JURNAL RISET INFORMATIKA Vol. 1, No. 3 Juni 2019 P-ISSN: 2656-1743 E-ISSN: 2656-1735 113 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional IMPLEMENTASI METODE SIMPLE ADDITIVE WEIGHTING (SAW) PADA SISTEM PENDUKUNG KEPUTUSAN UNTUK MENYELEKSI SAHAM PRIMA Ratna Kusumawardani1, Achmad Solichin2 1,2) Prodi Teknik Informatika, Fakultas Teknologi Informasi Universitas Budi Luhur, Jakarta 1)ratna.kusumawardani@budiluhur.ac.id, 2)achmad.solichin@budiluhur.ac.id Abstrak Pada penelitian ini dibahas mengenai sistem pendukung keputusan untuk menyeleksi saham prima. Masalah yang terjadi dalam penelitian adalah adanya kalangan umum maupun profesional yang masih melakukan analisis fundamental secara manual dalam pengambilan keputusan pembelian saham. Penggunaan sistem pendukung keputusan diharapkan dapat membantu dalam proses pengolahan data saham yang memiliki kategori prima menjadi lebih efektif. Metode Simple Additive Weighting (SAW) ini dipilih karena mampu menyeleksi alternatif terbaik dari sejumlah alternatif. Dalam hal ini alternatif yang dimaksudkan yaitu saham prima berdasarkan kriteria-kriteria yang ditentukan. Penelitian dilakukan dengan menentukan nilai bobot untuk setiap atribut, kemudian dilakukan proses perankingan yang akan menentukan alternatif yang optimal, yaitu saham terbaik. Hasil penelitian berupa aplikasi sistem pendukung keputusan penyeleksi saham prima yang dibangun dengan bahasa pemrograman Java dan basisdata MySQL. Aplikasi ini berguna untuk memilih alternatif yang terbaik untuk mendapatkan saham prima. Para investor yang akan berinvestasi di saham, tidak akan salah membeli saham karena sudah memiliki daftar nama-nama saham prima. Kata kunci: SAW, SPK, seleksi saham, perankingan, pendukung keputusan Abstract In this study we proposed the decision support system for selecting prime stock. Problems that occur in the research is the general public as well as professionals who are still doing fundamental analysis in decision making stock purchases manually. The use of a decision support system is expected to assist in the data processing stocks that have become more effective prime category. Simple Additive weighting (SAW) method have been selected because it is able to select the best alternative from a number of alternatives. In this case the alternative meant that prime stocks based on specified criteria. Research carried out by determining the weight value for each attribute, then do ranking process that will determine the optimal alternative, which is the best stock. Results of the research is a decision support system application prime stock selectors that is built using the Java programming language and MySQL database. This application allows you to choose the best alternative to get prime stock. The investors who will invest in stocks, will not go wrong b uying stocks because it already had a list of names of the prime stocks. Keywords: SAW, DSS, stock selection, ranking, decision support PENDAHULUAN Investasi merupakan suatu langkah seseorang dalam pemenuhan kebutuhan di masa yang akan datang. Dewasa ini, dunia investasi tidak lagi didominasi oleh jenis investasi konvensional seperti tabungan atau deposito di bank. Para investor saat ini mulai tertarik untuk menanamkan modalnya melalui pembagian kepemilikan perusahaan yang ditandai dengan surat berharga yang disebut saham. Proses investasi ini dilakukan dengan cara jual beli sejumlah saham yang akan menentukan persentasi kepemilikan seorang investor terhadap perusahaan yang bersangkutan. Proses jual beli tersebut dilakukan dengan cara lelang di suatu tempat perdagangan khusus yang disebut dengan bursa saham atau pasar modal (Haryadi, 2013). Kalangan umum maupun profesional masih banyak yang melakukan analisis fundamental secara manual dimana hal itu akan memakan waktu yang lama dan kurang efektif dalam mengolah data saham yang sangat banyak jumlahnya. Analisis fundamental memerlukan pemahaman beberapa teknik dan teori, serta sulit dilakukan oleh orang awam (Fahrurrozy, 2006; http://creativecommons.org/licenses/by-nc/4.0/ P-ISSN: 2656-1743 E-ISSN: 2656-1735 JURNAL RISET INFORMATIKA Vol. 1, No. 3 Juni 2019 114 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional Falani, Sugiono, & Junaedi, 2012; Soemapradja, Logahan, & Ongowarsito, 2014). Permasalahan yang terjadi pada saat penyeleksian saham adalah keterbatasan kemampuan sumber daya manusia dalam hal ini bagian admin dalam mencari kriteria-kriteria yang diinginkan dalam waktu yang lebih singkat (Fahrurrozy, 2006; Falani et al., 2012). Oleh karena itu diperlukan pengembangan suatu perangkat lunak yang dapat mempercepat pengambilan keputusan dalam memilih saham prima. Pada penelitian ini dikembangkan sebuah sistem pendukung keputusan menggunakan metode Simple Additive Weighting (SAW). Metode ini dipilih karena mampu menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif terbaik dari sejumlah alternatif. Dalam hal ini, alternatif yang dimaksud adalah saham prima berdasarkan kriteria-kriteria yang ditentukan. Metode SAW sering dikenal dengan istilah penjumlahan terbobot. Konsep dasar metode Simple Additive Weighting (SAW) adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Kusumadewi, 2003). Metode SAW membutuhkan proses normalisasi matrik keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Sistem pendukung keputusan yang dikembangkan, diterapkan untuk menyeleksi saham prima pada CV. Bintang Semesta. Metode ini dipilih karena mampu menyeleksi alternatif terbaik dari sejumlah anternatif. Dalam hal ini alternatif yang dimaksud adalah saham-saham yang terdaftar di Bursa Efek Indonesia (BEI). Penelitian dilakukan dengan mencari penjumlahan terbobot dari nilai yang didapat pada setiap alternatif kemudian dilakukan proses perangkingan yang akan menentukan alternatif yang optimal yaitu saham prima. Berdasarkan penelitian pada jurnal yang berjudul Sistem Pendukung Keputusan Penilaian Proses Belajar Mengajar Menggunakan metode Simple Additive Weighting (SAW) (Usito, 2013), penulis menggunakan metode yang sama yaitu metode Simple Additive Weighting (SAW), namun diterapkan pada objek penelitian yang berbeda dan data yang berbeda pula. Pada penelitian sebelumnya (Usito, 2013), metode SAW diterapkan di bidang pendidikan, sedangkan pada penelitian ini diterapkan pada data saham. Tabel 1. Rangkuman penelitian terkait No. Paper Tujuan Penelitian Metode Kriteria 1 (Yobioktabera, Susanto, & Wijayanti, 2012) Untuk mengetahui pattern minat suatu sekolah atau institusi pendidikan terhadap jenis artikel tertentu Simple Additive Weighting Sistem Pendukung Keputusan yang dibangun ini berguna untuk mengetahui pattern minat suatu sekolah atau institusi pendidikan terhadap jenis artikel tertentu. 2 (Usito, 2013) Penilaian Proses Belajar Mengajar yang dilakukan oleh dosen. Simple Additive Weighting Kriteria: tingkat kehadiran mengajar, ketepatan memulai dan mengakhiri kuliah, kesesuaian materi dengan silabus, kemudahan penyampaian materi untuk dipahami, memotivasi belajar dalam mendalami mata kuliah. 3 (Oktaputra & Noersasongko, 2014) SPK Kelayakan Pemberian Kredit Motor pada Perusahaan Leasing. Simple Additive Weighting Kriteria: kepribadian, uang muka, kemampuan, jaminan, kondisi 4 (Pohan & Wibowo, 2017) SPK Pemilihan Vendor pada PT. Samudera Indonesia Ship Management Fuzzy-ANP & TOPSIS Kriteria: Delivery, price, quality, service 5 (Prayogo, 2018) SPK pemilihan Karyawan Teladan PT. Bank Rakyat Indonesia Simple Additive Weighting Kriteria: absensi, produktivitas, tugas individual, tanggung jawab, penilaian supervisor 6 (Bunajjar & Solichin, 2018) Rekomendasi lokasi cabang toko untuk gerai pulsa ANP & TOPSIS Kriteria: price, quality, enviromental, facilities. 7 (Mardiana & Tanjung, 2019) Sistem pendukung keputusan pemilihan perguruan tinggi swasta TOPSIS Kriteria: akreditasi, jumlah mahasiswa, jumlah dosen, biaya, fasilitas, jumlah jurusan. Hasil penelitian ini dapat berguna untuk memilih alternatif yang terbaik untuk mendapatkan saham prima. Dengan demikian, para investor yang akan berinvestasi di saham, tidak http://creativecommons.org/licenses/by-nc/4.0/ JURNAL RISET INFORMATIKA Vol. 1, No. 3 Juni 2019 P-ISSN: 2656-1743 E-ISSN: 2656-1735 115 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional akan salah membeli saham karena sudah memiliki daftar nama-nama saham prima. METODE PENELITIAN Langkah Penelitian Untuk menyelesaikan permasalahan, dalam penelitian ini dilakukan beberapa langkah dan metode penelitian, sebagai berikut: a. Studi Pustaka Metode ini dilakukan untuk mengumpulkan data dengan mencari dan membaca buku-buku referensi, jurnal, paper dan karya ilmiah lainnya yang dapat menunjang penelitian ini. b. Analisis Dokumen Dokumen yang diperoleh kemudian dipelajari dan dianalisis untuk mengetahui bentuk sistem cara kerja yang akan dibangun. c. Rancangan Sistem Metode ini dilakukan dengan membuat rancangan layar, flowchart, database dan lain- lain sesuai dengan hasil analisis. d. Implementasi Rancangan sistem yang sudah dibuat akan diimplementasikan berdasarkan hasil analisis. Kemudian hasil analisa akan dituangkan dalam kode-kode dengan menggunakan bahasa pemrograman tertentu. e. Uji Coba Sistem Setelah sistem selesai dibangun, maka dilakukan uji coba terhadap sistem yang dibangun. Pengujian dilakukan dengan metode black box. Teknik Analisis Data Metode Simple Additive Weighting (SAW) sering dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode Simple Additive Weighting (SAW) adalah mencari penjumlahan terbobot dari rating kinerja dari masing-masing alternatif pada semua atribut. Metode Simple Additive Weighting (SAW) membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Kriteria-kriteria yang dibutuhkan salah satunya adalah laba bersih, laba usaha, pendapatan dan PER, penentuan kriteria dapat digolongkan ke dalam 2 kriteria : a. Benefit Benefit adalah nilai maksimum dari suatu kriteria. Adapun kriteria yang dapat digolongkan ke dalam kriteria benefit adalah Pendapatan, Laba Kotor, Laba Usaha, Laba Bersih, Aset. b. Cost Cost adalah nilai minimum dari suatu kriteria. Adapun kriteria yang dapat digolongkan ke dalam kriteria cost adalah PER. Terdapat 4 tahapan yang harus dilakukan pada metode Simple Additive Weighting (SAW) dan diterapkan pada penelitian ini, yaitu: a. Pengumpulan Kriteria Tabel 2 menyajikan kriteria yang digunakan untuk seleksi saham prima. Selain itu, ditetapkan skala pembobotan seperti pada Tabel 3. Tabel 2 Tabel Kriteria Kriteria Keterangan C1 Pendapatan C2 Laba Kotor C3 Laba Usaha C4 Laba Bersih C5 Aset C6 Per Tabel 3 Skala Pembobotan Skala Pembobotan Bobot Cukup 5 Rendah 2.5 Sangat Rendah 1 Sangat Tinggi 10 Tinggi 7.5 b. Pembobotan Kriteria Tabel 4 merupakan tabel pembobotan kriteria yang berguna untuk menampung data-data pembobotan kriteria yang sudah dipilih oleh admin. Tabel 4 Contoh Pembobotan Kriteria Alternatif Kriteria C1 C2 C3 C4 C5 C6 A1 5 2.5 2.5 2.5 5 2.5 A2 2.5 1 1 1 7.5 10 A3 10 1 10 10 10 1 A4 2.5 1 2.5 2.5 2.5 1 A5 10 7.5 5 7.5 7.5 5 A6 7.5 2.5 5 2.5 5 10 Keterangan : A1 = ADRO A2 = BORN A3 = BUMI A4 = BRAU A5 = ATPK A6 = PTBA C1 = Aset (Benefit) C2 = Laba Bersih (Benefit) C3 = Laba Kotor (Benefit) C4 = Laba Usaha (Benefit) C5 = Pendapatan (Benefit) C6 = PER (Cost) c. Matrik Keputusan Matrik keputusan dibuat untuk melakukan normalisasi data pembobotan setiap alternatif. http://creativecommons.org/licenses/by-nc/4.0/ P-ISSN: 2656-1743 E-ISSN: 2656-1735 JURNAL RISET INFORMATIKA Vol. 1, No. 3 Juni 2019 116 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional Normalisasi dipisahkan antara kriteria yang bersifat benefit dan cost. d. Perankingan Hasil normalisasi selanjutnya diranking dengan mengurutkan dari nilai terbesar ke nilai terkecil. HASIL PENELITIAN DAN PEMBAHASAN Desain Sistem Implementasi merupakan salah satu tahapan dalam pembuatan program. Sistem Pendukung Keputusan ini dibangun dengan menggunakan bahasa pemrograman Java dan basis data menggunakan MySQL. Berikut ini beberapa tampilan layar sistem pendukung keputusan yang telah dikembangkan dalam penelitian ini. Gambar 1. Tampilan Form Data Saham Gambar 2. Tampilan Form Data Kriteria Gambar 1 adalah tampilan form data saham. Pada menu ini dapat mengubah dan menghapus data saham dengan cara pilih salah satu data yang berada di dalam tabel. Sementara itu, Gambar 2 menampilkan form data kriteria untuk menambahkan, mengubah dan menghapus data kriteria. Bobot kriteria dapat dikelola melalui halaman Data Bobot (Gambar 3). Di halaman ini, pengguna dapat menambahkan, mengubah dan menghapus data bobot. Gambar 3. Tampilan From Data Bobot Gambar 4 menyajikan tampilan layar analisis saham. Pada menu ini, pengguna dapat melakukan analisis saham dengan menentukan bobot pada masing-masing kriteria. Kriteria yang digunakan adalah aset, laba bersih, laba kotor, laba usaha, pendapatan dan PER. Gambar 4. Tampilan Halaman Input Analisis Saham Hasil analisis saham ditampilkan pada Gambar 5. Pada menu ini, pengguna dapat melihat hasil dari pemilihan saham. http://creativecommons.org/licenses/by-nc/4.0/ JURNAL RISET INFORMATIKA Vol. 1, No. 3 Juni 2019 P-ISSN: 2656-1743 E-ISSN: 2656-1735 117 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional Gambar 5. Tampilan Hasil Analisis Saham Gambar 6. Tampilan hasil analisis saham dalam bentuk grafik Selain dalam bentuk tabel, sistem juga mampu menampilkan hasil analisis dalam bentuk grafik seperti disajikan pada Gambar 6. Untuk pengolahan lebih lanjut, sistem juga dapat menampilkan hasil analisis dalam bentuk Microsoft Excel. Pengujian Sistem Pada penelitian ini dilakukan pengujian sistem dengan metode pengujian black box. Pengujian bertujuan untuk mengetahui fungsionalitas dari sistem atau aplikasi yang dihasilkan. Tabel 5 menyajikan cuplikan hasil pengujian perangkat lunak dengan metode black box. Berdasarkan hasil pengujian, sistem pendukung keputusan yang dibangun dapat berjalan dengan baik. Tabel 5. Hasil Pengujian Sistem dengan Blackbox # Modul Fungsionalitas Hasil 1 Login Menginputkan username dan password dengan benar Berhasil masuk ke halaman pengguna 2 Login Menginputkan username dan/atau password yang salah Menampilkan pesan gagal 3 Data saham Menambahkan, mengubah dan menghapus data saham Berhasil tersimpan di DB dan tampil di layar 4 Data kriteria Menambahkan, mengubah dan menghapus data kriteria Berhasil tersimpan di DB dan tampil di layar 5 Analisis saham Menjalankan modul analisis data saham Berhasil ditampilkan hasil perhitungan dan perangkinan saham dalam bentuk tabel dan grafik 6 Analisis saham Mengekspor data hasil analisis ke file Ms Excel Berhasil menyimpan ke file dan dapat dibuka dengan program Ms Excel SIMPULAN Simpulan Berdasarkan penelitian yang telah dilakukan, dapat ditarik beberapa kesimpulan, antara lain: 1) Permasalahan dapat diselesaikan dengan mengimplementasikan sistem pendukung keputusan dengan metode Simple Additive Weighting (SAW). 2) Aplikasi ini dibangun sebagai alat bantu bagi CV. Bintang Semesta untuk memilih alternatif yang terbaik untuk mendapatkan saham prima. 3) Hasil akhir dari perhitungan Simple Additive Weighting (SAW) ini berupa diagram batang dan dapat dieksport ke Microsoft Excel. 4) Berdasarkan hasil pengujian fungsionalitas dengan metode pengujian black box disimpulkan bahwa aplikasi dapat berjalan dengan baik dan dapat menampilkan hasil analisis saham prima bagi penggunanya. Saran Selain menarik beberapa kesimpulan, peneliti juga memberikan saran dalam penerapan aplikasi sistem pendukung keputusan yang telah http://creativecommons.org/licenses/by-nc/4.0/ P-ISSN: 2656-1743 E-ISSN: 2656-1735 JURNAL RISET INFORMATIKA Vol. 1, No. 3 Juni 2019 118 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional dihasilkan dalam penelitian ini. Spesifikasi kebutuhan perangkat keras dan perangkat lunak harus dipenuhi agar aplikasi dapat bekerja dengan baik dan optimal. Selain itu, penelitian ini dapat dikembangkan untuk menyelesaikan permasalahan di bidang lain. DAFTAR REFERENSI Bunajjar, K., & Solichin, A. (2018). Determining the Location of a Wholesale Pulse Business Branch with ANP and TOPSIS Methods. International Journal of Advanced Studies in Computer Science and Engineering (IJASCSE), 7(11), 1–5. Fahrurrozy. (2006). Sistem Penunjang Keputusan Investasi Saham pada Bursa Efek Jakarta. UIN Syarif Hidayatullah. Falani, A. Z., Sugiono, J. P., & Junaedi, H. (2012). Sistem Pendukung Keputusan Investasi Saham Berbasis Fuzzy Logic. In Proceeding Seminar Nasional Fakultas Teknik (SNFT) (hal. B-1-B-9). Universitas Muhammadiyah Sidoarjo. Haryadi, R. (2013). Start Up Trader : Jangan Jadi Trader Sebelum Baca Buku Ini ! VisiMedia Pustaka. Kusumadewi, S. (2003). Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu. Mardiana, T., & Tanjung, S. S. (2019). Sistem pendukung keputusan pemilihan perguruan tinggi swasta menggunakan TOPSIS. Jurnal Riset Informatika, 1(2), 25–34. Oktaputra, A. W., & Noersasongko, E. (2014). Sistem Pendukung Keputusan Kelayakan Pemberian Kredit Motor Menggunakan Metode Simple Additive Weighting pada Perusahaan Leasing HD Finance. Program Studi Sistem Informasi. Universitas Dian Nuswantoro. Pohan, F., & Wibowo, A. (2017). Integrasi Model Pendukung Keputusan Evaluasi Pemilihan Vendor dengan Fuzzy Analytical Network Process dan TOPSIS Studi Kasus PT. Samudera Indonesia Ship Management. Jurnal Teknik, 6(2), 83–91. Prayogo, J. (2018). Sistem Pendukung Keputusan Karyawan Teladan PT. Bank Rakyat Indonesia dengan Metode Simple Additive Weighting. Jurnal Riset Informatika, 1(1), 35– 42. Soemapradja, T. G., Logahan, J. M., & Ongowarsito, H. (2014). Pengembangan Aplikasi Simulasi Perdagangan Saham Dengan Sector Rotation dan Linear Programming. Binus Business Review, 5(1), 418–428. Usito, N. J. (2013). Sistem Pendukung Keputusan Penilaian Proses Belajar Mengajar Menggunakan Metode Simple Additive Weighting (Saw). Universitas Diponegoro Semarang. https://doi.org/10.1017/CBO978110741532 4.004 Yobioktabera, A., Susanto, H., & Wijayanti, S. (2012). Perancangan E-Learning Cerdas Berbasis Dss Dengan Menggunakan Metode Simple Additive Weighting Pada Smp N 9 Semarang, 2012(Semantik), 444–447. http://creativecommons.org/licenses/by-nc/4.0/