Fakultas Ilmu Komputer
Universitas Brawijaya 1659
Pengembangan Aplikasi Android Rekomendasi Tempat Pembelian Kuliner Korea dengan GDSS dan LBS (Studi Kasus: Kota Malang)
Wanda Septia Dewi Lestari1, Ratih Kartika Dewi2, Komang Candra Brata3 Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1[email protected], 2[email protected], 3[email protected]
Abstrak
Berkembangnya bisnis di bidang kuliner yang mengikuti perkembangan zaman menjadikan salah satu faktor yang memengaruhi usaha kuliner di berbagai daerah Indonesia untuk mengadaptasi kuliner negara Korea. Kota Malang salah satunya. Tak sedikit masyarakatnya yang tertarik dengan kuliner dari negara gingseng ini. Berdasarkan hasil survei yang didapatkan bahwa tak jarang pembeli kesulitan ketika ingin menentukan tempat kuliner dan yang sesuai dengan keinginan pembeli. Selain itu, banyak calon pembeli yang memiliki pendapat berbeda dengan teman atau anggota kelompoknya dalam memutuskan tempat kuliner Korea yang diinginkan. Oleh karena itu, adanya penelitian ini bertujuan agar dapat mengembangkan aplikasi rekomendasi tempat pembelian makanan Korea di Malang menggunakan Group Decision Support System (GDSS) berbasis Android. Agar mendapatkan hasil rekomendasi kelompok maka digunakan algoritme TOPSIS-BORDA. Terdapat 5 kriteria yang digunakan yaitu harga termurah, rating, jam operasional, fasilitas dan jarak tempuh dari tempat pengguna menuju tempat kuliner. Pengujian blackbox pada kebutuhan fungsional didapatkan hasil 100% valid. Untuk hasil pengujian validasi algoritme didapat hasil 100% valid yaitu membandingkan hasil perhitungan sistem dengan perhitungan manual. Dan hasil pengujian usability memperoleh nilai rata-rata 75 sehingga termasuk dalam kategori good, Grace Scale C dan acceptable atau aplikasi dapat diterima oleh pengguna.
Kata Kunci: sistem rekomendasi, GDSS, TOPSIS, Borda, kuliner Korea, LBS, android Abstract
As the time goes by, culinary business has become one of many factors that influences the culinary in many Indonesia regions to adapt with the culinary from Korea. Malang is one of them. There are many Indonesians who are interested in this ginseng country culinary. The survey shows that it is hard for the respondents to decide where they want to go to eat that is suitable with their preferences. Other than that, many customers have different preferences from their friends or other group members to decide which Korean restaurant they are going to choose. There for, the aim of this research is to develop an app to recommend places to buy Korean food in Malang with Group Decision Support System (GDSS) based in Android. TOPSIS-BORDA algorithm is used to get the group recommendation. There are 5 criteria used which are lowest price, rating, operational hour, facility and the distance from user’s location to the restaurant. The result of Black Box testing on the functional requirements is 100% valid.
The result of algorithm validation is 100% valid. It was done by comparing the result from the system and the manual calculation. And the result of the usability testing is 75 which categorized as good, grade scale C and acceptable. It means that the application is accepted by the users.
Keywords: recommendation system, GDSS, TOPSIS, Borda, Korean culinary, LBS, android
1. PENDAHULUAN
Sebagian besar masyarakat Indonesia tentu tak asing lagi dengan budaya Korea. Korea Selatan merupakan negara kawasan Asia Timur yang mempunyai beragam kebudayaan yang kini tak lagi menjamur di negaranya sendiri. Salah
satu budaya Korea yang mendunia ada pada bidang kuliner. Hidangan yang disajikan dengan berbagai sayuran menjadi ciri khas makanannya.
Dengan cita rasa yang mampu diterima lidah masyarakat Indonesia, makanan dengan khas Korea ini menjadi salah satu peluang bagi penjualan bidang kuliner di Indonesia.
Fakultas Ilmu Komputer, Universitas Brawijaya
Berkembangnya bisnis di bidang kuliner yang mengikuti perkembangan zaman menjadikan salah satu faktor yang memengaruhi usaha kuliner di berbagai daerah Indonesia untuk mengadaptasi kuliner negara Korea. Kota Malang salah satunya. Tak sedikit masyarakatnya yang tertarik dengan kuliner dari negara gingseng ini. Didapatkan hasil dari survei bahwa 46,2% orang telah mengunjungi restoran Korea sebanyak lebih tiga kali, 48,2% orang telah berkunjung lebih lima kali dan 7,7% orang pernah berkunjung lebih sepuluh kali.
Pertimbangan lain dalam memilih tempat makan yang strategis, harga, hingga posisi tempat pun tak jarang menjadi komponen utama ketika ingin menentukan tempat wisata kuliner yang ingin dituju.
Dengan banyaknya pertimbangan dalam memilih restoran mana yang ingin dikunjungi, tentu pengguna memerlukan rekomendasi mengenai restoran mana yang sesuai dengan keinginannya. Dari permasalahan tersebut, telah dilakukan penelitian oleh Desy Diandra Bestari dengan judul “Pengembangan Sistem Rekomendasi Tempat Pembelian Makanan Korea Berbasis Android Dengan TOPSIS dan LBS”. Namun, sistem rekomendasi ini hanya dapat digunakan pada satu pengguna saja karena bersifat personal (Bestari, 2019). Sedangkan dalam memilih tempat pembelian makanan korea biasanya tidak hanya dilakukan oleh satu pengguna. Dari hasil survei kuisioner, responden lebih banyak memilih untuk pergi ke tempat restoran Korea secara berkelompok.
Berdasarkan hasil survei yang didapatkan bahwa 84,6% pembeli kesulitan ketika ingin menentukan tempat kuliner dan yang sesuai dengan keinginan pembeli. Selain itu, 76,9%
calon pembeli yang memiliki pendapat berbeda dengan teman atau anggota kelompoknya dalam memutuskan tempat kuliner Korea yang diinginkan.
Metode TOPSIS digunakan agar mendapatkan perankingan alternatif yang sesuai dengan nilai bobot kriteria tiap anggota. Metode TOPSIS cocok apabila diterapkan pada perangkat mobile karena memiliki kompleksitas algoritme yang terbilang rendah (Dewi, et al., 2019). Metode BORDA sebagai metode perhitungan voting yang dapat memberikan hasil rekomendasi kelompok untuk tempat pembelian makanan Korea. Metode BORDA dapat menetapkan peringkat pada hasil voting dimana alternatif pilihan dengan nilai tertinggi akan
berada pada peringkat teratas dengan diikuti kandidat atau alternatif lain di peringkat selanjutnya (Saputra & Wardoyo, 2017).
Berdasarkan permasalahan diatas, dibuatlah sistem untuk mempermudah proses pencarian kuliner secara berkelompok maka perlu dibangun suatu sistem pendukung keputusan grup berbasis mobile yang menyediakan informasi mengenai tempat kuliner Korea di Malang. Sistem ini menerapkan Location Based Services (LBS) sehingga mampu menggunakan cell-based location dari Google dan memanfaatkan teknologi GPS dengan menggunakan (Alfeno & Devi, 2017). Sistem mampu menampilkan daftar atau list tempat kuliner Korea yang ada di Malang beserta informasi dan lokasi tempat kuliner. Data tempat kuliner Korea yang digunakan untuk alternatif sejumlah 11 tempat yang terdiri dari kedai dan restoran Korea yang terdapat di Kota Malang.
Kemudian kriteria yang digunakan ada 5 yaitu harga termurah, rating, jam operasional, fasilitas dan jarak tempuh dari tempat pengguna menuju tempat kuliner.
Dilakukan pengujian blackbox agar dapat mengetahui fungsionalitas sistem mampu berjalan dengan baik. Selanjutnya dilakukan pengujian usability, diharapkan dapat mengukur kemudahan pengguna saat menggunakan aplikasi sehingga dapat mencapai tujuan dibuatnya produk (Salamah, 2019). Selanjutnya dilakukan pengujian validasi algoritme dengan melakukan perbandingan hasil yang diperoleh dari perhitungan pada sistem dengan yang didapat dari hasil perhitungan manual. Dengan adanya aplikasi ini, maka diharapkan pengguna mampu menentukan tempat kuliner Korea yang ingin dikunjungi sesuai dengan keinginan pengguna.
2. LANDASAN PUSTAKA 2.1 Makanan Khas Korea
Korea Selatan adalah negara yang terkenal mempunyai banyak kebudayaan yang tak menjamur sendiri di negaranya. Salah satunya dibidang kuliner. Kimchi adalah makanan yang diolah dari sayuran yang di fermentasi, biasanya lobak dan kola ataupun kubis. Kimchi diolah dengan bumbu-bumbu seperti bawang putih, bubuk sabia, jahe, lada merah, gula dan saus ikan. Olahan kimchi lainnya yaitu Kimchi Baechu, adalah kimchi tradisional yang dimana tampilan nya bergantung pada musim dan suatu acara.
2.2 Group Decision Support System (GDSS) Group Decision Support System (GDSS) atau disebut pula Sistem Pendukung Keputusan Kelompok digunakan beberapa orang untuk menyelesaikan permasalahan dengan menggunakan teknologi komunikasi, komputasi dan pendukung keputusan. Dengan menyajikan sistem berbasis computer yang interaktif, Group Decision Support System mampu menjadi solusi dari permasalahan semiterstruktur ataupun tidak terstruktur yang dilakukan oleh sekelompok orang dalam mengambil suatu keputusan (Turban, et al., 2010).
2.3 TOPSIS
TOPSIS adalah metode yang dapat digunakan untuk mendapatkan hasil preferensi alternatif dengan multikriteria. Hasil didapatkan dengan menggunakan jarak untuk melakukan perbandingan untuk memberikan solusi dari beberapa alternatif. Dalam metode TOPSIS akan dirangkingkan alternatif berdasarkan prioritas kemudian alternatif tersebut dijadikan referensi oleh pengambil keputusan agar dapat menentukan solusi yang terbaik. Adapun langkah-langkah perhitungannya yaitu:
1. Menghitung Matriks keputusan ternormalisasi
Untuk normalized decision matrix dihitung dengan rumus persamaan (1).
𝑟𝑖𝑗 = 𝑥𝑖𝑗
√∑𝑚𝑖=1𝑥𝑖𝑗2
(1)
Dimana i = 1,2,…,m dan j = 1,2,…,n 𝑟𝑖𝑗 = nilai kriteria ternormalisasi.
𝑥𝑖𝑗 = nilai kriteria ke j pada alternatif ke i.
i = alternatif ke i.
j = subkriteria ke j.
2. Perhitungan normalisasi berbobot
Dimana W- (𝑤1 , 𝑤2 ,… , 𝑤𝑛 ) yang dihitung dengan rumus persamaan (2).
𝑦𝑖𝑗= 𝑤𝑖𝑟𝑖𝑗, (2) Dengan i=1,2,…,m dan j=1,2,...,n
3. Menentukan positive ideal solution (PIS) dan matriks negative ideal solution (NIS) PIS atau dinotasikan dengan 𝐴+ dihitung dengan rumus persamaan (3).
𝐴+= {(max 𝑌𝑖𝑗 |𝑗 ∈ 𝐽), (min 𝑌𝑖𝑗 |𝑗 ∈ 𝐽′) (3)
= {𝑦1+, 𝑦2+, … , 𝑦𝑛+} 𝑖 = 1,2, … , 𝑛}
NIS atau dinotasikan 𝐴− dihitung dengan rumus persamaan (4).
𝐴−= {(min 𝑌𝑖𝑗 |𝑗 ∈ 𝐽), (max 𝑌𝑖𝑗 |𝑗 ∈ 𝐽′) (4)
= {𝑦1−, 𝑦2−, … , 𝑦𝑛−} 𝑖 = 1,2, … , 𝑛}
4. Menghitung separasi
Menghitung jarak dari alternatif ke PIS dihitung dengan rumus persamaan (5) dan NIS dengan rumus persamaan (6).
𝑆1+= √∑𝑛𝑖=1(𝑦𝑖𝑗− 𝑦𝑖𝑗+)2 (5)
𝑆1−= √∑𝑛𝑖=1(𝑦𝑖𝑗− 𝑦𝑖𝑗−)2 (6) Kedekatan relatif dari alternatif A+ ke ideal solution A- dihitung menggunakan rumus persamaan (7).
𝐶𝑖 = 𝑠 𝑠𝑖−
𝑖− + 𝑠𝑖+ (7)
Dimana 0 < 𝐶𝑖+< 1 dan i = 1,2,3,…,m 5. Merangking alternatif
Alternatif dapat diurutkan berdasarkan perangkingan 𝑐𝑖+. Oleh sebab itu, alternatif yang baik yaitu nilai alternatif yang lebih besar.
2.3 BORDA
Metode ini memberikan hasil alternatif terbaik dari banyaknya alternatif yang kemudian akan dirankingkan untuk mendapatkan hasil akhir. Metode BORDA sebagai metode perhitungan voting sehingga memberikan hasil rekomendasi kelompok untuk tempat pembelian makanan Korea. Metode BORDA dapat menetapkan peringkat pada hasil voting dimana alternatif pilihan dengan nilai tertinggi akan berada pada peringkat teratas dengan diikuti kandidat atau alternatif lain di peringkat selanjutnya (Saputra & Wardoyo, 2017).
3. METODOLOGI PENELITIAN
Tahap pertama studi literatur akan membahas dasar teori yang didapat dari sumber seperti jurnal, .buku, serta sumber dari berbagai penelitian lain terkait yang kemudian akan dijadikan acuan dalam pengembangan pada aplikasi ini. Gambar 1 merupakan alur metodologi penelitian dalam tahapan pengembangan aplikasi rekomendasi pembelian kuliner Korea di Kota Malang.
Fakultas Ilmu Komputer, Universitas Brawijaya Gambar 1 Alur Metodologi Penelitian Selanjutnya dilakukan tahap analisis kebutuhan adalah bagian dari penentuan kebutuhan yang akan diperlukan dalam merancang sistem. Tahapan ini meliputi kebutuhan fungsional serta kebutuhan nonfungsional. Selanjutnya dilakukan tahap perancangan algoritme menjabarkan tahapan alur algoritme yang akan digunakan dalam sistem untuk mendapatkan hasil input dan output yang sesuai dengan sistem. Perancangan algoritme ditunjukkan pada Gambar 2.
Gambar 2 Perancangan Algoritme
Selanjutnya tahap perancangan sistem menjelaskan proses yang terkait dalam merancang sebuah sistem baik dari arsitektur maupun dari sisi model, serta hal yang diperlukan oleh sistem dalam proses pembangunannya meliputi, perancangan algoritme program, deskripsi sistem dan identifikasi hasil.
Tahapan selanjutnya akan diuraikan secara rinci implementasi aplikasi yang akan dikembangkan yaitu dengan platform android, serta komponen pendukung yang dibutuhkan dalam proses pembangunannya dengan menggunakan bahasa Java dan IDE android studio untuk mengimplementasikannya.
Selanjutnya tahap pengujian dilakukan sehingga dapat diketahui bahwa sistem yang dibangun berjalan sesuai perancangan yang terdapat pada tahapan analisis kebutuhan atau tidak. Pengujian meliputi pengujian kebutuhan fungsional sistem yang telah dibangun serta pengujian akurasi untuk menentukan seberapa akurat hasil yang diberikan oleh sistem.
Kemudian dilakukan pengujian Black-box untuk mengetahui fungsionalitas telah berjalan dengan baik. Perhitungan juga dilakukan dengan manual agar dapat mencocokan hasil perhitungan manual dengan sistem. Dan pengujian usability agar dapat mengetahui kepuasan pengguna terhadap sistem, dan mengetahui ekspektasi pengguna apakah sesuai dengan tujuan dari sistem.
Terakhir tahap penarikan kesimpulan yang diperoleh setelah semua tahapan penelitian telah selesai dan pemaparan saran yang kemudian dapat dijadikan motivasi agar kedepannya dapat dikembangkan sistem yang lebih baik.
4. HASIL DAN PEMBAHASAN 4.1 Implementasi Antarmuka
a. Implementasi Halaman Splashscreen Pada Gambar 1 menunjukkan halaman splashscreen yang akan ditampilkan saat aplikasi dijalankan pada pertama kali.
Gambar 1 Implementasi Splashscreen b. Implementasi Halaman Utama
Pada Gambar 2 menunjukkan implementasi halaman utama dengan 2 pilihan yaitu melihat daftar restoran yang tersedia atau membuat grup rekomendasi.
Gambar 2 Antarmuka Halaman Utama c. Implementasi Halaman Tambah Jumlah Anggota
Pada Gambar 3 menunjukkan implementasi dari halaman tambah jumlah anggota untuk membuat grup rekomendasi.
Gambar 3 Antarmuka Tambah Jumlah Anggota d. Implementasi Halaman Input Bobot Kriteria
Pada Gambar 4 menunjukkan implementasi dari halaman input bobot kriteria sesuai dengan yang diinginkan oleh tiap pengguna.
Gambar 4 Implementasi Input Bobot Kriteria e. Implementasi Halaman Hasil Rekomendasi
Pada Gambar 5 menunjukkan Implementasi halaman hasil rekomendasi yang sesuai dengan preferensi yang telah diisi oleh tiap anggota.
Fakultas Ilmu Komputer, Universitas Brawijaya Gambar 5 Implementasi Hasil Rekomendasi f. Implementasi Halaman Lihat Bobot
Pada Gambar 6 menunjukkan implementasi dari halaman lihat bobot untuk melihat kembali nilai yang dimasukkan tiap anggota pada tiap kriteria.
Gambar 6 Implementasi Lihat Bobot g. Implementasi Halaman Detail Informasi
Pada Gambar 7 menunjukkan implementasi halaman detail informasi dari salah satu alternatif yang dipilih.
Gambar 7 Implementasi Halaman Detail Informasi h. Implementasi Halaman Lihat Lokasi
Pada Gambar 8 menunjukkan implementasi dari halaman lihat lokasi yang memberikan rute perjalanan dari titik lokasi pengguna ke restoran.
Gambar 8 Implementasi Lihat Lokasi 4.2 Pengujian Blackbox
Pengujian ini digunakan untuk menemukan kesalahan yang terdapat pada struktur data ataupun akses data secara eksternal, dalam kesalahan kinerja, saat inisialisasi hingga kesalahan terminal (Pressman, 2010).
Hasil pengujian blackbox ditunjukkan pada Tabel 1.
Tabel 1 Hasil Pengujian Blackbox No Hasil yg
Diharapkan Hasil Status RK
KF - 001
Sistem ini dapat menampilkan seluruh daftar tempat kuliner Korea
Sistem ini dapat menampilkan seluruh daftar tempat kuliner Korea
Valid
RK KF - 002
Sistem ini mampu memberikan rekomendasi grup untuk tempat kuliner Korea
Sistem ini mampu memberikan rekomendasi grup untuk tempat kuliner Korea
Valid
RK KF - 003
Sistem ini mampu menampilkan informasi tentang tempat penyedia secara detail
Sistem ini mampu menampilkan informasi tentang tempat penyedia secara detail
Valid
RK KF - 004
Sistem ini mampu menampilkan titik lokasi restoran yang dipilih
Sistem ini mampu menampilkan titik lokasi restoran yang dipilih
Valid
4.3 Pengujian Validasi Algoritme
Hasil pengujian validasi algoritme dapat dilihat pada Tabel 2.
Tabel 2 Hasil Pengujian Validasi Algoritme No Alternatif Hasil Sistem Perhitungan
Manual 1 Kimbap Rina 16,50026996 16,50026997 2 Kimchi Story 12,37733181 12,04666806 3 Kedai
Seasoning 11,95912957 11,95912957 4
Dak-Galbi Korean Barbeque
9,441400697 9,441400698
5 Aventree BBQ
Resto 8,078328656 8,078328656 6 BINGSOO 7,761826482 7,761826482 7 Tokkebi
Snack's 7,712562612 7,712562611 8 Baegopa 5,30603373 5,306033729 9 Seoul Scent
Café 2,859824206 2,859824206 10 Seoul Gaseu 1,930306056 1,930306056 11 Kyom 1,258384235 1,258384235
4.4 Pengujian Usability
Hasil pengujian usability pada aplikasi ini ditunjukkan pada Tabel 3.
Tabel 3 Hasil Pengujian Usability
Responden Hasil
1 72,5
2 82,5
3 72,5
4 77,5
5 70
Rata-Rata 75
Gambar 9 SUS Score
Berdasarkan nilai rata-rata yang didapat adalah 75, pada Gambar 9 dapat dilihat hasil pengujian SUS Score pada sistem dengan Grade Scale C dapat dikatakan acceptability atau dapat diterima pengguna dan termasuk kategori good.
5. KESIMPULAN
Kesimpulan hasil penelitian ini yaitu pengembangan aplikasi rekomendasi pembelian kuliner Korea dengan GDSS dan LBS di Kota Malang ini diimplementasikan dengan algoritme TOPSIS-BORDA. Sistem rekomendasi ini memberikan 11 alternatif tempat pembelian kuliner Korea dengan 5 kriteria yang digunakan yaitu harga termurah, rating, jam operasional, fasilitas serta jarak tempuh. Pengujian sistem untuk kebutuhan fungsional dan pengujian validasi algoritme memperoleh hasil 100%
valid. Hasil pengujian usability mendapat rata- rata nilai 75 sehingga termasuk dalam kategori good, Grace Scale C dan acceptable atau aplikasi dapat diterima oleh pengguna.
6. DAFTAR PUSTAKA
Alfeno, S. and Devi, R.E.C., 2017. Implementasi Global Positioning System (GPS) dan Location Based Service (LSB) pada Sistem Informasi Kereta Api untuk Wilayah Jabodetabek. Jurnal Sisfotek Global, 7(2).
Bestari, D., Dewi, R., & Ananta, M., 2019.
Pengembangan Sistem Rekomendasi Tempat Pembelian Makanan Korea Berbasis Android dengan TOPSIS dan LBS (Studi Kasus: Kota Malang). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 5, p. 5068- 5076, juni 2019. ISSN 2548-964X.
Fakultas Ilmu Komputer, Universitas Brawijaya
Dewi, R. K., Hanggara, B. T., & Pinandito, A., 2018. A comparison between AHP and hybrid AHP for mobile based culinary recommendation system. International Journal of Interactive Mobile Technologies (iJIM), 12(1), 133-140.
Pressman, R. S., 2010. Software Engineering: A Practitioner’s Approach. 7th Edition ed. New York:
McGraw-Hill.
Salamah, I., 2019. EVALUASI USABILITY
WEBSITE POLSRI DENGAN
MENGGUNAKAN SYSTEM
USABILITY SCALE. Jurnal Nasional Pendidikan Teknik Informatika:
JANAPATI, 8(3), pp.176-183.
Saputra, I.M.A.B. and Wardoyo, R., 2017.
Sistem Pendukung Keputusan Kelompok Penentu karyawan terbaik menggunakan metode Topsis dan Borda. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 11(2), pp.165-176.
Turban, E., Sharda, R. E. & Delen, D., 2010.
Decision Support and Business Intelligence Systems. 9th Edition ed. New Jersey, USA: Prentice Hall.
