SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SMART

TV MENGGUNAKAN METODE ANALYTICAL HIERARCHY

PROCESS DAN WEIGHT PRODUCT
Imam Cholissodin1, Risza Nurrachman2, Wahyu Nur Ulil Albab3, Miftahul Ulum
Mubiin4, Riza Krusdianto5, Imam Safii6
Informatika, Program Teknologi Informasi dan Ilmu Komputer, Universitas Brawijaya
Jl. Veteran No.8 Malang, Informatika, Gedung A PTIIK UB
Email : imamcs@ub.ac.id1, riszanurrachman@gmail.com2, wnulilalbab@gmail.com3,
ulummubiin1993@gmail.com4, rizadecruz@gmail.com5, imaamm.dev@gmail.com6
ABSTRAK
Perkembangan Teknologi sekarang sudah pesat sehingga semuanya sangat bergantung pada teknologi.
Sebuah teknologi sangat membantu dalam pengambilan keputusan memilih smart tv yang dibangun menyerupai
kerja komputer. Sekarang banyak sekali perusaaan yang membuat smart tv demi meningkatkan daya saing. Dalam
memilih smart tv tentunya menggunakan metode-metode yang diimplementasikan kedalam sebuah aplikasi yang
memberikan hasil akhir berupa keputusan dalam memilih smart tv. Dalam studi kasus ini, metode yang dibuat
berupa sebuah sistem yang mampu memberikan rekomendasi kepada seseorang dalam memilih dan membeli
televisi / smarttv dengan menggunakan metode yang optimal dalam memberikan hasil rekomendasi. Metode yang
digunakan dalam menyelesaikan permaslahan tersebuh adalah metode AHP dan WP. AHP (Analytical Hierarchy
Process) merupakan metode pengambilan keputusan dalam menyelesaikan masalah masalah seperti pemilihan
kebijakan, penentuan alternatif, dan penyusunan prioritas. Sedangkan WP (Weight Product) adalah metode
penyelesaian untuk menyelesaikan masalah Multi Attribute Decision Making (MADM). Dengan menggunakan
dua metode tersebut, AHP akan menghasilkan nilai bobot dari masing masing kriteria dari televisi / smarttv dan
WP akan menghasilkan hasil rekomendasi pemilihan televisi / smarttv dengan memperhatikan perhitungan bobot
tiap kriteria sehingga menghasilkan rekomendasi satu jenis televisi / smarttv yang cocok dan sesuai, dengan
melihat nilai akhir yang tertinggi.
Kata Kunci: Weight Product, Analytical Hierarchy Process , Multi Attribute Decision Making, Smart TV
itu, untuk membantu dalam memilih televisi / smart tv
diperlukan suatu metode yang dapat memberikan
saran / rekomendasi kepada seseorang ketika ingin
membeli televisi / smart tv. Smart TV merupakan
sebuah kemajuan teknologi saat ini dimana pesawat
TV tidak hanya dapat menerima siaran TV tetapi juga
mempunyai kemampuan untuk mengakses internet
[4].
Istilah "Smart TV" pertama kali di
populerkan oleh Samsung yang kemudian diadopsi
pula oleh LG dan Philips untuk produk TV yang
berkemampuan akses jaringan internet. Pada intinya,
smart TV membawa Internet masuk ke ruang duduk.
Saat teknologi meningkat, perangkat ini mampu
berlaku sebagai komputer standar saat web browsing
dan bahkan video internet [3].
Perangkat televisi dapat disebut smart TV
karena perangkat tersebut pintar dan hanya perlu

1. PENDAHULUAN
Di jaman modern ini, perkembangan
teknologi mempengaruhi kebutuhan manusia sehari
hari. Salah satu kebutuhan yang sangat diperlukan dan
diinginkan oleh setiap orang adalah kebutuhan akan
televisi / smarttv sebagai sarana penyebaran informasi
secara audio dan visual. Akan tetapi, semakin banyak
jenis televisi / smarttv yang ada membuat seseorang
merasa kesulitan dalam memilih dan membeli televisi
/ smarttv untuk memenuhi kebutuhannya. Kesulitan
dalam memilih disebabkan karena beranekaragam
fitur fitur dari setiap televisi / smarttv. Seseorang
akan membeli televisi / smarttv berdasarkan
keinginannya dan diharapkan televisi / smarttv yang
dipilih sesuai dengan kebutuhannya dan juga
memperhatikan berbagai kriteria televisi. Oleh sebab
1

konektivitas internet, selain secara ideal, CPU yang

baik serta mampu menjalankan browser dengan fitur
lengkap dan banyak aplikasi yang tersedia di sistem
smart TV modern. Smart TV terhubung ke Internet
rumah via WiFi, biasanya memungkinkan browsing
sangat cepat dan bahkan menonton video.
Karena prosesor menjadi semakin kecil dan
lebih kuat, smart TV telah mendapatkan puluhan fitur,
seperti, App dan Browser. Secara umum, produk ini
memiliki fitur-fitur di bawah ini:
a. Video Playback Via DLNA/USB. Fitur ini
merupakan fitur dasar yang memungkinkan
penggunanya untuk memutar video langsung
dari USB atau DLNA. Di masa sekarang ini
kebanyakannya mampu memutar berbagai
macam jenis video dan tidak terpaku pada format
AVI saja.
b. Aplikasi & Games. Fitur selanjutnya tentu saja
aplikasi dan games. Hal ini pastinya telah banyak
Anda lihat di iklan-iklan yang biasanya
menawarkan permainan Angry Birds yang bisa
dimainkan di televisi. Selain itu produk ini juga
dapat digunakan untuk melakukan streaming
dari BBC iPlayer, Netflix, dan YouTube.
c. PVR/DVR Functionality. Fitur lainnya adalah
fitur untuk merekam acara televisi secara
langsung tanpa membutuhkan perangkat
tambahan.
d. Gesture & Voice Control. Sebuah remote
tradisional yang biasanya Anda gunakan
mungkin tidak akan terpakai lagi. Pasalnya,
produk ini menggunakan sebuah perangkat yang
memungkinkan Anda memberikan peritah
kepada televisi dengan menggunakan gesture
ataupun suara.
e. Social Networking. Karena banyak orang yang
tidak bisa lepas dari media sosial, maka produk
ini juga dapat digunakan untuk mengakses
media sosial. Selain itu produk ini juga dapat
digunakan untuk melakukan video conference
melalui Skype.
f. Web Browsing.
g. Smartphone
Connectivity.
Anda
dapat
menghubungkan smartphone Anda untuk
berbagai keperluan seperti memutar video dan
lainnya.
Smart TV terbaik yang baru memiliki remote
yang didesain untuk pengguna komputer modern.
Beberapa smart TV memiliki layar sentuh yang
membuat mengetik menjadi lebih mudah dan juga
2

memungkinkan untuk gaming yang lebih baik serta

browsing. Saat ini smart TV sudah banyak
berkembang setiap produsen memiliki fitur-fitur yang
diunggulkan, oleh karena itu konsumen akan memiliki
banyakj pilihan dalam menentukan smart TV yang
sesuai keinginan.
Dalam studi kasus ini, metode yang dibuat
berupa sebuah sistem yang mampu memberikan
rekomendasi kepada seseorang dalam memilih dan
membeli televisi / smarttv dengan menggunakan
metode yang optimal dalam memberikan hasil
rekomendasi. Metode yang digunakan dalam
menyelesaikan permaslahan tersebuh adalah metode
AHP dan WP. AHP (Analytical Hierarchy Process)
merupakan metode pengambilan keputusan dalam
menyelesaikan masalah masalah seperti pemilihan
kebijakan, penentuan alternatif, dan penyusunan
prioritas [1]. Sedangkan WP (Weight Product) adalah
metode penyelesaian untuk menyelesaikan masalah
Multi Attribute Decision Making (MADM) [2].
Dengan menggunakan dua metode tersebut, AHP
akan menghasilkan nilai bobot dari masing masing
kriteria dari televisi / smarttv dan WP akan
menghasilkan hasil rekomendasi pemilihan televisi /
smarttv dengan memperhatikan perhitungan bobot
tiap kriteria sehingga menghasilkan rekomendasi satu
jenis televisi / smarttv yang cocok dan sesuai, dengan
melihat nilai akhir yang tertinggi.

2.

MODEL, ANALISIS, DESAIN, DAN

IMPLEMENTASI

2.1. Rekomendasi Pemilihan SmartTV

Gambar 1. Smart TV
Smart TV merupakan sebuah kemajuan
teknologi saat ini dimana pesawat TV tidak hanya
dapat menerima siaran TV tetapi juga mempunyai
kemampuan untuk mengakses internet. Istilah "Smart
TV" pertama kali di populerkan oleh Samsung yang

Kelompok 7, Sistem Pendukung Keputusan Pemilihan Smart Tv

Menggunakan Metode Analytical Hierarchy Process Dan Metode Weight Product

kemudian diadopsi pula oleh LG dan Philips untuk

produk TV yang berkemampuan akses jaringan
internet. Pada intinya, smart TV membawa Internet
masuk ke ruang duduk. Saat teknologi meningkat,
perangkat ini mampu berlaku sebagai komputer
standar saat web browsing dan bahkan video internet
[3].
Perangkat televisi dapat disebut smart TV
karena perangkat tersebut pintar dan hanya perlu
konektivitas internet, selain secara ideal, CPU yang
baik serta mampu menjalankan browser dengan fitur
lengkap dan banyak aplikasi yang tersedia di sistem
smart TV modern. Smart TV terhubung ke Internet
rumah via WiFi, biasanya memungkinkan browsing
sangat cepat dan bahkan menonton video.
Beberapa kriteria atau fitur fitur yang
diberikan oleh smartTV, antara lain : Harga, Ukuran
(LxWxH), Ukuran Layar (In), Berat, Kejernihan
Suara, Garansi Produk, Resolusi Layar, Power
(Input/Output) dan Feature. Dari kelebihan
kelebihan fitur smartTV memberikan kenyamanan
dan kemudahan bagi pengguna dalam memuaskan dan
memenuhi kebutuhan mereka.
Bagi pengguna atau calon pembeli smartTV,
kelebihan dan kekurangan yang dimiliki masing
masing merk smartTV sangatlah diperhatikan.
Pengguna akan berusaha untuk mencari dan memilih
smartTV dengan spesifikasi fitur yang lengkap, harga
ringan (tidak terlalu mahal), dan cocok atau sesuai
dengan keinginan pengguna.
2.2. Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (SPK) atau
Decision Support System (DSS) adalah sebuah sistem
yang mampu memberikan kemampuan pemecahan
masalah maupun kemampuan pengkomunikasian
untuk masalah dengan kondisi semi terstruktur dan tak
terstruktur. Sistem ini digunakan untuk membantu
pengambilan keputusan dalam situasi semi terstruktur
dan situasi yang tidak terstruktur, dimana tak
seorangpun tahu secara pasti bagaimana keputusan
seharusnya dibuat [5]. SPK memiliki tujian untuk
memberikan informasi, mengarahkan, memberikan
prediksi atau pradugaan kepada pengguna untuk dapat
melakukan pengambilan keputusan dengan lebih baik.
Sprague dan Watson mendefinisikan Sistem
Pendukung Keputusan (SPK) sebagai sistem yang
memiliki lima karakteristik utama yaitu [6] :
1. Sistem yang berbasis komputer.

2. Dipergunakan untuk membantu para pengambil

keputusan
3. Untuk memecahkan masalah-masalah rumit yang
mustahil dilakukan dengan kalkulasi manual
4. Melalui cara simulasi yang interaktif
5. Dimana data dan model analisis sebaai komponen
utama.
2.2.1. Komponen Sistem Pendukung Keputusan
Secara umum Sistem Pendukung Keputusan
dibangun oleh tiga komponen besar yaitu database
Management, Model Base dan Software System/User
Interface. [5][6]

Gambar 2. Komponen Sistem Pendukung

Keputusan

a. Database Management
Merupakan subsistem data yang terorganisasi
dalam suatu basis data. Untuk keperluan SPK,
diperlukan
data
yang
relevan
dengan
permasalahan yang hendak dipecahkan melalui
simulasi.
b. Model Base
Merupakan suatu model yang merepresentasikan
permasalahan kedalam format kuantitatif (model
matematika sebagai contohnya) sebagai dasar
simulasi atau pengambilan keputusan. Model Base
memungkinkan
pengambil
keputusan
menganalisa secara utuh dengan mengembangkan
dan membandingkan solusi alternatif.
c. User Interfase / Pengelolaan Dialog
Merupakan penggabungan antara dua komponen
sebelumnya yaitu Database Management dan
Model Base yang disatukan dalam komponen
ketiga
(user
interface).
User
Interface
menampilkan keluaran sistem bagi pemakai dan
menerima masukan dari pengguna.

2.3. Metode AHP

AHP merupakan suatu model pendukung
keputusan yang dikembangkan oleh Thomas L. Saaty.
Model pendukung keputusan ini akan menguraikan
masalah multi faktor atau multi kriteria yang
kompleks menjadi suatu hirarki, menurut Saaty
(1993), hirarki didefinisikan sebagai suatu
representasi dari sebuah permasalahan yang kompleks
dalam suatu struktur multi level dimana level pertama
adalah tujuan, yang diikuti level faktor, kriteria, sub
kriteria, dan seterusnya ke bawah hingga level terakhir
dari alternatif. Dengan hirarki, suatu masalah yang
kompleks dapat diuraikan ke dalam kelompok kelompoknya yang kemudian diatur menjadi suatu
bentuk hirarki sehingga permasalahan akan tampak
lebih terstruktur dan sistematis [1].
AHP sering digunakan sebagai metode
pemecahan masalah dibanding dengan metode yang
lain karena alasan-alasan sebagai berikut :

1. Struktur yang berhirarki, sebagai konsekuesi dari

kriteria yang dipilih, sampai pada subkriteria yang
paling dalam.

2. Memperhitungkan validitas sampai dengan batas

toleransi inkonsistensi berbagai kriteria dan
alternatif yang dipilih oleh pengambil keputusan.

3. Memperhitungkan daya tahan output analisis

sensitivitas pengambilan keputusan.
2.3.1. Kelebihan dan Kelemahan AHP
Layaknya sebuah metode analisis, AHP pun
memiliki kelebihan dan kelemahan dalam system
analisisnya. Kelebihan analisis ini adalah : [1]
1. AHP membuat permasalahan yang luas dan tidak
terstruktur menjadi suatu model yang fleksibel dan
mudah dipahami.
2. AHP memecahkan permasalahan yang kompleks
melalui pendekatan sistem dan pengintegrasian
secara deduktif.
3. AHP dapat digunakan pada elemen-elemen sistem
yang saling bebas dan tidak memerlukan
hubungan linier.
4. AHP mewakili pemikiran alamiah yang cenderung
mengelompokkan elemen sistem ke level-level
yang berbeda dari masing-masing level berisi
elemen yang serupa.
5. AHP menyediakan skala pengukuran dan metode
untuk mendapatkan prioritas.
6. AHP mempertimbangkan konsistensi logis dalam
penilaian yang digunakan untuk menentukan
prioritas.
4

7. AHP mengarah pada perkiraan keseluruhan

mengenai seberapa diinginkannya masing-masing
alternatif.
8. AHP mempertimbangkan prioritas relatif faktorfaktor pada sistem sehingga orang mampu
memilih altenatif terbaik berdasarkan tujuan
mereka.
9. AHP tidak mengharuskan adanya suatu
konsensus, tapi menggabungkan hasil penilaian
yang berbeda.
10. AHP mampu membuat orang menyaring definisi
dari suatu permasalahan dan mengembangkan
penilaian serta pengertian mereka melalui proses
pengulangan.
Sedangkan kelemahan metode AHP adalah
sebagai berikut : [1]
1. Ketergantungan model AHP pada input utamanya.
Input utama ini berupa persepsi seorang ahli
sehingga dalam hal ini melibatkan subyektifitas
sang ahli selain itu juga model menjadi tidak
berarti jika ahli tersebut memberikan penilaian
yang keliru.
2. Metode AHP ini hanya metode matematis tanpa
ada pengujian secara statistik sehingga tidak ada
batas kepercayaan dari kebenaran model yang
terbentuk
2.3.2. Tahapan AHP
Dalam metode AHP dilakukan langkahlangkah sebagai berikut (Kadarsyah Suryadi dan Ali
Ramdhani, 1998) : [1]
1. Mendefinisikan masalah dan menentukan solusi
yang diinginkan.
2. Membuat struktur hierarki yang diawali dengan
tujuan utama.
3. Membuat matrik perbandingan berpasangan yang
menggambarkan kontribusi relatif atau pengaruh
setiap elemen terhadap tujuan atau kriteria yang
setingkat di atasnya.
4. Melakukan
Mendefinisikan
perbandingan
berpasangan sehingga diperoleh jumlah penilaian
seluruhnya sebanyak n x [(n-1)/2] buah, dengan n
adalah banyaknya elemen yang dibandingkan.
5. Hasil perbandingan dari masing-masing elemen
akan berupa angka dari 1 sampai 9 yang
menunjukkan perbandingan tingkat kepentingan
suatu elemen. Apabila suatu elemen dalam matriks
dibandingkan dengan dirinya sendiri maka hasil
perbandingan diberi nilai 1.
6. Intensitas Kepentingan

Kelompok 7, Sistem Pendukung Keputusan Pemilihan Smart Tv

Menggunakan Metode Analytical Hierarchy Process Dan Metode Weight Product

1 = Kedua elemen sama pentingnya, Dua elemen

mempunyai pengaruh yang sama besar. 3 =
Elemen yang satu sedikit lebih penting daripada
elemen yanga lainnya, Pengalaman dan penilaian
sedikit menyokong satu elemen dibandingkan
elemen yang lainnya. 5 = Elemen yang satu lebih
penting daripada yang lainnya, Pengalaman dan
penilaian sangat kuat menyokong satu elemen
dibandingkan elemen yang lainnya. 7 = Satu
elemen jelas lebih mutlak penting daripada elemen
lainnya, Satu elemen yang kuat disokong dan
dominan terlihat dalam praktek. 9 = Satu elemen
mutlak penting daripada elemen lainnya, Bukti
yang mendukung elemen yang satu terhadap
elemen lain memeliki tingkat penegasan tertinggi
yang mungkin menguatkan. 2,4,6,8 = Nilai-nilai
antara dua nilai pertimbangan-pertimbangan yang
berdekatan, Nilai ini diberikan bila ada dua
kompromi di antara 2 pilihan. Kebalikan = Jika
untuk aktivitas i mendapat satu angka dibanding
dengan aktivitas j , maka j mempunyai nilai
kebalikannya dibanding dengan i.
7. Menghitung
nilai
eigen
dan
menguji
konsistensinya.
8. Jika tidak konsisten maka pengambilan data
diulangi.
9. Mengulangi langkah 3,4, dan 5 untuk seluruh
tingkat hirarki.
10. Menghitung vektor eigen dari setiap matriks
perbandingan berpasangan. Penghitungan dengan
cara menjumlahkan nilai setiap kolom dari
matriks, membagi setiap nilai dari kolom dengan
total kolom yang bersangkutan untuk memperoleh
normalisasi matriks, dan menjumlahkan nilai-nilai
dari setiap baris dan membaginya dengan jumlah
elemen untuk mendapatkan rata-rata.

menghilangkan satuan ukuran suatu objek data

serta tidak melakukan proses normalisasi data.
2.4.1. Algoritma Weight Product
Langkah langkah perhitungan dengan
metode weight product (WP), sebagai berikut : [2]
a. Menentukan tingkat prioritas bobot setiap kriteria
(W_Initj) kemudian dilakukan perbaikan bobot
(Wj) menggunakan rumus berikut.

Wj

W _ initj
n

W _ initj
j 1

n menyatakan banyak kriteria

b. Membuat tabel bobot kriteria yang akan dipilih.
Alternatif Kriteria
(A1)
C1
C2
...
Item 1
X11 ..
...
Item 2
...
....
....
....
...
...
....
Item m
Xm1
Tabel 1. Bobot Kriteria

Cn
..X1n
....
...
Xmn

Misal : C1 = Harga, C2 = Diskon, etc sedangkan

m mewakili banyak item.
c. Menghitung vektor Si, dimana setiap data (Xij)
akan dikalikan tetapi sebelumnya dilakukan
pemangkatan dengan bobot dari kriterianya.

Si j 1 Xij kWj , dengan i = 1, 2, ..., m

n

Dimana
n

Wj 1
j 1

2.4. Metode WP
Metode Weighted Product (WP) adalah
himpunan berhingga dari alternatif keputusan yang
dijelaskan dalam beberapa hal kriteria keputusan.
Definisi lain mengenai Metode WP adalah : [2]
1. Salah satu metode penyelesaian yang ditawarkan
untuk menyelesaikan masalah Multi Attribute
Decision Making (MADM).
2. Metode WP mirip dengan Metode Weighted Sum
(WS), hanya saja metode WP terdapat perkalian
dalam perhitungan matematikanya.
3. Metode WP juga disebut sebagai analisis
berdimensi karena struktur matematikanya

K = 1 untuk atribut keuntungan, k = -1 untuk

atribut biaya.
d. Menghitung vektor Vi kemudian memilih nilai
tertinggi sebagai alternatif terbaik dalam
pengambilan keputusan.

Vi

Si
n

Si

, dengan i = 1, 2, ..., m

j 1

3. SKENARIO UJI COBA

Dalam penelitian yang kami lakukan, kami
menggunakan 2 buah metode yang digunakan, yaitu
metode Analytical Hierachi Process (AHP) dan
metode Weight Product (WP). Tahap Skenario yang
digunakan adalah dengan melakukan proses
perbandingan kriteria, kemudian perhitungan bobot
kriteria menggunakan metode AHP dan proses
perangkingan data (merk smartTV) menggunakan
metode WP.
Pada tahap metode AHP, berikut detail dari
skenario yang digunakan : [1]
a. Menentukan case study yang digunakan. Case
study terdiri dari tujuan yang ingin dicapai,
pengelompokan
kriteria
kuantitatif dan
kualitatif, dan menentukan alternatif yang
digunakan.
b. Membuat herarki tree berdasarkan case study
yang telah ditentukan.
c. Membuat tabel matrik perbandingan kriteria
yang digunakan. Kemudian menghitung bobot
masing masing kriteria dengan cara normaliasi,
yaitu tiap nilai dalam kolom matrik A dibagi
dengan hasil penjumlahan kolomnya pada
matrik A. Menghitung rata rata per baris dari
matriks normaliasi.

0.5 3
1

A 2
1
4
0.33 0.25 1

0.30 0.29 0.38

Norm_A 0.60 0.57 0.50
0.10 0.14 0.13

0.32
X 0.56
0.12
Hasil perhitungan bobot kriteria (X) dengan
metode AHP tersebut akan digunakan sebagai
prioritas bobot setiap kriteria (W_initj).
Pada tahap metode WP, berikut detail dari
skenario yang digunakan : [2]
a. Menggunakan hasil bobot kriteria pada metode
AHP sebagai prioritas bobot WP. Kemudian
melakukan perbaikan bobot (Wj) dengan rumus :

Wj

W _ initj
n

W _ initj
j 1

n menyatakan banyak kriteria.

b. Membuat tabel bobot kriteria dan data alternatif
yang digunakan. Kemudian menghitung vektor Si,
dimana setiap data (Xij) akan dikalikan. Rumus
yang digunakan :

Si j 1 Xij kWj , dengan i = 1, 2, ..., m.

n

dimana,
n

Wj 1
j 1

dimana K = 1 untuk atribut keuntungan, k = -1

untuk atribut biaya.
c. Menghitung vektor Vi, kemudian memilih nilai
tertinggi sebagai alternatif terbaik dalam
pengambilan keputasan.

Vi

Si
n

Si

, dengan i = 1, 2, ..., m

j 1

d. Melakukan proses perangkingan alternatif dari

alternatif dengan nilai tertinggi sampai dengan
nilai terendah.
Kedua skenario tersebut dilakukan sebanyak 5
kali pengujian. Untuk metode AHP dilakukan variasi
data matrik perbandingan berpasangan, hasil
pengujian matrik perbandingan berpasangan tersebut
akan digunakan untuk mendapatkan nilai akurasi.
Sedangkan metode WP dilakukan dengan
menyediakan 5 data alternatif. Kemudian dihitung
secara manual dengan cara memprediksi secara nalar
dan secara otomatis dengan menggunakan program.
Hasil perhitungan secara manual dan otomatis akan
digunakan untuk menghitung nilai akurasi.

4. HASIL UJI COBA

4.1.Pembahasan
Pada penelitian ini, uji coba yang pertama
dilakukan dengan data matrik perbandingan kriteria
berpasangan dan 5 data alternatif merk smartTV. Hal
ini kami lakukan dengan menguji apakah metode yang

Kelompok 7, Sistem Pendukung Keputusan Pemilihan Smart Tv

Menggunakan Metode Analytical Hierarchy Process Dan Metode Weight Product

digunakan tersebut memiliki akurasi yang terbaik.

Berikut hasil proses perhitungan untuk variasi data
pertama.
Matrik perbandingan kriteria berpasangan
yang digunakan, sebagai berikut :

Pada gambar di atas menunjukan nilai bobot

dari masing masing kriteria yang digunakan. Ke
sembilan data bobot tersebut akan digunakan sebagai
prioritas bobot kriteria pada metode WP.
Variasi data alternatif yang digunakan dalam
perhitungan metode WP, sebagai berikut :

Gambar 6. Data Alternatif

Gambar 3. Matrik Perbandingan

Pada gambar di atas menunjukan nilai dari

matrik perbandingan kriteria berpasangan. Kemudian
data tersebut di normalisasi. Berikut hasil dari
normalisasi data matrik, sebagai berikut :

Hasil perhitungan vektor S yang didapatkan

dari masing masing alternatif dengan bobot kriteria,
sebagai berikut :

Gambar 7. Vektor S
Gambar 4. Normalisasi
Pada gambar di atas menunjukan hasil
normalisasi data matrik perbandingan kriteria.
Berdasarkan data tersebut akan digunakan untuk
perhitungan bobot kriterianya. Hasil perhitungan
bobot kriteria yang didapat, sebagai berikut :

Pada gambar di atas menunjukkan hasil

perhitungan vektor S dari tiap tiap alternatif.
Kemudian dari hasil vektor S akan didapatkan nilai
vektor V dari tiap tiap alternatif. Berikut ini, hasil
perhitungan vektor V dari masing masing alternatif
yang digunakan.

Gambar 5. Perhitungan Bobot

rekomendasi yang dilakukan oleh sistem dan hasil

perhitungan manual oleh manusia didapatkan nilai
akurasi dari tiap data uji. Untuk detail perhitungan
nilai akurasi, sebagai berikut :

Gambar 8. Vektor V

Tabel 3. Data Pengujian Semua Data

Gambar 9. Perangkingan Alternatif

Pada gambar di atas menunjukkan hasil
perhitungan vektor V dari masing masing alternatif.
Berdasarkan hasil vektor V, hasil akhirnya adalah
perangkingan alternatif berdasarkan nilai tertinggi
vektor V sampai nilai terendah vektor V.
Hasil akurasi yang didapatkan pada uji coba
yang pertama ini, bahwa jika menggunakan pemilihan
secara manual (memilih dengan dugaan) didapatkan
hasil sebagai berikut.

Selanjutnya, uji coba yang kedua dilakukan

dengan 5 variasi data matrik perbandingan kriteria
berpasangan dan data alternatif merk smartTV. Hal ini
kami lakukan dengan menguji apakah metode yang
digunakan tersebut memiliki akurasi yang terbaik.
Berikut hasil proses perhitungan untuk variasi data
matrik pertama.
Matrik perbandingan kriteria berpasangan yang
digunakan, sebagai berikut :

Tabel 2. Pengujian Pertama Data 1

Gambar 10. Matrik Perbandingan

Berdasarkan data di atas. Didapatkan 4 data

perhitungan yang cocok dan 1 data perhitugan yang
tidak cocok. Maka, nilai akurasi yang didapatkan dari
uji coba pertama variasi 1 adalah 5/5x100% = 100%.
Berdasarkan data di atas. Didapatkan 4 data
perhitungan yang cocok dan 1 data perhitugan yang
tidak cocok. Maka, nilai akurasi yang didapatkan dari
uji coba pertama variasi 1 adalah 4/5x100% = 80%.
Hasil skenario pengujian yang telah dilakukan dengan
5 kelompok data variasi yang berbeda beda. Hasil

Pada gambar di atas menunjukan nilai dari matrik

perbandingan kriteria berpasangan. Kemudian data
tersebut di normalisasi. Berikut hasil dari normalisasi
data matrik, sebagai berikut :

Kelompok 7, Sistem Pendukung Keputusan Pemilihan Smart Tv

Menggunakan Metode Analytical Hierarchy Process Dan Metode Weight Product

Gambar 11. Normalisasi

Pada gambar di atas menunjukan hasil normalisasi
data matrik perbandingan kriteria. Berdasarkan data
tersebut akan digunakan untuk perhitungan bobot
kriterianya. Hasil perhitungan bobot kriteria yang
didapat, sebagai berikut :

Gambar 14. Vektor S

Pada gambar di atas menunjukkan hasil
perhitungan vektor S dari tiap tiap alternatif.
Kemudian dari hasil vektor S akan didapatkan nilai
vektor V dari tiap tiap alternatif. Berikut ini, hasil
perhitungan vektor V dari masing masing alternatif
yang digunakan.

Gambar 12. Perhitungan Bobot

Pada gambar di atas menunjukan nilai bobot dari
masing masing kriteria yang digunakan. Ke
sembilan data bobot tersebut akan digunakan sebagai
prioritas bobot kriteria pada metode WP. Variasi data
alternatif yang digunakan dalam perhitungan metode
WP, sebagai berikut :

Gambar 13. Data Alternatif

Hasil perhitungan vektor S yang didapatkan dari
masing masing alternatif dengan bobot kriteria,
sebagai berikut :

Gambar 15. Vektor V

Pada gambar di atas menunjukkan hasil
perhitungan vektor V dari masing masing alternatif.
Berdasarkan hasil vektor V, hasil akhirnya adalah
perangkingan alternatif berdasarkan nilai tertinggi
vektor V sampai nilai terendah vektor V. Hasil akurasi
yang didapatkan pada uji coba yang pertama ini,
bahwa jika menggunakan pemilihan secara manual
(memilih dengan dugaan) dan menggunakan sistem
otomatis didapatkan hasil sebagai berikut.

Tabel 4. Pengujian Kedua Variasi 1

9

Berdasarkan data di atas. Didapatkan 5 data

perhitungan yang cocok. Maka, nilai akurasi yang
didapatkan dari uji coba kedua variasi 1 adalah
5/5x100% = 100%.
Hasil skenario pengujian yang telah dilakukan dengan
5 kelompok data variasi yang berbeda beda. Hasil
rekomendasi yang dilakukan oleh sistem dan hasil
perhitungan manual oleh manusia didapatkan nilai
akurasi dari tiap data uji. Untuk detail perhitungan
nilai akurasi, sebagai berikut :

Gambar 18. Halaman Perhitungan AHP (2)

Gambar 19. Halaman Perhitungan WP (1)

Tabel 5. Hasil Pengujian Semua Variasi

4.2.Tampilan Implementasi

Gambar 20. Halaman Perhitungan WP (2)

Gambar 16. Beranda Aplikasi

Gambar 21. Halaman About Us

Gambar 17. Halaman Perhitungan AHP (1)

10

Kelompok 7, Sistem Pendukung Keputusan Pemilihan Smart Tv

Menggunakan Metode Analytical Hierarchy Process Dan Metode Weight Product

5. KESIMPULAN DAN SARAN

Kesimpulan yang didapat adalah proses
pemilihan Smart TV oleh konsumen terdiri dari 9
kriteria yaitu Harga, Ukuran (LxWxH), Ukuran Layar
(In), Berat, Kejernihan Suara, Garansi Produk,
Resolusi Layar, Power (Input/Output) dan Feature.
Bobot tertinggi adalah kriteria Feature. Bobot dari 9
kriteria tersebut akan diolah lagi sehingga
mendapatkan hasil perangkingan akhir.
Metode awal yang digunakan untuk
menentukan bobot yaitu menggunakan metode
Analytical Hierarchy Process (AHP) kemudian
dilanjutkan perhitungan menggunakan metode Weight
Product (WP) untuk mendapatkan perangkingan
akhir. Penggunaan AHP sendiri tetap saja memiliki
kelemahan-kelemahan dan syarat agar hasil dapat
dipertanggung jawabkan. Syarat-syarat mutlak yang
harus dipenuhi yaitu dalam AHP pengambilan
keputusan haruslah yang melakukan perhitungan
ataupun perbandingannya sendiri dan juga harus
memiliki informasi berkaitan dengan faktor-faktor
berpengaruhnya dengan baik.

6. DAFTAR PUSTAKA
[1] Cholissodin, Imam. 2014. Pemodelan dan
Manajemen Model & Analytic Hierarchy
Process (AHP).
[2] Cholissodin, Imam. 2014. Decision Support
Systems & Weighted Product (WP).
[3] Anonym. 2011. Pilih Smart TV, Pilihan Jatuh
ke LG 3D Smart TV.
http://media.kompasiana.com/newmedia/2011/10/31/pilih-smart-tv-pilihan-jatuhke-lg-3d-smart-tv-406160.html.
Diakses pada tanggal 24 Desember 2014.
[4] Iwan. 2012. Mengenal Smart tv Apa Kelebihan
yang Ditawarkan Dari Pada TV Biasa.
http://ridwanaz.com/teknologi/tv/mengenalsmart-tv-apa-kelebihan-yang-ditawarkan-daripada-tv-biasa/.
Diakses pada tanggal 24 Desember 2014.
[5] Turban , Efraim & Aronson, Jay E. 2001. Decision
Support Systems and Intelligent Systems. 6th
edition. Prentice Hall: Upper Saddle River, NJ.
[6] Sparague, R. H. and Watson H. J. 1993. Decision
Support Systems: Putting Theory Into Practice.
Englewood Clifts, N. J., Prentice Hall.

Dosen Pengampu Mata Kuliah

Imam Cholissodin. Lahir di
Lamongan pada tanggal 19 Juli
1985.
Peneliti
telah
menyelesaikan pendidikan S2
di Teknik Informatika FTIF
ITS Surabaya pada Tahun
2009-2011. Saat ini peneliti
aktif sebagai dosen pengajar di
jurusan Teknik Informatika,
Program Teknologi dan Ilmu Komputer (PTIIK),
Universitas Brawijaya (UB) Malang pada beberapa mata
kuliah, seperti Information Retrieval, Pengolahan Citra
Digital, Probabilitas dan Statatistika, Grafika Komputer,
Decision Support System, Kecerdasan Buatan, Data
Mining dan Pengenalan Pola. Bidang Keminatan yang
ditekuni peneliti adalah Information Retrieval, Artificial
Vision, Image Processing, dan Cryptography. Di samping
mengajar, peneliti juga aktif dalam Riset Group Image
Processing dan Vision (IMPROV) di dalam Laboratorium
Komputasi Cerdas dan Visualisasi. Selain itu peneliti juga
telah melakukan beberapa publikasi pada jurnal nasional
dan internasional (IEEE). Riset pada tahun 2013-2014
yang sedang dilakukan sekarang bersama dengan
beberapa tim dosen dan mahasiswa semester akhir adalah
berfokus pada bidang Information Retrieval untuk
melakukan analisis dokumen lembaga pendidikan secara
Real-time, yaitu dengan tema Groups Decision
Sentiment Analysis Untuk Klasifikasi Dokumen EComplaint Kampus Menggunakan Additive Kernel SVM
yang merupakan kombinasi dari dua lintas bidang
keilmuan antara Decision Support System (DSS) dan
Information Retrieval (IR).
Motto : We Are A Code, We Are The Best Code Of
God.

Ketua Kelompok
Risza Nurrachman, Lahir di
Kota Jember pada tanggal 14
Desember 1992. Saat ini berstatus
sebagai mahasiswa aktif angkatan
2011, semester 7 di Jurusan /
Program Studi Informatika / Ilmu
Komputer, Program Teknologi
Informasi dan Ilmu Komputer
(PTIIK), Universitas Brawijaya
(UB) Malang. Memiliki keminatan dalam bidang
Rekayasa Perangkat Lunak (RPL), Pengembangan
Aplikasi Perangkat Bergerak / Mobile (PAPB) dan
Komputer Cerdas (KC).
Moto : Do It If You Want, Do It With Your Passion, And
Do The Best.

11

Anggota Kelompok
Wahyu Nur Ulil Albab, Lahir
di Kota Gresik pada tanggal 23
Januari 1993. Saat ini berstatus
sebagai
mahasiswa
aktif
semester 7 di Program Studi
Informatika,
Program
Teknologi Informasi dan Ilmu
Komputer,
Universitas
Brawijaya Malang. Memiliki keminatan dalam bidang
Rekayasa Perangkat Lunak, Pengembangan Aplikasi
Mobile dan Komputer Cerdas.
Imam Safii, Lahir di Kota
Malang pada tanggal 10
November 1992. Saat ini
berstatus sebagai mahasiswa
aktif semester 7 di Program
Studi Informatika, Program
Teknologi Informasi dan Ilmu
Komputer,
Universitas
Brawijaya Malang. Memiliki keminatan dalam bidang
Rekayasa Perangkat Lunak, Pengembangan Aplikasi
Mobile dan Komputer Cerdas.
Riza Krusdianto, Lahir di
Kabupaten Tulungagung pada
tanggal 16 Juli 1992. Saat ini
berstatus sebagai mahasiswa
aktif semester 7 di Program
Studi Informatika, Program
Teknologi Informasi dan Ilmu
Komputer,
Universitas
Brawijaya Malang. Member
dari Tim futsal Hefotris
Program Teknologi Informasi dan Ilmu Komputer UB.
Miftahul Ulum Mubiin, Lahir
di Kota Sumenep pada tanggal
04 Mei 1993. Saat ini berstatus
sebagai
mahasiswa
aktif
semester 7 di Program Studi
Informatika, Fakultas Ilmu
Komputer
(FASILKOM),
Universitas Brawijaya Malang.
Memiliki keminatan dalam
bidang Rekayasa Perangkat
Lunak, Pengembangan Aplikasi Mobile dan Komputer
Cerdas.

12