Department of Electrical Faculty of Engineering and Informatics Patria Artha University, Makassar
ISSN: 2549-6131 | e-ISSN: 2549-614X
Sistem Pemilihan Motor Bekas Menggunakan Metode Analitycal Hierarchy Process (AHP) Studi Kasus di Showroom
Abi Motor Karawang
Febriana Angelia Purba, Muhammad Ridwan, Sukanta Fakultas Teknik Industri, Universitas Singaperbangsa Karawang
email: fangelia870@gmail.com Abstract
Two-wheeled motorcycles have recently been in great demand, apart from being affordable, these vehicles have more functions than two-wheeled vehicles in general. The role of fast motorbikes is to replace pedal bicycles because generally these vehicles can deliver users faster to their destination, besides that this of course saves time and compared to four-wheeled vehicles, motorbikes are certainly more cost effective, and also flexible in place. Not a few are even willing to buy a used motorbike to be able to use it again to see the functions that are still worth using.
However, there are more and more criteria that eventually appear on the market, so it will take quite a long time if you have to choose a used motorbike among the various brands and the condition of the motorbike. The purpose of this study will provide an overview in making it easier for prospective used motorcycle buyers to make choices that will be decided in buying a used motorcycle by applying the AHP method, which later this method can be a reference for the seller in making it easier for customers to choose, and also customers can find out the criteria also the weight of the prospective motorcycle to be purchased. And in this study, a showroom that is able to provide information and recommendations, and can influence customers to make choices, so that customers will immediately buy the vehicle of their choice is a distinct success obtained by the owner in running a business of buying and selling used motorcycles. After knowing each alternative value for each criterion, the sub-criteria value is taken from the eigenvector value to get the result that the 3rd motor has the largest weight of 0.40 after that an interface is made based on the existing ERD design.
Keywords: Affordable, AHP, Alternative, Interface, Selection, Used Motorcycle.
This work is licensed under a Creative Commons Attribution 3.0 License.
PENDAHULUAN
Belakangan kini peran kendaraan roda dua sepeda motor bisa jadi keperluan yang sangat penting dalam melakukan aktivitas sehari-hari. Tentu saja selain mudah digunaakan, kendaraan ini juga cukup menghemat waktu, biaya, serta tempat jika dimiliki. Namun dengan rata-rata hasil pendapatan beberapa orang memilih tidak untuk membeli motor baru, dan jalur alternatifnya adalah dengan memilih motor bekas sebagai sarana transportasi.
Namun tentu saja bagi sebagian calon konsumen awam, bukanlah hal mudah dalam perkara memilih kendaraan second roda dua tersebut. Beberapa kriteria yang
perlu di perhatikan pada saat membeli motor bekas seperti merk, kelengkapan dokumen, kondisi mesin, kondisi fisik, dan tahun keluaran dari motor tersebut yang mana dapat mengatasi kebimbangan calon konsumen maka diperlukan suatu aplikasi yang dapat memberikan informasi lengkap perihal tipe, merk, tahun pembuatan, kondisi, no. rangka atau no. mesin dan yang lainnya [2]. Menurut I Wayan dari Otomotif.kompas, motor bekas yang paling banyak diminati sehingga laku untuk dijual yaitu dengan harga yang di bawah Rp 6 juta. I Wayan menambahkan, ada beberapa tipe motor yang biasa dipilih untuk harga di di bawah Rp 5 juta,
diantaranya Honda, Yamaha, dan Suzuki.
Serta menurut penelitian terdahulu [4].
tentang Sistem Penentuan Mobil Bekas Menggunakan Metode Analitycal Hierarchy Process (AHP) (Studi kasus di showroom Gemilang mobil) menyimpulkan dilakukan pengujian sistem menggunakan metode black box pada beberapa menu, atau halaman pada sistem dengan hasil rata- rata kesuksesan dari setiap fungsi-fungsi tombol yang ada, dan hasil pengujian user.
Begitu juga bagi pihak pemilik atau penjual motor bekas di Showroom Abi Motor Karawang diharpkan mampu memberikan informasi dan rekomendasi yang layak, dan dapat mempengaruhi pelanggan untuk menentukan pilihan, serta dapat segera membeli kendaraan pilihannya dan hal ini tentu akan mempengaruhi keuntungan yang didapat bagi pihak pemilik showroom. Maka dari itu dengan menerapkan metode AHP dalam sistem penentuan motor bekas dengan data yang diperoleh nantinya dijadikan acuan kriteria pemilihan motor bekas tersebut. Metode Analytical Hierarchy Process ini sendiri dikembangkan oleh Thomas L. Saaty, seorang ahli matematika. Menurut Saaty metode AHP membantu memecahkan persoalan yang kompleks dengan menstrukturkan suatu hierarki kriteria, pihak yang berkepentingan, hasil dan dengan menarik berbagai pertimbangan guna mengembangkan bobot atau prioritas [3].
METODE PENELITIAN
Admin memasukkan data login berupa username dan password, kemudian sistem akan memproses data tersebut untuk di validasi data login – nya.
Jika data login benar maka admin dapat melakukan proses selanjutnya yaitu input kriteria dan alternative motor, jika data login tidak benar maka admin akan kembali memasukka data login.
Data kriteria dan alternative motor yang telah diinputkan kemudian akan diproses menggunakan metode AHP.
Selanjutnya, setelah proses pengolahan nilai dengan metode AHP, hasilnya berupa
perangkingan hasil rekomendasi motor.
Perancangan Sistem Basis Data Flowchart
Gambar 1. Flowchart
Gambar diatas merupakan flowchart sistem pendukung keputusan yang akan dibangun dengan penjelasan sebagai berikut ini:
1. Sistem Pendukung Keputusan
Bahwa sistem pendukung keputusan merupakan suatu sistem yang memiliki peran dalam pengambilan keputusan disuatu proses dan memperolehkan hasil pengolahan data [5]. SPK merupakan model karakteristik utama dalam sistem pendukung keputusan yang menghasilkan bentuk representasi sederhana atau abstraksi dari suatu realita [1]. SPK merupakan sistem informasi interaktif yang menyediakan informasi. Pemodelan, dan manipulasi data.
2. Metode Analytic Hierarcy Process (AHP)
AHP merupakan model dari analisa pikiran yang teratur atau kelompok pikiran didalam proses bekerjanya dalam kompleksitas ditangkapnya.
AHP ialah metode untuk memecahkan masalah yang kompleks dalam situasi yang tidak terstruktur menjadi
beberapa bagian. Menyusun bagian- bagian tersebut menjadi bentuk hierarki, kemudian menetapkan nilai numerik untuk penilaian subjektif tentang kepentingan relative suatu variable dan mensintesiskan penilaian yang variabelnya memiliki prioritas tertinggi yang akan mempengaruhi penyelesaian situasi.
3. Metode penelitian
Dalam metode penelitian yang digunakan dalam model SPK yaitu penentuan pembelian sepeda motor bekas, menggunakan metode analitycal hierarchy process yaitu bertempat di showroom Abi Motor Karawang yang beralamat di Klari, Kab. Karawang tahap pengumpulan dengan observasi, wawancara dan studi pustaka.
HASIL DAN PEMBAHASAN
Gambar dibawah merupakan gambar alur dari sistem pendukung keputusan pemilihan motor bekas. Dimulai dari admin menginput data login, data kriteria, data alternative, data pembobotan dan data perangkingan. User dapat melihat dan memilih kategori alternative motor dengan nama atau kategori motor dan sistem akan menampilkan info rekomendasi motor kepada user.
1) Data Flow Diagram (DFD)
Gambar 2. DFD Level 0
Gambar 3. DFD Level 1
2) Entity Relationship Diagram (ERD) Entity Relational Diagram (ERD) merupakan bagan yang menggambarkan untuk sarana perancangan database, yang terdiri dari objek-objek yang nyata. Entity Relational Diagram (ERD) dapat membantu dalam mempelajari hubungan antar file database yang akan di rancang seperti yang terlihat pada gambar di bawah ini.
Gambar 3. Entity Relationship Diagram (ERD)
Kriteria yang digunakan dalam sistem ini terdapat 4 (empat) kriteria yang digunakan yaitu kriteria kelengkapan dokumen, kondisi mesin, kondisi fisik dan tahun keluaran, berdasarkan hasil wawancara dengan pemilik dengan subkriteria sebagai berikut :
1) Kriteria Kelengkapan Dokumen
Tabel 1. Kriteria Kelengkapan Dokumen
No Inisial Subkriteria 1 Kd1 Lengkap
2 Kd2 Ada BPKB, Tidak Ada STNK
3 Kd3 Ada STNK, Tidak Ada BPKB
2) Kriteria Kondisi Mesin
Tabel 2. Kriteria Kondisi Mesin
No Inisial Subkriteria 1 Km1 Bsik
2 Km2 Cukup 3 Km3 Buruk 3) Kriteria Kondisi Fisik
Tabel 3. Kriteria Kondisi Fisik
No Inisial Subkriteria 1 Kf1 Baik 2 Kf2 Cukup 3 Kf3 Baik 4) Kriteria Tahun Keluaran
Tabel 4. Kriteria Tahun No Inisial Subkriteria
1 Tk1 Tahun 2011 – 2016 2 Tk2 Tahun 2005 – 2010 3 Tk3 Tahun 2013 – 2015 5) Kriteria Merek
Tabel 5. Kriteria Merek No Inisial Subkriteria
1 Mk1 Honda
2 Mk2 Yamaha 3 Mk3 Suzuki 6) Mariks Perbandingan
Tabel 6. Matriks Perbandingan Berpasangan
Me re k
Kelen gkapa n doku men
Ko ndi si Me sin
Ko ndi si Fisi k
Tah un Kelu aran Merek 1.
00 3.00 4.0 0 5.0
0 7.00 Kelen
gkapa n doku men
0.
30 1.00 3.0 0 4.0
0 5.00
Kondis i Mesin
0.
25 0.33 1.0 0 3.0
0 4.00 Kondis 0. 0.25 0.3 1.0 3.00
i Fisik 20 3 0
Tahun Keluar an
0.
14 0.20 0.2 5 0.3
3 1.00 Jumla
h
1.
89 4.78 8.5 8
13.
33 20.0 0 7) Penentuan nilai tiap alternatif di
tiap kriteria
Tabel 7. Penentuan Nilai tiap Alternatif ditiap Kriteria
Altern atif
Kelengka pan Dokumen
Kond isi Mesi n
Kond isi Fisik
Tahun Keluar an
Mere k
Motor 1
Ada BPKB, tidak ada STNK
Baik Cuku p Baik
2005-
2010 Yama ha
Motor 2
Ada STNK, tidak ada BPKB
Cuku p Baik
Baik 2005- 2010
Hond a
Motor
3 Lengkap
Cuku p
Baik Baik 2010-
2015 Hond a
8) normalisasi matriks kriteria perbandingan berpasangan
Tabel berikut merupakan hasil perhitungan normalisasi matriks perbandingan berdasarkan nilai matriks perbandingan.
Tabel 8 normalisasi matriks perbandingan Kelengkapan
dokumen
Kondisi
Mesin Kondisi Fisik Tahun
Keluaran Merek Kelengkapan
dokumen 0.53 0.63 0.47 0.38 0.35
Kondisi
Mesin 0.16 0.21 0.35 0.3 0.25
Kondisi Fisik 0.13 0.07 0.12 0.23 0.2
Tahun
Keluaran 0.11 0.05 0.04 0.08 0.15
Merek 0.07 0.04 0.03 0.02 0.05
Jumlah 1 1 1 1 1
9) Mencari eigen vector
Nilai eigen yang didapatkan digunakan untuk menghitung nilai eigen vector tiap sub kriteria.
Tabel 9 eigen vector
eigen vector Kelengkapan
dokumen 0.469602 Kondisi Mesin 0.253532 Kondisi Fisik 0.148584 Tahun Keluaran 0.08432
10) Eigen vector tiap sub kriteria kelengkapan dokumen.
Tabel 10 Eigen vector tiap sub kriteria kelengkapan dokumen
Kd1 Kd2 Kd3 Jumlah Priority Vector
Kd1 0.53 0.63 0.47 2.35 0.47
Kd2 0.16 0.21 0.35 1.27 0.25
Kd3 0.13 0.07 0.12 0.74 0.15
Jumlah 1 1 1 5 1
11) Eigen vector tiap sub kriteria Kondisi Mesin.
Tabel 11. Eigen vector tiap sub kriteria Kondisi Mesin
km1 km2 km3 Jumlah Priority Vector
km1 0.53 0.63 0.47 2.35 0.47
km2 0.16 0.21 0.35 1.27 0.25
km3 0.13 0.07 0.12 0.74 0.15
Jumlah 1 1 1 5 1
12) Eigen vector tiap sub kriteria Kondisi Fisik.
Tabel 12. Eigen vector tiap sub kriteria Kondisi Fisik
kf1 kf2 kf3 Jumlah Priority Vector
kf1 0.53 0.63 0.47 2.35 0.47
kf2 0.16 0.21 0.35 1.27 0.25
kf3 0.13 0.07 0.12 0.74 0.15
Jumlah 1 1 1 5 1
13) Eigen vector tiap sub kriteria Tahun Keluaran.
Tabel 13. Eigen vector tiap sub kriteria Tahun Keluaran
Tk1 Tk2 Tk3 Jumlah Priority Vector
Tk1 0.53 0.63 0.47 2.35 0.47
Tk2 0.16 0.21 0.35 1.27 0.25
Tk3 0.13 0.07 0.12 0.74 0.15
Jumlah 1 1 1 5 1
14) Eigen vector tiap sub kriteria Merek.
Tabel 14 Eigen vector tiap sub kriteria Merek
Mk1 Mk2 Mk3 Jumlah Priority Vector
Mk1 0.53 0.63 0.47 2.35 0.47
Mk2 0.16 0.21 0.35 1.27 0.25
Mk3 0.13 0.07 0.12 0.74 0.15
Jumlah 1 1 1 5 1
15) Setelah diketahui nilai tiap alternatif pada tiap kriteria seperti pada tabel 7 sebelumnya maka
nilai sub kriteria di tiap kriteria pada alternatif diambil dari nilai eigen vector tiap sub kriteria pada lampiran tabel 10, tabel 11, tabel 12, tabel 13 dan tabel 14 dengan hasil sebagai berikut
Tabel 15. Pembobotan Alternatif tiap SubKriteria Alterna
tif
Kelengka pan Dokumen
Kond isi Mesi n
Kond isi Fisik
Tahun Keluar an
Mer ek Motor
1 0.25 0.47 0.25 0.25 0.47
Motor
2 0.15 0.25 0.47 0.25 0.25
Motor
3 0.47 0.25 0.47 0.47 0.25
16) Langkah selanjutnya dapat dilakukan penilaian akhir dengan cara mengalikan nilai alternatif di tiap kriteria dengan eigen vector tiap kriteria pada lampiran tabel 9, sehingga mendapatkan hasil seperti dibawah ini.
Motor 1 = (0,25 x 0,4696) + (0,47 x 0,2535) + (0,25 x 0,1485) + (0,25 x 0,0843) + (0,47 x 0,0439) = 0,32
Motor 2 = (0,15 x 0,4696) + (0,25 x 0,2535) + (0,47 x 0,1485) + (0,25 x 0,0843) + (0,25 x 0,0439) = 0,24
Motor 3 = (0,47 x 0,4696) + (0,25 x 0,2535) + (0,47 x 0,1485) + (0,47 x 0,0843) + (0,25 x 0,0439) = 0,40
Tabel 16. Hasil Perangkingan Alternatif
Alternatif Nilai Motor 3 0.40 Motor 1 0.32 Motor 2 0.24
Perancangan sistem basis perangkat lunak atau dialog
Interface dibuat berdasarkan dari rancangan ERD yang sudah dibuat sebelumnya. Dalam interface ini terdapat 11 jenis tampilan. Mulai dari
laman login, home, kriteria, sub kriteria dan sisanya sesuai dengan apa yang tertera pada ERD.
1) Model Perangkat Lunak
Lampiran Gambar 4. Home Interface
Lampiran Gambar 5. Kriteria Interface
Lampiran Gambar 6. Sub Kriteria Interface
Gambar 7. Log-In Interface
Gambar diatas merupakan salah satu interface yang dibuat.
Lampiran Gambar 8. Analysis Kriteria Interface
Lampiran Gambar 9. Analysis Alternatif Interface
Lampiran Gambar 10. Alternatif Interface
Lampiran Gambar 11. Analysis Pembobotan Interface
Lampiran Gambar 12. Pembobotan Interface
Lampiran Gambar 13. Analysis Perangkingan Interface
Lampiran Gambar 14. Perangkingan Interface
KESIMPULAN
Dari hasil penelitian, telah dilakukan perancang bangun dan uji sistem yang telah dibuat penulis dapat mengambil kesimpulan, Showroom yang mampu memberikan informasi dan rekomendasi, dan dapat mempengaruhi pelanggan untuk menentukan pilihan, sehingga pelanggan akan segera membeli kendaraan pilihannya adalaah suatu kesuksesan tersendiri yang didapatkan oleh pihak pemilik dalam menjalankan bisnis jual beli motor bekasnya. Dengan menerapkan metode AHP dalam sistem penentuan motor bekas dengan data yang diperoleh sehingga kriteria pemilihan motor bekas tersebut dapat berjalan dengan mudah dan tidak terlalu memakan waktu banyak
dalam pemilihan. Merk, kelengkapan dokumen, kondisi mesin, kondisi fisik, dan tahun keluaran dari motor merupakan kriteria dari calon motor yang akan di beli nantinya. Setelah diketahui nilai tiap alternatif pada tiap kriteria maka nilai sub kriteria di tiap kriteria pada alternatif diambil dari nilai eigen vector tiap sub kriteria dengan hasil dapat dilakukan penilaian akhir dengan cara mengalikan nilai alternatif di tiap kriteria dengan eigen vector tiap kriteria, dan dijumlahkan sehingga mendapatkan hasil bahwa Motor 3 memiliki bobot terbesar senilai 0.40. Lalu segera dibuat Interface berdasarkan dari rancangan ERD yang telah ada.
REFERENSI
[1] Arifin, N. A. (2020). SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SEPEDA MOTOR BEKAS DENGAN METODE AHP DAN SAW ( Studi Kasus : Sahabat Motor ). 5(2), 160–170.
[2] Kaeng, A. M., Mananeke, L., &
Lumanauw, B. (2014). Bauran Promosi Pengaruhnya Terhadap Keputusan Pembelian Motor Yamaha Di PT . Hasjrat Abadi. Jurnal EMBA, 2(3), 1077–1088.
[3] Munthafa, A., & Mubarok, H. (2017).
Penerapan Metode Analytical Hierarchy Process Dalam Sistem Pendukung Keputusan Penentuan Mahasiswa Berprestasi. Jurnal Siliwangi, 3(2), 192–201.
[4] Saputra, A. R., & Kusuma, A. P.
(2020). Sistem Penentuan Mobil Bekas Menggunakan Metode Analitycal Hierarchy Process (Ahp). Jurnal
Mnemonic, 3(2), 1–6.
https://doi.org/10.36040/mnemonic.
v3i2.2794
[5] Yuprastiwi, Y., Setiawan, A. B., Sahertian, J., Informatika, T., Teknik, F., Nusantara, U., & Kediri, P. (2020). Sistem Pendukung Keputusan Penilaian Kinerja Guru Menggunakan Metode Analytical Hierarchy Process ( AHP ). 266–272.
