Decision Support System for Profile Matching Methods in IOS-

Based Mobile Application

Yana Mulyana1, Pajri Aprilio2, SY. Yuliani3

Jurusan Teknik Informatika, Universitas Widyatama Bandung
Email: 1yana.mulyana@widyatama.ac.id, 2aprilio.pajri@widyatama.ac.id,
3
sy.yuliani@widyatama.ac.id

ABSTRAK

When someone is going to buy a used car, they will definitely be faced with a
consideration, the criteria for the car that the buyer wants to buy. Many things can be
considered in a used car such as price, exterior, year of manufacture, kilometers that have been
achieved and others. This consideration becomes a very crucial thing considering the price of
the car is not cheap to avoid regrets in the future. Therefore we need an easy and
uncomplicated system to make it easier for buyers to buy cars. The final result of this research
is to implement a decision support system in a mobile application that can provide convenience
and generate alternatives. Buyers hope can be helped in choosing a car in accordance with
predetermined criteria.

Kata kunci: Sistem Pendukung Keputusan, Profile Matching, Mobil Bekas

I. PENDAHULUAN keputusan yang dapat digunakan dalam

pemilihan mobil yaitu Profile Matching
A. Latar Belakang dimana metode ini membandingkan Nilai
Kebutuhan masyarakat terhadap alternatif dan Criteria sehingga
vehicle bermotor seperti mobil saat ini menghasilkan GAP atau selisih.
sangatlah diperlukan. Dimana mobil tidak
hanya sebatas alat transportasi pribadi II. TINJAUAN PUSTAKA
melainkan bisa dimanfaatkan untuk usaha
sampingan seperti transportasi online. A. Sistem Pendukung Keputusan
Banyaknya showroom mobil bekas menjadi Sistem adalah suatu jaringan kerja
pilihan masyarakat dalam membeli mobil. dari prosedur-prosedur yang saling
Bahkan dengan teknologi saat ini berhubungan, berkumpul bersama-sama
pembelian bisa dilakukan dengan untuk melakukan kegiatan atau untuk
handphone tanpa harus datang ke melakukan sasaran tertentu [1]. Lebih lanjut
showroom. Sistem Pendukung Keputusan (SPK)
Dalam memilih mobil bekas adalah Suatu informasi berbasis komputer
sebaiknya perlu diperhatikan Condition yang menghasilkan berbagai alternatif
mobil yang akan dibeli seperti eksterior, keputusan untuk membantu manajemen
Year Made, kilometer saat ini, Price dan dalam menangani berbagai permasalahan
lain-lain. Banyaknya mobil yang bervariasi yang terstruktur maupun tidak terstruktur
di dalam showroom tersebut maka pembeli dengan menggunakan data dan model [2].
harus melakukan perbandingan dalam Dengan kata lain sistem akan memproses
menentukan pilihan yang tepat. Maka data yang telah dimasukan lalu melakukan
diperlukan suatu sistem yang dapat perhitungan sedemikian rupa
mempermudah pembeli dalam memilih menggunakan metode sistem pendukung
mobil sesuai dengan keinginannya. keputusan yang dipakai sehingga
Sistem pendukung keputusan bisa menghasilkan informasi yang dapat
menjadi suatu solusi dalam permasalahan berguna dalam mengambil suatu
diatas. Dimana alternatif-alternatif pilihan keputusan. Pada dasarnya SPK dirancang
diolah terlebih dahulu dengan memasukan untuk mendukung seluruh tahap
kriteria-kriteria apa saja yang menjadi pengambilan keputusan mulai dari
acuan sehingga menghasilkan output yang mengindentifikasi masalah, memilih data
dapat membantu dalam mengambil suatu yang relevan, menentukan pendekatan
keputusan. Metode sistem pendukung yang digunakan dalam proses pengambilan
keputusan, sampai mengevaluasi pemilihan
alternatif [3].
No GAP Weight Detail

B. Profile Matching Value

Profile Matching adalah sebuah 1 0 5 Competence as needed
mekanisme pengambilan keputusan 2 1 4.5 Competence excess 1
dengan mengasumsikan bahwa terdapat level
tingkat variabel prediktor yang ideal yang 3 -1 4 Competence deficiency 1
harus dipenuhi oleh subyek yang diteliti, level
bukannya tingkat minimal yang harus 4 2 3.5 Competence excess 2
dipenuhi atau dilewati [4]. Langkah-langkah level
penyelesaian metode Profile Matching 5 -2 3 Competence deficiency 2
adalah: level
6 3 2.5 Competence excess 3
level
1) Menentukan bobot nilai dari tiap aspek 7 -3 2 Competence deficiency 3
dan mendefinisikan aspek yang akan level
menjadi bahan penilaian. 8 4 1.5 Competence excess 4
level
a. Bobot Nilai 9 -4 1 Competence deficiency 4
level
Table 3. GAP Mapping
Dibawah ini adalah contoh bobot
nilai dari aspek kondisi mobil.
4) Pengelompokan Core Factor (CF) dan
Secondary Factor (SF)
No Condition Value
1 >= 50% 1
2 >= 60% 2 Setelah menentukan bobot pada setiap
3 >= 70% 3 atribut, selanjutnya tiap atribut
4 >= 80% 4 dikelompokan menjadi dua kelompok yaitu
5 >= 90% 5 Core Factor dan Secondary Factor [7].
Table 1. Weight Value
a. Core Factor
b. Aspek Penilaian
Core Factor merupakan aspek atau
Contoh dibawah adalah nilai dari
kriteria utama yang menjadi prioritas
tiap-tiap mobil dengan bobot kondisi
sehingga akan berdampak atau
yang telah didefinisikan sebelumnya.
berpengaruh cukup besar terhadap hasil
akhir perhitungan.
Car name Condition
Yaris 4
Ertiga 4 Rumus perhitungan CF adalah:
Mobilio 4
Confero 5 NC
Innova 4 NCF=
Table 2. Appraisal Aspect IC

2) Perhitungan GAP Detail:

NCF = Nilai rata-rata CF
GAP adalah selisih dari perhitungan NC = Jumlah total Nilai CF
antara nilai aspek kendaraan dikurangi IC = Jumlah item CF
dengan nilai kriteria standar. Rumus untuk
menghitung GAP adalah: b. Secondary Factor

GAP = Nilai aspek – Nilai Standard Secondary Factor adalah aspek selain
dari Core Factor Rumus perhitungan
3) Pemetaan GAP Secondary Factor adalah:

Hasil dari perhitungan GAP selanjutnya NS

N SF=
adalah memetakan perhitungan tersebut IS
dengan tabel bobot nilai dibawah ini.
Detail:
NSF = Nilai rata-rata SF
NS = Jumlah total Nilai SF
IS = Jumlah item SF
Menetapkan Core Factor
Secondary Factor (SF)
1) Lapisan yang berhubungan langsung
ke hardware atau disebut juga Core OS
Layer.
2) Bagian yang berisi layanan yang
(CF) dan membentuk sistem dasar semua
aplikasi yaitu Core Service Layer.

Core Factor (60%) Secondary Factor 3) Sementara itu, bagian untuk grafis
(40%) disebut Media Layer. Lapisan ini
Aspect terbentuk untuk mengarahkan audio,
Price Brand Year Condition Mileage video dan teknologi grafis lainnya
4.5 3 4 4.5 5 menjadikan iOS kaya akan multimedia.
4 2 4.5 4 4
5 4 5 5 4.5
Table 4. Set CF and SF
4) Yang terakhir adalah Cocoa Touch
Layer, bagian ini berfungsi untuk
interaksi antara user dan optimasi
5) Perhitungan Nilai Total (NT) dan focus.
perangkingan
III. ANALISIS DAN PEMBAHASAN
Nilai Total adalah perhitungan antara
rata-rata Core Factor dengan rata-rata A. Analisis Pemilihan Mobil
Secondary Factor. Maka didapat Nilai Total Analisa terhadap sistem yang berjalan
yang mana Nilai Total ini yang akan dilakukan guna untuk mengetahui
menjadi acuan sebagai perangkingan. permasalahan yang sedang dihadapi dalam
Rumus untuk menghitung Nilai Total sistem pembelian mobil. Penganalisaan ini
adalah: berguna untuk untuk memberikan bentuk-
bentuk alternatif yang dibutuhkan.
NT = (x)%*NCF + (y)%*NSF Diharapkan dengan adanya alternatif ini,
akan memberikan bentuk laporan yang
Detail: lebih baik serta mudah untuk dipahami oleh
NT = Nilai Total pemakai sistem ataupun pihak-pihak yang
NCF = Nilai rata-rata Core Factor berkepentingan dengan kinerja sistem [6].
NSF = Nilai rata-rata Secondary Core Analisis dilakukan pada dealer Bintang
Factor Motor yang berlokasi di jalan pungkur
(x)% = Nilai persen Core Factor Bandung. Berikut adalah proses bisnis
(y)% = Nilai persen Secondary Factor yang berjalan pada dealer Bintang Motor.

C. iOS
iOS adalah sistem operasi yang Customer Sales Dept gives vehicle
dikembangkan oleh perusahaan Apple information
untuk ponsel iPhone, tetapi kemudian
berkembang dan dapat digunakan ke
dalam perangkat Apple yang lainya seperti
Make Complete procurement
iPod Touch, Apple TV dan iPad [5]. Sistem transaction requirement
operasi ini bersifat tertutup dan hanya bisa
digunakan oleh perangkat Apple, jadi anda
tidak akan menemukan sistem operasi iOS
pada perangkat serupa dengan merek lain.
Didalam iOS juga terdapat komponen
abstraction layers, yaitu lapisan sistem iOS Cash Credit
yang terbagi menjadi empat bagian, seperti
framework yang berfungsi untuk
membangunkan user ke hardware [5].
Dalam iOS juga terdapat komponen Darwin
yang masih satu keluarga dengan UNIX, Final Check
beberapa lapisan dalam iOS adalah [5]:

Pick up Car
 Table 8. Mileage
Analisa akan difokuskan pada proses
Name of Price Brand Year Condition Mileage
bagian penjualan memberikan informasi vehicle
mobil karena pada bagian ini karyawan Yaris 3 5 3 4 2
akan banyak memberikan informasi atau Ertiga 4 3 3 4 3
konsumen yang aktif dalam menggali Mobiliio 3 4 4 4 3
informasi tentang mobil yang akan dibeli Confero 4 2 4 5 4
seperti Price, Condition mobil, Year Made, Innova 2 5 3 4 2
Brand dan Mileage. Berikut adalah tahapan Table 8. Car Data
Dalam implementasi metode Profile 2. Tahap kedua menghitung GAP
Matching.
Name of Price Brand Year Condition Mileage
vehicle
1. Tahap pertama adalah menentukan Yaris 3 5 3 4 2
Criteria peNilaian, Weight Standard dan Ertiga 4 3 3 4 3
input data mobil yang menjadi terlebih Mobiliio 3 4 4 4 3
dahulu. Wuling 4 2 4 5 4
Confero
Innova 2 5 3 4 2
Criteria Value Criteria 3 5 3 4 3
Price 3 FStandard
Brand 5 Yaris 0 0 0 0 -1
Year Made 3 Ertiga 1 -2 0 0 -0
Condition 4 Mobiliio 0 -1 1 0 0
Mileage 3 Confero 1 -3 1 1 1
Table 5. Criteria Innova -1 0 0 0 -1
Table 9. GAP Calculation
Price
>= Rp. 200.000.000 1 3. Tahap ketiga pemetaan GAP
<= Rp. 200.000.000 2
<= Rp. 150.000.000 3 GAP Weight Detail
<= Rp. 125.000.000 4 Value
<= Rp. 100.000.000 5 0 5 Competence as needed
Table 6. Price Weight 1 4,5 Competence excess 1 level
-1 4 Competence deficiency 1 level
Brand 2 3,5 Competence excess 2 level
Daihatsu 1 -2 3 Competence deficiency 2 level
Wuling 2 3 2,5 Competence excess 3 level
Suzuki 3 -3 2 Competence deficiency 3 level
Honda 4 4 1,5 Competence excess 4 level
Toyota 5 -4 1 Competence deficiency 4 level
Table 7. Brand Weight Table 10. GAP Mapping
Name of Price Brand Year Condition Mileage
vehicle
Year Made
Yaris 0 0 0 0 -1
<= 2005 1
Ertiga 1 -2 0 0 0
>= 2005 <= 2010 2 Mobiliio 0 -1 1 0 0
>= 2010 <= 2015 3 Confero 1 -3 1 1 1
>= 2015 <= 2020 4 Innova -1 0 0 0 -1
>= 2020 5 Weight Value
Table 8. Year Made Yaris -5 5 5 5 4
Ertiga 4,5 3 5 5 5
Condition Mobiliio 5 4 4,5 5 5
>= 50% 1 Confero 4,5 2 4,5 4,5 4,5
>= 60% 2 Innova 4 5 5 5 4
>= 70% 3 Table 11. Conversion Value GAP
>= 80% 4
>= 90% 5 4. Pengelompokan Core Factor dan
Table 7. Condition Secondary Factor

Mileage Core Factor(60%) Secondary Factor(40%)

>= 100.000 km 1 Price -
<= 100.000 km 2 - Brand
<= 80.000 km 3 Year Made
<= 50.000 km 4 Condition
<= 20.000 km 5 - Mileage
 Table 12. Grouping CF and SF

CF(60%) SF(40%)
Vehicle
Price Year Brand Condition Mileage
Yaris 5 5 5 5 4
Ertiga 4,5 5 3 5 5
Mobiliio 5 4,5 4 5 5
Confero 4,5 4,5 2 4,5 4,5
Innova 4 5 5 5 4
Table 13. Implementation Grouping

NCF NSF
Yaris 5,0 4,5
Ertiga 4,2 5,0
Mobiliio 4,5 5,5
Confero 3,7 4,5
Innova 4,7 4,5
Table 14. NCF and NSF

5. Tahap kelima adalah menghitung Nilai

Total atau NT.

Vehicle NT
Yaris 4,8
Ertiga 4,5
Mobiliio 4,7 Gambar 4.1 Vehicle List
Confero 4
Innova 4,6 2.Halaman tambah vehicle berfungsi untuk
Table 15. Value Total memasukan data-data vehicle.
Vehicle Rangking Value Total
Yaris 1 4,8
Mobiliio 2 4,7
Innova 3 4,6
Ertiga 4 4,5
Confero 5 4
Table 16. Rangking Vehicle

IV.IMPLEMENTASI

Gambar berikut adalah

implementasi dan hasil perhitungan yang
sebelumnya telah dibahas.

1.Data vehicle yang telah dimasukan oleh

pembeli.

Gambar 4.2 Add Vehicle Page

3.Halaman input Criteria
 Dari hasil analisa proses bisnis
yang berjalan lalu menerapkan
implementasi sistem pendukung keputusan
dengan metode Profile Matching. Maka
dapat ditarik kesimpulan:

1. Dari beberapa data yang telah

diinputkan pada aplikasi maka didapat
hasil. Toyota Yaris menjadi Nilai total
yang paling tinggi.
2. Dengan adanya penelitian ini penulis
telah mengimplementasikan sistem
pendukung keputusan pada sebuah
aplikasi pemilihan mobil. Sehingga
dapat membantu seseorang dalam
membeli mobil.
3. Saran untuk penelitian kedepannya
adalah menyediakan fitur scan qr. Jadi
pembeli tidak usah menginputkan data
mobil cukup scan data mobil otomatis
terisi.
4. Menambahkan fitur searching dealer
untuk mempermudah pembeli memilih
Gambar 4.3 Criteria Standard Page mobil dalam Condition online atau tidak
datang langsung ke dealer.

4.Halaman Rangking adalah hasil akhir dari

perhitungan menggunakan Profile
Matching. REFERENSI

[1] Hutahaean, J. 2014. Konsep Sistem

Informasi. Yogyakarta: CV Budi Utama.
[2] Turban. 2001. Decision Support
System and intelligent system (Sistem
Pendukung Keputusan dan Sistem
Cerdas). Yogyakarta, Andi.

[3] Magdalena, H. 2012. Sistem

Pendukung Keputusan untuk
Menentukan Mahasiswa Lulusan
Terbaik di Perguruan Tinggi (STUDI
KASUS STMIK ATMA LUHUR
PANGKALPINANG)
[4] Kusrini. 2007. Konsep dan Aplikasi
Sistem Pendukung Keputusan.
Yogyakarta: Penerbit Andi.
[5] Adelphia, A. 2015. Pintar
Mengoperasikan iPhone, Penerbit PT
Elex Media Komputindo, Jakarta.
[6] Saputra, D. 2017. Decision Support
System Pembelian Mobil Dengan
Metode Simple Additive Weighting
(SAW) Pada Sutomo Motor.
[7] Atmanagara, F. 2017. Implementasi
Gambar 4.4 Ranking
Metode Profile Matching untuk seleksi
Penerimaan Anggota Asisten Praktikum
V.KESIMPULAN
(Studi Kasus: laboratorium
Pembelajaran Kelompok Praktikum
A. Kesimpulan dan Saran
Basis Data FILKOM)