Abstract
There are a lot of cases where the best laptop does not fit the existed criteria. This paper contains a
Weighted Product method which helps in determining the best laptop according to consumer criteria. There are
7 factors or criteria used in the decision-making process, each criterion has different importance weights. The
value of each importance criteria weights is decided through the interview with laptop users. The final specified
criteria are price, processor, RAM, RAM type, hard disk, SSD, and screen size. The test results using confusion
matrix show that the system is running well, the accuracy value is 83.4%, the recall value is 88.9%, the
precision value is 80.0%, and the f-measure value is 84.2%.
Abstrak
Pemilihan laptop terbaik yang tidak sesuai dengan kriteria konsumen sangat sering terjadi. Tulisan ini
memuat proses dalam metode Weighted Product yang akan membantu mendapatkan laptop terbaik dengan
kriteria yang sesuai dengan keinginan konsumen. Ada 7 faktor atau kriteria yang digunakan untuk prose
pengambilan keputusan, masing-masing kriteria mempunyai bobot kepentingan yang berbeda-beda. Besarnya
bobot kepentingan masing-masing kriteria ditentukan melalui wawancara terhadap konsumen laptop. Kriteria-
kriteria yang sering dijumpai yaitu, harga, processor, RAM, jenis RAM, harddisk, SSD, ukuran layar. Hasil
pengujian menggunakan confusion matrix menunjukkan bahwa system ini berjalan dengan baik, nilai accuracy
sebesar 83,4%, nilai recall 88,9%, nilai precision 80,0%, dan nilai f-measure sebesar 84,2%.
Kata Kunci: Pemilihan, Laptop, Weighted Product
T Input bobot
W6 SSD 3 Y
kriteria
Pilih Menu
Ya
W7 Ukuran Layar 2
Alternatif yang yang didigunakan pada SPK Alternatif, Kriteria Alternatif Bobot Kriteria
Alternatif
<<include>>
Input Data
<<include>>
Manajemen Data <<include>>
Admin
Edit Data
Logout Login
<<include>>
<<include>>
Vektor V
V1 0,174541756
ASUS
V2 0,247541952
Acer
V3 0,174541756
Lenovo
Gambar 1.Halaman Data Kriteria
V4 0,174541756
HP
Pada halaman data kriteria admin dapat
V5 0,228832779 menambahkan, mengedit, dan menghapus data
Dell
Tabel 8. Tabel Nilai Vektor V suatu kriteria.
Precision
Adalah tingkat ketepatan prediksi dengan
hasil dari sistem, yang datanya didapat
Gambar 6. Form SPK Laptop.
data positif yang brnilai benar, dengan
Form ini merupakan form untuk user dimana rumus:
form ini akan membantu user untuk menentukan 𝑇𝑃
Precision = ( ∗ 100%)
𝐹𝑃+𝑇𝑃
keputusan laptop terbaik dengan memasukkan
bobot yang diinginkan dari kriteria yang ada pada
sistem. Sehingga pada form ini user hanya Recall
memasukkan data bobot yang diinginkan kemudian Adalah tingkat keberhasilan pada sistem
akan mendapatkan hasil keputusan laptop terbaik atau biasanya juga disebut dengan
yang sesuai dengan bobot kriteria yang sensitifitas, yang merupakan data benar
dimasukkan. positif dibandingkan dengan prediksi
benar positif. Dengan rumus :
4. PENGUJIAN SISTEM 𝑇𝑃
Recall = ( ∗ 100%)
𝐹𝑁+𝑇𝑃
Pengujian sistem ini menggunakan
implementasi metode confusion matrix. Confusion
Matrix merupakan metode pengujian yang Accuracy
digunakan untuk perhitungan akurasi suatu sistem. Adalah tingkat kedekatan nilai prediksi
Pada metode ini terdapat beberapa istilah yang dan aktual, yaitu menggunakan data benar
menggambarkan hasil dari proses pengujian, yaitu: positif maupun negatif dengan
keseluruhan data, dengan rumus:
a. True Posistive (TP) 𝑇𝑃+𝑇𝑁
Merupakan jumlah data positif yang Accuracy = ( ∗ 100%)
𝐹𝑁+𝐹𝑃+𝑇𝑃+𝑇𝑁
benar.
b. True Negative (TN) F-measure
Merupakan jumlah data negatif namun Adalah harmonik mean atau kombinasi
bernilai benar. dari precision dan recall, dengan rumus:
c. False Positive (FP) 𝑝𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛∗𝑟𝑒𝑐𝑎𝑙𝑙
Merupakan jumlah data negatif namun F-measure=2* ( ∗ 100%)
𝑝𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛+𝑟𝑒𝑐𝑎𝑙𝑙
terdeteksi sebagai data positif.
d. False Negative (FN)
Dari penjelasan rumus diatas, nilai-nilai
Merupakan kebalikan dari true positive,
pada TN, FN, TP, FP yang didapat dari data pola
yang berarti merupakan jmlah data positif
dan data uji dihitung sehingga mendapatkan hasil
yang terdeteksi sebagai data negatif.
seperti grafik pada gambar 7 dibawah ini :
Dalam pengujian sistem ini menggnakan data pola
dan data uji, dengan spesifikasi data seperti pada
Confusion Matrix
tabel 10 sebagai berikut:
88.9%
82.4%
84.2%
80.0%
Accuracy
Recall
6. REFERENSI