Implementasi Sistem Pengambilan Keputusan Penentuan Produk Kasur Orthopedic Paling Banyak Terjual Menggunakan SAW dan TOPSIS Berbasis Web

Hanan Dwiky Masshafy

doi:10.69693/ijmst.v4i3.14238

Authors

Hanan Dwiky Masshafy Universitas Pamulang

DOI:

https://doi.org/10.69693/ijmst.v4i3.14238

Keywords:

Sistem Pendukung Keputusan, SAW, TOPSIS, Kasur Orthopedic, Web

Abstract

Penentuan produk kasur orthopedic unggulan pada PT. Aneka Busa Internasional masih menghadapi kendala karena proses analisis dilakukan secara konvensional dan belum terintegrasi dengan pendekatan pengambilan keputusan multikriteria. Penelitian ini bertujuan merancang dan mengimplementasikan Sistem Pendukung Keputusan berbasis web untuk membantu menentukan produk kasur orthopedic paling terpilih secara lebih objektif dan terstruktur. Penelitian menggunakan pendekatan Research and Development (R&D) dengan teknik pengumpulan data melalui observasi, wawancara, dan studi pustaka. Sistem menerapkan metode Simple Additive Weighting (SAW) untuk proses normalisasi dan pembobotan, kemudian Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) digunakan untuk menentukan kedekatan setiap alternatif terhadap solusi ideal positif dan negatif. Empat kriteria yang digunakan pada pengujian adalah harga, tingkat keempukan (density), ketebalan kasur, dan lama garansi, dengan lima alternatif produk, yaitu Japan Series, Eropa Series S100, Eropa Series S200, Eropa Series S300, dan Local Series. Hasil perhitungan menunjukkan bahwa Local Series menjadi alternatif peringkat pertama pada kedua metode. Nilai akhir SAW untuk Local Series adalah 93,1579, sedangkan nilai kedekatan TOPSIS adalah 0,7364. Pengujian Black Box juga menunjukkan bahwa fungsi utama sistem berjalan valid. Hasil tersebut menunjukkan bahwa penerapan SPK berbasis web dengan kombinasi SAW dan TOPSIS dapat membantu proses pemeringkatan produk secara lebih cepat, transparan, dan terstruktur untuk mendukung pengambilan keputusan.

References

1. Putri, C. A., & Hasugian, A. H. (2024). Sistem Pendukung Keputusan Menggunakan Metode SAW dan TOPSIS untuk Memutuskan Penerima Reward Karyawan Terbaik di McD Pancing. Jurnal Teknologi Sistem Informasi dan Aplikasi, 7(1), 116–124. https://doi.org/10.32493/jtsi.v7i1.38231

2. Setiyanto, R., Dzulhaq, M. I., & Apipi, I. K. (2022). Sistem Pendukung Keputusan Pemilihan Kasur Menggunakan Metode AHP TOPSIS. Jurnal Tren Bisnis Global, 2(1), 60–70. https://doi.org/10.38101/jtbg.v2i1.493

3. Solukh, J. Y. S., & Iriane, G. R. (2025). Sistem Pendukung Keputusan Pembelian Mobil Bekas Menggunakan Metode SAW dan TOPSIS. Jurnal Publikasi Manajemen Informatika, 4(3), 82–93. https://doi.org/10.55606/jupumi.v4i3.3978

4. Trisdiatin, S., & Wahyuni, E. G. (2025). Implementation of a Web-Based Skincare Decision Support System using the Simple Additive Weighting Method. Sistemasi: Jurnal Sistem Informasi.

5. Fadhillah, M. B. A., Anggoro, R., & Priyatno, A. M. (2020). Analisis Performa Link Stability dari Faktor Kecepatan untuk Dinamisasi Zona pada Zone Routing Protocol. Jurnal Rekayasa Elektrika, 16(3). https://doi.org/10.17529/jre.v16i3.16502

6. Prasetya, M. R. A., & Priyatno, A. M. (2022). Dice Similarity and TF-IDF for New Student Admissions Chatbot. RIGGS: Journal of Artificial Intelligence and Digital Business, 1(1), 13–18. https://doi.org/10.31004/riggs.v1i1.5

7. Priyatno, A. M. (2020). Spammer Detection Based on Account, Tweet, and Community Activity on Twitter. Jurnal Ilmu Komputer dan Informasi, 13(2), 97–107. https://doi.org/10.21609/jiki.v13i2.871

8. Priyatno, A. M., & Firmananda, F. I. (2022). N-Gram Feature for Comparison of Machine Learning Methods on Sentiment in Financial News Headlines. RIGGS: Journal of Artificial Intelligence and Digital Business, 1(1), 01–06. https://doi.org/10.31004/riggs.v1i1.4

9. Priyatno, A. M., Muttaqi, M. M., Syuhada, F., & Arifin, A. Z. (2019). Deteksi bot spammer twitter berbasis time interval entropy dan global vectors for word representations tweet’s hashtag. Register: Jurnal Ilmiah Teknologi Sistem Informasi, 5(1), 37–46. https://doi.org/10.26594/register.v5i1.1382

10. Sanjaya, S., Priyatno, A. M., Yanto, F., & Afrianty, I. (2018). Klasifikasi Diabetik Retinopati Menggunakan Wavelet Haar dan Backpropagation Neural Network. Seminar Nasional Teknologi Informasi Komunikasi dan Industri (SNTIKI-10), 77–84.

11. Yacob, J., Solukh, S., & Iriane, G. (2025). Sistem Pendukung Keputusan Pembelian Mobil Bekas Menggunakan Metode SAW dan TOPSIS. Jurnal Publikasi Manajemen Informatika, 4(3), 82–93. https://doi.org/10.55606/jupumi.v4i3.3978

12. Hwang, C. L., & Yoon, K. (1981). Multiple Attribute Decision Making: Methods and Applications. Springer.

13. Triantaphyllou, E. (2000). Multi-Criteria Decision Making Methods: A Comparative Study. Springer.

14. Pressman, R. S., & Maxim, B. R. (2020). Software Engineering: A Practitioner's Approach. McGraw-Hill.

15. Sommerville, I. (2016). Software Engineering. Pearson.