Sistem Pendukung Keputusan Pemilihan Bibit Pada Lahan Pasir Berlempung Menggunakan Metode Moora
Muhammad Farhan Rizki*, Berto Nadeak, Henry Kristian Siburian
Fakultas Ilmu Komputer dan Teknologi Informasi, Program Studi Teknik Informatika, Universitas Budi Darma, Medan, Indonesia Email: 1,*mhdfrizki22@gmail.com
Email Penulis Korespondensi: mhdfrizki22@gmail.com
Abstrak- Kabupaten Serdang Bedagai adalah salah satu daerah yang menjadi lumbung padi di Provinsi Sumatera Utara. Namun, dalam beberapa tahun terakhir produksi beras di Kabupaten Serdang Bedagai khususnya Desa Lubuk Bayas mengalami penurunan.
Adapun beberapa penyebab menurunnya tingkat produktivitas hasil panen pada beberapa tahun belakangan disebabkan keadaan cuaca yang tidak menentu, lahan yang tidak kondusif, banyaknya hama penyakit, dan petani masih berdasarkan kebiasaan dan pengalaman dalam memilih bibit padi. Dalam penelitian ini, metode Multi-Objective Optimization on The Basis of Ratio (Moora) diaplikasikan dengan tujuan untuk memberikan solusi yang terbaik dalam memilih bibit padi pada lahan pasir berlempung (Studi Kasus: Desa Lubuk Bayas Kecamatan Perbaungan). Berdasarkan kriteria-kriteria yang telah ditetapkan oleh Desa Lubuk Bayas yang digunakan dalam penelitian ini, yaitu: umur tanaman, potensi hasil, ketahanan terhadap hama, ketahanan terhadap penyakit, dan anakan produktif. Hal ini bertujuan untuk mempermudah dalam memilih bibit padi pada lahan pasir berlempung yang lebih unggul, sehingga nantinya sistem yang dihasilkan dengan menggunakan bahasa pemrograman berbasis web dapat lebih membantu Desa Lubuk Bayas dalam menentukan pemilihan bibit padi pada lahan pasir berlempung (Studi Kasus: Desa Lubuk Bayas Kecamatan Perbaungan). Adapun hasil nilai perankingan untuk bibit padi unggul yang didapatkan dalam penelitian bahwasanya diketahui alternatif A7 yakni bibit padi Inpari 33 dapat diusulkan menjadi bibit padi unggul prioritas dari hasil seleksi yang dilakukan dengan nilai 0,3766.
Kata Kunci: Multi-Objective Optimization on The Basis of Ratio; Bibit Padi; Lahan Pasir Berlempung; Sistem Pendukung Keputusan
Abstract- Serdang Bedagai Regency is one of the areas that has become a rice barn in North Sumatra Province. However, in recent years, rice production in Serdang Bedagai Regency, especially in Lubuk Bayas Village, has decreased. Some of the causes for the decline in productivity levels of crop yields in recent years are caused by erratic weather conditions, unfavorable land, many pests and diseases, and farmers are still based on habits and experience in choosing seeds. In this study, the Multi-Objective Optimization on The Basis of Ratio (Moora) method was applied with the aim of providing the best solution in selecting rice seedlings on sandy loam land (Case Study: Lubuk Bayas Village, Perbaungan District). Based on the criteria set by Lubuk Bayas Village used in this study, namely: plant age, yield potential, resistance to pests, resistance to disease, and productive tillers. This aims to make it easier to choose rice seeds on sandy loamy soils that are superior, so that later the resulting system using a web-based programming language can further assist Lubuk Bayas Village in determining the selection of rice seeds on sandy loamy soils (Case Study: Lubuk Bayas Village Perbaungan District). The results of the ranking values for superior rice seeds obtained in the study show that it is known that alternative A7 rice seeds, namely rice seeds, can be proposed as superior seeds from the results of the selection carried out with a value of 0.3766.
Keywords: Multi-Objective Optimization on The Basis of Ratio; Rice Seedling; Clay Sand Land; Decision Support System
1. PENDAHULUAN
Sektor pertanian menjadi salah satu sektor penting bagi Indonesia. Sebagian besar masyarakat indonesia menggantungkan hidupnya pada sektor agraris ini sebagai petani. Hal ini tentunya didukung dengan kondisi tanah yang subur dan iklim tropis yang dimiliki Indonesia sehingga cocok untuk menanam berbagai macam tumbuhan, khususnya pertanian.
Lahan pasir berlempung merupakan salah satu jenis lahan yang dapat ditanami oleh tanaman padi dengan tipe sawah irigasi. Lahan jenis ini memiliki rasa kasar sangat jelas dan sifat tanah membentuk bola yang mudah sekali hancur serta sedikit sekali melekat. Tanah tipe tekstur pasir berlempung juga memliki kadar air jenuh 36,23%, kadar air koefisien higroskopis 4,66%, dan kadar air dapat hilang 31,57% [1].
Kabupaten Serdang Bedagai adalah salah satu daerah yang menjadi lumbung padi di Provinsi Sumatera Utara.
Namun, dalam beberapa tahun terakhir produksi beras di Kabupaten Serdang Bedagai khususnya Desa Lubuk Bayas mengalami penurunan. Adapun beberapa penyebabnya menurunnya tingkat produktivitas hasil panen pada beberapa tahun belakangan disebabkan keadaan cuaca yang tidak menentu, lahan yang tidak kondusif, dan banyaknya hama serta penyakit yang menyerang tanaman padi. Kemudian dalam pemilihan bibit padi, para petani masih berdasarkan kebiasaan dan pengalaman serta belum menggunakan suatu metode ilmiah. Hal ini tentunya akan berdampak buruk terhadap produktivitas hasil panen, dimana banyak terdapat benih campuran dan benih yang tidak cocok ditanam pada lahan tertentu serta kurang cocok saat ditanam pada musim yang tidak menentu ini.
Oleh sebab itu, dibuatlah sistem yang dapat memberikan rekomendasi untuk membantu proses menentukan keputusan dengan berbagai kriteria agar dapat memberikan keputusan, adapun metode yang digunakan yaitu dengan metode Multi-Objective Optimization on The Basis of Ratio (MOORA) untuk pemilihan varietas benih padi yang tepat sesuai dengan lahan dan kriteria yang petani inginkan.
Metode Multi-Objective Optimization on The Basis of Ratio (MOORA). MOORA adalah metode yang memiliki perhitungan dengan kalkulasi yang minimum dan sangat sederhana. Metode ini memiliki tingkat
selektifitas yang baik dalam menentukan suatu alternatif. Pendekatan yang dilakukan MOORA didefinisikan sebagai suatu proses secara bersamaan guna mengoptimalkan dua atau lebih yang saling bertentangan pada beberapa kendala [2].
Dengan adanya sistem pengambil keputusan pemilihan benih padi unggul menggunakan metode Multi-Objective Optimization on The Basis of Ratio (MOORA), para petani dapat memiliki panduan dan menjadi lebih mudah dalam memilih benih yang bagus untuk penanaman padi mereka. Diharapkan dengan adanya penerapan tersebut, bisa membantu petani dalam hal menentukan varietas benih padi yang cocok dan unggul yang sebaiknya mereka tanam.
2. METODOLOGI PENELITIAN
2.1 Sistem Pendukung Keputusan
Sistem adalah sebagai suatu jaringan kerja dari prosedur-prosedur yang saling berhubungan, berkumpul bersama-sama untuk melakukan suatu kegiatan atau untuk menyelesaikan suatu aturan tertentu[3]. Sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan dan pemanipulasian data. Sistem itu digunakan untuk membantu pengambilan keputusan dalam situasi yang semiterstruktur dan situasi yang tidak terstruktur, di mana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat [4].
2.2 Bibit Padi
Bibit adalah biji tanaman yang dipergunakan untuk keperluan dan pengembangan di dalam usaha tani, yang mana memiliki fungsi secara agronomis atau merupakan suatu komponen agronomi[5].Padi berasal dari dua Benua yaitu Oryza fatua Koening dan Oryza sativa L. berasal dari benua Asia dan Oryza stapfii Rroschev dan Oryza glaberima Steund berasal dari Afrika Barat. Padi yang sekarang ini merupakan persilangan antara Oryza officinalis dan Oryza satifa f spontania. Tanaman padi yang dapat tumbuh baik di daerah tropis ialah Indica, sedangkan Japonica banyak diusahakan didaerah sub tropis [6].
Sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan dan pemanipulasian data. Sistem itu digunakan untuk membantu pengambilan keputusan dalam situasi yang semiterstruktur dan situasi yang tidak terstruktur, di mana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat [4].
2.3 Lahan Pasir Berlempung
Lahan pasir berlempung memiliki rasa kasar sangat jelas dan sifat tanah membentuk bola yang mudah sekali hancur serta sedikit sekali melekat. Selain itu juga, tanah tipe tekstur pasir berlempung memiliki komposisi fraksi yang terdiri dari pasir 82,5%, debu 13,4%, dan liat 4,1%. Tanah tipe tekstur pasir berlempung juga memliki kadar air jenuh 36,23%, kadar air koefisien higroskopis 4,66%, dan kadar air dapat hilang 31,57% [1].
2.4 Metode Multi-Objective Optimization by Ratio Analysis (MOORA)
Metode Multi-Objective Optimization by Ratio Analysis (MOORA) merupakan sistem multiobjektif pada pengoptimalan dua atau lebih atribut yang saling bertentangan secara bersamaan. Metode ini digunakan untuk menyelesaikan masalah dengan perhitungan matematika yang kompleks. Metode Moora diterapkan untuk menyelesaikan banyak permasalahan ekonomi, manajerial dan konstruksi pada sebuah perusahaan maupun proyek [7].
Langkah-langkah pada metode MOORA dapat dinyatakan, sebagai berikut:
1. Menginputkan nilai kriteria
Menginputkan nilai kriteria pada suatu alternatif dimana nilai tersebut nantinya akan diproses dan hasilnya akan menjadi sebuah keputusan[8].
2. Merubah nilai kriteria menjadi matriks keputusan
Matriks keputusan berfungsi sebagai pengukuran kinerja dari alternatif ke-i pada atribut ke-j, M adalah alternatif dan n adalah jumlah atribut dan kemudian sistem rasio dikembangkan dimana setiap kinerja dari sebuah alternatif pada sebuah atribut dibandingkan dengan penyebut yang merupakan wakil untuk semua alternatif dari atribut tersebut[9], Berikut adalah perubahan nilai kriteria menjadi sebuah matriks keputusan:
Xij= [
X11 X12 … X1n X21 X22 … X2n
… … … …
Xm1 Xm2 … Xmn
] (1)
Rumus 3.1. Merubah nilai kriteria menjadi matriks keputusan Keterangan:
Xij = Matriks keputusan m = Nomor urutan alternatif
n = Nomor urutan atribut atau kriteria 3. Normalisasi matriks
Normalisasi bertujuan untuk menyatukan setiap elemen matriks sehingga elemen pada matriks memiliki nilai yang seragam[10]. Normalisasi pada MOORA dapat dihitung menggunakan persamaan sebagai berikut:
Xij∗ = Xij
√∑mi=1xij2
(2)
Rumus 3.2. Normalisasi matriks Keterangan:
Xij = Matriks alternatif j pada kriteria i
i = 1,2,3,4,..,n adalah nomor urutan atribut atau kriteria j = 1,2,3,4,...,m adalah nomor urutan alternatif
Xij∗ = Matriks normalisasi alternatif i pada kriteria j 4. Mengurangi nilai maxmax dengan minmax
Untuk menandakan bahwa sebuah atribut lebih penting itu bisa dikalikan dengan bobot yang sesuai (koefisien signifikasi)[11].
Atribut bobot dipertimbangkan perhitungan menggunakan persamaan sebagai berikut:
Yi = ∑0j=1Wj Xij∗ − ∑nj=g+1Wj Wij∗ Xij
√∑mi=1xij2 (3)
Rumus 3.3. Mengurangi nilai maxmax dengan minmax Keterangan:
j = 1,2,...,g adalah jumlah tipe kriteria yang dimaksimalkan.
i = g+1,g+2,...,n adalah jumlah tipe kriteria yang diminimalkan.
Yi = nilai dari penilaian yang telah dinormalisasi dari alternatif i terhadap semua kriteria Wj = nilai dari alternatif i pada kriteria j
5. Menentukan rangking dari hasil perhitungan MOORA.
Menentukan rangking dilakukan dengan cara mengurutkan nilai optimasi setiap alternatif dari nilai tertinggi ke nilai terendah[12]. Alternatif dengan nilai optimasi tertinggi merupakan alternatif terbaik.
3. HASIL DAN PEMBAHASAN
3.1 Perhitungan Multi-Objective Optimization on The Basis of Ratio (MOORA)
Dalam penelitian ini kriteria yang digunakan untuk menentukan pemilihan bibit padi pada lahan pasir berlempung di Desa Lubuk Bayas, sebagai input yaitu ketahanan terhadap hama, ketahanan terhadap penyakit, potensi hasil, anakan produktif, dan umur tanaman. Maka, Penelitian ini akan membantu Sistem Pendukung Keputusan Pemilihan Bibit Pada Lahan Pasir Berlempung Menggunakan Metode Moora (Studi Kasus: Desa Lubuk Bayas Kecamatan Perbaungan).
Tabel 1. Sampel Data
Alternatif
Kriteria Ketahanan
terhadap hama biotipe 1
Ketahanan terhadap hama biotipe 2
Ketahanan terhadap hama biotipe 3
Ketahanan terhadap penyakit Bakteri strain III
Ketahanan terhadap penyakit Bakteri strain IV
Potensi Hasil
Anakan Produktif
Umur naman
Ciherang Sangat Tahan
Sangat Tahan
Sedikit tahan
Sangat Tahan
Sangat Tahan
8,5 t/
ha
± 16 Batang
± 121 hari Sintanur Sangat
Tahan
Sangat
Tahan Rentan Sangat
Tahan Rentan 7,0 t/
ha
± 18 Batang
± 120 hari Inpari 32 Sedikit
rentan
Sedikit rentan
Sedikit rentan
Sangat Tahan
Sedikit Tahan
8,42 t/
ha 17
Batang
± 120 Hari Inpari 42 Sedikit
tahan
Sedikit rentan
Sedikit rentan
Sedikit
tahan Rentan
10,58 t/ha 18
Batang
± 112 hari Mekongga Sedikit
rentan
Sedikit tahan
Sedikit tahan
Sedikit tahan
Sedikit tahan
8,4 t/
ha ± 15
Batang
± 121 hari Cibogo Sangat
Tahan
Sangat Tahan
Sedikit tahan
Sedikit tahan
Sedikit tahan
8,1 t/
ha ± 16
Batang
± 120 hari Inpari 33 Sangat
Tahan
Sangat Tahan
Sangat Tahan
Sangat
Tahan Rentan 9,8 t/
ha
24 Batang
±107 Hari
Alternatif
Kriteria Ketahanan
terhadap hama biotipe 1
Ketahanan terhadap hama biotipe 2
Ketahanan terhadap hama biotipe 3
Ketahanan terhadap penyakit Bakteri strain III
Ketahanan terhadap penyakit Bakteri strain IV
Potensi Hasil
Anakan Produktif
Umur naman
Inpari 4 Sedikit rentan
Sedikit rentan
Sedikit rentan
Sangat Tahan
Sedikit rentan
8,8 t/
ha 16
batang
± 115 Hari Inpari 11 Sedikit
rentan
Sedikit
rentan Rentan Sangat Tahan
Sedikit tahan
8,8 t/
ha 18
batang
± 108 hari Cakrabuana
Agritan
Sedikit rentan
Sedikit rentan
Sedikit rentan
Sedikit
tahan Rentan 10,2 t/
ha 16
batang
± 104 hari Tabel 2. Kriteria
No Kriteria Keterangan Bobot Jenis
1 C1 Ketahanan terhadap hama biotipe 1, biotipe 2, dan biotipe 3 0,45 Benefit 2 C2 Ketahanan terhadap penyakit Bakteri strain III dan Bakteri strain IV 0,26 Benefit
3 C3 Potensi Hasil 0,16 Benefit
4 C4 Anakan Produktif 0,09 Benefit
5 C5 Umur Tanaman 0,04 Cost
Tabel 3. Nilai alternatif untuk setiap kriteria
Alternatif C1-1 C1-2 C1-3 C2-1 C2-2 C3 C4 C5
A1 5 5 3 5 5 3 3 4
A2 5 5 1 5 1 2 4 4
A3 2 2 2 5 3 3 4 4
A4 3 2 2 3 1 5 4 2
A5 2 3 3 3 3 3 3 2
A6 5 5 3 3 3 3 3 3
A7 5 5 5 5 1 4 5 1
A8 2 2 2 5 2 3 3 2
A9 2 2 1 5 3 3 4 1
A10 2 2 2 3 1 5 3 1
Setelah didapatkan nilai alternatif yang telah di bobotkan, maka dilakukan pemrosesan keputusan menggunakan metode MOORA. Berikut langkah-langkah perhitungannya:
1. Melakukan persiapan terhadap nilai matriks keputusan x 5 5 3 5 5 3 3 4
5 5 1 5 1 2 4 4 2 2 2 5 3 3 4 4 X =
3 2 2 3 1 5 4 2 2 3 3 3 3 3 3 2 5 5 3 3 3 3 3 3 5 5 5 5 1 4 5 1 2 2 2 5 2 3 3 2 2 2 1 5 3 3 4 1 2 2 2 3 1 5 3 1
2. Melakukan normalisasi matriks X, menggunakan persamaan ke-1 (satu).
Xij∗ = Xij / √∑ = 1m
i
Xij 2
Hasil dari Normalisasi Matriks X diperoleh matriks Xij* yang dapat dilihat di bawah ini:
0,4402 0,4402 0,3586 0,3666 0,6019 0,2694 0,2592 0,4781 0,4402 0,4402 0,1195 0,3666 0,1204 0,1796 0,3455 0,3586 0,1761 0,1761 0,2390 0,3666 0,3612 0,2694 0,3455 0,3586
X =
0,2641 0,1761 0,2390 0,2200 0,1204 0,4490 0,3455 0,2390 0,1761 0,2641 0,3586 0,2200 0,3612 0,2694 0,2592 0,4781 0,4402 0,4402 0,3586 0,2200 0,3612 0,2694 0,2592 0,3586 0,4402 0,4402 0,5976 0,3666 0,1204 0,3592 0,4319 0,1195 0,1761 0,1761 0,2390 0,3666 0,2408 0,2694 0,2592 0,2390 0,1761 0,1761 0,1195 0,3666 0,3612 0,2694 0,3455 0,1195 0,1761 0,1761 0,2390 0,2200 0,1204 0,4490 0,2592 0,1195 3. Mengoptimalkan atribut dengan menyertakan bobot dalam pencarian yang ternormalisasi Untuk Alternatif A1 (Ciherang)
A1,1=0,4402*0,15=0,0660 A1,2=0,4402*0,15=0,0660 A1,3=0,3586*0,15=0,0538 A1,4=0,3666*0,13=0,0477 A1,5=0,6019*0,13=0,0783 A1,6=0,2694*0,16=0,0431 A1,7=0,2592*0,09=0,0233 A1,8=0,4781*0,04=0,0191 Untuk Alternatif A2 (Sintanur) A2,1=0,4402*0,15=0,0660 A2,2=0,4402*0,15=0,0660 A2,3=0,1195*0,15=0,01779 A2,4=0,3666*0,13=0,0477 A2,5=0,1204*0,13=0,0157 A2,6=0,1796*0,16=0,0287 A2,7=0,3455*0,09=0,0311 A2,8=0,3586*0,04=0,0143 Untuk Alternatif A3 (Inpari 32) A3,1=0,1761*0,15=0,0264 A3,2=0,1761*0,15=0,0264 A3,3=0,2390*0,15=0,0359 A3,4=0,3666*0,13=0,0477 A3,5=0,3612*0,13=0,0470 A3,6=0,2694*0,16=0,0431 A3,7=0,3455*0,09=0,0311 A3,8=0,3586*0,04=0,0143 Untuk Alternatif A4 (Inpari 42) A4,1=0,2641*0,15=0,0396 A4,2=0,1761*0,15=0,0264 A4,3=0,2390*0,15=0,0359 A4,4=0,2200*0,13=0,0286 A4,5=0,1204*0,13=0,0157 A4,6=0,4490*0,16=0,0718 A4,7=0,3455*0,09=0,0311 A4,8=0,2390*0,04=0,096 Untuk Alternatif A5 (Mekonga)
A5,1=0,1761*0,15=0,0264 A5,2=0,2641*0,15=0,0396 A5,3=0,3586*0,15=0,0538 A5,4=0,2200*0,13=0,0286 A5,5=0,3612*0,13=0,0470 A5,6=0,2694*0,16=0,0431 A5,7=0,2592*0,09=0,0233 A5,8=0,4781*0,04=0,0191 Untuk Alternatif A6 (Cibogo) A6,1=0,4402*0,15=0,0660 A6,2=0,4402*0,15=0,0660 A6,3=0,3586*0,15=0,0538 A6,4=0,2200*0,13=0,0286 A6,5=0,3612*0,13=0,0470 A6,6=0,2694*0,16=0,0433 A6,7=0,2592*0,09=0,0233 A6,8=0,3586*0,04=0,0143 Untuk Alternatif A7 (Inpari 33) A7,1=0,4402*0,15=0,0660 A7,2=0,4402*0,15=0,0660 A7,3=0,5986*0,15=0,0896 A7,4=0,3666*0,13=0,0477 A7,5=0,1204*0,13=0,0157 A7,6=0,3593*0,16=0,0575 A7,7=0,4319*0,09=0,0389 A7,8=0,1195*0,04=0,0048 Untuk Alternatif A8 (Inpari 4) A8,1=0,1761*0,15=0,0264 A8,2=0,1761*0,15=0,0264 A8,3=0,2390*0,15=0,0359 A8,4=0,366*0,13=0,0477 A8,5=0,2408*0,13=0,0313 A8,6=0,2694*0,16=0,0431 A8,7=0,2592*0,09=0,0233 A8,8=0,2390*0,04=0,0096 Untuk Alternatif A9 (Inpari 11) A9,1=0,1761*0,15=0,0264 A9,2=0,1761*0,15=0,0264 A9,3=0,1195*0,15=0,0179 A9,4=0,3666*0,13=0,0477 A9,5=0,3612*0,13=0,0470 A9,6=0,2694*0,16=0,0431 A9,7=0,3455*0,09=0,0311 A9,8=0,1195*0,04=0,0048
Untuk Alternatif A10 (Cakrabuana Agritan) A10,1=0,1761*0,15=0,0264
A10,2=0,1761*0,15=0,0264 A10,3=0,2390*0,15=0,0359 A10,4=0,2200*0,13=0,0286 A10,5=0,1204*0,13=0,0157 A10,6=0,4490*0,16=0,0718 A10,7=0,2592*0,09=0,0233 A10,8=0,1195*0,04=0,0048
Dari data di atas, maka didapatkan hasil dari perkalian nilai normalisasi dengan nilai bobot kriteria:
0,0660 0,0660 0,0538 0,0477 0,0783 0,0431 0,0233 0,0191 0,0660 0,0660 0,0179 0,0477 0,0157 0,0287 0,0311 0,0143 0,0264 0,0264 0,0359 0,0477 0,0470 0,0431 0,0311 0,0143 0,0396 0,0264 0,0359 0,0286 0,0157 0,0718 0,0311 0,0096 X= 0,0264 0,0396 0,0538 0,0286 0,0470 0,0431 0,0233 0,0191 0,0660 0,0660 0,0538 0,0286 0,0470 0,0431 0,0233 0,0143 0,0660 0,0660 0,0896 0,0477 0,0157 0,0575 0,0389 0,0048 0,0264 0,0264 0,0359 0,0477 0,0313 0,0431 0,0233 0,0096 0,0264 0,0264 0,0179 0,0477 0,0470 0,0431 0,0311 0,0048 0,0264 0,0264 0,0359 0,0286 0,0157 0,0718 0,0233 0,0048 Benefit Benefit Benefit Benefit Benefit Benefit Benefit Cost 4. Mengurangi nilai maxmax dengan minmax
Kemudian, dengan menggunakan persamaan ke 3, maka dapat dihitung nilai Yi yang dilihat pada tabel 4 berikut ini:
Tabel 4. Daftar Yi (Nilai Preferensi)
No. Alternatif Maximum (C2+C3.1+C3.2+C3.3+C4.1+C4.2) Minimum(C1) Yi = Max - Min
1 A1 0,3782 0,0191 0,3591
2 A2 0,2731 0,0143 0,2588
3 A3 0,2575 0,0143 0,2432
4 A4 0,2491 0,0096 0,2395
5 A5 0,2618 0,0191 0,2427
6 A6 0,3278 0,0143 0,3135
7 A7 0,3814 0,0048 0,3766
8 A8 0,2341 0,0096 0,2245
9 A9 0,2396 0,0048 0,2348
10 A10 0,2281 0,0048 0,2233
5. Menentukan rangking dari hasil perhitungan MOORA
Dari tabel di atas dapat kita lihat hasil Yi dari setiap alternatif, maka akan kita dapatkan perankingan atau prioritas dari bibit padi unggul yang akan di pilih:
Tabel 5. Hasil Ranking Pemilihan Bibit Padi Unggul
No. Kode Alternatif Nama Bibit Padi Nilai Prioritas Keterangan
1 A7 Inpari 33 0,3766 Prioritas 1
2 A1 Ciherang 0,3591 Prioritas 2
3 A6 Cibogo 0,3135 Prioritas 3
4 A2 Sintanur 0,2588 Prioritas 4
5 A3 Inpari 32 0,2432 Prioritas 5
6 A5 Mekongga 0,2427 Prioritas 6
7 A4 Inpari 42 0,2395 Prioritas 7
8 A9 Inpari 11 0,2348 Prioritas 8
9 A8 Inpari 4 0,2245 Prioritas 9
10 A10 Cakrabuana Agritan 0,2233 Prioritas 10
Berdasarkan tabel di atas, maka maka diperoleh hasil nilai perankingan untuk bibit padi unggul. Dari hasil tersebut diketahui bibit padi Inpari 33 (A7) dapat diusulkan menjadi bibit padi unggul prioritas dari hasil seleksi yang dilakukan.
3.2 Implementasi
Kegiatan akhir dalam penerapan sistem adalah proses implementasi sistem, yaitu mengoperasikan sistem secara menyeluruh. Sebelum sistem benar- benar bisa digunakan dengan baik, sistem harus melalui tahap pengujian terlebih dahulu untuk menjamin tidak ada kendala yang muncul pada saat sistem digunakan.
Implementasi yang dilakukan terdapat beberapa tahap prosedur untuk menyelesaikan analisa yaitu aplikasi yang disetujui, melakukan penginstalan, pengujian data, dan memulai menggunakan sistem yang diperbaiki atau sistem baru.
1. Tampilan Home
Tampilan home dapat dilihat pada gambar di bawah ini, yaitu:
Gambar 1. Tampilan Home 2. Tampilan Form Registrasi
Tampilan Form Registrasi dapat dilihat pada gambar di bawah ini, yaitu:
Gambar 2. Tampilan form registrasi 3. Tampilan Form Login Administrator
Tampilan Form Login Administrator dapat dilihat pada gambar di bawah ini, yaitu:
Gambar 3. Tampilan Form Login Administrator 4. Tampilan Data Alternatif
Tampilan data alternatif dapat dilihat pada gambar di bawah ini, yaitu:
Gambar 4. Tampilan Data Alternatif 5. Tampilan Data Kriteria
Tampilan data kriteria dapat dilihat pada gambar di bawah ini, yaitu:
Gambar 5. Tampilan Data kriteria 6. Tampilan Data Penilaian
Tampilan data penilaian dapat dilihat pada gambar di bawah ini, yaitu:
Gambar 6. Tampilan Data Penilaian 7. Tampilan Proses Perhitungan
Tampilan proses perhitungan dapat dilihat pada gambar di bawah ini, yaitu:
Gambar 7. Tampilan Proses Perhitungan 8. Tampilan Laporan
Tampilan laporan dapat dilihat pada gambar di bawah ini, yaitu:
Gambar 8. Tampilan Laporan
4. KESIMPULAN
Dari penelitian di atas dapat diambil kesimpulan sebagai berikut:
1. Proses untuk menentukan nilai dari kriteria dalam mencari bibit padi yang unggul didapatkan dari data-data yang dikumpulkan dari kumpulan petani yang ada di desa Lubuk Bayas dan kemudian dianalisa untuk mendapatkan informasi yang utuh agar dapat diolah dengan baik dalam sistem.
2. Metode Moora dapat digunakan untuk menyelesaikan masalah yang ada dalam penentuan prioritas bibit padi unggul.
3. Perancangan sistem pendukung keputusan dalam menentukan bibit unggul ini menggunakan Bahasa PHP, HTML&
CSS, dan text editor visual basic, dan database menggunakan Mysql, yang di tampilkan menggunakan web browser yaitu google chrome, ataupun mozilla firefox. Diagram, Activity Diagram, Class Diagram, Flowchart program kemudian merancang basis data dan interface.
4. Hasil nilai perankingan untuk bibit padi unggul yang didapatkan dalam penelitian bahwasanya diketahui alternatif A7 yakni bibit padi Inpari 33 dapat diusulkan menjadi bibit padi unggul prioritas dari hasil seleksi yang dilakukan dengan nilai 0,3766.
REFERENCES
[1] S. P. ( P. T. I. dan R.-B. Guru Singa, “Studi Kadar Air Jenuh dan Higroskopis Berbagai Tipe Tekstur Tanah Menggunakan Neutron,” in Pertemuan Ilmiah Jabatan Fungsional Pranta Nuklir, Pengawas Radiasi Dan Teknisi Litkayasa XIV, Jakarta: Badan Tenaga Nuklir Nasional, Puslitbang Teknologi Isotop dan Radiasi, 2005, pp. 253–265.
[2] R. S, R. I.F., and R. A. Asmara, “Pengembangan Sistem Penunjang Keputusan Penentuan UKT Mahasiswa Dengan Menggunakan Metode MOORA Studi Kasus Politeknik Negeri Malang,” J. Inform. Polinema, vol. 3, pp. 36–42, 2017.
[3] T. Sutabri, Analisa Sistem Informasi, 2nd ed. Yogyakarta: Penerbit Andi, 2012.
[4] K. Kusrini, Konsep dan aplikasi sistem pendukung keputusan, 1st ed. Yogyakarta: Penerbit Andi, 2007.
[5] G. Kartasapoetra, Masalah Pertanahan Di Indonesia, 2nd ed. Jakarta: Rineka Cipta, 1992.
[6] I. Hasanah, Bercocok Tanam Padi, 1st ed. Jakarta: Azka Mulia Media, 2007.
[7] D. Nofriansyah and S. Defit, Multi Criteria Decision Making (MCDM): pada sistem pendukung keputusan, 1st ed. Yogyakarta: Deepublish, 2017.
[8] S. W. Pasaribu, E. Rajagukguk, M. Sitanggang, R. Rahim, and L. A. Abdillah, “Implementasi Multi-Objective Optimization On The Basis Of Ratio Analysis (MOORA) Untuk Menentukan Kualitas Buah Mangga Terbaik,” J. Ris. Komput., vol. 5, no. 1, pp. 50–55, 2018, doi:
10.31227/osf.io/yqbse.
[9] A. S. R. A. Binjori, H. R. B. Hutapea, and M. Syahrizal, “Sistem Pendukung Keputusan Penentuan Handphone Bekas Terbaik Menggunakan Metode Multi-Objective Optimization on The Basis of Ratio Analysis (MOORA),” J. Ris. Komput., vol. 5, no. 1, pp. 61–65, 2018, doi:
10.30865/komik.v2i1.942.
[10] M. Mesran, S. D. A. Pardede, A. Harahap, and A. P. U. Siahaan, “Sistem Pendukung Keputusan Pemilihan Peserta Jaminan Kesehatan Masyarakat (Jamkesmas) Menerapkan Metode MOORA,” J. Media Inform. Budidarma, vol. 2, no. 2, pp. 16–22, 2018, doi:
10.30865/mib.v2i2.595.
[11] A. Z. Syah and Y. Siagian, “Penerapan MOORA pada Evaluasi Kinerja dalam Mengefektifkan Biaya Operasional,” J. Media Inform.
Budidarma, vol. 5, no. 3, pp. 1090–1096, 2021, doi: 10.30865/mib.v5i3.3112.
[12] A. Muharsyah, S. R. Hayati, M. I. Setiawan, H. Nurdiyanto, and Y. Yuhandri, “Sistem Pendukung Keputusan Penerimaan Jurnalis Menerapkan Multi Obective Optimization On the Basis Of Ratio Analysis (MOORA),” JURIKOM (Jurnal Ris. Komputer), vol. 5, no. 1, pp. 19–23, 2018.