Sistem Pendukung Keputusan untuk Merekomendasikan TV Layar Datar Menggunakan Metode Weighted Product (WP)

a.     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.

 

Gambar 1: komponen SPK

Gambar 1 menjelaskan tentang komponen SPK bahwa sebuah sistem pendukung keputusan dibangun dari beberapa subsistem, antara lain :

-  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. 

-  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.

a.     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. Metode WP adalah himpunan berhingga dari alternatif keputusan yang dijelaskan dalam           beberapa          hal       kriteria keputusan.

 Langkah – langkah menggunakan metode WP :

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.

 

Gambar : model prototype

Gambar  2  merupakan  tahapan-tahapan  yang  harus  dilalui  pada  Model

Prototype. Tahapan tersebut meliputi :

-     Pengumpulan Kebutuhan Sistem (Requirements)

Tahap awal dimulai dengan menganalis kebutuhan-kebutuhan apa saja yang

diperlukan dalam membangun suatu sistem mulai dari kebutuhan data sampai dengan kebutuhan hardware. Tahap pengumpulan kebutuhan data dilakukan dengan dua cara yaitu dengan metode kepustakaan dan penyebaran kuisioner.

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.

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.

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.

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.

`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