Dalam era digital yang berkembang pesat, pemilihan laptop yang sesuai dengan kebutuhan pengguna menjadi suatu tantangan. Setiap individu memiliki kebutuhan spesifik, mulai dari keperluan dasar seperti penggunaan aplikasi perkantoran hingga kebutuhan lebih kompleks seperti desain grafis dan gaming. Ketidaktepatan dalam memilih laptop sering kali mengakibatkan kinerja yang tidak optimal dan pemborosan biaya.
Untuk membantu calon pembeli dalam memilih laptop yang sesuai, diperlukan suatu sistem rekomendasi berbasis teknologi. Salah satu pendekatan yang dapat digunakan adalah Sistem Pendukung Keputusan (Decision Support System/DSS), yang memanfaatkan model matematika untuk menyelesaikan permasalahan pemilihan laptop secara objektif. Dalam penelitian ini, digunakan dua metode Multi-Criteria Decision Making (MCDM), yaitu Simple Additive Weighting (SAW) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS).
Penelitian ini membandingkan metode SAW dan TOPSIS dalam memberikan rekomendasi pemilihan laptop terbaik. Selain itu, hasil dari metode ini juga dibandingkan dengan metode Weighted Product (WP) yang telah digunakan dalam penelitian sebelumnya.
Metode Simple Additive Weighting (SAW)
SAW bekerja dengan melakukan normalisasi nilai dari setiap alternatif terhadap masing-masing kriteria. Setelah itu, nilai yang telah dinormalisasi dikalikan dengan bobot kriteria yang telah ditentukan. Alternatif dengan nilai total tertinggi dianggap sebagai pilihan terbaik.
Metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
TOPSIS menggunakan konsep solusi ideal positif dan negatif. Alternatif terbaik adalah yang memiliki jarak terpendek dari solusi ideal positif dan jarak terpanjang dari solusi ideal negatif. Perhitungan dilakukan melalui normalisasi, pembobotan, serta pengukuran jarak terhadap solusi ideal.
Kriteria yang digunakan dalam penelitian ini meliputi: Prosesor (K1) RAM (K2) Harddisk (K3) VGA (K4) Harga (K5)
Data laptop yang digunakan dalam penelitian ini terdiri dari enam alternatif laptop dengan spesifikasi yang berbeda.
Hasil Metode SAW Berdasarkan metode SAW, urutan rekomendasi laptop terbaik adalah: Peringkat 1: Axioo Neon TNN C825 (A2) Peringkat 2: HP 14-G1024 U (A6) Peringkat 3: Acer Aspire E5-551 (A3)
Hasil Metode TOPSIS Berdasarkan metode TOPSIS, urutan rekomendasi laptop terbaik adalah: Peringkat 1: Axioo Neon TNN C825 (A2) Peringkat 2: Acer Aspire E5-551 (A3) Peringkat 3: HP 14-G1024 U (A6)
Perbedaan hasil dari kedua metode ini hanya terletak pada peringkat kedua dan ketiga. SAW menempatkan HP 14-G1024 U di posisi kedua dan Acer Aspire E5-551 di posisi ketiga, sementara TOPSIS menukar posisi keduanya.
Perbandingan dengan Metode WP: Hasil dari metode SAW sesuai dengan metode WP, yaitu A6 di posisi kedua dan A3 di posisi ketiga, Hasil metode TOPSIS berbeda dengan metode WP, karena menukar posisi A3 dan A6, Perbedaan ini terjadi karena pendekatan yang berbeda dalam penilaian alternatif.
Berdasarkan hasil analisis, metode SAW dan TOPSIS memberikan rekomendasi yang hampir serupa dalam pemilihan laptop terbaik. Perbedaan hanya terletak pada urutan peringkat kedua dan ketiga. Jika mengacu pada penelitian sebelumnya yang menggunakan metode WP, maka metode SAW memberikan hasil yang lebih konsisten dibandingkan dengan TOPSIS.
Dengan demikian, bagi pengguna yang menginginkan hasil rekomendasi yang lebih stabil dan sesuai dengan pendekatan penelitian sebelumnya, metode SAW dapat menjadi pilihan yang lebih baik. Namun, jika ingin mempertimbangkan perbedaan jarak terhadap solusi ideal, metode TOPSIS dapat digunakan sebagai alternatif.
Kedua metode ini dapat digunakan dalam sistem pendukung keputusan yang membantu calon pembeli dalam memilih laptop yang sesuai dengan kebutuhan dan anggaran mereka. Implementasi sistem ini dalam bentuk aplikasi berbasis web atau mobile dapat memberikan manfaat yang lebih luas bagi masyarakat.
Saran
- Pengembangan Sistem Otomatis: Disarankan untuk mengembangkan sistem otomatis berbasis web atau aplikasi yang dapat membantu pengguna dalam memilih laptop sesuai dengan kriteria yang telah ditetapkan.
- Penggunaan Dataset Lebih Besar: Penelitian selanjutnya dapat menggunakan dataset yang lebih besar dengan lebih banyak pilihan laptop agar hasil rekomendasi lebih bervariasi dan akurat.
- Kombinasi Metode: Penggunaan kombinasi metode SAW, TOPSIS, dan WP dapat dieksplorasi lebih lanjut untuk mendapatkan hasil yang lebih optimal.
- Penyesuaian Kriteria Berdasarkan Kebutuhan Pengguna: Pengguna dapat diberikan opsi untuk menyesuaikan bobot kriteria sesuai dengan kebutuhan spesifik mereka, misalnya untuk kebutuhan gaming, desain grafis, atau komputasi bisnis.
PENULIS: Rizky Amalia Sinulingga
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
https://www.scopus.com/record/display.uri?eid=2-s2.0-85214438237&origin=resultslist&sort=plf-f&src=s&sot=anl&sdt=aut&s=AU-ID%28%22Sinulingga%2C+Rizky+Amalia%22+58533121800%29&sessionSearchId=b52f0a8ce28274c96744ea42be8be0a9&relpos=0
