Sistem Pendukung Keputusan Pemilihan Bibit Ubi Kayu Menggunakan Metode 171
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN BIBIT UBI KAYU
MENGGUNAKAN METODE TOPSIS
(Studi Kasus : PT. Hutahaean) Reliska Elfrida Capah (1011861)
Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Sp. Limun Medan
http : // www.inti-budidarma.com // Email : [email protected]
ABSTRAK
Sistem informasi merupakan suatu hal yang sangat penting dalam pengambilan suatu keputusan. Karena sistem informasi mempunyai nilai yang sangat tinggi, agar keputusan yang diambil lebih cepat dan tepat maka harus di dukung dengan data yang relevan dan akurat mampu di gunakan oleh setiap pihak dalam mendukung kemajuan organisasi atau perusahaan untuk menggapai tujuan dalam pengambilan keputusan yang baik.
Banyak instansi yang menggunakan komputer sebagai alat bantu untuk lebih meningkatkan kualitas yang lebih baik bagi instansi. Dengan menggunakan komputer proses pengolahan data di lakukan dengan cepat dan akurat sehingga menghasilkan data berupa informasi salah satunya adalah informasi tentang pemilihan bibit ubi kayu.
Adapun dibuat sistem ini adalah untuk mempermudah mendapatkan informasi mengenai bibit ubi kayu dengan cepat dan akurat. Hasil sistem tersebut akan mempermudah proses kerja pegawai yang ada pada PT Hutahaean karena informasi penentuan bibit ubi kayu yang dibutuhkan akan lebih cepat diproses.
Kata kunci : Sistem Pendukung Keputusan Metode TOPSIS
1. PENDAHULUAN
1.1. Latar Belakang Masalah
Bibit merupakan salah satu penentu
keberhasilan budidaya tanaman. Budidaya tanaman sebenarnya telah dimulai sejak memilih bibit tanaman yang baik, karena bibit merupakan obyek utama yang akan dikembangkan dalam proses budidaya selanjutnya. Selain itu, bibit juga merupakan pembawa gen dari induknya yang menentukan sifat tanaman setelah berproduksi. Oleh karena itu untuk memperoleh tanaman yang memiliki sifat tertentu dapat diperoleh dengan memilih bibit yang berasal dari induk yang memiliki sifat tersebut. Ubi kayu merupakan tanaman perdu. Ubi kayu berasal dari Benua Amerika, tepatnya dari Brasil. Tanaman ini masuk ke Indonesia pada tahun 1852. Ubi kayu berkembang di negara-negara yang terkenal dengan wilayah pertaniannya. Tanaman ubi kayu dibudidayakan dengan menggunakan stek batang.
PT Hutahaean merupakan perusahaan swasta yang bergerak di bidang tapioka. Dimana perusahaan ini memiliki perkebunan Ubi kayu sendiri. Berdasarkan penelitian yang dilaksanakan di PT. Hutahaean, ternyata perusahaan ini mempunyai masalah tidak adanya ubi kayu yang akan diolah disebabkan kurangnya hasil karena bibit yang digunakan di PT. Hutahaean tersebut kurang baik.
Sistem pendukung keputusan (SPK) adalah bagian dari sistem informasi berbasis komputer
termasuk sistem berbasis pengetahuan atau
manajemen pengetahuan yang dipakai untuk
mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan. Dapat juga dikatakan
sebagai sistem komputer yang mengolah data menjadi informasi untuk mengambil keputusan dari masalah semi terstruktur yang spesifik.
Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) merupakan salah satu
metode pengambilan keputusan. TOPSIS didasarkan pada konsep, dimana alternatif terpilih yang baik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif. Konsepnya sederhana dan mudah dipahami dan komputasinya efisien. Metode TOPSIS
merupakan metode yang digunakan dalam
menghadapi situasi Fuzzy Multiple Attribute Decision
Making (FMADM) atau pengambilan keputusan
dengan mencari alternatif optimal dari sejumlah alternatif dari kriteria tertentu.
Berdasarkan permasalahan diatas, diperlukan solusi untuk mencari alternatif terbaik berdasarkan kriteria-kriteria yang telah ditentukan dengan menggunakan metode TOPSIS.
1.2 Perumusan Masalah
Berdasarkan latar belakang di atas maka perumusan masalah dapat dirumuskan sebagai berikut:
1. Bagaimana menentukan kriteria pemilihan bibit ubi kayu?
2. Bagaimana menerapkan metode Technique for
Order Preference by Similarity to Ideal Solution
(TOPSIS) terhadap sistem pendukung keputusan dalam pemilihan bibit ubi kayu yang baik? 3. Bagaimana merancang aplikasi sistem pendukung
1.3 Batasan Masalah
Adapun batasan masalah dalam penulisan skripsi ini adalah :
1. Pemilihan bibit ubi kayu sesuai kriteria yang ditentukan berdasarkan umur (bulan), hasil umbi (t/ha), dan kadar pati (% bb).
2. Menggunakan metode Technique for Order
Preference by Similarity to Ideal Solution
(TOPSIS) dalam penyelesaian masalah.
3. Pemograman yang digunakan adalah Microsoft
Visual Basic Net 2008 dan database dengan MySql.
1.4 Tujuan dan Manfaat Penelitian 1.4.1 Tujuan
Tujuan yang ingin dicapai pada penelitian ini adalah:
1. Untuk mengetahui bibit ubi kayu yang baik sesuai kriteria yang telah ditentukan.
2. Untuk menerapkan metode Technique for Order
Preference by Similarity to Ideal Solution
(TOPSIS) dalam sistem pendukung keputusan pemilihan bibit ubi kayu.
3. Untuk merancang aplikasi sistem pendukung keputusan dalam pemilihan bibit ubi kayu.
1.4.2 Manfaat
Adapun manfaat dari penelitian ini adalah sebagai berikut :
1. Sebagai salah satu alternatif untuk membantu pemilihan bibit ubi kayu pada PT.Hutahaean. 2. Dapat mempermudah pemilihan bibit ubi kayu
yang baik dengan penggunaan metode Technique
for Order Preference by Similarity to Ideal Solution (TOPSIS).
2. LANDASAN TEORI 2.1 Sistem
Kata sistem berasal dari bahasa Yunani yang artinya “Kesatuan”, suatu kesatuan yang saling bergantung dan saling bekerja sama untuk mencapai suatu tujuan usaha tertentu.
2.2 Sistem Pendukung Keputusan (Decision
Support System)
DSS adalah sistem informasi interaktif yang
menyediakan informasi, pemodelan, dan
pemanipulasian data. Sistem ini 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.
2.3 Pengertian Bibit
Pengertian bibit atau benih secara umum adalah jenis varietas tanaman yang dianggap bagus dengan kriteria tertentu untuk ditanam serta bisa menghasilkan produksi yang baik di saat panen.
2.4 Technique For Order Preference by
Similarity to Ideal Solution (TOPSIS)
TOPSIS didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif. Konsep ini banyak digunakan pada beberapa model MADM untuk menyelesaikan masalah keputusan secara praktis. Hal ini disebabkan konsepnya sederhana dan mudah dipahami, komputasinya efisien, dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan dalam bentuk matematis yang sederhana.
Adapun langkah-langkah dari metode TOPSIS ini sebagai berikut :
1. Topsis dimulai dengan membangun sebuah matriks keputusan
Matriks keputusan X mengacu terhadap m alternatif yang akan dievaluasi berdasarkan n kriteria. A1 X11 X12 X13 . . . X1n A2 X21 X22 X23 . . . X2n X= A3 X31 X32 X33 . . . X3n . . . . . . . . . . Am Xm1 Xm2 Xm3 .. . . Xmn
Dimana Ai (i=1,2,3,....m) adalah alternatif-alternatif
yang mungkin, Xj (j=1,2,3,...n) adalah atribut dimana
performansi alternatif diukur, Xij adalah performansi
alternatif Ai dengan acuan atribut Xj.
2. Membuat matriks keputusan yang ternormalisasi
rij =
∑
= m i ij j i x x 1 2;dengan i=1,2,...,m; dan
j=1,2,...,n dimana :
rij = matriks ternormalisasi [i][j]
xij = matriks keputusan [i][j]
3. Membuat matriks keputusan
ternormalisasi terbobot
vij = wj.rij ; dengan i=1,2,...,m; dan
j=1,2,...,n dimana :
vij = Elemen dari matriks keputusan yang
ternormalisasi terbobot V
wj = Bobot dari kriteria ke-j
rij = Elemen dari matriks keputusan yang
ternormalisasi R.
4. Solusi ideal positif A+ dan solusi ideal negatif A -dapat ditentukan berdasarkan rating bobot ternormalisasi (yij) sebagai : A+ = (y1 + , y2 + , ..., yn + ); A- = (y1 -, y2 -, ...-, yn -); dimana : vj +
= max yij, jika j adalah atribut
keuntungan
Sistem Pendukung Keputusan Pemilihan Bibit Ubi Kayu Menggunakan Metode 173
vj- = min yij, jika j adalah atribut keuntungan
max yij, jika j adalah atribut biaya
5. Jarak antara alternatif Ai dengan solusi ideal
positif : Di+ =
∑
= + − n i ij i v v 1 2 ) ( ; i=1,2,...,m dimana : Di += jarak alternatif Ai dengan solusi ideal positif
vi+ = solusi ideal positif[i]
vij = matriks normalisasi terbobot[i][j]
6. Jarak antara alternatif Ai dengan solusi ideal
negatif : Di =
∑
= − − n j i j i v v 1 2 ) ( ; i=1,2,...,m dimana : Di -= jarak alternatif Ai dengan solusi ideal negatif
vi
= solusi ideal positif[i]
vij = matriks normalisasi terbobot[i][j]
7. Nilai
preferensi untuk setiap alternatif (Vi)
Vi = + − − + i i i D D D ; i=1,2,...,m dimana :
Vi = kedekatan tiap alternatif terhadap
solusi ideal
Di+ = jarak alternatif Ai dengan solusi ideal
positif Di
-
= jarak alternatif Ai dengan solusi ideal negatif
Nilai Vi yang lebih besar menunjukkan bahwa
alternatif Ai lebih dipilih.
3. ANALISA DAN PERANCANGAN
3.1 Analisa Pemilihan Bibit Ubi Kayu
Sebagai langkah awal yang dilakukan dalam studi kasus tersebut adalah untuk mengetahui gambaran permasalahan dalam pemilihan bibit ubi kayu dengan melakukan analisa permasalahan yang dapat memberikan solusi sesuai dengan permasalahan yang ada. Proses pemilihan bibit ubi kayu membutuhkan ketelitian dan waktu, dengan kriteria yang dimiliki oleh bibit ubi kayu tersebut, yakni: Bibit ubi kayu berdasarkan umur, hasilumbi (t/ha) dan Kadar pati (% bb).
3.2 Penerapan Metode Topsis Untuk Pemilihan Bibit Ubi Kayu
Pada proses pemilihan bibit ubi kayu dibutuhkan sistem yang dapat membantu dalam membuat suatu keputusan. Penilaian terhadap kriteria-kriteria yang ada dilakukan dengan model penilaian yang bersifat kuantitatif. salah satu metode perhitungan kuantitatif tersebut adalah metode Topsis (Technique for Order Performance by Similarity to
Ideal Solution). Adapun langkah-langkah metode ini
adalah:
1. Menentukan jenis-jenis kriteria pemilihan bibit ubi kayu. Dimana, kriteria-kriteria yang dibutuhkan dalam pemilihan bibit ubi kayu adalah berdasarkan umur,hasil umbi, kadar pati.
2. Menentukan rangking setiap alternatif pada setiap kriteria dinilai dengan 1 sampai 4 yaitu :
1 = Buruk 2 = Cukup 3 = Baik 4 = Sangat Baik Tabel 1 Kriteria Kriteria Keterangan C1 Umur C2 Hasil Umbi C3 Kadar pati Tabel 2 Pembobotan Pembobotan Penilaian Buruk 1 Cukup 2 Baik 3 Sangat Baik 4
Tabel 3 Pembobotan Umur Umur (Bln) Pembobotan Nilai
0-5 Bulan Buruk 1
6-10 Bulan Cukup 2
11-15 Bulan Baik 3
16-20 Bulan Sangat Baik 4
Tabel 4 Pembobotan Hasil Umbi Hasil Umbi (t/ha) Pembobotan Nilai 0-10%bb Buruk 1 11-20%bb Cukup 2 21-30%bb Baik 3 31-45%bb Sangat Baik 4
3. Membuat data awal pada setiap alternatif
Tabel 5 Rating Kecocokan Setiap Alternatif Pada Setiap Kriteria Kriteria Alternatif C1 C2 C3 A1 7 22 45 A2 9 36 32 A3 8 31 34 A4 12 102 25 Keterangan : C1 = Umur C2 = Hasil Umbi C3 = Kadar pati
A1 = Adira1 A2 = Malang1 A3 = Malang2 A4 = Darul Hidayah
4. Membuat matriks rating kecocokan setiap alternatif pada setiap kriteria yang dibentuk dari tabel data awal.
Tabel 6 Rating Kecocokan Setiap Alternatif Pada Setiap Kriteria Kriteria Alternatif C1 C2 C3 A1 2 1 4 A2 2 2 4 A 3 2 2 4 A4 3 4 3
5. Menentukan bobot Preferensi untuk setiap kriteria.
Tabel 7 Pembobotan Preferensi Kriteria Range (%) Bobot
Umur 25 0,25
Hasil umbi 40 0,4
Kadar pati 35 0,35
6. Setelah matriks keputusan dan bobot kriteria dibuat, selanjutnya adalah membuat matriks keputusan yang ternormalisasi R yang fungsinya untuk memperkecil range data. Adapun elemen-elemennya ditentukan dengan rumus berikut :
Rij = Dimana :
Rij adalah elemen dari matriks keputusan yang ternormalisasi R,
xij adalah elemen dari matriks keputusan, i = 1,2,3, ..., m, j= 1,2,3, ..., n.
i = 1,2,3, ..., m, j= 1,2,3, ..., n.
Matriks keputusan yang dibentuk dari tabel kecocokan diatas adalah :
Adira 1 2 1 4
Malang 1 2 2 4
Malang 2 2 2 4
Darul Hidayah 3 4 3
Matriks keputusan yang ternormalisasi dari matriks diatas dapat dilihat pada penyelesaian berikut :
|x1| = = = = 4,5825 = = = 0,4364 = = = 0,4364 = = = 0,4364 = = = 0,6546 |x2| = = = = 5 = = = 0,2 = = = 0,4 = = = 0,4 = = = 0,8 |x3| = = = = 7,5498 = = = 0,5298 = = = 0,5298 = = = 0,5298 = = = 0,3973
Sehingga diperoleh hasil perhitungan matriks keputusan ternormalisasi sebagai berikut :
0,4364 0,2 0,5298 R = 0,4364 0,4 0,5298 0,4364 0,4 0,5298 0,6546 0,8 0,3973
7. Setelah matriks ternormalisasi dibuat,
selanjutnya adalah membuat matriks keputusan ternormalisasi terbobot V yang elemen-elemennya ditentukan dengan menggunakan rumus berikut :
vij = wj . rij Dimana :
vij adalah elemen dari matriks keputusan yang ternormalisasi terbobot v,
Bobot wij (w1, w2, w3, ...., wn) adalah bobot dari kriteria ke-j
Rij adalah elemen dari matriks keputusan yang ternormalisasi R
Dengan i = 1,2,3, ...., m ; dan j = 1,2,3, ...., n. Matriks keputusan ternormalisasi terbobot dapat dilihat pada penyelesaian berikut :
v11 = w1.r11 = 0,25 x 0,4364 = 0,0872 v21 = w1.r21 = 0,25 x 0,4364 = 0,0872 v31 = w1.r31 = 0,25 x 0,4364 = 0,0872 v41 = w1.r41 = 0,25 x 0,6546 = 0.1309 v12 = w2.r12 = 0,4 x 0,2 = 0,09 v22 = w2.r22 = 0,4 x 0,4 = 0,18 v32 = w2.r32 = 0,4 x 0,4 = 0,18 v42 = w2.r42 = 0,4 x 0,8 = 0,36 v13 = w3.r13 = 0,35 x 0,5298 = 0,1845 v23 = w3.r23 = 0,35 x 0,5298 = 0,1845 v33 = w3.r33 = 0,35 x 0,5298 = 0,1845
Sistem Pendukung Keputusan Pemilihan Bibit Ubi Kayu Menggunakan Metode 175 v43 = w3.r43 = 0,35 x 0,3973 = 0,1390
Sehingga diperoleh hasil perhitungan matriks keputusan ternormalisasi terbobot berikut :
0,0872 0,09 0,1845 R = 0,0872 0,18 0,1845
0,0872 0,18 0,1845 0.1309 0,36 0,1390
8. Selanjutnya menentukan matriks solusi ideal positif (A+) Umur Hasil Umbi Kadar pati A+ Max 0,1309 Min 0,09 Min 0,1390 Y11+ = max (0,0872 0,0872 0,0872 0.1309) = 0,1309 Y21 + = min (0,09 0,18 0,18 0,36) = 0,09 Y31 + = min (0,1845 0,1845 0,1845 0,1390) = 0,1390 A+ = (0,1309 0,0821 0,1390) 9. Matriks solusi ideal negatif (A-).
Umur Hasil Umbi Kadar pati A -Min 0,0872 Max 0,36 Max 0,1845 Y11 - = min (0,0872 0,0872 0,0872 0,1309) = 0,0872 Y21 - = max (0,09 0,18 0,18 0,36) = 0,36 Y31 - = max (0,1845 0,1845 0,1845 0,1390) = 0,1845 A- = (0,0872 0,36 0,1845)
10. Selanjutnya menghitung jarak alternatif terbobot dengan solusi ideal positif (D+) .
Di + =
∑
= +−
n i ij iv
v
1 2)
(
D1+= = = = 0,0424 D2 + = = = = 0,3029 D3 + = = = = 0,3029 D4+= = = = 0,519611. Selanjutnya menghitung jarak alternatif terbobot dengan solusi ideal negatif (D-)
Di =
∑
= − − n j i j i v v 1 2 ) ( D1 - = = = = 0,5196 D2 - = = = = 0,4242 D3 - = = = = 0,4242 D4 - = = = = 0,099412. Setelah menghitung jarak alternatif dari solusi ideal positif (A+) dan jarak alternatif solusi ideal negatif (A-), selanjutnya adalah menghitung kedekatan relatif terhadap solusi ideal positif.
Vi = + − − + i i i D D D V1 = = 1,0888 V2 = = 3,4971 V3 = = 3,4971 V4= = 0,1480
13. Selanjutnya alternatif diurutkan dari nilai C+ terbesar ke nilai C+ terkecil. Alternatif dengan nilai C+ terbesar merupakan solusi yang terbaik.
Tabel 9 Hasil Pengurutan Kedekatan Relatif
A4 1,0888
A3 3,4971
A2 3,4971
A1 0,1480
Pada tabel 4.4 dapat dilihat bahwa alternatif yang menempati urutan pertama yaitu Darul Hidayah dengan nilai 1,0888, alternatif yang menempati urutan kedua yaitu Malang 2 dengan nilai0,8032, alternatif yang menempati urutan ketiga yaitu Malang 1 dengan nilai 0,3851, dan alternatif yang menempati urutan keempat yaitu Adira 1 dengan nilai 0,1480. Berdasarkan hasil pengurutan, maka pilihan terbaik adalah alternatif A4 yaitu Malang 1 yang dapat di anjurkan untuk pemilihan bibit terbaik.
4. ALGORITMA DAN IMPLEMENTASI
4.1 Algoritma
Penggunaan metode Technique for Order
Preference by Similarity to Ideal Solution (TOPSIS)
pada aplikasi yang dirancang mampu untuk menampilkan hasil proses pendukung keputusan dengan baik, adapun algoritmanya adalah sebagai berikut :
1. Algoritma matriks keputusan yang ternormalisasi Input : : Xij Nilai atribut kriteria Output : Rij Rating kinerja ternormalisasi X
Proses : Rij = (Nilai elemen X dibagi jumlah nilai dari setiap elemen X yang diakarkan). 2. Algoritma matriks keputusan yang ternormalisasi terbobot
Input : W Nilai bobot kriteria Output : Vij Elemen dari matriks yang ternormalisasi terbobot V
Proses : Vij = (Wij * Rij)
3. Algoritma matriks solusi ideal positif dan negatif Input : : Vij Elemen dari matriks yang ternormalisasi terbobot V
Output : A+ (Solusi ideal positif) Atribut kriteria keuntungan
A- (Solusi ideal negatif) Atribut kriteria Biaya
Proses : A+ = Max (Vij) (Nilai tertinggi dari nilai normalisasi terbobot)
A- = Min (Vij) (Nilai terendah dari nilai normalisasi terbobot)
4. Algoritma menghitung Separasi
Input : : Vij Jarak alternatif terbobot Output : D+ Jarak alternatif solusi ideal positif
D- Jarak alternatif solusi ideal negatif Proses : Di + =
∑
+ − 2 ) (vij vi (Hasil penjumlahan nilai normalisasiterbobot dengan solusi ideal positif yang diakarkan)
Di- =
∑
−− 2
) (vij vi
(Hasil penjumlahan nilai normalisasi terbobot dengan solusi ideal negatif yang diakarkan). 5. Algoritma kedekatan relatif
Input : : Di+ Jarak alternatif solusi
ideal positif
Di
Jarak alternatif solusi
ideal negatif
Output : Vi Nilai preferensi alternatif
Proses : Vi = + − − + i i i D D D (Hasil
pembagian antara separasi negatif dengan jumlah separasi negatif dan positif).
6. Algoritma merangking alternatif Input : : Ci +
Output : Cmax dan Cmin
Proses : C Nilai relatif solusi ideal If Cmax nilai tertinggi, if Cmin nilai terendah
Cmax = max (Ci +
) If Ci
+
then else if (min = min (Ci +
) then
Hitung (minimal) End if
4.2 Implementasi Program
Pengujian yang dilakukan adalah pengujian metode (method testing) dengan menggunakan metode TOPSIS. Metode TOPSIS sebuah kerangka
untuk mengambil keputusan dengan efektif.
Pengujian metode berfokus pada tindakan pengguna yang terlihat dan pengguna dapat mengenali output dari sistem, pengujian ini menjalankan sistem pada lingkungan yang aktif dengan menggunakan data yang benar. Pada tahap ini pengujian hanya sebagai
administrator yang memiliki hak akses sepenuhnya
pada sistem.
4.2.1 Form Login
Form ini digunakan agar User dapat mengakses program jika nama dan passwordnya benar, dapat dilihat pada gambar 1 berikut:
Gambar 1 Form Login
Sistem Pendukung Keputusan Pemilihan Bibit Ubi Kayu Menggunakan Metode 177
Form ini digunakan sebagai
tampilan utama dari program, Jika tombol file dipilih maka akan ditampilkan form data bibit ubi kayu, pada data form bibit ubi kayu terdapat beberapa data yang harus diisi seperti kode bibit dan nama bibit. Jika tombol proses dipilih maka akan ditampilkan form proses kriteria bibit ubi kayu. Pada form proses kriteria bibit ubi kayu terdapat beberapa data yang harus diisi seperti kode bibit, nama bibit, serta kriteria bibit ubi kayu yang ditentukan yaitu umur, hasil umbi, dan kadar pati, dapat dilihat pada gambar 5.2 berikut ini:
Gambar 2 Menu Utama
Pada form data bibit ubi kayu terdapat 6 tombol yaitu tombol simpan, tombol baru, tombol hapus, tombol batal, tombol keluar yang masing-masing memiliki fungsi yang berbeda. Tombol simpan berfungsi menyimpan data bibit ubi kayu kedalam tabel data ubi kayu, tombol baru berfungsi untuk memperbarui data bibit ubi kayujika terjadi perubahan data bibit ubi kayu. Tombol hapus berfungsi untuk menghapus data bibit ubi kayu yang telah tersimpan. Tombol batal berfungsi untuk membatalkan perubahan data bibit ubi kayu. Tombol keluar berfungsi untuk keluar dari form data bibit ubi kayu dan kembali ke form tampilan utama.
Pada form data bibit ubi kayu terdapat tabel yang berfungsi untuk menampilkan data bibit ubi kayu yang telah tersimpan pada tabel bibit ubi kayu.
4.2.3 Form Data Bibit Ubi Kayu
Form ini digunakan sebagai tempat input data bibit ubi kayu dari program, dapat dilihat pada gambar 3 berikut ini:
Gambar 3 Form Data Bibit Ubi Kayu Tombol laporan akan menampilkan form proses yang dapat dilihat pada gambar 3 akan menampilkan form proses penentuan bibit yang terpilih.
Tombol proses berfungsi untuk memproses data pemilihan bibit ubi kayu dengan menggunakan TOPSIS. Hasil pemrosesan berupa tabel pengurutan data berdasarkan nilai prioritas paling tinggi kenilai prioritas paling rendah. Tombol keluar berfungsi untuk keluar dari form proses pemilihan bibit ubi kayu.
Pada form proses pemilihan bibit ubi kayu, terdapat bobot kriteria yang harus diisi sebelum melakukan pemrosesan data. Kriteria-kriterianya yaitu umur, hasil umbi, dan kadar pati.
Gambar 4 Data Kriteria Bibit Ubi Kayu
5.2.4 Form Penentuan Bibit
Form ini digunakan untuk menentukan bibit yang akan dipilih dari program dapat dilihat pada gambar 5 berikut ini:
Gambar 5 Proses Penentuan Bibit Ubi Kayu
5. KESIMPULAN DAN SARAN 5.1 Kesimpulan
Berdasarkan hasil dari penelitian yang penulis lakukan mengenai pemilihan bibit ubi kayu bagi PT. Hutahaean dengan metode Technique for Order
Preference by Similarity to Ideal Solution (TOPSIS)
untuk sistem pendukung keputusan pemilihan bibit ubi kayu yang telah dirancang, penulis dapat menarik kesimpulan sebagai berikut :
1. Sistem pendukung keputusan pemilihan bibit ubi kayu ditentukan oleh beberapa kriteria yaitu umur, hasil umbi, dan kadar pati. Kriteria-kriteria tersebut dijadikan bahan proses perhitungan dalam menentukan bibit ubi kayu yang tepat bagi PT. Hutahaean.
2. Penerapan metode TOPSIS dalam pemilihan bibit ubi kayu dimulai dari tahap membuat matriks keputusan , membuat matriks keputusan yang
ternormalisasi, matriks keputusan yang
ternormalisasi terbobot, menentukan solusi ideal positif dan negatif, menghitung separasi,
menghitung kedekatan relatif dan terakhir proses perangkingan. Dalam mendukung keputusan untuk memilih bibit ubi kayu yang tepat bagi PT. Hutahaean , metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) dapat diterapkan dengan baik serta mampu menunjukkan salah satu alternatif input merupakan prioritas dari keputusan.
3. Perancanagan aplikasi sistem pendukung
keputusan pemilihan bibit ubi kayu menggunakan bahasa pemograman Visual Basic 2008 dan Microsoft Access sebagai databasenya. Visual Basic 2008 digunakan untuk membuat form penginputan data bibit ubi kayu dan form penentuan bibit ubi kayu yang tepat bagi PT. Hutahaean. Micrososft Access digunakan untuk penyimpanan data bibit ubi kayu.
5.2 Saran
Penelitian yang penulis lakukan dirasa masih jauh dari sempurna. Untuk penelitian selanjutnya disarankan hal-hal sebagai berikut : 1. Sistem pendukung keputusan pemilihan bibit ubi
kayu dapat dikembangkan lagi dengan
menambahkan beberapa kriteria seperti Struktur tanah dan Cuaca.
2. Sistem pendukung keputusan pemilihan bibit ubi kayu dapat dikembangkan dengan metode selain TOPSIS, misalnya seperti metode WP, AHP, SAW dan lain sebagainya.
3. Metode TOPSIS diharapkan dapat
diimplementasikan ke dalam perangkat lunak yang lebih userfriendly, dimana user dapat lebih mudah menggunakannya.
4. Sistem dapat dikembangkan dalam bentuk website agar dapat digunakan multiuser.
5. Perancangan aplikasi sistem pendukung
keputusan pemilihan bibit ubi kayu dapat dikembangkan lagi dengan menggunakan bahasa pemograman yang lain seperti JAVA, PASCAL, dan TURBO C++.
6. DAFTAR PUSTAKA
[1] Jogiyanto, “ Pengenalan Komputer”, Penerbit Andi, Yogyakarta, 2005.
[2] Kusrini, “Konsep dan Aplikasi Sistem
Pendukung Keputusan”, Penerbit Andi,
Yogyakarta, 2007
[3] Kusumadewi, “Sistem Pendukung Keputusan Dengan Metode TOPSIS ”,
Penerbit Rindy , Graha Ilmu, 2007.
[4] Mesran, “Diktat Perkuliahan Pemograman Visual”, Medan, 2011.
[5] Nugroho Adi, “Rekayasa Perangkat Lunak
Menggunakan UML dan Java”, Andi,
Yogyakarta, 2009.\
[6] Tata Sutarbi, “Konsep Dasar Informasi”, Andi, Yogyakarta, 2005.
[7] Turban, Efraim dan Jaye Aronson, “Decision Support Systems and Intelligent Systems (Sistem Pendukung Keputusan dan System Cerdas) Jilid 1”, Andi, Yogyakarta, 2005. [8] http://ms.wikipedia.org/wiki/ubi_kayu
#Kegunaan
[9] Titik Sundari, “Pengenalan Varietas Unggul dan Teknik Budidaya Ubi Kayu”, Malang: Balai penelitian Kacang-kacangan dan umbi-umbian, 2010.
