SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LAHAN PERTANIAN YANG TEPAT UNTUK MENINGKATKAN HASIL PANEN CABAI MENGGUNAKAN METODE MOORA

2 4 1241

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LAHAN

PERTANIAN YANG TEPAT UNTUK MENINGKATKAN HASIL

PANEN CABAI MENGGUNAKAN METODE MOORA

Sri Devi Bangun1), Suci Ramadani2), Hunsul Khair3)

1,2,3)

STMIK KAPUTAMA

Jl. Veteran No. 4A-9A, Binjai, 20714, Sumatera Utara Telp. 061-8828840, Fax. 88228845

E-mail : sridevibangun23@gmail.com1), suci.ramdani23@gmail.com2), husnul.khair@gmail.com3)

ABSTRACT

Decision support system is a system that can solve problems that occur in ranking quickly and can find out the highest to lowest value in a selection. In this paper is one of the case studies that can be solved using a decision support system, where the problem faced in the selection of agricultural land is how to choose the best chili and to make a selection must use manually and the assessment process takes a long time. to get results. Therefore created a problem how to determine an appropriate agricultural land selection problem to determine the good chili crop yield using the MOORA method and where the MOORA method is used to test in correctness that aims to determine the accuracy of the value obtained by the system, the results of the best land selection is in the city area of binjai jln sawi payaroba west binjai, plus the value of the weight of the criterion and the modification trial which aims to find out how many criteria can be added.

Keywords: Correctness, DSS, criteria, MOORA Method, SPK.

ABSTRAK

Sistem pendukung keputusan adalah suatu sistem yang dapat menyelesaikan masalah yang terjadi di dalam penentuan peringkat dengan cepat serta dapat mengetahui nilai tertinggi sampai terendah di dalam sebuah seleksi. Di penulisan ini adalah salah satu merupakan studi kasus yang dapat diselesaikan dengan menggunakan sistem pendukung keputusan, dimana yang menjadi persoalan yang dihadapi di dalam pemilihan lahan pertanian adalah bagaimana memilih cabai yang terbaik dan untuk melakukan sebuah seleksi harus menggunakan dengan cara manual dan proses penilaian menjadi lama untuk mendapatkan hasil. Oleh karena itu dibuat suatu masalah bagaimana menentukan suatu permasalahan pemilihan lahan pertanian yang tepat untuk menentukan asil panen cabai yang baik dengan menggunakan metode MOORA dan dimana metode MOORA digunakan untuk menguji coba di dalam correctness yang bertujuan untuk mengetahui akurasi nilai yang diperoleh oleh system, hasil dari pemilhan lahan terbaik adalah di daerah kota binjai jln sawi payaroba binjai barat, ditambah nilai bobot kritera dan uji coba modifikasi yang bertujuan untuk mengetahui seberapa banyak kriteria yang dapat ditambahkan

2 4 2 242

1. PENDAHULUAN

Indonesia merupakan salah satu negara yang memiliki sumber daya alam lahan terluas. Luas wilayah dataran Indonesia sekitar 200 juta hetar, dataran tersebut tersebar di lima pulau besar, yaitu Sumatera, Jawa, Kalimantan, Sulawesi dan Papua. Salah satu kota yang memiliki iklim tropis yang baik adalah Kota Binjai Palawija merupakan tanaman yang sering ditanam di Kota Binjai seperti, timun, kacang, cabai dan jenis palawija lainya. Cabai merupakan salah satu tanaman yang sering ditanam oleh petani Binjai, alasannya karena cabai merupakan tanaman yang bisa dikatakan tanaman dengan hasil yang menjajikan. Namun disamping itu cabai merupakan tanaman yang rumit untuk dirawat, karena cabai mudah terserang hama. Selain hama yang mengganggu, kesuburan tanah juga menjadi salah satu faktor keberhasilan seorang petani cabai untuk mendapatkan hasil yang maksimal.

Masyarakat yang ingin menamam cabai masih bingung dalam menentukan lahan yang sesuai yang dapat ditanami tanaman cabai. Kurangnya pengetahuan dan pemahaman petani akan karakteristik kondisi lahan yang akan diolah membuat petani kesulitan untuk menentukan kesesuaian lahan. Sehubungan dengan kurangnya media informasi dalam penyampaiannya seperti melalui buku, internet dan media informasi lainnya. Maka masyarakat yang ingin menanam cabai dihadapkan pada resiko yang menjadi terhambatnya masyarakat untuk menuai hasil panen yang maksimal.

Penerepan peneliti sebelumya, dari Proceding A MH Pardede & N Noriyenni, (2015). Sistem Pendukung Keputusan Pemberian Jumlah SKS Mengajar Dosen Pada STMIK Kaputama Binjai

Berdasarkan uaraian di atas, maka dilakukan sebuah penelitian yaitu dengan judul

“Sistem Pendukung Keputusan Pemilihan Lahan Pertanian Yang Tepat Untuk Meningkatkan Hasil Panen Cabai Menggunakan Metode MOORA”

1.1 Rumusan Masalah

Berdasarkan latar belakang di atas maka dapat disimpulkan rumusan masalahnya sebagai berikut:

1. Dengan kriteria yang ditentukan, bagaimana membangun sebuah sistem pendukung keputusan pemilihan lahan pertanian yang tepat untuk tanaman cabai dengan menggunakan metode MOORA ?

2. Dengan merancang Sistem Pendukung Keputusan, bagaimana memilihan Lahan Pertanian yang tepat untuk meningkatkan hasil panen cabai dengan metode MOORA.

1.2 Batasan Masalah

Adapun Batasan Masalah adalah sebagai berikut:

1. Kreteria yang di gunakan yaitu:

Temperatur, Curah hujan, PH tanah, Tekstur tanah dan Jenis tanah

2. Bahasa pemograman yang digunakan yaitu menggunakan bahasa pemograman Visual Basic (VB) Net 2010, berbasis data MySQL.

3. Output yang diharapkan yaitu keputusan pemilihan jenis lahan yang tepat untuk tanaman cabai di wilayah binjai utara.

1.3 Tujuan Penelitian.

Adapun Tujuan adalah sebagai berikut:

1. Untuk merencanakan dan membangun sebuah sistem pendukung keputusan dalam menentukan lahan yang tepat untuk tanaman cabai.

2. Untuk mengetahui hasil dari proses perhitungan algoritma metode MOORA dalam memproses data kriteria pemilihan lahan yang tepat untuk tanaman cabai.

1.4 Manfaat Penelitian

Adapun manfaat adalah sebagai berikut : 1. Dapat menjadi salah satu alternatif bagi

Dinas Pertanian dalam proses pengambilan keputusan penentuan lahan yang tepat untuk tanaman cabai.

2. Dapat membantu masyarakat khususnya petani cabai dalam menentukan lahan yang tepat untuk tanaman cabai, agar hasil yang diperoleh nantinya sesuai yang diharapkan.

2 4 3 243 3. Dapat menjadi informasi dan bahan

masukan bagi masyarakat maupun Dinas Pertanian Kota Binjai untuk meningkatkan kualitas dan menjaga kestabilan hasil panen cabai.

2. METODOLOGI PENELITIAN 2.1 Pengertian Sistem Informasi

Menurut Little (Iqbal, dkk, 2017, h. 146), Sistem Pendukung Keputusan adalah “suatu sistem informasi berbasisis komputer yang menghasilkan berbagai alternatif keputusan untuk membantu manajeman dalam menangani berbagai permasalahan yang terstruktur dengan menggunakan data dan model”. Metode Multi Objective Optimization on the basis of Ratio Analysis (MOORA)

Menurut Little (Iqbal, dkk, 2017, h. 155)

Multi-Objective Optimization on the basis of Ratio Analysis (MOORA) adalah sistem multi-objektif yang mengoptimalkan dua atau lebih

attribut yang saling bertentangan secara bersamaan. Metode ini diterapkan untuk memecahkan masalah dengan perhitungan matematika yang kompleks (Brauers,Zavadskas 2008).

2.2.1 Membuat Matrix Keputusan

Mewakilkan semua informasi yang tersedia untuk setiap attribut dalam bentuk matriks keputusan. Data pada persamaan (2.1) mempersentasikan sebuah matriks Xm x n.

Dimana xij adalah pengukuran kinerja dari

alternatif ith pada attribut jth , m adalah jumlah alternatif dan n adalah jumlah attribut /kriteria. Kemudian sistem rasio dikembangkan dimana setiap kinerja dari sebuah alternatif pada sebuah attribut dibandingkan dengan penyebut yang merupakan wakil untuk semua alternatif dari attribut tersebut. Berikut adalah perubahan nilai kriteria menjadi sebuah matriks keputusan : x 11 . . . x 1i . . . x in . . . . . X = . . . . . . . . . . ... (2.1) x j1 . . . x ij . . . x jn . . . . . . . . . . . . . . . x m1 . . . x mi . . . x mn Keterangan

1. xij : Respon alternatif j pada kriteria i 2. i : 1,2,3, ..., n adalah nomor urutan

atribut atau kriteria

3. j : 1,2,3, ..., m adalah nomor urutan

alternatif

4. X : Matriks Keputusan.

2.3 Pengertian Lahan Pertanian

Beberapa pengertian yang diberikan baik itu oleh FAO maupun pendapat para ahli. Menurut Purwowidodo (1983:1) lahan mempunyai pengertian: “Suatu lingkungan fisik yang mencakup iklim, relief tanah, hidrologi, dan tumbuhan yang sampai pada batas tertentu akan mempengaruhi kemampuan penggunaan lahan”.

3.4 Pengertian Cabai

Cabai merupakan spesies cabai pertama yang ditemukan oleh Columbus dan diintroduksikan keseluruh dunia. Cabai diperdangangkan ke Asian pada abad ke-16, dan spesies cabai pedas tersebut paling luas di Asia Tenggara (Sanjaya L dkk, 2002). Cabai merah masuk ke Indonesia dibawa oleh bangsa Portugis sekitar 450-500 tahun yang lalu. Cabai merah beradaptasi dengan cepat dan diterima oleh bangsa asli Indonesia sehingga menjadi Capsicum telah diidentifikasi.

2.4 Pengertian PHP

PHP adalah bahasa pemograman scrip server-side yang didesain untuk pemograman web. PHP juga bisa digunakan sebagai bahasa pemograman umum. Php di kembangkan pada tahun 1995 oleh Ramsus Lerdorf,dan sekarang dikelola oleh The PHP Group.

2 4 4 244

3. ANALISA DAN PEMBAHASAN 3.1 Metodelogi Penelitian

Penentuan penelitian, identifikasi dan menentukan batasan masalah

Merumuskan masalah dan tujuan penelitian

Menentukan konsep data penelitian Studi literatur (pustaka) dan browsing diinternet

Metode penelitian - Studi literatur - Browsing

Identifikasi dan Analisis : - Software (perangkat

lunak)

Pengujian dan implementassi - Uji validasi data - Implementasi data

Penarikan kesimpulan dan saran

Gambar III.1 Metodelogi Penelitian 1.4 Analisis Menggunakan Metode MOORA

Proses ini melakukan pemilihan sesuai dengan kriteria yang telah ditentukan. Berikut adalah langkah – langkah yang dilakukan dalam perhitungan :

1.4.1 Data Alternatif

Berikut ini merupakan data Alternatif yang nantinya akan dilakukan perhitungan dengan menggunakan metode MOORA. Adapun data kriteria yaitu sebagai berikut.

Tabel III.1 Nilai Kriteria Pada Setiap Alternatif

No Kode Wilayah 1 A1

Jl. P. Diponegoro Tunggurono Kec. Binjai Timur

2 A2 Jl. Gugus Depan Kec. Binjai Selatan

3 A3 Jl. Sei BatangHasu Kec. Binjai Utara

4 A4 Jl. Sawo Kec. Binjai Barat 5 A5 Jl. Gunung Kawi Bhakti

Karya Kec. Binjai. Selatan 6 A6 Jl. KL Yos Sudarso Kec.

Binjai Utara

7 A7 Jl. Pusara Kulon Ujung Kec. Binjai Utara

8 A8 Jl. Gunung Selamet Bhakti Karya Kec. Binjai Selatan 9 A9 Jl. Sawi Payaroba Kec. Binjai

Barat

10 A10 Jl. Gajah Mada Tunggurono Kec. Binjai Timur

1.4.2 Data Kriteria

Adapun kriteria yang akan digunakan untuk dilakukan penilaian terhadap alternatif yaitu seperti pada tabel dibawah ini.

Tabel III.2 Data Kriteria

No Kode Kriteria 1 K1 Temperatur 2 K2 Curah Hujan 3 K3 Ph Tanah 4 K4 Tekstur Tanah 5 K5 Jenis Tanah

Tabel III.3 Nilai Kepentingan Kriteria Temperatur

Temperatur Keterangan Nilai

< 16 °C Dingin 5

16 - 22 °C Sedang 4

23 - 28 °C Cukup 3

29 - 34 °C Panas 2

>35 °C Sangat Panas 1

Tabel III.4 Nilai Kepentingan Kriteria Curah Hujan

Curah hujan Keterangan Nilai

Sangat Deras Tinggi 1

Deras Rendah 2

2 4 5 245

Tabel III.5 Nilai Kepentingan Kriteria Ph Tanah

Ph Tanah Keterangan Nilai

< 4,5 Rendah 1

4,5 - 5,5 Sedang 2

5,5 - 6,5 Cukup 3

6,5 - 7,5 Tinggi 4

> 75 Sangat Tinggi 5

Tabel III.6 Nilai Kepentingan Kriteria Tekstur Tanah

Tekstur

Tanah Keterangan Nilai

Kasar Sangat baik 1

Tidak Kasar Baik 2

Tidak halus Cukup 3

Halus Buruk 4

Lengket Sangat Buruk 5

Tabel III.7 Nilai Kepentingan Kriteria Jenis Tanah

Jenis Tanah Keterangan Nilai

Gambut Sangat Baik 1

Berkapur Baik 2

Berpasir Cukup 3

Lempung Liat Buruk 4

Vulkanis Sangat Buruk 5

1.4.3 Data Alternatif Pada Setiap Kriteria

Data alternatif selanjutnya diberi nilai berdasarkan hasil nilai yang telah dilakukan oleh dinas pertanian untuk lokasi lahan

penanaman cabai. Adapun penilaian Alternatif pada setiap kriteria yaitu seperti pada tabel dibawah ini

Tabel III.8 Nilai Alternatif Pada Setiap Kriteria Alte rna tif Kriteria Tem pera tur Cura h Huja n Ph Tan ah Tekst ur Tanah Jenis Tanah K1 K2 K3 K4 K5 A1 29 °C Tingg i 5 Kasar Berpas ir A2 31 °C Rend ah 6 Halus Lempu ng Liat A3 30 °C Sedan g 5 Kasar Berpas ir A4 31 °C Sedan g 6 Halus Berpas ir A5 32 °C Tingg i 5 Kasar Berpas ir A6 31 °C Sedan g 5 Liat Lempu ng Liat A7 30 °C Sedan g 6 Agak Kasar Lempu ng Liat A8 29 °C Tingg i 5 Kasar Berpas ir A9 31 °C Sedan g 6 Kasar Lempu ng Liat A10 30 °C Tingg i 6 Agak Kasar Berpas ir

Selanjutnya nilai alternatif pada setiap kriteria di transformasi menjadi nilai bilangan

fuzzy berdasarkan besar dan tingkat

kepentingan pada masing-masing nilai di setiap kriteria. Adapun nilai transformasinya yaitu seperti pada tabel dibawah ini.

2 4 6 246

Tabel III.9 Nilai Inputan Kriteria Pada Setiap Alternatif Alte rna tif Kriteria Tempe ratur Cura h Huja n Ph Tana h Tekst ur Tana h Jenis Tana h K1 K2 K3 K4 K5 A1 2 1 2 5 3 A2 2 2 3 2 4 A3 2 3 2 5 3 A4 2 3 3 2 3 A5 2 1 2 5 3 A6 2 3 2 1 4 A7 2 3 3 4 4 A8 2 1 2 5 3 A9 2 3 3 5 4 A10 2 1 3 4 3

1.4.4 Menentukan Jenis dan Bobot Kriteria

Adapun nilai bobot pada setiap kriteria yaitu seperti pada tabel dibawah ini.

Tabel III.10 Nilai Bobot Kriteria No Kode Kriteria Type Bobot

1 K1 Temperatur benefit 0,16 2 K2 Curah Hujan benefit 0,21 3 K3 Ph Tanah benefit 0,18 4 K4 Tekstur Tanah benefit 0,23 5 K5 Jenis Tanah benefit 0,22

1.4.5 Membuat Matriks Keputusan

Berdasarkan nilai inputan alternatif pada setiap kriteria, maka selanjutnya nilai-nilai tersebut dibentuk menjadi sebuah matriks untuk dilakukan perhitungan. Adapun matriks dari setiap nilai di atas yaitu sebagai berikut: X= 2 1 2 5 3 2 2 3 2 4 2 3 2 5 3 2 3 3 2 3 2 1 2 5 3 2 3 2 1 4 2 3 3 4 4 2 1 2 5 3 2 3 3 5 4 2 1 3 4 3 1.4.6 Normalisasi Matriks

Normalisasi Kolom 1 Kriteria Temperatur

Normalisasi Matriks (1,1) baris 1 kolom1 𝑥 𝑖,1= 𝑍𝑖,1 √𝑍𝑖,12_+𝑍𝑖,12_{+ 𝑍𝑖,1}2_+𝑍𝑖,12 _𝑍𝑖,12_+𝑍𝑖,12 _𝑍𝑖,12_+𝑍𝑖,12_𝑍𝑖,12_+𝑍𝑖,12 𝑥_1,1= 2 √22₊₂2_{+ 2}2₊₂2 ₂2₊₂2 ₊₂2₊₂2₊₂2₊₂2 = 2 √40 = 0,316 𝑥_2,1= 2 √22₊₂2_{+ 2}2₊₂2 ₂2₊₂2 ₊₂2₊₂2₊₂2₊₂2 = 2 √40 = 0,316 𝑥_3,1= 2 √22₊₂2_{+ 2}2₊₂2 ₂2₊₂2₊₂2₊₂2₊₂2₊₂2 = 2 √40 = 0,316 𝑥_4,1= 2 √22₊₂2_{+ 2}2₊₂2 ₂2₊₂2₊₂2₊₂2₊₂2₊₂2 = 2 √40 = 0,316 𝑥_5,1= 2 √22₊₂2_{+ 2}2₊₂2 ₂2₊₂2 ₊₂2₊₂2₊₂2₊₂2 = 2 √40 = 0,316 𝑥_6,1= 2 √22₊₂2_{+ 2}2₊₂2 ₂2₊₂2 ₊₂2₊₂2₊₂2₊₂2 = 2 √40 = 0,316 𝑥_7,1= 2 √22₊₂2_{+ 2}2₊₂2 ₂2₊₂2 ₊₂2₊₂2₊₂2₊₂2 = 2 √40 = 0,316 𝑥_8,1= 2 √22₊₂2_{+ 2}2₊₂2 ₂2₊₂2 ₊₂2₊₂2₊₂2₊₂2 = 2 √40 = 0,316 𝑥_9,1= 2 √22₊₂2_{+ 2}2₊₂2 ₂2₊₂2₊₂2₊₂2₊₂2₊₂2 = 2 √40 = 0,316

2 4 7 247 𝑥_10,1= 2 √22₊₂2_{+ 2}2₊₂2 ₂2₊₂2₊₂2₊₂2₊₂2₊₂2 = 2 √40 = 0,316

Normalisasi Kolom 2 Kriteria Curah Hujan

Normalisasi Matriks (1,2) baris 1 kolom 2

𝑥 𝑖,2= 𝑍𝑖,1 √𝑍𝑖,22_+𝑍𝑖,22_{+ 𝑍𝑖,2}2_+𝑍𝑖,22 _𝑍𝑖,22_+𝑍𝑖,22 _𝑍𝑖,22_+𝑍𝑖,22_𝑍𝑖,22_+𝑍𝑖,22 𝑥_1,2= 1 √12₊₂2_{+ 3}2₊₃2 ₁2₊₃2₊₃2₊₁2₊₃2₊₁2 = 1 √53 = 0,137 𝑥_2,2= 2 √12₊₂2_{+ 3}2₊₃2 ₁2₊₃2₊₃2₊₁2₊₃2₊₁2 = 2 √53 = 0,275 𝑥_3,2= 3 √12₊₂2_{+ 3}2₊₃2 ₁2₊₃2 ₊₃2₊₁2₊₃2₊₁2 = 3 √53 = 0,412 𝑥_4,2= 3 √12₊₂2_{+ 3}2₊₃2 ₁2₊₃2₊₃2₊₁2₊₃2₊₁2 = 3 √53 = 0,412 𝑥_5,2= 1 √12₊₂2_{+ 3}2₊₃2 ₁2₊₃2₊₃2₊₁2₊₃2₊₁2 = 1 √53 = 0,137 𝑥_6,2= 3 √12₊₂2_{+ 3}2₊₃2 ₁2₊₃2₊₃2₊₁2₊₃2₊₁2 = 3 √53 = 0,412 𝑥_7,2= 3 √12₊₂2_{+ 3}2₊₃2 ₁2₊₃2 ₊₃2₊₁2₊₃2₊₁2 = 3 √53 = 0,412 𝑥_8,2= 1 √12₊₂2_{+ 3}2₊₃2 ₁2₊₃2₊₃2₊₁2₊₃2₊₁2 = 1 √53 = 0,137 𝑥_9,2= 3 √12₊₂2_{+ 3}2₊₃2 ₁2₊₃2 ₊₃2₊₁2₊₃2₊₁2 = 3 √53 = 0,412 𝑥_10,2= 1 √12₊₂2_{+ 3}2₊₃2 ₁2₊₃2 ₊₃2₊₁2₊₃2₊₁2 = 1 √53 = 0,137

Normalisasi Kolom 3 Kriteria Ph Tanah

Normalisasi Matriks (1,3) baris 1 kolom 3 𝑥 𝑖,2= 𝑍𝑖,1 √𝑍𝑖,32_+𝑍𝑖,32_{+ 𝑍𝑖,3}2_+𝑍𝑖,32 _𝑍𝑖,32_+𝑍𝑖,32 _𝑍𝑖,32_+𝑍𝑖,32_𝑍𝑖,32_+𝑍𝑖,32 𝑥_1,3= 2 √22₊₃2_{+ 2}2₊₃2₊₂2₊₂2_{+ 3}2₊₂2₊₃2₊₃2 = 2 √65 = 0,248 𝑥_2,3= 3 √22₊₃2_{+ 2}2₊₃2₊₂2₊₂2 ₊₃2₊₂2₊₃2₊₃2 = 3 √65 = 0,372 𝑥_3,3= 2 √22₊₃2_{+ 2}2₊₃2₊₂2₊₂2 ₊₃2₊₂2₊₃2₊₃2 = 2 √65 = 0,248 𝑥_4,3= 3 √22₊₃2_{+ 2}2₊₃2₊₂2₊₂2 ₊₃2₊₂2₊₃2₊₃2 = 3 √65 = 0,372 𝑥_5,3= 2 √22₊₃2_{+ 2}2₊₃2₊₂2₊₂2₊₃2₊₂2₊₃2₊₃2 = 2 √65 = 0,248 𝑥_6,3= 2 √22₊₃2_{+ 2}2₊₃2₊₂2₊₂2 ₊₃2₊₂2₊₃2₊₃2 = 2 √65 = 0,248 𝑥_7,3= 3 √22₊₃2_{+ 2}2₊₃2₊₂2₊₂2 ₊₃2₊₂2₊₃2₊₃2 = 3 √65 = 0,372 𝑥_8,3= 2 √22₊₃2_{+ 2}2₊₃2₊₂2₊₂2 ₊₃2₊₂2₊₃2₊₃2 = 2 √65 = 0,248 𝑥_9,3= 3 √22₊₃2_{+ 2}2₊₃2₊₂2₊₂2₊₃2₊₂2₊₃2₊₃2 = 3 √65 = 0,372 𝑥_10,3= 3 √22₊₃2_{+ 2}2₊₃2₊₂2₊₂2₊₃2₊₂2₊₃2₊₃2 = 3 √65 = 0,372

Normalisasi Kolom 4 Kriteria Tekstur Tanah

Normalisasi Matriks (1,4) baris 1 kolom 4

𝑥 𝑖,2= 𝑍𝑖,1 √𝑍𝑖,42_+𝑍𝑖,42_{+ 𝑍𝑖,4}2_+𝑍𝑖,42 _𝑍𝑖,42_+𝑍𝑖,42 _𝑍𝑖,42_+𝑍𝑖,42_𝑍𝑖,42_+𝑍𝑖,42 𝑥_1,4= 5 √52₊₂2_{+ 5}2₊₂2₊₅2₊₁2₊₄2₊₅2₊₅2₊₄2 = 5 √166 = 0,388 𝑥_2,4= 2 √52₊₂2_{+ 5}2₊₂2₊₅2₊₁2₊₄2₊₅2₊₅2₊₄2 = 2 √166 = 0,155 𝑥 3,4= 5 √52₊₂2_{+ 5}2₊₂2₊₅2₊₁2 ₊₄2₊₅2₊₅2₊₄2 = 5 √166 = 0,388 𝑥_4,4= 2 √52₊₂2_{+ 5}2₊₂2₊₅2₊₁2 ₊₄2₊₅2₊₅2₊₄2 = 2 √166 = 0,155 𝑥_5,4= 5 √52₊₂2_{+ 5}2₊₂2₊₅2₊₁2 ₊₄2₊₅2₊₅2₊₄2 = 5 √166 = 0,388 𝑥_6,4= 1 √52₊₂2_{+ 5}2₊₂2₊₅2₊₁2 ₊₄2₊₅2₊₅2₊₄2 = 1 √166 = 0,078 𝑥_7,4= 4 √52₊₂2_{+ 5}2₊₂2₊₅2₊₁2 ₊₄2₊₅2₊₅2₊₄2 = 4 √166 = 0,310 𝑥_8,4= 5 √52₊₂2_{+ 5}2₊₂2₊₅2₊₁2 ₊₄2₊₅2₊₅2₊₄2 = 5 √166 = 0,388 𝑥_9,4= 5 √52₊₂2_{+ 5}2₊₂2₊₅2₊₁2 ₊₄2₊₅2₊₅2₊₄2 = 5 √166 = 0,388 𝑥_10,4= 4 √52₊₂2_{+ 5}2₊₂2₊₅2₊₁2 ₊₄2₊₅2₊₅2₊₄2 = 4 √166 = 0,310

2 4 8 248

Normalisasi Kolom 5 Kriteria Jenis Tanah

Normalisasi Matriks (1,5) baris 1 kolom 5

𝑥 𝑖,2= 𝑍𝑖,1 √𝑍𝑖,52_+𝑍𝑖,52_{+ 𝑍𝑖,5}2_+𝑍𝑖,52 _𝑍𝑖,52_+𝑍𝑖,52 _𝑍𝑖,52_+𝑍𝑖,52_𝑍𝑖,52_+𝑍𝑖,52 𝑥_1,5= 3 √32₊₄2_{+ 3}2₊₃2₊₃2₊₄2₊₄2₊₃2₊₄2₊₃2 = 3 √118 = 0,276 𝑥_2,5= 4 √32₊₄2_{+ 3}2₊₃2₊₃2₊₄2₊₄2₊₃2₊₄2₊₃2 = 4 √118 = 0,368 𝑥_3,5= 3 √32₊₄2_{+ 3}2₊₃2₊₃2₊₄2₊₄2₊₃2₊₄2₊₃2 = 3 √118 = 0,276 𝑥_4,5= 3 √32₊₄2_{+ 3}2₊₃2₊₃2₊₄2₊₄2₊₃2₊₄2₊₃2 = 3 √118 = 0,276 𝑥_5,5= 3 √32₊₄2_{+ 3}2₊₃2₊₃2₊₄2₊₄2₊₃2₊₄2₊₃2 = 3 √118 = 0,276 𝑥_6,5= 4 √32₊₄2_{+ 3}2₊₃2₊₃2₊₄2₊₄2₊₃2₊₄2₊₃2 = 4 √118 = 0,368 𝑥_7,5= 4 √32₊₄2_{+ 3}2₊₃2₊₃2₊₄2₊₄2₊₃2₊₄2₊₃2 = 4 √118 = 0,368 𝑥_8,5= 3 √32₊₄2_{+ 3}2₊₃2₊₃2₊₄2₊₄2₊₃2₊₄2₊₃2 = 3 √118 = 0,276 𝑥_9,5= 4 √32₊₄2_{+ 3}2₊₃2₊₃2₊₄2₊₄2₊₃2₊₄2₊₃2 = 4 √118 = 0,368 𝑥_10,5= 3 √32₊₄2_{+ 3}2₊₃2₊₃2₊₄2₊₄2₊₃2₊₄2₊₃2 = 3 √118 = 0,276

Dari perhitungan nilai normalisasi di atas, maka diperoleh matriks Nilai Normalisasi (Xi) sebagai berikut :

X= 0,316 0,137 0,248 0,388 0,276 0,316 0,275 0,372 0,155 0,368 0,316 0,412 0,248 0,388 0,276 0,316 0,412 0,372 0,155 0,276 0,316 0,137 0,248 0,388 0,276 0,316 0,412 0,248 0,078 0,368 0,316 0,412 0,372 0,310 0,368 0,316 0,137 0,248 0,388 0,276 0,316 0,412 0,372 0,388 0,368 0,316 0,137 0,372 0,310 0,276

1.4.7 Menghitung Nilai Optimalisasi

Menghitung Nilai Optimasi Multiobjektif MOORA dalam hal ini mengacu pada tiap kriteria memiliki bobot (W) tersendiri. Nilai optimasi ini dihitung untuk setiap alternatif yang diberikan. Nilai tersebut merupakan jumlah perkalian bobot kriteria dengan nilai atribut maksimun (max) yaitu nilai atribut bertipe benefit dengan jumlah perkalian dari bobot kriteria. Adapun nilai perhitungan seperti dalam perhitungan berikut ini: Nilai Optimalisasi A1 𝑥_1,1∗ 𝑤₁ + 𝑥_1,2∗ 𝑤₂ + 𝑥_1,3∗ 𝑤₃ + 𝑥_1,4∗ 𝑤4 + 𝑥1,5∗ 𝑤5 )𝑦1=( 𝑦₁=(0,316*0,16)+(0,137*0,21)+(0,248*0,18) +(0,388*0,23)+(0,276*0,22) = 0,2739 𝑥_2,1∗ 𝑤₁ + 𝑥_2,2∗ 𝑤₂ + 𝑥_2,3∗ 𝑤₃ + 𝑥_2,4∗ 𝑤4 + 𝑥2,5∗ 𝑤5 )Nilai Optimalisasi A2 𝑦₂= ( 𝑦₂=(0,316*0,16)+(0,275*0,21)+(0,372*0,18) +(0,155*0,23)+(0,368*0,22) = 0,2918 𝑥_3,1∗ 𝑤₁ + 𝑥_3,2∗ 𝑤₂ + 𝑥_3,3∗ 𝑤₃ + 𝑥_3,4∗ 𝑤4 + 𝑥3,5∗ 𝑤5 )Nilai Optimalisasi A3 𝑦3= ( 𝑦3=(0,316*0,16)+(0,412*0,21)+(0,248*0,18) +(0,388*0,23)+(0,276*0,22) = 0,3316 𝑥4,1∗ 𝑤1 + 𝑥4,2∗ 𝑤2 + 𝑥4,3∗ 𝑤3 + 𝑥4,4∗ 𝑤₄ + 𝑥_4,5∗ 𝑤₅ )Nilai Optimalisasi A4 𝑦4= ( 𝑦4=(0,316*0,16)+(0,412*0,21)+(0,372*0,18) +(0,155*0,23)+(0,276*0,22)= 0,3004 𝑥5,1∗ 𝑤1 + 𝑥5,2∗ 𝑤2 + 𝑥5,3∗ 𝑤3 + 𝑥5,4∗ 𝑤₄ + 𝑥_5,5∗ 𝑤₅ )Nilai Optimalisasi A5

2 4 9 249 𝑦5= (𝑦₅=(0,316*0,16)+(0,137*0,21)+(0,248*0,18)+( 0,388*0,23)+(0,276*0,22) = 0,2739 Nilai Optimalisasi A6 𝑥_6,1∗ 𝑤₁ + 𝑥_6,2∗ 𝑤₂ + 𝑥_6,3∗ 𝑤₃ + 𝑥_6,4∗ 𝑤₄ + 𝑥_6,5∗ 𝑤₅ )𝑦₆= ( 𝑦₆=(0,316*0,16)+(0,412*0,21)+(0,248*0,18)+( 0,078*0,23)+(0,368*0,22) = 0,2806 𝑥7,1∗ 𝑤1 + 𝑥7,2∗ 𝑤2 + 𝑥7,3∗ 𝑤3 + 𝑥7,4∗ 𝑤₄ + 𝑥_7,5∗ 𝑤₅ )Nilai Optimalisasi A7 𝑦₇= (𝑦₇=(0,316*0,16)+(0,137*0,21)+(0,248*0,18)+( 0,388*0,23)+(0,276*0,22) = 0,3563 𝑥_8,1∗ 𝑤₁ + 𝑥_8,2∗ 𝑤₂ + 𝑥_8,3∗ 𝑤₃ + 𝑥_8,4∗ 𝑤4 + 𝑥8,5∗ 𝑤5 )Nilai Optimalisasi A8 𝑦₈= ( 𝑦₈=(0,316*0,16)+(0,137*0,21)+(0,248*0,18)+( 0,388*0,23)+(0,276*0,22)= 0,2739 𝑥_9,1∗ 𝑤₁ + 𝑥_9,2∗ 𝑤₂ + 𝑥_9,3∗ 𝑤₃ + 𝑥_9,4∗ 𝑤4 + 𝑥9,5∗ 𝑤5 )Nilai Optimalisasi A9 𝑦₉= ( 𝑦₉=(0,316*0,16)+(0,412*0,21)+(0,372*0,18)+( 0,388*0,23)+(0,276*0,22)= 0,3742 𝑥_10,1∗ 𝑤₁ + 𝑥_10,2∗ 𝑤₂ + 𝑥_10,3∗ 𝑤₃ + 𝑥10,4∗ 𝑤4 + 𝑥10,5∗ 𝑤5 )Nilai Optimalisasi A10 𝑦10= ( 𝑦₁₀=(0,316*0,16)+(0,137*0,21)+(0,372*0,18)+( 0,310*0,23)+(0,276*0,22)= 0,2783 1.4.8 Menentukan Ranking

Dalam urutan dari yang terbesar sampai dengan yang terkecil, diperoleh hasil ranking yaitu seperti pada tabel dibawah ini.

Tabel III.11 Hasil Ranking Alternatif Alamat

Lahan Nilai Ranking

A9 Jl. Sawi Payaroba 0,3742 1 A7 Jl. Pusara Kulon Ujung 0,3563 2 A3 Jl. Sei BatangHasu 0,3316 3 A4 Jl. Sawo 0,3004 4 A2 Jl. Gugus Depan 0,2918 5 A6 Jl. KL Yos Sudarso 0,2806 6 A10 Jl. Gajah Mada Tunggurono 0,2783 7 A1 Jl. P. Diponegoro Tunggurono 0,2739 8 A5 Jl. Gunung Kawi Bhakti Karya 0,2739 9 A8 Jl. Gunung Selamet Bhakti Karya 0,2739 10

Dari hasil Rangking di atas, maka A9 Jl. Sawi Payaroba dinyatakan paling baik untuk pemilihan lahan pertanian yang tepat untuk meningkatkan hasil panen cabai.

1.5 Perancangan Sistem

Adapun perancangan sistem yang akan dirancang yaitu sebagai berikut.

2 5 0 250 1.5.1 Flowchart Mulai

Menghitung Nilai Optimalisasi

Selesai Hasil Perhitungan /

Ranking Input Nilai Kriteria, Bobot dan Alternatif

Normalisasi Data Membuat Matriks

Gambar III.2 Flowchart Sistem Pendukung Keputusan Pemilihan Lahan Pertanian Yang

Tepat Untuk Meningkatkan Hasil Panen Cabai. Menggunakan Metode MOORA

Berdasarkan gambar diatas dapat dijelaskan sebagi berikut :

1. Mulai (start)

2. Input data kriteria, bobot kriteria nilai alternatif setiap kriteria

3. Membuat matriks data nilai alternatif 4. Normalisasi data nilai alternatif

5. Menghitung nilai optimalisasi data dan perangkingan

6. Selesai 7.

1.5.2 Aktivity Diagram

Adapun aktivity diagram dapat dilihat seperti pada gambar dibawah ini.

Login Menampilkan Menu _Login

Menyimpan menu data Kriteri, Bobot, Alternatif

Analis

Menampilkan Menu Utama

Admin Sistem

Menu Data Menampilkan menu data Kriteri, _{Bobot, Alternatif}

Pimpinan Login Valid Tidak Ya Input Data Membuat Matriks Normalisasi Nilai Optimalisasi Nilai Hasil Ranking Cetak Laporan

Laporan Laporan Hasil pemilihan _Lahan

Gambar III.3 Aktivity Diagram Sistem Pendukung Keputusan Pemilihan Lahan

Yang Tepat Untuk Meningkatkan Hasil Panen Cabai.

1.6 Pembahasan Antar Muka

1. Halaman Login

2 5 1 251

2. Menu Kriteria

Gambar III.5 Menu Data Kriteria 3. Analisa

Gambar III.6 Menu Analisa Metode MOORA

1.7 Implementasi

Adapun hasil prosesnya yaitu sebagai berikut.

Gambar III.7 Analisa Perhitungan Metode MOORA

Gambar III.8 Hasil Analisa Perhitungan Metode MOORA

Gambar III.9 Laporan Hasil Proses

Analisa Metode MOORA 4. KESIMPULAN

Maka dapat mengambil kesimpulan sebagai berikut :

1 Sistem pendukung keputusan dengan menggunakan metode MOORA untuk pemilihan lahan pertanian yang tepat untuk meningkatkan hasil panen cabai berdasarkan inputan data kriteria dan penilaian alternatif dapat digunakan serta dapat diambil keputusan dari data yang ada.

2 Dari hasil metode MOORA, hasil yang diperoleh dengan nilai tertinggi yaitu lahan pertanian yang berlokasi di Jl. Sawi

2 5 2 252 Payaroba Binjai Barat dengan perolehan

nilai analisis sistem 0,3742 dengan kriteria temperatur 31°C, curah hujan sedang, PH tanah 6, tekstur tanah kasar dan jenis tanah lempung. Dengan demikian Lahan pertanian Induk Binjai Berjaya merupakan lahan pertanian terbaik untuk meningkatkan hasil penen cabai di Kota Binjai.

5. SARAN

Beberpa saran dari penulis yaitu sebagai berikut.

1. Perlu dilakukan penelitian dengan menggunakan metode selain MOORA dengan algoritma yang berbeda atau dengan menggabungkan dengan metode lain agar dapat dijadikan perbandingan metode yang lebih baik

2. Penelitian lebih lanjut diharapkan mampu mengaplikasikan dengan metode yang berbeda dan dapat menghasilkan sistem pendukung keputusan yang lebih baik sebagai bahan perbandingan hasil yang tepat dan menggunakan aplikasi yang berbeda selain menggunakan pemograman microsof

visual studio (Vb.Net).

DAFTAR PUSTAKA

[1] A MH Pardede & N Noriyenni, 2015 Proceding. KeTIK., Sistem Pendukung Keputusan Pemberian Jumlah SKS Mengajar Dosen Pada STMIK Kaputama Binjai,

[2]. Arief 2011, PHP Digunakan Untuk Membuat Websaite Pribadi dan membuat halaman web yang dinamis.

[3] Andi 2010, Pengertian SQL Server 2008, Sebuah Trombosan Baru Dari Microsoft

Data Base

[4] Andri kristato 2007 Database adalah “kumpulan dari data yang dapat digambarkan sebagai aktivitas dari satu atau lebih oraganiasi yang berelasi.

[5] Attri and Grover 2013, MOORA diterapkan untuk memecahkan banyak permasalahan ekonomi, majerial dan konstruksi pada sebuah perusahaan maupun proyek.

[6] Brauers and zavadskas, 2006 Chakraborty, 2011, Gadakh, 2011, El-Santwy and Ahmed, 2012 Kalibatas, et al. 2008, Lootsma, 1999. Menentukan Tujuan Untuk Mengidentifikasi Atribut Evaluasi Yang Bersangkutan.

[7] Brauers et al.2009 dalam Acelik 2014. Rumusan Penghitung Nilai Optimasi Multiobjektif MOORA.

[8] Fathansyah (2012) Pengertian Basis Data terdiri atas 2 kata yaitu basis dan kata, basis kurang lebih dapat diartikan sebagai markas atau gudang tempat berkumpul. [9] Sanjaya L dkk, 2002 Pengertian Cabai

Pertama Ditemukan Oleh Columbus dan Diintroduksikan Keseluruh Dunia.

[10] Fauzi, A., Marpaung, I.J.S. and Pardede, A.M.H., 2018. SISTEM PENDUKUNG

PEMILIHAN PEKERJAAN

MENGGUNAKAN METODE APRIORI

BERDASARKAN KORELASI

JURUSAN DENGAN IPK UNTUK MENGETAHUI PEKERJAAN YANG

TEPAT. METHOMIKA: Jurnal

Manajemen Informatika & Komputerisasi Akuntansi, 2(2), pp.152-159.

[11] Y Maulita, K Lumbanbatu dkk, 2018. Jurnal METHOMIKA. Penggunaan Metode Topsisi & Metode Electre Sebagai Perbandingan Hasil Keputusan Pemilihan Notasi Lahan Tambak Paling Terbaik Untuk Dijadikan Usaha Tambah Air Pyau,