SISTEM PENUNJANG KEPUTUSAN PEMILIHAN HOTEL di KOTA MALANG
dan di KOTA BATU MENGGUNAKAN METODE FMADM DENGAN SAW
ENGGAR
SILVIA ARIANSYAH (10.51.0037)
Tugas Paper SPK (Sistem Pendukung
Keputusan), Ahsan S.Kom
S1 SI (Sistem Informatika), STMIK PPKIA
PRADNYA PARAMITA MALANG
|
Abstract — Kota Malang dan kota Batu yang saat ini bernotaben
sebagai salah satu kota wisata yang ramai di Indonesia mempunyai banyak
pengunjung. Pengunjung
yang datangpun terdiri dari pengunjung domestik dan mancanegara baik untuk
urusan pekerjaan, karya wisata, keperluan pribadi dan lain-lain. Bersamaan
dengan ini banyak para investor atau pengusaha yang memanfaatkan peluang ini
dengan membangun penginapan sebagai penunjang, sehingga banyak sekali pilihan hotel
untuk pengunjung kota Malang dan kota Batu yang beraneka ragam. Pengunjung
yang akan menginap perlu menentukan hotel yang tepat, dengan banyaknya jumlah
hotel sering kali pengunjung bingung untuk memilih dan mencari hotel yang
sesuai dengan kriterianya.
sistem penunjang keputusan merupakan sistem yang dibuat untuk membantu
manusia dalam menentukan suatu keputusan.
Salah satu metode yang dapat digunakan dalam pemilihan hotel ini ialah
metode SAW (Simple Additive Weighting). Metode ini menggunakan metode penjumlahan berbobot. Metode SAW
membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat
diperbandingkan dengan semua rating alternatif yang ada.
Index Terms — SPK, Metode FMADM,
Simple Additive Weighting.
I.PENDAHULUAN
Kota Malang dan kota
Batu semakin ramai sebagai kota wisata. Kota ini memiliki beberapa daerah yang
berpotensi sebagai tempat tujuan wisata yang menarik. Pengunjung yang datangpun
terdiri dari pengunjung domestik dan mancanegara baik untuk urusan pekerjaan,
karya wisata, keperluan pribadi dll. Bersamaan dengan ini banyak para investor
atau pengusaha yang memanfaatkan peluang ini dengan membangun penginapan
sebagai penunjang, sehingga banyak sekali pilihan hotel untuk pengunjung di
Kota Malang dan Kota Batu dengan beragam kelas hotel, harga, fasilitas dan
layanan. Pengunjung yang akan menginap di suatu hotel perlu menentukan hotel
yang tepat sesuai dengan kriterianya, dengan banyaknya jumlah hotel yang
tersedia sering kali pengunjung bingung untuk memilih dan mencari yang sesuai
dengan kebutuhannya.
Perkembangan teknologi semakin maju dan informasi
menjadi sangat penting untuk disampaikan. Teknologi informasi berperan untuk
menghasilkan informasi yang berkualitas melalui pengolahan, pemrosesan,
penyimpanan maupun pemanipulasian data. Melalui internet informasi dapat dengan
cepat dan mudah untuk ditambah, dibaca dan diolah (Ratriana, 2011). Salah satu
jenis teknologi informasi ialah Sistem Pendukung Keputusan (SPK) yang
dikenalkan pertama kali oleh Michael S. Scott Morton pada tahun 1970-an sebagai
sistem berbasis komputer yang membantu pengambilan keputusan (Turban, 2005).
Metode SAW merupakan metode dengan model
penjumlahan berbobot. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke
suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.
|
II. DASAR TEORI
A.
SPK
Sistem pendukung keputusan (SPK)
adalah bagian dari sistem informasi berbasis komputer termasuk sistem
berbasis pengetahuan atau manajemen
pengetahuan yang dipakai untuk mendukung pengambilan keputusan dalam suatu
organisasi atau perusahaan. Dapat juga dikatakan sebagai sistem komputer yang
mengolah data menjadi informasi untuk mengambil keputusan dari masalah semi
terstruktur yang spesifik.
Sistem pendukung keputusan maka
dapat ditentukan karakteristik antara lain :
1. Mendukung proses pengambilan keputusan,
menitik beratkan pada management by
perception.
2.
Adanya interface manusia atau mesin dimana manusia (user) tetap memegang kontrol proses pengambilan keputusan
3. Mendukung pengambilan keputusan untuk
membahas masalah terstruktur, semi terstruktur dan tidak terstruktur.
4. Memiliki kapasistas dialog untuk
memperoleh informasi sesuai dengan kebutuhan.
5.
Memiliki subsistem-subsistem yang terintegrasi sedemikian rupa sehingga dapat
berfungsi sebagai kesatuan item.
6.
Membutuhkan struktur data komprehensif yang dapat melayani kebutuhan informasi
seluruh tingkatan manajemen. [1]
B.
Hotel
Definisi atau pengertian hotel menurut lembaga atau pakar, antara lain
sebagai berikut :
1. Menurut Menteri Perhubungan, hotel adalah
suatu bentuk akomodasi yang dikelola secara komersial, disediakan bagi setiap
orang untuk memperoleh pelayanan penginapan berikut makan dan minum (SK.MenHub.
RI. No. PM 10/PW.391/PHB-77).
2. Menurut AHMA (American Hotel & Motel
Association), hotel adalah suatu tempat dimana disediakan penginapan,
makanan, dan minuman, serta pelayanan lainnya, untuk disewakan bagi para tamu
atau orang –orang yang tinggal untuk sementara waktu.
3. Menurut Webster, hotel adalah suatu bangunan atau lembaga
yang menyediakan kamar untuk menginap, makanan, dan minuman, serta pelayanan
lainnya untuk umum.
Dengan mengacu pada pengertian di atas, dan untuk menertibkan perhotelan di
Indonesia , pemerintah menurunkan peraturan yang dituangkan dalam Surat
Keputusan Menparpostel No. KM 37/PW.340/MPPT-86, tentang peraturan Usaha dan
Penggolongan Hotel. Bab I, pasal 1, Ayat (b) dalam SK tersebut menyebutkan
bahwa :
“Hotel adalah suatu jenis akomodasi yang mempergunakan sebagian atau
seluruh bangunan untuk menyediakan jasa penginapan, makanan dan minuman serta
jasa penunjang lainnya bagi umum yang dikelola secara komersial.” [2]
C.
FMADM
Fuzzy
Multiple Attribute Decision Making (FMADM) adalah suatu metode yang digunakan untuk
mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu.
Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian
dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang
sudah diberikan.
Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah FMADM,
antara lain:
1. Simple
Additive Weighting (SAW)
2. Weighted
Product (WP)
3. ELECTRE
4. Technique
for Order Preference by Similarity to Ideal Solution (TOPSIS)
5. Analytic
Hierarchy Process (AHP)
D.
Simple Additive Weighting (SAW)
Metode SAW (Simple Additive Weighting) sering juga
dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah
mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada
semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X)
ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang
ada.
dimana rij
adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj;
i=1,2,...,m dan j=1,2,...,n. Nilai preferensi untuk setiap alternatif (Vi)
diberikan sebagai:
Nilai Vi
yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.[3]
III.
ANALISA DAN PERANCANGAN SISTEM
A.
Hirarki
Kriteria
Adapun keterangan dari diagram diatas adalah :
1.
Harga : harga sewa
terdiri dari 2 pilihan, yakni harga antara 300 ribu-500 ribu dan pilihan kedua
yaitu harga sekitar 500 ribu-700 ribu.
2.
Lokasi yang dipilih mempunyai 2 pilihan yaitu Kota Malang
dan Kota Batu
3.
Kelas kamar terdiri dari 2 pilihan yaitu standard room
dan suite room.
4.
Bintang : Hotel yang dipilih mempunyai pilihan antara
hotel bintang 4 dan hotel bintang 5.
5.
Hari : hari yang dipilih yaitu weekend dan hari biasa.
B.
Flowchart
C.
Kasus
Dalam proses
pemilihan hotel terdapat lima kriteria seperti yang tergambar pada hirarki
kriteria sebelumnya. Dalam contoh kasus ini ada 3 hotel yang nantinya akan
dipilih oleh wisatawan untuk tempat singgahan mereka. Dimana dari ketiga hotel
ini akan di pilih 2 diantaranya sebagai hotel yang layak untuk dihuni. Dengan
menggunakan FMADM metode SAW akan
diselesaikan permasalahan ini dengan mudah, cepat dan tepat.
IV. PEMBAHASAN
Berdasarkan
uraian permasalahan yang terdapat pada bab sebelumnya, maka dalam bab ini akan diuraikan
solusi dalam menyelesaikan permasalahan tersebut.
A.
Tabel Kriteria
Dalam
pemilihan Hotel ini terdapat 5 kriteria. Berikut adalah kriteria yang dibuat
dalam tabel 4.1 :
Tabel 4.1 Tabel Kriteria
Kriteria
|
Keterangan
|
C1
|
Harga
|
C2
|
Lokasi
hotel (Malang atau Batu)
|
C3
|
Kelas
kamar (Standart atau Suiteroom)
|
C4
|
Bintang
hotel (Bintang 4 atau Bintang 5)
|
C5
|
Hari
penyewaan (Weekend atau hari biasa)
|
Teknik
pembobotan pada criteria dapat dilakukan dengan beragai macam cara dan metode
yang abash. Pase ini dikenal dengan istilah pra-proses. Namun bisa juga dengan
cara secara sederhana dengan memberikan nilai pada masing-masing secara
langsung berdasarkan persentasi nilai bobotnya. Sedangkan untuk yang lebih baik
bisa digunakan fuzzy logic.
Penggunaan
Fuzzy logic, sangat dianjurkan bila kritieria yang dipilih mempunyai sifat yang
relative, misal Umur, Panas, Tinggi, Baik atau sifat lainnya.
Kriteria
No
|
Nama
|
C1
|
C2
|
C3
|
C4
|
C5
|
1
|
Hotel Ibish Malang(V1)
|
0.5
|
0.75
|
0.25
|
0.25
|
0.25
|
2
|
Hotel Purnama Batu(V2)
|
0.75
|
0.25
|
0.5
|
0.5
|
0.5
|
3
|
Hotel Savana Malang(V3)
|
0.25
|
0.5
|
0.5
|
0.5
|
0.25
|
Pembobotan
No
|
KRITERIA
|
Nilai bobot
|
1
|
C1
|
0.20
|
2
|
C2
|
0.35
|
3
|
C3
|
0.10
|
4
|
C4
|
0.20
|
5
|
C5
|
0.15
|
Total
|
1
|
Diubah
ke dalam matrik keputusan sebagai berikut:
0.5 0.75 0.25 0.25 0.25
X = 0.75 0.25 0.5 0.5 0.5
0.25 0.5 0.5 0.5 0.5
Penghitungan
Normalisasi
Untuk
normalisai nilai, jika faktor kriteria cost digunakanan rumusan
Rii
= ( min{Xij} / Xij)
Maka
nilai-nilai normalisasi cost menjadi:
R11
= min{0,5;0.75;0.25}
/0.5 = 0.25 / 0.5
= 0.5
R21
= min{0,5;0.75;0.25} /0.75= 0.25 /
0.75
= 0.33
R31
= min{0,5;0.75;0.25}
/0.25=0.25 / 0.25
= 0.1
R12 = min{0,75;0.25;0.5} / 0.75= 0.25 / 0.5
= 0.5
R22 = min{0,75;0.25;0.5} / 0.25= 0.25 / 0.25
= 0.1
R32 = min{0,75;0.25;0.5} / 0.5= 0.25 / 0.5
= 0.5
R13 = min{0.25;0.5;0.5}
/ 0.25= 0.25 / 0.25
= 0.1
R23 = min{0.25;0.5;0.5} / 0.5 = 0.25 / 0.5
= 0.5
R33 = min{0.25;0.5;0.5}
/ 0.5 = 0.25 / 0.5
= 0.5
Rii
= ( Xij / max{Xij})
Maka
nilai-nilai normalisasi benefit menjadi:
R14
= 0.25/
max{0.25;0.5;0.5}
= 0.25 / 0.5 = 0.5
R24
= 0.5 / max{0.25;0.5;0.5} = 0.5 / 0.5 = 0.1
R34
= 0.5 / max{0.25;0.5;0.5} = 0.5 / 0.5 = 0.1
R15 = 0.25/
max{0.25;0.5;0.75}
= 0.25 / 0.5 = 0.5
R25 = 0.5 / max{0.25;0.5;0.75}= 0.5 / 0.5 = 0.1
R35 = 0.25
/ max{0.25;0.5;0.25}=
0.25 / 0.5 = 0.5
Tabel
Faktor
Ternormalisasi
0.5 0.5 0.1 0.5 0.5
R = 0.33 0.1 0.5 0.1 0.1
0.1 0.5 0.5 0.1 0.5
Perangkingan
Keterangan:
Vi = rangking untuk setiap
alternatif
wj = nilai bobot dari setiap
kriteria
rij = nilai rating kinerja ternormalisasi
W = (0.20 ;
0.35 ; 0.10 ; 0.20 ; 0.15)
V1 = ( 0.5 x
0.20) + ( 0.5 x 0.35) + (0.1x0.1) + (0.5x0.20) + (0.5x0.15)
= 1 + 0.175
+ 0.1 + 1 + 0.75
= 3.025
V2 = ( 0.33 x 0.20) + ( 0.1 x 0.35) +
(0.5x0.10) + (0.1x0.2) + (0.1x0.15)
= 0.66 + 0.35 + 0.5 + 0.2 + 0.15
=1.86
V3 = (0.1 x 0.20) + ( 0.5 x 0.35) + (0.5x0.10)
+ (0.1x0.20) + (0.5x0.15)
=0.2 + 0.175 + 0.5 + 0.2 + 0.75
= 1.825
Kesimpulan
Berdasarkan nilai perankingan maka dapat
direkomendasikan Hotel yang akan dipilih sebagai tempat
persinggahan adalah
V1
dan V3 yaitu hotel Ibish Malang dan Hotel Savana Malang
|
5. KESIMPULAN DAN SARAN
A. Kesimpulan
1.
Sistem yang dibangun dapat mempermudah wisatawan dalam
pemilihan Hotel
2.
Sistem yang dibangun dapat mempercepat wisatawan dalam
pemilihan Hotel
3.
Sistem yang dibangun dapat mengurangi kesalahan wisatawan
dalam pemilihan Hotel.
4.
Metode FMADM dengan metode SAW dapat diterapkan untuk
menentukan pemilihan Hotel.
B.
Saran
1.
Untuk membantu para wisatawan dalam melakukan pemilihan
hotel disarankan menggunakan metode SAW ini.
References
[1] Hombar Pakpahan . http:// artipengetahuan. blogspot.com/2013/02/fuzzy-multiple-attribute-decision.html.online . 24 Januari 2014 9:33 WIB
[2] http://rockylittledog.blogspot.com/ 1
Februari 2014 21:14 WIB
[3] Noname. http://eprints. uny.ac.id/8957 /3/ BAB%202-08502241019.pdf.
online. 24 Januari 2014 09.00 WIB
Tidak ada komentar:
Posting Komentar