Sistem Pendukung Keputusan untuk Merekom

Sistem Pendukung Keputusan

untuk Merekomendasikan TV Layar Datar

Menggunakan Metode

Weighted Product

(WP)

Artikel Ilmiah

Diajukan kepada Fakultas Teknologi Informasi

Untuk memperoleh Gelar Sarjana Komputer

Peneliti :

Wahyu Retno Ningrum (NIM : 672007045) Yessica Nataliani, S.Si., M.Kom.

Ramos Somya, S.Kom., M.Cs.

Program Studi Teknik Informatika

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

3

Sistem Pendukung Keputusan

untuk Merekomendasikan TV Layar Datar

Menggunakan Metode

Weighted Product

(WP)

1)

Wahyu Retno Ningrum, 2)Yessica Nataliani, 3)Ramos Somya

Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Jl. Diponegoro 52 – 60, Salatiga 50711, Indonesia Email : 1)wahyuretno88@gmail.com, 2)yessica_24@yahoo.com,

3)

ramos.6005@gmail.com

Abstract

Prospective customers often get confused when choosing the type of TV to buy. One of the factors that cause confusion in choosing a TV is the existence of several well known brands that offer a variety of TV types with different sizes. The research process begins the gathering system requirements, system design, system making proses, as well as testing process. System design starts from the design of Data Flow Diagram (DFD), Entity Relationship Diagram (ERD), and drafting tables. WP calculation criteria include the type of TV technology, brand, size, resolution, weight, and price. The final results of the system data table with five alternative types of Flat Screen TVs are recommended based on the type of technology and some of the criteria that have been selected. Five types of TV recommende alternative is expected to be suggestion that may be considered by consumers as well as a means of information to get the info TV. TV types have recommended the suitability of the results with the wishes of potential customers by 60%. Key words: Selection of Flat Screen TV, Weighted Product (WP)

Abstrak

Calon konsumen sering kali mengalami kebingungan saat memilih tipe TV yang akan dibeli. Salah satu faktor yang menyebabkan kebingungan dalam memilih TV adalah adanya beberapa merek terkenal yang menawarkan macam-macam tipe TV dengan berbagai ukuran. Proses penelitian diawali dengan mengumpulkan kebutuhan sistem, perancangan sistem, proses pembuatan sistem, serta proses pengujian. Perancangan sistem dimulai dari perancangan Data Flow Diagram (DFD), Entitas Relationship

Diagram (ERD), dan perancangan tabel-tabel. Proses Perangkingan alternatif tipe TV

menggunakan metode Weighted Product (WP). Kriteria perhitungan WP meliputi jenis teknologi, merek, ukuran, resolusi, berat, serta harga. Hasil akhir sistem berupa tabel data rekomendasi dengan lima alternatif tipe TV Layar Datar berdasarkan jenis teknologi dan beberapa kriteria yang telah dipilih sebelumnya. Lima alternatif tipe TV yang direkomendasikan diharapkan dapat menjadi saran yang dapat dipertimbangkan oleh konsumen serta menjadi sarana informasi untuk mendapatkan informasi mengenai TV. Tipe TV yang direkomendasikan mempunyai kesesuaian hasil dengan keinginan calon konsumen sebesar 60%.

Kata kunci : Pemilihan TV Layar Datar, Weighted Product (WP)

1)_{Mahasiswa Fakultas Teknologi Informasi Jurusan Teknik Informatika, Universitas Kristen Satya}

Wacana Salatiga

2)_{Staff Pengajar Fakultas Teknologi Informasi Program Studi Sistem Informasi, Universitas}

Kristen Satya Wacana Salatiga

3)_{Staff Pengajar Fakultas Teknologi Informasi Program Studi Teknik Informatika, Universitas}

4 merupakan keuntungan bagi calon konsumen dalam memilih televisi layar datar yang akan dibeli, karena calon konsumen dapat memilih televisi sesuai dengan keinginannya dan tidak terpacu pada satu merek maupun tipe. Berdasarkan wawancara dan kuisioner yang disebar ke 30 orang yang akan membeli TV, banyaknya merek dan tipe menjadi kendala bagi sebagian masyarakat untuk memilih atau menentukan TV yang akan dibeli, saat proses ini berlangsung seringkali calon konsumen merasa bingung saat akan menjatuhkan pilihan pada satu tipe televisi dan membutuhkan waktu yang lama untuk memilih satu tipe televisi yang diinginkan. Selain merek dan tipe yang menjadi pertimbangan dalam membeli televisi, ada beberapa hal yang perlu dipertimbangkan juga untuk membeli televisi antara lain : ukuran, resolusi, ratio, serta fasilitas pendukung seperti HDMI, S-Video, Composite Video, VGA [2].

Beberapa kendala yang dihadapi saat akan membeli televisi mendorong untuk merancang dan membuat sistem pendukung keputusan yang dapat membantu memberikan rekomendasi TV layar datar berdasarkan kriteria-kriteria yang diinginkan calon konsumen. Dorongan ini menjadi pertimbangan untuk membuat sistem pendukung keputusan dengan judul “Pemanfaatan Metode

Weighted Product (WP) untuk Merekomendasikan TV Layar Datar”. Penelitian ini menggunakan metode WP dikarenakan metode WP merupakan salah satu metode penyelesaian multi kriteria dimana dalam membeli sebuah TV banyak kriteria yang harus dipertimbangkan. Perhitungan dalam metode WP dalam tidak diperlukan normalisasi sehingga waktu yang diperlukan juga lebih singkat dibanding metode SAW [3].

2. Kajian Pustaka

Penelitian pertama dengan judul “Aplikasi Pendukung Keputusan dengan menggunakan Logika Fuzzy (Studi Kasus : Penentuan Spesifikasi komputer untuk suatu Paket Komputer lengkap). Dalam penelitian tersebut terdapat batasan himpunan yang meliputi batasan murah, normal, ataupun mahal pada variabel harga. Komputer terdiri dari beberapa bagian maka terdapat pula pencocokan antar komponen yang satu dengan lainnya, sebagai contoh jika tipe jenis dari prosesor adalah intel socket LGA 775, maka motherboard-nya pun juga harus dengan jenis yang sama [4].

Metode WP juga digunakan untuk menyelesaikan sebuah sistem pendukung keputusan dengan judul “Sistem Pendukung Keputusan Penentuan Siswa Berprestasi di Sekolah Menengah Kejuruan (SMK) Menggunakan Metode

Weighted Product”. Metode WP digunakan untuk perangkingan siswa berprestasi

5

oleh sistem dapat digunakan untuk membantu Guru bagian kesiswaan dalam mengambil keputusan penentuan siswa berprestasi [5].

Sistem pendukung keputusan yang nantinya dibangun memanfaatkan metode WP dalam membantu proses perangkingan untuk memberikan suatu rekomendasi TV layar datar. TV Layar Datar merupakan satu kesatuan yang mempunyai berbagai variabel seperti harga, dimensi, berat, serta fasilitas-fasilitas pendukung maka tidak perlu ada pencocokan antar komponen seperti yang dilakukan pada penelitian yang pertama. Metode WP sendiri digunakan untuk membantu mencari rekomendasi terbaik.

Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem ini digunakan untuk membantu pengambil keputusan dalam situasi yang semi terstruktur dan situasi yang tidak tersetruktur [6].

Gambar 1 Komponen SPK [7]

Gambar 1 menjelaskan tentang komponen SPK bahwa sebuah sistem pendukung keputusan dibangun dari beberapa subsistem, antara lain [7]:

- Data management, termasuk database yang mengandung data yang relevan untuk berbagai situasi dan diatur oleh software yang disebut Database Management System (DBMS). Data management pada penelitian ini adalah

database televisi yang berisi tabel jenis, tabel data_tv, tabel desk_tv, serta tabel merek. Tabel-tabel yang ada pada database televisi saling berhubungan dan sebagai data untuk perhitungan.

- Model management, melibatkan model finansial, statistikal, management science, atau berbagai model kuantitatif lainnya sehingga dapat memberikan ke sistem suatu suatu kemampuan analitis dan manajemen software yang diperlukan.

6

calon kosumen sehingga didapat sebuah data yang dapat dihitung serta mendapat nilai ranking yang nantinya digunakan sebagai hasil rekomendasi.

- Knowledge manager, dapat mendukung subsistem lain atau bertindak sebagai komponen yang bertindak sendiri. Knowledge manager dalam penelitian ini adalah calon konsumen. Calon konsumen dapat memilih ukuran, merek serta jenis yang diinginkan, kemudian memasukkan prioritas kepentingan dari setiap kriteria. Ukuran, merek dan jenis TV yang sudah dipilih akan dicari pada tabel data_tv, hasil dari pencarian tersebut akan dihitung menggunakan metode WP. Hasil dari perhitungan tersebut akan diranking dan dipilih lima terbaik sebagai hasil rekomendasi untuk calon konsumen.

- User Interface, tampilan antarmuka dimana user dapat berkomunikasi dan memberikan perintah pada DSS. User interface pada penelitian ini adalah tampilan menu sistem rekomendasi.

Metode Weighted Product (WP)

Metode WP merupakan salah satu metode penyelesaian yang ditawarkan untuk menyelesaikan masalah Multi Attribute Decision Making (MADM). Metode WP mirip dengan Metode Weighted Sum (WS), hanya saja metode WP terdapat perkalian dalam perhitungan matematikanya. Metode WP juga disebut analisis berdimensi karena struktur matematikanya menghilangkan satuan ukuran [8]. Metode WP adalah himpunan berhingga dari alternatif keputusan yang dijelaskan dalam beberapa hal kriteria keputusan. Jadi metode ini tidak perlu dinormalisasikan. Preferensi Ai diberikan pada Rumus 1 [9]:

, dengan i= 1,2,…,m ...(1)

dimana ∑wj = 1. wjadalah pangkat bernilai positif untuk atribut keuntungan, dan bernilai negatif untuk atribut biaya.

Preferensi relatife dari setiap alternatif, diberikan pada Rumus 2 : ; dengan i= 1,2, …, m. ...(2)

Langkah – langkah menggunakan metode WP [10]:

1. Mengalikan seluruh atribut bagi sebuah alternatif dengan bobot sebagai pangkat positif untuk atribut manfaat dan bobot berfungsi sebagai pangkat negatif pada atribut biaya,

2. Hasil perkalian dijumlahkan untuk menghasilkan nilai pada setiap alternatif, 3. Mencari nilai alternatif dengan melakukan langkah yang sama seperti

langkah satu, hanya saja menggunakan nilai tertinggi untuk setiap atribut tertinggi untuk setiap atribut manfaat dan terendah untuk atribut biaya, 4. Membagi nilai V bagi setiap alternatif dengan nilai standar (V(A*)) yang

menghasilkan R,

7 3. Metode Penelitian

Gambar 2 Model Prototype [11]

Gambar 2 merupakan tahapan-tahapan yang harus dilalui pada Model

Prototype. Tahapan tersebut meliputi :

- _{Pengumpulan Kebutuhan Sistem (Requirements)}

Tahap awal dimulai dengan menganalis kebutuhan-kebutuhan apa saja yang diperlukan dalam membangun suatu sistem mulai dari kebutuhan data sampai dengan kebutuhan hardware. Tahap pengumpulan kebutuhan data dilakukan dengan dua cara yaitu dengan metode kepustakaan dan penyebaran kuisioner.

Pengumpulan data dengan menggunakan metode kepustakaan, penyusun menggunakan beberapa buku yang sangat membantu , antara lain : Buku Fuzzy Multi-Attribute Decision Making (FMADM) yang membahahas tentang penggunaan metode WP; Buku Aplikasi Pemrograman Web Dinamis dengan PHP dan MySQL yang membahas tentang tatacara penggunaan script PHP dan pengolahan database dengan wampserver; Buku Konsep dan Aplikasi Sistem Pendukung Keputusan untuk mempelajari konsep dasar suatu sitem pendukung keputusan; dan materi penunjang lainnya yang didapat dari beberapa literatur dari internet dan jurnal, sedangkan semua data-data TV didapat dari internet.

8

Tabel 1 Hasil Kuisioner

No Pertanyaan Hasil Jawaban

SP P CP TP STP

1 Seberapa Penting TV

buat anda ? 10 16 3 1 -

2 Indikator apa saja yang anda pentingkan dalam memilih atau

membeli TV ?

3 Pentingkah sebuah

sistem rekomendasi nantinya akan menjadi pelengkap informasi. Kriteria-kriteria tersebut akan menjadi pertimbangan saat akan memilih atau mencari televisi.

- _{Perancangan Sistem (Design)}

Perancangan sistem yang digunakan adalah Data Flow Diagram (DFD). DFD atau diagram alir data adalah model proses yang digunakan untuk menggambarkan aliran data melalui sebuah sistem dan tugas atau pengolahan yang dilakukan oleh sistem [12].

Admin

Jenis TV, Deskripsi TV Kriteria TV, Bobot Prioritas TV

TV Rekomendasi

Gambar 3 DFD Level 0

9

Kriteria TV, Bobot Prioritas TV

TV Rekomendasi

Gambar 4 DFD Level 1

Gambar 4 merupakan pengembagan dari DFD level nol, pada DFD level satu terlihat proses sistem rekomendasi tv lebih terlihat detail. Proses sistem rekomendasi tv mempunyai beberapa proses, yaitu proses input data TV, proses olah data TV, dan proses merekomendasi TV. Proses input data, entitas admin dapat menginputkan data tv, merek tv, jenis tv, serta deskripsi tv. Proses olah data tv, entitas admin dapat melakukan hapus serta edit/update data tv, merek tv, jenis tv, serta deskripsi tv. Entitas admin dapat memperbaharui data diproses ke dua. Proses ke dua sangat penting karena admin dituntut untuk selalu memperbaharui data agar sistem nantinya dapat berjalan secara optimal. Sebagai contoh adalah harga tv yang selalu berubah mengikuti harga jual yang berlaku maka harga tv harus selalu diperbaharui. Admin dapat melakukan perubahan dip roses olah data.

1

Kriteria TV, Bobot Prioritas TV

TV Rekomendasi _Menghitung 3.2 dengan Metode

WP Data TV

10

Gambar 5 merupakan pengembangan DFD level satu proses merekomendasi TV, terlihat calon konsumen memasukkan kriteria tv untuk proses mencari tv yang nantinya data akan diperoleh dari tabel data_tv. Data yang berada pada tabel data_tv didapat dari proses input data yang dilakukan oleh entitas admin. Selain memasukkan kriteria tv calon konsumen juga memasukkan bobot prioritas tv untuk melakukan perhitungan. Data tv dan bobot tv yang diperoleh akan dihitung menggunakan metode WP. Setelah mendapatkan hasil terbaik data yang diperoleh akan digabungkan dengan data yang ada pada tabel desk_tv untuk mendapatkan informasi mengenai deskripsi tv yang nantinya akan direkomendasikan ke calon konsumen.

Berdasarkan rancangan sistem menggunakan DFD, selanjutnya dapat membuat rancangan database. Sebelum membuat rancangan database terlebih dahulu dibuat Entity Relationship Diagram (ERD) yang merepresetasikan secara grafis hubungan antar entitas.

Desk_TV 1 Mengambil 1 Data_TV mengambil

no_desk

Gambar 6 Entity Relationship Diagram (ERD)

Gambar 6 menunjukkan hubungan antar tabel. Tabel desk_tv memperoleh type yang diambil dari tabel data_tv dimana mempunyai relasi hubungan one to one. Tabel data_tv memperoleh kd_jenis yang diambil dari tabel jenis yang mempunyai relasi one to many. Tabel data_tv juga memperoleh kd_merek yang diambil dari tabel merek yang mempunyai relasi one to many.

Berdasarkan ERD yang telah dibuat, tahap selanjutnya adalah mulai merancang database. Rancangan database meliputi :

- Tabel Admin

Tabel 3 Rancangan Tabel Admin

Field Tipe Length Keterangan

Admin Varchar 25 User admin

Passadmin Varchar 25 Password admin yang digunakan untuk

masuk kedalam halaman administrator

11

- Tabel Jenis

Tabel 4 Rancangan Tabel Jenis

Field Tipe Length Keterangan

kd_jenis Char 4 Untuk menyimpan kode jenis teknologi

TV

Teknologi Varchar 25 Untuk menyimpan jenis teknologi TV

Tabel 4 dirancang untuk menyimpan jenis teknologi. TV dari waktu ke waktu akan semakin berkembang jenis teknologinya, oleh karena itu jenis teknologi yang tersimpan pada tabel jenis dapat ditambah, diedit ataupun dihapus.

- Tabel Merek

Tabel 5 Rancangan Tabel Merek

Field Tipe Length Keterangan

kd_merek Char 4 Untuk menyimpan kode merek TV

Merek Varchar 25 Untuk menyimpan merek TV

Tabel 5 dirancang untuk menyimpan merek TV. TV mempunyai banyak merek yang dijual belikan, oleh karena itu merek TV yang tersimpan pada tabel merek dapat ditambah, diedit ataupun dihapus.

- Tabel Data TV

Tabel 6 Rancangan Tabel Data TV

Field Tipe Length Keterangan

no_tvpe Int 5 Untuk menyimpan no urutan TV

kd_jenis Char 4 Untuk menyimpan kode jenis teknologi

TV

kd_merek Char 4 Untuk menyimpan kode merek TV

Tipe Varchar 25 Untuk menyimpan tipe TV dari setiap

merek TV

Ukuran Int 55 Untuk menyimpan ukuran layar TV

Resolusi Int 55 Untuk menyimpan resolusi TV

Berat Int 55 Untuk menyimpan berat TV dengan

penyangga

Harga Int 55 Untuk meyimpan harga tv setiap tipe

Tabel 6 dirancang untuk menyimpan data-data TV dari masing-masing tipe. Data-data TV yang tersimpan pada tabel Data TV dapat ditambah, diedit ataupun dihapus.

- Tabel Deskripsi TV

Tabel 7 Rancangan Tabel Deskripsi TV

Field Tipe Length Keterangan

no_desk Int 5 Untuk menyimpan no urutan deskripsi

TV

Tipe Varchar 25 Untuk menyimpan tipe TV dari setiap

merek TV

Gambar Varchar 50 Untuk menyimpan gambar TV

Fasilitas Varchar 50 Untuk menyimpan deskripsi TV

12 - _{Pengujian unit}

Pada tahap ini sistem yang telah dirancang akan diimplentasikan kedalam sebuah sistem berbasis web. Sistem dibuat dengan bahasa PHP, masing-masing file .php kemudian akan diuji satu persatu apakah sudah dapat berjalan dengan sesuai atau belum. Tahap implementasi meliputi implementasi metode WP secara manual.

Sebagai contoh implementasi metode WP secara manual, yakni : Diasumsikan seorang calon konsumen TV akan membeli TV dengan teknologi LED, merek Panasonic dan ukuran antara 33-42 serta mempunyai tingkat prioritas bobot untuk ukuran 30; resolusi 50; harga 15 dan berat 5. Untuk mendapatkan hasilnya, terlebih dahulu dilakukan perbaikan bobot. Perbaikan bobot menggunakan rumus Wj. Maka didapat perhitungan sebagai berikut :

W1 =

Setelah bobot diperbaiki langkah selanjutnya adalah memilih data yang mempunyai teknologi LED, merek Panasonic dan ukuran diantara 33-42 dari 237 tipe TV, hasil pemilahan tersebut didapat 10 tipe TV yang mempunyai teknologi LED.

Tabel 8 Data TV LED dengan Merek Panasonic

Alternatif Kriteria dikalikan tetapi sebelumnya dilakukan pemangkatan dengan bobot dari masing-masing kriteria. Perhitungannya sebagai berikut :

13

S8 = 420,3 x 20736000,5 x 15-0,05 x 990-0,15 = 3859,52

Setelah masing-masing vektor S didapat nilainya, langkah selanjutnya adalah menjumlahkan seluruh S untuk menghitung vektor V. Langkahnya sebagai

Hasil dari vektor V ini belum ada artinya sebelum dibandingkan terlebih dahulu. Perbandingan vektor V terlihat pada Tabel 9.

Tabel 9 Perbandingan Hasil Vektor V

Hasil Vektor V V1 V2 V3 V4 V5 V6 V7 V8

0,081 0,081 0,089 0,083 0,081 0,085 0,088 0,244

V1 0,081 Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak

V2 0,081 Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak

V3 0,089 Ya Ya Tidak Ya Ya Ya Ya Tidak

Tabel 9 merupakan hasil perbandingan antar vektor, langkah awal perbandingan ini dengan cara membandingkan hasil vektor pertama dengan kedua apakah lebih besar atau tidak, apabila hasilnya lebih besar maka ya. Hasil perbandingan mendapatkan lima rekomendasi terbaik yakni V8, V3, V7, V6, dan V4. Lima tipe rekomendasi TV tersebut adalah TC-L42E30, TC-L37E3, TC-L42E3, TC-L42DT30 dan TC-42LD24

14

Tabel 10 Pencocokan antara Perhitungan Manual dengan Sistem

Input Hasil Perhitungan

Manual

- Prioritas Kepentingan :

1. Ukuran : 30

- Prioritas Kepentingan :

1. Ukuran : 10

- Prioritas Kepentingan :

1. Ukuran : 10

- Prioritas Kepentingan :

1. Ukuran : 15

Hasil pencocokan antara perhitungan manual dengan sistem terdapat kecocokkan hasil rekomendasi. Perbedaan kecocokan terlihat pada urutan hasil ujicoba kedua, hal tersebut terjadi karena pada proses perhitungan manual menggunakan empat angka dibelakang koma.

4. Hasil dan Pembahasan

Pembuatan sistem SPK tidak lepas dari komponen-komponen SPK, dalam sistem yang dibangun ini komponen-komponen SPK dalam sistem meliputi :

- _{Data Management, dalam sistem ini data menagement adalah database}

15

data_tv, tabel jenis, tabel merek, dan tabel desk_tv. Database televisi ini dapat terlihat pada Gambar 7.

Gambar 7 Database televisi

Gambar 7 dapat terlihat lima tabel yang sudah dipaparkan sebelumnya. Tabel admin dalam sistem ini sebagai penyimpan informasi user dan password admin yang digunakan untuk mengakses halaman administrator. Tabel data_tv digunakan untuk menyimpan informasi mengenai data-data suatu type t v, pada tabel data_tv terdapat beberapa field antara lain : field no_data, field kd_jenis,

field kd_merek, field type, field ukuran, field resolusi, field harga, dan field berat. Tabel desk_tv digunakan untuk menyimpan informasi keterangan dari suatu type

tv, dalam tabel ini meliputi beberapa field yaitu : field no_desk, field type, field

gambar, dan field fasilitas. Tabel jenis berisi informasi mengenai jenis teknologi tv seperti LCD atau LED, dalam tabel ini berisi field kd_jenis dan jenis. Tabel merek berisi informasi merek tv yang meliputi field kd_merek dan field merek.

- _{Model Management, dalam sistem ini model management adalah}

perhitungan menggunakan metode WP. Perhitungan menggunakan metode WP melalui beberapa tahap yaitu menghitung vektor S. Perintah untuk menghitung vektor S dalam sistem terlihat pada kode program 1.

Kode Program 1 Perintah untuk Menghitung Vektor S

1. while($hasil=mysql_fetch_object($eksekusi))

9. $akhir= array_sum($ta); }

Kode Program 1 berisi beberapa perintah untuk menghitung vektor S. Kode nomor tiga merupakan kode untuk menghitung ukuran yang dipangkatkan dengan

w yang telah diperbaiki dan disimpan pada variabel a. Perhitungan vektor S

merupakan perkalian hasil dari perhitungan variabel a,b,c, dan d yang disimpan pada variabel vektor_S. Hasil vektor S tersebut dimpan dalam arrayta yang akan digunakan untuk menghitung jumlah hasil vektor S keseluruhan. Jumlah vektor S

sebagai dasar untuk mengitung nilai vektor V. Perhitungan vektor V dalam sistem dapat terlihat pada kode program 2.

Kode Program 2 Perintah untuk Menghitung Vektor V

1...

2.$vektor_S=($a*$b*$c*$d);

16

Kode Program 2 tersebut adalah kode program yang digunakan untuk menghitung vektor V setelah perhitungan dari vektor S selesai dilakukan. Kode nomor tiga digunakan untuk menghitung vektor V, vektor V didapat dari hasil bagi antara hasil vektor S dibagi jumlah vektor S. Variabel akhir merupakan jumlah vektor S.

Hasil dari vektor V dalam perhitungan WP belum berarti apa-apa jika hasil keseluruhan vektor V belum dibandingkan terlebih dahulu. Perbandingan vektor V

ini dalam sistem dapat terlihat pada kode program 3. Kode Program 3 Perintah untuk Membandingkan Vektor V

1.$indexVektor_v[$counter][1]=("

18.if($indexVektor_v[$j][2] < $indexVektor_v[$j+1][2]){ 19.$temp=$indexVektor_v[$j];

20.$indexVektor_v[$j]=$indexVektor_v[$j+1]; 21.$indexVektor_v[$j+1]=$temp;}

22.}}

Kode satu-sembilan merupakan kode untuk menampilkan data, kode 11-21 adalah kode program untuk membandingkan vektor V. Perbandingan vektor V

menggunakan perulangan for . Hasil perbandingan akan diambil lima terbaik, untuk menampilkan lima terbaik terlihat pada kode program 4.

Kode Program 4 Perintah untuk Menampilkan lima terbaik

1. $nomer=1; yang dihitung disimpan dalam array, maka penampilan yang dilakukan dengan perulangan for yang terdapat pada kode nomor dua dimulai dari nol sampai kurang dari samadengan empat agar yang ditampilkan lima data.

- _{Knowledge manager, dalam sistem ini komponen ketiga dari SPK ini adalah}

17

data berdasar jenis, merek, dan ukuran yang sudah dipilih sebelumnya. Berdasarkan data yang sudah terpilih maka data akan dihitung menggunakan metode WP berdasarkan bobot prioritas yang sudah diinputkan sebelumnya. Calon konsumen akan mendapatkan lima type tv terbaik berdasrkan hasil perhitungan dengan metode WP.

- User Interface, dalam sistem ini peneliti membuat sistem berbasis web. Tampilan sistem rekomendasi terlihat pada gambar 8.

Gambar 8 Halaman Menu Sistem Rekomendasi

Gambar delapan merupakan tampilan halaman yang akan digunakan oleh calon konsumen dalam menggunakan sistem rekomendasi TV ini. Apabila kriteria sudah dipilih dan bobot prioritas sudah terpenuhi dan tombol lanjut sudah ditekan makan calon konsumen akan dibawa ke halaman yang berisi hasil rekomendasi, dapat dilihat pada gambar 9.

Gambar 9 Halaman Hasil Sistem Rekomendasi

18

konsumen dapat melihat fasilitas dari type yang direkomendasikan dengan menekan tombol lihat.

Gambar 10 Halaman Lihat Fasilitas

Gambar 10 dapat ditampilkan apabila calon konsumen menekan tombol lihat pada kolom fasilitas yang ada pada halaman hasil rekomendasi. Halaman fasilitas ini berisi dua tabel yaitu gambar dan fasilitas. Calon konsumen dapat membaca informasi mengenai type tv yang direkomendasikan dan gambar dari

type tv yang direkomendasikan.

Contoh penggunaan sistem rekomendasi tv adalah diasumsikan seorang calon konsumen akan membeli tv layar datar yang memanfaatkan Sistem Rekomendasi TV. Calon konsumen wajib mengisi form yang ditampilkan oleh sistem, form terlihat pada Gambar 7. Calon konsumen dimisalkan memilih jenis

LED, semua merek dengan ukuran > 52 dan mengisi prioritas kepentingan ukuran, resolusi , berat, serta harga dengan angka 30, 25, 5, dan 40.

Gambar 11 Halaman Sistem Rekomendasi sesuai inputan

19 - _{User wajib memilih jenis TV}

- _{User wajib memasukkan prioritas kepentingan yang totalnya 100 persen.}

Gambar 12 Halaman Hasil Sistem Rekomendasi

Gambar 12 merupakan hasil dari sistem rekomendasi, sistem memberikan lima pilihan terbaik dari delapan data yang ada. Hasil tersebut didapat dari kriteria yang telah dipilih serta mengisi besaran prioritas kepentingan. Lima tipe tersebut didapat dari perhitungan WP, langkah-langkah sistem menampilkan hasil :

Pertama sistem akan mencari data yang ada pada database sesuai dengan jenis, merek, dan ukuran yang sudah dipilih sebelumnya pada form Sistem Rekomendasi. Data-data yang direkomendasikan berdasarkan data yang telah diinputkan oleh admin. Admin dalam sistem ini sangat berperan penting, karena data-data yang ada pada sistem harus terus diperbaharui terutama untuk harga. Admin dapat melakukan perbaharuan harga di menu admin yang sudah disiapkan. Pembaharuan data sangat penting agar sistem berjalan optimal.

Kode Program 5 Perintah untuk Mendapatkan Data

1. include "/include/conecsi.inc"; 2. $ambil="";

3. if(strcmp($fm_merek,'not_merek')==0 and strcmp($fm_ukrn,'not_ukuran')==0) 4. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."'";

5. else if (strcmp($fm_ukrn,'not_ukuran')==0){

6. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."' and kd_merek='".$fm_merek."'";}

7. else if(strcmp($fm_merek,'not_merek')==0 and strcmp($fm_ukrn,'<24')==0){ 8. ...

9. else if(strcmp($fm_merek,'not_merek')==0 and strcmp($fm_ukrn,'43-52')==0){ 10. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."' and ukuran <

'53' and ukuran > '42'";}

11. else if(strcmp($fm_merek,'not_merek')==0 and strcmp($fm_ukrn,'53')==0){ 12. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."' and ukuran >

'52'";} 13. else {

14. if(strcmp($fm_ukrn,'<24')==0){

15. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."' and kd_merek='".$fm_merek."' and ukuran < '24'";}

16. ...

17. else if(strcmp($fm_ukrn,'53')==0){

18. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."' and kd_merek='".$fm_merek."' and ukuran > '52'";

20

nomor 11 dan 12 dieksekusi karena pada from telah memilih jenis dan ukuran > 52, sedangkan merek tidak dipilih. Data yang telah didapat nantinya akan digunakan sebagai dasar perhitungan. Hasil pencarian mendapat data yang terlihat pada tabel 12.

Tabel 12 Hasil Pencarian Menurut Kriteria

Tipe Ukuran Resolusi Berat Harga keinginan calon konsumen yang telah diinputkan. Langkah berikutnya menghitung nilai vektor S dan vektor V dari data tabel 12. Menghitung vektor S

dibutuhakan bobot, pada contoh bobot (W) = 30,25,5,40. Perhitungan vektor S

pada sistem berdasarkan kode program 1 yang telah dipaparkan sebelumnya. Sebelum menghitung vektor S dilakukan perbaikan bobot terlebih dahulu, perbaikan bobot antara lain :

W1 = = = 0,3 W3 = = = 0,05

W2 = = = 0,25 W4 = = = 0,4

21

S6 = 550,3 x 20736000,25 x 21-0,05 x 1900-0,4 = 80,17315

S7 = 550,3 x 20736000,25 x 22-0,05 x 2399-0,4 = 79,24424

Hasil perhitungan vektor V dari 21 data type TV yang ada pada tabel 12 dapat dilihat pada tabel 13.

Tabel 13 Hasil Perhitungan Vektor S

Tipe Ukuran Resolusi Berat Harga Vektor S Jumlah S

55LH90 3.3274291 37.947332 0.8359588 0.7240924 76.43089

1646.745

55LH93 3.3274291 37.947332 0.8359588 0.7065875 74.58317

55LH95 3.3274291 37.947332 0.8371371 0.7085745 74.89833

55LHX 3.3274291 37.947332 0.8496721 0.711856 76.37189

55LV5500 3.3274291 37.947332 0.8548966 0.7364097 79.49195

55LW5300 3.3274291 37.947332 0.8587941 0.7393496 80.17315

55LW5600 3.3274291 37.947332 0.8567988 0.7324851 79.24424

55LW6500 3.3274291 37.947332 0.8567988 0.7290409 78.87163

65LW6500 3.4984366 37.947332 0.8295404 0.7142913 78.66257

UN55B6000 3.3274291 37.947332 0.8567988 0.720689 77.96808

UN55B7000 3.3274291 37.947332 0.8567988 0.7191321 77.79964

UN55B8000 3.3274291 37.947332 0.8450455 0.7176581 76.57513

UN55D6500 3.3274291 37.947332 0.8679157 0.7301315 80.0145

UN55D7000 3.3274291 37.947332 0.8705506 0.7250126 79.69473

UN55D8000 3.3274291 37.947332 0.8705506 0.720689 79.21947

UN60C6400RF 3.4154299 37.947332 0.8422323 0.7259641 79.24533

UN60D6500 3.4154299 37.947332 0.8359588 0.7232017 78.35576

UN60D8000YF 3.4154299 37.947332 0.8567988 0.7162589 79.53816

UN55C6500VF 3.3274291 37.947332 0.8567988 0.7279703 78.75581

UN55C6800UF 3.3274291 37.947332 0.8608917 0.7259641 78.91394

LC80LE632U 3.7232911 37.947332 0.8184306 0.7085745 81.93616

Tabel 13 merupakan data setelah dipangkatkan dan dihitung nilai vektor S

dan jumlah vektor S. Langkah berikutnya adalah menghitung vektor V, untuk menghitung vektor V terlihat pada Kode Program 2 yang telah dipaparkan sebelumnya. Perhitungan vektor V sebagai berikut :

V1= = 0,0464133 V4= = 0,0463775

V2= = 0,0452913 V5= = 0,0482722

V3= = 0,0454827

22

Tabel 14 Hasil Perhitungan Vektor V

Vektor S Jumlah S vektor V

76.43089

1646.745

0.0464133

74.58317 0.0452913

74.89833 0.0454827

76.37189 0.0463775

79.49195 0.0482722

80.17315 0.0486858

79.24424 0.0481217

78.87163 0.0478955

78.66257 0.0477685

77.96808 0.0473468

77.79964 0.0472445

76.57513 0.0465009

80.0145 0.0485895

79.69473 0.0483953

79.21947 0.0481067

79.24533 0.0481224

78.35576 0.0475822

79.53816 0.0483002

78.75581 0.0478251

78.91394 0.0479212

81.93616 0.0497564

Hasil perhitungan dari tabel 14 akan dibandingakan terlebih dahulu oleh sistem. Cara sistem membandingkan vektor V terlihat jelas pada Kode Program 3 yang sudah dipaparkan sebelumnya. Data yang terpilih akan ditampilkan ke calon konsumen. Hasil rekomendasi yang diberikan ke konsumen berupa lima pilihan

type tv. Berdasarkan hasil pembandingan sistem terdapat lima pilihan yang direkomendasikan yaitu type 55LW5300, 55LV5500, 55LW5600, UN55D6500, dan 55LW6500. Hasil tersebut terlihat pada gambar 12 yang telah dipaparkan sebelumnya.

23

Tabel 15 Hasil Kuisioner Pengujian Sistem

No Pertanyaan Sangat

Menarik Menarik tampilan web ini sudah menarik ? Datar ini apakah anda sudah terbantu dalam memilih TV Layar Datar?

19 8 3 30

24

Gambar 14 Diagram Pertanyaan Nomor Lima

Gambar 10 merupakan salah satu diagram yang dibuat dari hasil jawaban kuisioner pertanyaan nomor lima. Dapat dilihat responden menjawab sangat sesuai sebesar 3%, sesuai 57%, cukup sesuai 27%, dan 13% menjawab tidak sesuai. Berdasarkan hasil dari jawaban pertanyaan nomor lima pada diagram dapat disimpulkan 60% responden menjawab hasil dari sistem rekomendasi sudah sesuai. 60% responden yang menjawab sesuai didapat dari responden yang menjawab sangat sesuai sebanyak 3% ditambah 57% yang menjawab sesuai.

Gambar 15 Diagram Pertanyaan Nomor Enam

Gambar 11 dapat dilihat responden menjawab terbantu 63%, cukup terbantu 27% dan tidak terbantu sebanyak 10%. Hasil yang didapat dari pertanyaan nomor lima dapat disimpulkan 63% responden terbantu dengan adanya sistem rekomendasi TV.

5. Simpulan

25 6. Pustaka

[1] Encyclopedia Definition of Flat Panel TV.

http://www.pcmag.com/encyclopedia_term/0,2542,t=flat+panel+TV&i=432 92,00.asp, diakses tanggal 3 September 2011

[2] Poor,A.2011. HDTV Buying Guide:Making Sense of the Spesification.http://www.pcworld.com/article/183099/hdtv_buying_guide_m aking_sense_of_the_specifications.html, diakses tanggal 3 September 2011 [3] Nguyen,P & Nadia.2008.Comparison of MADM Decision Algorithms for

Interface Selection in Heterogeneous Wireless

Network.http://biblio.telecom-paristech.fr/cgi-bin/download.cgi?id= 8483. Diakses tanggal 15 September 2011

[4] Oktriani, Martha.2008. Aplikasi Pendukung Keputusan dengan menggunakan Logika Fuzzy (Studi Kasus: P enentuan Spesifikasi Komputer untuk Suatu Paket Komputer Lengkap). Diakses tanggal 5 September 2011 [5] Puspita,N.2010.Sistem Pendukung Keputusan Penentuan Siswa Berprestasi

di Sekolah Menengah Kejuruan (SMK) menggunakan Metode Weighted

Product (Studi Kasus : SMK N 1 Pacitan).pdf

http://118.97.11.134/archivelama/skripsi/Sisteminformasi/16105016037201 0-skripsi-sistem-informasi-uad-Sistem-Pendukung-Keputusan-Penentuan-Siswa-Berprestasi.pdf, diakses tanggal 15 September 2011

[6] Kusrini.2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Andi,Yogyakarta.

[7] Subakti,I.2002. Buku Panduan Sistem Pendukung Keputusan.pdf,

http://www.google.co.id/url?sa= t&rct= j&q= &esrc= s&source= web&cd= 4 &cts= 1331775592272&ved= 0CEIQFjAD&url= http%3A%2F%2Fymukhlis .staff.gunadarma.ac.id%2FDownloads%2Ffiles%2F15880%2FBuku_Pand uan_SPK.pdf&ei= P khhT6jxDo3qrQfCvYGeDg&usg= AFQjCNHUh6efQPF QbPqM9GdwtEj2bLo26g&sig2= KsUy_4WgAgzi4VISZD6Eg. Diakses tanggal 5 Juli 2011

[8] Savitha,K & Chandrasekar,C.2011.Global Journal OF Computer Science and Technology, Vertical Handover Decision Schemes Using SAW and WP M for Network selection in Heterogeneous Wireless Network,11:5.

http://arxiv.org/ftp/arxiv/papers/1109/1109.4490.pdf, diakses tanggal 5 Oktober 2011

[9] Kusumadewi,S & kawan.2006. Fuzzy Multi-Attribute Decision Making.

Graha Ilmu, Yogyakarta.

[10] Basyaib,F. 2006. Teori Pembuatan Keputusan.

http://books.google.co.id/books?id= 1oX1gq9ofjYC&printsec= frontcover&h l= id#v= onepage&q&f= false, diakses tanggal 3 Januari 2012

[11] http://nurichsan.blog.unsoed.ac.id/2010/11/19/metode-pengembangan-waterfall-prototyping/, diakses tanggal 5 Januari 2012

[12] Winarno,A. Data Flow Diagram.doc

26 Lampiran 1 Daftar Pertanyaan Wawancara

1. Apakah anda ingin membeli sebuah TV Layar Datar? 2. Jika Ya, TV Layar Datar jenis apa yang ingin anda beli? 3. Merek TV Layar Datar apa yang ingin anda beli? Jelaskan!

27

28