Progresif: Jurnal Ilmiah Komputer Jl.
Ahmad Yani.
33,5 - Kampus STMIK Banjarbaru Loktabat Ae Banjarbaru (Tlp.
, e-mail: puslit.
stmikbjb@gmail.
e-ISSN: 2685-0877 p-ISSN: 0216-3284 Pengembangan Aplikasi Pendukung Keputusan Pemilihan Produk Skincare Lokal Indonesia berbasis SAW Inayatul Izzati Diana Yusuf1*.
Sudaryono2.
Nur Azizah3 Magister Teknik Informatika.
Universitas Raharja.
Tangerang.
Indonesia *e-mail Corresponding Author: inayatul@raharja.
Abstract The growing complexity of selecting suitable skincare products has led to challenges such as confusion and potential skin issues due to incorrect choices.
To address this, the study aimed to develop a Decision Support System (DSS) for recommending local facial wash products in Indonesia, tailored to different facial skin types using the Simple Additive Weighting (SAW) The research processed data from 333 respondents, evaluating criteria such as skin type suitability, product labels, user reviews, and price.
The findings indicate that Marina Hydra Lock Whip Facial Foam is optimal for dry and normal skin.
Acnes Face Wash for combination skin, and Kahf Oil and Acne Care Facial Wash for oily skin.
The DSS effectively enhances the accuracy of product recommendations, minimizing the risk of improper selection and subsequent skin problems.
Keywords: Decision Support System.
Simple Additive Weighting.
Local Skincare.
Abstrak Kompleksitas yang semakin meningkat dalam memilih produk skincare yang sesuai telah menyebabkan tantangan seperti kebingungan dan potensi masalah kulit akibat pilihan yang Untuk mengatasi hal ini, penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan (SPK) yang merekomendasikan produk facial wash lokal di Indonesia, yang disesuaikan dengan berbagai jenis kulit wajah menggunakan metode Simple Additive Weighting (SAW).
Penelitian ini memproses data dari 333 responden, dengan mengevaluasi kriteria seperti kesesuaian jenis kulit, label produk, ulasan pengguna, dan harga.
Hasil penelitian menunjukkan bahwa Marina Hydra Lock Whip Facial Foam adalah pilihan terbaik untuk kulit kering dan normal.
Acnes Face Wash untuk kulit kombinasi, dan Kahf Oil and Acne Care Facial Wash untuk kulit berminyak.
SPK ini terbukti efektif dalam meningkatkan akurasi rekomendasi produk, sehingga dapat meminimalkan risiko pemilihan produk yang salah dan masalah kulit yang diakibatkannya.
Kata kunci: Sistem Pendukung Keputusan.
Simple Additive Weighting.
Skincare Lokal.
Pendahuluan Perawatan kulit, khususnya kulit wajah, telah menjadi perhatian utama bagi banyak individu di seluruh dunia, termasuk di Indonesia .
Kesadaran akan pentingnya menjaga kesehatan kulit kini tidak hanya terbatas pada aspek estetika, tetapi juga terkait dengan kesehatan jangka panjang.
Peningkatan pendapatan per kapita, kemudahan akses informasi, dan kampanye kesehatan kulit oleh para ahli telah mendorong masyarakat untuk lebih serius dalam merawat kulit mereka .
Fenomena ini menunjukkan betapa pentingnya pemahaman yang mendalam tentang perawatan kulit yang tepat, terutama dalam konteks kulit wajah.
Meskipun pasar skincare di Indonesia telah mengalami pertumbuhan pesat, baik dari segi merek internasional maupun lokal, konsumen masih sering kali mengalami kebingungan dalam menentukan produk yang cocok dengan jenis kulit mereka.
Pilihan produk yang begitu beragam, ditambah dengan metode pemilihan yang masih tradisional seperti rekomendasi dari orang lain atau review online, seringkali tidak efisien dan dapat menyebabkan kesalahan dalam pemilihan produk .
Hal ini menciptakan kesenjangan antara kondisi ideal, di mana setiap Pengembangan Aplikasi Pendukung Keputusan Pemilihan a.
Inayatul Izzati Diana Yusuf Progresif e-ISSN: 2685-0877 individu dapat dengan mudah menemukan produk yang sesuai, dengan kondisi saat ini yang masih mengandalkan metode manual.
Untuk menjawab tantangan tersebut, penelitian ini menawarkan solusi berupa pengembangan Sistem Pendukung Keputusan (SPK) yang dapat memudahkan konsumen pada saat menentukan produk skincare yang cocok dengan jenis kulit mereka .
SPK ini dirancang dengan memanfaatkan metode Simple Additive Weighting (SAW) dalam kerangka Multiple Attribute Decision Making (MADM), yang memungkinkan penilaian dan peringkat produk berdasarkan berbagai kriteria yang relevan .
Dengan demikian, solusi ini diharapkan dapat mengatasi masalah kebingungan dalam pemilihan produk skincare dan memberikan rekomendasi yang lebih tepat.
Penelitian ini memiliki tujuan untuk merancang serta mengembangkan sistem rekomendasi skincare berbasis jenis kulit wajah, khususnya untuk merek lokal Indonesia.
Diharapkan bahwa penelitian ini tidak hanya membantu konsumen pada saat membuat keputusan yang lebih tepat, tetapi juga mendukung pertumbuhan pasar skincare lokal dengan memberikan solusi yang lebih personal dan efisien.
Maka dari itu, hasil penelitian ini mampu memberikan kontribusi yang signifikan pada industri kecantikan di Indonesia .
Tinjauan Pustaka Penelitian oleh Susanto, dkk .
mengembangkan sistem pendukung keputusan untuk pemilihan produk skincare berdasarkan jenis kulit dengan metode Simple Additive Weighting (SAW).
Sistem ini membantu konsumen, terutama pasien Klinik Almahira Skincare, memilih produk yang sesuai berdasarkan kriteria seperti masalah kulit, jenis kulit, alergi, usia, dan riwayat penggunaan.
Hasil perhitungan SAW menunjukkan bahwa Radiance White Sunscreen dan Radiance White Night memiliki nilai tertinggi, direkomendasikan sebagai pilihan Dengan demikian, sistem ini mempermudah pemilihan produk dan meningkatkan efisiensi layanan klinik, terutama saat dokter tidak tersedia.
Hal tersebut sejalan dengan penelitian oleh Nabila dan Nurhidayat .
mengembangkan sistem berbasis web yang mengombinasikan metode Analytic Hierarchy Process (AHP) dan Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS).
Sistem ini membantu konsumen memilih produk skincare yang sesuai dengan kondisi kulit Produk Avoskin consistently menduduki peringkat teratas untuk berbagai kategori kulit, termasuk normal, kering, berminyak, dan berjerawat.
Temuan ini menunjukkan bahwa sistem yang dikembangkan efektif dan dapat diandalkan sebagai rekomendasi skincare yang sesuai dengan kebutuhan pengguna.
Penelitian serupa juga dilakukan oleh Haslindah, dkk .
yang mengembangkan sistem pendukung keputusan menggunakan metode Weighted Product (WP) untuk pemilihan jenis skincare berdasarkan jenis kulit wajah .
Metode WP digunakan untuk menilai dan memberikan bobot pada berbagai kriteria seperti jenis kulit, kualitas produk, dan harga.
Hasil penelitian menunjukkan bahwa sistem yang dirancang mampu memberikan rekomendasi produk facial wash yang sesuai dengan kebutuhan pengguna secara efisien.
Selain itu, antarmuka sistem yang sederhana dan mudah dipahami menjadikannya dapat digunakan oleh konsumen dari berbagai kalangan.
Sebagai perbandingan.
Suprayogi .
juga membandingkan metode Simple Additive Weighting (SAW) dan Weighted Product (WP) dalam konteks pemberian pinjaman .
Hasil penelitian mereka menunjukkan bahwa kedua metode pada peringkat sama apabila bobot yang digunakan serupa.
Namun.
WP menunjukkan kinerja yang sedikit lebih baik dalam hal tingkat kesesuaian, menjadikannya pilihan yang lebih relevan untuk kasus pemberian pinjaman.
Temuan ini menekankan pentingnya pemilihan metode yang sesuai dengan konteks aplikasi untuk mencapai hasil yang optimal.
Selain itu, penelitian oleh Alfiza, dkk .
menggunakan metode ELECTRE untuk pemilihan produk skincare .
Penelitian ini berfokus pada kriteria evaluasi seperti harga, kandungan bahan, efek samping, ketersediaan produk, dan kemasan.
Hasil penelitian menyimpulkan bahwa produk Garnier adalah pilihan terbaik berdasarkan metode ELECTRE.
Meskipun metode ini berbeda dengan SAW atau WP, penelitian ini tetap relevan karena menunjukkan bagaimana berbagai metode pengambilan keputusan dapat diterapkan pada masalah yang serupa, yaitu pemilihan produk skincare.
Secara keseluruhan, penelitian sebelumnya menunjukkan bahwa metode pengambilan keputusan seperti SAW.
WP.
AHP.
TOPSIS, dan ELECTRE dapat diterapkan secara efektif Pengembangan Aplikasi Pendukung Keputusan Pemilihan a.
Inayatul Izzati Diana Yusuf e-ISSN: 2685-0877 dalam berbagai konteks.
Setiap metode mempunyai kelebihan dan kekurangan, sehingga kesesuaian metode dengan konteks spesifik sangat penting untuk mencapai hasil yang Pemilihan metode yang tepat dalam pengembangan sistem pendukung keputusan berpengaruh signifikan terhadap efektivitas sistem dalam memberikan rekomendasi yang akurat dan dapat diandalkan.
Metodologi 1 Metode Pengumpulan Data Penelitian ini menggunakan data primer dan sekunder.
Data primer digunakan melalui kuesioner, diisi oleh 333 responden yang memenuhi kriteria, yaitu berusia minimal 17 tahun.
WNI, dan telah menggunakan produk skincare lokal Indonesia dalam enam bulan terakhir.
Data sekunder dikumpulkan dari literatur terkait, ulasan produk dari media sosial, dan e-commerce.
Sumber referensi meliputi buku, jurnal, artikel, serta informasi terpercaya lainnya yang terkait sistem pendukung keputusan dan metode Simple Additive Weighting (SAW), khususnya terkait perawatan kulit wajah.
2 Metode Pengembangan Sistem Penelitian ini menerapkan pendekatan Rapid Application Development (RAD) dalam mengembangkan SPK pada penelitian ini.
Metode RAD membutuhkan waktu yang singkat dalam pengembangan sistem, sehingga waktu yang dibutuhkan dalam penelitian relatif singkat.
Sedangkan metode ini mempunyai kelebihan pada kemudahan untuk terus diperbaiki berdasarkan hasil penelitian yang didapatkan, sehingga cocok untuk sistem yang Terdapat tiga tahapan pada RAD yakni perencanaan kebutuhan .
equirement plannin.
, perancangan .
esign worksho.
Implementasi (Implementatio.
3 Metode Analisis Data Penelitian ini menerapkan metode Simple Additive Weighting (SAW) untuk mengembangkan sistem pendukung keputusan dalam pemilihan produk skincare lokal Indonesia berdasarkan jenis kulit wajah.
Sistem ini diharapkan memberikan rekomendasi produk yang lebih akurat dibandingkan dengan pemilihan manual.
Dengan menggunakan sistem ini, diharapkan hasil rekomendasi produk skincare akan lebih akurat dibandingkan dengan pemilihan secara manual.
Langkah-langkah dalam menerapkan metode SAW yaitu .
Menentukan alternatif (A.
Menentukan kriteria - kriteria yang akan dijadikan sebagai acuan dalam pengambilan keputusan, yaitu (C.
Menentukan bobot preferensi berdasarkan kepentingan pada setiap kriteria.
W = [W 1.
W2.
W3.
Menentukan dan membuat tabel rating kecocokan setiap alternatif pada setiap kriteria.
Membuat matriks keputusan (X) berdasarkan tabel rating kecocokan dari setiap alternatif pada setiap kriteria.
Nilai X setiap alternatif (A.
pada setiap kriteria (C.
yang sudah ditentukan, dimana i = 1,2,A.
, m dan j = 1,2,A.
Melakukan normalisasi matriks keputusan dengan cara menghitung nilai rating kerja ternormalisasi .
dari alternatif Ai pada kriteria Cj.
Keterangan :
= Rating kinerja ternormalisasi = Nilai maksimum dari setiap baris dan kolom Progresif: Vol.
No.
Agustus 2024: 908-923 Progresif e-ISSN: 2685-0877 = Nilai minimum dari setiap baris dan kolom = Baris dan kolom dari matriks .
Hasil dari nilai rating kerja ternormalisasi .
membentuk matriks ternormalisasi (R).
Hasil akhir nilai preferensi (V.
diperoleh dari penjumlahan dan perkalian elemen baris matriks ternormalisasi (R) dengan bobot preferensi (W) yang bersesuaian dengan elemen kolom matris (W).
Hasil perhitungan nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai merupakan alternatif terbaik.
Hasil dan Pembahasan 1 Penerapan Metode Simple Additive Weighting (SAW) Produk alternatif yang digunakan dalam penelitian merupakan produk facial wash.
Sampel produk diambil melalui hasil survey kuesioner yang dilakukan yang dapat dilihat pada tabel 1 berikut.
Tabel 1.
Nama Alternatif Produk Facial Wash
Kode
Nama Produk Facial Wash
Emina Bright Stuff Facial Wash
A10
Wardah Lightening Whip Facial Foam Azarine Active Bright Brightening Creamy Facial Foam Kahf Oil and Acne Care Facial Wash Garnier Bright Complete White Speed Foam Skin Care Red-A Facial Foam Acnes Face Wash Lumiwhite Deep Cleansing Face Wash Skin Type Marina Hydra Lock Whip Facial Foam Kojie San Skin Lightening Facial Wash Pada penelitian ini, dalam menentukan skincare produk facial wash yang sesuai dengan jenis kulit wajah menggunakan beberapa kriteria yang digunakan sebagai proses perhitungan dan perangkingan bobot.
Kriteria tersebut terdapat pada tabel 2 berikut.
Kode Tabel 2.
Kriteria Nama Kriteria Keterangan Kesesuaian Jenis Kulit Benefit Bobot Label Produk Ulasan pengguna Harga Benefit Benefit Cost Berdasarkan kriteria yang telah dilaksanakan pada tabel 2, akan diberi bobot atau range nilai pada masing-masing sub kriteria yang dapat dilihat pada tabel 3.
Terdapat empat kriteria dengan bobot yang berbeda masing-masing.
Kriteria pertama, yaitu kesesuaian jenis kulit dengan kandungan atau bahan yang terdapat dalam produk facial wash.
Misalnya, jenis kulit kering cocok dengan kandungan hyaluronic acid atau aloe vera yang terkandung dalam Pengembangan Aplikasi Pendukung Keputusan Pemilihan a.
Inayatul Izzati Diana Yusuf e-ISSN: 2685-0877 facial wash.
Semakin banyak bahan yang sesuai, semakin tinggi nilai atau bobot produk.
Kriteria kedua yaitu label produk, penentuan ini berdasarkan banyaknya label yang terdapat dalam produk facial wash seperti BPOM, dermatologically tested, hypoallergenic, non comedogenic, pH-balanced, alcohol free, paraben free, fragrance free, cruelty free, eco-friendly, oil free, non acnegenic, allergy tested.
Selanjutnya, kriteria ketiga yaitu ulasan pengguna dari rumpun social media dan e-commerce, produk facial wash dengan rating tinggi akan mendapat bobot lebih besar.
Kriteria terakhir yaitu mengenai preferensi harga produk berdasarkan survey melalui kuesioner yang telah dilakukan.
Kode Kriteria Kesesuaian Jenis Kulit Label Produk Ulasan Pengguna Harga Tabel 3.
Range Nilai Setiap Kriteria Klasifikasi Terdapat <4 bahan yang sesuai dengan jenis kulit Terdapat 4-5 bahan yang sesuai dengan jenis kulit Terdapat 6-7 bahan yang sesuai dengan jenis kulit Terdapat >7 bahan yang sesuai dengan jenis kulit Terdapat minimal 2 label produk Terdapat 3-4 label produk Terdapat 5-6 label produk Terdapat >6 label produk Rating <3.
Rating 3.
5 Ae 3.
Rating 4 Ae 4.
Rating > 4.
< =Rp25.
Rp25.
001 Ae Rp50.
Rp50.
001 Ae Rp75.
> Rp75.
Skor Nilai Pada tahapan selanjutnya, akan dilakukan perhitungan terhadap masing-masing jenis kulit yaitu kulit kering, kulit normal, kulit kombinasi dan kulit berminyak.
Tabel 4 merupakan rating kecocokan alternatif kulit kering terhadap setiap kriteria berdasarkan bobot pada tabel 3 yang hasil kecocokannya akan digunakan untuk dijadikan perhitungan dalam metode SAW.
Tabel 4.
Rating Kecocokan Alternatif Jenis Kulit Kering Kode
Alternatif
A10
Emina Bright Stuff Face Wash Wardah Lightening Whip Facial Foam Azarine Active Bright Brightening Creamy Facial Foam Kahf Oil and Acne Care Facial Wash NPURE Centella Asiatica Face Wash Red-A Facial Foam Acnes Face Wash Lumiwhite Deep Cleansing Face Wash Skin Type Marina Hydra Lock Whip Facial Foam Kojie San Skin Lightening Facial Wash Normalisasi matriks keputusan kulit kering = 0.
= 0.
= 0.
= 0.
= 0.
= 0.
= 0.
Progresif: Vol.
No.
Agustus 2024: 908-923
Kriteria
C2 C3
Progresif e-ISSN: 2685-0877 Hasil dari Normalisasi A1 hingga A10 dapat dilihat sebagai berikut :
Menentukan nilai preferensi dan perangkingan untuk setiap alternatif pada jenis kulit kering dengan simulasi perhitungan V1 dan V2 yaitu sebagai berikut:
= .
= 0.
= .
= 0.
Kode Tabel 5.
Hasil Perhitungan Preferensi dan Perangkingan Kulit Kering Kriteria
Alternatif
Total
Emina Bright Stuff Face Wash
0,38 0,13 0,08 0,08 0,66
Ranking 0,38 0,20 0,04 0,08 0,69 0,25 0,13 0,08 0,15 0,61 Wardah Lightening Whip Facial Foam
Azarine Active Bright Brightening Creamy Facial Foam
Kahf Oil and Acne Care Facial Wash
0,38
0,20
0,08
0,08
0,73
NPURE Centella Asiatica Face Wash
0,25
0,13
0,11
0,04
0,53
Red-A Facial Foam
0,38
0,13
0,08
0,15
0,73
0,38
0,20
0,08
0,08
0,73
0,25
0,20
0,11
0,08
0,64
Acnes Face Wash
Lumiwhite Deep Cleansing Face Wash
Skin Type
Marina Hydra Lock Whip Facial Foam
0,38
0,20
0,11
0,15
0,84
A10
Kojie San Skin Lightening Facial Wash
0,50
0,13
0,15
0,05
0,83
Hasil perhitungan manual metode SAW pada jenis kulit kering menunjukkan bahwa nilai preferensi tertinggi ke-1 yaitu 0.
84 dihasilkan oleh alternatif ke-9 yaitu produk facial wash Marina Hydra Lock Whip Facial Foam.
Untuk jenis kulit kedua yaitu kulit normal.
Tabel 6 merupakan rating kecocokan alternatif kulit normal terhadap setiap kriteria berdasarkan bobot pada tabel 3 yang hasil kecocokannya akan digunakan untuk dijadikan perhitungan dalam metode SAW.
Tabel 6.
Rating Kecocokan Alternatif Jenis Kulit Normal
Kode
Alternatif
Emina Bright Stuff Face Wash
Wardah Lightening Whip Facial Foam
Azarine Active Bright Brightening Creamy Facial Foam
Kahf Oil and Acne Care Facial Wash
NPURE Centella Asiatica Face Wash
Kriteria
C2 C3
Pengembangan Aplikasi Pendukung Keputusan Pemilihan a.
Inayatul Izzati Diana Yusuf
e-ISSN: 2685-0877
Kode
A10
Alternatif
Red-A Facial Foam
Acnes Face Wash
Lumiwhite Deep Cleansing Face Wash Skin Type
Marina Hydra Lock Whip Facial Foam
Kojie San Skin Lightening Facial Wash
Kriteria
C2 C3
Normalisasi matriks keputusan kulit normal:
= 0.
= 0.
= 0.
= 0.
= 0.
= 0.
Hasil dari Normalisasi A1 hingga A10 dapat dilihat pada matriks keputusan sebagai berikut:
Menentukan nilai preferensi dan perangkingan untuk setiap alternatif pada jenis kulit normal dengan simulasi perhitungan V1 dan V2 yaitu sebagai berikut:
= .
= 0.
= .
= 0.
Kode Tabel 7.
Hasil Perhitungan Preferensi dan Perangkingan Kulit Normal
Kriteria
Alternatif
Total
Ranking Emina Bright Stuff Face Wash
0,33
0,13
0,08
0,08
0,62
Wardah Lightening Whip Facial Foam
0,50
0,20
0,04
0,08
0,81
Azarine Active Bright Brightening Creamy Facial Foam
0,17
0,13
0,08
0,15
0,53
Kahf Oil and Acne Care Facial Wash
0,50
0,20
0,08
0,08
0,85
NPURE Centella Asiatica Face Wash
0,50
0,13
0,11
0,04
0,78
Red-A Facial Foam
0,33
0,13
0,08
0,15
0,69
Progresif: Vol.
No.
Agustus 2024: 908-923
Progresif
e-ISSN: 2685-0877
Kode
Alternatif
Kriteria
Total
Ranking Acnes Face Wash
0,50
0,20
0,08
0,08
0,85
Lumiwhite Deep Cleansing Face Wash
Skin Type
0,17
0,20
0,11
0,08
0,55
Marina Hydra Lock Whip Facial Foam
0,50
0,20
0,11
0,15
0,96
A10
Kojie San Skin Lightening Facial Wash
0,50
0,13
0,15
0,05
0,83
Hasil perhitungan manual metode SAW pada jenis kulit normal menunjukkan bahwa nilai preferensi tertinggi ke-1 yaitu 0.
96 dihasilkan oleh alternatif ke-9 yaitu produk facial wash Marina Hydra Lock Whip Facial Foam.
Selanjutnya, untuk jenis kulit ketiga yaitu kulit kombinasi.
Tabel 8 merupakan rating kecocokan alternatif kulit kombinasi terhadap setiap kriteria berdasarkan bobot pada tabel 3 yang hasil kecocokannya akan digunakan untuk dijadikan perhitungan dalam metode SAW.
Tabel 8.
Rating Kecocokan Alternatif Jenis Kulit Kombinasi
Kode
A10
Alternatif
Emina Bright Stuff Face Wash
Wardah Lightening Whip Facial Foam
Azarine Active Bright Brightening Creamy Facial Foam
Kahf Oil and Acne Care Facial Wash
NPURE Centella Asiatica Face Wash
Red-A Facial Foam
Acnes Face Wash
Lumiwhite Deep Cleansing Face Wash Skin Type
Marina Hydra Lock Whip Facial Foam
Kojie San Skin Lightening Facial Wash
Kriteria
C2 C3
Normalisasi matriks keputusan kulit kombinasi:
= 0.
= 0.
= 0.
= 0.
= 0.
= 0.
= 0.
Hasil dari Normalisasi A1 hingga A10 dapat dilihat pada matriks keputusan sebagai berikut:
Menentukan nilai preferensi dan perangkingan untuk setiap alternatif pada jenis kulit kombinasi dengan simulasi perhitungan V1 dan V2 yaitu sebagai berikut:
Pengembangan Aplikasi Pendukung Keputusan Pemilihan a.
Inayatul Izzati Diana Yusuf e-ISSN: 2685-0877 = .
= 0.
= .
= 0.
Tabel 9.
Hasil Perhitungan Preferensi dan Perangkingan Kulit Kombinasi
Kriteria
Alternatif
Total
Kode
A10
Emina Bright Stuff Face Wash
Wardah Lightening Whip Facial Foam
Azarine Active Bright Brightening Creamy Facial Foam
Kahf Oil and Acne Care Facial Wash
NPURE Centella Asiatica Face Wash
Red-A Facial Foam
Acnes Face Wash
Lumiwhite Deep Cleansing Face Wash
Skin Type
Marina Hydra Lock Whip Facial Foam
Kojie San Skin Lightening Facial Wash
Ranking 0,17 0,33 0,13 0,20 0,08 0,04 0,08 0,08 0,45 0,65 0,17 0,13 0,08 0,15 0,53 0,33 0,33 0,33 0,50 0,20 0,13 0,13 0,20 0,08 0,11 0,08 0,08 0,08 0,04 0,15
0,08
0,68
0,62
0,69
0,85
0,17
0,20
0,11
0,08
0,55
0,33
0,50
0,20
0,13
0,11
0,15
0,15
0,05
0,80
0,83
Hasil perhitungan manual metode SAW pada jenis kulit kombinasi menunjukkan bahwa nilai preferensi tertinggi ke-1 yaitu 0.
85 dihasilkan oleh alternatif ke-7 yaitu produk facial wash Acnes Facial Wash.
Selanjutnya, untuk jenis kulit keempat yaitu kulit berminyak.
Tabel 10 merupakan rating kecocokan alternatif kulit berminyak terhadap setiap kriteria berdasarkan bobot pada tabel 3 yang hasil kecocokannya akan digunakan untuk dijadikan perhitungan dalam metode SAW.
Kode
A10
Tabel 10.
Rating Kecocokan Alternatif Jenis Kulit Berminyak Kriteria
Alternatif
C1 C2 C3
Emina Bright Stuff Face Wash Wardah Lightening Whip Facial Foam Azarine Active Bright Brightening Creamy Facial Foam 3 Kahf Oil and Acne Care Facial Wash NPURE Centella Asiatica Face Wash Red-A Facial Foam Acnes Face Wash Lumiwhite Deep Cleansing Face Wash Skin Type Marina Hydra Lock Whip Facial Foam Kojie San Skin Lightening Facial Wash Normalisasi matriks keputusan kulit berminyak:
Progresif: Vol.
No.
Agustus 2024: 908-923 Progresif e-ISSN: 2685-0877 = 0.
= 0.
= 0.
= 0.
= 0.
= 0.
Hasil dari Normalisasi A1 hingga A10 dapat dilihat pada matriks keputusan sebagai berikut:
Menentukan nilai preferensi dan perangkingan untuk setiap alternatif pada jenis kulit berminyak dengan simulasi perhitungan V1 dan V2 yaitu sebagai berikut:
= .
= 0.
= .
= 0.
Kode
A10
Tabel 11.
Nilai Akhir Preferensi Alternatif Jenis Kulit Berminyak Kriteria
Alternatif
Total
Emina Bright Stuff Face Wash
0,50 0,13 0,08 0,08 0,78
Wardah Lightening Whip Facial Foam
0,50 0,20 0,04 0,08 0,81
Azarine Active Bright Brightening Creamy 0,38 0,13 0,08 0,15 0,73 Facial Foam
Kahf Oil and Acne Care Facial Wash
0,50 0,20 0,08 0,08 0,85
NPURE Centella Asiatica Face Wash
0,38 0,13 0,11 0,04 0,66
Red-A Facial Foam
0,38 0,13 0,08 0,15 0,73
Acnes Face Wash
0,38 0,20 0,08 0,08 0,73
Lumiwhite Deep Cleansing Face Wash
0,38 0,20 0,11 0,08 0,76
Skin Type
Marina Hydra Lock Whip Facial Foam
0,38 0,20 0,11 0,15 0,84
Kojie San Skin Lightening Facial Wash
0,50 0,13 0,15 0,05 0,83
Ranking Hasil perhitungan manual metode SAW pada jenis kulit berminyak menunjukkan bahwa nilai preferensi tertinggi ke-1 yaitu 0.
85 dihasilkan oleh alternatif ke-4 yaitu produk Kahf Oil and Acne Care Facial Wash.
2 Implementasi Tampilan Sistem Implemenasi tampilan sistem menjelaskan rancangan sistem untuk diketahui fungsi dan tujuan dari masing-masing halaman yang tersedia.
Pengembangan Aplikasi Pendukung Keputusan Pemilihan a.
Inayatul Izzati Diana Yusuf e-ISSN: 2685-0877 Tampilan Halaman Login Admin Berikut merupakan implementasi halaman home atau login admin apabila ingin masuk ke sistem, maka admin perlu memasukkan username dan password terlebih dahulu lalu klik login.
Gambar 1.
Halaman Login Tampilan Halaman Dashboard atau Beranda Halaman beranda berisikan penjelasan mengenai metode SPK SAW serta langkah Gambar 2.
Halaman Beranda Tampilan Halaman Tabel Alternatif Halaman alternatif berisikan tabel alternatif produk facial wash yang dijadikan sampel.
Terdapat 10 alternatif produk facial wash lokal Indonesia yang ditampilkan.
Admin dapat menambahkan dan edit produk alternatif.
Gambar 3.
Halaman Alternatif Produk Tampilan Halaman Tabel Bobot Kriteria Halaman bobot kriteria menampilkan kriteria yang akan dijadikan petimbangan dalam pengambilan keputusan beserta bobot dan jenis atributnya masing-masing.
Progresif: Vol.
No.
Agustus 2024: 908-923 Progresif e-ISSN: 2685-0877 Gambar 4.
Halaman Bobot Kriteria Tampilan Halaman Matrik Keputusan dan Normalisasi Halaman matrik keputusan dan normalisasi menampilkan berbagai alternatif produk facial wash yang telah ditentukan yang sudah diberi bobot serta telah dinormalisasikan.
Filter juga dapat diaplikasikan untuk kategori jenis kulit tertentu.
Gambar 5.
Halaman Matriks Keputusan Tampilan Halaman Nilai Preferensi dan Rangking Halaman nilai preferensi menampilkan hasil perhitungan akhir masing-masing alternatif untuk setiap jenis kulit dan akan terlihat produk alternatif yang menjadi preferensi dan yang direkomendasikan sesuai kriteria yang telah diterapkan.
Gambar 6.
Halaman Nilai Preferensi Tampilan Halaman Kesimpulan Akhir Halaman ini menunjukkan kesimpulan akhir produk facial wash yang direkomendasikan untuk setiap jenis kulit.
Pengembangan Aplikasi Pendukung Keputusan Pemilihan a.
Inayatul Izzati Diana Yusuf e-ISSN: 2685-0877 Gambar 7.
Halaman Kesimpulan Akhir Tampilan Halaman Input Jenis Kulit User Halaman ini terdapat pada halaman yang sama dengan halaman login admin.
User sebagai konsumen dapat melihat rekomendasi produk fcacial wash dengan input nama dan memilih jenis kulit nya masing-masing.
Gambar 8.
Halaman Input Jenis Kulit User Tampilan Rekomendasi Akhir User Halaman ini menampilkan rekomendasi produk facial wash untuk setiap user dengan input nama dan jenis kulitnya, setiap user akan diberikan dua rekomendasi produk facial wash sesuai data yang telah diinput.
Gambar 9.
Halaman Rekomendasi Akhir User 3 Pengujian Sistem (Blackbox Testin.
Pada tahap ini, dilakukan pengujian fungsi untuk mengevaluasi kinerja setiap fungsi dalam sistem website SPK Pemilihan Skincare facial wash.
Metode yang digunakan adalah Simple Additive Weighting (SAW), yang dirancang khusus untuk sistem ini.
Pengujian dilakukan dengan black box testing, yang menilai output setiap fungsi berdasarkan input tanpa mempertimbangkan struktur internal.
Hasil pengujian fungsi-fungsi sistem dapat dilihat pada Tabel 12.
Progresif: Vol.
No.
Agustus 2024: 908-923 Progresif No.
e-ISSN: 2685-0877 Tabel 12 Hasil Pengujian Blackbox Testing Deskripsi Hasil yang diharapkan Admin melakukan login sesuai Admin berhasil melakukan login dan username dan password masuk ke halaman dashboard/home password yang sudah terdaftar Admin melakukan login tidak sesuai Admin gagal login dan sistem dengan username dan password menampilkan pesan gagal Aulogin failedAy Menambahkan data alternatif produk Data facial wash ditambahkan dan tersimpan dalam Mengubah AueditAy data alternatif produk Data alternatif produk berhasil diubah facial wash dan tersimpan dalam sistem Menghapus data alternatif produk Data alternatif produk berhasil dihapus facial wash dari sistem Mengubah data kriteria dan bobot Data kriteria dan bobot berhasil Mengubah jenis atribut dalam data Jenis atribut dalam kriteria berhasil Menampilkan setiap Data nilai setiap alternatif dan matrik alternatif dan matrik keputusan keputusan ternormalisasi berhasil ternormalisasi sesuai jenis kulit ditampilkan sesuai jenis kulit yang Menambahkan data nilai setiap Data nilai setiap alternatif berhasil ditambahkan dan tersimpan dalam Mengubah data nilai setiap alternatif Data nilai setiap alternatif berhasil diubah dan tersimpan dalam sistem Menghapus data nilai setiap alternatif Data nilai setiap alternatif berhasil Menampilkan hasil penilaian SPK Data hasil penilaian dan perangkingan skincare facial wash berupa hasil akhir sesuai dengan jenis kulit yang dipilih dan berhasil ditampilkan dan diurutkan dari perangkingan sesuai jenis kulit yang yang terbesar Menampilkan akhir Kesimpulan akhir berhasil ditampilkan rekomendasi produk facial wash sesuai jenis kulit yang dipilih Admin melakukan logout dari sistem Admin berhasil keluar dan kembali pada halaman login Menampilkan rekomendasi Data rekomendasi dua teratas produk peringkat dua teratas produk facial facial wash berdasarkan jenis kulit wash berdasarkan jenis kulit yang berhasil ditampilkan User kembali ke halaman home User berhasil kembali ke halaman Status Berhasil Berhasil Berhasil Berhasil Berhasil Berhasil Berhasil Berhasil Berhasil Berhasil Berhasil Berhasil Berhasil Berhasil Berhasil Berhasil 4 Pembahasan Hasil blackbox testing menunjukkan bahwa sistem berhasil memenuhi kebutuhan dan harapan pengguna, terutama dalam fungsi utama seperti login, pemilihan alternatif produk, penentuan bobot dan kriteria, preferensi produk, serta perangkingan dan rekomendasi akhir.
Penyempurnaan bertahap pada fitur-fitur ini telah secara efektif mengatasi permasalahan yang sebelumnya diidentifikasi, menghasilkan pengalaman pengguna yang lebih intuitif dan Peningkatan ini tidak hanya memudahkan akses dan penggunaan sistem, tetapi juga secara signifikan meningkatkan kepuasan dan kepercayaan pengguna terhadap platform Pengembangan Aplikasi Pendukung Keputusan Pemilihan a.
Inayatul Izzati Diana Yusuf e-ISSN: 2685-0877 Hasil pengujian blackbox menunjukkan bahwa sistem berhasil memenuhi kebutuhan pengguna dalam fungsionalitas utama, seperti login, alternatif produk, bobot dan kriteria, preferensi produk, serta perangkingan dan rekomendasi akhir.
Penyempurnaan bertahap telah mengatasi masalah sebelumnya, menciptakan pengalaman pengguna yang lebih intuitif dan responsif, serta meningkatkan kepuasan dan kepercayaan terhadap platform.
Namun, keberhasilan sistem ini tidak hanya terbatas pada aspek fungsionalitas, tetapi juga terkait erat dengan efektivitas metode yang dipakai, yakni Simple Additive Weighting (SAW).
Dalam konteks ini, penelitian ini memperkuat temuan dari penelitian terdahulu yang juga menggunakan metode SAW sebagai dasar untuk pengambilan keputusan.
Misalnya, penelitian oleh Putri, dkk .
menunjukkan bahwa metode SAW efektif untuk menentukan bonus karyawan dengan kriteria-kriteria yang telah ditetapkan, memberikan hasil yang cepat dan tepat.
Hasil ini sejalan dengan penelitian Marbun et al.
yang juga menggunakan metode SAW dalam menentukan penerima beasiswa di perguruan tinggi, di mana metode ini memberikan rekomendasi yang tepat bagi pengambil keputusan .
Lebih lanjut, penelitian ini juga menguatkan hasil penelitian oleh Suprayogi .
yang membandingkan metode SAW dengan Weighted Product (WP) pada konteks pemberian Penelitian mereka menemukan bahwa kedua metode ini memberikan hasil peringkat yang sama jika bobot yang digunakan sama, meskipun WP menunjukkan performa yang sedikit lebih baik dalam hal tingkat kesesuaian.
Dengan mengintegrasikan metode SAW ke dalam sistem pendukung keputusan yang dikembangkan, penelitian ini tidak hanya membuktikan efektivitas metode ini dalam konteks pemilihan produk skincare, tetapi juga memperkuat relevansi dan keandalan metode SAW yang telah terbukti dalam berbagai konteks lain.
Penelitian ini memperluas literatur dengan menunjukkan bahwa metode SAW efektif diterapkan dalam berbagai domain keputusan, termasuk pemilihan produk konsumen, pemberian bonus, dan beasiswa.
Selain memvalidasi penelitian sebelumnya, studi ini juga memperkenalkan aplikasi SAW dalam pemilihan produk skincare, sebuah domain yang belum banyak dieksplorasi.
Simpulan Penelitian ini membuktikan bahwa Sistem Pendukung Keputusan (SPK) berbasis metode Simple Additive Weighting (SAW) efektif dalam merekomendasikan produk facial wash lokal Indonesia sesuai jenis kulit.
Sistem ini menghasilkan rekomendasi yang lebih akurat dibandingkan metode tradisional seperti melihat ulasan online atau bertanya kepada orang lain.
Model keputusan yang dibangun mempertimbangkan empat kriteria utama: kesesuaian jenis kulit, label produk, ulasan pengguna, dan harga.
Hasilnya.
Marina Hydra Lock Whip Facial Foam direkomendasikan untuk kulit kering dan normal.
Acnes Face Wash untuk kulit kombinasi, dan Kahf Oil and Acne Care Facial Wash untuk kulit berminyak.
Metode SAW terbukti membantu konsumen memilih produk skincare yang tepat, mengurangi risiko ketidakcocokan yang dapat memicu masalah kulit.
Daftar Referensi .
Fabi dkk.
AuFacial Aesthetic Priorities and Concerns: A Physician and Patient Perception Global Survey,Ay Aesthetic Surgery Journal, vol.
42, no.
4, pp.
NP218AeNP229.
Mar 2022, doi: 10.
1093/asj/sjab358.
Amberg dan C.
Fogarassy.
AuGreen Consumer Behavior in the Cosmetics Market,Ay Resources, vol.
8, no.
3, pp.
Jul 2019, doi: 10.
3390/resources8030137.
Fadli.
Ibrahim, dan D.
Hatu.
AuGaya Hidup Mahasiswi Konsumtif Dalam Penggunaan Produk Kecantikan Pada Mahasiswi Universitas Negeri GorontaloAy.
Nabila dan A.
Nurhidayat.
AuSistem Pendukung Keputusan Pemilihan Produk Skincare Sesuai Dengan Kondisi Kulit Wajah Berbasis Web Menggunakan Metode Analytic Hierarchy Process dan Topsis,Ay Jurnal managemen informasi, vol.
16, no.
01, pp.
1-12, 2024.
Noor.
Muhamad.
Sahabudin, dan Z.
Mustafa.
AuDevelopment of Skin Care Routine Support System,Ay adv sci lett, vol.
24, no.
10, pp.
7830Ae7833.
Okt 2018, doi:
1166/asl.
Piccioni.
Garcya-Rodrigo.
Pellegrini.
Mazzocchetti, dan M.
Fargnoli.
AuImproving Skin Aging.
Skin Hydration and Sensitive Skin with Four Specific Skin Care Progresif: Vol.
No.
Agustus 2024: 908-923 Progresif e-ISSN: 2685-0877 Products: Results from a Single-Centre.
Observational.
Prospective Study,Ay JCDSA, vol.
07, no.
01, pp.
48Ae56, 2017, doi: 10.
4236/jcdsa.
Marbun.
Zarlis, dan Z.
Nasution.
AuAnalysis of Application of the SAW.
WP and TOPSIS Methods in Decision Support System Determining Scholarship Recipients at University,Ay J.
Phys.
: Conf.
Ser.
, vol.
1830, no.
1, pp.
Apr 2021, doi:
1088/1742-6596/1830/1/012018.
Susanto.
Hamdani.
Anjarsari, dan F.
Idifitriani.
AuSistem Pendukung Keputusan Pemilihan Skincare Berdasarkan Jenis Kulit Wajah Menggunakan Metode Simple Additive Weighting,Ay 786Ae795.
Des 47709/digitech.
Haslindah.
Suharni.
Nadiya, dan Sanpratiwi.
AuSistem Pendukung Keputusan Pemilihan Jenis Skincare Berdasarkan Jenis Kulit Wajah Menggunakan Metode Weighted Product (WP),Ay jtek, vol.
2, no.
02, pp.
196Ae201.
Des 2022, doi: 10.
56923/jtek.
Suprayogi dan H.
Mustafidah.
AuKomparasi Metode Simple Additive Weighting (SAW) dan Weighted Product (WP) pada Penentuan Kelayakan Pemberian Kredit Elektronik,Ay Sainteks, vol.
18, no.
1, pp.
Jun 2021, doi: 10.
30595/sainteks.
Alfiza.
Lubis, dan I.
Saragih.
AuPenerapan Metode ELECTRE Dalam Pemilihan Masker Wajah Terbaik Untuk Berbagai Jenis Kulit,Ay BRAHMANA, vol.
2, no.
1, pp.
66Ae73.
Nov 2020, doi: 10.
30645/brahmana.
Nilawati.
Sulastri, dan Y.
Yuningsih.
AuPenerapan Model Rapid Application Development Pada Perancangan Sistem Informasi Jasa Pengiriman Barang,Ay Jurnal Sistem Informasi.
Teknik Informatika.
Software Engineering, dan Multimedia, vol.
22, no.
2, pp.
197Ae204.
Sep 2020, doi: 10.
31294/p.
Alifarchan dan E.
Wahyuni.
AuAdopsi Metode Rapid Application Development (RAD) Dalam Rancang Bangun Sistem Kalografi,Ay Automata, vol.
2, pp.
24-33, 2020
Setiadi.
Yunita, dan A.
Ningsih.
AuPenerapan Metode Simple Additive Weighting(SAW) Untuk Pemilihan Siswa Terbaik,Ay SISFOKOM, vol.
7, no.
2, pp.
104Ae109.
Sep 2018, doi: 10.
32736/sisfokom.
Putri.
Ramdhan, dan M.
Handayani.
AuSistem Penentuan Bonus Karyawan menggunakan Metode Simple Additive Weighting,Ay Edumatic, vol.
6, no.
2, pp.
306Ae315.
Des 2022, doi: 10.
29408/edumatic.
Pengembangan Aplikasi Pendukung Keputusan Pemilihan a.
Inayatul Izzati Diana Yusuf