Fuzzy - USD Repository - Universitas Sanata Dharma

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN PEMBELIAN
RUMAH MENGGUNAKAN FUZZY ANALYTICAL HIERARCHY
PROCESS (FAHP)
SKRIPSI
Diajukan Untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Oleh:
Dewi Suryamaharani
135314108
PROGRAM STUDI TEKNIK INFORMATIKA
JURUSAN TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2017
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DECISION SUPPORT SYSTEM OF HOUSE PURCHASE USING FUZZY
ANALYTICAL HIERARCHY PROCESS METHOD
A THESIS
Presented as Partial Fullfillment of the Requirements
To Obtain the Sarjana Komputer Degree
In Informatics Engineering Study Program
By:
Dewi Suryamaharani
135314108
INFORMATICS ENGINEERING STUDY PROGRAM
DEPARTMENT OF INFORMATICS ENGINEERING
FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
2017
ii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
iii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
iv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
HALAMAN MOTTO
Man Jadda Wa Jada
“Barangsiapa yang bersungguh-sungguh, maka pasti akan mendapatkan hasil”
v
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
viii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ABSTRAK
Dilihat dari data Badan Pusat Statistik (BPS) dari tahun ke tahun jumlah
penduduk di Indonesia terus meningkat. Hal tersebut membuat kebutuhan tempat
tinggal seperti rumah menjadi semakin meningkat dari tahun ke tahun. Hasil sensus
penduduk pada tahun 2010 memperlihatkan bahwa data rumah tangga yang
menempati rumah milik sendiri adalah sebesar 77,70 persen dari seluruh jumlah
penduduk di Indonesia (BPS, 2016). Meningkatnya permintaan kebutuhan tempat
tinggal khususnya rumah membuat para pengembang perumahan berlomba-lomba
untuk menawarkan rumah sebagai tempat tinggal. Rumah yang ditawarkan juga
bermacam-macam sesuai dengan kebutuhan dan kemampuan perorangan.
Sistem pendukung pengambilan keputusan pembelian rumah menggunakan
metode Fuzzy Analytical Hierarchy Process (FAHP) dibangun untuk mengatasi
kesulitan dalam memilih rumah yang akan dibeli. Kriteria yang digunakan adalah
harga rumah, luas tanah, luas bangunan, lokasi rumah, dan spesifikasi rumah.
Kriteria tersebut akan digunakan sebagai variabel linguistik. Prioritas kepentingan
yang digunakan adalah kriteria Chang dengan fungsi keanggotaan Triangular
Fuzzy Number (TFN). Sistem ini dibangun berbasis web dengan bahasa
pemrograman PHP.
Berdasarkan hasil analisa ujicoba sistem, sistem pendukung pengambilan
keputusan yang dibangun dengan menerapan Metode Fuzzy Analytical Hierarchy
Process (FAHP) berhasil dibangun. Rekomendasi rumah yang dihasilkan oleh
sistem sangat tergantung pada prioritas kepentingan pengguna. Akurasi yang
didapatkan pada penelitian ini adalah 100%.
Kata kunci: Fuzzy Analytical Hierarchy Process (FAHP), Sistem Pendukung
Pengambilan Keputusan (SPPK), Rumah.
ix
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ABSTRACT
As seen from Badan Pusat Statistik (BPS) the number of population keep
increasing from year to year. As a result the need of domicile such as the need of
owning house is also increasing from year to year. The census result on 2010 shows
the data of house hold which is stayed at their own property around 77,70 percent
among the population of Indonesia (BPS, 2016). The increasing need of domicile
especially a house, makes the housing development race against to promote their
product as a house for living. The products to be promoted are various accord with
every customer’s needs and capability to afford.
The decision support system of house purchase is using Fuzzy Analytical
Hierarchy Process method (FAHP) created to solve the difficulty of choosing house
to be purchased. The criteria used are price, landmass, building capacious, location
and specifications. Those criteria will be used as linguistic variable. The top priority
that being used is Chang’s criteria which is using member function of Triangular
Fuzzy Number (TFN). This system was created based on web system and using
language program PHP.
According to the result of tryout system, the decision support system which
is built by embedded the Fuzzy Analytical Hierarchy Process (FAHP) was succeed.
The result of house recommendation is really dependent on customer’s needs
priority. The accuracy of this research is 100%.
Keywords: Fuzzy Analytical Hierarchy Process (FAHP), Decision Support
System (DSS), House.
x
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
KATA PENGANTAR
Puji dan syukur kepada Tuhan Yang Maha Esa atas berkah dan karuniaNya,
sehingga penulis dapat menyelesaikan tugas akhir ini sebagai salah satu syarat
akademik jurusan teknik Informasi Univertas Sanata Dharma Yogyakarta.
Pada kesempatan ini, penulis mengucapkna terimakasih kepada seluruh pihak
yang telah membantu dalam proses pengerjaan tugas akhir ini. Ucapan terimakasih
disampaikan kepada:
1. Allah SWT yang selalu melancarkan apa yang saya jalani dan selalu
memberikan jalan yang terbaik.
2. Keluarga, alm. Bapak Sudamaryono, Ibu Prabandari, Dian Sukmawati,
Diah Mentariningtyas dan Bapak Edit yang selalu memberikan dukungan
dan doa.
3. Bapak Sudi Mungkasi, S.Si, M.Math.Sc., Ph.D selaku Dekan Fakultas
Sains dan Teknologi Universitas Sanata Dharma Yogyakarta.
4. Ibu Dr. Anastasia Rita selaku Ketua Prodi Fakultas Sains dan Teknologi
Universitas Sanata Dharma Yogyakarta.
5. Bapak Eko Hari Parmadi, S.Si., M.Kom. selaku dosen pembimbing yang
selalu mendukung dan sabar selama bimbingan tugas akhir berlangsung.
6. Faza Fahmidinawan yang mendampingi saya dan menjadi penyemangat
sekaligus penghibur.
7. Sahabat-sahabat T.I B (er7) yaitu Theodora Ratri D., Ni Komang Asih S.,
Birgitta Ranindya S., Elisabeth Nasa Sari, Novy Ika Anthonia, dan Claudia
Anggivi E. yang selama ini selalu menjadi teman disaat suka dan duka.
8. Group OKE yang selama ini bersama-sama jatuh dan bangun dalam
berjuang mengerjakan skripsi, khususnya Putra dan Arka yang telah
mengajari dan memberi masukkan.
9. Teman-teman angkatan 2013 yang sedang berjuang bersama-sama dan
saling menemani saat sedang mengerjakan skripsi.
10. PT Agatama Putra Group yang telah mengijinkan saya untuk mendapatkan
data dan informasi mengenai perumahan.
xi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR ISI
Contents
HALAMAN SAMPUL ............................................................................................ i
HALAMAN SAMPUL ........................................................................................... ii
HALAMAN PERSETUJUAN ............................................................................... iii
HALAMAN PENGESAHAN ............................................................................... iv
HALAMAN MOTTO ............................................................................................. v
HALAMAN PERSEMBAHAN ............................................................................ vi
PERNYATAAN KEASLIAN KARYA ............................................................... vii
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH
UNTUK KEPENTINGAN AKADEMIS ............................................................ viii
ABSTRAK ............................................................................................................. ix
ABSTRACT ............................................................................................................ x
KATA PENGANTAR ........................................................................................... xi
DAFTAR ISI ......................................................................................................... xii
DAFTAR GAMBAR .......................................................................................... xvii
DAFTAR TABEL .............................................................................................. xxiv
BAB I PENDAHULUAN ....................................................................................... 1
1.1
Latar Belakang ............................................................................................. 1
1.2
Rumusan Masalah Penelitian ....................................................................... 4
1.3
Tujuan Penelitian ......................................................................................... 4
1.4
Batasan Masalah .......................................................................................... 4
1.5
Manfaat Penelitian ....................................................................................... 5
1.6
Metodologi Penelitian .................................................................................. 5
1.7
Sistematika Penulisan .................................................................................. 6
BAB II LANDASAN TEORI ................................................................................. 7
2.1
Sistem Pendukung Keputusan...................................................................... 7
2.1.1
Pengertian ................................................................................................. 7
2.1.2
Tujuan....................................................................................................... 7
2.2
2.2.1
Logika Fuzzy ................................................................................................ 8
Pengenalan Logika Fuzzy ......................................................................... 8
xii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2.2.2
Fungsi Keanggotaan ............................................................................... 10
2.3
Fuzzy MADM (Multi-Attribute Decition Making) .................................... 13
2.4
Fuzzy Analytical Hierarchy Process (F-AHP) ........................................... 14
BAB III METODE PENELITIAN ....................................................................... 19
3.1
Gambaran Umum ....................................................................................... 19
3.2
Desain Penelitian ....................................................................................... 19
3.2.1
Studi Literatur ........................................................................................ 19
3.2.2
Data ........................................................................................................ 19
3.2.3
Perancangan Alat Uji ............................................................................. 20
3.2.4
Pengujian dan Analisis ........................................................................... 21
3.3
Spesifikasi Software dan Hardware ........................................................... 21
BAB IV ANALISIS DAN PERANCANGAN SISTEM ...................................... 23
4.1
Analisis Masalah ........................................................................................ 23
4.1.1
Analisis Sistem Lama ............................................................................. 23
4.1.2
Analisis Sistem Baru .............................................................................. 23
4.2
Gambaran Umum Sistem ........................................................................... 23
4.3
Analisis Kebutuhan Sistem ........................................................................ 24
4.4
Perancangan Sistem Inferensi Metode Fuzzy Analytical Hierarcy Process
30
4.4.1
Kriteria ................................................................................................... 30
4.4.2
Himpunan Fuzzy .................................................................................... 34
4.4.3
Proses Sistem Pendukung Pengambilan Keputusan ............................... 39
4.4.4
Contoh Perhitungan Manual Proses Pengambilan Keputusan ............... 42
4.5
Perancangan Proses .................................................................................... 57
4.5.1
Diagram Konteks Sistem ........................................................................ 57
4.5.2
Diagram Aliran Data Level 1 ................................................................. 58
4.5.3
Diagram Aliran Data Level 2 ................................................................. 59
4.5.4
Diagram Aliran Data Level 3 ................................................................. 62
4.6
Perancangan Basisdata ............................................................................... 63
4.6.1
Perancangan Konseptual ........................................................................ 63
4.6.2
Perancangan Logikal .............................................................................. 65
xiii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4.6.3
4.7
Perancangan Fisikal................................................................................ 66
Perancangan User Interface ....................................................................... 70
4.7.1
Halaman Utama ...................................................................................... 70
4.7.2
Halaman Profil ....................................................................................... 70
4.7.3
Halaman Perumahan .............................................................................. 71
4.7.4
Halaman Daftar Rumah .......................................................................... 72
4.7.5
Halaman Sistem Pendukung Pengambilan Keputusan ........................... 72
4.7.6
Halaman Hasil Sistem Pendukung Pengambilan Keputusan ................. 73
4.7.7
Halaman Rincian Data Hasil Sistem Pendukung Pengambilan Keputusan
74
4.7.8
Halaman Help ......................................................................................... 74
4.7.9
Halaman Login ....................................................................................... 75
4.7.10
Halaman Adminitrator ............................................................................ 76
4.7.11
Halaman Kelola Data ............................................................................. 76
4.7.12
Halaman Ubah Data ............................................................................... 77
4.7.13
Popup Hapus Data .................................................................................. 78
BAB V IMPLEMENTASI, HASIL, DAN PEMBAHASAN ............................... 79
5.1
Implementasi Database .............................................................................. 79
5.1.1
Tabel Data Admin .................................................................................. 79
5.1.2
Tabel Data Rumah .................................................................................. 80
5.1.3
Tabel Data Gambar_perumahan ............................................................. 80
5.1.4
Tabel Data Gambar_rumah .................................................................... 81
5.1.5
Tabel Data Perumahan ........................................................................... 82
5.1.6
Tabel Data Spesifikasi ............................................................................ 83
5.2.
5.2.1
Implementasi Algoritma Fuzzy Analytical Hierarcy Process.................... 84
Menentukan perbandingan matriks berpasangan antar kriteria dengan
skala triangular fuzzy number (TFN) ................................................................... 91
5.2.2
Menentukan Nilai Batas Sintesis Fuzzy (𝑆𝑖) .......................................... 96
5.2.3
Menentukan Nilai Vektor (V) Prioritas Fuzzy AHP .............................. 99
5.2.4
Menentukan Nilai Ordinat Defuzzifikasi (d’) ...................................... 100
5.2.5
Normalisasi Nilai Bobot Vektor Fuzzy (W). ........................................ 101
xiv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5.2.6
Menentukan vektor bobot untuk setiap 𝐴𝑖 yang mempresentasikan bobot
dari setiap menggunakan pendekatan subjektif. ................................................ 102
5.2.7
5.3
Perangkingan dan Hasil Keputusan. ..................................................... 107
Implemenasi Interface .............................................................................. 113
5.3.1
Halaman Utama .................................................................................... 113
5.3.2
Halaman Profil ..................................................................................... 113
5.3.3
Halaman Perumahan ............................................................................ 114
5.3.4
Halaman Daftar Rumah ........................................................................ 114
5.3.5
Halaman Sistem Pendukung Pengambilan Keputusan ......................... 115
5.3.6
Halaman Hasil Sistem Pendukung Pengambilan Keputusan ............... 115
5.3.7
Halaman Rincian Data Hasil Sistem Pendukung Pengambilan Keputusan
116
5.3.8
Halaman Help ....................................................................................... 118
5.3.9
Halaman Login Administrator ............................................................. 118
5.3.10
Halaman Administrator ........................................................................ 119
5.3.11
Halaman Kelola Data Lokasi Perumahan ............................................ 119
5.3.12
Halaman Ubah Data Lokasi Perumahan .............................................. 120
5.3.13
Popup Hapus Data Lokasi Perumahan ................................................. 121
5.3.14
Halaman Kelola Data Spesifikasi ......................................................... 121
5.3.15
Halaman Ubah Data Spesifikasi ........................................................... 122
5.3.16
Popup Hapus Data Spesifikasi ............................................................. 123
5.3.17
Halaman Kelola Data Rumah ............................................................... 123
5.3.18
Halaman Ubah Data Rumah ................................................................. 124
5.3.19
Popup Hapus Data Rumah ................................................................... 124
5.3.20
Halaman Kelola Data Gambar Denah Rumah dan Lokasi ................... 125
5.3.21
Halaman Ubah Data Gambar Denah Rumah dan Lokasi ..................... 126
5.3.22
Popup Hapus Data Gambar Denah Rumah dan Lokasi ....................... 126
5.3.23
Halaman Kelola Data Gambar Rumah ................................................. 127
5.3.24
Halaman Ubah Data Gambar Rumah ................................................... 128
5.3.25
Popup Hapus Data Gambar Rumah ..................................................... 128
5.4
Uji Coba Perangkat Lunak ....................................................................... 128
xv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5.5
Pengujian Hasil Manual dengan Sistem .................................................. 164
5.5.1
Hasil Perhitungan Manual .................................................................... 165
5.5.2
Hasil Perhitungan Sistem ..................................................................... 168
5.8
Kekurangan Sistem .................................................................................. 173
BAB VI PENUTUP ............................................................................................ 174
6.1
Kesimpulan .............................................................................................. 174
6.2
Saran ........................................................................................................ 174
DAFTAR PUSTAKA ......................................................................................... 175
xvi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR GAMBAR
Gambar 2.1 Himpunan fuzzy pada variabel temperatur ......................................... 9
Gambar 2.2 Representasi Linier Naik ................................................................... 11
Gambar 2.3 Representasi Linier Turun ................................................................. 11
Gambar 2.4 Kurva Segitiga ................................................................................... 12
Gambar 2.5 Kurva Triangular Fuzzy Number (TFN) ........................................... 12
Gambar 2.6 Kurva Trapesium ............................................................................... 13
Gambar 2.7 Fungsi Keanggotaan Segitiga (Chang, 1996).................................... 14
z
Gambar 4.1 Use Case Diagram Administrator ..................................................... 27
Gambar 4 2 Use Case Package Kelola Lokasi ...................................................... 27
Gambar 4.3 Use Case Package Kelola Spesifikasi. .............................................. 28
Gambar 4.4 Use Case Package Kelola Rumah ..................................................... 28
Gambar 4.5 Use Case Package Kelola Gambar Denah dan Lokasi ...................... 28
Gambar 4.6 Use Case Package Kelola Gambar Rumah ....................................... 29
Gambar 4.7 Use Case Diagram User .................................................................... 29
Gambar 4.8 Use Case Package Lihat Perumahan ................................................. 29
Gambar 4.9 Use Case Package Sistem Pendukung Keputusan ............................ 30
Gambar 4.10 Flowchart System ............................................................................ 41
Gambar 4.11 Diagram Konteks Sistem................................................................. 58
Gambar 4.12 Diagram Aliran Data Level 1 Adminsitrator .................................. 58
Gambar 4.13 Diagram Aliran Data Level 1 User ................................................. 59
Gambar 4.14 Diagram Aliran Data Level 2 Proses 2 Administrator .................... 59
Gambar 4.15 Diagram Aliran Data Level 2 Proses 3 Administrator .................... 60
Gambar 4.16 Diagram Aliran Data Level 2 Proses 4 Administrator .................... 60
Gambar 4.17 Diagram Aliran Data Level 2 Proses 5 Administrator .................... 61
Gambar 4.18 Diagram Aliran Data Level 2 Proses 6 Administrator .................... 61
Gambar 4.19 Diagram Aliran Data Level 2 Proses 2 User ................................... 62
Gambar 4.20 Diagram Aliran Data Level 2 Proses 3 User ................................... 62
Gambar 4.21 Diagram Aliran Data Level 3 Proses 2.1 User ................................ 62
Gambar 4.22 Diagram Aliran Data Level 3 Proses 3.1 User ................................ 63
xvii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 4.23 Entity Relationship Diagram .......................................................... 64
Gambar 4.25 Halaman Utama ............................................................................... 70
Gambar 4.26 Halaman Profil ................................................................................ 71
Gambar 4.27 Halaman Perumahan ....................................................................... 71
Gambar 4.28 Halaman Daftar Rumah................................................................... 72
Gambar 4.29 Halaman Sistem Pendukung Pengambilan Keputusan ................... 73
Gambar 4.30 Halaman Hasil Sistem Pendukung Pendukung Keputusan ............. 73
Gambar 4.31 Halaman Rincian Data Hasil Sistem Pendukung Pengambilan
Keputusan ............................................................................................................. 74
Gambar 4.32 Halaman Help.................................................................................. 75
Gambar 4.33 Halaman Login Administrator ........................................................ 75
Gambar 4.34 Halaman Administrator ................................................................... 76
Gambar 4.35 Halaman Kelola Data ...................................................................... 77
Gambar 4.36 Halaman Ubah Data ........................................................................ 77
Gambar 4.37 Popup Hapus Data ........................................................................... 78
z
Gambar 5.1 Tabel pada Database: fuzzyahp ......................................................... 79
Gambar 5.2 Tabel Admin ..................................................................................... 79
Gambar 5.3 Tabel Rumah ..................................................................................... 80
Gambar 5.4 Tabel Gambar_perumahan ................................................................ 80
Gambar 5.5 Tabel Gambar_rumah........................................................................ 81
Gambar 5.6 Tabel Perumahan ............................................................................... 82
Gambar 5.7 Tabel Spesifikasi ............................................................................... 83
Gambar 5.8 Array Lokasi, Jarak dan Waktu Tempuh .......................................... 86
Gambar 5.9 Nilai Total Jarak ................................................................................ 86
Gambar 5.10 Nilai Rata-Rata Jarak untuk Nilai Lokasi ....................................... 87
Gambar 5.11 Array Penilaian Kriteria Spesifikasi................................................ 88
Gambar 5.12 Array Nilai Kriteria Spesifikasi ...................................................... 89
Gambar 5.13 Array Nilai Kriteria Spesifikasi ...................................................... 90
Gambar 5.14 Array Total Nilai Tinggi, Sedang, dan Rendah............................... 90
Gambar 5.15 Total Nilai Spesifikasi ..................................................................... 91
Gambar 5.16 Array Nilai Prioritas Kepentingan antar Kriteria dari User ............ 92
xviii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 5.17 Array Semua Nilai Prioritas Kepentingan antar Kriteria ................ 93
Gambar 5.18 Array Perbandingan Matriks Berpasangan antar Kriteria dengan
Skala TFN ............................................................................................................. 95
Gambar 5.19 Array Jumlah l, m, dan u Setiap Kriteria ........................................ 97
Gambar 5.20 Array Total Jumlah l, m, dan u ....................................................... 98
Gambar 5.21 Array Nilai Batas Sintesis Fuzzy Setiap Kriteria ............................ 98
Gambar 5.22 Array Nilai Vektor (V) Prioritas Fuzzy AHP Setiap Kriteria ....... 100
Gambar 5.23 Array Nilai Ordinat Defuzzifikasi Setiap Kriteria ........................ 100
Gambar 5.24 Array Normalisasi Nilai Bobot Vektor Fuzzy Setiap Kriteria ...... 101
Gambar 5.25 Array Data Rumah ........................................................................ 103
Gambar 5.26 Nilai Maksimal Setiap Kriteria ..................................................... 105
Gambar 5.27 Nilai Minimal Setiap Kriteria ....................................................... 105
Gambar 5.28 Array Nilai Vektor Bobot Setiap Kriteria ..................................... 106
Gambar 5.29 Array Nilai Normalisasi Vektor Bobot Setiap Kriteria ................. 107
Gambar 5.30 Array Nilai Skor Setiap Alternatif ................................................ 108
Gambar 5.31 Array Data Rumah dan Nilai Skor Setiap Alternatif .................... 109
Gambar 5.32 Array Rangking Data Rumah dan Nilai Skor Setiap .................... 112
Gambar 5.33 Data Rumah yang Paling Direkomendasi ..................................... 112
Gambar 5.34 Halaman Utama ............................................................................. 113
Gambar 5.35 Halaman Profil .............................................................................. 113
Gambar 5.36 Halaman Perumahan ..................................................................... 114
Gambar 5.37 Halaman Daftar Rumah................................................................. 114
Gambar 5.38 Halaman Sistem Pendukung Pengambilan Keputusan ................. 115
Gambar 5.39 Halaman Hasil Sistem Pendukung Pengambilan Keputusan ........ 115
Gambar 5.40 Halaman Rincian Data Hasil Sistem Pendukung Pengambilan
Keputusan ........................................................................................................... 117
Gambar 5.41 Halaman Help................................................................................ 118
Gambar 5.42 Halaman Login Administrator ...................................................... 118
Gambar 5.43 Halaman Administrator ................................................................. 119
Gambar 5.44 Halaman Kelola Data Lokasi Perumahan ..................................... 120
Gambar 5.45 Halaman Ubah Data Lokasi Perumahan ....................................... 120
xix
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 5.46 Popup Hapus Data Lokasi Perumahan .......................................... 121
Gambar 5.47 Halaman Kelola Data Spesifikasi.................................................. 122
Gambar 5.48 Halaman Ubah Data Spesifikasi.................................................... 122
Gambar 5.49 Popup Hapus Data Spesifikasi ...................................................... 123
Gambar 5.50 Halaman Kelola Data Rumah........................................................ 123
Gambar 5.51 Halaman Ubah Data Rumah.......................................................... 124
Gambar 5.52 Popup Hapus Data Rumah ............................................................ 124
Gambar 5.53 Halaman Kelola Data Denah Rumah dan Lokasi ......................... 125
Gambar 5.54 Halaman Ubah Data Denah Rumah dan Lokasi ........................... 126
Gambar 5.55 Popup Hapus Data Denah Rumah dan Lokasi .............................. 126
Gambar 5.56 Halaman Kelola Data Gambar Rumah .......................................... 127
Gambar 5.57 Halaman Ubah Data Gambar Rumah ............................................ 128
Gambar 5.58 Popup Hapus Data Gambar Rumah .............................................. 128
Gambar 5.59 Halaman Menu Profil .................................................................... 131
Gambar 5.60 Halaman Menu Perumahan ........................................................... 132
Gambar 5.61 Klik Gambar pada Kolom Denah Rumah dan Lokasi .................. 132
Gambar 5.62 Lihat Gambar ................................................................................ 132
Gambar 5.63 Halaman Daftar Rumah................................................................. 133
Gambar 5.64 Halaman Form Sistem Pengambilan Keputusan ........................... 134
Gambar 5.65 Rekomendasi Rumah .................................................................... 134
Gambar 5.66 Rincian Rumah .............................................................................. 135
Gambar 5.67 Halaman Menu Help ..................................................................... 135
Gambar 5.68 Gambar Input prioritas kepentingan antar kriteria percobaan 1.... 136
Gambar 5.69 Hasil rekomendasi rumah dari percobaan 1 .................................. 136
Gambar 5. 70 Gambar Input prioritas kepentingan antar kriteria percobaan 2... 137
Gambar 5. 71 Hasil rekomendasi rumah dari percobaan 2 ................................. 137
Gambar 5. 72 Gambar Input prioritas kepentingan antar kriteria percobaan 3... 138
Gambar 5. 73 Hasil rekomendasi rumah dari percobaan 3 ................................. 138
Gambar 5.74 Input Login Salah .......................................................................... 139
Gambar 5.75 Hasil Input Login Salah ................................................................ 139
Gambar 5.76 Input Login Benar ......................................................................... 140
xx
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 5.77 Hasil Input Login Benar ................................................................ 140
Gambar 5.78 Data Lokasi Perumahan ................................................................ 142
Gambar 5.79 Pemberitahuan Wajib diisi Input Data Lokasi Perumahan ........... 142
Gambar 5.80 Pemberitahuan Data Lokasi Perumahan Berhasil Ditambah ........ 142
Gambar 5.81 Data Lokasi Perumahan Berhasil Ditambah ................................. 142
Gambar 5.82 Ubah Data Lokasi Perumahan ....................................................... 143
Gambar 5.83 Pemberitahuan Data Lokasi Perumahan Berhasil Diubah ............ 143
Gambar 5.84 Data Lokasi Perumahan Berhasil Diubah ..................................... 143
Gambar 5.85 Klik Hapus Data Lokasi Perumahan ............................................. 143
Gambar 5.86 Popups Konfirmasi Hapus Data Lokasi Perumahan ..................... 143
Gambar 5.87 Data Lokasi Perumahan Berhasil Dihapus .................................... 143
Gambar 5.88 Data Spesifikasi............................................................................. 145
Gambar 5.89 Klik Gambar pada Kolom Rincian Spesifikasi ............................. 146
Gambar 5.90 Lihat Gambar ................................................................................ 146
Gambar 5.91 Pemberitahuan Wajib diisi Input Data Spesifikasi ....................... 146
Gambar 5.92 Pemberitahuan Data Spesifikasi Berhasil Ditambah..................... 146
Gambar 5.93 Klik Gambar pada Kolom Denah Rumah dan Lokasi .................. 147
Gambar 5.94 Ubah Data Spesifikasi ................................................................... 147
Gambar 5.95 Pemberitahuan Data Spesifikasi Berhasil Diubah......................... 147
Gambar 5.96 Data Spesifikasi Berhasil Diubah ................................................. 147
Gambar 5.97 Klik Hapus Data Spesifikasi ......................................................... 147
Gambar 5.98 Popups Konfirmasi Hapus Data Spesifikasi ................................. 148
Gambar 5.99 Data Spesifikasi Berhasil Dihapus ................................................ 148
Gambar 5.100 Data Rumah ................................................................................. 149
Gambar 5.101 Pemberitahuan Wajib diisi Input Data Rumah............................ 150
Gambar 5.102 Pemberitahuan Data Rumah Berhasil Ditambah ........................ 150
Gambar 5.103 Data Rumah Berhasil Ditambah.................................................. 150
Gambar 5.104 Ubah Data Rumah ....................................................................... 151
Gambar 5.105 Pemberitahuan Data Rumah Berhasil Diubah ............................ 151
Gambar 5.106 Data Rumah Berhasil Diubah...................................................... 151
Gambar 5.107 Klik Hapus Data Rumah ............................................................. 151
xxi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 5.108 Popups Konfirmasi Hapus Data Rumah ..................................... 151
Gambar 5.109 Data Rumah Berhasil Dihapus .................................................... 152
Gambar 5.110 Data Gambar Denah Rumah dan Lokasi ..................................... 154
Gambar 5.111 Klik Gambar pada Kolom Gambar File ...................................... 154
Gambar 5.112 Lihat Gambar .............................................................................. 155
Gambar 5.113 Pemberitahuan Pemberitahuan Wajib diisi Input Data Gambar
Denah Rumah dan Lokasi ................................................................................... 155
Gambar 5.114 Input Data Gambar Denah Rumah dan Lokasi Nama Perumahan
Sudah Ada ........................................................................................................... 156
Gambar 5.115 Pemberitahuan Terjadi Duplikat Data ......................................... 156
Gambar 5.116 Input Data Gambar Denah Rumah dan Lokasi ........................... 156
Gambar 5.117 Pemberitahuan Data Gambar Denah Rumah dan Lokasi Berhasil
Ditambah ............................................................................................................. 156
Gambar 5.118 Data Gambar Denah Rumah dan Lokasi Berhasil Ditambah...... 157
Gambar 5.119 Ubah Data Gambar Denah Rumah dan Lokasi ........................... 157
Gambar 5.120 Pemberitahuan Data Gambar Denah Rumah dan Lokasi Berhasil
Diubah ................................................................................................................. 157
Gambar 5.121 Data Gambar Denah Rumah dan Lokasi Berhasil Diubah.......... 157
Gambar 5.122 Klik Hapus Data Gambar Denah Rumah dan Lokasi ................. 157
Gambar 5.123 Popups Konfirmasi Hapus Data Gambar Denah Rumah dan Lokasi
............................................................................................................................. 158
Gambar 5.124 Data Gambar Denah Rumah dan Lokasi Berhasil Dihapus ........ 158
Gambar 5.125 Data Gambar Rumah ................................................................... 160
Gambar 5.126 Klik Gambar pada Kolom Gambar File ...................................... 160
Gambar 5.127 Lihat Gambar .............................................................................. 161
Gambar 5.128 Pemberitahuan Pemberitahuan Wajib diisi Input Data Gambar
Rumah ................................................................................................................. 161
Gambar 5.129 Input Data Gambar Rumah Nama Perumahan dan Lantai Sudah
Ada ...................................................................................................................... 161
Gambar 5.130 Pemberitahuan Terjadi Duplikat Data ......................................... 161
Gambar 5.131 Input Data Gambar Rumah ......................................................... 162
xxii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 5.132 Pemberitahuan Data Gambar Rumah Berhasil Ditambah ........... 162
Gambar 5.133 Data Gambar Rumah Berhasil Ditambah .................................... 162
Gambar 5.134 Ubah Data Gambar Rumah ......................................................... 162
Gambar 5.135 Pemberitahuan Data Gambar Rumah Berhasil Diubah ............... 162
Gambar 5.136 Data Gambar Rumah Berhasil Diubah ........................................ 163
Gambar 5.137 Klik Hapus Data Gambar Rumah ............................................... 163
Gambar 5.138 Popups Konfirmasi Hapus Data Gambar Rumah........................ 163
Gambar 5.139 Data Gambar Rumah Berhasil Dihapus ...................................... 163
Gambar 5.140 Klik Icon Logout ......................................................................... 164
Gambar 5.141 Berhasil Logout ........................................................................... 164
Gambar 5.142 Array Normalisasi Nilai Bobot Vektor Fuzzy Setiap Kriteria .... 168
Gambar 5.143 Array Nilai Normalisasi Vektor Bobot Setiap Kriteria ............... 169
Gambar 5.144 Array Data Rumah dan Nilai Skor Setiap Alternatif .................. 171
Gambar 5.145 Array Rangking Data Rumah dan Nilai Skor Setiap Alternatif .. 172
Gambar 5.146 Data Rumah yang Paling Direkomendasi ................................... 173
xxiii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR TABEL
Tabel 2.1 Skala Triangular Fuzzy Number (Chang, 1996) ................................... 14
z
Tabel 4.1 Data Jarak Perumahan Agatama Residence Purwomartani .................. 32
Tabel 4.2 Data Penilaian Spesifikasi Perumahan Agatama Residence
Purwomartani ........................................................................................................ 34
Tabel 4.3 Skala Triangular Fuzzy Number (Chang, 1996). .................................. 35
Tabel 4.4 Skala Triangular Fuzzy Number (Chang, 1996) dan Grafik................. 36
Tabel 4.5 Data Rumah .......................................................................................... 42
Tabel 4.6 Perbandingan Prioritas antar Kriteria dengan Skala TFN .................... 43
Tabel 4.7 Perbandingan Matriks Berpasangan antar Kriteria dengan Skala TFN 43
Tabel 4.8 Total Nilai Lower, Median, dan Upper ................................................. 44
Tabel 4.9 Nilai Batas Sintesis Fuzzy .................................................................... 46
Tabel 4.10 Nilai Vektor (V) Prioritas Fuzzy AHP ............................................... 47
Tabel 4.11 Nilai Ordinat Defuzzifikasi (d’) .......................................................... 48
Tabel 4.12 Normalisasi Nilai Bobot Vektor Fuzzy (W) ....................................... 48
Tabel 4.13 Nilai Bobot Vektor (w) Kriteria Harga ............................................... 49
Tabel 4.14 Nilai Bobot Vektor (w) Kriteria Luas Tanah ...................................... 50
Tabel 4 15 Nilai Bobot Vektor (w) Kriteria Luas Bangunan ................................ 51
Tabel 4.16 Nilai Bobot Vektor (w) Kriteria Lokasi .............................................. 52
Tabel 4.17 Nilai Bobot Vektor (w) Kriteria Spesifikasi ....................................... 52
Tabel 4.18 Normalisasi Nilai Bobot Vektor (w) Kriteria Harga........................... 53
Tabel 4.19 Normalisasi Nilai Bobot Vektor (w) Kriteria Luas Tanah.................. 53
Tabel 4 20 Normalisasi Nilai Bobot Vektor (w) Kriteria Luas Bangunan ........... 54
Tabel 4.21 Normalisasi Nilai Bobot Vektor (w) Kriteria Lokasi ......................... 55
Tabel 4.22 Normalisasi Nilai Bobot Vektor (w) Kriteria Spesifikasi ................... 55
Tabel 4.23 Nilai Bobot Vektor (W) Kriteria dan .................................................. 56
Tabel 4.24 Hasil Skor Setiap ................................................................................ 56
Tabel 4.25 Perangkingan dan Hasil Keputusan .................................................... 57
Tabel 4.26 admin .................................................................................................. 66
Tabel 4. 27 perumahan .......................................................................................... 66
xxiv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Tabel 4.28 spesifikasi ............................................................................................ 68
Tabel 4.29 rumah .................................................................................................. 69
Tabel 4.30 gambar_perumahan ............................................................................. 69
Tabel 4.31 gambar_rumah .................................................................................... 69
z
Tabel 5.1 Penilaian Prioritas Kepentingan antar Kriteria dari User ..................... 91
Tabel 5.2 Nilai Value dari Nilai Lingustik pada Program .................................... 92
Tabel 5.3 Perbandingan Matriks Berpasangan antar Kriteria dengan Skala TFN 95
Tabel 5.4 Matriks Jumlah l, m, dan u Setiap Kriteria ........................................... 97
Tabel 5.5 Matriks Total Jumlah l, m, dan u .......................................................... 98
Tabel 5.6 Matriks Nilai Batas Sintesis Fuzzy (Si) Setiap Kriteria ........................ 99
Tabel 5.7 Matriks Nilai Vektor (V) Prioritas Fuzzy AHP Setiap Kriteria .......... 100
Tabel 5.8 Matriks Nilai Ordinat Defuzzifikasi Setiap Kriteria ........................... 101
Tabel 5.9 Matriks Normalisasi Nilai Bobot Vektor Fuzzy Setiap Kriteria ......... 101
Tabel 5.10 Nilai Maksimal Setiap Kriteria ......................................................... 105
Tabel 5.11 Nilai Minimal Setiap Kriteria ........................................................... 105
Tabel 5.12 Nilai Vektor Bobot Setiap Kriteria ................................................... 106
Tabel 5.13 Nilai Normalisasi Vektor Bobot Setiap Kriteria ............................... 107
Tabel 5.14 Nilai Skor Setiap Alternatif .............................................................. 108
Tabel 5.15 Langkah Uji Sistem........................................................................... 128
Tabel 5.16 Hasil Uji Menu Profil ....................................................................... 130
Tabel 5.17 Hasil Uji Menu Perumahan ............................................................... 131
Tabel 5.18 Hasil Uji Sistem Pendukung Keputusan ........................................... 133
Tabel 5.19 Hasil Uji Menu Help ......................................................................... 135
Tabel 5.20 Hasil Uji Login ................................................................................. 139
Tabel 5.21 Hasil Uji Kelola Data Lokasi Perumahan ......................................... 140
Tabel 5.22 Hasil Uji Kelola Data Spesifikasi ..................................................... 144
Tabel 5.23 Hasil Uji Kelola Data Rumah ........................................................... 148
Tabel 5.24 Hasil Uji Data Gambar Denah Rumah dan Lokasi ........................... 152
Tabel 5.25 Hasil Uji Gambar Rumah.................................................................. 158
Tabel 5.26 Hasil Uji Logout ............................................................................... 163
Tabel 5. 27 Data Rumah ..................................................................................... 164
xxv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Tabel 5.28 Penilaian Prioritas Kepentingan antar Kriteria dari User ................. 165
Tabel 5.29 Nilai Bobot Vektor Fuzzy (W) ......................................................... 165
Tabel 5.30 Nilai Bobot Vektor (w) Kriteria Harga ............................................. 165
Tabel 5.31 Normalisasi Nilai Bobot Vektor (w) Kriteria Luas Tanah................ 166
Tabel 5.32 Normalisasi Nilai Bobot Vektor (w) Kriteria Luas Bangunan ......... 166
Tabel 5.33 Normalisasi Nilai Bobot Vektor (w) Kriteria Lokasi ....................... 166
Tabel 5.34 Normalisasi Nilai Bobot Vektor (w) Kriteria Spesifikasi ................. 167
Tabel 5.35 Hasil Skor Setiap .............................................................................. 167
Tabel 5.36 Perangkingan dan Hasil Keputusan .................................................. 167
Tabel 5.37 Matriks Normalisasi Nilai Bobot Vektor Fuzzy Setiap Kriteria ....... 168
Tabel 5.38 Nilai Normalisasi Vektor Bobot Setiap Kriteria ............................... 169
Tabel 5.39 Nilai Nilai Skor Setiap Alternatif ..................................................... 169
xxvi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB I
PENDAHULUAN
1.1
Latar Belakang
Penduduk adalah semua orang yang berdomisili di wilayah geografis
Republik Indonesia selama 6 bulan atau lebih dan atau mereka yang berdomisili
kurang dari 6 bulan tetapi bertujuan untuk menetap. Dilihat dari data Badan Pusat
Statistik (BPS) dari tahun ke tahun jumlah penduduk di Indonesia terus meningkat.
Pada tahun 2010 jumlah penduduk di Indonesia adalah sebanyak 237.641.326 jiwa,
yang terbagi menjadi dua kubu yaitu 118.320.156 jiwa (49,79 persen) bertempat
tinggal di daerah perkotaan dan 119.321.070 jiwa (50,21 persen) bertempat tinggal
di daerah perdesaan (Badan Pusat Statistik, 2016). Data dari World Health
Organization (WHO) pada tahun 2015 jumlah penduduk di Indonesia adalah
sebanyak 257.564.000 jiwa (World Health Organization, 2015). Berdasarkan data
tersebut jelas terlihat adanya peningkatan jumlah penduduk yang pesat. Hal tersebut
membuat kebutuhan tempat tinggal seperti rumah menjadi semakin meningkat dari
tahun ke tahun. Hasil Sensus Penduduk tahun 2010 (SP2010) yang memperlihatkan
bahwa data rumah tangga yang menempati rumah milik sendiri adalah sebesar
77,70 persen dari seluruh jumlah penduduk di Indonesia (Badan Pusat Statistik,
2016).
Meningkatnya permintaan kebutuhan tempat tinggal khususnya rumah
membuat para pengembang perumahan berlomba-lomba untuk menawarkan rumah
sebagai tempat tinggal. Rumah yang ditawarkan juga bermacam-macam sesuai
dengan kebutuhan dan kemampuan perorangan. Hal tersebut dikarenakan setiap
orang memiliki kebutuhan dan kemampuan yang berbeda-beda. Kebutuhan dalam
hal ini meliputi: luas tanah, luas bangunan, lokasi rumah, dan spesifikasi rumah.
Sedangkan kemampuan adalah seberapa besar dana yang dimiliki oleh seseorang
untuk membeli rumah yang diinginkan.
Pembelian rumah terkadang terkendala masalah, seperti saat sudah
mendapatkan rumah yang sesuai dengan kebutuhan namun terkendala dengan biaya
dan sebaliknya. Saat sudah mendapatkan harga yang sesuai dengan kemampuan
1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2
secara finansial namun rumah tersebut tidak sesuai dengan kebutuhan yang
diinginkan. Permasalahannya adalah bagaimana orang mendapatkan rumah
berdasarkan kriteria seperti harga rumah, luas tanah, luas bangunan, lokasi rumah,
dan spesifikasi rumah sehingga rumah yang diharapkan sesuai.
Fuzzy Analytical Hierarchy Process (FAHP) adalah gabungan dari
pendekatan konsep Fuzzy dan Metode Analytical Hierarchy Process (AHP)
(Rahardjo dkk, 2002). FAHP dapat menutupi kelemahan yang terdapat pada AHP.
Kelemahan AHP tersebut mengenai permasalahan kriteria yang memiliki sifat
subjektif lebih banyak (Jasril dkk, 2011). Metode FAHP ini banyak digunakan
karena mudah dipahami.
Metode FAHP telat diteliti oleh beberapa peneliti. Rahardjo, J. dan Sutapa, I.
N., (2002) meneliti mengenai penerapan FAHP untuk diimplementasikan pada
Aplikasi Fuzzy Analytical Hierarchy Process dalam Seleksi Karyawan yang
hasilnya dibandingkan dengan hasil dari implementasi AHP konvensional. Hasil
dari penelitian tersebut adalah Metode FAHP memberikan hasil yang berbeda
dengan AHP konvensional yaitu nilai Consistency Ratio (CR) FAHP lebih kecil
daripada AHP konvensional. Hasil dari penelitian ini juga menyatakan bahwa
FAHP memiliki kelebihan yaitu tingkat subjektifitas dari pengambilan keputusan
dapat diakomodasi, sedangkan kekurangan dari FAHP adalah perlunya informasi
tambahan yaitu nilai optimistik dan nilai pesimistik.
Setelah itu ada Saputra dkk, (2011) meneliti tentang Sistem Pendukung
Keputusan Pemilihan Lokasi Rumah Tinggal dengan Metode Cumulative dan
Fuzzy AHP. Hasilnya adalah penerapan menggunakan Metode FAHP mampu
memberikan rekomendasi lokasi rumah tinggal dengan kriteria-kriteria yang telah
ditentukan dengan tingkat presepsi penerimaan sistem rata-rata adalah 6 dari ratarata rentang nilai antara 1 sampai dengan 9.
Jasril dkk, (2011) meneliti FAHP untuk Sistem Pendukung Keputusan (SPK)
Pemilihan Karyawan Terbaik Menggunakan Metode Fuzzy AHP (FAHP). Hasil
dari penelitian tersebut adalah keberhasilan untuk menghasilkan keputusan yang
lebih objektif yaitu berupa daftar perangkingan karyawan terbaik dan sistem
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3
tersebut dapat menangani jika terjadi perubahan data kriteria dan subkriteria karena
bersifat dinamis.
Sedangkan Wahyuni, S. dan Hartati, S., (2012) meneliti mengenai penerapan
FAHP untuk Sistem Pendukung Keputusan Model Fuzzy AHP dalam Pemilihan
Kualitas Perdagangan Batu Mulia. Hasil dari penelitian tersebut adalah
mendapatkan kualitas batu yang terbaik dengan hasil akhir tergantung pada
klasifikasi jenis batu.
Sistem pendukung pengambilan keputusan mengenai pembelian rumah juga
telah diteliti oleh beberapa peneliti. Permatasasi, A. dan Sri, S., (2010) meneliti
tentang Sistem Pendukung Keputusan Pembelian Rumah dengan menggunakan
Fuzzy Multiple Attribute Decision Making
(MADM). Hasil
penelitian
menggunakan Fuzzy Multiple Attribute Decision Making (MADM) ini adalah
sistem berhasil menangani memudahkan konsumen untuk memilih tipe rumah
sesuai dengan kebutuhan dan dana yang dimiliki, dan mempercepat konsumen
melakukan pemesanan rumah. Saylendra, (2015) melakukan penelitian mengenai
Sistem Pendukung Keputusan untuk Pembelian Rumah dengan menggunakan
Metode Analytical Hierarchy Process (AHP). Hasilnya adalah dengan sistem
tersebut pihak developer merasa terbantu dalam memberikan rekomendai rumah
yang diinginkan kepada pembeli dan sistem tersebut memberikan 1 berdasarkan
nilai prioritas tertinggi.
Penelitian ini akan mencoba menggunakan Metode Fuzzy Analytical
Hierarchy Process (FAHP) untuk membangun sistem pendukung pengambilan
keputusan pembelian rumah. Kriteria yang digunakan adalah harga rumah, luas
tanah, luas bangunan, lokasi rumah, dan spesifikasi rumah. Kriteria tersebut akan
digunakan sebagai variabel linguistik. Penelitian ini diharapkan dapat membantu
calon pembeli rumah dalam mengambil keputusan pemilihan pembelian rumah
yang sesuai dengan kebutuhan dan kemampuan berdasarkan dengan kriteria yang
sudah ditentukan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4
1.2
Rumusan Masalah Penelitian
Berdasarkan permasalahan yang dibahas pada latar belakang maka rumusan
masalah dari penelitian ini adalah:
1. Bagaimana menerapkan Metode Fuzzy Analytical Hierarchy Process
(FAHP) dalam pembuatan sistem pendukung pengambilan keputusan
pembelian rumah berdasarkan kriteria yang ditentukan?
2. Berapa akurasi hasil penerapan Metode Fuzzy Analytical Hierarchy
Process (FAHP) dalam sistem pendukung pengambilan keputusan
pembelian rumah?
1.3
Tujuan Penelitian
Berdasarkan rumusan masalah tersebut maka tujuan dari penelitian ini adalah:
1. Membangun sistem pendukung pengambilan keputusan untuk pembelian
rumah dengan menerapan Metode Fuzzy Analytical Hierarchy Process
(FAHP) untuk membantu calon pembeli dalam mengambil keputusan
untuk pembelian rumah yang sesuai dengan kebutuhan dan kemampuan.
2. Mengetahui akurasi penerapan Metode Fuzzy Analytical Hierarchy
Process (FAHP) dalam sistem pendukung pengambilan keputusan
pembelian rumah.
1.4
Batasan Masalah
1. Kriteria pembelian rumah yang dipakai pada penelitian ini adalah: Harga
rumah, luas tanah, luas bangunan, lokasi rumah, dan spesifikasi rumah.
2. Data yang digunakan dalam penelitian ini adalah data rumah dari
pengembang perumahan di wilayah Yogyakarta yaitu PT Agatama Putra.
3. Data rumah yang digunakan adalah 100 data rumah dari perumahan
Banteng Town House, Agatama Regency Banguntapan, dan Agatama
Residence Purwomartani.
4. Intensitas kepentingan menggunakan kriteria Chang (1996) dengan fungsi
keanggotaan Triangular Fuzzy Number (TFN).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5
5. Penilaian lokasi didasarkan pada jarak perumahan ke fasillitas umum yang
ada, yaitu: jarak ke SD, SMP, SMA, kampus, pasar tradisional, rumah
sakit, dan SPBU.
6. Penilaian spesifikasi didasarkan pada: pondasi, kerangka, dinding, lantai,
kusen, daun pintu, pengunci, plafond, atap, kamar mandi, dapur, cat
finishing, carport, sanitasi, halaman depan, dan instalasi listrik.
1.5
Manfaat Penelitian
Membantu calon pembeli dalam mempermudah mengambil keputusan
pembelian rumah yang sesuai dengan kebutuhan dan kemampuan.
1.6
Metodologi Penelitian
Metode yang dilakukan dalam penelitian ini adalah:
1. Wawancara
Melakukan wawancara kepada pimpinan pengembang perumahan dan
calon pembeli mengenai kriteria yang biasa dipakai oleh calon pembeli
dalam memilih rumah.
2. Studi Literatur
Membaca mengenai aplikasi menggunakan logika fuzzy melalui referensi
seperti buku dan jurnal untuk memilih dan mempelajari metode yang tepat
dan sesuai untuk penelitian ini.
3. Pembuatan Alat Uji
Ada 2 langkah yang dilakukan dalam pembuatan alat uji. Pertama,
mengidentifikasi hal-hal apa saja yang dapat dilakukan dan diproses oleh
sistem. Kedua, melakukan implementasi dari hasil identifikasi terhadap
kasus dalam penelitian ini.
4. Pengujian
Tahap pengujian ini meliputi pengujian akurasi. Pengujian akurasi
dilakukan dengan membandingkan hasil dari perhitungan sistem yang
dibangun dengan perhitungan secara manual.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6
1.7
Sistematika Penulisan
Sistem penulisan dibagi menjadi beberapa bab, yaitu:
Bab I. Pendahuluan
Bab ini berisi tentang latar belakang, rumusan masalah, tujuan penelitian,
batasan masalah, manfaat penelitian, metode penelitian, dan sistematika penulisan.
Bab II. Landasan Teori
Bab ini berisi uraian singkat mengenai dasar teori yang digunakan dalam
penelitian ini untuk merancang dan membangun sistem.
Bab III. Metodologi Penelitian
Bab ini berisi mengenai gambaran umum penelitian, desain penelitian yang
meliputi studi literatur, data, perancangan alat uji, pengujian dan analisis, dan
spesifikasi software dan hardware yang digunakan dalam penelitian.
Bab IV. Analisis dan Perancangan Sistem
Bab ini berisi mengenai analisis masalah, gambaran umum sistem, analisis
kebutuhan sistem, perancangan sistem, dan peracangan user interface berdasarkan
analisis yang telah dibuat.
Bab V. Implementasi, Hasil dan Pembahasan
Bab ini berisi tentang implementasi rancangan antarmuka, implementasi
Metode Fuzzy AHP ke dalam program dan tentang bagaimana melakukan tahap
untuk pengujian sistem dan menganalisis hasil dari pengujian tersebut untuk
mendapatkan kelebihan dan kekurangan dari sistem yang dibangun.
Bab VI. Penutup
Bab ini berisi tentang kesimpulan dan saran mengenai hasil dalam penelitian
ini.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB II
LANDASAN TEORI
2.1
2.1.1
Sistem Pendukung Keputusan
Pengertian
Sistem Pendukung Keputusan atau Decision Support System (DSS)
merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan,
dan pemanipulasian data. Menurut Alter (2002) dalam Kusrini (2007) sistem ini
digunakan untuk membantu pengambilan keputusan dalam situsi yang
semiterstruktur dan situasi yang tidak terstruktur, dimana tak seorang pun tahu
secara pasti bagaimana keputusan seharusnya dibuat. Sistem Pendukung Keputusan
tidak dimaksudkan untuk mengotomatisasikan pengambilan keputusan, tetapi
memberikan perangkat interaktif yang memungkinkan pengambilan keputusan
untuk melakukan berbagai analisis menggunakan model-model yang tersedia
(Kusrini, 2007).
2.1.2
Tujuan
Menurut Turban (2005) Sistem Pendukung Keputusan memiliki beberapa
tujuan, yaitu:
1.
Membantu manajer dalam pengambilan keputusan atas masalah semiterstruktur.
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 komputasi secara cepat dengan biaya yang rendah.
5.
Peningkatan produktivitas.
6.
Dukungan kualitas.
7.
Berdaya asing.
8.
Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan.
7
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
8
2.2
Logika Fuzzy
2.2.1 Pengenalan Logika Fuzzy
Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input
ke dalam suatu ruang output. Pada himpunan tegas (crips), nilai keanggotaan suatu
item x dalam suatu himpunan A, yang sering ditulis dengan 𝜇𝐴 [𝑥], memiliki 2
kemungkinan, yaitu:
1.
Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu
himpunan, atau
2.
Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu
himpunan.
Dalam himpunan tegas, apabila terjadi perubahan nilai yang kecil akan
mengakibatkan perbedaan kategori yang cukup signifikan (Kusumadewi, dkk,
2004).
Himpunan fuzzy dapat digunakan untuk mengantisipasi hal tersebut. Suatu
item x dapat masuk kedalam beberapa himpunan yang berbeda. Kemudian
menghitung seberapa besar eksistensinya dalam himpunan tersebut yang dapat
dilihat pada nilai keanggotaannya.Pada himpunan tegas, nilai keanggotaan hanya
ada 2 kemungkinan, yaitu 0 atau 1. Pada himpunan fuzzy nilai keanggotaan terletak
pada rentang 0 sampai 1. Apabila x memiliki nilai keanggotaan fuzzy 𝜇𝐴 [𝑥]=0
berarti x tidak menjadi anggota himpunan A, demikian pula apabila x memiliki nilai
keanggotaan fuzzy 𝜇𝐴 [𝑥]=1 berarti x menjadi anggota penuh pada himpunan A
(Kusumadewi, dkk, 2004).
Terkadang kemiripan antara nilai keanggotaan himpunan fuzzy dengan
probabilitas menimbulkan kerancuan. Keduanya memiliki nilai antara interval [0,
1]. Namun interpretasi nilainya sangat berbeda antara kedua kasus tersebut. Nilai
keanggotaan himpunan fuzzy memberikan suatu ukuran terhadap pendapat atau
keputusan, sedangkan hasil bernilai benar dalam jangka panjang (Kusumadewi,
dkk, 2004).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
9
Himpunan fuzzy memiliki 2 atribut, yaitu:
1.
Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau
kondisi tertentu dengan menggunakan bahasa alami, seperti: muda, parobaya,
tua.
2.
Numeris, yaitu suatu nilai (angka) yang menunjukan ukuran dari suatu
variabel seperti: 40, 25, 50, dan sebagainya.
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu:
1.
Variabel Fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem
fuzzy. Contoh: umur, temperatur, permintaan dan sebagainya.
2.
Himpunan Fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau
kehendak atau keadaan tertentu dalam suatu variabel fuzzy. Contoh: variabel
temperatur, terbagi menjadi 5 himpunan fuzzy, yaitu: dingin, sejuk, normal,
hangat, dan panas. (Gambar 2.1)
DINGIN
SEJUK
NORMAL HANGAT
PANAS
1
µ[x]
0
15
20
25
30
Temperatur °C
35
40
Gambar 2.1 Himpunan fuzzy pada variabel temperatur
3.
Semesta Pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan
himpunan bilangan real yang senatiasa naik (bertambah) secara monoton dari
kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
10
maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi
batas atasnya. Contoh: semesta pembicaran untuk variabel temperatur: [0 40]
4.
Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam
semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.
Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan
real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan.
Nilai domain dapat berupa bilangan positif maupun negatif. Contoh domain
himpunan fuzzy:
a. Dingin
= [0, 20]
b. Sejuk
= [15, 25]
c. Normal
= [20, 30]
d. Hangat
= [25, 35]
e. Panas
= [30, 40]
2.2.2 Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah suatu kurva yang
menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (derajat
keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat
digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui
pendekataan fungsi (Kusumadewi, dkk, 2004). Ada beberapa fungsi yang bisa
digunakan, yaitu:
a.
Representasi Linear
Pada representasi linear, pemetaan input ke derajat keanggotaan
digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi
pilihan yng baik untuk mendekati suatu konsep yang kurang jelas (Kusumadewi,
dkk, 2004).
Ada 2 keadaan himpunan fuzzy yang linear. Pertama, kenaikan himpunan
dimulai pada nilai dominan yang memiliki derajat keanggotaan nol [0] bergerak
ke kanan menuju ke nilai dominan yang memiliki derajat keanggotaan lebih tinggi
(Kusumadewi, dkk, 2004). Grafik fungsi keanggotaan representasi linier naik
dapat dilihat pada Gambar 2.2.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
11
µ(x)
1
derajat
keanggotaan
µ[x]
0
a
domain
b
x
Gambar 2.2 Representasi Linier Naik
Fungsi keanggotaan:
0; 𝑥 ≤ 𝑎
(𝑥−𝑎)
𝜇𝐴 [𝑥] = {(𝑏−𝑎) ; 𝑎 ≤ 𝑥 ≤ 𝑏
(2.1)
1; 𝑥 ≥ 𝑏
Kedua, merupakan kebalikan pertama. Garis lurus dimulai dari nilai
dominan dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak
menurun ke arah domain yang memiliki derajat keanggotaan lebih rendah
(Kusumadewi, dkk, 2004). Grafik fungsi keanggotaan representasi linier turun
dapat dilihat pada Gambar 2.3.
µ(x)
1
derajat
keanggotaan
µ[x]
0
a
domain
b
x
Gambar 2.3 Representasi Linier Turun
Fungsi keanggotaan:
(𝑥−𝑎)
;𝑎 ≤ 𝑥 ≤ 𝑏
𝜇𝐴 [𝑥] = {(𝑏−𝑎)
1; 𝑥 ≥ 𝑏
(2.2)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
12
b.
Representasi Kurva Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear)
seperti yang terlihat pada Gambar 2.4.
µ(x)
1
derajat
keanggotaan
µ[x]
0
a
c
b
domain
x
Gambar 2.4 Kurva Segitiga
Fungsi keanggotaan:
0; 𝑥 ≤ 𝑎 𝑎𝑡𝑎𝑢 𝑥 ≥ 𝑐
(𝑥−𝑎)
𝜇𝐴 [𝑥] =
(𝑏−𝑎)
(𝑐−𝑥)
{
(𝑐−𝑏)
;𝑎 ≤ 𝑥 ≤ 𝑏
(2.3)
;𝑏 ≤ 𝑥 ≤ 𝑐
Triangular Fuzzy Number (TFN) (Gambar 2.5):
µ(x)
1
derajat
keanggotaan
µ[x]
0
l
left
m
u
x
right
domain
Gambar 2.5 Kurva Triangular Fuzzy Number (TFN)
Dengan,
[(𝑚 − 𝑙𝑒𝑓𝑡), 𝑚, (𝑚 + 𝑟𝑖𝑔ℎ𝑡]
(2.4)
l
u
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
13
c.
Representasi Kurva Trapesium
Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada
beberapa titik yang memiliki nilai keanggotaan 1. Grafik fungsi keanggotaan
representasi kurva trapesium dapat dilihat pada Gambar 2.6.
µ(x)
1
derajat
keanggotaan
µ[x]
0
a
c
b
d
x
domain
Gambar 2.6 Kurva Trapesium
Fungsi keanggotaan:
0; 𝑥 ≤ 𝑎 𝑎𝑡𝑎𝑢 𝑥 ≥ 𝑑
(𝑥−𝑎)
(𝑏−𝑎)
𝜇𝐴 [𝑥] =
1; 𝑏 ≤ 𝑥 ≤ 𝑐
(𝑑−𝑥)
{
2.3
;𝑎 ≤ 𝑥 ≤ 𝑏
(𝑑−𝑐)
(2.5)
;𝑐 ≤ 𝑥 ≤ 𝑑
Fuzzy MADM (Multi-Attribute Decition Making)
Berdasarkan tipe data yang digunakan dalam setiap kinerja -nya, FMADM
dapat dibagi menjadi 3 kelompok, yaitu: semua data yang digunakan adalah data
fuzzy; semua data yang digunakan adalah data crips; atau data yang digunakan
merupakan campuran antara data fuzzy dan crips (Kusumadewi, dkk, 2006).
Menurut Chen (1992) dalam (Kusumadewi, dkk, 2006) salah satu mekanisme
untuk menyelesaikan masalah fuzzy MADM adalah dengan mengaplikasikan
metode MADM klasik (seperti SAW, WP, ELECTRE, TOPSIS, atau AHP) untuk
melakukan perangkingan, setelah terlebih dahulu dilakukan konversi data fuzzy ke
data crips. Apabila data fuzzy diberikan dalam bentuk linguistik, maka data tersebut
harus dikonversi terlebih dahulu ke bentuk bilangan fuzzy, baru kemudian
dikonversi lagi ke bilangan crips (Kusumadewi, dkk, 2006).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
14
2.4
Fuzzy Analytical Hierarchy Process (F-AHP)
Fuzzy Analytical Hierarchy Process (FAHP) merupakan gabungan dari
metode Analytical Hierarchy Process (AHP) dengan pendeketan konsep Fuzzy
(Rahardjo, dkk, 2002). FAHP menutupi kelemahan yang terdapat pada AHP, yaitu
permasalahan serhadap kriteria yang memiliki sifat subjektif lebih banyak. Ketidak
pastian bilangn dipresentasikan dengan skala (Jasril, dkk, 2011).
Penentuan derajat keanggootaan FAHP yang dikembangkan oleh Chang
(1996) menggunakan menggunakan fungsi keanggotaan segitiga (Triangular Fuzzy
Number/TFN) (Jasril, dkk, 2011). Grafik fungsi keanggotaan segitiga dapat dilihat
pada gambar 2.7.
µ(x)
1
derajat
keanggotaan
µ[x]
0
l
m
domain
u
x
Gambar 2.7 Fungsi Keanggotaan Segitiga (Chang, 1996)
Chang (1996) juga mendefinisikan nilai intensitas AHP ke dalam skala fuzzy
segitiga. Skala fuzzy segitiga yang digunakan Chang dapat dilihat dibawah ini:
Tabel 2.1 Skala Triangular Fuzzy Number (Chang, 1996)
Intensitas
Triangular Fuzzy
Rectrocal
Kepentingan
Number (TFN)
(Kebalikan)
AHP
(l, m, u)
(l, m, u)
(1, 1, 1)
(1, 1, 1)
(1/2,1, 3/2)
(2/3, 1, 2)
1
Himpunan Linguistik
Perbandingan
elemen
yang sama (Just Equal)
2
Pertengahan
(Intermediate)
dari
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
15
elemen yang sama dan
cukup penting dari yang
lain
3
Elemen satu cukup dari
yang
(1, 3/2, 2)
(1/2, 2/3, 1)
(3/2, 2, 5/2)
(2/5, 1/2, 2/3)
(2, 5/2, 3)
(1/3, 2/5, 1/2)
(5/2, 3, 7/2)
(2/7, 1/3, 2/5)
(3, 7/2, 4)
(1/4, 2/7, 1/3)
(7/2, 4, (9/2)
(2/9, 1/4, 2/7)
(4, 9/2, 9/2)
(2/9, 2/9, 1/4)
lainnya
(Moderately Important)
4
Pertengahan
(Intermediate)
elemen
cukup penting dan kuat
penting dari yang lain
5
Elemen
satu
kuat
pentingnya dari yang
lain
(Strongly
Important)
6
Pertengahan
(Intermediate)
elemen
kuat penting dan lebih
kuat penting dari yang
lain
7
Elemen satu lebih kuat
pentingnya dari yang
lain (Very Strong)
8
Pertengahan
(Intermediate)
elemen
lebih kuat penting dan
mutlak lebih penting
dari yang lain
9
Elemen
satu
mutlak
lebih penting dari yang
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
16
lainnya
(Extremely
Strong)
Langkah penyelesaian FAHP menurut Chang (1996) dalam Jasril, dkk (2011)
adalah sebagai berikut:
a.
Menentukan perbandingan matriks berpasangan antar kriteria dengan skala
TFN.
b.
Menentukan Nilai Batas Sintesis Fuzzy (𝑆𝑖 )
Menentukan nilai batas sintesis fuzzy dengan rumus berikut:
𝑗
𝑗
𝑛
𝑚
𝑆𝑖 = ∑𝑚
𝑗=1 𝑀𝑔𝑖 × [∑𝑖=1 ∑𝑗=1 𝑀𝑔𝑖 ]
−1
(2.6)
Dimana:
𝑗
𝑚
𝑚
𝑚
∑𝑚
𝑗=1 𝑀𝑔𝑖 = ∑𝑗=1 𝑙𝑗 , ∑𝑗=1 𝑚𝑗 , ∑𝑗=1 𝑢𝑗
(2.7)
Sedangkan
𝑗 −1
[∑𝑛𝑖=1 ∑𝑚
𝑗=1 𝑀𝑔𝑖 ]
= ∑𝑚
1
𝑚
𝑚
𝑗=1 𝑢𝑗 ,∑𝑗=1 𝑚𝑗 ,∑𝑗=1 𝑙𝑗
(2.8)
Keterangan:
𝑆𝑖
= Nilai sintesis fuzzy
M
= Triangular Fuzzy Number
i
= Indeks pada baris
j
= Indeks pada kolom
𝑗
∑𝑚
𝑗=1 𝑀𝑔𝑖 = Total nilai dari setiap kolom yang dimulai dari kolom 1 di setiap
baris pada matriks
∑𝑛𝑗=1 𝑙𝑗 = total nilai l pada setiap kolom pertama (lower)
∑𝑛𝑗=1 𝑚𝑗 = total nilai m pada setiap kolom pertama (median)
∑𝑛𝑗=1 𝑢𝑗 = total nilai u pada setiap kolom pertama (upper)
c.
Menentukan Nilai Vektor (V) Prioritas Fuzzy AHP
Dalam menentukan nilai vektor, jika hasil yang diperoleh pada setiap matrik
fuzzy adalah 𝑀2 ≥ 𝑀1 (𝑀2 = (𝑙2 , 𝑚2 , 𝑢2 ) dan 𝑀1 = (𝑙1 , 𝑚1 , 𝑢1 ) maka nilai
vektor dapat dirumuskan sebagai:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
17
V(𝑀2 ≥ 𝑀1 ) = 𝑠𝑢𝑝[min(𝜇𝑀1 (𝑥), (𝜇𝑀2 (𝑦))] atau sama dengan pada rumus
2.9 berikut ini:
𝑉(𝑀2 ≥ 𝑀1 ) = {
d.
1, 𝑖𝑓 𝑚2 ≥ 𝑚1
0, 𝑖𝑓 𝑙1 ≥ 𝑚2
𝑙1 −𝑢2
, lainnya
(𝑚2 −𝑢2 )−(𝑚1 −𝑙1 )
(2.9)
Menentukan Nilai Ordinat Defuzzifikasi (d’)
Jika hasil nilai fuzzy lebih besar dari k, 𝑀1 (i=1,2,…,k) maka vektor dapat
didefinisikan sebagi berikut:
V(𝑀 ≥ 𝑀1 , 𝑀2 , … , 𝑀𝑘 )
= 𝑉[(𝑀 ≥ 𝑀1 ) dan V(𝑀 ≥ 𝑀2 ) 𝑑𝑎𝑛 … 𝑑𝑎𝑛 𝑉(𝑀 ≥ 𝑀𝑘 )]
= min V(𝑀 ≥ 𝑀1 )
(2.10)
Asumsikan bahwa,
d’ (𝐴𝑖 ) = min V(𝑆𝑖 ≥ 𝑆𝑘 )
(2.11)
untuk k =1,2,…,n; k≠ 𝑖, maka diperoleh nilai bobot vektor
e.
Normalisasi Nilai Bobot Vektor Fuzzy (W)
W’=(d’(𝐴1 ), d’(𝐴1 ), … , d’(𝐴𝑛 )))𝑇
(2.12)
Dimana 𝐴𝑖 = 1, 2,…,n adalah n element keputusan.
Setelah dilakukan normalisasi dari persamaan W’ maka nilai bobot vektor
yang ternormalisasi adalah seperti rumus berikut:
W = (d(𝐴1 ), d(𝐴1 ), … , d(𝐴𝑛 )))𝑇
(2.13)
Dimana W adalah bilangan non fuzzy dan nilai ∑ 𝑊 = 1.
Langkah perhitungan FAHP menurut Chang dalam penelitian ini digunakan
untuk melakukan perhitungan setiap kriteria. Sedangkan dalam menentukan vektor
bobot setiap kriteria yang mempresentasikan bobot dari setiap adalah menggunakan
pendekatan subjektif, yaitu atribut biaya (minimal) dan atribut keuntungan
(maksimal) dengan rumus: (Kusumadewi, dkk, 2006)
𝑏𝑖𝑗 =
𝑏𝑖𝑗 =
𝑎𝑗𝑀𝑎𝑥 −𝑎𝑖𝑗
𝑎𝑗𝑀𝑎𝑥 −𝑎𝑗𝑀𝑖𝑛
𝑎𝑖𝑗 −𝑎𝑗𝑀𝑖𝑛
𝑎𝑗𝑀𝑎𝑥 −𝑎𝑗𝑀𝑖𝑛
, untuk 𝐶𝑗 adalah atribut biaya.
(2.14)
, untuk 𝐶𝑗 adalah atribut keuntungan.
(2.15)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
18
Dengan,
𝑎𝑗𝑀𝑎𝑥 = max(𝑎1𝑗 , 𝑎2𝑗 , … , 𝑎𝑚𝑗 )
𝑎𝑗𝑀𝑖𝑛 = min(𝑎1𝑗 , 𝑎2𝑗 , … , 𝑎𝑚𝑗 )
𝑖 = 1, 2, … , 𝑚;
𝑗 = 1, 2, … , 𝑛;
Setelah itu melakukan normalisasi vektor bobot setiap kriteria yang
mempresentasikan bobot dari setiap alternative dengan jumlah total nilai
bobot sama dengan 1.
Kemudian melakukan perangkingan dan hasil keputusan dengan cara
menghitung total skor dengan rumus: (Kusumadewi, dkk, 2006)
𝑠𝑗 = ∑(𝑠𝑖𝑗 )(𝑤𝑖 )
(2.16)
Keterangan:
𝑆𝑗
= Skor setiap
𝑠𝑖𝑗
= bobot setiap kriteria yang mempresentasikan bobot dari setiap
𝑤𝑖
= bobot setiap kriteria
Hasil dari perhitungan tersebut pilih skor paling tinggi. Skor paling tinggi
adalah yang paling direkomendasi.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB III
METODE PENELITIAN
3.1
Gambaran Umum
Penelitian yang dilakukan bertujuan untuk menentukan perangkingan rumah
sebagai bahan rekomendasi dalam memilih rumah. Input yang digunakan berupa
data rumah dan intensitas kepentingan. Data tersebut selanjutnya akan diolah untuk
menghasilkan output rekomendasi rumah. Sistem ini diharapkan mampu membantu
calon pembeli melakukan pemilihan rumah dalam proses pembelian rumah secara
efisien sesuai dengan kebutuhan dan kemampuan.
3.2
3.2.1
Desain Penelitian
Studi Literatur
Mempelajari teori mengenai sistem pendukung pengambilan keputusan
(SPPK), logika fuzzy, Analytical Hierarchy Process dan Fuzzy Analytical
Hierarchy Process dalam membangun SPPK pembelian rumah. Teori yang
dipelajari berasal dari materi perkuliahan, buku teks, artikel ilmiah dalam prosiding
nasional, jurnal ilmiah nasional dan jurnal internasional.
3.2.2 Data
-
Data yang Digunakan
Data yang digunakan dalam penelitian ini adalah data rumah pada tahun 2016
sebanyak 100 rumah, dengan kriteria yaitu harga rumah, luas bangunan, luas
tanah, lokasi rumah, dan spesifikasi rumah. Data tersebut bersumber dari
pengembang perumahan PT Agatama Putra, yaitu perumahan Banteng Town
House,
Agatama
Regency Banguntapan,
dan
Agatama
Residence
Purwomartani.
-
Teknik Pengumpulan Data
Pada tahap teknik pengumpulan data yang pertama dilakukan adalah
melakukan wawancara kepada pimpinan pengembang perumahan PT
Agatama Putra. Data yang didapat berupa kriteria apa saja yang biasanya
digunakan oleh seseorang membeli rumah maupun calon pembeli dalam
19
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20
mencari rumah. Hasil wawancara tersebut menyatakan bahwa kriteria yang
biasanya digunakan seseorang dalam membeli rumah adalah mengenai harga
rumah, luas tanah, regalitas yang mencakup surat-surat rumah, lokasi,
suasana lingkungan sekitar, luas bangunan, dan spesifikasi rumah. Dari
kriteria tersebut pengembang mengatakan bahwa para calon pembeli rumah
maupun pembeli biasanya mengutamakan mengenai harga rumah, luas tanah,
luas bangunan, lokasi rumah, dan spesifikasi rumah. Data yang diperoleh PT
Agatama Putra data mengenai nama/kavling rumah, luas bangunan, luas
tanah, lantai, harga dan tipe pada perumahan Banteng Town House, Agatama
Regency Banguntapan, dan Agatama Residence Purwomartani. Total semua
data rumah yaitu 100 data. Data tersebut dalam bentuk cetak (hardcopy), jadi
harus melakukan pengetikan agar data dapat diproses ke tahap selanjutnya.
Dari pernyataan tersebut dalam penelitian ini menggunakan lima (5) kriteria
yaitu harga rumah, luas tanah, luas bangunan, lokasi rumah, dan spesifikasi
rumah.
3.2.3
Perancangan Alat Uji
Dalam
penelitian
ini
metodologi
yang
digunakan
adalah
model
pengembangan alat uji waterfall dengan dilakukan secara sistematis. Tahaptahapnya sebagai berikut:
1. Analisa
Pada tahap analisa ini dilakukan analisa terhadap kebutuhan sistem. Dengan
cara mencari informasi sebanyak mungkin dari user agar sistem yang dibuat
sesuai dengan keinginan user. Pada tahap ini akan menghasilkan dokumen
user requirement yang dapat digunakan oleh sistem analis untuk
menerjemahkan ke dalam bahasa pemrograman.
2. Desain
Pada tahap desain ini dilakukan proses membuat rancangan alat uji
berdasarkan informasi dan tahap sebelumnya. Proses ini berfokus pada
arsitektur perangkat lunak, representasi interface dan detail algoritma. Tahap
ini akan menghasilkan dokumen yang disebut software requirement.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
21
Dokumen ini digunakan oleh seorang programmer dalam membangun
sistem.
3. Pengkodean(Coding)
Pada tahap pengkodean ini adalah telah dibuat pada tahap desain yang
diterjemahkan dalam bahasa pemrograman pada komputer. Tahap ini
menghasilkan alat uji dalam bentuk perangkat lunak yang dibuat berdasarkan
rancangan yang sudah ada.
4. Pengujian
Pada tahap pengujian ini alat uji berupa perangkat lunak diujicoba untuk
mengetahui apakah perangkat lunak tersebut sudah sesuai dengan rancangan
dan kebutuhan pengguna. Selain itu, pengujian dilakukan untuk menemukan
kesalahan pada sistem untuk segera diperbaiki.
3.2.4
Pengujian dan Analisis
Pengujian sistem dan analisis yang dibangun adalah sebagai berikut:
1.
Pengujian
Sistem diuji di kantor PT Agatama Putra dan kepada para pembeli/calon
pembeli untuk melihat sejauh mana hasil dari sistem pengambilan keputusan
pembelian rumah berjalan. Dari pengujian tersebut akan terlihat kekurangan
sistem yang nantinya akan diperbaiki.
2.
Analisis
Pada tahap analisis, melakukan analisis dengan membandingkan antara hasil
manual dengan hasil dari sistem yang dibuat.
3.3
Spesifikasi Software dan Hardware
Spesifikasi
software
dan
hardware
yang
digunakan
dalam
pengimplementasian SPPK pembelian rumah adalah:
1.
Software
a.
Sistem operasi yang digunakan yaitu Microsoft Windows 10 64-bit.
b.
Bahasa pemrograman yang digunakan yaitu PHP dengan aplikasi
netbeans.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
22
2.
Hardware
a.
Processor yang digunakan yaitu Intel® Core™ i5-5200U CPU @ 2.20
GHz.
b.
Memori (RAM) yaitu 4.00 GB.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB IV
ANALISIS DAN PERANCANGAN SISTEM
4.1
4.1.1
Analisis Masalah
Analisis Sistem Lama
Saat ini proses pengambilan keputusan untuk pembelian rumah masih
dilakukan secara manual. Pada umumnya calon pembeli yang ingin membeli rumah
mencari informasi perumahan dengan cara mengakses melalui internet, membaca
dari surat kabar, dan menanyakan mengenai kriteria rumah kepada pengembang
perumahan.
Dari
informasi
yang didapatkan
kemudian
calon
pembeli
membandingkan kelebihan dan kekurangan beberapa rumah secara manual dan
datang ke pengembang perumahan untuk meninjau lokasi rumah. Hal tersebut
membuat calon pembeli kebingungan dan menghabiskan waktu dan tenaga. Cara
tersebut kurang efisien karena semakin banyak rumah yang dibandingkan akan
membuat kebanyakan calon pembeli rumah kesulitan, membuang waktu dan tenaga
untuk mementukan pilihan yang sesuai dengan kebutuhan dan kemampuan calon
pembeli.
4.1.2
Analisis Sistem Baru
Sistem yang akan dibangun adalah suatu sistem pengambilan keputusan
secara terkomputerisasi yang diharapkan dapat membantu calon pembeli rumah
dalam mengambil keputusan pembelian rumah yang sesuai dengan kebutuhan dan
kemampuan. Dalam membangun sistem ini banyak kriteria yang perlu
dipertimbangkan. Dengan dibangunnya sistem ini diharapkan dapat membantu
calon pembeli dalam mempermudah mengambil keputusan pembelian rumah yang
sesuai dengan kebutuhan dan kemampuan.
4.2
Gambaran Umum Sistem
Sistem yang akan dibangun adalah sebuah sistem pendukung pengambilan
keputusan yang akan membantu pengguna untuk memberikan rekomendasi rumah.
Sistem ini akan dibuat dengan menggunakan Metode Fuzzy Analitycal Hierarcy
Process (FAHP) berbasis web dengan menggunakan bahasa pemrograman PHP.
23
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
24
Pada kasus ini triangular fuzzy number (TFN) digunakan untuk menentukan nilai
prioritas dalam membandingkan setiap kriteria, dilanjutkan dengan menggunakan
Metode Fuzzy Analitycal Hierarcy Process (FAHP) untuk mendapatkan hasil
perangkingan yang akan memberikan rekomendasi rumah dari yang ada. Dengan
menggunakan metode ini diharapkan dapat memberikan hasil yang sesuai
keinginan karena berdasarkan perbandingan prioritas kepentingan antar kriteria
yang sudah dipilih oleh pengguna.
Dalam sistem ini terdapat 2 aktor, yaitu administrator dan user. Administrator
bertugas untuk melakukan CRUD atau create, read, update, dan delete data setiap
kriteria yang sudah ditentukan. Dalam mengolah data tersebut administrator harus
melakukan login terlebih dahulu dengan memasukkan username dan password.
Jika proses login berhasil dilakukan maka administrator dapat melakukan
pengelolaan data-data rumah. Sedangkan user akan menjalankan sistem dan
menggunakan sistem untuk melakukan proses pengambilan keputusan. User
memasukkan nilai prioritas dari setiap kriteria yang dibandingkan. Dari nilai
prioritas yang dimasukkan tersebut kemudian sistem akan menghitung dengan
metode Fuzzy Analitycal Hierarcy Process (FAHP). Rekomendasi rumah yang
dihasilkan adalah perangkingan rumah yang sesuai dengan perbandingan prioritas
kriteria yang dimasukkan oleh user. Sistem akan menampilkan 5 rumah yang paling
direkomendasikan oleh sistem.
4.3
Analisis Kebutuhan Sistem
Kebutuhan sistem pada “Sistem Pendukung Pengamblan Keputusan
Pembelian Rumah Menggunakan Fuzzy Analytical Hierarchy Process (FAHP)”
yang akan dibangun terdiri dari kebutuhan input, kebutuhan proses, dan kebutuhan
output.
1.
Kebutuhan Input
Pada kebutuhan input digolongan menjadi input tegas, input fuzzy,
domain himpunan, dan input domain himpunan fuzzy.
a.
Input Tegas
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
25
Input tegas berupa data mengenai harga rumah, luas bangunan, luas
tanah, lokasi rumah dan spesifikasi rumah.
b.
Input Fuzzy
Input fuzzy berupa data mengenai skala triangular fuzzy number (Chang,
1996) dari setiap kriteria.
c.
Domain Himpunan Fuzzy
1.
Skala Triangular Fuzzy Number (Chang, 1996)
a. 9 kali lebih penting: (4, 9/2, 9/2)
b. 8 kali lebih penting: (7/2, 4, 9/2)
c. 7 kali lebih penting: (3, 7/2, 4)
d. 6 kali lebih penting: (5/2, 3, 7/2)
e. 5 kali lebih penting: (2, 5/2, 3)
f. 4 kali lebih penting: (3/2, 2, 5/2)
g. 3 kali lebih penting: (1, 3/2, 2)
h. 2 kali lebih penting: (1/2,1, 3/2)
i. Sama Penting: (1, 1, 1)
j. 2 kali kurang penting: (2/3, 1, 2)
k. 3 kali kurang penting: (1/2, 2/3, 1)
l. 4 kali kurang penting: (2/5, 1/2, 2/3)
m. 5 kali kurang penting: (1/3, 2/5,1/2)
n. 6 kali kurang penting: (2/7, 1/3, 2/5)
o. 7 kali kurang penting: (1/4, 2/7, 1/3)
p. 8 kali kurang penting: (2/9, 1/4 2/7)
q. 9 kali kurang penting: (2/9, 2/9, 1/4)
2.
Kebutuhan Proses
Pada sistem ini memiliki 2 aktor yang terlibat, yaitu administrator dan
user. Pegawai PT Agatama Putra bertindak sebagai administrator dan calon
pembeli sebagai user. Dalam menggambarkan siapa yang menggunakan
sistem dan cara pengguna berinteraksi dengan sistem, dapat menggunakan
diagram use case. Berikut adalah uraian bagaimana aktor berinteraksi dengan
sistem beserta diagram use case:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
26
a.
Administrator
1. Administrator harus melakukan login terlebh dahulu dengan
memasukkan username dan password untuk masuk kedalam sistem.
2. Skenario proses yang dapat dilakukan oleh administrator adalah
menambah data lokasi perumahan, mengubah data lokasi perumahan,
menghapus data lokasi perumahan, melihat data lokasi perumahan,
menambah data spesifikasi, mengubah data spesifikasi, menghapus
data spesifikasi, melihat data spesifikasi, menambah data rumah,
mengubah data rumah, menghapus data rumah, melihat data rumah ,
menambah data gambar denah dan lokasi, mengubah data gambar
denah dan lokasi, menghapus data gambar denah dan lokasi, melihat
data gambar denah dan lokasi, menambah data gambar rumah,
mengubah data gambar rumah, menghapus data gambar rumah, dan
melihat data gambar rumah.
3. Proses kelola data yang dilakukan oleh administrator bersifat include
atau tergantung pada proses sebelumnya. Apabila proses login gagal
maka administrator tidak dapat melakukan proses kelola data.
4. Skenario logout, administrator akan keluar dari sisem setelah
adminstator menjalankan perintah logout.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
27
Login
<<include>>
Kelola Lokasi
Perumahan
Kelola Spesifikasi
Kelola Rumah
Administrator
Kelola Gambar
Denah dan Lokasi
Kelola Gambar
Rumah
Logout
Gambar 4.1 Use Case Diagram Administrator
Tambah Data Lokasi Perumahan
Ubah Data Lokasi Perumahan
Hapus Data Lokasi Perumahan
Administrator
Lihat Data Lokasi Perumahan
Gambar 4 2 Use Case Package Kelola Lokasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
28
Tambah Data Spesifikasi
Ubah Data Spesifikasi
Hapus Data Spesifikasi
Administrator
Lihat Data Spesifikasi
Gambar 4.3 Use Case Package Kelola Spesifikasi.
Tambah Data Rumah
Ubah Data Rumah
Hapus Data Rumah
Administrator
Lihat Data Rumah
Gambar 4.4 Use Case Package Kelola Rumah
Tambah Data Gambar Denah
dan Lokasi
Ubah Data Gambar Denah
dan Lokasi
Administrator
Hapus Data Gambar Denah
dan Lokasi
Lihat Data Gambar Denah
dan Lokasi
Gambar 4.5 Use Case Package Kelola Gambar Denah dan Lokasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
29
Tambah Data Gambar Rumah
Ubah Data Gambar Rumah
Hapus Data Gambar Rumah
Administrator
Lihat Data Gambar Rumah
Gambar 4.6 Use Case Package Kelola Gambar Rumah
b.
User
Skenario proses yang dapat dilakukan oleh user adalah memasukkan
perbandingan prioritas setiap kriteria.
Lihat Profil PT Agatama Putra
Lihat Perumahan
Sistem Pendukung
Pengambilan
Keputusan
User
Lihat Help
Gambar 4.7 Use Case Diagram User
Lihat Daftar Rumah
User
Gambar 4.8 Use Case Package Lihat Perumahan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
30
Input Perbandingan Prioritas
antar Kriteria
<<include>>
Lihat Hasil Perangkingan
Rekomendasi Rumah
User
<<include>>
Lihat Rincian Rumah
Gambar 4.9 Use Case Package Sistem Pendukung Keputusan
3.
Kebutuhan Output
Output sistem berupa rekomendasi rumah yang sudah diranking
berdasarkan perbandingan prioritas yang diinputkan oleh user.
4.4
Perancangan Sistem Metode Fuzzy Analytical Hierarcy Process
4.4.1 Kriteria
Kriteria yang digunakan dalam melakukan proses rekomendasi pembelian
rumah tersebut sebagai berikut:
1.
Harga
Kriteria harga merupakan kriteria yang digunakan untuk proses perhitungan
metode Fuzzy Analytical Hierarcy Process (FAHP).
2.
Luas Tanah
Kriteria luas tanah merupakan kriteria yang digunakan untuk proses
perhitungan metode Fuzzy Analytical Hierarcy Process (FAHP).
3.
Luas Bangunan
Kriteria luas bangunan merupakan kriteria yang digunakan untuk proses
perhitungan metode Fuzzy Analytical Hierarcy Process (FAHP).
4.
Lokasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
31
Kriteria lokasi merupakan kriteria yang digunakan untuk proses perhitungan
metode Fuzzy Analytical Hierarcy Process (FAHP). Nilai kriteria lokasi
didapatkan dengan menghitung jarak dari alamat perumahan yang dimaksud
ke lokasi tujuan. Ada 7 fasilitas umum lokasi tujuan yang digunakan, yaitu:
1. Sekolah Dasar (SD)
2. Sekolah Menengah Pertama (SMP)
3. Sekolah Menengas Atas (SMA)
4. Kampus
5. Pasar
6. Rumah Sakit
7. SPBU
Jarak dihitung menggunakan google maps. Dari jarak yang didapatkan
kemudian dihitung untuk mendapatkan rata-rata jarak untuk nilai lokasi.
Berikut rumus untuk menghitung rata-rata sebagai nilai lokasi:
𝐷𝑖 =
∑ 𝑥𝑖
(4.1)
𝑛
Keterangan:
𝐷𝑖 = rata-rata nilai lokasi
𝑥𝑖
= jarak antara fasilitas umum 𝑥𝑖 dengan lokasi perumahan
𝑛
= jumlah data
Nama Perumahan
: Agatama Residence Purwomartani
Alamat Perumahan : Purwomartani, Kalasan, Kabupaten Sleman, Daerah
Istimewa Yogyakarta 55571, Indonesia
Tujuan:
-
SD
: SD Model Sleman
-
SMP
: SMP Negeri 3 Kalasan
-
SMA
: SMA Internasional Budi Mulia Dua
-
Kampus
: Universitas Respati Yogyakarta Kampus 2
-
Pasar
: Pasar Stan
-
Rumah Sakit
: RS Holistika Medika
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
32
-
SPBU
: SPBU Tajem
Tabel 4.1 Data Jarak Perumahan Agatama Residence Purwomartani
Tujuan
Jarak
𝐷=
SD
SMP
SMA
Kampus
Pasar
RS
SPBU
4902
3437
4263
4678
5765
5728
4019
(4902+3437+4263+4678+5765+5728)
7
=
32792
7
= 4684.571 m
Jadi, nilai lokasi untuk perumahan agatama residence purwomartani adalah
4684.571 m.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
33
5.
Spesifikasi
Kriteria spesifikasi merupakan kriteria yang digunakan untuk proses
perhitungan metode Fuzzy Analytical Hierarcy Process (FAHP). Nilai dari
data spesifikasi didapatkan dengan cara melakukan perhitungan penilaian
spesifikasi. Ada 16 macam yang dinilai pada spesifikasi, yaitu:
1. Pondasi
2. Kerangka
3. Dinding
4. Lantai
5. Kusen
6. Daun Pintu
7. Pengunci
8. Plafond
9. Atap
10. Kamar Mandi
11. Dapur
12. Cat Finishing
13. Carport
14. Sanitasi
15. Halaman Depan
16. Instalasi Listrik
Pada kriteria spesifikasi dibagi menjadi 3 himpunan, yaitu tinggi, sedang, dan
rendah. Tinggi bernilai 3, sedang bernilai 2, dan rendah bernilai 1. Cara
penilaian pada kriteria spesifikasi ini yaitu menilai setiap 16 kriteria diatas
masuk ke kualitas tinggi, sedang, atau rendah.
Nama Perumahan : Agatama Residence Purwomartani
Lantai
: 1 Lantai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
34
Tabel 4.2 Data Penilaian Spesifikasi Perumahan Agatama Residence
Purwomartani
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
3
3
3
2
2
2
2
3
2
2
2
2
2
2
2
2
Setelah selesai dinilai kemudian dihitung untuk mendapatkan nilai
spesifikasi. Perhitungan tersebut sebagai berikut:
𝑆𝑖 = ∑ 𝑥𝑖
(4.2)
Keterangan:
𝑆𝑖
= nilai spesifikasi
𝑥𝑖
= nilai setiap penilaian spesifikasi
𝑆𝑖 = 3 + 3 + 3 + 2 + 2 + 2 + 2 + 3 + 2 + 2 + 2 + 2 + 2 + 2 + 2 + 2 = 36
Jadi, nilai spesifikasi perumahan agatama residence purwomartani 1 lantai
adalah 36.
4.4.2 Himpunan Fuzzy
Variabel fuzzy yang digunakan pada perhitungan ini yaitu skala triangular
fuzzy number dari ketetapan Chang (1996). Variabel skala triangular fuzzy number
ini dibagi menjadi 9 himpunan fuzzy pada ketetapan Chang (1996), yaitu:
1. Perbandingan elemen yang sama (Just Equal)
2. Pertengahan (Intermediate) dari elemen yang sama dan cukup penting dari yang
lain
3. Elemen satu cukup dari yang lainnya (Moderately Important)
4. Pertengahan (Intermediate) elemen cukup penting dan kuat penting dari yang
lain
5. Elemen satu kuat pentingnya dari yang lain (Strongly Important)
6. Pertengahan (Intermediate) elemen kuat penting dan lebih kuat penting dari
yang lain
7. Elemen satu lebih kuat pentingnya dari yang lain (Very Strong)
8. Pertengahan (Intermediate) elemen lebih kuat penting dan mutlak lebih penting
dari yang lain
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
35
9. Elemen satu mutlak lebih penting dari yang lainnya (Extremely Strong)
Namun dari 9 himpunan fuzzy tersebut memiliki 2 nilai, yaitu Triangular
Fuzzy Number (TFN) dan kebalikannya, sebagai berikut:
Tabel 4.3 Skala Triangular Fuzzy Number (Chang, 1996).
No.
1
Himpunan Linguistik
Perbandingan elemen yang sama
Triangular Fuzzy
Rectrocal
Number (TFN)
(Kebalikan)
(1, 1, 1)
(1, 1, 1)
(1/2,1, 3/2)
(2/3, 1, 2)
(1, 3/2, 2)
(1/2, 2/3, 1)
(3/2, 2, 5/2)
(2/5, ½, 2/3)
(2, 5/2, 3)
(1/3, 2/5, ½)
(5/2, 3, 7/2)
(2/7, 1/3,
(Just Equal)
2
Pertengahan
(Intermediate)
dari
elemen yang sama dan cukup
penting dari yang lain
3
Elemen satu cukup dari yang
lainnya (Moderately Important)
4
Pertengahan (Intermediate) elemen
cukup penting dan kuat penting dari
yang lain
5
Elemen satu kuat pentingnya dari
yang lain (Strongly Important)
6
Pertengahan (Intermediate) elemen
kuat penting dan lebih kuat penting
2/5)
dari yang lain
7
Elemen satu lebih kuat pentingnya
(3, 7/2, 4)
1/3)
dari yang lain (Very Strong)
8
Pertengahan (Intermediate) elemen
lebih kuat penting dan mutlak lebih
penting dari yang lain
(1/4, 2/7,
(7/2, 4, (9/2)
(2/9, ¼, 2/7)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
36
9
Elemen satu mutlak lebih penting
dari
yang
lainnya
(4, 9/2, 9/2)
(2/9, 2/9, ¼)
(Extremely
Strong)
Dari ketetapan tersebut himpunan fuzzy dari variabel skala triangular fuzzy
number diubah. Variabel skala triangular fuzzy number (Chang, 1996) dibagi
menjadi 17 himpunan fuzzy, yaitu:
Tabel 4.4 Skala Triangular Fuzzy Number (Chang, 1996) dan Grafik
Triangular
No.
Nilai Linguistik
Fuzzy Number
Grafik
(TFN)
1
9 kali lebih
(4, 9/2, 9/2)
1
penting
3
2
8 kali lebih
7 kali lebih
4.5
(7/2, 4, (9/2)
1
penting
3
4
3
3.5
4
4.5
2.5
3
3.5
4
2
2.5
3
3.5
(3, 7/2, 4)
penting
4
6 kali lebih
penting
(5/2, 3, 7/2)
1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
37
5
5 kali lebih
(2, 5/2, 3)
1
penting
6
4 kali lebih
3 kali lebih
2
2.5
1
1.5
2
1
1
0.5
2 kali lebih
1
2
1
0.5
Sama Penting
1.5
(1/2,1, 3/2)
penting
9
2.5
(1, 3/2, 2)
penting
8
3
(3/2, 2, 5/2)
penting
7
1.5
1
1.5
(1, 1, 1)
1
0.5
1
1.5
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
38
10
2 kali kurang
(2/3, 1, 2)
1
penting
0.67
11
3 kali kurang
1
2
(1/2, 2/3, 1)
1
penting
0.5 0.67
12
4 kali kurang
1
(2/5,1/2, 2/3)
1
penting
0.4
13
5 kali kurang
1
0.33
6 kali kurang
penting
0.67
(1/3, 2/5, 1/2)
penting
14
0.5
0.4
0.5
(2/7, 1/3, 2/5)
1
0.29
0.33
0.4
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
39
15
7 kali kurang
(1/4, 2/7, 1/3)
1
penting
0.25
16
8 kali kurang
(2/9, ¼, 2/7)
1
penting
0.22
17
9 kali kurang
0.33
0.29
0.25
0.29
(2/9, 2/9, 1/4)
penting
1
0.22
0.25
4.4.3 Proses Sistem Pendukung Pengambilan Keputusan
Ada beberapa tahapan yang harus dilakukan dalam memberi rekomendasi
rumah yang sesuai dengan kebutuhan dan kemampuan. Jalan kerja program secara
umum dalam memberi rekomendasi rumah adalah sebagai berikut:
1.
User menginputkan perbandingan prioritas matriks perpasangan antar kriteria
dengan menggunakan ketentuan Skala Triangular Fuzzy Number pada Tabel
4.4.
2.
Sistem menghitung nilai batas sintesis fuzzy dari setiap kriteria, perhitungan
berdasarkan persamaan 2.6.
3.
Sitem menghiung nilai vektor prioritas fuzzy, perhitungan berdasarkan
persamaan 2.9.
4.
Sitem menghitung nilai ordinat defuzzifikasi, perhitungan berdasarkan
persamaan 2.11.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
40
5.
Sistem menghitung normalisasi nilai bobot vektor fuzzy, perhitungan
berdasarkan persamaan 2.13
6.
Sistem
menghitung
vektor
bobot
untuk
setiap
kriteria
yang
mempresentasikan bobot dari setiap menggunakan pendekatan subjektif.
Melakukan pendekatan subjektif, dengan kriteria harga menggunakan rumus
normalisasi atribut biaya dengan perhitungan berdasarkan persamaan 2.14,
dan kriteria luas tanah dan kriteria luas bangunan menggunakan rumus
normalisasi atribut keuntungan dengan perhitungan berdasarkan persamaan
2.15.
7.
Sistem menghitung normalisasi vektor bobot untuk setiap kriteria yang
mempresentasikan bobot dari setiap alternative dengan total nilai bobot sama
dengan 1.
8.
Sitem menghitung perangkingan dan hasil keputusan, perhitungan
berdasarkan persamaan 2.16.
9.
Sistem akan mengeluarkan output yang berisi perangkingan rumah yang
direkomendasikan oleh perhitungan sistem.
Berikut adalah gambar yang menunjukan gambaran umum kerja sistem:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
41
Mulai
Masukan:
Intensitas kepentingan
perbandingan matriks
berpasangan
Perhitungan nilai batas
sintesis fuzzy
Perhitungan nilai vektor
prioritas fuzzy
Perhitungan nilai ordinat
defuzzifikasi
Perhitungan normalisasi
nilai bobot vektor fuzzy
Perhitungan vektor bobot
setiap kriteria yang
mempresentasikan bobot
dari setiap alternatif
berdasarkan atribut biaya
(cost)
Perhitungan vektor bobot
setiap kriteria yang
mempresentasikan bobot
dari setiap alternatif
berdasarkan atribut
keuntungan (benefit)
Perhitungan normalisasi
vektor bobot setiap
kriteria yang
mempresentasikan bobot
dari setiap alternatif
Perhitungan perangkingan
alternatif dan hasil
keputusan
Keluaran:
Rekomendasi rumah
Selesai
Gambar 4.10 Flowchart System
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
42
4.4.4 Contoh Perhitungan Manual Proses Pengambilan Keputusan
Berikut ini adalah contoh perhitungan berdasarkan beberapa data dari
perumahan Banteng Town House, Agatama Regency Banguntapan, dan Agatama
Residence Purwomartani yang terdapat di PT Agatama Putra. Data yang digunakan
sebagai sampel sebanyak 5 rumah yang diambil secara acak dari 100 data rumah
dari 3 perumahan tersebut.
Tabel 4.5 Data Rumah
No
Nama
C1
C2
C3
C4
C5
Rp1,366,117,500
127
103
3972.857
40
Rp798,710,000
120
73
3156.857
36
Rp293,080,000
66
32
3156.857
35
Rp330,242,000
79
27
3156.857
35
Rp556,640,000
117
50
4684.571
36
Rumah 1
A1
1
(BTH Blok B
2)
A2
2
A3
3
A4
4
A5
5
Rumah 2
(Blok A 1)
Rumah 3
(Blok C 1)
Rumah 4
(Blok D 1(H))
Rumah 5 (1)
Keterangan:
C1
: Harga
A1
: Alternatif 1
C2
: Luas Tanah
A2
: Alternatif 2
C3
: Luas Bangunan
A3
: Alternatif 3
C4
: Lokasi
A4
: Alternatif 4
C5
: Spesifikasi
A5
: Alternatif 5
Contoh pemasalahan:
Calon pembeli rumah ingin membeli rumah dengan menentukan perbandingan
prioritas antar kriteria sebagai berikut:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
43
Tabel 4.6 Perbandingan Prioritas antar Kriteria dengan Skala TFN
C1
C1
Sama
Penting
5 Kali
C2
Kurang
Penting
C3
C4
C5
C2
C3
C4
C5
5 Kali
3 Kali
3 Kali
7 Kali
Lebih
Lebih
Lebih
Lebih
Penting
Penting
Penting
Penting
2 Kali
3 Kali
5 Kali
Kurang
Lebih
Lebih
Penting
Penting
Penting
3 Kali
5 Kali
Lebih
Lebih
Penting
Penting
Sama
Penting
3 Kali
2 Kali
Kurang
Lebih
Penting
Penting
3 Kali
3 Kali
3 Kali
Kurang
Kurang
Kurang
Penting
Penting
Penting
7 Kali
5 Kali
5 Kali
2 Kali
Kurang
Kurang
Kurang
Lebih
Penting
Penting
Penting
Penting
Sama
Penting
Sama
Penting
2 Kali
Kurang
Penting
Sama
Penting
Keterangan:
Tabel pada warna abu-abu adalah masukkan dari calon pembeli rumah.
Langkah-langkah perhitungan menggunaan Fuzzy AHP:
1.
Menentukan perbandingan matriks berpasangan antar kriteria dengan skala
TFN yang sudah ditetapkan oleh Chang pada Tabel 4.4.
Tabel 4.7 Perbandingan Matriks Berpasangan antar Kriteria dengan Skala TFN
2.
Menentukan nilai batas sintesis fuzzy (𝑆𝑖 ) berdasarkan langkah perhitungan
FAHP menurut Chang yaitu pada persamaan 2.6.
-
Menghitung total nilai lower pada setiap kolom
∑𝑛𝑗=1 𝑙1 = 1+2+1+1+3 = 8
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
44
∑𝑛𝑗=1 𝑙2 = 0.333+1+0.667+1+2 = 5
∑𝑛𝑗=1 𝑙3 = 0.5+0.5+1+1+2 = 5
∑𝑛𝑗=1 𝑙4 = 0.5+0.5+0.5+1+0.667 = 3.167
∑𝑛𝑗=1 𝑙5 = 0.25+0.333+0.333+0.5+1 = 2.417
∑𝑛𝑖=1 ∑𝑚
𝑗=1 𝑙𝑗 = 8+5+5+3.17+2.42 = 23.583
-
Menghitung total nilai median pada setiap kolom
∑𝑛𝑗=1 𝑚1 = 1+2.5+1.5+1.5+3.5 = 10
∑𝑛𝑗=1 𝑚2 = 0.4+1+1+1.5+2.5 = 6.4
∑𝑛𝑗=1 𝑚 = 0.667+1+1+1.5+2.5 = 6.667
∑𝑛𝑗=1 𝑚4 = 0.667+0. 667+0. 667+1+1 = 4
∑𝑛𝑗=1 𝑚5 = 0.286+0.4+0.4+1+1 = 3.086
∑𝑛𝑖=1 ∑𝑚
𝑗=1 𝑚𝑗 = 10+6.4+6.67+4+3.09 = 30.152
-
Menghitung total nilai upper pada setiap kolom
∑𝑛𝑗=1 𝑢1 = 1+3+2+2+4 = 12
∑𝑛𝑗=1 𝑢2 = 0.5+1+2+2+3 = 8.5
∑𝑛𝑗=1 𝑢3 = 1+1.5+1+2+3 = 8.5
∑𝑛𝑗=1 𝑢4 = 1+1+1+1+2 = 6
∑𝑛𝑗=1 𝑢5 = 0.333+0.5+0.5+1.5+1 = 3.833
∑𝑛𝑖=1 ∑𝑚
𝑗=1 𝑢𝑗 = 12+8.5+8.5+6+3.83 = 38.833
Berikut ini adalah nilai dari hasil perhitungan menentukan nilai total lower,
median dan upper setiap kriteria:
Tabel 4.8 Total Nilai Lower, Median, dan Upper
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
45
-
Menghitung nilai sintesis fuzzy pada lower
1
𝑚
∑
𝑖=1 𝑗=1 𝑢𝑗
𝑆𝑖 = ∑𝑛𝑗=1 𝑙𝑗 × ∑𝑛
(4.3)
1
𝑆1 = 8 × 38.833 = 0.206
1
𝑆2 = 5 × 38.833 = 0.129
1
𝑆3 = 5 × 38.833 = 0.129
1
𝑆4 = 3.167 × 38.833 = 0.082
1
𝑆5 = 2.417 × 38.833 = 0.062
-
Menghitung nilai sintesis fuzzy pada median
1
𝑚
∑
𝑖=1 𝑗=1 𝑚𝑗
𝑆𝑖 = ∑𝑛𝑗=1 𝑚𝑗 × ∑𝑛
(4.4)
1
𝑆1 = 10 × 30.152 = 0.332
1
𝑆2 = 6.4 × 30.152 = 0.212
1
𝑆3 = 6.667 × 30.152 = 0.221
1
𝑆4 = 4 × 30.152 = 0.133
1
𝑆5 = 3.086 × 30.152 = 0.102
-
Menghitung nilai sintesis fuzzy pada upper
1
𝑚
∑
𝑖=1 𝑗=1 𝑙𝑗
𝑆𝑖 = ∑𝑛𝑗=1 𝑢𝑗 × ∑𝑛
(4.5)
1
𝑆1 = 12 × 23.583 = 0.509
1
𝑆2 = 8.5 × 23.583 = 0.360
𝑆3 = 8.5 ×
1
23.583
= 0.360
1
𝑆4 = 6 × 23.583 = 0.254
1
𝑆5 = 3.833 × 23.583 = 0.163
Berikut ini adalah hasil perhitungan nilai batas sintesis fuzzy setiap kriteria:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
46
Tabel 4.9 Nilai Batas Sintesis Fuzzy
Si
3.
l
m
u
C1
0.206
0.332
0.509
C2
0.129
0.212
0.360
C3
0.129
0.221
0.360
C4
0.082
0.133
0.254
C5
0.062
0.102
0.163
Menentukan nilai vektor (V) prioritas fuzzy AHP berdasarkan langkah
perhitungan FAHP menurut Chang yaitu pada persamaan 2.9.
Dalam menentukan nilai vektor menggunakan persamaan seperti berikut:
𝑉(𝑀2 ≥ 𝑀1 ) = {
1, 𝑖𝑓 𝑚2 ≥ 𝑚1
0, 𝑖𝑓 𝑙1 ≥ 𝑚2
𝑙1 −𝑢2
, lainnya
(𝑚2 −𝑢2 )−(𝑚1 −𝑙1 )
Keterangan:
𝑀𝑖 = Triangular Fuzzy Number dari setiap kriteria Ci
-
Menghitung nilai vektor kriteria 1 (C1)
𝑉(𝐶1 ≥ (𝐶2, 𝐶3, 𝐶4, 𝐶5))
𝑉(𝐶1 ≥ 𝐶2) = 𝑚2 ≥ 𝑚1 = 1
𝑉(𝐶1 ≥ 𝐶3) = 𝑚2 ≥ 𝑚1 = 1
𝑉(𝐶1 ≥ 𝐶4) = 𝑚2 ≥ 𝑚1 = 1
𝑉(𝐶1 ≥ 𝐶5) = 𝑚2 ≥ 𝑚1 = 1
-
Menghitung nilai vektor kriteria 2 (C2)
𝑉(𝐶2 ≥ (𝐶1, 𝐶3, 𝐶4, 𝐶5))
0.206−0.360
𝑉(𝐶2 ≥ 𝐶1) = (0.212−0.360)−(0.332−0.206) = 0.564
0.129−0.360
𝑉(𝐶2 ≥ 𝐶3) = (0.212−0.360)−(0.221−0.129) = 0.963
𝑉(𝐶2 ≥ 𝐶4) = 𝑚2 ≥ 𝑚1 = 1
𝑉(𝐶2 ≥ 𝐶5) = 𝑚2 ≥ 𝑚1 = 1
(4.6)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
47
-
Menghitung nilai vektor kriteria 3 (C3)
𝑉(𝐶3 ≥ (𝐶1, 𝐶2, 𝐶4, 𝐶5))
0.206−0.360
𝑉(𝐶3 ≥ 𝐶1) = (0.221−0.360)−(0.332−0.206) = 0.583
𝑉(𝐶3 ≥ 𝐶2) = 𝑚2 ≥ 𝑚1 = 1
𝑉(𝐶3 ≥ 𝐶4) = 𝑚2 ≥ 𝑚1 = 1
𝑉(𝐶3 ≥ 𝐶5) = 𝑚2 ≥ 𝑚1 = 1
-
Menghitung nilai vektor kriteria 4 (C4)
𝑉(𝐶4 ≥ (𝐶1, 𝐶2, 𝐶3, 𝐶5))
0.206−0.254
𝑉(𝐶4 ≥ 𝐶1) = (0.133−0.254)−(0.332−0.206) = 0.196
0.129−0.254
𝑉(𝐶4 ≥ 𝐶2) = (0.133−0.254)−(0.212−0.129) = 0.612
0.129−0.254
𝑉(𝐶4 ≥ 𝐶3) = (0.133−0.254)−(0.221−0.129) = 0.587
𝑉(𝐶4 ≥ 𝐶5) = 𝑚2 ≥ 𝑚1 = 1
-
Menghitung nilai vektor kriteria 5 (C5)
𝑉(𝐶5 ≥ (𝐶1, 𝐶2, 𝐶3, 𝐶4))
𝑉(𝐶5 ≥ 𝐶1) = 𝑙1 ≥ 𝑚2 = 0
0.129−0.163
𝑉(𝐶5 ≥ 𝐶2) = (0.102−0.163)−(0.212−0.129) = 0.235
0.129−0.163
𝑉(𝐶5 ≥ 𝐶3) = (0.102−0.163)−(0.221−0.129) = 0.221
0.082−0.163
𝑉(𝐶5 ≥ 𝐶4) = (0.102−0.163)−(0.133−0.082) = 0.728
Berikut ini adalah hasil perhitungan nilai vektor priorias fuzzy:
Tabel 4.10 Nilai Vektor (V) Prioritas Fuzzy AHP
Nilai Vektor
C1
C2
C3
C4
C5
C1
1.000
1.000
1.000
1.000
1.000
C2
0.564
1.000
0.963
1.000
1.000
C3
0.583
1.000
1.000
1.000
1.000
C4
0.196
0.612
0.587
1.000
1.000
C5
0.000
0.235
0.221
0.728
1.000
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
48
4.
Menentukan nilai ordinat defuzzifikasi (d’) berdasarkan langkah perhitungan
FAHP menurut Chang yaitu pada persamaan 2.11.
Dalam menentukan nilai ordinat defuzzifikasi adalah dengan mencari nilai
minimal dari nilai vektor setiap kriteria.
d’(𝐶1) = min(1, 1, 1, 1, 1) = 1
d’(𝐶2) = min(0.564, 1, 0.963, 1, 1) = 0.564
d’(𝐶3) = min(0.583, 1, 1, 1, 1) = 0.583
d’(𝐶4) = min(0.196, 0.612, 0.587, 1, 1) = 0.196
d’(𝐶5) = min(0, 0.235, 0.221, 0.728, 1) = 0
W’=(1, 0.564, 0.583, 0.196, 0)𝑇
Berikut ini adalah hasil dari proses defuzzifikasi:
Tabel 4.11 Nilai Ordinat Defuzzifikasi (d’)
Defuzzfikasi
5.
C1
1.000
C2
0.564
C3
0.583
C4
0.196
C5
0.000
Normalisasi nilai bobot vektor fuzzy (W) berdasarkan langkah perhitungan
FAHP menurut Chang yaitu pada persamaan 2.13.
𝑊′=(1, 0.564, 0.583, 0.196, 0)𝑇
∑ 𝑊′ = 1 + 0.564 + 0.583 + 0.196 + 0 = 2.342
𝑊=
(1,0.564,0.583,0.196,0)𝑇
2.342
= (0.427, 0.241, 0.249, 0.084, 0)𝑇
Berikut ini adalah hasil dari normalisasi:
Tabel 4.12 Normalisasi Nilai Bobot Vektor Fuzzy (W)
Normalisasi
C1
0.427
C2
0.241
C3
0.249
C4
0.084
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
49
C5
6.
0.000
Menentukan vektor bobot untuk setiap kriteria yang mempresentasikan bobot
dari setiap menggunakan pendekatan subjektif yang terdapat pada buku
Kusumadewi, dkk (2006) yaitu pada persamaan 2.14 dan 2.15.
Dalam melakukan perhitungan menentukan vektor bobot menggunakan
pendekatan subjektif dikarenakan data yang diproses lebih dari 100 data pada
sistem. Pada kriteria harga dan lokasi menggunakan rumus normalisasi
atribut biaya, sedangkan kriteria luas tanah, luas bangunan dan spesifikasi
menggunakan rumus normalisasi atribut keuntungan.
-
Perhitungan nilai bobot vektor kriteria harga
Mencari nilai maksimal dan minimal terlebih dahulu.
𝐴𝑗 𝑚𝑎𝑥 = max(1366117500, 798710000, 293080000, 330242000, 556640000)
= 1366117500
𝐴𝑗 𝑚𝑖𝑛 = min(1366117500, 798710000, 293080000, 330242000, 556640000)
= 293080000
Kemudian menghitung nilai bobot vektor pada kriteria harga.
𝑏11 =
1366117500−1366117500
1366117500−293080000
=0
1366117500−798710000
𝑏12 = 1366117500−293080000 = 0.529
1366117500−293080000
𝑏13 = 1366117500−1366117500 = 1
1366117500−330242000
𝑏14 = 1366117500−293080000 = 0.965
1366117500−556640000
𝑏15 = 1366117500−293080000 = 0.754
𝑤 ′ = (0, 0.529, 1, 0.965, 0.754)𝑇
Berikut ini adalah hasil dari perhitungan nilai bobot kriteria harga:
Tabel 4.13 Nilai Bobot Vektor (w) Kriteria Harga
W
A1
0.000
A2
0.529
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
50
-
A3
1.000
A4
0.965
A5
0.754
Perhitungan nilai bobot vektor kriteria luas tanah
Mencari nilai maksimal dan minimal terlebih dahulu.
𝐴𝑗 𝑚𝑎𝑥 = max(127, 120, 66, 79, 117) = 127
𝐴𝑗 𝑚𝑖𝑛 = min(127, 120, 66, 79, 117) = 66
Kemudian menghitung nilai bobot vektor pada kriteria luas tanah.
127−66
𝑏21 = 127−66 = 1
120−66
𝑏22 = 127−66 = 0.885
66−66
𝑏23 = 127−66 = 0
79−66
𝑏24 = 127−66 = 0.213
117−66
𝑏25 = 127−66 = 0.836
𝑤 ′ = (1, 0.885, 0, 0.213, 0.836)𝑇
Berikut ini adalah hasil dari perhitungan nilai bobot kriteria luas tanah:
Tabel 4.14 Nilai Bobot Vektor (w) Kriteria Luas Tanah
W
-
A1
1.000
A2
0.885
A3
0.000
A4
0.213
A5
0.836
Perhitungan nilai bobot vektor kriteria luas bangunan
Mencari nilai maksimal dan minimal terlebih dahulu.
𝐴𝑗 𝑚𝑎𝑥 = max(103, 73, 32, 27, 50) = 103
𝐴𝑗 𝑚𝑖𝑛 = min(103, 73, 32, 27, 50) = 27
Kemudian menghitung nilai bobot vektor pada kriteria luas bangunan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
51
103−27
𝑏31 = 103−27 = 1
73−27
𝑏32 = 103−27 = 0.605
32−27
𝑏33 = 103−27 = 0.066
27−27
𝑏34 = 103−27 = 0
50−27
𝑏35 = 103−27 = 0.303
𝑤 ′ = (1, 0.605, 0.066, 0, 0.303)𝑇
Berikut ini adalah hasil dari perhitungan nilai bobot kriteria luas bangunan:
Tabel 4 15 Nilai Bobot Vektor (w) Kriteria Luas Bangunan
W
-
A1
1.000
A2
0.605
A3
0.066
A4
0.000
A5
0.303
Perhitungan nilai bobot vektor kriteria lokasi
Mencari nilai maksimal dan minimal terlebih dahulu.
𝐴𝑗 𝑚𝑎𝑥 = max(3972.857, 3156.857, 3156.857, 3156.857, 4684.571) =
4684.571
𝐴𝑗 𝑚𝑖𝑛 = min(3972.857, 3156.857, 3156.857, 3156.857, 4684.571) =
3156.857
Kemudian menghitung nilai bobot vektor pada kriteria lokasi.
4684.571−3972.857
𝑏41 = 4684.571−3156.857 = 0.466
4684.571−3156.857
𝑏42 = 4684.571−3156.857 = 1
4684.571−3156.857
𝑏43 = 4684.571−3156.857 = 1
4684.571−3156.857
𝑏44 = 4684.571−3156.857 = 1
4684.571−4684.571
𝑏45 = 4684.571−3156.857 = 0
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
52
𝑤 ′ = (0.466,1, 1, 1, 0)𝑇
Berikut ini adalah hasil dari perhitungan nilai bobot kriteria lokasi:
Tabel 4.16 Nilai Bobot Vektor (w) Kriteria Lokasi
W
-
A1
0.466
A2
1.000
A3
1.000
A4
1.000
A5
0.000
Perhitungan nilai bobot vektor kriteria spesifikasi
Mencari nilai maksimal dan minimal terlebih dahulu.
𝐴𝑗 𝑚𝑎𝑥 = max(40, 36, 35, 35, 36) = 40
𝐴𝑗 𝑚𝑖𝑛 = min(40, 36, 35, 35, 36) = 35
Kemudian menghitung nilai bobot vektor pada kriteria spesifikasi.
40−35
𝑏51 = 40−35 = 1
36−35
𝑏52 = 40−35 = 0.2
35−35
𝑏53 = 40−35 = 0
35−35
𝑏54 = 40−35 = 0
36−35
𝑏55 = 40−35 = 0.2
𝑤 ′ = (1, 0.2, 0, 0, 0.2)𝑇
Berikut ini adalah hasil dari perhitungan nilai bobot kriteria spesifikasi:
Tabel 4.17 Nilai Bobot Vektor (w) Kriteria Spesifikasi
W
A1
1.000
A2
0.200
A3
0.000
A4
0.000
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
53
A5
7.
0.200
Menentukan normalisasi nilai vektor bobot untuk setiap kriteria yang
mempresentasikan bobot dari setiap alternatif.
-
Perhitungan normalisasi nilai bobot vektor kriteria harga
𝑤 ′ = (0, 0.529, 1, 0.965, 0.754)𝑇
∑ 𝑤 ′ = 0 + 0.529 + 1 + 0.965 + 0.754 = 3.249
𝑤=
(0,0.529,1,0.965,0.754)𝑇
3.249
= (0, 0.163, 0.308, 0.297, 0.232)𝑇
Dengan total nilai vektor bobot (w) sama dengan 1.
Berikut ini adalah hasil dari perhitungan normalisasi nilai bobot kriteria
harga:
Tabel 4.18 Normalisasi Nilai Bobot Vektor (w) Kriteria Harga
w Normalisasi
-
A1
0.000
A2
0.163
A3
0.308
A4
0.297
A5
0.232
Perhitungan normalisasi nilai bobot vektor kriteria luas tanah
𝑤 ′ = (1, 0.885, 0, 0.213, 0.836)𝑇
∑ 𝑤 ′ = 1 + 0.885 + 0 + 0.213 + 0.836= 2.934
𝑤=
(1,0.885,0,0.213,0.836)𝑇
2.934
= (0.341, 0.302, 0, 0.073, 0.285)𝑇
Dengan total nilai vektor bobot (w) sama dengan 1.
Berikut ini adalah hasil dari perhitungan normalisasi nilai bobot kriteria luas
tanah:
Tabel 4.19 Normalisasi Nilai Bobot Vektor (w) Kriteria Luas Tanah
w Normalisasi
A1
0.341
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
54
-
A2
0.302
A3
0.000
A4
0.073
A5
0.285
Perhitungan normalisasi nilai bobot vektor kriteria luas bangunan
𝑤 ′ = (1, 0.605, 0.066, 0, 0.303)𝑇
∑ 𝑤 ′ = 1 + 0.605 + 0.066 + 0 + 0.303 = 1.974
𝑤=
(1,0.605,0.066,0,0.303)𝑇
3.249
= (0.507, 0.307, 0.033, 0, 0.153)𝑇
Dengan total nilai vektor bobot (w) sama dengan 1.
Berikut ini adalah hasil dari perhitungan normalisasi nilai bobot kriteria luas
bangunan:
Tabel 4 20 Normalisasi Nilai Bobot Vektor (w) Kriteria Luas Bangunan
w Normalisasi
-
A1
0.507
A2
0.307
A3
0.033
A4
0.000
A5
0.153
Perhitungan normalisasi nilai bobot vektor kriteria lokasi
𝑤 ′ = (0.466,1, 1, 1, 0)𝑇
∑ 𝑤 ′ = 0.466 + 1 + 1 + 1 + 0 = 3.466
𝑤=
(0.466,1,1,1,0)𝑇
3.466
= (0.134, 0.289, 0.289, 0.289, 0)𝑇
Dengan total nilai vektor bobot (w) sama dengan 1.
Berikut ini adalah hasil dari perhitungan normalisasi nilai bobot kriteria
lokasi:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
55
Tabel 4.21 Normalisasi Nilai Bobot Vektor (w) Kriteria Lokasi
w Normalisasi
-
A1
0.134
A2
0.289
A3
0.289
A4
0.289
A5
0.000
Perhitungan normalisasi nilai bobot vektor kriteria spesifikasi
𝑤 ′ = (1, 0.2, 0, 0, 0.2)𝑇
∑ 𝑤 ′ = 1 + 0.2 + 0 + 0 + 0.2 = 1.4
𝑤=
(1,0.2,0,0,0.2)𝑇
1.4
= (0.714, 0.143, 0, 0, 0.143)𝑇
Dengan total nilai vektor bobot (w) sama dengan 1.
Berikut ini adalah hasil dari perhitungan normalisasi nilai bobot kriteria
spesifikasi:
Tabel 4.22 Normalisasi Nilai Bobot Vektor (w) Kriteria Spesifikasi
w Normalisasi
8.
A1
0.714
A2
0.143
A3
0.000
A4
0.000
A5
0.143
Perangkingan dan hasil keputusan.
Pada perhitungan skor menggunakan perhitungan dari Kusumadewi, dkk
(2006). Mendapatkan skor dengan cara mengalikan nilai vektor bobot (w)
setiap kriteria dengan nilai vektor bobot (w) untuk setiap kriteria yang
mempresentasikan bobot dari setiap yaitu pada persamaan 2.16.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
56
Tabel 4.23 Nilai Bobot Vektor (W) Kriteria dan
No
w
Nama
C5
W
C1
C2
C3
C4
0.000
0.341
0.507
0.134
0.714 0.427
0.163
0.302
0.307
0.289
0.143 0.241
0.308
0.000
0.033
0.289
0.000 0.249
0.297
0.073
0.000
0.289
0.000 0.084
0.232
0.285
0.153
0.000
0.143 0.000
Rumah 1
A1
1
(BTH Blok B
2)
-
A2
2
A3
3
A4
4
A5
5
Rumah 2 (Blok
A 1)
Rumah 3 (Blok
C 1)
Rumah 4 (Blok
D 1(H))
Rumah 5 (1)
Menghitung total skor
𝑠𝐴1 = (0 × 0.427) + (0.341 × 0.241) + (0.507 × 0.249) + (0.134 ×
0.084) + (0.714 × 0) = 0.219
𝑠𝐴2 = (0.163 × 0.427) + (0.302 × 0.241) + (0.307 × 0.249) + (0.289 ×
0.084) + (0.143 × 0) = 0.243
𝑠𝐴3 = (0.308 × 0.427) + (0 × 0.241) + (0.033 × 0.249) + (0 ×
0.084) + (0.249 × 0) = 0.164
𝑠𝐴4 = (0.297 × 0.427) + (0.073 × 0.241) + (0 × 0.249) + (0.289 ×
0.084) + (0 × 0) = 0.168
𝑠𝐴5 = (0.232 × 0.427) + (0.285 × 0.241) + (0.153 × 0.249) + (0 ×
0.084) + (0.143 × 0) = 0.206
Berikut ini adalah nilai skor setiap:
Tabel 4.24 Hasil Skor Setiap
Skor
A1
0.219
A2
0.243
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
57
-
A3
0.164
A4
0.168
A5
0.206
Perangkingan dan hasil keputusan
Dilihat dari tabel 4.19 hasil skor setiap dapat diurutkan dari besar ke kecil
seperti tabel berikut.
Tabel 4.25 Perangkingan dan Hasil Keputusan
Skor
A2
0.243
A1
0.219
A5
0.206
A4
0.168
A3
0.164
Dari perangkingan skor pada tabel 4.20 dapat disimpulkan bahwa A2 yaitu
Rumah 2 (Blok A 1) dengan harga Rp798,710,000, luas tanah 120 𝑚2 , luas
bangunan 73 𝑚2 , lokasi perumahan di Agatama Regency Banguntapan yaitu
Baturetno, Banguntapan, Bantul, Daerah Istimewa Yogyakarta 55196, Indonesia,
dan spesifikasi perumahan Agatama Regency Banguntapan 2 lantai adalah rumah
yang paling direkomendasikan dengan skor 0.243.
4.5
Perancangan Proses
4.5.1 Diagram Konteks Sistem
Antarmuka utama sistem dengan lingkungannya dapat ditunjukan dengan
menggunakan diagram konteks sistem. Berikut diagram konteks sistem dari sistem
pendukung pengambilan keputusan pembelian rumah:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
58
Data lokasi perumahan
Data spesifikasi
Data rumah
Data gambar denah rumah dan lokasi
Data gambar rumah
Data perbandingan
prioritas antar kriteria
Level 0
Administrator
Sistem Pendukung Pengambilan
Keputusan Pembelian Rumah dengan
Fuzzy AHP
Data lokasi perumahan
Data spesifikasi
Data rumah
Data gambar denah rumah dan lokasi
Data gambar rumah
User
Data perbandingan
prioritas antar kriteria
Gambar 4.11 Diagram Konteks Sistem
4.5.2 Diagram Aliran Data Level 1
Diagram konteks sistem pada level 1 sisi Administrator:
1
Data username, password
Login
Validasi
login
Admin
Data Lokasi
Perumahan
Perumahan
Data
Spesifikasi
Spesifikasi
Data
Rumah
Rumah
Data
Gambar
Denah
Rumah
dan Lokasi
Gambar Perumahan
Data
Gambar
Rumah
Gambar Rumah
Validasi login
Input Data Lokasi
Perumahan
2
Kelola Data Lokasi
Perumahan
Input Data
Spesifikasi
3
Kelola Data
Spesifikasi
4
Administrator
Input Data Rumah
Kelola Data
Rumah
5
Input Data Gambar
Denah dan Lokasi
Input Data
Gambar Rumah
Kelola Data
Gambar Denah
Rumah
dan Lokasi
6
Kelola Data
Gambar Rumah
7
Logout
Logout
Gambar 4.12 Diagram Aliran Data Level 1 Adminsitrator
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
59
Diagram konteks sistem pada level 1 sisi User:
1
Informasi profil
Lihat Profil PT
Agatama Putra
Data Perumahan
Perumahan
2
Informasi perumahan
Lihat Perumahan
Data Spesifikasi
Spesifikasi
User
Input perbandingan
prioritas antar kriteria
3
Data Rumah
Rumah
Sistem Pendukung
Pengambilan
Keputusan
Data Gambar
Perumahan
Informasi, aturan dan
cara penggunaan sistem
Gambar Perumahan
4
Lihat Help
Gambar 4.13 Diagram Aliran Data Level 1 User
4.5.3 Diagram Aliran Data Level 2
Diagram konteks sistem pada level 2 sisi Administrator:
Informasi Data Lokasi
Perumahan
2.1
Informasi Data Lokasi
Perumahan
Lihat Data Lokasi
Perumahan
Nama perumahan,
alamat perumahan,
sd, smp, sma,
kampus, pasar,
rumah sakit, spbu
2.2
Data Lokasi
Perumahan
Tambah Data
Lokasi Perumahan
Data Lokasi
Perumahan
Administrator
Data Lokasi
Perumahan
Perumahan
2.3
Ubah Data Lokasi
Perumahan
Data Lokasi
Perumahan
2.4
Data Lokasi
Perumahan
Hapus Data Lokasi
Perumahan
Gambar 4.14 Diagram Aliran Data Level 2 Proses 2 Administrator
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
60
3.1
Informasi Data Spesifikasi
Nama perumahan, keterangan lantai
spesifikasi rumah, pondasi,
kerangka, dinding, lantai, kusen,
daun pintu, pengunci, plafond, atap,
kamar mandi, dapur,cat finishing,
carport, sanitasi, halaman depan,
instalasi listrik, gambar
Informasi Data Spesifikasi
Lihat Data
Spesifikasi
3.2
Data Spesifikasi
Tambah Data
Spesifikasi
Data Spesifikasi
Administrator
Spesifikasi
3.3
Data Spesifikasi
Ubah Data
Spesifikasi
3.4
Data Spesifikasi
Data Spesifikasi
Hapus Data
Spesifikasi
Gambar 4.15 Diagram Aliran Data Level 2 Proses 3 Administrator
Informasi Data Rumah
4.1
Informasi Data Rumah
Lihat Data
Rumah
Kavling rumah,
harga, luas tanah,
luas bangunan,
nama perumahan,
spesifikasi, status
rumah
4.2
Tambah Data
Rumah
Data Rumah
Administrator
Rumah
4.3
Data Rumah
Ubah Data
Rumah
4.4
Data Rumah
Hapus Data
Rumah
Gambar 4.16 Diagram Aliran Data Level 2 Proses 4 Administrator
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
61
5.1
Informasi Data Gambar
Denah Rumah dan Lokasi
Lihat Data
Gambar Denah
Rumah dan
Lokasi
5.2
Nama perumahan,
gambar, keterangan
Tambah Data
Gambar Denah
Rumah dan
Lokasi
Administrator
Data Gambar
Denah Rumah
dan Lokasi
Data Gambar
Denah Rumah
dan Lokasi
Informasi Data Gambar
Perumahan
Data Gambar
Denah Rumah
dan Lokasi
Data Gambar
Denah Rumah
dan Lokasi
Gambar Perumahan
5.3
Ubah Data
Gambar Denah
Rumah dan
Lokasi
5.4
Hapus Data
Gambar Denah
Rumah dan
Lokasi
Data Gambar
Denah Rumah
dan Lokasi
Gambar 4.17 Diagram Aliran Data Level 2 Proses 5 Administrator
Informasi Data Gambar
Rumah
6.1
Informasi Data Gambar
Rumah
Lihat Data
Gambar Rumah
Nama perumahan
dan lantai, gambar
6.2
Data Gambar
Rumah
Tambah Data
Gambar Rumah
Data Gambar
Rumah
Administrator
Data Gambar
Rumah
Gambar Rumah
6.3
Ubah Data
Gambar Rumah
Data Gambar
Rumah
6.4
Data Gambar
Rumah
Hapus Data
Gambar Rumah
Gambar 4.18 Diagram Aliran Data Level 2 Proses 6 Administrator
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
62
Diagram konteks sistem pada level 2 sisi User:
Data Perumahan
User
No, nama, alamat, denah
rumah dan lokasi
Perumahan
2.1
Lihat Perumahan
Data Rumah
Rumah
Data Gambar
Perumahan
Gambar Perumahan
Gambar 4.19 Diagram Aliran Data Level 2 Proses 2 User
Data Perumahan
User
No, nama perumahan,
kavling rumah, harga
rumah, luas tanah, luas
bangunan, lokasi,
keterangan spesifikasi
rumah, skor
Perumahan
3.1
Lihat Hasil Sistem
Pengambilan
Keputusan
Data Spesifikasi
Data Rumah
Spesifikasi
Rumah
Gambar 4.20 Diagram Aliran Data Level 2 Proses 3 User
4.5.4 Diagram Aliran Data Level 3
Diagram konteks sistem pada level 3 sisi User:
Data Spesifikasi
User
No, kavling rumah, harga
rumah, luas tanah, luas
bangunan, lantai, status
Spesifikasi
2.1.1
Lihat Data Daftar
Rumah
Data Rumah
Gambar 4.21 Diagram Aliran Data Level 3 Proses 2.1 User
Rumah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
63
Data Perumahan
User
Data Perumahan, Data
Spesifikasi, Data Rumah,
Data Gambar
Denah Rumah
dan Lokasi, Data Gambar
Rumah
Perumahan
Data Spesifikasi
Spesifikasi
3.1.1
Lihat Data Rincian
Rumah
Data Rumah
Data Gambar
Perumahan
Data Gambar
Rumah
Rumah
Gambar Perumahan
Gambar Rumah
Gambar 4.22 Diagram Aliran Data Level 3 Proses 3.1 User
4.6
Perancangan Basisdata
4.6.1 Perancangan Konseptual
Pada perancangan ini terdapat 5 entitas yaitu perumahan, spesifikasi, rumah,
gambar_perumahan dan gambar_rumah. Untuk entitas spesifikasi bergantung pada
entitas lokasi, entitas rumah bergantung pada entitas lokasi dan spesifikasi, entitas
gambar_perumahan bergantung pada entitas lokasi, dan gambar_rumah bergantuk
pada entitas spesifikasi. Berikut adalah model data Entity Relationship Diagram
(ERD):
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
kusen
lantai
dinding
jarak_sd
tujuan_sd
pengunci
kerangka
plafond
tujuan_smp
pondasi
jarak_smp
atap
alamat_perumahan
id_perumahan
nama_perumahan
tujuan_sma
desc_spesifikasi
kamar_mandi
jarak_sma
id_perumahan
dapur
id_spesifikasi
cat_finishing
nama_gambar
id_gambar
tujuan_kampus
id_perumahan
gambar_perumahan
tipe_gambar
desc_gambar
memiliki
daun_pintu
perumahan
jarak_kampus
memiliki
tujuan_spbu
tujuan_pasar
spesifikasi
memiliki
sanitasi
gambar_spesifikasi
halaman_depan
jarak_pasar
nilai_lokasi
jarak_rs
instalasi_listrik
tujuan_rs
desc_rumah
harga_rumah
luas_tanah
id_rumah
memiliki
rumah
memiliki
status
luas_bangunan
id_perumahan
id_spesifikasi
Gambar 4.23 Entity Relationship Diagram
64
id_spesifikasi
gambar_rumah
nilai_spesifikasi
carport
jarak_spbu
id_grumah
nama_grumah
tipe_grumah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Keterangan:
a. Ada 5 entitas yang terlibat, yaitu perumahan, spesifikasi, rumah,
gambar_perumahan, dan gambar_rumah.
b. Setiap entitas memiliki atribut masing-masing.
c. Relasi entitas perumahan dengan spesifikasi adalah one to many. Setiap
entitas perumahan memiliki banyak entitas spesifikasi, sedangkan entitas
spesifikasi tidak sebaliknya. Satu entitas spesifikasi hanya memiliki satu
entitas perumahan.
d. Relasi entitas perumahan dengan rumah adalah one to many. Setiap entitas
perumahan memiliki banyak entitas rumah, sedangkan entitas rumah tidak
sebaliknya. Satu entitas rumah hanya memiliki satu entitas perumahan.
e. Relasi entitas spesifikasi dengan rumah adalah one to many. Setiap entitas
spesifikasi memiliki banyak entitas rumah, sedangkan entitas rumah tidak
sebaliknya. Satu entitas rumah hanya memiliki satu entitas spesifikasi.
f. Relasi entitas perumahan dengan gambar_perumahan adalah one to one.
Setiap entitas perumahan hanya memiliki satu entitas gambar_perumahan,
begitu pula sebaliknya. Satu entitas gambar_perumahan hanya memiliki satu
entitas perumahan.
g. Relasi entitas spesifikasi dengan gambar_rumah adalah one to one. Setiap
entitas spesifikasi hanya memiliki satu entitas rumah, begitu pula sebaliknya.
Satu entitas gambar_rumah hanya memiliki satu entitas spesifikasi.
4.6.2 Perancangan Logikal
Pada perancangan ini terdapat 5 entitas yaitu perumahan, spesifikasi, rumah,
gambar_perumahan dan gambar_rumah.
65
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
66
perumahan
id_perumahan
*
nama_perumahan
alamat_perumahan
tujuan_sd
jarak_sd
tujuan_smp
jarak_smp
tujuan_sma
jarak_sma
tujuan_kampus
jarak_kampus
tujuan_pasar
jarak_pasar
tujuan_rs
jarak_rs
tujuan_spbu
jarak_spbu
nilai_lokasi
rumah
id_rumah
desc_rumah
harga_rumah
luas_tanah
huas_bangunan
id_perumahan
id_spesifikasi
status
gambar_perumahan
id_gambar
id_perumahan
nama_gambar
tipe_gambar
desc_gambar
*
**
spesifikasi
*
**
**
gambar_rumah
id_grumah
id_spesifikasi
nama_grumah
tipe_grumah
*
**
id_spesifikasi
*
id_perumahan
**
desc_spesifikasi
pondasi
kerangka
dinding
lantai
kusen
daun_pintu
pengunci
plafond
atap
kamar_mandi
dapur
cat_finishing
carport
sanitasi
halaman_depan
instalasi_listrik
gambar_spesifikasi
nilai_spesifikasi
Gambar 4.24 Desain Logikal
4.6.3 Perancangan Fisikal
a. Tabel admin
Tabel 4.26 admin
Nama Field
Tipe
Keterangan
id_admin
int(10)
Primary key
desc_admin
varchar(50)
Deskripsi admin
Uname_admin
varchar(8)
Username admin
Pass_admin
varchar(8)
Password admin
Nama Field
Tipe
Keterangan
id_perumahan
int(10)
Primary key
nama_perumahan
int(10)
Nama perumahan
alamat_perumahan
varchar(50)
Alamat perumahan
tujuan_sd
varchar(10)
Nama sd
b. Tabel perumahan
Tabel 4. 27 perumahan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
67
jarak_sd
int(10)
Nilai
jarak
alamat
antara
perumahan
dengan sd
tujuan_smp
varchar(10)
Nama smp
jarak_smp
int(10)
Nilai
jarak
alamat
antara
perumahan
dengan smp
tujuan_sma
varchar(10)
Nama sma
jarak_sma
int(10)
Nilai
jarak
alamat
antara
perumahan
dengan sma
tujuan_kampus
varchar(10)
Nama kampus
jarak_kampus
int(10)
Nilai
jarak
alamat
antara
perumahan
dengan kampus
tujuan_pasar
varchar(10)
Nama pasar
jarak_pasar
int(10)
Nilai
jarak
alamat
antara
perumahan
dengan pasar
tujuan_rs
varchar(10)
Nama rumah sakit
jarak_rs
int(10)
Nilai
jarak
alamat
antara
perumahan
dengan rumah sakit
tujuan_spbu
varchar(10)
Nama spbu
jarak_spbu
int(10)
Nilai
jarak
alamat
antara
perumahan
dengan spbu
nilai_lokasi
double(10,3)
Hasil perhitungan ratarata total nilai jarak
antar lokasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
68
c. Tabel spesifikasi
Tabel 4.28 spesifikasi
Nama Field
Tipe
Keterangan
id_spesifikasi
int(10)
Primary key
id_perumahan
int(10)
Foreign key
desc_spesifikasi
varchar(50)
Deskripsi
spesifikasi
perumahan
Pondasi
varchar(10)
Nilai pondasi
Kerangka
varchar(10)
Nilai kerangka
Dinding
varchar(10)
Nilai dinding
Lantai
varchar(10)
Nilai lantai
Kusen
varchar(10)
Nilai kusen
daun_pintu
varchar(10)
Nilai daun pintu
pengunci
varchar(10)
Nilai pengunci
plafond
varchar(10)
Nilai plafond
Atap
varchar(10)
Nilai atap
kamar_mandi
varchar(10)
Nilai kamar mandi
Dapur
varchar(10)
Nilai dapur
cat_finishing
varchar(10)
Nilai cat finishing
carport
varchar(10)
Nilai carport
sanitasi
varchar(10)
Nilai sanitasi
halaman_depan
varchar(10)
Nilai halaman depan
instalasi_listrik
varchar(10)
Nilai instalasi listrik
gambar_spesifikasi
nilai_spesifikasi
varchar(50)
double(10,3)
Nilai
gambar
spesifikasi
Hasil perhitungan total
nilai spesifikasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
69
d. Tabel rumah
Tabel 4.29 rumah
Nama Field
Tipe
Keterangan
id_rumah
int(10)
Primary key
desc_rumah
varchar(500)
Desktipsi rumah
harga_rumah
int(20)
Nilai harga rumah
luas_tanah
int(20)
Nilai luas tanah
huas_bangunan
int(20)
Nilai luas bangunan
id_perumahan
int(10)
Foreign key
id_spesifikasi
int(10)
Foreign key
Status
varchar(50)
Status rumah
e. Tabel gambar_perumahan
Tabel 4.30 gambar_perumahan
Nama Field
Tipe
Keterangan
id_gambar
int(10)
Primary key
id_perumahan
int(10)
Foreign key
nama_gambar
tipe_gambar
desc_gambar
varchar(100)
varchar(100)
varchar(500)
Nama gambar denah
rumah dan lokasi
Tipe
gambar
denah
rumah dan lokasi
Deskripsi
gambar
denah rumah dan lokasi
f. Tabel gambar_rumah
Tabel 4.31 gambar_rumah
Nama Field
Tipe
Keterangan
id_grumah
int(10)
Primary key
id_spesifikasi
int(10)
Foreign key
nama_grumah
varchar(100)
Nama gambar rumah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
70
tipe_grumah
4.7
varchar(100)
Tipe gambar rumah
Perancangan User Interface
4.7.1 Halaman Utama
Halaman ini adalah halaman utama. Pada halaman ini pengguna dapat melihat
profil pengembang, perumahan, melakukan langkah-langkah sistem pendukung
keputusan dan melihat help. Pada halaman ini administrator dapat melakukkan
login.
Home
Profil
Perumahan
Sistem
Pendukung
Pengambilan
Keputusan
Help
Login
Gambar
Logo
PT Agatama Putra Group
Gambar 4.25 Halaman Utama
4.7.2 Halaman Profil
Halaman ini merupakan halaman yang berisi mengenai profil suatu pengembang
perumahan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
71
Home
Profil
Perumahan
Sistem
Pendukung
Pengambilan
Keputusan
Help
Login
Profil
Gambar
Text
Gambar 4.26 Halaman Profil
4.7.3 Halaman Perumahan
Halaman ini merupakan halaman yang berisi mengenai perumahan dan rumah
yang ditawarkan.
Home
Profil
Perumahan
Sistem
Pendukung
Pengambilan
Keputusan
Help
Perumahan
Text
Text
Text
Text
Text
Text
Text
Text
Text
Lihat
Gambar 4.27 Halaman Perumahan
Login
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
72
4.7.4 Halaman Daftar Rumah
Halaman ini merupakan halaman yang berisi mengenai daftar rumah yang
ditawarkan.
Home
Profil
Perumahan
Sistem
Pendukung
Pengambilan
Keputusan
Help
Text
Text
Text
Text
Text
Text
Text
Text
Text
Text
Login
Gambar 4.28 Halaman Daftar Rumah
4.7.5 Halaman Sistem Pendukung Pengambilan Keputusan
Halaman ini merupakan halaman yang memproses rekomendasi rumah
dengan meggunakan metode Fuzzy Analitycal Hierarcy Process. Pada halaman ini
user/pengguna melakukan perbandingan prioritas antar kriteria untuk melakukkan
langkah awal melakukan proses untuk menghasilkan rekomendasi.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
73
Home
Profil
Perumahan
Sistem
Pendukung
Pengambilan
Keputusan
Help
Login
Sistem Pendukung Pengambilan Keputusan
Kriteria 1
prioritas
Kriteria 2
Lanjut
Gambar 4.29 Halaman Sistem Pendukung Pengambilan Keputusan
4.7.6 Halaman Hasil Sistem Pendukung Pengambilan Keputusan
Halaman ini merupakan halaman untuk menampilkan rekomendasi rumah.
Rekomendasi tersebut adalah hasil dari melakukan perbandingan prioritas antar
kriteria.
Home
Profil
Perumahan
Sistem
Pendukung
Pengambilan
Keputusan
Help
Login
Hasil Rekomendasi
Text
Text
Text
Text
Text
Text
Text
Text
Text
Rincian
Kembali
Gambar 4.30 Halaman Hasil Sistem Pendukung Pendukung Keputusan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
74
4.7.7 Halaman Rincian Data Hasil Sistem Pendukung Pengambilan
Keputusan
Halaman ini merupakan halaman untuk menampilkan rincian data dari hasil
sistem pendukung pengambilan keputusan rekomendasi rumah.
Home
Profil
Perumahan
Sistem
Pendukung
Pengambilan
Keputusan
Help
Login
Rincian Data
Text
Text
Text
Text
Kembali
Gambar 4.31 Halaman Rincian Data Hasil Sistem Pendukung Pengambilan
Keputusan
4.7.8 Halaman Help
Halaman ini merupakan halaman help. Halaman ini berisi mengenai
informasi dan langkah-langkah penggunaan sistem.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
75
Home
Profil
Perumahan
Sistem
Pendukung
Pengambilan
Keputusan
Help
Login
Help
Text
Gambar 4.32 Halaman Help
4.7.9 Halaman Login
Halaman ini merupakan halaman login administrator. Halaman ini
merupakan proses awal administrator untuk masuk kedalam sistem.
Home
Profil
Perumahan
Sistem
Pendukung
Pengambilan
Keputusan
Help
Login
Username :
Password :
Login
Gambar 4.33 Halaman Login Administrator
Login
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
76
4.7.10 Halaman Adminitrator
Halaman ini merupakan halaman utama administrator. Dilihat pada tampilan
ini administrator dapat mengelola data lokasi, spesifikasi, rumah, gambar denah
rumah dan lokasi, dan gambar rumah.
Home
Username
Logout
Kelola Data Lokasi
Kelola Data
Spesifikasi
Kelola Data Rumah
Kelola Data Gambar
Denah Rumah dan
Lokasi
Text
Kelola Data Gambar
Rumah
Gambar 4.34 Halaman Administrator
4.7.11 Halaman Kelola Data
Halaman ini merupakan halaman kelola data. Pada halaman ini administrator
dapat menambahkan data, melihat data dan melakukan aksi seperti mengedit atau
menghapus data.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
77
Home
Username
Logout
Kelola Data
Kelola Data Lokasi
Input Data
Kelola Data
Spesifikasi
Kelola Data Rumah
Label
Label
Label
Kelola Data Gambar
Denah Rumah dan
Lokasi
Kelola Data Gambar
Rumah
Simpan
Batal
Tabel Data
Text
Text
Text
Aksi
Aksi
Text
Text
Text
Edit
Hapus
Gambar 4.35 Halaman Kelola Data
4.7.12 Halaman Ubah Data
Halaman ini merupakan halaman ubah data. Halaman ini akan tampil saat
administrator melakukan aksi mengklik edit pada halaman kelola data. Pada
halaman ini administrator dapat mengubah data.
Home
Username
Kelola Data Lokasi
Edit Data
Kelola Data
Spesifikasi
Kelola Data Rumah
Label
Label
Label
Kelola Data Gambar
Denah Rumah dan
Lokasi
Simpan
Batal
Kelola Data Gambar
Rumah
Gambar 4.36 Halaman Ubah Data
Logout
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
78
4.7.13 Popup Hapus Data
Halaman ini merupakan popups hapus data. Popups ini akan tampil saat
administrator melakukan aksi mengklik hapus pada halaman kelola data. Pada
halaman ini administrator dapat menghapus data.
Home
Username
Kelola Data Lokasi
Kelola Data
Spesifikasi
Kelola Data Rumah
Kelola Data Gambar
Denah Rumah dan
Lokasi
Hapus Data
Oke
Batal
Kelola Data Gambar
Rumah
Gambar 4.37 Popup Hapus Data
Logout
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB V
IMPLEMENTASI, HASIL, DAN PEMBAHASAN
5.1
Implementasi Database
Dalam melakukan implementasi sistem pendukung pengambilan keputusan
pembelian rumah menggunakan metode Fuzzy Analiytical Hierarcy Process
disusun database dengan nama “fuzzyahp”. Di dalam database tersebut terdapat
beberapa tabel, yaitu:
1. Admin
2. Rumah
3. Gambar_perumahan
4. Gambar_rumah
5. Perumahan
6. Spesifikasi
Gambar 5.1 Tabel pada Database: fuzzyahp
5.1.1 Tabel Data Admin
Gambar 5.2 Tabel Admin
Berikut ini adalah query untuk membuat tabel admin:
CREATE TABLE IF NOT EXISTS `admin` (
`id_admin` int(10) NOT NULL AUTO_INCREMENT,
`desc_admin` varchar(50) NOT NULL,
79
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
80
`uname_admin` varchar(8) NOT NULL,
`pass_admin` varchar(8) NOT NULL,
PRIMARY KEY (`id_admin`)
)
5.1.2 Tabel Data Rumah
Gambar 5.3 Tabel Rumah
Berikut ini adalah query untuk membuat tabel rumah:
CREATE TABLE IF NOT EXISTS `rumah` (
`id_rumah` int(10) NOT NULL AUTO_INCREMENT,
`desc_rumah` varchar(500) NOT NULL,
`harga_rumah` int(20) NOT NULL,
`luas_tanah` int(20) NOT NULL,
`luas_bangunan` int(20) NOT NULL,
`id_perumahan` int(10) NOT NULL,
`id_spesifikasi` int(10) NOT NULL,
`status ` varchar(50) NOT NULL,
PRIMARY KEY (`id_rumah`)
)
5.1.3 Tabel Data Gambar_perumahan
Gambar 5.4 Tabel Gambar_perumahan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
81
Berikut ini adalah query untuk membuat tabel gambar_perumahan:
CREATE TABLE IF NOT EXISTS `gambar_perumahan` (
`id_gambar` int(10) NOT NULL AUTO_INCREMENT,
`id_perumahan` int(10) NOT NULL,
`nama_gambar` varchar(100) NOT NULL,
`tipe_gambar` varchar(100) NOT NULL,
`desc_gambar` varchar(500) NOT NULL,
PRIMARY KEY (`id_gambar`)
)
5.1.4 Tabel Data Gambar_rumah
Gambar 5.5 Tabel Gambar_rumah
Berikut ini adalah query untuk membuat tabel gambar_rumah:
CREATE TABLE IF NOT EXISTS `gambar_rumah` (
`id_grumah` int(10) NOT NULL AUTO_INCREMENT,
`id_spesifikasi` int(10) NOT NULL,
`nama_grumah` varchar(100) NOT NULL,
`tipe_grumah` varchar(100) NOT NULL,
PRIMARY KEY (`id_grumah`)
)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
82
5.1.5 Tabel Data Perumahan
Gambar 5.6 Tabel Perumahan
Berikut ini adalah query untuk membuat tabel perumahan:
CREATE TABLE IF NOT EXISTS `perumahan` (
`id_perumahan` int(10) NOT NULL AUTO_INCREMENT,
`nama_perumahan` varchar(100) NOT NULL,
`alamat_perumahan` varchar(500) NOT NULL,
`tujuan_sd` varchar(100) NOT NULL,
`jarak_sd` int(11) NOT NULL,
`tujuan_smp` varchar(100) NOT NULL,
`jarak_smp` int(11) NOT NULL,
`tujuan_sma` varchar(100) NOT NULL,
`jarak_sma` int(11) NOT NULL,
`tujuan_kampus` varchar(100) NOT NULL,
`jarak_kampus` int(11) NOT NULL,
`tujuan_pasar` varchar(100) NOT NULL,
`jarak_pasar` int(11) NOT NULL,
`tujuan_rs` varchar(100) NOT NULL,
`jarak_rs` int(11) NOT NULL,
`tujuan_spbu` varchar(100) NOT NULL,
`jarak_spbu` int(11) NOT NULL,
`nilai_lokasi` double(10,3) NOT NULL,
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
83
PRIMARY KEY (`id_perumahan`)
)
5.1.6 Tabel Data Spesifikasi
Gambar 5.7 Tabel Spesifikasi
Berikut ini adalah query untuk membuat tabel spesifikasi:
CREATE TABLE IF NOT EXISTS `spesifikasi` (
`id_spesifikasi` int(10) NOT NULL AUTO_INCREMENT,
`id_perumahan` int(10) NOT NULL,
`desc_spesifikasi` varchar(50) NOT NULL,
`pondasi` varchar(10) NOT NULL,
`kerangka` varchar(10) NOT NULL,
`dinding` varchar(10) NOT NULL,
`lantai` varchar(10) NOT NULL,
`kusen` varchar(10) NOT NULL,
`daun_pintu` varchar(10) NOT NULL,
`pengunci` varchar(10) NOT NULL,
`plafond` varchar(10) NOT NULL,
`atap` varchar(10) NOT NULL,
`kamar_mandi` varchar(10) NOT NULL,
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
84
`dapur` varchar(10) NOT NULL,
`cat_finishing` varchar(10) NOT NULL,
`carport` varchar(10) NOT NULL,
`sanitasi` varchar(10) NOT NULL,
`halaman_depan` varchar(10) NOT NULL,
`instalasi_listrik` varchar(10) NOT NULL,
`gambar_spesifikasi` varchar(50) NOT NULL,
`nilai_spesifikasi` double(10,3) NOT NULL,
PRIMARY KEY (`id_spesifikasi`)
)
5.2. Implementasi Algoritma Fuzzy Analytical Hierarcy Process
Sebelum memulai perhitungan ke algoritma Fuzzy AHP menyiapkan data
setiap kriteria terlebih dahulu. Karena nilai pada kriteria lokasi dan spesifikasi
didapatkan dengan melalui proses, tidak seperti harga, luas tanah, dan luas
bangunan yang mempunyai nilai yang langsung bisa didapatkan.
-
Kriteria Lokasi
Nilai untuk kriteria lokasi didapatkan dengan cara mencari jarak satu lokasi ke
lokasi lainnya, dengan inputan dari 7 fasilitas umum yaitu:
1. SD
2. SMP
3. SMA
4. Kampus
5. Pasar
6. Rumah Sakit
7. SPBU
Kemudian mengirimkannya ke google maps menggunakan google apis. Berikut
ini adalah source code untuk mengambil nilai jarak pada goggle maps:
$alamat_asal = !empty($_POST['alt_lokasi']) ?
urlencode($_POST['alt_lokasi']) : null;
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
85
$alamat_tujuan1 = !empty($_POST['nm_sd']) ?
urlencode($_POST['nm_sd']) : null;
$alamat_tujuan2 = !empty($_POST['nm_smp']) ?
urlencode($_POST['nm_smp']) : null;
$alamat_tujuan3 = !empty($_POST['nm_sma']) ?
urlencode($_POST['nm_sma']) : null;
$alamat_tujuan4 = !empty($_POST['nm_kampus']) ?
urlencode($_POST['nm_kampus']) : null;
$alamat_tujuan5 = !empty($_POST['nm_pasar']) ?
urlencode($_POST['nm_pasar']) : null;
$alamat_tujuan6 = !empty($_POST['nm_rs']) ?
urlencode($_POST['nm_rs']) : null;
$alamat_tujuan7 = !empty($_POST['nm_spbu']) ?
urlencode($_POST['nm_spbu']) : null;
$urlApi =
"https://maps.googleapis.com/maps/api/distancematrix/jso
n?origins=" . $alamat_asal ."&destinations=" .
$alamat_tujuan1 . "|" . $alamat_tujuan2 . "|" .
$alamat_tujuan3 ."|" . $alamat_tujuan4 . "|" .
$alamat_tujuan5 . "|" .$alamat_tujuan6 . "|" .
$alamat_tujuan7 ."&language=id-ID";
$result = file_get_contents($urlApi);
$data_jarak = json_decode($result, true);
Berikut adalah hasil source code di atas berupa lokasi, jarak dan waktu tempuh
yang didapatkan dari google maps:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
86
Gambar 5.8 Array Lokasi, Jarak dan Waktu Tempuh
Setelah mendapatkan jarak tempuh, kemudian menghitung semua jarak.
Berikut ini adalah source code perhitungan total jarak:
$tot_jarak = 0;
for ($baris = 0; $baris < 7; $baris++) {
$tot_jarak +=
$data_jarak['rows'][0]['elements'][$baris]['distance']
['value'];
}
Berikut ini adalah hasil source code di atas berupa nilai total jarak:
Gambar 5.9 Nilai Total Jarak
Setelah mendapatkan nilai total lalu menghitung rata rata nilai total jarak. Total
jarak dibagi 7 karena jumlah jarak masukkan untuk lokasi ada 7. Berikut ini
adalah source code perhitungan rata-rata jarak:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
87
$ratarata_jarak = $tot_jarak / 7;
Berikut adalah hasil source code di atas berupa rata-rata total jarak yang
dimasukkan sebagai nilai dari setiap pada kriteria lokasi:
Gambar 5.10 Nilai Rata-Rata Jarak untuk Nilai Lokasi
-
Kriteria Spesifikasi
Kriteria spesifikasi didapatkan dari penilaian setiap kriteria spesifikasi. Ada 16
penilaian pada kriteria spesifikasi, yaitu:
1. Pondasi
2. Kerangka
3. Dinding
4. Lantai
5. Kusen
6. Daun Pintu
7. Pengunci
8. Plafond
9. Atap
10. Kamar Mandi
11. Dapur
12. Cat Finishing
13. Carport
14. Sanitasi
15. Halaman Depan
16. Instalasi Listrik
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
88
Penilaian untuk setiap kriteria tersebut dengan mengisi tinggi, sedang atau
rendah. Berikut adalah hasil source code di atas berupa array penilaian
spesifikasi yang sudah dimasukkan:
Gambar 5.11 Array Penilaian Kriteria Spesifikasi
Dari penilaian tersebut kemudian mengganti nilai tinggi menjadi 3, sedang
menjadi 2 dan rendah menjadi 1. Source code sebagi berikut:
for ($baris = 0; $baris < count($input); $baris++) {
if ($input[$baris] == "tinggi") {
$data[$baris][0] = 3;
} elseif ($input[$baris] == "sedang") {
$data[$baris][1] = 2;
} elseif ($input[$baris] == "rendah") {
$data[$baris][2] = 1;
}
}
Berikut adalah hasil source code di atas berupa array pergantian nilai:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
89
Gambar 5.12 Array Nilai Kriteria Spesifikasi
Kemudian mengecek array. Apabila ada yang kosong diisi 0. Source code
sebagi berikut:
for ($baris = 0; $baris < count($data); $baris++) {
for ($kolom = 0; $kolom < count($data); $kolom++) {
if (empty($data[$baris][$kolom])) {
$data_dua[$baris][$kolom] = 0;
} else {
$data_dua[$baris][$kolom]
$data[$baris][$kolom];
}
}
}
Berikut adalah hasil source code di atas berupa pengecekan array:
=
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
90
Gambar 5.13 Array Nilai Kriteria Spesifikasi
Setelah itu menghitung total semua nilai setiap penilaian tinggi, sedang, dan
rendah. Tinggi dinilai pada array 0, sedang pada array 1, dan rendah pada array
3. Source code sebagi berikut:
$sum[0] = array_sum(array_column($data_dua, 0));
$sum[1] = array_sum(array_column($data_dua, 1));
$sum[2] = array_sum(array_column($data_dua, 2));
Berikut adalah hasil source code di atas berupa nilai total setiap penilaian tinggi,
sedang, dan rendah:
Gambar 5.14 Array Total Nilai Tinggi, Sedang, dan Rendah
Mengitung nilai yang digunakan sebagai nilai spesifikasi adalah dengan cara
mengitung semua total dari nilai tinggi, sedang dan rendah yang telah
dimasukan. Source code sebagi berikut:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
91
$total_spesifikasi = ($sum[0] + $sum[1] + $sum[2]);
Berikut adalah hasil source code di atas berupa nilai yang dimasukkan sebagai
nilai dari setiap pada kriteria spesifikasi:
Gambar 5.15 Total Nilai Spesifikasi
Dalam perhitungan untuk menentukan rekomendasi rumah yang sesuai
dengan keinginan dan kebutuhan calon pembeli ada 7 tahap, yaitu:
5.2.1 Menentukan perbandingan matriks berpasangan antar kriteria
dengan skala triangular fuzzy number (TFN)
Calon pembeli rumah ingin membeli rumah dengan menentukan
perbandingan prioritas antar kriteria sebagai berikut:
Tabel 5.1 Penilaian Prioritas Kepentingan antar Kriteria dari User
Kriteria 1
Penilaian
Kriteria 2
Harga
5 Kali Lebih Penting
Luas Tanah
Harga
3 Kali Lebih Penting
Luas Bangunan
Harga
3 Kali Lebih Penting
Lokasi
Harga
7 Kali Lebih Penting
Spesifikasi
Luas Tanah
2 Kali Kurang Penting
Luas Tanah
3 Kali Lebih Penting
Lokasi
Luas Tanah
5 Kali Lebih Penting
Spesifikasi
Luas Bangunan
3 Kali Lebih Penting
Lokasi
Luas Bangunan
5 Kali Lebih Penting
Spesifikasi
2 Kali Kurang Penting
Spesifikasi
Lokasi
Luas Bangunan
Keterangan:
Tabel pada warna abu-abu adalah masukkan dari calon pembeli rumah.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
92
Perbandingan prioritas antar kriteria yang telah dimasukkan oleh calon
pembeli rumah akan tersimpan didalam array dengan nilai seperti gambar dibawah
ini:
Gambar 5.16 Array Nilai Prioritas Kepentingan antar Kriteria dari User
Nilai tersebut bisa didapatkan karena masing-masing masukkan memiliki
value seperti berikut:
Tabel 5.2 Nilai Value dari Nilai Lingustik pada Program
Nilai Linguistik
Value
9 kali lebih penting
8
8 kali lebih penting
7
7 kali lebih penting
6
6 kali lebih penting
5
5 kali lebih penting
4
4 kali lebih penting
3
3 kali lebih penting
2
2 kali lebih penting
1
Sama Penting
0
2 kali kurang penting
-1
3 kali kurang penting
-2
4 kali kurang penting
-3
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
93
5 kali kurang penting
-4
6 kali kurang penting
-5
7 kali kurang penting
-6
8 kali kurang penting
-7
9 kali kurang penting
-8
Sebelum menentukan perbandingan matriks berpasangan antar kriteria
dengan skala TFN, cek terlebih dahulu array perbandingan matriks yang belum
terisi. Jika baris kurang dari kolom maka mengisikan nilai yang telah dimasukkan
tadi. Lain jika baris dan kolom sama maka bernilai sama penting yaitu value 0. Lain
jika baris lebih besar dari kolom maka mengisikan kebalikan dari array yang sudah
terisi sesuai dengan baris kolom array tersebut. Source code sebagai berikut:
for ($baris = 0; $baris < count($input) + 1; $baris++) {
for ($kolom = 0; $kolom < count($input) + 1; $kolom++)
{
if ($baris < $kolom) {
$data[$baris][$kolom] = $input[$baris][$kolom];
} elseif ($baris == $kolom) {
$data[$baris][$kolom] = 0;
} elseif ($baris > $kolom) {
$data[$baris][$kolom] = -$input[$kolom][$baris];
}
}
}
Berikut adalah hasil source code di atas berupa array hasil dari pengecekan
perbandingan prioritas antar kriteria:
Gambar 5.17 Array Semua Nilai Prioritas Kepentingan antar Kriteria
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
94
Setelah didapatkan semua perbandingan prioritas antar kriteria, lalu
menentukan perbandingan matriks berpasangan antar kriteria dengan skala TFN.
Ketetetapan tfn pada program sebagai berikut:
$tfn_fuzzyahp = [
-8 => [2 / 9, 2 / 9, 2 / 8],
-7 => [2 / 9, 2 / 8, 2 / 7],
-6 => [2 / 8, 2 / 7, 2 / 6],
-5 => [2 / 7, 2 / 6, 2 / 5],
-4 => [2 / 6, 2 / 5, 2 / 4],
-3 => [2 / 5, 2 / 4, 2 / 3],
-2 => [2 / 4, 2 / 3, 2 / 2],
-1 => [2 / 3, 2 / 2, 2 / 1],
0 => [1, 1, 1],
1 => [1 / 2, 2 / 2, 3 / 2],
2 => [2 / 2, 3 / 2, 4 / 2],
3 => [3 / 2, 4 / 2, 5 / 2],
4 => [4 / 2, 5 / 2, 6 / 2],
5 => [5 / 2, 6 / 2, 7 / 2],
6 => [6 / 2, 7 / 2, 8 / 2],
7 => [7 / 2, 8 / 2, 9 / 2],
8 => [8 / 2, 9 / 2, 9 / 2],
];
Pada array [0] itu memuat nilai 1 dan kebalikannya. Karena nilai 1 dan
kebalikannya pada TFN sama, yaitu [1, 1, 1]. Potongan program dibawah ini adalah
cara untuk mengganti nilai perbandingan matriks berpasangan antar kriteria biasa
dengan skala TFN. Source code sebagai berikut:
for ($baris = 0; $baris < count($data); $baris++) {
for ($kolom = 0; $kolom < count($data); $kolom++) {
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
95
$data_tfn[$baris][$kolom]
=
$tfn_fuzzyahp[$data[$baris][$kolom]];
}
}
Berikut adalah hasil source code di atas berupa array hasil dari merubah
perbandingan matriks berpasangan antar kriteria dengan skala TFN:
Gambar 5.18 Array Perbandingan Matriks Berpasangan antar Kriteria dengan
Skala TFN
Tabel 5.3 Perbandingan Matriks Berpasangan antar Kriteria dengan Skala TFN
Keterangan:
Array[0] : Harga
Array[1] : Luas Tanah
Array[2] : Luas Bangunan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
96
Array[3] : Lokasi
Array[4] : Spesifikasi
5.2.2 Menentukan Nilai Batas Sintesis Fuzzy (𝑺𝒊 )
Setelah mendapatkan nilai perbandingan matriks berpasangan antar kriteria
dengan skala TFN lalu menentukan nilai batas sintesis fuzzy. Langkah yang
pertama dilakukan adalah menghitung jumlah l, m, dan u untuk setiap kritria. Pada
perhitungan l, m dan u untuk array [$baris][0] adalah tempat untuk menyimpan
jumlah nilai l, [$baris][1] adalah tempat untuk menyimpan jumlah nilai m, dan
[$baris][2] adalah tempat untuk menyimpan jumlah nilai u. Source code sebagai
berikut:
for ($baris = 0; $baris < count($data_tfn); $baris++) {
$lmu[$baris][0] =
array_sum(array_column($data_tfn[$baris], 0));
$lmu[$baris][1] =
array_sum(array_column($data_tfn[$baris], 1));
$lmu[$baris][2] =
array_sum(array_column($data_tfn[$baris], 2));
}
Berikut adalah hasil source code di atas berupa hasil perhitungan jumlah l, m,
dan u untuk setiap kriteria:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
97
Gambar 5.19 Array Jumlah l, m, dan u Setiap Kriteria
Tabel 5.4 Matriks Jumlah l, m, dan u Setiap Kriteria
0
1
2
L
m
u
0
8.000
10.000
12.000
1
5.000
6.400
8.500
2
5.000
6.667
8.500
3
3.167
4.000
6.000
4
2.417
3.086
3.833
Kriteria
Kemudian menghitung total jumlah l, m, u untuk melakukan perhitungan
selanjutnya. Source code sebagai berikut:
$total_lmu[0] = array_sum(array_column($lmu, 0));
$total_lmu[1] = array_sum(array_column($lmu, 1));
$total_lmu[2] = array_sum(array_column($lmu, 2));
Berikut adalah hasil source code di atas berupa hasil dari perhitungan total
jumlah l, m, dan u:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
98
Gambar 5.20 Array Total Jumlah l, m, dan u
Tabel 5.5 Matriks Total Jumlah l, m, dan u
0
1
2
L
m
u
23.583
30.152
38.833
Setelah mendapatkan nilai jumlah l, m, u dan total jumlah l, m, u setiap
kriteria lanjut untung menghitung nilai batas sintesis fuzzy setiap kriteria. Untuk
menghitung nilai batas sintesis fuzzy untuk nilai l pada sintesi fuzzy yaitu dengan
cara membagi nilai l pada setiap kriteria dengan total jumlah pada nilai u, membagi
nilai m pada setiap kriteria dengan total jumlah pada nilai m, dan membagi nilai u
pada setiap kriteria dengan total jumlah pada nilai l. Source code sebagai berikut:
for ($baris = 0; $baris < count($lmu); $baris++) {
$Si[$baris][0] = $lmu[$baris][0] / $total_lmu[2];
$Si[$baris][1] = $lmu[$baris][1] / $total_lmu[1];
$Si[$baris][2] = $lmu[$baris][2] / $total_lmu[0];
}
Berikut ini adalah hasil source code di atas berupa hasil dari perhitungan nilai
batas sintesis fuzzy setiap kriteria:
Gambar 5.21 Array Nilai Batas Sintesis Fuzzy Setiap Kriteria
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
99
Tabel 5.6 Matriks Nilai Batas Sintesis Fuzzy (Si) Setiap Kriteria
0
1
2
L
m
U
0
0.206
0.332
0.509
1
0.129
0.212
0.360
2
0.129
0.221
0.360
3
0.082
0.133
0.254
4
0.062
0.102
0.163
5.2.3 Menentukan Nilai Vektor (V) Prioritas Fuzzy AHP
Nilai vektor priorita fuzzy AHP tiap kriteria didapatkan dengan
membandingkan nilai l, m, u pada batas sintesis fuzzy tiap kriteria. Jika 𝑚2 lebih
besar sama dengan 𝑚1 maka bernilai 1, lain jika 𝑙1 lebih besar sama dengan 𝑚2
maka bernilai 0, selain itu melakukan perhitungan yaitu
𝑙1 −𝑢2
.
(𝑚2 −𝑢2 )−(𝑚1 −𝑙1 )
Source
code sebagai berikut:
for ($baris = 0; $baris < count($Si); $baris++) {
for ($kolom = 0; $kolom < count($Si); $kolom++) {
if ($Si[$baris][1] >= $Si[$kolom][1]) {
$V[$baris][$kolom] = 1;
} elseif ($Si[$kolom][0] >= $Si[$baris][2]) {
$V[$baris][$kolom] = 0;
} else {
$V[$baris][$kolom] = ($Si[$kolom][0] $Si[$baris][2]) / (($Si[$baris][1] $Si[$baris][2]) - ($Si[$kolom][1] $Si[$kolom][0]));
}
}
}
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
100
Berikut ini adalah hasil source code di atas berupa hasil dari perhitungan nilai
vektor prioritas fuzzy AHP setiap kriteria:
Gambar 5.22 Array Nilai Vektor (V) Prioritas Fuzzy AHP Setiap Kriteria
Tabel 5.7 Matriks Nilai Vektor (V) Prioritas Fuzzy AHP Setiap Kriteria
0
1
2
3
4
0
1.000
1.000
1.000
1.000
1.000
1
0.564
1.000
0.963
1.000
1.000
2
0.583
1.000
1.000
1.000
1.000
3
0.196
0.612
0.587
1.000
1.000
4
0.000
0.235
0.221
0.728
1.000
5.2.4 Menentukan Nilai Ordinat Defuzzifikasi (d’)
Mengitung nilai ordinat defuzzyfikasi dengan cara mencari nilai minimal dari
nilai vektor prioritas fuzzy setiap kriteria. Source code sebagai berikut:
for ($baris = 0; $baris < count($V); $baris++) {
$dfuzz[$baris] = min($V[$baris]);
}
Berikut ini adalah hasil source code di atas berupa hasil dari perhitungan nilai
ordinat defuzzyfikasi AHP setiap kriteria:
Gambar 5.23 Array Nilai Ordinat Defuzzifikasi Setiap Kriteria
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
101
Tabel 5.8 Matriks Nilai Ordinat Defuzzifikasi Setiap Kriteria
0
1.000
1
0.564
2
0.583
3
0.196
4
0.000
5.2.5 Normalisasi Nilai Bobot Vektor Fuzzy (W).
Normalisasi nilai bobot vektor dengan cara membagi setiap nilai ordinat
defuzzifikasi tiap kriteria dengan total nilai ordinat defuzzifikasi. Source code
sebagai berikut:
for ($baris = 0; $baris < count($dfuzz); $baris++) {
$W[$baris] = $dfuzz[$baris] / array_sum($dfuzz);
}
Berikut ini adalah hasil source code di atas berupa hasil dari perhitungan nilai
bobot vektor fuzzy yang telah dinormalisasi setiap kriteria:
Gambar 5.24 Array Normalisasi Nilai Bobot Vektor Fuzzy Setiap Kriteria
Tabel 5.9 Matriks Normalisasi Nilai Bobot Vektor Fuzzy Setiap Kriteria
0
0.427
1
0.241
2
0.249
3
0.084
4
0.000
Jadi, bobot untuk kriteria adalah:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
102
-
Harga
: 0.427
-
Luas tanah
: 0.241
-
Luas bangunan
: 0.249
-
Lokasi
: 0.084
-
Spesifikasi
:0
5.2.6 Menentukan vektor bobot untuk setiap 𝑨𝒊 yang mempresentasikan
bobot dari setiap menggunakan pendekatan subjektif.
Dalam
menentukan
vektor
bobot
untuk
setiap
kriteria
yang
mempresentasikan bobot dari setiap alternatif menggunakan pendekatan subjektif
yaitu yang pertama menentukan setiap kriteria masuk ke atribut biaya atau
keuntungan. Source code sebagai berikut:
$kriteria = [
['nama' => 'harga_rumah', 'atribut' => 'biaya'],
['nama' => 'luas_tanah', 'atribut' => 'keuntungan'],
['nama' => 'luas_bangunan', 'atribut' => 'keuntungan'],
['nama' => 'nilai_lokasi', 'atribut' => 'biaya'],
['nama' => 'nilai_spesifikasi', 'atribut' => 'keuntungan'],
];
Setelah itu memanggil semua nilai data rumah atau yang akan diolah untuk
perhitungan. Source code sebagai berikut:
$datarumah = $this->model_spk->getAllRumah()->result();
Berikut adalah hasil source code di atas berupa data rumah atau yang akan
digunakan:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
103
Gambar 5.25 Array Data Rumah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
104
Data rumah yang diperoleh kemudian dicari nilai maksimal dan minimal
setiap kriterianya. Kemudian menghitung nilai bobot pada setiap kriteria tergantung
kriteria tersebut masuk ke atribut biaya atau keuntungan yang sudah ditetapkan.
Source code sebagai berikut:
for ($baris = 0; $baris < count($datarumah); $baris++) {
for ($kolom = 0; $kolom < count($kriteria); $kolom++)
{
$max = max(array_map(function ($rumah) use
($kriteria, $kolom) {
return $rumah->{$kriteria[$kolom]['nama']};
}, $datarumah));
$min = min(array_map(function ($rumah) use
($kriteria, $kolom) {
return $rumah->{$kriteria[$kolom]['nama']};
}, $datarumah));
if ($kriteria[$kolom]['atribut'] == 'biaya') {
$w_krit[$baris][$kolom] = ($max $datarumah[$baris]->{$kriteria[$kolom]['nama']})
/($max - $min);
} elseif ($kriteria[$kolom]['atribut'] ==
'keuntungan') {
$w_krit[$baris][$kolom] = ($datarumah[$baris]>{$kriteria[$kolom]['nama']} - $min) /
($max - $min);
}
}
}
Berikut adalah hasil source code di atas berupa hasil nilai maksimal dan
minimal setiap kriteria yang didapatkan dari dan nilai vektor bobot untuk setiap :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
105
Gambar 5.26 Nilai Maksimal Setiap Kriteria
Tabel 5.10 Nilai Maksimal Setiap Kriteria
Harga
1366117500
Luas Tanah
127
Luas Bangunan
103
Lokasi
4684.571
Spesifikasi
40
Gambar 5.27 Nilai Minimal Setiap Kriteria
Tabel 5.11 Nilai Minimal Setiap Kriteria
Harga
29308000
Luas Tanah
66
Luas Bangunan
27
Lokasi
3156.857
Spesifikasi
35
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
106
Gambar 5.28 Array Nilai Vektor Bobot Setiap Kriteria
Tabel 5.12 Nilai Vektor Bobot Setiap Kriteria
0
1
2
Luas
Luas
Tanah
Bangunan
3
4
Nama
Harga
Rumah 1 (BTH Blok
0.000
1.000
1.000
0.466
1.000
1 Rumah 2 (Blok A 1)
0.529
0.885
0.605
1.000
0.200
2 Rumah 3 (Blok C 1)
1.000
0.000
0.066
1.000
0.000
Rumah 4 (Blok D
0.965
0.213
0.000
1.000
0.000
0.754
0.836
0.303
0.000
0.200
0
3
Lokasi Spesifikasi
B 2)
1(H))
4 Rumah 5 (1)
Setelah itu menghitung normalisasi nilai vektor bobot pada setiap kriteria,
yaitu dengan membagi nilai dari setiap vektor bobot pada setiap kriteria dengan
total nilai vektor bobot pada setiap kriteria. Source code sebagai berikut:
for ($baris = 0; $baris < count($w_krit); $baris++) {
for ($kolom = 0; $kolom < count($w_krit[$baris]);
$kolom++) {
$w_total_krit[$baris][$kolom] =
$w_krit[$baris][$kolom] /
array_sum(array_column($w_krit, $kolom));
}
}
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
107
Berikut adalah hasil source code di atas berupa hasil nilai vektor bobot untuk
setiap yang sudah dinormalisasi:
Gambar 5.29 Array Nilai Normalisasi Vektor Bobot Setiap Kriteria
Tabel 5.13 Nilai Normalisasi Vektor Bobot Setiap Kriteria
0
Nama
1 Rumah 1 (BTH
1
2
3
4
Luas
Luas
Tanah
Bangunan
Lokasi
Spesifikasi
0.000
0.341
0.507
0.134
0.714
0.163
0.302
0.307
0.289
0.143
0.308
0.000
0.033
0.289
0.000
0.297
0.073
0.000
0.289
0.000
0.232
0.285
0.153
0.000
0.143
Harga
Blok B 2)
2 Rumah 2 (Blok A
1)
3 Rumah 3 (Blok C
1)
4 Rumah 4 (Blok D
1(H))
5 Rumah 5 (1)
5.2.7 Perangkingan dan Hasil Keputusan.
Setelah nilai normalisasi bobot vektor fuzzy setiap kriteria dan nilai
normalisasi vektor bobot setiap kriteria sudah didapatkan lalu menghitung skor dari
setiap. Dengan cara mengalikan bobot setiap nilai tiap kriteria dengan nilai bobot
setiap kriteria kemudian dijumlahkan untuk mendapatkan nilai skor tiap. Source
code sebagai berikut:
for ($baris = 0; $baris < count($datarumah); $baris++) {
$skor[$baris] = 0;
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
108
for ($kolom = 0; $kolom < count($W); $kolom++) {
$skor[$baris]+=$w_total_krit[$baris][$kolom] *
$W[$kolom];
}
}
Berikut adalah hasil source code di atas berupa hasil nilai skor setiap
alternatif:
Gambar 5.30 Array Nilai Skor Setiap Alternatif
Tabel 5.14 Nilai Skor Setiap Alternatif
0
0.219
1
0.243
2
0.164
3
0.168
4
0.206
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
109
Gambar 5.31 Array Data Rumah dan Nilai Skor Setiap Alternatif
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
110
Setelah mendapatkan nilai skor setiap alternatif lalu urutkan nilai skor yang
terbesar ke terkecil untuk mendapatkan rumah yang paling direkomendasi sesuai
dengan skor yang telah dihitung. Source code sebagai berikut:
function urut($a, $b) {
if ($a['skor_akhir'] < $b['skor_akhir']) {
return 1;
} elseif ($a['skor_akhir'] > $b['skor_akhir']) {
return -1;
} else {
return 0;
}
}
uasort($crumah_hasilspk, 'urut');
Berikut adalah hasil source code di atas berupa hasil rumah yang sudah
dirangkingkan sesuai dengan skor yang paling besar ke yang terkecil:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
111
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
112
Gambar 5.32 Array Rangking Data Rumah dan Nilai Skor Setiap
Jadi rumah yang paling direkomendasikan adalah Rumah 2 (Blok A 1)
dengan skor akhir 0.243, yaitu:
Gambar 5.33 Data Rumah yang Paling Direkomendasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
113
5.3
Implemenasi Interface
5.3.1 Halaman Utama
Gambar 5.34 Halaman Utama
Halaman ini adalah halaman utama. Pada halaman ini pengguna dapat melihat
profil pengembang, perumahan, melakukan langkah-langkah sistem pendukung
keputusan dan melihat help. Pada halaman ini administrator dapat melakukkan
login.
5.3.2 Halaman Profil
Gambar 5.35 Halaman Profil
Halaman ini merupakan halaman yang berisi mengenai profil suatu
pengembang perumahan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
114
5.3.3 Halaman Perumahan
Gambar 5.36 Halaman Perumahan
Halaman ini merupakan halaman yang berisi mengenai perumahan dan rumah
yang ditawarkan.
5.3.4 Halaman Daftar Rumah
Gambar 5.37 Halaman Daftar Rumah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
115
Halaman ini merupakan halaman yang berisi mengenai daftar rumah yang
ditawarkan.
5.3.5 Halaman Sistem Pendukung Pengambilan Keputusan
Gambar 5.38 Halaman Sistem Pendukung Pengambilan Keputusan
Halaman ini merupakan halaman yang memproses rekomendasi rumah
dengan meggunakan metode Fuzzy Analitycal Hierarcy Process. Pada halaman ini
user/pengguna melakukan perbandingan prioritas antar kriteria untuk melakukkan
langkah awal melakukan proses untuk menghasilkan rekomendasi.
5.3.6 Halaman Hasil Sistem Pendukung Pengambilan Keputusan
Gambar 5.39 Halaman Hasil Sistem Pendukung Pengambilan Keputusan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
116
Halaman ini merupakan halaman untuk menampilkan rekomendasi rumah.
Rekomendasi tersebut adalah hasil dari melakukan perbandingan prioritas antar
kriteria.
5.3.7 Halaman Rincian Data Hasil Sistem Pendukung Pengambilan
Keputusan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
117
Gambar 5.40 Halaman Rincian Data Hasil Sistem Pendukung Pengambilan
Keputusan
Halaman ini merupakan halaman untuk menampilkan rincian data dari hasil
sistem pendukung keputusan rekomendasi rumah.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
118
5.3.8 Halaman Help
Gambar 5.41 Halaman Help
Halaman ini merupakan halaman help. Halaman ini berisi mengenai
informasi dan langkah-langkah penggunaan sistem.
5.3.9 Halaman Login Administrator
Gambar 5.42 Halaman Login Administrator
Halaman ini merupakan halaman login administrator. Halaman ini
merupakan proses awal administrator untuk masuk kedalam sistem.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
119
5.3.10 Halaman Administrator
Gambar 5.43 Halaman Administrator
Halaman ini merupakan halaman utama administrator. Dilihat pada tampilan
ini administrator dapat mengelola data lokasi, spesifikasi, rumah, gambar denah
rumah dan lokasi, dan gambar rumah.
5.3.11 Halaman Kelola Data Lokasi Perumahan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
120
Gambar 5.44 Halaman Kelola Data Lokasi Perumahan
Halaman ini merupakan halaman kelola data lokasi perumahan. Pada
halaman ini administrator dapat menambahkan data, melihat data dan melakukan
aksi seperti mengedit atau menghapus data.
5.3.12 Halaman Ubah Data Lokasi Perumahan
Gambar 5.45 Halaman Ubah Data Lokasi Perumahan
Halaman ini merupakan halaman ubah data lokasi perumahan. Halaman ini
akan tampil saat administrator melakukan aksi mengklik edit pada halaman kelola
data lokasi perumahan. Pada halaman ini administrator dapat mengubah data.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
121
5.3.13 Popup Hapus Data Lokasi Perumahan
Gambar 5.46 Popup Hapus Data Lokasi Perumahan
Halaman ini merupakan popup hapus data lokasi perumahan. Popup ini akan
tampil saat administrator melakukan aksi mengklik hapus pada halaman kelola data
lokasi perumahan. Pada halaman ini administrator dapat menghapus data.
5.3.14 Halaman Kelola Data Spesifikasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
122
Gambar 5.47 Halaman Kelola Data Spesifikasi
Halaman ini merupakan halaman kelola data spesifikasi. Pada halaman ini
administrator dapat menambahkan data, melihat data dan melakukan aksi seperti
mengedit atau menghapus data.
5.3.15 Halaman Ubah Data Spesifikasi
Gambar 5.48 Halaman Ubah Data Spesifikasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
123
Halaman ini merupakan halaman ubah data spesifikasi. Halaman ini akan
tampil saat administrator melakukan aksi mengklik edit pada halaman kelola data
spesifikasi. Pada halaman ini administrator dapat mengubah data.
5.3.16 Popup Hapus Data Spesifikasi
Gambar 5.49 Popup Hapus Data Spesifikasi
Halaman ini merupakan popup hapus data spesifikasi. Popup ini akan tampil
saat administrator melakukan aksi mengklik hapus pada halaman kelola data
spesifikasi. Pada halaman ini administrator dapat menghapus data.
5.3.17 Halaman Kelola Data Rumah
Gambar 5.50 Halaman Kelola Data Rumah
Halaman ini merupakan halaman kelola data rumah. Pada halaman ini
administrator dapat menambahkan data, melihat data dan melakukan aksi seperti
mengedit atau menghapus data.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
124
5.3.18 Halaman Ubah Data Rumah
Gambar 5.51 Halaman Ubah Data Rumah
Halaman ini merupakan halaman ubah data rumah. Halaman ini akan tampil
saat administrator melakukan aksi mengklik edit pada halaman kelola data rumah.
Pada halaman ini administrator dapat mengubah data.
5.3.19 Popup Hapus Data Rumah
Gambar 5.52 Popup Hapus Data Rumah
Halaman ini merupakan popup hapus data rumah. Popup ini akan tampil saat
administrator melakukan aksi mengklik hapus pada halaman kelola data rumah.
Pada halaman ini administrator dapat menghapus data.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
125
5.3.20 Halaman Kelola Data Gambar Denah Rumah dan Lokasi
Gambar 5.53 Halaman Kelola Data Denah Rumah dan Lokasi
Halaman ini merupakan halaman kelola data gambar denah dan lokasi. Pada
halaman ini administrator dapat menambahkan data, melihat data dan melakukan
aksi seperti mengedit atau menghapus data.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
126
5.3.21 Halaman Ubah Data Gambar Denah Rumah dan Lokasi
Gambar 5.54 Halaman Ubah Data Denah Rumah dan Lokasi
Halaman ini merupakan halaman ubah data gambar denah dan lokasi.
Halaman ini akan tampil saat administrator melakukan aksi mengklik edit pada
halaman kelola data gambar denah dan lokasi. Pada halaman ini administrator dapat
mengubah data.
5.3.22 Popup Hapus Data Gambar Denah Rumah dan Lokasi
Gambar 5.55 Popup Hapus Data Denah Rumah dan Lokasi
Halaman ini merupakan popup hapus data gambar denah dan lokasi. Popup
ini akan tampil saat administrator melakukan aksi mengklik hapus pada halaman
kelola data gambar denah dan lokasi. Pada halaman ini administrator dapat
menghapus data.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
127
5.3.23 Halaman Kelola Data Gambar Rumah
Gambar 5.56 Halaman Kelola Data Gambar Rumah
Halaman ini merupakan halaman kelola data gambar rumah. Pada halaman
ini administrator dapat menambahkan data, melihat data dan melakukan aksi seperti
mengedit atau menghapus data.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
128
5.3.24 Halaman Ubah Data Gambar Rumah
Gambar 5.57 Halaman Ubah Data Gambar Rumah
Halaman ini merupakan halaman ubah data gambar rumah. Halaman ini akan
tampil saat administrator melakukan aksi mengklik edit pada halaman kelola data
gambar rumah. Pada halaman ini administrator dapat mengubah data.
5.3.25 Popup Hapus Data Gambar Rumah
Gambar 5.58 Popup Hapus Data Gambar Rumah
Halaman ini merupakan popups hapus data gambar rumah. Popup ini akan
tampil saat administrator melakukan aksi mengklik hapus pada halaman kelola data
gambar rumah. Pada halaman ini administrator dapat menghapus data.
5.4
Uji Coba Perangkat Lunak
Tahap ini adalah tahap pengujian untuk memastikan bahwa sistem yang
dibuat berjalan dengan baik. Untuk pengujian sistem dapat dilihat pada langkah
berikut:
Tabel 5.15 Langkah Uji Sistem
Nama Use Case
Lihat Profil
Lihat Perumahan
Tahap Uji
1. Menampilkan menu profil
1. Menampilkan data perumahan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
129
2. Lihat gambar
3. Menampilkan daftar rumah dari
data perumahan
1. Menampilkan form penilaian
prioritas antar kriteria
2. Menampilkan hasil rekomendasi
Sistem Pendukung Keputusan
rumah
3. Menampilkan
tampil
rincian
data rumah dari rekomendasi
rumah
Lihat Help
Login
1. Menampilkan menu help
1. Input username dan password
1. Lihat data lokasi perumahan
Kelola Data Lokasi Perumahan
2. Tambah data lokasi perumahan
3. Ubah data lokasi perumahan
4. Hapus data lokasi perumahan
1. Lihat data spesifikasi
2. Lihat gambar lebih besar
Kelola Data Spesifikasi
3. Tambah data spesifikasi
4. Ubah data spesifikasi
5. Hapus data spesifikasi
1. Tambah data rumah
Kelola Data Rumah
2. Ubah data rumah
3. Hapus data rumah
4. Lihat data rumah
1. Lihat data gambar denah rumah
Kelola Data Gambar Denah
Rumah dan Lokasi
dan lokasi
2. Lihat gambar
3. Tambah data gambar denah
rumah dan lokasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
130
4. Ubah data gambar denah rumah
dan lokasi
5. Hapus data gambar denah rumah
dan lokasi
1. Lihat data gambar rumah
2. Lihat gambar
Kelola Data Gambar Rumah
3. Tambah data gambar rumah
4. Ubah data gambar rumah
5. Hapus data gambar rumah
Logout
-
1. Keluar dari sistem
Pengujian Lihat Menu Profil
Tabel 5.16 Hasil Uji Menu Profil
Kasus dan Hasil Uji Pada Halaman Lihat Menu Profil
Require
Menu profil
Skenario Uji
Hasil yang
Hasil
Diharapkan
Pengujian
Gambar
Tekan menu Menampilkan
pt
agatama halaman
putra.
mengenai
profil
pengembang
perumahan pt
agatama
putra.
Sesuai
Gambar 5.59
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
131
Gambar 5.59 Halaman Menu Profil
-
Pengujian Lihat Menu Perumahan
Tabel 5.17 Hasil Uji Menu Perumahan
Kasus dan Hasil Uji Pada Halaman Lihat Menu Perumahan
Require
Skenario Uji
Hasil yang
Hasil
Diharapkan
Pengujian
Gambar
Tekan menu Menampilkan
Menu
perumahan.
perumahan
perumahan.
Menekan
Menampilkan
Gambar.
data
Sesuai
Menampilkan
gambar pada gambar yeng
kolom denah berukuran
rumah
Gambar 5.60
Gambar 5.61
Sesuai
dan lebih besar.
dan Gambar
5.62
lokasi.
Menekan
Menampilkan
Menampilkan tulisan Lihat daftar rumah
daftar rumah.
pada kolom dari
data
daftar rumah. perumahan.
Sesuai
Gambar 5.63
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
132
Gambar 5.60 Halaman Menu Perumahan
Gambar 5.61 Klik Gambar pada Kolom Denah Rumah dan Lokasi
Gambar 5.62 Lihat Gambar
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
133
Gambar 5.63 Halaman Daftar Rumah
-
Pengujian Sistem Pendukung Keputusan
Tabel 5.18 Hasil Uji Sistem Pendukung Keputusan
Kasus dan Hasil Uji Pada Halaman Sistem Pendukung Keputusan
Require
Skenario Uji
Hasil yang
Hasil
Diharapkan
Pengujian
Gambar
Tekan menu Menampilkan
Menampillkan
form
sistem
form
pendukung
penilaian
keputusan.
prioritas antar
Sesuai
Gambar
5.64
kriteria.
Memasukkan Menampilkan
nilai
hasil
perbandingan rekomendasi
Input prioritas
kepentingan
antar kriteria.
prioritas
rumah.
kepentingan
Sesuai
antar kriteria,
Gambar
5.65
lalu menekan
button Lanjut
untuk proses
selanjutnya.
Melihat
rincian rumah.
Menekan
Menampilkan
tulisan Lihat tampil rincian
pada kolom data
rumah
Sesuai
Gambar
5.66
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
134
rincian
dari
rumah.
rekomendasi
rumah.
Gambar 5.64 Halaman Form Sistem Pengambilan Keputusan
Gambar 5.65 Rekomendasi Rumah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
135
Gambar 5.66 Rincian Rumah
-
Pengujian Lihat Menu Help
Tabel 5.19 Hasil Uji Menu Help
Kasus dan Hasil Uji Pada Halaman Lihat Menu Help
Require
Skenario Uji
Hasil yang
Hasil
Diharapkan
Pengujian
Gambar
Tekan menu Menampilkan
help.
Menu help
halaman
dialog
cara
Sesuai
penggunaan
sistem.
Gambar 5.67 Halaman Menu Help
Gambar 5.67
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
136
-
Pengujian Prioritas Kriteria
1. Masukkan prioritas kepentingan antar kriteria percobaan 1
Gambar 5.68 Gambar Input prioritas kepentingan antar kriteria percobaan
1
Hasil rekomendasi rumah dari percobaan 1 di atas:
Gambar 5.69 Hasil rekomendasi rumah dari percobaan 1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
137
2. Masukkan prioritas kepentingan antar kriteria percobaan 2
Gambar 5. 70 Gambar Input prioritas kepentingan antar kriteria percobaan
2
Hasil rekomendasi rumah dari percobaan 2 di atas:
Gambar 5. 71 Hasil rekomendasi rumah dari percobaan 2
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
138
3. Masukkan prioritas kepentingan antar kriteria percobaan 3
Gambar 5. 72 Gambar Input prioritas kepentingan antar kriteria percobaan
3
Hasil rekomendasi rumah dari percobaan 3 di atas:
Gambar 5. 73 Hasil rekomendasi rumah dari percobaan 3
Hasil dari 3 percobaan di atas yaitu memasukkan 3 input yang berbeda
mengenai perbandingan prioritas antar kriteria adalah hasil rekomendasi yang
berbeda. Dari percobaan dan hasil rekomendasi tersebut dapat disimpulkan
bahwa rekomendasi yang dihasilkan tergantung dari masukkan user mengenai
perbandingan prioritas antar kriteria.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
139
-
Pengujian Login Administrator
Tabel 5.20 Hasil Uji Login
Kasus dan Hasil Uji Pada Halaman Login
Require
Skenario Uji
Hasil yang
Hasil
Diharapkan
Pengujian
Gambar
Memasukkan Tetap
Login
administrator
username
dihalaman
dan
login, muncul
password
dialog
yang salah.
username dan
Gambar 5.68
Sesuai
dan Gambar
5.69
password
salah.
Memasukkan Masuk
Login
administrator
username
kedalam
dan
halaman
password
utama
yang benar.
administrator.
Gambar 5.70
Sesuai
Gambar 5.74 Input Login Salah
Gambar 5.75 Hasil Input Login Salah
dan Gambar
5.71
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
140
Gambar 5.76 Input Login Benar
Gambar 5.77 Hasil Input Login Benar
-
Pengujian Kelola Data Lokasi Perumahan
Tabel 5.21 Hasil Uji Kelola Data Lokasi Perumahan
Kasus dan Hasil Uji Pada Halaman Kelola Data Lokasi Perumahan
Require
Lihat
data
lokasi
perumahan.
Tambah data
lokasi
perumahan.
Skenario Uji
Menekan
Hasil yang
Hasil
Diharapkan
Pengujian
Menampilkan
menu kelola tabel
data
data
lokasi lokasi
perumahan
perumahan.
Menekan
Menampilkan
menu kelola permintaan
data
lokasi mengisi form
perumahan,
Gambar
yang kosong.
Sesuai
Sesuai
Gambar
5.72
Gambar
5.73
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
141
lalu
memasukkan
data
lokasi
perumahan
namun
ada
yang kosong.
Menekan
Menampilkan
menu kelola pemberitahuan
data
lokasi data
berhasil
perumahan,
ditambah dan
lalu
menampilkan
memasukkan
hasil
data
Gambar
Sesuai
lokasi masukkan data
perumahan.
5.74 dan
Gambar
5.75
lokasi
perumahan
terbaru.
Menekan
Ubah
data
lokasi
perumahan.
tulisan
Mengisi
Edit yang
data
diedit
pada kolom dan
aksi.
Gambar
menampilkan
5.76,
Sesuai
hasil data yang
lokasi
perumahan.
5.78
Menekan
Data
tulisan
perumahan
lokasi
Hapus pada terhapus
Gambar
dan
kolom aksi, menampilkan
kemudian
pemberitahuan
menekan ok data
berhasil
pada popup dihapus.
konfimasi.
5.77 dan
Gambar
diedit.
Hapus data
Gambar
5.79,
Sesuai
Gambar
5.80 dan
Gambar
5.81
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
142
Gambar 5.78 Data Lokasi Perumahan
Gambar 5.79 Pemberitahuan Wajib diisi Input Data Lokasi Perumahan
Gambar 5.80 Pemberitahuan Data Lokasi Perumahan Berhasil Ditambah
Gambar 5.81 Data Lokasi Perumahan Berhasil Ditambah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
143
Gambar 5.82 Ubah Data Lokasi Perumahan
Gambar 5.83 Pemberitahuan Data Lokasi Perumahan Berhasil Diubah
Gambar 5.84 Data Lokasi Perumahan Berhasil Diubah
Gambar 5.85 Klik Hapus Data Lokasi Perumahan
Gambar 5.86 Popups Konfirmasi Hapus Data Lokasi Perumahan
Gambar 5.87 Data Lokasi Perumahan Berhasil Dihapus
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
144
-
Pengujian Kelola Data Spesifikasi
Tabel 5.22 Hasil Uji Kelola Data Spesifikasi
Kasus dan Hasil Uji Pada Halaman Kelola Data Spesifikasi
Require
Skenario Uji
Menekan
Lihat
Hasil yang
Hasil
Diharapkan
Pengujian
Menampilkan
data menu kelola tabel
spesifikasi.
Gambar
data
data
spesifikasi.
Sesuai
Gambar
5.82
spesifikasi.
Menekan
Menampilkan
Gambar.
Menampilkan
gambar pada gambar
Gambar
yeng
kolom
berukuran
rincian
lebih besar.
Sesuai
Gambar
5.84
spesifikasi.
Menekan
5.83 dan
Menampilkan
menu kelola permintaan
data
mengisi form
spesifikasi,
yang kosong.
lalu
Sesuai
memasukkan
Gambar
5.85
data
Tambah data spesifikasi
spesifikasi.
namun
ada
yang kosong.
Menekan
Menampilkan
menu kelola pemberitahuan
data
data
spesifikasi,
ditambah dan
lalu
menampilkan
memasukkan hasil
berhasil
Gambar
Sesuai
5.86 dan
Gambar
5.87
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
145
data
masukkan data
spesifikasi.
spesifikasi
terbaru.
Menekan
tulisan
Ubah
Mengisi
Edit yang
data
diedit
data pada kolom dan
spesifikasi.
aksi.
Gambar
menampilkan
5.88,
Sesuai
hasil data yang
5.90
Menekan
Data
tulisan
spesifikasi
Hapus pada terhapus
Gambar
dan
data kolom aksi, menampilkan
spesifikasi.
kemudian
pemberitahuan
menekan ok data
5.89 dan
Gambar
diedit.
Hapus
Gambar
berhasil
pada popups dihapus.
konfimasi.
Gambar 5.88 Data Spesifikasi
5.91,
Sesuai
Gambar
5.92 dan
Gambar
5.93
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
146
Gambar 5.89 Klik Gambar pada Kolom Rincian Spesifikasi
Gambar 5.90 Lihat Gambar
Gambar 5.91 Pemberitahuan Wajib diisi Input Data Spesifikasi
Gambar 5.92 Pemberitahuan Data Spesifikasi Berhasil Ditambah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
147
Gambar 5.93 Klik Gambar pada Kolom Denah Rumah dan Lokasi
Gambar 5.94 Ubah Data Spesifikasi
Gambar 5.95 Pemberitahuan Data Spesifikasi Berhasil Diubah
Gambar 5.96 Data Spesifikasi Berhasil Diubah
Gambar 5.97 Klik Hapus Data Spesifikasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
148
Gambar 5.98 Popups Konfirmasi Hapus Data Spesifikasi
Gambar 5.99 Data Spesifikasi Berhasil Dihapus
-
Pengujian Kelola Data Rumah
Tabel 5.23 Hasil Uji Kelola Data Rumah
Kasus dan Hasil Uji Pada Halaman Kelola Data Rumah
Require
Lihat
rumah.
data
Skenario Uji
Menekan
Hasil yang
Hasil
Diharapkan
Pengujian
Menampilkan
menu kelola tabel
data
data rumah.
rumah.
Menekan
Menampilkan
Sesuai
Gambar
Gambar
5.94
menu kelola permintaan
data rumah, mengisi form
lalu
yang kosong.
memasukkan
data
Gambar
5.95
rumah
Tambah data namun
rumah.
Sesuai
ada
yang kosong.
Menekan
Menampilkan
menu kelola pemberitahuan
data rumah, data
berhasil
lalu
ditambah dan
memasukkan
menampilkan
data rumah.
hasil
Gambar
Sesuai
5.96 dan
Gambar
5.97
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
149
masukkan data
rumah terbaru.
Menekan
tulisan
Ubah
rumah.
Mengisi
Edit yang
data
diedit
data pada kolom dan
aksi.
Gambar
menampilkan
5.98,
Sesuai
hasil data yang
5.100
Menekan
Data
tulisan
terhapus
rumah
dan
Gambar
Hapus pada menampilkan
Hapus data kolom aksi, pemberitahuan
kemudian
data
5.99 dan
Gambar
diedit.
rumah.
Gambar
berhasil
5.101,
Sesuai
menekan ok dihapus.
pada popups
konfimasi.
Gambar 5.100 Data Rumah
Gambar
5.102 dan
Gambar
5.103
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
150
Gambar 5.101 Pemberitahuan Wajib diisi Input Data Rumah
Gambar 5.102 Pemberitahuan Data Rumah Berhasil Ditambah
Gambar 5.103 Data Rumah Berhasil Ditambah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
151
Gambar 5.104 Ubah Data Rumah
Gambar 5.105 Pemberitahuan Data Rumah Berhasil Diubah
Gambar 5.106 Data Rumah Berhasil Diubah
Gambar 5.107 Klik Hapus Data Rumah
Gambar 5.108 Popups Konfirmasi Hapus Data Rumah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
152
Gambar 5.109 Data Rumah Berhasil Dihapus
-
Pengujian Kelola Data Gambar Denah Rumah dan Lokasi
Tabel 5.24 Hasil Uji Data Gambar Denah Rumah dan Lokasi
Kasus dan Hasil Uji Pada Halaman Data Gambar Denah Rumah dan Lokasi
Require
Lihat
data
gambar
denah rumah
dan lokasi.
Skenario Uji
Menekan
Hasil yang
Hasil
Diharapkan
Pengujian
Menampilkan
menu kelola tabel
data
data gambar gambar denah
denah rumah rumah
Sesuai
dan
dan lokasi.
lokasi.
Menekan
Menampilkan
Menampilkan gambar pada gambar
Gambar.
Gambar
yeng
kolom
berukuran
gambar file.
lebih besar.
Menekan
Menampilkan
Gambar
5.104
Gambar
Sesuai
5.105 dan
Gambar
5.106
menu kelola permintaan
data gambar mengisi form
denah rumah yang kosong.
Tambah data dan
gambar
lokasi,
lalu
denah rumah memasukkan
dan lokasi.
data gambar
denah rumah
dan
namun
lokasi
ada
yang kosong.
Sesuai
Gambar
5.107
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
153
Menekan
Menampilkan
menu kelola pesan duplikat
data gambar data.
denah rumah
dan
lokasi,
Gambar
lalu
memasukkan
Sesuai
data gambar
Gambar
5.109
denah rumah
dan
5.108 dan
lokasi
dengan
perumahan
yang sama.
Menekan
Menampilkan
menu kelola pemberitahuan
data gambar data
berhasil
Gambar
denah rumah ditambah dan
dan
lokasi, menampilkan
lalu
hasil
Gambar
5.111 dan
Gambar
data gambar gambar denah
5.112
dan
dan lokasi.
lokasi terbaru.
Menekan
Mengisi
data tulisan
gambar
Sesuai
memasukkan masukkan data
denah rumah rumah
Ubah
5.110,
Edit yang
data
diedit
pada kolom dan
denah rumah aksi.
menampilkan
dan lokasi.
hasil data yang
diedit.
Gambar
5.113,
Sesuai
Gambar
5.114 dan
Gambar
5.115
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
154
Hapus
Menekan
Data
gambar
tulisan
denah rumah
data Hapus pada dan
gambar
lokasi
kolom aksi, terhapus
denah rumah kemudian
dan lokasi.
Gambar
dan
menampilkan
5.116,
Sesuai
Gambar
5.117 dan
menekan ok pemberitahuan
pada popups data
konfimasi.
Gambar
berhasil
dihapus.
Gambar 5.110 Data Gambar Denah Rumah dan Lokasi
Gambar 5.111 Klik Gambar pada Kolom Gambar File
5.118
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
155
Gambar 5.112 Lihat Gambar
Gambar 5.113 Pemberitahuan Pemberitahuan Wajib diisi Input Data Gambar
Denah Rumah dan Lokasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
156
Gambar 5.114 Input Data Gambar Denah Rumah dan Lokasi Nama
Perumahan Sudah Ada
Gambar 5.115 Pemberitahuan Terjadi Duplikat Data
Gambar 5.116 Input Data Gambar Denah Rumah dan Lokasi
Gambar 5.117 Pemberitahuan Data Gambar Denah Rumah dan Lokasi
Berhasil Ditambah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
157
Gambar 5.118 Data Gambar Denah Rumah dan Lokasi Berhasil Ditambah
Gambar 5.119 Ubah Data Gambar Denah Rumah dan Lokasi
Gambar 5.120 Pemberitahuan Data Gambar Denah Rumah dan Lokasi
Berhasil Diubah
Gambar 5.121 Data Gambar Denah Rumah dan Lokasi Berhasil Diubah
Gambar 5.122 Klik Hapus Data Gambar Denah Rumah dan Lokasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
158
Gambar 5.123 Popups Konfirmasi Hapus Data Gambar Denah Rumah dan
Lokasi
Gambar 5.124 Data Gambar Denah Rumah dan Lokasi Berhasil Dihapus
-
Pengujian Kelola Data Gambar Rumah
Tabel 5.25 Hasil Uji Gambar Rumah
Kasus dan Hasil Uji Pada Halaman Gambar Rumah
Require
Lihat
gambar
rumah.
data
Skenario Uji
Menekan
Hasil yang
Hasil
Diharapkan
Pengujian
Menampilkan
menu kelola tabel
data
data gambar gambar
rumah.
rumah.
Menekan
Menampilkan
Menampilkan gambar pada gambar
Gambar.
Gambar
yeng
kolom
berukuran
gambar file.
lebih besar.
Menekan
Menampilkan
Sesuai
Gambar
5.119
Gambar
Sesuai
5.120 dan
Gambar
5.121
menu kelola permintaan
Tambah data data gambar mengisi form
gambar
rumah,
lalu yang kosong.
rumah.
memasukkan
data gambar
rumah
Sesuai
Gambar
5.122
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
159
namun
ada
yang kosong.
Menekan
Menampilkan
menu kelola pesan duplikat
data gambar data.
rumah,
lalu
Gambar
memasukkan
Sesuai
data gambar
rumah
5.123 dan
Gambar
5.124
dengan
perumahan
yang sama.
Menekan
Menampilkan
menu kelola pemberitahuan
data gambar data
rumah,
Gambar
berhasil
5.125,
lalu ditambah dan
memasukkan menampilkan
Sesuai
data gambar hasil
rumah.
Gambar
5.126 dan
Gambar
masukkan data
5.127
gambar rumah
terbaru.
Menekan
Ubah
gambar
rumah.
data
tulisan
Mengisi
Edit yang
data
diedit
pada kolom dan
aksi.
Gambar
menampilkan
5.128,
Sesuai
hasil data yang
data Menekan
Data
5.129 dan
Gambar
diedit.
Hapus
Gambar
5.130
gambar
gambar
tulisan
rumah
rumah.
Hapus pada terhapus
Gambar
Sesuai
dan
5.131,
Gambar
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
160
kolom aksi, menampilkan
kemudian
pemberitahuan
menekan ok data
5.132 dan
Gambar
berhasil
pada popups dihapus.
konfimasi.
Gambar 5.125 Data Gambar Rumah
Gambar 5.126 Klik Gambar pada Kolom Gambar File
5.133
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
161
Gambar 5.127 Lihat Gambar
Gambar 5.128 Pemberitahuan Pemberitahuan Wajib diisi Input Data Gambar
Rumah
Gambar 5.129 Input Data Gambar Rumah Nama Perumahan dan Lantai Sudah
Ada
Gambar 5.130 Pemberitahuan Terjadi Duplikat Data
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
162
Gambar 5.131 Input Data Gambar Rumah
Gambar 5.132 Pemberitahuan Data Gambar Rumah Berhasil Ditambah
Gambar 5.133 Data Gambar Rumah Berhasil Ditambah
Gambar 5.134 Ubah Data Gambar Rumah
Gambar 5.135 Pemberitahuan Data Gambar Rumah Berhasil Diubah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
163
Gambar 5.136 Data Gambar Rumah Berhasil Diubah
Gambar 5.137 Klik Hapus Data Gambar Rumah
Gambar 5.138 Popups Konfirmasi Hapus Data Gambar Rumah
Gambar 5.139 Data Gambar Rumah Berhasil Dihapus
-
Pengujian Logout
Tabel 5.26 Hasil Uji Logout
Kasus dan Hasil Uji Pada Logout
Require
Skenario Uji
Menekan
Logout
administrator
logout.
Hasil yang
Diharapkan
icon Keluar
Hasil
Penguji
Gambar
an
dari
Gambar
sistem.
5.134
Sesuai
dan
Gambar
5.135
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
164
Gambar 5.140 Klik Icon Logout
Gambar 5.141 Berhasil Logout
5.5
Pengujian Hasil Manual dengan Sistem
Berikut ini adalah data rumah yang digunakan:
Tabel 5. 27 Data Rumah
No
Nama
C1
C2
C3
C4
C5
Rp1,366,117,500
127
103
3972.857
40
Rp798,710,000
120
73
3156.857
36
Rp293,080,000
66
32
3156.857
35
Rp330,242,000
79
27
3156.857
35
Rp556,640,000
117
50
4684.571
36
Rumah 1
A1
1
(BTH Blok B
2)
A2
2
A3
3
A4
4
A5
5
Rumah 2
(Blok A 1)
Rumah 3
(Blok C 1)
Rumah 4
(Blok D 1(H))
Rumah 5 (1)
Keterangan:
C1
: Harga
A1
: 1
C2
: Luas Tanah
A2
: 2
C3
: Luas Bangunan
A3
: 3
C4
: Lokasi
A4
: 4
C5
: Spesifikasi
A5
: 5
Berikut ini adalah penilaian prioritas kepentingan antar kriteria yang dimasukkan
oleh user:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
165
Tabel 5.28 Penilaian Prioritas Kepentingan antar Kriteria dari User
Kriteria 1
Penilaian
Kriteria 2
Harga
5 Kali Lebih Penting
Luas Tanah
Harga
3 Kali Lebih Penting
Luas Bangunan
Harga
3 Kali Lebih Penting
Lokasi
Harga
7 Kali Lebih Penting
Spesifikasi
Luas Tanah
2 Kali Kurang Penting
Luas Tanah
3 Kali Lebih Penting
Lokasi
Luas Tanah
5 Kali Lebih Penting
Spesifikasi
Luas Bangunan
3 Kali Lebih Penting
Lokasi
Luas Bangunan
5 Kali Lebih Penting
Spesifikasi
2 Kali Kurang Penting
Spesifikasi
Lokasi
Luas Bangunan
Keterangan:
Tabel pada warna abu-abu adalah masukkan dari calon pembeli rumah.
Dari data rumah dan masukkan user mengenai penilaian prioritas kepentingan antar
kriteria dapat dihitung secara manual dan menggunakan sistem. Hasil perhitungan
tersebut sebagai berikut:
5.5.1 Hasil Perhitungan Manual
1. Nilai bobot vektor setiap kriteria, hasil sebagai berikut:
Tabel 5.29 Nilai Bobot Vektor Fuzzy (W)
Nilai Bobot
2.
C1
0.427
C2
0.241
C3
0.249
C4
0.084
C5
0.000
Nilai bobot vektor setiap pada kriteria harga, hasil sebagai berikut:
Tabel 5.30 Nilai Bobot Vektor (w) Kriteria Harga
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
166
Nilai Bobot
3.
A1
0.000
A2
0.163
A3
0.308
A4
0.297
A5
0.232
Nilai bobot vektor setiap pada kriteria luas tanah, hasil sebagai berikut:
Tabel 5.31 Normalisasi Nilai Bobot Vektor (w) Kriteria Luas Tanah
Nilai Bobot
4.
A1
0.341
A2
0.302
A3
0.000
A4
0.073
A5
0.285
Nilai bobot vektor setiap pada kriteria luas bangunan, hasil sebagai
berikut:
Tabel 5.32 Normalisasi Nilai Bobot Vektor (w) Kriteria Luas Bangunan
Nilai Bobot
5.
A1
0.507
A2
0.307
A3
0.033
A4
0.000
A5
0.153
Nilai bobot vektor setiap pada kriteria lokasi, hasil sebagai berikut:
Tabel 5.33 Normalisasi Nilai Bobot Vektor (w) Kriteria Lokasi
Nilai Bobot
A1
0.134
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
167
6.
A2
0.289
A3
0.289
A4
0.289
A5
0.000
Nilai bobot vektor setiap pada kriteria spesifikasi, hasil sebagai berikut:
Tabel 5.34 Normalisasi Nilai Bobot Vektor (w) Kriteria Spesifikasi
Nilai Bobot
7.
A1
0.714
A2
0.143
A3
0.000
A4
0.000
A5
0.143
Skor akhir setiap , hasil sebagai berikut:
Tabel 5.35 Hasil Skor Setiap
Skor
8.
A1
0.219
A2
0.243
A3
0.164
A4
0.168
A5
0.206
Rangking rekomendasi rumah, hasil sebagai berikut:
Tabel 5.36 Perangkingan dan Hasil Keputusan
Skor
A2
0.243
A1
0.219
A5
0.206
A4
0.168
A3
0.164
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
168
Hasil akhir pada perhitungan manual ini adalah A2 yaitu Rumah 2 (Blok A
1) dengan harga Rp798,710,000, luas tanah 120 𝑚2 , luas bangunan 73 𝑚2 ,
lokasi perumahan di Agatama Regency Banguntapan yaitu Baturetno,
Banguntapan, Bantul, Daerah Istimewa Yogyakarta 55196, Indonesia, dan
spesifikasi perumahan Agatama Regency Banguntapan 2 lantai adalah
rumah yang paling direkomendasikan dengan skor tertinggi yaitu 0.243.
5.5.2 Hasil Perhitungan Sistem
1.
Nilai bobot vektor setiap kriteria, hasil sebagai berikut:
Gambar 5.142 Array Normalisasi Nilai Bobot Vektor Fuzzy Setiap Kriteria
Tabel 5.37 Matriks Normalisasi Nilai Bobot Vektor Fuzzy Setiap Kriteria
Kriteria
2.
Nilai Bobot
0
Harga
0.427
1
Luas Tanah
0.241
2
Luas Bangunan
0.249
3
Lokasi
0.084
4
Spesifikasi
0.000
Nilai bobot vektor setiap pada kriteria harga, luas tanah, luas bangunan,
lokasi, dan spesifikasi. Hasil sebagai berikut:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
169
Gambar 5.143 Array Nilai Normalisasi Vektor Bobot Setiap Kriteria
Tabel 5.38 Nilai Normalisasi Vektor Bobot Setiap Kriteria
0
Nama
0 Rumah 1 (BTH
1
2
3
4
Luas
Luas
Tanah
Bangunan
Lokasi
Spesifikasi
0.000
0.341
0.507
0.134
0.714
0.163
0.302
0.307
0.289
0.143
0.308
0.000
0.033
0.289
0.000
0.297
0.073
0.000
0.289
0.000
0.232
0.285
0.153
0.000
0.143
Harga
Blok B 2)
1 Rumah 2 (Blok A
1)
2 Rumah 3 (Blok C
1)
3 Rumah 4 (Blok D
1(H))
4 Rumah 5 (1)
3. Skor akhir setiap alternatif, hasil sebagai berikut:
Tabel 5.39 Nilai Nilai Skor Setiap Alternatif
0
0.219
1
0.243
2
0.164
3
0.168
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
170
4
0.206
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
171
Gambar 5.144 Array Data Rumah dan Nilai Skor Setiap Alternatif
4. Rangking rekomendasi rumah, hasil sebagai berikut:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
172
Gambar 5.145 Array Rangking Data Rumah dan Nilai Skor Setiap
Alternatif
Jadi rumah yang paling direkomendasikan adalah Rumah 2 (Blok A 1)
dengan skor tertinggi 0.243, yaitu:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
173
Gambar 5.146 Data Rumah yang Paling Direkomendasi
Dilihat dari hasil perhitungan antara manual dengan sistem yang dibuat
memiliki hasil nilai perhitungan dan hasil rekomendasi rumah yang sama. Maka
dari itu dapat disimpulkan bahwa sistem yang telah dibuat memiliki akurasi 100%,
karena hasil yang serupa dengan perhitungan manual.
5.8
Kekurangan Sistem
-
Data rumah dan perumahan masih perlu diperbanyak.
-
Belum terhubung dengan situs resmi atau bisa diakses dimanapun melalui
hosting.
-
Sistem yang dibangun masih bersifat statis.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB VI
PENUTUP
6.1
Kesimpulan
Hasil yang didapatkan dari perancangan dan pembangunan Sistem
Pendukung Pengambilan Keputusan Pembelian Rumah menggunakan Fuzzy
Analitycal Hierarcy Process (FAHP) adalah:
1. Hasil ujicoba sistem pendukung pengambilan keputusan untuk pembelian
rumah dengan menerapan metode Fuzzy Analytical Hierarchy Process
(FAHP) berhasil dibangun.
2. Rekomendasi yang dihasilkan oleh sistem sangat tergantung pada pemilihan
prioritas kepentingan.
3. Akurasi yang didapatkan pada penelitian ini adalah 100%.
6.2
Saran
Dalam mengembangkan sistem ini yang harus dilakukan, yaitu:
1. Membuat bahasa sistem agar lebih dimengerti oleh pengguna.
2. Data mengenai rumah dan perumahan lebih diperbanyak agar rumah yang
akan diolah sebagai rekomendasikan akan semakin bervariasi.
174
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR PUSTAKA
Badan
Pusat
Statistik.,
2010,
Jumlah
dan
Distribusi
Penduduk,
http://sp2010.bps.go.id/, diakses 7 September 2016.
Badan
Pusat
Statistik.,
2010,
Perumahan
Penduduk
Indonesia,
http://sp2010.bps.go.id/, diakses 7 September 2016.
Badan Pusat Statistik., 2014, Kepadatan Penduduk menurut Provinsi, 2000-2014,
https://www.bps.go.id/linkTableDinamis/view/id/842, diakses 7 September
2016.
Badan
Pusat
Statistik.,
2016,
Kependudukan,
https://www.bps.go.id/subjek/view/id/12#subjekViewTab1,
diakses
7
September 2016.
Chang, D. Y. (1996). Applications of the extent analysis method on FAHP.
European Journal of Operational Research, 95(3), 649–655.
Departemen Pendidikan Nasional, 2005. Kamus Besar Bahasa Indonesia Edisi
Ketiga. Jakarta: Balai Pustaka.
Jasril, Haerani, E., dan Afrianty, I., 2011. Sistem Pendukung Keputusan (SPK)
Pemilihan Karyawan Terbaik Menggunakan Metode Fuzzy AHP (F–AHP).
Seminar Nasional Aplikasi Teknologi Informasi 2011, Yogyakarta.
Kusrini, 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta:
Andi Offset.
Kusumadewi, S., dan Purnomo, H., 2004. Aplikasi Logika Fuzzy Untuk Pendukung
Keputusan. Yogyakarta: Graha Ilmu.
Kusumadewi, S., Hartati, S., Harjoko, A., dan Wardoyo, R. (2006). Fuzzy MultiAttribute Decision Making (Fuzzy MADM). Yogyakarta: Graha Ilmu.
Permatasasi, A., dan Sri, S., 2010. Sistem Pendukung Keputusan Pembelian Rumah
Dengan Menggunakan Fuzzy. Makalah Seminar Tugas Akhir Periode
Januari 2010, ITS.
Rahardjo, J., dan Sutapa, I. N., 2002. Aplikasi Fuzzy Analytical Hierarchy Process
Dalam Seleksi Karyawan. Jurnal Teknik Industri Vol. 4, No. 2, Desember
2002: 82 – 92.
175
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
176
Saputra, D. R. A., Prasetyo, E., dan Ilham, 2011. Sistem Pendukung Keputusan
Pemilihan Lokasi Rumah Tinggal Dengan Metode Cumulative Voting Dan
Fuzzy AHP. Universitas Muhammadiyah Gresik, Gresik.
Saylendra, G. C., 2015. Sistem Pendukung Keputusan Untuk Pembelian Rumah
Dengan Menggunakan Metode Analytical Hierarchy Process (AHP).
STIMIK Akakom, Yogyakarta.
Turban, E., Aronson, J.E. And Liang, T.P., 2005, Decision Support Systems and
Intelligent Systems, Seventh edition, Penerbit Andi, Yogyakarta.
Wahyuni S., dan Hartati, S., 2012. Sistem Pendukung Keputusan Model Fuzzy AHP
Dalam Pemilihan Kualitas Perdagangan Batu Mulia. IJCCS, Yogyakarta.
World
Health
Organization.,
2015,
Indonesia,
http://www.who.int/countries/idn/en/, diakses 7 September 2016.