Jurnal IPSIKOM Vol 13 No.
1 Ae Juni 2025
e-ISSN : 2686-6382
SISTEM PENGAMBILAN KEPUTUSAN DALAM PEMILIHAN TYPE PERUMAHAN
CLUSTER MURAH TERBAIK MENGGUNAKAN METODE WEIGHT PRODUCT
Mustar Aman Dosen Tetap.
Universitas Insan Pembangunan Indonesia Email : mustarstmik@gmail.
ABSTRAK
Perumahan Cluster adalah kompleks hunian yang dibuat di satu lingkungan perumahan dengan desain serupa.
Pilihan rumah yang sesuai dengan kemampuan ekonomi dan kebutuhan serta memberikan kenyamanan kepada konsumen adalah tujuan dari penelitian ini yang membahas pengembangan sistem pendukung keputusan.
Sistem pendukung keputusan yang dikembangkan untuk memberikan arahan berupa alternatif pilihan rumah sesuai dengan kriteria utama yang Kriteria yang digunakan pada sistem yang dikembangkan adalah lokasi, harga, luas tanah, fasilitas umum, kualitas bahan bangunan, dan security system.
Penentuan kriteria ini dilakukan berdasarkan hasil survey pada beberapa responden.
Metode sistem pendukung keputusan yang digunakan adalah weight product.
Hasil dari penelitian ini adalah berupa aplikasi sistem pendukung keputusan yang memberikan alternatif pilihan yang dirangking sehingga memudahkan konsumen dalam menentukan rumah yang akan dibeli.
Kata Kunci: SPK.
Pemilihan.
Perumahan.
Weight Product
PENDAHULUAN
Prospek Tahun 2024 ini dipandang sebagai Tingkat pertumbuhan ekonomi yang baik, turunya suku bunga, dan meningkatnya daya beli masyarakat menjadi faktor utama bangkitnya bisnis properti.
Pengembangan ini tidak hanya terjadi di daerah-daerah tertentu, tapi hampir seluruh daerah khususnya di wilayah Tangerang yang menjadi Kota Provinsi Banten.
Perumahan Cluster adalah kompleks hunian yang dibuat di satu lingkungan perumahan dengan desain serupa.
Pilihan rumah yang sesuai dengan kemampuan ekonomi dan kebutuhan serta memberikan kenyamanan kepada konsumen adalah tujuan dari penelitian ini yang membahas pengembangan sistem pendukung keputusan.
Sistem dikembangkan untuk memberikan arahan berupa alternatif pilihan rumah sesuai dengan kriteria utama yang digunakan.
Kriteria yang digunakan pada sistem yang dikembangkan adalah lokasi, harga, luas tanah, fasilitas umum, kualitas bahan bangunan, dan security Penentuan kriteria ini dilakukan berdasarkan hasil survey pada beberapa responden (Aman.
, 2.
Metode sistem pendukung keputusan yang digunakan adalah weight product.
Sistem pendukung keputusan yang dikembangkan untuk memberikan arahan berupa alternatif pilihan rumah sesuai dengan kriteria utama yang digunakan (Muhammad Ferdiansyah Aulia Kusuma, & Jessica Desi Imelda.
, 2.
Kriteria yang digunakan pada sistem yang dikembangkan adalah lokasi, harga, luas tanah, fasilitas umum, kualitas bahan bangunan, luas bangunan dan security system.
(Aman.
Hasil dari penelitian ini adalah berupa aplikasi sistem pendukung keputusan yang dirangking sehingga memudahkan konsumen dalam menentukan rumah yang akan dibeli.
Metode weight product adalah salah satu menggunakan multiple attribute decision making (MADM), dimana ada terdapat alternatif keputusan yang diambil dan kriteria keputusan untuk menentukan mana yang terbaik ( Sazaki.
Efendi.
, & Jambak.
, 2.
Sistem ini menggunakan media internet atau berbasis web, dimaksudkan agar dapat diakses secara luas oleh masyarakat.
Sistem menyediakan informasi mengenai pengelompokkan perumahan Kota Tangerang Google Map Application Programming Interface (API).
Jurnal IPSIKOM Vol 13 No.
1 Ae Juni 2025
e-ISSN : 2686-6382
METODE PENELITIAN
Metode yang digunakan oleh peneliti adalah Metode weight product (Alwani.
& Avianto.
, 2.
Metode weight product adalah salah satu algoritma dalam memilih keputusan menggunakan multiple attribute decision making (MADM), dimana ada terdapat alternatif keputusan yang diambil dan kriteria keputusan untuk menentukan mana yang terbaik.
Rumus perhitungan metode weight product adalah sebagai berikut (Rizaldi.
, dkk.
, 2.
Metode yang digunakan dalam pengumpulan data selama penelitian ini adalah Wawancara dan Observasi (Aman.
, 2.
Tahapan wawancara yang dilakukan untuk mendapatkan informasi lebih lanjut mengenai proses pemilihan type rumah cluster yang dilakukan oleh peneliti.
Sedangkan wawancara yang dilakukan adalah mengenai Lokasi, harga, luas bangunan, kualitas bahan bangunan, luas tanah, fasilitas umum dan scutity sistem terhadap pembeli (Aman.
, 2.
Sedangkan pada tahap observasi peneliti mengamati letak Lokasi rumah yang menarik minat para pembeli.
yaitu pusat kota, deket pusat wisata, deket pusat olahraga atau pusat pembelanjaan.
AA.
Metode Pengembangan Sistem Pada pengembangan yang digunakan adalah berbasis web yang menggunakan bahasa pemrograman, proses ini merupakan fase proses sistem pendukung keputusan yang memiliki tampilan user interface.
(Aman.
AA .
AA .
Adapun algoritma penyelesaian dari metode Weight Product.
(AOAC official method 17shrimp in shrimp cocktail.
, 2.
yaitu sebagai berikut:
Langkah 1: Mendefinisikan terlebih dahulu kriteria-kriteria yang akan di jadikan sebagai tolak ukur penyelesaian Langkah 2: Menormalisasi setiap nilai alternatif .
ilai vekto.
ke dalam logika Langkah 3: Menghitung nilai bobot preferensi pada setiap alternatif Langkah 4: Melakukan perangkingan HASIL DAN PEMBAHASAN Proses weight product Kriteria penilaian yang digunakan dalam sistem pendukung keputusan pemilihan type rumah cluster murah dan terbaik di Kota Tangerang dengan menggunakan metode weight product (Nisah.
, & Laluma.
adalah sebagai berikut:
Tabel 1.
Nilai Bobot kriteria rumah Nama Kriteria Bobot Lokasi (C.
0,10 Harga (C.
0,30 Luas Bangunan (C.
0,15 Kualitas bahan Bangunan (C.
0,13 Luas Tanah (C.
0,20 Fasilitas Umum (C.
0,07 Security Sistem (C.
0,05 Metode pengumpulan data Data yang digunakan dalam penelitian ini adalah data perumahan dan data kriteria penilaian perumahan sebagai berikut (Aman, , dkk.
, 2.
Citra Raya Tangerang Suvana Sutera Telaga Bestari Sumarecon Tangerang Paradis BSD Serpong Kota Cakra Tigaraksa Spin Hill Serpong Berdasarkan hasil penilaian oleh responden yang disebut alternatif berikut ini adalah tabel nilai alternatifnya:
Jurnal IPSIKOM Vol 13 No.
1 Ae Juni 2025 e-ISSN : 2686-6382 Tabel 2.
Penilaian Dari Setiap Alternatif Kriteria Alternatif Citra Raya Tangerang Suvana Sutera Telaga Bestari Sumarecon Tangerang Paradis BSD Kota Cakra Tigaraksa Spin hill Serpong Dari tabel Penilaian di atas harus di normalisasika terlebih dahulu ke dalam bentuk bilangan fuzzy 0-1.
Berikut ini adalah tabel asumsi dan normalisasi nilai Tabel 3.
Asumsi Bilangan Fuzzy Pada Metode Weight Product Nilai Fuzzy Rentang Nilai 0,15 0,30 0,45 0,60 0,75 0,90 1,00 Jadi Tabel Normalisasinya dari tabel alternatif di atas yaitu sebagai berikut:
Tabel 4.
Normalisasi Nilai Fuzzy Metode Weight Product
Alternatif
Kriteria
Citra Raya Tangerang
0,90
1,00
0,90
0,90
1,00
0,90
1,00
Suvana Sutera
0,75
1,00
0,90
0,90
0,90
0,90
1,00
Telaga Bestari Sumarecon Tangerang
0,90
0,90
0,75
0,75
0,90
1,00
0,90
0,90
1,00
1,00
1,00
1,00
1,00
1,00
Paradis BSD
0,75
0,90
0,90
0,90
0,90
0,90
0,90
Kota Cakra Tigaraksa
Spin hill Serpong
0,75
0,90
0,90
0,90
0,90
0,75
0,90
0,90
1,00
1,00
0,75
0,90
0,75
0,90
Tahap Selanjutnya Menormalisasi setiap nilai alternatif .
ilai vekto.
Nilai Vektor untuk masingmasing type perumahan cluster adalah S1 = .
= 0,95369
S2 = .
,90 0.
= 0,91693
S3 = .
,90 0.
,90 0.
,90 0.
= 0,86153
S4 = .
= 0, 98951
S5 = .
,90 0.
,90 0.
,90 0.
= 0,88373
S6 = .
,90 0.
,90 0.
,90 0.
= 0,87253
S7 = .
,90 0.
,90 0.
= 0, 90990
Selanjutnay menghitung nilai bobot preferensi pada setiap alternatif.
Berikut Nilai Preferensi Vi
untuk masing-masing type perumahan cluster
0,95369
= 0,14930
0,95369 0,91693 0,86153 0, 98951 0,88373 0,87253 0, 90990
Jurnal IPSIKOM Vol 13 No.
1 Ae Juni 2025
e-ISSN : 2686-6382
0,91693
= 0,14354
0,95369 0,91693 0,86153 0, 98951 0,88373 0,87253 0, 90990
0,86153
= 0,13487
0,95369 0,91693 0,86153 0, 98951 0,88373 0,87253 0, 90990
0, 98951
= 0,15491
0,95369 0,91693 0,86153 0, 98951 0,88373 0,87253 0, 90990
0, 88373
= 0,13835
0,95369 0,91693 0,86153 0, 98951 0,88373 0,87253 0, 90990
0, 87253
0,95369 0,91693 0,86153 0, 98951 0,88373 0,87253 0, 90990
0, 90990
0,95369 0,91693 0,86153 0, 98951 0,88373 0,87253 0, 90990
= 0,13659
= 0,14244
Tahap berikutnya melakukan perangkingan adalah tabel perangkingan dari nilai bobot preferensi dari setiap alternatif.
Adapun acuan dalam perangkingan ini adalah berdasarkan nilai tertinggi .
yang dijadikan rangking tertinggi (Mira Yunita.
, dkk.
, 2.
Tabel 5.
Hasil perhitungan metode WP.
Alternatif
Citra Raya
Tangerang
Suvana Sutera
Telaga Bestari Sumarecon
Tangerang
Paradis BSD
Kota Cakra
Tigaraksa
Spin hill Serpong
Hasil
Perhitungan Keterangan 0,14930 0,14354 0,13487 Rangking 2
Rangking 3
Rangking 7
0,15491
0,13835
Rangking 1
Rangking 5
0,13659
0,14244
Rangking 6 Rangking 4 Gambar 1.
Halaman Registrasi Halaman Login User pada gambar 2 saat pertama kali dibuka, website secara otomatis akan menampilkan halaman login sebagai user interface pertama yang tampil (Iskandar.
, dkk.
, 2.
User harus memasukkan username dan password lalu klik tombol login untuk dapat masuk ke halaman utama website sistem pendukung keputusan pemilihan type perumahan cluster murah terbaik di Kota Tangerang ( Riyanto.
, dkk.
, 2.
Perancangan User Interface Halaman Registrasi user pada gambar 1 saat pertama kali dibuka, website secara otomatis akan menampilkan halaman registrasi sebagai user interface, untuk user baru harus membuat akun terlebih dahulu untuk masuk ke halaman utama website sistem pendukung keputusan pemilihan type rumah cluster murah terbaik di kota Tangerang ( Nugroho.
, 2.
Gambar 2.
Halaman Login Jurnal IPSIKOM Vol 13 No.
1 Ae Juni 2025 e-ISSN : 2686-6382 Halaman Hasil Perhitungan WP.
Hasil penjumlahan tersebut merupakan nilai akhir dari proses perhitungan metode wight Product, seperti pada gambar berikut ini (Sasono.
, dkk.
, 2.
DAFTAR PUSTAKA