implementasi metode fuzzy simple additive …digilib.unila.ac.id/55172/2/skripsi tanpa bab...

IMPLEMENTASI METODE FUZZY SIMPLE ADDITIVE WEIGHTING

(SAW) PADA PERSOALAN SISTEM PENDUKUNG KEPUTUSAN

(FUZZY MULTI DECISION MAKING)

DALAM PEMILIHAN RUMAH TINGGAL

(Skripsi)

Oleh

RIFAL KASA DINAR

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS LAMPUNG

BANDAR LAMPUNG

2018

ABSTRACT

IMPLEMENTATION METHOD SIMPLE ADDITIVE WEIGHTING

(SAW) IN DECISION SUPPORT PROBLEM SYSTEM


IN THE SELECTION OF RESIDENTIAL HOUSES

By

RIFAL KASA DINAR

This research presents the Implementation of Fuzzy Simple Additive Weighting

(SAW) Method on the issue of decision support systems in selecting residential

houses. The research is to develop a web-based decision support system to help

selling residential homes to consumers in Bandar Lampung. The data used in this

study consisted of 50 home datas. This decision support system was built by

implementing the SAW method so that it can help users make decisions quickly

and precisely. The SAW method applies a ranking system with a scale of 0-1, the

ranking results of each alternative that approaches 1 or its value is 1 is the best

alternative. Before doing the ranking process to get the best alternative, search for

the value of each alternative then normalize it. The value of each alternative is

obtained from fulfilling each criteria sorted from the highest alternative value. In

determining the criteria used in the SAW method there are 5 criteria, price,

building area, land area, distance, facilities. Each criteria has a percentage of value

that can be changed by consumers. To see the effectiveness of the system that has

been build, we did internal testing phase. From the results of internal testing

concluded that the system can work according to the functions on the web. In this

study the SAW method was considered effective because of the 5 home samples

tested using the SAW method, the house that had the best alternative value was

0.854.

Keywords : Decision Support Sistem, Simple Additive Weighting, Home, Web, Bandar

Laampung.

ABSTRAK





Oleh

RIFAL KASA DINAR

Penelitian ini menghadirkan Implementasi Metode Fuzzy Simple Additive

Weighting (SAW) pada persoalan sistem pendukung keputusan dalam pemilihan

rumah tinggal. Penelitian ini mengembangkan sebuah sistem pendukung

keputusan berbasis web untuk membantu penjualan rumah tinggal untuk

konsumen yang ada di Bandar Lampung. Data yang digunakan dalam penelitian

ini terdiri dari 50 data rumah. Sistem pendukung keputusan ini dibangun dengan

mengimplementasikan metode SAW sehingga dapat membantu pengguna dalam

mengambil keputusan dengan cepat dan tepat. Metode SAW menerapkan sistem

perangkingan dengan skala 0-1, hasil perangkingan dari setiap alternatif yang

mendekati 1 atau nilainya 1 adalah alternatif terbaik. Sebelum dilakukan proses

perengkingan untuk mendapatkan alternatif terbaik, terlebih dahulu mencari nilai

setiap alternatif dan dilakukan normalisasi. Nilai-nlai setiap alternatif tersebut

diperoleh dari pemenuhan setiap kriteria yang diurutkan dari nilai alternatif yang

tertinggi. Dalam penentuan kriteria yang digunakan dalam metode SAW ada 5

kriteria yaitu harga, luas bangunan, luas tanah, jarak, fasilitas. Setiap kriteria

memiliki persentase nilai yang bisa diubah oleh konsumen. Untuk melihat

efektivitas dari sistem yang telah dibangun, dilakukan dengan tahap pengujian

yaitu internal. Dari hasil pengujian internal disimpulkan bahwa sistem dapat

bekerja sesuai fungsi pada web. Dalam penelitian ini metode SAW dianggap

efektif karena dari 5 sample rumah yang diuji menggunakan metode SAW rumah

yang memiliki nilai alternatif terbaik adalah 0,854.

Kata Kunci: Sistem Pendukung Keputusan, Simple Additive Weighting, Rumah, Web,

Bandar Laampung





Oleh :

RIFAL KASA DINAR

Skripsi

Sebagai Salah Satu Syarat untuk Mendapatkan Gelar

SARJANA KOMPUTER

Pada

Jurusan Ilmu Komputer

Fakultas Matematika dan Ilmu Pengetahuan Alam

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS LAMPUNG

2018

RIWAYAT HIDUP

Penulis dilahirkan pada 23 April 1995 di Bandar Lampung

sebagai anak pertama dari dua bersaudara dengan Ayah

bernama Edy Riyanto dan Ibu bernama Hartini.

Penulis menyelesaikan pendidikan Taman Kanak-Kanak

(TK) di TK Setia Kawan Bandar Lampung tahun 2001, menyelesaikan Sekolah

Dasar (SD) di SD Negeri 1 Karang Maritim Bandar Lampung tahun 2007,

menyelesaikan Sekolah Menengah Pertama (SMP) di SMP Negeri 5 Bandar

Lampung tahun 2010, kemudian melanjutkan jenjang Sekolah Menengah Atas

(SMA) di SMA Negeri 5 Bandar Lampung dan lulus di tahun 2013.

Pada tahun 2013, penulis terdaftar sebagai mahasiswa Jurusan Ilmu Komputer

Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Adapun

kegiatan yang dilakukan penulis selama menjadi mahasiswa antara lain:

1. Aktif sebagai Anggota Baru Computer Science (Abacus) pada tahun

ajaran 2013/2014.

2. Melaksanakan Karya Wisata Ilmiah (KWI) di Desa Mulyo Sari, Tanjung

Bintang, Kabupaten Lampung Selatan pada Januari sampai Februari 2014.

3. Aktif sebagai Anggota Bidang (Abid) Kewirausahaan Himpunan

Mahasiswa Jurusan Ilmu Komputer (HIMAKOM) Universitas Lampung

pada tahun ajaran 2014/2015.

4. Melaksanakan kegiatan Kerja Praktik (KP) di Dinas Kesehatan Kota

Bandar Lampung di Sub Bagian Kepegawaian pada Februari 2016.

5. Melaksanakan kegiatan Kuliah Kerja Nyata (KKN) di Desa Gunung

Agung Kecamatan Terusan Nunyai Kabupaten Lampung Tengah pada

Juli sampai September 2016.

MOTTO

“Maka sesungguhnya bersama kesulitan ada kemudahan, sesungguhnya

bersama kesulitan ada kemudahan. Maka apabila engkau telah selesai (dari

sesuatu urusan), tetaplah bekerja keras (untuk urusan yang lain), dan hanya

kepada Tuhanmulah engkau berharap.”

(Q.S.Al-Insyirah:5-8)

“Sesungguhnya Allah tidak akan mengubah keadaan suatu kaum sebelum

mereka mengubah keadaan diri mereka sendiri.”

(Q.S.Ar-Ra’d:11)

“Allah tidak membebani seseorang melainkan sesuai dengan

kesanggupannya.”

(Q.S.Al-Baqarah:286)

“Tak Ada Yang Tak Mungkin Apabila Berusaha, Berdo’a dan Bersyukur”

(Rifal Kasa Dinar)

i

PERSEMBAHAN

Ku persembahkan skripsi ini untuk orang-orang yang berharga dalam hidupku,

Teruntuk Papa Mamaku yang kucintai, terimakasih untuk kasih sayang, perhatian,

pengorbanan, usaha, dukungan moral maupun materi, motivasi dan do’a yang tiada henti

untuk kesuksesanku....

Teruntuk adikku yang kusayangi, Annisa Gita Andini yang selalu memberi semangat baru

dan memberikan doa selama ini...

Teruntuk istriku tercinta Dhita Indah Prameswari yang selalu memberi semangat pantang

menyerah dan selalu mendampingi disaat-saat sulit ataupun senang, seorang istri yang

merupakan alasan mengapa bisa bertahan dan berjuang selama ini…

Teruntuk Teman-teman dan Sahabatku, Terimakasih untuk canda tawa, tangis, waktu,

nasehat, pengalaman dan warna kehidupan, terimakasih sudah menjadi bagian cerita

indah dan berharga dalam hidupku....

ii

SANWACANA

Assalamualaikum wr. wb.

Alhamdulillah, segala puji bagi Allah SWT yang telah melimpahkan rahmat,

hidayah, kesehatan dan karunia-Nya sehingga penulis dapat menyelesaikan

penulisan skripsi yang berjudul “Implementasi Metode Fuzzy Simple Additive

Weighting (SAW) Pada Persoalan Sistem Pendukung Keputusan (Fuzzy Multi

Decision Making) Dalam Pemilihan Rumah Tinggal” dengan baik.

Terima kasih penulis ucapkan kepada semua pihak yang telah membantu dan

berperan besar dalam penyusunan skripsi ini, seperti antara lain:

1. Kedua orang tua yaitu Papa dan Mama, berserta keluarga besar yang selalu

memberi do’a, kasih sayang dan motivasi.

2. Bapak Dr. Eng. Admi Syarif sebagai pembimbing utama dan yang telah

membimbing, memotivasi, memberikan ide, masukan dan saran selama

penyusunan skripsi ini.

3. Bapak Bambang Hermanto, S.Kom., M.Cs. sebagai pembimbing kedua

yang telah membimbing dan memberikan bantuan, ide, masukan dan saran

selama penyusunan skripsi ini.

4. Bapak Ir. Machudor Yusman, M.Kom. sebagai pembahas, yang telah

memberikan komentar, masukan, dan saran yang bermanfaat untuk

perbaikan dalam penyusunan skripsi ini.

iii

5. Bapak Prof. Warsito, S.Si., D.E.A., Ph.D. selaku Dekan FMIPA

Universitas Lampung.

6. Bapak Dr. Ir. Kurnia Muludi, M.S.Sc., selaku Ketua Jurusan Ilmu

Komputer FMIPA Universitas Lampung.

7. Bapak Didik Kurniawan, S.Si., M.T., selaku Sekretaris Jurusan Ilmu

Komputer FMIPA Universitas Lampung.

8. Bapak dan Ibu Dosen Jurusan Ilmu Komputer yang telah memberikan

ilmu dan pengalaman hidup selama penulis menjadi mahasiswa.

9. Sahabat-sahabatku Annisa Nur Fadhilah, Fitria Ramadhani, Qory

Aprilarita, Afifah Qowwamina Qisty, Agung Prasetyo, Faiq Sulthon Dani

dan Rico Novalindo, Teguh Pambudi terimakasih untuk semua bantuan,

nasehat, pengalaman, waktu dan sudah menjadi tempat berbagi keluh

kesah selama ini.

10. Teman-teman Ilmu Komputer 2013, Terima kasih atas kebersamaannya

selama ini.

11. Almamater Tercinta, Universitas Lampung yang telah memberikan penulis

kesempatan untuk menempuh pendidikan perkuliahan S1.

Bandar Lampung, 4 Oktober 2018

Penulis,

Rifal Kasa Dinar

iv

DAFTAR ISI

Halaman

I. PENDAHULUAN ............................................................................................. iv

1.1 Latar Belakang ...................................................................................................... 1

1.2 Rumusan Masalah ................................................................................................. 5

1.3 Batasan Masalah ................................................................................................... 5

1.4 Tujuan ..................................................................................................................... 6

1.5 Manfaat .................................................................................................................. 6

II. TINJAUAN PUSTAKA ..................................................................................... 7

2.1 Kota Bandar Lampung ......................................................................................... 7

2.2 Sarana Prasarana Permukiman ............................................................................ 9

2.3 Sistem Pendukung Keputusan ........................................................................... 10

2.3.1 Komponen Komponen Sistem Pendukung Keputusan .......................... 12

2.3.2 Langkah-Langkah Pengambilan Keputusan ........................................... 14

2.3.3 Tujuan Sistem Pendukung Keputusan ..................................................... 15

2.3.4 Proses Pengambilan Keputusan ................................................................ 16

2.4 Logika Fuzzy MADM ........................................................................................ 17

2.4.1 Algoritma FMADM ................................................................................... 18

2.4.2 Macam Macam Metode Dalam Menyelesaikan Masalah Fuzzy

Multiple Attribute Decision Making (FMADM) .............................................. 19

2.5 Metode Simple Additive Weighting (SAW) .................................................... 22

2.5.1 Langkah Penyelesaian SAW ..................................................................... 22

2.5.2 Kelebihan Metode Simple Additive Weighting (SAW) ....................... 24

2.6 Unified Modeling Language (UML) ................................................................ 25

2.6.1 Use Case Diagram .................................................................................... 25

2.6.2 Activity Diagram ........................................................................................ 25

2.6.3 Sequence Diagram...................................................................................... 26

v

2.6.4 Class Diagram ........................................................................................... 27

2.7 Pengujian BlackBox Testing .............................................................................. 29

III. METODELOGI PENELITIAN ................................................................... 31

3.1 Waktu dan Tempat Penelitian ........................................................................... 31

3.2 Perangkat Penelitian ........................................................................................... 31

3.3 Metode Simple Additive Weighting (SAW) .................................................... 32

3.4 Tahapan Penelitian ............................................................................................. 34

3.4.1 Studi Literatur ............................................................................................. 35

3.4.2 Pengumpulan Data...................................................................................... 35

3.4.3 Perancangan Sistem .................................................................................... 35

3.5 Perancangan Antarmuka Aplikasi Untuk Administrator ............................... 53

3.5.1 Antarmuka Halaman Login ........................................................................ 54

3.5.2 Antarmuka Halaman Utama ..................................................................... 54

3.5.3 Antarmuka Halaman Data Rumah ............................................................ 55

3.5.4 Antarmuka Halaman Tambah Data Rumah ............................................ 56

3.5.5 Antarmuka Halaman Edit Data Kriteria ................................................... 57

3.6 Perancangan Aantarmuka Aplikasi Untuk Pengguna .................................... 60

3.6.1 Antarmuka Halaman Login ....................................................................... 60

3.6.2 Antarmuka Halaman Utama Pengguna ................................................... 61

3.6.3 Antarmuka Halaman Data Rumah ........................................................... 62


3.7 Pengujian Sistem ................................................................................................. 67

IV. HASIL DAN PEMBAHASAN ............................................................................... 71

4.1 Analisa Kebutuhan Data ..................................................................................... 71

4.2 Hasil ...................................................................................................................... 71

4.3 Implementasi Sistem .......................................................................................... 72

4.4 Antarmuka Sistem Untuk Administrator ......................................................... 73

4.4.1 Antarmuka Halaman Login ........................................................................ 73

4.4.2 Antarmuka Halaman Utama ..................................................................... 73

4.4.3 Antarmuka Halaman Data Rumah ............................................................ 74

vi

4.4.4 Antarmuka Halaman Tambah Data Rumah ............................................ 75


4.4.6 Antarmuka Halaman Hasil Perbandingan .............................................. 80

4.5 Antarmuka Sistem Untuk Pengguna ................................................................ 81

4.5.1 Antarmuka Halaman Login ....................................................................... 81

4.5.2 Antarmuka Halaman Utama Pengguna ................................................... 82

4.5.3 Antarmuka Halaman Data Rumah ........................................................... 83

4.5.4 Antarmuka Halaman Data Kriteria ........................................................... 84


4.5.6 Antarmuka Halaman Tambah Data Perbandingan ................................ 87

4.5.7 Antarmuka Halaman Hasil Perbandingan .............................................. 88

4.6 Pengujian Sistem ................................................................................................. 89

V. KESIMPULAN DAN SARAN ................................................................................ 92

5.1 Kesimpulan .......................................................................................................... 92

5.2 Saran ..................................................................................................................... 92

DAFTAR PUSTAKA ........................................................................................... 93

LAMPIRAN .............................................................. Error! Bookmark not defined.

vii

DAFTAR TABEL

Tabel Halaman

1 Jumlah Penduduk Bandar Lampung .................................................................... 8

2 Notasi Activity Diagram .................................................................................... 26

3 Notasi Sequence Diagram .................................................................................. 27

4 Notasi Class Diagram ........................................................................................ 28

5 Equivalence Partitioning ................................................................................... 68

6 Equivalence Partitioning ................................................................................... 69

7 Hasil Equivalence Partitioning .......................................................................... 90

viii

DAFTAR GAMBAR

Gambar Halaman

1. Model Konseptual SPK ..................................................................................... 14

2. Diagram Alir Penelitian .................................................................................... 34

3. Usecase Diagram .............................................................................................. 36

4. Activity Diagram Input Data Rumah ................................................................ 37

5. Activity Diagram Mengubah Data Rumah ....................................................... 38

6. Activity Diagram Menghapus Data Rumah ...................................................... 39

7. Activity Diagram Menginputkan Data Kriteria Rumah .................................... 40

8. Activity Diagram Mengubah Data Kriteria Rumah .......................................... 41

9. Activity Diagram Menghapus Data Kriteria Rumah ........................................ 42

10. Activity Diagram Mencari Data Rumah ......................................................... 43

11. Activity Diagram Membandingkan Data Rumah ........................................... 44

12. Sequence Diagram Menginputkan Data Rumah ............................................. 45

13. Sequence Diagram Mengubah Data Rumah ................................................... 46

14. Sequence Diagram Menghapus Data Rumah.................................................. 47

15. Sequence Diagram Menginputkan Data Kriteria Rumah ............................... 48

16. Sequence Diagram Mengubah Data Kriteria Rumah ...................................... 49

17. Sequence Diagram Menghapus Data Kriteria Rumah .................................... 50

18. Sequence Diagram Mencari Data Rumah ....................................................... 51

19. Sequence Diagram Membandingkan Data Rumah ......................................... 52

20. Class Diagram ................................................................................................. 53

21. Halaman Login ................................................................................................ 54

22. Halaman Utama .............................................................................................. 55

23. Data Rumah .................................................................................................... 55

24. Tambah Data Rumah ...................................................................................... 56

25. Data Kriteria .................................................................................................... 57

26. Edit Data Kriteria ............................................................................................ 57

ix

27. Halaman Perbandingan ................................................................................... 58

28. Tambah Data Perbandingan ............................................................................ 59

29. Hasil Perbandingan ......................................................................................... 60

30. Halaman login pengguna ................................................................................ 61

31. Halaman Utama Pengguna .............................................................................. 61

32. Halaman Data Rumah ..................................................................................... 62

33. Halaman Data Kriteria .................................................................................... 63

34. Halaman Edit Kriteria ..................................................................................... 64

35. Halaman Data Perbandingan ........................................................................... 65



38. Halaman Login ................................................................................................ 73

39. Halaman Utama .............................................................................................. 74

40. Data Rumah .................................................................................................... 75

41. Tambah Data Rumah ...................................................................................... 76

42. Info Data Kriteria ............................................................................................ 77

43. Edit Data Kriteria ............................................................................................ 78




47. Halaman login pengguna ................................................................................ 82

48. Halaman Utama Pengguna .............................................................................. 83

49. Halaman Data Rumah ..................................................................................... 84

50. Halaman Data Kriteria .................................................................................... 85

51. Halaman Edit Kriteria ..................................................................................... 86




I. PENDAHULUAN

1.1 Latar Belakang

Rumah merupakan tempat menghabiskan waktu bersama keluarga, melepaskan

lelah setelah beraktifitas seharian di luar. Rumah juga memberikan ketenangan

dan kenyamanan bagi penghuninya. Untuk itu semua orang berupaya menjadikan

rumah mereka senyaman mungkin untuk dihuni. Bagi sebagian masyarakat

kepemilikan rumah adalah barang mewah yang harus diabaikan, tetapi dengan

seiring perkembangan kebutuhan rumah juga sebagai kebutuhan masyarakat.

Pembelian rumah saat ini relatif bukan hal yang sulit lagi, seiring perkembangan

teknologi dewasa ini yang semakin berkembang, seorang calon pembeli dapat

memilih rumah idamannya. Konsumen selaku pembeli perumahan umumnya

selalu memiliki pertimbangan atau faktor-faktor sebelum mengambil suatu

keputusan, sebagai contoh harga, luas tanah, fasilitas-fasilitas atau fitur-fitur yang

ada di perumahan tersebut dan faktor-faktor lainnya (Rahmadani & Septiarini,

2013).

Kota secara umum adalah tempat bermukimnya warga kota, tempat bekerja,

tempat kegiatan dalam bidang ekonomi, pemerintahan dan lain-lain. Kota adalah

suatu sistem jaringan kehidupan manusia yang ditandai dengan kepadatan yang

tinggi, dan diwarnai dengan stratasosial ekonomi yang heterogen dan coraknya

yang materialistik atau dapat diartikan sebagai bentang budaya yang ditimbulkan

2

oleh unsur-unsur alami dan nonalami dengan gejala-gejala pemusatan penduduk

yang cukup besar dengan corak kehidupan yang bersifat heterogen dan

materalistik dibandingkan dengan daerah belakangnya kota dapat diartikan

sebagai suatu sistem jaringan kehidupan manusia yang ditandai dengan kepadatan

penduduk yang tinggi, dan diwarnai dengan strata sosial ekonomi yang heterogen

dan coraknya yang materialistis. Hal menonjol yang membedakan desa dengan

kota adalah desa merupakan masyarakat agraris, sedang kota nonagraris

(Suparmini, 2012).

Kota Bandar Lampung adalah sebuah kota di Indonesia sekaligus ibukota dan kota

terbesar di Provinsi Lampung. Bandar Lampung juga merupakan kota terbesar dan

terpadat ketiga di Pulau Sumatera setelah Medan dan Palembang menurut jumlah

penduduk, serta termasuk salah satu kota besar di Indonesia dan Kota terpadat di

luar pulau Jawa. Secara geografis, kota ini menjadi pintu gerbang utama pulau

Sumatera, tepatnya kurang lebih 165 km sebelah barat laut Jakarta, memiliki andil

penting dalam jalur transportasi darat dan aktivitas pendistribusian logistik dari

Jawa menuju Sumatera maupun sebaliknya. Kota Bandar Lampung memiliki luas

wilayah daratan 169,21 km² yang terbagi ke dalam 20 Kecamatan dan 126

Kelurahan dengan populasi penduduk 979 287. jiwa (berdasarkan data tahun

2015), kepadatan penduduk sekitar 8.316 jiwa/km² dan diproyeksikan jumlah

penduduk mencapai 2,4 juta jiwa pada tahun 2030. Saat ini kota Bandar Lampung

merupakan pusat jasa, perdagangan, dan perekonomian di provinsi Lampung.

https://id.wikipedia.org/wiki/Kota

https://id.wikipedia.org/wiki/Indonesia

https://id.wikipedia.org/wiki/Lampung

https://id.wikipedia.org/wiki/Pulau_Sumatera

https://id.wikipedia.org/wiki/Medan

https://id.wikipedia.org/wiki/Palembang

https://id.wikipedia.org/wiki/Daftar_kota_di_Indonesia_menurut_jumlah_penduduk

https://id.wikipedia.org/wiki/Daftar_kota_di_Indonesia_menurut_kepadatan_penduduk

https://id.wikipedia.org/wiki/Pulau_Jawa

https://id.wikipedia.org/wiki/Daerah_Khusus_Ibukota_Jakarta

https://id.wikipedia.org/wiki/Jawa

https://id.wikipedia.org/wiki/Sumatera

3

Penduduk di Indonesia khususnya di Bandar Lampung merupakan suatu

permasalahan sulit dalam mendapatkan tempat tinggal. Penduduk yang semakin

padat akan mempengaruhi tingkat kebutuhan tempat tinggal. Bandar lampung

merupakan salah satu kota di Indonesia yang penduduknya sangat padat. Kota

Bandar Lampung merupakan pusat jasa, perdagangan, dan perekonomian di

provinsi Lampung. Tempat tinggal merupakan hal penting bagi setiap orang.

Dengan beragamnya rumah saat ini, konsumen memiliki banyak pilihan yang

beragam pula. Tidaklah mudah untuk menentukan pilihan yang tepat dalam

pemilihan rumah yang dikehendaki. Berbagai faktor yang ada menjadi

pertimbangan konsumen dalam menentukan pilihannya. Para pengembang

(developer) maupun arsitek mulai bersaing untuk membantu memberikan solusi

dengan menyediakan berbagai macam tipe rumah.

Banyaknya tipe rumah yang tersedia tentu saja membuat konsumen menjadi

kesulitan untuk menentukan pilihannya dan terkadang konsumen salah memilih

rumah idaman mereka. Sebuah sistem berbasis komputer menjadi alat bantu

alternatif yang dapat membantu konsumen menyelesaikan masalah yang dihadapi.

Keberadaan komputer pada sistem informasi pada dasarnya tidak mutlak. Akan

tetapi komputer dengan segenap kemampuannya dalam memproses data, akan

meningkatkan efektifitas, produktifitas, serta efisiensi suatu sistem informasi.

(Putri, 2007).

Karena alasan inilah, penulis mencoba membangun sebuah “Sistem Pendukung

Keputusan (SPK) Pemilihan Rumah” sehingga dapat mengakomodasikan

4

kebutuhan akan masalah pemilihan rumah untuk mendapatkan hasil pemilihan

yang benar–benar sesuai atau setidaknya mendekati keinginan konsumen.

SPK sebagai sebuah sistem berbasis komputer yang membantu dalam proses

pengambilan keputusan. SPK sebagai sistem informasi berbasis komputer yang

adaptif, interaktif, fleksibel, yang secara khusus dikembangkan untuk mendukung

solusi dari pemasalahan manajemen yang tidak terstruktur untuk meningkatkan

kualitas pengambilan keputusan. Dengan demikian dapat ditarik satu definisi

tentang SPK yaitu sebuah sistem berbasis komputer yang adaptif, fleksibel, dan

interaktif yang digunakan untuk memecahkan masalah-masalah tidak terstruktur

sehingga meningkatkan nilai keputusan yang diambil (Wibowo , et al., 2009).

Metode penyelesaian masalah MADM (Multiple Attribute Decision Making)

adalah dengan menggunakan metode Simple Additive Weighting (SAW). Metode

SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar

metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap

alternative dari semua atribut. Metode SAW membutuhkan proses normalisasi

matriks keputusan (X) kesuatu skala yang dapat diperbandingkan dengan semua

rating alternatif yang ada. Metode ini merupakan metode yang paling terkenal dan

paling banyak digunakan dalam menghadapi situasi Multiple Attribute Decision

Making (MADM). MADM itu sendiri merupakan suatu metode yang digunakan

untuk mencari alternatif optimal dari sejumlah alternative dengan criteria tertentu.

Metode SAW ini mengharuskan pembuat keputusan menentukan bobot bagi

setiap atribut. Skor total untuk alternative diperoleh dengan menjumlahkan

seluruh hasil perkalian antara rating (yang dapat dibandingkan lintas atribut) dan

5

bobot tiap atribut. Rating tiap atribut haruslah bebas dimensi dalam arti telah

melewati proses normalisasi matriks sebelumnya (Adianto, et al., 2017).

Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Fuzzy

SAW ini termasuk salah satu metode untuk menyelesaikan masalah Fuzzy Multi

Atribute Decision Making (Fuzzy MADM). Konsep dasar metode Fuzzy SAW

adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative

pada semua atribut. Metode Fuzzy SAW membutuhkan proses normalisasi

matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua

rating alternative yang ada (Alfa , et al., 2014).

1.2 Rumusan Masalah

Rumasan masalah yang dapat diambil adalah bagaimana mengimplementasikan

(SAW) pada persoalan sistem pendukung keputusan pemilihan rumah.

1.3 Batasan Masalah

Batasan masalah dalam penelitian ini adalah sebagai berikut:

1. Data yang digunakan adalah data rumah rumah yang dekat dengan 3 titik

point yaitu Unila, Mall Boemi Kedaton, Rumah Sakit Abdul Moeloek

berdasarkan peta di Bandar Lampung .

2. Metode yang digunakan adalah Metode Fuzzy Simpel Additive

Weighting(SAW).

3. Rumah yang dipilih berlokasi di wilayah Bandar Lampung.

6

4. Kriteria yang digunakan adalah harga, luas bangunan, luas tanah, jarak,

fasiitas. Persentase bobot ranking kriteria yang diinputkan dapat diubah oleh

user.

5. Data rumah yang digunakan berjumlah 50 rumah.

1.4 Tujuan

Tujuan utama dari penelitian ini adalah mengimplementasikan metode SAW pada

sistem pendukung keputusan pemilihan rumah dan mengevaluasi kinerja metode

SAW.

.

1.5 Manfaat

Manfaat dari sistem pendukung keputusan ini sebagai berikut:

1. Membantu atau mempermudah Konsumen untuk mendapatkan rumah yang

nyaman karena strategis.

2. Menambah aplikasi Sistem Pendukung Keputusan Dengan Metode SAW

pada persoalan dunia nyata.

II. TINJAUAN PUSTAKA

2.1 Kota Bandar Lampung

Kota Bandar Lampung merupakan pintu gerbang Pulau Sumatera. Bandar

Lampung merupakan ibu kota Propinsi Lampung. Kota yang terletak di sebelah

barat daya Pulau Sumatera ini memiliki posisi geografis yang sangat

menguntungkan. Letaknya di ujung Pulau Sumatera berdekatan dengan DKI

Jakarta yang menjadi pusat perekonomian negara. Kota ini menjadi pertemuan

antara lintas tengah dan timur Sumatera. Kendaraan dari daerah lain di Pulau

Sumatera harus melewati Bandar Lampung bila menuju ke Pulau Jawa.

Kendaraan tersebut transit di terminal Rajabasa. Keluar dan masuknya kendaraan

baik bus, angkutan kota maupun minibus ke terminal ini, ternyata mampu

mendatangkan pemasukan bagi Pendapatan Asli Daerah Sendiri (PADS) Kota

Bandar Lampung yang pada tahun anggaran 200 mencapai Rp 11,9 milyar.

Angkutan jalan raya mampu menyumbang Rp 273 milyar dari total kegiatan

ekonomi tahun 2000. Sumbangan lapangan usaha ini paling besar dibanding

angkutan lain misalnya air. Kendaraan yang keluar masuk melewati Bandar

Lampung ini menambah padatnya jalan-jalan kota. Kota yang semakin padat

dengan kendaraan pribadi maupun umum pun semakin menjamur, ditambah lagi

dengan kendaraan pengangkut hasil bumi dari pelosok daerah Propinsi Lampung

yang akan dikirim ke Bandar Lampung sebagai pusat perdagangan provinsi. Kota

Bandar Lampung memiliki luas wilayah daratan 169,21 km² yang terbagi ke

8

dalam 20 Kecamatan dan 126 Kelurahan dengan populasi penduduk 979.287 jiwa

(berdasarkan data tahun 2015), kepadatan penduduk sekitar 8.316 jiwa/km² dan

diproyeksikan jumlah penduduk mencapai 2,4 juta jiwa pada tahun 2030. Saat ini

kota Bandar Lampung merupakan pusat jasa, perdagangan, dan perekonomian di

provinsi Lampung. Jumlah Penduduk Bandar Lampung terdapat pada Tabel 1.

Tabel 1 Jumlah Penduduk Bandar Lampung

Kecamatan Jumlah Penduduk Luas Wilayah Kepadatan Penduduk

Subdistrict Population Area (km2) Population Density

Teluk Betung Barat 29 799 11,02 2 704

Teluk Betung Timur 41 645 14,83 2 808

Teluk Betung Selatan 39 353 3,79 10 383

Bumi Waras 56 742 3,75 15 131

Panjang 74 506 15,75 4 731

Tanjung Karang Timur 37 108 2,03 18 280

Kedamaian 52 592 8,21 6 406

Teluk Betung Utara 50 593 4,33 11 684

Tanjung Karang Pusat 51 126 4,05 12 624

Enggal 28 084 3,49 8 047

Tanjung Karang Barat 54 710 14,99 3 650

Kemiling 65 637 24,24 2 708

Langkapura 33 944 6,12 5 546

Kedaton 49 055 4,79 10 241

Rajabasa 48 027 13,53 3 550

9

Tanjung Senang 45 775 10,63 4 306

Labuhan Ratu 44 843 7,97 5 626

Sukarame 56 921 14,75 3 859

Sukabumi 57 334 23,6 2 429

Way Halim 61 493 5,35 11 494

2015 979 287 197,22 4 965

2014 960 695 197,22 4 871

2013 942 039 197,22 4 777

2012 902 885 197,22 4 578

2011 891 374 197,22 4 520

Sumber : Badan Pusat Statistik Kota Bandar Lampung (Lampung, 2017).

2.2 Sarana Prasarana Permukiman

Sebagian besar masyarakat tidak terlayani oleh PDAM, kalaupun ada perumahan

yang terlayani air bersih namun waktu mengalirnya tidak teratur dan di beberapa

daerah ada yang hanya mengalir pada saat malam hari sampai dini hari sehingga

mengganggu waktu istirahat. Jumlah sambungan air minum: 18,7% dari jumlah

KK. Khusus di Perumahan Korpri (Kecamatan Sukarame) bangunan PDAM

sudah ada, tapi tidak ada sambungan pipa ke rumah-rumah.

Sumber-sumber PDAM Way Rilau Kota Bandar Lampung meliputi air

permukaan dan air dalam tanah dengan kapasitas produksinya sebagai berikut:

1. Mata air di Tanjung Iman, Way Rilau, Way Pancuran I, Way Pancuran II,

Batu Putih I, Batu Putih II, Way Gudang, Way Linti I dan II, Ega Harap, Way

Kandis I, Way Kandis II dan Way Kandis III dengan kapasitas sebesar 120

l/det. Sumber mata air terletak di daerah yang relatif tinggi, yaitu pada elevasi

10

300 sampai 227 sehingga kecuali dari air Batu Putih, Way Pancuran dan Way

Rilau yang menggunakan pompa untuk mengalirkan ke reservoir Kemiling,

yang lainnya dapat mengalir secara gravitasi ke reservoir-reservoir distribusi.

2. Air Permukaan Way Kuripan, WTP I dan WTP II dengan total kapasitas 450

l/det. Total Kapasitas produksi air 570 l/det. Air baku dari Way Kuripan

mengalir yang terletak pada elevasi 15 harus dipompa agar masuk ke dalam

WTP 1 dan 2 di Sumur Putri. Selanjutnya diolah, dan secara gravitasi

ditampung dalam reservoir Sumur Putri untuk kemudian di pompa ke

reservoir Palapa dan Rasuna Said (Lampung, 2017).

2.3 Sistem Pendukung Keputusan

Sistem pendukung keputusan adalah sistem interaktif berbantuan komputer yang

mendukung pemakai dalam kemudahan akses terhadap data dan model keputusan

dalam upaya membantu proses pengambilan keputusan yang efektif dalam

memecahkan masalah yang bersifat semi terstruktur dan tidak terstruktur, karena

itu harus mampu dalam hal berikut ini :

1. Ditambah atau dikembangkan.

2. Mendukung analisis data dan model desisi.

3. Berorientasi pada masa yang akan datang.

4. Digunakan dalam waktu yang tidak terjadwal.

Sistem pendukung keputusan (SPK) merupakan sistem informasi interaktif yang

menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem ini

11

digunakan untuk membantu pengambilan keputusan dalam situasi yang

semiterstruktur dan situasi yang tidak terstruktur. Dari pengertian diatas, dapat

diambil kesimpulan bahwa Sistem Penunjang Keputusan (SPK) adalah suatu

system informasi berbasis komputer yang melakukan pendekatan untuk

menghasilkan berbagai alternative keputusan untuk membantu pihak tertentu

dalam menangani permasalahan dengan menggunakan data dan model. Suatu SPK

hanya memberikan alternative keputusan dan selanjutnya diserahkan kepada user

untuk mengambil keputusan. Pengambilan keputusan merupakan hasil suatu

proses pemilihan dari berbagai alternative tindakan yang mungkin dipilih dengan

mekanisme tertentu, dengan tujuan untuk menghasilkan keputusan yang terbaik.

Dimana proses keputusan secara bertahap, sistematik, konsisten dan dalam setiap

langkah sejak awal telah mengikut sertakan semua pihak, akan memberikan hasil

yang baik. SPK merupakan suatu sistem interaktif yang mendukung keputusan

dalam proses pengambilan keputusan melalui alternatif–alternatif yang diperoleh

dari hasil pengolahan data, informasi dan rancangan model.

Dari pengertian system penunjang keputusan maka dapat ditentukan karakteristik

antara lain:

1. Mendukung proses pengambilan keputusan.

2. Adanya interface manusia atau mesin dimana user tetap memegan gkontrol

proses pengambilan keputusan.

3. Mendukung pengambilan keputusan untuk membahas masalah terstruktur,

semi terstruktur dan tak struktur.

12

4. Memiliki kapasitas dialog untuk memperoleh informasi sesuai dengan

kebutuhan.

5. Memiliki subsistem-subsistem yang terintegrasi sedemikian rupa sehingga

dapat berfungsi sebagai kesatuan item.

6. Membutuhkan struktur data komprehensif yang dapat melayani kebutuhan

informasi seluruh tingkatan manajemen (Adianto, et al., 2017).

2.3.1 Komponen Komponen Sistem Pendukung Keputusan

Suatu SPK memiliki tiga subsistem utama yang menentukan kapabilitas teknik

SPK, yaitu sebagai berikut :

1. Subsistem Manajemen Basis Data (DatabaseManagement Subsytem)

Ada perbedaan antara basis data untuk SPK dan non-SPK. Pertama sumber data

untuk SPK lebih “kaya” dari non-SPK dimana data harus berasal dari luar dan dari

dalam karena proses pengambilan keputusan, terutama dalam level manajemen

puncak sangat bergantung pada sumber data luar, seperti data ekonomi. Kedua,

proses pengambilan ekstrasi data dari sumber data yang sangat besar. SPK

membutuhkan proses ekstrasi dan DBMS yang dalam pengelolaannya harus

cukup fleksibel untuk memungkinkan penambahan dan pengurangannya secara

cepat.

2. Subsistem Manajemen Model ( Model Management Subsystem)

13

Salah satu kemampuan SPK adalah kemampuan untuk mengintegrasikan data dan

model-model keputusan. Hal ini dapat dilakukan dengan menambahkan model-

model keputusan ke dalam sistem informasi yang menggunakan basis dataset

bagai mekanisme komunikasi dan integrasi dan komunikasi diantara model-

model. Komunikasi antara berbagai model yang saling berhubungan diserahkan

kepada pengambil keputusan sebagai proses intelektual dan manual.

3. Subsistem Perangkat Lunak Penyelengara Dialog (Dialog Generation and

Management Subsystem)

Komponen dari sistem dialog adalah pemakai, terminal dan sistem perangkat

lunak. subsistem dialog dibagi menjadi tiga yaitu :

1. Bahasa aksi, meliputi apa yang dapat dilakukan oleh pemakai dalam

berkomunikasi dengan sistem. hal ini meliputi pemilihan-pemilihan seperti

papan ketik (keyboard), panel-panel sentuh, joystick, perintah suara dan

sebagainya.

2. Bahasa tampilan atau persentasi, meliputi apa yang harus diketahui oleh

pemakai. Bahasa tampilan meliputi pilihan-pilihan seperti printer, layar,

tampilan, grafik, warna, ploter, keluaran suara, dan sebagainya.

3. Bahasa pengetahuan, meliputi apa yang harus diketahui oleh pemakai agar

pemakaian sistem dapat efektif. basis pengetahuan bisa berada dalam pikiran

pemakai, pada kartu referensi atau petunjuk, dalam buku manual, dan

sebagainya (Suroso , 2016).

14

Sistem pendukung keputusan harus mencakup tiga komponen utama dari DBMS,

MBMS dan antarmuka pengguna. Sedangkan subsistem manajemen berbasis

pengetahuan adalah opsional. Namun subsistem berbasis pengetahuan dapat

memberikan banyak manfaat karena memberikan inteligensi bagi 3 (tiga)

komponen utama tersebut. Di luar keempat komponen di atas, seperti layaknya

semua sistem informasi manajemen, pengguna dapat dianggap sebagai salah satu

komponen DSS.

Dari komponen-komponen ini digambarkan dalam bentuk bagan yang disajikan

pada Gambar 1 (Suroso , 2016):

Gambar 1 Model Konseptual SPK

2.3.2 Langkah-Langkah Pengambilan Keputusan

Proses pendukung keputusan dimulai dengan fase inteligent, dimana kenyataan

diuji dan masalahnya teridentifikasi, kemudian fase design, yaitu suatu model

yang menggambarkan suatu sistem yang mengacu pada peraturan–peraturan dan

kriteria-kriteria dikumpulkan untuk suatu evaluasi dari pilihan-pilihan aksi yang

15

teridentifikasi. Berikutnya adalah fase choice yang mengandung suatu tujuan

penyelesaian untuk model. Fase yang terakhir adalah implementation, yang

melihat tingkat kesuksesan sistem dalam menyelesaikan masalah yang ada

(Suroso , 2016).

2.3.3 Tujuan Sistem Pendukung Keputusan

Tujuan dari Sistem Pendukung Keputusan adalah sebagai berikut:

1. Membantu manajer dalam pengambilan keputusan atas masalah semi

terstruktur.

2. Memberikan dukungan atas pertimbangan manajer dan bukannya

dimaksudkan untuk menggantikan fungsi manajer.

3. Meningkatkan efektivitas keputusan yang diambil manajer lebih daripada

perbaikan efisiensinya.

4. Kecepatan komputasi. Komputer memungkinkan para pengambil keputusan

untuk melakukan banyak komputas secara cepat dengan biaya yang rendah.

5. Peningkatan produktivitas. Membangun suatu kelompok pengambil

keputusan, terutama para pakar, bisa sangat mahal.

6. Dukungan kualitas. Komputer bisa meningkatkan kualitas keputusan yang

dibuat. Sebagai contoh, semakin banyak data yang di akses, makin banyak

juga alernatif yang bisa di evaluasi. Analisis resiko bisa di lakukan dengan

cepat dan pandangan dari para pakar (beberapa dari mereka berada di lokasi

yang jauh) bisa dikumpulkan dengan cepat dan dengan biaya yang lebih

rendah.

16

7. Berdaya saing. Manajemen dan pemberdayaan sumber daya perusahaan.

Tekanan persaingan menyebabkan tugas pengambilan keputusan menjadi

sulit. Persaingan di dasarkan tidak hanya pada harga, tetapi juga padakualitas,

kecepatan, kustomasi produk, dan dukungan pelanggan.

8. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan (Hartini,

et al., 2013).

2.3.4 Proses Pengambilan Keputusan

Proses pengambilan keputusan menurut model Simon dapat dibagi menjadi empat

fase, yaitu:

1. Fase Intelegensi (intelligence phase)

Pengambil keputusan melakukan proses identifikasi atas semua lingkup masalah

yang harus diselesaikan. Pada tahap ini pengambil keputusan harus memahami

realitas dan mendefinis5ikan masalah dengan menguji data yang diperoleh.

2. Fase Perancangan (design phase)

Melakukan pemodelan problem yang didefinisikan dengan terlebih dahulu

menguraikan elemen keputusan, alternatif variable keputusan, kriteria evaluasi

yang dipilih. Model kemudian divalidasi berdasar kriteria yang ditetapkan untuk

melakukan evaluasi terhadap alternatif keputusan yang dipilih. Penentuan solusi

merupakan proses merancang dan mengembangkan alternatif keputusan,

menentukan sejumlah tindakan yang diambil, serta menetapkan nilai dan bobot

yang diberikan kepada setiap alternatif.

17

3. Fase Pemilihan (choice phase).

Merupakan tahap pemilihan terhadap solusi yang dihasilkan dari model. Bilamana

solusi bisa diterima pada fase terakhir ini, kemudian dilanjutkan dengan

implementasi solusi keputusan pada dunia nyata.

4. Fase Implementasi (implementation phase).

Pada hakikatnya implementasi suatu solusi yang diusulkan untuk suatu masalah

adalah inisiasi terhadap hal baru, atau pengenalan terhadap perubahan. Dan

perubahan harus dikelola. Harapan-harapan pengguna harus dikelola sebagai

bagian dari manajemen perubahan (Hartini, et al., 2013).

2.4 Logika Fuzzy MADM

Fuzzy Multiple Attribute Decision Making adalah suatu metode yang digunakan

untuk mencari alternative optimal dari sejumlah alternatif dengan kriteria tertentu.

Inti dari MADM adalah menentukan nilai bobot untuk setiap atribut, kemudian

dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang

sudah diberikan. Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot

atribut, yaitu pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi

antara subyektif & obyektif. Masing-masing pendekatan memiliki kelebihan dan

kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan

subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam

proses perankingan alternatif bisa ditentukan secara bebas. Sedangkan pada

pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan

subyektifitas dari pengambil keputusan. Selama ini ada beberapa metode yang

18

telah digunakan untuk menentukan besarnya nilai bobot, antara lain: weighted

least square, LINMAP (Linear Programming Techniques for Multidimensional

Analysis of Preference), Mathematical Programming. Pada penelitian ini,

pencarian nilai bobot akan dicoba dengan menggunakan algoritma MADM pada

menyelesaikan masalah MADM untuk penentuan kredit perumahan berbasis web

dengan pendekatan subyektif (Permatasari & Sri, 2010).

2.4.1 Algoritma FMADM

Algoritma FMADM adalah:

a) Memberikan nilai setiap alternatif ( ) pada setiap kriteria ( ) yang sudah

ditentukan, dimana nilai tersebut diperoleh berdasarkan nilai crisp; i=1, 2,…m

dan j=1, 2, …n.

b) Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp.

c) Melakukan normalisasi matriks dengan cara menghitung nilai rating kinerja

ternormalisasi ( ) dari alternatif pada atribut berdasarkan persamaan

yang disesuaikan dengan jenis atribut (atribut keuntungan/benefit= Maksimum

atau atribut biaya/cost=Minimum). Apabila berupa artibut keuntungan maka

nilai crisp ( ) dari setiap kolom atribut dibagi dengan nilai crisp MAX

dari tiap kolom, sedangkan untuk atribut biaya, nilai crisp MIN dari tiap

kolom atribut dibagi dengan nilai crisp ( ) setiap kolom.

d) Melakukan proses perankingan dengan cara mengalikan matriks

ternormalisasi (R) dengan nilai bobot (W).

19

e) Menentukan nilai preferensi untuk setiap alternatif ( ) dengan cara

menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot

(W). Nilai yang lebih besar mengindikasikan bahwa alternatif lebih

terpilih (Erwin, 2015).

2.4.2 Macam Macam Metode Dalam Menyelesaikan Masalah Fuzzy

Multiple Attribute Decision Making (FMADM)

Ada beberapa metode yang dapat digunakan untuk mnyelesaikan masalah

FMADM. antara lain :

1. Simple Additive Weighting (SAW)

2. Weighted Product (WP)

3. Elimination and Choice Translation Reality (ELECTRE)

4. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)

5. Analytic Hierarchy Process (AHP) (Wibowo , et al., 2009).

1. Metode Simple Additive Weighting (SAW)

Metode SAW merupakan salah satu metode yang biasanya di terapkan pada suatu

sistem pengambilan keputusan atau yang biasanya digunakan dalam pemecahan

masalah yang melibatkan banyak alternatif pilihan sehingga dapat membantu

pengguna dalam mengambil keputusan dengan cepat dan tepat. Metode SAW

dianggap efektif diterapkan pada penentuan tingkat kesejahteraan ini karena

sebelum dilakukan proses perangkingan setiap alternatif yang ada, terlebih dahulu

nilai setiap alternatif dilakukan normalisasi. Nilai-nlai setiap alternatif tersebut

20

diperoleh dari pemenuhan setiap kriteria kesejahteraan Tingkat kesejahteraan

diurutkan dari nilai alternatif yang tertinggi. Semakin rendah nilai alternatif

semakin rendah pula tingkat kesejahteraannya (Kaho, et al., 2012).

2. Weighted Product (WP)

Metode WP adalah metode untuk pengambilan keputusan berdasarkan besarnya

nilai preferensi yang dihitung berdasarkan pada nilai variabel yang digunakan

yang dipangkatkan dengan bobotnya. Semakin besar nilai preserensi suatu

alternatif solusi maka alternatif solusi itu semkin disukai (Supriyono & Sari,

2015).

3. Elimination and Choice Translation Reality (ELECTRE)

ELECTRE merupakan salah satu metode pengambilan keputusan yang multi

kriteria berdasarkan pada konsep outranking dengan menggunakan perbandingan

berpasangan dari alternatif-alternatif berdasarkan setiap kriteria yang sesuai.

Metode ELECTRE digunakan pada kondisi dimana alternatif yang kurang sesuai

dengan kriteria akan dieliminasi, dan alternatif yang sesuai dapat dihasilkan,

dengan kata lain Electre digunakan untuk kasus-kasus dengan banyak alternatif.

Namun, hanya sedikit kriteria yang dilibatkan. Suatu alternatif dikatakan

mendominasi alternatif yang lainnya jika satu atau lebih kriterianya melebihi

(dibandingkan dengan kriteria dari alternatif yang lain) dan sama dengan kriteria

lain yang tersisa (Fauzi, 2016).

21

4. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)

Metode TOPSIS adalah salah satu metode yang digunakan untuk menyelesaikan

masalah MADM. Metode TOPSIS didasarkan pada konsep dimana alternatif

terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif,

namun juga memiliki jarak terpanjang dari solusi ideal negatif. Konsep ini banyak

digunakan pada beberapa model MADM untuk menyelesaikan masalah keputusan

secara praktis. Hal ini disebabkan karena konsepnya yang sederhana dan mudah

dipahami, komputasinya efisien, dan memiliki kemampuan untuk mengukur

kinerja relatif dari alternatif-alternatif keputusan dalam bentuk matematis yang

sederhana (Murnawan, 2012).

5. Analytic Hierarchy Process (AHP)

AHP adalah suatu teori umum tentang pengukuran yang digunakan untuk

menemukan skala rasio, baik dari perbandingan berpasangan yang diskrit maupun

kontinu. Perbandingan-perbandingan ini dapat diambil dari ukuran aktual atau

skala dasar yang mencerminkan kekuatan perasaan dan preferensi relatif. Metode

ini adalah sebuah kerangka untuk mengambil keputusan dengan efektif atas

persoalan dengan menyederhanakan dan mempercepat proses pengambilan

keputusan dengan memecahkan persoalan tersebut kedalam bagian-bagiannya,

menata bagian atau variabel ini dalam suatu susunan hirarki, memberi nilai

numerik pada pertimbangan subjektif tentang pentingnya tiap variabel dan

mensintesis berbagai pertimbangan ini untuk menetapkan variabel yang mana

22

yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil

pada situasi tersebut (Jatmika & Soeminto, 2016).

2.5 Metode Simple Additive Weighting (SAW)

Metode SAW merupakan salah satu metode yang biasanya di terapkan pada suatu

sistem pengambilan keputusan atau yang biasanya digunakan dalam pemecahan

masalah yang melibatkan banyak alternatif pilihan sehingga dapat membantu

pengguna dalam mengambil keputusan dengan cepat dan tepat. Metode SAW

dianggap efektif diterapkan pada penentuan tingkat kesejahteraan ini karena

sebelum dilakukan proses perengkingan setiap alternatif yang ada, terlebih dahulu

nilai setiap alternatif dilakukan normalisasi. Nilai-nlai setiap alternatif tersebut

diperoleh dari pemenuhan setiap kriteria kesejahteraan Tingkat kesejahteraan

diurutkan dari nilai alternatif yang tertinggi. Semakin rendah nilai alternatif

semakin rendah pula tingkat kesejahteraannya (Kaho, et al., 2012).

2.5.1 Langkah Penyelesaian SAW

Langkah-Langkah penyelesaian SAW sebagai berikut :

1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan

keputusan, yaitu .

2. Menentukan rating kecocokan setiap alternative p ada setiap kriteria.

23

3. Membuat matriks keputusan berdasarkan kriteria ( ), kemudian melakukan

normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis

atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks

ternormalisasi r.

4. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari

perkalian matriks ternormalisasi r dengan vektor bobot sehingga diperoleh

nilai terbesar yang dipilih sebagai alternatif terbaik ( ) sebagai solusi.

jika j adalah Atribut keuntungan terbesar

(Benefit)

jika j adalah Atribut keuntungan terkecil

(Cost)

……………

(1)

Keterangan :

= Nilai rating kinerja ternormalisasi untuk alternatif i pada atribut j

= Nilai Attribute Alternatif i Pada Attribute j

Max = Nilai Terbesar Dari Setiap Kriteria

Min = Nilai Terkecil Dari Setiap Kriteria

Benefit = Jika Nilai Terbesar Adalah Nilai Terbaik

Cost = Jika Nilai Terkecil Adalah Terbaik

24

Dimana adalah rating ternormalisasi dari alternatif pada atribut ; i= 1, 2,

…, m dan j= 1, 2, …, n. Nilai prefensi untuk setiap alternatif ( ) diberikan

sebagai :

∑

…………………………… (2)

Keterangan :

= rangking untuk alternatif ke i

= nilai bobot untuk kriteria ke j

= nilai rating kinerja ternormalisasi untuk alternatif i pada atribut j

Nilai yang lebih besar mengidentifikasikan bahwa alternative lebih terpilih

(Fitriani, 2015).

2.5.2 Kelebihan Metode Simple Additive Weighting (SAW)

Kelebihan dari metode SAW dibandingkan dengan model pengambilan keputusan

yang lain terletak pada kemampuannya untuk melakukan penilaian secara lebih

tepat karena didasarkan pada nilai kriteria dan bobot preferensi yang sudah

ditentukan, selain itu SAW juga dapat menyeleksi alternatif terbaik dari sejumlah

alternatif yang ada karena adanya proses perankingan setelah menentukan nilai

bobot untuk setiap atribut (Darmastuti, 2013).

25

2.6 Unified Modeling Language (UML)

Unified Modeling Language (UML) adalah bahasa spesifikasi standar yang

dipergunakan untuk mendokumentasikan, menspesifikasikan dan membangun

perangkat lunak. UML merupakan metodologi dalam pengembangan sistem

berorientasi objek dan juga merupakan alat untuk mendukung pengembangan

sistem. UML saat ini banyak dipergunakan dalam bidang industry yang

merupakan bahasa standar bahasa pemodelan umum dalam industry perangkat

lunak dan pengembangan sistem. (Urva & Siregar, 2015).

Unified Modelling Language (UML) memiliki diagram-diagram standar yaitu Use

Case diagram, Activity diagram, Sequence diagram dan Class diagram. Penjelasan

tersebut akan dijabarkan adalah sebagai berikut.

2.6.1 Use Case Diagram

Fungsi yang disediakan oleh sistem database atau aplikasi komputer dapat

diilustrasikan dengan diagram Use Case. Tujuan utamanya adalah untuk

memvisualisasikan kebutuhan fungsional dari sistem, termasuk hubungan "aktor"

(manusia yang akan berinteraksi dengan sistem) untuk proses penting, serta

hubungan antara penggunaan yang berbeda.

2.6.2 Activity Diagram

Activity diagram adalah representasi alur kerja dari aktivitas yang bertahap serta

dukungan tindakan untuk menentukan pilihan, iterasi dan persetujuan. Activity

diagram juga bisa digunakan untuk mendeskripsikan sebuah bisnis dan langkah –

26

langkah alur kerja secara bertahap sebagai komponen di dalam sistem. Activity

diagram adalah pijakan dari seluruh alur kontrol atau pengawasan. Notasi Activity

Diagram disajikan pada Tabel 2.

Tabel 2 Notasi Activity Diagram

Simbol Keterangan

Activity

Titik awal

Titik akhir

Pilihan untuk mengambil keputusan

Fork; Digunakan untuk menunjukkan kegiatan yang

dilakukan secara paralel atau untuk menggabungkan

dua kegiatan paralel menjadi satu

Rake; Menunjukkan adanya dekomposisi

Tanda waktu

Tanda pengiriman

Aliran akhir (flow final)

2.6.3 Sequence Diagram

Sequence Diagram menunjukkan aliran rinci untuk kasus pengguanaan tertentu

atau bahkan hanya bagian dari kasus penggunaan tertentu. Ini menunjukkan

panggilan antara objek yang berbeda dalam urutan diagram dan dapai ditunjukkan

27

pada tingkatan yang lebih terperinci yang merupakan panggilan berbeda ke objek

yang berbeda. Notasi Sequence Diagram disajikan pada Tabel 3.

Tabel 3 Notasi Sequence Diagram

Simbol Nama Keterangan

Object Object merupakan instance dari sebuah class dan

dituliskan tersusun secara horizontal.

Digambarkan sebagai sebuah class (kotak) dengan

nama obyek didalamnya yang diawali dengan

sebuah titik koma

Actor Actor juga dapat berkomunikasi dengan object, maka

actor juga dapat diurutkan sebagai kolom. Simbol

actor sama dengan simbol pada actor use case

diagram

Lifeline Lifeline mengindikasikan keberadaan sebuah object

dalam basis waktu. Notasi untuk lifeline adalah garis

putus-putus vertikal yang ditarik dari sebuah obyek

Activation Activation dinotasikan sebagai sebuah kotak segi

empat yang digambar pada sebuah lifeline. Activation

mengindikasikan sebuah obyek yang akan melakukan

sebuah aksi

Message Message, digambarkan dengan anak panah horizontal

antara activation. Message mengindikasikan

komunikasi antara object-object.

2.6.4 Class Diagram

Class Diagram adalah struktur statis dari aplikasi komputer atau alur database

yang ditunjukkan dalam clas diagram. Class diagram juga menunjukkan

bagaimana entitas yang berbeda (orang, benda dan data) yang berhubungan satu

28

sama lain. Class diagram menampilkan logika kelas dan implementasi kelas suatu

objek . Notasi Class Diagram disajikan pada Tabel 4.

Tabel 4 Notasi Class Diagram

Simbol Nama Keterangan

Class Class adalah blok-blok pembangun pada pemrograman

berorientasi obyek. Sebuah class digambarkan sebagai

sebuah kotak yang terbagi atas 3 bagian. Bagian atas

adalah bagian nama dari class. Bagian tengah

mendefinisikan property/atribut class. Bagian akhir

mendefinisikan method dari sebuah class.

Association Sebuah asosiasi merupakan sebuah relationship paling

umum antara 2 class, dan dilambangkan oleh sebuah

garis yang menghubungkan antara 2 class. Garis ini bisa

melambangkan tipe-tipe relationship dan juga dapat

menampilkan hukum-hukum multiplisitas pada sebuah

relationship (Contoh: One-to-one, one-to-many, many-

to-many).

Composition Jika sebuah class tidak bisa berdiri sendiri dan harus

merupakan bagian dari class yang lain, maka class

tersebut memiliki relasi composition terhadap class

tempat dia bergantung tersebut. Sebuah relationship

composition digambarkan sebagai garis dengan ujung

berbentuk jajaran genjang berisi/solid.

Dependency Kadang kala sebuah class menggunakan class yang lain.

Hal ini disebut dependency. Umumnya penggunaan

dependency digunakan untuk menunjukkan operasi

pada suatu class yang menggunakan class yang lain.

Sebuah dependency dilambangkan sebagai sebuah

29

panah bertitik-titik.

Aggregation Aggregation mengindikasikan keseluruhan bagian

relationship dan biasanya disebut sebagai relasi

“mempunyai sebuah” atau “bagian dari”. Sebuah

aggregation digambarkan sebagai sebuah garis dengan

sebuah jajaran genjang yang tidak berisi/tidak solid.

Generalization Sebuah relasi generalization sepadan dengan sebuah

relasi inheritance pada konsep berorientasi obyek.

Sebuah generalization dilambangkan dengan sebuah

panah dengan kepala panah yang tidak solid yang

mengarah ke kelas “parent”-nya/induknya.

2.7 Pengujian BlackBox Testing

BlackBox Testing berfokus pada spesifikasi fungsional dari perangkat lunak.

Tester dapat mendefinisikan kumpulan kondisi input dan melakukan pengetesan

pada spesifikasi fungsional program. BlackBox Testing bukanlah solusi alternatif

dari WhiteBox Testing tapi lebih merupakan pelengkap untuk menguji hal-hal

yang tidak dicakup oleh WhiteBox Testing.

Black Box Testing cenderung untuk menemukan hal-hal berikut:

1. Fungsi yang tidak benar atau tidak ada.

2. Kesalahan antarmuka (interface errors).

3. Kesalahan pada struktur data dan akses basis data.

4. Kesalahan performansi (performance errors).

30

5. Kesalahan inisialisasi dan terminasi.

Pengujian didesain untuk menjawab pertanyaanpertanyaan berikut:

1. Bagaimana fungsi-fungsi diuji agar dapat dinyatakan valid?

2. Input seperti apa yang dapat menjadi bahan kasus uji yang baik?

3. Apakah sistem sensitif pada input-input tertentu?

4. Bagaimana sekumpulan data dapat diisolasi?

5. Berapa banyak rata-rata data dan jumlah data yang dapat ditangani sistem?

6. Efek apa yang dapat membuat kombinasi data ditangani spesifik pada operasi

sistem?

Saat ini terdapat banyak metoda atau teknik untuk melaksanakan Black Box

Testing, antara lain:

1. Equivalence Partitioning

2. Boundary Value Analysis/Limit Testing

3. Comparison Testing

4. Sample Testing

5. Robustness Testing

6. Behavior Testing

7. Requirement Testing

8. Performance Testing

9. Uji Ketahanan (Endurance Testing)

10. Uji Sebab-Akibat (Cause-Effect Relationship Testing) (Mustaqbal, et al.,

2015).

III. METODELOGI PENELITIAN

3.1 Waktu dan Tempat Penelitian

Penelitian ini dilakukan di beberapa perumahan di Bandar Lampung khususnya

dekat dengan UNILA, Mall Boemi Kedaton, RS. Abdul Moeloek. Waktu

penelitian dilakukan pada bulan Agustus 2017 sampai dengan 2018.

3.2 Perangkat Penelitian

Alat pendukung yang digunakan dalam penelitian ini adalah sebagai berikut:

a. Perangkat Keras

Laptop ASUS dengan spesifikasi :

Processor : Intel® Core™ i5-5200U CPU @2.20GHz

RAM : 4096 MB

Harddisk : 500 GB

b. Perangkat Lunak

Sistem Operasi Windows 8 64 Bit

Microsoft word office

Adobe Photoshop CS6

32

3.3 Metode Simple Additive Weighting (SAW)

Salah satu metode penyelesaian masalah MADM (Multiple Attribute Decision

Making) adalah dengan menggunakan metode SAW. Metode SAW sering juga

dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah

mencari penjumlahan terbobot dari rating kinerja pada setiap alternative dari

semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan

(X) kesuatu skala yang dapat diperbandingkan dengan semua rating alternatif yang

ada. Metode ini merupakan metode yang paling terkenal dan paling banyak

digunakan dalam menghadapi situasi Multiple Attribute Decision Making

(MADM). MADM itu sendiri merupakan suatu metode yang digunakan untuk

mencari alternatif optimal dari sejumlah alternative dengan criteria tertentu.

Metode SAW ini mengharuskan pembuat keputusan menentukan bobot bagi

setiap atribut. Skor total untuk alternative diperoleh dengan menjumlahkan

seluruh hasil perkalian antara rating (yang dapat dibandingkan lintas atribut) dan

bobot tiap atribut. Rating tiap atribut harus bebas dimensi dalam arti telah

melewati proses normalisasi matriks sebelumnya.

jika j adalah Atribut keuntungan terbesar

(Benefit)

jika j adalah Atribut keuntungan terkecil

(Cost)

……………

(1)

33

Keterangan :

= Nilai rating kinerja ternormalisasi untuk alternatif i pada atribut j

= Nilai Attribute Alternatif i Pada Attribute j

Max = Nilai Terbesar Dari Setiap Kriteria

Min = Nilai Terkecil Dari Setiap Kriteria

Benefit = Jika Nilai Terbesar Adalah Nilai Terbaik

Cost = Jika Nilai Terkecil Adalah Terbaik

Dimana adalah rating ternormalisasi dari alternatif pada atribut ;

i=1,2,…,m dan j=1,2,…,n. Nilai prefensi untuk setiap alternatif ( ) diberikan

sebagai :

∑

…………………………… (2)

Keterangan :

= rangking untuk alternatif ke i

= nilai bobot untuk kriteria ke j

= nilai rating kinerja ternormalisasi untuk alternatif i pada atribut j

Nilai yang lebih besar mengidentifikasikan bahwa alternative lebih terpilih

34

3.4 Tahapan Penelitian

Beberapa tahapan yang dilakukan peneliti dalam membangun sistem pendukung

keputusan menggunakan metode SAW disajikan dalam bentuk diagram alir pada

Gambar 2.

Tidak

Ya

START

STUDI LITERATUR

PENGUMPULAN DATA

PERANCANGAN SISTEM

PEMBUATAN SISTEM

SEMUA

KEBUTUHAN

TERSEDIA

PENGUJIAN SISTEM

SELESAI

Gambar 2 Diagram Alir Penelitian

35

3.4.1 Studi Literatur

Tahapan penelitian ini menggunakan metode pengembangan waterfall Tahapan

pertama kali dimulai dengan mencari studi literatur. Studi literatur dilakukan

dengan cara mempelajari aspek-aspek yang berkaitan dengan penelitian ini,

diantaranya adalah mencari data rumah yang ada di Bandar Lampung mempelajari

metode SAW, mencari informasi tentang harga rumah, luas bangunan, luas tanah,

jarak dengan 3 titik point, dan fasilitas.

3.4.2 Pengumpulan Data

Tahapan pengumpulan data dilakukan dengan cara studi literature dan

berkonsultasi pemilik perumahan. Data yang digunakan sebagai acuan untuk

menyelesaikan sistem pendukung keputusan dalam pemilihan rumah. Kritera-

kriteria yang digunakan adalah harga, luas bangunan, luas tanah, jarak, dan

fasilitas. Masing-masing kriteria memiliki nilai bobot. Harga rumah mulai dari

Rp. 100.000.000 s/d 2.000.000.000,00. Luas bangungan mulai dari 30 m2 s/d 500

m2. Jarak rumah dengan pusat keramaian berdasarkan pengukuran yang ada di

map. Dan fasilitas rumah terdapat 4 jenis yaitu : Mesin Atm, Pos Satpam,

Minimart, Sekolah.

3.4.3 Perancangan Sistem

Tahap perancangan sistem merupakan tahap penggambaran rencana

pengembangan sistem ke dalam bentuk gambar yang bertujuan agar dapat

mempermudah pengguna dalam memahami konsep sistem yang dibangun.

36

Perancangan sistem pada penelitian ini terdiri dari Use Case Diagram, Activity

Diagram, Sequence Diagram, dan Class Diagram.

A. Use case diagram.

Sistem Pendukung Keputusan Pemilihan Rumah Tinggal akan melakukan empat

proses yang hanya dapat dilakukan oleh user. Diantaranya adalah menampilkan

menu data rumah, menampilkan menu kriteria rumah, menampilkan menu

membandingkan data rumah, dan menampilkan menu tentang seperti tertera pada

Gambar 3 berikut.

Gambar 3 Usecase Diagram

37

B. Activity diagram.

Terdapat delapan activity diagram yang merupakan pengembangan dari use case

diagram. Activity diagram pertama menunjukan cara sistem untuk menjalankan

fungsi menu input data rumah seperti Gambar 4 berikut.

Gambar 4 Activity Diagram Input Data Rumah

38

Activity diagram kedua menunjukkan cara sistem untuk menjalankan fungsi

menu mengubah data rumah seperti pada Gambar 5 berikut.

Gambar 5 Activity Diagram Mengubah Data Rumah

Activity diagram ketiga menunjukkan cara sistem untuk menjalankan fungsi menu

mnghapus data rumah seperti pada Gambar 6 berikut.

39

Gambar 6 Activity Diagram Menghapus Data Rumah

Activity diagram keempat menunjukkan cara sistem untuk menjalankan fungsi

menu menginputkan data kriteria rumah seperti pada Gambar 7 berikut.

40

Gambar 7 Activity Diagram Menginputkan Data Kriteria Rumah

Activity diagram kelima menunjukkan cara sistem untuk menjalankan fungsi

menu mengubah data kriteria rumah seperti pada Gambar 8 berikut.

41

Gambar 8 Activity Diagram Mengubah Data Kriteria Rumah

Activity diagram keenam menunjukkan cara sistem untuk menjalankan fungsi

menu menghapus data kriteria rumah seperti pada Gambar 9 berikut.

42

Gambar 9 Activity Diagram Menghapus Data Kriteria Rumah

Activity diagram ketujuh menunjukkan cara sistem untuk menjalankan fungsi

mencari data rumah seperti pada Gambar 10 berikut.

43

Gambar 10 Activity Diagram Mencari Data Rumah

Activity diagram kedelapan menunjukkan cara sistem untuk menjalankan menu

membandingkan data rumah seperti pada Gambar 11 berikut.

44

Gambar 11 Activity Diagram Membandingkan Data Rumah

C. Sequence diagram.

Sequence diagram merupakan penjabaran dari aktivitas yang dilakukan oleh

activity diagram. Pada Gambar 12 merupakan sequence diagram untuk activity

diagram proses menginputkan data rumah .

45

Gambar 12 Sequence Diagram Menginputkan Data Rumah

Pada Gambar 13 merupakan sequence diagram untuk activity diagram proses

mengubah data rumah .

46

Gambar 13 Sequence Diagram Mengubah Data Rumah


menghapus data rumah .

47

Gambar 14 Sequence Diagram Menghapus Data Rumah


menginputkan data kriteria rumah .

48

Gambar 15 Sequence Diagram Menginputkan Data Kriteria Rumah


mengubah data kriteria rumah .

49

Gambar 16 Sequence Diagram Mengubah Data Kriteria Rumah


menghapus data kriteria rumah .

50

Gambar 17 Sequence Diagram Menghapus Data Kriteria Rumah


mengcari data rumah.

51

Gambar 18 Sequence Diagram Mencari Data Rumah


membandingkan data rumah .

52

Gambar 19 Sequence Diagram Membandingkan Data Rumah

D. Class diagram.

Class diagram adalah model statis yang menggambarkan struktur dan deskripsi

class serta hubungannya antara class. Class diagram yang digunakan untuk

menampilkan beberapa kelas serta paket paket yang ada pada sistem aplikasi

model class diagram disajikan pada Gambar 20.

53

Gambar 20 Class Diagram

3.5 Perancangan Antarmuka Aplikasi Untuk Administrator

Perancangan antarmuka ini dilakukan untuk merancang tata letak sistem sesuai

dengan analisis kebutuhan sistem. Antarmuka yang dirancang untuk administrator

adalah sebagai berikut.

54

3.5.1 Antarmuka Halaman Login

Halaman login merupakan halaman awal pada aplikasi berbasis web.

Administrator diharuskan untuk melakukan login terlebih dahulu sebelum dapat

mengakses menu-menu yang terdapat dalam sistem. Antarmuka halaman login

administrator disajikan pada Gambar 21 :

Gambar 21 Halaman Login

3.5.2 Antarmuka Halaman Utama

Antarmuka halaman utama atau beranda merupakan halaman utama setelah

administrator melakukan login. Antamuka halaman utama ini merupakan tampilan

informasi mengenai informasi jumlah data yang telah dimasukkan ke dalam

menu-menu yang tersedia. Antarmuka halaman utama disajikan pada Gambar 22 :

55

Gambar 22 Halaman Utama

3.5.3 Antarmuka Halaman Data Rumah

Pada Gambar 23 merupakan halaman data rumah. Di dalam halaman data rumah

terdapat menu tambah data rumah, menu edit, menu hapus. Antarmuka halaman

data rumah disajikan pada Gambar 23 :

Gambar 23 Data Rumah

56

3.5.4 Antarmuka Halaman Tambah Data Rumah

Pada Gambar 24 merupakan halaman menu tambah data rumah terdapat form

pengisian seperti foto rumah, harga rumah, luas rumah, dekat dari pusat

keramaian, jarak dengan pusat keramaian, fasilitas, alamat, dan deskripsi tentang

rumah. Antarmuka halaman tambah data rumah disajikan pada Gambar 24 :

Gambar 24 Tambah Data Rumah

Pada Gambar 25 merupakan halamaan data kriteria terdapat info data kriteria yang

digunakan untuk menyelesaian sistem pendukung keputusan dengan metode

SAW. Antarmuka halaman data kriteria disajikan pada Gambar 25 :

57

Gambar 25 Data Kriteria

3.5.5 Antarmuka Halaman Edit Data Kriteria

Pada Gambar 26 merupakan halamaan tambah data kriteria yang nantinya

pengguna (User) bisa mengganti bobot yang diinginkan untuk menjalankan

perhitungan Metode SAW. Antarmuka halaman edit data kriteria disajikan pada

Gambar 26 :

Gambar 26 Edit Data Kriteria

58

Pada Gambar 27 merupakan halaman perbandingan yang berisikan data rumah

yang dihitung nilai Fuzzy SAW berdasarkan kriteria kriteria yang ada dengan

bobot tertentu sehingga menghasilkan nilai dengan batasan 0-1. Semakin tinggi

nilai yang didapat, semakin besar peluang alternatif terbaik oleh sistem.

Antarmuka halaman perbandingan disajikan pada Gambar 27:

Gambar 27 Halaman Perbandingan

Pada Gambar 28 merupakan halaman tambah data perbandingan yang berisikan

data rumah yang dihitung nilai Fuzzy SAW berdasarkan kriteria kriteria yang ada

dengan bobot tertentu sehingga menghasilkan nilai dengan batasan 0-1. Data yang

diambil terdapat pada data rumah, user memilih rumah untuk menghitung

59

berbandingannya. Antarmuka halaman tambah data perbandingan disajikan pada

Gambar 28 :

Gambar 28 Tambah Data Perbandingan

Pada Gambar 29 merupakan halaman hasil perbandingan yang berisikan nilai

Fuzzy SAW berdasarkan kriteria kriteria yang ada dengan bobot tertentu sehingga

menghasilkan nilai dengan batasan 0-1. Semakin tinggi nilai yang semakin besar

peluang alternatif terbaik oleh sistem. Antarmuka halaman hasil data

perbandingan disajikan pada Gambar 29 :

60

Gambar 29 Hasil Perbandingan

3.6 Perancangan Aantarmuka Aplikasi Untuk Pengguna

Perancangan antarmuka ini dilakukan untuk merancang tata letak sistem sesuai

dengan analisis kebutuhan sistem. Antarmuka yang dirancang untuk pengguna

adalah sebagai berikut.

3.6.1 Antarmuka Halaman Login

Halaman login merupakan halaman awal pada aplikasi berbasis web. Pengguna

diharuskan untuk melakukan login terlebih dahulu sebelum dapat mengakses

menu-menu yang terdapat dalam sistem dengan menekan tombol Guess. Berikut

merupakan Gambar 30 halaman login pengguna :

61

Gambar 30 Halaman login pengguna

3.6.2 Antarmuka Halaman Utama Pengguna

Pada Gambar 31 merupakan halaman utama yang berisi fitur-fitur yang terdapat

pada aplikasi, halaman ini terdiri dari 3 halaman. Halaman 1 berisi tentang data

rumah, halaman 2 tentang fitur info kriteria, dan halaman 3 berisi fitur

perbandingan. Antarmuka halaman utama pengguna disajikan pada Gambar 31 :

Gambar 31 Halaman Utama Pengguna

62

3.6.3 Antarmuka Halaman Data Rumah

Pada Gambar 32 merupakan halaman data rumah yang berisikan data data tentang

rumah yang ada di Bandar Lampung. Di dalam halaman data rumah terdapat

menu detail rumah yang menjelaskan tentang spesifikasi rumah beserta maps.

Antarmuka halaman data rumah disajikan pada Gambar 32 :

Gambar 32 Halaman Data Rumah

Pada Gambar 3.32 merupakan halamaan data kriteria terdapat info data kriteria

yang digunakan untuk menyelesaian sistem pendukung keputusan dengan metode

SAW. Antarmuka halaman data kriteria disajikan pada Gambar 33 :

63

Gambar 33 Halaman Data Kriteria

3.6.4 Antarmuka Halaman Edit Data Kriteria

Pada Gambar 34 merupakan halamaan tambah data kriteria yang nantinya

pengguna (User) bisa mengganti bobot yang diinginkan untuk menjalankan

perhitungan Metode SAW. Antarmuka halaman edit data kriteria disajikan pada

Gambar 34 :

64

Gambar 34 Halaman Edit Kriteria

Pada Gambar 35 merupakan halaman perbandingan yang berisikan data rumah

yang dihitung nilai Fuzzy SAW berdasarkan kriteria kriteria yang ada dengan

bobot tertentu sehingga akan menghasilkan nilai dengan batasan 0-1. Semakin

tinggi nilai yang didapat, semakin besar peluang alternatif terbaik oleh sistem.

Antarmuka halaman perbandingan disajikan pada Gambar 35 :

65

Gambar 35 Halaman Data Perbandingan

Pada Gambar 36 merupakan halaman tambah data perbandingan yang berisikan

data rumah yang dihitung nilai Fuzzy SAW berdasarkan kriteria kriteria yang ada

dengan bobot tertentu sehingga akan menghasilkan nilai dengan batasan 0-1. Data

yang diambil terdapat pada data rumah, user akan memilih rumah untuk

menghitung berbandingannya. Antarmuka halaman tambah data perbandingan

disajikan pada Gambar 36 :

66

Gambar 36 Tambah Data Perbandingan

Pada Gambar 37 merupakan halaman hasil perbandingan yang berisikan nilai

Fuzzy SAW berdasarkan kriteria kriteria yang ada dengan bobot tertentu sehingga

akan menghasilkan nilai dengan batasan 0-1. Semakin tinggi nilai yang didapat,

semakin besar peluang alternatif terbaik oleh sistem. Antarmuka halaman hasil

perbandingan disajikan pada Gambar 37 :

67

Gambar 37 Hasil Perbandingan

3.7 Pengujian Sistem

Pengujian sistem menggunakan pengujian black box dengan metode Equivalence

Partitioning (EP). Pengujian Equivalence Partitioning (EP) diyakinkan bahwa

masukan dan respon yang diterima sama sehingga terjadi kecocokan antara

aplikasi dan pengguna. Berikut merupakan Tabel .5. Pengujian Equivalence

Partitioning.

68

Tabel 5 Equivalence Partitioning

Kelas Uji Daftar Pengujian Kasus Uji Hasil yang diharapkan

Antarmuka Pengujian pada menu utama aplikasi

Klik tombol menu Guess pada Halaman Login

Menampilkan Antarmuka Halaman Utama

Klik tombol menu Home

Menampilkan Antarmuka Halaman Home

Klik Tombol Menu Data Rumah

Menampilkan Antarmuka Halaman Data Rumah

Klik tombol menu Data Kriteria

Menampilkan Antarmuka Data Kriteria

Klik tombol menu Perbandingan

Menampilkan Antarmuka Perbandingan

Fungsi Antarmuka Aplikasi

Pengujian Antarmuka Data Rumah

Klik tombol Data Rumah

Menampilkan Daftar Data Rumah

Klik tombol salah satu tombol detail

Menampilkan Detail Rumah

Klik Tombol Map Menampilkan Peta Lokasi Rumah yang dipilih

Pengujian Antarmuka Data Kriteria

Klik tombol Data Kriteria

Menampilkan Daftar Data Kriteria

Pengujian Tombol edit Kriteria

Klik tombol edit dan mengisi Persentase kriteria yang diinginkan

Data tersimpan ke Database

Pengujian Antarmuka Perbandingan

Klik Tombol Perbandingan

Menampilkan daftar data rumah yang sudah dipilih pengguna

Klik Tombol Hasil perbandingkan

Menampilkan Nilai perbandingan

Klik Tombol Hapus Menghapus Data salah satu rumah yang ingin dibandingkan

Klik Tombol Detail Menampilkan Detail Rumah


69

Tabel 6 Equivalence Partitioning


Login Input data login Username = “admin”, password = “admin”, klik tombol masuk

Masuk ke halaman utama admin

Username = “admin”, password = “12345”, klik tombol masuk

Menampilkan pesan error password atau username salah

Fungsi Halaman Data Rumah

Pengujian menambah data Rumah

Mengisi penuh form input dengan data yang sesuai, klik tombol tambah

Data tersimpan ke database

form input tidak terisi penuh, klik tombol tambah

Data tidak tersimpan ke database, tampil pesan peringatan untuk mengisi data yang masih kosong

Pengujian Edit Data Rumah

Klik Edit pada halaman data Rumah

Menampilkan form ubah data Rumah

Mengisi Form edit data rumah yang sesuai, Klik tombol Simpan

Data tersimpan ke database

Pengujian Hapus Data Rumah

Klik hapus pada data rumah 1

Muncul pesan konfirmasi, jika OK, maka data penyakit terhapus

Hapus data salah satu rumah

Menghapus data dari database

Pengujian Antarmuka Data Kriteria

Klik tombol Data Kriteria

Menampilkan Daftar Data Kriteria

Pengujian Tombol edit Kriteria

Klik tombol edit dan mengisi Persentase kriteria yang diinginkan, lalu Klik tombol Simpan

Data tersimpan ke Database

Pengujian Perhitungan Perbandingan

Klik Tombol Perbandingan

Menampilkan daftar data rumah yang sudah dipilih pengguna

Klik tombol Tambah Data Perbandingan

Menampilkan Data Rumah dan pengguna dapat memilih rumah yang ingin dibandingkan

Klik Tombol Hapus Menghapus Data salah satu

70


rumah yang ingin dibandingkan

Klik Tombol Hasil perbandingkan

Menampilkan Hasil Nilai Perbandingan

Klik Tombol Detail Menampilkan Detail Rumah


V. KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil penelitian yang telah dilakukan dapat disimpulkan bahwa

1. Telah berhasil dibangun aplikasi Sistem Pendukung Keputusan berbasis web

untuk membantu pengguna khususnya pengguna yang ingin mencari rumah.

2. Sistem pendukung keputusan yang dibangun dapat memberikan hasil

perhitungan berdasarkan kriteria yang diberikan.

3. Sistem dapat memberikan informasi dan menghitung hasil perbandingan

menggunakan Metode SAW kepada pengguna sistem.

4. Hasil pengujian fungsional menggunakan Equivalence Partitioning

menunjukkan bahwa sistem yang dibangun telah berjalan sesuai dengan

yang diharapkan.

5.2 Saran

Beberapa saran untuk pengembangan lebih lanjut yang dapat diberikan setelah

dilakukan penelitians ini adalah sebagai berikut :

1. Sistem lebih dikembangkan dengan memiliki banyak kriteria

2. Penambahan foto tampak depan, samping kanan dan kiri.

DAFTAR PUSTAKA

Adianto, T. R., Arifin, Z. & Kharina, D. M., 2017. Sistem Pendukung Keputusan

Pemilihan Rumah. Samarinda, e-ISSN 2540-7920, pp. 197-201.

Alfa , S., Sari, R. E. & Kurniawan, H., 2014. Metode Fuzzy Simple Additive

Weighting (SAW) Dalam Menentukan Kualitas Kulit Ular Untuk Kerajinan

Tangan.. Seminar Nasional Informatika 2014, pp. 18-23.

Darmastuti, D., 2013. Implementasi Metode Simple Addittive Weighting (SAW)

Dalam Sistem Informasi Lowongan Kerja Berbasis Web Untuk Rekomendasi

Pencari Kerja Terbaik. p. 3.

Erwin, P., 2015. Sistem Pendukung Keputusan Penentuan Lokasi Perumahan

Ideal Menggunakan Metode Fuzzy Simple Additive Weighting. Jurnal TIMES,

4(1), pp. 12-17.

Fauzi, W., 2016. Sistem Pendukung Keputusan Penerima Bantuan Dana Rutilahu

Dengan Menggunakan Metode Electre.. Teknologi Informasi dan Komunikasi

(SENTIKA), pp. 432-439.

Fitriani, 2015. Sistem Pendukung Keputusan Penentuan Jenis Rambut Manusia

Dengan Menerapkan Metode Simple Additive Aeighting (SAW). Pelita

Informatika Budi Darma, 9(3), p. 88.

Hartini, D. C., Ruskan, E. L. & Ibrahim, A., 2013. Sistem Pendukung Keputusan

Pemilihan Hotel Di Kota Palembang Dengan Metode Simple Addicttive

Weighting. Jurnal Sistem Informasi (JSI), 5(1), pp. 546-565.

Jatmika & Soeminto, Z., 2016. Sistem Pendukung Keputusan Pembelian Rumah

Dengan Metode Analytical Hierarki Process Berbasis Android.. Majalah Ilmiah,

8(1), pp. 29-45.

Kaho, M. L. R., Tanaamah, A. R. & Wowor, A. D., 2012. Penerapan Metode

Simple Additive Weighting Pada Penentuan Tingkat Kesejahteraan Penduduk

Propinsi Nusa Tenggara Timur. pp. 123-139.

Murnawan, S. A. F., 2012. Sistem Pendukung Keputusan Menggunakan Metode

Technique for Order by Similarity to Ideal Solution (TOPSIS). Jurnal Sistem

Informasi (JSI), 4(1), pp. 398-412.

94

Mustaqbal, M. S., Firdaus, R. F. & Rahmadi, H., 2015. Pengujian Aplikasi

Menggunakan Black Box Testing Boundary Value Analysis.. Jurnal Ilmiah

Informasi Terapan, 1(3), pp. 31-36.

Permatasari, A. & Sri, S., 2010. Sistem Pengambilan Keputusan Pembelian

Rumah Dengan Menggunakan Fuzzy.. Makalah Jurnal Tugas Akhir, pp. 1-10.

Putri, A. A. L., 2007. Sistem Pendukung Pengambilan Keputusan Pemilihan

Rumah. [Online]

Available at: https://repository.usd.ac.id/2155/2/013124075_Full.pdf

[Accessed 25 09 2017].

Rahmadani, M. A. & Septiarini, A., 2013. Penerapan Fuzzy Tahani Pada Sistem

Pendukung Keputusan Pemilihan Pembelian Rumah Di Kota Samarinda.. Jurnal

Informatika Mulawarman, 8(2), pp. 56-60.

Suparmini, 2012. Pola Keruangan Desa Dan Kota. [Online]

Available at:

http://staffnew.uny.ac.id/upload/130814847/pendidikan/MODUL+DESA-

KOTA.pdf

[Accessed 20 04 2018].

Supriyono, H. & Sari, C. P., 2015. Pemilihan Rumah Tinggal Menggunakan

Metode Weighted Product. KHAZANAH INFORMATIKA | Online ISSN: 2477-

698X, 1(1), pp. 23-28.

Suroso , A. M., 2016. Sistem pendukung keputusan berbasis web untuk pemilihan

handphone menggunakan metode simple additive weighting.. pp. 1-113.

Urva, G. & Siregar, H. F., 2015. Pemodelan UML E-Marketing Minyak Goreng.

Jurnal teknologi dan sistem informasi, 1(2), pp. 92-101.

Wibowo , H., Amalia, R., M, A. F. & Arivanty, K., 2009. Sistem pendukung

keputusan untuk menentukan penerima beasiswa bank bri menggunakan fmadm.

Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009), pp. 62-67.

implementasi metode fuzzy simple additive …digilib.unila.ac.id/55172/2/skripsi tanpa bab...

Documents