Sistem Pendukung Keputusan Pemilihan SmartTV Menggunakan Metode AHP Dan WP [PDF]

Citation preview

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SMART TV MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS DAN WEIGHT PRODUCT Imam Cholissodin1, Risza Nurrachman2, Wahyu Nur Ulil Albab3, Miftahul Ulum Mubiin4, Riza Krusdianto5, Imam Safii6 Informatika, Program Teknologi Informasi dan Ilmu Komputer, Universitas Brawijaya Jl. Veteran No.8 Malang, Informatika, Gedung A PTIIK – UB Email : [email protected], [email protected], [email protected], [email protected], [email protected], [email protected] ABSTRAK Perkembangan Teknologi sekarang sudah pesat sehingga semuanya sangat bergantung pada teknologi. Sebuah teknologi sangat membantu dalam pengambilan keputusan memilih smart tv yang dibangun menyerupai kerja komputer. Sekarang banyak sekali perusaaan yang membuat smart tv demi meningkatkan daya saing. Dalam memilih smart tv tentunya menggunakan metode-metode yang diimplementasikan kedalam sebuah aplikasi yang memberikan hasil akhir berupa keputusan dalam memilih smart tv. Dalam studi kasus ini, metode yang dibuat berupa sebuah sistem yang mampu memberikan rekomendasi kepada seseorang dalam memilih dan membeli televisi / smarttv dengan menggunakan metode yang optimal dalam memberikan hasil rekomendasi. Metode yang digunakan dalam menyelesaikan permaslahan tersebuh adalah metode AHP dan WP. AHP (Analytical Hierarchy Process) merupakan metode pengambilan keputusan dalam menyelesaikan masalah – masalah seperti pemilihan kebijakan, penentuan alternatif, dan penyusunan prioritas. Sedangkan WP (Weight Product) adalah metode penyelesaian untuk menyelesaikan masalah Multi Attribute Decision Making (MADM). Dengan menggunakan dua metode tersebut, AHP akan menghasilkan nilai bobot dari masing – masing kriteria dari televisi / smarttv dan WP akan menghasilkan hasil rekomendasi pemilihan televisi / smarttv dengan memperhatikan perhitungan bobot tiap kriteria sehingga menghasilkan rekomendasi satu jenis televisi / smarttv yang cocok dan sesuai, dengan melihat nilai akhir yang tertinggi. Kata Kunci: Weight Product, Analytical Hierarchy Process , Multi Attribute Decision Making, Smart TV itu, untuk membantu dalam memilih televisi / smart tv diperlukan suatu metode yang dapat memberikan saran / rekomendasi kepada seseorang ketika ingin membeli televisi / smart tv. Smart TV merupakan sebuah kemajuan teknologi saat ini dimana pesawat TV tidak hanya dapat menerima siaran TV tetapi juga mempunyai kemampuan untuk mengakses internet [4]. Istilah "Smart TV" pertama kali di populerkan oleh Samsung yang kemudian diadopsi pula oleh LG dan Philips untuk produk TV yang berkemampuan akses jaringan internet. Pada intinya, smart TV membawa Internet masuk ke ruang duduk. Saat teknologi meningkat, perangkat ini mampu berlaku sebagai komputer standar saat web browsing dan bahkan video internet [3]. Perangkat televisi dapat disebut smart TV karena perangkat tersebut pintar dan hanya perlu



1. PENDAHULUAN Di jaman modern ini, perkembangan teknologi mempengaruhi kebutuhan manusia sehari – hari. Salah satu kebutuhan yang sangat diperlukan dan diinginkan oleh setiap orang adalah kebutuhan akan televisi / smarttv sebagai sarana penyebaran informasi secara audio dan visual. Akan tetapi, semakin banyak jenis televisi / smarttv yang ada membuat seseorang merasa kesulitan dalam memilih dan membeli televisi / smarttv untuk memenuhi kebutuhannya. Kesulitan dalam memilih disebabkan karena beranekaragam fitur – fitur dari setiap televisi / smarttv. Seseorang akan membeli televisi / smarttv berdasarkan keinginannya dan diharapkan televisi / smarttv yang dipilih sesuai dengan kebutuhannya dan juga memperhatikan berbagai kriteria televisi. Oleh sebab 1



konektivitas internet, selain secara ideal, CPU yang baik serta mampu menjalankan browser dengan fitur lengkap dan banyak aplikasi yang tersedia di sistem smart TV modern. Smart TV terhubung ke Internet rumah via WiFi, biasanya memungkinkan browsing sangat cepat dan bahkan menonton video. Karena prosesor menjadi semakin kecil dan lebih kuat, smart TV telah mendapatkan puluhan fitur, seperti, App dan Browser. Secara umum, produk ini memiliki fitur-fitur di bawah ini: a. Video Playback Via DLNA/USB. Fitur ini merupakan fitur dasar yang memungkinkan penggunanya untuk memutar video langsung dari USB atau DLNA. Di masa sekarang ini kebanyakannya mampu memutar berbagai macam jenis video dan tidak terpaku pada format AVI saja. b. Aplikasi & Games. Fitur selanjutnya tentu saja aplikasi dan games. Hal ini pastinya telah banyak Anda lihat di iklan-iklan yang biasanya menawarkan permainan Angry Birds yang bisa dimainkan di televisi. Selain itu produk ini juga dapat digunakan untuk melakukan streaming dari BBC iPlayer, Netflix, dan YouTube. c. PVR/DVR Functionality. Fitur lainnya adalah fitur untuk merekam acara televisi secara langsung tanpa membutuhkan perangkat tambahan. d. Gesture & Voice Control. Sebuah remote tradisional yang biasanya Anda gunakan mungkin tidak akan terpakai lagi. Pasalnya, produk ini menggunakan sebuah perangkat yang memungkinkan Anda memberikan peritah kepada televisi dengan menggunakan gesture ataupun suara. e. Social Networking. Karena banyak orang yang tidak bisa lepas dari media sosial, maka produk ini juga dapat digunakan untuk mengakses media sosial. Selain itu produk ini juga dapat digunakan untuk melakukan video conference melalui Skype. f. Web Browsing. g. Smartphone Connectivity. Anda dapat menghubungkan smartphone Anda untuk berbagai keperluan seperti memutar video dan lainnya. Smart TV terbaik yang baru memiliki remote yang didesain untuk pengguna komputer modern. Beberapa smart TV memiliki layar sentuh yang membuat mengetik menjadi lebih mudah dan juga 2



memungkinkan untuk gaming yang lebih baik serta browsing. Saat ini smart TV sudah banyak berkembang setiap produsen memiliki fitur-fitur yang diunggulkan, oleh karena itu konsumen akan memiliki banyakj pilihan dalam menentukan smart TV yang sesuai keinginan. Dalam studi kasus ini, metode yang dibuat berupa sebuah sistem yang mampu memberikan rekomendasi kepada seseorang dalam memilih dan membeli televisi / smarttv dengan menggunakan metode yang optimal dalam memberikan hasil rekomendasi. Metode yang digunakan dalam menyelesaikan permaslahan tersebuh adalah metode AHP dan WP. AHP (Analytical Hierarchy Process) merupakan metode pengambilan keputusan dalam menyelesaikan masalah – masalah seperti pemilihan kebijakan, penentuan alternatif, dan penyusunan prioritas [1]. Sedangkan WP (Weight Product) adalah metode penyelesaian untuk menyelesaikan masalah Multi Attribute Decision Making (MADM) [2]. Dengan menggunakan dua metode tersebut, AHP akan menghasilkan nilai bobot dari masing – masing kriteria dari televisi / smarttv dan WP akan menghasilkan hasil rekomendasi pemilihan televisi / smarttv dengan memperhatikan perhitungan bobot tiap kriteria sehingga menghasilkan rekomendasi satu jenis televisi / smarttv yang cocok dan sesuai, dengan melihat nilai akhir yang tertinggi.



2.



MODEL, ANALISIS, DESAIN, DAN IMPLEMENTASI



2.1. Rekomendasi Pemilihan SmartTV



Gambar 1. Smart TV Smart TV merupakan sebuah kemajuan teknologi saat ini dimana pesawat TV tidak hanya dapat menerima siaran TV tetapi juga mempunyai kemampuan untuk mengakses internet. Istilah "Smart TV" pertama kali di populerkan oleh Samsung yang



Kelompok 7, Sistem Pendukung Keputusan Pemilihan Smart Tv Menggunakan Metode Analytical Hierarchy Process Dan Metode Weight Product



kemudian diadopsi pula oleh LG dan Philips untuk produk TV yang berkemampuan akses jaringan internet. Pada intinya, smart TV membawa Internet masuk ke ruang duduk. Saat teknologi meningkat, perangkat ini mampu berlaku sebagai komputer standar saat web browsing dan bahkan video internet [3]. Perangkat televisi dapat disebut smart TV karena perangkat tersebut pintar dan hanya perlu konektivitas internet, selain secara ideal, CPU yang baik serta mampu menjalankan browser dengan fitur lengkap dan banyak aplikasi yang tersedia di sistem smart TV modern. Smart TV terhubung ke Internet rumah via WiFi, biasanya memungkinkan browsing sangat cepat dan bahkan menonton video. Beberapa kriteria atau fitur – fitur yang diberikan oleh smartTV, antara lain : Harga, Ukuran (LxWxH), Ukuran Layar (In), Berat, Kejernihan Suara, Garansi Produk, Resolusi Layar, Power (Input/Output) dan Feature. Dari kelebihan – kelebihan fitur smartTV memberikan kenyamanan dan kemudahan bagi pengguna dalam memuaskan dan memenuhi kebutuhan mereka. Bagi pengguna atau calon pembeli smartTV, kelebihan dan kekurangan yang dimiliki masing – masing merk smartTV sangatlah diperhatikan. Pengguna akan berusaha untuk mencari dan memilih smartTV dengan spesifikasi fitur yang lengkap, harga ringan (tidak terlalu mahal), dan cocok atau sesuai dengan keinginan pengguna. 2.2. Sistem Pendukung Keputusan Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak terstruktur. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat [5]. SPK memiliki tujian untuk memberikan informasi, mengarahkan, memberikan prediksi atau pradugaan kepada pengguna untuk dapat melakukan pengambilan keputusan dengan lebih baik. Sprague dan Watson mendefinisikan Sistem Pendukung Keputusan (SPK) sebagai sistem yang memiliki lima karakteristik utama yaitu [6] : 1. Sistem yang berbasis komputer.



2. Dipergunakan untuk membantu para pengambil keputusan 3. Untuk memecahkan masalah-masalah rumit yang mustahil dilakukan dengan kalkulasi manual 4. Melalui cara simulasi yang interaktif 5. Dimana data dan model analisis sebaai komponen utama. 2.2.1. Komponen Sistem Pendukung Keputusan Secara umum Sistem Pendukung Keputusan dibangun oleh tiga komponen besar yaitu database Management, Model Base dan Software System/User Interface. [5][6]



Gambar 2. Komponen Sistem Pendukung Keputusan



a. Database Management Merupakan subsistem data yang terorganisasi dalam suatu basis data. Untuk keperluan SPK, diperlukan data yang relevan dengan permasalahan yang hendak dipecahkan melalui simulasi. b. Model Base Merupakan suatu model yang merepresentasikan permasalahan kedalam format kuantitatif (model matematika sebagai contohnya) sebagai dasar simulasi atau pengambilan keputusan. Model Base memungkinkan pengambil keputusan menganalisa secara utuh dengan mengembangkan dan membandingkan solusi alternatif. c. User Interfase / Pengelolaan Dialog Merupakan penggabungan antara dua komponen sebelumnya yaitu Database Management dan Model Base yang disatukan dalam komponen ketiga (user interface). User Interface menampilkan keluaran sistem bagi pemakai dan menerima masukan dari pengguna.



3



2.3. Metode AHP AHP merupakan suatu model pendukung keputusan yang dikembangkan oleh Thomas L. Saaty. Model pendukung keputusan ini akan menguraikan masalah multi faktor atau multi kriteria yang kompleks menjadi suatu hirarki, menurut Saaty (1993), hirarki didefinisikan sebagai suatu representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multi level dimana level pertama adalah tujuan, yang diikuti level faktor, kriteria, sub kriteria, dan seterusnya ke bawah hingga level terakhir dari alternatif. Dengan hirarki, suatu masalah yang kompleks dapat diuraikan ke dalam kelompok kelompoknya yang kemudian diatur menjadi suatu bentuk hirarki sehingga permasalahan akan tampak lebih terstruktur dan sistematis [1]. AHP sering digunakan sebagai metode pemecahan masalah dibanding dengan metode yang lain karena alasan-alasan sebagai berikut :



1. Struktur yang berhirarki, sebagai konsekuesi dari kriteria yang dipilih, sampai pada subkriteria yang paling dalam.



2. Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi berbagai kriteria dan alternatif yang dipilih oleh pengambil keputusan.



3. Memperhitungkan daya tahan output analisis sensitivitas pengambilan keputusan. 2.3.1. Kelebihan dan Kelemahan AHP Layaknya sebuah metode analisis, AHP pun memiliki kelebihan dan kelemahan dalam system analisisnya. Kelebihan analisis ini adalah : [1] 1. AHP membuat permasalahan yang luas dan tidak terstruktur menjadi suatu model yang fleksibel dan mudah dipahami. 2. AHP memecahkan permasalahan yang kompleks melalui pendekatan sistem dan pengintegrasian secara deduktif. 3. AHP dapat digunakan pada elemen-elemen sistem yang saling bebas dan tidak memerlukan hubungan linier. 4. AHP mewakili pemikiran alamiah yang cenderung mengelompokkan elemen sistem ke level-level yang berbeda dari masing-masing level berisi elemen yang serupa. 5. AHP menyediakan skala pengukuran dan metode untuk mendapatkan prioritas. 6. AHP mempertimbangkan konsistensi logis dalam penilaian yang digunakan untuk menentukan prioritas. 4



7. AHP mengarah pada perkiraan keseluruhan mengenai seberapa diinginkannya masing-masing alternatif. 8. AHP mempertimbangkan prioritas relatif faktorfaktor pada sistem sehingga orang mampu memilih altenatif terbaik berdasarkan tujuan mereka. 9. AHP tidak mengharuskan adanya suatu konsensus, tapi menggabungkan hasil penilaian yang berbeda. 10. AHP mampu membuat orang menyaring definisi dari suatu permasalahan dan mengembangkan penilaian serta pengertian mereka melalui proses pengulangan. Sedangkan kelemahan metode AHP adalah sebagai berikut : [1] 1. Ketergantungan model AHP pada input utamanya. Input utama ini berupa persepsi seorang ahli sehingga dalam hal ini melibatkan subyektifitas sang ahli selain itu juga model menjadi tidak berarti jika ahli tersebut memberikan penilaian yang keliru. 2. Metode AHP ini hanya metode matematis tanpa ada pengujian secara statistik sehingga tidak ada batas kepercayaan dari kebenaran model yang terbentuk 2.3.2. Tahapan AHP Dalam metode AHP dilakukan langkahlangkah sebagai berikut (Kadarsyah Suryadi dan Ali Ramdhani, 1998) : [1] 1. Mendefinisikan masalah dan menentukan solusi yang diinginkan. 2. Membuat struktur hierarki yang diawali dengan tujuan utama. 3. Membuat matrik perbandingan berpasangan yang menggambarkan kontribusi relatif atau pengaruh setiap elemen terhadap tujuan atau kriteria yang setingkat di atasnya. 4. Melakukan Mendefinisikan perbandingan berpasangan sehingga diperoleh jumlah penilaian seluruhnya sebanyak n x [(n-1)/2] buah, dengan n adalah banyaknya elemen yang dibandingkan. 5. Hasil perbandingan dari masing-masing elemen akan berupa angka dari 1 sampai 9 yang menunjukkan perbandingan tingkat kepentingan suatu elemen. Apabila suatu elemen dalam matriks dibandingkan dengan dirinya sendiri maka hasil perbandingan diberi nilai 1. 6. Intensitas Kepentingan



Kelompok 7, Sistem Pendukung Keputusan Pemilihan Smart Tv Menggunakan Metode Analytical Hierarchy Process Dan Metode Weight Product



1 = Kedua elemen sama pentingnya, Dua elemen mempunyai pengaruh yang sama besar. 3 = Elemen yang satu sedikit lebih penting daripada elemen yanga lainnya, Pengalaman dan penilaian sedikit menyokong satu elemen dibandingkan elemen yang lainnya. 5 = Elemen yang satu lebih penting daripada yang lainnya, Pengalaman dan penilaian sangat kuat menyokong satu elemen dibandingkan elemen yang lainnya. 7 = Satu elemen jelas lebih mutlak penting daripada elemen lainnya, Satu elemen yang kuat disokong dan dominan terlihat dalam praktek. 9 = Satu elemen mutlak penting daripada elemen lainnya, Bukti yang mendukung elemen yang satu terhadap elemen lain memeliki tingkat penegasan tertinggi yang mungkin menguatkan. 2,4,6,8 = Nilai-nilai antara dua nilai pertimbangan-pertimbangan yang berdekatan, Nilai ini diberikan bila ada dua kompromi di antara 2 pilihan. Kebalikan = Jika untuk aktivitas i mendapat satu angka dibanding dengan aktivitas j , maka j mempunyai nilai kebalikannya dibanding dengan i. 7. Menghitung nilai eigen dan menguji konsistensinya. 8. Jika tidak konsisten maka pengambilan data diulangi. 9. Mengulangi langkah 3,4, dan 5 untuk seluruh tingkat hirarki. 10. Menghitung vektor eigen dari setiap matriks perbandingan berpasangan. Penghitungan dengan cara menjumlahkan nilai setiap kolom dari matriks, membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk memperoleh normalisasi matriks, dan menjumlahkan nilai-nilai dari setiap baris dan membaginya dengan jumlah elemen untuk mendapatkan rata-rata.



menghilangkan satuan ukuran suatu objek data serta tidak melakukan proses normalisasi data. 2.4.1. Algoritma Weight Product Langkah – langkah perhitungan dengan metode weight product (WP), sebagai berikut : [2] a. Menentukan tingkat prioritas bobot setiap kriteria (W_Initj) kemudian dilakukan perbaikan bobot (Wj) menggunakan rumus berikut.



Wj 



W _ initj n



 W _ initj j 1



n menyatakan banyak kriteria b. Membuat tabel bobot kriteria yang akan dipilih. Alternatif Kriteria (A1) C1 C2 ... Item 1 X11 .. ... Item 2 ... .... .... .... ... ... .... Item m Xm1 Tabel 1. Bobot Kriteria



Cn ..X1n .... ... Xmn



Misal : C1 = Harga, C2 = Diskon, etc sedangkan m mewakili banyak item. c. Menghitung vektor Si, dimana setiap data (Xij) akan dikalikan tetapi sebelumnya dilakukan pemangkatan dengan bobot dari kriterianya.



Si   j 1 Xij kWj , dengan i = 1, 2, ..., m n



Dimana n



 Wj  1 j 1



2.4. Metode WP Metode Weighted Product (WP) adalah himpunan berhingga dari alternatif keputusan yang dijelaskan dalam beberapa hal kriteria keputusan. Definisi lain mengenai Metode WP adalah : [2] 1. Salah satu metode penyelesaian yang ditawarkan untuk menyelesaikan masalah Multi Attribute Decision Making (MADM). 2. Metode WP mirip dengan Metode Weighted Sum (WS), hanya saja metode WP terdapat perkalian dalam perhitungan matematikanya. 3. Metode WP juga disebut sebagai analisis berdimensi karena struktur matematikanya



K = 1 untuk atribut keuntungan, k = -1 untuk atribut biaya. d. Menghitung vektor Vi kemudian memilih nilai tertinggi sebagai alternatif terbaik dalam pengambilan keputusan.



Vi 



Si n



 Si



, dengan i = 1, 2, ..., m



j 1



5



3. SKENARIO UJI COBA Dalam penelitian yang kami lakukan, kami menggunakan 2 buah metode yang digunakan, yaitu metode Analytical Hierachi Process (AHP) dan metode Weight Product (WP). Tahap Skenario yang digunakan adalah dengan melakukan proses perbandingan kriteria, kemudian perhitungan bobot kriteria menggunakan metode AHP dan proses perangkingan data (merk smartTV) menggunakan metode WP. Pada tahap metode AHP, berikut detail dari skenario yang digunakan : [1] a. Menentukan case study yang digunakan. Case study terdiri dari tujuan yang ingin dicapai, pengelompokan kriteria kuantitatif dan kualitatif, dan menentukan alternatif yang digunakan. b. Membuat herarki tree berdasarkan case study yang telah ditentukan. c. Membuat tabel matrik perbandingan kriteria yang digunakan. Kemudian menghitung bobot masing – masing kriteria dengan cara normaliasi, yaitu tiap nilai dalam kolom matrik A dibagi dengan hasil penjumlahan kolomnya pada matrik A. Menghitung rata – rata per baris dari matriks normaliasi.



0.5 3  1  A 2 1 4 0.33 0.25 1 



0.30 0.29 0.38 Norm_A  0.60 0.57 0.50  0.10 0.14 0.13



0.32  X  0.56  0.12  Hasil perhitungan bobot kriteria (X) dengan metode AHP tersebut akan digunakan sebagai prioritas bobot setiap kriteria (W_initj). Pada tahap metode WP, berikut detail dari skenario yang digunakan : [2] a. Menggunakan hasil bobot kriteria pada metode AHP sebagai prioritas bobot WP. Kemudian melakukan perbaikan bobot (Wj) dengan rumus :



6



Wj 



W _ initj n



 W _ initj j 1



n menyatakan banyak kriteria. b. Membuat tabel bobot kriteria dan data alternatif yang digunakan. Kemudian menghitung vektor Si, dimana setiap data (Xij) akan dikalikan. Rumus yang digunakan :



Si   j 1 Xij kWj , dengan i = 1, 2, ..., m. n



dimana, n



 Wj  1 j 1



dimana K = 1 untuk atribut keuntungan, k = -1 untuk atribut biaya. c. Menghitung vektor Vi, kemudian memilih nilai tertinggi sebagai alternatif terbaik dalam pengambilan keputasan.



Vi 



Si n



 Si



, dengan i = 1, 2, ..., m



j 1



d. Melakukan proses perangkingan alternatif dari alternatif dengan nilai tertinggi sampai dengan nilai terendah. Kedua skenario tersebut dilakukan sebanyak 5 kali pengujian. Untuk metode AHP dilakukan variasi data matrik perbandingan berpasangan, hasil pengujian matrik perbandingan berpasangan tersebut akan digunakan untuk mendapatkan nilai akurasi. Sedangkan metode WP dilakukan dengan menyediakan 5 data alternatif. Kemudian dihitung secara manual dengan cara memprediksi secara nalar dan secara otomatis dengan menggunakan program. Hasil perhitungan secara manual dan otomatis akan digunakan untuk menghitung nilai akurasi.



4. HASIL UJI COBA 4.1.Pembahasan Pada penelitian ini, uji coba yang pertama dilakukan dengan data matrik perbandingan kriteria berpasangan dan 5 data alternatif merk smartTV. Hal ini kami lakukan dengan menguji apakah metode yang



Kelompok 7, Sistem Pendukung Keputusan Pemilihan Smart Tv Menggunakan Metode Analytical Hierarchy Process Dan Metode Weight Product



digunakan tersebut memiliki akurasi yang terbaik. Berikut hasil proses perhitungan untuk variasi data pertama. Matrik perbandingan kriteria berpasangan yang digunakan, sebagai berikut :



Pada gambar di atas menunjukan nilai bobot dari masing – masing kriteria yang digunakan. Ke sembilan data bobot tersebut akan digunakan sebagai prioritas bobot kriteria pada metode WP. Variasi data alternatif yang digunakan dalam perhitungan metode WP, sebagai berikut :



Gambar 6. Data Alternatif Gambar 3. Matrik Perbandingan



Pada gambar di atas menunjukan nilai dari matrik perbandingan kriteria berpasangan. Kemudian data tersebut di normalisasi. Berikut hasil dari normalisasi data matrik, sebagai berikut :



Hasil perhitungan vektor S yang didapatkan dari masing – masing alternatif dengan bobot kriteria, sebagai berikut :



Gambar 7. Vektor S Gambar 4. Normalisasi Pada gambar di atas menunjukan hasil normalisasi data matrik perbandingan kriteria. Berdasarkan data tersebut akan digunakan untuk perhitungan bobot kriterianya. Hasil perhitungan bobot kriteria yang didapat, sebagai berikut :



Pada gambar di atas menunjukkan hasil perhitungan vektor S dari tiap – tiap alternatif. Kemudian dari hasil vektor S akan didapatkan nilai vektor V dari tiap – tiap alternatif. Berikut ini, hasil perhitungan vektor V dari masing – masing alternatif yang digunakan.



Gambar 5. Perhitungan Bobot



7



rekomendasi yang dilakukan oleh sistem dan hasil perhitungan manual oleh manusia didapatkan nilai akurasi dari tiap data uji. Untuk detail perhitungan nilai akurasi, sebagai berikut :



Gambar 8. Vektor V



Tabel 3. Data Pengujian Semua Data



Gambar 9. Perangkingan Alternatif Pada gambar di atas menunjukkan hasil perhitungan vektor V dari masing – masing alternatif. Berdasarkan hasil vektor V, hasil akhirnya adalah perangkingan alternatif berdasarkan nilai tertinggi vektor V sampai nilai terendah vektor V. Hasil akurasi yang didapatkan pada uji coba yang pertama ini, bahwa jika menggunakan pemilihan secara manual (memilih dengan dugaan) didapatkan hasil sebagai berikut.



Selanjutnya, uji coba yang kedua dilakukan dengan 5 variasi data matrik perbandingan kriteria berpasangan dan data alternatif merk smartTV. Hal ini kami lakukan dengan menguji apakah metode yang digunakan tersebut memiliki akurasi yang terbaik. Berikut hasil proses perhitungan untuk variasi data matrik pertama. Matrik perbandingan kriteria berpasangan yang digunakan, sebagai berikut :



Tabel 2. Pengujian Pertama Data 1



Gambar 10. Matrik Perbandingan



Berdasarkan data di atas. Didapatkan 4 data perhitungan yang cocok dan 1 data perhitugan yang tidak cocok. Maka, nilai akurasi yang didapatkan dari uji coba pertama variasi 1 adalah 5/5x100% = 100%. Berdasarkan data di atas. Didapatkan 4 data perhitungan yang cocok dan 1 data perhitugan yang tidak cocok. Maka, nilai akurasi yang didapatkan dari uji coba pertama variasi 1 adalah 4/5x100% = 80%. Hasil skenario pengujian yang telah dilakukan dengan 5 kelompok data variasi yang berbeda – beda. Hasil



Pada gambar di atas menunjukan nilai dari matrik perbandingan kriteria berpasangan. Kemudian data tersebut di normalisasi. Berikut hasil dari normalisasi data matrik, sebagai berikut :



8



Kelompok 7, Sistem Pendukung Keputusan Pemilihan Smart Tv Menggunakan Metode Analytical Hierarchy Process Dan Metode Weight Product



Gambar 11. Normalisasi Pada gambar di atas menunjukan hasil normalisasi data matrik perbandingan kriteria. Berdasarkan data tersebut akan digunakan untuk perhitungan bobot kriterianya. Hasil perhitungan bobot kriteria yang didapat, sebagai berikut :



Gambar 14. Vektor S Pada gambar di atas menunjukkan hasil perhitungan vektor S dari tiap – tiap alternatif. Kemudian dari hasil vektor S akan didapatkan nilai vektor V dari tiap – tiap alternatif. Berikut ini, hasil perhitungan vektor V dari masing – masing alternatif yang digunakan.



Gambar 12. Perhitungan Bobot Pada gambar di atas menunjukan nilai bobot dari masing – masing kriteria yang digunakan. Ke sembilan data bobot tersebut akan digunakan sebagai prioritas bobot kriteria pada metode WP. Variasi data alternatif yang digunakan dalam perhitungan metode WP, sebagai berikut :



Gambar 13. Data Alternatif Hasil perhitungan vektor S yang didapatkan dari masing – masing alternatif dengan bobot kriteria, sebagai berikut :



Gambar 15. Vektor V Pada gambar di atas menunjukkan hasil perhitungan vektor V dari masing – masing alternatif. Berdasarkan hasil vektor V, hasil akhirnya adalah perangkingan alternatif berdasarkan nilai tertinggi vektor V sampai nilai terendah vektor V. Hasil akurasi yang didapatkan pada uji coba yang pertama ini, bahwa jika menggunakan pemilihan secara manual (memilih dengan dugaan) dan menggunakan sistem otomatis didapatkan hasil sebagai berikut.



Tabel 4. Pengujian Kedua Variasi 1 9



Berdasarkan data di atas. Didapatkan 5 data perhitungan yang cocok. Maka, nilai akurasi yang didapatkan dari uji coba kedua variasi 1 adalah 5/5x100% = 100%. Hasil skenario pengujian yang telah dilakukan dengan 5 kelompok data variasi yang berbeda – beda. Hasil rekomendasi yang dilakukan oleh sistem dan hasil perhitungan manual oleh manusia didapatkan nilai akurasi dari tiap data uji. Untuk detail perhitungan nilai akurasi, sebagai berikut :



Gambar 18. Halaman Perhitungan AHP (2)



Gambar 19. Halaman Perhitungan WP (1)



Tabel 5. Hasil Pengujian Semua Variasi



4.2.Tampilan Implementasi



Gambar 20. Halaman Perhitungan WP (2)



Gambar 16. Beranda Aplikasi



Gambar 21. Halaman About Us



Gambar 17. Halaman Perhitungan AHP (1) 10



Kelompok 7, Sistem Pendukung Keputusan Pemilihan Smart Tv Menggunakan Metode Analytical Hierarchy Process Dan Metode Weight Product



5. KESIMPULAN DAN SARAN Kesimpulan yang didapat adalah proses pemilihan Smart TV oleh konsumen terdiri dari 9 kriteria yaitu Harga, Ukuran (LxWxH), Ukuran Layar (In), Berat, Kejernihan Suara, Garansi Produk, Resolusi Layar, Power (Input/Output) dan Feature. Bobot tertinggi adalah kriteria Feature. Bobot dari 9 kriteria tersebut akan diolah lagi sehingga mendapatkan hasil perangkingan akhir. Metode awal yang digunakan untuk menentukan bobot yaitu menggunakan metode Analytical Hierarchy Process (AHP) kemudian dilanjutkan perhitungan menggunakan metode Weight Product (WP) untuk mendapatkan perangkingan akhir. Penggunaan AHP sendiri tetap saja memiliki kelemahan-kelemahan dan syarat agar hasil dapat dipertanggung jawabkan. Syarat-syarat mutlak yang harus dipenuhi yaitu dalam AHP pengambilan keputusan haruslah yang melakukan perhitungan ataupun perbandingannya sendiri dan juga harus memiliki informasi berkaitan dengan faktor-faktor berpengaruhnya dengan baik.



6. DAFTAR PUSTAKA [1] Cholissodin, Imam. 2014. Pemodelan dan Manajemen Model & Analytic Hierarchy Process (AHP). [2] Cholissodin, Imam. 2014. Decision Support Systems & Weighted Product (WP). [3] Anonym. 2011. Pilih Smart TV, Pilihan Jatuh ke LG 3D Smart TV. http://media.kompasiana.com/newmedia/2011/10/31/pilih-smart-tv-pilihan-jatuhke-lg-3d-smart-tv-406160.html. Diakses pada tanggal 24 Desember 2014. [4] Iwan. 2012. Mengenal Smart tv Apa Kelebihan yang Ditawarkan Dari Pada TV Biasa. http://ridwanaz.com/teknologi/tv/mengenalsmart-tv-apa-kelebihan-yang-ditawarkan-daripada-tv-biasa/. Diakses pada tanggal 24 Desember 2014. [5] Turban , Efraim & Aronson, Jay E. 2001. Decision Support Systems and Intelligent Systems. 6th edition. Prentice Hall: Upper Saddle River, NJ. [6] Sparague, R. H. and Watson H. J. 1993. Decision Support Systems: Putting Theory Into Practice. Englewood Clifts, N. J., Prentice Hall.



Dosen Pengampu Mata Kuliah Imam Cholissodin. Lahir di Lamongan pada tanggal 19 Juli 1985. Peneliti telah menyelesaikan pendidikan S2 di Teknik Informatika FTIF ITS Surabaya pada Tahun 2009-2011. Saat ini peneliti aktif sebagai dosen pengajar di jurusan Teknik Informatika, Program Teknologi dan Ilmu Komputer (PTIIK), Universitas Brawijaya (UB) Malang pada beberapa mata kuliah, seperti Information Retrieval, Pengolahan Citra Digital, Probabilitas dan Statatistika, Grafika Komputer, Decision Support System, Kecerdasan Buatan, Data Mining dan Pengenalan Pola. Bidang Keminatan yang ditekuni peneliti adalah Information Retrieval, Artificial Vision, Image Processing, dan Cryptography. Di samping mengajar, peneliti juga aktif dalam Riset Group Image Processing dan Vision (IMPROV) di dalam Laboratorium Komputasi Cerdas dan Visualisasi. Selain itu peneliti juga telah melakukan beberapa publikasi pada jurnal nasional dan internasional (IEEE). Riset pada tahun 2013-2014 yang sedang dilakukan sekarang bersama dengan beberapa tim dosen dan mahasiswa semester akhir adalah berfokus pada bidang Information Retrieval untuk melakukan analisis dokumen lembaga pendidikan secara Real-time, yaitu dengan tema “Groups Decision Sentiment Analysis Untuk Klasifikasi Dokumen EComplaint Kampus Menggunakan Additive Kernel SVM” yang merupakan kombinasi dari dua lintas bidang keilmuan antara Decision Support System (DSS) dan Information Retrieval (IR). Motto : “We Are A Code, We Are The Best Code Of God”.



Ketua Kelompok Risza Nurrachman, Lahir di Kota Jember pada tanggal 14 Desember 1992. Saat ini berstatus sebagai mahasiswa aktif angkatan 2011, semester 7 di Jurusan / Program Studi Informatika / Ilmu Komputer, Program Teknologi Informasi dan Ilmu Komputer (PTIIK), Universitas Brawijaya (UB) Malang. Memiliki keminatan dalam bidang Rekayasa Perangkat Lunak (RPL), Pengembangan Aplikasi Perangkat Bergerak / Mobile (PAPB) dan Komputer Cerdas (KC). Moto : “Do It If You Want, Do It With Your Passion, And Do The Best”.



11



Anggota Kelompok Wahyu Nur Ulil Albab, Lahir di Kota Gresik pada tanggal 23 Januari 1993. Saat ini berstatus sebagai mahasiswa aktif semester 7 di Program Studi Informatika, Program Teknologi Informasi dan Ilmu Komputer, Universitas Brawijaya Malang. Memiliki keminatan dalam bidang Rekayasa Perangkat Lunak, Pengembangan Aplikasi Mobile dan Komputer Cerdas. Imam Safii, Lahir di Kota Malang pada tanggal 10 November 1992. Saat ini berstatus sebagai mahasiswa aktif semester 7 di Program Studi Informatika, Program Teknologi Informasi dan Ilmu Komputer, Universitas Brawijaya Malang. Memiliki keminatan dalam bidang Rekayasa Perangkat Lunak, Pengembangan Aplikasi Mobile dan Komputer Cerdas. Riza Krusdianto, Lahir di Kabupaten Tulungagung pada tanggal 16 Juli 1992. Saat ini berstatus sebagai mahasiswa aktif semester 7 di Program Studi Informatika, Program Teknologi Informasi dan Ilmu Komputer, Universitas Brawijaya Malang. Member dari Tim futsal Hefotris Program Teknologi Informasi dan Ilmu Komputer UB. Miftahul Ulum Mubiin, Lahir di Kota Sumenep pada tanggal 04 Mei 1993. Saat ini berstatus sebagai mahasiswa aktif semester 7 di Program Studi Informatika, Fakultas Ilmu Komputer (FASILKOM), Universitas Brawijaya Malang. Memiliki keminatan dalam bidang Rekayasa Perangkat Lunak, Pengembangan Aplikasi Mobile dan Komputer Cerdas.



12