SmartAI | E-ISSN 2828-1144 Vol. 1 No. 1 – Januari 2022, pp: 42-47 https://ejournal.abivasi.id/index.php/SmartAI Publishing: Yayasan Adwitiya Basurata Inovasi
SmartAI
J O U R N A L
ANALISIS DALAM PEMILIHAN STRAWBERRY TERBAIK DENGAN METODE ANALYTIC NETWORK PROCESS
Jesica Nababan1*, Melani Tri Rahayu2, Agus Perdana Windarto3
1,2Prodi Sistem Informasi, STIKOM Tunas Bangsa, Pematangsiantar, Indonesia Email: 1*jesicanababan27@gmail.com, 2melanitrirahayu12@gmail.com
Abstract
Strawberry is a fruit that is often consumed by the public, either directly or indirectly through processed food. The fruit also has several varieties that are often marketed, causing people to have a little trouble determining which strawberries are best for consumption or processing. With current technological developments, decision making can be made easier through a decision support system. This system use mathematical calculations to objectively select strawberries. One of the methods in a decision support system that can be used is the Analytic Network Process (ANP), because the alternatives and criterias used can be conpared based on the weight of importance. With this research, it is hoped that the selection of the best strawberries will be easier for public.
Keywords: Decision Support System, Analytic Network Process, Strawberry Selection.
Abstrak
Strawberry adalah salah satu buah yang sering dikonsumsi oleh masyarakat, baik secara langsung maupun secara tidak langsung melalui makanan olahan. Buah tersebut juga memiliki beberapa varietas yang sering dipasarkan, sehingga menyebabkan masyarakat sedikit kesulitan menentukan strawberry yang terbaik untuk dikonsumsi ataupun diolah. Dengan perkembangan teknologi yang ada saat ini, pengambilan keputusan dapat dipermudah melalui sistem pendukung keputusan. Sistem ini menggunakan perhitungan matematika untuk memilih strawberry secara objektif. Salah satu metode dalam sistem pendukung keputusan yang dapat digunakan adalah Analytic Network Process (ANP), karena alternatif dan kriteria yang digunakan dapat dibandingkan berdasarkan bobot kepentingannya.
Dengan adanya penelitian ini diharapkan pemilihan strawberry terbaik menjadi lebih mudah bagi masyarakat.
Kata Kunci: Sistem Pendukung Keputusan, Analytic Network Process, Pemilihan Strawberry
1. PENDAHULUAN
Strawberry merupakan salah satu jenis buah-buahan yang lumayan terkenal. Buah ini sendiri memiliki rasa yang asam dan manis, beberapa bahkan tidak asam atau tidak manis sama sekali.
Strawberry sendiri memiliki varietas yang lumayan banyak, tetapi yang sering diperdagangkan hanya beberapa saja. Kebanyakan yang memiliki rasa manis dengan warna yang merah. Tentunya harga strawberry tersebut akan terpengaruh dari rasa, warna, dan bentuk strawberrynya. Meskipun begitu, masyarakat masih kesulitan dalam memilih karena strawberry dengan warna merah cerah belum tentu manis, pun begitu sebaliknya pada yang kurang merah tetapi manis. Dengan perkembangan teknologi yang sangat cepat ini, pengambilan keputusan dapat terbantu dengan menggunakan sebuah sistem.
Sistem pendukung keputusan merupakan salah satu solusi untuk membantu manusia dalam mengambil keputusan berdasarkan pengolahan informasi yang diperoleh. Sistem ini diciptakan agar dapat mendukung pengambilan keputusan yang lebih baik. Salah satu metode yang dapat digunakan dalam pengambilan keputusan adalah Analytic Network Process (ANP) dikarenakan pengolahan perhitungannya yang menerapkan ketergantungan tersistem dan merupakan hal yang wajib untuk menentukan sebuah keyakinan. Tujuan penelitian ini adalah untuk membantu memilih strawberry terbaik, sehingga strawberry tersebut menjadi pilihan utama untuk dipilih masyarakat.
SmartAI | E-ISSN 2828-1144 Vol. 1 No. 1 – Januari 2022, pp: 42-47 https://ejournal.abivasi.id/index.php/SmartAI Publishing: Yayasan Adwitiya Basurata Inovasi
SmartAI
J O U R N A L
2. METODE PENELITIAN
2.1 Sistem Pendukug Keputusan
Sistem pendukung keputusan pertama kali diperkenalkan oleh Michael S. Scott Morton pada tahun 1970-an. Morton mendefinisikannya sebagai sistem berbasis komputer untuk membantu pengambil keputusan dalam pemecahan masalah yang tidak terstruktur[1]. Sistem Pendukung Keputusan sendiri berbasis model yang terdiri dari prosedur dalam pemrosesan data dan pertimbangannya untuk membantu dalam mengambil keputusan[2].
2.2 Analytic Network Process
Analytic Network Process (ANP) adalah teori matematis yang memungkinkan seorang pengambil keputusan menghadapi faktor-faktor yang saling berkaitan (dependence) serta umpan balik (feedback) secara sistematik. Metode pengambilan keputusan berdasarkan banyak kriteria yang dikembangkan oleh Thomas L. Saaty menggunakan pendekatan baru dengan metode kualitatif [3]. Metode ini sendiri dapat mengakomodasikan keterkaitan antar kriteria seperti keterkaitan satu elemen (inner dependence) dan elemen yang berbeda (outer dependence) serta keakurasian hasil yang stabil menjadikan metode Analytical Network Process (ANP) lebih kompleks dibandingkan metode Analytical Hierarchy Process (AHP) [4][5].
2.3 Tahapan Analytic Network Process
Tahapan yang dilakukan untuk metode Analytic Network Process dalam membantu pengambilan keputusan adalah sebagai berikut:
a) Memahami masalah dan menentukan kriteria yang akan digunakan.
b) Membuat matriks perbandingan berpasangan dengan nilai kepentingan berdasarkan skala perbandingan berpasangan di bawah:
Tabel 1: Skala Perbandingan
Nilai Definisi
1 Sama penting
3 Sedikit lebih penting
5 Lebih penting
7 Sangat lebih penting 9 Mutlak lebih penting 2,4,6,8 Nilai tengah
1/n Kebalikan dari nilai di atas
c) Menghitung eigenvector yang merupakan perhitungan bobot prioritas dari matriks perbandingan berpasangan dengan rumus:
(1)
d) Menghitung lambda max dengan rumus sebagai berikut:
(2)
e) Menghitung indeks konsistensi dengan rumus sebagai berikut:
(3)
f) Menghitung rasio konsistensi dengan rumus sebagai berikut:
(4)
Nilai indeks acak (random index) didapat dari tabel dibwah sesuai ukuran matriks yang sedang dibandingkan.
Tabel 2: Indeks Acak (RI)
Ordo Nilai Ordo Nilai
1 0,00 9 1,45
2 0,00 10 1,49
SmartAI | E-ISSN 2828-1144 Vol. 1 No. 1 – Januari 2022, pp: 42-47 https://ejournal.abivasi.id/index.php/SmartAI Publishing: Yayasan Adwitiya Basurata Inovasi
SmartAI
J O U R N A L
Ordo Nilai Ordo Nilai
3 0,58 11 1,51
4 0,90 12 1,48
5 1,12 13 1,56
6 1,24 14 1,57
7 1,32 15 1,59
8 1,41
g) Mengulangi perbandingan berpasangan untuk setiap alternatif dan kriteria.
h) Membuat unweighted supermatrix dengan memasukkan setiap nilai eigenvector padasebuah supermatrix.
i) Membuat Weighted Supermatrix dengan mengalikan setiap nilai yang ada pada Unwighted Supermatrix dengan nilai cluster matrix masing-masing.
(5)
j) Membuat Limiting Supermatrix dengan memangkatkan setiap nilai pada Weighted Supermatrix secara terus menerus hingga seluruh nilai pada baris yang sama memiliki nilai yang sama besar.
(6)
k) Menentukan alternatif terbaik berdasarkan normalisasi pada nilai Limiting Supermatrix.
3. HASIL DAN PEMBAHASAN
3.1. Menyiapkan Data
Sebelum membuat perbandingan berpasangan, alternatif dan kriteria yang akan digunakan harus disiapkan terlebih dahulu. Alternatif dan kriteria yang akan digunakan tersebut dapat dilihat pada tabel 3 di bawah.
Tabel 3: Alternatif dan Kriteria yang Digunakan No Alternatif No Kriteria
1 Sweet Charlie 1 Rasa
2 Oso Grande 2 Warna
3 Tristar 3 Bentuk
4 Nyoho 4 Harga
3.2. Membuat Matriks Perbandingan
Perbandingan dilakukan dengan menilai bobot kepentingan antar komponen pada alternatif dan kriteria, yang nilainya ditentukan oleh penilaian dari pengambil keputusan. Lalu, hasil perbandingan tersebut dijumlahkan berdasarkan kolomnya. Matriks perbandingan dengan jumlah kolomnya dapat dilihat pada tabel 4.
Tabel 4: Perbandingan Berpasangan
A1 A2 A3 A4
A1 1,0000 0,3333 0,5000 0,3333 A2 3,0000 1,0000 2,0000 1,0000 A3 2,0000 0,5000 1,0000 0,5000 A4 3,0000 1,0000 2,0000 1,0000 Jumlah 9,0000 2,8333 5,5000 2,8333
3.3. Menghitung Eigenvector
Eigenvector merupakan jumlah dari pembagian antara nilai pada baris yang sama dengan jumlah pada masing-masing kolomnya. Hasil penjumlahan tersebut kemudian dibagikan dengan panjang data pada matriks perbandingan tersebut.
Baris 1 :
Baris 2 :
SmartAI | E-ISSN 2828-1144 Vol. 1 No. 1 – Januari 2022, pp: 42-47 https://ejournal.abivasi.id/index.php/SmartAI Publishing: Yayasan Adwitiya Basurata Inovasi
SmartAI
J O U R N A L Baris 3 :
Baris 4 :
3.4. Menghitung Lambda Max
Lambda max merupakan perkalian antara setiap nilai eigenvector dengan setiap jumlah dari matriks perbandingan. Hasilnya dapat dilihat seperti di bawah:
3.5. Menghitung Indeks Konsistensi
Indeks konsistensi merupakan hasil dari pengurangan lambda max dengan panjang data matriks, yang kemudian dibagikan dengan hasil pengurangan panjang data matriks dengan satu.
3.6. Menghitung Indeks Rasio
Rasio konsistensi merupakan hasil bagi dari nilai indeks konsistensi dengan nilai indeks acak berdasarkan panjang data (ordo) matriks yang dibandingkan. Jika hasilnya kurang atau sama dengan 0,1 maka perbandingan sudah konsisten.
(Konsisten)
3.7. Mengulangi Perbandingan Berpasangan
Setelah hasil dari indeks rasio konsisten, maka yang dilakukan selanjutnya adalah mengulangi langkah- langkah perbandingan berpasangan pada alternatif dan kriteria lainnya.
3.8. Membuat Unweighted Supermatrix
Setelah semua alternatif dan kriteria selesai dibandingkan, maka tahapan selanjutnya adalah dengan memasukkan setiap eigenvector dari setiap perbandingan ke dalam sebuah supermatrix yang disebut dengan Unweighted Supermatrix. Hasilnya dapat dilihat pada tabel di bawah.
Tabel 5: Unweighted Supermatrix
A K
A1 A2 A3 A4 K1 K2 K3 K4
A
A1 0,0000 0,0000 0,0000 0,0000 0,1093 0,1891 0,2772 0,2772 A2 0,0000 0,0000 0,0000 0,0000 0,3507 0,3509 0,4673 0,4673 A3 0,0000 0,0000 0,0000 0,0000 0,1892 0,1091 0,0954 0,0954 A4 0,0000 0,0000 0,0000 0,0000 0,3507 0,3509 0,1601 0,1601
K
K1 0,1429 0,2500 0,4555 0,3750 0,0000 0,0000 0,0000 0,0000 K2 0,2857 0,2500 0,2628 0,3750 0,0000 0,0000 0,0000 0,0000 K3 0,2857 0,2500 0,1409 0,1250 0,0000 0,0000 0,0000 0,0000 K4 0,2857 0,2500 0,1409 0,1250 0,0000 0,0000 0,0000 0,0000
3.9. Membuat Weigthed Supermatrix
Unweighted Supermatrix tersebut kemudian dikalikan dengan cluster matrix-nya, sehingga diperoleh Weighted Supermatrix. Hasilnya dapat dilihat pada tabel di bawah.
Tabel 6: Weighted Supermatrix
A K
A1 A2 A3 A4 K1 K2 K3 K4
A A1 0,0000 0,0000 0,0000 0,0000 0,1093 0,1891 0,2772 0,2772 A2 0,0000 0,0000 0,0000 0,0000 0,3507 0,3509 0,4673 0,4673
SmartAI | E-ISSN 2828-1144 Vol. 1 No. 1 – Januari 2022, pp: 42-47 https://ejournal.abivasi.id/index.php/SmartAI Publishing: Yayasan Adwitiya Basurata Inovasi
SmartAI
J O U R N A L
A K
A1 A2 A3 A4 K1 K2 K3 K4
A3 0,0000 0,0000 0,0000 0,0000 0,1892 0,1091 0,0954 0,0954 A4 0,0000 0,0000 0,0000 0,0000 0,3507 0,3509 0,1601 0,1601
K
K1 0,1429 0,2500 0,4555 0,3750 0,0000 0,0000 0,0000 0,0000 K2 0,2857 0,2500 0,2628 0,3750 0,0000 0,0000 0,0000 0,0000 K3 0,2857 0,2500 0,1409 0,1250 0,0000 0,0000 0,0000 0,0000 K4 0,2857 0,2500 0,1409 0,1250 0,0000 0,0000 0,0000 0,0000
3.10. Membuat Limiting Supermatrix
Limiting Supermatrix merupakan hasil pemangkatan secara terus menerus pada Weighted Supermatrix hingga keseluruhan nilai pada baris yang sama memiliki nilai yang sama. Hasil dapat dilihat pada tabel di bawah.
Tabel 7: Limiting Supermatrix
A K
A1 A2 A3 A4 K1 K2 K3 K4
A
A1 0,1015 0,1015 0,1015 0,1015 0,1015 0,1015 0,1015 0,1015 A2 0,1998 0,1998 0,1998 0,1998 0,1998 0,1998 0,1998 0,1998 A3 0,0632 0,0632 0,0632 0,0632 0,0632 0,0632 0,0632 0,0632 A4 0,1355 0,1355 0,1355 0,1355 0,1355 0,1355 0,1355 0,1355
K
K1 0,1440 0,1440 0,1440 0,1440 0,1440 0,1440 0,1440 0,1440 K2 0,1464 0,1464 0,1464 0,1464 0,1464 0,1464 0,1464 0,1464 K3 0,1048 0,1048 0,1048 0,1048 0,1048 0,1048 0,1048 0,1048 K4 0,1048 0,1048 0,1048 0,1048 0,1048 0,1048 0,1048 0,1048
3.11. Mengambil Keputusan
Pengambilan keputusan dilakukan setelah nilai pada Limiting Supermatrix telah sama dalam satu baris. Keputusan diambil dengan cara mengambil nilai setiap baris yang terdapat pada baris alternatif.
Kemudian nilai tersebut diurutkan dari yang terbesar hingga yang terkecil. Hasil pengurutan tersebut dapat dilihat pada tabel berikut:
Tabel 8: Hasil Perangkingan
No Nama Nilai Rank
A2 Oso Grande 0,1998 1
A4 Nyoho 0,1355 2
A1 Sweet Charlie 0,1015 3
A3 Tristar 0,0632 4
Pada tabel tersebut dapat dilihat bahwa strawberry Oso Grande merupakan pilihan yang terbaik dari seluruh alternatif yang digunakan.
4. KESIMPULAN
Penerapan metode Analytical Network Process ini dapat digunakan untuk membantu dalam memilih laptop yang berada di pasaran, karena perhitungannya sendiri melakukan pembobotan prioritas pada kriteria yang digunakan untuk membandingkan strawberry. Dari penelitian ini, dapat disimpulkan bahwa strawberry Oso Grande merupakan strawberry terbaik, sedangkan strawberry Tristar menjadi pilihan terakhir.
DAFTAR PUSTAKA
[1] Z. Miftah, “Pemilihan Guru SMK Berprestasi dengan Metode Analytical Network Process (ANP) dan Kompetensi Gomes,” JABE (Journal Appl. Bus. Econ., vol. 4, no. 2, p. 117, 2017, doi:
SmartAI | E-ISSN 2828-1144 Vol. 1 No. 1 – Januari 2022, pp: 42-47 https://ejournal.abivasi.id/index.php/SmartAI Publishing: Yayasan Adwitiya Basurata Inovasi
SmartAI
J O U R N A L 10.30998/jabe.v4i2.2140.
[2] E. L. Amalia, A. P. Kirana, and M. Prambudi, “Berbasis Website Dalam Sertifikat Tanah Menggunakan Metode Analytic Network Process,” 2020.
[3] H. Hakim and R. Hayami, "Aplikasi Perhitungan Harga Premi Asuransi Kebakaran Menggunakan Metode Analytic Network Process (ANP).” vol. 9, no. 2, pp. 448–456, 2019.
[4] F. Anissa, A. P. Windarto, M. Fauzan, and S. T. Bangsa, “Analisis Algoritma Analytic Network Process ( ANP ) Dalam Pemilihan Material Furniture Pada Interior Rumah Tinggal,” vol. 1, no. 4, pp. 138–145, 2020.
[5] W. Yusnaeni, “Strategi Pemberian Bonus Karyawan Pabrik Kaca Untuk Meningkatkan Kinerja Karyawan Dengan Metode Analytic Network Process (ANP),” Khatulistiwa Inform., 2014.