Copyright © 2023 Oky Triadi Sampurno, Page 230
Aplikasi Pemilihan Tanaman Hias Menggunakan Metode Weight Product Dan Smart Berbasis Web
Oky Triadi Sampurno, Agung Triyayudi*, Agus Iskandar
Fakultas Teknologi Komunikasi dan Informatika, Informatika, Universitas Nasional, Jakarta, Indonesia Email: 1okytriadi2510@gmail.com, 2,*agungtriayudi@civitas.unas.ac.id, 3agusiskandar@civitas.unas.ac.id
Email Koresponding : agungtriayudi@civitas.unas.ac.id Submitted 01-02-2023; Accepted 24-02-2023; Published 27-02-2023
Abstrak
Tanaman hias adalah tanaman dengan nilai estetika dan keindahan yang digunakan untuk mempercantik dan memperindah suasana ruangan di rumah, taman, gedung perkantoran, halaman, hotel, dan restoran. Ini adalah tren tanaman dedaunan yang populer, dan setiap pengikut memiliki selera yang berbeda. Tanaman hias yang umumnya sangat populer adalah agronema, anthurium, adansoni, calathea, monstera dan sansevieria. Sistem pendukung keputusan diperlukan untuk membantu mengidentifikasi dan mengetahui tanaman hias mana yang paling dibutuhkan masyarakat. Metode yang digunakan dalam sistem ini adalah metode Weight Product(WP) dan metode SMART. Metode WP adalah metode analis untuk pengambilan keputusan multi-kriteria (MCDM). Sedangkan metode SMART adalah strategi dinamis multi-karakteristik. Strategi ini menggunakan keputusan multi-sifat untuk membantu pengambilan keputusan saat menelusuri beberapa pilihan. Semua pemimpin harus menetapkan pilihan seperti yang ditunjukkan oleh tujuan yang diungkapkan. Pada penelitian ini menghasilkan suatu sistem untuk mementukan pemilihan tanaman hias yang terbaik, Adanya perbandingan ke dua metode tersebut di harapkan bisa lebih membantu dalam pemilihan tanaman hias agar lebih tepat sasaran. Metode WP dan SMART dengan menggunakan 10 data alternatif menunjukan bahwa kedua metode tersebut mendapatkan data yang akurat dan cocok apabila di terapkan sebagai perangkingan tanaman hias. Pada ke-2 metode tersebut memiliki skor eksekusi elektif dan hasil nilai bobot yang diterapkan pada setiap teknik.
Kata Kunci: Tanaman; WP; Perangkingan; SMART; Web
Abstract
Ornamental plants are plants with aesthetic and aesthetic values that are used to beautify and beautify the atmosphere of rooms in homes, gardens, office buildings, courtyards, hotels, and restaurants. This is a popular foliage plant trend, and every follower has a different taste. Ornamental plants that are generally very popular are agronema, anthurium, adansoni, calathea, monstera and sansevieria. A decision support system is needed to help identify and find out which ornamental plants are most needed by the community. The method used in this system is the Weight Product (WP) method and the SMART method. The WP method is an analytical method for multi-criteria decision making (MCDM). While the SMART method is a multi-characteristic dynamic strategy.
This strategy uses multi-trait decisions to aid decision making when exploring multiple options. All leaders must make choices as indicated by the stated goals. This study produces a system to determine the selection of the best ornamental plants. The comparison of the two methods is expected to be more helpful in selecting ornamental plants to be more targeted. The WP and SMART method s using 10 alternative data show that both methods get accurate and suitable data when applied as a ranking of ornamental plants. Both of these methods have an elective execution score and the results of the weight values applied to each technique.
Keyword: Plants; WP; Ranking; SMART; Web
1. PENDAHULUAN
Tanaman hias merupakan berbagai macam jenis tanaman yang mempunyai nilai keunggulan tersendiri dan daya tarik tersendiri bagi setiap pecintanya juga memiliki memiliki nilai keindahahn dalam penanaman, perawatan dan finishing untuk memperindah ruangan luar dan dalam. Dengan perkembangan teknologi tanaman hias dapat menjadikan peluang bisnis yang sangat menjanjikan[1].
Dalam mengambil suatu keputusan, terkadang manusia dapat membuat keputusan yang objektif menurut manusia, terkadang keputusan tersebut berpihak pada salah satu pihak, dengan ini, dengan membuat sistem hal ini dapat dihilangkan, dengan mengambil keputusan mutlak, tidak dapat diubah melalui proses apapun, pengambilan keputusan yang pasti diperlukan karena dapat memberikan penegasan atas suatu keputusan yang diambil, dalam hal ini keputusan tanaman hias yang dilakukan customer, dengan keputusan yang pasti, pemilihan dapat dipastikan jika semua unsur cukup terpenuhi. sistem yang ada saat ini menggunakan sistem manual yaitu dengan mengumpulkan nilai langsung dari para customer berdasarkan penilaian masing-masing customer, dengan sistem manual ini penilaian tetap objektif, dengan sistem penilaian ini dapat lebih tegas terhadap semua penilaian yang ada. Kegiatan usaha tanaman hias berkembang di berbagai daerah di Indonesia dan berperan menjadi pusat bertumbuhan ekonomi yang cukup penting. Berbagai macam keadaan jenis tumbuhan yang mempunyai nilai hias harus terlihat dari daun, bunga, akar, batang, dan aroma yang dapat membuat keindahan dan kerajinan [2].
Dalam sebagian besar pengambilan keputusan multi-kriteria model, menetapkan bobot kriteria adalah penting langkah yang perlu ditinjau kembali. Padahal, menentukan Bobot kriteria merupakan salah satu kunci permasalahan yang ada muncul dalam pengambilan keputusan multi-kriteria. Ada berbagai metode pembobotan yang dimiliki telah diusulkan dalam literatur dan diterapkan untuk memecahkan masalah yang berbeda seperti pemrograman tujuan, Analytic Hierarchy Process (AHP), skor tertimbang metode, VIKOR, TOPSIS, dll. Pembobotan ini metode diklasifikasikan dalam berbagai cara: Kriteria langsung metode pembobotan (penskalaan, peringkat-bobot, titik prosedur alokasi dan pendekatan tidak langsung (bobot yang diturunkan dari teori dan matematis model). Dalam praktiknya, sulit bahkan untuk satu pun
pengambil keputusan untuk memasok bobot relatif numerik kriteria keputusan yang berbeda. Secara alami, mendapatkan kriteria bobot dari beberapa pengambil keputusan lebih banyaksulit. Cukup sering, pembuat keputusan jauh lebih banyak nyaman hanya dengan menugaskan peringkat biasa ke kriteria berbeda yang dipertimbangkan. Dalam beberapa kasus, bobot kriteria relatif dapat diturunkan dari kriteria peringkat yang disediakan oleh pembuat keputusan. Keputusan untuk memilih metode pembobotan yang tepat adalah sulit. Penentuan bobot subyektif didasarkan pada ahli opini, dan untuk mendapatkan penilaian subjektif, analis biasanya menyajikan pembuat keputusan satu set pertanyaan dalam prosesnya.
Namun, kriteria subyektif penentuan berat sering memakan waktu terutama ketika tidak ada kesepakatan antara keputusan pembuat masalah yang sedang dipertimbangkan. Contoh metode pembobotan subjektif adalah Analitis Analisis hierarki (AHP), menulis di subjektivitas dalam analisis keputusan dengan banyak kriteria; Dia berpendapat bahwa penilaian adalah inti dari pengambilan keputusan manusia dan, oleh karena itu, dianggap sebagai penilaian subyektif. Jika suatu keputusan harus dibuat secara objektif, seseorang hanya harus mengadopsi pandangan "pendukung keputusan" yang harus dipercayakan oleh pembuat keputusan manusia keputusan akhir, dan bahwa setiap model tidak sempurna. Model tidak memasukkan semua faktor. Bahkan paling banyak upaya hati-hati pada pengukuran objektif akan pasti melibatkan beberapa ketidakakuratan. Penulis juga menunjukkan bahwa kita harus mengakreditasi penilaian kita sendiri sebagai wasit utama. Dalam pembobotan objektif metode, bobot kriteria diturunkan dari informasi dikumpulkan di setiap kriteria melalui matematika model tanpa pertimbangan keputusan intervensi pembuat
Dalam membantu menentukan keputusan tanaman hias agar dapat dibudidaya adapun permasalahan yang tidak sesuai pada kriteria-kriteria yang dibutuhkan. Untuk menangani masalah tersebut, dibutuhkan kerangka kerja yang dapat memberikan keputusan tanaman hias untuk mempermudah pembudidaya dengan kriteria-kriteria yang ada.
Tujuan dari penelitian ini sebagai solusi untuk pemilihan tanaman hias yang berkualitas. Untuk mendukung penyeleksian dalam penentuan kelayakan masyarakart dibutuhkan sistem pendukung keputusan sebagai alat pendukung praktis untuk meningkatkan pengambilan keputusan.
Metode yang digunakan dalam sistem ini adalah metode Weight Product (WP) dan SMART perangkingan alternatif tanaman hias. Weight Product (WP) adalah sebuah metode analyst keputusan untuk pengambilan keputusan multi - kriteria (MCDM) [3] . Sedangkan metode SMART adalah prosedur dinamis multi-model yang memiliki nilai-nilai dan pembobotan untuk menilai setiap alternatif. Adanya perbandingan kedua metode tersebut bisa lebih membantu untuk pemilihan tanaman hias agar lebih tepat [4].
2. METODOLOGI PENELITIAN
Metodologi penelitian yang dilakukan dalam penelitian ini adalah tahapan-tahapan yang digunakan peneliti untuk memecahkan masalah pemilihan tanaman hias menggunakan metode weight product dan smart berbasis. Hasil sistematis dalam penelitian menggunakan metode kuantitatif, yaitu hasil masalah berupa nilai numerik dalam proses pemecahan masalah dan hasil penelitian terapan. Tahapan yang dilakukan dalam penelitian ini adalah sebagai berikut:
Gambar 1. Metodologi Penelitian a. Melakukan Pengumpulan Data
Pengumpulan data dilakukan dengan cara mengumpulkan data dimulai dari observasi, wawancara dan dokumentasi pada proyek atau bidang penelitian dengan mengetahui permasalahan yang ada, setelah mengetahui permasalahan dilakukan proses penimbangan dengan menggunakan studi pustaka pada penelitian sebelumnya untuk menyelesaikan permasalahan dengan menerapkan langkah-langkah selanjutnya dalam data pengolahan.
b. Analisa Tahapan Penelitian
Melakukan Pengumpulan
Data
Analisa Tahapan Penelitian
Pengembangan Sistem
Pengujian
Copyright © 2023 Oky Triadi Sampurno, Page 232 Tahapan analisis dalam penelitian dilakukan dengan melihat masalah dan membuat perbandingan dengan beberapa solusi pemecahan masalah untuk lebih mencapai hasil dalam tujuan penelitian dan menyelaraskan dengan tujuan dan hasil penelitian.
c. Pengembangan sistem
Dengan menggunakan metode Waterfall dilakukan pendekatan sistematis, mulai dari kebutuhan sistem melalui tahapan analisis, perancangan, pengkodean, pengujian dan pemeliharaan.
d. Pengujian
Melakukan pengujian dalam pengkodean mencari kesalahan yang telah terjadi dan akan segera memperbaiki hasil kegagalan yang terjadi.
2.1 Metode Weighted Product
Metode Produk Berbobot yang biasa dikenal Weighted Product merupakan suatu metode dalam pengambilan sebuah Keputusan meningkat untuk menghubungkan nilai dasar, di mana nilai setiap standar awalnya harus dinaikkan ke kekuatan bobot aturan yang relevan [5] [6][7] .
a. Nomalisasi atau Perbaikan bobot Wj = 𝑊𝑗
Ʃ 𝑊𝑗 [1]
Menormalkan atau mengoreksi bobot agar dapat memberikan nilai Wj = 1, di mana j = 1,2, … … , n adalah jumlah opsi lain dan Wj adalah jumlah absolut dari nilai tertimbang
b. Menentukan Nilai Vektor S Si = ∏ 𝑗 = 1 𝑛 𝑋𝑊𝑗
𝑖𝑗 𝑤𝑗 … … … … . [2]
Tentukan nilai vektor S dengan menduplikasi setiap basis dengan satu lagi perbaikan tertimbang atau standarisasi yang memiliki peringkat positif untuk ukuran keuntungan dan peringkat negatif untuk model pengeluaran.
Dimana S adalah pilihan model, nilai x adalah pilihan dan n adalah jumlah pilihan.
c. Menentukan Nilai Vektor V 𝑉𝑖 = ∏ 𝑗=1
𝑛 𝑋𝑤𝑗𝑖𝑗
∏ 𝑗=1𝑛 ( 𝑋𝑊𝑗)𝑤𝑗 [3]
Menentukan sebuah nlai vektor V dimana vektor V merupakan keputusan elektif yang akan digunakan untuk menentukan posisi setiap jumlah nilai vektor S terhadap vektor absolut dari total S.
2.2. Metode SMART
SMART menggunakan model linier aditif untuk menentukan nilai dari satu sama lain pilihan. SMART adalah strategi dinamis yang dapat beradaptasi. SMART lebih umum digunakan karena hanya menanggapi keinginan dari keputusan dan menganalisis tanggapan. Analisis yang disertakan sangat mudah, sehingga teknik ini memberikan tingkat pemahaman yang lebih tinggi tentang masalah tersebut dan dapat di terima oleh pengambilan keputusan[8][9].
Pembobotan SMART menggunakan skala di suatu tempat di kisaran 0 dan 1, jadi memudahkan dalam menghitung dan membandingkan nilai dari setiap alternatif.
Model yang digunakan dalam SMART:
𝑈(𝑎𝑖 ) ∑ 𝑚
𝑗 = 1 𝑊𝑗 𝑈𝑖(𝑎𝑖), 𝑖 = 1,2, … . . 𝑚 [4]
Keterangan:
Wj = Nilai bobot untuk kriteria j dan kriteria k
U(ai) = nilai utility untuk nilai kriteria i relative terhadap kriteria i Teknik SMART
a. Langkah 1:Tentukan jumlah kriteria
b. Langkah 2:Default sistem ke 1 yang skalanya dari 0 hingga 100 berdasarkan prioritas yang anda masukkan dan melakukan normalisasi.
Sesuai dengan kebutuhan yang telah diinput maka standardisasi selesai. Standarisasi = (I) Keterangan: Wj : Kriteria bobot wj: Jumlah bobot
Data: Wj = Bobot semua kriteria
∑wj = Jumlah bobot semua kriteria
c. Langkah 3: masing-masing beri nilai pada kriteria alternatif.
d. Langkah 4: hitung nilai utility pada setiap kriteria Ui(ai) = 100(𝐶𝑚𝑎𝑥−𝐶𝑜𝑢𝑡)
𝐶𝑚𝑎𝑥−𝐶𝑚𝑖𝑛)% [5]
Keterangan:
Ui(ai) = nilai utility untuk kriteria 1 dan kriteria i 𝐶𝑚𝑎𝑥 = nilai maksimal pada kriteria
𝐶𝑚𝑖𝑛 = nilai minimum pada kriteria 𝐶𝑜𝑢𝑡 i = nilai kriteria ke-1
e. Langkah 5: menghitung nilai akhir.
𝑈𝑖(𝑎𝑖= ∑𝑚𝑗=1𝑊𝑗 𝑈𝑖(𝑎𝑖), (𝑖𝑖𝑖) [6]
3. HASIL DAN PEMBAHASAN
3.1 Data Pengujian Tanaman
Pada pengujian ini penulis berhasil menginput 10 sample data tanaman hias. Terdapat ada 8 kriteria dengan bobot 100 untuk nilai tertinggi dan 20 untuk nilai bobot terendah. Berikut ini adalah table data warga yang sudah di input.
Tabel 1. Data Tanaman
No Nama
1 Anthurium Plowmani
2 Calathea Black Lipstick
3 Ficus Elastica
4 Sansevieria Trifasciata
5 Monstera Deliciosa
6 Peperomia Puteolata
7 Homalomena Emerald Gem
8 Philodendron Selloum
9 Alocasia Amazonica
10 Monstera Adansonii
Berdasarkan 10 data yang sudah di ambil yang akan di perhitungkan WP dan SMART Tabel 2. Bobot Kriteria Keindahan
Keindahan Bobot
Sangat Indah 100
Indah 80
Sedang 60
Buruk 40
Sangat Buruk 20
Pada tabel 2 menunjukan kriteria keindahan dengan bobot 20% dan 5 sub kriteria dengan nilai bobot terbesar 100 dan yang terkecil yaitu 20.
Tabel 3. Bobot Kriteria Umur Tanaman
Umur Tanaman Bobot
>8 bulan 100
6 – 8 bulan 80
4 – 6 bulan 60
2 – 4 bulan 40
<2 bulan 20
Pada tabel 3 menunjukan kriteria umur tanaman dengan bobot 10% dan 5 sub kriteria dengan nilai terbesar 100 dan yang terkecil yaitu 20.
Tabel 4. Bobot Kriteria Ukuran Tanaman
Ukuran Tanaman Bobot
>8 bulan 100
6 – 8 bulan 80
4 – 6 bulan 60
2 – 4 bulan 40
<2 bulan 20
Pada tabel 4 terdapat sebuah kriteria ukuran tanaman dengan bobot 10% dan 5 sub kriteria dengan nilai terbesar 100 dan yang terkecil yaitu 20.
Copyright © 2023 Oky Triadi Sampurno, Page 234 Tabel 5. Bobot kriteria Harga Tanaman
Harga Tanaman Bobot
50.000 – 100.000 100
100.000 – 200.000 80
200.000 – 300.000 60
300.000 – 400.000 40
400.000 – 500.000 20
Pada tabel 5 terdapat sebuah kriteria harga tanaman dengan bobot 20% dan 5 sub kriteria dengan nilai terbesar 100 dan yang terkecil yaitu 20.
Tabel 6. Bobot kriteria Perawatan
Perawatan Bobot
Sangat Mudah 100
Sedikit Mudah 80
Sedang 60
Cukup Sulit 40
Sangat Sulit 20
Pada tabel 6 terdapat sebuah kriteria perawatan dengan bobot 10% dan 5 sub kriteria dengan nilai terbesar 100 dan yang terkecil yaitu 20.
Tabel 7. Bobot kriteria bentuk daun
Bentuk Daun Bobot
Berdaun Unik 100
Berdaun Oval 80
Berdaun Lebar 60
Berdaun Gelombang 40
Berdaun Panjang 20
Pada tabel 7 terdapat sebuah kriteria bentuk daun dengan bobot 10% dan 5 sub kriteria dengan nilai terbesar 100 dan yang terkecil yaitu 20.
Tabel 8. Bobot kriteria trend
Trend Bobot
Sangat Terkenal 100
Cukup Terkenal 80
Sedang 60
Sedikit Terkenal 40
Tidak Terkenal 20
Pada tabel 8 terdapat sebuah kriteria trend dengan bobot 10% dan 5 sub kriteria dengan nilai terbesar 100 dan yang terkecil yaitu 20.
Tabel 9. Bobot kriteria fungsi
Fungsi Bobot
Sangat Berfungsi 100
Cukup Berfungsi 80
Sedang 60
Sedikit Berfungsi 40
Tidak Berfungsi 20
Pada tabel 9 terdapat sebuah kriteria fungsi dengan bobot 10% dan 5 sub kriteria dengan nilai terbesar 100 dan yang terkecil yaitu 20.
3.2 Tabel Perhitungan WP
Gambar 2. Rating WP
Dalam table ini keputusan yang di ambil untuk memberikan bobot preferensi yaitu : 20%,20%,10%,10%,10%,10%,10%,10%. Dari presentase bobotnya dapat di ketahui bahwa bobot ini di hasilkan dari hasil wawancara antara penulisan dan pemilik toko tanaman tersebut.
Tabel 10. Hasil Perangkingan nilai dengan metode WP Alternatif Hasil Rangking
8 0,115 1
1 0,113 2
10 0,107 3
2 0,106 4
9 0,103 5
4 0,098 6
3 0,093 7
6 0,092 8
7 0,092 9
5 0,083 10
Dalam table ini hasil perangkingan nilai dari seluruh alternatif ada beberapa alternatif yang mempunyai nilai preferensi yang seirama sehingga mendapatkan sebuah nilai rangking yang sama. Dengan hasil perhitungan yang di lakukan dengan manual serta hasil yang di dapatkan oleh aplikasi mendapatkan nilai yang sama, sehingga penulis dapat membuat bahwa algoritma ini telah berhasil di terapkan.
3.3 Tabel Perhitungan SMART
Gambar 3. Penentuan Batas Min dan Max
Dalam table ini keputusan yang di ambil untuk memberikan bobot preferensi yaitu : 20%,20%,10%,10%,10%,10%,10%,10%. Dari presentase bobotnya dapat di ketahui bahwa bobot ini di hasilkan dari hasil wawancara antara penulisan dan pemilik toko tanaman tersebut [10].
Copyright © 2023 Oky Triadi Sampurno, Page 236 Gambar 4. Nilai preferensi metode SMART
Pada proses perhitungan yang telah usai, nilai preferensi ini selajutnya melakukan perhitungan relative yang nanti nya akan di pergunakan untuk menentukan rangking tiap alternatif. Tabel selanjutnya mempersembahkan hasil perhitungan dan perangkingan nilai preferensi relative seluruh alternatif [11].
Tabel 11. Perangkingan dengan metode SMART Alternatif Nilai Rangking
7 0.783 1
4 0.742 2
2 0.6 3
1 0.575 4
8 0.567 5
10 0.475 6
5 0.458 7
9 0.442 8
6 0.267 9
3 0.217 10
Dari hasil tabel di atas rangking nilai preferensi pada setiap alternatif, ada sejumlah alternatif mempunyai nilai preferensi yang sesuai sehingga mendapatkan nilai rangking yang sesuai. Komparasi antara hasil perhitungan yang dilakukan dengan manual serta hasil yang di dapatkan oleh aplikasi mendapatkan nilai yang sama, sehingga penulis dapat membuat kesimpulan bahwa algoritma ini telah berhasil di terapkan[12][13].
3.4 Perbandingan Metode WP dan SMART
Membedah tingkat kewajaran informasi dari kedua teknik tersebut. Persamaan yang digunakan adalah:
𝑇𝑘𝑖 = 100 − 𝑥𝑖/(𝐷𝑎𝑡𝑎 𝐹𝑀𝐴𝐷𝑀(100%))
Fase yang paling penting dalam perhitungan adalah memasukkan setiap informasi dan kesenjangan dengan kuantitas setiap data elektif
𝑀𝑒𝑡𝑜𝑑𝑒 𝑊𝑃 =(𝐽𝑢𝑚𝑙𝑎ℎ ℎ𝑎𝑠𝑖𝑙 𝑎𝑘ℎ𝑖𝑟)
(𝐵𝑎𝑛𝑦𝑎𝑘 𝐷𝑎𝑡𝑎) =1,002
100 = 0,01002 𝑀𝑒𝑡𝑜𝑑𝑒 𝑆𝑀𝐴𝑅𝑇 =(𝐽𝑢𝑚𝑙𝑎ℎ ℎ𝑎𝑠𝑖𝑙 𝑎𝑘ℎ𝑖𝑟)
(𝐵𝑎𝑛𝑦𝑎𝑘 𝐷𝑎𝑡𝑎) =4,951
100 = 0,04951
Selain itu, untuk mendapatkan tingkat kesamaan informasi dengan hasil yang menyertainya dapat diperoleh seperti berikut.
𝑃𝑟𝑒𝑠𝑒𝑛𝑡𝑎𝑠𝑒 𝑀𝑒𝑡𝑜𝑑𝑒 𝑆𝑀𝐴𝑅𝑇 = 100 −0,01002
100 = 99.99%
𝑃𝑟𝑒𝑠𝑒𝑛𝑡𝑎𝑠𝑒 𝑀𝑒𝑡𝑜𝑑𝑒 𝑊𝑃 = 100 −0,04951
100 = 99,95%
Setelah dapat hasil estimasi tingkat kewajaran informasi, cenderung dianggap bahwa metode WP lebih disarankan dalam menentukan pemilihan tanaman hias daripada menggunakan strategi SMART, mengingat hasil yang didapat adalah 99,99% dengan menggunakan teknik SMART hasil yang didapat adalah 99,95% [14] [15].
3.5 Implementasi Sistem
Pada penelitian ini dilakukan untuk pembuatan database dan menentukan pemilihan tanaman hias yang terbaik.
Dibawah ini adalah hasil implementasi dari beberapa bagian inti dari proses berjalannya aplikasi [16].
a. Tampilan Login
Pada menu tampilan login ini menampilkan langkah awal untuk mengakses kedalam menu utama. Yang dapat mengakses ada 2 aktor yaitu admin dan pengguna[17].
Gambar 5. Tampilan Login.
b. Tampilan Menu Home
Pada tampilan home ini menampilkan halaman dashboard jumlah admin, pengguna, bunga, dan penilaian.
Gambar 6. Tampilan Menu Home c. Tampilan Menu Pengguna
Menu pengguna ini terdapat profile yang dapat mengubah email, nomor telfon, username dan password agar user mengganti dengan yang diinginkan.
Gambar 7. Tampilan Menu Pengguna d. Tampilan Menu Penilaian
Menu penilaian ini adalah menu dari proses awal penginputan kritieria – kriteria yang akan di masukan untuk pemilhan tanaman hias Terdapat 8 kriteria termasuk bobot – bobot sebagai penilian tanaman hias [18].
Copyright © 2023 Oky Triadi Sampurno, Page 238 Gambar 8. Tampilan Menu Penilaian
e. Tampilan Menu Analisa
Menu Analisa ini adalah menu untuk penginputan sub kriteria tanaman yang di tentukan oleh pihak penguji berdasarkan survey yang dilakukan oleh pengguna setempat.
Gambar 9. Tampilan Menu Analisa f. Tampilan Menu Perhitungan WP
Menu perhitungan WP adalah langkah – langkah proses perhitungan nilai kriteria dan bobot. Dimulai dari beberapa tahapan yaitu matriks awal. Hitung nilai vektor S, hitung nilai vektor V, dan gunakan hasil peringkat tertinggi dan Terendah untuk membuat keputusan
Gambar 10. Tampilan Menu Perhitungan WP g. Tampilan Menu Pehitungan SMART
Perhitungan pada Pembobotan yang luar biasa melibatkan skala di suatu tempat dalam lingkup 0 dan 1, jadi mendapatkan nilai hasil dari setiap kriteria.
Gambar 11. Tampilan Menu Perhitungan SMART h. Tampilan Menu Hasil Perbandingan
Tampilan Menu Hasil Perbandingan menampilkan hasil perbandingan dari 2 metode yang dibandingkan yaitu WP(Weight Product) dan SMART [19] [20] .
Gambar 8. Tampilan Menu Hasil Perbandingan
4. KESIMPULAN
Berdasarkan hasil penelitian, Perbandingan metode WP dan SMART dengan menggunakan 10 data alternatif, menunjukan bahwa kedua metode tersebut mendapatkan data yang akurat dan cocok apabila diterapkan sebagai perangkingan tanaman hias. Pada peringkat pertama didapat oleh Monstera Deliciosa dengan mendapat nilai tertinggi terhadap ke 2 metode, terjadi nya persamaan peringkat terhadap 2 metode di sebabkan dengan skor eksekusi elektif, dan nilai bobot model yang diterapkan pada setiap metode. Namun Penulis menyarankan menggunakan metode WP untuk menentukan perangkingan, karna hasil presentase Metode WP lebih tinggi ialah 99,99% sedangkan SMART ialah 99,95%.
REFERENCES
[1] M. Ramli, “Hias Berbasis Web,” 2021.
[2] M. Forest and A. Kecamatan, “Tingkat Kepuasan Konsumen terhadap Tanaman Hias di Bursa dan Pelelangan Level of Consumer Satisfaction with Ornamental Plants Stocked and Auction of Menggung Forest Art 2 Tawangmangu,” vol. 1, no. June, pp. 1–9, 2022.
[3] D. Diana and I. Seprina, “Sistem Pendukung Keputusan untuk Menentukan Penerima Bantuan Sosial Menerapkan Weighted Product Method (WPM),” J. Edukasi dan Penelit. Inform., vol. 5, no. 3, p. 370, 2019, doi: 10.26418/jp.v5i3.34971.
[4] H. Di Kesuma, R. Yanto, ul Hamidani, P. Studi Sistem Informasi, and S. Bina Nusantara Jaya Lubuklinggau, “Penerapan Metode SMART dan ISO 9126 dalam Pemilihan Penerima Bantuan Langsung Tunai Application of the SMART Method and ISO 9126 in the Selection of Cash Transfer Beneficiaries,” Cogito Smart J. |, vol. 8, no. 1, pp. 147–160, 2022.
[5] N. Destria, “Sistem Pendukung Keputusan Perusahaan yang Berprestasi dalam Sektor Indutri dengan Metode Weighted Product,”
J. Ris. Sist. Inf. dan Teknol. Inf., vol. 3, no. 2, pp. 1–11, 2021, doi: 10.52005/jursistekni.v3i2.88.
[6] I. Ramadhani, “Sistem Pendukung Keputusan Dengan Metode Weighted Product pada Manajemen Bimbingan Konseling SMA Negeri 1 Rejoso berpedoman pada data Pedoman Penilaian Kepribadian Siswa mengenai nilai-nilai pada tiap-tiap poin pelanggaran yang dilakukan oleh siswa . Dari,” vol. 6, no. 1, pp. 105–118, 2021.
[7] R. Nugraha, G. Abdillah, and R. Ilyas, “Kabupaten Cianjur Menggunakan Metode Analytic,” pp. 37–42, 2018.
[8] B. T. Hutagalung, E. T. Siregar, and J. H. Lubis, “Penerapan Metode SMART dalam Seleksi Penerima Bantuan Sosial Warga
Copyright © 2023 Oky Triadi Sampurno, Page 240 Masyarakat Terdampak COVID-19,” J. Media Inform. Budidarma, vol. 5, no. 1, p. 170, 2021, doi: 10.30865/mib.v5i1.2618.
[9] Z. Azhar, “Penentuan Penempatan Karyawan Baru Di Pdam Kisaran Dengan Metode SMART,” JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol. 4, no. 2, pp. 179–184, 2018, [Online]. Available:
https://jurnal.stmikroyal.ac.id/index.php/jurteksi/article/view/46.
[10] A. A. Muin, “Perbandingan Metode Saw Dan Metode Smart Dalam Pemilihan Kuliner Khas Kalimantan Selatan Terbaik,”
Technol. J. Ilm., vol. 11, no. 4, p. 206, 2020, doi: 10.31602/tji.v11i4.3641.
[11] Faizal, F. A. Styaningsih, and M. Diponegoro, “Implementasi Sistem Pendukung Keputusan dengan Metode SMART untuk Merangking Kemiskinan dalam Proses Penentuan Penerima Bantuan PKH,” J. Coding Sist. Komput. Untan, vol. 05, no. 2, pp.
13–24, 2017.
[12] E. B. Sambani and F. Nugraha, “Sistem Pendukung Keputusan Untuk Menentukan Status Karyawan Kontrak Menjadi Karyawan Tetap Menggunakan Metode SMART keputusan yaitu metode Simple Multi Attribut Rating Tachnique ( SMART ) yang Metode System Development Life Cycle ( SDLC ). Sistem penujnan,” J. Sist. Inf. Dan Teknol. Inf., vol. 7, no. 2, pp. 116–123, 2018.
[13] H. Priatna, J. Mulyana, and Dedih, “Perbandingan Metode Smart Dan Simple Additive Weighting (Saw) Dalam Menentukan Karyawan Tetap Berbasis Web,” UNSIKA Syntax J. Inform., vol. 5, no. 1, pp. 53–85, 2016.
[14] Y. Yusuf and L. Bachtiar, “Analisis Perbandingan Sistem Pendukung Keputusan Menggunakan Metode SAW dan WP Dalam Penilaian Kinerja Tenaga Kontrak,” J. Sist. Komput. dan Inform., vol. 4, no. 1, p. 37, 2022, doi: 10.30865/json.v4i1.4421.
[15] M. Rasyid, M. S. Martaleli Bettiza S.Si, and S. S. S.kom, “Analisa Perbandingan Metode Simple Additive Weighting (SAW) Dan Metode Simple Multi Atribute Rating Technique (SMART) Dalam Pemberian Beasiswa (Studi Kasus Pemerintah Kota Batam),” pp. 1–14, 2017.
[16] S. Wijayanti, “Weighted Product ( Wp ) Berbasis Web,” vol. 6, no. 2, pp. 70–77, 2020.
[17] E. Ningsih, Dedih, and Supriyadi, “Usaha Makanan Yang Tepat Menggunakan Weighted Product (WP) Berbasis Web,” Ilk. J.
Ilm., vol. 9, no. 3, pp. 244–254, 2017.
[18] R. Setiadi, C. Suhery, and R. Hidayati, “Sistem Pendukung Keputusan Evaluasi PemilihanPemenang Dalam Pelelangan Pengadaan AsetJalan Dan Jembatan Menggunakan MetodeWeighted Product (Wp) Berbasis Web,” Portal J. Ilm. Univ.
Tanjungpura, vol. 07, no. 3, pp. 144–154, 2019.
[19] J. F. Eka and D. Priharsari, “Sistem Pendukung Keputusan Pemilihan Persediaan Bahan Produksi dengan menggunakan Metode Weighted Product berbasis Android ( Studi Kasus : Burger Moe ),” vol. 6, no. 8, pp. 4017–4024, 2022.
[20] Gunawan and A. P. Nugroho, “Perbandingan Sistem Pendukung Keputusan Metode Weighted Product dan Simple Additive Weighting (Studi Kasus : Pemilihan Media Cetak sebagai Sarana Promosi di Balikpapan),” Semin. Nas. Teknol. Inf. dan
Multimed., pp. 19–24, 2018, [Online]. Available:
http://ojs.amikom.ac.id/index.php/semnasteknomedia/article/download/1972/1781.