Jurnal Teknologi Dan Sistem Informasi Bisnis Vol.
5 No.
1 Januari 2023 Hal.
http://jurnal.
id/index.
php/jteksis E-ISSN : 2655-8238
P-ISSN : 2964-2132
Metode Simple Additive Weighting Dalam Sistem Pendukung Keputusan Untuk Pemilihan Mobil LCGC Hendry1,*.
Chairul Rizal2.
Supiyandi3.
Muhammad Noor Hasan Siregar4 Sains dan Teknologi.
Sistem Komputer.
Universitas Pembangunan Panca Budi.
Medan.
Indonesia Sains dan Teknologi.
Teknologi Informasi.
Universitas Pembangunan Panca Budi.
Medan.
Indonesia Fakultas Teknik.
Ilmu Komputer.
Universitas Graha Nusantara.
Padangsidimpuan.
Indonesia E-mail: 1,*hendry@dosen.
id,2chairulrizal@dosen.
id,3supiyandi.
mkom@gmail.
com, 4noor.
siregar@gmail.
Email Penulis Korespondensi : hendry@dosen.
Submitted:04-02-2023.
Reviewed: 05-02-2023.
Accepted 08-02-2023 https://doi.
org/10.
47233/jteksis.
Abstract Low Cost Green Car (LCGC) is a new breakthrough made by the government in the automotive world, especially in Indonesia.
With the support of environmentally friendly concepts this type of LCGC car has become an alternative for consumers who want a car especially in Indonesia.
To estimate LCGC cars according to needs, you can use a decision support system with a simple additive weighting (SAW) method.
Data obtained from observations and interviews conducted through sales and car mechanics or experts who are more knowledgeable about market conditions and community needs.
The results achieved are designing a decision support system application that predicts LCGC cars that fit consumers' desires based on price, engine capacity, safety features, fuel economy, cabin accommodation.
By determining the preference value of each alternative, ranking is made so that from the alternatives there is the best alternative.
Keywords: LCGC.
DSS.
SAW Abstrak Low Cost Green Car (LCGC) merupakan terobosan baru yang dibuat oleh pemerintah dalam dunia otomotif khususnya di Indonesia.
Dengan dukungan konsep ramah lingkungan jenis mobil LCGC ini menjadi alternatif bagi konsumen yang menginginkan mobil khususnya di Indonesia.
Untuk memperkirakan mobil LCGC sesuai dengan kebutuhan dapat menggunakan sistem pendukung keputusan dengan metode simple additive weighting (SAW).
Data didapat dari observasi dan interview yang dilakukan melalui sales dan montir mobil atau pakar yang lebih mengetahui tentang kondisi pasar dan kebutuhan masyarakat.
Hasil yang dicapai adalah merancang aplikasi sistem pendukung keputusan memprediksi mobil LCGC yang sesuai keinginan konsumen berdasarkan harga, kapasitas mesin, fitur keselamatan, hemat bahan bakar, akomodasi kabin.
Dengan menentukan nilai preferensi setiap alternatif dibuat perangkingan sehingga dari alternatif yang ada mendapatkan alternatif terbaik.
Kata Kunci: LCGC.
SPK,SAW This work is licensed under Creative Commons Attribution License 4.
0 CC-BY International license PENDAHULUAN Mobil hijau biaya rendah (LCGC) merupakan terobosan baru yang dibuat oleh pemerintah dalam dunia otomotif khususnya di Indonesia.
Dengan dukungan konsep ramah lingkungan jenis mobil LCGC ini menjadi alternatif bagi konsumen yang menginginkan mobil khususnya di Indonesia.
Toyota.
Honda.
Suzuki.
Daihatsu.
Nissan berlomba-lomba untuk memproduksi mobil jenis ini dengan keunggulannya masing-masing sehingga enimbulkan keraguan dikalangan konsumen tentang mobil apa yang paling cocok dengan kebutuhan konsumen itu sendiri.
Ketentuan untuk mobil hijau biaya rendah (LCGC) dituangkan dalam peraturan pemerintah Republik Indonesia Nomor 41 Tahun 2013 tentang Barang Kena Pajak yang tergolong mewah dikenai pajak penjualan atas barang mewah berupa kendaraan bermotor .
Selama ini yang diketahui bahwa dalam membeli mobil baru konsumen selalu memilih mana yang paling sesuai untuk dimiliki tidak mempunyai kriteria-kriteria khusus dalam menentukan pilihannya, seperti kapasitas mesin, fitur keselamatan, hemat bahan bakar, akomodasi Hal inilah yang menimbulkan berbagai masalah yang dihadapi oleh konsumen pembeli mobil.
Komponen
LCGC
menggunakan komponen dalam negeri sebesar 40% untuk tahun pertama dan pada tahun kelima mencapai 80% sehingga dapat merangsang industri pengolahan dalam negeri sebesar 10%.
Bahkan untuk mengantisipasi semakin membengkaknya subsidi BBM, mobil LCGC diwajibkan untuk menggunakan bahan bakar sejenis Beberapa syarat LCGC antara lain: .
Kapasitas silinder mesin bensin .
ukan diese.
Sedangkan mesin diesel 1500cc.
BBM harus memenuhi spesifikasi minimal RON 92 untuk mesin bensin dan cetane number (CN) 51 untuk Konsumsi bahan bakar untuk mesin bensin maupun diesel 1 liter untuk 20 KM minimal.
Berdasarkan permasalahan diatas, maka sistem Jurnal Teknologi Dan Sistem Informasi Bisnis Ae JTEKSIS Vol.
05 No.
1 Januari 2023 Jurnal Teknologi Dan Sistem Informasi Bisnis Vol.
5 No.
1 Januari 2023 Hal.
http://jurnal.
id/index.
php/jteksis pendukung keputusan merupakan salah satu alternatif solusi guna membantu para calon pembeli mobil khususnya berjenis LCGC untuk mengetahui mobil dengan jenis mana yang cocok untuk dimiliki.
Beberapa fungsi dari Sistem pendukung keputusan antara lain, sebagai pemahaman secara komprehensif terhadap masalah, sebagai pemberian kerangka berfikir secara sistematis, dapat membimbing dalam penerapan teknikteknik pengambilan keputusan dan kualitas suatu keputusan .
Pada dasarnya SPK diracang untuk mendukung seluruh tahap pengambilan keputusan mulai dari mengidentifikasi masalah, memilih data yang relevan, menentukan pendekatan yang digunakan dalam prosen pengambilan keputusan, sampai mengevaluasi pemilihan alternatif .
Metode Simple Additive Weighting (SAW) didefenisikan dengan istilah penjumlahan berbobot .
Metode Simple Additive Weighting (SAW) merupakan metode penjumlahan terbobot.
Konsep dasar metode Simple Additive Weighting (SAW) adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua kriteria.
Metode Simple Additive Weighting (SAW) membutuhkan proses normalisasi matrik keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada .
Suatu metode yang mana dari sejumlah alternatif optimal dengan kriteria tertentu dibuat menjadi alternatif optimal adalah Multi Attribute Decision Making (MADM) .
Core dari Multi Attribute Decision Making (MADM) adalah setiap atribut ditentukan nilai bobotnya, selanjutnya dengan proses perangkingan yang menyeleksi alternatif yang sudah diberikan .
Penyelesaian masalah dengan Multi Attribute Decision Making (MADM) bisa dibuat dengan beberapa metode diantaranya metode Simple Additive Weighting (SAW).
Metode penjumlahan terbobot juga dikenal dengan istilah metode Simple Additive Weighting (SAW).
Mencari penjumlahan terbobot dengan rating kinerja pada setiap alternatif pada semua atribut merupakan konsep dasar metode Simple Additive Weighting (SAW) .
Sistem pendukung keputusan/Decision Support System (DSS) merupakan sistem informasi interakif yang menyediakan informasi, pemodelan dan pemanipulasian data .
Sistem pendukung keputusan adalah berbasis komputer sistem informasi yang mengandung bisnis atau organisasi pengambilan keputusan kegiatan.
Sistem pendukung keputusan melayani manajemen, operasional, dan tingkat .
anajemen pertengahan dan lebih tingg.
dan membantu untuk membuat keputusan, yang mungkin cepat berubah dan tidak mudah ditentukan di muka unstructured dan masalah keputusan semi terstruktur .
Metode yang mana dari sejumlah alternatif
E-ISSN : 2655-8238
P-ISSN : 2964-2132
optimal dengan kriteria tertentu dibuat menjadi alternatif optimal merupakan Fuzzy Multiple Attribute Decision Making (FMADM).
Core dari Fuzzy Multiple Attribute Decision Making (FMADM) adalah untuk setiap atribut ditentukan nilai bobotnya, lalu dibuat perangkingan yang akan menyeleksi alternatif yang sudah diberikan.
Pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif dan obyektif yang pada dasarnya adalah 3 pendekatan untuk mencari nilai bobot atribut.
Masing-masing pendekatan memiliki kelebihan dan kelemahan.
Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa factor dalam proses perankingan alternatif bisa ditentukan secara Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan .
Fuzzy Multiple Attribute Decision Making (FMADM), yaitu:
Promethee Simple Additive Weighting Method (SAW) Weighted Product (WP) ELECTRE Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) Analytic Hyerarchy Process (AHP) Metode Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan terbobot.
Mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut merupakan konsep dasar metode SAW.
Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.
Adapun step by step dalam metode SAW .
Penentuan Alternatif dan Kriteria Penentuan nilai ranting dari kriteria Penentuan nilai bobot dari kriteria (W) Pembuatan Matrix Keputusan (X) Normalisasikan Matrix Keputusan (R) Rumus mencari nilai preferensi (V.
Jurnal Teknologi Dan Sistem Informasi Bisnis Ae JTEKSIS Vol.
05 No.
1 Januari 2023
E-ISSN : 2655-8238
P-ISSN : 2964-2132
Jurnal Teknologi Dan Sistem Informasi Bisnis Vol.
5 No.
1 Januari 2023 Hal.
http://jurnal.
id/index.
php/jteksis Daihatsu Sigra 2020 Tipe R M/T Toyota Agya 2020 1,2L Tipe G M/T Daihatsu Ayla 2020 1,2L Tipe R M/T Honda Brio Tipe S Suzuki Karimun Wagon R GS Airbag Datsun Go T Style MT Data kriteria yang diamati dan dianalisa untuk sistem pendukung keputusan diantaranya sebagai berikut:
Jika ada salah satu nilai Vi lebih besar dari yang lainnya maka prioritas utama untuk dipilih.
Penelitian yang dilakukan sebelumnya berkaitan dengan metode SAW memberikan alternatif atau solusi keputusan untuk menentukan karyawan mana yang akan menjadi karyawan terbaik .
Penelitian lainnya juga menghasilkan sebuah aplikasi sistem pendukung keputusan pemilihan smartphone berbasis web yang dapat membantu konsumen untuk melakukan pemilihan smartphone sesuai keinginan dan kebutuhan berdasarkan kriteria yang telah ditentukan .
Dilihat dari aspek manajerial penilaian dapat dikembangkan dengan kriteria lain yang sesuai dengan kebutuhan perusahaan.
Perhitungan menggunakan Simple Additive Weight, dengan mengacu pada kriteria kepegawaian, evaluasi kinerja, dan penilaian perilaku pegawai, kemudian dipilih pegawai yang akan mendapatkan promosi .
Metode ini digunakan karena dapat menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksud adalah yang berhak menerima beasiswa berdasarkan kriteria yang ditentukan .
Metode SAW dan WP merupakan metode yang digunakan untuk menyelesaikan masalah MADM (Multi Attribute Decision Makin.
dimana penelitian ini menggunakan bantuan MATLAB (Graphical User Interfac.
GUI (Matrix Laborator.
sebagai alat komputasi .
ANALISA DAN PEMBAHASAN
Telah dilaksanakannya penelitian ini, maka diketahui para calon pembeli sering salah dan ragu dalam memilih kendaraan yang diinginkan.
Dikarenakan para calon pembeli memilih mobil LCGC hanya berdasarkan besaran harga, informasi dari marketing, sehingga di hari kemudian menimbulkan permasalahan pada calon pembeli sendiri.
Penelitian ini menjelaskan bagaimana memilih suatu mobil LCGC yang telah ditetapkan sesuai dengan kriteria-kriteria.
Proses pemilihan tersebut dilakukan berdasarkan metode SAW yang akan menyajikan perangkingan dari hasil perhitungan nilai-nilai kriteria dab bobot preferensi masing-masing alternatif.
Adapun yang menjadi data alternatif yang menjadi keputusan bagi para pengguna, yaitu:
Tabel 2.
Data Kriteria Kriteria Keterangan Toyota Calya 2020 Tipe G M/T Cost/Benefit Cost Benefit Benefit Benefit Benefit Masing-masing kriteria yang telah ditetapkan diatas akan dibobotkan berdasarkan bilangan fuzzy.
Ada enam bilangan fuzzy yang digunakan dalam pembombotan ini, yaitu SK= Sangat kurang.
K= Kurang.
C= Cukup.
B= Baik.
SB= Sangat Baik, seperti terlihat pada tampilan berikut:
Gambar 1.
Pembobotan Fuzzy Bilangan fuzzy diatas dirubah ke nilai crisp sehingga menjadi Tabel berikut:
Tabel 3.
Nilai crisp dari bilangan fuzzy Selanjutnya penentuan nilai ranting masing-masing kriteria berdasarkan nilai crisp fuzzy.
Tabel 4.
Nilai ranting masing-masing kriteria Kriteria Kondisi > 200.
Tabel 1.
Data Alternatif Alternatif Keterangan Harga Mobil Kapasitas Mesin Fitur Keselamatan Hemat Bahan Bakar Akomodasi Kabin Jurnal Teknologi Dan Sistem Informasi Bisnis Ae JTEKSIS Vol.
05 No.
1 Januari 2023 >160.
< 150.
> 1200cc
>1000cc s/d 1200cc
Bilangan Fuzzy Nilai 0,25 0,75 0,25 E-ISSN : 2655-8238
P-ISSN : 2964-2132
Jurnal Teknologi Dan Sistem Informasi Bisnis Vol.
5 No.
1 Januari 2023 Hal.
http://jurnal.
id/index.
php/jteksis Alternatif
Kriteria
0,75
0,75
0,75
0,75
0,75
0,75
0,75
0,75
0,75
0,25
0,75
0,75
0,25
0,75
0,25
0,75
0,75
0,25
0,75
0,25
0,75
0,25
Max
0,75
Min 0,75 0,25 0,25 Lumayan Besar Lumayan Besar Tidak Besar Tidak Besar Irit Tidak Besar Lumayan Irit Lumayan Besar Tidak Besar Lumayan Irit Lumayan Irit Irit Lumayan Irit Tidak Banyak Sangat Irit Banyak Lumayan Banyak Banyak Lumayan Banyak Baik Datsun Go T Style Tabel 6.
Data awal penilaian alternatif Selanjutnya adalah pembentukan Tabel keputusan, dimana nilai pada Tabel 5 diatas dirubah berdasarkan nilai ranting kriteria (Tabel .
masing-masing menjadi sebagai berikut:
Tabel 7.
Tabel keputusan Baik Suzuki Karimun Wagon R Airbag Tidak Banyak Dari Tabel diatas didapat bobot (W) = [ 0,46.
0,26.
0,15.
0,09.
0,04 ]
Adapun nilai kriteria dari masing-masing alternatif
setelah diadakan penelitian di lapangan adalah sebagai Honda
Brio
Tipe S Baik Akomodasi Kabin
Sangat Baik Hemat Bahan Bakar
Baik Fitur Keselamatan Daihatsu
Ayla
1,2L
Tipe R
M/T
Cukup Kapasitas Mesin
Baik Harga Mobil
Baik Bobot
1 1 1 1
1 2 3 4
5 = 0.
1 1 1 1
0 2 3 4
5 = 0.
1 1 1
3 4 5 = 0.
0 0 0 4
5 = 0.
0 0 0 0
5 = 0.
Sangat Banyak Toyota
Agya
1,2L
Tipe G
M/T
Tabel 5.
Bobot (W) Kriteria
Baik Daihatsu
Sigra
Tipe R
M/T
Baik Toyota
Calya
Tipe G
M/T
Nilai Baik Alternat (Mobi.
Baik 0,75 0,25 0,75 0,25 0,75 0,25 0,75 Baik Baik < 1000cc Tidak Ada Lumayan Ada Ada Sangat Ada Tidak Irit Lumayan Irit Irit Sangat Irit Tidak Besar Lumayan Besar Besar Sangat Besar Tahap berikutnya adalah membuat matriks ternormalisasi (R) dari matriks keputusan (X).
Sebagai .
Kriteria C1 merupakan cost (Biay.
, maka:
ycAycnycu.
= 0.
ycAycnycu.
ycI21 = = 0.
ycI11 = Selanjutnya Tabel 6 tersebut dibuat kedalm matriks keputusan (X), sehingga :
Jurnal Teknologi Dan Sistem Informasi Bisnis Ae JTEKSIS Vol.
05 No.
1 Januari 2023
E-ISSN : 2655-8238
P-ISSN : 2964-2132
Jurnal Teknologi Dan Sistem Informasi Bisnis Vol.
5 No.
1 Januari 2023 Hal.
http://jurnal.
id/index.
php/jteksis ycAycnycu.
= 0.
ycAycnycu.
ycI41 = = 0.
ycAycnycu.
ycI51 = = 1.
ycAycnycu.
ycI61 = = 0.
ycAycnycu.
ycI71 = = 0.
ycAycaycu.
= 0.
ycI43 = ycAycaycu.
= 0.
ycI53 = ycAycaycu.
= 1.
ycI63 = ycAycaycu.
= 0.
ycI73 = ycAycaycu.
= 0.
ycI33 = ycI31 = Kriteria C2 merupakan benefit, maka:
ycI12 = ycAycaycu.
= 0.
ycI22 = ycAycaycu.
= 0.
ycI32 = ycAycaycu.
= 0.
ycI42 = ycAycaycu.
= 0.
ycI52 = ycAycaycu.
= 0.
ycI62 = ycAycaycu.
= 0.
ycI72 = ycAycaycu.
= 1.
Kriteria C3 merupakan benefit, maka:
ycI13 = ycAycaycu.
= 0.
ycI23 = ycAycaycu.
= 0.
Kriteria C4 merupakan benefit, maka:
ycI14 = ycAycaycu.
= 0.
ycI24 = ycAycaycu.
= 0.
ycI34 = ycAycaycu.
= 0.
ycI44 = ycAycaycu.
= 0.
ycI54 = ycAycaycu.
= 1.
ycI64 = ycAycaycu.
= 0.
ycI74 = ycAycaycu.
= 0.
Kriteria C5 merupakan benefit, maka:
ycI15 = ycAycaycu.
= 1.
ycI25 = ycAycaycu.
= 0.
ycI35 = ycAycaycu.
= 0.
ycI45 = ycAycaycu.
= 0.
ycI55 = ycAycaycu.
= 0.
Jurnal Teknologi Dan Sistem Informasi Bisnis Ae JTEKSIS Vol.
05 No.
1 Januari 2023
E-ISSN : 2655-8238
P-ISSN : 2964-2132
Jurnal Teknologi Dan Sistem Informasi Bisnis Vol.
5 No.
1 Januari 2023 Hal.
http://jurnal.
id/index.
php/jteksis ycAycaycu.
= 0.
ycI75 = ycAycaycu.
= 1.
V7 = .
= 0.
04 = 0.
ycI65 = Setelah dihitung, maka ternormalisasi (R) sebagai berikut:
Toyota Calya 2020 Tipe G M/T (A.
V1 = .
= 0.
04 = 0.
Daihatsu Sigra 2020 Tipe R M/T (A.
V2 = .
= 0.
02 = 0.
Toyota Agya 2020 1,2L Tipe G M/T (A.
V3 = .
Daihatsu Ayla 2020 1,2L Tipe R M/T (A.
V4 = .
= 0.
02 = 0.
Honda Brio Tipe S (A.
V5 = .
= 0.
02 = 0.
Suzuki Karimun Wagon R GS Airbag (A.
V6 = .
= 0.
02 = 0.
Datsun Go T Style MT (A.
Tabel 8.
Hasil perangkingan alternatif Langkah selanjutnya adalah mencari nilai preferensi (V.
untuk setiap laternatif berdasarkan nilai matriks ternormalisasi (R).
Proses ini dilakukan dengan cara W*R.
Sehingga diperoleh nilai preferensi dari masingmasing alternatif sebagai berikut:
Berdasarkan hasil dari preferensi diatas, maka dilakukan proses perangkingan dari nilai masing-masing alternatif sebagai berikut:
Alternatif Toyota Calya 2020 Tipe G M/T (A.
Daihatsu Sigra 2020 Tipe R M/T (A.
Toyota Agya 2020 1,2L Tipe G M/T (A.
Daihatsu Ayla 2020 1,2L Tipe R M/T (A.
Honda Brio Tipe S (A.
Suzuki Karimun Wagon R GS Airbag (A.
Datsun Go T Style MT (A.
Nilai Preferensi
(V)
Berdasarkan hasil perankingan .
diatas, maka diperoleh keputusan bahwa Alternatif A5 (Honda Brio Tipe S) dengan nilai 0,9075 sangat cocok untuk dibeli oleh calon pembeli.
Keputusan kedua adalah alternatif A2 (Daihatsu Sigra 2020 Tipe R M/T ) dan A3 (Toyota Agya 2020 1,2L Tipe G M/T) dengan nilai prefernsi masing-masing 0,6911 dan disusul oleh alternatif A7 (Datsun Go Style MT) dengan nilai preferensi 0,6861 dan disusul alternatif A6 (Suzuki Karimun Wagon R GS Airba.
dengan nilai preferensi 0.
6161 serta alternatif A1 (Toyota Calya 2020 Tipe G M/T) dengan nilai preferensinya adalah 0.
KESIMPULAN
Sistem ini memberikan informasi tentang harga mobil, kapasitas mesin, hemat bahan bakar, fitur keselamatan dan akomodasi kabin dari setiap mobil LCGC yang akan dibandingkan.
Sistem ini memberikan kemudahan bagi konsumen dalam memilih mobil LCGC sehingga konsumen pembeli mobil tidak mengalami kerugian baik dari sisi kriteria yang diinginkan maupun masalah lain kedepannya.
Sistem aplikasi ini menampilkan hasil nilai data dari setiap mobil LCGC yang dibandingkan sehingga konsumen dapat menganalisa berkelanjutan.
Pendukung keputusan yang dilakukan berdasarkan metode simple addative weighting cukup baik untuk menghasilkan nilai preferensi setiap alternatif yang akan dijadikan sebagai kandidat keputusan.
REFERENCES