsung Galaxy A6 18.28
A14 Xiaomi Redmi 6A 17.55
A17 Xiaomi Redmi 5 17
A5 Samsung Galaxy J2 Prime 12.1
A6 Xiaomi Redmi GO 12.05
A7 Asus Zenfone Go ZB450KG 11.65
6. Kesimpulan
Penelitian yang dilakukan pada SMK Perbankan Graha Media yang melibatkan 20
(dua puluh) guru dalam menentukan pilihan handphonenya didapati bahwa alternatif
handphone yang memiliki nilai yang tertinggi adalah alternatif A1 (Realme 3 Pro) dengan
nilai yaitu 26.9 dan nilai yang terendah adalah alternatif handphone A7 (Asus Zenfone Go
ZB450KG) dengan nilai 11.65. Hasil ini dapat diterima oleh semua guru dan tenaga
kependidikan yangada di sekolah terbebut.
Daftar Pustaka
[1] A.G. Anto, H. Mustafidah, A. Suyadi “Sistem Pendukung Keputusan Penilaian Kinerja Karyawan Menggunakan Metode SAW (Simple Additive Weighting) di Universitas Muhammadiyah Purwokerto”, JUITA ISSN: 2086-9398 Vol. III Nomor 4, November 2015, 193 – 200.
[2] Daniati, Erna. 2015. “Sistem Pendukung Keputusan Pemilihankost Di Sekitar Kampus Unp Kedirimenggunakan Metodesimple Additive Weighting (SAW)”. Program Studi Sistem Informasi, Fakultas Teknik, Universitas Nusantara PGRI Kediri.
[3] Dian Novita Handayani, Fitro Nur Hakim, Achmad Solechan, 2014, Sistem Pendukung Keputusan untuk Pemilihan Jurusan Menggunakan Fuzzy Multiple Atribute Additive Weighting studi kasus pada SMA Islam Sultan Agung 1 Semarang. Jurnal transformatika,Volume 11, No. 2, Januari 2014: 69-78. [4] Putra, Arie Setya. Dkk. 2018. “Metode SAW (Simple Additive Weighting) sebagai Sistem Pendukung
Keputusan Guru Berprestasi ( Studi Kasus : SMK Global Surya)”. Fakultas Komputer, Universitas Mitra Indonesia.
[5] Taofiq, Rohmat. Dan Ikhsan Shahlin Mustofa. 2017. “Perancangan Sistem Pendukung Keputusan Kejurusan Menggunakan Metode Simple Additive Weighting (Saw) Di SMA Negri 15 Tangerang”. Teknik Informatika UMT, Tangerang.
[6] Turban dkk, Decision Support Systems and Intelligent Systems (Sistem Pendukung Keputusan dan Sistem Cerdas) , Andi, edisi ke 7, 2005, jilid 1, hal 802
