Jurnal Informatika Kaputama (JIK),Vol. 6 No. 3 Agustus 2022
Special Issue: SEMINAR NASIONAL INFORMATIKA (SENATIKA) – 3
P-ISSN : 2548-9739 E-ISSN : 2685-5240
SISTEM PENDUKUNG KEPUTUSAN PADA PEMILIHAN SKINCARE BERDASARKAN JENIS KULIT WAJAH BERMINYAK
MENGGUNAKAN METODE Analytical Hierarchy Process (AHP)
Adelia Zaskia Novirda𝟏), Rusmin Saragih𝟐), Magdalena Simanjuntak𝟑)Program Studi Sistem Informasi STMIK Kaputama Binjai
Jl. Veteran No. 4A - 9A, Tangsi, Binjai, Kota Binjai, Sumatera Utara 20714 Email : 1[email protected], 2[email protected],
Abstrak
Skincare dan perawatan kulit wajah saat ini sudah menjadi salah satu tren yang ada di masyarakat. Seluruh wanita pasti ingin memiliki kulit wajah yang sempurna. Banyaknya produk skincare yang dijual di pasaran tentu saja membuat masyarakat bingung dan kesulitan dalam menentukan skincare berdasarkan jenis kulit wajah mereka. Sehingga banyak yang mengalami kesalahan dalam pembelian produk skincare yang sesuai dengan kulit wajah.
Kurangnya informasi dan pengetahuan dari beberapa jenis produk skincare dan membuat konsumen harus lebih teliti dalam memilih produk skincare yang tepat. Namun hal tersebut masih membutuhkan pertimbangan untuk membuat suatu keputusan dalam memilih produk skincare yang tepat berdasarkan jenis kulit wajah, Oleh karena itu, pada penelitian ini dibangun sebuah sistem pendukung keputusan menggunakan metode Analytical Hierarchy Process (AHP) yang diharapakan dapat membantu konsumen dalam menyelesaikan permasalahan pada pemilihan skincare berdasarkan jenis kulit wajah berminyak berdasarkan kriteria yaitu kandungan produk, harga, usia, kualitas dan berat produk. Dari hasil perhitungan didapat ranking dengan nilai tetinggi yaitu Produk Skincare Azzarine (A3) dengan nilai yaitu 0,434, sehingga skincare tersebut tepat dan direkommendasikan untuk jenis kulit wajah berminyak.
Kata Kunci : Skincare, Kriteria, AHP.
Abstract
Skincare and facial skin care have now become one of the trends in society. All women want to have perfect facial skin. The number of skincare products that are sold on the market of course makes people confused and have difficulty in determining skincare based on their facial skin type. So many people make mistakes in purchasing skincare products that are suitable for facial skin. Lack of information and knowledge of several types of skincare products and makes consumers have to be more careful in choosing the right skincare products. However, this still requires consideration to make a decision in choosing the right skincare product based on facial skin type. Therefore, in this study a decision support system was built using the Analytical Hierarchy Process (AHP) method which is expected to help consumers in solving problems in their skin. the selection of skincare based on the type of oily facial skin based on the criteria, namely product content, price, age, quality and product weight. From the calculation results, the ranking with the highest value is Azzarine Skincare Products (A3) with a value of 0.434, so that the skincare is appropriate and recommended for oily facial skin types.
Keywords :Skincare, Criteria, AHP.
304 Seminar Nasional Informatika (SENATIKA) - 3
1. Pendahuluan
Skincare dan perawatan kulit wajah saat ini sudah menjadi salah satu tren yang ada di masyarakat. Seluruh wanita pasti ingin memiliki kulit wajah yang sempurna. Namun pada sebagian wanita mengartikan bahwa memiliki kulit wajah yang sempurna adalah kulit wajah yang bersih dan putih. Padahal memiliki kulit wajah yang sempurna adalah kulit wajah yang sehat.
Seiring berjalanya waktu kesadaran diri masyarakat dalam merawat kulit wajah saat ini semakin meningkat dengan terlalu banyaknya jenis produk skincare yang sudah dijual dipasaran. Semua orang harus mengetahui kondisi kulit wajah dan permasalahan yang dialami pada kulit wajah sehingga jenis produk Skincare yang akan digunakan dapat membantu memperbaiki setiap permasalahan yang dialami pada kulit wajah dengan menggunakan produk-produk skincare yang sudah BPOM dan memiliki kandungan sesuai dengan jenis kulit wajah.
Dikarenakan Banyaknya produk skincare yang dijual di pasaran tentu saja membuat masyarakat bingung dan kesulitan dalam menentukan skincare berdasarkan jenis kulit wajah mereka. Sehingga banyak yang mengalami kesalahan dalam pembelian produk skincare yang sesuai dengan kulit wajah. Padahal jika seseorang menggunakan kandungan atau produk skincare yang tidak sesuai, maka akan menimbulkan permasalahan baru atau bahkan bisa memperburuk kondisi kulit wajah.
Kurangnya informasi dan pengetahuan dari beberapa jenis produk skincare dan membuat konsumen harus lebih teliti dalam memilih produk skincare yang tepat. Namun hal tersebut masih membutuhkan pertimbangan untuk membuat suatu keputusan dalam memilih produk skincare yang tepat berdasarkan jenis kulit wajah, Oleh karena itu diperlukan adanya suatu sistem yang dapat membantu konsumen dalam memberikan hasil rekomendasi untuk pemilihan skincare berdasarkan jenis kulit wajah yang dialami.
2. Metode Penelitian
Metodologi Penelitian ini dilakukan untuk mencari sesuatu sistematis dengan menggunakan metode ilmiah serta sumber yang berlaku. Dengan adanya proses ini dapat memberikan hasil penelitian yang baik dan tepat.
2.1. Sistem Pendukung Keputasan
Sistem Pendukung Keputusan adalah sebuah sistem yang dapat memberikan kemampuan pemecahan masalah maupun kemampuan komunikasi untuk masalah dengan kondisi semi terstruktur maupun yang tidak terstruktur. bertujuan untuk menyediakan informasi, membimbing, memberikan prediksi dan mengarahkan pengguna informasi agar dapat melakukan pengambilan keputusan dengan lebih baik.
Menurut [1] sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan dan pemanipulasian data. Sistem ini digunakan dalam membantu pengambilan dengan situasi yang semi terstruktur ataupun yang tidak terstruktur, tidak ada seorang pun yang mampu mengetahui secara pasti bagaimana keputusan seharusnya dibuat.
Adanya pembuatan keputusan merupakan fungsi utama seorang manager atau administrator. Dalam kegiatan pembuatan keputusan meliputi pengindefikasian masalah, pencarian alternatif penyelesaian masalah, evaluasi dari alternatif-alternatif tersebut dan pemilihaan alternatif keputusan yang baik. Kemampuan seorang manager dalam membuat keputusan dapat ditingkatkan apabila ia mengetahui dan menguasai teori dan teknik pembuatan keputusan. Dalam peningkatan kemampuan manager dalam pembuatan keputusan diharapkan
Seminar Nasional Informatika (SENATIKA) - 3 305
dapat ditingkatkan kualitas keputusan yyang dibuatnya, dan hal ini tentu akan meningkatkan efisiensi kerja manager yang bersangkutan.2.2 Pengertian Metode Analytical Hierarchy Process (AHP)
Analytical Hierarky Process (AHP) merupakan suatu model pendukung keputusan yang dikembangkan oleh Thomas L. Saaty. Model pendukung keputusan ini akan menguraikan masalah multi faktor atau multi kriteria yang kompleks menjadi suatu hirarki.
Menurut[4]mengemukakan bahwa metode AHP adalah sebuah konsep untuk pembuatan keputusan berbasis multicriteria (kriteria yang banyak). Beberapa kriteria yang dibandingkan satu dengan lainnya(tingkat kepentingannya adalah penekanan utama pada konsep AHP.
Dengan AHP permasalahan yang kompleks dapa diselesaikan dengan kerangka piki terorganisir, sehingga memungkinkan untuk diaplikasikan untuk pengambilan keputusan yang efektif dan efisien. Persoalan yang kompleks dapat diselesaikan dengan sederhana dan dipercepat proses pengambilan keputusannya.
3. Hasil dan Pembahasan
Metode AHP memerlukan kriteria dan bobot yang akan dijadikan bahan untuk melakukan perhitungan. Berdasarkan analisis yang dilakukan maka didapat serangkaian kriteria dan bobot nilai dalam setiap kriteria nya yang akan digunakan untuk melakukan pengambilan keputusan dalam memilih skincare untuk jenis kulit berminyak.
Adapun kriteria-kriteria penilaian dalam melakukan perhitungan yaitu seperti tabel dibawah ini :
Kriteria Sub Kriteria Nilai
Kandungan Produk
K P
Sangat Cocok Cukup Cocok Kurang Cocok Tidak Cocok
1 2 3 4
Harga H
Murah ( < Rp. 80.000)
Cukup Murah ( Rp. 81– 160.000) Mahal ( Rp. 161 – 240.000) Cukup Mahal ( Rp. 241 – 320.000)
1 2 3 4
Usia U
Remaja Awal ( 12 – 16 Tahun) Remaja Akhir ( 17 – 25 Tahun) Dewasa Awal ( 26 – 35 Tahun) Dewasa Akhir ( 36 – 40 Tahun)
1 2 3 4
Kualitas K
Sangat Ternama Ternama
Cukup Ternama Kurang Ternama
1 2 3 4 Berat Produk B
P
Besar ( 21 – 50 Gram) Sedang ( 11 – 20 Gram) Kecil (< 10 Gram )
1 2 3
Skala penilaian perbandingan pasangan untuk alternatif setiap kriteria digunakan nilai seperti Tabel skala penilaian perbandingan pasangan dibawah ini.
Intensitas Kepentingan
Keterangan 1 Kedua elemen sama pentingnya
3 Elemen yang 1 sedikit lebih peting dari pada elemen lainnya
5 Elemen yang 1 lebih penting dari pada elemen lainnya
306 Seminar Nasional Informatika (SENATIKA) - 3
7 Satu elemen jela lebih mutlak penting dari pada elemen lainnya
9 Satu elemen mutlak penting dari pada elemen lainnya
2,4,6,8 Nilai antara 2 nilai pertimbangan yang berdekatan Kebalikannya Jika aktivitas i mendapat 1 angka dibandingkan
dengan aktivitas j, maka j memiliki nilai kebalikannya dibandigkan dengan i
Berikut ini adalah tabel random indeks yang akan digunakan untuk perhitungan nilai random indeks sebagai berikut:
Dari data diatas akan diambil nilai kepentingan skala perbandingan dari data kriteria yaitu sebagai berikut:
1. Kriteria kandungan produk 5 kali lebih penting dari berat produk, 4 kali lebih penting dari kualitas, 3 kali lebih penting dari usia, 3 kali lebih penting daripada harga.
2. Kriteria harga 4 kali lebih penting dari berat produk, 3 kali lebih penting dari kualitas, 3 kali lebih penting dari usia.
3. Kriteria usia 3 kali lebih penting dari berat produk, 3 kali lebih penting dari kualitas.
4. Kriteria kualitas 3 kali lebih penting dari berat produk.
3.1 Matriks Perbandingan Kriteria
Matriks perbandingan berpasangan untuk nilai setiap nilai kriteria penentuan perbaikan jalan yaitu pada tabel diabawah ini:
Tabel III.5 Matriks Perbandingan Berpasangan Kriteria KP H U K BP
KP 1 3 4 3 5
H 1/3 1 4 3 3
U ¼ ¼ 1 3 3
K 1/3 1/3 1/3 1 3
Seminar Nasional Informatika (SENATIKA) - 3 307
BP 1/5 1/3 1/3 1/3 1
Nilai 1 pada baris KP dan kolom KP merupakan ketentuan, nilai 1/3 di dapat dari hasil perkalian matriks antara kolom KP dengan H pada baris ke 2 dan nilai selanjutnya dengan hasil yang sama.Selanjutnya hasil perkalian matriks dari Tabel III.5 didapat seperti tabel dibawah ini:
Tabel III.6 Hasil Perkalian Matriks
Kriteria KP H U K BP
KP 1 3 4 3 5
H 0,333 1 4 3 3
U 0,25 0,25 1 3 3
K 0,333 0,333 0,333 1 3
BP 0,2 0,333 0,333 0,333 1
JUMLH 2,116 4,916 9,666 10,333 15
Selanjutnya, menghitung eigen vektor normalisasi seperti pada matriks niali kriteriaa sebagai berikut:
Tabel III.7 Matriks Nilai Kriteria Krite
ria KP H U K BP
Jumlah Prioritas
KP 0,47
3 0,610 0,
414 0,2
90 0,3
33 2,1
20 0,42
4
H 0,15
7 0,203
0, 414
0,2 90
0,2 00
1,2 65
0,25 3
U 0,11
8 0,051
0, 103
0,2 90
0,2 00
0,7 63
0,15 3
K 0,15
7 0,068
0, 034
0,0 97
0,2 00
0,5 56
0,11 1
BP 0,09
5 0,068
0, 034
0,0 32
0,0 67
0,2 96
0,05 9
Nilai 0,473 pada baris KP dan KP didapat dari 1/2,116 dari nilai KP baris ke 1 kolom 1 dibagi dengan jumlah kolom KP pada Tabel III.6 hasil perkalian matriks. Nilai pada kolom jumlah pada baris KP 2,120 didapat dari hasil penjumlahan 0,473 + 0,610 + 0,414 + 0,290 + 0,333 dan nilai 0,424 pada kolom prioritas didapat dari kolom jumlah 2,120 dibagi jumlah kriteria 2,120/5
= 0,424, dan nilai selanjutnya didapat dengan cara yang sama.
Selanjutnya membuat matriks penjumlahan setiap baris matriks pada nilai prioritas Tabel III.7 dengan mengkalikan matriks perbandingan berpasangan pada Tabel III.6. Adapun hasil dari matriks penjumlahan setiap baris yaitu seperti tabel berikut:
Tabel III.8 Matriks Penjumlahan Setiap Baris
Kriteria KP H U K BP Jumlah Baris
KP 0,424 0,759 0,610 0,334 0,296 2,423
KP 0,141 0,253 0,610 0,334 0,177 1,516
308 Seminar Nasional Informatika (SENATIKA) - 3
KP 0,106 0,063 0,153 0,334 0,177 0,833
KP 0,141 0,084 0,051 0,111 0,177 0,565
KP 0,085 0,051 0,051 0,037 0,059 0,283
Nilai pada kolom KP baris KP 0,424 didapat dari Tabel III.7 nilai prioritas dikali dengan nilai matriks perbandingan berpasangan pada Tabel III.6 yaitu 0,424*1 = 0,424 dan hasil selanjutnya didapat dengan cara yang sama. Nilai jumlah baris didapat dengan cara menjumlahkan nilai 0,424 + 0,759 + 0,610 + 0,334 + 0,296 = 2,423 dan nilai selanjutnya didapat dengan cara yang sama. Selanjutnya menghitung rasio konsistensi, sebelumnya menghitung λmaks seperti pada Tabel berikut:
Tabel III.9 Perhitungan Rasio Konsistensi
Jumlah Baris Prioritas Hasil
KP 2,423 0,441 5,494
H 1,460 0,239 6,109
U 0,825 0,152 5,428
K 0,560 0,110 5,091
BP 0,284 0,058 4,897
Dari Tabel III.8 di atas maka dapat dihitung nilai rasio konsistensi sebagai berikut : Jumlah λmaks = 5,494 + 6,109+ 5,428 + 5,091 + 4,897 = 27,017
λmaks = 27,017/ 5 = 5,403 CI = ((λmaks-n) / (n-1))
CI = (5,403-5) / (5-1)) = 0,1007 CR = 0,1007/ 1,12 = 0, 0899
Oleh karena CR < 0,1, maka rasio konsistensi dari perhitungan tersebut bisa diterima.
3.3.4 Matriks Perbandingan Subkriteria
Pada matriks nilai subkriteria setip nilai dilakukan nilai skala kepentingan berbandingan subkriteria. Adapun perhitungan nilai perbandingan subkriteria yaitu sebagai berikut:
1. Matriks Perbandingan Subkriteria Kandungan Produk
Matriks perbandingan subkriteria untuk kriteria kandungan produk yaitu seperti pada Tabel dibawah ini:
Tabel III.10 Perbandingan Nilai Subkriteria Kandungan Produk Sangat
Cocok
Cukup Cocok
Kurang
Cocok Tidak Cocok
Sangat Cocok 1 2 5 5
Cukup Cocok ½ 1 3 3
Kurang Cocok 1/5 1/3 1 3
Tidak Cocok 1/5 1/3 1/3 1
Nilai 1 pada baris sangat cocok dan kolom sangat cocok merupakan ketentuan, nilai 1/2 di dapat dari hasil perkalian matriks antara kolom sangat cocokk dengan cukup cocok pada baris ke 2 dan nilai selanjutnya dengan hasil yang sama.
Seminar Nasional Informatika (SENATIKA) - 3 309
Selanjutnya hasil perkalian matriks dari Tabel III.10 didapat seperti tabel dibawah ini:Tabel III.11 Hasil Perkalian Matriks Sanga
t Cocok
Cukup Cocok
Kurang Cocok
Tidak Cocok
Sangat Cocok 1 2 5 5
Cukup Cocok 0,5 1 3 3
Kurang Cocok 0,2 0,333 1 3
Tidak Cocok 0,2 0,333 0,333 1
Jumlah 1,900 3,666 9,333 12
Selanjutnya menentukan bobot prioritas subkriteria seperti tabel berikut : Tabel III.12 Matriks Nilai Proritas Subkriteria Sanga
t Cocok
C ukup Cocok
Kuran g Cocok
Tid ak Cocok
Ju mlah
Prio
ritas Priorita s Subkiteria Sangat
Cocok 0,526 0,
546 0,536 0,4
17 2,0
24 0,50
6 1
Cukup
Cocok 0,263 0,
273 0,321 0,2
50
1,1 07
0,27
7 0,547
Kurang
Cocok 0,105 0,
091 0,107 0,2
50
0,5 53
0,13
8 0,273
Tidak
Cocok 0,105 0,
091 0,036 0,0
83
0,3 15
0,07
9 0,156
Nilai 0,492 pada baris sangat cocok dan kolom sangat cocok didapat dari 1/1,900 dari Tabel III.12 hasil perkalian matriks. Nilai 2,024 didapat dari hasil penjumlahan 0,526 + 0,546 + 0,536 + 0,417 . Nilai pada kolom prioritas didapat dari hasil 2,024 dibagi jumlah subkriteria yaitu 2,024 /4 = 0,506. Nilai prioritas subkriteria 1 didapat dari hasil pembagian nilai terbesar pada kolom prioritas yaitu 0,506/0,506 dan nilai selanjutnya didapat dengan cara yang sama.
Selanjutnya membuat matriks penjumlahan setiap baris matriks pada nilai prioritas Tabel III.12 dengan mengkalikan matriks perbandingan berpasangan pada Tabel III.11. Adapun hasil dari matriks penjumlahan setiap baris yaitu seperti tabel berikut:
Tabel III.13 Matriks Penjumlahan Setiap Baris Sangat
Cocok
Cuku p Cocok
Kur ang Cocok
Tidak Cocok
Jumla h Sangat Cocok 0,506 0,554 0,69
2 0,394 2,145
Cukup Cocok 0,253 0,277 0,41
5 0,236 1,181
Kurang Cocok 0,101 0,092 0,13
8 0,236 0,568
310 Seminar Nasional Informatika (SENATIKA) - 3
Tidak Cocok 0,101 0,092 0,04
6 0,079 0,318
Nilai pada kolom sangat cocok baris sangat cocok 0,506 didapat dari Tabel III.12 nilai prioritas dikali dengan nilai matriks perbandingan berpasangan pada Tabel III.11 yaitu 0,506*1 = 0,482 dan hasil selanjutnya didapat dengan cara yang sama. Nilai jumlah baris didapat dengan cara menjumlahkan nilai 0,506 + 0,544 + 0,692 + 0,394= 2,145, nilai selanjutnya didapat dengan cara yang sama. Selanjutnya menghitung rasio konsistensi, sebelumnya menghitung λmaks seperti pada Tabel sebagai berikut:
Tabel III.14 Perhitungan Rasio Konsistensi
Dari Tabel III.13 di atas maka dapat dihitung nilai rasio konsistensi sebagai berikut : Jumlah λmaks = 4,240 + 4,264 + 4,116 + 4,028= 16,648
λmaks = 16,648/ 4 = 4,162 CI = ((λmaks-n) / (n-1))
CI = (4,162-4) / (4-1)) = 0,054 CR = 0,054/ 0,90 = 0,060
Oleh karena CR < 0,1, maka rasio konsistensi dari perhitungan tersebut bisa diterima.
3.3.5 Hasil Matriks Perbandingan
Berdasarkan perhitungan matriks perbandingan berpasangan diatas maka diperoleh hasil matriks perbandingan berpasangan yang didapat dari masing-masing nilai prioritas kriteria dan prioritas subkriteria yang dapat dilihat pada Tabel III.35 dibawah ini.
Tabel III.35 Hasil Perbandingan Matriks
Kandungan Produk Harga Usia Kualitas Berat Produk
0,441 0,239 0,152 0,110 0,058
Sangat Cocok Murah Remaja Awal Sangat Ternama Besar
0,506 0,483 0,499 0,466 0,633
Cukup Cocok Cukup Murah Remaja Akhir Ternama Sedang
0,277 0,287 0,281 0,294 0,260
Kurang Cocok Mahal Dewasa Awal Cukup Ternama Kecil
0,138 0,143 0,140 0,160 0,106
Jumlah Baris Prioritas Hasil
Sangat Cocok 2,145 0,506 4,240
Cukup Cocok 1,181 0,277 4,264
Kurang Cocok 0,568 0,138 4,116
Tidak Cocok 0,318 0,079 4,028
Seminar Nasional Informatika (SENATIKA) - 3 311
Tidak Cocok Cukup Mahal Dewasa Akhir KurangTernama -
0,079 0,087 0,080 0,079 -
Selanjutnya menentapkan penilaian untuk setiap kriteria dalam pemilihan skincare seperti tabel dibawah ini:
Tabel III.36 Data Penilaian Dalam Pemilihan Skincare Nama
Produk Skincare
Kandungan
Produk Harga Usia Kualitas Berat
Produk
A1 Nahda Tidak
Cocok
Cukup Mahal
Remaj a Akhir
Sangat
Ternama Kecil
A2 Botanica Sangat
Cocok Murah Remaj
a Akhir
Terna ma
Seda ng
A3 Azzarine Sangat
Cocok
Cukup Murah
Remaj a Awal
Sangat Ternama
Seda ng
A4 Bening’s Sangat
Cocok
Cukup Murah
Remaj a Akhir
Sangat Ternama
Seda ng
A5 Safi Cukup
Cocok Cukup
Murah Remaj
a Akhir Sangat
Ternama Besar
A6 Whitelab Sangat
Cocok
Cukup Murah
Remaj a Awal
Terna
ma Kecil
A7 Mako Sangat
Cocok
Cukup Murah
Remaj a Awal
Terna ma
Seda ng
A8 Theraskin Kurang
Cocok
Cukup Murah
Remaj a Awal
Cukup
Ternama Besar
A9 E glow Kurang
Cocok Murah Remaj
a Awal Kuran
g Ternama Kecil
A10 NNYO Cukup
Cocok
Cukup Mahal
Remaj a Awal
Cukup
Ternama Kecil Dari data diatas maka dilakukan penilaian berdasarkan kriteria penilaian yang telah diinputkan. Adapun nilai dari inputan tabel diatas yaitu sebagai berikut:
Tabel III.37 Data Nilai Pemilihan Skincare Nama
Skincare
Kandungan
Produk Harga Usia Kualitas Berat
Produk
A1 Nahda 0,079 0,08
7
0,28
1 0,466 0,106
A2 Botanica 0,506 0,48
3
0,28
1 0,294 0,260
A3 Azzarine 0,506 0,28
7
0,49
9 0,466 0,260
A4 Bening’s 0,506 0,28
7
0,28
1 0,466 0,260
312 Seminar Nasional Informatika (SENATIKA) - 3
A5 Safi 0,277 0,28
7 0,28
1 0,466 0,633
A6 Whitelab 0,506 0,28
7
0,49
9 0,294 0,106
A7 Mako 0,506 0,28
7 0,49
9 0,294 0,260
A8 Theraskin 0,138 0,28
7
0,49
9 0,160 0,633
A9 E glow 0,138 0,48
3
0,49
9 0,079 0,106
A10 NNYO 0,277 0,08
7
0,49
9 0,160 0,106
Berdasarkan hasil penilaian diatas maka dapat dihasilkan perhitungan untuk memilih skincare mana yang tepat untuk jenis kulit berminyak. Adapun nilai perhitungannya seperti pada tabel berikut:
Tabel III.38 Hasil Perhitungan Nama
Skincare
Kandungan
Produk Harga Usia Kualitas Berat
Produk Total Ra
nking
A1 Nahda 0,035 0,021 0,043 0,051 0,006 0,15
6 10
A2 Botanica 0,223 0,115 0,043 0,032 0,015 0,42
9 2
A3 Azzarine 0,223 0,069 0,076 0,051 0,015 0,43
4 1
A
4 Bening’s 0,223 0,069 0,043 0,051 0,015 0,40
1 5
A
5 Safi 0,122 0,069 0,043 0,051 0,037 0,32
1 6
A
6 Whitelab 0,223 0,069 0,076 0,032 0,006 0,40
6 4
A
7 Mako 0,223 0,069 0,076 0,032 0,015 0,41
5 3
A
8 Theraskin 0,061 0,069 0,076 0,018 0,037 0,26
0 8
A
9 E glow 0,061 0,115 0,076 0,009 0,006 0,26
7 7
A
10 NNYO 0,122 0,021 0,076 0,018 0,006 0,24
3 9
Dari proses ranking diatas nilai 0,223 diperoleh dari nilai skincare Azzarine dengan nilai subkriteria kandungan produk sangat cocok = 0,441, dari Tabel III.36 dikali dengan nilai subkriteria Kandungan 0,441 dari Tabel III.9. Untuk nilai selanjutnya diperoleh dengan cara yang sama.
Dari hasil perhitungan diatas maka diperoleh nilai tertinggi yaitu produk Azzarine dengan nilai 0,434 dengan penilaian kandungan produk sangat cocok, harga cukup murah, usia
Seminar Nasional Informatika (SENATIKA) - 3 313
remaja awal, kualitas sangat ternama, dan berat produk sedang. Dengan demikian skincare Azzarine tepat dan direkomendasikan untuk kulit wajah berminyak.4. Kesimpulan
Berdasarkan hasil analisis dari permasalahan yang ada pada sistem pendukung keputusan pada pemilihan skincare berdasarkan jenis kulit wajah berminyak dengan menggunakan metode Analytical Hierarchy Process (AHP), maka dapat diambil beberapa kesimpulan yaitu sebagai berikut :
1. Sistem ini dibuat agar dapat membantu konsumen untuk memilih skincare yang tepat untuk jenis kulit wajah berminyak.
2. Informasi yang dihasilkan pada sistem ini dapat dijadikan sebagai alternatif
dalam memilih skincare berdasarkan jenis kulit wajah berminyak berdasarkan 5 kriteria dengan menggunakan metode Analytical Hierarchy Process (AHP).
3. Hasil dari perhitungan akan didapat ranking mulai dari nilai tertinggi ke nilai paling rendah. Nilai tertinggi merupakan hasil penentuan awal untuk dilakukannya pemilihan skincare yang terdapat pada A3 Azzarine dengan nilai tertinggi yaitu 0,434 sehingga tepat untuk direkomendasikan untuk jenis kulit wajah berminyak.
Saran
Adapun saran-saran yang dapat disampaikan penulis untuk dapat dikembangkan dengan lebih baik lagi ke depan nya, sebagai berikut :
1. Sistem pendukung keputusan pada pemilihan skincare berdasarkan jenis kulit wajah berminyak yang dibangun masih dapat dikembangkan lagi menjadi sistem yang lebih luas seperti penambahan kriteria sebagai penilaiannya dan dapat menggunakan metode lain dan menggunakan jenis kulit wajah yang lain untuk diteliti.
2. Sistem Pendukung Keputusan yang dibangun dapat dikembangkan lagi pada bagian tampilan (interface) sehingga dapat menjadikan sistem aplikasi yang lebih baik lagi.
Demikian saran-saran penulis agar sistem pendukung keputusan pada pemilihan skincare berdasarkan jenis kulit wajah berminyak ini dapat semaksimal mungkin dalam penggunaannya.
Daftar Pustaka
[1] Kusrini, Konsep dan aplikasi sistem pendukung keputusan. Yogyakarta :Andi,2007, 2007.
[2] D. N. Utama, Sistem Penunjang Keputusan: Filosofi, Teori dan Implementasi. 2017.
[3] R. Sanjaya, Rekayasa grafis dengan menggunakan php. 2006.
[4] A. P. dan Y. Safitri, “pemanfaatan sistem informasi perpustakaan digital berbasis website untuk para penulis,” vol. 1 No 1-2, 2015.
[5] A. Kadir, belajar database menggunakan MySQL. 2008.
[6] A. Hendini, “pemodelan uml sistem informasi monitoring penjualan dan stok barang (studi kasus: distro pontianak),” 2016.
[7] I. Yatini, Flowchart, Algoritma dan Pemograman menggunakan bahasa C++ Builder.
2010.
[8] T. Sutabri, Analisa Sistem Informasi. Andi, 2004.
[9] D. R. S. P, A. A. Muin, dan M. Amin, “PEMILIHAN FACIAL WASH UNTUK KULIT WAJAH BERMINYAK DENGAN METODE PROMETHEE II,” vol. 4, no. 2, hal.
222–229, 2019.
[10] “Decision Support System,” hal. 6–19, 2016.
