ISSN : 2302-450X
PROSIDING
PERTEMUAN DAN PRESENTASI KARYA ILMIAH
BALI, 29 JULI 2016
PEMBICARA UTAMA SEMINAR PARALEL DENGAN TEMA
͞
͞
P
P
e
e
m
m
a
a
n
n
f
f
a
a
a
a
t
t
a
a
n
n
T
T
e
e
k
k
n
n
o
o
l
l
o
o
g
g
i
i
B
B
i
i
g
g
D
D
a
a
t
t
a
a
d
d
a
a
n
n
B
B
u
u
s
s
i
i
n
n
e
e
s
s
s
s
I
I
n
n
t
t
e
e
l
l
l
l
i
i
g
g
e
e
n
n
c
c
e
e
u
u
n
n
t
t
u
u
k
k
M
M
e
e
w
w
u
u
j
j
u
u
d
d
k
k
a
a
n
n
S
S
m
m
a
a
r
r
t
t
C
C
u
u
l
l
t
t
u
u
r
r
a
a
l
l
C
C
i
i
t
t
y
y
͟
͟
Prof. Dr. Ir. Suhono Harso Supangkat, CGEIT.
I. B. Rai Dharmawijaya Mantra
I. B. Gede Dwidasmara, S.Kom., M.Cs.
I Putu Suryawan, S.E., M.M.
PENYUNTING AHLI
Prof. Dr. I Ketut Gede Darma Putra, S.Kom., M.T.
Dr. H. Agus Zainal Arifin, S.Kom., M.Kom.
Dr.techn. Ahmad Ashari, M.Kom.
Dr. Drs. Anak Agung Ngurah Gunawan, M.T.
Agus Muliantara, S.Kom., M.Kom.
PELAKSANA SEMINAR
PELINDUNG
Rektor Universitas Udayana, Bali
PENANGGUNG JAWAB
Dekan Fakultas MIPA Universitas Udayana
Ketua Program Studi Teknik Informatika, FMIPA Universitas Udayana
PANITIA
I Gusti Ngurah Anom Cahyadi Putra,S.T.,M.Cs.
Gst. Ayu Vida Mastrika Giri, S.Kom., M.Cs.
I Gede Arta Wibawa,S.T.,M.Kom
Ida Bagus Made Mahendra, S.Kom., M.Kom.
I Putu Gede Hendra Suputra, S.Kom., M.Kom.
Luh Arida Ayu Rahning Putri,S.Kom.,M.Cs.
Made Agung Raharja, S.Si., M.Cs.
I Gede Santi Astawa, S.T., M.Cs.
I Komang Ari Mogi, S.Kom, M.Kom.
Ida Bagus Gede Dwidasmara,S.Kom.,M.Cs.
Dewa Made Bayu Atmaja Darmawan,S.Kom.,M.Cs.
I Made Widiartha, S.Si., M.Kom.
I Gusti Agung Gede Arya Kadnyanan.,S.Kom.,M.Kom.
I Gede Oka Gartria A.,S.Kom.,M.Kom.
I Wayan Supriana, S.Si., M.Cs.
Dra. Luh Gede Astuti, M.Kom.
KATA PENGANTAR
Puji syukur kita panjatkan kehadirat Tuhan Yang Maha Esa, atas terselesainya
penyusunan Prosiding SNATIA 2016 ini. Buku ini memuat naskah hasil penelitian dari berbagai
bidang kajian yang telah direview oleh pakar di bidangnya dan telah dipresentasikan dalam acara
Seminar SNATIA tahun 2016 pada tanggal 29 Juli 2016 di Universitas Udayana kampus Bukit
Jimbaran, Badung, Bali.
Kegiatan SNATIA 2016 merupakan agenda tahunan Program Studi Teknik Informatika,
Jurusan Ilmu Komputer, Universitas Udayana. SNATIA 2016
e ga bil te a Pemanfaatan
Teknologi Big Data dan Business Intelligence untuk Mewujudkan Smart Cultural City
, de ga
pembicara utama seminar yang terdiri dari pakar-pakar peneliti dan pemerhati di bidang
Teknologi Informasi dan Smart City.
Meskipun kegiatan seminar dan pendokumentasian naskah dalam prosiding ini telah
dipersiapkan dengan baik, namun kami menyadari masih banyak kekurangannya. Panitia
memohon maaf yang sebesar-besarnya atas kekurangan yang ada. Kritik dan saran perbaikan
sangat kami harapkan untuk penyempurnaan di masa mendatang, yang dapat dikirimkan melalui
e-mail snatia.unud@gmail.com.
Kepada semua pihak yang terlibat baik langsung maupun tidak langsung dalam
penyelenggaraan seminar dan penyusunan prosiding SNATIA 2016, panitia mengucapkan terima
kasih.
Jimbaran, 29 Juli 2016
DAFTAR ISI
Kata Pengantar
Daftar Isi
Artificial Intelligence
Implementasi Algoritma Genetika pada Penjadwalan Bimbingan Tugas Akhir (Studi
Kasus Jurusan Ilmu Komputer Universitas Udayana)
Alfin Amri ...
1
Implementasi Metode Naïve Bayes Classifier dalam Mendeteksi Penyakit Saluran Kemih
I Gede Krisna Putra Andiana ...
9
Klasifikasi Jamur Menggunakan Metode Naïve Bayes dengan Pemrosesan Paralel
I Putu Agus Suarya Wibawa ...
15
Klasifikasi Pengidap Diabetes Menggunakan Metode Naive Bayes dengan Pemrosesan
Pararel
Daniel Kurniawan ...
23
Komparasi Algoritma C4.5, Naïve Bayes dan K-Nearest Neighbor (K-Nn) untuk
Mendeteksi Kanker Payudara
Rayung Wulan ...
29
Penerapan Metode LCG (Linear Congruential Generator) pada Sistem Pengacak Soal
Studi Kasus : BLCC (Bali Logic and Computer Competition) Unud
I Wayan Puguh Sudarma ...
35
Perancangan Monitoring and Controlling Traffic Light pada Different Street Condition
Menggunakan Jaringan Internet
Cries Avian ...
43
Perancangan Sistem Evaluasi Nilai Akademik Mahasiswa Menggunakan K-Means
Clustering
Risky Aswi Ramadhani ...
49
Perancangan Sistem Pengklasifikasian Musik Menggunakan Algoritma Support Vector
Machine
Rancang Bangun Aplikasi Pencocokan Citra Tanda Tangan
Resty Wulanningrum ...
61
Information Systems
Analisa Sistem Informasi Persediaan Barang Pada PT. Dua Libra
Nur Azizah ...
67
Analisa Sistem Pembayaran Futsal Pada PT. Padang Golf Moderland
Nur Azizah ...
77
Analisis dan Perancangan Aplikasi ETL Untuk Data Warehouse
Made Mahadipta ...
87
Aprida Aplikasi Penilaian Fleksibel untuk Guru dan Dosen
Fatkur Rhohman...
99
Desain Aplikasi Prosiars Sebagai Media Pendukung Akuisisi Ketrampilan Tata Kelola
Rekam Medis
Slamet Sudaryanto N ...
103
Desain Model Integrasi dan Sinkronisasi Antar Unit Surveilans Untuk Mendukung Data
Warehouse Epidemiologi
Fikri Budiman ...
111
Evaluasi Penggunaan Website dan Fasilitas E-Learning Universitas Nusa Nipa
Menggunakan Metode Analisis Pieces Framework Menuju Paperless Office
Agustinus Lambertus Suban ...
119
Implementasi Single Page Application pada Aplikasi Sintask Menggunakan Javascript
Dan Jquery
Aditya Wikardiyan ...
129
Pengembangan dan Software Testing Aplikasi Tebak Huruf Jawa
Supriyono ...
135
Perancangan Aplikasi E-Learning Berbasis Android Pada Media Pembelajaran Alternatif
I Kadek Ardi Angga ...
141
Perancangan dan Implementasi Aplikasi Media Reservasi Makanan Berbasis Client
Server dengan Platform Android
Perancangan Data Warehouse pada Penjualan Kain Endek Bali (Studi Kasus Toko Luhur
Busana Bali)
Rosa Irma Cahyani...
153
Perancangan Sistem Informasi Ensiklopedi Motif Kain Endek Khas Bali
I Gusti Ag Ayu Putu Rhera Mahayekti ...
161
Perancangan Sistem Informasi Pendataan Surat Masuk dan Surat Keluar Pada Media
Cetak Tabloid Tipikor Berbasis Web
Nur Azizah ...
169
Perancangan Sistem Inventaris Sarana Akademik UN PGRI Kediri
Intan Nur Farida ...
181
Perancangan Sistem Tracer Alumni untuk Menentukan Profil Lulusan Prodi Teknik
Informatika Universitas Nusantara PGRI Kediri
Danar Putra Pamungkas...
187
Purwarupa Sistem Layanan Perpustakaan Menggunakan Konsep Basis Data
Terdistribusi
Putu Andina Titra Dewi ...
193
Rancang Bangun Sistem Monitoring Sarbagita Berbasis Mobile Sebagai Solusi
Peningkatan Kepuasan Pelanggan Sarbagita
Ida Bagus Dananjaya ...
199
Rancangan Emergency Call Sebagai Penanganan Kecelakaan Di Kota Kediri
Ervin Kusuma Dewi ...
207
Sistem Informasi Monitoring Bus Trans Sarbagita Berbasis Web
I Putu Gede Surya Hadi Kusuma ...
213
Sistem Informasi Pengarsipan Kinerja Dosen Menggunakan Restful Web Service
Teguh Andriyanto ...
221
Sistem Pengolahan Data Akademik Di Universitas Nusantara PGRI Kediri
Juli Sulaksono ...
227
Knowledge Management
Aplikasi Sistem Pencarian E-Book Dengan Memanfaatkan Web Crawler Berdasarkan
Kesamaan Semantik
Implementasi Algoritma C4.5 Pada Sistem Pendukung Keputusan Pemilihan Kos Di
Daerah Bukit Jimbaran Bali
Imam Zarkasi ...
241
Implementasi dan Perbandingan Algoritma Stemming untuk Dokumen Teks Berbahasa
Indonesia
Dina Anggraini ...
247
Penerapan Metode Profile Matching dalam Menentukan Kualitas Ikan Tuna (Studi
Kasus Pt.Primo Indo Ikan)
Agus Aan Jiwa Permana ...
255
Perancangan dan Implementasi Sistem Pendukung Keputusan Dalam Lomba Desa Pada
Kantor Badan Pemberdayaan Masyarakat Dan Pemerintahan Desa Di Provinsi Nusa
Tenggara Barat Dengan Metode Topsis
Ni Putu Eka Listiani ...
263
Perancangan Knowledge Management System Motif Kain Endek Khas Bali
Riska Prasetiyo Utami ...
269
Perancangan Rekomendasi Penjualan Endek Pada Sistem Web E-Commerce
Menggunakan Metode Hybrid Filtering
Luh Ayu Diah Fernita Sari ...
279
Perancangan Simulasi Keuntungan Penjualan Bensin Pada Stasiun Pengisian Bahan
Bakar Umum (SPBU) Menggunakan Metode Monte Carlo (Studi Kasus Spbu Jl. Raya
Uluwatu, Jimbaran)
I Putu Surya Diputra ...
287
Simulasi Transaksi untuk Memperkirakan Keuntungan pada Minimarket Vidya dengan
Menggunakan Metode Monte Carlo
Josua Geovani Sinaga ...
299
Sistem Pakar untuk Diagnosa Penyakit Diabetes Mellitus dengan Metode Mamdani
Pada Puskesmas Di Jakarta Timur
Za’i atu Niswati ...
307
Sistem Pendukung Keputusan dalam Penentuan Supplier Tanaman Terbaik
Menggunakan Metode Simple Additive Weighting Studi Kasus CV. Intan Mas Ajie
Rr. Putri Intan Paramaeswari ...
315
Sistem Pendukung Keputusan Menentukan Lokasi Membangun Ruko Menggunakan
Metode SAW Dan Proses Paralel
Sistem Pendukung Keputusan Pemilihan Paket Telekomunikasi Smartphone Atau
Gadget Dengan Metode SAW (Simple Additive Weighting)
Christina ...
329
Sistem Pendukung Keputusan Pemilihan Portofolio Investasi Saham di Bursa Efek
Indonesia Menggunakan Metode Saw dan Proses Paralel
I Gede Wicaksana ...
335
Sistem Pendukung Keputusan Penentuan Anak Asuh Bagi Peserta Didik Dengan Metode
SAW (Simple Additive Weighting)
Rina Firliana ...
341
Sistem Pendukung Keputusan Penentuan Lokasi Pembangunan Minimarket
Menggunakan Metode Simple Additive Weighting (Studi Kasus Kabupaten Gianyar)
Gede Surya Adiwiguna ...
349
Sistem Pendukung Keputusan Perekrutan Pegawai Dengan Metode Naïve Bayes (Studi
Kasus di PT. Tatamulia)
Ni Putu Striratna Devi Wedayanti ...
357
Sistem Pendukung Keputusan Perekrutan Pegawai Menggunakan Perangkingan
MADM TOPSIS
Luh Putu Dewi Cahyuni ...
363
Sistem Pendukung Keputusan Seleksi Penerima Beasiswa di SMKN 3 Negara
Menggunakan Metode Analytical Hierarchy Process (AHP)
I Putu Krisna Adi Syandhana ...
369
SPK Penentuan Lokasi Pembangunan Perumahan Menggunakan Metode SAW dengan
Pemrosesan Paralel (Studi Kasus Kab. Jembrana)
Gede Satria Pinandita ...
377
SPK untuk Menenentukan Kesesuaian Lahan Tanaman Kopi Arabika Menggunakan
Metode WP dengan Pemrosesan Paralel
Ketut Yudi Werdika ...
383
Web Dinamis Sebagai Sistem Bantu Pencarian Rumah Kos Mahasiswa Dengan Metode
Weighted Product (WP)
Multimedia Application
Analisis Sistem Rekomendasi Musik Berdasarkan Konteks Menggunakan Soft
Case-Based Reasoning
Gst. Ayu Vida Mastrika Giri ...
395
Aplikasi Alat Musik Padang Berbasis Android
I Gusti Ngurah Anom Cahyadi Putra ...
401
Aplikasi Reduksi Noise Citra Aksara Bali Pada Lontar
Gusti Agung Mas Trisna Krishany ...
409
Implementasi Augmented Reality Pada Objek-Objek Museum Bali Studi Awal
Perancangan Aplikasi Edukasi Untuk Pengunjung Museum
Gerson Feoh ...
415
Pengemba ga Ga e “uper “o ic “hoot de ga Pe dekata Ga e-SCRUM
Falahah ...
423
Perancangan Sistem Informasi Pembelajaran Pembuatan Banten Berbasis Video
Streaming
I Putu Septian Arya Pratama ...
429
Networking and Security
Aplikasi Chatting Berbasis Multiagent Menggunakan Java Agent Development
Framework (JADE)
Nisa Miftachurohmah ...
437
Color Image Encryption Using RC4 Algorithm
Andysah Putera Utama Siahaan ...
443
Implementasi Algoritma RC6 Sebagai Pengamanan Aplikasi Chatting
Anneke Puspita Dewi ...
449
Pengelolaan Routing OLSR Pada Jaringan Wireless Mesh
Iwan Rijayana ...
459
Pengembangan Aplikasi Context Aware Pada Teknolog Near Field Communcation
Yuli Fauziah ...
467
Penggunaan Metode Kriptografi pada Voice Over Internet Protokol
Perancangan dan Implementasi Aplikasi Chat Menggunakan MQTT Protocol
Muhammad Ridwan Satrio ...
481
Perancangan SMS Gateway Untuk Pelayanan Informasi pada Kegiatan Desa Adat
I Putu Raka Wiratma ...
485
Rancang Bangun Sistem Informasi Paroki Habi Keuskupan Maumere Melalui SMS
Gateway
Theresia Wihelmina Mado ...
491
Sistem Informasi Pengingat Pengumpulan Nilai Berbasis SMS Gateway pada Prodi
Sistem Informasi Universitas Nusantara PGRI Kediri
Fajar Rohman Hariri, M.Kom ...
499
Sistem Kendali DC Converter Untuk Aplikasi Sistem (CAES)
335
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN
PORTOFOLIO INVESTASI SAHAM DI BURSA EFEK
INDONESIA MENGGUNAKAN METODE SAW DAN PROSES
PARALEL
I Gede Wicaksana
1, I Gede Arta Wibawa
21,2
Ilmu Komputer, MIPA, Universitas Udayana Bukit Jimbaran
Email: wicaksanaigede@gmail.com
ABSTRAK
Dalam berinvestasi saham di Bursa Efek Indonesia perlu memperhatikan fundamental dari perusahaan-perusahaan yang terdaftar, sehingga investasi kita bisa menguntungkan untuk jangka panjang. Dengan mengetahui fundamental perusahaan, seorang investor atau manajer investasi tidak perlu takut untuk menginvestasikan uangnya di sebuah perusahaan walaupun dalam beberapa waktu jangka pendek mengalami kerugian.
SPK akan menjadikan pengambilan keputusan investasi lebih cepat dan otomatis bersasarkan aspek-aspek terkait. SPK yang digunakan menggunakan metode SAW. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Fishburn, 1967) (MacCrimmon, 1968).
Komputasi paralel adalah salah satu teknik melakukan komputasi secara bersamaan dengan memanfaatkan beberapa komputer secara bersamaan. Biasanya diperlukan saat kapasitas yang diperlukan sangat besar, baik karena harus mengolah data dalam jumlah besar ataupun karena tuntutan proses komputasi yang banyak. Penggunaan komputasi parallel disini akan membuktikan berapa procecor yang dibutuhkan untuk mengoptimalkan kinerja system sehingga proses pencarian hasil dapat lebih cepat dilakukan.
Aspek-aspek terkait yang diperlukan berupa pendapatan perusahaan, laba bersih, hutang jangka panjang, ROE, ROC, Current Ratio, dan EPS perlu diindetifikasi untuk mengetahui sejauh mana kekuatan fundamental sebuah perusahaan sehingga investor berani berinvestasi untuk jangka panjang. Hasil dari penelitian ini adalah rekomendasi pemilihan portofolio saham untuk investasi jangka panjang, berupa output nilai preferensi dari setiap alternatif berdasarkan hasil perhitungan. Nilai preferensi ini diurutkan berdasarkan nilai terbesar. Seorang investor atau manajer investasi dapat memilih portofolio sahamnya, mulai dari yang paling direkomendasikan sampai rekomendasi terakhir berdasarkan pengurutan nilai preferensi. Penggunaan komputasi paralel akan menghasilkan output berupa hasil perhitungan waktu paling cepat eksekusi.
Kata Kunci:SPK, SAW, Investasi Saham, Proses Paralel
ABSTRACT
In investing in shares in the Indonesian Stock Exchange needs to pay attention to the fundamentals of the companies listed, so that we can be profitable investments for the long term. By knowing the fundamentals of the company, an investor or investment manager should not be afraid to invest money in a company although in some short term losses.
SPK will make investment decisions more quickly and automatically bersasarkan related aspects. SPK used using SAW method. The basic concept SAW method is to find the sum of the weighted performance rating for each alternative on all attributes (Fishburn, 1967) (MacCrimmon, 1968).
Parallel computing is a computing technique simultaneously by using multiple computers simultaneously. Usually necessary when the required capacity is very large, either because they have to process large amounts of data or for the demands of computational processes that much. The use of parallel computing herein will prove how procecor required to optimize the performance of the system so that the results of the search process can be expedited.
The aspects related to the required form of the company's revenue, net income, long-term debt, ROE, ROC, Current Ratio, and EPS should be identified to determine the extent of a company's fundamental strength so investors dare to invest for the long term. Results from this study is the stock portfolio selection recommendations for long-term investments, such as the output value of the preference of each alternative based on the calculation. Preference value is sorted by the greatest value. An investor or investment manager can choose his stock portfolio, ranging from the most recommended until final recommendations based sorting
ISSN : 2302-450X
336
preference value. The use of parallel computing will generate output calculation results the fastest time of execution.
Keywords: SPK, SAW, Stock Investment, Paralel Processing
1 PENDAHULUAN
Sebagian besar masyarakat pasti pernah mendengar tentang “saham” dan investasi di pasar saham. Ketika memulai investasi, para investor pemula kebingungan untuk memilih saham apa yang cocok untuk diinvestasikan di bursa saham. Kendala ini dialami sebagian besar para pemula yang baru terjun di pasar saham. Ada banyak kendala yang sering dialami pemula terutama kebingungan untuk memilih perusahaan mana yang cocok dipilih untuk lebih menguntungkan.
Ketika market mengalami fase resesi dan mengalami kejatuhan, terkadang investor pemula merasa panik dan segera menjual portofolionya walaupun portofolionya mengalami minus alias kerugian. Hal ini bisa saja terjadi dalam jangka pendek, namu dalam jangka panjang kejadian seperti ini sangat jarang terjadi. Namun, ketika market dalam situasi bagus, pertumbuhan portofolio investasi saham (dilihat dari IHSG) akan mengalahkan instrumen investasi lainnya.Sehingga berinvestasi di pasar modal (saham) pada bursa efek indonesia sangat menguntungkan jika dilakukan dalam jangka panjang. Bahkan orang awam sekalipun bisa melakukannya tanpa melihat bagaimana kinerja perusahaan yang dipilih.
Jika berinvestasi tanpa memperhatikan bagaimana perusahaan yang dipilih boleh saja, walaupun untuk jangka panjang. Tetapi satu hal yang perlu diperhatikan adalah bahwa tidak ada yang bisa memprediksi dengan tepat bagaimana keadaan suatu perusahaan dalam 5-10 tahun ke depan. IHSG boleh saja menunjukkan keadaan positif untuk jangka panjang, tetapi perusahaan yang dipilih belum tentu positif juga untuk jangka panjang, walaupun seringkali nilai saham suatu perusahaan mengikuti perkembangan IHSG. Perusahan-perusahaan yang biasanya tidak mampu bertahan 5-10 tahun ke depan ketika suatu negara mengalami krisi ekonomi biasanya perusahan-perusahaan yang tidak jelas laporan keuangannya, birokrasinya, dan hal lainnya. Namun, ada perusahaan – perusahaan yang mampu bertahan ketika masa krisis, bahkan nilai sahamnya bisa lebih besar dari IHSG. Perusahaan- perusahaan yang mampu bertahan ini bisanya memiliki laporan keuangan yang baik, transparan, birokrasi dan manajemen yang baik, dan lainnya. Jadi untuk berinvestasi saham akan lebih baik untuk mempertimbangkan perusahaan yang dipilih. Dan
kinerja perusahaan ini bisa dilihat dari laporan keuangannya.
Untuk mempermudah memilih perusahaan tempat berinvestasi , perlu dibuatkan sistem yang dapat memberikan perencanaan investasi ke depannya dan rekomendasi saham yang bisa dipilih untuk memberikan keuntungan investasi jangka panjang. Dalam sistem ini akan digunakan metode SAW (Simple Addictive Weight) yang dimana dengan efesiensi perhitungan yang dimiliki, akan memberikan gambaran nantinya untuk saham yang direkomendasikan untuk diinvestasikan. Selain itu, juga menggunakan metode Komputasi Parallel untuk mempercepat proses perhitungan.
Dalam sistem yang akan dirancang ini, akan memberikan pilihan investasi saham berdasarkan fundamental dari suatu perusahaan yang tercermin dari laporan keuangan yang dikeluarkan selama 5 tahun kebelakang. Namun, dalam investasi pasar modal, ada efek lain yang mempengaruhi yaitu berita atau kedaan suatu negara yang dalam hal ini tidak bisa dianalisis oleh sistem karena sifatnya yang dinamis. Namun dalam kondisi keadaan negara yang baik sistem ini bisa memberikan keakuratan dalam investasi saham jangka panjang. Apalagi untuk perusahaan-perusahaan dengan laporan keuangan yang baik, akan mampu terus bertahan dan memberikan keuntungan investasi yang lebih besar untuk jangka panjang.
2 MODEL, ANALISIS, DESAIN, DAN
IMPLEMENTASI
2.1 SPK
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
I Gede Wicaksana, Sistem Pendukung Keputusan Pemilihan Portofolio Investasi Saham di Bursa Efek Indonesia Menggunakan Metode SAW dan Proses Paralel
337
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.
2.2 Komputasi Paralel
Pemrosesan paralel (parallel processing) adalah penggunakan lebih dari satu CPU untuk menjalankan sebuah program secara simultan. Idealnya, parallel processing membuat program berjalan lebih cepat karena semakin banyak CPU yang digunakan.
Komputasi paralel adalah salah satu teknik melakukan komputasi secara bersamaan dengan memanfaatkan beberapa komputer independen secara bersamaan. Ini umumnya diperlukan saat kapasitas yang diperlukan sangat besar, baik karena harus mengolah data dalam jumlah besar (di industri keuangan, bioinformatika, dll) ataupun karena tuntutan proses komputasi yang banyak. Kasus kedua umum ditemui di kalkulasi numerik untuk menyelesaikan persamaan matematis di bidang fisika (fisika komputasi), kimia (kimia komputasi) dll.
Tujuan utama dari pemrosesan paralel adalah untuk meningkatkan performa komputasi. Semakin banyak hal yang bisa dilakukan secara bersamaan (dalam waktu yang sama), semakin banyak pekerjaan yang bisa diselesaikan. Berikut adalah gambaran perbandingan sistem tanpa menggunakan komputasi parallel dan sistem dengan menggunakan komputasi parallel
Gambar 2. 1 Tanpa Menggunakan Pemrosesan
Parallel
Gambar 2. 2 Menggunakan Pemrosesan Parallel
2.3 Simple Additive Weighting (SAW)
Metode Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Fishburn, 1967) (MacCrimmon, 1968). Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Metode ini merupakan metode yang paling terkenal dan paling banyak digunakan dalam menghadapi situasi Multiple
Attribute Decision Making (MADM). MADM itu
sendiri merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Metode SAW ini mengharuskan pembuat keputusan menentukan bobot bagi setiap atribut. Skor total untuk alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating (yang dapat dibandingkan lintas atribut) dan bobot tiap atribut. Rating tiap atribut haruslah bebas dimensi dalam arti telah melewati proses normalisasi matriks sebelumnya.
�!"= !"#! !
!"
!!" jika j adalah atribut biaya (cost) !!"
!"#! !!" jika j adalah atribut keuntungan (benefit)
Gambar 2. 3 Formula Normalisasi
Keterangan :
rij: Rating kinerja ternormalisasi
Maximum: Nilai maksimum dari setiap baris dan kolom
Minimum: Nilai minimum dari setiap baris dan kolom
Xij: Baris dan kolom dari matriks dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2,...,m dan j=1,2,...,n. Nilai preferensi untuk setiap alternative (Vi) diberikan sebagai:
�!= �
! �!" ! !!!
Gambar 2. 4 Formula mencari nilai preverensi
Keterangan :
Vi : Nilai Akhir Alternative Wi : Bobot yang telah ditentukan Rij : Normalisasi matriks
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif ai lebih terpilih.
2.4 Analisis Kebutuhan
Pada penelitian ini data yang didapatkan adalah data sekunder yang berasal dari situs yang menyediakan ringksan lapoan keuangan 5 tahun terakhir yaitu ft.com. Selanjutnya dari hasil data yang
ISSN : 2302-450X
338
didapatkan akan diproses menggunakan SAW untuk mendapatkan rekomendasi saham pilihan dan pemrosesan paralel untuk melihat akurasi waktu terbaik untuk pemrosesan.
Ada 3 alternatif saham yang digunakan untuk contoh pada pembahasan ini yaitu PT Uniliver Indonesia Tbk (UNVR), PT Indofood Sukses Makmur Tbk (INDF), dan PT Indofood CBP Sukses Makmur Tbk (ICBP). Dari ringkasan laporan keuangan 5 tahun terakhir (2015,2014,2013,2012,2011) masing-masing alternatif perusahaan , didapatkan data-data seperti pada tabel berikut :
Tabel 2. 1 Laporan Keuangan PT Uniliver Indonesia Tbk (UNVR)
Tabel 2. 2 Laporan Keuangan PT Indofood
Sukses Makmur Tbk (INDF)
Tabel 2. 3 Laporan Keuangan PT Indofood CBP
Sukses Makmur Tbk (ICBP)
Dari data-data di atas, akan dicari kriteria-kriteria yang akan digunakan sebagai pertimbangan dalam pengambilan keputusan. Adapun kriteria yang akan digunakan adalah sebagai berikut :
Tabel 2. 4 Kriteria Pengambilan Keputusan
Kriteria Nama Rata-rata
UNVR INDF ICBP
C1 Rata- rata Persentase kenaikan pendapatan 11,73 9,15 13,26 C2 Rata- rata Persentase 9,27 3,90 11,20 kenaikan laba bersih C3 Rata- rata Persentase kenaikan kewajiban 12,60 18,00 23,04 C4 Rata- rata Persentase kenaikan hutang jangka panjang 0 35,22 115,29 C5 Rata-rata ROE 121,12 13,73 18,99 C6 Rata- rata ROC 100,73 12,20 17,82
C7 Rata- rata Current Ratio 0,68 1,83 2,50 C8 Rata- rata Kenaikan EPS 9,67 3,25 10,56
3 SKENARIO UJI COBA
Uji coba pada penelitian ini terdiri dari beberapa langkah yaitu:
1. Mencari data sekunder laporan keuangan saham yang tercatat di Bursa Efek Indonesia melalui situs ft.com, kemudian data diolah untuk mendapatkan kriteria-kriteria yang dibutuhkan.
2. Menerapkan algoritma Simple Adictive
Weight (SAW) untuk mendapatkan keputusan terbaik dari saham – saham yang dijadikan alternative untuk pendukung keputusan pemilihan invstasi saham. 3. Mencatat waktu dari proses pendukung
keputusan saham tanpa menggunakan pemrosesan paralel dan menggunakan pemrosesan paralel untuk mengetahui perbedaannya. Pemrosesan paralel pada penelitian ini menggunakan 1 komputer Intel core i5-3317U 1,7GHz 4GB RAM dan menggunakan Mathlab.
4 HASIL UJI COBA
4.1 Penentuan kriteria dan pembobotan Tabel 4. 1 Kriteria dan Pembobotan
Krite ria Nama Rata-rata Bob ot Benefit/ cost UN VR IN DF ICB P C1 Rata- rata Persent ase kenaika n pendap atan 11,7 3 9,1 5 13,2 6 12,5 % Benefit C2 Rata- rata Persent 9,27 3,9 0 11,2 0 12,5 % Benefit
I Gede Wicaksana, Sistem Pendukung Keputusan Pemilihan Portofolio Investasi Saham di Bursa Efek Indonesia Menggunakan Metode SAW dan Proses Paralel
339
ase kenaika n laba bersih C3 Rata- rata Persent ase kenaika n kewajib an 12,6 0 18, 00 23,0 4 12,5 % Cost C4 Rata- rata Persent ase kenaika n hutang jangka panjang 0 35, 22 115, 29 12,5 % Cost C5 Rata-rata ROE 121, 12 13, 73 18,9 9 12,5 % Benefit C6 Rata- rata ROC 100, 73 12, 20 17,8 2 12,5 % Benefit C7 Rata- rata Current Ratio 0,68 1,8 3 2,50 12,5 % Benefit C8 Rata- rata Kenaik an EPS 9,67 3,2 5 10,5 6 12,5 % Benefit 4.2 Normalisasi Tabel 4. 2 Normalisasi 1 Tabel 4. 3 Normalisasi 2
4.3 Hasil Uji Coba Sistem
Gambar 4. 1 Hasil Perhitungan SAW dengan
Sistem
4.4 Hasil Penggunaan Komputasi Parallel
Berikut adalah hasil percobaan menggunakan komputasi parallel.
Tabel 4. 4 Percobaan Paralel
Jumlah Procecor
Jumlah Pengujian ke- Rata - rata I II III IV 1 0 0 0 0 0 2 0.1 0.08 0.08 0.08 0.09 3 0.38 0.1 0.12 0.11 0.18 4 0.47 0.13 0.15 0.13 0.22 5 1.75 0.19 0.16 0.2 0.58 6 2.02 0.2 0.21 0.23 0.66 7 3.62 0.23 0.21 0.24 1.07 8 8.22 0.32 0.27 0.26 2.27
Gambar 4. 2 Grafik Penggunaan Procecor
Grafik di atas menunjukkan penggunaan komputasi parallel, dimana dengan menggunakan 1 procecor kecepatan eksekusi lebih cepat, dan semakin melambat menggunakan procecor lebih dari satu.
0 1 2 3 1 2 3 4 5 6 7 8 R ata - r ata k ec ep atan
Grafik Jumlah Penggunaan
Procecor Komputer
Alternati f Kriteria c1 c2 c3 c4 c5 c6 c7 c8 UNVR 11.7 3 9.2 7 12.6 0.01 121.1 2 110.7 3 0.6 8 9.67 INDF 9.15 3.9 18 35.22 13.73 12.2 1.8 3 3.25 ICBP 13.2 6 11. 2 23.0 4 115.2 9 18.99 17.82 2.5 10.5 6 Alternati f Kriteria c1 c2 c3 c4 c5 c6 c7 c8 UNVR 0.88 0.8 3 1 1 1 1 0.2 7 0.92 INDF 0.69 0.3 5 0.7 0.28 0.11 0.12 0.7 3 0.30 7 ICBP 1 1 0.54 7 0.867 0.16 0.18 1 1ISSN : 2302-450X
340
5 KESIMPULAN
Berdasarkan dari penelitian yang telah dilakukan maka dapat disimpulkan bahwa, menggunakan metode Simple Additive Weighting ( SAW) dapat digunakan dalam menentukan atau memilih saham dengan kriteria – kriteria yang telah ditentukan. Dimana PT Uniliver Indonesia Tbk (UNVR) dijadikan alternative terbaik untuk pilihan investasi.
Kemudian penggunaan komputasi parallel dilihat dari hasil uji coba dan grafik yang diperoleh ternyata tidak efektif, justru menggunakan pemrosesan parallel lebih lambat kecepatannya dibandingkan tanpa menggunakan komputasi parallel disini .
6 DAFTAR PUSTAKA
[1]
Filbert Ryan. 2014. Hidden Profit
From The Stock Market. Jakarta : PT
Elex Media Komputindo
[2] Jasril, Haerani, E., Afrianty, I., Juni. 2011. ”Sistem Pendukung Keputusan (SPK) Pemilihan Karyawan Terbaik Menggunakan Metode Fuzzy AHP (F-AHP)”. Jurnal :
Seminar Nasional Aplikasi Teknologi
Informasi Jurusan Teknik Informatika
Universitas Islan Negeri Sultan Syarif Kasim Riau : F 36 – F 43.
[3] Singgih Marmono, Januari. 2012. ”Penilaian Kewajaran Harga Saham Sebagai Pertimbangan Investasi di Bursa Efek Indonesia”. Jurnal:
Bisma Jurnal Bisnis dan Manajemen Vol. 6
No. 1: 69 – 78.
[4] Chandra Rudy, Agustus. 2010. ”Analisis Pemilihan Saham oleh Investor Asing di Bursa Efek Indonesia”. Jurnal: Bisnis & Birokrasi,
Jurnal Ilmu Administrasi dan Organisasi
Volume 17, No. 2: 101-113.
[5] Putra, R.D., Darminto, Zahroh, Z.A., April. 2013. ”Analisis Pemilihan Investasi Saham Dengan Menggunakan Metode Capital Asset
Pricing Model (CAPM) dan Reward to Variability (RVAR) Sebagai Penentu Pengambilan Keputusan Investasi Saham (Studi pada Korporasi Yang Terdaftar Pada Indeks LQ45 di Bursa Efek Indonesia Periode Februari 2009 – Juli 2012”. Jurnal: Jurnal Administrasi
Bisnis Fakultas Ilmu Administrasi
Universitas Brawijaya Malam Vol. 1, No. 2:
21 – 30.
[6] Samsul Mohamad, April. 2011. ”Keputusan Investasi Saham Tercatat di Bursa Efek Indonesia Menggunakan Model Sharpe dan Model M dalam Periode 2003 – 2007”. Jurnal :
Majalan Ekonomi Tahun XXI No.1: 86 – 99.
[7] Basuki, T.A., Oktober. 2011.”Komputasi Paralel Sebagai Alternatif Solusi Peningkatan Kinerja Komputasi”. Jurnal :INTEGRAL, vol. 6, no. 2: 72 – 80.
[8] Dewanto, I J., Adhikara, MF. A., 2015. ”Sistem Penunjang Keputusan Investasi Saham Dengan Metode SAW di Bursa Efek Jakarta”. Jurnal :
Proceedings Book Seminar dan Konferensi Nasional 2015: 1 – 13.
[9] Paksi, A.B., Februari. 2016. ”Penerapan F-Topsis Dalam Analisis Fundamental Berdasarkan Rasio Keuangan Untuk Menunjang Keputusan Berinvestas Saham”. Jurnal :
Seminar Nasional Teknologi Informasi dan
Multimedia 2016 Teknik Informatika
STMIK AMIKOM Yogyakarta Vol.3 : 127 –
132.
[10] Sussanto, H., Jamillah, 2012. ”Analisis Pemilihan Investasi Saham Pada Perusahaan yang Tercatat Dalam Indeks LQ-45 di Bursa Efek Indonesia”. Jurnal : UG Jurnal Vol. 6 No. 09: 01 – 06.
