Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK)

Vol. x, No. x, Desember 2015, hlm. x-x

ANALISIS METODE WEIGHTED PRODUCT (WP) DAN SIMPLE ADDITIVE

WEIGHTING (SAW) PADA SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN
LOKASI USAHA RESTORAN
Dito Harum Prayogi1, Ibnu Aqli1, Christian Saragih1, Aditya Sudarmadi1, Muh.
Fadhil Hawari1
1

Jurusan Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya

Email: ditoprayogi@gmail.ac.id , 1ibnuaqli99@gmail.ac.id, saragihchristian@gmail.com,
adityasudarmadi@ymail.com, 1mfadhilhawari@gmail.com
1

Abstrak
Sistem pendukung keputusan sebagai sebuah sistem berbasis komputer yang terdiri atas komponen komponen antara lain komponen sistem bahasa (language), komponen sistem pengetahuan (knowledge) dan
komponen sistem pemrosesan masalah (problem processing) yang saling berinteraksi satu dengan yang lainnya.
Sistem pendukung keputusan merupakan suatu sistem yang interaktif, yang membantu pengambil keputusan
melalui penggunaan data dan model-model keputusan untuk memecahkan masalah yang sifatnya semi
terstruktur maupun yang tidak terstruktur.
Metode Weighted Product dan Simple Additive Weighting (SAW) merupakan bagian dari konsep MultiAttibut Decision Making (MADM) dimana diperlukan normalisasi pada perhitungannya. Dengan metode ini,
diharapkan dapat dikembangkan software sistem pendukung keputusan yang mampu membantu masyarakat
yang ingin membuka usaha restoran yang sesuai dengan kriteria yang telah ditentukan.
Penelitian ini bertujuan untuk membandingkan manakah metode terbaik untuk diterapkan dalam beberapa
kasus pemilihan lokasi restoran (tempat makan). Analisis dilakukan dengan menggunakan tingkat akurasi dari
setiap metode dalam penyelesaian kasus sebagai acuan.
Kata kunci: SPK, Restoran, Kriteria, FMADM, Weighted Product, Simple Additive Weighting (SAW)
Abstract
Decision support system is a system based on computer that build by components there are language s
component system, knowledge component system, and problem processing component system that working
together for each other. Decision support system is an interactive system that help user to take a decision
through the using of data and decisions models to solve the problem that semi-structured or unstructured.
Weight product and Simple Additive Weighting (SAW) are parts of Multi-Attribute Decision Making
(MADM) that need normalization on the calculation process. With this methods, we are hoping that we can build
decision support system software that can help people who want to open or start a restaurant business in a
location that suit with the criteria.
This research is mean to compare which one is the best method to apply in this kind of case. The analysis
performed using the accuration from each methods to solving the case as a focus point.
Keywords: DSS, Restaurant, Criteria, FMADM, Weighted Product (WP), Simple Additive Weigthing (SAW)

1.

PENDAHULUAN

Pemanfaatan komputer di berbagai bidang

sudah merupakan suatu keharusan. Computer Based
Information System (Sistem Informasi Berbasis
Komputer) yang salah satunya adalah Sistem
Pendukung Keputusan (Decision Support System)
adalah suatu sistem informasi komputer yang
interaktif yang dapat memberikan solusi bagi
pembuat keputusan.

1.1. Latar Belakang

Teknologi informasi merupakan sarana yang
mendukung untuk mengatasi keterbatasan kognitif
manusia dalam hal rasionalitas, kesalahpahaman dan
bias dalam meningkatkan efektivitas dan efisiensi
pengambilan keputusan (Garryfallos, 2005)

Dito Harum P., Christian Saragih, Ibnu Aqli, Aditya Sudarmadi, dan Muh.Fadhil Hawari. Analisis Model
FMADM Metode WP dan SAW Dalam SPK Pemilihan Lokasi Usaha Restoran 2

Tidak terkecuali bidang bisnis kuliner.

Pemilihan lokasi yang strategis untuk membuka
usaha kuliner adalah hal yang tidak mudah. Tidak
jarang karena kesalahan dalam memilih calon lokasi
usaha tersebut mengakibatkan kerugian yang dialami
oleh pemilik usaha tersebut.
Dibutuhkan banyak pertimbangan atas
beberapa syarat atau kriteria, agar lokasi pilihan
nantinya akan tepat dan sesuai sehingga usaha
kuliner tersebut nantinya dapat diterima oleh
konsumen dan memberikan keuntungan yang besar.
Maka diperlukan suatu sistem yang dapat
memperhitungkan segala kriteria yang mendukung
dalam pengambilan keputusan dalam memilih lokasi
tersebut.
Sistem pendukung keputusan yang akan dibuat
menggunakan model Fuzzy Multiple Attribute
Decision Making (FMADM) dengan menerapkan
metode Weighted Product (WP) dan Simple Additive
Weigthing (SAW).
Model dan metode ini mendukung dalam
pengambilan keputusan yang menggunakan banyak
syarat atau kriteria dalam pemilhan. Sehingga hasil
akhirnya akan sesuai dengan kebutuhan user.

2.

d.
e.
f.
g.
h.

Sumber Model
Sumber Daya Manusia
Model Sistem Pendukung Keputusa
Electronic Spreadsheet
Sistem
Pendukung
Keputusan
Kelompok

2.2. Weighted Product (WP)

Metode
WP
menggunakan
perkalian untuk menghubungkan rating
atribut, dimana rating setiap atribut harus
dipangkatkan dulu dengan bobot atribut
yang bersangkutan [EZN: 3].
Proses ini sama halnya dengan
proses normalisasi. Pertama dilakukan
perbaikan bobot (normalisasi vector bobot)
terlebih dahulu dengan menggunakan nilai
bobot awal, sehingga total bobot Wj=1,
dengan cara

Wj=Wj Wj
(1)
Preferensi untuk
diberikan sebagai berikut:

DASAR TEORI

Sistem pendukung keputusan ini menggunakan

model Fuzzy Multiple Attribute Decision Making
(FMADM) dengan menerapkan metode Weighted
Product (WP) dan Simple Additive Weighting
(SAW).
2.1. Sistem Pendukung Keputusan
Sistem pendukung keputusan
merupakan
sistem
informasi
yang
menyediakan informasi, pemodelan, dan
pemanipulasian data.
Definisi lain, sistem pendukung
keputusan adalah sistem tambahan, mampu
untuk mendukung analisis data secara
adhoc dan pemodelan keputusan serta
berorientasi pada perencanaan masa depan
[YSN: 1].
Komponen
Sistem
Pendukung
Keputusan
Menurut Sudiyantoro (2005), komponen
sistem pendukung keputusan meliputi 8
bagian, yaitu :
a. Hardware Resources
b. Software Resources
c. Sumber Data

alternatif

Ai

(2)
dengan i=1,2,...,m.
Dimana wj = 1. wj adalah
pangkat bernilai ositif untuk atribut
keuntungan, dan bernilai negatif untuk
atribut biaya. Preferensi relatif dari setiap
alternatif, diberikan sebagai:

(3)
dengan i=1,2,...,m
2.3. Simple Additive Weighting (SAW)
Metode SAW sering juga dikenal
istilah metode penjumlahan terbobot.
Konsep dasar metode SAW adalah mencari
penjumlahan terbobot dari rating kinerja
pada setiap alternatif pada semua atribut.
Metode SAW membutuhkan proses
normalisasi matriks keputusan (X) ke
suatu skala yang dapat diperbandingkan
dengan semua rating alternatif yang ada
[EZN: 4].

Dito Harum P., Christian Saragih, Ibnu Aqli, Aditya Sudarmadi, dan Muh.Fadhil Hawari. Analisis Model
FMADM Metode WP dan SAW Dalam SPK Pemilihan Lokasi Usaha Restoran 3

rij=
(4)
di mana rij adalah rating kinerja
ternormalisasi dari alternative Ai pada
atribut Cj; i=1,2,m dan j=1,2,n. Nilai
preferensi untuk setiap alternative (Vi)
diberikan sebagai :

(5)
Vi
wj
rij

Keterangan :
= rangking untuk setiap alternatif
= nilai bobot dari setiap kriteria
= nilai rating kinerja ternormalisasi

Nilai Vi yang lebih besar mengindikasikan

bahwa alternative Ai lebih terpilih

3.

METODOLOGI

Berikut akan dijabarkan analisis perancangan

dan penerapan sistem pengambilan keputusan
dengan menggunakan metode SAW dan WP.

pendukung keputusan ini. 3 langkah tersebut

adalah :
1. Input bobot tiap kategori sesuai dengan
kebutuhan user.
2. Normalisasi data dengan menggunakan
metode SAW & WP.
3. Rangking data lokasi, dilakukan dengan
menggunakan hasil dari proses normalisasi
sebelumnya
sebagai
acuan
untuk
mendapatkan alternatif terbaik.

4.

PEMBAHASAN

Bab ini akan menjabarkan tentang data yang ,

proses perhitungan yang akan digunakan dan
diterapkan di dalam sistem.
4.1. Kategori Dan Data
Model Fuzzy Multiple Attribute Decision
Making (FMADM) adalah model pengambilan
keputusan dengan menggunakan kriteria sebagai
syarat prosesnya.
Dalam permasalahan ini, kriteria yang
ditentukan adalah :
Tabel 1 Data Kategori

1.1. Pengumpulan Data

Data yang digunakan sebagai acuan didapatkan
dengan cara merandom data dengan menggunakan
range range tertentu yang tidak melewati kaidah
rasionalitas dalam penentuan data.

Kode
C1
C2
C3
C4
C5

Kriteria
Jumlah Penduduk di Sekitar Lokasi
Harga Sewa
Jumlah Pesaing di Sekitar Lokasi
Rata Rata Kendaraan Lewat
Luas Tempat

1.2. Arsitektur Sistem

Arsitektur sistem akan dijelaskan dalam gambar
1 berikut.

Pada kriteria tersebut, telah ditentukan nilai

bobot yang menunjukkan tingkat prioritas dari
kategori tersebut bagi user. Bobot ini disebut
dengan bobot awal (W). Rentang nilai bobot yang
digunakan adalah :

Gambar 2 Bilangan Fuzzy Untuk Bobot

Tabel 2 Rentang Nilai Bobot

Gambar 1 Arsitektur Sistem

Pada gambar tersebut, terdapat 3 langkah utama

yang akan dilakukan dalam pembangunan sistem

Nilai Bobot
5
6

Keterangan
Sangat rendah (A)
Rendah (B)

Dito Harum P., Christian Saragih, Ibnu Aqli, Aditya Sudarmadi, dan Muh.Fadhil Hawari. Analisis Model
FMADM Metode WP dan SAW Dalam SPK Pemilihan Lokasi Usaha Restoran 4

7
8
9

Cukup (C)
Tinggi (D)
Sangat Tinggi (E)

Berikut adalah nilai bobot prioritas dari tiap

kategori sehingga dapat dianggap sebagai lokasi
yang strategis :
Tabel 3 Nilai Bobot Lokasi Strategis

Kode
C1
C2
C3
C4
C5

Bobot Untuk Lokasi Strategis

7
9
5
8
8

Jumlah data yang digunakan dalam penelitian

ini adalah 30 lokasi dengan data sesuai dengan
kategori tersebut. Berikut adalah data yang
digunakan dalam penelitian ini.

No

Tempa
t 01
Tempa
t 02
Tempa
t 03
Tempa
t 04
Tempa
t 05
Tempa
t 06
Tempa
t 07
Tempa
t 08
Tempa
t 09
Tempa
t 10
Tempa
t 11
Tempa
t 12
Tempa
t 13
Tempa
t 14
Tempa
t 15
Tempa
t 16
Tempa
t 17
Tempa
t 18

177
402
644
270
191
228
591
728
556
765
162
712
453
225
739
367
121
110

Harga Sewa

Rp11.071.75
4
Rp27.634.78
4
Rp27.032.06
6
Rp12.582.74
4
Rp13.314.68
7
Rp20.341.32
1
Rp14.432.90
1
Rp28.649.87
8
Rp19.122.77
3
Rp20.121.86
6
Rp13.718.40
0
Rp26.751.79
3
Rp24.432.28
7
Rp17.832.18
2
Rp10.227.36
9
Rp12.098.54
4
Rp12.232.93
0
Rp15.009.64
9

Ratarata
Kenda
raan
Lewat
(dalam
12
jam)
5270

14

4037

52

13

4960

60

12

8203

107

10164

111

18

6239

55

18

6400

116

19

5548

61

19

10939

123

4541

120

4361

73

7748

131

5960

117

16

10945

93

11

4114

62

7772

78

9733

65

15

4115

57

Jumlah
Pesaing
diskitar

324

Rp15.897.88
8
Rp19.492.14
2
Rp19.123.32
5
Rp21.553.83
3
Rp23.271.80
8
Rp12.809.19
7
Rp27.046.32
5
Rp20.417.12
4
Rp13.670.00
6
Rp9.188.833

704
345
337
143
684
560
650
277
294
133

Rp23.980.73
5
Rp21.355.88
5

165

11

8249

84

10498

129

18

10483

106

10

7431

110

9183

150

15

9635

98

12

9595

112

18

9768

132

5456

64

9201

73

10

7274

60

10

8066

10C

4.2. Pengujian Dengan Metode Weighted

Product (WP)
Pada pengujian metode ini, akan digunakan 3
sample data untuk dilakukan implementasi metode
Weighted Product (WP).

Tabel 4 Data Lokasi

Jumla
h
Pendu
duk
Diseki
tar
(jiwa)

Tempa
t 19
Tempa
t 20
Tempa
t 21
Tempa
t 22
Tempa
t 23
Tempa
t 24
Tempa
t 25
Tempa
t 26
Tempa
t 27
Tempa
t 28
Tempa
t 29
Tempa
t 30

Luas
Tem
pat
(m2)

No

Jumlah
Penduduk
Disekitar
(jiwa)

Harga Sewa

Jumlah
Pesaing
di
sekitar

177

Rp11.071.754

Ratarata
Kenda
raan
Lewat
(dala
m 12
jam)
5270

402

Rp27.634.784

14

4037

52

644

Rp27.032.066

13

4960

60

50
Tempat
01
Tempat
02
Tempat
03

Luas
Temp
at
(m2)

50

Langkah pertama
Melakukan perbaikan bobot awal dari tiap
kategori. Dengan rumus

W 1=

7
=0,19
37

W 2=

9
=0,24
37

W 1=

5
=0,14
37

Wj=

wj
Wj

Dito Harum P., Christian Saragih, Ibnu Aqli, Aditya Sudarmadi, dan Muh.Fadhil Hawari. Analisis Model
FMADM Metode WP dan SAW Dalam SPK Pemilihan Lokasi Usaha Restoran 5

W 1=

8
=0,22
37

W 1=

8
=0,22
37

Setelah melakukan normalisasi bobot, maka

langkah berikutnya adalah menghitung vector S
dengan menggunakan persamaan :

0,4769
=0,2914
0,5884+0,4769+ 0,5710

V 3=

0,5710
=0,3489
0,5884+ 0,4769+ 0,5710

Dari perhitungan dengan metode WP ini

ditemukan bahwa lokasi ke-1 lah yang memiliki
nilai V tertinggi sehingga menjadi alternatif terbaik.

S i= X ij W

V 2=

j=1

Bobot yang digunakan juga diterapkan kategori

menguntungkan dan merugikan. Dimana kategori
yang dianggap menguntungkan akan bernilai positif
sementara kategori yang merugikan akan bernilai
negatif.

4.3. Pengujian Dengan Metode Simple Additive

Weighting (SAW)
Perhitungan dengan metoda SAW diawali
dengan mengubah data menjadi berbentuk matriks.

S 1=( 177 0,19 ) ( 11071754 (0,24) )( 7(0,14) ) ( 52700,22 ) ( 500,22 )=270 gunakan persamaan :isasi bobot , makalangkahber
S 2=( 402

0,19

) ( 27634784

( 0,24 )

) ( 14

( 0,14)

) ( 4037

0,22

Jumlah
Penduduk
Disekitar
(jiwa)

0,22
No

Jumlah
Pesaing
di
sekitar

Ratarata
Kenda
raan
Lewat
(dala
m 12
jam)
5270

Luas
Temp
at
(m2)

Sewa
)( 52 ) =270 gunakanHarga
persamaan
:isasi bobot , makalangkah b

Tempat
177
Rp11.071.754
7
50
) =270 gunakan
S 1=( 644 0,19 ) ( 27032066(0,24 ) ) ( 13(0,14 ) ) ( 49600,22 ) ( 600,22
persamaan:isasi
bobot , makalangkah
b

Kemudian, dilakukan perhitungan untuk vektor

V yang nantinya akan digunakan sebagai dasar
acuan melakukan perangkingan lokasi usaha
restoran.

W j

j=1
n

V i=

V 1=

402

Rp27.634.784

14

4037

52

644

Rp27.032.066

13

4960

60

177 11071754 7 5270 50

X 402 27634784 14 4037 52
644 27032066 13 4960 69

Setelah diubah menjadi matriks, maka langkah

berikutnya adalah melakukan normalisasi terhadap
matriks tersebut. Dengan rumurs kriteria keuntungan
dan biaya.

X ijW

01
Tempat
02
Tempat
03

j=1

0,5884
=0,3595
0,5884+0,4769+ 0,5710

C1.

r 1.1=

r 1.2=

177
177
=
=0,27
max(177, 402,644) 644

402
402
=
=0,62
max(177, 402,644) 644

Dito Harum P., Christian Saragih, Ibnu Aqli, Aditya Sudarmadi, dan Muh.Fadhil Hawari. Analisis Model
FMADM Metode WP dan SAW Dalam SPK Pemilihan Lokasi Usaha Restoran 6

r 4.2 =

4037
4037
=
=0,76
max ( 5270, 4037, 4960 ) 5270

r 4.3 =

4960
4960
=
=0,94
5270
max (5270, 4037, 4960 )

r 5.1=

50
50
= =0,83
max ( 50, 52,60 ) 60

min ( 110751754, 27634784,27032066 )

r 2.2=
27634784

r 5.1=

52
52
= =0,86
max ( 50, 52,60 ) 60

11071754

=0.409
27634784

r 5.1=

60
60
= =1
max ( 50, 52,60 ) 60

r 1.3=

644
644
=
=1
max (177, 402,644) 644

C2.

r 2.1=

min ( 110751754, 27634784,27032066 )

11071754

11071754

=1
11071754

C5.

Normalisasi data tersebut dilanjutkan dengan

min ( 110751754, 27634784,27032066 ) mengalikan hasil perhitungan tadi dengan bobot

r 2.3=
27032066
yang telah diberikan pada tiap kategori sama seperti
pada metode WP, yaitu :

11071754
=0,40
27032066

W = { 0,19; 0,24 ; 0,14 ; 0,22 ; 0,22 }

Sehingga didapatkan hasil dalam bentuk
matriks sebagai berikut :

C3.
r 3.1=

min ( 7,14, 13 ) 7
= =1
7
7

r 3.2=

min ( 7,14, 13 ) 7
= =0,5
14
14

r 3.3=

min ( 7, 14,13 ) 7
= =0,53
13
13

0,0513 0,24
0,14
0,22 0,1826
R 0,1178 0,098 0,07 0,1672 0,1892
0,19 0,096 0,0742 0,2068 0,22

Langkah terakhir adalah mendapatkan nilai V

dengan menjumlah nilai dari matriks alternatif
tersebut

V 1=0,0513+0,24 +0,14+ 0,22+ 0,1826=0,8339

V 2=0,1178 +0,098+0,07+ 0,1672+ 0,1892=0,642

C4.

r 4.1 =

5270
5270
=
=1
max ( 5270, 4037, 4960 ) 5270

V 3=0,19+ 0,096+0,0742+0,2086+0,22=0,787

Dito Harum P., Christian Saragih, Ibnu Aqli, Aditya Sudarmadi, dan Muh.Fadhil Hawari. Analisis Model
FMADM Metode WP dan SAW Dalam SPK Pemilihan Lokasi Usaha Restoran 7

Dari hasil perhitungan V tersebut didapatkan

hasil bahwa dengan metode SAW alternatif terbaik
adalah lokasi ke-1.

4.4. Analisis Perbandingan

Berikut adalah hasil perhitungan keseluruhan
data dengan menggunakan metode WP dan SAW.

Tabel 5 Hasil Perangkingan Metode Weighted Product

No

Nilai V

Tempat 20
Tempat 16
Tempat 28
Tempat 24
Tempat 13
Tempat 17
Tempat 12
Tempat 26
Tempat 05
Tempat 09
Tempat 07
Tempat 10
Tempat 04
Tempat 25
Tempat 15
Tempat 21
Tempat 19
Tempat 23
Tempat 22
Tempat 14
Tempat 27
Tempat 30
Tempat 01
Tempat 11
Tempat 03
Tempat 08
Tempat 06
Tempat 29
Tempat 02
Tempat 18

0,0479
0,0463
0,0442
0,0431
0,0419
0,0415
0,0401
0,0398
0,0394
0,0393
0,0377
0,0375
0,0368
0,0367
0,0363
0,0347
0,0346
0,0340
0,0340
0,0325
0,0314
0,0299
0,0291
0,0289
0,0282
0,0278
0,0245
0,0243
0,0236
0,0217

Tabel 6 Hasil Perangkingan Dengan Metode SAW

LOKASI

NILAI

Tempat 20
Tempat 24
Tempat 26
Tempat 09
Tempat 17
Tempat 28
Tempat 12
Tempat 16
Tempat 07
Tempat 05
Tempat 25
Tempat 15
Tempat 10
Tempat 04
Tempat 21
Tempat 13
Tempat 23
Tempat 14
Tempat 19
Tempat 22
Tempat 30
Tempat 08
Tempat 27
Tempat 01
Tempat 03
Tempat 11
Tempat 06
Tempat 29
Tempat 18
Tempat 02

0,712
0,689
0,667
0,661
0,641
0,640
0,625
0,614
0,606
0,604
0,589
0,586
0,582
0,576
0,575
0,564
0,558
0,545
0,521
0,511
0,471
0,466
0,451
0,442
0,440
0,419
0,379
0,373
0,350
0,347

Pada perhitungan dengan menggunakan

keseluruhan data (30 buah data). Didapatkan hasil
yang kurang lebih sama antara metode WP dan
SAW. Dimana alternatif terbaik yang ada pada
urutan teratas adalah lokasi ke-20.
Untuk mendapatkan metode manakah yang
menghasilkan alternatif terbaik maka dilakukan
dengan menganalisis kesesuaian dengan menghitung
tingkat kesesuaian pada masing masing metode.
Rumus yang digunakan adalah :

Dito Harum P., Christian Saragih, Ibnu Aqli, Aditya Sudarmadi, dan Muh.Fadhil Hawari. Analisis Model
FMADM Metode WP dan SAW Dalam SPK Pemilihan Lokasi Usaha Restoran 8

100
Data FMADM
Xi
Tki=100

Prosentase Metode =
(6)

(1000,0349)
=99,9651
100

Prosentase Metode SAW =

Ket :
Tki : Tingkat Kesesuaian
Xi : Skor rata rata data metode
Tingkat kesesuaian diukur berdasarkan hasil
prosentase akhir, dengan mengacu pada tabel berikut
:

Hasil tersebut bila diubah dalam bentuk grafik

didapatkan hasil seperti berikut :

CHART PERBANDINGAN TINGKAT KESESUAIAN

100.2000%
100.0000%
99.9651%
100.0000%
99.8000%
99.6000%
99.4599%
99.4000%
99.2000%
1

Tabel 7 Prosentase Tingkat Kesesuaian

Prosentasi Tingkat
Kesesuaian
31% - 45%
46% - 60%
61% - 75%
76% - 85%
86% - 100%

Kategori
Tidak memuaskan
Kurang memuaskan
Cukup
Memuaskan
Sangat memuaskan

Perhitungan diawali dengan menjumlahkan

keseluruhan data hasil dan dibagi dengan banyaknya
jumlah data.

Metode =

Jumlah Hasil Akhir 1,0479

=
Banyaknya Data
30

0,0349

(1000,5401)
=99,459
100

Metode Weighted Product

Metode Simple Additive Weigthing

Berdasarkan perhitungan tingkat kesesuaian

tersebut
didapatkan
hasil
bahwa
dengan
menggunakan model FMADM pada objek lokasi
usaha restoran ini, metode WP lebih baik daripada
metode SAW.
5.

IMPLEMENTASI SISTEM
Metode ini kemudian diimplementasikan dalam

Jumlah Hasil Akhir 16,204sebuah sistem pendukung keputusan. Pada sistem

Metode SAW =
=
Banyaknya Data
30
ini, user dapat mengubah bobot pada tiap kategori

yang ada. Sehingga dapat diperhitungkan mana

0,5401

kategori yang menjadi prioritas masing masing

user.

Kemudian, untuk mendapatkan prosentase

maka dilakukan perhitungan dengan menggunakan
rumus prosentase

Prosentase Metode=

(100 Xi)
100

Sehingga didaptkan hasil :

Gambar 3 Data Sample Lokasi

Dito Harum P., Christian Saragih, Ibnu Aqli, Aditya Sudarmadi, dan Muh.Fadhil Hawari. Analisis Model
FMADM Metode WP dan SAW Dalam SPK Pemilihan Lokasi Usaha Restoran 9

2.

3.

lewat, julah pesaing di sekitar lokasi, harga

sewa lokasi, dan luas lokasi tersebut.
Analisis perbandingan prosentase hasil
antara metode SAW dan WP didapatkan
hasil bahwa metode WP lebih baik dalam
menyelesaikan permasalahan seperti ini
daripada metode SAW.
Alternatif yang diberikan merupakan
perangkingan dari nilai tertinggi ke
terendah dengan nilai tertinggi sebagai hasil
yang dibutuhkan sebagai bahan pendukung
pengambilan keputusan.

Gambar 4 Input Bobot Kategori

7.

DAFTAR PUSTAKA

Garyfallos Fragidis, K. T. (2005). The Business

Strategy Perspective on the Development of
Decision Support Systems. International
Conference on Computational Intelligence
for Modelling, Control and Automation,
and International Conference on Intelligent
Agents, Web Technologies and Internet
Commerce (CIMCA-IAWTIC05). IEEE.
Gambar 5 Hasil Uji dengan Metode WP

Gambar 6 Hasil Uji dengan Metode SAW

6.

KESIMPULAN

Berdasarkan penelitian dan pengujian diatas,

maka diperoleh kesimpulan sebagai berikut :
1. Program ini akan memudahkan penentuan
calon lokasi usaha restoran yang akan
digunakan para wirausahawan. Sesuai
dengan kriteria yang dianggap penting
dalam masalah ini. Seperti jumlah
penduduk di sekitar, rata rata kendaraan

Ghita, Cornel. 2014. A Decision Support System for

Business Location Based on OPEN GIS
Technology and Data. Institute of World
Economics. Romania. Managing Global
Transitions Volume 12 No. 2 Summer
2014.
Baggio, Rodolfo dan Leonardo Caporarello. 2005.
Decision Support Systems In A Tourism
Destination: Literature Survey And Model
Building. Conference of the Italian Chapter
of AIS (Association for Informations
Systems). Verona, Italy. itAIS 2005.
Triantaphyllou, Evangelos dan Chi-Tun Lin. 1996.
Development and Evaluation of Five Fuzzy
Multiattribute Decison-Making Methods.
Department of Industrial Engineering.
Louisiana State University, Baton Rouge,
Lousiana.
International
Journal
of
Approximate Reasoning Vol. 14 Issue 4,
May 1996 Pages 281 310.
Syaukani, Muhammad dan Hari Kusnanto. 2012.
Pemodelan Sistem Pendukung Keputusan
Kelompok Dengan Metode Fuzzy Weighted
Product Untuk Diagnosis Penyakit
Pneumonia. Universitas Gadjah Mada,
Jogyakarta. Indonesia. Jurnal Teknologi,
Vol. 5 No. 1, Juni 2012 pg 17-23.

Dito Harum P., Christian Saragih, Ibnu Aqli, Aditya Sudarmadi, dan Muh.Fadhil Hawari. Analisis Model
FMADM Metode WP dan SAW Dalam SPK Pemilihan Lokasi Usaha Restoran 10

Jaya, Putra. 2013. Sistem Pendukung Keputusan

penentuan Bonus Karyawan Menggunakan
Metode Weighted Product (WP) (Studi
Kasus: PT. Gunung Sari Medan). STMIK
Budidarma Medan, Medan. Indonesia.
Pelita Informatika Budi Darma, Vol 5 No.
2, Desember 2013.
Yusnita, Amelia dan Rosiana Handini. 2012. Sistem
Pendukung Keputusan Menentukan Lokasi
Rumah
Makan
Yang
Strategis
Menggunakan Metode Naive Bayes.
STMIK Widya Cipta Dharma, Semarang.

Indonesia. Seminar Nasional Teknologi

Informasi dan Komunikasi Terapan 2012
(Semantik 2012) Semarang, 23 Juni 2012.
Effendy, Zainollah. 2014. Analisis Metode Simple
Additive Weighting (SAW) dan Weighted
Product (WP) Untuk Decision Support
System. Universitas Madura Pamekasan,
Madura. Indonesia. Jurnal Teknologi
Informasi Vol. 5 No. 1, 2014.