Damar Nurcahyono1), Farindika Metandi2) 1)
Dosen Teknik Komputer, Politeknik Negeri Samarinda.
2)Dosen Teknik Informatika, Politeknik Negeri Samarinda
Email: 1)damarnc@polnes.ac.id, 2) farindika@gmail.com
Abstrak - Penelitian ini di latarbelakangi oleh permasalahan perlunya mahasiswa berasal dari daerah-daerah
kecil atau pedesaan untuk mendapatkan kos atau tempat tinggal sementara yang layak pada saat studi di
suatu Perguruan Tinggi dikota besar atau Ibu Kota Provinsi. Pentingnya memilih kos akan berakibat terhadap
kenyamanan dalam menempuh pendidikan, dari banyak faktor yang berpengaruh maka diperlukan
pertimbangan dalam memilih kos. Tujuan penelitian ini untuk mengetahui membangun sistem pengambil
keputusan dalam memilih kos dengan menggunakan metode
Simple Additive Weighting
(SAW). Ada 4
kriteria yang digunakan dalam penelitian ini yakni, kebersihan, fasilitas, keamanan dan harga. Ada 10 data
kos yang digunakan dalam penelitian ini, 10 kos itu terbagi dua yakni 5 kos untuk putri dan 5 kos untuk
putra, masing-masing kos di berikan kode A1 sampai A5 untuk putri dan A6 sampai A10 untuk kode kos
putra. Hasil dari penelitian yang dilakukan dengan menggunakan metode
Simple Additive Weighting
(SAW)
diperoleh 1 urutan tertinggi atau favorit berdasarkan setiap kos putri dan putra. Kode A4 untuk urutan
tertinggi kos putri, dan kode A8 untuk urutan tertinggi kos putra.
Kata Kunci:
Kos, Sistem Pendukung Keputusan (SPK), Simple Additive Weighting (SAW)
I. PENDAHULUAN
Banyaknya masyarakat yang ingin melanjutkan pendidikan, mengharuskan mereka untuk memilih tempat tinggal sementara selama menempuh pendidikan. Kos merupakan istilah umum yang sering dijumpai. Banyak faktor dalam memilih Kos. faktor-faktor yang menentukan masyarakat dalam memilih kos ialah keramahan pemilik,penjaga kost, respon pemilik/penjaga kost terhadap kerusakan, fasilitas umum, fasilitas khusus/tambahan lingkungan, kondisi lingkungan kos, keamanan rumah kos, pertimbangan lokasi kost, reputasi citra kos, dan harga sewa [2].
Pentingnya memilih kos akan berakibat terhadap kenyamanan dalam menempuh pendidikan, dari banyak faktor yang berpengaruh maka diperlukan pertimbangan dalam memilih kos, dalam era teknologi terdapat cara yang dapat membantu seseorang dalam mengambil keputusan, yang dinamakan dengan sistem pengambil keputusan. Sistem pengambil keputusan merupakan suatu sistem yang digunakan pertama kali oleh Scott Morton tahun 1970 dengan menggunakan
istilah “Management Decision System”[3].
Sistem pengambil keputusan menurut Tripathi(2010, 112), “Decision Supports Systems (DSS) are computer-based information systems designed in such a way that help managers to select one of the many alternative solutions to a problem”, berdasarkan pernyataan tersebut maka dapat sistem
pengambil keputusan merupakan sistem informasi yang didesain berdasarkan informasi komputer dalam berbagai cara guna membantu seorang pengambil keputusan untuk memilih satu dari banyak alternatif solusi suatu masalah. Berdasarkan hal tersebut maka sistem pengambil keputrusan ini sangat membantu apabila dapat diterapkan dalam kehidupan sehari-hari.
Berdasarkan melihat keunggulan metode SAW maka penulis tertarik untuk melihat perancangan sistem terhadap mahasiswa untuk memilih tempat tinggal (Kos) yang mana diharapkan berguna dalam membantu mahasiswa menentukan keputusan pemilihan kos sehingga penulis tertarik untuk melakukan penelitian dengan judul perancangan sistem pengambil keputusan dalam memilih Kos dengan menggunakan Metode SAW (Simple Additive Weighting) berbasis web.
II. KAJIAN PUSTAKA
Sistem Pendukung Keputusan
1. Membantu manajer membuat keputusan untuk memecahkan masalah yang sepenuhnya terstruktur dan tidak terstruktur.
2. Mendukung penilaian manajer bukan untuk menggantikannya.
3. Meningkatkan efektivitas pengambilan keputusan manajer terhadap suatu pemecahan masalah.
Metode Simple Additive Weighting (SAW)
Langkah–langkah dalam menggunakan metode ini sebagaimana [1,4] adalah:
1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci.
2. Menentukan rating kecocokan setiapa alternatif pada setiap kriteria.
3. Membuat matriks keputusan berdasarkan kriteria (Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R.
4. Hasil akhir diperoleh dari prosespe rankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatifter baik (Ai) sebagai solusi.
Persamaan 1 untuk melakukan normalisasi tersebut adalah:
. . . (1)
Keterangan :
r ij= rating kinerja ternormalisasi
Maxij= nilai maksimum dari setiap baris dan kolom
Minij= nilai minimum dari setiap baris dan kolom
Xij= baris dan kolom dari matriks
Dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj ; i =1,2,…mdan j =
1,2,…,n.
Nilai preferensi untuk setiap alternatif (V) diberikan Persamaan 2 :
. . .. . . (2)
Keterangan :
wj= Bobot yang telah ditentukan
rij= Normalisasi matriks
Nilai V yang lebih besar mengindikasikan bahwa alternative Ai lebih terpilih.
III. HASIL DAN PEMBAHASAN Menentukan Alternatif
Alternatif adalah pilihan keputusan yang dinilai berdasarkan pembobotan kriteria yang terkait. Data alternatif pada kasus ini berupa data hasil beberapa pilihan kos. Dalam menentukan alternatif kos yang dinilai ditandai dengan kode A1 sampai dengan A10, sedangkan alternatif adalah nama-nama kos yang sudah dinilai berdasarkan bobot dan nilai kriteria. Data alternatif tersebut dapat dilihat pada Tabel 1.
Tabel 1. Data Alternatif
Kode Nama
Menentukan Kriteria, Skala Penilaian dan Harga Kriteria adalah merupakan atribut yang diperlukan untuk mengambil suatu keputusan. Kriteria yang dijadikan sebagai acuan pengambilan keputusan pemilihan kos dapat dilihat pada Tabel 2. C1 sampai c4 menunjukan kriteria-kriteria untuk dinilai.
Tabel 2. Data Kriteria
Kode Nama
Tabel 3. Skala Penilaian
Buruk 10-40
Cukup 50-70
Baik 80-100
Sedangkan untuk Skala Penilaian dapat di lihat pada Tabel 3, tabel ini menunjukan range nilai skala penilaian yaitu Buruk memiliki nilai 10- 40 , Cukup memiliki nilai 50 – 70 dan Baik memiliki nilai 80 – 100.
Tabel 4. Data Harga
Buruk 10-40 1 juta - 2 juta
Cukup 50-70 700 ribu - 900 ribu
Baik 80-100 200 ribu - 600 ribu
Pada tebel 4 ini menunjukan tabel harga. Tebel harga untuk menetukan harga dari tempat kos, guna bagi setiap calon penyewa kos mengetahui berapa biaya kos yang diinginkan. Harga ini sangat mempengaruhi fasilitas di setiap kos yang menjadi. Rekomendasi
Menentukan Bobot
Pada tebel 5 bobot atau tingkat kepentingan (W) pada setiap kriteria. Tabel kriteria dibawah ini menunjukan bobot yang dimiliki masing-masing kriteria. C1 (Kebersihan) memiliki bobot sebesar 10% , bobot ini diambil karena setiap tempat kos memiliki fasilitas yang berbeda-beda sedangkan calon pemilih kos memiliki preferensi masing-masing banyak dari mereka ada yang mementingkan fasilitas dan ada juga yang tidak. C2 (Fasilitas) memiliki bobot sebesar 20%, bobot ini diambil karena setiap tempat kos, kebersihan itu tergantung pada penghuni kos. C3 (keamanan) memiliki bobot sebesar 30%, bobot ini diambil karena keamanan sebagai faktor yang paling penting untuk para calon pemilihan kos. C4 (harga) memiliki bobot sebesar 40%, bobot ini diambil karena harga sebagai faktor yang paling diutamakan untuk para calon pemilihan kos. Bobot yang memiliki presentase paling tinggi menandakan jika kriteria itu yang paling penting.
Tabel 5. Bobot atau Tingkat Kepentingan
Proses Perhitungan SAW
a) Skala Tingkat Kepercayaan
Skala Saaty, skala yang biasa digunakan untuk memberikan penilaian tingkat kepentingan suatu pasangan elemen. Pada tabel 6.
Tabel 6. Skala Saaty
Kriteria BoBot C1 C2 C3 C4
C1 10 0 -1 -2 -3
C2 20 1 0 -1 -2
C3 30 2 1 0 -1
C4 40 3 2 1 0
Setiap satu kriteria memiliki satu nilai, nilai yang di ambil dari nilai bobot tersebut itu di kurang di setiap kriteria lalu di bagi 10 . contoh seperti berikut : Jika (C1-C1/10) lalu (C1-C2)/10 hingga mendapatkan nilai Kriteria yang terakhir. Skala tingkat kepercayaan ini digunakan untuk menunjukan mana kriteria yang lebih penting dibandingkan kriteria yang lainnya.
b) Matrik Pair-Wise Comparison
Matrik Pair-Wise Comparison
(pembandingan berpasangan) adalah matrik yang digunakan untuk melakukan analisis numeris melalui pembandingan berpasangan antar dua elemen. Tujuannya adalah untuk memperoleh Bobot Penilaian suatu elemen melalui proses Penilaian Kepentingan. Priority Vector (PV), kumpulan nilai bobot dari semua elemen yang ada dalam matrik pair-wise comparison Tabel Matrik Pair-Wise Comparison dapat dilihat pada Tabel 7.
Tabel 7. Matrik Pair-Wise Comparison
Kriteria c1 c2 c3 c4
Bobot (W) 10% 20% 30% 40%
Kriteria C1 C2 C3 C4
Rata-Rata PV
C1 1,00 0,50 0,33 0,25 0,52 0,09 C2 2,00 1,00 0,50 0,33 0,96 0,17 C3 3,00 2,00 1,00 0,50 1,63 0,29 C4 4,00 3,00 2,00 1,00 2,50 0,45
Tabel 8. Nilai Weighted Sum Matrix (WSM)
Kriteria Nilai WSM
C1 0,39
Berdasarkan tabel 8 untuk mendapatkan nilai Weighted Sum Matrix (WSM) nilai kriteria dimatrikxkan dengan perkalian matriks dengan nilai Priority Vector (PV). Sedangkan cara mendapatkan nilai dengan cara nilai WSM dibagi dengan nilai CV.
Tabel 9. Nilai Maximum Eigen Value (EVMax)
EVMax 4,04
CI 0,013
CR 0,015
Berdasrkan tabel 9 untuk mendapatkan nilai Maximum Eigen Value (EVMax), nilai dari dari CV dirata-ratakan sehingga menghasilkan nlai Evmax. Sedangkan untuk mendapatkan nilai Consistency Index (CI) , nilai dari EVmax dikurang berapa banyak kriteria lalu dibagi dari pengurangan kriteria dikurang satu seperti rumus berikut :
CI=𝜆 max − 𝑛
𝑛−1
Lalu mencari nilai Consistency Ratio (CR) dengan cara, hasil dari nilai CI dibagi nilai dari RI
karena nilai tersebut di ambil dari nilai ‘N’ kriteria.
Seperti pada tabel 10.
Tabel 10. Nilai RI
c) Membuat Tabel Rating Kecocokan
Dalam menentukan rating kecocokan maka nilai dari setiap alternatif pada setiap kriteria dimasukkan ke dalam tabel dibawah . Rating kecocokan ini diambil berdasarkan kuisioner dari beberpa partisipasi penghuni kos di setiap kos yang di rekomendasikan . Pada tabel 11 cara perhitungannya adalah nilai hasil rekomendasi setiap 1 kriteria dirata-rata dari hasil nilai kuesioner dari setiap kos. Lalu cara mencari nilai minimum dengan cara hasil dari rating kecocokan setiap 1 kriteria dirata-rata dan menghasilkan nilai yang paling rendah. Sedang mencari nilai maximum dengan cari nilai hasil rating kecocokan dirata-rata dan menghasilkan nilai yang tertinggi. Dari hasi ini nilai maximum yang digunkkan karena sebagai bahan untuk mendapatkan kos yang terbaik dari rekomendasi kos Putri.
Tabel 12. Data Perhitungan Rekomendasi setiap Kriteria
CALON KOS PUTRA
Nama C1 C2 C3 C4 Harga Kos A6 66 42 36 84 500 Ribu A7 78 74 74 83 500 Ribu A8 79 77 81 84 450 Ribu A9 44 78 71 80 400 Ribu A10 64 69 89 81 500 Ribu MIN 44 42 36 80
MAX 79 78 89 84
d) Membuat Matriks Keputusan
Membuat matriks keputusan (X) yang dibentuk berdasarkan tabel diatas dari setiap alternatif pada setiap kriteria. Nilai dari masing-masing kriteria yang telah ada pada tabel diatas, akan dibuat matriks keputusan. Matriks keputusan ini dibuat untuk melakukan proses normalisasi matriks. Berikut adalah matriks keputusan yang sesuai dengan tabel 12.
X =
{
𝟔𝟒 𝟕𝟐 𝟖𝟎 𝟖𝟎 𝟖𝟖 𝟖𝟐 𝟖𝟏 𝟑𝟑 𝟖𝟔 𝟖𝟐 𝟖𝟒 𝟖𝟒 𝟕𝟑, 𝟐 𝟖𝟔, 𝟖 𝟖𝟐, 𝟖 𝟖𝟗
𝟔𝟔 𝟕𝟖, 𝟖 𝟖𝟕 𝟔𝟖 𝟔𝟔 𝟒𝟐 𝟑𝟔 𝟖𝟒 𝟕𝟖 𝟕𝟒 𝟕𝟒 𝟖𝟑 𝟕𝟗 𝟕𝟕 𝟖𝟏 𝟖𝟒 𝟒𝟒 𝟕𝟖 𝟕𝟏 𝟖𝟎
𝟔𝟒 𝟔𝟗 𝟖𝟗 𝟖𝟏 }
Tabel 13. Normalisasi Matriks Keputusan Kos PUTRI
Nama C1 C2 C3 C4
A1 0,73 0,83 0,92 0,90 A2 1,00 0,94 0,93 0,37 A3 0,98 0,94 0,97 0,94 A4 0,83 1,00 0,95 1,00 A5 0,75 0,91 1,00 0,76
Tabel 14. Normalisasi Matriks Keputusan Kos PUTRA
Nama C1 C2 C3 C4
A6 0,84 0,54 0,40 1,00 A7 0,99 0,95 0,83 0,99 A8 1,00 0,99 0,91 1,00 A9 0,56 1,00 0,80 0,95 A10 0,81 0,88 1,00 0,96
Pada tabel 13 dan table 14 adalah cara perhitungan nilai A atau perkalian matriks , dengan cara nilai kriteria yang telah ternormalisasi dimatrikskan dengan nilai PV. Sedangkan cara mendapatkan nilai rangking dengan cara hasil nilai A dibandingkan dengan nilai keseluruhan dari nilai A setiap kos. Fungsi Rank digunakan untuk menentukan peringkat dari range tertentu, peringkat tersebut dapat berupa dari nilai tertinggi sampai terendah, atau dari terendah ke nilai tertinggi.
Tabel 15. Hasil Perhitungan (Kos Putri)
A RANK
0,877 3 0,690 5 0,953 2 0,970 1 0,856 4
Berdasarkan nilai keseluruhan yang telah di hitung dengan menggunakan metode SAW, kos A4 menduduki peringkat 1 kos Putri.
Tabel 16. Hasil Perhitungan (Kos Putra)
A RANK
0,733 5 0,936 3 0,972 1 0,879 4 0,947 2
IV. KESIMPULAN
Berdasarkan hasil penelitian yang telah dilakukan, diperoleh kesimpulan sebagai berikut:
1. Penilaian ini memberikan hasil peringkat pada Kos mulai dari tertinggi hingga terendah. 2. Berdasarkan hasil perhitungan yang dilakukan
terdapat 10 Kos yang terbagi atas 5 kos Putri dan 5 kos Putra, diperoleh 2 urutan tertinggi atau favorit berdsarkan Kos Putri dan Putra . Kode A4 untuk urutan tertinggi kos putri, dan kode A8 untuk urutan tertinggi kos putra. 3. Dengan menggunakan metode SAW proses
pemilihan Kos ini dapat memudahkan bagi calon penyewa kos.
REFERENSI
[1] Eniyati, S. 2011. Perancangan Sistem Pendukung Pengambilan Keputusan Untuk Penerimaan Beasiswa
Dengan Metode Simple Additive Weighting (SAW). Jurnal Teknologi Informasi DINAMIK Volume 16, No.2 [2] Purnama. 2015. sistem pendukung keputusan
pemilihan pejabat kopertis wilayah iii menggunakan metode Analytic Hierarchy Process.
Jurnal Humaniora. diakses dari
http://journal.uny.ac.id/index.php/humaniora/article/do wnload/7685/6625 pada 20 November 2016
[3] Turban, E. Aronson, J, E. Liang, T, P. 2006. Decision Support Systems And Intelligent Systems. Penerbit Andi Yogyakarta
[4] Utomo, MSD.. 2015. Penerapan metode SAW (Simple Additive Weight) padasistem pendukung keputusan untuk pemberian beasiswa pada sma negeri 1 cepu jawa tengah. Jurnal Universitas Dian Nuswantoro.diakses dari
http://eprints.dinus.ac.id/15172/1/jurnal_14778.pdfpada
