sistem pendukung keputusan penentuan kualitas...

1

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KUALITAS SEMEN BEKU

SAPI PEJANTAN UNGGUL PASCA THAWING DENGAN MENGGUNAKAN

METODE AHP – TOPSIS

Anggita Rezky R 1), Januar Anas Fauzi S 2), Fendy Yulianto 3), Bramana Aditya S.P 4)

Anggia Dewantara P 5)

Program Studi Teknik Informatika

Program Teknologi Informasi dan Ilmu Komputer, Universitas Brawijaya

Jl. Veteran No 8, Malang 65145, Indonesia

e-mail: [email protected] 1), [email protected] 2),

[email protected] 3), [email protected] 4), [email protected] 5)

Abstrak

Pemanfaatan sapi sebagai hewan konsumsi, diambil susunya dan dipotong untuk diambil dagingnya

secara terus menerus akan terjadi penurunan populasi jika hanya mengandalkan kawin alam. Sehingga

diperlukan teknologi Inseminasi Buatan yaitu proses memasukkan semen kedalam saluran reproduksi indukan

betina dengan menggunakan alat-alat buatan manusia yang dilakukan oleh inseminator untuk perbaikan genetik

dan peningkatan mutu pada sapi turunannya. Inseminasi buatan menggunakan media semen dari pejantan

unggul yang telah dibekukan dan di thawing atau diencerkan terlebih dahulu sebelum digunakan. Pengambilan

keputusan kualitas semen beku pascathawing dilakukan berdasarkan beberapa kriteria menggunakan

mulicriteria decision making (MCDM). Dengan menggunakan metode AHP dapat memberikan keputusan

terbaik serta alasan yang jelas. Dan menggabungan metode Topsis yang memiliki sifat mudah untuk digunakan,

rasional dan mudah di mengerti, proses komputasinya straight forward. Berdasarkan hasil pengujian metode

gabungan AHP-TOPSIS dari 15 data percobaan didapatkan akurasi sebesear 80% dibandingkan dengan data

aktual kualitas semen beku yang sebenarnya.

Kata kunci: Sistem Pendukung Keputusan, semen beku sapi, mulicriteria decision making (MCDM), AHP-

TOPSIS.

1. PENDAHULUAN

1.1 Latar Belakang

Indonesia adalah salah satu negara dengan

kekayaan dan keanekaragaman flora dan fauna

terbesar di dunia. Berbagai macam manfaat dari

flora dan fauna telah digunakan oleh masyarakat

indonesia sejak dahulu. Sapi misalnya, sejak dahulu

sapi telah dijadikan sebagai hewan konsumsi, baik

diambil susunya maupun dipotong untuk diambil

dagingnya. Namun kebanyakan sapi yang berasal

dari Indonesia atau biasa disebut sapi lokal,

memiliki ukuran tubuh yang relatif kecil. Selain itu,

apabila lama kelamaan sapi tersebut terus menerus

dipotong untuk dikonsumsi, akan terjadi penurunan

populasi karena hanya mengandalkan kawin alam.

Seiring berjalannya waktu, perkembangan

teknologi semakin pesat tak terkecuali di dunia

peternakan. Pada tahun 1970an, di Indonesia mulai

diaplikasikan teknologi Inseminasi Buatan.

Inseminasi Buatan adalah proses memasukkan

semen kedalam saluran reproduksi indukan betina

dengan menggunakan alat-alat buatan manusia yang

dilakukan oleh inseminator [1:2]. Salah satu syarat

terjadinya fertilisasi pada makhluk hidup adalah

adanya spermatozoa. Dengan Inseminasi buatan,

setetes semen dapat meningkatkan produksi ternak

khususnya sapi. Hal ini dapat terjadi karena

kemampuan spermatozoa untuk membuahi tidak

tegantung pada seberapa banyak cairan yang

dikeluarkan pejantan.

Dalam perkawinan alam, seekor ternak

pejantan hanya dapat mengawini beberapa puluh

ekor betina, namun dengan Inseminasi Buatan

seekor pejantan dapat mengawini ribuan ekor ternak

yang berada pada lokasi yang berbeda[2:13].

Inseminasi buatan ini menggunakan media semen

dari pejantan unggul yang telah dibekukan. Semen

beku yang akan digunakan diambil dari kontainer

yang berisi N2 cair yang bersuhu -196oC [SNI

4869.1:2008]. Untuk dapat digunakan

menginseminasi, semen beku harus di thawing atau

diencerkan terlebih dahulu. Thawing mempunyai

pengaruh besar pada spermatozoa khususnya dalam

semen. Pengambilan keputusan kualitas semen beku

pascathawing dilakukan berdasarkan beberapa

kriteria.

Pengambilan keputusan untuk mengetahui

kualitas semen beku pasca thawing dapat dilakuan

dengan mulicriteria decision making (MCDM).

Beberapa metode MCDM yang dapat digunakan

dalam menentukan kualitas semen beku sapi

pejantan unggul pasca thawingdiantaranya adalah

Analytic Hierarchy Process-The Technique for

mailto:[email protected]





2

Order of Preference by Similarity to Ideal Solution

(AHP-TOPSIS).

AHP dipilih karena tidak hanya membantu

para analis untuk sampai pada keputusan terbaik,

tetapi juga menyediakan alasan yang jelas untuk

pemilihan yang dibuat[3:1].Topsis dipilih karena

simpel untuk digunakan, rasional dan mudah di

mengerti, proses komputasinya straight forward

[4:1-2].

1.2 Rumusan Masalah

Berdasarkan latar belakang diatas, dapat

dirumuskan permasalahan yang akan diselesaikan

adalah

1. Bagaimana merancang dan membangun suatu

Sistem Pendukung Keputusan dalam penentuan

kualitas semen beku sapi pejantan unggul pasca

Thawing.

2. Bagaimana penerapan metode AHP-TOPSIS

dalam penentuan kualitas semen beku sapi

pejantan unggul pasca Thawing.

3. Bagaimana tingkat akurasi metode AHP-

TOPSIS dalam penentuan kualitas semen beku

sapi pejantan unggul pasca Thawing.

4. Bagaimana pengujian dari Sistem Pendukung

Keputusan penentuan kualitas semen beku sapi

pejantan unggul pasca Thawing dengan

menggunakan metode AHP-TOPSIS.

1.3 Batasan Masalah

Untuk memfokuskan penelitian yang akan

dilakukan, permasalahan yang ada dibatasi sebagai :

1. Pengambilan data kriteria semen beku pasca

thawing diambil dari Balai Besar Inseminasi

Buatan (BBIB) Singosari yang terdapat di

daerah Singosari Malang.

2. Suhu saat thawing sebesar 37oC.

3. Parameter-parameter yang digunakan dalam

penelitian ini dibatasi Motilitas Spermatozoa,

Gerakan Individu Spermatozoa, Abnormalitas,

Presentase Hidup Spermatozoa.

4. Pengujian pada sistem ini menggunakan

pengujian akurasi dan pengujian fungsional

sistem dengan validasi.

1.4 Tujuan

Tujuan yang ingin dicapai dari penelitian

ini adalah merancang sistem pendukung

keputusan untuk penentuan penentuan kualitas

semen beku sapi pejantan unggul pasca

Thawing dengan menerapkan gabungan metode

AHP dan TOPSIS sebagai metode sistem

pendukung keputusan serta mengukur tingkat

akurasi implementasi metode tersebut.

1.5 Manfaat

Penelitian ini diharapkan dapat memberikan

manfaat sebagai berikut :

1. Menambah pengetahuan penulis dalam

menerapkan metode gabungan AHP dan

TOPSIS pada “ Sistem Pendukung Keputusan

Penentuan Kualitas Semen Beku Sapi Pejantan

UnggulPasca Thawing dengan Menggunakan

Metode AHP dan TOPSIS “.

2. Sebagai salah satu alternatif untuk penentuan

kualitas semen beku sapi pejantan unggul

pascaThawing berbasis teknologi informasi.

2. TINJAUAN PUSTAKA

2.1 Kajian Pustaka

Dalam penelitian ini menggunakan gabungan

dari metode AHP-TOPSIS. Berikut merupakan

ringkasan kajian pustaka dari beberapa penelitian

sebelumnya. Penelitian yang pertama dilakukan

oleh Baskworo Yoga Indra Exshadengan pada tahun

2011 Objek yang dipilih adalah lima alternatif

kandang ayam broiler menggunakan metode AHP-

TOPSIS. Penelitian tersebut menentukan layak atau

tidak nya kandang ayam broiler untuk digunakan

sebagai kandang ayam broiler dengan menggunakan

6 kriteria. Nilai akurasi yang dihasilkan

menggunakan metode AHP-TOPSIS mencapai

62.5% [17:8]. Penelitian yang kedua adalah dari

Oksi Iranosa pada tahun 2014 dengan menggunakan

Metode AHP-TOPSIS. Oksi dalam penelitiannya,

memasukkan 4 kriteria yaitu Harga, Rasa,

Penyediaan bahan dan Zat berkhasiat. Hasil dari

pengujian akurasi dari 4 kriteria dalam Sistem

Pendukung Keputusan dengan menggunakan

metode AHP-TOPSIS memiliki kesesuaian dengan

hasil rekomendasi dari UPT Materia Medica yang

menggunakan 2 kriteria yaitu Indikasi Demam

sebesar 80 %, Diare sebesar 60 % dan Batuk sebesar

80 % [18:11].

2.2 Sistem Pendukung Keputusan

Hal paling penting dalam sebuah permasalahan

adalah fase pengambilan keputusan, terutama pada

sebuah oraganisasi. Pengambilan keputusan pada

suatu organisasi adalah masalah paling penting

karena kemajuan organisasi atau kemunduruan

organisasi tergantung pada keputusan yang dibuat.

SPK dibangun dan dirancang untuk menyelesaikan

permasalahan dan meningkatkan efektivitas serta

produktivitas dalam menyelesaikan masalah dengan

bantuan komputasi [14:19].Dalam mengambil

keputusan terdapat beberapa tahap yang dilakukan

SPK mulai dari identifikasi masalah, memilih data

yang relevan dengan permasalahan, menentukan

pendekatan yang digunakan dalam proses

pengambilan keputusan, sampai mengevaluasi

pemilihan alternatif [15:2][19:2].Hal yang perlu

dipahami adalah bahwa SPK hanya sebagai bahan

pertimbangan untuk menentukan keputusan

akhir[14:19].

2.2.1 Komponen Sistem Pendukung Keputusan

Terdapat beberapa komponen yang ada di dalam

sistem pendukung keputusan antara lain sebagai

berikut :

3

a. A language system merupakan mekanisme

untuk menyediakan komunikasi antara

pengguna dan komponen lain dari DSS.

b. A knowledge system merupakan sebuah

repositori pengetahuan masalah yang

terkandung dalam DSS baik sebagai data

atau prosedur.

c. A problem processing system merupakan

hubungan antara dua komponen yang

mengandung satu atau lebih dari

kemampuan manipulasi masalah umum

yang diperlukan untuk pengambilan

keputusan[25:1].

2.2.2 Tahapan Pengambilan Keputusan

a. Penelusuran (intelligence) merupakan tahapan

yang membahas tentang pendefisinisan masalah

dan identifikasi informasi yang berkaitan

dengan masalah yang di hadapi serta keputusan

yang akan diambil.

b. Perancangan (design) merupakan tahapan yang

membahas tentang analIsa untuk mencari dan

merumuskan alternatif dari penyelesaian

masalah yang ada.

c. Pemilihan (choice) merupakan tahapan yang

digunakan untuk memilih solusi terbaik yang

sesuai dengan permasalahan.

d. Implementasi (implementation) merupakan

tahapan yang membahas tentang pengerjaan

suatu keputusan yang telah di peroleh [26:3].

2.3 Multi Criteria Decision Making (MCDM)

Mutiple Criteria Decision Making (MCDM)

merupakan suatu metode pengambilan keputusan

untuk menetapkan alternatif terbaik dari sejumlah

alternatif berdasarkan beberapa kriteria tertentu,

kriteria biasanya berupa ukuran-ukuran, aturan-

aturan atau standar yang digunakan dalam

pengambilan keputusan.MCDM dibagi menjadi 2

model yaitu Multi Attribute Decision Making

(MADM) dan Multi Objective Decision Making

(MODM). Seringkali MCDM dan MADM

digunakan untuk menerangkan kelas atau kategori

yang sama. MADM digunakan untuk menyelesaikan

masalah-masalah dalam ruang diskret. Oleh karena

itu, pada MADM biasanya digunakan untuk

melakukan penilaian atau seleksi terhadap beberapa

alternatif dalam jumlah yang terbatas. Sedangkan

MODM digunakan untuk menyelesaikan masalah-

masalah pada ruang kontinyu [24:3].

2.4 Semen Sapi

Semen sapi adalah cairan ejakulat dari kelamin

pejantan yang diejakulasikan ke dalam saluran

kelamin betina saat kopulasi. Semen terdiri dari :

a. Spermatozoa yaitu sel-sel kelamin jantanyang

kompak dan sangat khas serta tidak tumbuh dan

membelah diri yang dihasilkan oleh testes

[6:13].

b. Campuran sekresi yang diproduksi oleh

epididimis, kelenjar vesikularis dan kelenjar

prostat yang disebut Plasma semen. Plasma

semen digunakan spermatozoa untuk tetap

dapat bergerak. Plasma semen juga berfungsi

sebagai medium yang membawa spermatozoa

kedalam saluran reproduksi hewan betina

setelah diejakulasikan dari saluran hewan jantan

[7:6].

2.4.1 Semen Beku Sapi

Semen beku adalah semen yang berisi 25 juta

sel spermatozoa dalam satu straw 0,25cc. Sebelum

dimaskukkan kedalam straw, semen diencerkan

menurut prosedur dengan tujuan untuk menyediakan

makanan bagi spermatozoa dan meningkatkan

volume dengan menurunkan konsentrasi semen.

Semen dibekukan pada suhu yang jauh dari titik

beku 0oC, tergantung pada zat yang dipakai

membekukan semen tersebut. N2 cair merupakan zat

paling populer yang digunakan untuk membekukan

semen karena dapat membekukan pada suhu yang

paling rendah sekitar-196°C dalam kontainer

kriogenik [SNI 4869.1:2008].

2.5 Thawing

Thawing adalah proses pengenceran semen

beku sebelum di gunakan untuk inseminasi buatan

pada indukan sapi. Semen beku yang berada pada

kontainer yang berisi N2 cair bersuhu -196oC,

dikeluarkan kemudian dicairkan kembali supaya

dapat di inseminasikan ke dalam saluran reproduksi

indukan sapi. Semen beku yang sudah di thawing

merupakan barang yang sangat rapuh dan tidak

dapat tahan lama seperti semen cair. Semen beku

yang sudah di thawing juga tidak dapat d ibekukan

kembali. Pencairan semen beku dapat dilakukan

dengan banyak cara. Namun dari banyak cara yang

dapat dipakai tersebut harus tetap berpegangan pada

prinsip bahwa peningkatan suhu semen harus naik

secara konstan sampai waktu dilakukannya

Inseminasi Buatan. Perubahan suhu yang capat pada

saat thawing juga dapat mengurangi tekanan

spermatozoa dan membantunya melewati masa tidak

stabil dengan cepat, sehingga spermatozoa yang

hidup lebih banyak. Keadaan spermatozoa,

khususnya keutuhan spermatozoa dalam semen

dipengaruhi oleh suhu dan lama thawing.

2.6 Evaluasi Semen Beku

Evaluasi semen beku dilakukan untuk

mengetahui apakah kualitas dari semen beku yang

telah di thawing, baik atau tidak.

2.6.1 Motilitas Spermatozoa

Motilitas merupakan kecenderungan pola dan

gerakan bersama sama spermatozoa dalam suatu

kelompok. Gerakan yang dilakukan spermatozoa

tersebut ke satu arah dan menyerupai gelombang-

4

gelombang yang tebal maupun tipis, bergerak cepat

atau lambat tergantung dari konsentrasi spermatozoa

yang hidup didalamnya. Faktor-faktor yang

mempengaruhi motilitas spermatozoa adalah umur

sperma, maturasi (pematangan) sperma,

penyimpanan energi Adenosin Triphosfat(ATP),

agen aktif, biofisik dan fisiologik, cairan suspensi

dan adanya rangsangan hambatan. Motilitas massa

dapat ditentukan sebagai berikut [6:23] :

1. Sangat baik (+++), terlihat gelombang-

gelombang besar, banyak, gelap, tebal dan aktif

bagaikan gumpalan awan hitam saat akan turun

hujan yang bergerak cepat berpindah-pindah

tempat.

2. Baik (++), bila terlihat gelombang-gelombang

kecil, tipis, jarang, kurang jelas dan bergerak

lamban.

3. Cukup (+), jika terlihat gelombang melainkan

hanya gerakan-gerakan individual aktif

progresif.

4. Buruk (N, necrospermia atau 0), bila hanya

sedikit atau tidak ada gerakan-gerakan

individual.

5. Sangat Buruk, bila tidak ada gerakan sama

sekali, baik individual maupun kelompok.

Menurut Badan Standardisasi Nasional,

motilitas massa spermatozoa untuk semen beku

setelah di thawing minimal 40 %.

2.6.2 Gerakan Individu Spermatozoa

Gerakan individual spermatozoa adalah

pergerakan progresif atau gerakan maju ke depan

dari masing-masing individual spermatozoa.

Gerakan melingkar dan gerakan mundur merupakan

tanda bahwa spermatozoa mengalami cold shock.

Semen yang sudah tua ditandai dengan gerakannya

yang berayun dan berputar pada tempatnya.

Sedangkan spermatozoa yang tidak bergerak, maka

sudah dianggap mati. Penilaian gerakan individual

spermatozoa mempunyai nilai 1 sampai 5, sebagai

berikut [6:24] :

1. 10% : pergerakan berputar di tempat;

2. 20% - 40% : gerakan berayun melingkar,

kurang dari 50% spermatozoa bergerak

progresif dan tidak ada gelombang;

3. 50% - 80% : antara 50 sampai 80%

spermatozoa bergerak progresif dan

menghasilkan gerakan massa;

4. 90% : pergerakan progresif yang gesit dan

segera membentuk gelombang dengan 90%

sperma motil;

5. 100% : gerakan yang sangat progresif,

gelombang yang sangat cepat, menunjukkan

100% motil aktif.

Menurut Badan Standardisasi Nasional, derajat

gerakan individual spermatozoa untuk semen beku

setelah di thawing minimal 20%-40%.

2.6.3 Abnormalitas

Terdapat tiga morfologiabnormalitas

spermatozoa, yaitu [20:5]:

1. Abnormalitas Primer.

Abnormalitas yang terjadi pada saat terjadi

proses spermatogenesis di dalam testis.

Abnormalitas primer meliputi :

a. Kepala yang terlampau besar

(macrocephlalic), kepala terlampau kecil

(microcephalic), kepala yang lebar, pipih

memanjang berganda dan pyriformis atau

berbentuk seperti buah pir.

b. Badan atau ekor ganda; pembesaran bagian

tengah.

c. Ekor melingkar.

2. Abnormalitas Sekunder

Abnormalitas yang terjadi saat spermatozoa

melakukan perjalanan di epididimis.

Abnormalitas sekunder meliputi :

a. Ekor yang melengkung atau bent tail.

b. Bagian tengah yang melipat atau simple

bent tail.

c. Adanya butiran-butiran protoplasma

proksimal atau distal dan akrosom yang

terlepas atau proximal droplet.

3. Abnormalitas Tersier

abnormalitas yang terjadi setelah ejakulasi.

Abnormalitas tersier juga dapat terjadi saat

terdapat penaganan yang salah pada saat akan

dilakukan inseminasi buatan. Abnormalitas

tersier meliputi :

a. Kepala yang hilang atau lose head.

b. Ekor yang hilang atau lose tail.

Spermatozoa yang abnormal tidak dapat

membuahi sel telur. Abnormalitasspermatozoa

jika belum mencapai 20%, maka semen masih

dapat digunakan untuk Inseminasi Buatan.

2.6.4 Presentase Hidup Spermatozoa

Pengecetan dan pewarnaan dengan

menggunakan eosin dapat membedakan sperma

yang hidup dan mati. Untuk melakuakn pengetesan

eosin harus dilarutkan dalam aquadest dengan

konsentrasi 1 : 9. Setelah itu sperma yang telah

ditetesi dengan larutan eosin, diratakan dan di angin-

anginkan dengan menggunakan spiritus. Kemudian

sperma tadi dapat diamati dengan menggunakan

mikroskop. Sperma yang berwarna merah adalah

sperma yang mati dan sperma yang tidak berwarna

adalah sperma yang hidup [7:25].

2.7 Inseminasi Buatan

Inseminasi Buatan adalah proses memasukkan

semen kedalam saluran reproduksi indukan betina

yang sedang birahi dengan menggunakan alat-alat

buatan manusia yang dilakukan oleh inseminator

[8:2]. Inseminasi Buatan adalah strategi efektif dan

cepat untuk meningkatkan populasi hewan dan

menyebarluaskan bibit unggul di suatu daerah [5:2].

2.8 Analytical Hierarchy Process (AHP)

5

AHP merupakan metode yang baik untuk

membuat suatu keputusan terhadap masalah yang

kompleks . Setiap masalah yang kompleks dapat

didekomposisi menjadi beberapa sub – masalah,

dalam hal terdapat tingkat hirarki. Dimana setiap

tingkat merupakan seperangkat kriteria atau atribut

relatif untuk masing-masing sub – masalah. Metode

AHP adalah sebuah multikriteria metode analisis

berdasarkan proses pembobotan aditif, AHP telah

banyak diterapkan oleh akademisi dan profesional ,

terutama dalam aplikasi teknik yang melibatkan

keputusan keuangan dan berhubungan dengan

atribut non-keuangan [13:1].AHP ditujukan untuk

mengintegrasikan langkah-langkah yang berbeda ke

dalam skor keseluruhan tunggal untuk alternatif

keputusan. Ciri utamanya adalah didasarkan pada

penilaian perbandingan secara berpasangan. Dalam

model pengambilan aturan ini terdapat pengukuran

faktor terkait subyektif input manajerial pada

beberapa kriteria, dengan mengurangi keputusan

yang kompleks untuk serangkaian perbandingan

sederhana dan peringkat, maka sintesis hasil, AHP

tidak hanya membantu para analis untuk sampai

pada keputusan terbaik, tetapi juga menyediakan

alasan yang jelas untuk pemilihan yang dibuat[23:1].

2.8.1 Prosedur AHP

1. Menyusun struktur hirarki dari permasalahan

yang dihadapi. Level teratas dari hirarki

merupakan sasaran sistem yang mejadi tujuan

penyususan hirarki. Level berikutnya terdiri dari

kriteria-kriteria yang relevan dari masalah yang

akan diputuskan. Kriteria-kriteria tersebut

digunakan untuk mempertimbangan alternatif-

alternatif yang ada dan menentukan alternatif

tersebut. Kriteria dapat memiliki sub kriteria,

namun sub kriteria tersebut harus relevan dengan

kriteria permasalahan [10:2].

2. Menentukan prioritas elemen :

a. Matriks perbandingan berpasangan dibangun

dari kriteria i x kriteria j, dimana i dan j adalah

jumlah kriteria permasalahan [11:3].

b. Mengisi matriks perbandingan berpasangan

yang merepresentasikan kepentingan relatif dari

satu elemen terhadap elemen lainnya. Matriks

tersebut diisi dengan skala 1 sampai 9. Nilai 1

sampai 9 merupakan perbandingan elemen pada

setiap level hirarki terhadap kriteria yang

mempunyai level lebih tinggi. Nilai 1 akan

diberikan apabila elemen dibandingkan dengan

dirinya sendiri, namun apabila elemen i

dibanding j mendapat nilai tertentu, maka

elemen j dibanding i mendapat nilai

kebalikannya. Untuk menyusun matriks kriteria

berpasangan menggunakan persamaan (2-1)

[10:3] :

𝑎𝑖,𝑗 =1

𝑎𝑗,𝑖 …………………………………(2-1)

dimana i, j = 1,2,...,m

a : elemen matriks perbandingan berpasangan

Tabel 2.1 Skala Kuantitatif pada AHP

Intensitas

Kepentingan Definisi Penjelasan

1

Kedua elemen

sama pentingnya

Dua elemen mempunyai

pengaruh yang sama

besar

3

Elemen yang satu

sedikit lebih

penting daripada elemen yanga

lainnya

Pengalaman dan

penilaian sedikit

menyokong satu elemen dibandingkan elemen

yang lainnya

5

Elemen yang satu lebih penting

daripada yang

lainnya

Pengalaman dan penilaian sangat kuat

menyokong satu elemen

dibandingkan elemen

yang lainnya

7

Satu elemen jelas

lebih mutlak

penting daripada elemen lainnya

Satu elemen yang kuat

disokong dan dominan

terlihat dalam praktek.

9

Satu elemen mutlak

penting daripada elemen lainnya

Bukti yang mendukung

elemen yang satu terhadap elemen lain

memeliki tingkat

penegasan tertinggi yang mungkin

menguatkan.

2,4,6,8

Nilai-nilai antara

dua nilai pertimbangan-

pertimbangan yang

berdekatan

Nilai ini diberikan bila

ada dua kompromi di antara 2 pilihan

Kebalikan

Jika untuk aktivitas

i mendapat satu

angka dibanding dengan aktivitas j,

maka j mempunyai

nilai kebalikannya dibanding dengan i

Sumber [10:3]

3. Membuat Sintesis setelah matriks perbandingan

berpasangan terbentuk untuk memperoleh nilai

prioritas dengan langkah-langkah seperti berikut

[11:4] :

a. Menjumlahkan nilai-nilai elemen dari setiap

kolom pada matriks. Perhitungannya

ditunjukkan pada persamaan (2-2).

𝑏𝑗 = ∑ 𝑎𝑖,𝑗 = 𝑎1,𝑗 + 𝑎2,𝑗𝑛𝑖=1 + ⋯ + 𝑎𝑛,𝑗 …(2-2)

dimana, i, j =1,2,...,m

𝑎 : elemen matriks perbandingan berpasangan

b : elemen jumlah kolom

b. Membagi setiap nilai-nilai elemen dari setiap

kolom dengan total nilai kolom yang

bersangkutan untuk mendapat matriks

normalisasi. Perhitungannya ditunjukkan pada

persamaan (2-3).

𝑐𝑖,𝑗 = 𝑎𝑖,𝑗

𝑏𝑗 ................................................. (2-3)

6

dimana, i, j =1,2,...,m

𝑎 : elemen matriks perbandingan

berpasangan

b : elemen jumlah kolom

𝑐 : elemen matriks normalisasi perbandingan

berpasangan

c. Menjumlahkan nilai-nilai elemen dari setiap

baris matriks normalisasi dan membaginya

dengan jumlah eleme kriteria untuk mendapat

nilai bobot. Perhitungannya ditunjukkan pada

persamaan (2-4).

𝑊𝑖 =∑ 𝑐𝑖,𝑗

𝑛𝑗=1

𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑟𝑖𝑡𝑒𝑟𝑖𝑎 ................................... (2-4)

dimana, i, j =1,2,...,m

𝑊 : bobot kriteria

𝑐 : elemen matriks normalisasi perbandingan

berpasangan.

4. Mengukur Konsistensi pada AHP diukur

dengan rasio konsistensi (Consistency Ratio).

Untuk matriks 3x3 nilai konsistensinya harus

kurang dari 5%, untuk matriks 4x4 nilai

konsistensinya 9% dan untuk matriks yang lebih

besar 10%. Nilai perbandingan matriks harus

dilakukan kembali apabila didapatkan nilai

konsistensi yang lebih dari batas rasio.

Langkah-langkah untuk menghitung nilai rasio

konsistensi adalah sebagai berikut [10:3] :

a. Mengkalikan nilai matriks perbandingan

berpasangan dengan bobot kriteria untuk

mendapatkan nilai vektor bobot.Perhitungannya

ditunjukkan pada persamaan (2-5).

𝑉𝑒𝑘𝑖 = 𝑎𝑖,𝑗 . 𝑊𝑖 ........................................(2-5)

dimana, 𝑎 : elemen matriks perbandingan

berpasangan


𝑉𝑒𝑘𝑖 : elemen vektor bobot

b. Menjumlahkan setiap baris.

c. Hasil dari penjumlahan baris dibagi dengan

elemen prioritas relatif yang bersangkutan.

d. Membagi hasil pada langkah 3, dengan banyak

elemen yang ada, hasilnya disebut eigen value

(λmax). Perhitungannya ditunjukkan pada

persamaan (2-6).

λmax= 1

𝑛∑

𝑉𝑒𝑘𝑖

𝑊𝑖

𝑛𝑖=1 .......................................... (2-6)

dimana,


𝑉𝑒𝑘𝑖 : elemen vektor bobot

n : Banyak elemen kriteria.

e. Menghitung indeks konsistensi (consistency

index). Perhitungannya ditunjukkan pada

persamaan (2-7).

𝐶𝐼 =λ𝑚𝑎𝑥−𝑛

𝑛............................................... (2-7)

dimana,

CI : Consistensi Index

λmax : Eigen Value

n : Banyak elemen kriteria

f. Menghitung rasio konsistensi (CR). Jika

nilainya lebih dari 10%, maka penilaian data

judgment harus diperbaiki. Namun jika Rasio

Konsistensi (CI/RI) kurang atau sama dengan

0,1 (10%), maka hasil perhitungan bisa

dinyatakan benar. Perhitungannya ditunjukkan

pada persamaan (2-8).

𝐶𝑅 =𝐶𝐼

𝑅𝐶 .................................................. (2-8)

dimana,

CR :Consistency Ratio

CI :Consistency Index

RC :Random Consistency

Tabel 2.2 Random Index

M 1 2 3 4 5 6 7 8 9

RCI 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45

Sumber [10:3]

2.9 Technique for Order Preference by Similarity

to Ideal Solution (TOPSIS)

Metode TOPSIS pertama kali dikembangkan

oleh Hwang dan Yoon ( Hwang & Yoon , 1981)

serta jajaran alternatif yang sesuai dengan jarak ideal

dan solusi ideal negatif, yaitu alternatif terbaik

secara bersamaan memiliki jarak terpendek dari

solusi ideal dan jarak terjauh dari solusi ideal negatif

[16:3]. Solusi ideal (juga disebut solusi ideal positif)

adalah solusi yang memaksimalkan manfaat kriteria

atau atribut dan meminimalkan kriteria biaya atau

atribut, sedangkan solusi ideal negatif (juga disebut

solusi antiideal) memaksimalkan biaya kriteria atau

atribut dan meminimalkan kriteria manfaat atau

atribut [12:2]. Prosedur TOPSIS didasarkan pada ide

intuitif dan sederhana, yaitu solusi ideal yang

optimal, memiliki manfaat maksimal. Topsis

diperoleh dengan menyeleksi alternatif terbaik yang

jauh dari ketidakcocokan alternatif yang paling

banyak serta memiliki manfaat minimal [11:5].

2.9.1 Prosedur TOPSIS

Prosedur TOPSIS adalah sebagai berikut [9:2-

3]:

1. Menentukan matriks keputusan yang

ternormalisasi dari rating kriteria kualitas semen

beku pada setiap kriteria atau subkriteria

kualitas semen beku. Persamaan matriks

ternormalisasi dapat dilihat pada persamaan (2-

9) berikut :

7

𝑟𝑖𝑗 =𝑥𝑖𝑗

√∑ 𝑥𝑖𝑗2𝑚

𝑖=1

.............................................. (2-9)

dimana,

x : nilai alternatif terhadap kriteria

r : nilai normalisasi tiap alternatif

i =1,2,....m dan

j =1,2,....n; untuk menunjukkan indeks

elemen matriks

2. Menghitung matriks keputusan yang

ternormalisasi terbobot. Persamaan normalisasi

matriks TOPSIS ditunjukkan pada persamaan

(2-10).

yij = Wi . 𝑟𝑖𝑗 ............................................... (2-10)

dimana,

y : elemen ternormalisasi

r : nilai rata-rata tiap alternatif

W : nilai bobot

i =1,2,...,m dan

j =1,2,...,untuk menunjukkan indeks elemen

matriks.

3. Menghitung matriks solusi ideal positif dan

matriks solusi ideal negatif. Solusi ideal positif

dan solusi ideal negatif dapat ditentukan

berdasarkan rating bobot ternormalisasi.

Perhitungan persamaan perhitungan solusi ideal

positif ditunjukkan pada persamaan (2-11)

berikut :

𝐴+ = (𝑦1+, 𝑦2

+, … , 𝑦𝑛+ ).............................. (2-11)

dimana,

𝑦𝑗+ : max yij, jika j adalah atribut keuntungan

min yij, jika j adalah atribut biaya

𝐴+ : Solusi ideal positif

Perhitungan persamaan perhitungan solusi ideal

negatif ditunjukkan pada persamaan (2-12)

berikut :

𝐴− = (𝑦1−, 𝑦2

−, … , 𝑦𝑛− ) ............................. (2-12)

dimana,

𝑦𝑗+ : minyij, jika j adalah atribut keuntungan

maxyij, jika j adalah atribut biaya

𝐴− : Solusi ideal negatif

4. Menghitung jarak antara nilai setiap alternatif

dengan matriks solusi ideal positif dan matrik

solusi ideal negatif. Jarak dengan Solusi Ideal

Postif adalah jarak alternatif dari solusi ideal

positif.Persamaan Jarak dengan Solusi Ideal

Postif ditunjukkan pada persamaan (2-13)

berikut :

𝐷𝑖+ =

√∑ (𝑦𝑖+ − 𝑦𝑖𝑗)2𝑛

𝑗=1 .................................... (2-13)

dimana :

𝑦𝑖𝑗 : ranking bobot ternormalisasi

𝐷𝑖+ : jarak dengan solusi ideal positif

I = 1, 2, 3, … , m

Jarak dengan Solusi Ideal Negatif adalah jarak

alternatif dari solusi ideal negatif.Persamaan

Jarak dengan Solusi Ideal Negatifditunjukkan

pada persamaan (2-14) berikut :

𝐷𝑖− =

√∑ (𝑦𝑖− − 𝑦𝑖𝑗)2𝑛

𝑗=1 .................................... (2-14)


𝐷𝑖− : jarak dengan solusi ideal negatif

i = 1, 2, 3, … , m

5. Menghitung nilai preferensi untuk setiap

alternatif. Persamaan nilai Preferensi TOPSIS

ditunjukkan pada persamaan (2-15) berikut :

𝑉𝑖 =𝐷𝑖

−

𝐷𝑖−+𝐷𝑖

+ ..............................................(2-15)

Dimana

i =1,2,...,m



Vi : nilai preferensi

Dari hasil perhitungan diatas nantinya dapat

diketahui dari beberapa alternatif semen beku mana

yang berkualitas baik setelah dilakukan thawing.

Metode inimenggunakan inputan dari metode AHP

sebagai bobot prioritas.

3. METODOLOGI PENELITIAN

3.1 Skenario Penelitian

Berikut merupakan scenario penelitian secara

spesifik untuk penyelesaian masalah serta

penggunaan metode atau teknik yang

dipresentasikan dalam bentuk diagram alir.

Gambar 3.1 Pohon Perancangan

Sumber : Metodologi

8

Sistem pendukung keputusan penentuan kualitas

semen beku sapi pejantan unggul pasca thawing

menerapkan metode AHP dan TOPSIS. AHP

digunakan untuk pembobotan kriteria dan

melakukan pengecekan terhadap konsistensisnya

apakah CR<=0.1. Jika CR<=0.1 maka bobot kriteria

tersebut layak untuk diterapkan. Metode TOPSIS

digunakan untuk memberikan preferensi kualitas

semen beku. Pada sistem ini akan dihasilkan output

perangkingan semen beku dari alternatif yang

diujikan. Sehingga skenario penggunaan sistem

pendukung keputusan pada tahap awal admin akan

menentukan skala perbandingan matrik antar kriteria

sebagai inputan metode AHP. Metode AHP akan

menghasilkan bobot kriteria yang akan digunakan

sebagai bobot prioritas pada metode TOPSIS. User

memasukkan penilaian alternatif semen beku

terhadap kriteria yang diberikan yang nantinya akan

di proses menggunakan metode TOPSIS.

Gambar 3.3 Diagram Blok SPK Penentuan Kualitas

Semen Beku pasca Thawing

Sumber : Metodologi

Dalam pembangunan aplikasi "Sistem

Pendukung Keputusan Penentuan Kualitas Semen

Beku Sapi Pejantan Unggul PascaThawing dengan

Menggunakan Metode AHP - TOPSIS" dengan

mengikuti rancangan yang telah dibuat sebelumnya,

dalam pengimplementasian aplikasi ini digunakan

bahasa pemrograman PHP dan Database Server

XAMPP (MySQL).

Terdapat dua Pengujian yang dilakukan

untuk memastikan bahwa apliaksi yang telah dibuat

berjalan sesuai dengan perancangan sistem dan

memenuhi kebutuhan pengguna. pengujian yang

digunakan pada sistem ini adalah pengujian black

box. Pada pengujian black box digunakan metode

pengujian validasi bertujuan untuk mengetahui

apakah sistem yang dibangun sesuai dengan

kebutuhan perangkat lunak yang sudah ditentukan di

awal. Selanjutnya pengujian akurasi terhadap data

serta penerapan metode AHP-TOPSIS dalam

memberikan sebuah keputusan.

4. ANALISA DAN PERANCANGAN

Perancangan merupakan sebuah tahapan

yang berfungsi untuk merumuskan kebutuhan-

kebutuhan yang diperlukan dalam membuat sebuah

sistem.

4.1 Arsitektur Sistem Pendukung Keputusan

Sistem pendukung keputusan yang dibuat

berbasis web yang dapat melayani penyimpanan,

presentasi, pengumpulan, berbagi, pemrosesan, dan

penggunaan informasi. Sistem pendukung keputusan

berbasis web memungkinkan penggunakemudahan

dalam mengakses sistem dari jarak jauh dengan

cepat dan kapan pun saat dibutuhkan. Sehingga

aplikasi sistem pendukung keutusan web dipilih

untuk memenuhi kebutuhan pengguna.

Gambar 3.4 Arsitektur Sistem Pendukung

Keputusan

Sumber : Metodologi

4.2 Pengambilan Data

Pengumpulan data yang digunakan adalah

dengan cara mengambil data kriteria semen beku

pasca thawing di Balai Besar Inseminasi Buatan

(BBIB) Singosari Malang. Pengambilan data yang

dilakukan pada Balai Besar Inseminasi Buatan

(BBIB) Singosari Malang bertujuan untuk

memperkuat akurasi data yang digunakan dalam

penelitian yang akan dilakukan.

4.3 Subsistem Manajemen Data

Subsistem manajemen data membahas

mengenai perancangan database, dan data flow

diagram. Perancangan basis data digunakan untuk

menggambarkan manajemen data yang akan

digunakan. Data yang digunakan selanjutnya

disimpan pada Database Management System

(DBMS) yaitu MySQL. Data yang nantinya

disimpan adalah bobot, kriteria semen beku pasca

thawing, kriteria semen beku pasca thawing, user,

alternatif semen beku yang diujikan, dan alternatif

semen beku stand by. Pada Gambar 4.3

menunjukkan perancangan basis data “Sistem


Beku Sapi Pejantan Unggul Pasca Thawing dengan

Menggunakan Metode AHP - TOPSIS”.

9

Gambar 4.1 Perancangan Database

Sumber : Perancangan

Selanjutnya merupakan DFD level 0 dari

“Sistem Pendukung Keputusan Penentuan

Kualitas Semen Beku Sapi Pejantan Unggul

Pasca Thawing dengan Menggunakan Metode

AHP - TOPSIS” berguna sebagai user mapping

terhadap aplikasi sistem pendukung keputusan

yang dibuat.

Gambar 4.2 DFD Level 0


4.4 Subsistem Basis Pengetahuan

Subsistem basis pengetahuan memberikan

proses intelegent huntuk memperbesar pengetahuan

pengambilan keputusan. Penentuan kriteria

dilakukan berdasarkan studi literatur dan wawancara

dengan responden. Terdapat empat kriteria yang

digunakan sebagai bahan pertimbangan dalam

membuat prioritas alternatif yaitu :

Tabel 4.1 Parameter Motilitas Spermatozoa

Parameter Motilitas Spermatozoa

Nilai

30% 1

40% 3

50% 5

60% 7

70% 9


Tabel 4.2 Parameter Abnormalitas

Parameter Abnormalitas Nilai

25% 1

20% 3

15% 5

10% 7

5% 9


Tabel 4.3 Derajat Gerakan Individu Spermatozoa

Parameter Derajat Gerakan

Individu Spermatozoa Nilai

10% 1

20-40% 3

50-80% 5

90% 7

100% 9


Tabel 4.4 Presentase Hidup Spermatozoa

Parameter Presentase Hidup

Spermatozoa Nilai

70% 1

75% 3

80% 5

85% 7

90% 9


Keterangan :

A1 : Motilitas Spermatozoa

A2 : Abnormalitas Spermatozoa

A3 : Derajat Gerakan Individu

Spermatozoa

A4 : Presentase Hidup Spermatozoa

4.5 Subsistem Manajemen Model

Subsistem manajemen model berisi mengenai

manualisasi yang digunakan untuk menjelaskan

perhitungan keputusan penentuan kualitas semen

beku sapi pejantan secara manual. Proses

perhitungan manual diambil dari 15 sampel semen

beku sapi pasca thawing secara acak yang

didapatkan dari BBIB Singosari, Malang. Terdapat 2

tahap pada proses ini yaitu pemberian dan

mendapatkan bobot kriteria kualitas semen beku

sapi dengan metode AHP, kemudian setelah

mendapat bobot kriteria proses perhitungan akan

dilanjutkan dengan metode TOPSIS untuk

mendapatkan alternatif kualitas semen beku pada 15

sampel semen beku pasca thawing yang diujikan.

10

Gambar 4.3 DFD Level 0 Diagram Alir AHP-

TOPSIS


4.5.1 Penghitungan Bobot Kriteria dengan

Metode AHP

Bobot prioritas didapatkan dari masukkan

pakar dan masukkan nilai tersebut akan diproses

oleh metode AHP untuk dibandingkan dan cek

konsistensi kelakayakan sebelum digunakan oleh

metode TOPSIS. Berikut merupakan langkah-

langkah penghitungan bobot kriteria dengan metode

AHP.

Langkah 1. Membuat matriks kriteria perbandingan

persamaan

Memberi nilai intensitas kepentingan antara 1-9

seperti yang terdapat pada Tabel 4.5 untuk

mendapatkan perbandingan berpasangan pada

masing – masing kriteria. Berikut merupakan hasil

nilai kepentingan dari kriteria yang digunakan dalam

penelitian ini.

Tabel 4.5 Matriks Kriteria Perbandingan Persamaan

Matriks Kriteria Perbandingan Persamaan

A1 A2 A3 A4

A1 1 3 2 3

A2 1

3 1 2 3

A3 1

2

1

2 1 3

A4 1

3

1

3

1

3 1


Langkah 2. Menjumlahkan nilai-nilai elemen dari

setiap kolom pada matriks

Setelah mengisi nilai instensitas perbandingan setiap

kriteria pada Matriks Kriteria Perbandingan

Berpasangan, selanjutnya yaitu Menjumlahkan nilai

- nilai elemen dari setiap kolom pada matriks

menggunakan persamaan (2-2).



A1 A2 A3 A4

A1 1 3 2 3

A2 1

3 1 2 3

A3 1

2

1

2 1 3

A4 1

3

1

3

1

3 1

Jumlah 2.166 4.833 5.333 10


Langkah 3. Normalisasi matriks kriteria

perbandingan persamaan

Setelah mendapatkan nilai matriks kriteria

perbandingan persamaan, selanjutnya yaitu

menormalisasi matriks kriteria perbandingan

persamaan dengan menggunakan persamaan (2-3).



A1 A2 A3 A4

A1 1

2.166

3

4.833

2

5.333

3

10

A2 0.333

2.166

1

4.833

2

5.333

3

10

A3 0.5

2.166

0.5

4.833

1

5.333

3

10

A4 0.333

2.166

0.333

4.833

0.333

5.333

1

10


Tabel 4.8 Normalisasi Matriks Kriteria Perbandingan

Persamaan

Normalisasi Matriks Kriteria Perbandingan Persamaan

A1 A2 A3 A4

A1 0.462 0.621 0.375 0.300

A2 0.154 0.207 0.375 0.300

A3 0.231 0.103 0.188 0.300

A4 0.154 0.069 0.062 0.100


11

Langkah 4. Menghitung bobot prioritas

Setelah normalisasi matriks kriteria perbandingan

persamaan terbentuk, selanjutnya yaitu

menjumlahkan nilai-nilai elemen dari setiap baris

normalisasi matriks kriteria perbandingan

persamaan.

Tabel 4.9 Normalisasi Matriks Kriteria

Perbandingan Persamaan

Normalisasi Matriks Perbandingan Berpasangan

A1 A2 A3 A4 Jumlah

A1 0.462 0.621 0.375 0.300 1.757

A2 0.154 0.207 0.375 0.300 1.036

A3 0.231 0.103 0.188 0.300 0.822

A4 0.154 0.069 0.062 0.100 0.385


Setelah mendapat hasil penjumlahan nilai – nilai

elemen setiap baris dari matriks kriteria

perbandingan persamaan, selanjutnya menghitung

bobot priioritas setiap kriteria dengan menggunakan

persamaan (2-4).

Tabel 4.10 Bobot Prioritas

Bobot Priotitas

W1 0,439

W2 0,259

W3 0,205

W4 0,096


Langkah 5. Mengukur Konsistensi

a. Menghitung nilai vektor bobot

Nilai vektor bobot dapat dihitung dengan

mengkalikan nilai matriks kriteria

perbandingan persamaan dengan bobot

kriteria seperti pada persamaan (2-5).

Tabel 4.11 Vektor Bobot

Vektor Jumlah Bobot

1,916

1,105

0,844

0,398


b. Menghitung eigen value(λmax)

Eigen value(λmax) dapat dihitung dengan

menggunakan persamaan (2-6). Eigen

value (λmax) yang diperoleh dari

perhitungan sebesar 4,216.

c. Menghitung Consitency Index (CI)

Consitency Index (CI) dapat dihitung

dengan menggunakan persamaan (2-7).

Consitency Iindex (CI) yang diperoleh dari

perhitungan sebesar 0,072.

d. Menghitung Consistency Ratio (CR)

Consistency Ratio (CR) dapat dihitung

dengan menggunakan persamaa (2-8).

Consistency Ratio (CR) yang diperoleh dari

penghitungan sebesar 0,080. Nilai

Consistency Ratio (CR) dinyatakan benar

apabila nilainya <= 0,1.

4.5.2 Penghitungan Preferensi Alternatif dengan

Metode TOPSIS

Setelah diperoleh bobot prioritas dengan

konsistensi indeks yang sesuai pada sebelumnya

dengan menggunakan metode AHP. Maka

selanjutnya bobot tersebut akan digabungkan dengan

penghitungan preferensi alternative dengan

menggunakan metode TOPSIS.

Langkah 1. Matriks penilaian alternatif

Matriks penilaian alternatif dibuat dari beberapa

sampel semen beku pasca thawing yang akan diuji

dengan metode AHP-TOPSIS.

Tabel 4.12 Matriks Penilaian Alternatif

Matriks Penilaian Alternatif

Alternatif A1 A2 A3 A4

X1 7 5 5 7

X2 1 5 3 1

X3 3 3 3 3

X4 5 5 5 3

X5 5 7 7 5

X6 7 7 7 7

X7 9 9 3 7

X8 5 1 3 5

X9 5 5 1 3

X10 1 1 5 3

X11 7 7 3 7

X12 9 9 3 9

X13 5 5 7 3

X14 9 5 5 9

X15 7 1 1 9

Langkah 2. Menormalisasi matriks penilaian

alternatif

Untuk menormalisasi matriks penilaian alternatif

dapat menggunakan persamaan (2-10) berikut :

𝑟𝑖𝑗 =𝑥𝑖𝑗

√∑ 𝑥𝑖𝑗2𝑚

𝑖=1

𝑟1,1 = 7

√72 +12 +32 +52 +52 +72 +92 +52 +52 +12 +72 +92 +52 +92 +72

= 7

√49+1+9+25+25+49+81+25+25+1+49+81+25+81+49

= 7

√575 = 0,292

12

Tabel 4.13 Normalisasi Matriks Penilaian Alternatif

Normalisasi Matriks Penilaian Alternatif


X1 0.292 0.230 0.387 0.303

X2 0.042 0.230 0.166 0.043

X3 0.125 0.138 0.166 0.130

X4 0.209 0.230 0.277 0.130

X5 0.209 0.323 0.387 0.216

X6 0.292 0.323 0.387 0.303

X7 0.375 0.415 0.166 0.303

X8 0.209 0.046 0.166 0.216

X9 0.042 0.230 0.055 0.130

X10 0.292 0.046 0.277 0.130

X11 0.375 0.323 0.166 0.303

X12 0.209 0.415 0.166 0.389

X13 0.209 0.230 0.387 0.130

X14 0.375 0.230 0.277 0.389

X15 0.292 0.046 0.055 0.389


Langkah 3. Menghitung normalisasi matriks

keputusan terbobot

Setelah menormalisasi matriks penilaian alternatif,

langkah selanjutnya adalah menghitung normalisasi

matriks keputusan terbobot. Normalisasi matriks

keputusan terbobot dihitung dengan mengalikan

setiap elemen suatu kriteria pada normalisasi

matriks penilaian alternatif yang ditunjukkan pada

Tabel 4.13 dengan bobot prioritas kriteria elemen

tersebut yang ditunjukkan pada Tabel 4.11.

Persamaan (2-11) berikut menunjukkan rumus

dalam menghitung normalisasi matriks keputusan

terbobot :

yij = Wi . 𝑟𝑖𝑗

y1,1 = W1 . 𝑟1,1

y1,1 = 0,439 . 0,292

= 0,128

Tabel 4.14 Normalisasi Matriks Keputusan Tebobot

Normalisasi Matriks Keputusan Tebobot


X1 0.128 0.060 0.080 0.029

X2 0.018 0.060 0.034 0.004

X3 0.055 0.036 0.034 0.012

X4 0.092 0.060 0.057 0.012

X5 0.092 0.084 0.080 0.021

X6 0.128 0.084 0.080 0.029

X7 0.165 0.107 0.034 0.029

X8 0.092 0.012 0.034 0.021

X9 0.018 0.060 0.011 0.012

X10 0.128 0.012 0.057 0.012

X11 0.165 0.084 0.034 0.029

X12 0.092 0.107 0.034 0.037

X13 0.092 0.060 0.080 0.012

X14 0.165 0.060 0.057 0.037

X15 0.128 0.012 0.011 0.037


Langkah 4. Menghitung matriks solusi ideal positif

dan matriks solusi ideal negatif

Untuk menghitung matriks solusi ideal positif dapat

menggunakan persamaan (2-12) dengan berpatokan

pada Tabel 4.14:

𝐴+ = (𝑦1+, 𝑦2

+, … , 𝑦𝑛+ )

dimana :

𝑦𝑗+ : max yij, jika j adalah atribut

keuntungan min yij, jika j adalah atribut biaya

𝐴+ : Solusi ideal positif

𝐴1+ = (0,128+ , 0,018+ , 0,055+ , 0,092+ , 0,092+ ,

0,128+ , 0,165+ , 0,092+ , 0,018+ , 0,128+ ,

0,165+ , 0,092+ , 0,092+ , 0,165+ , 0,128+ ) = 0,165

Untuk menghitung matriks solusi ideal negatifdapat


pada Tabel 4.14:

𝐴− = (𝑦1−, 𝑦2

−, … , 𝑦𝑛− )

dimana :

𝑦𝑗+ : minyij, jika j adalah atribut

keuntungan

maxyij, jika j adalah atribut biaya

𝐴− : Solusi ideal negatif

𝐴1− = (0,128− , 0,018− , 0,055− , 0,092− , 0,092− ,

0,128− , 0,165− , 0,092− , 0,018− , 0,128− , 0,165−

, 0,092− , 0,092− , 0,165− , 0,128− ) = 0,018

Tabel 4.15 Matriks Solusi Ideal Positif dan Matriks

Solusi Ideal Negatif

A1 A2 A3 A4

A+ 0.165 0.107 0.080 0.037

A- 0.018 0.012 0.011 0.004


Langkah 5. Menghitung jarak antara nilai setiap

alternatif dengan matriks solusi ideal

positif dan matrik solusi ideal negatif

Untuk menghitung jarak antara nilai setiap alternatif

dengan matriks solusi ideal positif dapat


pada Tabel 4.15 dan Tabel 4.14

𝐷𝑖+ = √∑(𝑦𝑖

+ − 𝑦𝑖𝑗)2

𝑛

𝑗=1

dimana :



i = 1, 2, 3, … , m

13

𝐷1+ =

√(0,165+ − 0,128)2 + (0,107+ − 0,060)2

+(0,080+ − 0,080)2 + (0,037+ − 0,029)2 = 0,061

Untuk menghitung jarak antara nilai setiap alternatif

dengan matriks solusi ideal negatif dapat


pada Tabel 4.15 dan Tabel 4.14

𝐷1− = √∑(𝑦𝑖

− − 𝑦𝑖𝑗)2

𝑛

𝑗=1

dimana : 𝑦𝑖𝑗 : ranking bobot ternormalisasi


i = 1, 2, 3, … , m

𝐷𝑖− =

√(0,018− − 0,128)2 + (0,012− − 0,060)2

+(0,011− − 0,080)2 + (0,011− − 0,029)2 = 0,140

Tabel 4.16 Matriks Jarak + dan Jarak – setiap Alternatif

Alternatif A+ A-

X1 0.061 0.140

X2 0.164 0.053

X3 0.141 0.050

X4 0.094 0.099

X5 0.079 0.124

X6 0.045 0.150

X7 0.046 0.178

X8 0.130 0.079

X9 0.170 0.048

X10 0.108 0.119

X11 0.052 0.167

X12 0.086 0.127

X13 0.091 0.111

X14 0.053 0.164

X15 0.123 0.115


Langkah 6. Menghitung nilai preferensi untuk

setiap alternatif

Setelah menghitung jarak antara nilai setiap

alternatif dengan matriks solusi ideal positif dan

matrik solusi ideal negatif, langkah selanjutnya

adalah menentukan nilai preferensi setiap untuk

setiap alternatif dengan menggunakan persamaan (2-

16) berikut dan berpatokan pada Tabel 4.16 :

𝑉𝑖 =𝐷𝑖

−

𝐷𝑖− + 𝐷𝑖

+

dimana

i =1,2,...,m



Vi : nilai preferensi

𝑉1 =𝐷1

−

𝐷1− + 𝐷1

+

𝑉1 =0,140

0,140 + 0,061

= 0,698

Tabel 4.17 Nilai Preferensi

Alternatif Preferensi Urutan

Alternatif Urutan

Prefernsi

X1 0.698 X7 0.794

X2 0.244 X6 0.771

X3 0.262 X11 0.762

X4 0.513 X14 0.756

X5 0.612 X1 0.698

X6 0.771 X5 0.612

X7 0.794 X12 0.595

X8 0.377 X13 0.550

X9 0.221 X10 0.525

X10 0.525 X4 0.513

X11 0.762 X15 0.483

X12 0.595 X8 0.377

X13 0.550 X3 0.262

X14 0.756 X2 0.244

X15 0.483 X9 0.221


4.6 Subsistem Antarmuka

Pada penelitian Sistem Pendukung Keputusan


Unggul Pasca Thawing dengan Menggunakan

Metode AHP - TOPSIS dibutuhkan form input dan

output yang nantinya digunakan untuk interaksi

antara pengguna dengan sistem. Sistem dibangun

menurut dari sisi 2 pengguna yaitu user dan admin.

Pada sisi user, perancangan antarmuka penelitian ini

memiliki 3 halaman yaitu halaman dashboard,

halaman uji kualitas, dan halaman data alternatif.

Sedangkan pada sisi admin, perancangan antarmuka

sistem mirip seperti user namun terdapat

penambahan antarmuka halaman yaitu halaman

login, dan halaman bobot kriteria.

5. IMPLEMENTASI

Implementasi merupakan proses penerapan

dalam membangun aplikasi "Sistem Pendukung

Keputusan Penentuan Kualitas Semen Beku Sapi

Pejantan Unggul PascaThawing dengan

Menggunakan Metode AHP - TOPSIS" dengan

mengikuti rancangan yang telah dibuat sebelumnya,

dalam pengimplementasian aplikasi ini digunakan

14

bahasa pemrograman PHP dan Database Server

XAMPP (MySQL).

5.1 Implementasi Algoritma

Dalam implementasi “Sistem Pendukung

Keputusan Penentuan Kualitas Semen Beku Sapi

Pejantan Unggul Pasca Thawing dengan

Menggunakan Metode AHP - TOPSIS” tedapat

beberapa proses utama dalam melakukan

perhitungan dengan menggunakan metode AHP-

TOPSIS. Pada sub bab ini akan dijelaskan

implementasi dari algoritma yang telah di buat pada

tahap perancangan sebelumnya yang menggunakan

metode AHP-TOPSIS.

5.2 Implementasi Antarmuka

Antarmuka dibuat berdasarkan perancangan

yang telah dijelaskan sebelumnya. Halaman

antarmuka yang dibuat terdiri dari halaman login,

halaman bobot kriteria, halaman uji kualitas, dan

halaman data alternatif.

6. PENGUJIAN DAN ANALISIS

Pengujian dilakukan untuk mengetahui hasil

dari implementasi “Sistem Pendukung Keputusan



Metode AHP – TOPSIS”.

6.1 Pengujian Validasi

pada sebuah aplikasi sudah di terapkan dan

berjalan dengan baik dengan mencapai akurasi yang

akan di tetapkan pada sistem yang ada sehingga

validasi sudah berjalan dengan sempurna Pengujian

validasi dingunakan untuk memastikan apakah

kebutuhan system yang dirancang telah sesuai atau

tidak dengan aplikasi yang dibuat.

6.2 Pengujian Tingkat Akurasi

Dari hasil pengujian yang di lakukan pada 15

data input percobaan diperoleh 12 hasil yang sesuai

dan 3 hasil yang tidak sesuai, kemudian dihitung

dengan menggunakan rumus = jumlah kesesuaian

perhitungan sistem / jumlah data aktual * 100%

sehingga di peroleh presentase keakuratan pengujian

sistem terhadap data aktual sebesar 80 %.

𝐴𝑘𝑢𝑟𝑎𝑠𝑖 =∑ 1

∑ 0 𝑥 100 %

=12

15 𝑥 100 %

= 80 %

7. PENUTUP

7.1 Kesimpulan

Berdasarkan perancangan, implementasi dan

hasil pengujian dari “Sistem Pendukung Keputusan



Metode AHP – TOPSIS”, maka di dapat kesimpulan

sebagai berikut :

1. Aplikasi Sistem Pendukung Keputusan

dengan metode AHP-TOPSIS telah dibangun

sesuai dengan perancangan dan dapat digunakan

dengan baik untuk membantu menentukan kualitas

semen beku sapi pejantan unggul pasca Thawing.

2. Diperlukan pengamatan yang lebih dalam

pada penentuan bobot kriteria, karena hal tersebut

sangat mempengaruhi hasil akhir Sistem

Pendukung Keputusan yang dibuat. Implementasi

sistem yang dibuat telah sesuai dengan

perancangan yang dibuat.

3. Jumlah presentase tingkat kesesuaian dari

implementasi “Sistem Pendukung Keputusan



Metode AHP – TOPSIS” terhadap data aktual yang

ada mencapai kesesuaian sebesar 80 %

4. Pengujian yang dilakukan terhadap “Sistem


Beku Sapi Pejantan Unggul Pasca Thawing dengan

Menggunakan Metode AHP – TOPSIS” telah

sesuai dengan kebutuhan yang dilakukan pada

tahap perancagan.

7.2 Saran Berdasarkan peneletian yang di lakukan maka

diberikan untuk pengembangan penelitian

selanjutnya, antara lain:

1. Penggunaan metode AHP-TOPSIS dalam

SPK dapat dikembangkan lebih lanjut untuk

mengetahui model data yang paling sesuai dengan

metode ini.

2. Dapat digunakan metode lain yang

memungkinkan dalam lingkup SPK ini untuk

mendapatkan tingkat akurasi yang lebih baik.

3. Dapat dilakukan pengubahan nilai bobot yang

digunakan pada kriteria sehingga didapatkan

tingkat akurasi yang lebih baik.

DAFTAR PUSTAKA

[1] Gillespie, R. and Flanders, FB. 2009. [e-book]

Breeds of Beef Cattle. In: Modern Livestock

and Poultry Production 8th ed. New York

(US): Delmar Cengage Learning. Halaman

254. Tersedia di: Google Books

<http://books.google.com> [Diakses 22

November 2015].

[2] Burstein, F. and Holsapple, C. 2008. [e-book]

Handbook on Decision Support Systems 1:

Basic Themes. Springer. Tersedia di: Google

Books <http://books.google.com> [Diakses

22 November 2015] .

[3] Surat keputusan Direktur Jenderal Peternakan

No. 112/TN.270/Kpts/DJP/Deptan/ 02/97

tentang syarat dan spesifikasi teknis semen

beku sapi dan kerbau serta alat

penyimpanannya. Jakarta: Direktorat Jenderal

Peternakan. Badan Standardisasi Nasional

[online] Tersedia melalui: Badan

Standardisasi Nasional

<http://sisni.bsn.go.id/> [Diakses 21

November 2015].

15

[4] Sartori, R. et al. 2005. Comparison of

artificial insemination versus embryo transfer

in lactating dairy cows. [e-journal]. Tersedia

melalui: sciencedirect.com

<http://www.sciencedirect.com/> [Diakses 21

November 2015].

[5] Yangqing, Lu. et al. 2015. A field study on

artificial insemination of swamp and

crossbred buffaloes with sexed semen from

river buffaloes. [e-journal]. Tersedia melalui:

sciencedirect.com

<http://www.sciencedirect.com/> [Diakses 21

November 2015].

[6] Hafsari, N. 2014. Kajian Abnormalitas Primer

Spermatozoa Pada Beberapa Bangsa Sapi

dengan Umur Berbeda Menggunakan

Pewarnaan Carbolfuchsin (Williams). S1.

Institut Pertanian Bogor. Tersedia di:

<http://repository.ipb.ac.id> [Diakses 21

November 2015].

[7] Salmah, N. 2014. Motilitas, Persentase Hidup

dan Abnormalitas Spermatozoa Semen Beku

Sapi Bali pada Pengencer Andromed dan Tris

Kuning Telur. S1. Universitas Hasanuddin.

Tersedia di <http://repository.unhas.ac.id>

[Diakses 21 November 2015].

[8] Herawati, T. et al. 2012. Peran Inseminator

dalam Keberhasilan Inseminasi Buatan pada

Sapi Perah. [online] Tersedia di:

<http://www.litbang.pertanian.go.id>

[Diakses 22 November 2015].

[9] Lestari, S. 2011. Seleksi Penerimaan Calon

Karyawan Menggunakan Metode TOPSIS.

Dalam: Konferesi Nasional Sistem dan

Informatika. Bali, Indonesia, 12 November

2012.

[10] Banwet, D.K. and Majumdar, A. 2014.

Comparative analysis of AHP-TOPSIS and

GA-TOPSIS methods for selection of raw

materials in textile industries. Dalam:

International Conference on Industrial

Engineering and Operations Management.

Bali, Indonesia, 7-9 Januari 2014.

[11] Maliki, Al.A. et al. 2012. Combining AHP

and TOPSIS Approaches to Support Site

Selection for a Lead Pollution Study. Dalam:

2nd International Conference on

Environmental and Agriculture Engineering.

IACSIT Press, Singapore.

[12] Zaim, H. et al. 2009. Analysing Business

Competition by Using AHP Weighted

TOPSIS Method: An Example of Turkish

Domestic Aviation Industry. Dalam:

International Symposium on Sustainable

Development. Sarajevo, Bosnia, 7-9 Juni

2009.

[13] Sun, C.C. 2010 A performance evaluation

model by integrating fuzzy AHP and fuzzy

TOPSIS methods. [e-journal]. Tersedia

melalui: www.elsevier.com

<http://www.elsevier.com/> [Diakses pada 13

November 2015]

[14] Manurung, P. 2010. Sistem Pendukung

Keputusan Seleksi Penerima Beasiswa dengan

Metode AHP dan TOPSIS (Studi Kasus:

FMIPA USU). S1. Univeristas Sumatera

Utara. Tersedia di

<http://repository.usu.ac.id> [Diakses 21

November 2015].

[15] Zainudin, A. 2013. Decision Support System

Untuk Menentukan Keluarga Miskin

Menggunakan Fuzzy Query Database Model

Tahani. [e-journal].

[16] Sarraf, Z.A. et al. 2013. Developing TOPSIS

method using statistical normalization for

selecting Knowledge management strategies.

[e-journal]. Tersedia melalui: OmniaScience

<http://www.omniascience.com/> [Diakses 14

November 2014].

[17] Baskworo, Y.I.E. 2013. Sistem Pendukung

Keputusan Penentuan Kelayakan Pengisian

Bibit Ayam Broiler di Kandang Peternak

menggunakan Metode AHP -TOPSIS. S1.

Universitas Brawijaya. Tersedia di

<http://repository.ub.ac.id> [Diakses 19

November 2015]

[18] Iranosa, O. 2014. Sistem Pendukung

Keputusan Pemilihan Simplisia Nabati

terhadap Indikasi Gangguan Kesehatan

menggunakan Metode AHP-TOPSIS . S1.

Universitas Brawijaya. Tersedia di

<http://repository.ub.ac.id> [Diakses 19

November 2015]

[19] Magdalena.H. 2014. SPK Untuk Menentukan

Mahasiswa Lulusan Terbaik Di Perguruan

Tinggi (Studi Kasus STMIK Atma Luhur

Pangkal Pinang). Dalam: Seminar Nasional

Teknologi Informasi dan Komunikasi 2012.

Yogyakarta, 10 Maret 2012

[20] Utami, T. et al. 2014. Pengaruh Suhu

Thawing pada Kualitas Spermatozoa Sapi

Pejantan Friesian Holstein. [e-journal].

Tersedia melalui <http://journal.ugm.ac.id/>

[Diakses 25 November 2015]

[21] Bhutia, W.P. and Phipon, R. 2012. Appication

of ahp and topsis method for supplier

selection problem. [e-journal]. Tersedia

melalui: www.iorsjen.org

<http://www.iorsjen.org/> [Diakses 14

November 2015]

[22] Saptono, H.S. 2012. Tingkat Keberhasilan IB

pada Sapi Perah Rakyat Di Kecamatan

Mojosongo Kabupaten Boyolali. S1.

Universitas Sebelas Maret. Tersedia di

<https://digilib.uns.ac.id> [Diakses 19

November 2015]

[23] Wang, J.J. et al. 2010. Integration of fuzzy

AHP and FPP with TOPSIS methodology for

16

aeroengine health assessment. [e-journal].

Tersedia melalui: www.elsevier.com

<http://www.elsevier.com/> [Diakses pada 13

November 2015]

[24] Vassilev, V. et al. 2005. A Brief Survey of

Multicriteria Decision Making Methods and

Software Systems. [e-journal]. [Diakses 21

November 2015]

[25] Seddawy, A. B. E. et al. 2013. Applying

Classification Technique using DID3

Algorithm to improve Decision Support

System under Uncertain Situations. [e-

journal]. Tersedia melalui: www.ijmer.com

<http://ijmer.com/> [Diakses 21 November

2015]

[26] Kurniasih, D. L. 2013. Sistem Pendukung

Keputusan Pemilihan Laptop Dengan Metode

Topsis. [e-journal]. [Diakses 21 November

2015]

sistem pendukung keputusan penentuan kualitas...

Documents