BARANG KONVEKSI
IrwansyahProdi Teknik Informatika Politeknik Negeri Samarinda Email: irwan_it_polnes@yahoo.co.id
Abstrak
Sistem pendukung keputusan merupakan alat bantu yang digunakan oleh pengambil keputusan, dan dengan berbagai metode yang digunakan sebagai sarana dalam mengambil keputusan. Maka hal ini perlu dibuatkan sebuah sistem pendukung keputusan, sehingga dalam hal ini direktur/pimpinan perusahaan dapat membuat sebuah keputusan dari kriteria-kriteria yang sudah di tetapkan dalam mengembangkan perusahaannya. Pada sistem pendukung keputusan ini menggunakan metode Weighted Product (WP), di mana dalam metode ini menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan. Serta menggunakan metode Simple Additive Weighting (SAW), di mana dalam metode ini mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Data-datanya di proses berdasarkan bobot preferensi serta normalisasi matriks. Hasil penelitian ini dengan menggunakan metode WP dan SAW menunjukan V2 memiliki peringkat teratas.
Kata Kunci - Sistem Pendukung Keputusan, Weighted Product (WP), Simple Additive Weighting (SAW)
I. PENDAHULUAN
1.1
Latar Belakang
Di era jual beli barang tentunya tidak lepas dari barang apa yang paling banyak diminati. Dalam hal ini dimana lebih di fokuskan pada barang konveksi.
Permasalahan yang selama ini terjadi bagaimana menentukan barang apa yang paling banyak diminati oleh pembeli? Sistem pendukung keputusan di perlukan di antaranya untuk membantu kecepatan komputasi dan dukungan kualitas dalam pengambilan keputusan. Maka hal ini perlu dibuatkan sebuah sistem pendukung keputusan untuk direktur, sehingga dalam hal ini direktur/pimpinan perusahaan dapat membuat sebuah keputusan dari kriteria-kriteria yang ada dalam memajukan perusahaannya. Dengan memberikan sebuah survey kepada pembeli berupa kuisioner dari beberapa kriteria yang diberikan, sehingga perusahaan ini mengetahui barang apa yang paling banyak dicari dan outputnya menghasilkan sebuah perankingan yang dikerjakan menggunakan metode Weighting Product (WP) dan Simple Additive Weighting (SAW), setelah perankingan didapatkan maka ditetapkanlah barang apa yang paling banyak diminati pembeli sehingga barang yang diminati tersebut harus diperbanyak. Dari 2 (dua) metode yang digunakan bisa diketahui apakah keduanya sama-sama meiliki perankingan yang sama atau tidak.
Konsep dasar metode weighted product (WP) adalah menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan (Yoon, 1989). Proses ini sama halnya dengan proses normalisasi. Begitu juga halnya konsep dasar metode simple additive weighting (SAW) adalah mencari penjumlahan
terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Fishburn, 1967) (MacCrimmon, 1968). Dalam penulisan ini peneliti mengambil beberapa contoh barang yang banyak dibeli dari konsumen untuk membuat sebuah pakaian di antaranya: Kain Asahi, Kain M901, Kain Asahi, Benang extra, Elastik dan sebagainya yang menunjang untuk pembuatan sebuah pakaian. Kesulitan yang selama ini terjadi adalah tidak mengetahui barang apa yang paling banyak diminati oleh pembeli, sehingga di perlukannya pembuatan sebuah sistem pendukung keputusan. Dimana sistem pendukung keputusan ini nantinya di perlukan salah satunya untuk membantu kecepatan komputasi tentang barang yang paling banyak diminati dengan menggunakan metode yang berbeda sebagai bahan perbandingannya, sehingga hasil akhirnya dapat diketahui.
Keputusan merupakan kegiatan yang harus dilakukan oleh seorang manajer, agar dapat menentukan sesuatu yang diinginkan. Dalam memilih tindakan yang diyakini manajer, diharapkan dapat memberikan hasil terbaik. Di dalam mengambil keputusan terdapat banyak kriteria, diantaranya berdasarkan discount, kualitas, merk, kemudahan memperoleh barang, kepuasan terhadap barang, pelayanan karyawan dan harga.
II. DASAR TEORI
2.1. Metode Weighted Product (WP)
Pada metode WP, preferensi untuk alternatif Ai
n
Si = Π xijwj ; dengan i =1,2,…,m (1)
j=1
dimana ∑wj = 1. wj adalah pangkat bernilai
positif untuk atribut keuntungan, dan bernilai negatif untuk atribut biaya. Preferensi relatif dari setiap alternatif, diberikan sebagai:
n n
Vi = Π xijwj / Π (xj*)wj ; i =1,2,…,m (2)
j=1 j=1
2.2. Metode Simple Additive Weighting (SAW)
Pada metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.
xij/Maxi xij
jika j adalah atribut keuntungan rij =
(3)
Mini xij/xij
jika j adalah atribut biaya n
Vi = ∑ Wj rij (4)
j=1 dimana:
rij Rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj
i 1,2,...,m
j 1,2,…,n
Vi Nilai preferensi untuk setiap alternative
Nilai Vi yang lebih besar mengindikasikan
bahwa alternatif Ai lebih terpilih.
2.3. Sistem Pendukung Keputusan
Sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem itu digunakan untuk membantu pengambilan keputusan dalam situasi yang semitersruktur dan situasi yang tidak terstruktur, dimana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat (Alter, 2002).
2.4.Metode Penelitian
Kerangka Konsep Penelitian
Sistem pendukung keputusan biasanya dibangun untuk mendukung solusi atas suatu masalah atau untuk mengevaluasi suatu peluang. Berikut ini adalah struktur dari sistem pendukung keputusan yang dapat dilihat pada Gambar 1:
Gambar 1. Struktur Sistem Pendukung Keputusan
Proses Pengambilan Keputusan
Pengambilan keputusan adalah sebuah proses memilih tindakan (diantara berbagai alternatif) untuk mencapai suatu tujuan atau beberapa tujuan. Menurut Simon (1977), pengambilan keputusan manajerial sinonim dengan proses keseluruhan dari manajemen. Adapun fase-fase proses keputusan yaitu inteligensi, desain, pilihan dan implementasi. Beberapa menganggap fase keseluruhan tersebut sebagai fase pemecahan masalah, dengan fase pilihan sebagai pengambilan keputusan riil.
Metode Weighting Product (WP) dan Metode Simple Additive Weighting (SAW) merupakan bagian dari konsep dasar Multi-Attribut Decision Making (MADM). Proses MADM dilakukan melalui 3 tahap yaitu penyusunan komponen-komponen situasi, analisis, dan sintesis informasi (Rudolphi, 2000).
Pada tahap penyusunan komponen, komponen situasi akan dibentuk tabel taksiran yang berisi identifikasi alternatif dan spesifikasi tujuan, kriteria dan atribut. Salah satu cara untuk menspesifikasikan tujuan situasi |Oi, i = 1,…,t|
adalah dengan cara mendaftar konsekuensi-konsekuensi yang mungkin dari alternatif yang telah teridentifikasi | Ai, i = 1,…,n |. Selain itu juga
disusun atribut-atribut yang akan digunakan | ak, k
= 1,…m |.
Metode Analisis
dilakukan pendataan baik dengan wawancara ataupun melihat langsung yang dilakukan oleh direktur dan karyawan-karyawannya tentang permasalahan apa yang terjadi, sehingga berkeinginan untuk melakukan penelitian ini? Adapun permasalahan yang akan diangkat dalam penelitian ini adalah bagaimana membandingkan metode weighting product dengan metode simple additive weighting dalam memperoleh barang yang paling banyak diminati pembeli.
Analisis Kebutuhan
Berikut merupakan beberapa kebutuhan sistem pendukung keputusan yang akan dibangun untuk mendukung memperoleh barang yang paling banyak di minati pembeli:
a) Kebutuhan Input
Data input yang digunakan untuk membangun sistem pendukung keputusan diantaranya data kriteria dan data alternatif.
b) Kebutuhan Proses
Beberapa proses dibutuhkan untuk memproses data input menjadi data output berupa informasi yang diinginkan yaitu:
a. Proses menghitung untuk melakukan normalisasi.
b. Proses perankingan dari nilai vector (WP) c. Proses perankingan dari normalisasi
(SAW)
c) Kebutuhan Output
Output yang diinginkan adalah berupa informasi yang akan disampaikan ke direktur, yaitu:
a. Hasil proses perhitungan dan hasil perankingan menggunakan metode WP dan SAW
b. Membantu direktur untuk mengambil sebuah keputusan dari data-data yang ada sehingga barang apa yang paling banyak di minati pembeli dapat diketahui.
Sumber Data
Sumber data merupakan data akurat baik itu data yang didapat dari internal, eksternal yang akan dijadikan sebuah acuan untuk menghasilkan informasi yang valid. Dalam sistem pendukung keputusan sumber data bisa didapat dari:
a. Data internal
Data internal merupakan data yang berasal dari dalam yaitu data yang didapat dari perusahaan itu sendiri yang digunakan untuk mendukung Sistem. Adapun data internal yang dibutuhkan adalah data kriteria dan data alternatif.
b. Data eksternal
Merupakan data yang berasal dari luar perusahaan, tapi tetap mempunyai pengaruh dalam membuat sistem pengambilan keputusan yang baik. Adapun data yang berasal dari luar adalah data yang didapat dari hasil kuisioner dari pembeli. Jadi perbedaanya adalah data internal merupakan data yang didapat dari dalam perusahaan itu sendiri, sedangkan data eksternal merupakan data yang didapat dari luar perusahaan.
c. Data ekstraksi
Data ekstraksi merupakan data gabungan dari data internal dan data eksternal. Proses ekstraksi menghasilkan manajemen sistem
III. HASIL DAN PEMBAHASAN
3.1 Pembahasan
Pengujian sistem merupakan proses mengeksekusi sistem perangkat lunak untuk menentukan apakah sistem perangkat lunak tersebut cocok dengan spesifikasi sistem dan berjalan sesuai dengan lingkungan yang diinginkan. Pengujian sistem sering diasosiasikan dengan pencarian bug, ketidaksempurnaan program, kesalahan pada baris program yang menyebabkan kegagalan pada eksekusi sistem perangkat lunak. Menemukan dan menghilangkan ketidaksempurnaan program ini disebut debugging, yang berbeda dengan pengujian sistem yang berfokus pada pengidentifikasian adanya ketidaksempurnaan.
Arsitektur Sistem
Proses arsitektur sistem yang dibuat yaitu terjadinya seorang pengambil keputusan yang memerintahkan kepada karyawan (kasir) untuk membuat sebuah SPK dengan kriteria-kriteria seperti discount, kualitas, merk, kemudahan memperoleh barang, pelayanan karyawan, kepuasan terhadap barang, harga dengan melakukan kuisioner. Dalam SPK ini menggunakan dua (2) metode yaitu metode
Weighting Product dan Simple Additive
Weighting, sehingga hasil akhirnya dapat
perankingan ditemukan dengan 2 metode, apakah ke 2 metode tersebut mempunyai hasil akhir yang sama atau tidak. Kemudian di simpan dalam
database server dan dibuatkan sebuah laporan
berupa informasi yang akan disampaikan ke direktur. Rancangan arsitekturnya dapat dilihat pada Gambar 2.
Dalam arsitektur ini terdapat hubungan antara komponen-komponen yang berhubungan yang menghasilkan:
1. Karyawan sebagai administrator sistem. Admin ini yang memiliki hak akses tertinggi, meliputi: input, update, delete, dan output data.
2. Direktur yaitu seorang pengambil keputusan, yang mempunyai hak akses dalam pengambilan keputusan yang di dasari dari rekomendasi admin. Direktur juga memiliki hak akses dalam hal input, update, delete dan output data.
Gambar 2. Arsitektur Sistem
Pemodelan proses
Pemodelan proses adalah cara formal untuk menggambarkan bagaimana sistem beroperasi. Diagram Konteks
Pada context diagram sistem digambarkan dengan sebuah proses saja, kemudian entitas luar yang berinteraksi dengan proses tunggal, berikut adalah context diagram sistem pendukung keputusan untuk penentuan barang konveksi dapat dilihat pada Gambar 3.
Gambar 3. Diagram Konteks
Didalam context diagram ini terdapat dua entitas yaitu admin dan direktur, adapun tentang hak akses sistem yang diberikan dalam memakai fasilitas sistem diberikan berbeda:
1. Admin
a. Melakukan proses login dengan menggunaka user dan password ketika hendak memakai sistem.
b. Diberi kebebasan melakukan penambahan user seperti admin1, admin2 kapan saja ketika diinginkan.
c. Admin dapat melakukan perubahan, penambahan, penghapusan data yang terdaftar didalam tabel.
2. Direktur, dalam hal ini adalah sebagai pembuat keputusan yang mana menerima informasi perankingan tentang barang yang paling banyak di minati pembeli dari admin, tetapi direktur juga dapat melakukan hal yang sama apa yang dikerjakan oleh admin. Pada pengujian dan pembahasan ini mengulas tentang sistem pendukung keputusan untuk menentukan barang yang paling banyak di minati pembeli. Setelah melalui proses penginputan, data tersebut kemudian diproses dengan metode
Weighting Product dan Simple Additive Weighting
sehingga menghasilkan output yang diinginkan sesuai dengan harapan pengambil keputusan dalam hal ini adalah direktur.
Input data dalam pengambil keputusan dilakukan oleh karyawan (kasir) dalam hal ini sebagai administrator, yang mana hasil akhirnya akan diberikan kepada direktur sebagai pengambil keputusan. Dalam proses log in, user harus memasukan id user dan password, agar hak dan kerahasiaannya terlindungi dari pihak yang tidak mempunyai kepentingan. Selanjutnya administrator melakukan input data kriteria dan data alternatif, dimana penentuan penginputan data ini bersifat dinamis sesuai dengan aturan dari perusahaan tersebut.
Proses Perhitungan Metode WP
Dalam proses perhitungan WP data-datanya diambil dari hasil kuisioner, form kuisioner dapat dilihat pada Gambar 4.
Setelah data-data kuisioner didapatkan, kemudian dilakukan proses perhitungan seperti pada Tabel 1.
Tabel 1.
Rating kecocokan klasifikasi elastik Alte
rnat if
Kriteria C
1
C
2
C
3
C
4
C
5
C
6
C
7
A1 1 1 1 1 1 2 4
A2 4 4 4 5 5 7 4
A3 1 2 2 1 2 2 4
A4 1 1 1 1 1 1 4
A5 1 1 1 1 1 1 4
Pengambil keputusan memberikan bobot sebagai berikut:
W = (3, 3, 2, 2, 3, 2, 3)
sehingga total bobot ∑wj = 1, dengan cara
wj = wj / ∑wj ;
3 3
W1 = = = 0,1667
3+3+2+2+3+2+3 18
dan seterusnya hingga mencapai W7,
kemudian dilanjutkan menghitung vektor S: S1=(10,1667)(10,1667)(10,1111)(10,1111)(10,1667)
( 20,1111)(4-0,1667) = 0,8571
Dan seterusnya, sehingga nilai vektor V yang akan digunakan untuk perankingan dapat dihitung.
0,8571 V1 =
0,8571+1,7965+1,1662+0,7936+0,7936 = 0,1585
V2 = 0,3322
V3 = 0,2156
V4 = 0,1467
V5 = 0,1467
Dari perhitungan tersebut maka V2 merupakan
nilai terbesar, kemudian disusul V3 serta V1. Sedangkan V4 dan V5 mempunyai nilai yang sama. sehingga V2 merupakan barang yang paling
banyak diminati pembeli.
Proses Perhitungan Metode SAW
Untuk form kuisioner, tabel rating kecocokan klasifikasi elastik dan nilai pembobotan sama dengan pada metode weighted product.
Untuk matriks keputusan dibentuk dari tabel kecocokan sebagai berikut:
1 1 1 1 1 2 4
4 4 4 5 5 7 4
X = 1 2 2 1 2 2 4
1 1 1 1 1 1 4
1 1 1 1 1 1 4
Kemudian lakukan normalisasi sebagai berikut: 1 1
r11 = = = 0,25
max{1;4;1;1;1} 4
4
r12 = = 1
max{1;4;1;1;1}
dan seterusnya, sehingga didapatkan matriks ternormalisasi sebagai berikut:
Sehingga menghasilkan berupa perankingan sebagai berikut:
V1=(3)(0,25)+(3)(0,25)+(2)(0,25)+(2)(0,2)+(
3)(0,2)+(2)(0,2857)+(3)(1) = 6,5714 V2 = 18
V3 = 8,4214
V4 = 6,2856
V5 = 6,2856
Dari perhitungan tersebut maka V2 merupakan
nilai terbesar, kemudian disusul V3 serta V1.
Sedangkan V4 dan V5 mempunyai nilai yang sama.
sehingga V2 merupakan barang yang paling banyak
IV. KESIMPULAN
1. Menggunakan metode Weighted Product (WP) dan Simple Additive Weighting (SAW) maka perankingan dapat diketahui. 2. Perbandingan penggunaan metode
Weighted Product dan Simple Additive Weighting pada hasil akhir dalam perankingan tidak ada perbedaan.
3. Pemberian bobot dapat mempengaruhi hasil akhir.
4. Dengan menggunakan sistem pendukung keputusan dapat membantu hasil yang diinginkan.
REFERENSI
[1] Fatta, H.A., 2007, Analisis & Perancangan
Sistem Informasi, Penerbit ANDI,
Yogyakarta.
[2] Gayatri V.S. and Chetan M.S., 2013, Comparative Study of Different Multi-kriteria Decision-making Methods, IJACTE, ISSN (Print) : 2319 – 2526, Volume-2,Issue-4,2013,
http://www.irdindia.in/Journal_IJACTE/PD F/Vol2_Iss4/2.pdf,diakses 3 April 2014. [3] Irwansyah, 2014, Sistem Pendukung
Keputusan Untuk Penentuan Barang Konveksi Yang Harus Disediakan Menggunakan Metode Promethee, Tesis,
Program Studi Ilmu Komputer Universitas Gadjah Mada (UGM) Yogyakarta.
[4] Kusrini, 2007, Konsep dan Aplikasi Sistem
Pendukung Keputusan, Penerbit ANDI,
Yogyakarta.
[5] Kusumadewi, S., Hartati, S., Harjoko, A., dan Wardoyo, R., 2006, Fuzzy Multi-Attribute
Decision Making, Penerbit GRAHA ILMU,
Yogyakarta.
[6] Suryadi, K; & Ramdhani, A. 1998, Sistem Pendukung Keputusan: Suatu Wacana Struktural Idealisasi dan Implementasi
Konsep Pengambilan Keputusan. Bandung:
PT Remaja Rosdakarya.
[7] Turban, E., Aronson, J.E. and Liang, T.P.,
2005, Decision Support System and
Inteligent System,edisi 7 jilid 1, Andi,