Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
13
PENERAPAN METODE SMARTER DALAM SISTEM PENDUKUNG
KEPUTUSAN MENENTUKAN KUALITAS GETAH KARET
(STUDI KASUS : PTPN III MEDAN)
IMPLEMENTATION OF THE SMARTER METHOD IN DECISION SUPPORTING SYSTEMS TO
DETERMINE THE RUBBER QUALITY (CASE STUDY: PTPN III MEDAN)
Mawati Simarmata, Alfa Saleh, Muhammad Barkah Akbar Fakultas Teknik dan Ilmu Komputer, Universitas Potensi Utama, Medan
Jl. K.L. Yos Sudarso KM 6.5 No.3A Tanjung Mulia, Medan
E-mail: [email protected],[email protected],[email protected]
Naskah diterima tanggal 31 Juli 2019, direvisi tanggal 2 Agustus 2019, disetujui pada tanggal 26 Agustus 2019
Abstract
Perkebunan Nusantara III (PTPN III) Medan is one of the state-owned plantation companies that produces the
largest rubber latex in Indonesia. PTPN III Medan is also a supplier of rubber latex for several well-known tire
factories such as Bridgestone, Good Year, Firestone, Han Kook and others, so PTPN III Medan must maintain the
quality of rubber latex to meet the supply of rubber sap needed by the tire factories . Rubber Latex is one of the
leading commodities in Indonesia, therefore the development of quality rubber is very important. Because good
quality will produce good products too. The process of determining quality rubber latex is still very slow due to the
absence of a computerized system that helps facilitate the determination process. In this study, testing will be carried
out using one of the decision support system methods, the SMARTER Method, where the results of testing the method
will be used as a reference to develop a system that makes it easier for companies to determine the quality of rubber
latex.
Keywords : Decision Support System, SMARTER Method, Rubber Latex, Quality
Abstrak
PT Perkebunan Nusantara III (PTPN III) Medan merupakan salah satu perusahaan BUMN perkebunan yang
menghasilkan getah karet terbesar di Indonesia. PTPN III Medan juga sebagai pemasok getah karet untuk beberapa
pabrik ban ternama seperti Bridgestone, Good Year, Firestone, Han Kook dan lainnya, sehingga PTPN III Medan
harus menjaga kualitas hasil getah karet untuk dapat memenuhi pasokan getah karet yang dibutuhkan oleh pabrik-
pabrik ban tersebut. Getah karet adalah salah satu komoditas unggulan di Indonesia, oleh karena itu pengembangan
kualitas karet merupakan suatu hal yang sangat penting. Karena mutu yang baik akan menghasilkan produk yang baik
juga. Proses penentuan getah karet berkualitas masih sangat lambat dikarenakan belum adanya sistem
terkomputerisasi yang membantu memudahkan proses penentuan tersebut. Pada penelitian ini akan dilakukan
pengujian dengan menggunakan salah satu metode sistem pendukung keputusan yaitu Metode SMARTER, di mana
hasil pengujian metode tersebut akan dijadikan referensi untuk mengembangkan sistem yang memudahkan
perusahaan dalam menentukan kualitas getah karet.
Kata Kunci : Sistem Pendukung Keputusan, Metode SMARTER, Getah Karet, Kualitas.
Jurnal Masyarakat Telematika dan Informasi
Volume: 10 No. 1 (Januari – September 2019) Hal.: 13-25
14
PENDAHULUAN
Getah karet merupakan salah satu
komoditas unggulan di Indonesia, oleh karena
itu pengembangan kualitas karet merupakan
suatu hal yang sangat penting. Karena mutu
yang baik akan menghasilkan produk yang
baik juga. Biasanya kualitas karet ditentukan
oleh Kadar Karet Kering (KKK) yang tinggi
dengan kandungan air yang rendah. kadar
karet kering juga dapat dijadikan indikator
untuk menilai produktivitas pohon karet.
Pohon yang baik akan menghasilkan getah
karet dengan kadar lateks yang tinggi. Nilai
kadar karet kering bergantung beberapa faktor
antara lain jenis klon (bibit karet), umur
pohon, waktu penyadapan, musim, suhu udara,
serta letak dari permukaan laut. (Dewi & Sri,
2014).
PT Perkebunan Nusantara III (PTPN III)
Medan merupakan salah satu perusahaan
BUMN perkebunan yang menghasilkan getah
karet terbesar di Indonesia. PTPN III Medan
juga sebagai pemasok getah karet untuk
beberapa pabrik ban ternama seperti
Bridgestone, Good Year, Firestone, Han Kook
dan lainnya, sehingga PTPN III Medan harus
menjaga kualitas hasil getah karet untuk dapat
memenuhi pasokan getah karet yang
dibutuhkan oleh pabrik-pabrik ban tersebut.
Dalam menjaga mutu kualitas getah
karet, PTPN III Medan memiliki syarat standar
untuk getah karet yang salah satunya adalah
kadar karet kering. Hingga saat ini dalam hal
menentukan kadar karet kering PTPN III
Medan masih belum memanfaatkan teknologi
komputer, sehingga menyebabkan waktu yang
dibutuhkan dalam penentuan kadar karet
kering relatif lama, sehingga peneliti
berinisiatif melakukan penelitian terhadap
penentuan kualitas getah karet dengan
menggunakan teknologi komputer.
Teknologi komputer yang dimaksud
dalam penelitian ini adalah Sistem
Pengambilan Keputusan (SPK) yang
memanfaatkan dukungan komputer dalam
pengambilan keputusan untuk memecahkan
masalah yang bersifat terstruktur maupun tidak
terstruktur. Sistem pendukung keputusan
sendiri telah banyak diterapkan dalam
beberapa permasalahan seperti penyeleksian
asisten laboratorium (Saleh A, 2018),
Penilaiaan Kinerja Dosen ( RE Sari,2015) dan
Memprediksi Popularitas berita (Fernandes, K.
dkk, 2015). Untuk membantu mempermudah
proses pengambilan keputusan dalam
menentukan kualitas getah karet pada PTPN
III Medan, peneliti menggunakan salah satu
metode sistem pengambilan keputusan yaitu
Metode Simple Multi Attribute Rating
Technique Exploiting Ranks (SMARTER).
Metode SMARTER merupakan metode
yang dapat membantu menyelesaikan masalah
penentuan pilihan yang sifatnya multiobjective
diantara beberapa kriteria kuantitatif dan
kualitatif sekaligus (Priyolistiyanto, 2013).
Metode SMARTER juga dijadikan metode
pengambilan keputusan dibeberapa kasus
(Okfalisa & Ade,2014) karena metode ini
dapat menentukan bobot dari setiap kriteria
dan menghasilkan urutan terbaik dari beberapa
alternatif. (Saleh, 2017).
METODE PENELITIAN
Tahapan Penelitian
Kerangka proses penelitian sangat
diperlukan bagi peneliti untuk memandu
peneliti dalam mengerjakan dan
menyelesaikan penelitian, adapun kerangka
proses penelitian yang akan dilakukan, dapat
dilihat pada gambar 1 berikut ini :
Penerapan metode SMARTER dalam sistem pendukung keputusan menentukan kualitas getah karet
(Studi Kasus : PTPN III Medan)
Mawati Simarmata, Alfa Saleh, Muhammad Barkah Akbar
15
Gambar 1. Tahapan Penelitian
Tahapan penelitian di atas dapat
dijabarkan sebagai berikut :
1. Identifikasi Masalah
Tahap yang paling pertama dilakukan
dalam penelitian ini adalah menganalisa
terhadap segala kebutuhan-kebutuhan dalam
penggunaan sistem. Sistem yang dibangun
adalah Sistem Pendukung Keputusan untuk
menentukan kualitas getah karet pada PTPN
III Medan dengan mempertimbangkan cukup
lama nya dalam menentukan kualitas getah
karet pada perusahaan tersebut.
2. Pengumpulan Data
Jenis data yang dapat dikumpulkan
adalah sebagai berikut : Data Primer yaitu data
yang diperoleh secara langsung melalui
wawancara dengan divisi Sumber Daya
Manusia dan divisi Penelitian dari PTPN III
Medan. Wawancara terkait bagaimana cara
menentukan kualitas getah karet dan apa saja
kriteria/atribut yang menentukan kualitas getah
keret pada PTPN III Medan. Kemudian
penulis mengambil beberapa sampel data
alternatif getah karet yang akan digunakan
sebagai bahan pengujian menggunakan metode
SMARTER. Data Sekunder diperoleh melalui
pengamatan dan studi pustaka yakni
mengumpulkan data-data yang terkait dengan
pembuatan perangkat lunak yang sedang
dikerjakan dengan mencari literatur melalui
jurnal, artikel mengenai tanaman karet, dan
situs internet sehingga penulisan laporan ini
tidak akan menyimpang dari teori-teori yang
ada dan sudah diakui kebenarannya.
3. Analisis dan Desain Sistem
Pada tahap ini peneliti akan menjelaskan
tentang bagaimana menganalisis dan
mendesain sistem yang akan dibangun dengan
cara menggunakan beberapa alat dalam
merancang sebuah sistem seperti use case
diagram, entity relationship diagram untuk
basis data, diagram activity dan lain
sebagainya untuk keperluan perancangan
perangkat lunak sistem pendukung keputusan.
4. Penerapan Metode
Tahap ini dilakukan untuk
mengimplementasikan metode sistem
pendukung keputusan yaitu metode
SMARTER terhadap data yang diperoleh,
meliputi penentuan kriteria dan sub kriteria
yang akan digunakan sebagai acuan serta
menentukan nilai bobot kriteria dan sub
kriteria yang telah ditentukan oleh pakar pada
PTPN III Medan, yang mana hasil
implementasi metode ini akan digunakan
untuk melakukan pengujian pada tahap
selanjutnya.
5. Pengujian
Setelah implementasi metode dilakukan,
tahapan selanjutnya adalah melakukan pengujian pada aplikasi yang telah dibangun.
sistem akan diuji menggunakan data input
yang telah diperoleh dari PTPN III Medan
yaitu berupa beberapa kriteria dari getah karet.
Data tersebut dihitung menggunakan sistem
yang telah dibangun sehingga menghasilkan
getah karet mana saja yang memiliki kualitas
terbaik.
Jurnal Masyarakat Telematika dan Informasi
Volume: 10 No. 1 (Januari – September 2019) Hal.: 13-25
16
6. Pembuatan Laporan
Untuk pendokumentasian penelitian ini,
maka akan dibuat laporan hasil penelitian
untuk dijadikan referensi sebagai bahan
publikasi ataupun sebagai dasar dalam
mendukung keputusan dalam menentukan
kualitas getah karet.
Metode Simple Multi Attribute Rating
Technique Exploiting Ranks (SMARTER)
Metode SMARTER (Simple Multi-
Attribute Rating Technique Exploiting Ranks)
Merupakan metode pengambilan keputusan
multi kriteria yang diusulkan oleh Edwards
dan Baron pada tahun 1994. Teknik
pengambilan keputusan multi kriteria ini
didasarkan pada teori bahwa setiap alternatif
terdiri dari sejumlah kriteria yang memiliki
nilai-nilai dan setiap kriteria memiliki bobot
yang menggambarkan seberapa penting ia
dibandingkan dengan kriteria lain.
Pembobotan pada metode SMARTER
menggunakan range antara 0 sampai 1,
sehingga mempermudah perhitungan dan
perbandingan nilai pada masing-masing
alternatif.(Cucu Tohir, 2017).
Pada metode SMARTER, bobot dihitung
dengan menggunakan rumus pembobotan
Rank-Order Centroid (ROC) ROC ini
didasarkan pada tingkat kepentingan atau
prioritas dari kriteria. Pembobotan ROC
didapat dengan prosedur matematika
sederhana dari prioritas. Teknik ROC
memberikan bobot pada setiap kriteria sesuai
dengan ranking yang dinilai berdasarkan
tingkat prioritas. Biasanya dibentuk dengan
pernyataan “Kriteria 1 lebih penting dari
kriteria 2, yang lebih penting dari kriteria 3”
dan seterusnya hingga kriteria ke n, ditulisCr1
>Cr2>Cr3 >…> Crn . Untuk menentukan
bobotnya, diberikan aturan yang sama yaitu
W1 > W2> W3 > … > Wk dimana W1
merupakan bobot untuk kriteria C1 . Secara
umum pembobotan ROC untuk setiap kriteria
dapat dirumuskan pada persamaan 1 dan 2
berikut (Saleh A, 2017) :
W1 ≥ W2 ≥ W3 ....... ≥ Wk (1)
atau
Di mana, W merupakan Nilai
pembobotan kriteria, K merupakan Jumlah
kriteria dan i merupakan Nilai alternatif.
Sementara itu, Rumus metode SMARTER secara umum dapat dilihat pada persamaan 3
berikut (Dwi Haryanti dkk, 2016):
Di mana, merupakan nilai akhir,
merupakan bobot dari kriteria ke k dan
merupakan nilai utility kriteria ke k
untuk alternative ke h. Nilai ulility diperlukan
sebelum menghitung nilai akhir, persamaan
yang digunakan untuk menghitung nilai utility
dapat dilihat pada persamaan 4 berikut :
Di mana, merupakan Nilai
utility, merupakan nilai kriteria ke-i,
merupakan nilai kriteria minimal, serta
merupakan nilai kriteria maksimal.
Ada Enam langkah dalam penyelesaian
SPK dengan menggunakan metode SMARTER
(Priyolistiyanto, 2013) yang peneliti sajikan
dalam gambar 2 berikut :
Penerapan metode SMARTER dalam sistem pendukung keputusan menentukan kualitas getah karet
(Studi Kasus : PTPN III Medan)
Mawati Simarmata, Alfa Saleh, Muhammad Barkah Akbar
17
Gambar 2. Alur Metode SMARTER
Alur metode SMARTER tersebut akan
dijabarkan pada pembahasan berikut.
HASIL DAN PEMBAHASAN
Getah Karet (Lateks)
Lateks adalah suatu istilah yang
dipakai untuk menyebut getah yang
dikeluarkan oleh pohon karet.Lateks terdapat
pada bagian kulit, daun dan integument biji
karet.Lateks merupakan suatu larutan koloid
dengan partikel karet dan bukan karet yang
tersuspensi di dalam suatu media yang banyak
mengandung bermacam-macam zat. Warna
lateks adalah putih susu sampai kuning. Lateks
dihasilkan oleh banyak tumbuhan anggota
bangsa Malpighiales (misalnya suku
Apocynaceae dan Euphorbiaceae). (Diana
Ulfah, A.R Thamrin & Try Wibert, 2015).
Kriteria Penentuan Kualitas Getah Karet Menurut Dewi dan Sri (2014) dalam
menentukan kualitas getah karet (lateks) terdiri
dari beberapa kriteria yaitu:
a. Jenis klon (bibit karet)
Jenis klon pada tanaman karet terdapat
pada umunya terdapat dua jenis yaitu:
1) Klon Slow Starter, adalah jenis klon
dengan metabolisme rendah yang
memiliki ciri spesifik yaitu responsif
terhadap pemberian stimulan, realtif
lebih tahan terhadap tekanan
eksploitasi dan kulit pulihan tebal.
2) Klon Quick Starter, adalah jenis
klon dengan metabolisme tinggi
yang memiliki ciri spesifik yaitu
kurang responsif terhadap
pemberian stimulan, rentan terhadap
KAS, dan kulit pulihan kurang
potensial.
b. Umur Pohon
Umur pohon karet yang paling produktif
adalah 5 sampai 30 tahun.Lebih dari umur
tersebuh maka sangat berpengaruh terhadap
kualitas getah karet.
c. Waktu penyadapan
Waktu penyadapan yang baik dilakukan
pada pukul 05.00 sampai 06.00 pagi hari.
Apabila melewati batas waktu penyadapan
akan berpengaruh terhadap kualitas getah
karet.
d. Musim
Musim yang baik untuk menghasilkan
kualitas getah karet adalah musim kemarau
karena apabila musim penghujan akan
mempengaruhi kaulitas karet dan proses
penyadapan.
e. Suhu Pengovenan
Suhu yang terbaik dalam mengeringkan
getah karet dalam oven adalah 160 derajat
celcius.
f. Letak dari permukaan laut.
Pohon yang memiliki kualitas getah
karet terbaik yaitu pohon yang memiliki letak
400 m dari permukaan laut.
g. Kadar Kering Karet (KKK)
Menurut Dewi dan Sri (2014), Kadar
KeringKaret(KKK) adalah kandungan padatan
karet per satuan berat (%). KKK lateks atau
bekuan sangat penting untuk diketahui karena
Jurnal Masyarakat Telematika dan Informasi
Volume: 10 No. 1 (Januari – September 2019) Hal.: 13-25
18
selain dapat digunakan sebagai pedoman
penentuan harga juga merupakan standar
dalam pemberian bahan kimia untuk
pembuatan produk lanjutan seperti Ribbed
Smoke Shit (RSS), Thin Pale Crepe (TPC) dan
Lateks Pekat (LP).Terdapat beberapa metode
dalam penentuan KKK, salah satunya adalah
metode laboratorium. Prinsip dalam metode
laboratorium adalah dilakukan dengan cara
pembekuan, pencucian dan pengeringan yang
bertujuan untuk menjaga karet terbebas dari
kontaminan air maupun kontaminan
lainnya.Kualitas Kadar Kering Karet (KKK)
yang baik memiliki kadar kering karet sekitar
60 % ± 2.
Penerapan Metode SMARTER
Dalam menerapkan metode SMARTER
ke dalam studi kasus pada penelitian ini, ada
beberapa langkah-langkah metode SMARTER
yang harus dilakukan guna menghasilkan nilai
akhir yang akan menjadi dasar dalam
penentuan perangkingan setiap alternatif
seperti pada gambar 2 di atas. Adapun
langkah-langkah tersebut dapat uraikan
sebagai berikut :
1. Menentukan Kriteria
Berikut Tabel 1 merupakan kriteria
berdasarkan tingkat prioritas dalam
menentukan kualitas getah karet.
Tabel 1. Kriteria Berdasarkan Prioritas
No Kriteria Prioritas
1 Kadar Kering Karet (KKK) I
2 Jenis Klon (bibit karet) II
3 Umur Pohon III
4 Waktu Penyadapan IV
5 Musim V
6 Suhu Pengovenan VI
7 Letak Permukaan Laut VII
Berdasarkan tabel 1 di atas, terdapat 7
kriteria yang digunakan untuk menentukan
kualitas getah karet, seperti : Kadar Kering
Karet, Jenis Klon, Umur Pohon, Waktu
Penyadapan, Musim, Suhu Pengovenan dan
Letak Permukaan Laut
2. Menentukan Sub Kriteria
Adapun sub kriteria yang digunakan
pada penelitian ini dapat dilihat pada tabel 2
berikut ini :
Tabel 2. Sub Kriteria Berdasarkan Prioritas
Kriteria Sub kriteria Tingkat Prioritas
Kadar Kering Karet (KKK)
Kadar = 55-65% Baik
Kadar < 55% Sedang
Kadar > 65% Buruk
Jenis Klon Slow Starter Baik
Quick Starter Buruk
Umur Pohon
5-20 tahun Baik
Umur> 20 tahun Sedang
Umur< 5 tahun Buruk
Waktu Sadap Pukul 5 – 6 pagi Baik
Pukul> 6 pagi Buruk
Musim Kemarau Baik
Hujan Buruk
Suhu Oven
Suhu 160ocelcius
Baik
Suhu< 160ocelcius
Sedang
Suhu> 160ocelcius
Buruk
Letak Permukaan Laut
Letak 300 – 400 m
Baik
Letak> 400 m Sedang
Letak< 300 m Buruk
3. Menentukan Peringkat Kriteria dan Sub
Kriteria
Dalam menghitung bobot dari setiap
kriteria digunakan metode pembobotan ROC
dengan menggunakan Rumus pada Persamaan
(1).
Adapun hasil pembobotan kriteria
tersebut dapat dilihat pada tabel 3 berikut:
Tabel 3. Bobot Setiap Kriteria
Tingkat Prioritas
Kriteria Bobot Kriteria
I Kadar Kering Karet 0,37
II Jenis Klon 0,228
III Umur Pohon 0,156
IV Waktu Penyadapan 0,106
V Musim 0,073
VI Suhu Pengovenan 0,04
VII Letak Permukaan Laut 0,02
Penerapan metode SMARTER dalam sistem pendukung keputusan menentukan kualitas getah karet
(Studi Kasus : PTPN III Medan)
Mawati Simarmata, Alfa Saleh, Muhammad Barkah Akbar
19
Berdasarkan tabel 3 di atas, kriteria yang
menjadi prioritas utama dalam menentukan
kualitas getah karet adalah Kadar kering karet,
sehingga bobot yang diberikan adalah sebesar
0.37, yang kedua kriteria jenis klon dengan
bobot sebesar 0.228, kriteria Umur pohon
dengan bobot sebesar 0.156, kriteria Waktu
Penyadapan dengan bobot sebesar 0.106,
kriteria Musim dengan bobot sebesar 0.073,
kriteria Suhu Pengovenan dengan bobot
sebesar 0.04 dan yang terakhir kriteria Letak
Permukaan Laut dengan bobot sebesar 0.02.
Selanjutnya, bobot dari setiap sub kriteria
dalam menentukan kualitas getah karet dapat
dilihat pada tabel 4 berikut.
Tabel 4. Bobot Setiap Sub Kriteria
Dari tabel 4 tersebut, untuk kriteria
Kadar Kering Karet memiliki rentang Kadar
antara 55 sampai 65% dengan bobot sebesar
0.61, sementara Kadar di bawah 55% sebesar
0.28, dan Kadar di atas 65% sebesar 0.11.
Pada kriteria Jenis Klon, untuk Jenis Klon
Slow Starter nilai bobot sebesar 0.75 dan Jenis
Quick Starter sebesar 0.25. Selanjutnya pada
kriteria umur pohon yang berkisar antara 5
sampai 20 tahun nilai bobot sebesar 0.61,
umur pohon lebih besar dari 20 tahun sebesar
0.28 dan umur pohon di bawah 5 tahun sebesar
0.11. Waktu penyadapan dilakukan pada Pukul
5 sampai 6 pagi maka nilai bobot sebesar 0.75,
penyadapan dilakukan pada Pukul 6 pagi ke
atas sebesar 0.25. Musim juga mempengaruhi
kualitas getah karet, jika dilakukan pada
musim kemarau nilai bobot sebesar 0.75 dan
saat musim hujan sebesar 0.25. Suhu
pengovenan yang berada pada Suhu 160oC
memiliki nilai bobot sebesar 0.61, suhu di
bawah 160oC sebesar 0.28 dan suhu di atas
160oC sebesar 0.11. serta letak pohon yang
berada Di antara 300 – 400 m dari permukaan
laut memiliki nilai bobot sebesar 0.61, jika
berada lebih dari 400 m sebesar 0.28 dan letak
di bawah 300 m dari permukaan laut sebesar
0.11
4. Menentukan Nilai Akhir
Nilai akhir ditentukan setelah nilai bobot
sub kriteria disubsitusikan pada data alternatif.
Namun, sebelum dihitung, data alternatif yang
telah digantikan dengan nilai bobot sesuai
dengan bobot sub kriteria terlebih dahulu akan
diproses untuk menentukan nilai utilitas
berdasarkan persamaan 4. Selanjutnya, nilai
utilitas tersebut akan diproses kembali untuk menghasilkan nilai akhir yang menjadi tahap
akhir dari pengujian metode SMARTER
sesuai dengan perhitungan pada persamaan 3.
Pengujian
Pada tahap pengujian metode, terdapat 5
data getah karet yang dijadikan sebagai data
alternatif yang digunakan untuk menganalisis
hasil dari pengujian metode SMARTER sesuai
dengan tahapan pengerjaan ataupun langkah-
langkah pengerjaan metode tersebut, adapun
data alternatif yang didapat dari data PTPN III
Medan dapat dilihat pada tabel 5 berikut.
Kriteria Sub kriteria Tingkat Prioritas
Bobot Sub
Kriteria
Kadar Kering Karet (KKK)
Kadar = 55-65%
Baik 0,61
Kadar < 55% Sedang 0,28
Kadar > 65% Buruk 0,11
Jenis Klon
Slow Starter Baik 0,75
Quick Starter Buruk 0,25
Umur Pohon
5-20 tahun Baik 0,61
Umur> 20 tahun
Sedang 0,28
Umur< 5 tahun
Buruk 0,11
Waktu Sadap
Pukul 5 – 6 pagi
Baik 0,75
Pukul> 6 pagi Buruk 0,25
Musim Kemarau Baik 0,75
Hujan Buruk 0,25
Suhu Oven
Suhu 160 oC Baik 0,61
Suhu< 160 oC Sedang 0,28
Suhu> 160 oC Buruk 0,11
Letak Permukaan Laut
Letak 300 – 400 m
Baik 0,61
Letak> 400 m Sedang 0,28
Letak< 300 m Buruk 0,11
Jurnal Masyarakat Telematika dan Informasi
Volume: 10 No. 1 (Januari – September 2019) Hal.: 13-25
20
Tabel 5. Alternatif yang diuji
Data alternatif yang diperoleh akan
disubsitusikan dengan nilai bobot setiap sub
kriteria yang telah ditentukan sebelumnya,
tahap ini disebut dengan tahap normalisasi.
Adapun hasil normalisasi data alternatif
yang telah diubah menjadi nilai bobot sub
kriteria dapat dilihat pada tabel 7.
Selanjutnya, setelah data setiap alternatif
diubah sesuai dengan nilai bobot masing-
masing sub kriteria, tahap berikutnya adalah
menentukan nilai utilitas untuk setiap nilai
kriteria alternatif. Di mana persamaan 4
digunakan untuk menentukan nilai utilitas ini.
Hasil nilai utilitas yang telah dihitung dapat
dilihat pada tabel 8.
Setelah didapat nilai utilitas setiap
kriteria untuk setiap data alternatif, kemudian
data nilai utilitas tersebut akan digunakan
untuk menentukan nilai akhir, nilai akhir
menjadi tahapan penting dalam
menentukan hasil dari pengujian metode
SMARTER da;am hal penentuan kualitas
getah karet. Di mana persamaan 3 merupakan
persamaan yang dapat digunakan untuk
menentukan nilai akhir tersebut, adapun hasil
perhitungan nilai akhir menggunakan metode
SMARTER dalam menentukan kualitas getah
karet dapat dilihat pada tabel 9.
Tahap terakhir dalam pengujian metode
SMARTER untuk menentukan kualitas getah
karet adalah dengan mengurutkan hasil nilai
akhir dari yang tertinggi hingga yang teredah,
guna memudahkan proses ranking pada setiap
alternatif. Berikut pada tabel 10 merupakan
hasil perangkingan data alternatif setelah diuji
dengan metode SMARTER.
Tabel 7. Hasil Normalisasi Alternatif
Tabel 8. Nilai Utilitas Tiap Alternatif
Alternatif KKK Jenis Klon Umur Pohon
Waktu Sadap Musim Suhu Oven Letak
A1 60 Slow 15 Pukul 5 Hujan 163 200
A2 50 Quick 4 Pukul 5 Kemarau 160 310
A3 63 Quick 4 Pukul 7 Kemarau 158 410
A4 70 Slow 10 Pukul 8 Hujan 157 360
A5 54 Slow 22 Pukul 6 Kemarau 160 250
Alternatif KKK Jenis Klon Umur Pohon Waktu Sadap
Musim Suhu Oven Letak
A1 0,61 0,75 0,61 0,75 0,25 0,11 0,11
A2 0,28 0,25 0,11 0,75 0,75 0,61 0,61
A3 0,61 0,25 0,11 0,25 0,75 0,28 0,28
A4 0,11 0,75 0,61 0,25 0,25 0,28 0,61
A5 0,28 0,75 0,28 0,75 0,75 0,61 0,11
Alternatif KKK Jenis Klon Umur Pohon Waktu Sadap
Musim Suhu Oven Letak
A1 1 1 1 1 0 0 0
A2 0,33 0 0 1 1 1 1
A3 1 0 0 0 1 0,33 0,33
A4 0 1 1 0 0 0,33 1
A5 0,33 1 0,33 1 1 1 0
Penerapan metode SMARTER dalam sistem pendukung keputusan menentukan kualitas getah karet
(Studi Kasus : PTPN III Medan)
Mawati Simarmata, Alfa Saleh, Muhammad Barkah Akbar
21
Tabel 9. Nilai Akhir Tiap Alternatif
Tabel 10. Hasil Perankingan Metode SMARTER
Tabel 11. Hasil Evaluasi Metode SMARTER dan Pakar
Alternatif KKK Jenis Klon Umur Pohon
Waktu Sadap
Musim Suhu Oven Letak Nilai Akhir
A1 0,37 0,228 0,156 0,106 0 0 0 0,860
A2 0,122 0 0 0,106 0,073 0,04 0,02 0,361
A3 0,37 0 0 0 0,073 0,013 0,006 0,462
A4 0 0,228 0,156 0 0 0,013 0,02 0,417
A5 0,122 0,228 0,052 0,106 0,073 0,04 0 0,621
Alternatif KKK Jenis Klon
Umur Pohon
Waktu Sadap
Musim Suhu Oven
Letak Nilai Akhir
Persentase Ranking
A1 0,37 0,228 0,156 0,106 0 0 0 0,860 86% 1
A2 0,122 0 0 0,106 0,073 0,04 0,02 0,361 36.1% 5
A3 0,37 0 0 0 0,073 0,013 0,006 0,462 46.2% 3
A4 0 0 0,156 0 0 0,013 0,02 0,417 41.7% 4
A5 0,122 0,228 0,052 0,106 0,073 0,04 0 0,621 62.1% 2
Alternatif KKK Jenis Klon
Umur Pohon
Waktu Sadap
Musim Suhu Oven
Letak Nilai Akhir
Ranking Sistem
Ranking Pakar
A1 0.37 0.228 0.156 0.106 0 0 0 0.86 1 1
A5 0.122 0 0 0.106 0.073 0.04 0.02 0.621 2 2
A3 0.37 0.228 0.156 0 0 0.013 0.02 0.462 3 3
A4 0 0.228 0.156 0 0 0.013 0.006 0.417 4 4
A2 0.122 0.228 0.052 0.106 0.073 0.04 0 0.361 5 5
Jurnal Masyarakat Telematika dan Informasi
Volume: 10 No. 1 (Januari - September) Hal: 13-25
22
Tahap terakhir dalam pengujian metode
SMARTER untuk menentukan kualitas getah
karet adalah dengan mengurutkan hasil nilai
akhir dari yang tertinggi hingga yang teredah,
guna memudahkan proses ranking pada setiap
alternatif. Berikut pada tabel 10 merupakan
hasil perangkingan data alternatif setelah diuji
dengan metode SMARTER.
Dari tabel 10, Data getah karet yang
dijadikan alternatif telah selesai diuji. Dengan
hasil, alternatif pertama (A1) menjadi alternatif
paling baik dengan perolehan rangking 1,
kemudian disusul oleh alternatif kelima (A5)
yang menjadi data getah karet terbaik kedua,
dilanjutkan dengan alternatif ketiga (A3) yang
menjadi getah karet terbaik ketiga, lalu data
alternatif keempat (A4) menjadi alternatif
terbaik keempat dan yang terakhir data alternatif
kedua (A2) menjadi data getah karet terbaik
terakhir dalam hasil pengujian metode
SMARTER tersebut. Dari hasil perangkingan di
atas, maka dilakukan kembali uji coba dengan
menyesuaikan hasil perangkingan dari pakar.
Adapun hasil evaluasi metode seperti pada tabel
11.
Berdasarkan data tabel 11 di atas, hasil
perhitungan metode SMARTER memiliki
keseuaian dengan hasil keputusan dari pakar
terkait berkualitas getah karet yang di uji.
Sehingga metode ini dimungkinkan untuk
digunakan dalam mendukung keputusan pakar
dalam menentukan kualitas getah karet.
Desain Sistem
Bentuk rancangan sistem yang peneliti
usulkan dalam penelitian ini adalah dengan
menggunakan beberapa bentuk diagram dari
Unified Modelling Language (UML) untuk
memudahkan dalam visualisasi, perancangan,
dan pendokumentasian sistem yang akan
dijadikan perangkat lunak (software), seperti
pada gambar 3 berikut ini :
Usecase Diagram
Usecase diagram digunakan untuk
menggambarkan bisnis proses dari sistem
perangkat lunak yang akan dibangun, pada
penelitian ini ada beberapa aktor sebagai
pengguna sistem yang akan tergambar
interaksinya dengan sistem. Berikut pada
gambar 4 rancangan usecase digram dari
sistem aplikasi pendukung keputusan
penentuan kualitas getah karet :
User
System
Login
Logout
Data User
Admin
Mengelola Data
Getah Karet
Hitung Kualitas
Getah Karet
Kriteria
SubKriteria
<<include>>
<<include>>
Gambar 4. Usecase Digram Desain Sistem
Berdasarkan gambar 4, terdapat 2 (dua)
aktor yang berperan pada sistem yang akan
dibangun, pengguna sistem (user) yang bertugas
menggunakan sistem untuk menentukan kualitas
getah karet berdasarkan kriteria yang telah
dikumpulkan, sementara feedback yang
diberikan oleh sistem adalah data getah karet
berkualitas. Selanjutnya, aktor kedua pada
sistem adalah admin, yang bertugas untuk
mengelola data kriteria yang digunakan untuk
mendukung keputusan. Selain itu, admin juga
mengelola data user yang dapat menggunakan
sistem. Untuk melihat lebih detail tentang
desain sistem yang dirancang, berikut akan
diuraikan beberapa activity diagram pada
penelitian ini. Pada gambar 5 ini, merupakan
activity diagram dari fungsi Login di sistem. User/Admin Sistem
Tampil Form Login
Masukkan Username dan Password
Cek Username dan Password
MAsuk Ke Menu Utama
T
Y
Gambar 5. Diagram Activity Fungsi Login
Fungsi login di sistem, memungkinkan
pengguna untuk memiliki authorization
Penerapan metode SMARTER dalam sistem pendukung keputusan menentukan kualitas getah karet
(Studi Kasus : PTPN III Medan)
Mawati Simarmata, Alfa Saleh, Muhammad Barkah Akbar
23
ataupun kewenangan dalam menggunakan
sistem. Agar sistem tidak sembarangan
digunakan oleh pengguna yang tidak sah. Di
mana pada activity diagram tersebut, sistem
akan meminta pengguna untuk memasukan
username dan password untuk divalidasi
sistem agar dapat masuk ke menu utama
sistem. Activity diagram login ini
menggambarkan fungsi validasi untuk ke
semua aktor yang terlibat dalam penggunaan
sistem perangkat lunak yang dibangun.
Berikutnya, activity diagram data getah karet
dapat dilihat pada gambar 6
Admin Sistem
Tampil Data Getah
Input Data Getah
Ubah Data Getah
Hapus Data Getah
T Y
T
Data Dihapus
Tampil Hasil Data Getah
Data Disimpan
Cari DataY
Y
T
Gambar 6. Activity Diagram Data Getah
Karet
Activity diagram data getah karet,
menggambarkan aktivitas admin sebagai
pengguna sistem untuk mengubah,menambah
bahkan menghapus kriteri-kriteria yang telah
ditentukan sebelumnya, selain mengubah
kriteria yang sudah ada, admin juga dapat
melakukan perubahan bobot pada kriteria dan
sub-kriteria. Untuk activity diagram hasil
perhitungan kualitas getah karet pada sistem
dapat dilihat pada gambar 7 berikut ini :
Admin Sistem
Tampil Data Getah Karet
Hitung Kualitas Getah Karet
Cetak Daftar Kualitas Getah Karet
Hapus Data Getah
TY
YT
Data Disimpan
Y
T
Tampilkan Hasil Data Getah Karet
Data Dihapus
Gambar 7. Activity Diagram Hasil Kualitas
Getah Karet
Activity diagram hasil kualitas getah
karet tersebut, memungkinkan admin dan
pengguna melihat hasil pengujian metode yang
diimplementasikan ke dalam tampilan tabel
yang dapat dijadikan dokumen untuk dicetak
nantinya. Berikutnya gambar 8 yaitu activity
diagram data user. Admin Sistem
Tampil Data User
Kelola Data User Data Disimpan
Tampilkan Data Profil
Y
T
Gambar 8. Activity Diagram Data User
Pada gambar 8 di atas, menggambarkan
aktivitas yang dapat dilakukan admin pada
sistem dalam hal mengelola data user atau
pengguna sistem. Pengelolaan data user ini
penting untuk membatasi penggunaan sistem
oleh pihak yang tidak berkepentingan.
Tampilan Antarmuka Aplikasi
Tampilan Antarmuka Login Admin dan
User yang mana pada tampilan tersebut
pengguna akan dapat mengakses sistem
dengan cara Login terlebih dahulu dengan
menggunakan Username dan Password yang
Jurnal Masyarakat Telematika dan Informasi
Volume: 10 No. 1 (Januari - September) Hal: 13-25
24
telah disediakan sebelumnya. Adapun
tampilan Form Login dapat dilihat pada
gambar 9 di bawah ini:
Gambar 9. Tampilan Antarmuka Login
Sistem akan memverifikasi username
dan password yang dimasukan oleh pengguna
untuk membedakan hak ases ke dalam sistem.
Selanjutnya, Pada Gambar 10 dapat dilihat
tampilanform Menu Utama Form Admin yang
mana pada tampilan tersebut terdapat beberapa
Menu yang dapat diakses oleh Admin, yaitu
menu Data Getah, Hitung Nilai Getah, Data
User, dan Logout.
Gambar 10. Tampilan Antarmuka Menu
Utama
Berikutnya, Pada Gambar 11 dapat
dilihat tampilan antarmuka Data Getah Karet
yang dapat diakses oleh Admin, admin dapat
mengubah, menambah dan bahkan menghapus
data getah karet yang telah tersimpan di
database, selain itu aplikasi sistem pendukung
yang dirancang ini, memungkinkan admin
untuk melakukan pencarian data dari
tumpukan data di dalam database terkait data
getah karet.
Gambar 11. Tampilan Antarmuka Data
Getah Karet
Pada Gambar 12 dapat dilihat tampilan
antarmuka Kualitas Getah Karet yang mana
pada tampilan tersebut terdapat data Kode dan
kriteria masing-masing getah yang akan
dihitung nilainya sesuai dengan bobot tiap
kriteria dan sub-kiriteria. Kemudian Admin
dapat mencetak hasil laporan yang telah
dihitung pada aplikasi sistem pendukung
keputusan tersebut.
Gambar 12. Tampilan Antarmuka Kualitas
Getah Karet
Simpulan
Penentuan kualitas getah karet
dipengaruhi oleh beberapa faktor pendukung,
meliputi Kadar Kering Karet, Jenis Klon,
Umur Pohon, Waktu Penyadapan, Musim,
Suhu Pengovenan dan Letak Permukaan Laut.
Sementara itu, Dari 5 data getah karet
yang diuji, diperoleh hasil pengujian dengan
rekomendasi perangkingan dari data getah
karet tersebut. Dengan mempertimbang setiap
nilai kriteria yang menjadi faktor penentu
kualitas getah karet. Maka diperolehlah hasil
kualitas getah karet terbaik dengan persentase
kualitas sebesar 86%. Selain itu, penelitian ini
Penerapan metode SMARTER dalam sistem pendukung keputusan menentukan kualitas getah karet
(Studi Kasus : PTPN III Medan)
Mawati Simarmata, Alfa Saleh, Muhammad Barkah Akbar
25
juga dapat dikembangkan dalam sebuah
aplikasi dengan desain sistem yang telah
diuraikan pada bab hasil dan pembahasan.
Saran
Pada penelitian ini, kuantitas data getah
karet yang diuji masih terlalu sedikit, sehingga
hasil pengujian belum begitu maksimal. Begitu
juga dengan metode pendukung keputusan
yang digunakan, sebaiknya dilakukan
pengujian dengan membandingkan hasil
pengujian dengan metode sistem pendukung
keputusan lain nya sebagai pembanding untuk
memperoleh hasil yang lebih optimal.
Kemudian, sebaiknya aplikasi yang dirancang
dapat digunakan tidak hanya secara offline,
tetapi juga online untuk mendukung konsep
integritas antara satu cabang perusahaan
dengan cabang perusahaan yang lain.
Ucapan Terima Kasih
Terima kasih kepada Universitas
Potensi Utama yang telah membantu dalam
penyelesaian penelitian ini, baik dukung secara
material maupun dukungan secara moril.
DAFTAR PUSTAKA
Fernandes, K., Vinagre, P., & Cortez, P.
(2015, September). A proactive
intelligent decision support system for
predicting the popularity of online news.
In Portuguese Conference on Artificial
Intelligence (pp. 535-546). Springer,
Cham.
Haryanti, D., Nasution, H., & Sukamto, A. S.
(2016). Sistem Pendukung Keputusan
Seleksi Penerimaan Mahasiswa
Pengganti Beasiswa Penuh Bidikmisi
Universitas Tanjungpura Dengan
Menerapkan Metode SMARTER. Jurnal
Sistem dan Teknologi Informasi
(JUSTIN), 4(1), 145-151.
Okfalisa, O., & Gunawan, A. (2014). SIstem
Pendukung Keputusan Untuk
Menentukan Produk Asuransi Jiwa Bagi
Nasabah Menggunakan Metode
Smarter. Jurnal Sains dan Teknologi
Industri, 12(1), 73-79.
Priyolistiyanto, A. (2013). Implementasi
Metode Simple Multi Attribute Rating
Technique Exploiting Rank
(SMARTER) pada Sistem Pendukung
Keputusan Sanksi Pelanggaran Tata
tertib Sekolah. In Prosiding Seminar
Nasional Ilmu Komputer FMIPA Unnes.
Pusari, D., & Haryanti, S. (2014). Pemanenan
getah karet (Hevea brasiliensis Muell.
Arg) dan penentuan kadar karet kering
(KKK) dengan variasi temperatur
pengovenan di PT. Djambi Waras
Jujuhan Kabupaten bungo,
Jambi. ANATOMI FISIOLOGI, 22(2),
64-74.
Saleh, A. (2017). Penerapan Metode Simple
Multi Attribute Rating Technique
Exploiting Rank Dalam Sistem
Pendukung Keputusan Rekrutmen
Asisten Laboratorium
Komputer. Masyarakat Telematika dan
Informasi, 8(1), 1-10.
Saleh, A., Puspita, K., & Sanjaya, A. (2018,
August). Implementation of Equal Width
Interval Discretization on SMARTER
Method for Selecting Computer
Laboratory Assistant. In 2018 6th
International Conference on Cyber and
IT Service Management (CITSM) (pp. 1-
4). IEEE.
Sari, R. E., & Saleh, A. (2014). Penilaian
kinerja dosen dengan menggunakan
metode AHP (Studi kasus: di STMIK
Potensi Utama Medan). In Seminar
Nasional Informatika 2014 (pp. 108-
114).
Tohir, C. (2017). APLIKASI SELEKSI
CALON KEPALA SEKOLAH
DENGAN METODE SMARTER
(Simple Multi–Attribute Rating
Technique Exploiting Ranks) DAN
ORESTE. JUTEKIN (JURNAL TEKNIK
INFORMATIKA), 1(1).
Ulfah, D., Thamrin, G. A. R., & Natanael, T.
W. (2015). Pengaruh waktu penyadapan
dan umur tanaman karet terhadap
produksi getah (lateks). Jurnal Hutan
Tropis, 3(3), 247-25