Text ABSTRAK pdf

IMPLEMENTASI METODE FUZZY SIMPLE ADDITIVE WEIGHTING (SAW) PADA PERSOALAN SISTEM PENDUKUNG KEPUTUSAN

(FUZZY MULTI DECISION MAKING) DALAM PEMILIHAN RUMAH TINGGAL

(Skripsi)

Oleh

RIFAL KASA DINAR

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG

ABSTRACT

IMPLEMENTATION METHOD SIMPLE ADDITIVE WEIGHTING (SAW) IN DECISION SUPPORT PROBLEM SYSTEM

(FUZZY MULTI DECISION MAKING) IN THE SELECTION OF RESIDENTIAL HOUSES

By

RIFAL KASA DINAR

This research presents the Implementation of Fuzzy Simple Additive Weighting (SAW) Method on the issue of decision support systems in selecting residential houses. The research is to develop a web-based decision support system to help selling residential homes to consumers in Bandar Lampung. The data used in this study consisted of 50 home datas. This decision support system was built by implementing the SAW method so that it can help users make decisions quickly and precisely. The SAW method applies a ranking system with a scale of 0-1, the ranking results of each alternative that approaches 1 or its value is 1 is the best alternative. Before doing the ranking process to get the best alternative, search for the value of each alternative then normalize it. The value of each alternative is obtained from fulfilling each criteria sorted from the highest alternative value. In determining the criteria used in the SAW method there are 5 criteria, price, building area, land area, distance, facilities. Each criteria has a percentage of value that can be changed by consumers. To see the effectiveness of the system that has been build, we did internal testing phase. From the results of internal testing concluded that the system can work according to the functions on the web. In this study the SAW method was considered effective because of the 5 home samples tested using the SAW method, the house that had the best alternative value was 0.854.

ABSTRAK

IMPLEMENTASI METODE FUZZY SIMPLE ADDITIVE WEIGHTING (SAW) PADA PERSOALAN SISTEM PENDUKUNG KEPUTUSAN

(FUZZY MULTI DECISION MAKING) DALAM PEMILIHAN RUMAH TINGGAL

Oleh

RIFAL KASA DINAR

Penelitian ini menghadirkan Implementasi Metode Fuzzy Simple Additive Weighting (SAW) pada persoalan sistem pendukung keputusan dalam pemilihan rumah tinggal. Penelitian ini mengembangkan sebuah sistem pendukung keputusan berbasis web untuk membantu penjualan rumah tinggal untuk konsumen yang ada di Bandar Lampung. Data yang digunakan dalam penelitian ini terdiri dari 50 data rumah. Sistem pendukung keputusan ini dibangun dengan mengimplementasikan metode SAW sehingga dapat membantu pengguna dalam mengambil keputusan dengan cepat dan tepat. Metode SAW menerapkan sistem perangkingan dengan skala 0-1, hasil perangkingan dari setiap alternatif yang mendekati 1 atau nilainya 1 adalah alternatif terbaik. Sebelum dilakukan proses perengkingan untuk mendapatkan alternatif terbaik, terlebih dahulu mencari nilai setiap alternatif dan dilakukan normalisasi. Nilai-nlai setiap alternatif tersebut diperoleh dari pemenuhan setiap kriteria yang diurutkan dari nilai alternatif yang tertinggi. Dalam penentuan kriteria yang digunakan dalam metode SAW ada 5 kriteria yaitu harga, luas bangunan, luas tanah, jarak, fasilitas. Setiap kriteria memiliki persentase nilai yang bisa diubah oleh konsumen. Untuk melihat efektivitas dari sistem yang telah dibangun, dilakukan dengan tahap pengujian yaitu internal. Dari hasil pengujian internal disimpulkan bahwa sistem dapat bekerja sesuai fungsi pada web. Dalam penelitian ini metode SAW dianggap efektif karena dari 5 sample rumah yang diuji menggunakan metode SAW rumah yang memiliki nilai alternatif terbaik adalah 0,854.

IMPLEMENTASI METODE FUZZY SIMPLE ADDITIVE WEIGHTING (SAW) PADA PERSOALAN SISTEM PENDUKUNG KEPUTUSAN

(FUZZY MULTI DECISION MAKING) DALAM PEMILIHAN RUMAH TINGGAL

Oleh :

RIFAL KASA DINAR

Skripsi

Sebagai Salah Satu Syarat untuk Mendapatkan Gelar SARJANA KOMPUTER

Pada

Jurusan Ilmu Komputer

Fakultas Matematika dan Ilmu Pengetahuan Alam

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG

RIWAYAT HIDUP

Penulis dilahirkan pada 23 April 1995 di Bandar Lampung sebagai anak pertama dari dua bersaudara dengan Ayah bernama Edy Riyanto dan Ibu bernama Hartini.

Penulis menyelesaikan pendidikan Taman Kanak-Kanak (TK) di TK Setia Kawan Bandar Lampung tahun 2001, menyelesaikan Sekolah Dasar (SD) di SD Negeri 1 Karang Maritim Bandar Lampung tahun 2007, menyelesaikan Sekolah Menengah Pertama (SMP) di SMP Negeri 5 Bandar Lampung tahun 2010, kemudian melanjutkan jenjang Sekolah Menengah Atas (SMA) di SMA Negeri 5 Bandar Lampung dan lulus di tahun 2013.

Pada tahun 2013, penulis terdaftar sebagai mahasiswa Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Adapun kegiatan yang dilakukan penulis selama menjadi mahasiswa antara lain:

1. Aktif sebagai Anggota Baru Computer Science (Abacus) pada tahun ajaran 2013/2014.

3. Aktif sebagai Anggota Bidang (Abid) Kewirausahaan Himpunan Mahasiswa Jurusan Ilmu Komputer (HIMAKOM) Universitas Lampung pada tahun ajaran 2014/2015.

4. Melaksanakan kegiatan Kerja Praktik (KP) di Dinas Kesehatan Kota Bandar Lampung di Sub Bagian Kepegawaian pada Februari 2016.

MOTTO

“Maka sesungguhnya bersama kesulitan ada kemudahan, sesungguhnya bersama kesulitan ada kemudahan. Maka apabila engkau telah selesai (dari sesuatu urusan), tetaplah bekerja keras (untuk urusan yang lain), dan hanya

kepada Tuhanmulah engkau berharap.”

(Q.S.Al-Insyirah:5-8)

“Sesungguhnya Allah tidak akan mengubah keadaan suatu kaum sebelum mereka mengubah keadaan diri mereka sendiri.”

(Q.S.Ar-Ra’d:11)

“Allah tidak membebani seseorang melainkan sesuai dengan kesanggupannya.”

(Q.S.Al-Baqarah:286)

“Tak Ada Yang Tak Mungkin Apabila Berusaha, Berdo’a dan Bersyukur”

PERSEMBAHAN

Ku persembahkan skripsi ini untuk orang-orang yang berharga dalam hidupku,

Teruntuk Papa Mamaku yang kucintai, terimakasih untuk kasih sayang, perhatian,

pengorbanan, usaha, dukungan moral maupun materi, motivasi dan do’a yang tiada henti

untuk kesuksesanku....

Teruntuk adikku yang kusayangi, Annisa Gita Andini yang selalu memberi semangat baru

dan memberikan doa selama ini...

Teruntuk istriku tercinta Dhita Indah Prameswari yang selalu memberi semangat pantang

menyerah dan selalu mendampingi disaat-saat sulit ataupun senang, seorang istri yang

merupakan alasan mengapa bisa bertahan dan berjuang selama ini…

Teruntuk Teman-teman dan Sahabatku, Terimakasih untuk canda tawa, tangis, waktu,

nasehat, pengalaman dan warna kehidupan, terimakasih sudah menjadi bagian cerita

ii

SANWACANA

Assalamualaikum wr. wb.

Alhamdulillah, segala puji bagi Allah SWT yang telah melimpahkan rahmat, hidayah, kesehatan dan karunia-Nya sehingga penulis dapat menyelesaikan penulisan skripsi yang berjudul “Implementasi Metode Fuzzy Simple Additive Weighting (SAW) Pada Persoalan Sistem Pendukung Keputusan (Fuzzy Multi Decision Making) Dalam Pemilihan Rumah Tinggal” dengan baik.

Terima kasih penulis ucapkan kepada semua pihak yang telah membantu dan berperan besar dalam penyusunan skripsi ini, seperti antara lain:

1. Kedua orang tua yaitu Papa dan Mama, berserta keluarga besar yang selalu memberi do’a, kasih sayang dan motivasi.

2. Bapak Dr. Eng. Admi Syarif sebagai pembimbing utama dan yang telah membimbing, memotivasi, memberikan ide, masukan dan saran selama penyusunan skripsi ini.

3. Bapak Bambang Hermanto, S.Kom., M.Cs. sebagai pembimbing kedua yang telah membimbing dan memberikan bantuan, ide, masukan dan saran selama penyusunan skripsi ini.

5. Bapak Prof. Warsito, S.Si., D.E.A., Ph.D. selaku Dekan FMIPA Universitas Lampung.

6. Bapak Dr. Ir. Kurnia Muludi, M.S.Sc., selaku Ketua Jurusan Ilmu Komputer FMIPA Universitas Lampung.

7. Bapak Didik Kurniawan, S.Si., M.T., selaku Sekretaris Jurusan Ilmu Komputer FMIPA Universitas Lampung.

8. Bapak dan Ibu Dosen Jurusan Ilmu Komputer yang telah memberikan ilmu dan pengalaman hidup selama penulis menjadi mahasiswa.

9. Sahabat-sahabatku Annisa Nur Fadhilah, Fitria Ramadhani, Qory Aprilarita, Afifah Qowwamina Qisty, Agung Prasetyo, Faiq Sulthon Dani dan Rico Novalindo, Teguh Pambudi terimakasih untuk semua bantuan, nasehat, pengalaman, waktu dan sudah menjadi tempat berbagi keluh kesah selama ini.

10. Teman-teman Ilmu Komputer 2013, Terima kasih atas kebersamaannya selama ini.

11. Almamater Tercinta, Universitas Lampung yang telah memberikan penulis kesempatan untuk menempuh pendidikan perkuliahan S1.

Bandar Lampung, 4 Oktober 2018 Penulis,

iv

DAFTAR ISI

Halaman

I. PENDAHULUAN ... iv

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 5

1.3 Batasan Masalah ... 5

1.4 Tujuan ... 6

1.5 Manfaat ... 6

II. TINJAUAN PUSTAKA ... 7

2.1 Kota Bandar Lampung ... 7

2.2 Sarana Prasarana Permukiman ... 9

2.3 Sistem Pendukung Keputusan ... 10

2.3.1 Komponen Komponen Sistem Pendukung Keputusan ... 12

2.3.2 Langkah-Langkah Pengambilan Keputusan ... 14

2.3.3 Tujuan Sistem Pendukung Keputusan ... 15

2.3.4 Proses Pengambilan Keputusan ... 16

2.4 Logika Fuzzy MADM ... 17

2.4.1 Algoritma FMADM ... 18

2.4.2 Macam Macam Metode Dalam Menyelesaikan Masalah Fuzzy Multiple Attribute Decision Making (FMADM) ... 19

2.5 Metode Simple Additive Weighting (SAW) ... 22

2.5.1 Langkah Penyelesaian SAW ... 22

2.5.2 Kelebihan Metode Simple Additive Weighting (SAW) ... 24

2.6 Unified Modeling Language (UML) ... 25

2.6.1 Use Case Diagram ... 25

2.6.2 Activity Diagram ... 25

2.6.4 Class Diagram ... 27

2.7 Pengujian BlackBox Testing ... 29

III. METODELOGI PENELITIAN ... 31

3.1 Waktu dan Tempat Penelitian ... 31

3.2 Perangkat Penelitian ... 31

3.3 Metode Simple Additive Weighting (SAW) ... 32

3.4 Tahapan Penelitian ... 34

3.4.1 Studi Literatur ... 35

3.4.2 Pengumpulan Data... 35

3.4.3 Perancangan Sistem ... 35

3.5 Perancangan Antarmuka Aplikasi Untuk Administrator ... 53

3.5.1Antarmuka Halaman Login ... 54

3.5.2Antarmuka Halaman Utama ... 54

3.5.3Antarmuka Halaman Data Rumah ... 55

3.5.4Antarmuka Halaman Tambah Data Rumah ... 56

3.5.5Antarmuka Halaman Edit Data Kriteria ... 57

3.6 Perancangan Aantarmuka Aplikasi Untuk Pengguna ... 60

3.6.1 Antarmuka Halaman Login ... 60

3.6.2 Antarmuka Halaman Utama Pengguna ... 61

3.6.3 Antarmuka Halaman Data Rumah ... 62

3.6.4Antarmuka Halaman Edit Data Kriteria ... 63

3.7 Pengujian Sistem ... 67

IV. HASIL DAN PEMBAHASAN ... 71

4.1 Analisa Kebutuhan Data ... 71

4.2 Hasil ... 71

4.3 Implementasi Sistem ... 72

4.4 Antarmuka Sistem Untuk Administrator ... 73

4.4.1Antarmuka Halaman Login ... 73

4.4.2Antarmuka Halaman Utama ... 73

vi

4.4.4Antarmuka Halaman Tambah Data Rumah ... 75

4.4.5Antarmuka Halaman Edit Data Kriteria ... 77

4.4.6Antarmuka Halaman Hasil Perbandingan ... 80

4.5 Antarmuka Sistem Untuk Pengguna ... 81

4.5.1 Antarmuka Halaman Login ... 81

4.5.2 Antarmuka Halaman Utama Pengguna ... 82

4.5.3 Antarmuka Halaman Data Rumah ... 83

4.5.4Antarmuka Halaman Data Kriteria ... 84

4.5.5Antarmuka Halaman Edit Data Kriteria ... 85

4.5.6Antarmuka Halaman Tambah Data Perbandingan ... 87

4.5.7Antarmuka Halaman Hasil Perbandingan ... 88

4.6 Pengujian Sistem ... 89

V. KESIMPULAN DAN SARAN ... 92

5.1 Kesimpulan ... 92

5.2 Saran ... 92

DAFTAR PUSTAKA ... 93

DAFTAR TABEL

Tabel Halaman

1 Jumlah Penduduk Bandar Lampung ... 8

2 Notasi Activity Diagram ... 26

3 Notasi Sequence Diagram ... 27

4 Notasi Class Diagram ... 28

5 Equivalence Partitioning ... 68

6 Equivalence Partitioning ... 69

viii

DAFTAR GAMBAR

Gambar Halaman

1. Model Konseptual SPK ... 14

2. Diagram Alir Penelitian ... 34

3. Usecase Diagram ... 36

4. Activity Diagram Input Data Rumah ... 37

5. Activity Diagram Mengubah Data Rumah ... 38

6. Activity Diagram Menghapus Data Rumah ... 39

7. Activity Diagram Menginputkan Data Kriteria Rumah ... 40

8. Activity Diagram Mengubah Data Kriteria Rumah ... 41

9. Activity Diagram Menghapus Data Kriteria Rumah ... 42

10. Activity Diagram Mencari Data Rumah ... 43

11. Activity Diagram Membandingkan Data Rumah ... 44

12. Sequence Diagram Menginputkan Data Rumah ... 45

13. Sequence Diagram Mengubah Data Rumah ... 46

14. Sequence Diagram Menghapus Data Rumah... 47

15. Sequence Diagram Menginputkan Data Kriteria Rumah ... 48

16. Sequence Diagram Mengubah Data Kriteria Rumah ... 49

17. Sequence Diagram Menghapus Data Kriteria Rumah ... 50

18. Sequence Diagram Mencari Data Rumah ... 51

19. Sequence Diagram Membandingkan Data Rumah ... 52

20. Class Diagram ... 53

21. Halaman Login ... 54

22. Halaman Utama ... 55

23. Data Rumah ... 55

24. Tambah Data Rumah ... 56

25. Data Kriteria ... 57

27. Halaman Perbandingan ... 58

28. Tambah Data Perbandingan ... 59

29. Hasil Perbandingan ... 60

30. Halaman login pengguna ... 61

31. Halaman Utama Pengguna ... 61

32. Halaman Data Rumah ... 62

33. Halaman Data Kriteria ... 63

34. Halaman Edit Kriteria ... 64

35. Halaman Data Perbandingan ... 65

36. Tambah Data Perbandingan ... 66

37. Hasil Perbandingan ... 67

38. Halaman Login ... 73

39. Halaman Utama ... 74

40. Data Rumah ... 75

41. Tambah Data Rumah ... 76

42. Info Data Kriteria ... 77

43. Edit Data Kriteria ... 78

44. Halaman Data Perbandingan ... 79

45. Tambah Data Perbandingan ... 80

46. Hasil Perbandingan ... 81

47. Halaman login pengguna ... 82

48. Halaman Utama Pengguna ... 83

49. Halaman Data Rumah ... 84

50. Halaman Data Kriteria ... 85

51. Halaman Edit Kriteria ... 86

52. Halaman Data Perbandingan ... 87

53. Tambah Data Perbandingan ... 88

I. PENDAHULUAN

1.1 Latar Belakang

Rumah merupakan tempat menghabiskan waktu bersama keluarga, melepaskan lelah setelah beraktifitas seharian di luar. Rumah juga memberikan ketenangan dan kenyamanan bagi penghuninya. Untuk itu semua orang berupaya menjadikan rumah mereka senyaman mungkin untuk dihuni. Bagi sebagian masyarakat kepemilikan rumah adalah barang mewah yang harus diabaikan, tetapi dengan seiring perkembangan kebutuhan rumah juga sebagai kebutuhan masyarakat. Pembelian rumah saat ini relatif bukan hal yang sulit lagi, seiring perkembangan teknologi dewasa ini yang semakin berkembang, seorang calon pembeli dapat memilih rumah idamannya. Konsumen selaku pembeli perumahan umumnya selalu memiliki pertimbangan atau faktor-faktor sebelum mengambil suatu keputusan, sebagai contoh harga, luas tanah, fasilitas-fasilitas atau fitur-fitur yang ada di perumahan tersebut dan faktor-faktor lainnya (Rahmadani & Septiarini, 2013).

oleh unsur-unsur alami dan nonalami dengan gejala-gejala pemusatan penduduk yang cukup besar dengan corak kehidupan yang bersifat heterogen dan materalistik dibandingkan dengan daerah belakangnya kota dapat diartikan sebagai suatu sistem jaringan kehidupan manusia yang ditandai dengan kepadatan penduduk yang tinggi, dan diwarnai dengan strata sosial ekonomi yang heterogen dan coraknya yang materialistis. Hal menonjol yang membedakan desa dengan kota adalah desa merupakan masyarakat agraris, sedang kota nonagraris (Suparmini, 2012).

3

Penduduk di Indonesia khususnya di Bandar Lampung merupakan suatu permasalahan sulit dalam mendapatkan tempat tinggal. Penduduk yang semakin padat akan mempengaruhi tingkat kebutuhan tempat tinggal. Bandar lampung merupakan salah satu kota di Indonesia yang penduduknya sangat padat. Kota Bandar Lampung merupakan pusat jasa, perdagangan, dan perekonomian di provinsi Lampung. Tempat tinggal merupakan hal penting bagi setiap orang.

Dengan beragamnya rumah saat ini, konsumen memiliki banyak pilihan yang beragam pula. Tidaklah mudah untuk menentukan pilihan yang tepat dalam pemilihan rumah yang dikehendaki. Berbagai faktor yang ada menjadi pertimbangan konsumen dalam menentukan pilihannya. Para pengembang (developer) maupun arsitek mulai bersaing untuk membantu memberikan solusi dengan menyediakan berbagai macam tipe rumah.

Banyaknya tipe rumah yang tersedia tentu saja membuat konsumen menjadi kesulitan untuk menentukan pilihannya dan terkadang konsumen salah memilih rumah idaman mereka. Sebuah sistem berbasis komputer menjadi alat bantu alternatif yang dapat membantu konsumen menyelesaikan masalah yang dihadapi. Keberadaan komputer pada sistem informasi pada dasarnya tidak mutlak. Akan tetapi komputer dengan segenap kemampuannya dalam memproses data, akan meningkatkan efektifitas, produktifitas, serta efisiensi suatu sistem informasi. (Putri, 2007).

kebutuhan akan masalah pemilihan rumah untuk mendapatkan hasil pemilihan yang benar–benar sesuai atau setidaknya mendekati keinginan konsumen.

5

bobot tiap atribut. Rating tiap atribut haruslah bebas dimensi dalam arti telah melewati proses normalisasi matriks sebelumnya (Adianto, et al., 2017).

Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Fuzzy SAW ini termasuk salah satu metode untuk menyelesaikan masalah Fuzzy Multi Atribute Decision Making (Fuzzy MADM). Konsep dasar metode Fuzzy SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative pada semua atribut. Metode Fuzzy SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternative yang ada (Alfa , et al., 2014).

1.2 Rumusan Masalah

Rumasan masalah yang dapat diambil adalah bagaimana mengimplementasikan (SAW) pada persoalan sistem pendukung keputusan pemilihan rumah.

1.3 Batasan Masalah

Batasan masalah dalam penelitian ini adalah sebagai berikut:

1. Data yang digunakan adalah data rumah rumah yang dekat dengan 3 titik point yaitu Unila, Mall Boemi Kedaton, Rumah Sakit Abdul Moeloek berdasarkan peta di Bandar Lampung .

2. Metode yang digunakan adalah Metode Fuzzy Simpel Additive Weighting(SAW).

4. Kriteria yang digunakan adalah harga, luas bangunan, luas tanah, jarak, fasiitas. Persentase bobot ranking kriteria yang diinputkan dapat diubah oleh user.

5. Data rumah yang digunakan berjumlah 50 rumah.

1.4Tujuan

Tujuan utama dari penelitian ini adalah mengimplementasikan metode SAW pada sistem pendukung keputusan pemilihan rumah dan mengevaluasi kinerja metode SAW.

.

1.5 Manfaat

Manfaat dari sistem pendukung keputusan ini sebagai berikut:

1. Membantu atau mempermudah Konsumen untuk mendapatkan rumah yang nyaman karena strategis.

II. TINJAUAN PUSTAKA

2.1 Kota Bandar Lampung

dalam 20 Kecamatan dan 126 Kelurahan dengan populasi penduduk 979.287 jiwa (berdasarkan data tahun 2015), kepadatan penduduk sekitar 8.316 jiwa/km² dan diproyeksikan jumlah penduduk mencapai 2,4 juta jiwa pada tahun 2030. Saat ini kota Bandar Lampung merupakan pusat jasa, perdagangan, dan perekonomian di provinsi Lampung. Jumlah Penduduk Bandar Lampung terdapat pada Tabel 1.

Tabel 1 Jumlah Penduduk Bandar Lampung

Kecamatan Jumlah Penduduk Luas Wilayah Kepadatan Penduduk Subdistrict Population Area (km2) Population Density

Teluk Betung Barat 29 799 11,02 2 704

Teluk Betung Timur 41 645 14,83 2 808

Teluk Betung Selatan 39 353 3,79 10 383

Bumi Waras 56 742 3,75 15 131

Panjang 74 506 15,75 4 731

Tanjung Karang Timur 37 108 2,03 18 280

Kedamaian 52 592 8,21 6 406

Teluk Betung Utara 50 593 4,33 11 684

Tanjung Karang Pusat 51 126 4,05 12 624

Enggal 28 084 3,49 8 047

Tanjung Karang Barat 54 710 14,99 3 650

Kemiling 65 637 24,24 2 708

Langkapura 33 944 6,12 5 546

Kedaton 49 055 4,79 10 241

9

Tanjung Senang 45 775 10,63 4 306

Labuhan Ratu 44 843 7,97 5 626

Sukarame 56 921 14,75 3 859

Sukabumi 57 334 23,6 2 429

Way Halim 61 493 5,35 11 494

2015 979 287 197,22 4 965

2014 960 695 197,22 4 871

2013 942 039 197,22 4 777

2012 902 885 197,22 4 578

2011 891 374 197,22 4 520

Sumber : Badan Pusat Statistik Kota Bandar Lampung (Lampung, 2017).

2.2 Sarana Prasarana Permukiman

Sebagian besar masyarakat tidak terlayani oleh PDAM, kalaupun ada perumahan yang terlayani air bersih namun waktu mengalirnya tidak teratur dan di beberapa daerah ada yang hanya mengalir pada saat malam hari sampai dini hari sehingga mengganggu waktu istirahat. Jumlah sambungan air minum: 18,7% dari jumlah KK. Khusus di Perumahan Korpri (Kecamatan Sukarame) bangunan PDAM sudah ada, tapi tidak ada sambungan pipa ke rumah-rumah.

Sumber-sumber PDAM Way Rilau Kota Bandar Lampung meliputi air permukaan dan air dalam tanah dengan kapasitas produksinya sebagai berikut:

300 sampai 227 sehingga kecuali dari air Batu Putih, Way Pancuran dan Way Rilau yang menggunakan pompa untuk mengalirkan ke reservoir Kemiling, yang lainnya dapat mengalir secara gravitasi ke reservoir-reservoir distribusi. 2. Air Permukaan Way Kuripan, WTP I dan WTP II dengan total kapasitas 450

l/det. Total Kapasitas produksi air 570 l/det. Air baku dari Way Kuripan mengalir yang terletak pada elevasi 15 harus dipompa agar masuk ke dalam WTP 1 dan 2 di Sumur Putri. Selanjutnya diolah, dan secara gravitasi ditampung dalam reservoir Sumur Putri untuk kemudian di pompa ke reservoir Palapa dan Rasuna Said (Lampung, 2017).

2.3 Sistem Pendukung Keputusan

Sistem pendukung keputusan adalah sistem interaktif berbantuan komputer yang mendukung pemakai dalam kemudahan akses terhadap data dan model keputusan dalam upaya membantu proses pengambilan keputusan yang efektif dalam memecahkan masalah yang bersifat semi terstruktur dan tidak terstruktur, karena itu harus mampu dalam hal berikut ini :

1. Ditambah atau dikembangkan.

2. Mendukung analisis data dan model desisi. 3. Berorientasi pada masa yang akan datang. 4. Digunakan dalam waktu yang tidak terjadwal.

11

digunakan untuk membantu pengambilan keputusan dalam situasi yang semiterstruktur dan situasi yang tidak terstruktur. Dari pengertian diatas, dapat diambil kesimpulan bahwa Sistem Penunjang Keputusan (SPK) adalah suatu system informasi berbasis komputer yang melakukan pendekatan untuk menghasilkan berbagai alternative keputusan untuk membantu pihak tertentu dalam menangani permasalahan dengan menggunakan data dan model. Suatu SPK hanya memberikan alternative keputusan dan selanjutnya diserahkan kepada user untuk mengambil keputusan. Pengambilan keputusan merupakan hasil suatu proses pemilihan dari berbagai alternative tindakan yang mungkin dipilih dengan mekanisme tertentu, dengan tujuan untuk menghasilkan keputusan yang terbaik. Dimana proses keputusan secara bertahap, sistematik, konsisten dan dalam setiap langkah sejak awal telah mengikut sertakan semua pihak, akan memberikan hasil yang baik. SPK merupakan suatu sistem interaktif yang mendukung keputusan dalam proses pengambilan keputusan melalui alternatif–alternatif yang diperoleh dari hasil pengolahan data, informasi dan rancangan model.

Dari pengertian system penunjang keputusan maka dapat ditentukan karakteristik antara lain:

1. Mendukung proses pengambilan keputusan.

2. Adanya interface manusia atau mesin dimana user tetap memegan gkontrol proses pengambilan keputusan.

4. Memiliki kapasitas dialog untuk memperoleh informasi sesuai dengan kebutuhan.

5. Memiliki subsistem-subsistem yang terintegrasi sedemikian rupa sehingga dapat berfungsi sebagai kesatuan item.

6. Membutuhkan struktur data komprehensif yang dapat melayani kebutuhan informasi seluruh tingkatan manajemen (Adianto, et al., 2017).

2.3.1 Komponen Komponen Sistem Pendukung Keputusan

Suatu SPK memiliki tiga subsistem utama yang menentukan kapabilitas teknik SPK, yaitu sebagai berikut :

1. Subsistem Manajemen Basis Data (DatabaseManagement Subsytem)

Ada perbedaan antara basis data untuk SPK dan non-SPK. Pertama sumber data untuk SPK lebih “kaya” dari non-SPK dimana data harus berasal dari luar dan dari dalam karena proses pengambilan keputusan, terutama dalam level manajemen puncak sangat bergantung pada sumber data luar, seperti data ekonomi. Kedua, proses pengambilan ekstrasi data dari sumber data yang sangat besar. SPK membutuhkan proses ekstrasi dan DBMS yang dalam pengelolaannya harus cukup fleksibel untuk memungkinkan penambahan dan pengurangannya secara cepat.

13

Salah satu kemampuan SPK adalah kemampuan untuk mengintegrasikan data dan model keputusan. Hal ini dapat dilakukan dengan menambahkan model-model keputusan ke dalam sistem informasi yang menggunakan basis dataset bagai mekanisme komunikasi dan integrasi dan komunikasi diantara model-model. Komunikasi antara berbagai model yang saling berhubungan diserahkan kepada pengambil keputusan sebagai proses intelektual dan manual.

3. Subsistem Perangkat Lunak Penyelengara Dialog (Dialog Generation and Management Subsystem)

Komponen dari sistem dialog adalah pemakai, terminal dan sistem perangkat lunak. subsistem dialog dibagi menjadi tiga yaitu :

1. Bahasa aksi, meliputi apa yang dapat dilakukan oleh pemakai dalam berkomunikasi dengan sistem. hal ini meliputi pemilihan-pemilihan seperti papan ketik (keyboard), panel-panel sentuh, joystick, perintah suara dan sebagainya.

2. Bahasa tampilan atau persentasi, meliputi apa yang harus diketahui oleh pemakai. Bahasa tampilan meliputi pilihan-pilihan seperti printer, layar, tampilan, grafik, warna, ploter, keluaran suara, dan sebagainya.

Sistem pendukung keputusan harus mencakup tiga komponen utama dari DBMS, MBMS dan antarmuka pengguna. Sedangkan subsistem manajemen berbasis pengetahuan adalah opsional. Namun subsistem berbasis pengetahuan dapat memberikan banyak manfaat karena memberikan inteligensi bagi 3 (tiga) komponen utama tersebut. Di luar keempat komponen di atas, seperti layaknya semua sistem informasi manajemen, pengguna dapat dianggap sebagai salah satu komponen DSS.

Dari komponen-komponen ini digambarkan dalam bentuk bagan yang disajikan pada Gambar 1 (Suroso , 2016):

Gambar 1 Model Konseptual SPK

2.3.2 Langkah-Langkah Pengambilan Keputusan

15

teridentifikasi. Berikutnya adalah fase choice yang mengandung suatu tujuan penyelesaian untuk model. Fase yang terakhir adalah implementation, yang melihat tingkat kesuksesan sistem dalam menyelesaikan masalah yang ada (Suroso , 2016).

2.3.3 Tujuan Sistem Pendukung Keputusan

Tujuan dari Sistem Pendukung Keputusan adalah sebagai berikut:

1. Membantu manajer dalam pengambilan keputusan atas masalah semi terstruktur.

2. Memberikan dukungan atas pertimbangan manajer dan bukannya dimaksudkan untuk menggantikan fungsi manajer.

3. Meningkatkan efektivitas keputusan yang diambil manajer lebih daripada perbaikan efisiensinya.

4. Kecepatan komputasi. Komputer memungkinkan para pengambil keputusan untuk melakukan banyak komputas secara cepat dengan biaya yang rendah. 5. Peningkatan produktivitas. Membangun suatu kelompok pengambil

keputusan, terutama para pakar, bisa sangat mahal.

7. Berdaya saing. Manajemen dan pemberdayaan sumber daya perusahaan. Tekanan persaingan menyebabkan tugas pengambilan keputusan menjadi sulit. Persaingan di dasarkan tidak hanya pada harga, tetapi juga padakualitas, kecepatan, kustomasi produk, dan dukungan pelanggan.

8. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan (Hartini, et al., 2013).

2.3.4 Proses Pengambilan Keputusan

Proses pengambilan keputusan menurut model Simon dapat dibagi menjadi empat fase, yaitu:

1. Fase Intelegensi (intelligence phase)

Pengambil keputusan melakukan proses identifikasi atas semua lingkup masalah yang harus diselesaikan. Pada tahap ini pengambil keputusan harus memahami realitas dan mendefinis5ikan masalah dengan menguji data yang diperoleh.

2. Fase Perancangan (design phase)

17

3. Fase Pemilihan (choice phase).

Merupakan tahap pemilihan terhadap solusi yang dihasilkan dari model. Bilamana solusi bisa diterima pada fase terakhir ini, kemudian dilanjutkan dengan implementasi solusi keputusan pada dunia nyata.

4. Fase Implementasi (implementation phase).

Pada hakikatnya implementasi suatu solusi yang diusulkan untuk suatu masalah adalah inisiasi terhadap hal baru, atau pengenalan terhadap perubahan. Dan perubahan harus dikelola. Harapan-harapan pengguna harus dikelola sebagai bagian dari manajemen perubahan (Hartini, et al., 2013).

2.4 Logika Fuzzy MADM

telah digunakan untuk menentukan besarnya nilai bobot, antara lain: weighted least square, LINMAP (Linear Programming Techniques for Multidimensional Analysis of Preference), Mathematical Programming. Pada penelitian ini, pencarian nilai bobot akan dicoba dengan menggunakan algoritma MADM pada menyelesaikan masalah MADM untuk penentuan kredit perumahan berbasis web dengan pendekatan subyektif (Permatasari & Sri, 2010).

2.4.1 Algoritma FMADM

Algoritma FMADM adalah:

a) Memberikan nilai setiap alternatif ( ) pada setiap kriteria ( ) yang sudah ditentukan, dimana nilai tersebut diperoleh berdasarkan nilai crisp; i=1, 2,…m dan j=1, 2, …n.

b) Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp. c) Melakukan normalisasi matriks dengan cara menghitung nilai rating kinerja

ternormalisasi ( ) dari alternatif pada atribut berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan/benefit= Maksimum atau atribut biaya/cost=Minimum). Apabila berupa artibut keuntungan maka nilai crisp ( ) dari setiap kolom atribut dibagi dengan nilai crisp MAX dari tiap kolom, sedangkan untuk atribut biaya, nilai crisp MIN dari tiap kolom atribut dibagi dengan nilai crisp ( ) setiap kolom.

19

e) Menentukan nilai preferensi untuk setiap alternatif ( ) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W). Nilai yang lebih besar mengindikasikan bahwa alternatif lebih terpilih (Erwin, 2015).

2.4.2 Macam Macam Metode Dalam Menyelesaikan Masalah Fuzzy

Multiple Attribute Decision Making (FMADM)

Ada beberapa metode yang dapat digunakan untuk mnyelesaikan masalah FMADM. antara lain :

1. Simple Additive Weighting (SAW) 2. Weighted Product (WP)

3. Elimination and Choice Translation Reality (ELECTRE)

4. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) 5. Analytic Hierarchy Process (AHP) (Wibowo , et al., 2009).

1. Metode Simple Additive Weighting (SAW)

diperoleh dari pemenuhan setiap kriteria kesejahteraan Tingkat kesejahteraan diurutkan dari nilai alternatif yang tertinggi. Semakin rendah nilai alternatif semakin rendah pula tingkat kesejahteraannya (Kaho, et al., 2012).

2. Weighted Product (WP)

Metode WP adalah metode untuk pengambilan keputusan berdasarkan besarnya nilai preferensi yang dihitung berdasarkan pada nilai variabel yang digunakan yang dipangkatkan dengan bobotnya. Semakin besar nilai preserensi suatu alternatif solusi maka alternatif solusi itu semkin disukai (Supriyono & Sari, 2015).

3. Elimination and Choice Translation Reality (ELECTRE)

21

4. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)

Metode TOPSIS adalah salah satu metode yang digunakan untuk menyelesaikan masalah MADM. Metode TOPSIS didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif. Konsep ini banyak digunakan pada beberapa model MADM untuk menyelesaikan masalah keputusan secara praktis. Hal ini disebabkan karena konsepnya yang sederhana dan mudah dipahami, komputasinya efisien, dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan dalam bentuk matematis yang sederhana (Murnawan, 2012).

5. Analytic Hierarchy Process (AHP)

yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil pada situasi tersebut (Jatmika & Soeminto, 2016).

2.5 Metode Simple Additive Weighting (SAW)

Metode SAW merupakan salah satu metode yang biasanya di terapkan pada suatu sistem pengambilan keputusan atau yang biasanya digunakan dalam pemecahan masalah yang melibatkan banyak alternatif pilihan sehingga dapat membantu pengguna dalam mengambil keputusan dengan cepat dan tepat. Metode SAW dianggap efektif diterapkan pada penentuan tingkat kesejahteraan ini karena sebelum dilakukan proses perengkingan setiap alternatif yang ada, terlebih dahulu nilai setiap alternatif dilakukan normalisasi. Nilai-nlai setiap alternatif tersebut diperoleh dari pemenuhan setiap kriteria kesejahteraan Tingkat kesejahteraan diurutkan dari nilai alternatif yang tertinggi. Semakin rendah nilai alternatif semakin rendah pula tingkat kesejahteraannya (Kaho, et al., 2012).

2.5.1 Langkah Penyelesaian SAW

Langkah-Langkah penyelesaian SAW sebagai berikut :

1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu .

23

3. Membuat matriks keputusan berdasarkan kriteria ( ), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi r.

4. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi r dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik ( ) sebagai solusi.

jika j adalah Atribut keuntungan terbesar (Benefit)

jika j adalah Atribut keuntungan terkecil (Cost)

……… (1)

Keterangan :

= Nilai rating kinerja ternormalisasi untuk alternatif i pada atribut j

= Nilai Attribute Alternatif i Pada Attribute j Max = Nilai Terbesar Dari Setiap Kriteria

Min = Nilai Terkecil Dari Setiap Kriteria

Benefit = Jika Nilai Terbesar Adalah Nilai Terbaik

Dimana adalah rating ternormalisasi dari alternatif pada atribut ; i= 1, 2, …, m dan j= 1, 2, …, n. Nilai prefensi untuk setiap alternatif ( ) diberikan sebagai :

∑

……… (2)

Keterangan :

= rangking untuk alternatif ke i

= nilai bobot untuk kriteria ke j

= nilai rating kinerja ternormalisasi untuk alternatif i pada atribut j

Nilai yang lebih besar mengidentifikasikan bahwa alternative lebih terpilih (Fitriani, 2015).

2.5.2 Kelebihan Metode Simple Additive Weighting (SAW)

25

2.6 Unified Modeling Language (UML)

Unified Modeling Language (UML) adalah bahasa spesifikasi standar yang dipergunakan untuk mendokumentasikan, menspesifikasikan dan membangun perangkat lunak. UML merupakan metodologi dalam pengembangan sistem berorientasi objek dan juga merupakan alat untuk mendukung pengembangan sistem. UML saat ini banyak dipergunakan dalam bidang industry yang merupakan bahasa standar bahasa pemodelan umum dalam industry perangkat lunak dan pengembangan sistem. (Urva & Siregar, 2015).

Unified Modelling Language (UML) memiliki diagram-diagram standar yaitu Use Case diagram, Activity diagram, Sequence diagram dan Class diagram.Penjelasan tersebut akan dijabarkan adalah sebagai berikut.

2.6.1 Use Case Diagram

Fungsi yang disediakan oleh sistem database atau aplikasi komputer dapat

diilustrasikan dengan diagram Use Case. Tujuan utamanya adalah untuk

memvisualisasikan kebutuhan fungsional dari sistem, termasuk hubungan "aktor"

(manusia yang akan berinteraksi dengan sistem) untuk proses penting, serta

hubungan antara penggunaan yang berbeda.

2.6.2 Activity Diagram

Activity diagram adalah representasi alur kerja dari aktivitas yang bertahap serta

dukungan tindakan untuk menentukan pilihan, iterasi dan persetujuan. Activity

langkah alur kerja secara bertahap sebagai komponen di dalam sistem. Activity

diagram adalah pijakan dari seluruh alur kontrol atau pengawasan. Notasi Activity

Diagram disajikan pada Tabel 2.

Tabel 2 Notasi Activity Diagram

Simbol Keterangan

Activity

Titik awal

Titik akhir

Pilihan untuk mengambil keputusan

Fork; Digunakan untuk menunjukkan kegiatan yang dilakukan secara paralel atau untuk menggabungkan

dua kegiatan paralel menjadi satu

Rake; Menunjukkan adanya dekomposisi

Tanda waktu

Tanda pengiriman

Aliran akhir (flow final)

2.6.3 Sequence Diagram

27

pada tingkatan yang lebih terperinci yang merupakan panggilan berbeda ke objek yang berbeda. Notasi Sequence Diagram disajikan pada Tabel 3.

Tabel 3 Notasi Sequence Diagram

Simbol Nama Keterangan

Object Object merupakan instance dari sebuah class dan dituliskan tersusun secara horizontal. Digambarkan sebagai sebuah class (kotak) dengan nama obyek didalamnya yang diawali dengan sebuah titik koma

Actor Actor juga dapat berkomunikasi dengan object, maka actor juga dapat diurutkan sebagai kolom. Simbol actor sama dengan simbol pada actor use case diagram

Lifeline Lifeline mengindikasikan keberadaan sebuah object dalam basis waktu. Notasi untuk lifeline adalah garis putus-putus vertikal yang ditarik dari sebuah obyek

Activation Activation dinotasikan sebagai sebuah kotak segi empat yang digambar pada sebuah lifeline. Activation mengindikasikan sebuah obyek yang akan melakukan sebuah aksi

Message Message, digambarkan dengan anak panah horizontal antara activation. Message mengindikasikan

komunikasi antara object-object.

2.6.4 Class Diagram

sama lain. Class diagram menampilkan logika kelas dan implementasi kelas suatu objek . Notasi Class Diagram disajikan pada Tabel 4.

Tabel 4 Notasi Class Diagram

Simbol Nama Keterangan

Class Class adalah blok-blok pembangun pada pemrograman

berorientasi obyek. Sebuah class digambarkan sebagai sebuah kotak yang terbagi atas 3 bagian. Bagian atas adalah bagian nama dari class. Bagian tengah mendefinisikan property/atribut class. Bagian akhir mendefinisikan method dari sebuah class.

Association Sebuah asosiasi merupakan sebuah relationship paling umum antara 2 class, dan dilambangkan oleh sebuah garis yang menghubungkan antara 2 class. Garis ini bisa melambangkan tipe-tipe relationship dan juga dapat menampilkan hukum-hukum multiplisitas pada sebuah relationship (Contoh: One-to-one, one-to-many, many-to-many).

Composition Jika sebuah class tidak bisa berdiri sendiri dan harus merupakan bagian dari class yang lain, maka class tersebut memiliki relasi composition terhadap class tempat dia bergantung tersebut. Sebuah relationship composition digambarkan sebagai garis dengan ujung

berbentuk jajaran genjang berisi/solid.

Dependency Kadang kala sebuah class menggunakan class yang lain. Hal ini disebut dependency. Umumnya penggunaan dependency digunakan untuk menunjukkan operasi

29

panah bertitik-titik.

Aggregation Aggregation mengindikasikan keseluruhan bagian

relationship dan biasanya disebut sebagai relasi

“mempunyai sebuah” atau “bagian dari”. Sebuah aggregation digambarkan sebagai sebuah garis dengan sebuah jajaran genjang yang tidak berisi/tidak solid.

Generalization Sebuah relasi generalization sepadan dengan sebuah relasi inheritance pada konsep berorientasi obyek. Sebuah generalization dilambangkan dengan sebuah panah dengan kepala panah yang tidak solid yang mengarah ke kelas “parent”-nya/induknya.

2.7 Pengujian BlackBox Testing

BlackBox Testing berfokus pada spesifikasi fungsional dari perangkat lunak. Tester dapat mendefinisikan kumpulan kondisi input dan melakukan pengetesan pada spesifikasi fungsional program. BlackBox Testing bukanlah solusi alternatif dari WhiteBox Testing tapi lebih merupakan pelengkap untuk menguji hal-hal yang tidak dicakup oleh WhiteBox Testing.

Black Box Testing cenderung untuk menemukan hal-hal berikut:

1. Fungsi yang tidak benar atau tidak ada. 2. Kesalahan antarmuka (interface errors).

5. Kesalahan inisialisasi dan terminasi.

Pengujian didesain untuk menjawab pertanyaanpertanyaan berikut:

1. Bagaimana fungsi-fungsi diuji agar dapat dinyatakan valid? 2. Input seperti apa yang dapat menjadi bahan kasus uji yang baik? 3. Apakah sistem sensitif pada input-input tertentu?

4. Bagaimana sekumpulan data dapat diisolasi?

5. Berapa banyak rata-rata data dan jumlah data yang dapat ditangani sistem? 6. Efek apa yang dapat membuat kombinasi data ditangani spesifik pada operasi

sistem?

Saat ini terdapat banyak metoda atau teknik untuk melaksanakan Black Box Testing, antara lain:

1. Equivalence Partitioning

2. Boundary Value Analysis/Limit Testing

3. Comparison Testing 4. Sample Testing 5. Robustness Testing

6. Behavior Testing 7. Requirement Testing

8. Performance Testing

9. Uji Ketahanan (Endurance Testing)

III. METODELOGI PENELITIAN

3.1 Waktu dan Tempat Penelitian

Penelitian ini dilakukan di beberapa perumahan di Bandar Lampung khususnya dekat dengan UNILA, Mall Boemi Kedaton, RS. Abdul Moeloek. Waktu penelitian dilakukan pada bulan Agustus 2017 sampai dengan 2018.

3.2 Perangkat Penelitian

Alat pendukung yang digunakan dalam penelitian ini adalah sebagai berikut: a. Perangkat Keras

 Laptop ASUS dengan spesifikasi :

Processor : Intel® Core™ i5-5200U CPU @2.20GHz RAM : 4096 MB

Harddisk : 500 GB

b. Perangkat Lunak

 Sistem Operasi Windows 8 64 Bit  Microsoft word office

3.3 Metode Simple Additive Weighting (SAW)

Salah satu metode penyelesaian masalah MADM (Multiple Attribute Decision Making) adalah dengan menggunakan metode SAW. Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative dari semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) kesuatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Metode ini merupakan metode yang paling terkenal dan paling banyak digunakan dalam menghadapi situasi Multiple Attribute Decision Making (MADM). MADM itu sendiri merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternative dengan criteria tertentu. Metode SAW ini mengharuskan pembuat keputusan menentukan bobot bagi setiap atribut. Skor total untuk alternative diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating (yang dapat dibandingkan lintas atribut) dan bobot tiap atribut. Rating tiap atribut harus bebas dimensi dalam arti telah melewati proses normalisasi matriks sebelumnya.

jika j adalah Atribut keuntungan terbesar (Benefit)

jika j adalah Atribut keuntungan terkecil (Cost)

33

Keterangan :

= Nilai rating kinerja ternormalisasi untuk alternatif i pada atribut j

= Nilai Attribute Alternatif i Pada Attribute j Max = Nilai Terbesar Dari Setiap Kriteria

Min = Nilai Terkecil Dari Setiap Kriteria

Benefit = Jika Nilai Terbesar Adalah Nilai Terbaik

Cost = Jika Nilai Terkecil Adalah Terbaik

Dimana adalah rating ternormalisasi dari alternatif pada atribut ; i=1,2,…,m dan j=1,2,…,n. Nilai prefensi untuk setiap alternatif ( ) diberikan sebagai :

∑

……… (2)

Keterangan :

= rangking untuk alternatif ke i

= nilai bobot untuk kriteria ke j

= nilai rating kinerja ternormalisasi untuk alternatif i pada atribut j

3.4 Tahapan Penelitian

Beberapa tahapan yang dilakukan peneliti dalam membangun sistem pendukung keputusan menggunakan metode SAW disajikan dalam bentuk diagram alir pada Gambar 2.

Tidak

Ya START

STUDI LITERATUR

PENGUMPULAN DATA

PERANCANGAN SISTEM

PEMBUATAN SISTEM SEMUA KEBUTUHAN

TERSEDIA

PENGUJIAN SISTEM

SELESAI

35

3.4.1 Studi Literatur

Tahapan penelitian ini menggunakan metode pengembangan waterfall Tahapan pertama kali dimulai dengan mencari studi literatur. Studi literatur dilakukan dengan cara mempelajari aspek-aspek yang berkaitan dengan penelitian ini

,

3.4.2 Pengumpulan Data

Tahapan pengumpulan data dilakukan dengan cara studi literature dan berkonsultasi pemilik perumahan. Data yang digunakan sebagai acuan untuk menyelesaikan sistem pendukung keputusan dalam pemilihan rumah. Kritera-kriteria yang digunakan adalah harga, luas bangunan, luas tanah, jarak, dan fasilitas. Masing-masing kriteria memiliki nilai bobot. Harga rumah mulai dari Rp. 100.000.000 s/d 2.000.000.000,00. Luas bangungan mulai dari 30 m2 s/d 500 m2. Jarak rumah dengan pusat keramaian berdasarkan pengukuran yang ada di map. Dan fasilitas rumah terdapat 4 jenis yaitu : Mesin Atm, Pos Satpam, Minimart, Sekolah.

3.4.3 Perancangan Sistem

Perancangan sistem pada penelitian ini terdiri dari Use Case Diagram, Activity Diagram, Sequence Diagram, dan Class Diagram.

A. Use case diagram.

Sistem Pendukung Keputusan Pemilihan Rumah Tinggal akan melakukan empat proses yang hanya dapat dilakukan oleh user. Diantaranya adalah menampilkan menu data rumah, menampilkan menu kriteria rumah, menampilkan menu membandingkan data rumah, dan menampilkan menu tentang seperti tertera pada Gambar 3 berikut.

37

B. Activity diagram.

Terdapat delapan activity diagram yang merupakan pengembangan dari use case diagram. Activity diagram pertama menunjukan cara sistem untuk menjalankan fungsi menu input data rumah seperti Gambar 4 berikut.

Activity diagram kedua menunjukkan cara sistem untuk menjalankan fungsi menu mengubah data rumah seperti pada Gambar 5 berikut.

Gambar 5 Activity Diagram Mengubah Data Rumah

39

Gambar 6 Activity Diagram Menghapus Data Rumah

Gambar 7 Activity Diagram Menginputkan Data Kriteria Rumah

41

Gambar 8 Activity Diagram Mengubah Data Kriteria Rumah

Gambar 9 Activity Diagram Menghapus Data Kriteria Rumah

43

Gambar 10 Activity Diagram Mencari Data Rumah

Gambar 11 Activity Diagram Membandingkan Data Rumah

C. Sequence diagram.

45

Gambar 12 Sequence Diagram Menginputkan Data Rumah

Gambar 13 Sequence Diagram Mengubah Data Rumah

47

Gambar 14 Sequence Diagram Menghapus Data Rumah

Gambar 15 Sequence Diagram Menginputkan Data Kriteria Rumah

49

Gambar 16 Sequence Diagram Mengubah Data Kriteria Rumah

Gambar 17 Sequence Diagram Menghapus Data Kriteria Rumah

51

Gambar 18 Sequence Diagram Mencari Data Rumah

Gambar 19 Sequence Diagram Membandingkan Data Rumah

D. Class diagram.

53

Gambar 20 Class Diagram

3.5 Perancangan Antarmuka Aplikasi Untuk Administrator

3.5.1 Antarmuka Halaman Login

Halaman login merupakan halaman awal pada aplikasi berbasis web. Administrator diharuskan untuk melakukan login terlebih dahulu sebelum dapat mengakses menu-menu yang terdapat dalam sistem. Antarmuka halaman login administrator disajikan pada Gambar 21 :

Gambar 21 Halaman Login

3.5.2 Antarmuka Halaman Utama

55

Gambar 22 Halaman Utama

3.5.3 Antarmuka Halaman Data Rumah

Pada Gambar 23 merupakan halaman data rumah. Di dalam halaman data rumah terdapat menu tambah data rumah, menu edit, menu hapus. Antarmuka halaman data rumah disajikan pada Gambar 23 :

3.5.4 Antarmuka Halaman Tambah Data Rumah

Pada Gambar 24 merupakan halaman menu tambah data rumah terdapat form pengisian seperti foto rumah, harga rumah, luas rumah, dekat dari pusat keramaian, jarak dengan pusat keramaian, fasilitas, alamat, dan deskripsi tentang rumah. Antarmuka halaman tambah data rumah disajikan pada Gambar 24 :

Gambar 24 Tambah Data Rumah

57

Gambar 25 Data Kriteria

3.5.5 Antarmuka Halaman Edit Data Kriteria

Pada Gambar 26 merupakan halamaan tambah data kriteria yang nantinya pengguna (User) bisa mengganti bobot yang diinginkan untuk menjalankan perhitungan Metode SAW. Antarmuka halaman edit data kriteria disajikan pada Gambar 26 :

Pada Gambar 27 merupakan halaman perbandingan yang berisikan data rumah yang dihitung nilai Fuzzy SAW berdasarkan kriteria kriteria yang ada dengan bobot tertentu sehingga menghasilkan nilai dengan batasan 0-1. Semakin tinggi nilai yang didapat, semakin besar peluang alternatif terbaik oleh sistem. Antarmuka halaman perbandingan disajikan pada Gambar 27:

Gambar 27 Halaman Perbandingan

59

berbandingannya. Antarmuka halaman tambah data perbandingan disajikan pada Gambar 28 :

Gambar 28 Tambah Data Perbandingan

Gambar 29 Hasil Perbandingan

3.6 Perancangan Aantarmuka Aplikasi Untuk Pengguna

Perancangan antarmuka ini dilakukan untuk merancang tata letak sistem sesuai dengan analisis kebutuhan sistem. Antarmuka yang dirancang untuk pengguna adalah sebagai berikut.

3.6.1 Antarmuka Halaman Login

61

Gambar 30 Halaman login pengguna

3.6.2 Antarmuka Halaman Utama Pengguna

Pada Gambar 31 merupakan halaman utama yang berisi fitur-fitur yang terdapat pada aplikasi, halaman ini terdiri dari 3 halaman. Halaman 1 berisi tentang data rumah, halaman 2 tentang fitur info kriteria, dan halaman 3 berisi fitur perbandingan. Antarmuka halaman utama pengguna disajikan pada Gambar 31 :

3.6.3 Antarmuka Halaman Data Rumah

Pada Gambar 32 merupakan halaman data rumah yang berisikan data data tentang rumah yang ada di Bandar Lampung. Di dalam halaman data rumah terdapat menu detail rumah yang menjelaskan tentang spesifikasi rumah beserta maps. Antarmuka halaman data rumah disajikan pada Gambar 32 :

Gambar 32 Halaman Data Rumah

63

Gambar 33 Halaman Data Kriteria

3.6.4 Antarmuka Halaman Edit Data Kriteria

Gambar 34 Halaman Edit Kriteria

65

Gambar 35 Halaman Data Perbandingan

Gambar 36 Tambah Data Perbandingan

67

Gambar 37 Hasil Perbandingan

3.7 Pengujian Sistem

Pengujian sistem menggunakan pengujian black box dengan metode Equivalence Partitioning (EP). Pengujian Equivalence Partitioning (EP) diyakinkan bahwa

masukan dan respon yang diterima sama sehingga terjadi kecocokan antara

aplikasi dan pengguna. Berikut merupakan Tabel .5. Pengujian Equivalence

Tabel 5 Equivalence Partitioning

Kelas Uji Daftar Pengujian Kasus Uji Hasil yang diharapkan Antarmuka Pengujian pada

menu utama aplikasi

Klik tombol menu Guess pada Halaman Login

Menampilkan Antarmuka Halaman Utama

Klik tombol menu Home

Menampilkan Antarmuka Halaman Home

Klik Tombol Menu Data Rumah

Menampilkan Antarmuka Halaman Data Rumah Klik tombol menu

Data Kriteria

Menampilkan Antarmuka Data Kriteria

Klik tombol menu Perbandingan Menampilkan Antarmuka Perbandingan Fungsi Antarmuka Aplikasi Pengujian Antarmuka Data Rumah

Klik tombol Data Rumah

Menampilkan Daftar Data Rumah

Klik tombol salah satu tombol detail

Menampilkan Detail Rumah

Klik Tombol Map Menampilkan Peta Lokasi Rumah yang dipilih

Pengujian Antarmuka Data Kriteria

Klik tombol Data Kriteria

Menampilkan Daftar Data Kriteria

Pengujian Tombol edit Kriteria

Klik tombol edit dan mengisi Persentase kriteria yang diinginkan

Data tersimpan ke Database

Pengujian Antarmuka Perbandingan

Klik Tombol Perbandingan

Menampilkan daftar data rumah yang sudah dipilih pengguna

Klik Tombol Hasil perbandingkan

Menampilkan Nilai perbandingan

Klik Tombol Hapus Menghapus Data salah satu rumah yang ingin

dibandingkan

Klik Tombol Detail Menampilkan Detail Rumah Klik Tombol Map Menampilkan Peta Lokasi

69

Tabel 6 Equivalence Partitioning

Kelas Uji Daftar Pengujian Kasus Uji Hasil yang diharapkan

Login Input data login Username =

“admin”, password = “admin”, klik tombol masuk

Masuk ke halaman utama admin

Username = “admin”, password = “12345”, klik tombol masuk

Menampilkan pesan error password atau username salah Fungsi Halaman Data Rumah Pengujian menambah data Rumah

Mengisi penuh form input dengan data yang sesuai, klik tombol tambah

Data tersimpan ke database

form input tidak terisi penuh, klik tombol tambah

Data tidak tersimpan ke database, tampil pesan peringatan untuk mengisi data yang masih kosong Pengujian Edit

Data Rumah

Klik Edit pada halaman data Rumah

Menampilkan form ubah data Rumah

Mengisi Form edit data rumah yang sesuai, Klik tombol Simpan

Data tersimpan ke database

Pengujian Hapus Data Rumah

Klik hapus pada data rumah 1

Muncul pesan konfirmasi, jika OK, maka data penyakit terhapus

Hapus data salah satu rumah

Menghapus data dari database

Pengujian Antarmuka Data Kriteria

Klik tombol Data Kriteria

Menampilkan Daftar Data Kriteria

Pengujian Tombol edit Kriteria

Klik tombol edit dan mengisi Persentase kriteria yang diinginkan, lalu Klik tombol Simpan

Data tersimpan ke Database

Pengujian Perhitungan Perbandingan

Klik Tombol Perbandingan

Menampilkan daftar data rumah yang sudah dipilih pengguna

Klik tombol Tambah Data Perbandingan

Menampilkan Data Rumah dan pengguna dapat memilih rumah yang ingin

dibandingkan

Kelas Uji Daftar Pengujian Kasus Uji Hasil yang diharapkan

rumah yang ingin dibandingkan

Klik Tombol Hasil perbandingkan

Menampilkan Hasil Nilai Perbandingan

Klik Tombol Detail Menampilkan Detail Rumah Klik Tombol Map Menampilkan Peta Lokasi

V. KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil penelitian yang telah dilakukan dapat disimpulkan bahwa

1. Telah berhasil dibangun aplikasi Sistem Pendukung Keputusan berbasis web untuk membantu pengguna khususnya pengguna yang ingin mencari rumah. 2. Sistem pendukung keputusan yang dibangun dapat memberikan hasil

perhitungan berdasarkan kriteria yang diberikan.

3. Sistem dapat memberikan informasi dan menghitung hasil perbandingan menggunakan Metode SAW kepada pengguna sistem.

4. Hasil pengujian fungsional menggunakan Equivalence Partitioning menunjukkan bahwa sistem yang dibangun telah berjalan sesuai dengan yang diharapkan.

5.2 Saran

Beberapa saran untuk pengembangan lebih lanjut yang dapat diberikan setelah dilakukan penelitians ini adalah sebagai berikut :

Adianto, T. R., Arifin, Z. & Kharina, D. M., 2017. Sistem Pendukung Keputusan Pemilihan Rumah. Samarinda, e-ISSN 2540-7920, pp. 197-201.

Alfa , S., Sari, R. E. & Kurniawan, H., 2014. Metode Fuzzy Simple Additive Weighting (SAW) Dalam Menentukan Kualitas Kulit Ular Untuk Kerajinan Tangan.. Seminar Nasional Informatika 2014, pp. 18-23.

Darmastuti, D., 2013. Implementasi Metode Simple Addittive Weighting (SAW) Dalam Sistem Informasi Lowongan Kerja Berbasis Web Untuk Rekomendasi Pencari Kerja Terbaik. p. 3.

Erwin, P., 2015. Sistem Pendukung Keputusan Penentuan Lokasi Perumahan Ideal Menggunakan Metode Fuzzy Simple Additive Weighting. Jurnal TIMES, 4(1), pp. 12-17.

Fauzi, W., 2016. Sistem Pendukung Keputusan Penerima Bantuan Dana Rutilahu Dengan Menggunakan Metode Electre.. Teknologi Informasi dan Komunikasi (SENTIKA), pp. 432-439.

Fitriani, 2015. Sistem Pendukung Keputusan Penentuan Jenis Rambut Manusia Dengan Menerapkan Metode Simple Additive Aeighting (SAW). Pelita Informatika Budi Darma, 9(3), p. 88.

Hartini, D. C., Ruskan, E. L. & Ibrahim, A., 2013. Sistem Pendukung Keputusan Pemilihan Hotel Di Kota Palembang Dengan Metode Simple Addicttive Weighting. Jurnal Sistem Informasi (JSI), 5(1), pp. 546-565.

Jatmika & Soeminto, Z., 2016. Sistem Pendukung Keputusan Pembelian Rumah Dengan Metode Analytical Hierarki Process Berbasis Android.. Majalah Ilmiah, 8(1), pp. 29-45.

Kaho, M. L. R., Tanaamah, A. R. & Wowor, A. D., 2012. Penerapan Metode Simple Additive Weighting Pada Penentuan Tingkat Kesejahteraan Penduduk Propinsi Nusa Tenggara Timur. pp. 123-139.

94

Mustaqbal, M. S., Firdaus, R. F. & Rahmadi, H., 2015. Pengujian Aplikasi Menggunakan Black Box Testing Boundary Value Analysis.. Jurnal Ilmiah Informasi Terapan, 1(3), pp. 31-36.

Permatasari, A. & Sri, S., 2010. Sistem Pengambilan Keputusan Pembelian Rumah Dengan Menggunakan Fuzzy.. Makalah Jurnal Tugas Akhir, pp. 1-10. Putri, A. A. L., 2007. Sistem Pendukung Pengambilan Keputusan Pemilihan

Rumah. [Online]

Available at: https://repository.usd.ac.id/2155/2/013124075_Full.pdf [Accessed 25 09 2017].

Rahmadani, M. A. & Septiarini, A., 2013. Penerapan Fuzzy Tahani Pada Sistem Pendukung Keputusan Pemilihan Pembelian Rumah Di Kota Samarinda.. Jurnal Informatika Mulawarman, 8(2), pp. 56-60.

Suparmini, 2012. Pola Keruangan Desa Dan Kota. [Online]

Available at:

http://staffnew.uny.ac.id/upload/130814847/pendidikan/MODUL+DESA-KOTA.pdf

[Accessed 20 04 2018].

Supriyono, H. & Sari, C. P., 2015. Pemilihan Rumah Tinggal Menggunakan Metode Weighted Product. KHAZANAH INFORMATIKA | Online ISSN: 2477-698X, 1(1), pp. 23-28.

Suroso , A. M., 2016. Sistem pendukung keputusan berbasis web untuk pemilihan handphone menggunakan metode simple additive weighting.. pp. 1-113.

Urva, G. & Siregar, H. F., 2015. Pemodelan UML E-Marketing Minyak Goreng. Jurnal teknologi dan sistem informasi, 1(2), pp. 92-101.