SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LAHAN …
Transcript of SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LAHAN …
241
Jurnal Informatika Kaputama(JIK), Vol. 4 No. 2, Juli 2020 P-ISSN : 2548-9739
E-ISSN : 2685-5240
241
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LAHAN
PERTANIAN YANG TEPAT UNTUK MENINGKATKAN HASIL
PANEN CABAI MENGGUNAKAN METODE MOORA
Sri Devi Bangun1)
, Suci Ramadani2)
, Hunsul Khair3)
1,2,3)
STMIK KAPUTAMA
Jl. Veteran No. 4A-9A, Binjai, 20714, Sumatera Utara
Telp. 061-8828840, Fax. 88228845
E-mail : [email protected])
,
ABSTRACT
Decision support system is a system that can solve problems that occur in ranking quickly and
can find out the highest to lowest value in a selection. In this paper is one of the case studies
that can be solved using a decision support system, where the problem faced in the selection of
agricultural land is how to choose the best chili and to make a selection must use manually
and the assessment process takes a long time. to get results. Therefore created a problem how
to determine an appropriate agricultural land selection problem to determine the good chili
crop yield using the MOORA method and where the MOORA method is used to test in
correctness that aims to determine the accuracy of the value obtained by the system, the results
of the best land selection is in the city area of binjai jln sawi payaroba west binjai, plus the
value of the weight of the criterion and the modification trial which aims to find out how many
criteria can be added.
Keywords: Correctness, DSS, criteria, MOORA Method, SPK.
ABSTRAK Sistem pendukung keputusan adalah suatu sistem yang dapat menyelesaikan masalah yang
terjadi di dalam penentuan peringkat dengan cepat serta dapat mengetahui nilai tertinggi sampai
terendah di dalam sebuah seleksi. Di penulisan ini adalah salah satu merupakan studi kasus
yang dapat diselesaikan dengan menggunakan sistem pendukung keputusan, dimana yang
menjadi persoalan yang dihadapi di dalam pemilihan lahan pertanian adalah bagaimana
memilih cabai yang terbaik dan untuk melakukan sebuah seleksi harus menggunakan dengan
cara manual dan proses penilaian menjadi lama untuk mendapatkan hasil. Oleh karena itu
dibuat suatu masalah bagaimana menentukan suatu permasalahan pemilihan lahan pertanian
yang tepat untuk menentukan asil panen cabai yang baik dengan menggunakan metode
MOORA dan dimana metode MOORA digunakan untuk menguji coba di dalam correctness
yang bertujuan untuk mengetahui akurasi nilai yang diperoleh oleh system, hasil dari pemilhan
lahan terbaik adalah di daerah kota binjai jln sawi payaroba binjai barat, ditambah nilai bobot
kritera dan uji coba modifikasi yang bertujuan untuk mengetahui seberapa banyak kriteria yang
dapat ditambahkan
Kata kunci: Correctness, DSS, kriteria, Metode MOORA, SPK.
242
Jurnal Informatika Kaputama(JIK), Vol. 4 No. 2, Juli 2020 P-ISSN : 2548-9739
E-ISSN : 2685-5240
242
1. PENDAHULUAN Indonesia merupakan salah satu negara
yang memiliki sumber daya alam lahan terluas.
Luas wilayah dataran Indonesia sekitar 200 juta
hetar, dataran tersebut tersebar di lima pulau
besar, yaitu Sumatera, Jawa, Kalimantan,
Sulawesi dan Papua. Salah satu kota yang
memiliki iklim tropis yang baik adalah Kota
Binjai Palawija merupakan tanaman yang
sering ditanam di Kota Binjai seperti, timun,
kacang, cabai dan jenis palawija lainya. Cabai
merupakan salah satu tanaman yang sering
ditanam oleh petani Binjai, alasannya karena
cabai merupakan tanaman yang bisa dikatakan
tanaman dengan hasil yang menjajikan. Namun
disamping itu cabai merupakan tanaman yang
rumit untuk dirawat, karena cabai mudah
terserang hama. Selain hama yang mengganggu,
kesuburan tanah juga menjadi salah satu faktor
keberhasilan seorang petani cabai untuk
mendapatkan hasil yang maksimal.
Masyarakat yang ingin menamam cabai
masih bingung dalam menentukan lahan yang
sesuai yang dapat ditanami tanaman cabai.
Kurangnya pengetahuan dan pemahaman petani
akan karakteristik kondisi lahan yang akan
diolah membuat petani kesulitan untuk
menentukan kesesuaian lahan. Sehubungan
dengan kurangnya media informasi dalam
penyampaiannya seperti melalui buku, internet
dan media informasi lainnya. Maka masyarakat
yang ingin menanam cabai dihadapkan pada
resiko yang menjadi terhambatnya masyarakat
untuk menuai hasil panen yang maksimal.
Penerepan peneliti sebelumya,
dari Proceding A MH Pardede & N Noriyenni,
(2015). Sistem Pendukung Keputusan
Pemberian Jumlah SKS Mengajar Dosen Pada
STMIK Kaputama Binjai
Berdasarkan uaraian di atas, maka
dilakukan sebuah penelitian yaitu dengan judul
“Sistem Pendukung Keputusan Pemilihan
Lahan Pertanian Yang Tepat Untuk
Meningkatkan Hasil Panen Cabai
Menggunakan Metode MOORA”
1.1 Rumusan Masalah
Berdasarkan latar belakang di atas maka
dapat disimpulkan rumusan masalahnya sebagai
berikut:
1. Dengan kriteria yang ditentukan,
bagaimana membangun sebuah sistem
pendukung keputusan pemilihan lahan
pertanian yang tepat untuk tanaman
cabai dengan menggunakan metode
MOORA ?
2. Dengan merancang Sistem Pendukung
Keputusan, bagaimana memilihan
Lahan Pertanian yang tepat untuk
meningkatkan hasil panen cabai dengan
metode MOORA.
1.2 Batasan Masalah
Adapun Batasan Masalah adalah
sebagai berikut:
1. Kreteria yang di gunakan yaitu:
Temperatur, Curah hujan, PH tanah,
Tekstur tanah dan Jenis tanah
2. Bahasa pemograman yang digunakan
yaitu menggunakan bahasa
pemograman Visual Basic (VB) Net
2010, berbasis data MySQL.
3. Output yang diharapkan yaitu
keputusan pemilihan jenis lahan yang
tepat untuk tanaman cabai di wilayah
binjai utara.
1.3 Tujuan Penelitian.
Adapun Tujuan adalah sebagai
berikut:
1. Untuk merencanakan dan membangun
sebuah sistem pendukung keputusan
dalam menentukan lahan yang tepat
untuk tanaman cabai.
2. Untuk mengetahui hasil dari proses
perhitungan algoritma metode MOORA
dalam memproses data kriteria pemilihan
lahan yang tepat untuk tanaman cabai.
1.4 Manfaat Penelitian
Adapun manfaat adalah sebagai berikut :
1. Dapat menjadi salah satu alternatif bagi
Dinas Pertanian dalam proses
pengambilan keputusan penentuan lahan
yang tepat untuk tanaman cabai.
2. Dapat membantu masyarakat khususnya
petani cabai dalam menentukan lahan
yang tepat untuk tanaman cabai, agar
hasil yang diperoleh nantinya sesuai
yang diharapkan.
243
Jurnal Informatika Kaputama(JIK), Vol. 4 No. 2, Juli 2020 P-ISSN : 2548-9739
E-ISSN : 2685-5240
243
3. Dapat menjadi informasi dan bahan
masukan bagi masyarakat maupun Dinas
Pertanian Kota Binjai untuk meningkatkan
kualitas dan menjaga kestabilan hasil panen
cabai.
2. METODOLOGI PENELITIAN
2.1 Pengertian Sistem Informasi
Menurut Little (Iqbal, dkk, 2017, h. 146),
Sistem Pendukung Keputusan adalah “suatu
sistem informasi berbasisis komputer yang
menghasilkan berbagai alternatif keputusan
untuk membantu manajeman dalam menangani
berbagai permasalahan yang terstruktur dengan
menggunakan data dan model”. Metode Multi
Objective Optimization on the basis of Ratio
Analysis (MOORA) Menurut Little (Iqbal, dkk, 2017, h. 155)
Multi-Objective Optimization on the basis of
Ratio Analysis (MOORA) adalah sistem multi-
objektif yang mengoptimalkan dua atau lebih
attribut yang saling bertentangan secara
bersamaan. Metode ini diterapkan untuk
memecahkan masalah dengan perhitungan
matematika yang kompleks (Brauers,Zavadskas
2008).
2.2.1 Membuat Matrix Keputusan
Mewakilkan semua informasi yang
tersedia untuk setiap attribut dalam bentuk
matriks keputusan. Data pada persamaan (2.1)
mempersentasikan sebuah matriks Xm x n.
Dimana xij adalah pengukuran kinerja dari
alternatif ith
pada attribut jth
, m adalah jumlah
alternatif dan n adalah jumlah attribut /kriteria.
Kemudian sistem rasio dikembangkan dimana
setiap kinerja dari sebuah alternatif pada
sebuah attribut dibandingkan dengan penyebut
yang merupakan wakil untuk semua alternatif
dari attribut tersebut. Berikut adalah perubahan
nilai kriteria menjadi sebuah matriks keputusan
:
x11 . . .
x 1i . . .
x in
. . . . .
X = . . . . .
. . . . .
................................................... (2.1)
x j1 . . .
x ij . . .
x jn
. . . . .
. . . . .
. . . . .
x m1 . . .
x mi . . .
x mn
Keterangan
1. xij : Respon alternatif j pada kriteria i
2. i : 1,2,3, ..., n adalah nomor urutan
atribut atau kriteria
3. j : 1,2,3, ..., m adalah nomor urutan
alternatif
4. X : Matriks Keputusan.
2.3 Pengertian Lahan Pertanian
Beberapa pengertian yang diberikan
baik itu oleh FAO maupun pendapat para
ahli. Menurut Purwowidodo (1983:1) lahan
mempunyai pengertian: “Suatu lingkungan
fisik yang mencakup iklim, relief tanah,
hidrologi, dan tumbuhan yang sampai pada
batas tertentu akan mempengaruhi
kemampuan penggunaan lahan”.
3.4 Pengertian Cabai
Cabai merupakan spesies cabai
pertama yang ditemukan oleh Columbus dan
diintroduksikan keseluruh dunia. Cabai
diperdangangkan ke Asian pada abad ke-16,
dan spesies cabai pedas tersebut paling luas di
Asia Tenggara (Sanjaya L dkk, 2002). Cabai
merah masuk ke Indonesia dibawa oleh
bangsa Portugis sekitar 450-500 tahun yang
lalu. Cabai merah beradaptasi dengan cepat
dan diterima oleh bangsa asli Indonesia
sehingga menjadi Capsicum telah
diidentifikasi.
2.4 Pengertian PHP
PHP adalah bahasa pemograman scrip
server-side yang didesain untuk pemograman
web. PHP juga bisa digunakan sebagai bahasa
pemograman umum. Php di kembangkan
pada tahun 1995 oleh Ramsus Lerdorf,dan
sekarang dikelola oleh The PHP Group.
244
Jurnal Informatika Kaputama(JIK), Vol. 4 No. 2, Juli 2020 P-ISSN : 2548-9739
E-ISSN : 2685-5240
244
3. ANALISA DAN PEMBAHASAN
3.1 Metodelogi Penelitian
Penentuan penelitian, identifikasi dan
menentukan batasan masalah
Merumuskan masalah dan tujuan
penelitian
Menentukan konsep data penelitianStudi literatur (pustaka) dan browsing
diinternet
Metode penelitian
- Studi literatur
- Browsing
Identifikasi dan Analisis :
- Software (perangkat
lunak)
Pengujian dan implementassi
- Uji validasi data
- Implementasi data
Penarikan kesimpulan dan saran
Gambar III.1 Metodelogi Penelitian
1.4 Analisis Menggunakan Metode MOORA
Proses ini melakukan pemilihan sesuai
dengan kriteria yang telah ditentukan. Berikut
adalah langkah – langkah yang dilakukan dalam
perhitungan :
1.4.1 Data Alternatif
Berikut ini merupakan data Alternatif
yang nantinya akan dilakukan perhitungan
dengan menggunakan metode MOORA.
Adapun data kriteria yaitu sebagai berikut.
Tabel III.1 Nilai Kriteria Pada Setiap
Alternatif
No Kode Wilayah
1 A1
Jl. P. Diponegoro
Tunggurono Kec. Binjai
Timur
2 A2 Jl. Gugus Depan Kec. Binjai
Selatan
3 A3 Jl. Sei BatangHasu Kec.
Binjai Utara
4 A4 Jl. Sawo Kec. Binjai Barat
5 A5 Jl. Gunung Kawi Bhakti
Karya Kec. Binjai. Selatan
6 A6 Jl. KL Yos Sudarso Kec.
Binjai Utara
7 A7 Jl. Pusara Kulon Ujung Kec.
Binjai Utara
8 A8 Jl. Gunung Selamet Bhakti
Karya Kec. Binjai Selatan
9 A9 Jl. Sawi Payaroba Kec. Binjai
Barat
10 A10 Jl. Gajah Mada Tunggurono
Kec. Binjai Timur
1.4.2 Data Kriteria
Adapun kriteria yang akan digunakan
untuk dilakukan penilaian terhadap alternatif
yaitu seperti pada tabel dibawah ini.
Tabel III.2 Data Kriteria
No Kode Kriteria
1 K1 Temperatur
2 K2 Curah Hujan
3 K3 Ph Tanah
4 K4 Tekstur Tanah
5 K5 Jenis Tanah
Tabel III.3 Nilai Kepentingan Kriteria
Temperatur
Temperatur Keterangan Nilai
< 16 °C Dingin 5
16 - 22 °C Sedang 4
23 - 28 °C Cukup 3
29 - 34 °C Panas 2
>35 °C Sangat Panas 1
Tabel III.4 Nilai Kepentingan Kriteria
Curah Hujan
Curah hujan Keterangan Nilai
Sangat Deras Tinggi 1
Deras Rendah 2
Rintik – Rintik Sedang 3
245
Jurnal Informatika Kaputama(JIK), Vol. 4 No. 2, Juli 2020 P-ISSN : 2548-9739
E-ISSN : 2685-5240
245
Tabel III.5 Nilai Kepentingan Kriteria Ph
Tanah
Ph Tanah Keterangan Nilai
< 4,5 Rendah 1
4,5 - 5,5 Sedang 2
5,5 - 6,5 Cukup 3
6,5 - 7,5 Tinggi 4
> 75 Sangat Tinggi 5
Tabel III.6 Nilai Kepentingan Kriteria
Tekstur Tanah
Tekstur
Tanah Keterangan Nilai
Kasar Sangat baik 1
Tidak Kasar Baik 2
Tidak halus Cukup 3
Halus Buruk 4
Lengket Sangat Buruk 5
Tabel III.7 Nilai Kepentingan Kriteria Jenis
Tanah
Jenis Tanah Keterangan Nilai
Gambut Sangat Baik 1
Berkapur Baik 2
Berpasir Cukup 3
Lempung Liat Buruk 4
Vulkanis Sangat Buruk 5
1.4.3 Data Alternatif Pada Setiap Kriteria
Data alternatif selanjutnya diberi nilai
berdasarkan hasil nilai yang telah dilakukan
oleh dinas pertanian untuk lokasi lahan
penanaman cabai. Adapun penilaian
Alternatif pada setiap kriteria yaitu seperti
pada tabel dibawah ini
Tabel III.8 Nilai Alternatif Pada Setiap
Kriteria
Alte
rna
tif
Kriteria
Tem
pera
tur
Cura
h
Huja
n
Ph
Tan
ah
Tekst
ur
Tanah
Jenis
Tanah
K1 K2 K3 K4 K5
A1 29
°C
Tingg
i 5 Kasar
Berpas
ir
A2 31
°C
Rend
ah 6 Halus
Lempu
ng Liat
A3 30
°C
Sedan
g 5 Kasar
Berpas
ir
A4 31
°C
Sedan
g 6 Halus
Berpas
ir
A5 32
°C
Tingg
i 5 Kasar
Berpas
ir
A6 31
°C
Sedan
g 5
Liat Lempu
ng Liat
A7 30
°C
Sedan
g 6
Agak
Kasar
Lempu
ng Liat
A8 29
°C
Tingg
i 5
Kasar Berpas
ir
A9 31
°C
Sedan
g 6
Kasar Lempu
ng Liat
A10 30
°C
Tingg
i 6
Agak
Kasar
Berpas
ir
Selanjutnya nilai alternatif pada setiap
kriteria di transformasi menjadi nilai bilangan
fuzzy berdasarkan besar dan tingkat
kepentingan pada masing-masing nilai di
setiap kriteria. Adapun nilai transformasinya
yaitu seperti pada tabel dibawah ini.
246
Jurnal Informatika Kaputama(JIK), Vol. 4 No. 2, Juli 2020 P-ISSN : 2548-9739
E-ISSN : 2685-5240
246
Tabel III.9 Nilai Inputan Kriteria Pada
Setiap Alternatif
Alte
rna
tif
Kriteria
Tempe
ratur
Cura
h
Huja
n
Ph
Tana
h
Tekst
ur
Tana
h
Jenis
Tana
h
K1 K2 K3 K4 K5
A1 2 1 2 5 3
A2 2 2 3 2 4
A3 2 3 2 5 3
A4 2 3 3 2 3
A5 2 1 2 5 3
A6 2 3 2 1 4
A7 2 3 3 4 4
A8 2 1 2 5 3
A9 2 3 3 5 4
A10 2 1 3 4 3
1.4.4 Menentukan Jenis dan Bobot
Kriteria
Adapun nilai bobot pada setiap kriteria
yaitu seperti pada tabel dibawah ini.
Tabel III.10 Nilai Bobot Kriteria
No Kode Kriteria Type Bobot
1 K1 Temperatur benefit 0,16
2 K2 Curah
Hujan benefit 0,21
3 K3 Ph Tanah benefit 0,18
4 K4 Tekstur
Tanah benefit 0,23
5 K5 Jenis Tanah benefit 0,22
1.4.5 Membuat Matriks Keputusan
Berdasarkan nilai inputan alternatif
pada setiap kriteria, maka selanjutnya nilai-
nilai tersebut dibentuk menjadi sebuah
matriks untuk dilakukan perhitungan. Adapun
matriks dari setiap nilai di atas yaitu sebagai
berikut:
X=
2 1 2 5 3
2 2 3 2 4
2 3 2 5 3
2 3 3 2 3
2 1 2 5 3
2 3 2 1 4
2 3 3 4 4
2 1 2 5 3
2 3 3 5 4
2 1 3 4 3
1.4.6 Normalisasi Matriks
Normalisasi Kolom 1 Kriteria Temperatur
Normalisasi Matriks (1,1) baris 1 kolom1
𝑥𝑖,1=
𝑍𝑖,1
√𝑍𝑖,12+𝑍𝑖,12+ 𝑍𝑖,12+𝑍𝑖,12 𝑍𝑖,12+𝑍𝑖,12 𝑍𝑖,12+𝑍𝑖,12𝑍𝑖,12+𝑍𝑖,12
𝑥1,1=
2
√22+22+ 22+22 22+22 +22+22+22+22 =
2
√40 = 0,316
𝑥2,1=
2
√22+22+ 22+22 22+22 +22+22+22+22 =
2
√40 = 0,316
𝑥3,1=
2
√22+22+ 22+22 22+22+22+22+22+22 =
2
√40 = 0,316
𝑥4,1=
2
√22+22+ 22+22 22+22+22+22+22+22 =
2
√40 = 0,316
𝑥5,1=
2
√22+22+ 22+22 22+22 +22+22+22+22 =
2
√40 = 0,316
𝑥6,1=
2
√22+22+ 22+22 22+22 +22+22+22+22 =
2
√40 = 0,316
𝑥7,1=
2
√22+22+ 22+22 22+22 +22+22+22+22 =
2
√40 = 0,316
𝑥8,1=
2
√22+22+ 22+22 22+22 +22+22+22+22 =
2
√40 = 0,316
𝑥9,1=
2
√22+22+ 22+22 22+22+22+22+22+22 =
2
√40 = 0,316
247
Jurnal Informatika Kaputama(JIK), Vol. 4 No. 2, Juli 2020 P-ISSN : 2548-9739
E-ISSN : 2685-5240
247
𝑥10,1=
2
√22+22+ 22+22 22+22+22+22+22+22 =
2
√40 = 0,316
Normalisasi Kolom 2 Kriteria Curah Hujan
Normalisasi Matriks (1,2) baris 1 kolom 2
𝑥𝑖,2=
𝑍𝑖,1
√𝑍𝑖,22+𝑍𝑖,22+ 𝑍𝑖,22+𝑍𝑖,22 𝑍𝑖,22+𝑍𝑖,22 𝑍𝑖,22+𝑍𝑖,22𝑍𝑖,22+𝑍𝑖,22
𝑥1,2=
1
√12+22+ 32+32 12+32+32+12+32+12 =
1
√53 = 0,137
𝑥2,2=
2
√12+22+ 32+32 12+32+32+12+32+12 =
2
√53 = 0,275
𝑥3,2=
3
√12+22+ 32+32 12+32 +32+12+32+12 =
3
√53 = 0,412
𝑥4,2=
3
√12+22+ 32+32 12+32+32+12+32+12 =
3
√53 = 0,412
𝑥5,2=
1
√12+22+ 32+32 12+32+32+12+32+12 =
1
√53 = 0,137
𝑥6,2=
3
√12+22+ 32+32 12+32+32+12+32+12 =
3
√53 = 0,412
𝑥7,2=
3
√12+22+ 32+32 12+32 +32+12+32+12 =
3
√53 = 0,412
𝑥8,2=
1
√12+22+ 32+32 12+32+32+12+32+12 =
1
√53 = 0,137
𝑥9,2=
3
√12+22+ 32+32 12+32 +32+12+32+12 =
3
√53 = 0,412
𝑥10,2=
1
√12+22+ 32+32 12+32 +32+12+32+12 =
1
√53 = 0,137
Normalisasi Kolom 3 Kriteria Ph Tanah
Normalisasi Matriks (1,3) baris 1 kolom 3
𝑥𝑖,2=
𝑍𝑖,1
√𝑍𝑖,32+𝑍𝑖,32+ 𝑍𝑖,32+𝑍𝑖,32 𝑍𝑖,32+𝑍𝑖,32 𝑍𝑖,32+𝑍𝑖,32𝑍𝑖,32+𝑍𝑖,32
𝑥1,3=
2
√22+32+ 22+32+22+22+ 32+22+32+32 =
2
√65 = 0,248
𝑥2,3=
3
√22+32+ 22+32+22+22 +32+22+32+32 =
3
√65 = 0,372
𝑥3,3=
2
√22+32+ 22+32+22+22 +32+22+32+32 =
2
√65 = 0,248
𝑥4,3=
3
√22+32+ 22+32+22+22 +32+22+32+32 =
3
√65 = 0,372
𝑥5,3=
2
√22+32+ 22+32+22+22+32+22+32+32 =
2
√65 = 0,248
𝑥6,3=
2
√22+32+ 22+32+22+22 +32+22+32+32 =
2
√65 = 0,248
𝑥7,3=
3
√22+32+ 22+32+22+22 +32+22+32+32 =
3
√65 = 0,372
𝑥8,3=
2
√22+32+ 22+32+22+22 +32+22+32+32 =
2
√65 = 0,248
𝑥9,3=
3
√22+32+ 22+32+22+22+32+22+32+32 =
3
√65 = 0,372
𝑥10,3=
3
√22+32+ 22+32+22+22+32+22+32+32 =
3
√65 = 0,372
Normalisasi Kolom 4 Kriteria Tekstur
Tanah
Normalisasi Matriks (1,4) baris 1 kolom 4
𝑥𝑖,2=
𝑍𝑖,1
√𝑍𝑖,42+𝑍𝑖,42+ 𝑍𝑖,42+𝑍𝑖,42 𝑍𝑖,42+𝑍𝑖,42 𝑍𝑖,42+𝑍𝑖,42𝑍𝑖,42+𝑍𝑖,42
𝑥1,4=
5
√52+22+ 52+22+52+12+42+52+52+42 =
5
√166 = 0,388
𝑥2,4=
2
√52+22+ 52+22+52+12+42+52+52+42 =
2
√166 = 0,155
𝑥3,4=
5
√52+22+ 52+22+52+12 +42+52+52+42 =
5
√166 = 0,388
𝑥4,4=
2
√52+22+ 52+22+52+12 +42+52+52+42 =
2
√166 = 0,155
𝑥5,4=
5
√52+22+ 52+22+52+12 +42+52+52+42 =
5
√166 = 0,388
𝑥6,4=
1
√52+22+ 52+22+52+12 +42+52+52+42 =
1
√166 = 0,078
𝑥7,4=
4
√52+22+ 52+22+52+12 +42+52+52+42 =
4
√166 = 0,310
𝑥8,4=
5
√52+22+ 52+22+52+12 +42+52+52+42 =
5
√166 = 0,388
𝑥9,4=
5
√52+22+ 52+22+52+12 +42+52+52+42 =
5
√166 = 0,388
𝑥10,4=
4
√52+22+ 52+22+52+12 +42+52+52+42 =
4
√166 = 0,310
248
Jurnal Informatika Kaputama(JIK), Vol. 4 No. 2, Juli 2020 P-ISSN : 2548-9739
E-ISSN : 2685-5240
248
Normalisasi Kolom 5 Kriteria Jenis Tanah
Normalisasi Matriks (1,5) baris 1 kolom 5
𝑥𝑖,2=
𝑍𝑖,1
√𝑍𝑖,52+𝑍𝑖,52+ 𝑍𝑖,52+𝑍𝑖,52 𝑍𝑖,52+𝑍𝑖,52 𝑍𝑖,52+𝑍𝑖,52𝑍𝑖,52+𝑍𝑖,52
𝑥1,5=
3
√32+42+ 32+32+32+42+42+32+42+32 =
3
√118 = 0,276
𝑥2,5=
4
√32+42+ 32+32+32+42+42+32+42+32 =
4
√118 = 0,368
𝑥3,5=
3
√32+42+ 32+32+32+42+42+32+42+32 =
3
√118 = 0,276
𝑥4,5=
3
√32+42+ 32+32+32+42+42+32+42+32 =
3
√118 = 0,276
𝑥5,5=
3
√32+42+ 32+32+32+42+42+32+42+32 =
3
√118 = 0,276
𝑥6,5=
4
√32+42+ 32+32+32+42+42+32+42+32 =
4
√118 = 0,368
𝑥7,5=
4
√32+42+ 32+32+32+42+42+32+42+32 =
4
√118 = 0,368
𝑥8,5=
3
√32+42+ 32+32+32+42+42+32+42+32 =
3
√118 = 0,276
𝑥9,5=
4
√32+42+ 32+32+32+42+42+32+42+32 =
4
√118 = 0,368
𝑥10,5=
3
√32+42+ 32+32+32+42+42+32+42+32 =
3
√118 = 0,276
Dari perhitungan nilai normalisasi di
atas, maka diperoleh matriks Nilai Normalisasi
(Xi) sebagai berikut :
X=
0,316 0,137 0,248 0,388 0,276
0,316 0,275 0,372 0,155 0,368
0,316 0,412 0,248 0,388 0,276
0,316 0,412 0,372 0,155 0,276
0,316 0,137 0,248 0,388 0,276
0,316 0,412 0,248 0,078 0,368
0,316 0,412 0,372 0,310 0,368
0,316 0,137 0,248 0,388 0,276
0,316 0,412 0,372 0,388 0,368
0,316 0,137 0,372 0,310 0,276
1.4.7 Menghitung Nilai Optimalisasi
Menghitung Nilai Optimasi
Multiobjektif MOORA dalam hal ini
mengacu pada tiap kriteria memiliki bobot
(W) tersendiri. Nilai optimasi ini dihitung
untuk setiap alternatif yang diberikan. Nilai
tersebut merupakan jumlah perkalian bobot
kriteria dengan nilai atribut maksimun (max)
yaitu nilai atribut bertipe benefit dengan
jumlah perkalian dari bobot kriteria. Adapun
nilai perhitungan seperti dalam perhitungan
berikut ini:
Nilai Optimalisasi A1
𝑥1,1 ∗ 𝑤1 + 𝑥1,2 ∗ 𝑤2 + 𝑥1,3 ∗ 𝑤3 + 𝑥1,4 ∗
𝑤4 + 𝑥1,5 ∗ 𝑤5 )𝑦1=(
𝑦1=(0,316*0,16)+(0,137*0,21)+(0,248*0,18)
+(0,388*0,23)+(0,276*0,22) = 0,2739
𝑥2,1 ∗ 𝑤1 + 𝑥2,2 ∗ 𝑤2 + 𝑥2,3 ∗ 𝑤3 + 𝑥2,4 ∗
𝑤4 + 𝑥2,5 ∗ 𝑤5 )Nilai Optimalisasi A2
𝑦2= (
𝑦2=(0,316*0,16)+(0,275*0,21)+(0,372*0,18)
+(0,155*0,23)+(0,368*0,22) = 0,2918
𝑥3,1 ∗ 𝑤1 + 𝑥3,2 ∗ 𝑤2 + 𝑥3,3 ∗ 𝑤3 + 𝑥3,4 ∗
𝑤4 + 𝑥3,5 ∗ 𝑤5 )Nilai Optimalisasi A3
𝑦3= (
𝑦3=(0,316*0,16)+(0,412*0,21)+(0,248*0,18)
+(0,388*0,23)+(0,276*0,22)
= 0,3316
𝑥4,1 ∗ 𝑤1 + 𝑥4,2 ∗ 𝑤2 + 𝑥4,3 ∗ 𝑤3 + 𝑥4,4 ∗
𝑤4 + 𝑥4,5 ∗ 𝑤5 )Nilai Optimalisasi A4
𝑦4= (
𝑦4=(0,316*0,16)+(0,412*0,21)+(0,372*0,18)
+(0,155*0,23)+(0,276*0,22)= 0,3004
𝑥5,1 ∗ 𝑤1 + 𝑥5,2 ∗ 𝑤2 + 𝑥5,3 ∗ 𝑤3 + 𝑥5,4 ∗
𝑤4 + 𝑥5,5 ∗ 𝑤5 )Nilai Optimalisasi A5
249
Jurnal Informatika Kaputama(JIK), Vol. 4 No. 2, Juli 2020 P-ISSN : 2548-9739
E-ISSN : 2685-5240
249
𝑦5=
(𝑦5=(0,316*0,16)+(0,137*0,21)+(0,248*0,18)+(
0,388*0,23)+(0,276*0,22)
= 0,2739
Nilai Optimalisasi A6
𝑥6,1 ∗ 𝑤1 + 𝑥6,2 ∗ 𝑤2 + 𝑥6,3 ∗ 𝑤3 + 𝑥6,4 ∗
𝑤4 + 𝑥6,5 ∗ 𝑤5 )𝑦6= (
𝑦6=(0,316*0,16)+(0,412*0,21)+(0,248*0,18)+(
0,078*0,23)+(0,368*0,22)
= 0,2806
𝑥7,1 ∗ 𝑤1 + 𝑥7,2 ∗ 𝑤2 + 𝑥7,3 ∗ 𝑤3 + 𝑥7,4 ∗
𝑤4 + 𝑥7,5 ∗ 𝑤5 )Nilai Optimalisasi A7
𝑦7=
(𝑦7=(0,316*0,16)+(0,137*0,21)+(0,248*0,18)+(
0,388*0,23)+(0,276*0,22)
= 0,3563
𝑥8,1 ∗ 𝑤1 + 𝑥8,2 ∗ 𝑤2 + 𝑥8,3 ∗ 𝑤3 + 𝑥8,4 ∗
𝑤4 + 𝑥8,5 ∗ 𝑤5 )Nilai Optimalisasi A8
𝑦8= (
𝑦8=(0,316*0,16)+(0,137*0,21)+(0,248*0,18)+(
0,388*0,23)+(0,276*0,22)= 0,2739
𝑥9,1 ∗ 𝑤1 + 𝑥9,2 ∗ 𝑤2 + 𝑥9,3 ∗ 𝑤3 + 𝑥9,4 ∗
𝑤4 + 𝑥9,5 ∗ 𝑤5 )Nilai Optimalisasi A9
𝑦9= (
𝑦9=(0,316*0,16)+(0,412*0,21)+(0,372*0,18)+(
0,388*0,23)+(0,276*0,22)= 0,3742
𝑥10,1 ∗ 𝑤1 + 𝑥10,2 ∗ 𝑤2 + 𝑥10,3 ∗ 𝑤3 +
𝑥10,4 ∗ 𝑤4 + 𝑥10,5 ∗ 𝑤5 )Nilai Optimalisasi A10
𝑦10= (
𝑦10=(0,316*0,16)+(0,137*0,21)+(0,372*0,18)+(
0,310*0,23)+(0,276*0,22)= 0,2783
1.4.8 Menentukan Ranking
Dalam urutan dari yang terbesar
sampai dengan yang terkecil, diperoleh hasil
ranking yaitu seperti pada tabel dibawah ini.
Tabel III.11 Hasil Ranking
Alternatif Alamat
Lahan Nilai Ranking
A9 Jl. Sawi
Payaroba 0,3742 1
A7 Jl. Pusara
Kulon Ujung 0,3563 2
A3 Jl. Sei
BatangHasu 0,3316 3
A4 Jl. Sawo 0,3004 4
A2 Jl. Gugus
Depan 0,2918 5
A6 Jl. KL Yos
Sudarso 0,2806 6
A10
Jl. Gajah
Mada
Tunggurono
0,2783 7
A1
Jl. P.
Diponegoro
Tunggurono
0,2739 8
A5
Jl. Gunung
Kawi Bhakti
Karya
0,2739 9
A8
Jl. Gunung
Selamet
Bhakti
Karya
0,2739 10
Dari hasil Rangking di atas, maka A9
Jl. Sawi Payaroba dinyatakan paling baik
untuk pemilihan lahan pertanian yang tepat
untuk meningkatkan hasil panen cabai.
1.5 Perancangan Sistem
Adapun perancangan sistem yang
akan dirancang yaitu sebagai berikut.
250
Jurnal Informatika Kaputama(JIK), Vol. 4 No. 2, Juli 2020 P-ISSN : 2548-9739
E-ISSN : 2685-5240
250
1.5.1 Flowchart
Mulai
Menghitung Nilai Optimalisasi
Selesai
Hasil Perhitungan /
Ranking
Input Nilai Kriteria,
Bobot dan Alternatif
Normalisasi Data
Membuat Matriks
Gambar III.2 Flowchart Sistem Pendukung
Keputusan Pemilihan Lahan Pertanian Yang
Tepat Untuk Meningkatkan Hasil Panen
Cabai. Menggunakan Metode MOORA
Berdasarkan gambar diatas dapat dijelaskan
sebagi berikut :
1. Mulai (start)
2. Input data kriteria, bobot kriteria nilai
alternatif setiap kriteria
3. Membuat matriks data nilai alternatif
4. Normalisasi data nilai alternatif
5. Menghitung nilai optimalisasi data dan
perangkingan
6. Selesai
7.
1.5.2 Aktivity Diagram
Adapun aktivity diagram dapat dilihat
seperti pada gambar dibawah ini.
LoginMenampilkan Menu
Login
Menyimpan menu data Kriteri, Bobot, Alternatif
Analis
Menampilkan Menu Utama
Admin Sistem
Menu DataMenampilkan menu data Kriteri,
Bobot, Alternatif
Pimpinan
Login
ValidTidak
Ya
Input Data
Membuat Matriks
Normalisasi Nilai
Optimalisasi Nilai
Hasil Ranking
Cetak LaporanLaporanLaporan Hasil pemilihan
Lahan
Gambar III.3 Aktivity Diagram Sistem
Pendukung Keputusan Pemilihan Lahan
Yang Tepat Untuk Meningkatkan Hasil
Panen Cabai.
1.6 Pembahasan Antar Muka
1. Halaman Login
Gambar III.4 Halaman Login
251
Jurnal Informatika Kaputama(JIK), Vol. 4 No. 2, Juli 2020 P-ISSN : 2548-9739
E-ISSN : 2685-5240
251
2. Menu Kriteria
Gambar III.5 Menu Data Kriteria
3. Analisa
Gambar III.6 Menu Analisa Metode
MOORA
1.7 Implementasi
Adapun hasil prosesnya yaitu sebagai
berikut.
Gambar III.7 Analisa Perhitungan Metode
MOORA
Gambar III.8 Hasil Analisa Perhitungan
Metode MOORA
Gambar III.9 Laporan Hasil Proses
Analisa Metode MOORA
4. KESIMPULAN Maka dapat mengambil kesimpulan
sebagai berikut :
1 Sistem pendukung keputusan dengan
menggunakan metode MOORA untuk
pemilihan lahan pertanian yang tepat
untuk meningkatkan hasil panen cabai
berdasarkan inputan data kriteria dan
penilaian alternatif dapat digunakan serta
dapat diambil keputusan dari data yang
ada.
2 Dari hasil metode MOORA, hasil yang
diperoleh dengan nilai tertinggi yaitu
lahan pertanian yang berlokasi di Jl. Sawi
252
Jurnal Informatika Kaputama(JIK), Vol. 4 No. 2, Juli 2020 P-ISSN : 2548-9739
E-ISSN : 2685-5240
252
Payaroba Binjai Barat dengan perolehan
nilai analisis sistem 0,3742 dengan kriteria
temperatur 31°C, curah hujan sedang, PH
tanah 6, tekstur tanah kasar dan jenis tanah
lempung. Dengan demikian Lahan
pertanian Induk Binjai Berjaya merupakan
lahan pertanian terbaik untuk meningkatkan
hasil penen cabai di Kota Binjai.
5. SARAN Beberpa saran dari penulis yaitu sebagai
berikut.
1. Perlu dilakukan penelitian dengan
menggunakan metode selain MOORA
dengan algoritma yang berbeda atau dengan
menggabungkan dengan metode lain agar
dapat dijadikan perbandingan metode yang
lebih baik
2. Penelitian lebih lanjut diharapkan mampu
mengaplikasikan dengan metode yang
berbeda dan dapat menghasilkan sistem
pendukung keputusan yang lebih baik
sebagai bahan perbandingan hasil yang tepat
dan menggunakan aplikasi yang berbeda
selain menggunakan pemograman microsof
visual studio (Vb.Net).
DAFTAR PUSTAKA
[1] A MH Pardede & N Noriyenni, 2015
Proceding. KeTIK., Sistem Pendukung
Keputusan Pemberian Jumlah SKS
Mengajar Dosen Pada STMIK Kaputama
Binjai,
[2]. Arief 2011, PHP Digunakan Untuk
Membuat Websaite Pribadi dan membuat
halaman web yang dinamis.
[3] Andi 2010, Pengertian SQL Server 2008,
Sebuah Trombosan Baru Dari Microsoft
Data Base
[4] Andri kristato 2007 Database adalah
“kumpulan dari data yang dapat
digambarkan sebagai aktivitas dari satu atau
lebih oraganiasi yang berelasi.
[5] Attri and Grover 2013, MOORA diterapkan
untuk memecahkan banyak permasalahan
ekonomi, majerial dan konstruksi pada
sebuah perusahaan maupun proyek.
[6] Brauers and zavadskas, 2006
Chakraborty, 2011, Gadakh, 2011, El-
Santwy and Ahmed, 2012 Kalibatas, et
al. 2008, Lootsma, 1999. Menentukan
Tujuan Untuk Mengidentifikasi Atribut
Evaluasi Yang Bersangkutan.
[7] Brauers et al.2009 dalam Acelik 2014.
Rumusan Penghitung Nilai Optimasi
Multiobjektif MOORA.
[8] Fathansyah (2012) Pengertian Basis Data
terdiri atas 2 kata yaitu basis dan kata,
basis kurang lebih dapat diartikan sebagai
markas atau gudang tempat berkumpul.
[9] Sanjaya L dkk, 2002 Pengertian Cabai
Pertama Ditemukan Oleh Columbus dan
Diintroduksikan Keseluruh Dunia.
[10] Fauzi, A., Marpaung, I.J.S. and Pardede,
A.M.H., 2018. SISTEM PENDUKUNG
PEMILIHAN PEKERJAAN
MENGGUNAKAN METODE APRIORI
BERDASARKAN KORELASI
JURUSAN DENGAN IPK UNTUK
MENGETAHUI PEKERJAAN YANG
TEPAT. METHOMIKA: Jurnal
Manajemen Informatika &
Komputerisasi Akuntansi, 2(2), pp.152-
159.
[11] Y Maulita, K Lumbanbatu dkk, 2018.
Jurnal METHOMIKA. Penggunaan
Metode Topsisi & Metode Electre
Sebagai Perbandingan Hasil Keputusan
Pemilihan Notasi Lahan Tambak Paling
Terbaik Untuk Dijadikan Usaha Tambah
Air Pyau,