Presentasi TA
-
Upload
rendy-mahardika -
Category
Education
-
view
260 -
download
19
Transcript of Presentasi TA
SISTEM PENDUKUNG KEPUTUSAN UNTUK PENENTUAN PEMBELIAN
MOBIL BEKAS DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) DI UD.
KHARISMA MOTOR
Oleh : Rendy MahardikaNIM : 11201367
Mobil adalah salah satu kendaraan yang penting pada saat ini.
UD. Kharisma Motor adalah perusahaan jual beli yang menawarkan berbagai macam mobil bekas berkualitas.
Karena terbatasnya tempat untuk mobil bekas di showroom ini, maka sebisa mungkin pihak showroom hanya membeli mobil yang terbaik.
Latar Belakang
Bagaimana penerapan sistem pendukung keputusan untuk menentukan pembelian mobil bekas dengan metode Simple Additive Weighting (SAW) di UD. Kharisma Motor.
Rumusan masalah
Kriteria mobil bekas yang mempengaruhi pengambilan keputusan adalah mesin, body, kaki-kaki, interior dan aksesoris, usia mobil, dan harga.
Metode yang digunakan adalah metode Simple Additive Weighting (SAW).
Lokasi penelitian di UD. Kharisma Motor Lamongan
Aplikasi dibuat dengan bahasa pemrograman VB 6.0 dan menggunakan database Mysql.
Batasan Masalah
Untuk mengimplementasikan SPK dengan menggunakan metode SAW dalam penentuan pembelian mobil bekas di UD. Kharisma Motor
Penulis lebih memahami penerapan metode Simple Additive Weighting (SAW) untuk sistem pendukung keputusan multi kriteria.
Memberikan wawasan kepada pembaca tentang metode Simple Additive Weighting (SAW).
Tujuan dan Manfaat
PengertianSuatu sistem yang digunakan untuk
membantu memberikan alternatif-alternatif bagi manajer atau pengambil keputusan dalam mengambil keputusan yang terkait dengan masalah yang bersifat semi terstruktur.
Sistem Pendukung Keputusan
Manfaat
1. Sistem pendukung keputusan memperluas kemampuan pengambil keputusan dalam memproses data / informasi bagi pemakainya.
2. Sistem pendukung keputusan membantu pengambil keputusan dalam penghematan waktu yang dibutuhkan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur.
Sistem Pendukung Keputusan
Manfaat
3. Sistem pendukung keputusan dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.
4. Sistem pendukung keputusan dapat menghasilkan usulan atas sebuah masalah dalam menentukan suatu hal yang memiliki beberapa alternatif untuk dipilih.
Sistem Pendukung Keputusan
Kekurangan
1. Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat dimodelkan, sehingga model yang ada dalam sistem tidak semuanya mencerminkan persoalan sebenarnya.
2. Kemampuan suatu sistem pendukung keputusan terbatas pada pengetahuan yang dimilikinya (pengetahuan dasar serta model dasar).
Sistem Pendukung Keputusan
Kekurangan
3. Proses-proses yang dapat dilakukan oleh sistem pendukung keputusan biasanya tergantung juga pada kemampuan perangkat lunak yang digunakan.
4. Sistem pendukung keputusan tidak memiliki kemampuan intuisi seperti yang dimiliki oleh manusia.
Sistem Pendukung Keputusan
Tingatan Teknologi
1. Sistem Pendukung Keputusan Spesifik (Specific Decision Support System)
2. Pembangkit Sistem Pendukung Keputusan (Decision Support System Generator)
3. Perlengkapan Sistem Pendukung Keputusan (Decision Support System Tools)
Sistem Pendukung Keputusan
Konsep Dasar SPK
1. Sistem harus dapat membantu manajer dalam membuat keputusan guna memecahkan masalah semi struktur.
2. Sistem harus dapat mendukung manajer, bukan mencoba menggantikannya.
3. Sistem harus dapat meningkatkan efektivitas pengambilan keputusan manajer.
Sistem Pendukung Keputusan
Komponen SPK
1. Subsistem Data (Database)
2. Subsistem Model (Model base)
3. Subsistem Dialog (User System Interface)
Sistem Pendukung Keputusan
Karakteristik SPK
1. Interaktif
2. Fleskibel
3. Data Kualitas
4. Prosedur Pakar
Sistem Pendukung Keputusan
Fuzzy Multiple Attribute Decision Making adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari FMADM adalah menentukan suatu nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perangkingan yang akan menyeleksi alternatif yang sudah diberikan.
FMADM
Metode-metode FMADM
1. Simple Additive Weighting Method (SAW)
2. Weighted Product (WP)
3. Elimination Et Choix Traduisant La Realite (ELECTRE)
4. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
5. Analytic Hierarchy Process (AHP)
FMADM
Metode SimpleAdditive Weighting sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode ini adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode Simple Additive Weighting membutuhkan proses normalisasi matrix keputusan (X) ke suatu skala yang dapat diperbangdingkan dengan semua rating alternatif yang ada.
Simple Additive Weighting
Penentu Kriteria dan Pembobotan
Penentu Rating Kecocokan
Normalisasi
Perangkingan
Tahapan SAW
Simple Additive Weighting
Simple Additive Weighting
Diagram Alur Sistem
Alur Proses SistemMulai
Data Mobil
Proses SAW
Alternatif Mobil Terbaik
Selesai
Kriteria dan PembobotanKriteria Bobot (%)
Kondisi mesin (C1) 20
Kondisi Body (C2) 20
Kondisi Kaki-kaki (C3) 15
Kondisi Interior dan Aksesoris (C4) 15
Usia Mobil (C5) 5
Harga (C6) 25
Bobot Masing-Masing Kriteria
Kapasitas silinder mesin Kondisi mesin Bobot
< 1.000 cc Segala Kondisi 1
1.000 cc - 1.499 cc Kurang Baik 2
>= 1.500 cc Kurang Baik 3
1.000 cc - 1.499 cc Baik 4
>= 1.500 cc Baik 5
Kondisi Mesin (C1)Kondisi Body Bobot
Penyok bekas kecelakaan 1
Ada dempulan, cat ada yang lecet 2
Ada dempulan, cat tidak ada yang lecet 3
Kaleng Penuh, cat ada yang lecet 4
Kaleng Penuh, cat tidak ada yang lecet 5
Kondisi Body (C2)
Kondisi Kaki-kaki Bobot
Tidak baik 1
Kurang Baik 2
Sedang 3
Baik 4
Sangat Baik 5
Kondisi Kaki-Kaki (C3)
Bobot Masing-Masing Kriteria
No. Kelengkapan Interior dan Aksesoris
1 Plafon rapi
2 Jok mobil bagus
3 Dashboard bersih
4 AC dingin
5 Ada Audio
6 Ada TV
7 Ada power window
8 Kaca film
9 Electric mirror
10 Remote dan central lock alarm
Kelengkapan interior dan Aksesoris
Jumlah kelengkapan Bobot
0 – 2 kelengkapan 1
3 – 4 kelengkapan 2
5 – 6 kelengkapan 3
7 – 8 kelengkapan 4
9 – 10 kelengkapan 5
Bobot interior dan Aksesoris (C4)
Bobot Masing-Masing Kriteria
Usia Mobil Bobot
< 3 tahun 1
3 – 5 tahun 2
6 – 10 tahun 3
11 – 15 tahun 4
> 15 Tahun 5
Harga Bobot
< Rp.80.000.000 1
Rp. 80.000.000 – 100.000.000 2
Rp. 100.000.001 – Rp. 130.000.000 3
Rp. 130.000.001 – Rp 175.000.000 4
> Rp. 175.000.000 5
Usia Mobil (C5) Harga Mobil (C6)
Studi KasusData Mobil Keterangan
No. Polisi S-1043-TX
Merk Toyota Avanza Veloz
Mesin 1.500cc kondisi baik
Body Full Kaleng cat utuh tanpa lecet
Kaki-kaki Velg Racing, ban tebal, kondisi baik
Kelengkapan
interior dan
Aksesoris
- Palfon Rapi- Jok mobil bagus- Dashboard Bersih- AC dingin- Audio ada- TV ada- Power Window ada- Kaca Film ada- Electric Mirror ada- Remote dan Central Lock alarm adaTotal = 10 poin
Usia Mobil 3 Tahun
Harga Mobil Rp. 150.000.000
Data Mobil Keterangan
No. Polisi W-381-LV
Merk Daihatsu Xenia Xe
Mesin 1.000cc kondisi kurang baik
Body Full Kaleng cat ada yang lecet
Kaki-kaki Ban lumayan, kondisi baik
Kelengkapan interior
dan Aksesoris
- Palfon Rapi- Jok mobil bagus- Dashboard Bersih- AC dingin- Audio ada- TV tidak ada- Power Window ada- Kaca Film tidak ada- Electric Mirror tidak ada- Remote dan Central Lock alarm adaTotal = 7 poin
Usia Mobil 8 Tahun
Harga Mobil Rp. 85.500.000
Mobil pertama (A1) Mobil kedua (A2)
Studi Kasus
Data Mobil Keterangan
No. Polisi AE-2091-Qd
Merk Isuzu Panther Grand Royal
Mesin 2.500cc kondisi kurang baik
Body Full Kaleng cat tidak ada yang lecet
Kaki-kaki Ban lumayan, kondisi baik
Kelengkapan interior
dan Aksesoris
- Palfon Rapi- Jok mobil bagus- Dashboard Bersih- AC dingin- Audio ada- TV tidak ada- Power Window tidak ada- Kaca Film tidak ada- Electric Mirror tidak ada- Remote dan Central Lock alarm tidak adaTotal = 5 poin
Usia Mobil 18 Tahun
Harga Mobil Rp. 66.000.000
Data Mobil Keterangan
No. Polisi W-1088-PP
Merk Toyota Avanza S
Mesin 1.500cc kondisi baik
Body Full Kaleng cat utuh tanpa lecet
Kaki-kaki Ban agak tebal, kondisi baik
Kelengkapan interior
dan Aksesoris
- Palfon Rapi- Jok mobil bagus- Dashboard Bersih- AC dingin- Audio ada- TV tidak ada- Power Window ada- Kaca Film ada- Electric Mirror ada- Remote dan Central Lock alarm adaTotal = 9 poin
Usia Mobil 5 Tahun
Harga Mobil Rp. 122.000.000
Mobil ketiga (A3) Mobil keempat (A4)
Studi KasusData Mobil Keterangan
No. Polisi W-1561-BM
Merk Isizu Panther Grand Royal
Mesin 2.500cc kondisi kurang baik
Body Ada dempulan, cat tidak ada yang lecet
Kaki-kaki Ban lumayan, per keras dan aga berisik
Kelengkapan interior
dan Aksesoris
- Palfon Rapi- Jok mobil bagus- Dashboard Bersih- AC tidak dingin- Audio tidak ada- TV tidak ada- Power Window tidak ada- Kaca Film ada- Electric Mirror tidak ada- Remote dan Central Lock alarm tidak adaTotal = 4 poin
Usia Mobil 15 Tahun
Harga Mobil Rp. 76.000.000
Data Mobil Keterangan
No. Polisi L-1576-BI
Merk Toyota New Avanza G
Mesin 1.500cc kondisi baik
Body Full Kaleng cat tidak ada yang lecet
Kaki-kaki Ban agak tebal, kondisi baik
Kelengkapan interior
dan Aksesoris
- Palfon Rapi- Jok mobil bagus- Dashboard Bersih- AC dingin- Audio ada- TV ada- Power Window ada- Kaca Film tidak ada- Electric Mirror ada- Remote dan Central Lock alarm adaTotal = 9 poin
Usia Mobil 3 Tahun
Harga Mobil Rp. 140.000.000
Mobil kelima (A5) Mobil keenam (A6)
Penentu Rating KecocokanAlternatif C1 C2 C3 C4 C5 C6
A1 5 5 5 5 2 4
A2 2 4 4 4 3 2
A3 3 5 4 3 5 1
A4 5 5 4 5 3 3
A5 3 3 3 2 4 1
A6 5 5 4 5 2 4
Normalisasi
rij =
Xij
Max Xij
Jika J adalah atribut keuntungan (Benefit)
Xij
Min Xij Jika J adalah atribut biaya (Cost)
= 1=r11 =5
Max (5;2;3;5;3;5)
5
5
= 0,4=r21 = 2Max (5;2;3;5;3;5)
25
....Sampai Normalisasi R66....
= 0,25=r66 = 4Min (4;2;1;3;1;4) 1
4
Matrix R
PerangkinganProses selanjutnya adalah perkalian antara matriks R yang telah ternormalisasi dengan matriks W. Matrix W adalah Matrix pembobotan kriteria.
W = [ 0,2 0,2 0,15 0,15 0,05 0,25 ]
Perangkingan
....Sampai V6....
Rangking terbaik ditentukan dari nilai V terbesar diantara alternatif-alternatif sehingga alternatif itulah yang menjadi usulan alternatif terbaik. Dalam kasus ini terpilih mobil pertama (A1) sebagai alternatif terbaik.
Rangking Terbaik
Aplikasi yang dibangun telah dicoba pada perangkat keras dengan spesifikasi sebagai berikut :
Processor Intel(R) Core(TM) i3-2310M CPU @2,10 GHz
Hardisk 500 GB RAM 2 GB Display 1366 x 768 Mouse dan keyboard
Implementasi
Perangkat lunak yang digunakan untuk pengimplementasian sistem adalah sebagai berikut:
Microsoft Windows 7 Premium 32 bit Microsoft Visual Basic 6.0 My SQL Microsoft Office 2007
Implementasi
Form Login
Form Utama
Form Pengaturan Bobot Preferensi
Form Master Karyawan
Form Master Data Mobil
Form Pemilihan Mobil
Form Hasil Perhitungan SAW
Laporan Hasil SAW
Laporan Saran Mobil Terbaik
Hasil Pengujian
Pemanfaatan metode Simple Additive Weigting (SAW) sebagai dasar perhitungan untuk memilih alternatif mobil bekas terbaik cukup sesuai dengan kebutuhan perusahaan. karena proses yang jelas dan dapat memberikan usulan mobil terbaik dari beberapa alternatif mobil bekas.
Mengimplementasikan metode Simple Additive Weighting (SAW) ke dalam sistem pendukung keputusan membutuhkan beberapa perubahan terhadap sistem yang telah berjalan saat ini. Sehingga, sistem yang akan dibuat dapat menyesuaikan kebutuhan perusahaan dan dapat menghasilkan keputusan yang tepat.
Kesimpulan
Di dalam pengembangan sistem selanjutnya, disarankan menambahkan kriteria dan bobot lebih banyak untuk masalah kompleks sehingga dapat lebih luas, lengkap, dan lebih detail pada hasil rangkingnya.
Disarankan mencoba menggunakan metode lain yang bisa memperbaiki masalah yang lebih kompleks, seperti metode fuzzy atau metode lainnya.
Saran
Sekian, Terima kasih
Oleh : Rendy MahardikaNIM : 11201367