1
Jurnal Ilmu Komputer dan Sistem Informasi
Kemudian penelitian lainnya dilakukan oleh [6]. 2.2 Multi-Attribute Utility Theory (MAUT)
Permasalahan yang terjadi kadang-kadang kebanyakan
pengujung merasa bingung untuk menentukan tempat Multi Atribute Utility Theory (MAUT) merupakan
wisata yang ingin dikunjungi di Kabupaten Simalungun. suatu skema yang evaluasi akhir, v(x) dari suatu objek x
Solusi untuk memecahkan permasalahan yang tertera, didefinisikan sebagai bobot yang dijumlahkan dengan
membuat aplikasi yang mampu merekomendasi tujuan suatu nilai yang relevan terhadap nilai dimensinya.
wisata sesuai penilaian para pengujung. Hasil yang Pengukuran dan pembobotan dilakukan dengan
diperoleh yaitu objek wisata Bukit Indah Simarjarunjung. mempertimbangkan setiap jenis konteks sebagai salah
Berdasarkan penjabaran permasalahan serta penelitian satu atribut item. Pengunaan pendekatan MAUT
terkait, penulis akan melaksanakan pembuatan sistem memungkinkan untuk penyaringan informasi sesuai
pendukung keputusan Destinasi Wisata Di Kota Pangkal preferensi pengguna dengan cara mengidentifikasi
Pinang Menggunakan MAUT (Multi-Attribute Utility pengaruh dari beberapa atribut [9].
Theory). Alasan menggunakan teknik tersebut Multi Atribute Utility Theory (MAUT) juga
dikarenakan metode MAUT mempunyai akurasi yang memberikan kelengkapan data yang dikumpulkan oleh
lebih baik dibandingkan teknik yang umumnya digunakan pengguna, selanjutnya dilakukan pemberian nilai bobot.
untuk pengambilan keputusan. selain itu sebelum Multi Atribute Utility Theory adanya perubahan yang
melakukan perhitungan, terlebih dahulu menentukan dilihat dari nilai skala antara 0-1 dimana skala yang
kriteria-kriteria yang dijadikan tolak ukur dalam penilaian bernilai 0 itu termasuk pilihan yang kurang baik,
setiap tujuan wisata. sedangkan nilai 1 itu termasuk ke dalam pilihan baik [10].
Pada dasarnya, prosedur atau langkah-langkah dalam
metode MAUT meliputi.
2. Tinjauan Pustaka
Pada dasarnya, prosedur atau langkah-langkah dalam
metode MAUT meliputi:
2.1 Sistem Pendukung Keputusan
1. Mengambil nilai keputusan dengan dimensi
Sistem pendukung keputusan ialah sistem yang yang berbeda Pada tahap ini, penulis akan
menyediakan informasi, pemodelan berupa grafik dan mendefinisikan alternatif, kriteria dan
melakukan manipulasi serta manualisasi data sesuai menentukan nilai kriteria dari masing-masing
dengan teknik yang digunakan. Selain itu sistem ini dapat alternatif.
memberikan solusi dalam mengambil keputusan dalam 2. Menentukan nilai bobot alternatif pada masing-
kondisi apapun [7]. masing dimensi.
Sistem Pendukung Keputusan ditujukan untuk Pada tahap ini, penulis akan mendefinisikan
keputusan-keputusan yang memerlukan penilaian atau alternatif, kriteria dan menentukan nilai kriteria
keputusan-keputusan yang sama sekali tidak dapat dari masing-masing alternatif. Nilai bobot
didukung oleh algoritma, serta memberikan perangkat kriteria berkisar antara 0 - 1 atau 0% - 100% jika
interaktif yang memungkinkan dalam pegambilan menggunakan persentase. Jumlah total bobot
keputusan dengan berbagai model yang tersedia [8]. semua kriteria harus bernilai 1 atau 100%
Keputusan berdasarkan struktur masalahnya terbagi sehingga tidak ada bobot kriteria yang bernilai
menjadi 3, yaitu: negatif.
3. Normalisasi matriks Pada tahap ini, penulis akan
1. Keputusan Terstruktur memasukkan nilai utility untuk masing-masing
Keputusan yang dibuat menurut kebiasaan, alternatif pada setiap kriteria. Normalisasi
aturan, prosedur tertulis ataupun tidak tertulis matriks akan menghasilkan nilai utility dari tiap
yang bersifat rutin maupun berulang-ulang. alternatif. Rumus persamaan normalisasi matriks
Misalnya, keputusan pemesanan barang dan dapat dilihat pada persamaan 1.:
penagihan piutang.
2. Keputusan Tidak Terstruktur Keputusan yang
dibuat untuk masalah khusus, khas dan tidak
biasa terjadi karena tidak terjadi berulang-ulang.
Keterangan:
Misalnya, keputusan untuk pengembangan
U(x) = Normalisasi Bobot Alternatif x
teknologi baru dan merger sebuah perusahaan.
x = Bobot Alternatif
Keputusan Semi Terstruktur Keputusan yang dibuat
𝑥𝑖− = Bobot terburuk (minimum) dari kriteria ke-x
atau ditentukan oleh komputer dan sebagian keputusan
ditentukan oleh pihak pengambilan keputusan. 𝑥𝑖+ = Bobot terbaik (maximum) dari kriteria ke-x
Contohnya, pengendalian stok baru dan penjadwalan
kegiatan produksi perusahaan.
2
Jurnal Ilmu Komputer dan Sistem Informasi
4. Menghitung nilai preferensi Pada tahap ini, 4. Integrasi dan Pengujian Sistem
penulis akan melakukan perkalian nilai utility Pada tahap keempat, sistem yang telah dibuat
dengan bobot tiap kriteria untuk memperoleh diuji untuk mengetahui apakah masing-masing
nilai alternatif. Perhitungan nilai preferensi fungsi memenuhi kebutuhan atau tidak, bahkan
dapat menggunakan persamaan 2.: memeriksa apakah ada kesalahan atau tidak.
5. Operasi dan Pemeliharaan
Dan tahapan terakhir dilakukan pemeliharaan,
bisa jadi ada perubahan permintaan pengguna
Keterangan: atau lainnya.
X = objek atau alternatif
V = Nilai total alternatif pilihan kriteria
Wj = Bobot prioritas subkriteria 2.4 Framework Laravel
Vj = Nilai utility setiap kriteria
N = Jumlah sampel penelitian Framework Laravel dikembangkan menggunakan
aturan model-view dan controller dengan menyediakan
code program yang sederhana dan menghemat waktu.
2.3 Metode Waterfall selan itu framework laravel memiliki proses routing,
dimana dijadikan sebagai jembatan permintaan dari
Teknik perangkat lunak waterfall biasanya dilakukan pengguna [13].
dengan pendekatan dimulai dari tingkat keperluan hingga
proses menganalisis, pemodelan, melakukan coding
program, dan pemiliharaan [11].
Gambar 1. Bentuk Perangkat Lunak Waterfall Laravel harus menangani routing terlebih dahulu
sebelum pengguna dapat memasukan controller ke dalam
Langkah-langkah teknik perangkat lunak watefall aplikasi. Routing merupakan alat yang penting di laravel,
[12]: di mana permintaan pengguna harus terlebih dahulu
diproses sebelum menuju pada suatu halaman tertentu.
1. Analisis dan Definisi Kebutuhan Dengan adanya Routing ini membuat laravel sangat
Tahapan pertama, dilakukan pengumpulan data cocok digunakan untuk mengimplementasikan API pada
dengan memahami berbagai sumber referensi aplikasi-aplikasi lain, selain itu tingkat keamanan yang
baik dari jurnal dan lainnya, kemudian melakukan kuat membuat aplikasi skala besar lebih reliabel.
pengamatan langsung mengenai Kota Pangkal
Pinang, lalu melakukan wawancara untuk 2.5 UML (Unified Modeling Language)
mencari informasi yang nantinya akan dijadikan
sebagai data untuk dilakukan proses perhitungan Unified Modeling Language merupakan kumpulan
manualisasi. bagan digunakan dalam membangun aplikasi berdasarkan
2. Desain Sistem dan Perangkat Lunak orientasi objek [14]. Unified Modeling Language (UML)
Kemudian langkah selanjutnya adalah juga digunakan untuk menggambarkan rancangan
menerjemahkan data yang telah terkumpul, aplikasi yang akan dibuat sesuai aktor yang diperlukan.
kemudian melakukan perancangan melalui [15]. UML mempunyai beragam diagram yaitu:
diagram UML sebelum diimplementasikan ke
dalam bentuk program.
3. Implementasi dan Pengujian Unit
Tahap selanjutnya mengimplementasikannya ke
dalam kode program dengan menggunakan
bahasa pemrograman PHP, dan untuk
databasenya biasanya menggunakan MySQL.
3
Jurnal Ilmu Komputer dan Sistem Informasi
3. Hasil Perhitungan
3.1 Perancangan Metode MAUT
4
Jurnal Ilmu Komputer dan Sistem Informasi
Pada perhitungan MAUT SPK Pemilihan Destinasi Tabel 6. Data Indikator Penilaian
Wisata kaidah pembobotan nilai KPI KPI berkisar antara
0 - 1 atau antara 0% - 100% jika menggunakan
presentase dan jumlah total bobot semua KPI harus
bernilai 1 (100%), tidak ada bobot yang bernilai negatif.
5
Jurnal Ilmu Komputer dan Sistem Informasi
Tabel 8. Diketahui Data Min Max Matriks Keputusan Tabel 9. Hasil Perhitungan Normalisasi Matriks Keputusan
6
Jurnal Ilmu Komputer dan Sistem Informasi
REFERENSI
[1] Satria, A. dan S. , “SPK: ALGORITMA MULTI-
ATTRIBUTE UTILITY THEORY (MAUT)
PADADESTINASI TUJUAN WISATA LOKAL DI
KOTA SIDAMANIK,” (Journal of Computer Engineering
System and Science), pp. 168-172, 2018.
[2] N. K. Sukerti, “SISTEM PENDUKUNG KEPUTUSAN
MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING
METHODE (SAW) DALAM MEREKOMENDASIKAN
OBJEK WISATA DI PULAU NUSA PENIDA,” Seminar
Nasional Royal (SENAR), p. 93 – 98, 2018.
[3] Afriansyah dan F. , “Pembuatan Sistem Informasi Retribusi
Tabel 11. Output Ranking MAUT Pelayanan Kesehatan Hewan Kota Pangkalpinang,” Jurnal
Pengabdian Kepada Masyarakat, pp. 242-253, 2022.
[4] Amri, H. dan R. , “Penerapan Multi Attribute Utility
Theory(MAUT) Dalam Pemilihan Pewarna Rambut,”
Seminar Nasional Sains dan Teknologi Informasi
(SENSASI) , p. 599 − 602, 2021.
[5] Setiawan, P. dan S. , “SISTEM PENDUKUNG
KEPUTUSAN PEMILIHAN DESTINASI WISATA
FAVORIT DI PROPINSI YOGYAKARTA DENGAN
METODE WEIGHTED PRODUCT (WP) BERBASIS
ANDROID,” COMPILER, pp. 58-68, 2017.
[6] Ningsih, H. dan W. , “Penerapan Sistem Pendukung
Keputusan Pada Pemilihan Objek Wisata di Simalungun,”
Seminar Nasional Teknologi Komputer & Sains
(SAINTEKS), pp. 731 - 735, 2019.
[7] W. Ikmah, “SISTEM PENDUKUNG KEPUTUSAN
PEMILIHAN TEMPAT WISATA PURWOREJO
MENGGUNAKAN METODE SAW,” Seminar Nasional
Teknologi Informasi dan Multimedia, pp. 91-96, 2018.
[8] Ernawati, H. dan F. , “RANCANG BANGUN SISTEM
PENDUKUNG KEPUTUSAN KENAIKAN JABATAN
PEGAWAI DENGAN METODE PROFILE
MATCHING,” Jurnal Sistem Informasi, pp. 127-134,
2017.
[9] Safitri, S. dan R. , “Sistem Pendukung Keputusan
Pembelian Mobil Baru Dengan Menggunakan Metode
Multi Attribute Utility Theory (Maut),” Jurnal Ilmiah
ILKOMINFO, pp. 85-92, 2021.
[10] Ramadiani dan rahmah, “Sistem Pendukung keputusan
pemilihan tenaga kesehatan teladan menggunakan metode
Multi-Attribute Utility Theory,” Jurnal Ilmiah Teknologi
Sistem Informas, pp. 1-12, 2019.
7
Jurnal Ilmu Komputer dan Sistem Informasi