KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) ISSN 2597-4645 (media online)

Volume 4, Nomor 1, Oktober 2020 ISSN 2597-4610 (media cetak)

DOI: 10.30865/komik.v4i1.2674 Page: 150-161

Penerapan Metode SMARTER Pada Sistem Pendukung Keputusan

Pemilihan Merchandise Display Terbaik (Studi Kasus : PT. Pasar
Swalayan Maju Bersama)
Annisah1*, Berto Nadeak1, Rian Syahputra1, Dito Putro Utomo1
1Fakultas Ilmu Komputer dan Teknologi Informasi, Program Studi Teknik Informatika, Universitas Budi Darma, Medan, Indonesia
Email: 1*annisah.annisah123@gmail.com, 1ditoputro12@gmail.com
*) Email Penulis Korespondensi

Abstrak−Merchandise Display (MD) merupakan bagian dari tim yang bertugas memajang produk dan memastikan produk untuk
tetap bersih dan enak dipandang oleh konsumen pada etalase rak. MD juga berperan sebagai tenaga promosi barang bagi perusahaan.
Tidak terlepas bagi PT. Pasar Swalayan Maju bersama yang mengandalkan MD sebagai tim promosi guna memenuhi kebutuhan
barang sesuai dengan permintaan konsumen. Dikarenakan hal tersebut keberadaan MD sangatlah penting bagi PT. Pasar Swalayan
Maju Bersama. Sehingga perlu kiranya sebuah apresiasi diberikan kepada hasil yang telah dilakukan oleh MD dalam bentuk reward.
Reward yang diberikan kepada MD terbaik berdasarkan kinerja yang dihasilkan diharapkan dapat meningkatkan kinerja bagi MD
tersebut ataupun MD yang lainnya. Prosedur yang dilakukan dalam tahapan pemilihan MD tidaklah mudah, harus berdasarkan
dengan kriteria – kriteria yang telah ditentukan oleh PT. Pasar Swalayan Maju Bersama. Kendala yang dialami saat ini adalah proses
pemilihan belum memiliki acuan yang kuat, sehingga memungkinkan menimbulkan hasil yang kurang objektif. Sehingga dibutuhkan
sebuah sistem sebagai acuan untuk proses pemilihan MD terbaik tersebut. Sistem pendukung keputusan merupakan solusi yang
dibutuhkan untuk menyelesaikan permaslahan tersebut. Dengan menggunakan Metode SMARTER didalam proses pemilihannya.
Metode SMARTER merupakan perbaikan dari METODE SMART yang dimana pada penentuan Metode SMARTER proses
pembobotan kriteria dan sub kriteria menggunakan Metode ROC. Hasil dari Metode SMARTER berupa nilai utility dari setiap
kriteria untuk nantinya dilakukan perangkingan terhadap alternative. Dari bebrapa kriteria yang digunakan untuk proses pemilihan
menggunakan Metode SMARTER alternatif dengan nama Fitri terpilih sebagai MD terbaik dengan nilai akhir utility 0,76 atau 76%
Kata Kunci: Sistem Pendukung Keputuan, MD, Terbaik, Metode SMARTER
Abstract−Merchandise Display (MD) is part of the team whose job is to display products and ensure products are kept clean and
pleasing to the eye of consumers on shelf displays. MD also acts as a promotional worker for the company's goods. It is inseparable
for PT. Maju Supermarkets together that rely on MD as a promotional team to meet the needs of goods according to consumer
demand. Due to this, the existence of MD is very important for PT. Maju Bersama Supermarkets. So it is necessary that an
appreciation be given to the results made by MD in the form of rewards. The reward given to the best MD based on the resultin g
performance is expected to improve performance for that MD or other MDs. The procedure carried out in the MD selection stage is
not easy, it must be based on the criteria set by PT. Maju Bersama Supermarkets. The obstacle currently being experienced is that
the election process does not yet have a strong reference, so it is possible to produce less objective results. So we need a system as a
reference for the process of selecting the best MD. The decision support system is the solution needed to resolve these problems. By
using the SMARTER method in the selection process. The SMARTER method is an improvement from the SMART METHOD
where in determining the SMARTER Method the weighting process of criteria and sub criteria uses the ROC method. The result of
the SMARTER method is the utility value of each criterion for later ranking of alternatives. From several criteria used for the selection
process using the alternative SMARTER method with the name Fitri was chosen as the best MD with a final utility value of 0.76 or
76%
Keywords: Decision Support System, MD, Best, SMARTER Method

1. PENDAHULUAN
Marchandise Display (MD) adalah team yang bertugas untuk memajang produk serapi dan semenarik mungkin. MD
tidak hanya sebagai team yang memajang produk tetapi menjadi salah satu team promosi, selain bertugas
mempromosikan produk dan memajang produk di etalase atau rak supermarket. MD juga harus memastikan kebersihan
produk, ketersediaan produk dan mampu melakukan pemasangan spanduk, stiker, X-Baner dll, agar produk tersebut
semakin dikenal oleh masyarakat jadi dapat disimpulkan seorang MD memiliki peranan penting untuk menjaga avability
dan visibility produk.
PT. Pasar Swalayan Maju Bersama merupakan sebuah perusahaan yang bergerak dalam bidang penjualan dan
pembelian atau retail yang telah berdiri sejak tahun 1989. Hingga saat ini PT. Pasar Swalayan Maju Bersama banyak
memiliki MD dari berbagai brand produk yg tersedia atau diperjual belikan di PT. Pasar Swalayan Maju Bersama.
Perusahaan berusaha memenuhi kebutuhan produk makanan dan kebutuhan sehari-hari sesuai dengan
permintaan dan keinginan masyarakat umum dilapangan. Sehingga keberadaan MD sangat penting dalam proses bisnis
pada perusahaan retail, hal ini yang mendasari untuk memberikan reward kepada MD dengan melakukan pemilihan
MD terbaik berdasarkan kinerja dan kriteria. Dengan tujuan yang diharapkan dari pemberian reward MD terbaik adalah
untuk meningkatkan kinerja MD untuk menjadi lebih baik lagi dalam melakukan tugasnya. Proses pemilihan MD
terbaik dan pemberian reward dilaksakan setiap 1 (satu) tahun sekali pada saat memperingati hari jadi PT. Pasar
Swalayan Maju Bersama.

Page | 150
http://ejurnal.stmik-budidarma.ac.id/index.php/komik
 KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) ISSN 2597-4645 (media online)
Volume 4, Nomor 1, Oktober 2020 ISSN 2597-4610 (media cetak)
DOI: 10.30865/komik.v4i1.2674 Page: 150-161

Prosedur pemilihan MD terbaik tidaklah mudah, dikarenakan harus memenuhi standar kriteria yang sudah
ditentukan oleh perusahaan. Kendala yang dihadapi pada pemilihan MD terbaik di PT. Pasar Swalayan Maju Bersama
adalah pemilihan masih menggunakan form untuk pengisian nilai hal ini memungkinkan menimbulkan hasil yang
kurang objektif dan kecurangan pada hasil. Proses pemilihan cukup memakan waktu dikarenakan jumlah MD yang
harus dinilai sangatlah banyak. Kendala lain yang dihadapi adalah proses peniliaan memiliki beberapa kirteria pada
prosesnya seperti Target Kerja, Pertumbuhan Produk, Performa, Komunikasi dan Inisiatif. Proses pemilihan MD terbaik
pada PT Pasar Swalayan Maju Bersama juga tidak memiliki acuan ataupun ketentuan khusus sehingga hasil yang
didapatkan belum sepenuhnya objektif. Untuk mengatasi proses pemilihan MD terbaik yang mengalami kendala
tersebut dapat diatasi dengan menggunakan Sistem Pendukung Keputusan.
Berdasarkan penjelasan di atas maka diperlukan suatu Sistem Pendukung Keputusan dalam proses pemilihan
MD terbaik berdasarkan kriteria yang terdapat pada proses pemilihan. Dalam hal ini penulis tertarik menggunakan
Sistem Pendukung Keputusan yang terkomputerisasi memanfaatkan metode SMARTER (Simple Multi Attribute Rating
Technique Exploiting Rank). SMARTER merupakan salah satu metode pada Sistem Pendukung Keputusan memberikan
hasil rekomendasi kepada pembuat keputusan berdasarkan kriteria yang relevan yang dimana pada penentuan kriteria
dan sub kriteria beserta nilai bobotnya menggunakan ROC (Rank Order Centroid). Hasil akhir yang didapat dari metode
SMARTER berupa nilai utility dari setiap kriteria sehingga bisa dilakukan perankingan terhadap alternatif [1].
Pada penelitian sebelumnya yang dilakukan oleh Yunita mengatakan bahwa metode SMARTER merupakan
modifikasi dari metode SMART dengan pembobotan menggunakan metode ROC, dengan menggunakan metode
SMARTER ini dapat membantu dalam pengambilan keputusan pada pemilihan lokasi yang diinginkan. Selain itu hasil
yang didapatkan pada metode SMARTER ini sangat bergantung dengan nilai bobot yang dihasil dengan ROC tersebut.
[2].
Berdasarkan penelitian sebelumnya yang telah dilakukan, pemilihan metode SMARTER ini sangatlah tepat
dalam menentukan pemilihan alternatif dan perhitungan nilai bobot pada setiap kriteria.

2. METODE PENELITIAN
2.1 Metode Penelitian
Metode penelitian merupakan urutan langkah – langkah yang dilakukan pada penelitian ini, dimulai dari tahapan
identifikasi masalah sampai dengan proses pengambilan keputusan. Adapun tahapan metode penelitian dapat dilihat
pada gambar dibawah ini
Start

Identifikasi Masalah

Supervisor Riset (Wawancara, Pengamatan, Store Manager

Pengumpulan Data)

- Sejarah Perusahaan - Prosedur Pemilihan MD

- Logo dan Makna Logo Terbaik
- Struktur Organisasi - Kriteria Pemilihan MD
- Tugsa, Wewenang dan Terbaik
Tanggung Jawab - Tingkatan Kriteria Pada
Pemilihan MD Terbaik
- Alternatif

Pengumpulan Literatur

Tahapan Analisa

Perangkingan dan
Pengambilan Keputusan

Selesai
2.2 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan sebagai sisem berbasis komputer yang terdiri dari tiga komponen yang saling
berinteraksi: sistem bahasa (mekanisme untuk memberikan komunikasi anta pengguna dan komponen Sistem
Pendukung Keputusan yang lain), sistem pengetahuan (repostori pengetahun domain malah yng ada entah sebgai data
Page | 151
http://ejurnal.stmik-budidarma.ac.id/index.php/komik
 KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) ISSN 2597-4645 (media online)
Volume 4, Nomor 1, Oktober 2020 ISSN 2597-4610 (media cetak)
DOI: 10.30865/komik.v4i1.2674 Page: 150-161

atay sebagai prosedur) dan sistem pemrosesan masalah (hubungan antar komponen lainnya terdiri dari satu atau leih
kapabilitas maipulasi masalah umum yang diperlukan untuk pengambilan keputusan). Konsep-konsep yang diberikan
oleh definisi tersebut sangat penting untuk memahami huubungan antara Sistem Pendukung Keputusan dan pengtahuan
[4].
2.3 Metode SMARTER
Metode SMARTER (Simple Multi-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 didasarkan pada teori bahwa setiap alternatif terdiri dari sejumlah kriteria yang memiliki nilai-nilai dan setiap
kriteria memiliki bobot yang menggambarkan seberapa penting ia dibandingkan dengan kriteria lain. Pembobotan pada
metode SMARTER menggunakan range antara 0 sampai 1, sehingga mempermudah perhitungan dan perbandingan
nilai pada masing-masing alternatif [2]
Pada metode SMARTER, bobot dihitung dengan menggunakan rumus pembobotan Rank-Order Centroid
(ROC). ROC ini didasarkan pada tingkat kepentingan atau prioritas dari kriteria. Pembobotan ROC didapat dengan
prosedur matematika sederhana dari prioritas. Ide dasarnya dapat diilustrasikan dengan 2 atribut, A dan B. Jika A
ranking pertama, maka bobotnya harus berada diantara 0,5 dan 1 sehingga titik tengah interval 0,75 diambil sebagai
bobot perkiraan, yang merupakan dasar dari sebuah prinsip komitmen minimum. Seperti bobot B akan menjadi 0,25
(merupakan titik tengah antara 0 dan 0,5). Prosedur ini dapat dirumuskan sebagai berikut (jika ada K kriteria). Adapun
langkah-langkah penyelesaian dalam menggunakan metode SMARTER adalah sebagai berikut :
1. Menentukan jumlah kriteria, kriteria-kritera tersebut yang akan menjadi bahan perhitungan dan pertimbangan dalam
mengambil keputusan.
2. Dari masing-masing kriteria tersebut akan ditentukan bobot-bobotnya dengan perhitungan Rank Order Centroid
(ROC). Pembobotan dengan teknik ROC secara umum dapat dirumusakan sebagai berikut [2]:
𝑘
1 1
wk = (𝐾) ∑ (1 + 𝑖 ) (1)
𝑖=𝑘
Rumus diatas dapat dijabarkan sebagai berikut :
I f wi ≥ w2 ≥ ...... .. ≥ wk then, (2)
1 1 1
(1+2+3+⋯+𝐾)
𝑤1 = (3)
𝐾
1 1 1
(0+2+3+⋯+𝐾)
𝑤2 = (4)
𝐾
1 1
(0+0 +3+⋯+𝐾)
𝑤3 = (5)
𝐾
1
(0+⋯+0+ )
𝐾
𝑤𝐾 = (6)
𝐾
3. Menghitung nilai utility untuk setiap kriteria masing-masing. Nilai utility juga diperlukan sebelum menghitung nilai
akhir, untuk mengitung nilai utility digunakan rumus sebaga berikut :
∁i−∁
min
𝑢𝑖 (𝑎) = 100% × (∁ ) (7)
max−∁min
4. Menghitung nilai akhir masing-masing. Untuk mendapatkan nilai multi atribut didalam metode SMARTER
digunakan rumus sebagai berikut :
Un = ∑𝐾
𝑘−1 𝑊𝑘 𝑈𝑛 (𝑋𝑛 ) (8)
2.4 Merchandise Display (MD)
Merchandise adalah orang yang bertugas untuk mengatur tata letak suatu barang dan membuat strategi untuk
meningkatkan penjualan barang. Seorang merchandiser harus memiliki jiwa kreatif yang tinggi untuk membuat display
toko semenarik mungkin agar konsumen tertarik untuk membeli barang tersebut [5].

3. HASIL DAN PEMBAHASAN

3.1 Analisa Masalah
Analisa merupakan tahap awal yang dilakukan untuk memecahkan permasalahan yang sedang terjadi. Pada tahap
analisa ini sangat penting karena proses analisis yang akurat akan menghasilkan sebuah perangkat lunak yang dapat
digunakan untuk pengguna. Marchandise Display (MD) adalah team yang bertugas untuk memajang produk serapi dan
semenarik mungkin.
Dalam hal ini permasalahan yang akan dibahas adalah sebuah sistem menentukan proses pemilihan MD terbaik.
Hal ini juga diperlukan agar nantinya untuk meningkatkan kinerja MD menjadi lebih baik lagi dalam melakukan
tugasnya, mengingat keberadaan MD sangat penting dalam proses bisnis pada perusahaan retail, yang mendasari untuk
memberikan reward kepada MD dengan melakukan pemilihan MD terbaik.

Page | 152
http://ejurnal.stmik-budidarma.ac.id/index.php/komik
 KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) ISSN 2597-4645 (media online)
Volume 4, Nomor 1, Oktober 2020 ISSN 2597-4610 (media cetak)
DOI: 10.30865/komik.v4i1.2674 Page: 150-161

Prosedur pemilihan MD terbaik tidaklah mudah, dikarenakan harus memenuhi standar kriteria yang sudah ditentukan
oleh perusahaan. Kendala yang dihadapi pada saat proses penilaian MD terbaik di PT. Pasar Swalayan Maju Bersama
adalah proses pemilihan masih menggunakan form untuk pengisian nilai hal ini memungkinkan menimbulkan hasil
yang kurang objektif dan kecurangan pada hasil yang bertanggung jawab. Proses pemilihan cukup memakan waktu
dikarenakan jumlah MD yang harus dinilai sangatlah banyak Kendala lain yang dihadapi adalah proses penilaian
memiliki kriteria yang banyak, terdapat beberapa kriteria untuk menentukan MD terbaik dimana kriteria tersebut terbagi
atas 3 aspek yaitu Bidang Kerja, Bidang Umum dan Bidang Personal. Proses pemilihan MD terbaik pada PT Pasar
Swalayan Maju Bersama juga tidak memiliki acuan ataupun ketentuan khusus sehingga hasil yang didapatkan belum
sepenuhnya objektif. Untuk mengatasi proses pemilihan MD (Marchandise Display) terbaik yang mengalami kendala
tersebut dapat diatasi dengan menggunakan Sistem Pendukung Keputusan.
3.1.1 Penerapan Metode SMARTER
Dengan metode SMARTER tersebut, diharapkan penilaian akan lebih tepat karena didasarkan pada nilai dan kriteria
dan bobot yang sudah ditentukan sehingga akan mendapatkan hasil yang lebih akurat terhadap pemilihan MD terbaik.
Data alternatif merupakan data atau sampel Merchandise Display (MD) yang diberikan oleh PT. Pasar Swalayan
Maju Bersama data alternatif dapat dilihat pada tabel 1.
Tabel 1. Alternatif
Kode Alternatif Nama Perusahaan Jenis
A1 Santi PT. Nestle Indonesia Susu
A2 Desi PT. Unilever Indoneisa Tbk Walls
PT. Yakult Indonesia
A3 Salma Minuman
Persada
PT. Procter & Gamble
A4 Wida Personal Care
Indonesia Tbk
A5 Ainun PT. Unilever Indoneisa Tbk Home Care
A6 Fitri PT. ABC Heinz Indonesia Food
A7 Ila PT. Wings Surya Food
A8 Meta PT. Amerta Indah Otsuka Minuman
PT. Charoen Pokphand
A9 Pipi Food
Indonesia
PT. Indofood CBP Sukses
A10 Rara Food
Makmur Tbk
Adapun langkah-langkah penyelesaian dalam menggunakan metode SMARTER adalah sebagai berikut :
Langkah 1 Menentukan jumlah kriteria
1. Target Kerja (C1)
2. Pertumbuhan Produk (C2)
3. Performa(C3)
4. Komunikasi(C4)
5. Keterampilan (C5)
6. Inisiatif (C6)
Kriteria-kriteria yang menjadi bahan perhitungan dan pertimbangan calon MD terbaik yang mempunyai kriteria
yaitu : Target kerja, Pertumbuhan produk, Performa, Komunikasi, Keterampilan, Inisiatif.
Tabel 2. Kriteria Penilaian
Kode Kriteria
C1 Target Kerja
C2 Pertumbuhan Produk
C3 Performa
C4 Komunikasi
C5 Keterampilan
C6 Inisiatif
Langkah 2 Menentukan Bobot Pada Setiap Kriteria
𝑘
1 1
wk = (𝐾) ∑ (1 + 𝑖 ) ................................................................................................ (1)
𝑖=𝑘
Hasil total dari wk yaitu bernilai 1.
1 1 1 1 1
1+ + + + +
2 3 4 5 6
Target Kerja =( ) = 0,41
6

Page | 153
http://ejurnal.stmik-budidarma.ac.id/index.php/komik
 KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) ISSN 2597-4645 (media online)
Volume 4, Nomor 1, Oktober 2020 ISSN 2597-4610 (media cetak)
DOI: 10.30865/komik.v4i1.2674 Page: 150-161

1 1 1 1 1
0+ + + + +
2 3 4 5 6
Pertumbuhan Produk = ( 6
) = 0,24
1 1 1 1
0+0+ + + +
3 4 5 6
Performa =( 6
) = 0,16
1 1 1
0+0+0+ + +
4 5 6
Komunikasi =( ) = 0,10
6
1 1
0+0+0+0+ +
5 6
Keterampilan =( ) = 0,06
6
1
0+0+0+0+0+
6
Inisiatif =( ) = 0,03
6

Tabel 3. Pembobotan ROC Pada Kriteria

Kode Kriteria Tingkat Prioritas Bobot
C1 Target Kerja 1 0,41
C2 Pertumbuhan Produk 2 0,24
C3 Performa 3 0,16
C4 Komunikasi 4 0,10
C5 Keterampilan 5 0.06
C6 Inisiatif 6 0,03
Berdasakan tabel 3. bahwa kriteria Target Kerja menjadi yang paling penting menurut tingkat prioritasnya. Dari
masing-masing kriteria yang diperoleh melalu pengumpulan data nilai alternatif, selanjutnya nilai normalisasi tiap sub-
kriteria akan diubah sesuai nilai bobot sub-kriteria. Sub-kriteria ditentukan menggunakan pembobotan ROC. Seperti
pada rumus 1 dibawah ini :
𝑘
1 1
wk = (𝐾) ∑ (1 + 𝑖 ) ....................................................................................................... (1)
𝑖=𝑘
Kriteria Target kerja
1 1 1 1
1+ + + +
2 3 4 5
Sub Kriteria 81-100 = ( ) = 0,456
5
1 1 1 1
0+ + + +
2 3 4 5
71-80 =( ) = 0,257
5
1 1 1
0+0+ + +
3 4 5
61-70 =( ) = 0,157
5
1 1
0+0+0+ +
4 5
51-60 =( ) = 0,09
5
1
0+0+0+0+
5
0-50 =( ) = 0,04
5

Kriteria Pertumbuhan Produk

1 1 1 1
1+ + + +
2 3 4 5
Sub Kriteria 81-100 = ( ) = 0,456
5
1 1 1 1
0+ + + +
2 3 4 5
71-80 =( ) = 0,257
5
1 1 1
0+0+ + +
3 4 5
61-70 =( ) = 0,157
5
1 1
0+0+0+ +
4 5
51-60 =( ) = 0,09
5
1
0+0+0+0+
5
0-50 =( ) = 0,04
5

Kriteria Performa
1 1 1 1
1+ + + +
2 3 4 5
Sub Kriteria 81-100 = ( ) = 0,456
5
1 1 1 1
0+ + + +
2 3 4 5
71-80 =( 5
) = 0,257

Page | 154
http://ejurnal.stmik-budidarma.ac.id/index.php/komik
 KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) ISSN 2597-4645 (media online)
Volume 4, Nomor 1, Oktober 2020 ISSN 2597-4610 (media cetak)
DOI: 10.30865/komik.v4i1.2674 Page: 150-161

1 1 1
0+0+ + +
3 4 5
61-70 =( 5
) = 0,157
1 1
0+0+0+ +
4 5
51-60 =( 5
) = 0,09
1
0+0+0+0+
5
0-50 =( ) = 0,04
5

Kriteria Komunikasi
1 1 1 1
1+ + + +
2 3 4 5
Sub Kriteria 81-100 = ( ) = 0,456
5
1 1 1 1
0+ + + +
2 3 4 5
71-80 =( ) = 0,257
5
1 1 1
0+0+ + +
3 4 5
61-70 =( ) = 0,157
5
1 1
0+0+0+ +
4 5
51-60 =( ) = 0,09
5
1
0+0+0+0+
5
0-50 =( 5
) = 0,04

Kriteria Keterampilan
1 1 1 1
1+ + + +
2 3 4 5
Sub Kriteria 81-100 = ( ) = 0,456
5
1 1 1 1
0+ + + +
2 3 4 5
71-80 =( ) = 0,257
5
1 1 1
0+0+ + +
3 4 5
61-70 =( ) = 0,157
5
1 1
0+0+0+ +
4 5
51-60 =( ) = 0,09
5
1
0+0+0+0+
5
0-50 =( ) = 0,04
5

Kriteria Inisiatif
1 1 1 1
1+ + + +
2 3 4 5
Sub Kriteria 81-100 = ( ) = 0,456
5
1 1 1 1
0+ + + +
2 3 4 5
71-80 =( ) = 0,257
5
1 1 1
0+0+ + +
3 4 5
61-70 =( ) = 0,157
5
1 1
0+0+0+ +
4 5
51-60 =( ) = 0,09
5
1
0+0+0+0+
5
0-50 =( 5
) = 0,04
Adapun hasil dari pembobotan kriteria tersebut dapat dilihat pada tabel 4.

Tabel 4. Pembobotan ROC Pada Sub-Kriteria

Sub
No Kriteria Bobot
Kriteria
81-100 0,456
71-80 0,257
C1 Target Kerja 61-70 0,157
51-60 0,09
0-50 0,04
81-100 0,456
71-80 0,257
C2 Pertumbuhan Produk
61-70 0,157
51-60 0,09
Page | 155
http://ejurnal.stmik-budidarma.ac.id/index.php/komik
 KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) ISSN 2597-4645 (media online)
Volume 4, Nomor 1, Oktober 2020 ISSN 2597-4610 (media cetak)
DOI: 10.30865/komik.v4i1.2674 Page: 150-161

Sub
No Kriteria Bobot
Kriteria
0-50 0,04
81-100 0,456
71-80 0,257
C3 Performa 61-70 0,157
51-60 0,09
0-50 0,04
81-100 0,456
71-80 0,257
C4 Komunikasi 61-70 0,157
51-60 0,09
0-50 0,04
81-100 0,456
71-80 0,257
C5 Keterampilan 61-70 0,157
51-60 0,09
0-50 0,04
81-100 0,456
71-80 0,257
C6 Inisiatif 61-70 0,157
51-60 0,09
0-50 0,04
Adapun untuk data penilaian MD dapat dilihat pada table 5. dibawah ini
Tabel 5. Data Atau Sampel Merchandise Display (MD)
Kode Alternatif C1 C2 C3 C4 C5 C6
A1 Santi 60 55 78 51 65 66
A2 Desi 62 56 71 67 71 80
A3 Salma 54 78 68 57 55 78
A4 Wida 59 52 80 53 69 53
A5 Ainun 65 57 54 62 73 67
A6 Fitri 78 65 61 74 79 70
A7 Ila 55 74 71 65 59 55
A8 Meta 69 72 78 55 70 59
A9 Pipi 73 69 67 68 66 76
A10 Rara 54 80 59 58 71 56
Setelah didapatkan data sampel Merchandise Display (MD) pada tebal 5., proses selanjutnya adalah
menormalisasikan nilai kriteria setiap alternatif yang sudah didapatkan pada tabel 5.. dengan menggunakan acuan
pembobotan nilai Sub Kriteria pada tabel 4., dimana pada setiap kriteria memiliki 5 (lima) nilai bobot kriteria. Adapun
hasil dari normalisasi kesepuluh alternatif dapat dilihat pada tabel 6.
Tabel 6 Hasil Normalisasi Nilai Kriteria
Kode Alternatif C1 C2 C3 C4 C5 C6
A1 Santi 0,09 0,09 0,257 0,09 0,157 0,157
A2 Desi 0,157 0,09 0,257 0,157 0,257 0,257
A3 Salma 0,09 0,257 0,157 0,09 0,09 0,257
A4 Wida 0,09 0,09 0,257 0,09 0,157 0,09
A5 Ainun 0,157 0,09 0,09 0,157 0,257 0,157
A6 Fitri 0,257 0,157 0,157 0,257 0,257 0,157
A7 Ila 0,09 0,257 0,257 0,157 0,09 0,09
A8 Meta 0,157 0,257 0,257 0,09 0,157 0,09
A9 Pipi 0,257 0,157 0,157 0,157 0,157 0,257
A10 Rara 0,09 0,257 0,09 0,09 0,257 0,09
Langkah 3 Menghitung nilai utility untuk setiap kriteria masing-masing dengan menggunakan rumus :
𝐶𝑖−𝐶𝑚𝑖𝑛
ui(a) = 100% * (𝐶𝑚𝑎𝑥−𝐶𝑚𝑖𝑛) ................................................................................................ (7)
1. Perhitungan nilai kriteria Target Kerja
Dalam mencari nilai Cmin dan Cmax untuk target kerja sebagai berikut :
Page | 156
http://ejurnal.stmik-budidarma.ac.id/index.php/komik
KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) ISSN 2597-4645 (media online)
Volume 4, Nomor 1, Oktober 2020 ISSN 2597-4610 (media cetak)
DOI: 10.30865/komik.v4i1.2674 Page: 150-161

Cmax Target Kerja =

(0,09;0,157;0,09;0,09;0,157;0,257;0,09;0,157;0,257;0,09) = 0,257
Cmin Target Kerja =
(0,09;0,157;0,09;0,09;0,157;0,257;0,09;0,157;0,257;0,09) = 0,09
0,09−0,09 0
A1 = 100% * (0,257−0,09) = 100% * 0,167 = 0
0,157−0,09 0,067
A2 = 100% * (0,257−0,09) = 100% * 0,167 = 0,40
0,09−0,09 0
A3 = 100% * (0,257−0,09) = 100% * 0,167 = 0
0,09−0,09 0
A4 = 100% * (0,257−0,09) = 100% * 0,167 = 0
0,157−0,09 0,067
A5 = 100% * (0,257−0,09) = 100% * 0,167 = 0,40
0,257−0,09 0,167
A6 = 100% * (0,257−0,09) = 100% * 0,167 = 1
0,09−0,09 0
A7 = 100% * (0,257−0,09) = 100% * 0,167 = 0
0,157−0,09 0,067
A8 = 100% * (0,257−0,09) = 100% * 0,167 = 0.40
0,257−0,09 0,167
A9 = 100% * (0,257−0,09) = 100% * 0,167 = 1
0,09−0,09 0
A10 = 100% * (0,257−0,09) = 100% * 0,167 = 0
2. Perhitungan nilai kriteria Pertumbuhan Produk
Dalam mencari nilai Cmin dan Cmax untuk pertumbuhan produk sebagai berikut :
Cmax Pertumbuhan Produk =
(0,09;0,09;0,257;0,09;0,09;0,157;0,257;0,257;0,157;0,257) = 0,257
Cmin Pertumbuhan Produk =
(0,09;0,09;0,257;0,09;0,09;0,157;0,257;0,257;0,157;0,257) = 0,09
0,09−0,09 0
A1 = 100% * (0,257−0,09) = 100% * 0,167 = 0
0,09−0,09 0
A2 = 100% * (0,257−0,09) = 100% * 0,167 = 0
0,257−0,09 0,167
A3 = 100% * (0,257−0,09) = 100% * 0,167 = 1
0,09−0,09 0
A4 = 100% * (0,257−0,09) = 100% * 0,167 = 0
0,09−0,09 0
A5 = 100% * (0,257−0,09) = 100% * 0,167 = 0
0,157−0,09 0,067
A6 = 100% * (0,257−0,09) = 100% * 0,167 = 0,40
0,257−0,09 0,167
A7 = 100% * (0,257−0,09) = 100% * 0,167 = 1
0,257−0,09 0,167
A8 = 100% * (0,257−0,09) = 100% * 0,167 = 1
0,157−0,09 0,067
A9 = 100% * (0,257−0,09) = 100% * 0,167 = 0,40
0,257−0,09 0,167
A10 = 100% * (0,257−0,09) = 100% * 0,167 = 1
3. Perhitungan nilai kriteria Performa
Dalam mencari nilai Cmin dan Cmax untuk performa sebagai berikut :
Cmax Performa =
(0,257;0,257;0,157;0,257;0,09;0,157;0,257;0,257;0,157;0,09) = 0,257
Cmin Performa =
(0,257;0,257;0,157;0,257;0,09;0,157;0,257;0,257;0,157;0,09) = 0,09
0,257−0,09 0,167
A1 = 100% * (0,257−0,09) = 100% * 0,167 = 1
0,257−0,09 0,167
A2 = 100% * (0,257−0,09) = 100% * 0,167 = 1
0,157−0,09 0,067
A3 = 100% * (0,257−0,09) = 100% * 0,167 = 0,40
0,257−0,09 0,167
A4 = 100% * (0,257−0,09) = 100% * 0,167 = 1
0,09−0,09 0
A5 = 100% * (0,257−0,09) = 100% * 0,167 = 0
0,157−0,09 0,067
A6 = 100% * (0,257−0,09) = 100% * 0,167 = 0,40
0,257−0,09 0,167
A7 = 100% * (0,257−0,09) = 100% * 0,167 = 1

Page | 157
http://ejurnal.stmik-budidarma.ac.id/index.php/komik
KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) ISSN 2597-4645 (media online)
Volume 4, Nomor 1, Oktober 2020 ISSN 2597-4610 (media cetak)
DOI: 10.30865/komik.v4i1.2674 Page: 150-161

0,257−0,09 0,167
A8 = 100% * (0,257−0,09) = 100% * 0,167 = 1
0,157−0,09 0,067
A9 = 100% * (0,257−0,09) = 100% * 0,167 = 0,40
0,09−0,09 0
A10 = 100% * (0,257−0,09) = 100% * 0,167 = 0
4. Perhitungan nilai kriteria Komunikasi
Dalam mencari nilai Cmin dan Cmax untuk komunikasi sebagai berikut :
Cmax Komunikasi =
(0,09;0,157;0,09;0,09;0,157;0,257;0,157;0,09;0,157;0,09) = 0,257
Cmin Komunikasi =
(0,09;0,157;0,09;0,09;0,157;0,257;0,157;0,09;0,157;0,09) = 0,09
0,09−0,09 0
A1 = 100% * (0,257−0,09) = 100% * 0,167 = 0
0,157−0,09 0,067
A2 = 100% * (0,257−0,09) = 100% * 0,167 = 0,40
0,09−0,09 0
A3 = 100% * (0,257−0,09) = 100% * 0,167 = 0
0,09−0,09 0
A4 = 100% * (0,257−0,09) = 100% * 0,167 = 0
0,157−0,09 0,067
A5 = 100% * (0,257−0,09) = 100% * 0,167 = 0,40
0,257−0,09 0,167
A6 = 100% * (0,257−0,09) = 100% * 0,167 = 1
0,157−0,09 0,067
A7 = 100% * ( ) = 100% * = 0,40
0,257−0,09 0,167
0,09−0,09 0
A8 = 100% * (0,257−0,09) = 100% * 0,167 = 0
0,157−0,09 0,067
A9 = 100% * ( ) = 100% * = 0,40
0,257−0,09 0,167
0,09−0,09 0
A10 = 100% * (0,257−0,09) = 100% * 0,167 = 0
5. Perhitungan nilai kriteria Keterampilan
Dalam mencari nilai Cmin dan Cmax untuk keterampilan sebagai berikut :
Cmax Keterampilan =
(0,157;0,257;0,09;0,157;0,257;0,257;0,09;0,157;0,157;0,257) = 0,257
Cmin Keterampilan =
(0,157;0,257;0,09;0,157;0,257;0,257;0,09;0,157;0,157;0,257) = 0,09
0,157−0,09 0,067
A1 = 100% * (0,257−0,09) = 100% * 0,167 = 0,40
0,257−0,09 0,167
A2 = 100% * (0,257−0,09) = 100% * 0,167 = 1
0,09−0,09 0
A3 = 100% * ( ) = 100% * =0
0,257−0,09 0,167
0,157−0,09 0,067
A4 = 100% * (0,257−0,09) = 100% * 0,167 = 0,40
0,257−0,09 0,167
A5 = 100% * (0,257−0,09) = 100% * 0,167 = 1
0,257−0,09 0,167
A6 = 100% * (0,257−0,09) = 100% * 0,167 = 1
0,09−0,09 0
A7 = 100% * (0,257−0,09) = 100% * 0,167 = 0
0,157−0,09 0,067
A8 = 100% * (0,257−0,09) = 100% * 0,167 = 0,40
0,157−0,09 0,067
A9 = 100% * ( ) = 100% * = 0,40
0,257−0,09 0,167
0,257−0,09 0,167
A10 = 100% * (0,257−0,09) = 100% * 0,167 = 1
6. Perhitungan nilai kriteria Inisiatif
Dalam mencari nilai Cmin dan Cmax untuk inisiatif sebagai berikut :
Cmax Inisiatif =
(0,157;0,257;0,257;0,09;0,157;0,157;0,09;0,09;0,257;0,09) = 0,257
Cmin Inisiatif =
(0,157;0,257;0,257;0,09;0,157;0,157;0,09;0,09;0,257;0,09) = 0,09
0,157−0,09 0,067
A1 = 100% * (0,257−0,09) = 100% * 0,167 = 0,40
0,257−0,09 0,167
A2 = 100% * (0,257−0,09) = 100% * 0,167 = 1
0,257−0,09 0,167
A3 = 100% * (0,257−0,09) = 100% * 0,167 = 1

Page | 158
http://ejurnal.stmik-budidarma.ac.id/index.php/komik
 KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) ISSN 2597-4645 (media online)
Volume 4, Nomor 1, Oktober 2020 ISSN 2597-4610 (media cetak)
DOI: 10.30865/komik.v4i1.2674 Page: 150-161

0,09−0,09 0
A4 = 100% * (0,257−0,09) = 100% * 0,167 = 0
0,157−0,09 0,067
A5 = 100% * (0,257−0,09) = 100% * 0,167 = 0,40
0,157−0,09 0,067
A6 = 100% * (0,257−0,09) = 100% * 0,167 = 1
0,09−0,09 0
A7 = 100% * (0,257−0,09) = 100% * 0,167 = 0
0,09−0,09 0
A8 = 100% * (0,257−0,09) = 100% * 0,167 = 0
0,257−0,09 0,167
A9 = 100% * (0,257−0,09) = 100% * 0,167 = 1
0,09−0,09 0
A10 = 100% * (0,257−0,09) = 100% * 0,167 = 0
Adapun hasil dari perhitungan nilai utility tersebut dapat dilihat pada tabel dibawah ini :
Tabel 7. Hasil perhitungan nilai utility data sample terhadap alternatif
Kode Alternatif C1 C2 C3 C4 C5 C6
A1 Santi 0 0 1 0 0,40 0,40
A2 Desi 0,40 0 1 0,40 1 1
A3 Salma 0 1 0,40 0 0 1
A4 Wida 0 0 1 0 0,40 0
A5 Ainun 0,40 0 0 0,40 1 0,40
A6 Fitri 1 0,40 0,40 1 1 1
A7 Ila 0 1 1 0,40 0 0
A8 Meta 0,40 1 1 0 0,40 0
A9 Pipi 1 0,40 0,40 0,40 0,40 1
A10 Rara 0 1 0 0 1 0
Langkah 4 Menghitung nilai akhir masing-masing dengan menggunakan rumus :
Un = ∑𝐾
𝑘 −1 𝑊𝑘 𝑈𝑛 (𝑋𝑛 )....................................................................................................... (8)
C1
A1 = 0,41 * 0 = 0
A2 = 0,41 * 0,40 = 0,164
A3 = 0,41 * 0 = 0
A4 = 0,41 * 0 = 0
A5 = 0,41 * 0,40 = 0,164
A6 = 0,41 * 1 = 0,41
A7 = 0,41 * 0 = 0
A8 = 0,41 * 0,40 = 0,164
A9 = 0,41 * 1 = 0,41
A10 = 0,41 * 0 = 0
C2
A1 = 0,24 * 0 = 0
A2 = 0,24 * 0 = 0
A3 = 0,24 * 1 = 0,24
A4 = 0,24 * 0 = 0
A5 = 0,24 * 0 = 0
A6 = 0,24 * 0,40 = 0,096
A7 = 0,24 * 1 = 0,24
A8 = 0,24 * 1 = 0,24
A9 = 0,24 * 0,40 = 0,096
A10 = 0,24 * 1 = 0,24
C3
A1 = 0,16 * 1 = 0,16
A2 = 0,16 * 1 = 0,16
A3 = 0,16 * 0,40 = 0,064
A4 = 0,16 * 1 = 0,16
A5 = 0,16 * 0 = 0
A6 = 0,16 * 0,40 = 0,064
A7 = 0,16 * 1 = 0,16
A8 = 0,16 * 1 = 0,16
A9 = 0,16 * 0,40 = 0,064

Page | 159
http://ejurnal.stmik-budidarma.ac.id/index.php/komik
 KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) ISSN 2597-4645 (media online)
Volume 4, Nomor 1, Oktober 2020 ISSN 2597-4610 (media cetak)
DOI: 10.30865/komik.v4i1.2674 Page: 150-161

A10 = 0,16 * 0 = 0
C4
A1 = 0,10 * 0 = 0
A2 = 0,10 * 0,40 = 0,04
A3 = 0,10 * 0 = 0
A4 = 0,10 * 0 = 0
A5 = 0,10 * 0,40 = 0,04
A6 = 0,10 * 1 = 0,10
A7 = 0,10 * 0,40 = 0,04
A8 = 0,10 * 0 = 0
A9 = 0,10 * 0,40 = 0,04
A10 = 0,10 * 0 = 0
C5
A1 = 0,06 * 0,40 = 0,024
A2 = 0,06 * 1 = 0,06
A3 = 0,06 * 0 = 0
A4 = 0,06 * 0,40 = 0,024
A5 = 0,06 * 1 = 0,06
A6 = 0,06 * 1 = 0,06
A7 = 0,06 * 0 = 0
A8 = 0,06 * 0,40 = 0,024
A9 = 0,06 * 0,40 = 0,024
A10 = 0,06 * 1 = 0,06
C6
A1 = 0,03 * 0,40 = 0,012
A2 = 0,03 * 1 = 0,03
A3 = 0,03 * 1 = 0,03
A4 = 0,03 * 0 = 0
A5 = 0,03 * 0,40 = 0,012
A6 = 0,03 * 1 = 0,03
A7 = 0,03 * 0 = 0
A8 = 0,03 * 0 = 0
A9 = 0,03 * 1 = 0,03
A10 = 0,03 * 0 = 0
Adapun hasil dari perhitungan nilai akhir tersebut dapat dilihat pada tabel dibawah ini :
Tabel 8. Hasil Nilai Akhir dengan Metode SMARTER
Nilai Persentase
Kode Alternatif C1 C2 C3 C4 C5 C6 Ranking
Akhir (%)
A1 Santi 0 0 0,16 0 0,024 0,012 0,196 19,6 9
A2 Desi 0,164 0 0,16 0,04 0,06 0,03 0,454 45,4 4
A3 Salma 0 0,24 0,064 0 0 0,03 0,334 33,4 6
A4 Wida 0 0 0,16 0 0,024 0 0,184 18,4 10
A5 Ainun 0,164 0 0 0,04 0,06 0,012 0,276 27,6 8
A6 Fitri 0,41 0,096 0,064 0,1 0,06 0,03 0,76 76 1
A7 Ila 0 0,24 0,16 0,04 0 0 0,44 44 5
A8 Meta 0,164 0,24 0,16 0 0,024 0 0,588 58,8 3
A9 Pipi 0,41 0,096 0,064 0,04 0,024 0,03 0,664 66,4 2
A10 Rara 0 0,24 0 0 0,06 0 0,3 30 7
Dari tabel 8. diatas dapat dilihat bahwasaannya proses perhitungan bobot nilai kriteria terhadap setiap alternatif
menggunakan metode SMARTER alternatif A6 atas nama Fitri merupakan Merchandise Display (MD) terbaik pada
PT. Pasar Swalayan Maju Bersama, dimana dengan nilai akhir 0,76 atau persentase 76% yang merupakan nilai tertinggi.

4. KESIMPULAN
Berdasarkan dari penelitian yang telah dilakukan maka didapatkan kesimpulan Prosedur yang dilakukan dalam
pemilihan merchandise display terbaik lebih objektif jika dilakukan dengan menggunakan sistem pendukung keputusan
dikarenakan sudah memiliki kriteria-kriteria tertentu yang telah dimiliki pihak manajemen PT. Pasar Swalayan Maju

Page | 160
http://ejurnal.stmik-budidarma.ac.id/index.php/komik
 KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) ISSN 2597-4645 (media online)
Volume 4, Nomor 1, Oktober 2020 ISSN 2597-4610 (media cetak)
DOI: 10.30865/komik.v4i1.2674 Page: 150-161

Bersama. Dengan menggunakan metode SMARTER dinilai dapat menyelesaikan permasalahan dalam pemilihan
merchandise display terbaik pada PT. Pasar Swalayan Maju Bersama

REFERENCES
[1] A. Saleh, "PENERAPAN METODE SIMPLE MULTI ATTRIBUTE RATING TECHNIQUE EXPLOITING RANK DALAM
SISTEM PENDUKUNG KEPUTUSAN REKRUTMEN ASISTEN LABORATORIUM KOMPUTER," Jurnal Masyarakat
Telematika dan Informasi, vol. 8, no. 1, pp. 1-10, 2017.
[2] Yunita, "IMPLEMENTASI METODESIMPLE MULTI-ATTRIBUTE RATING TECHNIQUE EXPLOITING RANK
(SMARTER) PADA SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LOKASI PERUMAHAN," in Konferensi
Nasional Teknologi Informasi dan Aplikasinya, Palembang, 2016.
[3] L. M. Yulyantari and I. P. Wijaya, Manajemen Model Pada Sistem Pendukung Keputusan, Andi: Yogyakarta, 2018.
[4] D. Nofriansyah and S. Defit, Multi Criteria Decision Making (MCDM) pada Sistem Pendukung Keputusan, Yogyakarta:
Deepublish, 2019.
[5] S. R. Megawangi, "JOJONOMIC," 9 Agustus 2019. [Online]. Available: https://jojonomic.com/blog/merchandiser/. [Accessed
Maret 22 2020].
[6] Kusrini, Konsep Dan Aplikasi Sistem Pendukung Keputusan, Yogyakarta: Andi, 2017.
[7] J. Hartono, Analisis Dan Desain Sistem Informasi, Yogyakarta: Andi, 1999.
[8] Munawar, Pemodelan Visual Dengan UML, Yogyakarta: Graha Ilmu, 2007.
[9] E. Winarno, A. Zaki and S. Cpmmunity, VB.Net Untuk Skripsi : Panduan Bagi Mahasiswa Membuat Tugas Akhir, Jakarta:
PT. Elex Media Komputindo, 2015.
[10] A. Firman, H. F. Wowor and X. Najoan, "SISTEM INFORMASI PERPUSTAKAAN ONLINE BERBASIS WEB," Jurnal
Teknik Elektro dan Komputer, vol. 5, no. 2, pp. 29-36, 2016.
[11] N. Ndruru, Mesran, F. T. Waruru, and D. P. Utomo, “Penerapan Metode MABAC Untuk Mendukung Pengambilan Keputusan
Pemilihan Kepala Cabang Pada PT. Cefa Indonesia Sejahtera Lestari,” Resolusi Rekayasa Tek. Inform. dan Inf., vol. 1, no. 1,
pp. 36–49, 2020.
[12] S. W. Pasaribu, D. P. Utomo, and Mesran, “Sistem Pendukung Keputusan Penerimaan Account Officer Menerapkan Metode
EXPROM II (Studi Kasus: Bank Sumut),” J. Inf. Syst. Res., vol. 1, no. 3, pp. 175–188, 2020.
[13] Nurjannah and D. P. Utomo, “Sistem Pendukung Keputusan Penyeleksian Colour Guard Pada Marching Band Ginada Dengan
Menggunakan Metode Vikor Dan Borda,” JUKI J. Komput. dan Inform., vol. 2, no. 1, pp. 35–48, 2020.
[14] Mesran, Suginam, and Dito, “Implementation of AHP and WASPAS (Weighted Aggregated Sum Product Assessment)
Methods in Ranking Teacher Performance,” IJISTECH (International J. Inf. Syst. Technol., vol. 3, no. 2, pp. 173–182, 2020.
[15] Mesran, K. Ulfa, D. P. Utomo, and I. R. Nasution, “Penerapan Metode VlseKriterijumska Optimizacija I Kompromisno Resenje
(VIKOR) dalam Pemilihan Air Conditioner Terbaik,” Algoritm. J. ILMU Komput. DAN Inform., vol. 4, no. 1, pp. 24–35,
2020.
[16] F. Pratiwi, F. T. Waruru, D. P. Utomo, and R. Syahputra, “Penerapan Metode ARAS Dalam Pemilihan Asisten Perkebunan
Terbaik Pada PTPN V,” Semin. Nas. Teknol. Komput. Sains, vol. 1, no. 1, pp. 651–662, 2019.

Page | 161
http://ejurnal.stmik-budidarma.ac.id/index.php/komik