SMATIKA : STIKI Informatika Jurnal Vol.
No.
Desember 2024, pp.
ISSN: 2087-0256, e-ISSN: 2580-6939 Sistem Pendukung Keputusan dalam Pemilihan Motor Matic Menggunakan Metode Preference Selection Index (PSI) Afiq Alghazali Lubis1 Josua Pinem2 Muhammad Agus Syaputra3* 1,2,3Ilmu Komputer.
Universitas Negeri Medan.
Jl.
Willem Iskandar/Pasar V.
Medan.
Sumatera Utara, 20221.
Indonesia 1afiqalghazali@mhs.
id, 2 josuapinem@mhs.
3muhammadaagus@mhs.
*Penulis Korespondensi:
Muhammad Agus Syaputra muhammadaagus@mhs.
Abstrak Penelitian ini bertujuan untuk merancang Sistem Pendukung Keputusan guna memilih motor matic dengan menggunakan Metode Preference Selection Index (PSI).
Di tengah perkembangan pesat industri otomotif, khususnya motor matic, metode PSI diterapkan tanpa pembobotan kriteria untuk membantu konsumen dalam memilih motor berdasarkan lima kriteria Dengan normalisasi data yang disesuaikan dengan jenis kriteria cost atau benefit, metode PSI menawarkan solusi yang sederhana dan efektif dalam proses pengambilan keputusan yang melibatkan berbagai kriteria.
Sistem yang dikembangkan diharapkan dapat memberikan rekomendasi motor matic yang sesuai dengan preferensi dan kebutuhan Tantangan dalam memilih motor matic terletak pada kompleksitas mempertimbangkan berbagai kriteria penting bagi konsumen, seperti harga, kelengkapan surat, tahun pembuatan, kondisi, dan keaslian suku cadang.
Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan yang dapat memberikan rekomendasi motor matic secara efektif berdasarkan kriteria-kriteria tersebut tanpa melakukan pembobotan.
Metode PSI diterapkan untuk mencapai tujuan ini dengan normalisasi data sesuai jenis kriteria cost atau benefit, sehingga diharapkan solusi yang dihasilkan dapat memenuhi preferensi dan kebutuhan pengguna dalam memilih motor matic.
Kata Kunci: Motor Matic.
Preference Selection Index .
Sistem Pendukung Keputusan Abstract This research aims to design a Decision Support System for selecting automatic motorbikes using the Preference Selection Index (PSI) Method.
In the midst of the rapid development of the automotive industry, especially automatic motorbikes, the PSI method is applied without weighting criteria to help consumers choose motorbikes based on five main criteria.
normalizing data according to the type of cost or benefit criteria, the PSI method offers a simple and effective solution in decision-making processes involving various criteria.
The system developed is expected to be able to provide recommendations for automatic motorbikes that suit the user's preferences and needs.
The challenge in choosing an automatic motorbike lies in the complexity of considering various important criteria for consumers, such as price, completeness of documents, year of manufacture, condition and authenticity of spare parts.
Therefore, this research aims to develop a decision support system that can provide effective motorbike recommendations based on these criteria without The PSI method is applied to achieve this goal by normalizing data according to the type of cost or benefit criteria, so that it is hoped that the resulting solution can meet the user's preferences and needs in choosing an automatic Keywords: Automatic Motorbike.
Decision Support System.
Preference Selection Index Pendahuluan Pada era saat ini, industri otomotif memiliki peningkatan yang sangat signifikan yang menghasilkan banyak negara-negara industri otomotif merebut pangsa pasar.
Terkhusus di Indonesia.
Sepeda motor merupakan pilihan utama bagi masyarakat.
Sepeda motor sendiri adalah alat transportasi yang efektif, efisien, dan lebih hemat dibandingkan alat transportasi lainnya.
Diliput dari data Badan Pusat Statistik sejak tahun 2022 jumlah sepeda motor di Indonesia adalah 332 .
Dibandingkan dengan kendaraan lainnya, dapat dinyatakan bahwa kendaraan sepeda motor lebih unggul.
Jika dilansir dari data Badan Pusat Statistik Indonesia, pada tahun Cite: Lubis.
Sistem Pendukung Keputusan dalam Pemilihan Motor Matic Menggunakan Metode Preference Selection Index (PSI).
SMATIKA : STIKI Informatika Jurnal,14.
doi: ttps://doi.
org/10.
32664/smatika.
Sistem Pendukung Keputusan dalam Pemilihan Motor Matic Menggunakan Metode Preference Selection Index (PSI) 2022 terdapat 275.
774 jiwa masyarakat di Indonesia .
Jika dilakukan perbandingan sederhana, hanya terdapat 150.
442 jiwa atau 1.
8% yang tidak memiliki kendaraan sepeda Jika perbandingan yang dilakukan tidak dilakukan syarat tertentu.
Di Indonesia sendiri, sepeda motor matic merupakan jenis kendaraan yang populer dan diminati.
Dilansir pada website resmi OTO, penjualan motor matic berkontribusi sebesar 88,66% .
Melalui kontribusi penjualan motor matic ini, melahirkan banyak ragam jenis motor matic di Indonesia.
Setiap perusahaan yang ada di Indonesia memberikan tawaran-tawaran yang Dampak dari kegiatan ini adalah, timbulnya kebingungan pada masyarakat yang ingin membeli sepeda motor berjenis matic ini.
Pemilihan motor matic ini sendiri juga disesuaikan pada kriteria setiap orang.
Dalam penelitian ini, telah disebarkan sebuah kuesioner dengan jumlah responden sebanyak 50 Responden terdiri dari 25 orang laki-laki dan 25 orang perempuan.
Melalui hasil pengisian kuisioner ditemukan 5 kriteria paling diutamakan yaitu harga .
%).
CC mesin .
%), kapasitas oli mesin .
%), kapasitas bahan bakar .
%), bobot sepeda motor .
%).
Gambar 1.
Hasil Kuesioner Penelitian yang dilakukan oleh M.
Bucci.
Arni, dan Ridwan pada tahun 2023 mengenai pengembangan sistem pendukung keputusan untuk pemilihan sepeda motor bekas dengan mesin 150cc menggunakan metode AHP dan TOPSIS menyimpulkan bahwa sistem tersebut telah diimplementasikan di Dani Jaya Motor.
Dalam penelitian ini, kriteria yang digunakan meliputi Harga.
Kelengkapan Surat.
Tahun Perakitan.
Kondisi, dan Keaslian Suku Cadang.
Pada tahun 2022.
Fathul.
Reza.
Dwi.
Munandar, dan Perani melakukan penelitian untuk membangun Sistem Pendukung Keputusan dalam pemilihan kendaraan bermotor menggunakan metode SAW.
Penelitian ini menghasilkan sebuah sistem yang dapat membantu konsumen dalam memilih kendaraan dengan menggunakan metode SAW.
Pada penelitian ini, sampel yang digunakan hanya 3 jenis kendaraan sepeda motor yang tujuannya untuk memahami cara kerja dari metode ini.
Berbeda dengan penelitian sebelumnya.
Lutfi.
Anastasia, dan Lukas melakukan penelitian dalam membandingkan metode SAW.
WP, dan SMART dengan studi kasus Pemilihan Sepeda Motor Yamaha Matic 125cc.
Pada penelitian yang dilakukan, metode WP merupakan metode yang memiliki nilai persentase dibandingkan kedua metode.
Dalam pengembangan sebuah sistem pendukung keputusan, terdapat berbagai metode yang dapat digunakan.
Salah satu metode tersebut adalah Metode Preference Selection Index (PSI).
Metode PSI adalah alat untuk pengambilan keputusan yang melibatkan berbagai kriteria tanpa memberikan bobot pada setiap atribut.
Metode ini akan menentukan alternatif terbaik berdasarkan nilai Indeks Preferensi tertinggi.
Dalam pembangunan metode ini, terdapat dua buah atribut penting.
Kedua kriteria tersebut adalah keuntungan .
dan biaya .
Kriteria ini yang akan menentukan pemilihan produk motor matic terbaik.
Pada beberapa A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Sistem Pendukung Keputusan dalam Pemilihan Motor Matic Menggunakan Metode Preference Selection Index (PSI) penelitian sebelumnya ditemukan bahwa metode yang digunakan rata-rata menggunakan metode yang melakukan pembobotan.
Pada penelitian sebelumnya dengan kasus yang sama, belum banyak terdapat yang menggunakan metode PSI.
Pada penelitian ini, pemilihan metode PSI dilakukan dikarenakan metode ini tidak melakukan pembobotan pada kriteria.
Peneliti berpendapat bahwa tanpa adanya pembobotan, tidak ada kriteria yang mendapat prioritas khusus.
Semua kriteria dianggap sama pentingnya dan saling berkaitan satu sama lain.
Pada penelitian ini, hasil akhir yang dituju adalah terbangunnya sebuah sistem yang dapat membantu setiap konsumen dalam memilih motor berdasarkan 5 kriteria penting yang ditemukan melalui kuesioner yang menggunakan website sebagai media Pada perhitungan metode PSI, data yang dikumpulkan akan dinormalisasi.
Normalisasi akan dilakukan berdasarkan jenis kriteria cost atau benefit.
Jika kriteria benefit, maka perhitungan rumus normalisasi adalah nilai data ke-n dibagi nilai data maksimum.
Sebaliknya, jika data kriteria merupakan jenis cost maka perhitungan rumus normalisasinya adalah nilai data minimum dibagikan dengan nilai data ke-n.
Setelah dilakukan normalisasi data, maka perhitungan menggunakan metode PSI dapat dilanjutkan.
Tujuan dari normalisasi ini untuk menggantikan metode pembobotan pada setiap kriteria.
Penelitian ini memberikan solusi atas kebingungan masyarakat yang ingin membeli sepeda motor berjenis matic yang dinilai berdasarkan kriteria masing-masing dari pembeli dengan menghadirkan website Sistem Pendukung Keputusan dengan metode PSI yang ramah bagi pengguna.
Selain menawarkan solusi yang inovatif dan praktis, penelitian ini diharapkan dapat memberikan kontribusi yang berarti baik dari perspektif konsumen maupun industri otomotif di Indonesia.
Metode Penelitian Tahapan penelitian merupakan serangkaian langkah yang perlu diikuti peneliti sebagai panduan dalam merencanakan, melaksanakan, dan menganalisis penelitian yang dikerjakan dengan baik.
Tahapan tahapan ini membantu peneliti dalam pengumpulan data serta mengambil kesimpulan yang valid.
Analisa Masalah Diperlukan analisis masalah sebagai tahap awal dalam mengembangkan sebuah Sistem Pendukung Keputusan (SPK).
Untuk membangun sistem pendukung keputusan dalam pemilihan motor matic menggunakan metode PSI, diperlukan analisis masalah yang mempertimbangkan berbagai faktor relevan yang mempengaruhi proses pengambilan keputusan.
Metode PSI akan digunakan sebagai pendekatan untuk mengatasi kompleksitas dan subjektivitas dalam proses pengambilan keputusan.
Dengan demikian.
Sistem Pendukung Keputusan yang dikembangkan dapat memberikan solusi yang sesuai dengan preferensi dan kebutuhan pengguna dalam memilih motor matic yang tepat.
Metode Preference Selection Index(PSI) Pendekatan yang digunakan adalah Metode PSI untuk mengambil keputusan multi-kriteria (MCDM).
Sehingga dengan menggunakan teknik ini, menetapkan tingkat kepentingan relatif antar atribut tidak dibutuhkan, dan tidak ada perhitungan bobot atribut yang diperlukan.
Pendekatan ini bermanfaat dalam situasi di mana terjadi konflik dalam menetapkan tingkat kepentingan antar Hasil tersebut didapatkan melalui perhitungan yang minimal dan sederhana berdasarkan prinsip statistik, tanpa perlu menetapkan bobot atribut.
Berikut adalah tahap-tahapan dalam mengembangkan metode PSI:
Identifikasi Matriks Keputusan A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Sistem Pendukung Keputusan dalam Pemilihan Motor Matic Menggunakan Metode Preference Selection Index (PSI) .
ycUycnyc merupakan representasi data yang terdiri dari yco baris dan ycu kolom.
Elemen ycuycnyc adalah nilai yang terletak pada baris ke-i dan kolom ke-j untuk alternatif ke-i.
Normalisai Matriks Keputusan ycAycnyc = ycAycnyc = ycuycnyc ycu ycoycaycu ycAycnyc adalah nilai normalisasi untuk elemen ke-i dari kriteria ke-j.
Nilai ycuycnyc adalah nilai asli dari ycoycaycu kriteria ke-j untuk alternatif ke-i.
Sementara itu ycu ycnyc adalah nilai tertinggi dari kriteria ke-j di ycoycnycu antara semua alternatif, dan ycuycnyc adalah nilai terendah dari kriteria ke-j diantara semua Menghitung Rata-rata Nilai Normalisasi Matriks ycA = Ocyco ycAycnyc ycn=1 ycu Disini, ycA merupakan nilai rata-rata dari indeks preferensi untuk alternatif ke-j.
Lalu ycu Ocyco ycAycnyc ycn=1 adalah penjumlahan dari semua nilai normalisasi ycAycnyc untuk kriteria ke-j dari semua alternatif ke-i.
Untuk yco pada langkah ini adalah jumlah total alternatif dan ycu adalah jumlah total kriteria.
Perhitungan Nilai Variasi Preferensi yuoyc = Ocyco .
cAycnyc Oe ycA)2 ycn=1 .
yuoyc adalah nilai yang menunjukkan variasi preferensi untuk kriteria j.
Sedangkan .
cAycnyc Oe ycA)2 adalah selisih antara nilai normalisasi ycAycnyc dengan nilai rata-rata ycA , yang kemudian Menghitung Deviasi Nilai Preferensi yuyc = 1 Oe yuoyc Untuk yuyc adalah representasi nilai deviasi preferensi untuk kriteria ke-j.
Lalu angka 1 merupakan konstanta yang digunakan sebagai referensi untuk menghitung deviasi preferensi.
Menghitung Bobot Kriteria A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Sistem Pendukung Keputusan dalam Pemilihan Motor Matic Menggunakan Metode Preference Selection Index (PSI) yuyc ycyc = Ocycu yc=1 .
yuyc ycyc adalah bobot kriteria untuk kriteria ke-j.
Kemudian Ocycuyc=1 yuyc adalah total penjumlahan dari keseluruhan nilai yuyc untuk semua kriteria j dari 1 hingga ycu , di mana ycu adalah jumlah total Penentuan Nilai PSI yuycn = Ocycuyc=1 ycAycnyc ycyc Terakhir untuk yuycn merepresentasikan nilai PSI atau skor akhir untuk alternatif ke-i.
Perhitungan untuk nilai Akurasi Rumus precision and recall akan digunakan untuk mendapatkan akurasi pada penelitian kali ini yang mana rumusnya ialah sebagai berikut.
cNycE ycNycA) .
cNycE yaycE yaycA ycNycA) .
Hasil Pemilihan motor matic yang sesuai dengan kebutuhan dilakukan agar setiap calon pembeli mendapatkan keuntungan yang lebih.
Keuntungan yang didapatkan berasal dari CC mesin, berat, dan kapasitas bensin.
Untuk melakukan proses pemilihan motor matic terbaik dapat disesuaikan dengan kriteria-kriteria berdasarkan data alternatif.
Penentuan Kriteria Beberapa kriteria yang akan dibutuhkan untuk penentuan motor matic ada pada tabel berikut.
Tabel 1.
Kriteria Pada Motor Matic Kategori Harga CC Mesin Berat KapasitasOli Mesin Kapasitas Bensin Kriteria Tipe Cost Benefit Benefit Cost Benefit Pada Tabel 1, kategori dimisalkan menjadi kriteria.
Tujuannya adalah agar ketika proses perhitungan, kategori menjadi lebih ringkas dan tidak mengganggu pada proses perhitungan.
Selain itu, pada metode PSI, setiap kriteria akan di muat kedalam dua tipe yaitu cost dan benefit.
Pada saat kategori berhubungan dengan pembiayaan, atau semakin tinggi angkanya maka semakin tinggi kemungkinan tidak dipilih.
Contohnya pada kriteria C1 dijadikan cost dikarenakan dalam memilih motor matic tidak semua orang ingin membeli yang mahal, atau semakin mahal motornya semakin sedikit yang ingin membelinya.
Untuk tipe kedua yaitu benefit atau Sebagai contoh, jika membeli motor CC mesin merupakan benefit dikarenakan banyak motor yang dijual dengan CC mesin sama akan tetapi harga yang beragam.
Contoh lainnya, dalam pembelian sebuah motor.
Kapasitas Bensin bukan menjadi tolak ukur kemahalan suatu motor, melainkan jika mendapatkan kapasitas yang besar pada motor akan menjadi keuntungan bagi pembeli.
A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Sistem Pendukung Keputusan dalam Pemilihan Motor Matic Menggunakan Metode Preference Selection Index (PSI) Penentuan Alternatif Berikut ialah tabel dari produk motor matic yang digunakan pada penelitian sistem pendukung keputusan ini.
Tabel 2.
Tabel Alternatif
Produk
Honda Beat
Honda BeatStreet
Honda Genio
Honda Scoopy Honda Vario 125
Honda Vario 160
Honda Stylo 160
Honda PCX 160
Honda Adv 160
Honda Forza
Yamaha XMAX 250
Alternatif
A10
A11
Produk
Yamaha NMAX 250
Yamaha Aerox 155
Yamaha LEXi LX 155
Yamaha Grand Filano
Yamaha Fazzio
Yamaha FreeGo 125
Yamaha GEAR 125
Yamaha X-Ride 125
Yamaha Mio M3 125
Yamaha Fino 125
Alternatif
A12
A13
A14
A15
A16
A17
A18
A19
A20
A21
Pada Tabel 2, dilakukan pemisalan kembali pada data alternatif.
Hal ini ditujukan agar mempermudah dalam perhitungan.
Pada perhitungan menggunakan PSI, setiap data pada alternatif harus diperiksa, jika tidak dilakukan pemisalan pada data alternatif, maka proses pengecekan akan menjadi lebih lama.
Adapun data alternatif yang akan dilakukan pemilihan motor matic terbaik sebagai berikut.
Tabel 3.
Tabel Data Alternatif
Alternatif
Harga
CC Mesin
Berat
A10
A11
A12
A13
A14
A15
A16
A17
A18
A19
A20
A21
Rp 18.
Rp 18.
Rp 20.
Rp 23.
Rp 25.
Rp 30.
Rp 30.
Rp 36.
Rp 39.
Rp 90.
Rp 71.
Rp 66.
Rp 31.
Rp 30.
Rp 27.
Rp 23.
Rp 23.
Rp 19.
Rp 20.
Rp 17.
Rp 21.
Kapasitas Oli Mesin A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Kapasitas Bensin Sistem Pendukung Keputusan dalam Pemilihan Motor Matic Menggunakan Metode Preference Selection Index (PSI) Tabel 3 merupakan isi data sampel yang akan digunakan dalam membangun aplikasi dan perhitungan menggunakan metode PSI.
Penerapan Metode Dalam menentukan nilai dari normalisasi matriks keputusan menggunakan persamaan normalisasi yang hasilnya akan terlihat pada tabel berikut.
Tabel 4.
Tabel Data Alternatif Ternormalisasi Alternatif
A10
A11
A12
A13
A14
A15
A16
A17
A18
A19
A20
A21
Sum Kemudian menghitung nilai rata-rata kinerja yang telah dinormalisasi menggunakan persamaan ycA = .
Lalu untuk menghitung nilai variasi preferensi menggunakan persamaan 5.
Tabel 5.
Tabel Data Alternatif Setelah Dihitung Menggunakan Persamaan 5
Alternatif
A10
A11
A12
A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Sistem Pendukung Keputusan dalam Pemilihan Motor Matic Menggunakan Metode Preference Selection Index (PSI) A13
A14
A15
A16
A17
A18
A19
A20
A21
Sum 1 - Sum Sum yuoyc = .
Selanjutnya dilakukan perhitungan mencari deviasi nilai preferensi dengan persamaan 6.
yuyc = [Oe0.
4384 Oe 0.
Oc yuyc = 1.
Untuk melakukan penentuan bobot kriteria digunakan persamaan 7.
Tabel 6.
Bobot Kriteria Menggunakan Persamaan 7 Kategori Harga CC Mesin Berat Kapasitas Oli Mesin Kapasitas Bensin Kriteria Tipe Cost Benefit Benefit Cost Benefit Bobot Setelah proses-proses yang dilakukan kemudian lakukan perhitungan dengan metode Preference Selection Index dengan persamaan 8.
Tabel 7.
Tabel Data Alternatif Ternormalisasi Alternatif
A10
A11
A12
A13
A14
A15
A16
A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Sistem Pendukung Keputusan dalam Pemilihan Motor Matic Menggunakan Metode Preference Selection Index (PSI) A17
A18
A19
A20
A21
Maka nilai akhir yang didapat menggunakan metode PSI sebagai berikut.
Tabel 8.
Tabel Nilai Akhir Data Alternatif Setelah Menggunakan Metode PSI
Alternatif
A10
A11
Nilai PSI
Alternatif
A12
A13
A14
A15
A16
A17
A18
A19
A20
A21
Nilai PSI Berdasarkan dari nilai tertinggi maka akan terjadi pemeringkatan berikut.
Tabel 9.
Tabel Urutan Data Alternatif Berdasarkan Nilai Tertinggi Alternatif
Peringkat
A10
A11
A12
A13
A14
Nilai PSI
Alternatif
Peringkat
A15
A17
A16
A19
A21
A18
A20
Nilai PSI Hasil dari penelitian yang dilakukan bahwa A10 yaitu Honda Forza menjadi Motor Matic yang terbaik dengan nilai 0.
9, kemudian produk A11 yaitu Yamaha XMAX 250 dengan nilai 0.
84, lalu pada peringkat ketiga dengan produk A12 yaitu Yamaha NMAX 250 dengan nilai 0.
Pembahasan Berikut ini tampilan dari website yang telah dibangun oleh peneliti.
A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Sistem Pendukung Keputusan dalam Pemilihan Motor Matic Menggunakan Metode Preference Selection Index (PSI) Gambar 2.
Laman Awal Website dan Laman Pemilihan Alternatif Pada Website Gambar 3.
Hasil Perhitungan PSI Pada Website Dengan adanya sistem pendukung keputusan yang berdasar pada metode Preference Selection Index (PSI), pengguna motor matic mampu membuat keputusan dalam pembelian yang lebih terinformasi serta sesuai dengan kriteria yang diinginkan pengguna.
Ini membantu pengguna dalam memilih motor matic yang benar-benar sesuai dengan kebutuhan juga preferensi mereka.
Melalui perhitungan menggunakan confusion matrix dimana perhitungan benar data digunakan melalui popularitas motor dikalangan masyarakat.
Melalui data yang didapatkan tersebut, maka akurasi pada perhitungan metode ini didapatkan sebesar 90% dimana dengan data sebanyak 21 kendaraan berjenis motor matic.
Penutup Berdasarkan hasil penelitian ini, dapat disimpulkan bahwa metode PSI dapat diterapkan dengan baik dalam kasus ini.
Dalam kasus penelitian ini, motor yang direkomendasikan berasal dari brand Honda.
Sistem dapat dibangun dengan baik menggunakan metode ini.
Selain itu, sistem yang dibangun sudah fleksibel.
Sistem dibangun dengan tidak membuat kriteria yang statis.
Kriteria dapat diubah sesuai kasus yang diinginkan.
Namun, didalam sistem terdapat riwayat yang jika di load akan menampilkan hasil penelitian menggunakan kasus Pengurutan Sepeda Motor.
Penelitian ini berhasil dilakukan dengan baik.
Akurasi angka tidak dibandingkan dengan akurasi dari perhitungan excel.
Hal ini dilakukan untuk meminimalisir perbedaan angka yang akhirnya akan mempunyai dampak dalam pengurutan.
Dalam penelitian ini masih dapat di kembangkan.
Penelitian ini dapat dikembangkan dengan cara menambah metode untuk melihat akurasi pada Selain itu, dapat juga dilakukan perbandingan akurasi.
A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Sistem Pendukung Keputusan dalam Pemilihan Motor Matic Menggunakan Metode Preference Selection Index (PSI) Referensi