Sistem Pendukung Keputusan Penentuan Aplikasi Jasa Pemesanan Makanan Online Terbaik Dalam Menerapkan Metode OCRA
Mohammad Aldinugroho Abdullah1,*, Gandung Triyono2, Rima Tamara Aldisa3
1Magister Ilmu Komputer, Universitas Budi Luhur, Jakarta, Indonesia
2Fakultas Teknologi Informasi, Program Studi Sistem Informasi, Universitas Budi Luhur, Jakarta, Indonesia
3Informatika, Fakultas Teknologi Komunikasi Dan Informatika, Universitas Nasional, Jakarta, Indonesia Email: 1,*[email protected], 2[email protected], 3[email protected]
Email Penulis Korespondensi: [email protected]
Abstrak−Dalam penggunaan aplikasi jasa pemesanan makanan online, keberadaan Sistem Pendukung Keputusan (SPK) dengan metode OCRA sangat membantu dalam memilih alternatif terbaik. Penerapan Sistem Pendukung Keputusan dengan metode OCRA memberikan nilai penting pada kriteria-kriteria yang telah ditetapkan, sehingga alternatif terbaik dapat dipilih secara objektif dan terukur. Dalam memilih aplikasi jasa pemesanan makanan online terbaik. penggunaan SPK dapat meningkatkan efektivitas dan efisiensi dalam pengambilan keputusan, sehingga membawa dampak positif bagi perkembangan bisnis tersebut. Maka dari hasil yang di dapat dari penelitian mengenai penentuan aplikasi jasa pemesanan makanan online terbaik ialah alternative A5 (GoFood) dengan nilai 0.2000.
Kata Kunci: Aplikasi Jasa Pemesanan; Makanan Online; SPK; Metode OCRA
Abstract−In using online food ordering service applications, the existence of a Decision Support System (DSS) with the OCRA method is very helpful in choosing the best alternative. The application of a Decision Support System with the OCRA method gives important value to the predetermined criteria, so that the best alternative can be selected objectively and measurably. In choosing the best online food ordering service application. the use of DSS can increase the effectiveness and efficiency in decision making, thus bringing a positive impact on the development of the business. So from the results obtained from research regarding determining the best online food ordering service application is alternative A5 (GoFood) with a value of 0.2000.
Keywords: Online Food Ordering; Service Application; DSS; OCRA Method
1. PENDAHULUAN
Perkembangan teknologi yang semakin maju, cara orang menjalani kehidupan sehari-hari telah berubah. Di era modern seperti ini, banyaknya aktifivitas yang mengandalkan suatu teknologi dapat memudahkan seseorang salah satunya adalah pemenuhan kebutuhan makanaan seseorang. Pada saat ini, hampir seluruh orang lebih suka untuk memesankan makanan dengan menggunakan aplikasi yang secara online dari pada harus meninggalkan rumah untuk membeli makanan tersebut[1]. Pada situasi yang menguntungkan tersebut, banyaknya pihak yang merasakan kenaikan pendapatan mulai dari UMKM kuliner hingga para driver yang hanya mengharapkan pekerjaan sebagai driver online. Pengguna juga mendapat manfaat karena dapat dengan mudah mendapatkan bahan makanan tanpa meninggalkan ruma[2]. Jika ini dipertahankan semua aspek perspektif manusia menjadi simbiosis timbal balik yang baik melalui Aplikasi jasa pemesanan makanan.
Aplikasi jasa pemesanan makanan merupakan salah satu solusi memesan suatu makanan dengan mudah tanpa melakukan interaksi tatap muka dan seseorang tidak perlu pergi keluar untuk membelinya[3]. Dengan menggunakan aplikasi jasa pemesanan makanan dapat menaikat omzet UMKM dengan hasil nilai koefisien regresi yang memiliki arti berpengaruh positif bagi omzet penjualan UMKM. Situasi saat ini adalah masyarakat yang berkeinginan memesan makanan secara online namun sangat kesulitan dalam menentukan aplikasi jasa pemesanan makanan online yang terbaik[4]. Masalah yang biasanya sering terjadi adalah orang memesan makanan namun waktu pengirimannya tidak secepat layanan pengiriman makanan online lainnya dan pada saat memilih layanan pengiriman makanan biaya ongkir mahal tergantung aplikasi yang digunakan dan tampilan dari fitur aplikasi itu sendiri mungkin mudah dimengerti pengguna[5]. Tampilan fitur layanan pesan antar makanan online menjadi salah satu faktor terpenting yang bisa mempengaruhi pilihan konsumen terhadap layanan pesan makanan online[6].
Ketika pengguna diberikan kemudahan dalam mengguanakannya sehingga aplikasi tersebut dapat dipilih untuk memesan makanan secara online. Keuntungan bagi pengguna layanan pesan makanan online Kemudahan pemesanan, banyak menu dari restoran yang berbeda, diskon menarik, biaya perjalanan dan waktu diganti dengan biaya pengiriman yang murah, dan juga bisa mengantarkan makanan ke orang lain di tempat lain. Pengguna memilih layanan pesan makanan online harus dapat melakukannya yang memenuhi kriteria yang dipilih secara memuaskan[7]. Ada beberapa kriteria untuk mendefinisikan aplikasi jasa pemesanan makanan online, yaitu:
Pelayanan, Biaya Ongkir, Fitur Aplikasi, Banyak Diskon, Rating Ulasan. Dari kriteria yang diatas bisa dijadikan acuan dalam menentukan aplikasi jasa pemesanan online terbaik dengan tepat. Terkadang pengguna sering salah dalam menentukan aplikasi jasa pemesanan online dengan baik, maka disarankan menggunakan sistem yang bertujuan untuk menentukan dengan baik dan benar salah satunya sistem pendukung keputusan.
Sistem pendukung keputusan ialah sebagai sistem komputer yang dapat mengolah data dengan cepat dan akurat, tujuan spk adalah menyeleksi secara efisien berdasarkan kriteria dan menghasilkan nilai keputusan yang benar tanpa manipulasi[8][9].Dalam penelitian ini penulis menggunakan metode OCRA) yang dapat membantu untuk mendukung suatu keputusan dalam nominasi aplikasi jasa pemesanan makanan online untuk mendapatkan
Mohammad Aldinugroho Abdullah, Copyright © 2023, MIB, Page 802 penilaian yang benar dan akurat sesuai dengan data yang telah ada. spk memiliki banyak metode perhitungan, seperti: ROC, MABAC, ENTROPY, SAW, MOOSRA, MOORA, OCRA, EDAS, TOPSIS, PSI,WASPAS, WP, AHP, MAUT dan lainnya.
Pada penelitian tentang metode Operational Competitive Assessment Analysis (OCRA) oleh penulis sebelumnya, penulis jadikan acuan untuk mengatasi permasalahan pada penelitian ini. Penelitian yang dilakukan oleh Wahyu Harry Bai Lumban Batu, Mesran, Soeb Aripin yang berjudul Sistem Pendukung Keputusan Rekruitmen Tenaga Kerja Mandiri Menerapkan Metode OCRA pada tahun 2022 dengan 5 kriteria yaitu : Usia, Jenjang Pendidikan, Sertifikat Keahlian, Pengetahuan Keterampilan sehingga dari hasil perhitungan alternatif A9 yaitu atas nama Irna Yuni, S.Sos dengan nilai preferensi 0,552[10]. Penelitian selanjutnya yang di teliti oleh Naomi TitaniaL.Toruan berjudul Sistem Pendukung Keputusan Pemilihan Pembawa Acara Berita Terbaik Menerapkan Metode OCRA. Ada 6 kriteria antara lain: Penampilan, Intonasi, Penggunaan Bahasa, Fokus kamera, pengetahuan umum, pengaturan waktu. Dari perangkingan seluruh alternatif pembawa berita acara terbaik adalah Rahmat Juhendra (A6) dengan jumlah nilai akhir 1,665[11]. Pada penelitian yang dilakukaka oleh Surya Sintamie Hasibuan pada tahun 2021 yang berjudul Penerapan Metode Operational Competitiveness Rating Analysis (OCRA)Dalam Keputusan Rekomendasi Mutasi Jabatan Karyawan. Terdapat 6 kreteria yaitu : pengetahuan pekerjaan, produktifitas pekerjaan, kerja sama tim, komunikasi, tanggung jawab, teguran dan peringatan.
Berdasarkan perangkingan di atas diperoleh keputusan bahwa mutasi jabatan akan dilakukan oleh pihak PT. Kreasi Wira Agung terhadap Bastiar (Alternatif 8) dengan skor nilai keputusan adalah 0,45[12]. Dari Penelitian oleh Refika Ratna Dilla, Dito Putro Utomo pada tahun 2021 berjudul Sistem Pendukung Keputusan Pemilihan Mekanik Terbaik Menggunakan Metode Operational Competitiveness Rating Analysis (OCRA) Studi Kasus: Auto2000 dengan kriteria : Disiplin, kehadiran, team work, attitude, keahlian service, tanggung jawab. Atas nama Boy Martin Lubis (A15) sehingga menghasilkan nilai akhir akhir 0,8992 dan Fadhli (A10), dengan jumlah nilai akhir 0,4220[13]. Penelitian yang dilakukan oleh Robiah Al-Adawiyah, Kevin Maulana Putra, Lastri Manik, Fince Tinus Waruwu, tahun 2022 berjudul Rekomendasi Obat Mabuk Perjalanan Bagi Traveller Dengan Menerapkan Metode OCRA Dan Pembobotan Metode ROC. Dengan 5 kriteria yaitu : sertifikasi dan izin, kandungan, dosis, kontra indikasi, efek samping. Berdasarkan dari hasil yang dilakukan alternatif ketiga (A3) yaitu tolak angin sebagai rekomendasi obat anti mabuk perjalanan dengan nilai preferensi terbaik 1,2725[14].
Diharapkan dari penelitian ini memberikan kemudahan dalam pengambil keputusan sebagai rekomendasi aplikasi jasa pemesanan makanan oline terbaik, sehingga memberikan kemudahan kepada masyarakat.
2. METOLOGI PENELITIAN
2.1 Sistem Pendukung Keputusan
Sitem pendukung keputusan merupakan salah satu sistem informasi yang berbasis computer adapun dapat menyelesaikan masalah dan bisa menghasilkan keputusan yang real tanpa rekayasa. Penelitian yang di lakukan penulis ini mengenai aplikasi jasa pemesanan makanan online terbaik yang sangat berguna untuk membantu agar para pengguna tidak salah dalam memilih aplikasi jasa pemesanan makanan online[15–18].
2.2 Aplikasi Jasa Pemesanan Makanan
Aplikasi jasa pemesanan makanan merupakan suatu aplikasi yang mempermudah seseorang dalam memesan makanan yang diingingkan tanpa keluar rumah dan mengurangi interaksi secara langsung antara pembeli dengan penjual[19].
2.3 Metode Operational Competitiveness Rating Analysis (OCRA)
Pertama kali Parkan mengembangkan sebuah metode di tahun 1994 ialah metode OCRA, OCRA merupakan teknik metode pendekatan evaluasi kinerja relative yang berdasarkan model nonparametrik yang sangat berguna dalam menganalisis sektor berbeda dan dapat membandingkan sebuah unit keputusan berbeda[20], [21]. Adapun 6 langkah yang didalam perhitungan metode OCRA [10], [15], [22–26], sebagai berikut:
1. Menetapkan matriks keputusan yang sesuai dari data rating kecocokan.
X = [Xij]mxn = [
𝑋11 𝑋12 … 𝑋1𝑛
𝑋21 𝑋22 … 𝑋2𝑛
… … … …
𝑋𝑚1 𝑋𝑚2 … 𝑋𝑚𝑛
] (1)
2. Perhitungan peringkat preferensi yang berhubungan dengan kriteria cost, yang dimana hanya dihitung nilai kinerja dari alternatif kriteria yang diminimalkan (biaya) dengan rumus dibawah ini:
𝐼̅𝑖 = ∑𝑔𝑗=1𝑤𝑗max (𝑥𝑖𝑗)
min (𝑥𝑖𝑗)(i=1,2,…,m j=1,2,…g) (2)
3. Pada langkah ini, peringkat referensi dari setiap alternatif untuk kriteria (biaya) yang akan diminimalkan dihitung dengan rumus dibawah ini:
𝐼̅𝑖 = 𝐼̅𝑖 min (𝐼̅𝑖) (3)
4. Lakukan penghitungan peringkat preferensi relatif terhadap data kriteria yang dapat ditentukan. Skor total alternatif dapat dihitung dengan menggunakan perhitungan berikut:
𝑂̿𝑖 = ∑𝑛𝑗=𝑔+1𝑤𝑗𝑥𝑖𝑗−min (𝑥𝑖𝑗)
min (𝑥𝑖𝑗) (i=1,2,…,m j=g+1,g+2,…n) (4)
5. Lakukan perhitungan tingkat preferensi linier untuk kriteria benefit dengan perhitungan berikut:
𝑂̿𝑖 = 𝑂̅𝑖 – min (𝑂̅𝑖) (5)
6. Lakukan perhitungan total nilai preferensi dari masing-masing alternatif dihitung sebagai berikut:
𝑃1 = (𝐼̿𝑖+𝑂̿𝑖) − min(𝐼̿ + 𝑂̿) i = 1,2,…m (6)
2.4 Tahapan Penelitian
Dalam penelitian ini, penulis mengambil langkah-langkah berikut untuk menyelesaikan penelitian ini:
1. Analisis masalah
Tahap analisis masalah adalah menganalisis masalah yang dihadapi dalam penentuan aplikasi jasa pemesanan makanan online dan dapat membantu penulis untuk memecahkan masalah penelitian ini.
2. Studi Literatur
Studi literatur diperlukan bagi penulis, berguna untuk meneliti penelitian yang dilakukan oleh penulis berhubungan dengan metode yang akan dijadikan referensi dan contoh.
3. Analisis dan Penerapan
Pertama, permasalahan dalam penentuan aplikasi jasa pemesanan makanan online dianalisis, kemudian nilai bobot dihitung dengan perhitungan ROC, dan terakhir penelitian ini dihitung dengan perhitungan metode OCRA.
4. Laporan penelitian
Tujuan dari langkah terakhir ini adalah untuk menentukan nilai akhir yang akan penulis analisis dalam penelitian tentang penentuan aplikasi jasa pemesanan makanan online. Berikut gambar 1 merupakan kerangka penelitian yang diuraikan di atas.
Gambar 1. Kerangka Penelitian
3. HASIL DAN PEMBAHASAN
3.1 Penetapan Alternatif
Dalam penelitian ini yang dilakukan oleh penulis sangat dibutuhkannya suatu data pendukung salah satunya data alternatif ini yang dapat dipergunakan untuk membantu seseorang dalam menyeleksi aplikasi jasa pemesanaan makanan online terbaik, dimana pada penelitian ini menggunakan metode OCRA. Pada tabel 1 terdapat 8 data alternatif aplikasi jasa pemesana makanan.
Mulai Analisis masalah Studi Literatur
Pembobotan Metode ROC (Rank Order Centroid).
1. Menentukan kebutuhan nilai kriteria.
2. Tetapkan nilai bobot 3. Menentukan jumlah data 4. Tetapkan prioritas Metode TOPSIS
1. Menetapkan matriks keputusan yang sesuai dari data rating kecocokan.
2. Perhitungan peringkat preferensi yang berhubungan dengan kriteria cost
3. peringkat referensi dari setiap alternatif untuk kriteria (biaya)
4. Lakukan penghitungan peringkat preferensi relatif terhadap data kriteria yang dapat ditentukan
5. Lakukan perhitungan tingkat preferensi linier untuk kriteria benefit
6. Lakukan perhitungan total nilai preferensi dari masing- masing alternatif
Selesai Pembuatan Laporan Penelitian
Mohammad Aldinugroho Abdullah, Copyright © 2023, MIB, Page 804 Tabel 1. Data Alternatif
Alternatif Keterangan A1 Maxim Food
A2 GrabFood
A3 ShopeeFood
A4 Kulina
A5 GoFood
A6 HappyFresh
A7 SayurBox
A8 Segari
3.2 Penetapan Kriteria
Pada penelitian ini tidak cuma memerlukan data alternative saja melainkan membutuhkan data kriteria juga, yang dimana hasil dari perhitungan yang digunakan dapat membantu seseorang dalam proses menyeleksi aplikasi jasa pemesanaan makanan online terbaik dengan menerapkan perhitungan OCRA. Pada tabel 2 memiliki 5 data kriteria aplikasi jasa pemesana makanan sebagai berikut:
Tabel 2. Kriteria
Kriteria Keterangan Jenis C1 Pelayanan Benefit C2 Biaya Ongkir Cost C3 Fitur Aplikasi Benefit C4 Banyak Diskon Benefit C5 Rating Ulasan Benefit
Pada tabel 2, kriteria belum ditetapkan nilai bobotnya, untuk itu digunakan metode pembobotan ROC [22], [27], berikut proses perhitungan untuk mendapatkan nilai bobot pada tiap-tiap kriteria yang terlihat di bawah ini.
𝑊1 = 1+
1 2+1
3+1 4+1
5
5 = 0.457 𝑊2 = 0+
1 2+13+14+15
5 = 0.257 𝑊3 = 0+0+
1 3+1
4+1 5
5 = 0157 𝑊4 = 0+0+0+
1 4+15
5 = 0.090 𝑊5 = 0+0+0+
1 4+1
5
5 = 0.040
Sehingga dari proses perhitungan mendapatkan bobot, terlihat pada tabel 3 bobot yang ditetapkan pada tiap- tiap kriteria.
Tabel 3. Bobot Kriteria
Kriteria Keterangan Bobot Jenis C1 Pelayanan 0.456 Benefit C2 Biaya Ongkir 0.256 Cost C3 Fitur Aplikasi 0.156 Benefit C4 Banyak Diskon 0.09 Benefit C5 Rating Ulasan 0.04 Benefit
Tabel 4 berikut merupakan data rating kecocokan antara tiap alternatif dan kriteria.
Tabel 4. Alternatif dan kriteria Alternatif C1
(Pelayanan)
C2 (Biaya ongkir)
C3 (Banyaknya Fitur Aplikasi)
C4 (Banyak Diskon)
C5 (Rating Ulasan)
MaximFood Baik Mahal 3 Sangat Banyak 4.7
GrabFood Sangat Baik Mahal 3 Sangat Banyak 4.2
ShopeeFood Baik Sangat Mahal 6 Banyak 4.2
Kulina Cukup baik Cukup Mahal 3 Tidak Banyak 4.3
GoFood Sangat baik Tidak Mahal 3 Cukup Banyak 4.8
HappyFresh Baik Mahal 3 Cukup Banyak 4.3
SayurBox Cukup baik Mahal 3 Tidak Banyak 4.8
Segari Cukup baik Cukup Mahal 3 Tidak Banyak 4.8
Pada tabel 5-7 merupakan data bobot dari data rating yang ada di tabel 4. Hal ini bertujuan data pada tabel 4 masih banyak yang berjenis linguistik, sehingga untuk memudahkan proses perhitungan metode OCRA maka dilakukanlah proses pembobotan sederhana seperti yang terlihat pada tabel 5-7.
Tabel 5. Data C1 (Pelayanan) Nilai Keterangan
10 Sangat Baik
9 Baik
8 Cukup Baik Tabel 6. C2 (Biaya ongkir)
Nilai Keterangan 10 Sangat Mahal
9 Mahal
8 Cukup Mahal 7 Tidak Mahal Tabel 7. C4 (Banyak Diskon)
Nilai Keterangan 10 Sangat Banyak
9 Banyak
8 Cukup Banyak 7 Tidak Banyak
Dalam tabel 4 terdapat kriteria yang belum bernilai angka seperti C1, C2, dan C4 sehingga tidak dapat mencari hasil dari perhitungan yang akan dilakukan oleh penulis, maka nilai yang bernilai huruf terlebih dahulu dirubah menjadi nilai angka seperti pada tabel 8 data rating kecocokan sebagai berikut:
Tabel 8. Data Rating Kecocokan Alternatif C1 C2 C3 C4 C5
GoFood 9 9 3 10 4.7 GrabFood 10 9 3 `10 4.2 ShopeeFood 9 10 6 9 4.2
Kulina 8 8 3 7 4.3
Maxim Food 10 7 3 8 4.8 HappyFresh 9 9 3 8 4.3 SayurBox 8 9 3 7 4.8 Segari 8 8 3 7 4.8 3.3 Penerapan Metode OCRA
Adapun 6 langkah yang didalam perhitungan metode OCRA sebagai berikut:
1. Menetapkan matriks keputusan yang sesuai dari data rating kecocokan.
𝑋 = [𝑥𝑖𝑗]
𝑚𝑥𝑛=
[
9 9 3 10 4.7
10 9 3 10 4.2
9 10 6 9 4.2
8 8 3 7 4.3
10 9 8 8
7 9 9 8
3 3 3 3
8 8 7 7
4.8 4.3 4.8 4.8]
2. Perhitungan peringkat preferensi yang berhubungan dengan kriteria cost, yang dimana hanya dihitung nilai kinerja dari alternatif kriteria yang diminimalkan biaya (C2)
𝐼̅1=∑ (0.25610−9
7 )= 0.036 𝐼̅2=∑ (0.25610−9
7 )= 0.036 𝐼̅3=∑ (0.25610−10
7 )= 0.000 𝐼̅4=∑ (0.25610−8
7 )= 0.073 𝐼̅5=∑ (0.25610−7
7 )= 0.109
Mohammad Aldinugroho Abdullah, Copyright © 2023, MIB, Page 806 𝐼̅6=∑ (0.25610−9
7 )= 0.036 𝐼̅7=∑ (0.25610−9
7 )= 0.036 𝐼̅8=∑ (0.25610−8
7 )= 0.073
3. peringkat referensi dari setiap alternatif untuk kriteria biaya (C2) yang akan diminimalkan 𝐼̿1= 0.036 − 0.000 = 0.036
𝐼̿2= 0.036 − 0.000 = 0.036 𝐼̿3= 0.000 − 0.000 = 0.000 𝐼̿4= 0.073 − 0.000 = 0.073 𝐼̿5= 0.109 − 0.000 = 0.109 𝐼̿6= 0.036 − 0.000 = 0.036 𝐼̿7= 0.036 − 0.000 = 0.036 𝐼̿8= 0.073 − 0.000 = 0.073
4. penghitungan peringkat preferensi relatif terhadap data kriteria yang dapat ditentukan bagi kriteria C1, C3, C4 dan C5.
𝑂̅1= ∑ (0.4569−8
8 ) + (0.1563−3
3 ) + (0.0910−7
7 ) + (0.044.7−4.2
4.2 ) = ∑ 0.057 + 0 + 0.038 + 0.004 = 0.100 𝑂̅2= ∑ (0.45610−8
8 ) + (0.1563−3
3 ) + (0.0910−7
7 ) + (0.044.2−4.2
4.2 ) = ∑ 0.114 + 0 + 0.038 + 0 = 0.152 𝑂̅3= ∑ (0.4569−8
8 ) + (0.1566−3
3 ) + (0.099−7
7 ) + (0.044.2−4.2
4.2 ) = ∑ 0.057 + 0.156 + 0.025 + 0 = 0.238 𝑂̅4= ∑ (0.4568−88 ) + (0.1563−3
3 ) + (0.097−7
7 ) + (0.044.3−4.2
4.2 ) = ∑ 0 + 0 + 0 + 0.0009 = 0.0009 𝑂̅5= ∑ (0.45610−8
8 ) + (0.1563−3
3 ) + (0.098−7
7 ) + (0.044.8−4.2
4.2 ) = ∑ 0.114 + 0 + 0.005 + 0 = 0.132 𝑂̅6= ∑ (0.4569−8
8 ) + (0.1563−3
3 ) + (0.098−7
7 ) + (0.044.3−4.2
4.2 ) = ∑ 0.057 + 0 + 0.0009 + 0 = 0.070 𝑂̅7= ∑ (0.4568−8
8 ) + (0.1563−3
3 ) + (0.097−7
7 ) + (0.044.8−4.2
4.2 ) = ∑ 0 + 0 + 0 + 0.005 = 0.005 𝑂̅8= ∑ (0.4568−88 ) + (0.1563−3
3 ) + (0.097−7
7 ) + (0.044.8−4.2
4.2 ) = ∑ 0 + 0 + 0 + 0.005 = 0.005 5. perhitungan tingkat preferensi linier untuk kriteria benefit
𝑂̿1= 0.1003 − 0.0009 = 0.0993 𝑂̿2= 0.1525 − 0.0009 = 0.1516 𝑂̿3= 0.2387 − 0.0009 = 0.2377 𝑂̿4= 0.0009 − 0.0009 = 0 𝑂̿5= 0.1325 − 0.0009 = 0.1316 𝑂̿6= 0.0708 − 0.0009 = 0.0698 𝑂̿7= 0.0057 − 0.0009 = 0.0047 𝑂̿8= 0.0057 − 0.0009 = 0.0047
6. perhitungan total nilai preferensi dari masing-masing alternatif 𝑃1= (0.036 + 0.0993) − 0.0413 = 0.0946
𝑃2= (0.036 + 0.1516) − 0.0413 = 0.1468 𝑃3= (0.000 + 0.2377) − 0.0413 = 0.1964 𝑃4= (0.073 + 0) − 0.0413 = 0.0318 𝑃5= (0.109 + 0.1316) − 0.0413 = 0.2000 𝑃6= (0.036 + 0.0698) − 0.0413 = 0.0650 𝑃7= (0.036 + 0.0047) − 0.0413 = 0.000 𝑃8= (0.073 + 0.0047) − 0.0413 = 0.0365
Hasil perhitungan di atas dengan menggunakan metode OCRA dapat dilihat pada tabel 10 berikut:
Tabel 10. Nilai Preferensi
Alternatif Keterangan Nilai Preferensi Peringkat
A1 MaximFood 0.0946 4
A2 GrabFood 0.1468 3
A3 ShopeeFood 0.1964 2
A4 Kulina 0.0318 7
A5 GoFood 0.2000 1
A6 HappyFresh 0.0650 5
A7 SayurBox 0.000 8
A8 Segari 0.0365 6
4. KESIMPULAN
Saat menggunakan aplikasi food service online, kehadiran sistem pendukung keputusan (DSS) dengan metode OCRA sangat berguna untuk memilih pilihan terbaik. DSS dengan metode OCRA memberikan nilai yang signifikan terhadap kriteria yang telah ditetapkan sehingga pilihan terbaik dapat dipilih secara objektif dan terukur.
Saat memilih aplikasi terbaik untuk layanan pemesanan online. Penggunaan SPK dapat meningkatkan efektivitas dan efisiensi pengambilan keputusan yang berdampak positif bagi perkembangan bisnis. Berdasarkan penelitian yang telah dilakukan, dapat disimpulkan bahwa metode OCRA dapat diterapkan untuk menghasilkan skor preferensi untuk alternative dari kriteria seperti: Pelayanan, Biaya Ongkir, Fitur Aplikasi, Banyak Diskon, Rating Ulasan. Maka dari hasil yang di dapat dari penelitian mengenai penentuan aplikasi jasa pemesanan makanan online terbaik ialah alternative A5 (GoFood) dengan nilai 0.2000.
REFERENCES
[1] S. S. Anugrah, N. Suarna, G. Dwilestari, “System Informasi Resto Kuru Yuk Chicken Berbasis Online Untuk Pemesanan Makanan Dan Minuman”, Jurnal Informatika dan Teknologi Informasi (JUTEK), vol. 1, no. 3, pp. 132–141, 2023.
[2] B. Hakim, F. Fendyanto, “Sistem Pendukung Keputusan dengan Algoritma Branch&Bound dan Naive Approach pada Beberapa Pemesanan Makanan Online”, Jurnal Nasional Teknologi dan Sistem Informasi, vol. 8, no. 2, pp. 44–51, 2022, doi:10.25077/teknosi.v8i2.2022.44-51.
[3] K. Nisa, T. Khoirunnisa, “Pemilihan Layanan Pesan Antar Makanan Online Terbaik Menggunakan Metode Weighted Product”, Jurnal Ilmiah Media Sisfo, vol. 16, no. 2, pp. 145–154, 2022, doi:10.33998/mediasisfo.2022.16.2.1272.
[4] W. A. Rochdianingrum, R. Rahayu, U. S. Iswara, “Keterkaitan antara Kenyamanan dan Kemudahan Bertransaksi pada Intensitas Penggunaan Layanan Aplikasi GRAB”, Prosiding Seminar Nasional Multi Disiplin Ilmu dan Call for Papers Unisbank (SENDI_U) Ke 5 Tahun 2019, pp. 382–389, 2019.
[5] D. A. Karunianingsih, “Mediatisasi Jasa Layanan Makanan Melalui Aplikasi GoFood dan GrabFood”, Jurnal Penelitian Komunikasi, vol. 23, no. 2, pp. 129–142, 2020, doi:10.20422/jpk.v2i23.688.
[6] A. D. Christianto, M. Hariyanto, “ANALISA PEMILIHAN APLIKASI PESAN ANTAR MAKANAN (FOOD DELIVERY) DENGAN METODE ANALYTICAL HIERARCHY PROCESS”, Jurnal Teknik Informatika dan Elektro, vol. 4, no. 2, pp. 112–119, 2022.
[7] A. D. Sofia, S. A. Rohman, H. Chaniago, “Analisis Pengaruh Penggunaan Aplikasi Food Delivery Services Terhadap Penjualan UMKM di Masa Pandemi Covid-19 (Studi pada Kota Bandung, Indonesia)”, Int. J. Adm. Bus. Organ, vol. 2, no. 1, pp. 44–50, 2021.
[8] A. H. Nasyuha et al., “Sistem Pendukung Keputusan Penentuan Kerani Timbang Lapangan Terbaik Menerapkan Metode Operational Competitiveness Rating Analysis (OCRA)”, JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 1, pp. 355–361, 2022, doi:10.30865/mib.v6i1.3475.
[9] S. Nasional et al., “Sistem Pendukung Keputusan Penempatan Lokasi Minimarket Alfamart Menerapkan Metode Rank Order Cendroid (ROC) Dan Metode Occupational Repetitive Action (OCRA)”pp. 375–380, 2022.
[10] W. H. B. Lumbanbatu, M. Mesran, S. Aripin, “Sistem Pendukung Keputusan Rekruitmen Tenaga Kerja Mandiri Menerapkan Metode OCRA”, Jurnal Sains Komputer & Informatika (J-SAKTI), vol. 6, no. 2, pp. 1183–1192, 2022.
[11] N. T. L. Toruan, “Sistem Pendukung Keputusan Pemilihan Pembawa Acara Berita Terbaik Menerapkan Metode OCRA”, BULLETIN OF COMPUTER SCIENCE RESEARCH, vol. 1, no. 3, pp. 71–78, 2021.
[12] S. S. Hasibuan, “Penerapan Metode Operational Competitiveness Rating Analysis ( OCRA ) Dalam Keputusan Rekomendasi Mutasi Jabatan Karyawan”vol. 1, no. 1, pp. 1–8, 2021.
[13] R. R. Dilla, D. P. Utomo, “Sistem Pendukung Keputusan Pemilihan Mekanik Terbaik Menggunakan Metode Operational Competitiveness Rating Analysis ( OCRA ) Studi Kasus : Auto2000”vol. 5, pp. 103–110, 2021, doi:10.30865/komik.v5i1.3657.
[14] M. Metode et al., “Rekomendasi Obat Mabuk Perjalanan Bagi Traveller Dengan”vol. 6, no. November, pp. 801–808, 2022, doi:10.30865/komik.v6i1.5773.
[15] D. P. Indini et al., “Penerapan Metode OCRA dalam Menentukan Media Pembelajaran Online Terbaik di Masa Pandemi Covid-19 dengan Pembobotan ROC”, Jurnal Sistem Komputer dan Informatika (JSON), vol. 3, no. 2, pp. 60–66, 2021, doi:10.30865/json.v3i2.3576.
[16] A. Karim et al., “Analisa Penerapan Metode Operational Competitiveness Rating Analysis (OCRA) dan Metode Multi Attribute Utility Theory (MAUT) Dalam Pemilihan Calon Karyawan Tetap Menerapkan Pembobotan Rank Order Centroid (ROC)”, Jurnal Media Informatika Budidarma, vol. 5, no. 4, pp. 1674–1687, 2021, doi:10.30865/mib.v5i4.3265.
[17] T. Limbong et al., Sistem Pendukung Keputusan: Metode & ImplementasiMedan, , Yayasan Kita Menulis, 2020.
[18] R. B. I. N. M Mesran, Syefudin, Sarif Surorejo, Muhammad Syahrizal, Aang Alim Murtopo, Zaenul Arif, Nugroho Adhi Santoso, Wresti Andriani, Soeb Aripin, Gunawan, Pengantar Teknologi Informasi, CV. Graha Mitra Edukasi, 2023.
[19] A. Tumpuan, “Peranan Aplikasi Go Food Terhadap Perkembangan Bisnis Kuliner”, TOURISM: Jurnal Travel, Hospitality, Culture, Destination, and MICE, vol. 3, no. 1, pp. 26–30, 2020.
[20] F. Pratiwi, “Sistem Pendukung Keputusan Penerimaan Official Atlet Pencak Silat Menerapkan Metode OCRA”vol. 1, no. 5, pp. 164–172, 2022.
[21] A. Sidabutar, R. K. Purba, M. Mesran, “Sistem Pendukung Keputusan Pemberian Bantuan Umkm Pada Dinas Koperasi Menerapkan Metode Ocra”, Escaf, pp. 1241–1251, 2022.
[22] Haeruddin et al., “Sistem Pendukung Keputusan Penentuan Pelaku Pariwisata Terbaik dimasa Pandemi Covid-19 Menerapkan Metode OCRA dengan Pembobotan ROC”, JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 2, pp. 1056–1063, 2022, doi:10.30865/mib.v6i2.4000.
[23] M. Dwina Pri Indini, Khairunnisa, Nola Dita Puspa, Tesa Aurelia Siregar, “Penerapan Metode OCRA dalam Menentukan
Mohammad Aldinugroho Abdullah, Copyright © 2023, MIB, Page 808 Media Pembelajaran Online Terbaik di Masa Pandemi Covid-19 dengan Pembobotan ROC”, Jurnal Sistem Komputer dan Informatika (JSON), vol. 3, no. 2, pp. 60–66, 2021, doi:10.30865/json.v3i2.3576.
[24] A. Karim, S. Esabella, K. Kusmanto, “Analisa Penerapan Metode Operational Competitiveness Rating Analysis (OCRA) dan Metode Multi Attribute Utility Theory (MAUT) Dalam Pemilihan Calon Karyawan …”, Jurnal Media …, vol. 5, pp.
1674–1687, 2021, doi:10.30865/mib.v5i4.3265.
[25] W. H. B. L. Batu, M. Mesran, S. Aripin, “Sistem Pendukung Keputusan Rekruitmen Tenaga Kerja Mandiri Menerapkan Metode OCRA”, J-SAKTI (Jurnal Sains Komputer dan Informatika), vol. 6, no. 2, pp. 1183–1192, 2022.
[26] N. Oktari et al., “Penerapan Metode Operational Competitiveness Rating Analysis (OCRA) Dalam Penerimaan Karyawan Perjanjian Kerja Waktu Tertentu (PKWT)”, Journal of …, vol. 3, no. 3, pp. 218–226, 2022, doi:10.47065/josh.v3i3.1471.
[27] F. T. Waruwu, M. Mesran, “Comparative Analysis of Ranking Methods of WASPAS+ROC with Preference Selection Index (PSI) in Determining the Performance of Young Lecturers”, IJISTECH (International Journal of Information System & Technology), vol. 5, no. 2, pp. 207–214, 2021.
