APLIKASI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN
RUMAH MENGGUNAKAN METODE WEIGHTED PRODUCT
BERBASIS WEB
Ira Diana Sholihati
1)Septi Andryana
2)Heni Widyasuti
3)1) 3)
Sistem Informasi, FTKI Universitas Nasional
2)Teknik Informatika, FTKI Universitas Nasional
Jl. Sawo Manila No. 61 Pejaten, Pasar Minggu, Jakarta Selatan 12520
email : iradiana2803@gmail.com1) septi_andryana@yahoo.com 2) heniwidyastuti@yahoo.com3)
ABSTRACT
House is the one of basic needs for human beings. Along with the growth of population, housing needs increase. Consumers usually find information on the website that provides information about home, visit the sales office or visit the exhibition residential property in a nearby plaza. It is less effective because need a long time. With these problems, it takes an application decision support system that can help consumers to decide which house will be selected according to the criteria of each, and can provide data on some housing in Depok and surrounding areas. Product Weighted Method contained in the Multi Attribute Decision Making is one method that can be used in this matter. Selection criteria, namely house prices, land area, building area, number of bedrooms and bathrooms. There are approximately 70 housing data Depok area. There are results obtained using the method of Weighted Product that is housing the Grand Jewel Residence - Type 36/85 with a value of 0.149 as the highest ranking is intended as a recommendation for residential consumers.
Keywords: House, Decision Support Systems, Weighted
Product.
1. Pendahuluan
Seiring dengan pertumbuhan jumlah penduduk, kebutuhan akan rumah sangat meningkat, terbukti dengan semakin maraknya pembangunan komplek perumahan. Konsumen biasanya mencari informasi di banyak website yang menyediakan informasi tentang rumah, mengunjungi beberapa kantor pemasaran perumahan atau mengunjungi banyak pameran properti di plaza terdekat.
Untuk membantu dalam mengambil keputusan yang tepat dan akurat dalam pemilihan rumah, dibutuhkan sebuah sistem pendukung keputusan berbasis web. Dengan sistem ini konsumen dapat dengan mudah mengakses lokasi perumahan yang strategis yang sesuai
dengan keinginan dan tingkat kebutuhannya, serta dapat menghemat waktu dan biaya. Metode Weighted Product merupakan salah satu metode sistem pendukung keputusan yang mengevaluasi beberapa alternatif terhadap sekumpulan atribut atau kriteria yang dapat digunakan sebagai acuan.
Beberapa penelitian pengambilan keputusan yang telah dilakukan menggunakan metode Weighted Product, diantaranya: Nanda Albar (Sistem Pendukung Keputusan Penentuan Pemasaran Perumahan Melalui Analisa Pelanggan Pada PT. Vista Estate Medan Dengan Metode Weighted Product, 2013) pada penelitian ini tidak dijelaskan berdasarkan apa penilaian bobot dalam metode weighted product dilakukan[1]. Rahmadi Wijaya (Perancangan Sistem Pendukung Keputusan Untuk Pemilihan Lokasi Perumahan Menggunakan Weighted Product, 2014) pada penelitian ini kriteri-kriteria pemilihan tidak disebutkan satu per satu[2]. Yuke Permatasari (Sistem Pendukung Keputusan Pemberian Bonus Pegawai Pada Hotel Alamanda Klaten Dengan Menggunakan Metode Weighted Product, 2013) pada penelitian ini tidak menggunakan database sebagai media penyimpanan datanya[3]. Eko Haddy Prasetyo (Aplikasi Sistem Penunjang Keputusan berbasis Web Dengan Menggunakan Metode Weighted Product Pada Sistem Rekomendasi Handphone, 2013) pada penelitian ini jenis-jenis handphone yang menjadi pilihan konsumen hanya sedikit[4], Ardi Kusumaning Diah R (Sistem Pendukung Keputusan Rekrutmen Karyawan Produksi Menggunakan Metode Weighted Product Pada PT. Ploss Asia Semarang) pada penelitian ini hasil keputusan yang diberikan tidak terlalu detail[5] .
Berdasarkan permasalahan yang ada, maka dibutuhkan sebuah sistem dengan menggabungkan kelemahan-kelemahan dari penelitian-penelitian diatas. Sistem yang akan dibangun menggunakan bahasa pemrograman PHP, sebagai databasenya menggunakan MySQL dan metode Weighted Product untuk perhitungan sistemnya dan menambahkan beberapa menu tambahan untuk membedakan dengan sistem yang sudah ada.
2. Sistem Pendukung Keputusan
Konsep Sistem Pendukung Keputusan (Decision Support System – DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision System. Sistem pendukung keputusan adalah suatu sistem berbasis komputer yang ditujukan untuk membantu mengambil keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur. Sistem pendukung keputusan merupakan bagian dari management pengetahuan yang saat ini banyak digunakan untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan.
2.1 Metode Weighted Product
Metode Weighted Product adalah salah satu metode penyelesaian pada masalah Multi Atribut Decision Making (MADM). Menurut Yoon (Kusmarini, 2006), metode Weighted Product menggunakan teknik perkalian untuk menghubungkan rating atribut dimana rating tiap atribut harus dipangkatkan terlebih dahulu dengan bobot atribut yang bersangkutan. Proses ini sama halnya dengan proses normalisasi. Metode Weighted Product ini lebih spesifik langsung kepada bobot-bobot nilai di setiap kriterianya dan mudah untuk dilakukan perangkingan. Metode ini dipilih karena dianggap cocok untuk menyelesaikan masalah sistem pendukung keputusan pemilihan rumah karena metode ini lebih bisa memberikan nilai bobot untuk beberapa kriteria. Adapun rumus yang digunakan dalam menentukan skor atau nilai untuk setiap alternatif dalam metode Weighted Product adalah sebagai berikut :
Dimana bobot awal diperbaiki terlebih dahulu dengan
cara :
sehingga = 1.
Kemudian dilanjutkan dengan perangkingan atau pencarian alternatif dengan rumus :
Keterangan :
S : Preferensi alternatif dianalogikan sebagai vektor S V : Perankingan atau pencarian alternatif terbaik X : Nilai kriteria
W : Bobot kriteria atau subkriteria i : Alternatif
j : Kriteria
n : Banyaknya kriteria
2.1 Flowchart Metode Weighted Product
Gambar 1 Flowchart Metode Weighted Product
1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan.
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
3. Menentukan bobot preferensi tiap kriteria.
4. Mengalikan seluruh atribut bagi sebuah alternatif dengan bobot sebagai pangkat positif untuk atribut keuntungan dan bobot berpangkat negatif untuk atribut biaya.
5. Hasil perkalian tersebut dijumlahkan untuk menghasilkan nilai V untuk setiap alternatif.
6. Mencari nilai alternatif dengan melakukan langkah yang sama seperti pada langkah satu, hanya saja menggunakan nilai tertinggi untuk setiap atribut tertinggi untuk setiap atribut manfaat dan nilai terrendah untuk atribut biaya.
7. Membagi nilai V bagi setiap alternatif dengan nilai standar (V(A*)) yang menghasilkan R.
8. Pilih nilai alternatif dengan nilai tertinggi.
3. Hasil Percobaan
3.1 Implementasi Sistem
Tujuan implementasi sistem adalah mengkaji rangkaian sistem baik dari segi software maupun hardware sebagai sarana pengolahan dan penyajian data serta memastikan bahwa sistem telah berjalan dengan baik.
3.1.1 Implementasi Perangkat Keras
Perangkat keras yang digunakan untuk mengimplementasikan sistem menggunakan windows 8
64-bit, spesifikasi lengkap perangkat keras yang digunakan dapat dilihat pada tabel 1.
Tabel 1 Spesifikasi Hardware
No Spesifikasi HP 2000 Acer 5755G 1. Processor Intel(R) Core(TM) i3-3120M CPU @ 2.50GHz Intel Core i7 2630QM / 2.2 GHz 2. Hardisk 700 GB 750 GB 3. Memory 4 GB 6 GB
4. Monitor 15.0 inch 15,6 inch
3.1.2 Implementasi Perangkat Lunak
Perangkat lunak yang digunakan untuk mengimplementasikan sistem dideskripsikan pada Tabel 2.
Tabel 2 Spesifikasi Software No. Jenis Perangkat Keterangan
1. Sistem Operasi Windows 8.1 64-bit (6.3, Build 9600)
2. DBMS MYSQL
3. Web Server XAMPP
4. IDE Design Notepad++
5. Interpreter PHP
6. Web Browser Mozilla Firefox versi 39.0
3.1.3 Sumber Daya Manusia
Admin dan user. Admin yang mengelola keseluruhan pada website dan user sebagai pengguna website.
3.2 Pengujian Program
3.2.1 Pengujian Terhadap Proses Perhitungan Aplikasi
Gambar 2. Form Pemilihan Kriteria
Form diatas merupakan form pemilihan kriteria yang dapat digunakan sebagai acuan pemilihan rumah, setelah dipilih sesuai keinginan, user mengklik Find lalu akan muncul hasil sistem pendukung keputusan.
Gambar 3. Form Hasil Keputusan
Pada gambar diatas pilihan kriteria harga dipilih antara harga Rp. 400.000.000 sampai harga Rp. 600.000.000, luas tanah antara 70m sampai 85m, luas bangunan dibawah 70m, jumlah kamar tidur 2, jumlah kamar mandi 1 dan lokasi di kecamatan Pancoran Mas. Hasilnya ditunjukan bahwa Grand Pancoran Residence dan Graha Mampang Mas – Tipe 40/72 sebagai output dari sistem pendukung keputusan pemilihan rumah ini, sehingga user direkomendasikan pada 2 pilihan tersebut. 3.2.2 Pengujian Ketepatan Aplikasi dengan
Perhitungan Manual
Pengujian ini bertujuan untuk melihat berapa persen keakuratan perhitungan manual data dengan menggunakan Metode Weighted Product dengan hasil dari perhitungan aplikasi dengan menggunakan Metode Weighted Produk yang dapat di lihat dari hasil keputusan pada aplikasi. Pada perhitungan ini menggunakan 7 alternatif dengan kriteria yang mendekati dengan pilihan user. Produk Id dan Nama Alternatif dapat dilihat pada Tabel 3.
Tabel 3. Produk Id dan Nama Alternatif
Produk Id
Nama Alternatif (A)
10 Griya Cakrawala – Tipe Halimun Plus 25 Bukit Mampang Residence – Tipe Sungkai 26 Cinere Pelangi Residence – Tipe 38/72 31 Graha Mampang Mas – Tipe 40/72 41 Sedayu Villas – Tipe 36/72
53 Grand Pancoran Residence – Tipe 36/85 70 Andaru Insani Residence – Tipe Mahoni
45/72
Masing-masing Kriteria memiliki Bobot seperti terlihat pada Tabel 4.
Kriteria(C) Bobot(W) Harga (C1) 5 (W1) Luas Tanah (C2) 4 (W2) Luas Bangunan (C3) 3 (W3) Kamar Tidur (C4) 2 (W4) Kamar Mandi (C5) 1 (W5)
Bobot dari setiap subkriteria terlihat pada masing-masing tabel 5 untuk Harga (C1), tabel 6 untuk Luas Tanah (C2), tabel 7 untuk Luas Bangunan, tabel 8 untuk Jumlah Kamar Tidur dan tabel 9 untuk Jumlah Kamar Mandi.
Tabel 5 Bobot Subkriteria Harga (C1)
Range Bobot >Rp 1.000.000.000 1 Rp 800juta - Rp 1.000.000.000 2 Rp 600juta - Rp 800 juta 3 Rp 400juta - Rp 600juta 4 Rp 100juta – Rp 400juta 5 Tabel 6 Bobot Subkriteria Luas Tanah (C2)
Range Bobot >150m 5 100m - 150m 4 85m - 100m 3 70m - 85m 2 <70m 1
Tabel 7 Bobot Subkriteria Luas Bangunan (C3)
Range Bobot >150m 5 100m - 150m 4 85m - 100m 3 70m - 85m 2 <70m 1
Tabel 8 Subkriteria Jumlah Kamar Tidur (C4)
Range Bobot
>2 2
1 1
Tabel 9 Subkriteria Jumlah Kamar Mandi (C5)
Range Bobot
>2 2
1 1
Perbaikan bobot kriteria dengan cara :
W1= = = 0,33
W2= = = 0,27
W3= = = 0,20
W4= = = 0,13
W5 = = = 0,07
Tabel 10 Nilai Alternatif Pada Masing-masing Kriteria
Alternatif (S) Kriteria C1 C2 C3 C4 C5 10 4 2 1 2 1 25 4 2 1 2 1 26 4 1 1 2 1 31 4 1 1 2 1 41 4 1 1 2 1 53 4 3 1 2 1 70 4 1 1 2 1
Kategori untuk setiap kriteria adalah sebagai berikut : 1. Kriteria CI (Harga) termasuk kedalam kriteria
biaya.
2. Kriteria C2 (Luas Tanah), C3 (Luas Bangunan), C4 (Jumlah Kamar Tidur), C5 (Jumlah Kamar Mandi) termasuk kriteria keuntungan.
Kemudian menghitung vektor S, dimana adalah pangkat bernilai positif untuk atribut keuntungan, dan bernilai negatif untuk atribut biaya. Kemudian vektor S dapat dihitung sebagai berikut :
S1 = ( )( )( )( )( ) S2 = ( )( )( )( )( ) S3 = ( )( )( )( ) S4 = ( )( )( )( ) S5 = ( )( )( )( )( ) S6 = ( )( )( )( ) S7 = ( ( )( )( )( )
Setelah itu hasil dari perkalian diatas dijumlahkan : S1 = 0,632 + 1,205 + 1 + 1,904 +1 = 4,931 S2 = 0,632 + 1,205 + 1 + 1,904 +1 = 4,931 S3 = 0,632 + 1 + 1 + 1,904 + 1 = 4,726 S4 = 0,632 + 1 + 1 + 1,904 + 1 = 4,726 S5 = 0,632 + 1 + 1 + 1,904 + 1 = 4,726 S6 = 0,632 + 1,345 + 1 + 1,904 + 1 = 5,071 S7 = 0,632 + 1 + 1 + 1,904 + 1 = 4,726
Langkah terakhir adalah proses perangkingan dengan cara menghitung vektor V :
V1 = =
V2 = = = 0,145 V3 = = = 0,139 V4 = = = 0,139 V5 = = = 0,139 V6 = = = 0,149 V7 = = = 0,139
4. Kesimpulan
1. Aplikasi sistem pendukung keputusan pemilihan rumah ini dapat membantu user dalam memlih perumahan sesuai dengan kriteria-kriteria yang ada. 2. Perhitungan metode weighted product dapat
membantu proses pemilihan rumah.
3. Memberikan kurang lebih 70 data perumahan di Kota Depok.
4. Aplikasi sistem pendukung keputusan ini dapat diakses melalui internet yaitu dengan situs widyaskripsi.zz.mu.
5. Berdasarkan pengujian hasil perankingan diperoleh V6 = 0,149 ; V1 = 0,145 ; V2 = 0,145. Nilai tertinggi ada pada V6 sehingga alternatif A6 (Grand Pancoran Residence – Tipe 36/85) adalah alternatif yang terpilih sebagai alternatif terbaik bagi user.
6. Berdasarkan hasil pengujian menggunakan black-box testing, sistem pendukung keputusan pemilihan rumah ini secara fungsionalitas sudah dapat berjalan sesuai dengan tampilan dan hasil dari aplikasi yang dirancang.
REFERENSI
[1] Albar, Nanda., 2013, “Sistem Pendukung Keputusan Penentuan Pemasaran Perumahan Melalui Analisa Pelanggan Pada PT. Vista Estate Medan Dengan Metode
Weighted Product“, STMIK Budidarma, Medan.
[2] Wijaya, Rahmadi., 2014, “Perancangan Sistem Pendukung Keputusan Untuk Pemilihan Lokasi Perumahan Menggunakan Weighted Product“
Universitas Telkom, Bandung.
[3] Permatasari, Yuke., 2013, “Sistem Pendukung Keputusan Pemberian Bonus Pegawai Pada Hotel Alamanda Klaten Dengan Menggunakan Metode Weighted Product”, STIMIK AMIKOM, Yogyakarta
[4] Prasetyo, Eko Haddy., 2013, ”Aplikasi Sistem Penunjang Keputusan berbasis Web Dengan Menggunakan Metode
Weighted Product Pada Sistem Rekomendasi
Handphone“, Universitas Pamulang, Jakarta.
[5] Diah R, Ardi Kusumaning., “Sistem Pendukung Keputusan Rekrutmen Karyawan Produksi Menggunakan Metode Weighted Product Pada PT. Ploss Asia Semarang“, Universitas Dian Nuswantoro, Solo.
[6] U.D, Daihani, 2001, “Komputerisasi Pengambilan Keputusan“, Elex Media Komputindo, Jakarta.
[7] Turban, 2005, “ Decision Support System and Intelligent System (Sistem Pendukung Keputusan dan Sistem Cerdas) “, Yogyakarta.
[8] Suryasmasa, Andi., 2011, “Belajar Notepad++ Sebagai Text Editor Pembuatan Website “.
Ira Diana Sholihati, memperoleh gelar S.Si dari Universitas
Padjadjaran dan MMSI dari Universitas Gunadarma pada tahun 1996 dan 2003. Saat ini sebagai Staf Pengajar pada Program Studi Sistem Informasi dan Teknik Informatika Universitas Nasional.
Septi Andryana, memperoleh gelar S.Kom. dan MMSI dari
Universitas Gunadarma pada tahun 1995 dan 2008. Saat ini sebagai Staf Pengajar pada Program Studi Sistem Informasi dan Teknik Informatika Universitas Nasional.
Heni Widyastuti, memperoleh gelar S.Kom. dari Universitas
