sistem pendukung keputusan untuk merekomendasikan · pdf filedan mysql yang membahas tentang...
TRANSCRIPT
Sistem Pendukung Keputusan
untuk Merekomendasikan TV Layar Datar
Menggunakan Metode Weighted Product (WP)
Artikel Ilmiah
Diajukan kepada
Fakultas Teknologi Informasi
Untuk memperoleh Gelar Sarjana Komputer
Peneliti :
Wahyu Retno Ningrum (NIM : 672007045)
Yessica Nataliani, S.Si., M.Kom.
Ramos Somya, S.Kom., M.Cs.
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Salatiga
Mei 2012
2
1
2
3
Sistem Pendukung Keputusan
untuk Merekomendasikan TV Layar Datar
Menggunakan Metode Weighted Product (WP) 1)
Wahyu Retno Ningrum, 2)
Yessica Nataliani, 3)
Ramos Somya
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Jl. Diponegoro 52 – 60, Salatiga 50711, Indonesia
Email : 1)
Abstract
Prospective customers often get confused when choosing the type of TV to buy.
One of the factors that cause confusion in choosing a TV is the existence of several well
known brands that offer a variety of TV types with different sizes. The research process
begins the gathering system requirements, system design, system making proses, as well
as testing process. System design starts from the design of Data Flow Diagram (DFD),
Entity Relationship Diagram (ERD), and drafting tables. WP calculation criteria include
the type of TV technology, brand, size, resolution, weight, and price. The final results of
the system data table with five alternative types of Flat Screen TVs are recommended
based on the type of technology and some of the criteria that have been selected. Five
types of TV recommende alternative is expected to be suggestion that may be considered
by consumers as well as a means of information to get the info TV. TV types have
recommended the suitability of the results with the wishes of potential customers by 60%.
Key words: Selection of Flat Screen TV, Weighted Product (WP)
Abstrak
Calon konsumen sering kali mengalami kebingungan saat memilih tipe TV yang
akan dibeli. Salah satu faktor yang menyebabkan kebingungan dalam memilih TV adalah
adanya beberapa merek terkenal yang menawarkan macam-macam tipe TV dengan
berbagai ukuran. Proses penelitian diawali dengan mengumpulkan kebutuhan sistem,
perancangan sistem, proses pembuatan sistem, serta proses pengujian. Perancangan
sistem dimulai dari perancangan Data Flow Diagram (DFD), Entitas Relationship
Diagram (ERD), dan perancangan tabel-tabel. Proses Perangkingan alternatif tipe TV
menggunakan metode Weighted Product (WP). Kriteria perhitungan WP meliputi jenis
teknologi, merek, ukuran, resolusi, berat, serta harga. Hasil akhir sistem berupa tabel data
rekomendasi dengan lima alternatif tipe TV Layar Datar berdasarkan jenis teknologi dan
beberapa kriteria yang telah dipilih sebelumnya. Lima alternatif tipe TV yang
direkomendasikan diharapkan dapat menjadi saran yang dapat dipertimbangkan oleh
konsumen serta menjadi sarana informasi untuk mendapatkan informasi mengenai TV.
Tipe TV yang direkomendasikan mempunyai kesesuaian hasil dengan keinginan calon
konsumen sebesar 60%.
Kata kunci : Pemilihan TV Layar Datar, Weighted Product (WP)
1)
Mahasiswa Fakultas Teknologi Informasi Jurusan Teknik Informatika, Universitas Kristen Satya
Wacana Salatiga 2)
Staff Pengajar Fakultas Teknologi Informasi Program Studi Sistem Informasi, Universitas
Kristen Satya Wacana Salatiga 3)
Staff Pengajar Fakultas Teknologi Informasi Program Studi Teknik Informatika, Universitas
Kristen Satya Wacana Salatiga
4
1. Pendahuluan
Televisi layar datar merupakan satu set TV tipis yang menggunakan
teknologi layar LCD atau plasma dan mempunyai HDTV set yang memiliki
resolusi 720px jika ukuran TV di bawah 40 inchi. Resolusi 1080px jika ukuran
TV diatas 40 inchi [1]. Televisi dengan teknologi layar LCD, LED, maupun
Plasma di Indonesia sekarang ini begitu mudah ditemui dengan berbagai merek
dan tipe yang ditawarkan. Merek dan tipe TV layar datar yang bervariasi
merupakan keuntungan bagi calon konsumen dalam memilih televisi layar datar
yang akan dibeli, karena calon konsumen dapat memilih televisi sesuai dengan
keinginannya dan tidak terpacu pada satu merek maupun tipe. Berdasarkan
wawancara dan kuisioner yang disebar ke 30 orang yang akan membeli TV,
banyaknya merek dan tipe menjadi kendala bagi sebagian masyarakat untuk
memilih atau menentukan TV yang akan dibeli, saat proses ini berlangsung
seringkali calon konsumen merasa bingung saat akan menjatuhkan pilihan pada
satu tipe televisi dan membutuhkan waktu yang lama untuk memilih satu tipe
televisi yang diinginkan. Selain merek dan tipe yang menjadi pertimbangan dalam
membeli televisi, ada beberapa hal yang perlu dipertimbangkan juga untuk
membeli televisi antara lain : ukuran, resolusi, ratio, serta fasilitas pendukung
seperti HDMI, S-Video, Composite Video, VGA [2].
Beberapa kendala yang dihadapi saat akan membeli televisi mendorong
untuk merancang dan membuat sistem pendukung keputusan yang dapat
membantu memberikan rekomendasi TV layar datar berdasarkan kriteria-kriteria
yang diinginkan calon konsumen. Dorongan ini menjadi pertimbangan untuk
membuat sistem pendukung keputusan dengan judul “Pemanfaatan Metode
Weighted Product (WP) untuk Merekomendasikan TV Layar Datar”. Penelitian
ini menggunakan metode WP dikarenakan metode WP merupakan salah satu
metode penyelesaian multi kriteria dimana dalam membeli sebuah TV banyak
kriteria yang harus dipertimbangkan. Perhitungan dalam metode WP dalam tidak
diperlukan normalisasi sehingga waktu yang diperlukan juga lebih singkat
dibanding metode SAW [3].
2. Kajian Pustaka
Penelitian pertama dengan judul “Aplikasi Pendukung Keputusan dengan
menggunakan Logika Fuzzy (Studi Kasus : Penentuan Spesifikasi komputer untuk
suatu Paket Komputer lengkap). Dalam penelitian tersebut terdapat batasan
himpunan yang meliputi batasan murah, normal, ataupun mahal pada variabel
harga. Komputer terdiri dari beberapa bagian maka terdapat pula pencocokan
antar komponen yang satu dengan lainnya, sebagai contoh jika tipe jenis dari
prosesor adalah intel socket LGA 775, maka motherboard-nya pun juga harus
dengan jenis yang sama [4].
Metode WP juga digunakan untuk menyelesaikan sebuah sistem pendukung
keputusan dengan judul “Sistem Pendukung Keputusan Penentuan Siswa
Berprestasi di Sekolah Menengah Kejuruan (SMK) Menggunakan Metode
Weighted Product”. Metode WP digunakan untuk perangkingan siswa berprestasi
berdasarkan data kriteria dan data bobot. Sehingga perangkingan yang dihasilkan
5
oleh sistem dapat digunakan untuk membantu Guru bagian kesiswaan dalam
mengambil keputusan penentuan siswa berprestasi [5].
Sistem pendukung keputusan yang nantinya dibangun memanfaatkan
metode WP dalam membantu proses perangkingan untuk memberikan suatu
rekomendasi TV layar datar. TV Layar Datar merupakan satu kesatuan yang
mempunyai berbagai variabel seperti harga, dimensi, berat, serta fasilitas-fasilitas
pendukung maka tidak perlu ada pencocokan antar komponen seperti yang
dilakukan pada penelitian yang pertama. Metode WP sendiri digunakan untuk
membantu mencari rekomendasi terbaik.
Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS)
merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan,
dan pemanipulasian data. Sistem ini digunakan untuk membantu pengambil
keputusan dalam situasi yang semi terstruktur dan situasi yang tidak tersetruktur
[6].
Gambar 1 Komponen SPK [7]
Gambar 1 menjelaskan tentang komponen SPK bahwa sebuah sistem
pendukung keputusan dibangun dari beberapa subsistem, antara lain [7]:
- Data management, termasuk database yang mengandung data yang relevan
untuk berbagai situasi dan diatur oleh software yang disebut Database
Management System (DBMS). Data management pada penelitian ini adalah
database televisi yang berisi tabel jenis, tabel data_tv, tabel desk_tv, serta tabel
merek. Tabel-tabel yang ada pada database televisi saling berhubungan dan
sebagai data untuk perhitungan.
- Model management, melibatkan model finansial, statistikal, management
science, atau berbagai model kuantitatif lainnya sehingga dapat memberikan ke
sistem suatu suatu kemampuan analitis dan manajemen software yang diperlukan.
Model management dalam penelitian ini adalah perhitungan mengunakan metode
WP. Perhitungan ini memanfaatkan data yang ada serta masukan prioritas dari
6
calon kosumen sehingga didapat sebuah data yang dapat dihitung serta mendapat
nilai ranking yang nantinya digunakan sebagai hasil rekomendasi.
- Knowledge manager, dapat mendukung subsistem lain atau bertindak
sebagai komponen yang bertindak sendiri. Knowledge manager dalam penelitian
ini adalah calon konsumen. Calon konsumen dapat memilih ukuran, merek serta
jenis yang diinginkan, kemudian memasukkan prioritas kepentingan dari setiap
kriteria. Ukuran, merek dan jenis TV yang sudah dipilih akan dicari pada tabel
data_tv, hasil dari pencarian tersebut akan dihitung menggunakan metode WP.
Hasil dari perhitungan tersebut akan diranking dan dipilih lima terbaik sebagai
hasil rekomendasi untuk calon konsumen.
- User Interface, tampilan antarmuka dimana user dapat berkomunikasi dan
memberikan perintah pada DSS. User interface pada penelitian ini adalah
tampilan menu sistem rekomendasi.
Metode Weighted Product (WP)
Metode WP merupakan salah satu metode penyelesaian yang ditawarkan
untuk menyelesaikan masalah Multi Attribute Decision Making (MADM). Metode
WP mirip dengan Metode Weighted Sum (WS), hanya saja metode WP terdapat
perkalian dalam perhitungan matematikanya. Metode WP juga disebut analisis
berdimensi karena struktur matematikanya menghilangkan satuan ukuran [8].
Metode WP adalah himpunan berhingga dari alternatif keputusan yang dijelaskan
dalam beberapa hal kriteria keputusan. Jadi metode ini tidak perlu
dinormalisasikan. Preferensi Ai diberikan pada Rumus 1 [9]:
, dengan i = 1,2,…,m ........................(1)
dimana ∑wj = 1. wj adalah pangkat bernilai positif untuk atribut keuntungan, dan
bernilai negatif untuk atribut biaya.
Preferensi relatife dari setiap alternatif, diberikan pada Rumus 2 :
; dengan i = 1,2, …, m. ........................(2)
Langkah – langkah menggunakan metode WP [10]:
1. Mengalikan seluruh atribut bagi sebuah alternatif dengan bobot sebagai
pangkat positif untuk atribut manfaat dan bobot berfungsi sebagai pangkat
negatif pada atribut biaya,
2. Hasil perkalian dijumlahkan untuk menghasilkan nilai pada setiap alternatif,
3. Mencari nilai alternatif dengan melakukan langkah yang sama seperti
langkah satu, hanya saja menggunakan nilai tertinggi untuk setiap atribut
tertinggi untuk setiap atribut manfaat dan terendah untuk atribut biaya,
4. Membagi nilai V bagi setiap alternatif dengan nilai standar (V(A*)) yang
menghasilkan R,
5. Ditemukan urutan alternatif terbaik yang akan menjadi keputusan.
7
3. Metode Penelitian
Gambar 2 Model Prototype [11]
Gambar 2 merupakan tahapan-tahapan yang harus dilalui pada Model
Prototype. Tahapan tersebut meliputi :
- Pengumpulan Kebutuhan Sistem (Requirements)
Tahap awal dimulai dengan menganalis kebutuhan-kebutuhan apa saja yang
diperlukan dalam membangun suatu sistem mulai dari kebutuhan data sampai
dengan kebutuhan hardware. Tahap pengumpulan kebutuhan data dilakukan
dengan dua cara yaitu dengan metode kepustakaan dan penyebaran kuisioner.
Pengumpulan data dengan menggunakan metode kepustakaan, penyusun
menggunakan beberapa buku yang sangat membantu , antara lain : Buku Fuzzy
Multi-Attribute Decision Making (FMADM) yang membahahas tentang
penggunaan metode WP; Buku Aplikasi Pemrograman Web Dinamis dengan PHP
dan MySQL yang membahas tentang tatacara penggunaan script PHP dan
pengolahan database dengan wampserver; Buku Konsep dan Aplikasi Sistem
Pendukung Keputusan untuk mempelajari konsep dasar suatu sitem pendukung
keputusan; dan materi penunjang lainnya yang didapat dari beberapa literatur dari
internet dan jurnal, sedangkan semua data-data TV didapat dari internet.
Pengumpulan data juga menggunakan kuisioner yang disebar secara acak ke
30 responden untuk mencari atribut apa saja yang akan digunakan pada sistem.
Kuisioner ini dibuat berdasarkan wawancara yang dilakukan sebelumnya. Daftar
pertanyaan terdapat pada lampiran. Kuisioner berisi beberapa pertanyaan yang
masing-masing pertanyaan mempunyai lima jawaban, yaitu SP untuk Sangat
Penting, P untuk Penting, CP untuk Cukup Penting, TP untuk Tidak Penting dan
STP untuk Sangat Tidak Penting. Syarat untuk mengisi kuisioner ini adalah
masyarakat umum yang berusia diatas 17 tahun untuk mendukung penelitian.
Berdasarkan kuisioner yang telah disebar, didapatkan hasil jawaban dari tiga
pertanyaan yang diajukan, hasil jawaban kuisioner antara lain :
8
Tabel 1 Hasil Kuisioner
No Pertanyaan Hasil Jawaban
SP P CP TP STP
1 Seberapa Penting TV
buat anda ? 10 16 3 1 -
2 Indikator apa saja yang anda pentingkan dalam memilih atau
membeli TV ?
a. Harga 17 12 - 1 -
b. Merek 12 12 4 2 -
c. Resolusi 9 13 6 2 -
d. Ukuran 12 11 6 1 -
e. Berat 4 6 12 4 5
f. Fasilitas 11 6 7 5 1
3 Pentingkah sebuah
sistem rekomendasi
TV untuk membantu
memilih TV ?
9 11 7 2 1
Berdasarkan hasil pada Tabel 1 maka kriteria yang digunakan pada sistem
yang akan dibangun adalah harga, merek, resolusi, ukuran, dan berat. Fasilitas
nantinya akan menjadi pelengkap informasi. Kriteria-kriteria tersebut akan
menjadi pertimbangan saat akan memilih atau mencari televisi.
- Perancangan Sistem (Design)
Perancangan sistem yang digunakan adalah Data Flow Diagram (DFD).
DFD atau diagram alir data adalah model proses yang digunakan untuk
menggambarkan aliran data melalui sebuah sistem dan tugas atau pengolahan
yang dilakukan oleh sistem [12].
Admin
0
Sistem
Rekomendasi
TV
Calon
KonsumenData TV, Merek TV,
Jenis TV, Deskripsi TV
Data TV, Merek TV,
Jenis TV, Deskripsi TVKriteria TV, Bobot Prioritas TV
TV Rekomendasi
Gambar 3 DFD Level 0
Gambar 3 terdapat dua entitas luar yang berhubungan dengan sistem yakni
calon konsumen dan admin. Dari admin, sistem akan mendapatkan data-data TV.
Data–data TV meliputi merek tv, jenis tv, data tv dan deskripsi tv. Sedangkan
calon konsumen akan mendapatkan hasil rekomendasi. Hasil rekomendasi berasal
dari kriteria TV dan bobot prioritas TV yang telah dimasukkan calon konsumen
ke sistem sebelumnya. Berdasarkan gambar 3 dapat dikembangkan lagi menjadi
DFD level 1 yang lebih detail lagi.
9
1
Input Data TV
2
Olah Data TV
3
Merekomendasi TV
jenis
merek
data_tv
desk_tv
Admin
Calon
Konsumen
Data TV, Merek TV,
Jenis TV, Deskripsi TV
Data TV, Merek TV,
Jenis TV, Deskripsi TV
Data TV, Merek TV,
Jenis TV, Deskripsi TV
Jenis TV
Jenis TV
Merek TV
Merek TV
Merek TV
Jenis TV
Data TV
Data TV
Deskripsi TV
Deskripsi TV
Deskripsi TV
Deskripsi TV
Data TV
Data TV
Kriteria TV, Bobot Prioritas TV
TV Rekomendasi
Gambar 4 DFD Level 1
Gambar 4 merupakan pengembagan dari DFD level nol, pada DFD level
satu terlihat proses sistem rekomendasi tv lebih terlihat detail. Proses sistem
rekomendasi tv mempunyai beberapa proses, yaitu proses input data TV, proses
olah data TV, dan proses merekomendasi TV. Proses input data, entitas admin
dapat menginputkan data tv, merek tv, jenis tv, serta deskripsi tv. Proses olah data
tv, entitas admin dapat melakukan hapus serta edit/update data tv, merek tv, jenis
tv, serta deskripsi tv. Entitas admin dapat memperbaharui data diproses ke dua.
Proses ke dua sangat penting karena admin dituntut untuk selalu memperbaharui
data agar sistem nantinya dapat berjalan secara optimal. Sebagai contoh adalah
harga tv yang selalu berubah mengikuti harga jual yang berlaku maka harga tv
harus selalu diperbaharui. Admin dapat melakukan perubahan dip roses olah data.
1
Input Data TV
2
Olah Data TV
3.1
Mencari TV
jenis
merek
data_tv
desk_tv
Admin
Calon
Konsumen
Data TV, Merek TV,
Jenis TV, Deskripsi TV
Data TV, Merek TV,
Jenis TV, Deskripsi TV
Data TV, Merek TV,
Jenis TV, Deskripsi TV
Jenis TV
Jenis TV
Merek TV
Merek TV
Merek TV
Jenis TV
Data TV
Data TV
Deskripsi TV
Deskripsi TV
Deskripsi TV
Deskripsi TV
Data TV
Data TV
Kriteria TV, Bobot Prioritas TV
TV Rekomendasi3.2
Menghitung
dengan Metode
WP
Data TV
Gambar 5 DFD Level 2 proses 3 (Merekomendasi TV)
10
Gambar 5 merupakan pengembangan DFD level satu proses merekomendasi
TV, terlihat calon konsumen memasukkan kriteria tv untuk proses mencari tv
yang nantinya data akan diperoleh dari tabel data_tv. Data yang berada pada tabel
data_tv didapat dari proses input data yang dilakukan oleh entitas admin. Selain
memasukkan kriteria tv calon konsumen juga memasukkan bobot prioritas tv
untuk melakukan perhitungan. Data tv dan bobot tv yang diperoleh akan dihitung
menggunakan metode WP. Setelah mendapatkan hasil terbaik data yang diperoleh
akan digabungkan dengan data yang ada pada tabel desk_tv untuk mendapatkan
informasi mengenai deskripsi tv yang nantinya akan direkomendasikan ke calon
konsumen.
Berdasarkan rancangan sistem menggunakan DFD, selanjutnya dapat
membuat rancangan database. Sebelum membuat rancangan database terlebih
dahulu dibuat Entity Relationship Diagram (ERD) yang merepresetasikan secara
grafis hubungan antar entitas.
Desk_TV Data_TVMengambil mengambil1 1
no_desk
typegambar
Ukuran
kd_jenis
kd_merek
Resolusi
harga
berat
fasilitas
type
no_data
type
N
kd_merek kd_jenis
jenis
1
kd_jenis jenis
merek
1
kd_merek
merek
Gambar 6 Entity Relationship Diagram (ERD)
Gambar 6 menunjukkan hubungan antar tabel. Tabel desk_tv memperoleh
type yang diambil dari tabel data_tv dimana mempunyai relasi hubungan one to
one. Tabel data_tv memperoleh kd_jenis yang diambil dari tabel jenis yang
mempunyai relasi one to many. Tabel data_tv juga memperoleh kd_merek yang
diambil dari tabel merek yang mempunyai relasi one to many.
Berdasarkan ERD yang telah dibuat, tahap selanjutnya adalah mulai
merancang database. Rancangan database meliputi :
- Tabel Admin Tabel 3 Rancangan Tabel Admin
Field Tipe Length Keterangan
Admin Varchar 25 User admin
Passadmin Varchar 25 Password admin yang digunakan untuk
masuk kedalam halaman administrator
Tabel 3 dirancang untuk menyimpan admin dan passadmin. Admin dan
passadmin yang tersimpan digunakan untuk masuk ke halaman administrator.
Admin dan passadmin nantinya juga dapat ditambah, diedit , dan dihapus.
11
- Tabel Jenis Tabel 4 Rancangan Tabel Jenis
Field Tipe Length Keterangan
kd_jenis Char 4 Untuk menyimpan kode jenis teknologi
TV
Teknologi Varchar 25 Untuk menyimpan jenis teknologi TV
Tabel 4 dirancang untuk menyimpan jenis teknologi. TV dari waktu ke
waktu akan semakin berkembang jenis teknologinya, oleh karena itu jenis
teknologi yang tersimpan pada tabel jenis dapat ditambah, diedit ataupun dihapus.
- Tabel Merek Tabel 5 Rancangan Tabel Merek
Field Tipe Length Keterangan
kd_merek Char 4 Untuk menyimpan kode merek TV
Merek Varchar 25 Untuk menyimpan merek TV
Tabel 5 dirancang untuk menyimpan merek TV. TV mempunyai banyak
merek yang dijual belikan, oleh karena itu merek TV yang tersimpan pada tabel
merek dapat ditambah, diedit ataupun dihapus.
- Tabel Data TV Tabel 6 Rancangan Tabel Data TV
Field Tipe Length Keterangan
no_tvpe Int 5 Untuk menyimpan no urutan TV
kd_jenis Char 4 Untuk menyimpan kode jenis teknologi
TV
kd_merek Char 4 Untuk menyimpan kode merek TV
Tipe Varchar 25 Untuk menyimpan tipe TV dari setiap
merek TV
Ukuran Int 55 Untuk menyimpan ukuran layar TV
Resolusi Int 55 Untuk menyimpan resolusi TV
Berat Int 55 Untuk menyimpan berat TV dengan
penyangga
Harga Int 55 Untuk meyimpan harga tv setiap tipe
Tabel 6 dirancang untuk menyimpan data-data TV dari masing-masing tipe.
Data-data TV yang tersimpan pada tabel Data TV dapat ditambah, diedit ataupun
dihapus.
- Tabel Deskripsi TV Tabel 7 Rancangan Tabel Deskripsi TV
Field Tipe Length Keterangan
no_desk Int 5 Untuk menyimpan no urutan deskripsi
TV
Tipe Varchar 25 Untuk menyimpan tipe TV dari setiap
merek TV
Gambar Varchar 50 Untuk menyimpan gambar TV
Fasilitas Varchar 50 Untuk menyimpan deskripsi TV
Tabel 7 dirancang untuk menyimpan deskripsi TV. Deskripsi TV dibuat
untuk melengkapi data-data TV yang sudah tersimpan di tabel Data TV. Deskripsi
TV yang tersimpan pada tabel Deskripsi TV dapat ditambah, diedit ataupun
dihapus.
12
- Pengujian unit
Pada tahap ini sistem yang telah dirancang akan diimplentasikan kedalam
sebuah sistem berbasis web. Sistem dibuat dengan bahasa PHP, masing-masing
file .php kemudian akan diuji satu persatu apakah sudah dapat berjalan dengan
sesuai atau belum. Tahap implementasi meliputi implementasi metode WP secara
manual.
Sebagai contoh implementasi metode WP secara manual, yakni :
Diasumsikan seorang calon konsumen TV akan membeli TV dengan teknologi
LED, merek Panasonic dan ukuran antara 33-42 serta mempunyai tingkat prioritas
bobot untuk ukuran 30; resolusi 50; harga 15 dan berat 5. Untuk mendapatkan
hasilnya, terlebih dahulu dilakukan perbaikan bobot. Perbaikan bobot
menggunakan rumus Wj. Maka didapat perhitungan sebagai berikut :
W1 = 5155030
30 = 0,3 W3 =
5155030
15 = 0,15
W2 = 5155030
50 = 0,5 W4 =
5155030
5 = 0,05
Setelah bobot diperbaiki langkah selanjutnya adalah memilih data yang
mempunyai teknologi LED, merek Panasonic dan ukuran diantara 33-42 dari 237
tipe TV, hasil pemilahan tersebut didapat 10 tipe TV yang mempunyai teknologi
LED.
Tabel 8 Data TV LED dengan Merek Panasonic
Alternatif Kriteria
C1 C2 C3 C4
TC-L37D2 37 2073600 15 1200
TC-L37DT30 37 2073600 16 1170
TC-L37E3 37 2073600 12 720
TC-42LD24 42 2073600 19 1400
TC-L42D2 42 2073600 19 1500
TC-L42DT30 42 2073600 16 1080
TC-L42E3 42 2073600 14 950
TC-L42E30 42 2073600 15 990
C1 = Ukuran TV C3 = Berat TV
C2 = Resolusi TV C4 = Harga TV
Langkah berikutnya adalah menghitung vektor S, dimana data yang ada akan
dikalikan tetapi sebelumnya dilakukan pemangkatan dengan bobot dari masing-
masing kriteria. Perhitungannya sebagai berikut :
S1 = 370,3
x 20736000,5
x 15-0,05
x 1200-0,15
= 1282,75
S2 = 370,3
x 20736000,5
x 16-0,05
x 1170-0,15
= 1283,48
S3 = 370,3
x 20736000,5
x 12-0,05
x 720-0,15
= 1400,44
S4 = 420,3
x 20736000,5
x 12-0,05
x 1400-0,15
= 1316,62
S5 = 420,3
x 20736000,5
x 19-0,05
x 1500-0,15
= 1273,46
S6 = 420,3
x 20736000,5
x16-0,05
x 1080-0,15
= 1349,33
S7 = 420,3
x 20736000,5
x 14-0,05
x 950-0,15
= 1384,75
13
S8 = 420,3
x 20736000,5
x 15-0,05
x 990-0,15
= 3859,52
Setelah masing-masing vektor S didapat nilainya, langkah selanjutnya adalah
menjumlahkan seluruh S untuk menghitung vektor V. Langkahnya sebagai
berikut:
V1 = 29,15782
75,1282 =0,081 V4 =
29,15782
62,1316 =0,083 V7 =
29,15782
75,1384 =0,088
V2 = 29,15782
48,1283 =0,081 V5 =
29,15782
46,1273 =0,081 V8 =
29,15782
52,3858 =0,244
V3 = 29,15782
44,1400 =0,089 V6 =
29,15782
33,1349 =0,085
Hasil dari vektor V ini belum ada artinya sebelum dibandingkan terlebih dahulu.
Perbandingan vektor V terlihat pada Tabel 9.
Tabel 9 Perbandingan Hasil Vektor V
Hasil Vektor V V1 V2 V3 V4 V5 V6 V7 V8
0,081 0,081 0,089 0,083 0,081 0,085 0,088 0,244
V1 0,081 Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak V2 0,081 Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak V3 0,089 Ya Ya Tidak Ya Ya Ya Ya Tidak
V4 0,083 Ya Ya Tidak Tidak Ya Tidak Tidak Tidak
V5 0,081 Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak
V6 0,085 Ya Ya Tidak Ya Ya Tidak Tidak Tidak
V7 0,088 Ya Ya Tidak Ya Ya Ya Tidak Tidak
V8 0,244 Ya Ya Ya Ya Ya Ya Ya Tidak
Tabel 9 merupakan hasil perbandingan antar vektor, langkah awal
perbandingan ini dengan cara membandingkan hasil vektor pertama dengan kedua
apakah lebih besar atau tidak, apabila hasilnya lebih besar maka ya. Hasil
perbandingan mendapatkan lima rekomendasi terbaik yakni V8, V3, V7, V6, dan V4.
Lima tipe rekomendasi TV tersebut adalah TC-L42E30, TC-L37E3, TC-L42E3,
TC-L42DT30 dan TC-42LD24
Tahap pengujian sistem dilakukan dengan mencocokan hasil rekomendasi
dengan hasil perhitungan manual. Tujuan pengujian sistem untuk mengetahui
apakah hasil rekomendasi dengan cara manual terdapat perbedaan hasil dengan
sistem. Tahap ini terlihat pada tabel 10.
14
Tabel 10 Pencocokan antara Perhitungan Manual dengan Sistem
Input Hasil Perhitungan
Manual
Hasil Sistem
Rekomendasi Keterangan
- Jenis : LCD
- Merek : Semua Merek
- Ukuran : > 52”
- Prioritas Kepentingan :
1. Ukuran : 30
2. Resolusi : 20
3. Berat :10
4. Harga : 40
- LG 55LK520
- SAMSUNG
LN55C630K1F
- LG 60PK550
- SAMSUNG
LN60C630
- SHARP
LC60A77M
- LG 55LK520
- SAMSUNG
LN55C630K1F
- LG 60PK550
- SAMSUNG
LN60C630
- SHARP
LC60A77M
COCOK
- Jenis : LCD
- Merek : Samsung
- Ukuran : 43” - 52”
- Prioritas Kepentingan :
1. Ukuran : 10
2. Resolusi : 40
3. Berat : 5
4. Harga : 45
- SAMSUNG
LA46D550
- SAMSUNG
LN46B500
- SAMSUNG
LN46A530
- SAMSUNG
LN46A550
- SAMSUNG
LN46A630
- SAMSUNG
LN46B500
- SAMSUNG
LA46D550
- SAMSUNG
LN46A530
- SAMSUNG
LN46A550
- SAMSUNG
LN46A630
COCOK
- Jenis : LED
- Merek : Semua Merek
- Ukuran : 43”- 52”
- Prioritas Kepentingan :
1. Ukuran : 10
2. Resolusi : 10
3. Berat : 10
4. Harga : 70
- LG 47LV3700
- SAMSUNG
UN46C5000QF
- LG 47LV5500
- SAMSUNG
UN46C6400RF
- LG 47LW5600
- LG 47LV3700
- SAMSUNG
UN46C5000QF
- LG47LV5500
- SAMSUNG
- UN46C6400RF
- LG 47LW5600
COCOK
- Jenis : LED
- Merek : Panasonic
- Ukuran : 33”- 42”
- Prioritas Kepentingan :
1. Ukuran : 15
2. Resolusi : 15
3. Berat : 10
4. Harga : 60
- PANASONIC
TC-L37E3
- PANASONIC
TC-L42E3
- PANASONIC
TC-L42E30
- PANASONIC
TC-L42D30
- PANASONIC
TC-37DT30
- PANASONIC
TC-L37E3
- PANASONIC
TC-L42E3
- PANASONIC
TC-L42E30
- PANASONIC
TC-L42D30
- PANASONIC
TC-37DT30
COCOK
Hasil pencocokan antara perhitungan manual dengan sistem terdapat
kecocokkan hasil rekomendasi. Perbedaan kecocokan terlihat pada urutan hasil
ujicoba kedua, hal tersebut terjadi karena pada proses perhitungan manual
menggunakan empat angka dibelakang koma.
4. Hasil dan Pembahasan
Pembuatan sistem SPK tidak lepas dari komponen-komponen SPK, dalam
sistem yang dibangun ini komponen-komponen SPK dalam sistem meliputi :
- Data Management, dalam sistem ini data menagement adalah database
televisi. Database televisi ini berisi beberapa tabel yakni tabel admin, tabel
15
data_tv, tabel jenis, tabel merek, dan tabel desk_tv. Database televisi ini dapat
terlihat pada Gambar 7.
Gambar 7 Database televisi
Gambar 7 dapat terlihat lima tabel yang sudah dipaparkan sebelumnya.
Tabel admin dalam sistem ini sebagai penyimpan informasi user dan password
admin yang digunakan untuk mengakses halaman administrator. Tabel data_tv
digunakan untuk menyimpan informasi mengenai data-data suatu type t v, pada
tabel data_tv terdapat beberapa field antara lain : field no_data, field kd_jenis,
field kd_merek, field type, field ukuran, field resolusi, field harga, dan field berat.
Tabel desk_tv digunakan untuk menyimpan informasi keterangan dari suatu type
tv, dalam tabel ini meliputi beberapa field yaitu : field no_desk, field type, field
gambar, dan field fasilitas. Tabel jenis berisi informasi mengenai jenis teknologi
tv seperti LCD atau LED, dalam tabel ini berisi field kd_jenis dan jenis. Tabel
merek berisi informasi merek tv yang meliputi field kd_merek dan field merek.
- Model Management, dalam sistem ini model management adalah
perhitungan menggunakan metode WP. Perhitungan menggunakan metode WP
melalui beberapa tahap yaitu menghitung vektor S. Perintah untuk menghitung
vektor S dalam sistem terlihat pada kode program 1. Kode Program 1 Perintah untuk Menghitung Vektor S 1. while($hasil=mysql_fetch_object($eksekusi)) 2. { 3. $a=(exp(($nil_a/100)*(log($hasil->ukuran))));
4. $b=(exp(($nil_b/100)*(log($hasil->resolusi))));
5. $c=(exp((-$nil_c/100)*(log($hasil->berat))));
6. $d=(exp((-$nil_d/100)*(log($hasil->harga))));
7. $vektor_S=($a*$b*$c*$d);
8. $ta[]=$vektor_S;
9. $akhir= array_sum($ta); }
Kode Program 1 berisi beberapa perintah untuk menghitung vektor S. Kode
nomor tiga merupakan kode untuk menghitung ukuran yang dipangkatkan dengan
w yang telah diperbaiki dan disimpan pada variabel a. Perhitungan vektor S
merupakan perkalian hasil dari perhitungan variabel a,b,c, dan d yang disimpan
pada variabel vektor_S. Hasil vektor S tersebut dimpan dalam array ta yang akan
digunakan untuk menghitung jumlah hasil vektor S keseluruhan. Jumlah vektor S
sebagai dasar untuk mengitung nilai vektor V. Perhitungan vektor V dalam sistem
dapat terlihat pada kode program 2. Kode Program 2 Perintah untuk Menghitung Vektor V
1. ....... 2. $vektor_S=($a*$b*$c*$d); 3. $vektor_v=$vektor_S/$akhir;
16
Kode Program 2 tersebut adalah kode program yang digunakan untuk menghitung
vektor V setelah perhitungan dari vektor S selesai dilakukan. Kode nomor tiga
digunakan untuk menghitung vektor V, vektor V didapat dari hasil bagi antara
hasil vektor S dibagi jumlah vektor S. Variabel akhir merupakan jumlah vektor S.
Hasil dari vektor V dalam perhitungan WP belum berarti apa-apa jika hasil
keseluruhan vektor V belum dibandingkan terlebih dahulu. Perbandingan vektor V
ini dalam sistem dapat terlihat pada kode program 3. Kode Program 3 Perintah untuk Membandingkan Vektor V
1. $indexVektor_v[$counter][1]=(" 2. <td>$hasil->kd_merek</td>
3. <td>$hasil->type</td> 4. <td>$hasil->ukuran</td> 5. <td>$hasil->resolusi</td> 6. <td>$hasil->berat</td> 7. <td>$hasil->harga</td> 8. <td><a href='fiturDetail.php?id=$hasil->type'>Lihat</a> 9. </tr> 10. "); 11. $indexVektor_v[$counter][2]=$vektor_v; 12. $counter++;} 13. $ulangLg=$counter; 14. $temp=0;$hasilIndek=0; 15. $hasilAkhir=array(); 16. for($i=0;$i<$counter;$i++){ 17. for($j=0;$j<$counter-$i-1;$j++){ 18. if($indexVektor_v[$j][2] < $indexVektor_v[$j+1][2]){ 19. $temp=$indexVektor_v[$j]; 20. $indexVektor_v[$j]=$indexVektor_v[$j+1]; 21. $indexVektor_v[$j+1]=$temp;} 22. }}
Kode satu-sembilan merupakan kode untuk menampilkan data, kode 11-21
adalah kode program untuk membandingkan vektor V. Perbandingan vektor V
menggunakan perulangan for . Hasil perbandingan akan diambil lima terbaik,
untuk menampilkan lima terbaik terlihat pada kode program 4. Kode Program 4 Perintah untuk Menampilkan lima terbaik
1. $nomer=1;
2. for($i=0;$i<=4;$i++){ 3. echo "<tr> 4. <td>$nomer</td>"; 5. echo $indexVektor_v[$i][1]; 6. $nomer++; 7. }
Kode Program 4 digunakan untuk menampilkan lima terbaik. Karena data
yang dihitung disimpan dalam array, maka penampilan yang dilakukan dengan
perulangan for yang terdapat pada kode nomor dua dimulai dari nol sampai
kurang dari samadengan empat agar yang ditampilkan lima data.
- Knowledge manager, dalam sistem ini komponen ketiga dari SPK ini adalah
pengguna sistem yaitu calon konsumen. Calon konsumen melalui beberapa tahap
saat akan menggunakan sistem ini, tahapan tersebut meliputi : calon konsumen
wajib memilih jenis tv yang diinginkan, kemudian memilih ukuran dan merek.
Tahap kedua memasukkan bobot prioritas yang meliputi bobot ukuran, resolusi,
harga, dan berat, keempat bobot prioritas ini harus berjumlah 100% apabila
kurang dari 100% maka sistem tidak akan bekerja. Setelah tahap satu dan dua
selesai maka calon konsumen dapat menekan tombol lanjut, apabila tombol lanjut
sudah ditekan maka sistem akan bekerja. Sistem akan melakukan proses pencarian
17
data berdasar jenis, merek, dan ukuran yang sudah dipilih sebelumnya.
Berdasarkan data yang sudah terpilih maka data akan dihitung menggunakan
metode WP berdasarkan bobot prioritas yang sudah diinputkan sebelumnya.
Calon konsumen akan mendapatkan lima type tv terbaik berdasrkan hasil
perhitungan dengan metode WP.
- User Interface, dalam sistem ini peneliti membuat sistem berbasis web.
Tampilan sistem rekomendasi terlihat pada gambar 8.
Gambar 8 Halaman Menu Sistem Rekomendasi
Gambar delapan merupakan tampilan halaman yang akan digunakan oleh
calon konsumen dalam menggunakan sistem rekomendasi TV ini. Apabila
kriteria sudah dipilih dan bobot prioritas sudah terpenuhi dan tombol lanjut
sudah ditekan makan calon konsumen akan dibawa ke halaman yang berisi
hasil rekomendasi, dapat dilihat pada gambar 9.
Gambar 9 Halaman Hasil Sistem Rekomendasi
Gambar sembilan merupakan halaman dari hasil rekomendasi. Terlihat
bahwa sistem memberi rekomendasi lima type tv. Berdasarkan hasil rekomendasi
ini, calon konsumen dapat memilih satu dari yang direkomendasikan. Calon
18
konsumen dapat melihat fasilitas dari type yang direkomendasikan dengan
menekan tombol lihat.
Gambar 10 Halaman Lihat Fasilitas
Gambar 10 dapat ditampilkan apabila calon konsumen menekan tombol
lihat pada kolom fasilitas yang ada pada halaman hasil rekomendasi. Halaman
fasilitas ini berisi dua tabel yaitu gambar dan fasilitas. Calon konsumen dapat
membaca informasi mengenai type tv yang direkomendasikan dan gambar dari
type tv yang direkomendasikan.
Contoh penggunaan sistem rekomendasi tv adalah diasumsikan seorang
calon konsumen akan membeli tv layar datar yang memanfaatkan Sistem
Rekomendasi TV. Calon konsumen wajib mengisi form yang ditampilkan oleh
sistem, form terlihat pada Gambar 7. Calon konsumen dimisalkan memilih jenis
LED, semua merek dengan ukuran > 52 dan mengisi prioritas kepentingan ukuran,
resolusi , berat, serta harga dengan angka 30, 25, 5, dan 40.
Gambar 11 Halaman Sistem Rekomendasi sesuai inputan
Calon konsumen dapat menekan tombol lanjut setelah semua kriteria
terpenuhi. User dapat memilih jenis, merek, serta ukuran TV yang diinginkan
serta mengisi prioritas kepentingan untuk bobot kepentingan. User dapat menekan
tombol lanjut apabila user telah memenuhi syarat. Syarat-syarat sistem meliputi :
19
- User wajib memilih jenis TV
- User wajib memasukkan prioritas kepentingan yang totalnya 100 persen.
Gambar 12 Halaman Hasil Sistem Rekomendasi
Gambar 12 merupakan hasil dari sistem rekomendasi, sistem memberikan
lima pilihan terbaik dari delapan data yang ada. Hasil tersebut didapat dari kriteria
yang telah dipilih serta mengisi besaran prioritas kepentingan. Lima tipe tersebut
didapat dari perhitungan WP, langkah-langkah sistem menampilkan hasil :
Pertama sistem akan mencari data yang ada pada database sesuai dengan
jenis, merek, dan ukuran yang sudah dipilih sebelumnya pada form Sistem
Rekomendasi. Data-data yang direkomendasikan berdasarkan data yang telah
diinputkan oleh admin. Admin dalam sistem ini sangat berperan penting, karena
data-data yang ada pada sistem harus terus diperbaharui terutama untuk harga.
Admin dapat melakukan perbaharuan harga di menu admin yang sudah disiapkan.
Pembaharuan data sangat penting agar sistem berjalan optimal. Kode Program 5 Perintah untuk Mendapatkan Data 1. include "/include/conecsi.inc";
2. $ambil="";
3. if(strcmp($fm_merek,'not_merek')==0 and strcmp($fm_ukrn,'not_ukuran')==0)
4. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."'";
5. else if (strcmp($fm_ukrn,'not_ukuran')==0){
6. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."' and
kd_merek='".$fm_merek."'";}
7. else if(strcmp($fm_merek,'not_merek')==0 and strcmp($fm_ukrn,'<24')==0){
8. .............
9. else if(strcmp($fm_merek,'not_merek')==0 and strcmp($fm_ukrn,'43-52')==0){
10. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."' and ukuran <
'53' and ukuran > '42'";}
11. else if(strcmp($fm_merek,'not_merek')==0 and strcmp($fm_ukrn,'53')==0){
12. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."' and ukuran >
'52'";}
13. else {
14. if(strcmp($fm_ukrn,'<24')==0){
15. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."' and
kd_merek='".$fm_merek."' and ukuran < '24'";}
16. .............
17. else if(strcmp($fm_ukrn,'53')==0){
18. $ambil="select * from data_tv where kd_jenis='".$fm_jenis."' and
kd_merek='".$fm_merek."' and ukuran > '52'";
Kode Program lima ini merupakan kode program yang pertama kali
dieksekusi oleh sistem saat user menekan tombol lanjut. Kode nomor satu
merupakan kode untuk memanggil conecsi.inc yang berisi kode program untuk
terhubung ke database. Kode nomor 2-18 merupakan beberapa perintah untuk
mengambil data pada database. Data yang akan diambil akan disimpan pada
variabel ambil, pada contoh yang akan dieksekusi kode nomor 11 dan 12. Kode
20
nomor 11 dan 12 dieksekusi karena pada from telah memilih jenis dan ukuran >
52, sedangkan merek tidak dipilih. Data yang telah didapat nantinya akan
digunakan sebagai dasar perhitungan. Hasil pencarian mendapat data yang terlihat
pada tabel 12. Tabel 12 Hasil Pencarian Menurut Kriteria
Tipe Ukuran Resolusi Berat Harga
55LH90 55 2073600 36 3200
55LH93 55 2073600 36 5900
55LH95 55 2073600 35 5500
55LHX 55 2073600 26 4900
55LV5500 55 2073600 23 2099
55LW5300 55 2073600 21 1900
55LW5600 55 2073600 22 2399
55LW6500 55 2073600 22 2699
65LW6500 65 2073600 42 4499
UN55B6000 55 2073600 22 3600
UN55B7000 55 2073600 22 3800
UN55B8000 55 2073600 29 4000
UN55D6500 55 2073600 17 2600
UN55D7000 55 2073600 16 3100
UN55D8000 55 2073600 16 3600
UN60C6400RF 60 2073600 31 3000
UN60D6500 60 2073600 36 3300
UN60D8000YF 60 2073600 22 4200
UN55C6500VF 55 2073600 22 2800
UN55C6800UF 55 2073600 20 3000
LC80LE632U 80 2073600 55 5500
Tabel 12 merupakan hasil pencarian data TV dengan jenis LED, semua
merek dan ukuran > 52. Terlihat terdapat 21 jenis type TV yang sesuai dengan
keinginan calon konsumen yang telah diinputkan. Langkah berikutnya
menghitung nilai vektor S dan vektor V dari data tabel 12. Menghitung vektor S
dibutuhakan bobot, pada contoh bobot (W) = 30,25,5,40. Perhitungan vektor S
pada sistem berdasarkan kode program 1 yang telah dipaparkan sebelumnya.
Sebelum menghitung vektor S dilakukan perbaikan bobot terlebih dahulu,
perbaikan bobot antara lain :
W1 = = = 0,3 W3 = = = 0,05
W2 = = = 0,25 W4 = = = 0,4
Setelah perbaikan bobot dihitung, langkah selanjutnya menghitung nilai vektor S.
Beberapa perhitungan vektor S berdasarkan data yang ada pada tabel 12, antara
lain :
S1 = 550,3
x 20736000,25
x 36-0,05
x 3200-0,4
= 76,43089
S2 = 550,3
x 20736000,25
x 36-0,05
x 5900-0,4
= 74,58317
S3 = 550,3
x 20736000,25
x 35-0,05
x 5500-0,4
= 74,89833
S4 = 550,3
x 20736000,25
x 26-0,05
x 4900-0,4
= 76,37189
S5 = 550,3
x 20736000,25
x 23-0,05
x 2099-0,4
= 79,49195
21
S6 = 550,3
x 20736000,25
x 21-0,05
x 1900-0,4
= 80,17315
S7 = 550,3
x 20736000,25
x 22-0,05
x 2399-0,4
= 79,24424
Hasil perhitungan vektor V dari 21 data type TV yang ada pada tabel 12 dapat
dilihat pada tabel 13. Tabel 13 Hasil Perhitungan Vektor S
Tipe Ukuran Resolusi Berat Harga Vektor S Jumlah S
55LH90 3.3274291 37.947332 0.8359588 0.7240924 76.43089
1646.745
55LH93 3.3274291 37.947332 0.8359588 0.7065875 74.58317
55LH95 3.3274291 37.947332 0.8371371 0.7085745 74.89833
55LHX 3.3274291 37.947332 0.8496721 0.711856 76.37189
55LV5500 3.3274291 37.947332 0.8548966 0.7364097 79.49195
55LW5300 3.3274291 37.947332 0.8587941 0.7393496 80.17315
55LW5600 3.3274291 37.947332 0.8567988 0.7324851 79.24424
55LW6500 3.3274291 37.947332 0.8567988 0.7290409 78.87163
65LW6500 3.4984366 37.947332 0.8295404 0.7142913 78.66257
UN55B6000 3.3274291 37.947332 0.8567988 0.720689 77.96808
UN55B7000 3.3274291 37.947332 0.8567988 0.7191321 77.79964
UN55B8000 3.3274291 37.947332 0.8450455 0.7176581 76.57513
UN55D6500 3.3274291 37.947332 0.8679157 0.7301315 80.0145
UN55D7000 3.3274291 37.947332 0.8705506 0.7250126 79.69473
UN55D8000 3.3274291 37.947332 0.8705506 0.720689 79.21947
UN60C6400RF 3.4154299 37.947332 0.8422323 0.7259641 79.24533
UN60D6500 3.4154299 37.947332 0.8359588 0.7232017 78.35576
UN60D8000YF 3.4154299 37.947332 0.8567988 0.7162589 79.53816
UN55C6500VF 3.3274291 37.947332 0.8567988 0.7279703 78.75581
UN55C6800UF 3.3274291 37.947332 0.8608917 0.7259641 78.91394
LC80LE632U 3.7232911 37.947332 0.8184306 0.7085745 81.93616
Tabel 13 merupakan data setelah dipangkatkan dan dihitung nilai vektor S
dan jumlah vektor S. Langkah berikutnya adalah menghitung vektor V, untuk
menghitung vektor V terlihat pada Kode Program 2 yang telah dipaparkan
sebelumnya. Perhitungan vektor V sebagai berikut :
V1 = = 0,0464133 V4 = = 0,0463775
V2 = = 0,0452913 V5 = = 0,0482722
V3 = = 0,0454827
Hasil perhitungan vektor V selanjutnya dapat dilihat pada Tabel 14. Hasil
perhitungan vektor V tersebut belum berarti apa-apa sebelum dibandingkan
terlebih dahulu.
22
Tabel 14 Hasil Perhitungan Vektor V
Vektor S Jumlah S vektor V
76.43089
1646.745
0.0464133
74.58317 0.0452913
74.89833 0.0454827
76.37189 0.0463775
79.49195 0.0482722
80.17315 0.0486858
79.24424 0.0481217
78.87163 0.0478955
78.66257 0.0477685
77.96808 0.0473468
77.79964 0.0472445
76.57513 0.0465009
80.0145 0.0485895
79.69473 0.0483953
79.21947 0.0481067
79.24533 0.0481224
78.35576 0.0475822
79.53816 0.0483002
78.75581 0.0478251
78.91394 0.0479212
81.93616 0.0497564
Hasil perhitungan dari tabel 14 akan dibandingakan terlebih dahulu oleh
sistem. Cara sistem membandingkan vektor V terlihat jelas pada Kode Program 3
yang sudah dipaparkan sebelumnya. Data yang terpilih akan ditampilkan ke calon
konsumen. Hasil rekomendasi yang diberikan ke konsumen berupa lima pilihan
type tv. Berdasarkan hasil pembandingan sistem terdapat lima pilihan yang
direkomendasikan yaitu type 55LW5300, 55LV5500, 55LW5600, UN55D6500,
dan 55LW6500. Hasil tersebut terlihat pada gambar 12 yang telah dipaparkan
sebelumnya.
Sistem Rekomendasi ini juga sudah diujicobakan ke 30 orang yang akan
membeli TV Layar Datar. 30 orang yang mencoba sistem ini diwajibkan mengisi
kuisioner yang berisi enam pertanyaan, pertanyaan tersebut dapat dilihat pada
Tabel 15.
23
Tabel 15 Hasil Kuisioner Pengujian Sistem
No Pertanyaan Sangat
Menarik Menarik
Cukup
Menarik
Tidak
Menarik
Sangat
Tidak
Menarik
Total
1
Menurut anda apakah
tampilan web ini sudah
menarik ?
4 21 5 30
Sangat
Mudah Mudah
Cukup
Mudah Sulit
Sangat
Sulit
2
Menurut anda apakah
keterangan pada web
ini mudah dibaca ?
1 19 10 30
3
Menurut anda apakah
panduan penggunaan
sistem rekomendasi
mudah dimengerti?
3 16 11 30
4
Menurut anda apakah
sistem rekomendasi ini
mudah dijalankan?
4 17 9 30
Sangat
Sesuai Sesuai
Cukup
Sesuai
Tidak
Sesuai
Sangat
Tidak
Sesuai
5
Menurut anda apakah
hasil dari sistem
rekomendasi TV Layar
Datar sudah sesuai
dengan yang
diharapkan?
1 17 8 4 30
Sangat
Terbantu Terbantu
Cukup
Terbantu
Tidak
Terbantu
Sangat
Tidak
Terbantu
6
Dengan adanya sistem
rekomendasi TV Layar
Datar ini apakah anda
sudah terbantu dalam
memilih TV Layar
Datar?
19 8 3 30
Berdasarkan data diatas dapat dibuat sebuah diagram yang menggambarkan
persentase perolehan data yang didapat. Salah satu data yang dibuat diagram
adalah data dari pertanyaan nomor lima dan enam. Diagram nomor lima terlihat
pada gambar 14.
24
Gambar 14 Diagram Pertanyaan Nomor Lima
Gambar 10 merupakan salah satu diagram yang dibuat dari hasil jawaban
kuisioner pertanyaan nomor lima. Dapat dilihat responden menjawab sangat
sesuai sebesar 3%, sesuai 57%, cukup sesuai 27%, dan 13% menjawab tidak
sesuai. Berdasarkan hasil dari jawaban pertanyaan nomor lima pada diagram dapat
disimpulkan 60% responden menjawab hasil dari sistem rekomendasi sudah
sesuai. 60% responden yang menjawab sesuai didapat dari responden yang
menjawab sangat sesuai sebanyak 3% ditambah 57% yang menjawab sesuai.
Gambar 15 Diagram Pertanyaan Nomor Enam
Gambar 11 dapat dilihat responden menjawab terbantu 63%, cukup
terbantu 27% dan tidak terbantu sebanyak 10%. Hasil yang didapat dari
pertanyaan nomor lima dapat disimpulkan 63% responden terbantu dengan adanya
sistem rekomendasi TV.
5. Simpulan
Berdasarkan pembahasan yang telah dipaparkan sebelumnya, maka dapat
disimpulkan bahwa 1) metode weighted product (wp) dapat digunakan dalam
perhitungan merekomendasikan televisi; 2) implementasi sistem rekomendasi
televisi berbasis web merupakan alternatif dalam mencari info mengenai televisi;
3) 63% responden merasa terbantu dengan adanya Sistem rekomendasi TV Layar
Datar; 4) Hasil rekomendasi sesuai dengan keinginan calon konsumen TV Layar
Datar dengan tingkat kesesuaian sebesar 60%.
25
6. Pustaka
[1] Encyclopedia Definition of Flat Panel TV.
http://www.pcmag.com/encyclopedia_term/0,2542,t=flat+panel+TV&i=432
92,00.asp, diakses tanggal 3 September 2011
[2] Poor,A.2011. HDTV Buying Guide:Making Sense of the
Spesification.http://www.pcworld.com/article/183099/hdtv_buying_guide_m
aking_sense_of_the_specifications.html, diakses tanggal 3 September 2011
[3] Nguyen,P & Nadia.2008.Comparison of MADM Decision Algorithms for
Interface Selection in Heterogeneous Wireless
Network.http://biblio.telecom-paristech.fr/cgi-bin/download.cgi?id=8483.
Diakses tanggal 15 September 2011
[4] Oktriani, Martha.2008. Aplikasi Pendukung Keputusan dengan
menggunakan Logika Fuzzy (Studi Kasus: Penentuan Spesifikasi Komputer
untuk Suatu Paket Komputer Lengkap). Diakses tanggal 5 September 2011
[5] Puspita,N.2010.Sistem Pendukung Keputusan Penentuan Siswa Berprestasi
di Sekolah Menengah Kejuruan (SMK) menggunakan Metode Weighted
Product (Studi Kasus : SMK N 1 Pacitan).pdf
http://118.97.11.134/archivelama/skripsi/Sisteminformasi/16105016037201
0-skripsi-sistem-informasi-uad-Sistem-Pendukung-Keputusan-Penentuan-
Siswa-Berprestasi.pdf, diakses tanggal 15 September 2011
[6] Kusrini.2007. Konsep dan Aplikasi Sistem Pendukung Keputusan.
Andi,Yogyakarta.
[7] Subakti,I.2002. Buku Panduan Sistem Pendukung Keputusan.pdf,
http://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&source=web&cd=4
&cts=1331775592272&ved=0CEIQFjAD&url=http%3A%2F%2Fymukhlis
.staff.gunadarma.ac.id%2FDownloads%2Ffiles%2F15880%2FBuku_Pand
uan_SPK.pdf&ei=PkhhT6jxDo3qrQfCvYGeDg&usg=AFQjCNHUh6efQPF
QbPqM9GdwtEj2bLo26g&sig2=KsUy_4WgAgzi4VISZD6Eg. Diakses
tanggal 5 Juli 2011
[8] Savitha,K & Chandrasekar,C.2011.Global Journal OF Computer Science
and Technology, Vertical Handover Decision Schemes Using SAW and
WPM for Network selection in Heterogeneous Wireless Network,11:5.
http://arxiv.org/ftp/arxiv/papers/1109/1109.4490.pdf, diakses tanggal 5
Oktober 2011
[9] Kusumadewi,S & kawan.2006. Fuzzy Multi-Attribute Decision Making.
Graha Ilmu, Yogyakarta.
[10] Basyaib,F. 2006. Teori Pembuatan Keputusan.
http://books.google.co.id/books?id=1oX1gq9ofjYC&printsec=frontcover&h
l=id#v=onepage&q&f=false, diakses tanggal 3 Januari 2012
[11] http://nurichsan.blog.unsoed.ac.id/2010/11/19/metode-pengembangan-
waterfall-prototyping/, diakses tanggal 5 Januari 2012
[12] Winarno,A. Data Flow Diagram.doc
http://mti.ugm.ac.id/~panji/dinus/rpl/DATA%20FLOW%20DIAGRAM%201
.doc, diakses tanggal 8 Febuari 2012
26
Lampiran 1 Daftar Pertanyaan Wawancara
1. Apakah anda ingin membeli sebuah TV Layar Datar?
2. Jika Ya, TV Layar Datar jenis apa yang ingin anda beli?
3. Merek TV Layar Datar apa yang ingin anda beli? Jelaskan!
4. Sebelum anda membeli TV hal apa saja yang anda pertimbangkan?
5. Darimana anda mendapat informasi mengenai TV yang ingin anda beli?
6. Perlukah sistem yang dapat memberi anda sebuah rekomendasi TV?
27
Lampiran 2 Kuisioner Sebelum Pembuatan
28
Lampiran 3 Kuisioner Pengujian Sistem