Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
Perancangan dan Implementasi Metode Weighted Product (WP)
untuk Rekomendasi Pembelian Kamera
Artikel Ilmiah
Diajukan kepada
Fakultas Teknologi Informasi
untuk memperoleh Gelar Sarjana Komputer
Oleh:
Bangkit Fajar Putra
NIM: 672010146
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Salatiga
Agustus 2015
1
2
3
4
5
6
Perancangan dan Implementasi Metode Weighted Product (WP)
untuk Rekomendasi Pembelian Kamera
1) Bangkit Fajar Putra, 2) Drs. Prihanto Ngesti Basuki, M. Kom
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Jl. Diponegoro 52-60, Salatiga 50771, Indonesia
Email: 1)[email protected], 2) [email protected]
Abstract
Nowadays DSLR cameras become an item that demanded by people of Indonesia,
because the need of tool that can capture the beautiful moments. However, the
prospective buyers often find difficulties when they wanted to buy a DSLR camera
is the presence of several well-known brands that ofter various types of DSLR
cameras with their various spesification. Alternative process type of camera using
methods Weighted Product (WP). Calculation of criteria Weighted Product (WP)
based on pixel, AF-point, continuous shoot, price, and popularity. The final result
of web-based application is in the form of data table recommendation with five
alternative camera DSLR type based on spesifications and several criteria that
have been chose previously. The results that have been recommended are
expected to be a suggestion that may be consided by consummers to obtain
information about a DSLR camera.
Keywords: Weighted Product, Alternatives, Criteria.
Saat ini kamera DSLR menjadi barang yang sangat diminati oleh
masyarakat Indonesia, karena kebutuhan akan alat yang dapat mengabadikan
momen-momen indah. Akan tetapi, calon pembeli kamera DSLR sering merasa
kesulitan ketika hendak membeli kamera DSLR. Salah satu faktor yang
menyebabkan oembeli mengalami kesulitan dalam memilih kamera DSLR adalah
adanya beberapa merek terkenal yang menawarkan macam-macam tipe kamera
DSLR dengan berbagai spesifikasi. Proses alternatif tipe kamera menggunakan
metode Weighted Product (WP). Perhitungan kriteria Weighted Product (WP)
berdasarkan pada resolusi gambar, AF-Point, Continuous Shoot, Harga, dan
Popularity. Hasil akhir aplikasi berbasis web berupa tabel data rekomendasi
dengan lima alternatif tipe kamera DSLR berdasarkan spesifikasi dan beberapa
kriteria yang telah dipilih sebelumnya. Hasil yanh telah direkomendasikan
diharapkan dapat menjadi saran yang dapat dipertimbangkan oleh konsumen
untuk mendapatkan informasi mengenai kamera DSLR.
Kata kunci : WP, DSLR, Alternatif, Kriteria. 1) Mahasiswa Fakultas Teknologi Informasi Jurusan Teknik Informatika, Universitas Kristen Satya
Wacana Salatiga. 2) Staff Pengajar Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana Salatiga.
7
1. Pendahuluan
Kamera Digital Single Lense Reflex (DSLR) merupakan kamera digital yang
menggunakan sistem cermin otomatis dan pentaprisma atau pentamirror untuk
meneruskan cahaya dari lensa menuju ke viewfinder. Pertumbuhan pasar kamera
DSLR di Indonesia hampir mencapai 10 persen per tahun. Tercatat pada tahun
2012 pasarnya mencapai 300 ribu, kemudian pada tahun 2013 meningkat menjadi
330 [1]. Hal ini menunjukan bahwa kamera DSLR menjadi sebuah kebutuhan
yang signifikan. Memilih sesuai keinginan adalah alasan utama konsumen
membeli dan melakukan transaksi. Dalam memilih kamera DSLR, ada beberapa
kriteria-kriteria tertentu yang dijadikan acuan untuk memilih. Memberikan
beberapa kriteria utama untuk dijadikan acuan pemilihan kamera DSLR sangatlah
penting, karena akan memberikan kemudahan pada konsumen dalam memilih.
Produsen kamera DSLR menawarkan berbagai macam merek dan tipe yang dapat
dipilih dengan berbagai keunggulan masing-masing produk. Bervariasinya merek
dan tipe kamera DSLR memberikan keuntungan bagi calon pembeli untuk
memilih tipe yang sesuai dengan kebutuhan calon pembeli tanpa terpaku pada
satu merek dan tipe. Kuisioner disebarkan kepada 25 koresponden yang akan
membeli kamera DSLR, banyaknya merek dan tipe menjadi kendala bagi
sebagian masyarakat untuk memilih kamera DSLR yang akan dibeli, calon
pembeli merasa kebingungan untuk menentukan merek dan tipe kamera DSLR
yang mereka inginkan. Dalam proses pemilihan kamera DSLR, calon pembeli
juga membutuhkan waktu yang lama dalam menentukan merek dan tipe kamera
DSLR. Berdasarkan dari kendala-kendala tersebut, mendorong penulis untuk
merancang dan membuat sistem pendukung keputusan yang dapat membantu
merekomendasi pembelian kamera DSLR berdasarkan kriteria-kriteria yang
diinginkan calon konsumen. Dalam penelitian ini dibangun aplikasi berbasis web
untuk menentukan rekomendasi kamera DSLR dengan menerapkan Metode
Weigthed Product. Pokok bahasan mengacu pada sistem perekomendasian produk
kamera DSLR. Hasil dari perekomendasian ditampilkan dalam bentuk grafik dan
tabel rangking produk.
2. Tinjauan Pustaka
Penelitian pertama dengan judul “Sistem Pendukung Keputusan Penentuan
Lokasi Gudang di Perusahaan dengan Metode Weighted Product”. Dalam
penelitian tersebut menerapkan Fuzzy Multi Attribute Decision Making
(FMDAM) dengan metodenya adalah Weighted Product (WP). Metode Weighted
Product digunakan untuk perankingan penentuan lokasi gudang diperusahaan
berdasarkan kriteria dan bobot. Sehingga perankingan yang dihasilkan oleh sistem
dapat digunakan untuk membantu perusahaan mengambil keputusan penentuan
lokasi gudang yang lokasinya strategis [2].
Astriana Litha menggunakan Weighted Product (WP) untuk menentukan
“Pemilihan Penerima Jamkesmas”, dalam penelitian ini menggunakan 14 kriteria
inputan nilai kriteria berupa Kuisioner dari pengguna. Berdasarkan hasil
pengujian validasi fungsionalitas yang menunjukkan bahwa sistem memiliki
fungsionalitas sebesar 100% dan hasil pengujian akurasi menunjukkan bahwa
8
keakurasian hasil keluaran sistem adalah 86,6% sehingga membantu mendapatkan
keputusan penerima yang berhak mendapatkan bantuan dan mengurangi
terjadinya ketidak adilan mengenai penerimaan bantuan [3].
Puspita menggunakan Metode Weigthed Product (WP) digunakan untuk
sebuah sistem pendukung keputusan “Sistem Pendukung Keputusan Penentuan
Siswa Berprestasi di Sekolah Menengah Kejuruan (SMK) Menggunakan Metode
Weigthed Product (WP)”. Perankingan siswa berprestasi berdasarkan data kriteria
dan data bobot. Perankingan yang dihasilkan dapat membantu guru untuk
mengambil keputusan penentuan siswa yang berprestasi [4].
Oktriani menggunakan Metode Weighted Product (WP) digunakan untuk
sebuah system pendukung keputusan “Penentuan Spesifikasi Komputer untuk
suatu Paket Komputer Lengkap”. Dalam penelitian tersebut terdapat batasan
himpunan yang meliputi batasan murah, normal, ataupun mahal pada variable
harga. Komputer terdiri dari beberapa bagian maka terdapat pula percocokan antar
komponen yang satu dengan lainnya, sebagai contoh jika tipe jenis dari prosesor
adalah intel socket LGA 775, maka motherboard-nya punjuga harus dengan jenis
yang sama [5].
Sistem Pendukung keputusan yang nantinya dibangun memanfaatkan
metode WP dalam membantu proses perangkingan untuk memberikan suatu
rekomendasi kamera DSLR. Kamera DSLR merupakan satu kesatuan yang
mempunyai berbagai variable seperti harga, pixel, af-point, continuous shoot,
popularity maka tidak perlu ada percocokan antar komponen seperti yang
dilakukan pada peneliti kelima. Metode WP sendiri digunakan untuk membantu
mencari rekomendasi terbaik.
Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (SPK) merupakan sistem informasi
interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data.
Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi yang
semi terstruktur dan situasi yang tidak terstruktur [6].
Gambar 1 Komponen SPK [6]
Gambar 1 menjelaskan tentang komponen SPK bahwa sebuah sistem
pendukung keputusan dibangun dari beberapa subsistem, antara lain [6];
9
- 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 kamera DSLR yang berisi tb_admin, tb_merek, tb_produk, dan
tb_spesifikasi. Tabel yang ada pada database kamera DSLR saling berhubungan
dan sebagai data perhitungan.
- Model Management, melibatkan model finansial, statiskal, management
science, atau berbagai model kuantitatif lainnya sehingga dapat ke sistem suatu
kemampuan analitis dan manajemen software yang diperlukan. Model
Management dalam penelitian ini adalah perhitungan menggunakan metode
Weighted Product (WP). Perhitungan ini memanfaatkan data yang ada serta
masukan prioritas dari calon konsumen sehingga dapat didapat sebuah data yang
dapat dihitung serta mendapat nilai ranking nantinya akan digunakan sebagai hasil
rekomendasi.
- Knowledge manager, dapat mendukung sistem lain atau bertindak
sebagai komponen yang bertindak sendiri. Knowledge Manager dalam penelitian
ini adalah calon konsumen. Calon konsumen dapat memilih merek dan jenis yang
diinginkan, kemudian memasukan prioritas kepentingan dari setiap kriteria.
Merek dan jenis kamera DSLR yang sudah dipilih akan dihitung menggunakan
metode Weigthed Product (WP). Hasil dari perhitungan akan dirankingkan dan
dipilih lima terbaik sebagai hasil rekomendasi untuk calon konsumen.
- User Interface, tampilan antar muka dimana user dapat berkomunikasi
dan memberikan perintah pada SPK. User Interface pada penelitian ini adalah
tampilan menu system rekomendasi kamera DSLR.
Metode Weigthed Product (WP)
Metode Weigthed Product (WP) salah satu metode penyelesaian yang
ditawarkan untuk menyelesaikan masalah Fuzzy Multi Attribute Decision Making
(FMADM). Metode Weighted Product (WP) ini 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 [7]. 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 [8] :
, dengan i = 1,2……….(1)
Dimana ∑ wj = 1 adalah pangkat bernilai positif untuk atribut keuntungan, dan
bernilai negatif untuk biaya.
Preferensi relative dari setiap alternatif, diberikan pada rumus 2 :
, dengan i = 1,2……….(2)
Langkah – langkah menggunakan metode WP [9] :
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 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 nilai alternatif terbaik yang akan menjadi keputusan
3. Metode Perancangan
Metode pengembangan yang akan digunakan dalam penilitian ini adalah
prototyping model. Prototyping model merupakan sebuah proses untuk
membangun sebuah model dari sebuah sistem berdasarkan dari kebutuhan user.
Bagan dapat dilihat pada Gambar 1.
Gambar 2 Metode Prototype [17]
Gambar 2 merupakan proses tahapan-tahapan yang harus dilalui oleh
metode prototype. Tahapan tersebut meliputi :
- Pengumpulan Kebutuhan Sistem (Requirments)
Tahap awal mulai dengan menganalisis kebutuhan-kebutuhan apa saja
yang diperlukan dalam membangun sebuah sistem mulai dari kebutuhan data
sampai dengan kebutuhan hardware. Pengumpulan bahan yang diperlukan
bersumber dari beberapa jurnal dan juga mendapatkan data kamera DSLR dari
website hhtp://www.camera.co.id/. Dalam proses pengumpulan data melalui
penyebaran kuisioner kepada 25 responden untuk mencare atribut apa saja yang
dyang digunakan pada sistem. Kuisioner ini dibuat berdasarkan wawancara yang
dilakukan sebelumnya. Kuisioner berisi beberapa pertanyaan yang masing-masing
pertanyaan memiliki dua jawaban, yaitu ya dan tidak. Syarat untuk mengisi
kuisioner ini adalah masyarakat umum yang berusia diatas 17 tahun untuk
mendukung penelitian. Hasil dari kuisioner yang telah disebarkan dari empat yang
diajukan yaitu :
11
Tabel 1 Hasil Kuisioner
No Pertanyaan Jawaban
Ya Tidak
1
2
3
4
Apakah anda tertarik memiliki kamera DSLR?
Apakah spesifikasi mempengaruhi anda dalam
pembelian kamera DSLR?
Spesifikasi apa yang menjadi pertimbangan
anda, ketika hendak membeli kamera DSLR?
a. Harga
b. Pixel
c. Af -Point
d. Continuous Shoot
e. Popularity
f. Berat
g. Iso
Apakah menurut anda perlu adanya website
yang dikhususkan untuk rekomendasi
pembelian kamera DSLR?
18
20
22
20
13
15
10
5
9
13
7
5
3
5
12
10
15
20
16
12
Berdasarkan pada Tabel 1 maka kriteria yang digunakan pada sistem yang
akan dibuat adalah harga, pixel, Af-point, Continuous shoot, dan popularity
sedangkan berat dan iso nanti akan menjadi pelengkap informasi. Kriteria-kriteria
tersebut nantinya akan menjadi pertimbangan dalam membeli kamera DSLR.
-Tahap build/revise mock-up atau perancangan, pada tahap ini dilakukan
pembuatan protoype desain aplikasi website kamera DSLR. Perancangan ini
ditujukan pada pengguna aplikasi yaitu user pengguna kamera DSLR.
Perancangan desain aplikasi website ini masih dibuat dalam bentuk yang
sederhana. Dasar dari pembuatan prototype tahap kedua ini berasal dari
kekurangan prototype tahap pertama yaitu belum dibuatnya bentuk desain aplikasi
website. Sedangkan kekurangan pada prototype tahap kedua yaitu belum ada
implementasi fungsi-fungsi dari tiap bagian desain akan diperbaiki pada prototype
tahap ketiga.
-Tahap customer test-drives mock-up, tahap ini adalah tahap evaluasi, test
dan pengujian prototype, apakah masih ada kekurangan atau tidak, jika pada tahap
12
pengujian ini prototype belum memenuhi tujuan utama pembuatan atau masih
terdapat beberapa kekurangan makan akan diperbaiki, apabila tidak terdapat
kekurangan yang hatus diperbaiki makan tahapan prototype selesai.
3.1 Perancangan Sistem
Perancangan sistem pada penelitian ini dibuat dengan menggunakan Data
Flow Diagram (DFD). Pada DFD ini merupakan alat perancangan sistem yang
berorientasi pada alur data dengan konsep dekomposisi dapat digunakan untuk
penggambaran analisa maupun rancangan[8].
Web Rekomendasi
AdminUserPilih kriteria kamera
Input, edit, hapus, dan lihat produk, merk, spesifikasikamera
Input, edit, dan hapus produk, merk, dan spesifikasi kamera
Melihat hasil rekomendasi
Gambar 3 DFD (Data Flow Diagram) level 0
Gambar 3 terdapat dua entitas luar yang berhubungan dengan sistem
yakni user dan admin. Dari admin, sistem akan mendapatkan data-data kamera
DSLR. Data–data kamera meliputi produk kamera, spesifikasi kamera, merk
kamera dan hasil rekomendasi kamera. Sedangkan user akan mendapatkan hasil
rekomendasi. Hasil rekomendasi berasal dari kriteria kamera dan bobot prioritas
kamera yang telah dimasukkan calon konsumen ke sistem sebelumnya.
Berdasarkan gambar 3 dapat dikembangkan lagi menjadi DFD level 1.
AdminInput data
Produk
Merk
Spesifikasi
Hasil
Olah data
User Rekomendasi
Produk, merk, dan spesifikasi kameraProduk kamera
Merk kamera
Hasil kameraSpesifikasi kamera
Produk, merk, spesifikasi, dan hasil kamera
Pilih kriteria kamera
Rekomendasi kamera
Hasil rekomendasi kamera
Gambar 4 DFD (Data Flow Diagram) level 1 rekomendasi
13
Gambar 4 merupakan pengembagan dari DFD level nol, pada DFD level
satu terlihat proses sistem rekomendasi kamera lebih terlihat detail. Proses sistem
rekomendasi kamera mempunyai beberapa proses, yaitu proses input data kamera,
proses olah data kamera, dan proses merekomendasi kamera. Proses input data,
entitas admin dapat menginputkan produk kamera, spesifikasi kamera, dan merk
kamera. Proses olah data kamera, entitas admin dapat melakukan hapus serta
edit/update produk kamera, spesifikasi kamera, dan merk kamera. 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. Contoh adalah harga kamera yang selalu berubah
mengikuti harga jual yang berlaku maka harga kamera harus selalu diperbaharui.
Admin dapat melakukan perubahan diproses olah data.
AdminInput data
Produk
Merk
Spesifikasi
Hasil
Olah data
User Memilih kriteria kamera
Produk, merk, dan spesifikasi kameraProduk kamera
Merk kamera
Hasil kameraSpesifikasi kamera
Produk, merk, spesifikasi, dan hasil kamera
Pilih kriteria kamera
Rekomendasi
Hasil kameraHasil rekomendasi
Gambar 5 DFD (Data Flow Diagram) level 2 hasil rekomendasi
Gambar 5 merupakan pengembangan DFD level satu proses merekomendasi
kamera, terlihat user memasukkan kriteria kamera untuk proses mencari
kamera yang nantinya data akan diperoleh dari tabel produk_kamera. Data
yang berada pada table produk kamera didapat dari proses input data yang
dilakukan oleh entitas admin. Selain memasukkan kriteria kamera user juga
memasukkan bobot prioritas kamera untuk melakukan perhitungan. Data
14
kamera dan bobot kamera yang diperoleh dihitung menggunakan metode WP.
Setelah mendapatkan hasil terbaik data yang diperoleh digabungkan dengan
data yang ada pada tabel hasil untuk mendapatkan informasi mengenai produk
kamera yang nantinya akan direkomendasikan ke user. Berdasarkan rancangan
sistem menggunakan DFD, selanjutnya dapat membuat rancangan database.
Sebelum membuat rancangan database terlebih dahulu dibuat Entity
Relationship Diagram (ERD) yang merepresentasikan secara grafis hubungan
antar entitas.
Hasil Mengambil produk Mengambil Spesifikasi1
Merk
1
id produk
rangkingid
produkid
merknama
produkharga
continuous shoot
af point pixel
popularity
1 1
id merknama merk
id produk
id merkid
spesifikasi
iso sensor battery
1
exposure dimension
Gambar 6 Entity Relationship
Gambar 6 menunjukkan hubungan antar tabel. Tabel hasil kamera
memperoleh type yang diambil dari tabel produk dimana mempunyai relasi
hubungan one to one. Tabel produk mengambil id spesifikasi yang diambil dari
tabel spesifikasi yang mempunyai relasi one to one. Tabel produk juga
mengambil id merek yang diambil dari tabel merek yang mempunyai relasi one
to one. Web Rekomendasi Kamera memiliki lima table yaitu tb_admin,
tb_merk, tb_produk, tb_hasil, dan tb_spesifikasi.
15
Mulai
Ambil Data Alternatif untuk tiap Atribut
Matriks Keputusan
Pangkatkan Matriks keputusan bobot atribut
Preferensi relatif dari setiap alternatif
stop
Gambar 7 Flowchart Aplikasi
Gambar 7 menjelaskan tentang Flowchart Weighted Product langkah pertama
mengambil data alternatif untuk seperti harga, pixel, af-point, continuous shoot,
dan popularity. Langkah selanjutnya membuat matriks keputusan dengan cara
perkalian terhadap bobot atribut akan dilkaukan perkalian untuk menentukan hasil
preferensi relatif dari setiap alternatif. Dilihat pada Tabel 2, sedangkan bobot
kepentingan relatif dapat dilihat pada Tabel 3 Tabel 2 Kriteria
No Nama Variabel Nama Kriteria Tipe
1. Harga K1 cost
2. Pixel K2 benefit
3. AF Point K3 benefit
4. Continous Speed K4 benefit
5. Popularity K5 benefit
Tabel 3 Bobot Kepentingan Relatif
Bilangan Fuzzy Nilai Kepentingan
Kurang Penting 0.25
Sedang 0.5
16
Penting 0.75
Sangat Penting 1
Perhitungan yang akan dilakukan untuk menentukan rekomendasi
pembelian kamera DSLR ini, dimisalkan menggunakan kriteria Harga dengan
index pencarian diatas Rp 6.000.000 dan kurang dari Rp 10.000.000 yang
berjumlah 14 data, data-data yang akan direkomendasikan dapat dilihat pada
Tabel 4.
Tabel 4 Hasil Rekomendasi Kamera Berdasarkan harga diatas Rp 6.000.000,00
Nama Harga Pixel AF Point ContinuousShoot Popularity
Canon EOS 1200D Kit 18-
55mm
6820000 18.00 9 3.00 3.50
Nikon D5200 kit 18-55mm
6515300 24.70 39 5.00 3.50
Nikon D5300 Kit 18-55mm 9009000
24.78 39 5.00 4.00
Pentax K-500 with 18-55mm 6280010 16.28 11 6.00 4.00
Canon EOS 60D Kit 18-55 mm 8415000 18.00 9 5.30 3.00
CANON EOS 600D Kit3 9020000 18.00 9
3.70
4.30
Canon EOS 700D Kit 18-55mm 9965010 18.00 9
5.00 4.50
NIKON D5500 Kit VR - Black 9799000 24.20 9 5.00 4.00
Nikon D3300 Kit18-55mm 6.509.250 24.70 11 5.00 3.00
PENTAX K-30 Kit1- Crystal
Blue
7249000 16.30 9 6.00 3.00
Canon EOS 100D kit 18-55mm 7764900
18.50 9
4.00 4.00
Tabel 4 dapat ditentukan bobot kepentingan relatif setiap kriteria, diberikan
sebagai, W :
W = ( 1, 0.75, 0.5, 0.5, 0.25 )
Langkah selanjutnya adalah menghitung nilai vektor S, dimana dilakukan
pemangkatan bobot dari masing-masing kriteria. Setelah proses pemangkatan
bobot akan dilakukan perkalian dengan menggunakan rumus sebagai berikut :
Keterangan [5]:
rij = nilai rating kinerja ternormalisasi
xij = nilai atribut yang dimiliki dari setiap kriteria
Max xij = nilai terbesar dari setiap kriteria i
Min xij = nilai terkecil dari setiap kriteria i
17
benefit = jika nilai terbesar adalah terbaik
cost = jika nilai terkecil adalah terbaik
Tabel 5 Nilai vektor S
S =
Tabel 5 hasil dari masing-masing nilai vektor S, langkah selanjutnya
menghitung nilai vektor V dengan menggunakan rumus persamaan (2) sebagai
berikut :
Keterangan [5]:
Vi = rangking untuk setiap alternatif
wj = nilai bobot dari setiap kriteria
rij = nilai rating kinerja ternormalisasi
Setelah proses perangkingan menggunakan rumus persamaan (2) selesai
maka akan mendapatkan nilai vektor V berupa perekomendasian produk kamera
yang dapat dilihat pada Tabel 6.
Tabel 6 Rangking produk
No Hasil Rekomendasi Nilai Rangking
1. Canon EOS 1200D Kit 18-55mm 0.07359
2. Nikon D5200 kit 18-55mm
0.10905
3. Nikon D5300 Kit 18-55mm 0.12295
4. Pentax K-500 with 18-55mm 0.08194
5. Canon EOS 60D Kit 18-55 mm 0.08567
18
6. CANON EOS 600D Kit3 0.08567
7. Canon EOS 700D Kit 18-55mm 0.09285
8. NIKON D5500 Kit VR - Black 0.09845
9. Nikon D3300 Kit18-55mm 0.08716
10. PENTAX K-30 Kit1- Crystal Blue 0.08118
11. Canon EOS 100D kit 18-55mm 0.08207
Dalam pembuatan sistem perekomendasian kamera ini, Pengujian sistem
dilakukan dengan cara uji Black Box yaitu pengujian fungsional yang hanya
melihat pada hasil eksekusi data pengujian. Fungsi-fungsi dan hasil yang diuji
dapat dilihat pada Tabel 7.
Tabel 7 Uji Black Box
No Skenario Input Hasil Uji Status
1. Melihat detail produk Data produk dan
Merk
Menampilkan detail produk
berdasarkan merk Valid
2. Mencari Produk kamera
DSLR
Menlis pada
TextBox cari
Menampilkan hasil pencarian
produk kamera DSLR Valid
3. Menentukan tingkat
kepentingan
Rating
kepentingan
relatif
Melakukan penjumlahan
terbobot untuk menentukan
rangking produk
Valid
4.
Mencari produk
berdasarkan index
pencarian tiap kriteria
Memilih index
pencarian tiap
kriteria
Menampilkan hasil pencarian
berdasarkan kriteria dalam
bentuk grafik
Valid
5. Melakukan Rekomendasi
Menekan
tombol
Rekomendasi
Menampilkan hasil
rekomendasi dalam bentuk
tabel rangking
Valid
6. Login admin
Memasukkan
Username dan
Password
Menampilkan halaman utama
admin Valid
7. Tambah Merk Memasukkan
data merk
Menyimpan data merk
kedalam Database Valid
8. Tambah Produk Memasukkan
data produk
Menyimpan data produk
kedalam Database Valid
9. Ubah Merk
Menekan link
ubah dan
Merubah data
merk
Merubah dan menyimpan data
merk kedalam Database Valid
10. Ubah Produk
Menekan link
ubah dan
Merubah data
produk
Merubah dan menyimpan data
produk kedalam Database Valid
19
11. Ubah Username dan
Password admin
Menekan link
ubah dan
Merubah
Username dan
Password
Merubah dan menyimpan
Username dan Password
kedalam Database
Valid
12. Hapus merk
Menekan link
hapus pada data
merk
Menghapus data merk dari
Database Valid
13. Hapus produk
Menekan link
hapus pada data
produk
Menghapus data produk dari
Database Valid
14. Logout Menekan link
Logout Kembali ke form login admin Valid
Tabel 8 Tabel Hasil Kuisioner Pengujian Sistem
No Pertanyaan Sangat Sesuai Sesuai Tidak
Sesuai
Total
1
2
Apakah menurut anda
hasil dari rekomendasi
web sudah sesuai yang
diharapkan ?
Dengan adanya website
rekomendasi kamera
DSLR, apakah
memudahkan dalam
mencari kamera DSLR?
5
8
12
7
8
10
25
25
Pertanyaan nomor satu akan dibuat diagram persentase perolehan data.
Gambar 8 Gambar Diagram Persentase
Gambar 8 terlihat merupakan salah satu hasil dari pertanyaan nomor satu.
Koresponden menjawab Sangat sesuai sebesar 20 %, Sesuai 48%, dan
Tidak sesuai sebesar 20%. Terdapat 68% responden menjawab sistem
20
rekomendasi kamera DSLR sesuai dan memudahkan mencari kamera
sesuai yang diharapkan.
4. Hasil dan Pembahasan
Dalam membuat sistem SPK meliptui komponen-komponen meliputi
- Data Management adalah database kamera. Database kamera terdiri dari
beberapa tabel yaitu tb_admin, tb_merk, tb_produk, tb_spesifikasi, dan
tb_hasil. Database kamera dapat terlihat pada Gambar 8.
Gambar 9 Database kamera
Gambar 9 terlihat lima tabel yang sudah dipaparkan. Tabel admin
digunakan untuk menyimpan informasi mengenai admin dan password
untuk mengakses kehalaman administrator. Tabel hasil digunakan untuk
menyimpan hasil rekomendasi kamera yang nantinya akan ditampilkan
pada web rekomendasi kamera. Tabel merk untuk menyimpan nama merk
kamera yang nanti akan berelasi dengan tabel produk. Tabel produk
menyimpan informasi mengenai data kamera yang akan
direkomendasikan. Pada tabel produk terdapat beberapa field yaitu : field
id_produk, field id_merk, field nama_produk, field harga, field pixel, field
afpoint, field continuousshoot, field popularity. Tabel spesifikasi
menyimpan informasi detail tentang kamera.
- Model Management adalah perhitungan menggunakan metode WP.
Perhitungan metode WP melalui beberapa tahap seperti pemangkatan
bobot sebelum melakukan perhitungan nilai vetor S. Perintah untuk
pembobotan kriteria terlihat pada kode program 1.
21
Kode Program 1 Perintah untuk pembobotan kriteria
1. $bobot = array($HargaK, $PixelK, $AFK, $CSK, $POP);
2. $jumBobot = array_sum($bobot)
3. for($i=0; $i<5; $i++)
4. $newBobot = array();
5. for($i=0; $i<5; $i++){
6. $newBobot[$i] = $bobot[$i] / $jumBobot;
Kode Program 1 berisi perintah untuk melakukan pembobotan kriteria.
Kode satu merupakan proses mengambil bobot nilai kepentingan yang nanti akan
dijumlah. Perulangan for dimulai dari nol sampai kurang dari sama dengan lima
agar yang ditampilkan enam data. Kemudian hasil dari penjumlahan akan dibagi
dengan nilai bobot yang sudah dihitung. Setelah itu akan dilakukan perhitungan
nilai vektor S terlihat pada kode program 2.
Kode Program 2 Perintah untuk perhitungan nilai vektor S
1.$no = 1;
2.$i = 0;
3.$normS = array();
4.while ($row1 = mysql_fetch_array($query1)) {
5.$normS[$i] = pow($row1['harga'], $newBobot[0]) * pow($row1['pixel'], $newBobot[1]) *
6.pow($row1['afpoint'], $newBobot[2]) * pow($row1['continuousshoot'], $newBobot[3]) *
7.pow($row1['popularity'], $newBobot[4]);
8 $no++;
9 . $i++;
10. }}
Kode Program 2 berisi perintah untuk menghitung nilai vektor S. Kode
nomer lima menghitung ukuran pangkat dengan nilai bobot yang nantinya akan
ditampung pada array norm. Jumlah nilai vektor S digunakan untuk dasar
menghitung nilai vektor V dan menampilkan hasil lima terbaik dari rekomendasi
kamera. Perhitungan nilai vektor V terlihat pada kode program 3.
Kode Program 3 Perintah untuk perhitungan nilai vektor V dan menampilkan hasil lima
terbaik
22
1.$idArray = array();
2.$rankArray = array();
3.while ($row2 = mysql_fetch_array($query2)) {
4.$idArray[$i] = $row2['id_produk'];
5.$rankArray[$i] = round($normS[$i]/$jums,5);
6.$no++;
7.$i++;}
8.$query100 = "SELECT COUNT(*) FROM tb_hasil";
9.$result = mysql_query($query100);
10.$row100 = mysql_fetch_row($result);
11.if($row100[0]>0){$query200="DELETEFROMtb_hasilWHEREid_produk>0";mysql_query($query200);}
12.for($j=0; $j<sizeof($idArray); $j++){
13.$query99="INSERTINTOtb_hasil(id_produk,rangking)VALUES($idArray[$j],$rankArray[$j])";
14.mysql_query($query99,$connection)or die (mysql_error());}
15.$query99 = "SELECT tb_hasil.id_produk, tb_produk.nama_produk, tb_hasil.rangking FROM tb_hasil INNER JOIN
tb_produk ON tb_hasil.id_produk = tb_produk.id_produk ORDER BY tb_hasil.rangking DESC LIMIT 5";
16.$result = mysql_query($query99);
17.$i=0;
18.while ($row99 = mysql_fetch_array($result)) {
echo"<tr><td>$no</td><td><ahref='product_details.php?id=".$row99['id_produk']."'>".($row99['nama_produk'])
."</a></td><td>".($row99['rangking'])."</td></tr>";
18.$no++;
19.$i++;}
Kode Program 3 berisi perintah untuk menghitung nilai vektor V dan
menampilkan hasil lima terbaik rekomendasi kamera. Kode lima menghitung nilai
vektor V yang prosesnya menjumlahkan nilai vektor S dan dibagi. Kode sebelas
menghapus nilai rekomendasi apabila sudah menjalankan proses rekomendasi
tujuannya agar data yang ditampung pada tabel hasil tidak menumpuk. Kode tiga
belas proses input hasil rekomendasi pada tabel hasil untuk ditampung dan hasil
nilai vektor V akan sesuai dengan hasil tidak berbeda. Kode lima belas
mengurutkan hasil lima terbaik rekomendasi kamera sesuai dengan nilai tertinggi
vektor V.
- Knowledge Manager , komponen ketiga dari SPK ini adalah pengguna
system yaitu user. User akan melalui beberapa tahap saat menggunakan
sistem ini. Tahap-tahapnya meliputi: memilih bobot kriteria yang akan
direkomendasi harga, pixel,afpoint, continuous shoot, dan popularity. Pilih
salah satu yang paling penting dari lima pilihan tersebut, kemudian pilih
berdasarkan kepentingan semisal pilih harga maka akan muncul combo
box batasan harga lalu pilih rekomendasi. Setelah proses rekomendasi
23
selesai maka akan muncul lima hasil rekomendasi terbaik apabila dipilih
akan muncul detail kamera tersebut.
- User Interface, Tampilan web rekomendasi terlihat pada gambar 10.
Gambar 10 Halaman rekomendasi kamera
Gambar 10 tampilan halaman yang akan digunakan oleh user dalam
menggunakan sistem rekomendasi kamera. Apabila kriteria sudah dipilih dan nilai
bobot sudah dipilih langsung lanjut pilih tombol rekomendasi, kemudian akan
muncul hasil lima rekomendasi kamera. Terlihat pada gambar 11.
Gambar 11 Hasil Rekomendasi Kamera
Gambar 11 merupakan tampilan hasil rekomendasi kamera. Apabila user
mengetahui lebih detailnya tinggal pilih salah satu jenis kamera yang sesuai
dengan pilihan user.Tampilan detail terlihat pada gambar 12.
24
Gambar 12 Halaman detail kamera
Gambar 12 merupakan halaman detail kamera, disana terdapat harga dan
spesifikasi yang detail mengenai kamera DSLR.
5. Kesimpulan
Penerapan Metode Weighted Product (WP) ini, sangat efektif digunakan
untuk perekomendasian produk kamera DSLR karena sangat membantu user
dalam memilih produk-produk yang diinginkan, selain itu proses
perekomendasian yang dilakukan sistem tidak membutuhkan waktu yang lama
sehingga memberi kenyamanan untuk user berinteraksi dengan sistem. Dalam
sistem ini juga menggunakan beberapa kriteria utama dari kamera yang bisa
dijadikan pilihan untuk user dalam merekomendasikan produk, user juga bisa
leluasa menentukan tingkat kepentingan relatif setiap kriteria sesuai dengan
keinginannya. Dikarenakan tingkat kepentingan relatif setiap kriteria ini
berpengaruh pada hasil rekomendasi yang dilakukan oleh user.
1. Daftar Pustaka
[1] Adiningsih, Sri, 2007, Kelebihan DSLR dibanding Kamera Saku dan
Prosumer, http://askthephotographer.com/2014/02/berbahai-kelebihan-
kamera-dslr-dibandingkan-dengan-kamera-saku-dan-prosumer/. Diakses
Tanggal 14 Februari 2015.
[2] Chuzaimah, Indah, Sari Kumala, 2010, Sistem Pendukung Keputusan
Penentuan Lokasi Gudang di Perusahaan dengan Metode Weighted
Product,www.academia.edu/8650597/SISTEM_PENDUKUNG_KEPUTU
SAN_PEMILIHAN_PENERIMA_BONUS_KARYAWAN_MENGGUNAKA
N_METODE_WEIGHTED_PRODUCT_WP_ Sistem Pendukung
25
Keputusan Penentuan Lokasi Gudang di Perusahaan dengan Metode
Weighted Product _.pdf. Diakses Tanggal 14 Februari 2015.
[3] Astriana, Lita, 2014, SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN
PENERIMA JAMKESMAS MENGGUNAKAN METODE WEIGHTED
PRODUCT, http://filkom.ub.ac.id/doro/archives/detail/DR00053201406.
Diakses Tanggal 3 Maret 2015.
[3] Kusumadewi, Sri, 2004, Pencarian Bobot Atribut Pada Multi-Attribute
Decision Making (MADM) Dengan Pendekatan Obyektif Menggunakan
Algoritma Genetika, https://www.scribd.com/doc/76446873/sri-
kusumadewi-jurnal-gematika. Diakses Tanggal 3 April 2015.
[4] Puspita, Arif Nurmaningrum, 2012, Sistem Pendukung Keputusan
Penentuan Siswa Berprestasi di Sekolah Menengah Kejuruan (SMK)
Menggunakan Metode Weigthed Product (WP), http://e-
journal.uajy.ac.id/118/7/6TF05726.pdf. Diakses Tanggal 3 April 2015.
[5] Yulianto Sri, Insrastanti, Oktriani, dkk, 2011, Penentuan Spesifikasi
Komputer untuk suatu Paket Komputer Lengkap,
http://majour.maranatha.edu/index.php/jurnalinformatika/article/view/288
/pdf. Diakses Tanggal 15 April 2015
[6] Kusumadewi, Sri, Sri Hartati, Agus Harjoko, dkk, 2006, Fuzzy Multi-
Attribute Decision Making (FUZZY MADM), Yogyakarta: Graha Ilmu.
[7] Hasugian, Paska Marto, 2012, RANCANG BANGUN SISTEM
REKOMENDASI KULINER KOTA MALANG DENGAN BERBASIS
WEB MENGGUNAKAN METODE WEIGHTED PRODUC,
http://filkom.ub.ac.id/doro/download/article/file/DR00022201412. Diakses
Tanggal 5 Maret 2015.
[8] Tettamanzi, A, M. Tomassini, 2001, Soft Computing: Integrating
Evolutionary, Neural, and Fuzzy Systems, Berlin: Springer-Verlag.
[9] Ross, Timothy J., 2005, Fuzzy Logic With Engineering Applications, Edisi
ke-2: John Wiley & Sons Inc. Inggris.
[10] Zadeh, L.A., 1995, Discussion : Probability Theory and Fuzzy Logic are
Complementary rather than Competitive, dalam: Ross, Timothy J. Fuzzy
Logic With Engineering Applications, Edisi ke-2: John Wiley & Sons Inc.
Inggris.
[11] Cox, Earl, 1994, The Fuzzy Systems Handbook (A Prsctitioner’s Guide to
Building, Using, and Maintaining Fuzzy Systems), Massachusetts:
Academic press, Inc.
[12] Cox, Earl, 1995, Fuzzy Logic For Business and Industry, Rockland,
Massachusetts : Charles River Media Inc.
[13] Lootsma, Freek A.,1997, Fuzzy Logic for Planning and Decision Making,
Netherlands: Kluwer Academic Publishers.
[14] Zimmermann, 1991, Fuzzy Sets Theory and Its Applications, Edisi 2,
Massachusetts: Kluwer Academic Publishers.