Sie sind auf Seite 1von 6

Jurnal TECHNO Nusa Mandiri Vol. 16, No.

1 Maret 2019 15

SISTEM PEMILIHAN LAPTOP TERBAIK DENGAN MENGGUNAKAN


METODE WEIGHTED PRODUCT (WP)

Susliansyah1; Ririn Restu Aria2 ; Susi Susilowati3

Program Sistem Informasi 1,2, 3


Universitas Bina Sarana Informatika
http://www.bsi.ac.id
1
susliansyah.slx@bsi.ac.id, 2ririn.rra@bsi.ac.id, 3susi.sss@bsi.ac.id

Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional.

Abstract— The Weighted Product method requires bersangkutan.Pembobotan metode Weighted


a normalization process because this method Product dihitung berdasarkan tingkat
assumes the results of evaluating each attribute. kepentingan. Sistem ini membutuhkan masukan
The results of these multiplications have not been nilai bobot berdasarkan kebutuhan calon pembeli
meaningful if they have not been compared berupa harga, kapasistas RAM, jenis prosesor,
(divided) with standard values. The weight for the kapasitas Harddisk, dan VGA (Video Grapphics
benefit attribute functions as a positive power in the Array).Hasil dari pennelitian ini memberikan
multiplication process, while the weight of the cost saran laptop sesuai dengan kebutuhan spesifikasi
functions as a negative rank. The Weighted Product untuk calon pembeli dengan tingkat akurasi
method uses multiplication as a linking attribute perhitungan 100% berdasarkan perhitungan
rating, where the rating of each attribute must be manual dan perhitungan pada sistem pendukung
raised first with the corresponding weight. keputusan pemilihan laptop.
Weighting Product Weighted method is calculated
based on the level of importance. This system Kata Kunci: Pemilihan, Laptop, terbaik
requires input weight values based on prospective Weighted Produk
buyers' needs in the form of prices, RAM capacity,
processor type, Harddisk capacity, and VGA (Video
Grapphics Array). The results of this study provide PENDAHULUAN
laptop recommendations according to specification
requirements for prospective buyers with 100% Sistem Pendukung Keputusan (SPK)
calculation accuracy based on manual calculations merupakan suatu penerapan sistem informasi
and calculations on laptop selection decision yang ditujukan untuk membantu pimpinan dalam
support systems. proses pengambilan keputusan (Hatta, Rizaldi, &
Khairina, 2016). Sistem Pendukung Keputusan
Keywords: Selection, Laptop, best, Weighted (SPK) digunakan untuk membantu pengambilan
Products keputusan berdasarkan kriteria yang sudah
ditentukan (Yoni & Mustafidah, 2016).
Intisari—Metode Weighted Product memerlukan Pengambilan keputusan dilakukan dengan
proses normalisasi karena metode ini pendekatan sistematis terhadap permasalahan
mengaluhkan hasil penilaian setiap atribut. Hasil melalui proses pengumpulan data menjadi
perkalian tersebut belum bermakna jika belum informasi serta ditambah dengan faktorfaktor
dibandingkan (dibagi) dengan nilai standart. yang perlu dipertimbangkan dalam pengambilan
Bobot untuk atribut manfaat berfungsi sebagai keputusan (Kurniasih, 2013).
pangkat positif dalam proses perkalian, sementara Salah satu metode dalam FMADM yang
bobot biaya berfungsi sebagai pangkat negatif. cukup terkenal adalah metode weighted product
Metode Weighted Product menggunakan perkalian (WP). Metode WP cukup banyak digunakan untuk
sebagai untuk menghubungkan rating atribut, pengambilan keputusan karena metodenya yang
dimana rating setiap atribut harus dipangkatkan sederhana dengan memasukkan semua faktor dan
dulu dengan bobot yang komputasinya cepat (Supriyono & Sari, 2015),

P-ISSN: 1978-2136 | E-ISSN: 2527-676X | Sistem Pemilihan Laptop …


Techno Nusa Mandiri : Journal of Computing and Information Technology
Sebagai Jurnal Terakreditasi Peringkat 4 berdasarkan
Surat Keputusan Dirjen Risbang SK Nomor 21/E/KPT/2018
16 Jurnal TECHNO Nusa Mandiri Vol. 16, No. 1 Maret 2019

serta mampu memilih alternatif terbaik dari wj : Bobot dari setiap atribut atau kriteria n :
sejumlah alternatif (Zai, Mesran, & Buulolo, 2017). Banyaknya kriteria
Pada metode Weighted Product (WP)
menggunakan perkalian untuk menghubungkan Untuk mencari alternatif terbaik
rating atribut, dimana rating setiap atribut harus dilakukan dengan Persamaan (3).
dipangkatkan dulu dengan bobot atribut yang
bersangkutan (Nurjannah, Arifin, & Khairina, Π𝑛
𝑗 =1 𝑋𝑖𝑗 𝑤𝑗
𝑉𝑖 = ................................................................ (3)
2015). Π𝑛
𝑗 =1 (𝑋𝑗 ∗ ) 𝑤𝑗
Banyak merek dan tipe laptop yang dijual
di pasaran, tentunya dengan harga yang bervariasi Dalam penyelesaian pemilihan laptop
pula, membuat pengguna menjadi kesulitan dalam terbaik dengan menggunakan metode Weighted
menentukan pilihan yang sesuai dengan Product diperlukan kriteria-kriteria dan bobot
kebutuhannya (Sanyoto, Handayani, & untuk melakukan perhitungan sehingga akan
Widanengsih, 2017). Tidak jarang juga pengguna didapat alternatif terbaik. Berikut merupakan
membeli laptop dengan spesifikasi yang tidak kriteria yang dibutuhkan untuk pengambilan
disesuaikan dengan kegunaannya (Syafitri, keputusan, berdasarkan parameter dalam
Sutardi, & Dewi, 2016). Misalnya saja, membeli menentukan laptop terbaik pada SMK Mandiri
laptop dengan spesifikasi tinggi, tetapi Bekasi sebagai berikut:
penggunaannya hanya
sebatas untuk pekerjaan mengetik. Tabel 1. Kriteria
Padahal sebenarnya dengan spesifikasi “tinggi” Kriteria keterangan
tersebut, pengguna dapat menggunakan laptop C1 Prosesor
untuk pekerjaan lain yang lebih berat, desain C2 RAM
grafis misalnya, Hidayatullah dalam (Hartanto & C3 Hrddisk
Prasetiyowati, 2012). C4 VGA
C5 Harga
BAHAN DAN METODE Sumber: (SMKMandiriBekasi, 2018)
Metode WP dapat membantu dalam Dalam kriteria tersebut, maka
mengambil keputusan pemilihan laptop, akan ditentukan suatu tingkatan kepentingan kriteria
tetapi perhitungan dengan menggunakan metode berdasarkan nilai bobot yang telah ditentukan.
WP ini hanya menghasilkan nilai terbesar yang Rating setiap alternatif pada setiap kriteria
akan terpilih sebagai alternatif yang terbaik. sebagai berikut:
Perhitungan akan sesuai dengan metode ini
apabila alternatif yang terpilih memenuhi kriteria Tabel 2. Rating Alternatif
yang telah ditentukan. Metode WP ini lebih efisien 1 = Sangat Rendah
karena waktu yang dibutuhkan dalam perhitungan 2 = Rendah
lebih singkat. Bobot untuk atribut manfaat
3 = Cukup
berfungsi sebagai pangkat positif dalam proses
4 = Tinggi
perkalian, sementara bobot biaya berfungsi
5 = Sangat Tinggi
sebagai pangkat negatif (Syafitri et al., 2016).
Perbaikan bobot untuk ∑ = 1 Sumber: (SMKMandiriBekasi, 2018)
menggunakan Persamaan (1).
Berdasarkan kriteria dari rating setiap
𝑊𝑗 alternatif (Ai) pada setiap kriteria (C j) yang
𝑊𝑗 = ........................................................................... (1)
∑𝑊𝑗 telahditentukan, selanjutnya bobot setiap kriteria
(Cj).
Variabel W adalah pangkat bernilai positif a. Nilai Bobot Prosesor (C1)
untuk atribut keuntungan dan bernilai negatif
untuk atribut biaya. Preferensi untuk alternatif Tabel 3 Kriteria Prosesor
diberikan oleh Persamaan (2). Sangat Tinggi 5

𝑆𝑖 = Π𝑗𝑛 = 1 𝑋𝑖𝑗 𝑊𝑗 .......................................................... (2) Tinggi 4


Prosesor
Sedang 3
Keterangan: Rendah 2
Π : Product
Sangat Rendah 1
Si : Skor / nilai dari setiap alternatif
Sumber: (SMKMandiriBekasi, 2018)
Xij : Nilai alternatif ke- i terhadap atribut ke- j

P-ISSN: 1978-2136 | E-ISSN: 2527-676X | Sistem Pemilihan Laptop …


Techno Nusa Mandiri : Journal of Computing and Information Technology
Sebagai Jurnal Terakreditasi Peringkat 4 berdasarkan
Surat Keputusan Dirjen Risbang SK Nomor 21/E/KPT/2018
Jurnal TECHNO Nusa Mandiri Vol. 16, No. 1 Maret 2019 17

Nilai bobot (W) dari masing-masing 4 – 6 Jt 2


kriteria prosesor yang telah ditentukan oleh pihak
sekolah SMK Mandiri Bekasi. 3 – 4 Jt 1
Sumber: (SMKMandiriBekasi, 2018)
b. Kriteria Bobot RAM (C2)
Nilai bobot (W) dari masing-masing
Tabel 4 Kreteria Kapasitas RAM kriteria harga yang telah ditentukan oleh pihak
sekolah SMK Mandiri Bekasi.
16 GB 5
8 GB 4 HASIL DAN PEMBAHASAN
Kapasitas RAM
4 GB 3
1. Seleksi Data Alternatif
2 GB 2
Beberapa alternatif yang akan diseleksi
1 GB 1 dengan metode Weighted Product yang dapat
Sumber: (SMKMandiriBekasi, 2018) dilihat dibawah ini :

Nilai bobot (W) dari masing-masing Tabel 7 Data Alternatif


kriteria kapasitas RAM yang telah ditentukan oleh Kriteria
pihak sekolah SMK Mandiri Bekasi. No Altern C1 C2 C3 C4 C5
atif
1 Axioo Intel 2 500 Intel HD 4.1
c. Kriteria Bobot Harddisk (C3) - Neon Celeron GB GB Family 00.
TNW N2940 00
Tabel 5 Kriteria Harddisk C825 0
2 Axioo Intel 2 500 Intel HD 4.0
>750 GB 5 Neon Celero GB GB Family 00.
TNNC n 00
750 GB 4
Kapasitas Harddisk 825 Quad Core 0
500 GB 3 N2920
3 Acer AMD A10- 4 1 TB AMD 6.6
320 GB 2 Aspire 7300 GB Raden 99.
250 GB 1 E5 - R7 00
551 M265 0
Sumber: (SMKMandiriBekasi, 2018) 4 Lenov Intel Core 2 500 NVIDIA 5.3
o i3-5005U GB GB GeForce 99.
Nilai bobot (W) dari masing-masing Ideap 920A 00
ad DDR3L 0
kriteria harddisk yang telah ditentukan oleh 100 2GB
pihak sekolah SMK Mandiri Bekasi. 5 Toshi Intel Core 2 500 NVIDIA 6.2
ba i3-3227u GB GB GoForce 00.
d. Kriteria Bobot VGA (C4) S40 A GT 740 00
M 0
6 HP AMD A4 - 2 500 AMD 3.8
Tabel 6 Kriteria VGA 14- 500 GB GB Radeon 30.
Sangat Tinggi 5 G1024 HD 833 00
U 0
Tinggi 4 Sumber: (SMKMandiriBekasi, 2018)
Prosesor
Sedang 3 Data alternatif merupakan data laptop
Rendah 2 yang akan diseleksi untuk dijadikan sebagai data
dalam mencari laptop terbaik.
Sangat Rendah 1
Sumber: (SMKMandiriBekasi, 2018) 2. Menentukan Nilai Bobot Alternatif

Nilai bobot (W) dari masing-masing Tabel 8. Nilai Bobot Alternatif


kriteria VGA yang telah ditentukan oleh pihak Kriteria
sekolah SMK Mandiri Bekasi. Alternati C1 C2 C3 C4 C5
f
e. Kriteria Bobot Harga (C5) A1 2 1 3 2 5
A2 4 4 3 2 2
Tabel 5 Kriteria Harga A3 1 3 4 5 4
A4 4 1 3 2 5
> 15 Jt 5
A5 4 1 3 2 4
8 – 15 Jt 4 A6 4 1 3 2 1
Harga
6 – 8 Jt 3 Sumber: (SMKMandiriBekasi, 2018)

P-ISSN: 1978-2136 | E-ISSN: 2527-676X | Sistem Pemilihan Laptop …


Techno Nusa Mandiri : Journal of Computing and Information Technology
Sebagai Jurnal Terakreditasi Peringkat 4 berdasarkan
Surat Keputusan Dirjen Risbang SK Nomor 21/E/KPT/2018
18 Jurnal TECHNO Nusa Mandiri Vol. 16, No. 1 Maret 2019

masing kriteria tersebut dengan bobot yang sudah


Merupakan nilai dari masing-masing diperbaiki sebelumnya.
kriteria dari setiap data alternatif.
𝑆𝑖 = Π𝑗𝑛 = 1 𝑋𝑖𝑗 𝑊𝑗 .....................................................(2)
3. Menentukan Nilai Bobot Kriteria
S1 = ( 2 0,25) (1 0,20 ) ( 3 0,15) ( 2 0,25) ( 5 0,15)
Tabel 9. Nilai Bobot kriteria
= 1,30990
W1 Prosesor 5
W2 RAM 4
S2 = ( 4 0,25) ( 4 0,2 ) ( 3 0,15) ( 2 0,25) ( 5 0,15)
W3 Harddisk 3
= 2,35830
W4 VGA 5
W5 Harga 3
S3 = ( 1 0,25) ( 3 0,2) ( 4 0,15) ( 5 0,25) ( 4 0,15)
Sumber: (SMKMandiriBekasi, 2018)
= 1,86280
Merupakan hasil penentuan Nilai bobot
setiap kriteria yang telah didapatkan dari pihak S4 = ( 4 0,25) ( 1 0,2) ( 3 0,15) ( 2 0,25) ( 3 0,15)
sekolah. = 1,55774

4. Perbaikan Bobot Perkriteria S5 = ( 4 0,25) ( 1 0,2) ( 3 0,15) ( 2 0,25) ( 4 -0,15)


Setelah mendapatkan nilai bobot pada = 1,61076
masing-masing kriteria maka dilakukan perbaikan
bobot dari nilai bobot awal.
S6 = ( 4 0,25) ( 1 0,2) ( 3 0,15) ( 2 0,25) ( 1 -0,15)
𝑊𝑗 = 1,98308
𝑊𝑗 = ∑𝑊 ........................................................................... (1)
𝑗 Tabel 11. Hasil Nilai Vektor S
Alternatif Nilai Vektor S
5 5 A1 1,309899
𝑊1 = = = 0,25
5+4+3+5+3 20 A2 2,358295
A3 1,862802
4 4 A4 1,557741
𝑊2 = = = 0,2
5+4+3+5+3 20 A5 1,610763
A6 1,983082
3 3
𝑊3 = = = 0,15 Total 10,68258
5+4+3+5+3 20 Sumber: (Susliansyah et al., 2018)
5 5
𝑊4 = = = 0,25 Merupakan hasil dari nilai vektor S
5+4+3+5+3 20 terhadap data alternatif A1 sampai dengan A6.
3 3
𝑊5 = = = 0,15 6. Perhitungan Nilai Vektor (V)
5+4+3+5+3 20
Tabel 10. Hasil Perbaikan Bobot Kriteria Setelah mendapatkan nilai Vektor (S)
langkah selanjutnya yaitu menentukan nilai vektor
Kriteria Nilai Bobot
(V) yaitu, membagi preferensi setiap alternatif
W1 0,25
dengan jumlah total vektor S
W2 0,2
W3 0,15 Π𝑛
𝑗 =1 𝑋𝑖𝑗 𝑤𝑗
W4 0,25 𝑉𝑖 = ..................................................(3)
Π𝑛
𝑗 =1 (𝑋𝑗 ∗ ) 𝑤𝑗
W5 0,15
Sumber: (Susliansyah, Aria, & Susilowati, 2018) 1, 309899
𝑉1 = = 0,122620
10,68258
Merupakan hasil dari perbaikan bobot
pada setiap kriteria dari W1 sampai dengan W5. 2,358295
𝑉2 = = 0,220761
10,68258
5. Perhitungan Nilai Vektor (S)
Setelah dilakukan perbaikan bobot, 1,862802
dilakukan perhitungan nilai vektor (S), dengan 𝑉3 = = 0,174378
10,68258
memangkatkan dan mengalikan nilai masing-

P-ISSN: 1978-2136 | E-ISSN: 2527-676X | Sistem Pemilihan Laptop …


Techno Nusa Mandiri : Journal of Computing and Information Technology
Sebagai Jurnal Terakreditasi Peringkat 4 berdasarkan
Surat Keputusan Dirjen Risbang SK Nomor 21/E/KPT/2018
Jurnal TECHNO Nusa Mandiri Vol. 16, No. 1 Maret 2019 19

1,557741 V3= 0,174378 (4) Lenovo Ideapad 100 V4=


𝑉4 = = 0,145821
10,68258 0,145821 (5) Toshiba S40 A V5= 0,150784 (6) HP
14-G1024U V6 = 0,185637.
1,610763
𝑉5 = = 0,150784
10,68258 REFERENSI

1,983082 Hartanto, T., & Prasetiyowati, M. I. (2012). Sistem


𝑉6 = = 0,185637
10,68258 Pendukung Keputusan Pemilihan Laptop
Berbasis Web dengan Metode Analytical
Tabel 12. Hasil Nilai Vektor V Hierarchy Process ( Studi Kasus : SAMCO
Alternatif Nilai Vektor V COMPUTER ). ULTIMATICS, IV(2), 7–15.
A1 0,122620
A2 0,220761 Hatta, H. R., Rizaldi, M., & Khairina, D. M. (2016).
A3 0,174378 Penerapan Pen erapan Metode Weighted
A4 0,145821 Product U ntuk Pemilihan Lokasi L ahan
A5 0,150784 Baru Pemakaman Muslim Dengan Visualisasi
A6 0,185637 Google Maps. TEKNOSI, 02(03), 85–94.
Sumber: (Susliansyah et al., 2018)
Kurniasih, D. L. (2013). Sistem Pendukung
Dari hasil perhitungan Vektor V dari data Keputusan Pemilihan Laptop dengan Metode
alternatif A1 sampai A2, dibuatlah perangkingan TOPSIS. Pelita Informatika Budi Darma,
yaitu: III(April), 6–13.

Tabel 13. Hasil Perangkingan Nurjannah, N., Arifin, Z., & Khairina, D. M. (2015).
Alternatif Nilai Vektor V Perangkinan Sistem Pendukung Keputusan Pembelian
A1 0,122620 Sepeda Motor Dengan Metode Weighted
6
Product. Jurnal Informatika Mulawarman,
A2 0,220761 1 10(2), 2–6.
A3 0,174378 3
A4 0,145821 Sanyoto, G. P., Handayani, R. I., & Widanengsih, E.
5
(2017). SISTEM PENDUKUNG KEPUTUSAN
A5 0,150784 4 PEMILIHAN LAPTOP UNTUK KEBUTUHAN
A6 0,185637 2 OPERASIONAL DENGAN METODE AHP
Sumber: (Susliansyah et al., 2018) (STUDI KASUS : DIREKTORAT PEMBINAAN
KURSUS DAN PELATIHAN KEMDIKBUD).
Merupakan hasil perangkingan dari Jurnal Pilar Nusa Mandiri, 13(2), 167–174.
perhitungan nilai vektor V, sehingga diperoleh
perurutan perangkingan data altenatif dari SMKMandiriBekasi. (2018). Sistem Pemilihan
peringkat ke 1 sampai peringkat ke 6 adalah: A2, Laptop Terbaik Dengan Menggunakan
A6, A3, A5, A4 dan A1. Metode Weighted Product (WP).

Supriyono, H., & Sari, C. P. (2015). Rumah Tinggal


Menggunakan Metode Weighted Product.
KESIMPULAN Jurnal Ilmu Komputer Dan Informatika
Pemilihan, 1(1), 23–28.
Susliansyah, Aria, R. R., & Susilowati, S. (2018).
Penerapan metode Weighted Product SISTEM PEMILIHAN LAPTOP TERBAIK
dapat digunakan untuk membantu DENGAN MENGGUNAKAN METODE
merekomendasikan dalam pemilihan laptop WEIGHTED PRODUCT (WP).
terbaik Di Sekolah SMK Mandiri Bekasi dengan
pengurutan nilai alternatif dari nilai alternatif Syafitri, N. A., Sutardi, & Dewi, A. P. (2016).
terkecil sampai nilai alternatif terbesar. Dengan Penerapan metode Weighted Product Dalam
menggunakan 5 kriteria yaitu : Prosesor, RAM, Sistem Pendukung Keputusan Pemilihan
Harddisk, VGA, Harga. Alternatif yang diuji dapat Laptop Berbasis Web. SemanTIK, 2(1), 169–
diperoleh nilai alternatif yaitu : (1) Axioo - Neon 176.
TNW C825 V1 =0,122620 (2) Axioo Neon Yoni, D. C., & Mustafidah, H. (2016). Penerapan
TNNC825 V2= 0,220761 (3) Acer Aspire E5 – 551 Metode WP ( Weighted Product ) Untuk
Pemilihan Mahasiswa Lulusan Terbaik di

P-ISSN: 1978-2136 | E-ISSN: 2527-676X | Sistem Pemilihan Laptop …


Techno Nusa Mandiri : Journal of Computing and Information Technology
Sebagai Jurnal Terakreditasi Peringkat 4 berdasarkan
Surat Keputusan Dirjen Risbang SK Nomor 21/E/KPT/2018
20 Jurnal TECHNO Nusa Mandiri Vol. 16, No. 1 Maret 2019

Fakultas Teknik Universitas Muhammadiyah


Purwokerto. JUITA, IV(1), 22–27.

Zai, Y., Mesran, & Buulolo, E. (2017). Sistem


Pendukung Keputusan untuk menentukan
Buah Rambutan dengan Kualitas Terbaik
menggunakan Metode Weighted Product
(WP). Media Informatika Budidarma, 1(1), 8–
11.

P-ISSN: 1978-2136 | E-ISSN: 2527-676X | Sistem Pemilihan Laptop …


Techno Nusa Mandiri : Journal of Computing and Information Technology
Sebagai Jurnal Terakreditasi Peringkat 4 berdasarkan
Surat Keputusan Dirjen Risbang SK Nomor 21/E/KPT/2018