ISSN 2338-1450 Jurnal SITUSTIKA Volume 3 – Nomor 3 – September 2019
Hal | 1
Fakultas Teknologi dan Informatika UNMA Banten
Penerapan Metode Simple Additive Weighting Pada Sistem Pendukung Keputusan Untuk Pemilihan Jenis Padi Terbaik
(Studi Kasus CV. Mandiri Jaya)
Andrianto Heri Wibowo1, Lili Sujai2, Rudi Junaedi3
1,2Dosen Program Studi Sistem Informasi, Fakultas Teknologi dan Informatika, Universitas Mathla’ul Anwar Banten
3Mahasiswa Program Studi Sistem Informasi, Fakultas Teknologi dan Informatika, Universitas Mathla’ul Anwar Banten
Jl. Raya Labuan KM.23, Cikaliung - Saketi - Pandeglang - Banten 42273 Email : 1andrewbanten77@gmail.com, lilisujai@gmail.com2, rudirj211@gmail.com3
Abstrak. Pertanian adalah salah satu sektor yang paling penting di wilayah Indonesia karena sebagian besar masyarakat Indonesia menggantungkan hidupnya pada sektor ini sebagai petani padi. Namun seringkali masyarakat banyak mengalami kesulitan dalam menentukan jenis padi yang akan mereka tanam. Masing-masing daerah juga mempunyai jenis padi sendiri. Benih dikatakan bermutu bila jenis, murni, bernas, kering, sehat. Bebas dari penyakit dan bebas dari campuran biji rerumputan yang tidak diinginkan. Benih yang baik juga harus tinggi daya kecambahnya, benih dengan kriteria tersebut biasanya mampu menghasilkan tanaman yang sehat, kuat, dan kokoh pertumbuhan yang seragam dan memiliki kualitas yang baik. Di Indonesia terkenal lebih dari 1.000 tanaman padi (sekelompok tanaman) dari jumlah yang banyak itu memungkinkan petani kesulitan dalam memilih jenis padi terbaik/berkualitas yang akan mereka tanam. Metode SAW sering juga dikenal istilah metode penjumlahan berbobot.
Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Berdasarkan permasalahan yang ada maka dilakukan pemilihan jenis padi dengan sistem pendukung keputusan yang menggunakan metode Simple Additive Weighting (SAW) sebagai alternatif masyarakat untuk mendapatkan informasi secara cepat dan tepat sehingga dapat meningkatkan ketepatan dalam pemilihan jenis padi.
Kata Kunci: sistem pendukung keputusan, pemilihan, simple additive weighting
I. PENDAHULUAN 1.1. Latar Belakang
Perkembangan teknologi informasi telah memungkinkan pengambilan keputusan (SPK) dapat dilakukan dengan lebih cepat dan cermat. Penggunaan komputer telah berkembang dari sekedar pengolahan data maupun penyajian informasi, menjadi mampu untuk menyediakan pilihan-pilihan sebagai pendukung pengambil keputusan.
Pertanian adalah salah satu sektor yang paling penting di wilayah Indonesia karena sebagian besar masyarakat Indonesia menggantungkan hidupnya pada sektor ini sebagai petani padi. Namun seringkali masyarakat banyak mengalami kesulitan dalam menentukan jenis padi yang akan mereka tanam. Padi adalah salah satu bahan makanan yang mengandung gizi dan penguat yang cukup bagi tubuh manusia, karena di dalamnya terkandung bahan-bahan yang mudah diubah menjadi energi. Padi dibudidayakan dengan tujuan mendapatkan hasil yang setinggi-tingginya dengan kualitas sebaik mungkin.
ISSN 2338-1450
Jurnal SITUSTIKA Volume 3 – Nomor 3– September 2019
Hal | 2
Fakultas Teknologi dan InformatikaUNMA Banten
Penggunaan jenis padi terbaik merupakan salah satu faktor yang berpengaruh dalam produktivitas usaha tani, karena itu ketersediaan jenis padi terbaik bagi petani dalam melakukan kegiatan usaha tani merupakan syarat penting dalam meningkatkan hasil dan kualitas produksi. Petani yang membuat keputusan jarang mengetahui dengan tepat hasilnya, petani mungkin mengetahui dari hasil penelitian bahwa pemberian 100kg nitrogen/ha (hektar) meningkatkan hasil padi sebesar 500kg apakah hasil yang sama akan diperoleh sangat tergantung pada cuaca, serangan hama/penyakit, jenis tanah dan sebagainya.
Masing-masing daerah juga mempunyai jenis padi sendiri. Benih dikatakan bermutu bila jenis, murni, bernas, kering, sehat. Bebas dari penyakit dan bebas dari campuran biji rerumputan yang tidak diinginkan. Benih yang baik juga harus tinggi daya kecambahnya, benih dengan kriteria tersebut biasanya mampu menghasilkan tanaman yang sehat, kuat, dan kokoh pertumbuhan yang seragam dan memiliki kualitas yang baik. Di Indonesia terkenal lebih dari 1.000 tanaman padi (sekelompok tanaman) dari jumlah yang banyak itu memungkinkan petani kesulitan dalam memilih jenis padi terbaik/berkualitas yang akan mereka tanam. Metode SAW sering juga dikenal istilah metode penjumlahan berbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut.
Berdasarkan permasalahan yang ada maka dilakukan pemilihan jenis padi dengan sistem pendukung keputusan yang menggunakan metode Simple Additive Weighting (SAW) sebagai alternatif masyarakat untuk mendapatkan informasi secara cepat dan tepat.
1.2. Rumusan Masalah
Berdasarkan uraian latar belakang maslah di atas, maka rumusan maslah yang akan di bahas adalah:
1. Bagaimana membangun sistem pendukung keputusan untuk menentukan pemilihan padi pada CV. Mandiri Jaya sehingga terjamin kualitas padinya?
2. Bagaimana cara menerapkan metode Simple Additive Weighting (SAW) untuk pemilihan jenis padi terbaik secara tepat?
1.3. Batasan Masalah
Adapun batasan masalah dalam penelitia ini adalah sebagai berikut:
1. Keriteria yang di gunakan dalam penelitian adalah umur tanaman, tinggi tanaman, bobot 1000 butir, rata-rata hasil, dan potensi hasil;
2. Hasil penelitian padi terdiri dari kualitas super, premium, medium, rendah;
3. Penelitian menggunakan 2 jenis padi, yaitu padi organik dan non organik.
1.4. Tujuan Penelitian
Berdasarkan rumusan masalah diatas, tujuan yang ingin dicapai adalah:
1. Membangun sistem pendukung keputusan untuk menentukan pemilihan padi pada CV. Mandiri Jaya sehingga terjamin kualitas padinya;
2. Menerapkan metode Simple Additive Weighting (SAW) untuk pemilihan jenis padi terbaik secara tepat.
II. LANDASAN TEORI
2.1. Sistem Pendukung Keputusan
Sistem pedukung keputusan pada penelitian ini adalah sebuah sistem yang terdiri dari beberapa kriteria untuk menentukan rangking tertinggi dari alternative yang dipilih
ISSN 2338-1450 Jurnal SITUSTIKA Volume 3 – Nomor 3 – September 2019
Hal | 3
Fakultas Teknologi dan Informatika UNMA Banten sehingga hasil keluaran sistem dapat membantu dalam proses pengambilan keputusan.
Ada beberapa teori yang menjelaskan dari definisi sistem pendukung keputusan, di antaranya sebagai berikut :
Menurut Turban dalam buku Dicky Nofriansyah mengatakan “sistem pendukung keputusan merupakan penggabungan sumber-sumber kecerdasan individu dengan kemampuan komponen untuk memperbaiki kualitas keputusan. Sistem pendukung keputusan juga merupakan sistem informasi berbasis komputer untuk manajemen pengambilan keputusan yang menangani masalah-masalah semi terstruktur”.
Sistem pendukung keputusan (SPK) merupakan suatu sistem yang mendukung manajer dalam pengambilan keputusan untuk permasalahan semi terstruktur. Tujuan sistem pendukung keputusan yaitu sebagai alat bantu bagi para manajer untuk memperluas kapabilitas mereka dalam pengambilan keputusan dan bukan untuk menggantikan manajer (Dicky Nofriansyah, 2014).
Pengambilan keputusan merupakan peroses pemilihan dari beberapa alternatif, dimana proses tersebut menurut Simon meliputi tiga fase utama yaitu pemahaman perancangan, dan pemilihan yang kemudian ia menambahkan satu fase lagi, yakni fase keempat adalah fase implementasi. (Dicky Nofriansyah, 2014)
1. Tahap pemahaman (intelegensi phase) tahap ini dimulai dengan tahap pendekatan dan penelusuran masalah dari ruang lingkup masalah yang ada, kemudian masalah tersebut diproses dan diuji untuk diidentifikasi.
2. Tahap prancangan (design phase) tahap prancangan multiproses menemukan, mengembangkan dan menganalisis alternatif tindakan yang bisa dilakukan, fase ini merupakan suatu pemahaman terhadap masalah dan menguji kelayakan solusi
3. Tahap pemilihan (choice phase) padatahap ini dilakukan proses pemilihan diantara berbagai alternatif tindakan yang mungkin dijalankan, hasil pemilihan tersebut kemudian diimplementasikan dalam proses pengambilan keputusan.
4. Tahap implementasi (implementation phase) implementasi berarti membuat suatu solusi yang direkomendasikan bisa bekerja untuk mengatasi masalah.
2.2. Simple Additive Weighting (SAW)
Menurut Wanto dan Damanik (2015:325) : Metode SAW adalah salah satu metode dari Multiple Attribute Decission Making (FMADM) yang paling sering digunakan. Metode ini merupakan dasar dari sebagian metode FMADM seperti SAW dan PROMETHEE yang menghitung nilai akhir alternatif yang diberikan metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode Simple Additive Weighting (SAW) adalah mencari penjumlahan terbobot dari rating kinerja pada setia alternatif pada semua atribut. (Wanto, 2018)
Menurut Setiaji (2012) dalam jurnalnya mengatakan bahwa Metode 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. Metode SAW didefinisikan sebagai sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah semi terstruktur. Metode SAW didefinisikan sebagai sebuah sistem yang mendukung kerja seorang manajer maupun sekelompok manajer dalam memecahkan masalah semi terstruktur dengan cara memberi informasi ataupun usulan menuju pada keputusan tertentu. Jadi ini merupakan sistem pendukung yang berbasis komputer untuk manajemen pengambilan keputusan yang berhubungan dengan masalah-masalah semi terstruktur. Dalam jurnal ini memiliki suatu kelemahan bahwasanya metode SAW hanya dapat digunakan untuk
ISSN 2338-1450
Jurnal SITUSTIKA Volume 3 – Nomor 3– September 2019
Hal | 4
Fakultas Teknologi dan InformatikaUNMA Banten
menyelesaikan masalah-maslah yang semi terstruktur belum menangani masalah yang tidak terstruktur.
III. METODE PENELITIAN
Berikut metode penelitian yang digunakan penulis adalah metode Simple Additive Weighting (SAW). 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. Dalam metode SAW terdapat proses perhitungan normalisasi yang dapat dihitung dengan rumus berikut :
Dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj, i- 1,2,...,m dan j=1,2,...n.
Keterangan :
rij = rating kinerja ternormalisasi
Max Xij = nilai maksimum dari setiap baris dan kolom Min Xij = nilai minimum dari setiap baris dan kolom Xij = baris dan kolom dari matriks
Nilai preferensi untuk setiap alternatif (Vi) diberikan rumus Nilai Preferensi sebagai berikut :
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih. (Putri, 2018)
Langkah penyelesaian metode SAW menurut Liesdiana dan Mauliana (2017:78) : 1. Memberikan nilai setiap alternatif (Ai) pada kriteria (cj) yang sudah
ditentukan, dimana nilai i = 1,2,... m dan j=1,2,....n
2. Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai keanggotaan.
3. Melakukan normalisasi matriks dengan cara menghitung nilai rating kinerja ternormalisasi(rij) dan alterntif Ai pada atribut Cj berdasarkan persamaan yang diseusaika dengan jenis atribut (atribut keuntungan/atau
ISSN 2338-1450 Jurnal SITUSTIKA Volume 3 – Nomor 3 – September 2019
Hal | 5
Fakultas Teknologi dan Informatika UNMA Banten benefit=MAKSIMUM atau atribut biaya/atau cost= MINIMUM). Apabila
berupa atribut berupa biaya/atau cost=MINIMUM). Apabila berupa atribut keuntungan nilai, maka nilai keanggotaan (Xij) dari setiap kolom atribut dibagi dengan nilai keanggotaan MAX (MAX Xij) dari tiap kolom, sedangkan untuk atribut biaya, nilai keanggotaan MIN (MIN Xij) setiap kolom atribut dibagi dengan nilai keanggotaan (Xij) setiap kolom.
4. Melakukan proses perangingan untuk setiap alternatif (Vi) dengan cara mengalikan nilai bobot (Wj) dengan nilai rating kinerja ternormalisasi (rij).
(Liesdiana, Sheyla; Mauliana, 2017)
Berikut adalah FlowChart penyelesaian perhitungan Simple Additive Weighting (SAW):
Gambar 1. Flowchart Simple Additive Weighting (SAW)
IV. HASIL DAN PEMBAHASAN
4.1. Metode Simple Additive Weighting (SAW) 4.1.1. Langkah Penyelesaian
Proses pengambilan keputusan rekomendasi pemilihan jenis padi dalam penelitian ini menggunakan metode Simple Additive Weighting, adapun langkah – langkahnya sebagai berikut :
1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan.
2. Menentukan kondisi kriteria pada masing-masing kriteria yang telah ditentukan.
3. Memberikan nilai bobot pada masing-masing kriteria dan bobot pada masing- masing kondisi kriteria yang telah ditentukan.
4. Membuat matriks keputusan berdasarkan kriteria, kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis
ISSN 2338-1450
Jurnal SITUSTIKA Volume 3 – Nomor 3– September 2019
Hal | 6
Fakultas Teknologi dan InformatikaUNMA Banten
atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R.
5. Hasil akhir diperoleh dari proses perangkingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vector bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi.
Dalam metode SAW terdapat kriteria dibutuhkan untuk menentukan rekomendasi pemilihan jenis padi. Nilai bobot dan bobot ditentukan sesuai dengan prioritas berdasarkan data yang didapat dari petani. diperoleh beberapa kriteria sebagai bahan perhitungan metode SAW antara lain adalah sebagai berikut :
Tabel 1. Tabel Kriteria
Notasi Kriteria
C1 Umur Tanaman
C2 Tinggi Tanaman
C3 Bobot 1000 butir
C4 Bentuk Tanaman
C5 Potensi Hasil
Tabel 2. Vektor Bobot
C1 C2 C3 C4 C5
0,30 0,20 0,20 0,10 0,20
Adapun kriteria dan kondisi kriterianya adalah :
Tabel 3. Kondisi Kriteria Kriteria Kode
Kriteria
Nilai Bobot
Kondisi
Kriteria Bobot
Umur
tanaman C1 30%
Sangat Bagus 108 hari
Bagus 110 hari
Cukup bagus 115 hari Kurang bagus 118 hari
Buruk 116-125 hari
Tinggi
tanaman C2 20%
Sangat Bagus 107-115
Bagus 100-105
Cukup bagus 100
Kurang bagus 95-100
Buruk 85-95
Bobot C3 20%
Sangat Bagus 28gram
Bagus 27-28 gram
Cukup bagus 27,41 gram Kurang bagus 25 gram
Buruk 24 gram
Bentuk
tanaman C4 10%
Tegak 1
Agak tegak 0.8
Sedang 0.6
ISSN 2338-1450 Jurnal SITUSTIKA Volume 3 – Nomor 3 – September 2019
Hal | 7
Fakultas Teknologi dan Informatika UNMA Banten
Cukup tegak 0.4 Kurang tegak 0.2
Potensi
hasil C5 20%
Sangat Bagus 10 t/h
Bagus 8,80 t/h
Cukup bagus 8,60 t/h Kurang bagus 7,20 t/h
Buruk 6 t/h
Keterangan :
1. Umur tanaman
Sangat bagus : Apabila jenis padi yang dipilih berumur < 108 Hari Bagus : Apabila jenis padi yang dipilih berumur 110 hari Cukup Bagus : Apabila jenis padi yang dipilih berumur 115 hari Kurang Bagus : Apabila jenis padi yang dipilih berumur 118 hari Buruk : Apabila jenis padi yang dipilih berumur > 116-125 hari 2. Tinggi tanaman
Sangat Bagus : apabila jenis padi yang dipilih tingginya mencapai 107- 115cm
Bagus : apabila jenis padi yang dipilih tingginya mencapai 100- 105cm
Cukup bagus : apabila jenis padi yang dipilih tingginya mencapai 100cm Kurang bagus : apabila jenis padi yang dipilih tingginya mencapai 95-100cm Buruk : apabila jenis padi yang dipilih tingginya mencapai < 85-95cm 3. Bobot 1000 butir
Sangat Bagus : padi yang dihasilkan berat bobotnya mencapai > 28gram Bagus : padi yang dihasilkan berat bobotnya mencapai > 27 - 28gram Cukup bagus : padi yang dihasilkan berat bobotnya mencapai > 27,41 gram Kurang bagus : padi yang dihasilkan berat bobotnya mencapai < 25gram Buruk : padi yang dihasilkan berat bobotnya mencapai < 24gram 4. Bentuk Tanaman
Tegak : Apabila bentuk tanaman padi berdiri tegak dan kuat maka bernilai 1
Agak Tegak : Apabila bentuk tanaman padi berdiri agak tegak dan kuat maka bernilai 0,8
Sedang : Apabila bentuk tanaman padi sedang dan kuat maka bernilai 0,6
Cukup Tegak : Apabila bentuk tanaman cukup tegak dan kurang kuat maka bernilai 0,4
Kurang Tegak : Apabila bentuk tanaman padi kurang tegak dan kurang kuat maka bernilai 0,2
5. Potensi hasil
Sangat bagus : Apabila padi yang dihasilkan mencapai berat > 10ton /ha Bagus : Apabila padi yang dihasilkan mencapai berat > 8,80ton /ha Cukup bagus : Apabila padi yang dihasilkan mencapai berat > 8,60ton /ha Kurang bagus : Apabila padi yang dihasilkan mencapai berat < 7,20ton /ha Buruk : Apabila padi yang dihasilkan mencapai berat <6ton /ha
ISSN 2338-1450
Jurnal SITUSTIKA Volume 3 – Nomor 3– September 2019
Hal | 8
Fakultas Teknologi dan InformatikaUNMA Banten
Adapun analisis data jenis padi sebagai berikut :
Table 4. Analisis Data Jenis Padi Nama Jenis
padi C1 C2 C3 C4 C5
Ciherang Sangat Bagus Sangat Bagus Sagat Bagus Tegak Sangat Bagus Cisadane Bagus Sangat Bagus Bagus Agak Tegak Bagus Mekongga Cukup Bagus Bagus Sangat Bagus Agak Tegak Bagus IR-64 Bagus Cukup bagus Sangat Bagus Agak Tegak Bagus
Data jenis padi direpresentasikan ke dalam matrix sebagai berikut :
4.1.2. Menormalisasikan Matriks X Menjadi R 1. Alternatif 1 dengan normalisasi
2. Alternatif 2 dengan normalisasi
ISSN 2338-1450 Jurnal SITUSTIKA Volume 3 – Nomor 3 – September 2019
Hal | 9
Fakultas Teknologi dan Informatika UNMA Banten 3. Alternatif 3 dengan normalisasi
4. Alternatif 4 dengan normalisasi
4.1.3. Perangkingan
Hasil terakhir diperoleh dari proses perangkingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor terbobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi :
r =
V1 = (0,3*1) + (0,2*1) + (0,2*1) + (0,1*1) + (0,2*1)
= 0.3+ 0.2 + 0.2 + 0.1 + 0.2 = 1
V2 = (0,3*0.8) + (0,2*1) + (0,2*0.8) + (0,1*0.8) + (0,2*0.8)
= 0.24 + 0.2 + 0.16 + 0.08 + 0.16 = 0.84
V3 = (0,3*0.6) + (0,2*0.8) + (0,2*1) + (0,1*0.8) + (0,2*0,8)
= 0.18 + 0.16 + 0.2 + 0.08 + 0.16 = 0.78
V4 = (0,3*0.8) + (0,2*0,6) + (0,2*1) + (0,1*0,8) + (0,2*0.8)
= 0.24 + 0.12 + 0.2 + 0,08 + 0.16 = 0.8
ISSN 2338-1450
Jurnal SITUSTIKA Volume 3 – Nomor 3– September 2019
Hal | 10
Fakultas Teknologi dan InformatikaUNMA Banten
Tabel 5. Hasil Penilaian Alternatif Hasil
Ciherang 1
Cisadane 0.84 Mekongga 0.78
IR-64 0.8
Nilai terbesar ada pada V1 sehingga alternatif jenis padi 1 adalah alternatif yang terpilih sebagai jenis padi yang paling direkomendasikan
4.2. Perancangan Sistem 1. Use Case Diagram
Use Case Diagram merupakan penjelasan lebih detail tentang kegiatan aktor dan respon yang diberikan oleh sistem sesuai dengan yang terjadi pada sistem pendukung keputusan.
Gambar 2. Use Case Diagram
2. Use Case Admin
Gambar 3. Use Case Admin
ISSN 2338-1450 Jurnal SITUSTIKA Volume 3 – Nomor 3 – September 2019
Hal | 11
Fakultas Teknologi dan Informatika UNMA Banten 3. Use Case Petani
Gambar 4. Use Case Petani
4.3. Perancangan Basis Data (Class Diagram)
Class diagram menggambarkan struktur dan hubungan antar objek objek Yang ada pada sistem, struktur itu meliputi atribut dan oprasi yang ada pada masing masing peran. Adapun gambaran class diagram dari sistem informasi pemilihan jenis padi terbaik dapat dilihat pada gambar dibawah ini :
Gambar 5. Class Diagram
ISSN 2338-1450
Jurnal SITUSTIKA Volume 3 – Nomor 3– September 2019
Hal | 12
Fakultas Teknologi dan InformatikaUNMA Banten
V. KESIMPULAN
Berdasarkan hasil penelitian dan pengujian yang telah dilakukan oleh penulis maka dapat diambil kesimpulan, yaitu:
1. Sistem pendukung keputusan dapat digunakan sebagai alat untuk menentukan jenis padi terbaik pada CV. Mandiri Jaya sehingga pemilihan kualitas padi akan terjamin;
2. Penerapan metode Simple Additive Weighting (SAW) pada sistem pendukung keputusan mampu meningkatkan ketepatan pemilihan jenis padi dengan kualitas terbaik.
VI. DAFTAR PUSTAKA
Arfyanti Ita dan Purwanto Edi, (2012), dalam penelitianya yang berjudul
“Aplikasi Sistem Pendukung Keputusan Pemberian Kelayakan Kredit Pinjam Dalam Bank Rakyat Indonesia Unit Segiri Samarinda Dengan Metode Fuzzy MADM (Multiple Attribute Decission Making) Menggunakan SAW (Simple Additive Weighting)” Semarang.
Astuti Yuli dkk, (2011), dalam penelitiannya yang berjudul “Sistem Pendukung Keputusan Untuk Pemilihan Perguruan Tinggi Komputer Swasta”
AMIKOM.
Henderi, 2012. “Pengertian UML (Unified Modeling Language)”
http://www.bangpahmi.com/2015/04/pengertian-unified-modelling- language-uml-dan-modelnya-menurut-pakar.html diakses pada tanggal 7 Juni 2017.
Jogiyanto, 2001. “Pengertian Sistem“
http://pengertiansisteminformasi.blogspot.co.id/2009/08/penegertian-sistem- informasi.html. diakses pada tanggal 06 Juni 2017.
Kusumadewi, dkk. 2006.”Metode SAW”
http://googleweblight.com/?lite_url=http://www.landasanteori.com/2015/10/
metode-simple-additive-weighting-saw.html diakses pada tanggal 8 Juni 2017.
Nugroho 2010, ”Pengertian UML (Unified Modeling Language)”
http://www.bangpahmi.com/2015/04/pengertian-unified-modelling- language-uml-dan-modelnya-menurut-pakar.html diakses pada tanggal 7 Juni 2017.
Oktaputra Alif W & Edi Noersasongko Edi, (2014), Dalam penelitianya yang berjudul “Sistem Pendukung Keputusan Kelayakan Pemberian Kredit Motor Menggunakan Metode Simple Additive Weighting Pada Perusahaan Leasing HD Finance” UDINUS.
Pahlevy. 2010. “Definisi SAW”
http://googleweblight.com/?lite_url=http://www.landasanteori.com/2015/10/
ISSN 2338-1450 Jurnal SITUSTIKA Volume 3 – Nomor 3 – September 2019
Hal | 13
Fakultas Teknologi dan Informatika UNMA Banten metode-simple-additive-weighting-saw.html di akses pada tanggal 8 Juni
2017.
Simon P Gunawan Dkk(2012), Dalam penelitianya yang berjudul “Sistem Informasi Komoditas Tanaman Pangan (Padi dan Palawija) Di Kabupaten Karo” Departemen Teknologi Pertanian, Fakultas Pertanian USU Jl. Prof.
Dr. A. Sofyan No. 3 Kampus USU Medan 2015.
Suprianti Wiwit, (2013-2014), dalam penelitiannya yang berjudul “ Rancang Bangun Aplikasi Sistem Pendukung Keputusan Penerima Beasiswa Dengan Metode SAW“. Teknik Informatika Universitas Muhammadiyah Surakarta.
Turban, 2005. “Pengertian SPK”
https://tugasspk.wordpress.com/2010/03/28/mengenal-sistem-pendukung- keputusan/ diakses pada tanggal 6 Juni 2017.