Rekomendasi Pemilihan Properti Kota Malang Menggunakan Metode AHP-SAW

Transkripsi

1 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X Vol. 1, No. 10, Oktober 2017, hlm Rekomendasi Pemilihan Properti Kota Malang Menggunakan Metode AHP-SAW Syafruddin Agustian Putra 1, Nurul Hidayat 2, Lailil Muflikhah 3 Program Studi Teknik Informatika, agustian.putraa@gmail.com 1, ntayadih@ub.ac.id 2, lailil@ub.ac.id 3 Abstrak Meningkatnya jumlah penduduk kota Malang menyebabkan para pengusaha properti berlomba-lomba untuk memenuhi kebutuhan tersebut melalui pengembangan serta penawaran properti dengan fasilitas yang beragam. Banyak kriteria yang menjadi pertimbangan dari calon pembeli dalam memilih sebuah properti, yaitu: harga, jumlah kamar tidur, jumlah kamar mandi, jumlah garasi, luas bangunan dan luas tanah. Dengan banyaknya kriteria yang perlu dipertimbangkan membuat calon pembeli kesulitan dalam menentukan pilihannya. Dilihat dari masalah tersebut ada beberapa metode yang dapat digunakan untuk mengatasi permasalahan dari calon pembeli dalam mengambil keputusan yaitu melakukan kombinasi metode Multi Criteria Decision Making (MCDM) dengan menggunakan Analytic Hierarchy Process (AHP) sebagai metode untuk menghitung bobot dari masing-masing kriteria yang sudah ditentukan sebelumnya dan Simple Additive Weighting (SAW) sebagai metode dalam mengukur peringkat atau perangkingan. Pada pengujian fungsional didapatkan hasil sebesar 100%, yang membuktikan bahwa sistem berjalan dengan baik sesuai perancangan. Dan untuk pengujian akurasi didapatkan hasil sebesar 80,80%. Sehingga dapat disimpulkan bahwa metode AHP-SAW dapat digunakan untuk merekomendasi properti di Kota Malang. Kata Kunci: properti, sistem pendukung keputusan, Analytic Hierarchy Process (AHP), Simple Additive Weighting (SAW) Abstract The increasing of population number in Malang City triggered property developers to answer people s needs by developing and supplying assorted facilities of property. Many criterias should be considered by prospective buyers in selecting a property, for example: price, number of bedrooms, bathrooms, garages, building area, and land area. The numerous considerations referring to some specific criteria lead prospective buyers to take a difficult decision. Regarding to this problem, there are several methods able to resolve the complicacy of buyers in taking decision, which are performing combination of Multi Criteria Decision Making (MCDM) method by using Analytic Hierarchy Process (AHP) as a way to calculate weight of each determined criterion, and Simple Additive Weighting (SAW) as a method used in ranking the criteria. In functional test, the result of 100% represents that the system runs very well as designed. And from the accuracy test, the result is 80.80%. In sum, the AHP-SAW method combination is compatible to be used in selecting property in Malang City Keywords: property, decision support system, Analytic Hierarchy Process (AHP), Simple Additive Weighting (SAW) 1. PENDAHULUAN Pada era saat ini, kebutuhan terhadap properti semakin meningkat seiring perkembangan dan pertumbuhan penduduk. Hal ini membawa konsekuensi lebih jauh pada penyediaan sarana dan prasarana untuk aktivitas kehidupan dimana kebutuhannya bukan hanya sandang dan pangan tapi juga mengarah pada papan. Berbagai cara telah dilakukan untuk memenuhi kebutuhan papan tersebut, anatara lain dengan cara membangun sendiri atau membeli dari pihak lain. Ini terbukti semakain maraknya properti (tanah & bangunan) seperti di kota-kota besar yang padat penduduknya seperti kota Malang. Setiap properti dikembangkan dengan fasilitas yang bervariasi dan beragam, Fakultas Ilmu Komputer Universitas Brawijaya 1201

2 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1202 untuk memenuhi setiap kebutuhan masyarakat yang memiliki kriteria sendiri yang mengacu dalam pememilihan properti. Dalam penentuan pemilihan properti, pembeli akan dibingungkan jika hanya ada satu properti saja yang sesuai dengan kriteria yang ditetapkan. pemilihan properti tersebut antara lain harga, jumlah kamar tidur, jumlah kamar mandi, jumlah garasi, luas bangunan dan luas tanah. Banyaknya pilihan sering kali membuat calon pembeli kesulitan untuk menentukan pilihan yang sesuai dengan ekonomi. Selain itu, terkadang tidak memiliki waktu yang cukup untuk mencari informasi properti ke setiap kantor pemasaran. Pada penelitian sebelumnya yang dilakukan oleh Dyah P.N., Priyo Sidhik, dan Aris Sugiharto membahas mengenai Analisis Dan Perancangan Sistem Pendukung Keputusan Rekomendasi Pemilihan Perumahan, metode yang digunakan adalah metode TOPSIS mampu memberikan hasil perangkingan dan solusi perumahan yang layak untuk direkomendasikan. Untuk mengatasi masalah yang telah dipaparkan, ada beberapa metode yang dapat digunakan dan dikombinasikan dalam mengatasi permasalahan tersebut, salah satunya yang dibahas pada penelitian ini adalah metode pengambilan keputusan yaitu Multi Criteria Decision Making (MCDM) dengan menggunakan Analytic Hierarchy Process (AHP) dan Simple Additive Weighting (SAW). Merujuk pada penelitian sebelumnya, metode yang digunakan adalah Analytical Hierarchy Process dan Simple Additive Weighting. AHP digunakan sebagai penghitung bobot dari masing-masing kriteria. Sedangkan SAW digunakan sebagai perangkingan. Pemilihan metode tersebut karena terbukti penggabungan kedua metode tersebut dapat memberikan keputusan yang jauh lebih baik daripada pengambilan keputusan secara subyektif (Saifulloh, 2015). Berdasarkan paparan yang telah dijelaskan maka judul penelitian yang diusulkan adalah Rekomendasi Properti Kota Malang Menggunakan Metode AHP-SAW. Diharapkan dengan penggabungan metode tersebut dapat membantu calon pembeli untuk merekomendasikan properti untuk bisa memilih properti mana yang cocok dengan keinginan dan ekonomi mereka. 2. DASAR TEORI Pada dasar teori ini akan membahas bagaimana langkah-langkah pada penggabungan metode AHP-SAW yang telah dilakukan Tahapan Metode AHP Tahapan dalam metode Analytical Hierarchy Process adalah sebagai berikut (Putri, 2015): 1. Mendefinisikan masalah kemudian menentukan solusi dan menyusun hierarki dari permasalahan yang dihadapi. 2. Menentukan bobot kriteria dengan membandingkan secara berpasangan tiap kriteria. Proses membandingkan ini menggunakan skala prioritas saaty untuk menyusun matriks perbandingan berpasangan untuk pemilihan properti menggunakan persamaan. 3. Normalisasi terhadap matriks perbandingan berpasangan. Langkah-langkah normalisasi matriks sebagai berikut : a) Menjumlahkan nilai-nilai dari setiap kolom pada matriks perbandingan berpasangan. b) Membagi setiap nilai dari kolom dengan hasil penjumlahan kolom yang bersangkutan untuk memperoleh normalisasi matriks. Rumus perhitungan normaliasi matriks menggunakan Persamaan (1). a jk = Dimana: a jk m l=1 a lk (1) a jk = Nilai hasil normalisasi matriks perbandingan berpasangan a jk = Nilai matriks perbandingan berpasangan baris ke-j kolom ke-k a lk = Nilai matriks perbandingan berpasangan baris ke-l kolom ke-k m = Batas akhir baris matriks perbandingan berpasangan 4. Menghitung bobot sintesis dengan cara menjumlahkan tiap kolom pada baris yang sama dari hasil normalisasi matriks perbandingan menggunakan persamaan (2). kolom = k1 + k2 + k3 + k4 + k5 + k6 (2) 5. Menghitung nilai eigen dengan cara mengalikan tiap kolom matriks perbandingan berpasangan pada baris yang sama, lalu dipangkatkan dengan seperjumlah kriteria yang ada menggunakan persamaan (3). λ 1 = (k1 k2 k3 k4 k5 k6) 1 6 (3)

3 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Menghitung bobot prioritas tiap kriteria dengan cara nilai eigen untuk tiap kriteria dibagi dengan jumlah total nilai eigen. 7. Menghitung nilai kepentingan tiap kriteria dengan cara membagi bobot sintesis dengan bobot prioritas. 8. Menghitung nilai eigen maksimum (λ maks) dengan cara total jumlah nilai kepentingan dibagi banyaknya kriteria. 9. Mengukur konsistensi untuk memastikan bahwa pertimbangan-pertimbangan untuk pengambilan keputusan memiliki konsistensi tinggi. Langkah-langkah dalam mengukur konsistensi yaitu : 1. Menghitung Consistency index (CI) yang ditunjukkan Persamaan (4). CI = (λ maks n) n (4) Dimana: CI : Consistency Index λ maks : eigen maksimum n : banyaknya elemen 2. Menghitung Consistency Ratio (CR) yang ditunjukkan pada Persamaan (5). CR = CI IR (5) Dimana: CR : Consistency Ratio CI : Consistency Index IR : Index Random Consistency 10. Memeriksa konsistensi hierarki rasio konsistensi (CI/IR) bernilai kurang dari atau sama dengan 0,1 maka hasil perhitungan dapat dinyatakan benar Tahapan Metode SAW Tahapan dalam menggunakan metode SAW adalah sebagai berikut (Aditya, 2014): 1. Menghitung normalisasi matriks alternatif Normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut sehingga diperoleh matriks ternormalisasi R. Perhitungan normalisasi matriks ditunjukan dengan Persamaan (6) (Prayoko, 2013). r ij = x ij max i x ij (6) Dimana : r ij = matriks ternomalisasi[i][j] X ij = matriks keputusan [i][j] untuk i = 1, 2, 3,, m untuk j = 1, 2, 3,, n max i = nilai maksimum dari setiap kolom matriks keputusan 2. Menghitung nilai terakhir alternatif. Nilai akhir alternatif dapat dicari dengan menggunakan Persamaan (7) (Prayoko, 2013). V i = n j=1 w i r ij (7) Dimana: V i = nilai akhir dari alternative w i = nilai bobot r ij = nilai properti ternormalisasi n= banyak kriteria yang digunakan 13. Melakukan Perangkingan secara descending berdasarkan nilai preferensi setiap alternatif, yang nantinya akan menjadi hasil rekomendasi sistem. 3. METODOLOGI Untuk memodelkan sistem secara blok digunakan diagram blok untuk memudahkan pemahaman tentang alur proses dari sistem ini. Diagram blok dari penentuan rekomendasi properti di kota Malang ditunjukkan pada Gambar 1. User Gambar 1. Blok diagram sistem rekomendasi pemilihan properti kota Malang yang digunakan pada rekomendsai pemilihan properti kota Malang adalah sebagai berikut: Input data kriteria dan data alternatif properti Input Proses pembobotan tiap kriteria dengan AHP Tabel 1. Pemilihan Properti. Harga Jumlah Kamar Tidur Jumlah Kamar Mandi Jumlah Garasi Luas Bangunan Luas Tanah Sistem Hasil perangkingan Proses perangkingan properti kota Malang dengan SAW Simbol K1 K2 K3 K4 K5 K6 Output Adapun diagram alir proses kerja atau perhitungan AHP-SAW pada pemilihan properti kota Malang, seperti yang ditunjukkan pada

4 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1204 gambar 2. Tidak Mulai Input Data Properti Input Nilai Matriks Berpasangan Normalisasi Matriks Berpasangan Menghitung Bobot Sintesis Menghitung Nilai Eigen Menghitung Bobot Prioritas Menghitung Nilai Kepentingan Dan Eigen Maks Cek Konsistensi CI dan CR 4.1. Perancangan Penelitian ini menggunakan gabungan metode AHP-SAW, yang nantinya akan digunakan untuk menentukan sebuah rekomendasi pemilihan properti kota Malang. Berikut ini adalah tahapan-tahapan metode AHP-SAW Perhitungan Metode AHP-SAW Normalisasi matriks berpasangan adalah menjumlah tiap kolom kriteria pada matriks perbandingan berpasangan untuk kemudian membagi masing-masing nilai kriteria matriks perbandingan berpasangan dengan jumlah tiap kolom kriteria tersebut. Berdasarkan matriks perbandingan berpasangan yang ditunjukkan pada Tabel 2. Tabel 2. Matriks Perbandingan Berpasangan. K1 K2 K3 K4 K5 K6 K K K K K K CR < 0,1 AHP Contoh proses perhitungan normalisasi matriks perbandingan berpasangan berdasarkan persamaan (1) adalah sebagai berikut: Normalsasi Data Alternatif Menghitung Nilai Preferensi (V) Perankingan Alternatif Keputusan Sistem Selesai SAW Gambar 2. Diagram Alir Proses PerhitunganAHP- SAW 4. HASIL DAN PEMBAHASAN Pada hasil dan pembahasan ini akan di bahas tentang perancangan dan pengujian sistem rekomendasi pemilhan properti kota Malang menggunakan gabungan metode AHP-SAW. Normalisasi matriks perbandingan berpasangan pada baris ke-1 kolom ke-1: 1 X 1,1 = 1 + 0,2 + 0,16 + 0,14 + 0, = 0,46 Normalisasi matriks perbandingan berpasangan pada baris ke-2 kolom ke-1: 0,2 X 2,1 = 1 + 0,2 + 0,16 + 0,14 + 0, = 0,09 Normalisasi matriks perbandingan berpasangan pada baris ke-3 kolom ke-1: 0,16 X 3,1 = 1 + 0,2 + 0,16 + 0,14 + 0, = 0,08 Normalisasi matriks perbandingan berpasangan pada baris ke-4 kolom ke-1: 0,14 X 4,1 = 1 + 0,2 + 0,16 + 0,14 + 0, = 0,07 Contoh perhitungan yang dipaparkan menghasilkan nilai hasil normalisasi untuk

5 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1205 kolom pertama pada matriks perbandingan berpasangan. Nilai hasil normalisasi matriks perbandingan berpasangan dari kolom pertama hingga empat ditunjukkan pada Tabel 3. Tabel 3. Daftar Nilai Normalisasi Matriks Berpasangan. K1 K2 K3 K4 K5 K6 K K K K K K Proses hitung nilai bobot sintesis merupakan lanjutan dari proses normalisasi matriks perbandingan berpasangan. Bobot sintesis didapatkan dari penjumlahan secara vertikal setiap baris dari hasil normalisasi matriks perbandingan berpasangan sesuai dengan persamaan (2). Nilai sintesis kriteria 1 0,46 + 0,39 + 0,34 + 0,30 + 0,52 + 0,52 = 2,53 Nilai sintesis kriteria 2 0,09 + 0,08 + 0,11 + 0,13 + 0,06 + 0,06 = 0,53 Nilai sintesis kriteria 3 0,08 + 0,0,4 + 0,06 + 0,09 + 0,04 + 0,04 = 0,35 Nilai sintesis kriteria 4 0,07 + 0,03 + 0,03 + 0,04 + 0,03 + 0,03 = 0,23 Hasil perhitungan nilai bobot sintesis selengkapnya ditunjukkan pada Tabel 4. Tabel 4. Nilai Bobot Sintesis. Nilai K K K K K K Proses menghitung nilai eigen dimulai dengan mengalikan matriks perbandingan berpasangan dalam satu baris. Hasil kali matriks perbandingan berpasangan tersebut kemudian dipangkatkan dengan 1/jumlah kriteria yang ada sesuai persamaan (3) Contoh proses perhitungan nilai eigen adalah sebagai berikut: Nilai eigen kriteria 1 λ 1 = ( ) 1 6 = 3,51 Nilai eigen kriteria 2 λ 1 = (0, ,33 0,33) 1 6 = 0,71 Nilai eigen kriteria 3 λ 3 = (0,16 0, ,25) 1 6 = 0,46 Nilai eigen kriteria 4 λ 4 = (0,14 0,33 0,5 1 0,2 0,2) 1 6 = 0,31 Hasil perhitungan pada proses kali ini berupa nilai eigen kriteria 1-6 ditunjukkan pada Tabel 5. Hasil perhitungan nilai eigen seluruhnya dijumlahkan. Total penjumlahan dari nilai eigen digunakan untuk menghitung nilai bobot prioritas. Tabel 5. Nilai Eigen. Nilai K K K K K K Nilai eigen yang telah didapatkan dari proses perhitungan sebelumnya, digunakan untuk menghitung nilai bobot prioritas. Perhitungan nilai bobot prioritas ini dilakukan pada setiap kriteria dengan cara membagi nilai eigen tiap kriteria dengan total nilai eigen. Nilai bobot prioritas yang didapat dari hasil perhitungan ini selanjutnya akan digunakan untuk menghitung preferensi pada tahap SAW Contoh perhitungan nilai bobot prioritas berdasarkan nilai eigen pada Tabel 5 adalah sebagai berikut: Nilai bobot prioritas kriteria 1 BP 1 = 3, = 0,42 Nilai bobot prioritas kriteria 2 BP 2 = 0, = 0,08 Nilai bobot prioritas kriteria 3 BP 3 = 0, = 0,05 Nilai bobot prioritas kriteria 4 BP 4 = 0, = 0,03

6 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1206 Nilai bobot prioritas kriteria 5 BP 5 = 1, = 0,19 Nilai bobot prioritas kriteria 6 BP 6 = 1, = 0,19 Pada Tabel 6 adalah hasil dari nilai bobot prioritas dari masing-masing kriteria yang digunakan pada sistem. Tabel 6. Nilai Bobot Prioritas Nilai K K K K K K Setelah memperoleh bobot prioritas masingmasing kriteria, langkah selanjutnya adalah menghitung nilai kepentingan tiap kriteria untuk mendapatkan nilai eigen maksimum. Nilai kepentingan yang diperoleh dari proses ini selanjutnya digunakan pada proses cek nilai konsistensi CI dan CR. Proses Perhitungan nilai kepentingan adalah sebagai berikut: Nilai kepentingan kriteria 1 λ 1 = 2,53 0,42 = 5,98 Nilai kepentingan kriteria 2 λ 2 = 0,53 0,08 = 6,15 Nilai kepentingan kriteria 3 λ 2 = 0, = 6.15 Nilai kepentingan kriteria 4 λ 2 = 0,23 0,03 = 6.16 Nilai kepentingan kriteria 5 λ 2 = 1,18 0,19 = 5,94 Nilai kepentingan kriteria 6 λ 2 = 1,18 0,19 = 5,94 Hasil dari perhitungan nilai eigen maksimum selengkapnya ditunjukkan pada Tabel 7. Tabel 7. Nilai Kepentingan dan Nilai Eigen Max Nilai K K K K K K Total Nilai Eigen Max /6 = 6, Nilai eigen maksimum yang didapatkan dari langkah perhitungan sebelumnya digunakan pada proses pertama untuk cek nilai konsistensi yaitu menghitung nilai CI. Kemudian dilanjutkan proses perhitungan terakhir untuk tahap cek nilai konsistensi yaitu menghitung nilai CR. Proses hitung pertama yaitu menghitung nilai CI menggunakan persamaan (4) adalah sebagai berikut: CI = (λ max n) (n 1) = ( ) (6 1) = 0, Proses terakhir pada penerapan metode AHP yaitu menghitung nilai CR juga menggunakan persamaan (5). Nilai IR yang digunakan pada proses kali ini didapatkan dari Tabel Index Random Consistency. Dengan melihat jumlah kriteria yang ada yaitu 6 kriteria, nilai IR yang digunakan yaitu 1,24. Proses hitung nilai CR adalah sebagai berikut: CR = CI IR = 0,011625/1,24 = 0, Dari proses hitung yang telah dilakukan, didapatkan nilai CR sebesar 0, atau kurang dari 0,1. Dari hasil tersebut dapat ditarik kesimpulan bahwa nilai perbandingan berpasangan yang digunakan konsisten dan dapat digunakan dalam proses pemilihan properti. Setiap data yang terdapat dalam data alternatif dinormalisasi menggunakan Persamaan (6) sebelum itu dicari dulu nilai maksimum dalam matriks keputusan untuk setiap kriteria didapat dari nilai terbesar dari tiap kriteria pada tabel nilai maksimum yang ditunjukkan pada tabel 8. Tabel 8. Nilai Maksimum. Nilai Min K Nilai Max K2 6 K3 4 K4 1 K5 390 K6 275

7 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1207 Contoh perhitungan normalisasi matriks keputusan pada K1 dengan menggunakan Persamaan (6) adalah sebagai berikut: Nilai normalisasi Baris-1 Kolom-1 X 1,1 = = 0, Nilai normalisasi Baris-2 Kolom-1 X 3,1 = 2 6 = 0,33 Nilai normalisasi Baris-3 Kolom-1 X 3,1 = 1 4 = 0,25 Nilai normalisasi Baris-4 Kolom-1 X 4,1 = 1 1 = 1 Nilai normalisasi Baris-5 Kolom-1 X 5,1 = = 0.08 Nilai normalisasi Baris-6 Kolom-1 X 6,1 = = 0.21 Proses normalisasi terus dilakukan sampai semua nilai dalam data alternatif dinormalisasi dan menghasilkan nilai matriks ternormalisasi properti seperti ditunjukkan pada Tabel 9. Tabel 9. Nilai Normalisasi Data Alternatif K1 K3 K3 K4 K5 K6 A A A A A Proses perhitungan preferensi menggunakan Persamaan (8). Perhitungan nilai preferensi properti berdasarkan nilai bobot prioritas dan nilai matriks ternormalisasi. Contoh perhitungan preferensi properti A1 adalah sebagai berikut: Nilai normalisasi Baris-1 Kolom-1 P 1,1 = 0, = 0.27 Nilai normalisasi Baris-2 Kolom-1 P 1,2 = 0, = 0.02 Nilai normalisasi Baris-3 Kolom-1 P 1,3 = 0, = Nilai normalisasi Baris-4 Kolom-1 P 1,4 = = Nilai normalisasi Baris-5 Kolom-1 P 1,5 = = 0.01 Nilai normalisasi Baris-6 Kolom-1 P 1,6 = = 0.04 nilai kepentingan AHP dan nilai normalisasi untuk setiap kriteria, tahap selanjutnya adalah menjumlahkan hasil perkalian tersebut. Nilai Alternatif 1 A 1 = = 0.41 Proses terus dihitung sampai semua properti mendapatkan nilai preferensi seperti yang ditunjukkan pada Tabel 10. Tabel 10. Nilai Total Preferensi No Alternatif Total Preferensi 1 A A A A A Tahap terakhir adalah perangkingan untuk setiap hasil nilai preferensi yang didapat oleh masing-masing properti diurutkan dari nilai preferensi tertinggi sampai nilai preferensi terendah Pengujian Pengujian sistem rekomendasi pemilihan properti kota Malang terdiri dari pengujian fungsionalitas dan pengujian akurasi Pengujian Fungsional Pengujian fungsionalitas pada sistem ini merepresentasikan pengujian blackbox dengan menguji struktur dari kebutuhan yang telah didefinisikan pada analisis perangkat lunak ini. Hasil dari pengujian fungsional ditunjukkan pada Tabel 11. Tabel 11. Hasil Pengujian Fungsional Identifikasi Use Case Hasil KF_001 Lihat Daftar Properti Valid KF_002 Input Prioritas Valid KF_003 Lihat Perangkingan Valid KF_004 Lihat Perhitungan Valid KF_005 Lihat Detail Properti Valid KF_006 Login Valid KF_007 Kelola Properti Valid KF_008 Edit Properti Valid KF_009 Hapus Properti Valid KF_010 Tambah Properti Valid KF_011 Logout Valid Setelah mendapatkan hasil perkalian antara

8 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Pengujian Akurasi Pengujian akurasi pada kasus ini adalah membandingkan hasil dari rekomendasi sistem pemilihan properti kota Malang denga hasil rekomendasi dari PT. Bunga Properti Malang. Yang dibandingkan adalah rekomendasi keseluruhan sistem. tingkat akurasi 99 Data = % = 80,80% Berdasarkan pengujian yang dilakukan dengan menggunakan 99 data, terdapat 80 data yang sesuai dan 19 data yang tidak sesuai dengan data hasil rekomedasi PT. Bunga Properti. Tingkat keseuaian rekomendasi sistem menjadi sebesar 80,80%. Berdasarkan tingkat akurasi 80,80% maka sistem layak untuk digunakan merekomendasikan properti di kota Malang. 5. KESIMPULAN Berdasarkan pada hasil perancangan, implementasi, pengujian, dan analisis yang telah dilakukan, maka dapat disimpulkan sebagai berikut: 1. Proses penentuan rekomendasi pemilihan properti berhasil diimplementasikan menggunakan metode AHP sebagai pembobotan nilai kriteria, dimana pada penelitian ini menggunakan 6 kriteria yaitu harga, kamar mandi, kamar tidur, garasi, luas bangunan, dan luas tanah. Sedangkan metode SAW sebagai perangkingan nilai alternatif. 2. Pada hasil pengujian fungsional sistem didapatkan hasil sebesar 100%, karena sistem berjalan sesuai dengan analisis kebutuhan. Pada pengujian akurasi didapatkan kesimpulan bahwa tingkat akurasi sistem sebesar 80,80% karena rekomendasi yang diberikan oleh pakar masih bersifat subyektif. Saran untuk kelanjutan pengembangan penelitian ini adalah: 1. Pada pengembangan sistem dalam penelitian selanjutnya dapat ditambahkan parameter atau kriteria yang lebih kompleks sehingga rekomendasi yang dihasilkan oleh sistem lebih akurat dan sistem dapat menerima input kriteria secara dinamis. 2. Berdasarkan hasil pengujian akurasi, pada penelitian selanjutnya perlu adanya variasi perubahan pada matriks perbandingan berpasangan di dalam metode Analytical Hierarchy Process, agar mendapatkan tingkat akurasi keputusan yang lebih baik. DAFTAR PUSTAKA Astradanta, M., I Made, A.W. & I Ketut, R.A Pengembangan Sistem Penunjang Keputusan Pemilihan Tempat Kuliner Dengan Menggunakan Metode AHP Dan SAW Studi Kasus : Kecamatan Buleleng. Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika (KARMAPATI) Volume 5, Nomor 2, Tahun Daniati, E Sistem Pendukung Keputusan Pemilihan Kost Di Sekitar Kampus UNP Kediri Menguunakan Metode Simple Additive Weighting (SAW). STMIK AMIKOM Yogyakarta, 6-8 Februari Dyah, P.N., Priyo, S.S. & Aris S Sistem Pendukung Keputusan Pemilihan Perumahan Menggunakan Metode TOPSIS Berbasis Web. Journal of Informatics and Tecnology, Vol 2, no 2, Tahun 2013, p1-8. Farizna, B Pemodelan Sistem Pendukung Keputusan Pemilihan Line Up Cabang Olahraga Futsal Dengan Metode AHP- TOPSIS (Studi Kasus : Hefotris Filkom UB). S1. Universitas Brawijaya, Malang. Ismail, J Pemodelan Sistem Pendukung Keputusan Penentuan Line Up Dalam Cabang Olahraga Futsal Menggunakan Metode Analytical Hierarchy Process- Simple Additive Weighting (AHP- SAW)[Studi Kasus : Hefotris Filkom UB]. S1. Universitas Brawijaya, Malang. Kusrini Konsep Dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta: Andi. Putri, S. R Sistem Pendukung Keputusan Penerimaan Pegawai Mikro Kredit Sales (MKS) Menggunakan Metode AHP dan TOPSIS. S1. Universitas Brawijaya, Malang. Prayoko, M. R Sistem Pendukung Kepentingan Penentuan Jurusan PAda Sekolah Menengah Atas Setia Budi

9 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1209 Abadi Perbaungan Dengan Menggunakan Metode Simple Additive Weighting (SAW). STMIK Budi Darma. Perwitasari, F. I Studi Komparasi Metode Simple Additive Weighting (SAW) Untuk Pemilihan Alternatif Simplisia. S1. Universitas Brawijaya, Malang. Saaty, T. L How to Make a Decision: The Analytical Hierarchy Process. European Journal of Operational Research. Saifullah, Noordin A., analisis keakuratan metode ahp dan metode saw terhadap sistem pendukung keputusan penerimaan beasiswa. Jurnal Ilmiah DASI Vol. 16 No. 1 Maret 2015, hlm Supriatin, W, B. S., & Luthfi, E. T Sistem Pendukung Keputusan Untuk Menentukan Penerima BLSM Di Kabupaten Indramayu. Citec Journal, Wardani, N. H Sistem Pendukung Keputusan Penentuan Prioritas Perbaikan Standar Akreditasi Program Studi Sarjana Menggunakan Metode Analytical Hierarchy Process (AHP). S1. Universitas Brawijaya, Malang.