Majalah Ilmiah INTI, Volume 13, Nomor 1, Januari 2018

ISSN 2339-210X

PENERAPAN METODE ADDITIVE RATIO ASSESSMENT(ARAS)

DALAM PENDUKUNG KEPUTUSAN PEMILIHAN SUSU GYM
TERBAIK UNTUK MENAMBAH MASA OTOT

Hendri Susanto

Program Studi Teknik Informatika, STMIK Budi Darma, Medan, Indonesia

Jalan Sisingamangaraja No. 338, Medan, Indonesia

ABSTRAK
Dari berbagai merk produk Susu Gym dari berbagai jenis harga serta manfaat yang dihasilkan, tentu ini akan membuat pada
pemula dibidang fitness merasa kesulitan untuk memutuskan Susu Gym apa yang tepat. Dari penjelasan tersebut peneliti merasa
tertarik untuk melakukan penelitian dengan menerapkan metode Additive Ratio Assessment dalam suatu sistem pendukung
keputusan, sehingga dapat membantu dalam pemilihan Susu Gym terbaik untuk menambah massa Otot. Sistem Pendukung
Keputusan (SPK) merupakan sistem yang dapat membantu seseorang, dalam mengambil suatu keputusan yang akurat dan tepat
sasaran. Banyak permasalahan yang dapat diselesaikan dengan menggunakan SPK, contohnya saat para pemula fitness dalam
memutuskan untuk membeli Susu Gym sebagai tambahan protein untuk membantu dalam pemulihan tubuh ataupun penambah
massa otot.

Kata kunci: Susu Gym, Metode ARAS, Sistem Pendukung Keputusan.

I. PENDAHULUAN organisasi mencakup sistem fisik, sistem keputusan

Susu gym adalah Susu yang dapat digunakan
sebagai sumber protein terbaik karena memiliki
kelengkapan dari kandungan asam amino dan
memiliki kandungan gizi yang cukup untuk
membantu dalam perkembangan otot. Bagi para pria
memiliki tubuh ideal di gambarkan dengan memiliki
otot tubuh kekar, padat dan berisi. Pria yang memiliki
bentuk tubuh seperti itu akan lebih menarik serta
lebih sehat di banding pria yang memiliki badan
kurus, atau terlalu gemuk banyak manfaat yang ingin
di dapat oleh pria dengan membentuk otot tubuhnya.
Selain menunjang penampilan yang lebih menarik di
bandingkan mereka yang tidak membentuk otot di
tubuhnya.
Pada penelitian ini penulis mengunakan
metode Additive Ratio Assessment (ARAS). Dengan
Metode Additive Ratio Assessment (ARAS)
permasalahan dalam menentukan susu gym untuk
meningkatkan masa otot akan lebih mudah karena
metode Additive Ratio Assessment (ARAS) ini
secara garis besar banyak melakukan perangkingan
dengan cara membandingkan dengan alternatif lainya
sehingga mendapatkan hasil yang ideal dan terbaik
II. TEORITIS
A. Sistem Pendukung Keputusan
Sistem pendukung keputusan adalah sistem
penghasil informasi yang ditujukan pada suatu
masalah tertentu yang harus dipecahkan oleh
manager dan dapat membantu manager dalam
pengambilan keputusan. Sistem pendukung
keputusan merupakan bagian tak terpisahkan dari
totalitas sistem organisasi keseluruhan. Suatu sistem
dan sistem informasi [8].
Kata “sistem” banyak sekali digunakan dalam
percakapan sehari-hari, dalam forum diskusi maupun
dokumen ilmiah. Kata ini digunakan untuk banyak
hal, dan pada banyak bidang pula, sehingga
maknanya menjadi beragam. Dalam pengertian yang
paling umum, sebuah sistem adalah sekumpulan
benda yang memiliki hubungan di antara mereka.
B. Metode Additive Ratio Assessment (ARAS)
Additive Ratio Assessment (ARAS) adalah
sebuah metode yang digunakan untuk perangkingan
kriteria [10], secara konsep metode ARAS ini
digunakan dengan metode lain yang menggunakan
konsep perangkingan seperti SAW atau TOPSIS [11],
dimana proses penentuan ranking harus di olah
kembali dengan menggunakan metode ARAS
sehingga hasil rangkin dengan metode SAW dan
metode SAW+ARAS bisa berberda hasilnya
Dalam melakukan proses perangkingan,
metode ARAS memiliki tiga tahapan yang harus
dilakukan untuk menghitung metode aras, yaitu :
1. Pembentukan Decision Making Matrix
Dimana
m = jumlah alternative
n = jumlah kriteria

1

Majalah Ilmiah INTI, Volume 12, Nomor 3, September 2017
xij = nilai performa dari alternatif i terhadap
kriteria j
x0j = nilai optimum dari kriteria j
2. Penormalisasian Decision Making Matrix untuk
semua kriteria
Jika pada kriteria yang diusulkan bernilai
maksimummaka normalisasinya adalah:
Jika pada kriteria yang diusulkan bernilai minimum,
maka proses normalisasinya ada 2 tahap yaitu :
3. Menentukan bobot matriks yang sudah
dinormalisasi pada tahap 2.
4. Menentukan nilai dari fungsi optimum
5. Menentukan tingkatan peringkat
III. ANALISA DAN PEMBAHASAN
Analisis sistem adalah pembelajaran sebuah
sistem dan komponen-komponennya sebagai
prasyarat system design / desain sistem dan
spesifikasi sebuah sistem yang baru. Berpindah dari
definisi klasik analisis sistem ini ke suatu yang lebih
kontemporer, analisis sistem adalah sebuah istilah
2
ISSN 2339-210X
yang secara kolektif mendeskripsikan fase-fase awal
pengembangan sistem.
Berikut diberikan sebuah contoh sederhana
proses penerapan metode Additive Ratio Assessment
dalam melakukan penilaian.
1. Pembobotan Kriteria
Menentukan rangking dari masing-masing alternatif,
maka terlebih dahulu dilakukan penentuan bobot
kepentingan dari setiap kriteria (Wj). Adapun
penentuan bobot kepentingan dari seriap kriteria (Wj)
dibentuk dalam Tabel 1 berikut.
Tabel 1. Penentuan Bobot Dari Kriteria (Wj)
Dari tabel diatas diperoleh nilai bobot (Wj) dengan
data W=[4, 3, 2,2,2,2]
2. Data Awal dari setiap alternatif
Dari data kriteria yang sudah dimulai, langkah
selanjutnya dilakukan menentukan rating
kecocokan seperti Tabel 3.2 di bawah ini :
Alternatif 1 (A1): Mass tech extreme 200
Alternatif 2 (A2): Elite whey protein isolate
Alternatif 3 (A3): Elite whey protein isolate
Alternatif 4 (A4): L men platinum
Alternatif 5 (A5): Met rx 100%
Alternatif 6 (A6): Nitrotech perfotmance
Tabel 2. Data Awal dari setiap alternatif
Setelah didapatkan data awal dari setiap
alternatif, selanjutnya dimulai perhitungan metode
Additive Ratio Assessment dengan membangun
sebuah matriks keputusan. Pada matriks keputusan,
kolom matriks menyatakan atribut yaitu kriteria-
kriteria yang ada, sedangkan baris matriks
menyatakan alternative yaitu Alternatif. Matriks
keputusan mengacu terhadap m alternatif yang akan
dievaluasi berdasarkan n kriteria. Matriks keputusan
dapat dilihat pada tabel 3 yaitu:
 3
Majalah Ilmiah INTI, Volume 12, Nomor 3, September 2017
ISSN 2339-210X

Tabel 3. Matrik Keputusan Tabel 7 Matriks Ternormalisasi terbobot

Sesuai dengan rumusan tabel 8 di atas, maka didapat

hasil matrik ternormalisasi terbobot sebagai berikut:
Hasil dari matriks keputusan yang dibentuk dari tabel
Tabel 8. Hasil Matriks Ternormalisasi terbobot
data awal alternatif dapat disajikan pada tabel 4,
yaitu:

Tabel 4. Hasil Matrik Keputusan

Setelah melakukan tahap diatas maka tahap

selanjutnya menentukan matrik solusi yang diperoleh
dari nilai tertinggi dari setiap kriteria
Contohnya:
Setelah matriks keputusan dibuat, selanjutnya
Kriteria kedua, terdapat 6 nilai yaitu 1.04,
adalah membua matriks keputusan yang
0.44, 1.59, 0.42, 1.57 dan 1.57, maka nilai
ternormalisasi R yang fungsi nya untuk memperkecil
tertingginya adalah 1.59. Sehingga didapat nilai max
range data, dengan tujuan dimungkinkan untuk
dan min dari setiap kriteria seperti terlihat pada tabel
mempermudah perhitungan Additive Ratio
3.9 berikut:
Assessment. Sehingga matriks keputusan
ternormalisasi tercantum pada table 5, yaitu:
Tabel 9. Hasil Kriteria
Tabel 5. Matriks Ternormalisasi

Sehingga dapat dihitung dari solusi dari setiap

alternatif yang ditetapkan. Jarak solusi adalah total
selisih jarak antara setiap nilai matriks ternormalisasi
terbobot dengan nilai maksimumnya. Maka didapat
nilai solusi dari setiap alternatif sebagai berikut:
Contoh diatas dilakukan untuk 3 kriteria dari 6 Tabel 10. Nilai S+ dan S-
kriteria yang di proses, berikut matriks ternormalisasi No Alternatif Nilai
terlihat pada perhitungan berikut: 1 A1 0,3868
2 A2 0,2871
Tabel 6. Matriks Ternormalisasi
3 A3 0,6421
4 A4 0.7251
5 A5 0.199
6 A6 0.1992

Sehingga pada nilai setiap alternatif dapat

diurutkan untuk mengetahui Alternatif mana yang
Setelah matriks keputusan telah ternormalisasi terbaik.
tahap selanjutnya yaitu membuat matriks Tabel 11 Hasil Keputusan
ternormalisasi terbobot V yang elemen-elemennya No Alternatif Nilai
ditentukan dengan rumus: 1 A4 0,7251
Maka dapat dilihat matrik ternormalisasi terbobot 2 A3 0,6421
pada tabel 7, yaitu:

Majalah Ilmiah INTI, Volume 12, Nomor 3, September 2017
No Alternatif Nilai
3 A1 0,3868
4 A2 0,2871
5 A6 0,1992
6 A5 0,199
Sehingga telah didapat untuk menentukan
Alternatif terbaik dengan menggunakan metode
Additive Ratio Assessment pada penelitian yaitu
alternatif A4 yang terbaik dimana A4 adalah
Alternatif no 4 dari 6 Alternatif yang dianalisis.
IV. IMPLEMENTASI
Untuk menjalankan program bisa dilakukan
dengan memasukkan alamat http://localhost/aras
pada browser yang digunakan, kemudian akan
muncul tampilan seperti berikut:
Gambar 1. Halaman Login
Pada bagian ini penulis memasukkan
username = admin, password=admin dan kemudian
dilanjutkan dengan menekan tombol login maka akan
masuk kedalam halaman menu utama seperti berikut
Gambar 2. Halaman Menu Utama Aplikasi
Gambar 2 merupakan hasil halaman menu utama
yang penulis buat, langkah awal yang penulis lakukan
adalah mengakses data periode, berikut adalah
halaman data periode yang penulis buat.
4
ISSN 2339-210X
Gambar 9. Halaman Data Hasil Seleksi
V. KESIMPULAN
Berdasarkan hasil analisis yang di dapatkan
penulis, maka penulis dapat mengambil beberapa
kesimpulan di antaranya:
1. Dalam proses perhitungan untuk menghasilkan
suatu keputusan yang tepat dan akurat dengan
membandingkan kriteriayang ada dari
beberapamerk susu gym yang di bahas
2. Dalam proses penentuan susu gym terbaik dengan
metode Additive Ratio Assesment (ARAS) di
lihat dari kriteria Calories, Cholesterol, Sodium,
Carbohidrat, Sugar, dan Protein. Sehingga
didapatkan susu gym terbaik untuk menambah
masa otot.
3. Sistem pendukung keputusan yang di rancang
mampu menampilkan hasil seleksi susu gym
terbaik dengan nilai pembobotan yang sangat
detail untuk setiap alternatif yang ada . Dengan
menerapkan aplikasi sistem ini dapat memberikan
pilihan yang baik kepada user untuk memilih susu
terbaik.
REFERENCES
[1] K. M. Simaremare and A. P. U. Siahaan, "Decision Support
System in Selecting The Appropriate Laptop Using Simple
Additive Weighting," International Journal of Recent
Trends in Engineering & Research (IJRTER), vol. 02, no.
12, pp. 215-222, 2016.
[2] T. Vilutiene and E. K. Zavadskas, "THE APPLICATION
OF MULTI-CRITERIA ANALYSIS TO DECISION
SUPPORT FOR THE FACILITY MANAGEMENT OF A
RESIDENTIAL DISTRICT," JOURNAL OF CIVIL
ENGINEERING AND MANAGEMENT, vol. IX, no. 4, pp.
241-252, 2003.
[3] R. and R. Rahim, "Study of the Simple Multi-Attribute
Rating Technique For Decision Support," International
Journal of Scientific Research in Science and Technology ,
vol. 2, no. 6, pp. 491 - 494, 2016.
[4] Mesran, G. Ginting, Suginam, and R. Rahim,
“Implementation of Elimination and Choice Expressing
Reality ( ELECTRE ) Method in Selecting the Best Lecturer
( Case Study STMIK BUDI DARMA ),” Int. J. Eng. Res.
Technol. (IJERT, vol. 6, no. 2, pp. 141–144, 2017.
[5] A. Görener, PhD, . H. Dinçer, PhD and Ü. Hacıoğlu, PhD,
"Application of Multi-Objective Optimization on the Basis
of Ratio Analysis (MOORA) Method for Bank Branch
 5
Majalah Ilmiah INTI, Volume 12, Nomor 3, September 2017
ISSN 2339-210X

Location Selection," International Journal of Finance &

Banking Studies IJFBS , vol. 2, no. 2, pp. 41 - 52, 2013.
[6] T. Murdatik, "PEMILIHAN SUPPLIER SIMPLISA
TERBAIK DI PT. AIR MANCUR MENGUNAKAN
METODE ADDITIVE RATIO ASSESSMENT(ARAS),"
ISSN, pp. 1-8, 2014.
[7] Y. Yuliawan, M. D. Sunarto and T. Soebijono,
"PENGEMBANGAN SISTEM INFORMASI
PENDATAAN JEMAAT GEREJA MASEHI ADVENT
HARI KETUJUH KONFERENS JAWA KAWASAN
TIMUR BERBASIS WEB," JSIKA, vol. 2, no. 2, pp. 83-92,
2013.
[8] S. Eniyati, "Perancangan Sistem Pendukung Pengambilan
Keputusan untuk Penerimaan Beasiswa dengan Metode
SAW (Simple Additive Weighting)," Teknologi Informasi
DINAMIK, vol. 16, no. 2, pp. 171-176, 2011.
[9] Kusrini, Konsep Dan Aplikasi Sistem Pendukung
Keputusan, Yogyakarta: Andi Publisher, 2007.
[10] Y. A. Putrandi , "SISTEM PENDUKUNG KEPUTUSAN
MENGGUNAKAN METODE ANALYTICAL
HIERARCHY PROCESS (AHP) PADA PENILAIAN
KERJA PEGAWAI DI BADAN PELAYANAN
SOSIALKABUPATEN KENDAL," pp. 1-5, 2015.
[11] M. Mesran, S. Suginam, S. D. Nasution, and A. P. U.
Siahaan, “PENERAPAN WEIGHTED SUM MODEL (
WSM ) DALAM PENENTUAN PESERTA JAMINAN,” J.
Ris. Sist. Inf. dan Tek. Inform., vol. 2, no. 1, pp. 40–47, 2017.
[12] M. Mesran, I. Saputra, and M. Ariska, “Penerapan Metode
Promethee Ii Pada Sistem Layanan Dan Rujukan Terpadu (
Slrt ) ( Studi Kasus : Dinas Sosial Kabupaten Deli Serdang
),” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer),
vol. I, pp. 276–285, 2017.
[13] T. Murti, L. A. Abdillah, and M. Sobri, “Sistem Penunjang
Keputusan Kelayakan Pemberian Pinjaman Dengan Metode
Fuzzy Tsukamoto,” Semin. Nas. Inov. dan Tren (SNIT)2015,
pp. 252–256, 2015.
[14] H. Nurdiyanto and E. Vem, “PERFORMANCE
EVALUATION DECISION SUPPORT SYSTEM USING
THE LECTURER ANALITYCAL HIERARCHY
PROCESS (CASE STUDY: STMIK DHARMA
WACANA METRO),” J. Teknol. Inf. Magister, vol. 1, no.
1, pp. 1–16, Feb. 2016.