ISSN : 1410 Ae 7104 Sistem Penunjang Keputusan Kepuasan Konsumen Pada PT.
Lotte Shopping Indonesia Bogor Customer Satisfaction Decision Support System at PT.
Lotte Shopping Indonesia Bogor Lutfi Ramdani1 dan Siti Nurmiati2 Jurusan Sistem Informasi.
STMIK Pranata Indonesia Program Studi Sistem Informasi.
Institut Sains dan Teknologi Nasional E-mail : 1 mlutfiramdani23@gmail.
com, 2snurmiati@gmail.
Abstrak--- Kepuasan konsumen merupakan salah satu faktor penting dalam memenangkan persaingan, sehingga setiap perusahaan berusaha untuk mengoptimalkan segala faktor yang dapat meningkatkan nilai kepuasan konsumen tersebut.
Seiring dengan perkembangan bisnis ritel, banyak perusahaan yang bergerak dibidang ini yang awalnya di kelola secara tradisional berubah haluan menjadi toko ritel modern sehingga menjadi bisnis yang inovatif, dinamis dan kompetitif persaingan yang ketat di bisnis ritel tidak terlepas dari semakin menjamurnya pusat-pusat perbelanjaan baik yang bersifat lokal, nasional, maupun internasional dengan berbagai skala dan segmen yang dibidik.
Untuk itu, pada penelitian ini diterapkan Metode Simple Additive Weighting (SAW) untuk merancang sistem penunjang keputusan kepuasan konsumen pada PT Lotte Shopping Indonesia Bogor.
Metode Simple Additive Weighting (SAW) adalah suatu model pengambilan Metode ini meliputi proses penilaian kinerja yang dimulai dengan pembobotan kriteria yang ditetapkan untuk mengetahui kepentingan tiap-tiap indikator, kemudian dari pembobotan indikator tersebut dapat menghasilkan bobot alternatif untuk mengetahui nilai tertinggi dari alternatf yang ada.
Dalam pembuatan program aplikasi sistem informasi pendukung keputusan pemilihan jurusan berbasis web ini menggunakan bahasa pemrograman PHP dan MySQL sebagai database, sehingga sistem ini dilakukan untuk memudahkan pengambilan keputusan untuk menuentukan tingkat kepuasan konsumen, penyempurnaan proses perhitungan kepuasan konsumen dan pengolahan data konsumen.
Kata Kunci : Sistem Penunjang Keputusan.
Metode SAW Abstract--- Consumer satisfaction is one of the important factors in winning the competition, so each company tries to optimize all factors that can increase the value of customer satisfaction.
Along with the development of the retail business, many companies engaged in this field were initially managed traditionally to turn into modern retail stores so that they became innovative, dynamic and competitive businesses, intense competition in the retail business was inseparable from the proliferation of good shopping centers that local, national, and international in various scales and targeted segments.
For this reason, a simple additive weighting (SAW) method was used to design a system for supporting customer satisfaction decisions at PT Lotte Shoping Indonesia Bogor.
The Simple Additive Weighting (SAW) method is a model of decision making.
This method includes a performance appraisal process that starts with the weighting of the criteria set to determine the importance of each indicator, then from the weighting of the indicator can produce alternative weights to find out the highest value of the existing alternative.
In making information system application programs supporting the decision of web-based majors using PHP and MySQL programming languages as databases, so that this system is done to facilitate decision making to determine the level of customer satisfaction, improvement of customer satisfaction calculation processes and consumer data processing.
Keywords: Decision Support System.
SAW Method Sainstech Vol.
No.
Juli 2019
ISSN : 1410 Ae 7104
PENDAHULUAN
Dalam dunia ritel sangat perlu sekali untuk mengetahui apa saja faktor penunjang kepuasan konsumen, hal ini dikarenakan pada saat ini sebagian konsumen telah berubah pola pikirnya dalam mengkonsumsi suatu produk.
Konsumen tidak hanya melihat dari terpenuhinya kebutuhan Melainkan konsumen juga melihat suatu produk apakah dapat memenuhi harapannya atau mungkin melebihi dari apa yang mereka harapkan.
Konsumen menilai produk dari kualitas produk semakin baik produk yang dijual sebuah perusahaan maka akan memberi pengaruh positif terhadap kepuasan konsumen pengguna produk dalam perusahaan tersebut.
selain itu, konsumen saat ini juga melihat promosi atau harga yang ditawarkan sebuah perusahaan, dikarenakan konsumen akan pergi jika harga atau promosi yang ditawarkan sebuah perusahaan lebih tinggi dari harga yang ditawarkan perusahaan lain untuk produk yang sama, serta konsumen mulai melakukan penilaian terhadap kualitas pelayanan yang diberikan dalam suatu perusahaan, dan citra perusahaan yang timbul diingatan konsumen baik sebelum atau sesudah melakukan transaksi di perusahaan tersebut.
Apabila produk yang dijual dan promosi yang ditawarkan serta pelayanan yang diterima dan citra perusahaan tersebut cukup baik dimata konsumen, tidak jarang konsumen perusahaan tidak ingin berpindah ke perusahaan lainnya.
Dalam penelitian ini membahas mengenai strategi apa saja yang harus dilakukan perusahaan dalam menjaga kualitas produk terhadap kepuasan TINJAUAN PUSTAKA Pada penelitian sebelumnya diantaranya penelitian sistem pendukung keputusan kepuasan Minimarket, minimarket di setiap daerah merupakan sebuah kebutuhan masyarakat, semakin berkembangnya pengetahuan teknologi membuat banyak peruahaan bersaing untuk mendirikan retail yang bisa memberikan pelayanan dan kebutuhan yang baik terhadap konsumen.
Sehingga masih banyak konsumen yang masih bingung untuk menentukan minimarket sebagai tempat berbelanja, biasanya hal tersebut dipengaruhi oleh beberapa faktor yaitu persepsi tentang persaingan harga, ketersediaan barang, hadiah yang ditawarkan, produk yang dipromosikan, dan pelayanan.
Dalam hal ini untuk memberikan hasil yang maksimum kepada konsumen maka pengusaha retail tersebut harus memiliki kriteria-kriteria yang dapat dijadikan pertimbangan dalam memilih minimarket.
Sistem yang digunakan dalam pengambilan keputusan ini membandingkan antara minimarket dan harga, promo yang ditawarkan, ketersediaan barang, hadiah, dan pelayanan dalam berbelanja, sehingga penilaian hanya dapat dilakukan oleh konsumen.
METODE
Simple Additive Weighting (SAW) Metode di dalam penelitian ini menggunakan metode Simple Additive Weighting (SAW) atau sering juga dikenal istilah metode penjumlahan Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative pada semua atribut.
Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.
Metode ini merupakan metode yang paling terkenal dan paling banyak digunakan dalam menghadapi situasi MultipleAttribute Decision Making (MADM).
MADM itu sendiri merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternative dengan kriteria tertentu.
Metode SAW ini mengharuskan pembuat keputusan menentukan bobot bagi setiap Skor total untuk alternative diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating .
ang dapat dibandingkan lintas atribu.
dan bobot tiap atribut.
Rating tiap atribut haruslah bebas dimensi dalam arti telah melewati proses normalisasi matrikssebelumnya.
Langkah-langkah penyelesaian SAW, sebagai .
Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci.
Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
Membuat matriks keputusan berdasarkan kriteria (C.
, kemudian melakukan normalisasi disesuaikan dengan jenis atribut .
tribut keuntungan ataupun atribut biay.
sehingga diperoleh matriks ternormalisasi R.
Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vector bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatifterbaik (A.
sebagai solusi.
Formula untuk melakukan normalisasi, adalah :
rij = rating kinerja ternormalisasi.
Max Xij = nilai maksimum dari setiap baris .
, dan kolom Min Xij = nilai minimum dari setiap baris .
dan kolom Xij adalah baris dan kolom dari matriks .
Sainstech Vol.
No.
Juli 2019 ISSN : 1410 Ae 7104 Dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj.
i = 1 2 Am 1,2,A,n.
Nilai preferensi untuk setiap alternatif (V.
diberikan sebagai :
Dimana :
Vi = Nilai akhir dari alternative.
Wj = Bobot yang telah ditentukan.
rij = Normalisasi matriks.
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai merupakan alternatif terbaik.
Metode Slovin Dalam melakukan penelitian pada suatu populasi, kita sering menggunakan sampel untuk mewakili populasi tersebut.
Hal ini dikarenakan penelitian dengan menggunakan jumlah populasi secara keseluruhan akan memakan waktu yang lama dan biaya yang sangat besar.
Secara definisi.
Populasi dapat diartikan sebagai jumlah dari Sedangkan Sampel sebagian dari populasi yang ingin diteliti Sample tersebut dianggap dapat mewakili keseluruhan populasinya.
Jadi pada dasarnya, jumlah Sampel akan lebih sedikit dari jumlah populasinya.
Agar sampel yang kita ambil dapat benarbenar mewakili populasinya, kita perlu suatu standar ataupun cara dalam menentukan Sampel.
Terdapat banyak cara maupun rumus untuk menentukan jumlah sampel, salah satunya adalah menggunakan rumus Slovin yang sederhana dan mudah dihitung.
Secara matematis.
Rumus Slovin yang kita gunakan untuk menentukan jumlah sampel adalah sebagai berikut :
n = N / ( 1 N.
Keterangan :
n = Jumlah Sampel N = Jumlah Total Populasi e = Batas Toleransi Error Perancangan penelitian Analisis dengan Perhitungan SAW (Simple Additive Weigh.
Sebuah perusahaan akan menentukan tingkat kepuasan konsumen, untuk menentukan kriteria mana akan terseleksi sebagai kriteria yang mempunyai rangking tertinggi yang memenuhi kepuasan Kriteria yang dipertimbangkan oleh pihak perusahaan adalah :
Tabel 1.
Data dan Bobot Kriteria
Bobot
Rating Kriteria
(%)
Bobot Sangat Kualitas Produk (C.
Penting Promosi Yang ditawarkan Sangat (C.
Penting Sangat Kualitas Pelayanan (C.
Penting Sangat Citra Perusahaan (C.
Penting .
Perhitungan Seleksi Kepuasan Konsumen Berdasarkan langkah-langkah penyeleksian untuk menentukan kepuasan konsumen dengan menggunakan metode SAW maka langkah yang dilakuan harus memberikan nilai setiap alternative (A.
pada setiap kriteria (C.
yang sudah .
Kualitas Produk Untuk kriteria kualitas produk memiliki 4 subkriteria yaitu Barang dagangan yang dijual berkualitas.
Barang dagangan tepat sesuai kebutuhan konsumen.
Harga barang sesuai dengan kualitas barang, harga barang sesuai standar konsumen.
Tabel 2.
Range Kualitas Produk
Range Kualitas Produk
Bobot
Nilai Variabel
Barang dagangan yang dijual berkualitas Barang dagangan tepat Harga
dengan kualitas Harga
standar konsumen
0,75
0,25
Promosi yang ditawarkan Untuk kriteria promosi yang ditawarkan terdapat 4 subkriteria yaitu :
Tabel 3.
Range Promosi yang ditawarkan Range Promosi Yang Bobot
Besarnya diskon menarik perhatian konsumen
Selalu memberikan diskon
Selalu memberikan paket2
relative terjangkau Selalu Nilai Variabel
0,75
0,25
Sainstech Vol.
No.
Juli 2019 ISSN : 1410 Ae 7104 pemasangan spanduk dan alat promosi di tempat strategis dan didalam .
Kualitas Pelayanan Untuk kriteria kualitas pelayanan terdapat 4 subkriteria yaitu :
Tabel 4.
Range Kualitas Pelayanan Nilai Range Kualitas Pelayanan Bobot Variabel Pramuniaga perhatian ke konsumen dengan segara Pelayanan 0,75 Pramuniaga terlatih baik Pelayanan 0,25 .
Citra Perusahaan Untuk citra perusahaan subkriteria yaitu :
Tabel 5.
Range Citra Perusahaan Nilai Range Citra Perusahaan Bobot
Variabel
Tempat belanja nyaman
0,75
Berada di tempat strategis Produk yang dijual lengkap Memiliki pendukung ATM, area
0,25
tempat bermain anak-anak .
Perbaikan Bobot Kriteria Dalam tahap ini dilakukan perbaikan bobot kriteria yang sebelumnyaa bilangan bulat menjadi bilangan desimal, untuk menyesuaikan nilai variabel.
Wj = Bobot Kriteria Oc j = Jumlah Bobot Kriteria Kriteria Bobot Tabel 6.
Perbaikan Bobot Kriteria
Kepuasan Kriteria
Bobot
Rating Konsumen
Kualitas Sangat Produk
0,25
Penting Promosi
Sangat Haga
0,25
Penting Kualitas Sangat Pelayanan 0,25 Penting Citra Sangat Perusahaan 0,25 Penting Dari total 10 konsumen yang mengisi kuisoner kepuasan konsumen.
Untuk menghemat waktu dan Petugas memutuskan untuk melakukan penelitian dengan menggunakan sampel berdasarkan rumus slovin, batas toleransi kesalahan yang ditetepkan adalah 5%, dengan menggunakan rumus Slovin.
, dapatkan hasil penyelesaiannya :
n = N / ( 1 N.
n = 10 / ( 1 10.
%).
n = 10 / ( 1 10.
n = 10 / ( 1 10.
,0.
n = 10 / ( 1 0,.
n = 10 / 1,025 n = 9,75 Ne dibulatkan ke atas menjadi 10 .
Menentukan Rating Kinerja Dalam menentukan rating kinerja diperlukan nilai yang sudah ternormalisasi.
Tabel 7.
Hasil Kuisoner Kepuasan Konsumen Toko Cita Raya Toko Aronfatam Wr Chandra Toko Maulani Wr Enah Wr Rosmin J Mart Toko Kembar Wr Afanesa Toko Masniari Kriteria Kemudian setelah menemukan nilai seperti tabel 7 maka tahap selanjutnya adalah dengan merubah nilai kriteria sesuai dengan range yang sudah ditentukan.
Sainstech Vol.
No.
Juli 2019 ISSN : 1410 Ae 7104 Tabel 8.
Hasil Kuisoner yang Sudah Dinormalisasi Kepuasan Kriteria
Konsumen
0,75
0,75
0,75 0,5
0,75
0,5 0,75
0,75
A10
0,5 0,75
Tahap untuk menentukan nilai rating kinerja normalisasi adalah dengan membagi nilai terbesar dari setiap kriteria yang ada, rumusnya adalah berikut ini :
rij = nilai rating kinerja normalisasi xij = nilai atribut yang dimiliki dari setiap kriteria Max.
= nilai terbesar dari setiap kriteria Tabel 9.
Nilai Rating Kinerja Normalisasi
Kepuasan Konsumen
A10
Kriteria
0,75/1 = 0,5/1 = 0,5/1 =
0,75
0,75/1 = 0,5/1 = 0,5/1 =
0,75
0,5/0,75 =
0,667
0,5/0,75 =
0,667
0,5/0,75 =
1/1 = 1 1/1 = 1 1/1 = 1
0,667
0,5/1 = 0,5/1 = 0,5/0,75 =
1/1 = 1
0,667
0,75/1 = 0,5/0,75 =
1/1 = 1 1/1 = 1
0,75
0,667
0,75/1 = 0,5/1 = 0,5/1 = 0,5/0,75 =
0,75
0,667
0,5/1 = 0,5/1 = 0,75/0,75 =
1/1 = 1
0,75/1 = 0,5/1 = 0,5/1 = 0,5/0,75 =
0,75
0,667
0,5/1 = 0,5/1 = 0,5/0,75 =
1/1 = 1
0,667
0,5/1 = 0,5/1 = 0,75/0,75 =
1/1 = 1
Dengan mengikuti rumus nilai rating kinerja diperolehlah nilai seperti tabel 3.
Menentukan Nilai Akhir Setelah mendapat tabel seperti itu barulah mengalikan setiap kolom di tabel tersebut dengan bobot kriteria yang telah di deklarasikan Nilai preferensi untuk setiap alternatif (V.
diberikan rumus :
Keterangan :
C Vi = Rangking untuk setiap alternatif.
C Wj = Nilai bobot rangking.
C Rij = Nilai rangking kinerja ternormalisasi.
A1 = .
,75*0,.
,5*0,.
,5*0,.
,667*0,.
A1 = 0,187 0,125 0,125 0,167 = 0,604
A2 = .
,75*0,.
,5*0,.
,5*0,.
,667*0,.
A2 = 0,187 0,125 0,125 0,167 = 0,604
A3 = .
*0,.
*0,.
*0,.
,667*0,.
A3 = 0,25 0,25 0,25 0,167 = 0,917
A4 = .
*0,.
,5*0,.
,5*0,.
,667*0,.
A4 = 0,25 0,125 0,125 0,167 = 0,667
A5 = .
*0,.
*0,.
,75*0,.
,667*0,.
A5 = 0,25 0,25 0,187 0,167 = 0,854
A6 = .
,75*0,.
,5*0,.
,5*0,.
,667*0,.
A6 = 0,187 0,125 0,125 0,167 = 0,604
A7 = .
*0,.
,5*0,.
,5*0,.
*0,.
A7 = 0,25 0,125 0,125 0,25 = 0,75
A8 = .
,75*0,.
,5*0,.
,5*0,.
,667*0,.
A8 = 0,187 0,125 0,125 0,167 = 0,604
A9 = .
*0,.
,5*0,.
,5*0,.
,667*0,.
A9 = 0,25 0,125 0,125 0,167 = 0,667
A10 = .
*0,.
,5*0,.
,5*0,.
*0,.
A10 = 0,25 0,125 0,125 0,25 A10 = 0,75
Semakin tinggi nilai alternatif semakin tinggi pula kepuasan konsumen terhadap perusahaan, dan semakin kecil nilai alternatif maka semakinkecil pula kepuasan konsumen terhadap perusahaan.
HASIL DAN PEMBAHASAN
Berikut merupakan hasil pengujian sekaligus pembahasan pengujian program, diantaranya :
Halaman Login Gambar 1.
Halaman Login Pada gambar 1 menjelaskan mengenai Login ID, dengan mengisikan username dan password.
Sainstech Vol.
No.
Juli 2019 ISSN : 1410 Ae 7104 Halaman Utama login admin Halaman Pengelolaan Pelanggan Data Kuisoner Gambar 5.
Halaman Pengelolaan Data Kuisoner Pelanggan Gambar 2.
Halaman Utama Login Admin Pada gambar 2 menjelaskan Halaman Utama Login Admin, berisikan mengenai Himpunan Kinerja.
Kinerja-kinerja dan Alternatif.
Pada gambar 5 menjelaskan mengenai Halaman Pengelolaan Data Kuisoner Pelanggan.
Halaman Pengelolaan Data Klasifikasi Halaman Pengelolaan data kriteria Gambar 6.
Halaman Pengelolaan Data Klasifikasi Pada gambar 6 menjelaskan Halaman Pengelolaan Data Klasifikasi.
Gambar 3.
Halaman Pengelolaan Data Kriteria Pada gambar 3 menjelaskan Pengelolaan Data Kriteria.
Halaman Hasil Laporan Perangkingan Halaman Pengelolaan data himpunan Gambar 4.
Halaman Pengelolaan Data Himpunan/Preferensi Pada gambar 4 menjelaskan mengenai Halaman Pengelolaan Data Himpunan/Preferensi.
Gambar 7.
Halaman Hasil Laporan Perangkingan Sainstech Vol.
No.
Juli 2019 ISSN : 1410 Ae 7104 Pada gambar 7 menjelaskan Halaman Hasil Laporan Perangkingan.
SIMPULAN
Dari hasil dan pembahasan dapat ditarik simpulan.
C Sistem yang dibangun dapat membantu Pimpinan PT.
Lotte Shopping Indonesia dalam menentukan tingkat kepuasan pelayanan C Penentuan tingkat kepuasan konsumen dilakukan berdasarkan kriteria yang telah C Bobot yang diberikan pada setiap kriteria mempengaruhi hasil akhir penentuan tingkat kepuasan pelayanan konsumen.
Perubahan nilai bobot pada suatu kriteria juga akan mempengaruhi hasil akhir perhitungan.
Fathansyah.
AuBasis DataAy.
Informatika.
Bandung .
Kendall.
,& Kendall.
AuSystem Analysis and Design .
th Editio.
Ay.
Paska Mario Hasugian.
AuFuzzy Multiple Attribute Decision Making Untuk Menentukan Tenaga Kerja Degan Metode Simple Addtive Weighting (Studi Kasus PT.
Cahaya Bintang Meda.
Ay.
DAFTAR PUSTAKA