PENERAPAN METODE SMARTER DALAM SISTEM PENDUKUNG

KEPUTUSAN MENENTUKAN KUALITAS GETAH KARET

(STUDI KASUS : PTPN III MEDAN)

IMPLEMENTATION OF THE SMARTER METHOD IN DECISION SUPPORTING SYSTEMS TO

DETERMINE THE RUBBER QUALITY (CASE STUDY: PTPN III MEDAN)

Mawati Simarmata, Alfa Saleh, Muhammad Barkah Akbar

Fakultas Teknik dan Ilmu Komputer, Universitas Potensi Utama, Medan
Jl. K.L. Yos Sudarso KM 6.5 No.3A Tanjung Mulia, Medan
E-mail: mawatisimarmata02@gmail.com,alfa@potensi-utama.ac.id,barkah@potensi-utama.ac.id

Naskah diterima tanggal 31 Juli 2019, direvisi tanggal 2 Agustus 2019, disetujui pada tanggal 26 Agustus 2019

Abstract

Perkebunan Nusantara III (PTPN III) Medan is one of the state-owned plantation companies that produces the
largest rubber latex in Indonesia. PTPN III Medan is also a supplier of rubber latex for several well-known tire
factories such as Bridgestone, Good Year, Firestone, Han Kook and others, so PTPN III Medan must maintain the
quality of rubber latex to meet the supply of rubber sap needed by the tire factories . Rubber Latex is one of the
leading commodities in Indonesia, therefore the development of quality rubber is very important. Because good
quality will produce good products too. The process of determining quality rubber latex is still very slow due to the
absence of a computerized system that helps facilitate the determination process. In this study, testing will be carried
out using one of the decision support system methods, the SMARTER Method, where the results of testing the method
will be used as a reference to develop a system that makes it easier for companies to determine the quality of rubber
latex.

Keywords : Decision Support System, SMARTER Method, Rubber Latex, Quality

Abstrak
PT Perkebunan Nusantara III (PTPN III) Medan merupakan salah satu perusahaan BUMN perkebunan yang
menghasilkan getah karet terbesar di Indonesia. PTPN III Medan juga sebagai pemasok getah karet untuk beberapa
pabrik ban ternama seperti Bridgestone, Good Year, Firestone, Han Kook dan lainnya, sehingga PTPN III Medan
harus menjaga kualitas hasil getah karet untuk dapat memenuhi pasokan getah karet yang dibutuhkan oleh pabrik-
pabrik ban tersebut. Getah karet adalah salah satu komoditas unggulan di Indonesia, oleh karena itu pengembangan
kualitas karet merupakan suatu hal yang sangat penting. Karena mutu yang baik akan menghasilkan produk yang baik
juga. Proses penentuan getah karet berkualitas masih sangat lambat dikarenakan belum adanya sistem
terkomputerisasi yang membantu memudahkan proses penentuan tersebut. Pada penelitian ini akan dilakukan
pengujian dengan menggunakan salah satu metode sistem pendukung keputusan yaitu Metode SMARTER, di mana
hasil pengujian metode tersebut akan dijadikan referensi untuk mengembangkan sistem yang memudahkan
perusahaan dalam menentukan kualitas getah karet.

Kata Kunci : Sistem Pendukung Keputusan, Metode SMARTER, Getah Karet, Kualitas.

13
Jurnal Masyarakat Telematika dan Informasi
Volume: 10 No. 1 (Januari – September 2019) Hal.: 13-25
PENDAHULUAN
Getah karet merupakan salah satu
komoditas unggulan di Indonesia, oleh karena
itu pengembangan kualitas karet merupakan
suatu hal yang sangat penting. Karena mutu
yang baik akan menghasilkan produk yang
baik juga. Biasanya kualitas karet ditentukan
oleh Kadar Karet Kering (KKK) yang tinggi
dengan kandungan air yang rendah. kadar
karet kering juga dapat dijadikan indikator
untuk menilai produktivitas pohon karet.
Pohon yang baik akan menghasilkan getah
karet dengan kadar lateks yang tinggi. Nilai
kadar karet kering bergantung beberapa faktor
antara lain jenis klon (bibit karet), umur
pohon, waktu penyadapan, musim, suhu udara,
serta letak dari permukaan laut. (Dewi & Sri,
2014).
PT Perkebunan Nusantara III (PTPN III)
Medan merupakan salah satu perusahaan
BUMN perkebunan yang menghasilkan getah
karet terbesar di Indonesia. PTPN III Medan
juga sebagai pemasok getah karet untuk
beberapa pabrik ban ternama seperti
Bridgestone, Good Year, Firestone, Han Kook
dan lainnya, sehingga PTPN III Medan harus
menjaga kualitas hasil getah karet untuk dapat
memenuhi pasokan getah karet yang
dibutuhkan oleh pabrik-pabrik ban tersebut.
Dalam menjaga mutu kualitas getah
karet, PTPN III Medan memiliki syarat standar
untuk getah karet yang salah satunya adalah
kadar karet kering. Hingga saat ini dalam hal
menentukan kadar karet kering PTPN III
Medan masih belum memanfaatkan teknologi
komputer, sehingga menyebabkan waktu yang
dibutuhkan dalam penentuan kadar karet
kering relatif lama, sehingga peneliti
berinisiatif melakukan penelitian terhadap
penentuan kualitas getah karet dengan
menggunakan teknologi komputer.
Teknologi komputer yang dimaksud
dalam penelitian ini adalah Sistem
Pengambilan Keputusan (SPK) yang
14
memanfaatkan dukungan komputer dalam
pengambilan keputusan untuk memecahkan
masalah yang bersifat terstruktur maupun tidak
terstruktur. Sistem pendukung keputusan
sendiri telah banyak diterapkan dalam
beberapa permasalahan seperti penyeleksian
asisten laboratorium (Saleh A, 2018),
Penilaiaan Kinerja Dosen ( RE Sari,2015) dan
Memprediksi Popularitas berita (Fernandes, K.
dkk, 2015). Untuk membantu mempermudah
proses pengambilan keputusan dalam
menentukan kualitas getah karet pada PTPN
III Medan, peneliti menggunakan salah satu
metode sistem pengambilan keputusan yaitu
Metode Simple Multi Attribute Rating
Technique Exploiting Ranks (SMARTER).
Metode SMARTER merupakan metode
yang dapat membantu menyelesaikan masalah
penentuan pilihan yang sifatnya multiobjective
diantara beberapa kriteria kuantitatif dan
kualitatif sekaligus (Priyolistiyanto, 2013).
Metode SMARTER juga dijadikan metode
pengambilan keputusan dibeberapa kasus
(Okfalisa & Ade,2014) karena metode ini
dapat menentukan bobot dari setiap kriteria
dan menghasilkan urutan terbaik dari beberapa
alternatif. (Saleh, 2017).
METODE PENELITIAN
Tahapan Penelitian
Kerangka proses penelitian sangat
diperlukan bagi peneliti untuk memandu
peneliti dalam mengerjakan dan
menyelesaikan penelitian, adapun kerangka
proses penelitian yang akan dilakukan, dapat
dilihat pada gambar 1 berikut ini :
 Penerapan metode SMARTER dalam sistem pendukung keputusan menentukan kualitas getah karet
(Studi Kasus : PTPN III Medan)
Mawati Simarmata, Alfa Saleh, Muhammad Barkah Akbar

pengamatan dan studi pustaka yakni

mengumpulkan data-data yang terkait dengan
pembuatan perangkat lunak yang sedang
dikerjakan dengan mencari literatur melalui
jurnal, artikel mengenai tanaman karet, dan
situs internet sehingga penulisan laporan ini
tidak akan menyimpang dari teori-teori yang
ada dan sudah diakui kebenarannya.
3. Analisis dan Desain Sistem
Pada tahap ini peneliti akan menjelaskan
tentang bagaimana menganalisis dan
mendesain sistem yang akan dibangun dengan
cara menggunakan beberapa alat dalam
merancang sebuah sistem seperti use case
diagram, entity relationship diagram untuk
basis data, diagram activity dan lain
sebagainya untuk keperluan perancangan
perangkat lunak sistem pendukung keputusan.
Gambar 1. Tahapan Penelitian
4. Penerapan Metode
Tahap ini dilakukan untuk
Tahapan penelitian di atas dapat
mengimplementasikan metode sistem
dijabarkan sebagai berikut :
pendukung keputusan yaitu metode
1. Identifikasi Masalah
SMARTER terhadap data yang diperoleh,
Tahap yang paling pertama dilakukan
meliputi penentuan kriteria dan sub kriteria
dalam penelitian ini adalah menganalisa
yang akan digunakan sebagai acuan serta
terhadap segala kebutuhan-kebutuhan dalam
menentukan nilai bobot kriteria dan sub
penggunaan sistem. Sistem yang dibangun
kriteria yang telah ditentukan oleh pakar pada
adalah Sistem Pendukung Keputusan untuk
PTPN III Medan, yang mana hasil
menentukan kualitas getah karet pada PTPN
implementasi metode ini akan digunakan
III Medan dengan mempertimbangkan cukup
untuk melakukan pengujian pada tahap
lama nya dalam menentukan kualitas getah
selanjutnya.
karet pada perusahaan tersebut.
5. Pengujian
2. Pengumpulan Data
Setelah implementasi metode dilakukan,
Jenis data yang dapat dikumpulkan
tahapan selanjutnya adalah melakukan
adalah sebagai berikut : Data Primer yaitu data
pengujian pada aplikasi yang telah dibangun.
yang diperoleh secara langsung melalui
sistem akan diuji menggunakan data input
wawancara dengan divisi Sumber Daya
yang telah diperoleh dari PTPN III Medan
Manusia dan divisi Penelitian dari PTPN III
yaitu berupa beberapa kriteria dari getah karet.
Medan. Wawancara terkait bagaimana cara
Data tersebut dihitung menggunakan sistem
menentukan kualitas getah karet dan apa saja
yang telah dibangun sehingga menghasilkan
kriteria/atribut yang menentukan kualitas getah
getah karet mana saja yang memiliki kualitas
keret pada PTPN III Medan. Kemudian
terbaik.
penulis mengambil beberapa sampel data
alternatif getah karet yang akan digunakan
sebagai bahan pengujian menggunakan metode
SMARTER. Data Sekunder diperoleh melalui

15
Jurnal Masyarakat Telematika dan Informasi
Volume: 10 No. 1 (Januari – September 2019) Hal.: 13-25

6. Pembuatan Laporan atau

Untuk pendokumentasian penelitian ini,
maka akan dibuat laporan hasil penelitian
untuk dijadikan referensi sebagai bahan
publikasi ataupun sebagai dasar dalam
mendukung keputusan dalam menentukan Di mana, W merupakan Nilai
kualitas getah karet. pembobotan kriteria, K merupakan Jumlah
kriteria dan i merupakan Nilai alternatif.
Metode Simple Multi Attribute Rating
Sementara itu, Rumus metode SMARTER
Technique Exploiting Ranks (SMARTER)
secara umum dapat dilihat pada persamaan 3
Metode SMARTER (Simple Multi-
berikut (Dwi Haryanti dkk, 2016):
Attribute Rating Technique Exploiting Ranks)
Merupakan metode pengambilan keputusan
multi kriteria yang diusulkan oleh Edwards
dan Baron pada tahun 1994. Teknik
pengambilan keputusan multi kriteria ini Di mana, merupakan nilai akhir,
didasarkan pada teori bahwa setiap alternatif merupakan bobot dari kriteria ke k dan
terdiri dari sejumlah kriteria yang memiliki merupakan nilai utility kriteria ke k
nilai-nilai dan setiap kriteria memiliki bobot
untuk alternative ke h. Nilai ulility diperlukan
yang menggambarkan seberapa penting ia
sebelum menghitung nilai akhir, persamaan
dibandingkan dengan kriteria lain.
yang digunakan untuk menghitung nilai utility
Pembobotan pada metode SMARTER
dapat dilihat pada persamaan 4 berikut :
menggunakan range antara 0 sampai 1,
sehingga mempermudah perhitungan dan
perbandingan nilai pada masing-masing
alternatif.(Cucu Tohir, 2017).
Di mana, merupakan Nilai
Pada metode SMARTER, bobot dihitung
dengan menggunakan rumus pembobotan utility, merupakan nilai kriteria ke-i,
Rank-Order Centroid (ROC) ROC ini merupakan nilai kriteria minimal, serta
didasarkan pada tingkat kepentingan atau merupakan nilai kriteria maksimal.
prioritas dari kriteria. Pembobotan ROC
didapat dengan prosedur matematika Ada Enam langkah dalam penyelesaian
sederhana dari prioritas. Teknik ROC SPK dengan menggunakan metode SMARTER
memberikan bobot pada setiap kriteria sesuai (Priyolistiyanto, 2013) yang peneliti sajikan
dengan ranking yang dinilai berdasarkan dalam gambar 2 berikut :
tingkat prioritas. Biasanya dibentuk dengan
pernyataan “Kriteria 1 lebih penting dari
kriteria 2, yang lebih penting dari kriteria 3”
dan seterusnya hingga kriteria ke n, ditulisCr1
>Cr2>Cr3 >…> Crn . Untuk menentukan
bobotnya, diberikan aturan yang sama yaitu
W1 > W2> W3 > … > Wk dimana W1
merupakan bobot untuk kriteria C1 . Secara
umum pembobotan ROC untuk setiap kriteria
dapat dirumuskan pada persamaan 1 dan 2
berikut (Saleh A, 2017) :
W1 ≥ W2 ≥ W3 ....... ≥ Wk (1)

16
 Penerapan metode SMARTER dalam sistem pendukung keputusan menentukan kualitas getah karet
Mawati Simarmata, Alfa Saleh, Muhammad Barkah Akbar
Gambar 2. Alur Metode SMARTER
Alur metode SMARTER tersebut akan
dijabarkan pada pembahasan berikut.
HASIL DAN PEMBAHASAN
Getah Karet (Lateks)
Lateks adalah suatu istilah yang
dipakai untuk menyebut getah yang
dikeluarkan oleh pohon karet.Lateks terdapat
pada bagian kulit, daun dan integument biji
karet.Lateks merupakan suatu larutan koloid
dengan partikel karet dan bukan karet yang
tersuspensi di dalam suatu media yang banyak
mengandung bermacam-macam zat. Warna
lateks adalah putih susu sampai kuning. Lateks
dihasilkan oleh banyak tumbuhan anggota
bangsa Malpighiales (misalnya suku
Apocynaceae dan Euphorbiaceae). (Diana
Ulfah, A.R Thamrin & Try Wibert, 2015).
Kriteria Penentuan Kualitas Getah Karet
Menurut Dewi dan Sri (2014) dalam
menentukan kualitas getah karet (lateks) terdiri
dari beberapa kriteria yaitu:
a. Jenis klon (bibit karet)
Jenis klon pada tanaman karet terdapat
pada umunya terdapat dua jenis yaitu:
(Studi Kasus : PTPN III Medan)
1) Klon Slow Starter, adalah jenis klon
dengan metabolisme rendah yang
memiliki ciri spesifik yaitu responsif
terhadap pemberian stimulan, realtif
lebih tahan terhadap tekanan
eksploitasi dan kulit pulihan tebal.
2) Klon Quick Starter, adalah jenis
klon dengan metabolisme tinggi
yang memiliki ciri spesifik yaitu
kurang responsif terhadap
pemberian stimulan, rentan terhadap
KAS, dan kulit pulihan kurang
potensial.
b. Umur Pohon
Umur pohon karet yang paling produktif
adalah 5 sampai 30 tahun.Lebih dari umur
tersebuh maka sangat berpengaruh terhadap
kualitas getah karet.
c. Waktu penyadapan
Waktu penyadapan yang baik dilakukan
pada pukul 05.00 sampai 06.00 pagi hari.
Apabila melewati batas waktu penyadapan
akan berpengaruh terhadap kualitas getah
karet.
d. Musim
Musim yang baik untuk menghasilkan
kualitas getah karet adalah musim kemarau
karena apabila musim penghujan akan
mempengaruhi kaulitas karet dan proses
penyadapan.
e. Suhu Pengovenan
Suhu yang terbaik dalam mengeringkan
getah karet dalam oven adalah 160 derajat
celcius.
f. Letak dari permukaan laut.
Pohon yang memiliki kualitas getah
karet terbaik yaitu pohon yang memiliki letak
400 m dari permukaan laut.
g. Kadar Kering Karet (KKK)
Menurut Dewi dan Sri (2014), Kadar
KeringKaret(KKK) adalah kandungan padatan
karet per satuan berat (%). KKK lateks atau
bekuan sangat penting untuk diketahui karena
17
Jurnal Masyarakat Telematika dan Informasi
Volume: 10 No. 1 (Januari – September 2019) Hal.: 13-25

selain dapat digunakan sebagai pedoman 2. Menentukan Sub Kriteria

penentuan harga juga merupakan standar Adapun sub kriteria yang digunakan
dalam pemberian bahan kimia untuk pada penelitian ini dapat dilihat pada tabel 2
pembuatan produk lanjutan seperti Ribbed berikut ini :
Smoke Shit (RSS), Thin Pale Crepe (TPC) dan
Lateks Pekat (LP).Terdapat beberapa metode Tabel 2. Sub Kriteria Berdasarkan Prioritas
dalam penentuan KKK, salah satunya adalah Tingkat
Kriteria Sub kriteria
metode laboratorium. Prinsip dalam metode Prioritas
Kadar = 55-65% Baik
laboratorium adalah dilakukan dengan cara Kadar Kering
Kadar < 55% Sedang
pembekuan, pencucian dan pengeringan yang Karet (KKK)
Kadar > 65% Buruk
bertujuan untuk menjaga karet terbebas dari Slow Starter Baik
kontaminan air maupun kontaminan Jenis Klon
Quick Starter Buruk
lainnya.Kualitas Kadar Kering Karet (KKK) 5-20 tahun Baik
yang baik memiliki kadar kering karet sekitar Umur Pohon Umur> 20 tahun Sedang
60 % ± 2. Umur< 5 tahun Buruk
Pukul 5 – 6 pagi Baik
Penerapan Metode SMARTER Waktu Sadap
Pukul> 6 pagi Buruk
Dalam menerapkan metode SMARTER Kemarau Baik
ke dalam studi kasus pada penelitian ini, ada Musim
Hujan Buruk
beberapa langkah-langkah metode SMARTER Suhu
yang harus dilakukan guna menghasilkan nilai Baik
160ocelcius
akhir yang akan menjadi dasar dalam Suhu<
Suhu Oven Sedang
penentuan perangkingan setiap alternatif 160ocelcius
seperti pada gambar 2 di atas. Adapun Suhu>
Buruk
langkah-langkah tersebut dapat uraikan 160ocelcius
sebagai berikut : Letak 300 – 400
Letak Baik
1. Menentukan Kriteria m
Permukaan
Berikut Tabel 1 merupakan kriteria Letak> 400 m Sedang
Laut
berdasarkan tingkat prioritas dalam Letak< 300 m Buruk
menentukan kualitas getah karet.
3. Menentukan Peringkat Kriteria dan Sub
Tabel 1. Kriteria Berdasarkan Prioritas Kriteria
Dalam menghitung bobot dari setiap
No Kriteria Prioritas kriteria digunakan metode pembobotan ROC
1 Kadar Kering Karet (KKK) I dengan menggunakan Rumus pada Persamaan
2 Jenis Klon (bibit karet) II (1).
3 Umur Pohon III Adapun hasil pembobotan kriteria
4 Waktu Penyadapan IV tersebut dapat dilihat pada tabel 3 berikut:
5 Musim V
6 Suhu Pengovenan VI Tabel 3. Bobot Setiap Kriteria
7 Letak Permukaan Laut VII Tingkat Bobot
Kriteria
Prioritas Kriteria
Berdasarkan tabel 1 di atas, terdapat 7 I Kadar Kering Karet 0,37
kriteria yang digunakan untuk menentukan II Jenis Klon 0,228
kualitas getah karet, seperti : Kadar Kering III Umur Pohon 0,156
Karet, Jenis Klon, Umur Pohon, Waktu IV Waktu Penyadapan 0,106
Penyadapan, Musim, Suhu Pengovenan dan
V Musim 0,073
Letak Permukaan Laut
VI Suhu Pengovenan 0,04
VII Letak Permukaan Laut 0,02

18
 Penerapan metode SMARTER dalam sistem pendukung keputusan menentukan kualitas getah karet
(Studi Kasus : PTPN III Medan)
Mawati Simarmata, Alfa Saleh, Muhammad Barkah Akbar

Berdasarkan tabel 3 di atas, kriteria yang 0.61, sementara Kadar di bawah 55% sebesar
menjadi prioritas utama dalam menentukan 0.28, dan Kadar di atas 65% sebesar 0.11.
kualitas getah karet adalah Kadar kering karet, Pada kriteria Jenis Klon, untuk Jenis Klon
sehingga bobot yang diberikan adalah sebesar Slow Starter nilai bobot sebesar 0.75 dan Jenis
0.37, yang kedua kriteria jenis klon dengan Quick Starter sebesar 0.25. Selanjutnya pada
bobot sebesar 0.228, kriteria Umur pohon kriteria umur pohon yang berkisar antara 5
dengan bobot sebesar 0.156, kriteria Waktu sampai 20 tahun nilai bobot sebesar 0.61,
Penyadapan dengan bobot sebesar 0.106, umur pohon lebih besar dari 20 tahun sebesar
kriteria Musim dengan bobot sebesar 0.073, 0.28 dan umur pohon di bawah 5 tahun sebesar
kriteria Suhu Pengovenan dengan bobot 0.11. Waktu penyadapan dilakukan pada Pukul
sebesar 0.04 dan yang terakhir kriteria Letak 5 sampai 6 pagi maka nilai bobot sebesar 0.75,
Permukaan Laut dengan bobot sebesar 0.02. penyadapan dilakukan pada Pukul 6 pagi ke
Selanjutnya, bobot dari setiap sub kriteria atas sebesar 0.25. Musim juga mempengaruhi
dalam menentukan kualitas getah karet dapat kualitas getah karet, jika dilakukan pada
dilihat pada tabel 4 berikut. musim kemarau nilai bobot sebesar 0.75 dan
saat musim hujan sebesar 0.25. Suhu
Tabel 4. Bobot Setiap Sub Kriteria pengovenan yang berada pada Suhu 160oC
memiliki nilai bobot sebesar 0.61, suhu di
Bobot
Tingkat bawah 160oC sebesar 0.28 dan suhu di atas
Kriteria Sub kriteria Sub
Prioritas 160oC sebesar 0.11. serta letak pohon yang
Kriteria
Kadar Kadar = 55- berada Di antara 300 – 400 m dari permukaan
Baik 0,61 laut memiliki nilai bobot sebesar 0.61, jika
Kering 65%
Karet Kadar < 55% Sedang 0,28 berada lebih dari 400 m sebesar 0.28 dan letak
(KKK) Kadar > 65% Buruk 0,11 di bawah 300 m dari permukaan laut sebesar
Jenis Slow Starter Baik 0,75 0.11
Klon Quick Starter Buruk 0,25
5-20 tahun Baik 0,61 4. Menentukan Nilai Akhir
Umur> 20 Nilai akhir ditentukan setelah nilai bobot
Umur Sedang 0,28
tahun sub kriteria disubsitusikan pada data alternatif.
Pohon
Umur< 5 Namun, sebelum dihitung, data alternatif yang
Buruk 0,11
tahun telah digantikan dengan nilai bobot sesuai
Pukul 5 – 6 dengan bobot sub kriteria terlebih dahulu akan
Waktu Baik 0,75
pagi diproses untuk menentukan nilai utilitas
Sadap
Pukul> 6 pagi Buruk 0,25 berdasarkan persamaan 4. Selanjutnya, nilai
Kemarau Baik 0,75 utilitas tersebut akan diproses kembali untuk
Musim
Hujan Buruk 0,25 menghasilkan nilai akhir yang menjadi tahap
Suhu 160 oC Baik 0,61 akhir dari pengujian metode SMARTER
Suhu
Suhu< 160 oC Sedang 0,28
Oven sesuai dengan perhitungan pada persamaan 3.
Suhu> 160 oC Buruk 0,11
Letak 300 –
Letak Baik 0,61 Pengujian
400 m
Permuk Pada tahap pengujian metode, terdapat 5
Letak> 400 m Sedang 0,28
aan Laut data getah karet yang dijadikan sebagai data
Letak< 300 m Buruk 0,11
alternatif yang digunakan untuk menganalisis
hasil dari pengujian metode SMARTER sesuai
Dari tabel 4 tersebut, untuk kriteria dengan tahapan pengerjaan ataupun langkah-
Kadar Kering Karet memiliki rentang Kadar langkah pengerjaan metode tersebut, adapun
antara 55 sampai 65% dengan bobot sebesar data alternatif yang didapat dari data PTPN III
Medan dapat dilihat pada tabel 5 berikut.

19
 Jurnal Masyarakat Telematika dan Informasi
Volume: 10 No. 1 (Januari – September 2019) Hal.: 13-25

Tabel 5. Alternatif yang diuji

Umur
Alternatif KKK Jenis Klon Waktu Sadap Musim Suhu Oven Letak
Pohon
A1 60 Slow 15 Pukul 5 Hujan 163 200
A2 50 Quick 4 Pukul 5 Kemarau 160 310
A3 63 Quick 4 Pukul 7 Kemarau 158 410
A4 70 Slow 10 Pukul 8 Hujan 157 360
A5 54 Slow 22 Pukul 6 Kemarau 160 250

Data alternatif yang diperoleh akan
disubsitusikan dengan nilai bobot setiap sub
kriteria yang telah ditentukan sebelumnya,
tahap ini disebut dengan tahap normalisasi.
Adapun hasil normalisasi data alternatif
yang telah diubah menjadi nilai bobot sub
kriteria dapat dilihat pada tabel 7.
Selanjutnya, setelah data setiap alternatif
diubah sesuai dengan nilai bobot masing-
masing sub kriteria, tahap berikutnya adalah
menentukan nilai utilitas untuk setiap nilai
kriteria alternatif. Di mana persamaan 4
digunakan untuk menentukan nilai utilitas ini.
Hasil nilai utilitas yang telah dihitung dapat
dilihat pada tabel 8.
Setelah didapat nilai utilitas setiap
kriteria untuk setiap data alternatif, kemudian
data nilai utilitas tersebut akan digunakan
untuk menentukan nilai akhir, nilai akhir
menjadi tahapan penting dalam
menentukan hasil dari pengujian metode
SMARTER da;am hal penentuan kualitas
getah karet. Di mana persamaan 3 merupakan
persamaan yang dapat digunakan untuk
menentukan nilai akhir tersebut, adapun hasil
perhitungan nilai akhir menggunakan metode
SMARTER dalam menentukan kualitas getah
karet dapat dilihat pada tabel 9.
Tahap terakhir dalam pengujian metode
SMARTER untuk menentukan kualitas getah
karet adalah dengan mengurutkan hasil nilai
akhir dari yang tertinggi hingga yang teredah,
guna memudahkan proses ranking pada setiap
alternatif. Berikut pada tabel 10 merupakan
hasil perangkingan data alternatif setelah diuji
dengan metode SMARTER.

Tabel 7. Hasil Normalisasi Alternatif

Waktu
Alternatif KKK Jenis Klon Umur Pohon Musim Suhu Oven Letak
Sadap
A1 0,61 0,75 0,61 0,75 0,25 0,11 0,11
A2 0,28 0,25 0,11 0,75 0,75 0,61 0,61
A3 0,61 0,25 0,11 0,25 0,75 0,28 0,28
A4 0,11 0,75 0,61 0,25 0,25 0,28 0,61
A5 0,28 0,75 0,28 0,75 0,75 0,61 0,11

Tabel 8. Nilai Utilitas Tiap Alternatif

Waktu
Alternatif KKK Jenis Klon Umur Pohon Musim Suhu Oven Letak
Sadap
A1 1 1 1 1 0 0 0
A2 0,33 0 0 1 1 1 1
A3 1 0 0 0 1 0,33 0,33
A4 0 1 1 0 0 0,33 1
A5 0,33 1 0,33 1 1 1 0

20
 Penerapan metode SMARTER dalam sistem pendukung keputusan menentukan kualitas getah karet
(Studi Kasus : PTPN III Medan)
Mawati Simarmata, Alfa Saleh, Muhammad Barkah Akbar

Tabel 9. Nilai Akhir Tiap Alternatif

Umur Waktu Nilai

Alternatif KKK Jenis Klon Musim Suhu Oven Letak
Pohon Sadap Akhir
A1 0,37 0,228 0,156 0,106 0 0 0 0,860
A2 0,122 0 0 0,106 0,073 0,04 0,02 0,361
A3 0,37 0 0 0 0,073 0,013 0,006 0,462
A4 0 0,228 0,156 0 0 0,013 0,02 0,417
A5 0,122 0,228 0,052 0,106 0,073 0,04 0 0,621

Tabel 10. Hasil Perankingan Metode SMARTER

Jenis Umur Waktu Suhu Nilai

Alternatif KKK Musim Letak Persentase Ranking
Klon Pohon Sadap Oven Akhir
A1 0,37 0,228 0,156 0,106 0 0 0 0,860 86% 1
A2 0,122 0 0 0,106 0,073 0,04 0,02 0,361 36.1% 5
A3 0,37 0 0 0 0,073 0,013 0,006 0,462 46.2% 3
A4 0 0 0,156 0 0 0,013 0,02 0,417 41.7% 4
A5 0,122 0,228 0,052 0,106 0,073 0,04 0 0,621 62.1% 2

Tabel 11. Hasil Evaluasi Metode SMARTER dan Pakar

Jenis Umur Waktu Suhu Nilai Ranking Ranking

Alternatif KKK Musim Letak
Klon Pohon Sadap Oven Akhir Sistem Pakar
A1 0.37 0.228 0.156 0.106 0 0 0 0.86 1 1

A5 0.122 0 0 0.106 0.073 0.04 0.02 0.621 2 2

A3 0.37 0.228 0.156 0 0 0.013 0.02 0.462 3 3

A4 0 0.228 0.156 0 0 0.013 0.006 0.417 4 4

A2 0.122 0.228 0.052 0.106 0.073 0.04 0 0.361 5 5

21
 Jurnal Masyarakat Telematika dan Informasi
Volume: 10 No. 1 (Januari - September) Hal: 13-25
Tahap terakhir dalam pengujian metode
SMARTER untuk menentukan kualitas getah
karet adalah dengan mengurutkan hasil nilai
akhir dari yang tertinggi hingga yang teredah,
guna memudahkan proses ranking pada setiap
alternatif. Berikut pada tabel 10 merupakan
hasil perangkingan data alternatif setelah diuji
dengan metode SMARTER.
Dari tabel 10, Data getah karet yang
dijadikan alternatif telah selesai diuji. Dengan
hasil, alternatif pertama (A1) menjadi alternatif
paling baik dengan perolehan rangking 1,
kemudian disusul oleh alternatif kelima (A5)
yang menjadi data getah karet terbaik kedua,
dilanjutkan dengan alternatif ketiga (A3) yang
menjadi getah karet terbaik ketiga, lalu data
alternatif keempat (A4) menjadi alternatif
terbaik keempat dan yang terakhir data alternatif
kedua (A2) menjadi data getah karet terbaik
terakhir dalam hasil pengujian metode
SMARTER tersebut. Dari hasil perangkingan di
atas, maka dilakukan kembali uji coba dengan
menyesuaikan hasil perangkingan dari pakar.
Adapun hasil evaluasi metode seperti pada tabel
11.
Berdasarkan data tabel 11 di atas, hasil
perhitungan metode SMARTER memiliki
keseuaian dengan hasil keputusan dari pakar
terkait berkualitas getah karet yang di uji.
Sehingga metode ini dimungkinkan untuk
digunakan dalam mendukung keputusan pakar
dalam menentukan kualitas getah karet.
Desain Sistem
Bentuk rancangan sistem yang peneliti
usulkan dalam penelitian ini adalah dengan
menggunakan beberapa bentuk diagram dari
Unified Modelling Language (UML) untuk
memudahkan dalam visualisasi, perancangan,
dan pendokumentasian sistem yang akan
dijadikan perangkat lunak (software), seperti
pada gambar 3 berikut ini :
Usecase Diagram
Usecase diagram digunakan untuk
menggambarkan bisnis proses dari sistem
perangkat lunak yang akan dibangun, pada
penelitian ini ada beberapa aktor sebagai
pengguna sistem yang akan tergambar
interaksinya dengan sistem. Berikut pada
22
gambar 4 rancangan usecase digram dari
sistem aplikasi pendukung keputusan
penentuan kualitas getah karet :
System
Data User
Login
Mengelola Data
Getah Karet
Kriteria
User <<include>> Admin
Hitung Kualitas
Getah Karet
<<include>>
SubKriteria
Logout
Gambar 4. Usecase Digram Desain Sistem
Berdasarkan gambar 4, terdapat 2 (dua)
aktor yang berperan pada sistem yang akan
dibangun, pengguna sistem (user) yang bertugas
menggunakan sistem untuk menentukan kualitas
getah karet berdasarkan kriteria yang telah
dikumpulkan, sementara feedback yang
diberikan oleh sistem adalah data getah karet
berkualitas. Selanjutnya, aktor kedua pada
sistem adalah admin, yang bertugas untuk
mengelola data kriteria yang digunakan untuk
mendukung keputusan. Selain itu, admin juga
mengelola data user yang dapat menggunakan
sistem. Untuk melihat lebih detail tentang
desain sistem yang dirancang, berikut akan
diuraikan beberapa activity diagram pada
penelitian ini. Pada gambar 5 ini, merupakan
activity diagram dari fungsi Login di sistem.
User/Admin Sistem
Tampil Form Login Cek Username dan Password
Masukkan Username dan Password T
Y
MAsuk Ke Menu Utama
Gambar 5. Diagram Activity Fungsi Login
Fungsi login di sistem, memungkinkan
pengguna untuk memiliki authorization
 Penerapan metode SMARTER dalam sistem pendukung keputusan menentukan kualitas getah karet
(Studi Kasus : PTPN III Medan)
Mawati Simarmata, Alfa Saleh, Muhammad Barkah Akbar

ataupun kewenangan dalam menggunakan Admin Sistem

sistem. Agar sistem tidak sembarangan

digunakan oleh pengguna yang tidak sah. Di Tampil Data Getah Karet
T

mana pada activity diagram tersebut, sistem Y

akan meminta pengguna untuk memasukan T

Data Disimpan

Y
username dan password untuk divalidasi Hitung Kualitas Getah Karet

sistem agar dapat masuk ke menu utama Tampilkan Hasil Data Getah Karet

sistem. Activity diagram login ini

Y
menggambarkan fungsi validasi untuk ke T
Cetak Daftar Kualitas Getah Karet

semua aktor yang terlibat dalam penggunaan

sistem perangkat lunak yang dibangun. Hapus Data Getah Data Dihapus

Berikutnya, activity diagram data getah karet

dapat dilihat pada gambar 6 Gambar 7. Activity Diagram Hasil Kualitas
Getah Karet
Admin Sistem

Activity diagram hasil kualitas getah

Tampil Data Getah
T
karet tersebut, memungkinkan admin dan
Y
pengguna melihat hasil pengujian metode yang
T Y Data Disimpan diimplementasikan ke dalam tampilan tabel
Input Data Getah
yang dapat dijadikan dokumen untuk dicetak
Y
Cari Data
Tampil Hasil Data Getah
nantinya. Berikutnya gambar 8 yaitu activity
T diagram data user.
Ubah Data Getah
Admin Sistem

Hapus Data Getah Data Dihapus

Gambar 6. Activity Diagram Data Getah Tampil Data User

Karet
Y
Kelola Data User Data Disimpan

Activity diagram data getah karet, T

menggambarkan aktivitas admin sebagai
Tampilkan Data Profil
pengguna sistem untuk mengubah,menambah
bahkan menghapus kriteri-kriteria yang telah
ditentukan sebelumnya, selain mengubah
kriteria yang sudah ada, admin juga dapat
melakukan perubahan bobot pada kriteria dan Gambar 8. Activity Diagram Data User
sub-kriteria. Untuk activity diagram hasil
perhitungan kualitas getah karet pada sistem Pada gambar 8 di atas, menggambarkan
dapat dilihat pada gambar 7 berikut ini : aktivitas yang dapat dilakukan admin pada
sistem dalam hal mengelola data user atau
pengguna sistem. Pengelolaan data user ini
penting untuk membatasi penggunaan sistem
oleh pihak yang tidak berkepentingan.

Tampilan Antarmuka Aplikasi

Tampilan Antarmuka Login Admin dan
User yang mana pada tampilan tersebut
pengguna akan dapat mengakses sistem
dengan cara Login terlebih dahulu dengan
menggunakan Username dan Password yang

23
Jurnal Masyarakat Telematika dan Informasi
Volume: 10 No. 1 (Januari - September) Hal: 13-25
telah disediakan sebelumnya. Adapun
tampilan Form Login dapat dilihat pada
gambar 9 di bawah ini:
Gambar 9. Tampilan Antarmuka Login
Sistem akan memverifikasi username
dan password yang dimasukan oleh pengguna
untuk membedakan hak ases ke dalam sistem.
Selanjutnya, Pada Gambar 10 dapat dilihat
tampilanform Menu Utama Form Admin yang
mana pada tampilan tersebut terdapat beberapa
Menu yang dapat diakses oleh Admin, yaitu
menu Data Getah, Hitung Nilai Getah, Data
User, dan Logout.
Gambar 10. Tampilan Antarmuka Menu
Utama
Berikutnya, Pada Gambar 11 dapat
dilihat tampilan antarmuka Data Getah Karet
yang dapat diakses oleh Admin, admin dapat
mengubah, menambah dan bahkan menghapus
data getah karet yang telah tersimpan di
database, selain itu aplikasi sistem pendukung
yang dirancang ini, memungkinkan admin
untuk melakukan pencarian data dari
tumpukan data di dalam database terkait data
getah karet.
24
Gambar 11. Tampilan Antarmuka Data
Getah Karet
Pada Gambar 12 dapat dilihat tampilan
antarmuka Kualitas Getah Karet yang mana
pada tampilan tersebut terdapat data Kode dan
kriteria masing-masing getah yang akan
dihitung nilainya sesuai dengan bobot tiap
kriteria dan sub-kiriteria. Kemudian Admin
dapat mencetak hasil laporan yang telah
dihitung pada aplikasi sistem pendukung
keputusan tersebut.
Gambar 12. Tampilan Antarmuka Kualitas
Getah Karet
Simpulan
Penentuan kualitas getah karet
dipengaruhi oleh beberapa faktor pendukung,
meliputi Kadar Kering Karet, Jenis Klon,
Umur Pohon, Waktu Penyadapan, Musim,
Suhu Pengovenan dan Letak Permukaan Laut.
Sementara itu, Dari 5 data getah karet
yang diuji, diperoleh hasil pengujian dengan
rekomendasi perangkingan dari data getah
karet tersebut. Dengan mempertimbang setiap
nilai kriteria yang menjadi faktor penentu
kualitas getah karet. Maka diperolehlah hasil
kualitas getah karet terbaik dengan persentase
kualitas sebesar 86%. Selain itu, penelitian ini
 Penerapan metode SMARTER dalam sistem pendukung keputusan menentukan kualitas getah karet
(Studi Kasus : PTPN III Medan)
Mawati Simarmata, Alfa Saleh, Muhammad Barkah Akbar

juga dapat dikembangkan dalam sebuah Priyolistiyanto, A. (2013). Implementasi

aplikasi dengan desain sistem yang telah Metode Simple Multi Attribute Rating
diuraikan pada bab hasil dan pembahasan. Technique Exploiting Rank
(SMARTER) pada Sistem Pendukung
Saran Keputusan Sanksi Pelanggaran Tata
Pada penelitian ini, kuantitas data getah tertib Sekolah. In Prosiding Seminar
karet yang diuji masih terlalu sedikit, sehingga Nasional Ilmu Komputer FMIPA Unnes.
hasil pengujian belum begitu maksimal. Begitu Pusari, D., & Haryanti, S. (2014). Pemanenan
juga dengan metode pendukung keputusan getah karet (Hevea brasiliensis Muell.
yang digunakan, sebaiknya dilakukan Arg) dan penentuan kadar karet kering
pengujian dengan membandingkan hasil (KKK) dengan variasi temperatur
pengujian dengan metode sistem pendukung pengovenan di PT. Djambi Waras
keputusan lain nya sebagai pembanding untuk Jujuhan Kabupaten bungo,
memperoleh hasil yang lebih optimal. Jambi. ANATOMI FISIOLOGI, 22(2),
Kemudian, sebaiknya aplikasi yang dirancang 64-74.
dapat digunakan tidak hanya secara offline, Saleh, A. (2017). Penerapan Metode Simple
tetapi juga online untuk mendukung konsep Multi Attribute Rating Technique
integritas antara satu cabang perusahaan Exploiting Rank Dalam Sistem
dengan cabang perusahaan yang lain. Pendukung Keputusan Rekrutmen
Asisten Laboratorium
Ucapan Terima Kasih Komputer. Masyarakat Telematika dan
Terima kasih kepada Universitas Informasi, 8(1), 1-10.
Potensi Utama yang telah membantu dalam Saleh, A., Puspita, K., & Sanjaya, A. (2018,
penyelesaian penelitian ini, baik dukung secara August). Implementation of Equal Width
material maupun dukungan secara moril. Interval Discretization on SMARTER
Method for Selecting Computer
DAFTAR PUSTAKA Laboratory Assistant. In 2018 6th
International Conference on Cyber and
Fernandes, K., Vinagre, P., & Cortez, P. IT Service Management (CITSM) (pp. 1-
(2015, September). A proactive 4). IEEE.
intelligent decision support system for Sari, R. E., & Saleh, A. (2014). Penilaian
predicting the popularity of online news. kinerja dosen dengan menggunakan
In Portuguese Conference on Artificial metode AHP (Studi kasus: di STMIK
Intelligence (pp. 535-546). Springer, Potensi Utama Medan). In Seminar
Cham. Nasional Informatika 2014 (pp. 108-
Haryanti, D., Nasution, H., & Sukamto, A. S. 114).
(2016). Sistem Pendukung Keputusan Tohir, C. (2017). APLIKASI SELEKSI
Seleksi Penerimaan Mahasiswa CALON KEPALA SEKOLAH
Pengganti Beasiswa Penuh Bidikmisi DENGAN METODE SMARTER
Universitas Tanjungpura Dengan (Simple Multi–Attribute Rating
Menerapkan Metode SMARTER. Jurnal Technique Exploiting Ranks) DAN
Sistem dan Teknologi Informasi ORESTE. JUTEKIN (JURNAL TEKNIK
(JUSTIN), 4(1), 145-151. INFORMATIKA), 1(1).
Okfalisa, O., & Gunawan, A. (2014). SIstem Ulfah, D., Thamrin, G. A. R., & Natanael, T.
Pendukung Keputusan Untuk W. (2015). Pengaruh waktu penyadapan
Menentukan Produk Asuransi Jiwa Bagi dan umur tanaman karet terhadap
Nasabah Menggunakan Metode produksi getah (lateks). Jurnal Hutan
Smarter. Jurnal Sains dan Teknologi Tropis, 3(3), 247-25
Industri, 12(1), 73-79.

25