SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN PEMBELIAN JENIS MOBIL DENGAN MENGGUNAKAN METODE TOPSIS

Transkripsi

1 Pelita Informatika Budi Darma, Volume : IV, Nomor: 3, Agustus 2013 ISSN : SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN PEMBELIAN JENIS MOBIL DENGAN MENGGUNAKAN METODE TOPSIS Novriani Hastuti (091138) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisimangaraja No.338 Simpang Limun Medan // Novriani.Hastuti@yahoo.com ABSTARAK Dengan berkembangnya industri otomotif di Indonesia, hal ini dapat dilihat dengan banyaknya jumlah angka kendaraan dan banyaknya peminat dari kalangan menengah ke atas untuk memiliki sebuah kendaraan mewah yang beroda empat. Dimana masyarakat yang terdiri dari kalangan menegah keatas, memerlukan sarana dan fasilitas tersebut, melalui suatu proses yang akan menghasilkan output berupa banyaknya product mana yang akan banyak dipilih konsumen dari jenis product mobil yang diperjual belikan di suatu perusahaan. Untuk memilih kendaraan yang tepat sesuai kebutuhan dan dana yang dimiliki konsumen, maka dibutuhkan penganalisaan yang cermat untuk mempertimbangkan banyak kriteri dan faktor-faktor yang menjadi patokan dalam memilih suatu kendaraan yang sesuai dengan tipe serta kriteria yang diinginkan komsumen. Dengan ini, sistem yang dibutuhkan dalam penentuan pembelian mobil tersebut akan memerlukan Sistem Pendukung Keputusan (SPK) yang dapat mengambil hasil ke putusan dengan menggunakan metode TOPSIS. Agar konsumen dapat menyeleksikan mobil mana yang terbaik. Kata Kunci: Sistem Pendukung Keputusan, TOPSIS, UML 1. Pendahuluan Dengan berkembangnya industri otomotif di Indonesia, hal ini dapat dilihat dengan banyaknya jumlah angka kendaraan dan banyaknya peminat dari kalangan menengah ke atas untuk memiliki sebuah kendaraan mewah yang beroda empat. Perancang menciptakan bermacam jenis dan bentuk sebuah alat transport yang bisa dikatakan dalam segi kecepatan kendaraan yang standart sampai menciptakan jenis kendaraan berkecepatan tinggi, serta tingkat kenyamanan yang dapat membuat pengguna kendaraan merasa puas dengan beranekaragam merk dan harga yang ditawarkan produsen untuk dijual kepada konsumen. Mobil merupakan produk dari sistem berkendaraan yang banyak diminati bagi setiap kalangan menengah ke atas, sehingga bagi yang tidak terfokus pada mutu akan berdampak pada kualitas kendaraan yang tidak maksimal. Melihat fasilitas atau fitur yang ditawarkan dalam kendaraan tersebut berupa tipe, harga, suku cadang, cc kendaraan, kapasitas penumpang dan bahan bakarnya. Untuk mengolah semua kriteria tersebut, diperlukan pengelompokan kriteria-kriteria yang dipilih konsumen. Maka sistem yang dibutuhkan dalam penentuan pembelian mobil tersebut memerlukan Sistem Pendukung Keputusan (SPK) yang dapat mengambil hasil keputusan dengan menggunakan Metode Topsis. Agar konsumen dapat menyeleksikan mobil mana yang terbaik. 2. Landasan Teori Sistem Pendukung Keputusan Menurut Alter (2002), S PK merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan memanipulasi data. Sistem itu digunakan untuk membantu pengambilan keputusan dalam situasi yang semiterstruktural dan situasi yang tidak terstruktur, dimana tak seorang pun tahu sacara pasti bagaimana keputusan seharusnya dibuat (Kusrini, 2007). 2.1 Metode Topsis TOPSIS adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan oleh Yoon dan Hwang tahun TOPSIS didasarkan pada konsep, dimana alternatif terpilih yang baik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif. konsepnya sederhana dan mudah dipahami, komputasinya efisien dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan dalam bentuk matematis yang sederhana. (Liyantanto, 2009). Prinsip Metode TOPSIS adalah sederhana, dimana alternatif yang dipilih selain memiliki kedekatan dengan solusi ideal positif dan jauh dari solusi ideal negatif. solusi ideal terbentuk jika sebagai komposit dari nilai kinerja terbaik ditampilkan oleh setiap alternatif untuk setiap atribut. Solusi ideal negatif adalah gabungan dari nilai kinerja terburuk. Jarak ke masing-masing kutub kinerja diukur dalam 69

2 Pelita Informatika Budi Darma, Volume : IV, Nomor: 3, Agustus 2013 ISSN : pengertian Euclidean, dengan bobot opsional dari setiap atribut. Konsep ini banyak digunakan pada beberapa model MADM untuk menyelesaikan masalah keputusan secara praktis (Kahraman dalam Lestari, 2011). Secara umum, prosedur dari metode TOPSIS mengikuti langkah-langkah sebagai berikut : 1. Menentukan matriks keputusan yang ternormalisasi. TOPSIS membutuhkan rating nilai pada setiap kriteria atau subkriteria yang ternormalisasi. Matriks ternormalisasi pada persamaan Matriks keputusan ternormalisasi dapat dilihat pada tabel contoh dengan dua alternatif dibawah ini : Tabel 1 : Matriks Keputusan Ternormalisasi terlebih dahulu menentukan apakah bersifat keuntungan (benefit) atau bersifat biaya (cost). ( ) ;... (3) ( ) ;... () Dimana: max y ij ; (benefit) i jika j adalah atribut keuntungan min y ij ; jika j adalah atribut biaya (cost) i min y ij ; jika j adalah atribut keuntungan (benefit) i max y ij ; jika j adalah atribut biaya (cost) i. Menghitung jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matriks solusi ideal negatif. positif dirumuskan sebagai :... () negatif dirumuskan sebagai :... (6) 2. Menghitung matriks keputusan yang ternormalisasi berbobot. Persamaan digunakan untuk menghitung matriks ternormalisasi terbobot, maka harus ditentukan terlebih dahulu nilai bobot yang merepresentasikan preferensi absolute dari pengambil keputusan. Nilai bobot preferensi menunjukkan tingkat kepentingan relatif setiap kriteria atau subkriteria pada W w 1, w 2, w 3,... w n,...(1) V ij w j. R ij... (2) Tabel 3 : Separasi Positif Tabel ; Separasi Negatif Tabel 2 : Matriks Keputusan Ternormalisasi Terbobot 3. Menghitung matriks solusi ideal positif dan matriks solusi ideal negatif. Solusi ideal positif dan solusi ideal negatif dapat ditentukan berdasarkan rating bobot ternormalisasi. Perlu diperhatikan syarat pada persamaan 3. dan 3. agar dapat menghitung nilai solusi ideal dengan. Menghitung nilai preferensi untuk setiap alternatif. Nilai preferensi (V i ) untuk setiap alternatif (3.8). V i... (7) Nilai V i yang lebih besar menunjukkan bahwa alternatif A i lebih dipilih. 70

3 Pelita Informatika Budi Darma, Volume : IV, Nomor: 3, Agustus 2013 ISSN : Tabel : Nilai Preferensi Tiap Alternatif C3 Nilai Kapasitasnya C Nilai Bahan Bakarnya C Nilai Transmisi Beberapa contoh dari berbagai macam mobil sebagai alternatif tertulis sebagai berikut: 3. Pembahasan 1. Menentukan rangking setiap alternatif pada setiap kriteria dinilai dengan 1 sampai yaitu : 1 Sangat baik 2 Baik 3 Cukup Buruk Sangat Buruk Tabel 6 : Skor Peringkat Data Awal Rangking Harga Medannya Kapasitas Muatan Bahan Bakar Transmisi > juta juta juta juta < juta Pegunungan 1 Tanah 2 Aspal orang orang 2 - orang 3 Pertamax 1 Bensin 2 Solar 3 Automatic 3 Manual 2 2. Membuat data awal pada setiap alternatif Tabel 7 : Kecocokan dari setiap alternatif pada setiap kriteria Alternatif C1 C2 C3 C C A A A A A A Keterangan: C1 Nilai Harga C2 Nilai Medannya A1 Fortuner GA/T Lux TRD A2 Yaris 1. S Limited A/T A3 Avanza 1. GM/T A Land Cruiser.01 A Hardtop Fj-0 A6 Innova VA/T Diesel 3. Membuat matriks rating kecocokan setiap alternatif pada setiap criteria yang dibentuk dari tabel data awal diatas. Matriks keputusan yang dibentuk dari tabel kecocokan diatas dapat dilihat sebagai berikut: Setelah matriks keputusan dan bobot kriteria dibuat, selanjutnya adalah membuat matriks keputusan yang ternormalisasi R yang fungsinya untuk memperkecil range data. Adapun elemen-elemennya ditentukan dengan rumusnya sebagai berikut: R ij (1) Dimana: R ij adalah elemen dari matriks keputusan yang ternormalisasi R, adalah elemen dari matriks keputusan 1,2,3,..,m, 1,2,3,...,n. Tabel 8 : Hasil Perhitungan Matriks Keputusan Ternormalisasi Altern atif A1 A2 A3 A C1 C2 C3 C C 0,21 0,28 0,39 0,28 0,33 2 0,28 0,28 0,16 0,39 0, ,36 0,28 0,1 0,39 0, ,107 0,28 0,179 0,107 0,

4 Pelita Informatika Budi Darma, Volume : IV, Nomor: 3, Agustus 2013 ISSN : Setelah matriks ternormalisasi dibuat, selanjutnya adalah membuat matriks keputusan ternormalisasi terbobot V yang elemen-elemennya ditentukan dengan menggunakan rumus berikut: V ij w j. R ij (2) Dimana : V ij adalah elemen dari matriks keputusan yang ternormalisasi terbobot V, Bobot w ij (w 1, w 2, w 3,..., w n ) adalah bobot dari kriteria ke-j R ij adalah elemen dari matriks keputusan yang ternormalisasi R Dengan i 1,2,3,..., m ; dan j 1,2,3,..., n. Tabel 9 : Hasil Perhitungan Matriks Ternormalisasi Terbobot Alternat if C1 C2 C3 C C A1 0,63 1,28 1,372 1, A2 1,286 1,28 1,66 1, A3 1,608 1,28 1,078 2, A 0,321 1,28 0,38 1, A 1,608 0,862 0,616,08 1,1 A6 1,286 1,28 0,616 1, Selanjutnya menentukan matriks solusi ideal positif (A + ) dan solusi ideal negatif (A - ). (Max, ) (3) (Max, ) () Hasil penentuan matriks solusi ideal positif untuk masing-masing baris dapat dilihat pada tabel Tabel 10 : Hail Penentuan Solusi Ideal Positif A + 1,286 1,28,08 1, Hasil Penentuan matriks solusi ideal negatif untuk masing-masing baris dapat dilihat pada tabel Tabel 11: Hail Penentuan Solusi Ideal Negatif A - 0,3216 0,862 1,372 0,38 8 1,1 7. Selanjutnya menghitung jarak alternatif dari solusi ideal positif ( S + ) dan jarak alternatif solusi ideal negatif ( S - ). Perhitungan jarak alternatif dari solusi ideal positif (S + ) dapat dilihat pada positif dirumuskan sebagai 72egative dirumuskan sebagai 3.9. Tabel 12 : Hasil Perhitungan Separasi Positif Alternatif S + A1 3,716 A2 3,3939 A3 3,0171 A 3,881 A 0,9021 A6 3,7118 Tabel 13 : Hasil Perhitungan Separasi Negatif Alternatif S - A1 0,927 A2 0,930 A3 1,709 A 0,709 A 3,781 A6 1, Setelah menghitung jarak alternatif dari solusi ideal positif ( S + ) dan jarak alternatif solusi ideal negatif (S - ), selanjutnya adalah menghitung kedekatan relatif terhadap solusi ideal positif. Perhitungan kedekatan relatif terhadap solusi ideal positif V i (7) Tabel 1 : Hasil Perhitungan Kedekatan Relatif Alternatif C + A1 0,1981 A2 0,219 72

5 Pelita Informatika Budi Darma, Volume : IV, Nomor: 3, Agustus 2013 ISSN : Selanjutnya alternatif diurutkan dari nilai C + terbesar ke nilai C + terkecil. Alternatif dengan nilai C + terbesar merupakan solusi yang terbaik. Tabel 1 : Hasil Pengurutan Kedekatan Relatif Alternatif Nilai C + A 0,807 A3 0,3611 A6 0,236 A2 0,219 A1 0,1981 A 0,18 Setelah dilakukan penghitungan dari metode penyelesaian masalah dan dilakukan tahap pengurutan nilai tertinggi sampei terendah dapat diambil keputusan mobil yang terpilih yaitu mobil HARDTOP FJ 0 dilambangkan dengan A dengan nilai keputusan 0,807.. Kesimpulan Berdasarkan pembahasan dan evaluasi dari bab terdahulu, maka dapat diambil kesimpulan sebagai berikut: 1. Metode TOPSIS yang merupakan metode sistem Pendukung Keputusan yang bias memecahkan berbagai masalah pengambilan keputusan multikriteria dapat juga digunakan untuk memecahkan masalah pembelia mobil. 2. Hasil perhitungan metode TOPSIS yang dipakai secara manual sama dengan hasil perhitungan yang didapatkan secara komputerisasi. 3. Proses untuk menentukan kelayakan dalam mendapatkan mobil yang baik lebih mudah dibandingkan dengan menggunakan cara manual. Daftar Pustaka [1] Abdul Kadir, 2003 Pangenalan Sistem Informasi [2] Turban E, 200. Decesion Support System and Inteligence system edisi 7 jilid 1 Andi Offesest, Yogyakarta. [3] Indira Kusuma Wardhani Dkk, Seleksi Supplier Bahan Baku dengan Metode TOPSIS Fuzzy MADM Jurnal Sains dan Seni Pomits Vol. 1, No. 1, (2012)