T1_672007045_Full text

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
penulis 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
4
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
5
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.
6
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 penulis mulai menganalis kebutuhan-kebutuhan apa saja yang
diperlukan dalam membangun suatu sistem mulai dari kebutuhan data sampai
dengan kebutuhan hardware. Tahap pengumpulan kebutuhan data penulis
melakukan 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 penulis mendapatkan hasil jawaban dari
tiga pertanyaan yang diajukan, hasil jawaban kuisioner antara lain :
7
No
1
2
3
Tabel 1 Hasil Kuisioner
Hasil Jawaban
Pertanyaan
SP
P
CP
TP
STP
Seberapa Penting TV
10
16
3
1
buat anda ?
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
Pentingkah sebuah
sistem rekomendasi
9
11
7
2
1
TV untuk membantu
memilih TV ?
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].
Data TV, Merek TV,
Jenis TV, Deskripsi TV
Admin
Data TV, Merek TV,
Jenis TV, Deskripsi TV
0
Sistem
Rekomendasi
TV
Kriteria TV, Bobot Prioritas TV
TV Rekomendasi
Calon
Konsumen
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.
8
Data TV, Merek TV,
Jenis TV, Deskripsi TV
1
Input Data TV
Jenis TV
jenis
Merek TV
Jenis TV
Data TV
Data TV, Merek TV,
Jenis TV, Deskripsi TV
Admin
Jenis TV
Deskripsi TV
merek
Merek TV
Data TV, Merek TV,
Jenis TV, Deskripsi TV
2
Olah Data TV
Data TV
Merek TV
Data TV
data_tv
Data TV
Deskripsi TV
Deskripsi TV
desk_tv
Calon
Konsumen
Kriteria TV, Bobot Prioritas TV
3
Merekomendasi TV
Deskripsi 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
Data TV, Merek TV,
Jenis TV, Deskripsi TV
Jenis TV
jenis
Merek TV
Jenis TV
Data TV
Jenis TV
Data TV, Merek TV,
Jenis TV, Deskripsi TV
Admin
Deskripsi TV
merek
Merek TV
Data TV, Merek TV,
Jenis TV, Deskripsi TV
2
Olah Data TV
Data TV
Merek TV
Data TV
data_tv
Data TV
Deskripsi TV
Calon
Konsumen
Kriteria TV, Bobot Prioritas TV
3.1
Mencari TV
Deskripsi TV
desk_tv
Data TV
TV Rekomendasi
3.2
Menghitung
dengan Metode
WP
Deskripsi TV
Gambar 5 DFD Level 2 proses 3 (Merekomendasi TV)
9
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 penulis membuat Entity Relationship Diagram (ERD) yang
merepresetasikan secara grafis hubungan antar entitas.
type
berat
gambar
kd_jenis
no_desk
Resolusi
fasilitas
kd_merek
harga
kd_jenis
kd_jenis
jenis
type
1
Mengambil
1
Data_TV
kd_merek
no_data
mengambil
jenis
1
type
N
1
Desk_TV
Ukuran
kd_merek
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, penulis mulai merancang database.
Rancangan database meliputi :
- Tabel Admin
Field
Admin
Passadmin
Tipe
Varchar
Varchar
Tabel 3 Rancangan Tabel Admin
Length
Keterangan
25
User admin
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.
10
- Tabel Jenis
Field
kd_jenis
Teknologi
Tabel 4 Rancangan Tabel Jenis
Length
Keterangan
4
Untuk menyimpan kode jenis teknologi
TV
Varchar
25
Untuk menyimpan jenis teknologi TV
Tipe
Char
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
Field
kd_merek
Merek
Tipe
Char
Varchar
Tabel 5 Rancangan Tabel Merek
Length
Keterangan
4
Untuk menyimpan kode merek TV
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
Field
no_tvpe
kd_jenis
kd_merek
Tipe
Ukuran
Resolusi
Berat
Harga
Tabel 6 Rancangan Tabel Data TV
Length
Keterangan
5
Untuk menyimpan no urutan TV
Untuk menyimpan kode jenis teknologi
Char
4
TV
Char
4
Untuk menyimpan kode merek TV
Untuk menyimpan tipe TV dari setiap
Varchar
25
merek TV
Int
55
Untuk menyimpan ukuran layar TV
Int
55
Untuk menyimpan resolusi TV
Untuk menyimpan berat TV dengan
Int
55
penyangga
Int
55
Untuk meyimpan harga tv setiap tipe
Tipe
Int
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
Field
no_desk
Tipe
Gambar
Fasilitas
Tabel 7 Rancangan Tabel Deskripsi TV
Tipe
Length
Keterangan
Untuk menyimpan no urutan deskripsi
Int
5
TV
Untuk menyimpan tipe TV dari setiap
Varchar
25
merek TV
Varchar
50
Untuk menyimpan gambar TV
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.
11
- 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 :
30
15
W1 =
= 0,3
W3 =
= 0,15
30  50  15  5
30  50  15  5
50
5
= 0,5
W4 =
= 0,05
W2 =
30  50  15  5
30  50  15  5
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
Kriteria
Alternatif
C1
C2
C3
TC-L37D2
37
2073600
15
TC-L37DT30
37
2073600
16
TC-L37E3
37
2073600
12
TC-42LD24
42
2073600
19
TC-L42D2
42
2073600
19
TC-L42DT30
42
2073600
16
TC-L42E3
42
2073600
14
TC-L42E30
42
2073600
15
C1 = Ukuran TV
C2 = Resolusi TV
C4
1200
1170
720
1400
1500
1080
950
990
C3 = Berat TV
C4 = Harga TV
Langkah berikutnya adalah menghitung vektor S, dimana data yang ada akan
dikalikan tetapi sebelumnya dilakukan pemangkatan dengan bobot dari masingmasing 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
12
S7 = 420,3 x 20736000,5 x 14-0,05 x 950-0,15 = 1384,75
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:
1282,75
=0,081
15782,29
1283,48
=0,081
V2 =
15782,29
1400,44
V3 =
=0,089
15782,29
V1 =
1316,62
=0,083
15782,29
1273,46
V5 =
=0,081
15782,29
1349,33
V6 =
=0,085
15782,29
V4 =
1384,75
=0,088
15782,29
3858,52
V8 =
=0,244
15782,29
V7 =
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
Ya
Ya
Tidak
Ya
Ya
Ya
V2
0,081
Tidak
Tidak
Ya
Ya
Tidak
Ya
Ya
Ya
V3
0,089
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Ya
V4
0,083
Tidak
Tidak
Ya
Tidak
Tidak
Ya
Ya
Ya
V5
0,081
Tidak
Tidak
Ya
Ya
Tidak
Ya
Ya
Ya
V6
0,085
Tidak
Tidak
Ya
Tidak
Tidak
Tidak
Ya
Ya
V7
0,088
Tidak
Tidak
Ya
Tidak
Tidak
Tidak
Tidak
Ya
V8
0,244
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
Tidak
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.
13
-
Tabel 10 Pencocokan antara Perhitungan Manual dengan Sistem
Hasil Perhitungan
Hasil Sistem
Input
Manual
Rekomendasi
Jenis : LCD
- LG 55LK520
LG 55LK520
Merek : Semua Merek
SAMSUNG
SAMSUNG
LN55C630K1F
LN55C630K1F
Ukuran : > 52”
- LG 60PK550
LG 60PK550
Prioritas Kepentingan :
1. Ukuran : 30
- SAMSUNG
SAMSUNG
2. Resolusi : 20
LN60C630
LN60C630
3. Berat :10
- SHARP
SHARP
4. Harga : 40
LC60A77M
LC60A77M
-
-
-
Jenis : LCD
Merek : Samsung
Ukuran : 43” - 52”
Prioritas Kepentingan :
1. Ukuran : 10
2. Resolusi : 40
3. Berat : 5
4. Harga : 45
Jenis : LED
Merek : Semua Merek
Ukuran : 43”- 52”
Prioritas Kepentingan :
1. Ukuran : 10
2. Resolusi : 10
3. Berat : 10
4. Harga : 70
-
-
Jenis : LED
Merek : Panasonic
Ukuran : 33”- 42”
Prioritas Kepentingan :
1. Ukuran : 15
2. Resolusi : 15
3. Berat : 10
4. Harga : 60
-
SAMSUNG
LA46D550
SAMSUNG
LN46B500
SAMSUNG
LN46A530
SAMSUNG
LN46A550
SAMSUNG
LN46A630
-
LG 47LV3700
SAMSUNG
UN46C5000QF
LG 47LV5500
SAMSUNG
UN46C6400RF
LG 47LW5600
-
PANASONIC
TC-L37E3
PANASONIC
TC-L42E3
PANASONIC
TC-L42E30
PANASONIC
TC-L42D30
PANASONIC
TC-37DT30
-
-
-
-
Keterangan
COCOK
SAMSUNG
LN46B500
SAMSUNG
LA46D550
SAMSUNG
LN46A530
SAMSUNG
LN46A550
SAMSUNG
LN46A630
COCOK
LG 47LV3700
SAMSUNG
UN46C5000QF
LG47LV5500
SAMSUNG
UN46C6400RF
LG 47LW5600
COCOK
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
14
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 saya paparkan 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;
15
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
16
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
17
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 :
18
- 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.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
include "/include/conecsi.inc";
$ambil="";
if(strcmp($fm_merek,'not_merek')==0 and strcmp($fm_ukrn,'not_ukuran')==0)
$ambil="select * from data_tv where kd_jenis='".$fm_jenis."'";
else if (strcmp($fm_ukrn,'not_ukuran')==0){
$ambil="select
*
from
data_tv
where
kd_jenis='".$fm_jenis."'
and
kd_merek='".$fm_merek."'";}
else if(strcmp($fm_merek,'not_merek')==0 and strcmp($fm_ukrn,'<24')==0){
.............
else if(strcmp($fm_merek,'not_merek')==0 and strcmp($fm_ukrn,'43-52')==0){
$ambil="select * from data_tv where kd_jenis='".$fm_jenis."' and ukuran <
'53' and ukuran > '42'";}
else if(strcmp($fm_merek,'not_merek')==0 and strcmp($fm_ukrn,'53')==0){
$ambil="select * from data_tv where kd_jenis='".$fm_jenis."' and ukuran >
'52'";}
else {
if(strcmp($fm_ukrn,'<24')==0){
$ambil="select
*
from
data_tv
where
kd_jenis='".$fm_jenis."'
and
kd_merek='".$fm_merek."' and ukuran < '24'";}
.............
else if(strcmp($fm_ukrn,'53')==0){
$ambil="select
*
from
data_tv
where
kd_jenis='".$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
19
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.
Tipe
55LH90
55LH93
55LH95
55LHX
55LV5500
55LW5300
55LW5600
55LW6500
65LW6500
UN55B6000
UN55B7000
UN55B8000
UN55D6500
UN55D7000
UN55D8000
UN60C6400RF
UN60D6500
UN60D8000YF
UN55C6500VF
UN55C6800UF
LC80LE632U
Tabel 12 Hasil Pencarian Menurut Kriteria
Ukuran
Resolusi
Berat
55
2073600
36
55
2073600
36
55
2073600
35
55
2073600
26
55
2073600
23
55
2073600
21
55
2073600
22
55
2073600
22
65
2073600
42
55
2073600
22
55
2073600
22
55
2073600
29
55
2073600
17
55
2073600
16
55
2073600
16
60
2073600
31
60
2073600
36
60
2073600
22
55
2073600
22
55
2073600
20
80
2073600
55
Harga
3200
5900
5500
4900
2099
1900
2399
2699
4499
3600
3800
4000
2600
3100
3600
3000
3300
4200
2800
3000
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
20
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
55LH90
3.3274291
37.947332
0.8359588
0.7240924
76.43089
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
Jumlah S
1646.745
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.
21
Tabel 14 Hasil Perhitungan Vektor V
Vektor S
Jumlah S
vektor V
0.0464133
76.43089
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
1646.745
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.
22
Tabel 15 Hasil Kuisioner Pengujian Sistem
Pertanyaan
Sangat
Menarik
Menarik
Cukup
Menarik
1
Menurut anda apakah
tampilan web ini sudah
menarik ?
4
21
5
Sangat
Mudah
Mudah
Cukup
Mudah
1
19
10
30
3
16
11
30
4
17
9
30
Sangat
Sesuai
Sesuai
Cukup
Sesuai
Tidak
Sesuai
1
17
8
4
Sangat
Terbantu
Terbantu
Cukup
Terbantu
Tidak
Terbantu
19
8
3
2
3
4
5
6
Menurut anda apakah
keterangan pada web
ini mudah dibaca ?
Menurut anda apakah
panduan penggunaan
sistem rekomendasi
mudah dimengerti?
Menurut anda apakah
sistem rekomendasi ini
mudah dijalankan?
Menurut anda apakah
hasil dari sistem
rekomendasi TV Layar
Datar sudah sesuai
dengan yang
diharapkan?
Dengan adanya sistem
rekomendasi TV Layar
Datar ini apakah anda
sudah terbantu dalam
memilih TV Layar
Datar?
Tidak
Menarik
Sangat
Tidak
Menarik
No
Total
30
Sulit
Sangat
Sulit
Sangat
Tidak
Sesuai
30
Sangat
Tidak
Terbantu
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.
23
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%.
24
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-PenentuanSiswa-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-pengembanganwaterfall-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
25