Jurnal & Penelitian Teknik Informatika

Volume 10 Desember 2019

Sistem Pendukung Keputusan Menentukan E-Wallet Terbaik

di Indonesia Menggunakan Metode AHP dan MOORA

Angelita Justien Jumadi, Nadhifa Tiara Putri

Program Studi Teknik Informatika, Teknologi Informasi, Politeknik Negeri Malang
Jl. Soekarno Hatta No.9, Jatimulyo, Kec. Lowokwaru, Kota Malang, Jawa Timur 65141
Email: angelita.lmj15@gmail.com & nadhifatiaraputri@gmai.com

ABSTRACT – An electronic money payment system (e-payment) is a non-cash payment method that is
stored in a server based on (e-wallet) or chip based (e-money). With the aim, it can facilitate users when
making payment or transfer transactions. Currently in Indonesia the use of e-wallet is still smaller than e-
money users, because the method of using e-money isconsidered easier and more flexible. The variety of
payment transaction methods and transfer features that are only to e-wallet users, make e-money more
popular with the Indonesian people. To meet these needs, therefore the need for Electronic DataCapture that
can provide options for users to transact using several methods, namely using fingerprints, RFID cards, or
Android applications.

ABSTRAK – Sistem pembayaran uang elektronik (e-payment) adalah metode alat pembayaran nontunai yang
disimpan di dalam server based (e-wallet) atau chip based (e-money). Dengan tujuan, dapat mempermudah
penguna saat melakukan transaksi pembayaran atau transfer. Saat ini di Indonesia penguna e-wallet masih
lebih kecil dibandingkan pengguna e-money, dikarenakan metode penggunaan e-money dianggap lebih
mudah dan fleksibel. Beragamnya metode transaksi pembayaran serta fitur transfer yang hanya ke sesama
pengguna e-wallet, membuat emoney lebih digemari masyarakat Indonesia. Untuk memenuhi kebutuhan
tersebut maka dari itu perlunya Electronic Data Capture yang dapat memberikan pilihan bagi pengguna untuk
bertransaksi menggunakan beberapa metode, yaitu menggunakan sidik jari, kartu rfid, atau aplikasi android.

Berdasarkan data Bank Indonesia

(BI), terdapat 38 dompet digital (e-wallet)
I. PENDAHULUAN dengan lisensi resmi. Riset iPrice dan App
Annie menyebutkan Gojek sebagai dompet
Sistem pembayaran uang elektronik (e-
digital dengan pengguna aktif bulanan
payment) tidak dipungkiri menjadi salah satu
terbesar di Indonesia sejak kuartal IV 2017.
solusi media pembayaran atau penyimpanan
Sebagai informasi, data pengguna dompet
dana sementara. Saat ini, e-payment sudah
digital Gojek merupakan jumlah pengguna
berkembang dan semakin lazim dipakai oleh
aktif bulanan Go-Pay dan layanan lainnya dari
masyarakat Indonesia baik yang berupa kartu
aplikasi Gojek. Peringkat selanjutnya diraih
(e-money) atau berbasiskan aplikasi (ewallet).
oleh Ovo yang berhasil unggul selama empat
Kenyataan ini memperlihatkan bahwa jasa
kuartal berturut-turut. Sebelumnya, Ovo
pembayaran e-payment yang dilakukan Bank
sempat bersaing dengan LinkAja
maupun lembaga selain Bank (LSB), baik
memperebutkan posisi kedua.
dalam proses pengiriman dana, penyelenggara
Pada kuartal II 2019, posisi LinkAja
kliring maupun sistem penyelesaian akhir
berhasil digeser oleh pendatang baru, yaitu
(sattlement) sudah tersedia dan dapat
Dana yang berhasil naik ke peringkat ketiga.
berlangsung di Indonesia.
LinkAja pun harus turun ke peringkat empat.

82
 Jurnal & Penelitian Teknik Informatika
Volume 10 Desember 2019

Jenius cenderung bertahan di peringkat kelima
meskipun pada kuartal III 2018 sempat naik
ke peringkat empat.
Riset tersebut dilakukan oleh iPrice
Group yang berkolaborasi dengan App Annie.
Landasan analisis dari riset aplikasi dompet
digital terpopuler ini menggunakan pengguna
aktif bulanan yang diperbaharui secara
berkala. (katadata, 2019)
Menurut BI (Bank Indonesia) proses
transaksi tunai sedikitnya Rp. 174,3
triliun/hari, sedangkan e payment Rp. 8,8
triliun/hari baik itu yang dilakukan oleh Bank
maupun LSB. Hal ini membuktikan bahwa
walaupun e-payment sudah berkembang dan
semakin lazim dipakai oleh masyarakat akan
tetapi rasio penggunanya masih lebih kecil
dibandingkan dengan pengguna tunai.
Mengapa, Hal ini diakibatkan dari kurangnya
kenyamaan dan keamanan e-money baik itu
debit atau kredit, contohnya ketika kartu
rusak, hilang dan lain sebagainya.
Ketika kartu hilang maka pengguna
harus segera melakukan pemblokiran untuk
mengurangi resiko pencurian. Saat ini, proses
pemblokiran hanya dapat dilakukan dengan
cara datang langsung ke instansi terkait atau
melalui telpon. Akan tetapi, ketika pengguna
akan membuat kartunya kembali pengguna
harus menyediakan dokumen ulang bahkan
surat kehilangan dari kepolisian dan lain
sebagainya. Hal ini yang membuat pengguna
emoney enggan untuk membuat kartunya
kembali.
Maka dari itu penulis berupaya
membuat Epayment System yang dapat
memberikan kemudahan bertransaksi dengan
memiliki 3 metode yaitu menggunakan Sidik
Jari, RFID dan QR Code serta pengelolaan
keuangan menggunakan aplikasi Android.
II. LANDASAN TEORI
2.1 Pengertian Sistem Pendukung Keputusan.
Sistem Pendukung Keputusan (SPK) atau Decision
Support System (DSS) merupakan sebuah sistem
yang mampu memberi kemampuan dalam pemecahan
masalah, atau kemampuan pengkomunikasian dalam
masalah dengan kondisi semi terstruktur dan tidak
terstruktur. Sistem ini juga digunakan untuk
membantu dalam pengambilan keputusan di dalam
situasi semi terstruktur dan tidak terstruktur, yang
dimana tak seorang pun tahu dengan pasti bagaimana
seharusnya sebuah keputusan dibuat. (ruangguru,
2019)
2.2 Analitycal Hierarchy Process (AHP)
AHP merupakan suatu metode pendekatan yang
sesuai untuk menangani sistem yang kompleks yang
berhubungan dengan penentuan keputusan. Metode
ini dikembangkan pertama kali oleh Saaty (Saaty,
1980).
Dalam menyelesaikan permasalahan dengan
AHP ada beberapa prinsip yang harus dipahami,
diantaranya adalah sebagai berikut:
a. Dekomposisi (Decomposition)
Sistem yang kompleks dapat dipahami
dengan memecahkannya menjadi elemen-
elemen yang lebih kecil Kemudian disusun
secara hieraki seperti gambar berikut
Gambar 1 Struktur hierarchy AHP
b. Penilaian Komparatif (Comparative judgment)
Kriteria dan alternatif dilakukan dengan
perbandingan berpasangan. Nilai dan definisi
pendapat kualitatif dari skala perbandingan
Saaty dapat diukur menggunakan tabel analisis
seperti berikut
Tabel 1. Skala Penilaian Perbandingan
Berpasangan
Intensitas Keterangan
Kepentingan
1 Kedua elemen sama
pentingnya
3 Elemen yang satu sedikit lebih
penting daripada elemen
lainnya
5 Elemen yang satu lebih penting
daripada elemen yang lainnya
7 Satu elemen sangat kuat
penting daripada elemen
lainnya

83
 Jurnal & Penelitian Teknik Informatika
Volume 10 Desember 2019

9 Satu elemen amat sangat Dalam pembuatan keputusan, penting

penting daripada elemen untuk mengetahui seberapa baik konsistensi yang
lainnya ada. Hal-hal yang dilakukan dalam langkah ini
2,4,6,8 Apabila ragu-ragu antara dua adalah sebagai berikut:
nilai yang sangat berdekatan 1) Setiap nilai pada kolom pertama dikalikan
Kebalikannya Jika aktivitas i mendapar satu dengan bobot prioritas elemen pertama,
angka kemudian setiap nilai pada kolom kedua
dibandingkan dengan aktivitas dilkalikan dengan bobot prioritas elemen
j, maka j memiliki nilai kedua dan seterusnya.
kebalikannya dibandingkan 2) Jumlahkan setiap baris (∑ baris).
dengan i 3) Hasil dari penjumlahan baris dibagi dengan
elemen prioritas yang bersangkutan sehingga
c. Sintesis Prioritas (Synthesis of priority) didapat lamda.
AHP melakukan analisis prioritas elemen
dengan metode perbandingan berpasangan antar λ= (1)
dua elemen sehingga semua elemen yang ada
tercakup. Prioritas ini ditentukan berdasarkan
4) Jumlahkan lamda (λ) dan hasilnya dibagi
pandangan para pakar dan pihak-pihak yang
dengan banyaknya elemen yang ada, hasilnya
berkepentingan terhadap pengambilan keputusan,
disebut λ maks.
baik secara langsung (diskusi) maupun secara
tidak langsung (kuisioner
Secara umum langkah-langkah dalam λ maks (2)
menggunakan metode AHP untuk pemecahan
suatu masalah adalah sebagai berikut (Manurung, dengan n = banyaknya elemen yang
2010): dibandingkan
a) Mendefinisikan masalah dan menentukan solusi
yang diinginkan, lalu menyusun hierarki dari d. Hitung Indeks Konsistensi/ Consistency
permasalahan yang dihadapi. Index (CI) dengan rumus:
b) Menentukan prioritas elemen
1) Langkah pertama dalam menentukan prioritas CI (3)
elemen adalah membuat perbandingan pasangan,.
2) Matriks perbandingan berpasangan diisi dengan n= banyaknya elemen
menggunakan bilangan untuk merepresentasikan yang dibandingkan
kepentingan relatif dari suatu elemen terhadap
elemen yang lainnya e. Hitung Rasio Konsistensi/Consistency
c) Sintesis Ratio (CR) dengan rumus:
Pertimbangan-pertimbangan terhadap
perbandingan berpasangan disintesis . Hal-hal yang CR = CI/RC (4)
dilakukan dalam langkah ini adalah: dengan
1) Menjumlahkan nilai-nilai dari setiap kolom CR=Consistency Ratio/konsistensi rasio
pada matriks K. CI=Consistency Index/indeks konsistensi
2) Membagi setiap nilai dari kolom dengan total RC=Random Consistency/konsistensi
kolom yang bersangkutan untuk memperoleh random
normalisasi matriks. Nilai RC sudah ditentukan berdasarkan
3) Menjumlahkan nilai-nilai dari setiap baris matriks perbandingan yang dibentuk dan dapat
dan membaginya dengan jumlah elemen disajikan pada tabel
untuk mendapatkan nilai bobot prioritas. berikut
4) Mengukur Konsistensi Tabel 2. Nilai Random Consistensy (RC)

84
 Jurnal & Penelitian Teknik Informatika
Volume 10 Desember 2019

d. Menentukan Hasil Preferensi

N 1.2 3 4 5 6 7 8 … Yi= (4)

Rin 0.00 0.58 0.90 1.12 1.24 1.32 1.41 …

III. METODELOGI PENEITIAN
f. Memeriksa Konsistensi Hierarki 3.1 Alur Penelitian
Jika nilainya lebih dari 10%, maka penilaian
data judgment harus diperbaiki. Namun jika Rasio
Konsistensi (CI/RC) kurang atau sama dengan 0,1 Pengumpulan Analisis Pengujian
maka hasil perhitungan bisa dinyatakan benar Data
(Kusrini,2007)[6].
Gambar 2 Alur Penelitian
2.4 Multi Objective Optimization On The Basic Of Ratio
Analysis (MOORA)
1. Metode Pengumpulan Data
Metode Moora adalah multiobjectif sistem yang
Dalam penelitian ini, pengumpulan data dan
mengoptimalkan dua atau lebih atribut yang saling
informasi diperoleh dari sumber data sekunder.
bertentangan secara bersamaan. Metode MOORA
Data sekunder yang didapatkan dari sumber data
diperkenalkan oleh Brauers dan Zavadkas
penelitian yang diperoleh peneliti secara tidak
(2006)[7]. Metode ini memiki tingkat selektifitas
langsung melalui media perantara (diperoleh dan
yang baik dalam menentukan suatu alternatif.
dicatat pihak lain), artinya dalam penelitian ini
Pendekatan yang dilakukan MOORA didefinisikan
data yang diperoleh berasal dari website
sebagai suatu proses secara bersamaan guna
https://www.cermati.com/e-money/t/aplikasi
mengoptimalkan dua atau lebih yang saling
bertentangan pada beberapa kendala (Attri dan
2. Metode Analisis
Grover, 2013) .
Menggunakan metode AHP dan MOORA. AHP
Metode MOORA memiliki fleksibilitas
untuk menentukan pembobotannya dan
dan kemudahan untuk dipahami dan dipisahkan
MOORA untuk menentukan
bagian subjektif dari suatu proses evaluasi ke dalam
perangkingannya
kriteria bobot keputusan dengan beberapa atribut
pengambil keputusan (Mandal dan Sarkar, 2012)
3. Metode Pengujian
[8]. Metode ini memiliki tingkat selektifitas yang
Menggunakan Blackbox dan whitebox testing
baik dalam menentukan sebuah alternatif. [9]
Dimana kriteria yang bernilai menguntungkan
3.2 Alur Sistem
(benefit) atau yang tidak memiliki keuntungan
Alur sistem ditunjukkan pada gambar 3
(cost).
Langkah-langkah penyelesaian masalah
menggunakan metode MOORA, antara lain a.
Membuat matriks keputusan

X (1)

b. Melakukan normalisasi terhadap matrik x

X*ij (2)
c. Menentukan matriks normalisasi terbobot
Wj * Xij (3)

85
 Jurnal & Penelitian Teknik Informatika
Volume 10 Desember 2019

Gambar 3 Diagram alir sistem Menentukan prioritas elemen dengan cara

menyusun kriteria-kriteria tersebut dalam bentuk
Implementasi sistem ini dijalankan matriks perbandingan berpasangan (Pairwise
dengan menggunakan dua proses metode, yaitu Comparison)
pembobotan dengan metode AHP dan peringkat
dengan metode MOORA. Tabel 5. Matriks Perbandingan Berpasangan
Garis putus-putus menandakan C1 C2 C3 C4
perpindahan proses hitung dari metode AHP ke C1 1 3 5 6
dalam metode MOORA menandakan pemisah C2 1/3 1 3 3
antara proses AHP dengan proses MOORA.
C3 1/5 1/3 1 3
Dalam metode AHP setelah bobot di dapatkan,
C4 1/6 1/3 1/3 1
akan dilanjutkan dengan menguji konsistensi.
Setelah bobot di dapat, maka akan
Selanjutnya adalah menghitung bobot prioritas
dilanjutkan dengan perangkingan menggunakan
metode MOORA. Bobot yang di dapat di metode
Tabel 7. Matriks Bobot Prioritas
AHP akan masuk ke matrisk normalisasi terbobot.
1. Kriteria
Rata-
Pada penelitian untuk menentukan e-wallet Kriteria C1 C2 C3 C4 Jumlah
rata
terbaik, kriteria-kriteria yang digunakan yaitu
C1 0,588 0,643 0,536 0,462 2,228 0,557
antara lain:
C2 0,196 0,214 0,321 0,231 0,963 0,241
C3 0,118 0,071 0,107 0,231 0,527 0,132
Tabel 3. Kriteria E- Commerce
C4 0,098 0,071 0,036 0,077 0,282 0,071
Nama Kriteria Notasi Attribute
Saldo Maksimal C1 Benefit
Minimal Jumlah Analisis Perhitungan Dengan Metode MOORA
C2 Cost
Top Up Setelah pencarian bobot dilakukan, tahap
Maksimal Top selanjutnya yaitu melakukan perhitungan MOORA untuk
C3 Benefit
Up Perbulan mendapatkan peringkat e-wallet sehingga dapat diketahui
Banyak Pengguna C4 Benefit mana yang mempunyai potensi sebagai e-wallet terbaik
di Indonesia.
Skala penilaian akan dijadikan bahan
2. Alternatif perhitungan pada proses penilaian. Hal ini dimaksudkan
Data yang digunakan dalam menentukan e-wallet untuk menentukan e-wallet terbaik.
terbaik Tabel 11. Skala penilaian
Nama Kriteria Notasi
Doku Wallet A1 Kode Nama Kriteria Keterangan Nilai
GoPay A2 1 – 3 juta 1
4 – 6 juta 2
OVO A3
Sakuku BCA A4 C1 Saldo Maksimal 7 – 9 juta 3
Link Aja A5
Dana A6 ≥ 10 juta 4

≥10.000 1
Tabel 4. Kriteria E- Commerce Minimal Jumlah
ribu
C2 Top Up
7000 - 2
Analisis Perhitungan Dengan Metode AHP 9000 ribu

86
 Jurnal & Penelitian Teknik Informatika
Volume 10 Desember 2019

4000 – 3 didapat dengan mengalikan bobot kriteria yang sudah

6000 ribu didapat n menggunakan AHP dengan Matrisk
100 – 3000 4 Normalisasi.
ribu Tabel 14. Matriks Normalisasi Terbobot
1 – 5 juta 1
Maksimal Top Up 6 – 10 juta 2 C1 C2 C3 C4
C3 Perbulan 11 – 15 juta 3 Bobot 0,241 0,132 0,071
0,557
16 – 20 4 A1 0,053 0,038 0,014
0,144
juta
A2 0,144 0,053 0,038 0,055
1 – 7 juta 1
A3 0,144 0,053 0,038 0,027
8 – 14 juta 2 A4 0,288 0,053 0,038 0,014
Banyak Pengguna A5 0,288 0,053 0,076 0,027
C4
15 – 21 juta 3 A6 0,288 0,210 0,076 0,014

≥ 21 juta 4 Selanjutnya yaitu menghitung nilai

Tahap selanjutnya yaitu membuat matriks keputusan dari
hasil skala penilaian sesuai dengan kondisi yang ada.
Tabel 12. Membuat Matriks Keputusan
preferensi, atribut benefit akan dijumlahkan dengan atribut
benefit lainnya. Atribut cost akan dijumlahkan dengan
atribut cost lainnya. Nilai yi didapat dengan pengurangan
dari hasil penjumlahan benefit dan cost. Tabel 15. Hasil
Preferensi

C1 C2 C3 C4 Alternatif Max Min (C2) Nilai (Yi)

A1 2 1 2 1 (C1,C3,C4)
A2 2 1 2 4 A1 0,196 0,053 0,143
A3 2 1 2 2 A2 0,237 0,053 0,184
A4 4 1 2 1 A3 0,209 0,053 0,157
A5 4 1 4 2 A4 0,339 0,053 0,287
A6 4 4 4 1 A5 0,391 0,053 0,339
A6 0,378 0,210 0,167
Setelah menentukan matriks keputusan, langkah
selanjutnya yaitu menormalisasikan matriks. Elemen Langkah terakhir yaitu menentukan
kolom pertama dibagi dengan akar hasil penjumlahan perangkingan. Perangkingan dilihat dari nilai yi yang
quadrat kolom pertama. Elemen kolom kedua dibagi didapat. E-wallet yang memiliki nilai Yi paling besar
degan akar hasil penjumlahan quadrat kolom ke merupakan alternatif terbaik untuk menjadi e-wallet terbaik.
dua,begitupun seterusnya. Tabel 13. Matriks Normalisasi Tabel 16. Perangkingan

C1 C2 C3 C4 Alternatif Rank Keterangan

A1 0,258 0,218 0,289 0,192 A5 1 Merupakan e-wallet terbaik di
A2 0,258 0,218 0,289 0,770 indonesia
A3 0,258 0,218 0,289 0,385 A4 2 -
A4 0,516 0,218 0,289 0,192 A2 3 -
A5 0,516 0,218 0,577 0,385 A6 4 -
A6 0,516 0,873 0,577 0,192 A3 5 -
A1 6 -
Langkah selanjutnya yaitu normalisasi IV. HASIL DAN PEMBAHASAN
matriks terbobot. Normalisasi matriks terbobot Hasil Pengujian Sistem

87
 Jurnal & Penelitian Teknik Informatika
Volume 10 Desember 2019
Pengujian sistem dilakukan setelah semua modul
dibuat dan sistem dapat berjalan. Pada penelitian ini,
pengujian yang digunakan yaitu pengujian blackbox dan
whitebox
Black Box Testing berfokus pada spesifikasi fungsional
dari perangkat lunak. Sedangkan whitebox digunakan untuk
menguji basis path dan menghitung nilai Cyclomatic
Complexitynya
WhiteBox testing adalah metode desain test case yang
menggunakan struktur kontrol desain prosedural untuk
mendapatkan test case. Dalam pelaksanaannya, teknik
pengujian white box ini mempunyai empat (4) langkah,
Hasil rancangan dengan menggunakan whitebox testing
pada alur program, struktur logika program atau prosedur
programnya dengan cara pemetaan flowchart ke dalam
flowgraph kemudian menghitung besarnya jumlah edge dan
node dimana jumlah edge dan node ini akan menentukan
besarnya Cyclomatic Compexity (CC). Perhitungan CC untuk
melihat kesamaan nilai antar whitebox testing, jika nilai V(G)
= CC pada white box testing dengan bases path testing maka
proses pengujian telah berhasil.
V. KESIMPULAN
Berdasarkan penelitian yang dilakukan oleh
penulis pada sistem pendukung keputusan pemilihan e-
wallet terbaik di Indonesia menggunakan metode AHP
dan MOORA dapat diambil kesimpulan yaitu
1. Aplikasi Sistem pendukung keputusan
untuk menentukan e-wallet terbaik dengan
menggunaan metode Analityc Hierarchy
Process (AHP) dan Multi Objective
Optimization On The Basic Of Ratio
Analysis (MOORA) dapat diterapkan dan
menghasilkan perhitungan yang sama antara
perhitungan manual dan perhitungan sistem,
dimana A5 yaitu LinkAja dengan nilai
tertinggi terpilih menjadi e-wallet terbaik di
Indonesia.
2. Dengan menerapkan aplikasi ini, para
pengguna dapat melakukan pemilihan e-
wallet lebih cepat, tepat dan akurat sehingga
hasilnya dapat memuaskan.
3. Pengujian sistem menggunakan blacbox dan
whitebox. pengujian blackbox yang
berfokus pada pengujian spesifikasi
fungsional dari perangkat lunak.
88
DAFTAR PUSTAKA
1. andronuntu. (2019, September 24). Retrieved from
pengertian e wallet:
https://androbuntu.com/2019/09/24/pengertian-e-wallet/
2. katadata. (2019, Agustus 23). Retrieved from
datapublish:
https://databoks.katadata.co.id/datapublish/2019/08/23/i
nilah-daftar-dompet-digital-terbesar-di-indonesia
3. ruangguru. (2019, Oktober 4). Retrieved from
pengertian sistem pendukung keputusan:
https://www.ruangguru.co.id/pengertian-sistem-
pendukung-keputusan-spk-lengkap/
4. Saaty, Thomas L. (2008). Decision Making with
Analitycal Hierarchy Process International Journal
Servicess Science, Vol 1, No. 1.
5. wordpress. (2019, Desember 9). Retrieved from
konsep dasar ahp:
https://nerims.wordpress.com/2014/03/12/konsep-dasar-
ahp-dalam-sistem-pendukung-keputusan-spk/
6. Inilah Daftar Dompet Digital Terbesar di Indonesia.
(2019, Agustus 12). Retrieved from Databoks:
https://databoks.katadata.co.id/datapublish/2019/08/23/inilah-
daftar-dompet-digital-terbesar-di-indonesia
7. E-Money Aplikasi. (n.d.). Retrieved from Cermati:
https://www.cermati.com/e-money/t/aplikasi
8. 5 Aplikasi E-Wallet Terpopuler dan Terbaik di
Indonesia | Gak Masalah Ketinggalan Dompet! (2019,
April 9). Retrieved from Jalan Tikus:
https://jalantikus.com/tips/aplikasi-ewallet-terbaik/
9. Ketentuan Tambah Saldo (Top Up) DANA. (n.d.).
Retrieved from Bukalapak:
https://www.bukalapak.com/bantuan/buka-dompet-
dana/tambah-saldo/ketentuan-tambah-saldo-dana