implementasi metode fuzzy simple additive …digilib.unila.ac.id/55172/2/skripsi tanpa bab...
TRANSCRIPT
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
(FUZZY MULTI DECISION MAKING)
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
IMPLEMENTASI METODE FUZZY SIMPLE ADDITIVE WEIGHTING
(SAW) PADA PERSOALAN SISTEM PENDUKUNG KEPUTUSAN
(FUZZY MULTI DECISION MAKING)
DALAM PEMILIHAN RUMAH TINGGAL
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
IMPLEMENTASI METODE FUZZY SIMPLE ADDITIVE WEIGHTING
(SAW) PADA PERSOALAN SISTEM PENDUKUNG KEPUTUSAN
(FUZZY MULTI DECISION MAKING)
DALAM PEMILIHAN RUMAH TINGGAL
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
3.6.4 Antarmuka Halaman Edit Data Kriteria ................................................... 63
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
4.4.5 Antarmuka Halaman Edit Data Kriteria ................................................... 77
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
4.5.5 Antarmuka Halaman Edit Data Kriteria ................................................... 85
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
36. Tambah Data Perbandingan ............................................................................ 66
37. Hasil Perbandingan ......................................................................................... 67
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
44. Halaman Data Perbandingan ........................................................................... 79
45. Tambah Data Perbandingan ............................................................................ 80
46. Hasil Perbandingan ......................................................................................... 81
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
52. Halaman Data Perbandingan ........................................................................... 87
53. Tambah Data Perbandingan ............................................................................ 88
54. Hasil Perbandingan ......................................................................................... 89
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.
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
Pada Gambar 14 merupakan sequence diagram untuk activity diagram proses
menghapus data rumah .
47
Gambar 14 Sequence Diagram Menghapus Data Rumah
Pada Gambar 15 merupakan sequence diagram untuk activity diagram proses
menginputkan data kriteria rumah .
48
Gambar 15 Sequence Diagram Menginputkan Data Kriteria Rumah
Pada Gambar 16 merupakan sequence diagram untuk activity diagram proses
mengubah data kriteria rumah .
49
Gambar 16 Sequence Diagram Mengubah Data Kriteria Rumah
Pada Gambar 17 merupakan sequence diagram untuk activity diagram proses
menghapus data kriteria rumah .
50
Gambar 17 Sequence Diagram Menghapus Data Kriteria Rumah
Pada Gambar 18 merupakan sequence diagram untuk activity diagram proses
mengcari data rumah.
51
Gambar 18 Sequence Diagram Mencari Data Rumah
Pada Gambar 19 merupakan sequence diagram untuk activity diagram proses
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
Klik Tombol Map Menampilkan Peta Lokasi Rumah yang dipilih
69
Tabel 6 Equivalence Partitioning
Kelas Uji Daftar Pengujian Kasus Uji Hasil yang diharapkan
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
Kelas Uji Daftar Pengujian Kasus Uji Hasil yang diharapkan
rumah yang ingin dibandingkan
Klik Tombol Hasil perbandingkan
Menampilkan Hasil Nilai Perbandingan
Klik Tombol Detail Menampilkan Detail Rumah
Klik Tombol Map Menampilkan Peta Lokasi Rumah yang dipilih
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.