JITET (Jurnal Informatika dan Teknik Elektro Terapan)

Vol. 13 No. 3, pISSN: 2303-0577 eISSN: 2830-7062 [Link]

SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN

LAPTOP GAMING DI E-COMMERCE DENGAN METODE
SIMPLE ADDITIVE WEIGHTING

Muhammad Jaynuddin Sinaga1*, Indah Susilawati2

1,2
Universitas Mercu Buana Yogyakarta; Jl. Jembatan Merah No. 84C Gejayan - Yogyakarta

Abstrak. Penelitian ini menjawab tantangan pemilihan laptop gaming yang

Keywords: optimal di e-commerce akibat kompleksitas spesifikasi teknis dengan
Decision Support System; mengembangkan sebuah Sistem Pendukung Keputusan (SPK). Sistem ini
Simple Additive Weighting; menerapkan metode Simple Additive Weighting (SAW) untuk melakukan
Gaming Laptop. perangkingan multifaktor berdasarkan tujuh kriteria kunci: harga, prosesor,
GPU, RAM, layar, baterai, dan penyimpanan. Hasil sistem kemudian
divalidasi melalui perbandingan dengan rekomendasi seorang pakar, yang
menunjukkan kesesuaian peringkat yang tinggi. Sebagai hasilnya, penelitian
Corespondent Email: ini menyajikan sebuah alat bantu praktis yang dapat meningkatkan efisiensi
211110067@[Link]
dan objektivitas proses pengambilan keputusan bagi konsumen.
[Link]

Abstract. This research addresses the challenge of selecting an optimal

gaming laptop in e-commerce, driven by the complexity of technical
specifications, by developing a Decision Support System (DSS). The system
applies the Simple Additive Weighting (SAW) method to perform a multi-factor
JITET is licensed under ranking based on seven key criteria: price, processor, GPU, RAM, display,
a Creative Commons battery, and storage. The system's results were then validated through a
Attribution-NonCommercial comparison with an expert's recommendation, which showed a high degree of
4.0 International License ranking conformity. As a result, this research presents a practical tool that
can enhance the efficiency and objectivity of the consumer's decision-making
process.

1. PENDAHULUAN sesuai dengan kebutuhan pengguna menjadi

Perkembangan teknologi informasi yang tantangan tersendiri.
pesat telah mendorong perubahan signifikan Dalam memilih laptop gaming, konsumen
dalam berbagai aspek kehidupan, termasuk sering kali dihadapkan pada berbagai pilihan
dalam proses jual beli secara daring (e- dengan spesifikasi, harga, dan fitur yang
commerce)[1]. E-commerce telah menjadi salah berbeda-beda. Faktor seperti prosesor, kartu
satu platform utama bagi konsumen dalam grafis, RAM, kapasitas penyimpanan, serta
mencari dan membeli produk, termasuk laptop daya tahan baterai menjadi pertimbangan utama
gaming[2]. Laptop gaming merupakan bagi calon pembeli. Namun, banyaknya pilihan
perangkat yang memiliki spesifikasi tinggi dan yang tersedia di e-commerce sering kali
beragam, sehingga pemilihan laptop yang menyebabkan kebingungan dalam menentukan
keputusan pembelian yang optimal. Kondisi

1324
JITET (Jurnal Informatika dan Teknik Elektro Terapan) pISSN: 2303-0577 eISSN: 2830-7062 Sinaga dkk

tersebut melatarbelakangi perlunya sebuah kriteria bobot harga sedang dan kapasitas
sistem pendukung keputusan (SPK) untuk baterai terbesar[4].
membantu calon pembeli dalam memilih laptop Penelitian yang dilakukan oleh Adhi Mulya
gaming yang sesuai dengan kebutuhannya & Wiwien Hadikurniawati (2024)
berdasarkan kriteria yang telah ditentukan. mengimplementasikan metode Analytical
Metode Simple Additive Weighting (SAW) Hierarchy Process (AHP) dan Technique for
merupakan salah satu metode dalam sistem Order of Preference by Similarity to Ideal
pendukung keputusan yang dapat digunakan Solution (TOPSIS) untuk membangun sistem
untuk membantu proses pemilihan laptop pendukung keputusan berbasis web dalam
gaming. Metode ini bekerja dengan cara pemilihan laptop gaming. Studi ini bertujuan
menjumlahkan hasil perkalian antara bobot membantu konsumen menentukan pilihan
kriteria dengan nilai yang telah dinormalisasi. terbaik dengan mengevaluasi kriteria seperti
Keunggulan metode SAW adalah prosesor, RAM, GPU, baterai, dan
kemampuannya dalam memberikan hasil penyimpanan, di mana AHP digunakan untuk
perhitungan yang lebih akurat karena menentukan bobot kepentingan kriteria dan
mempertimbangkan bobot dari masing-masing TOPSIS untuk merangking alternatif laptop[5].
kriteria yang telah ditetapkan[3]. Hasil dari penelitian menunjukkan bahwa HP
Pengembangan sistem pendukung Victus 16 R0017TX menjadi pilihan terbaik
keputusan berbasis metode SAW ini dilakukan berdasarkan nilai preferensi tertinggi, dan
agar calon pembeli laptop gaming dapat sistem terbukti mampu memberikan
memperoleh rekomendasi yang lebih objektif rekomendasi yang akurat dan sesuai dengan
dan sesuai dengan kebutuhannya. Selain itu, kebutuhan pengguna berdasarkan data uji yang
sistem ini juga dapat meningkatkan efisiensi dievaluasi.
dalam proses pengambilan keputusan dan Penelitian yang dilakukan oleh Herli
mengurangi risiko kesalahan dalam pembelian. Setiawan & arita witanti, (2021), menerapkan
Oleh karena itu, penelitian ini merancang dan metode SMART dalam pengembangan sistem
mengembangkan sistem pendukung keputusan pendukung keputusan untuk pemilihan laptop.
pembelian laptop gaming di e-commerce Dalam studi ini, kriteria seperti jurusan kuliah,
menggunakan metode SAW agar dapat merk, aplikasi, prosesor, dan harga digunakan
memberikan rekomendasi yang optimal bagi sebagai faktor utama dalam pengambilan
pengguna. keputusan. Penelitian ini fokus terhadap
pengembangan sistem rekomendasi laptop
2. TINJAUAN PUSTAKA berbasis metode SMART dengan
mempertimbangkan kebutuhan mahasiswa.
2.1. Penelitian Terdahulu serta menerapkan sistem berbasis web yang
Penelitian yang dilakukan oleh Pradana & mempermudah pengguna dalam menentukan
Suharjo (2024) menerapkan metode Simple pilihan[6].
Additive Weighting (SAW) untuk Dalam penelitian yang dilakukan oleh
mengembangkan sistem rekomendasi Syahputra et al. (2022), dikembangkan sebuah
pembelian iPhone bekas berbasis web. Dalam sistem pendukung keputusan berbasis web
studi ini, kriteria utama yang digunakan untuk untuk membantu pengguna memilih laptop
pengambilan rekomendasi meliputi fitur terbaik menggunakan metode Simple Multi
kamera, penyimpanan internal, kapasitas Attribute Rating Technique (SMART), yaitu
baterai, layar, dan harga. Sistem ini berfokus metode pengambilan keputusan yang mengukur
pada perhitungan bobot setiap kriteria untuk nilai preferensi berdasarkan skor atribut dan
menghasilkan rekomendasi yang optimal dan bobotnya[7]. Dengan menggunakan kriteria
sesuai dengan kebutuhan pengguna. Hasil seperti prosesor, kapasitas RAM, penyimpanan,
penelitian menunjukkan bahwa sistem berhasil kartu grafis, dan harga, sistem ini
menghitung dan memproses data menggunakan memungkinkan pengguna menentukan bobot
metode SAW, di mana peringkat pertama yang preferensi untuk kemudian menghitung
dihasilkan sistem sama dengan perhitungan peringkat laptop berdasarkan nilai utilitas
manual menggunakan Excel, yaitu iPhone XS tertinggi. Hasil penelitian menunjukkan bahwa
Max 512, yang direkomendasikan berdasarkan laptop Toshiba S40 menjadi pilihan terbaik

1325
JITET (Jurnal Informatika dan Teknik Elektro Terapan) pISSN: 2303-0577 eISSN: 2830-7062 Sinaga dkk

yang diikuti oleh Axio Neon TNN C825, Acer digunakan meliputi spesifikasi prosesor, RAM,
Aspire E5, dan Lenovo Ideapad 100, meskipun kapasitas penyimpanan, ukuran layar, berat, dan
laptop Legion 5 tercatat mendapatkan nilai harga. Data dari berbagai model Lenovo
alternatif tertinggi berdasarkan seluruh kriteria Ideapad dikumpulkan dari Tokopedia dan
yang digunakan dalam metode SMART. diolah melalui tahapan normalisasi hingga
Penelitian yang dilakukan oleh Natasya et perhitungan jarak. Hasil penelitian
al. (2023) bertujuan membangun sistem menunjukkan bahwa laptop Lenovo Ideapad
pendukung keputusan untuk Pro 5 14IMH9 merupakan pilihan yang paling
merekomendasikan laptop gaming yang juga direkomendasikan karena memperoleh nilai
dapat digunakan untuk kebutuhan content tertinggi berdasarkan spesifikasi dan preferensi
creation dengan menerapkan metode pengguna dibandingkan model lainnya[2]
ELECTRE (Elimination and Choice Expressing Berdasarkan tinjauan pustaka terhadap
the Reality)[8]. Metode ini merupakan penelitian-penelitian terdahulu, terlihat jelas
pendekatan pengambilan Keputusan bahwa pengembangan Sistem Pendukung
multikriteria berbasis konsep outranking yang Keputusan (SPK) untuk pemilihan perangkat
dalam studi ini menggunakan kriteria meliputi teknologi, termasuk laptop, merupakan bidang
CPU, GPU, RAM, kapasitas penyimpanan, dan yang sangat relevan dan terus berkembang.
harga. Melalui serangkaian proses perhitungan Berbagai penelitian telah berhasil menerapkan
yang mencakup pembuatan matriks keputusan, metode seperti SAW, AHP-TOPSIS, SMART,
normalisasi, pembobotan, hingga pembentukan ELECTRE, dan Weighted Product untuk
matriks concordance dan discordance, hasil menyelesaikan masalah pemilihan, mulai dari
akhir penelitian menunjukkan bahwa alternatif iPhone bekas (Pradana & Suharjo, 2024) hingga
dengan peringkat tertinggi yang laptop untuk kebutuhan spesifik seperti
direkomendasikan adalah ASUS TUF Dash F15 mahasiswa (Setiawan & Witanti, 2021) dan
FX516PM-I736B7T. content creator (Natasya et al., 2023; Zidifaldi
Penelitian yang dilakukan oleh Zidifaldi et et al., 2020).
al. (2020) bertujuan untuk membantu pengguna Meskipun demikian, terdapat celah
dalam memilih laptop yang sesuai untuk penelitian yang signifikan. Sebagian besar
kebutuhan gaming maupun content creation penelitian berfokus pada studi kasus di
dengan menggunakan metode Weighted lingkungan yang lebih terkontrol, seperti toko
Product (WP). Metode ini bekerja dengan fisik atau dengan kumpulan data yang terbatas.
melakukan perkalian berskala terhadap nilai Meskipun ada penelitian yang menyentuh ranah
atribut berdasarkan bobot dari setiap kriteria e-commerce, seperti yang dilakukan oleh
yang telah ditentukan, yang dalam penelitian ini Kinasih & Sari (2024), fokusnya masih sangat
meliputi prosesor, RAM, GPU, layar, dan spesifik pada satu merek dan tipe laptop
harga. Proses pengambilan keputusan (Lenovo Ideapad) di satu platform (Tokopedia).
dilakukan dengan menghitung vektor preferensi Hingga saat ini, belum ada penelitian yang
untuk setiap alternatif, dan hasil penelitian secara khusus merancang sebuah SPK untuk
menunjukkan bahwa laptop Legion 5 menjadi membantu konsumen dalam menghadapi
pilihan terbaik dengan nilai preferensi tertinggi, kompleksitas pemilihan laptop gaming dari
diikuti oleh TUF A15, Ideapad Gaming 3i, dan berbagai merek di platform e-commerce secara
MSI GF63 Thin 9SC sebagai alternatif lainnya umum.
[9]. Kondisi ini menjadi masalah krusial karena
Penelitian yang dilakukan oleh Ratu Dian e-commerce menawarkan banyak alternatif
Kinasih & Puspita Sari (2024) membahas laptop dengan spesifikasi teknis yang sangat
pengembangan sistem pendukung keputusan beragam, harga yang tidak stabil, serta ulasan
(SPK) untuk membantu pengguna memilih yang subjektif. Konsumen sering kali
laptop Lenovo Ideapad di Tokopedia mengalami kebingungan dalam pengambilan
menggunakan metode Technique for Order keputusan dan kesulitan untuk membandingkan
Preference by Similarity to Ideal Solution produk secara objektif. Tanpa alat bantu yang
(TOPSIS). Metode ini menentukan alternatif tepat, keputusan pembelian sering kali
terbaik berdasarkan jaraknya terhadap solusi didasarkan pada intuisi, promosi sesaat, atau
ideal positif dan negatif, dengan kriteria yang ulasan yang tidak terverifikasi, yang belum

1326
JITET (Jurnal Informatika dan Teknik Elektro Terapan) pISSN: 2303-0577 eISSN: 2830-7062 Sinaga dkk

tentu menghasilkan pilihan terbaik sesuai dan pengguna lain yang membutuhkan
kebutuhan dan anggaran. performa tinggi dalam komputasi sehari-hari.
Oleh karena itu, dalam penelitian ini telah Karakteristik utama dari laptop gaming
dirancang dan dikembangkan sebuah sistem dapat dilihat dari beberapa aspek penting.
pendukung keputusan pembelian laptop gaming Pertama, dari segi kinerja tinggi, laptop gaming
di e-commerce yang menggunakan metode dibekali dengan CPU dan GPU kelas atas,
SAW untuk memberikan rekomendasi optimal seperti Intel Core i7/i9, AMD Ryzen 7/9, dan
bagi pengguna. Penelitian ini mengisi NVIDIA GeForce RTX series, yang mampu
kekosongan tersebut dengan menyediakan menjalankan game dan aplikasi berat secara
sebuah sistem yang mampu mengolah data dari lancar[16]. Kedua, sistem pendingin atau
berbagai merek dan model, menerapkan metode cooling system yang digunakan pada laptop
perhitungan yang objektif untuk meranking gaming jauh lebih baik dibandingkan laptop
alternatif. biasa karena perangkat ini menghasilkan panas
lebih tinggi. Teknologi seperti heatpipe, dual
2.2. Sistem Pendukung Keputusan fan, bahkan liquid cooling digunakan untuk
Sistem Pendukung Keputusan (SPK) menjaga suhu tetap stabil saat bermain game
merupakan sistem komputer interaktif yang berat dalam waktu lama.
membantu pengambil keputusan dengan Laptop gaming memiliki karakteristik
menggunakan data dan model untuk khas, seperti layar dengan refresh rate tinggi
menyelesaikan masalah yang tidak (≥120Hz) dan resolusi minimal Full HD.
terstruktur[10]. Sistem ini dirancang untuk Desainnya cenderung agresif dengan
mendukung berbagai tahapan pengambilan pencahayaan RGB, didukung keyboard khusus
keputusan, termasuk identifikasi masalah, gaming dan konektivitas port yang sangat
pemilihan data yang relevan, pemilihan strategi lengkap. Karena menggunakan komponen
keputusan, hingga evaluasi alternatif solusi[11]. berkualitas tinggi, harga laptop gaming lebih
Pada intinya, SPK mengintegrasikan tiga mahal dibandingkan laptop biasa.
komponen utama: basis data, basis model, dan
antarmuka pengguna untuk memberikan 3. Metode Penelitian
informasi yang relevan dan mudah
dipahami[12]. 3.1. Bahan Penelitian
Bahan penelitian dalam penelitian ini
2.3. Metode Simple Additive Weighting mencakup data laptop gaming yang
Metode Simple Additive Weighting dikumpulkan dari platform e-commerce
(SAW) merupakan salah satu metode dalam Tokopedia dan Shopee. Kriteria penilaian
sistem pendukung keputusan yang digunakan dalam metode SAW meliputi prosesor yang
untuk menentukan alternatif terbaik berpengaruh terhadap kinerja laptop, kartu
berdasarkan perhitungan bobot dan kriteria grafis yang mempengaruhi kualitas tampilan,
yang telah ditentukan[13]. Metode ini bekerja RAM yang menentukan performa multitasking,
dengan menjumlahkan nilai terbobot dari setiap penyimpanan yang berpengaruh terhadap
kriteria yang digunakan dalam proses kecepatan loading, daya tahan baterai yang
pengambilan keputusan[14]. menentukan durasi pemakaian, layar
Mempengaruhi kenyamanan visual, detail
2.4. Laptop Gaming gambar, dan pengalaman gaming yang lebih
Laptop gaming merupakan jenis laptop halus dan responsive, serta harga yang menjadi
yang dirancang khusus untuk kebutuhan faktor utama dalam pengambilan keputusan.
menjalankan permainan digital dengan Bobot dan normalisasi data yang diperoleh dari
spesifikasi yang lebih tinggi dibandingkan studi literatur untuk diolah dengan metode
laptop biasa. Pemilihan laptop gaming sangat SAW.
bergantung pada beberapa faktor penting,
seperti prosesor, kartu grafis, RAM, 3.2. Alat Penelitian
penyimpanan, layar, dan harga[15]. Laptop Alat yang digunakan dalam penelitian ini
jenis ini tidak hanya digunakan oleh gamer, terdiri dari perangkat keras dan perangkat
tetapi juga oleh content creator, desainer grafis, lunak. Perangkat keras yang digunakan adalah

1327
JITET (Jurnal Informatika dan Teknik Elektro Terapan) pISSN: 2303-0577 eISSN: 2830-7062 Sinaga dkk

komputer atau laptop dengan spesifikasi yang berdasarkan bobot dan nilai tiap kriteria. Selain
memadai untuk menjalankan perangkat lunak itu, dilakukan pengujian sistem secara internal
pengolahan data dan pemrograman. Perangkat dengan meninjau apakah laptop dengan
lunak yang digunakan meliputi sistem operasi spesifikasi terbaik memperoleh nilai tertinggi
Windows, bahasa pemrograman seperti PHP, sesuai logika pengambilan keputusan.
database MySQL untuk penyimpanan data, Tahap akhir dari penelitian ini adalah
serta framework web seperti Codeigniter atau penarikan kesimpulan dan penyusunan laporan,
Laravel untuk pengembangan sistem. Selain itu, yang mencakup analisis hasil penelitian,
alat pengolahan data seperti Microsoft Excel pembahasan temuan utama, serta implikasi dari
digunakan untuk normalisasi dan perhitungan penggunaan sistem pendukung keputusan
metode SAW. berbasis metode SAW dalam pemilihan laptop
gaming di e-commerce.
3.3. Prosedur Penelitian
Penelitian ini dilakukan melalui beberapa 3.4. Jalan Penelitian
tahapan utama. Tahap pertama adalah studi Berikut alur dalam metodologi penelitian
literatur, yang bertujuan untuk mengkaji ini, seperti pada gambar 3.1
penelitian terdahulu terkait sistem pendukung
keputusan dan metode SAW serta
mengidentifikasi faktor-faktor yang
mempengaruhi pembelian laptop gaming di e-
commerce. Studi literatur dilakukan dengan
mengumpulkan referensi dari jurnal, buku, dan
sumber akademik lainnya.
Selanjutnya, dilakukan teknik
pengumpulan data otomatis melalui observasi
tidak langsung, yaitu dengan web scraping dari
situs e-commerce Tokopedia dan Shopee.
Teknik ini digunakan untuk mengakses dan
mengambil data spesifikasi teknis laptop
gaming yang tersedia secara publik di platform
tersebut. Data yang diperoleh mencakup
informasi seperti prosesor, kartu grafis, RAM,
penyimpanan, layar, kapasitas baterai, dan
harga.
Setelah data terkumpul, tahap berikutnya
adalah pengolahan data dengan metode SAW.
Gambar 3. 1 Alur Penelitian
Pada tahap ini, dilakukan normalisasi data
untuk menyesuaikan skala penilaian setiap 3.4.1. Penentuan Kriteria dan bobot
kriteria. Kemudian, diberikan bobot sesuai Proses pengambilan keputusan untuk
tingkat kepentingan masing-masing kriteria, pemilihan laptop gaming menggunakan
dan dilakukan perhitungan menggunakan beberapa kriteria utama yang dianggap penting
metode SAW untuk mendapatkan hasil oleh calon pembeli. Kriteria tersebut adalah
rekomendasi laptop gaming terbaik. CPU, GPU, RAM, penyimpanan, kapasitas
Tahap selanjutnya adalah analisis hasil, baterai, dan harga. Kriteria CPU dan GPU
yaitu meninjau dan mengevaluasi sistem dipilih karena berperan langsung dalam
pendukung keputusan yang telah dibangun performa gaming, dengan GPU sebagai faktor
menggunakan metode SAW. Evaluasi utama dalam pengolahan grafis dan CPU
dilakukan dengan melihat seberapa efektif sebagai otak pemrosesan data. RAM
sistem dalam menghasilkan rekomendasi laptop memengaruhi kelancaran multitasking dan
gaming berdasarkan data dan kriteria yang telah kinerja aplikasi game yang membutuhkan
ditentukan. Proses ini mencakup pemeriksaan kapasitas memori besar. Penyimpanan menjadi
hasil perhitungan peringkat alternatif laptop penting karena game modern kini

1328
JITET (Jurnal Informatika dan Teknik Elektro Terapan) pISSN: 2303-0577 eISSN: 2830-7062 Sinaga dkk

membutuhkan ruang penyimpanan besar. Layar Proses pengumpulan data dilakukan dengan
dipertimbangkan dari segi refresh rate dan mengambil spesifikasi teknis (CPU, GPU,
akurasi warna (sRGB), sedangkan kapasitas RAM, layar, penyimpanan, baterai) dan harga
baterai memberi pengaruh terhadap durasi dari platform e-commerce Tokopedia dan
pemakaian dan mobilitas. Harga dijadikan Shopee. Untuk melengkapi data tersebut, skor
kriteria cost karena menjadi pertimbangan performa objektif untuk CPU dan GPU
utama dalam keterjangkauan dan efisiensi diperoleh dari hasil benchmark PassMark. Data
pembelian. Rincian lengkap mengenai semua yang telah terkumpul kemudian dirangkum ke
kriteria yang digunakan beserta bobotnya dalam tiga tabel. Tabel 3.2 menyajikan
disajikan pada Tabel 3.1. spesifikasi kinerja inti, Tabel 3.3 merinci
spesifikasi pendukung beserta harga setiap
alternatif, dan Tabel 3.4 menampilkan data skor
benchmark PassMark CPU dan GPU.
Tabel 3. 1 Tabel Kriteria dan Bobot
Tabel 3. 2 Spesifikasi Kinerja Inti Alternatif
Kode Kriteria Tipe Bobot
C1 CPU Benefit 0.2
C2 GPU Benefit 0.25
C3 RAM Benefit 0.15
C4 Penyimpanan Benefit 0.1
C5 Layar Benefit 0.1
C6 Baterai Benefit 0.05
C7 Harga Cost 0.15

Setiap kriteria dalam pengambilan

keputusan diberi bobot berdasarkan tingkat
kepentingannya terhadap kebutuhan pengguna
laptop gaming. Bobot ditentukan menggunakan Tabel 3. 3 Spesifikasi Pendukung dan Harga Alternatif
skala proporsional dengan total nilai 1.00.
Kriteria GPU diberi bobot tertinggi yaitu 0.25,
karena performa grafis merupakan faktor
dominan dalam kenyamanan bermain game.
Selanjutnya CPU memiliki bobot 0.20,
mengingat perannya dalam kecepatan
pemrosesan dan stabilitas performa. RAM
diberi bobot 0.15, karena kapasitas memori
berpengaruh pada kelancaran eksekusi game
dan multitasking. Kriteria penyimpanan dan
layar masing-masing mendapatkan bobot 0.10,
karena keduanya mendukung pengalaman
gaming dari sisi ruang penyimpanan dan
kualitas visual. Baterai mendapatkan bobot
0.05, yang penting untuk mobilitas tetapi tidak
terlalu krusial karena mayoritas penggunaan
laptop gaming dilakukan dalam kondisi
terhubung daya. Terakhir, harga ditetapkan
sebagai kriteria cost dengan bobot 0.15, karena
harga mempengaruhi daya beli dan nilai Tabel 3. 4 Tabel Skor CPU dan GPU
ekonomis dari perangkat.
Kode Skor CPU Skor GPU
A1 18341 7758
3.4.2. Pengumpulan Data
A2 22064 14441

1329
JITET (Jurnal Informatika dan Teknik Elektro Terapan) pISSN: 2303-0577 eISSN: 2830-7062 Sinaga dkk

A3 23451 9469 𝑋𝑖𝑗

A4 22064 10283 𝑅𝑖𝑗 = (1)
𝑋𝑚𝑎𝑥
A5 25265 10283 Sementara itu, normalisasi pada kriteria cost
A6 24272 10283 menggunakan Persamaan (2), yang menghitung
A7 24272 10283
rasio antara nilai minimum dan nilai suatu
A8 17603 10283
alternatif dalam kriteria tersebut:
A9 17603 14441 𝑋𝑚𝑖𝑛
A10 20639 9469 𝑅𝑖𝑗 = (2)
𝑋𝑖𝑗
3.4.3. Matriks Keputusan Hasil penerapan kedua rumus normalisasi
Setelah mengumpulkan data, selanjutnya tersebut disajikan secara lengkap pada Tabel
spesifikasi dari masing-masing laptop disusun 3.6.
ke dalam tabel matriks keputusan. Matriks ini
memuat nilai-nilai mentah (belum
dinormalisasi) dari setiap alternatif laptop
terhadap setiap kriteria. Nilai CPU dan GPU Tabel 3. 6 Hasil Normalisasi
menggunakan data skor Benchmark dari Kode C1 C2 C3 C4 C5 C6 C7
PassMark sebagai acuan performa objektif. A1 0,73 0,54 0,41 1 1 0,86 0,92
A2 0,87 1,00 0,25 0,5 0,5 0,74 0,91
Penilaian terhadap Kriteria RAM didasarkan A3 0,93 0,66 0,28 1 0,5 0,69 0,89
pada kapasitas memori dalam satuan GB, A4 0,87 0,71 0,50 0,5 0,5 0,77 0,84
dengan penambahan nilai sebesar 1 poin apabila A5 1,00 0,71 0,41 0,5 1 0,86 0,89
A6 0,96 0,71 0,53 0,5 0,5 0,76 0,84
RAM menggunakan generasi yang lebih baru, A7 0,96 0,71 1,00 1 0,5 0,77 0,83
seperti DDR5 dibandingkan DDR4. Untuk A8 0,70 0,71 1,00 0,5 0,5 1,00 0,86
layar, digunakan nilai cakupan warna SRGB A9 0,70 1,00 0,53 0,5 0,5 0,81 0,80
A10 0,82 0,66 0,50 0,5 0,5 0,80 1,00
berdasarkan klaim spesifikasi pabrikan, yang
menggambarkan kualitas tampilan visual. Nilai
Kriteria baterai berdasarkan kapasitasnya. 3.4.5. Perhitungan Nilai Preferensi
Harga laptop dikonversi ke dalam format Setelah nilai-nilai pada matriks keputusan
numerik tanpa menggunakan pemisah ribuan dinormalisasi, langkah selanjutnya adalah
agar lebih mudah diolah dalam proses menghitung nilai preferensi untuk setiap
perhitungan berikutnya. Matriks keputusan alternatif laptop. Perhitungan nilai preferensi
yang lengkap disajikan pada Tabel 3.5. dilakukan dengan menjumlahkan hasil
perkalian antara nilai normalisasi setiap kriteria
Tabel 3. 5 Matriks Keputusan dengan bobot kriteria yang telah ditentukan
sebelumnya. Bobot ini mencerminkan tingkat
kepentingan relatif dari setiap kriteria seperti
CPU, GPU, RAM, layar, dan harga dalam
pengambilan keputusan. Rumus yang
digunakan adalah 𝑉𝑖 = ∑ (𝑅𝑖𝑗 × 𝑊𝑗 ) (3), di mana
𝑉𝑖 adalah nilai preferensi alternatif ke-i, 𝑅𝑖𝑗
adalah nilai normalisasi dari alternatif ke-i
terhadap kriteria ke-j, dan 𝑊𝑗 adalah bobot dari
kriteria ke-j. Hasil perhitungan nilai preferensi
untuk setiap alternatif disajikan pada Tabel 3.7.
3.4.4. Normalisasi matriks Keputusan
Normalisasi dilakukan untuk mengubah
berbagai skala menjadi skala yang seragam. Tabel 3. 7 Hasil Nilai Preferensi
Normalisasi dilakukan berdasarkan dua Kode Hasil
kategori kriteria, yaitu kriteria benefit dan cost. A1 0,7218
Normalisasi pada kriteria benefit menggunakan A2 0,7356
Persamaan (1), yang menghitung rasio antara A3 0,7101
nilai suatu alternatif dengan nilai maksimum A4 0,6920
dalam kriteria tersebut: A5 0,7652

1330
JITET (Jurnal Informatika dan Teknik Elektro Terapan) pISSN: 2303-0577 eISSN: 2830-7062 Sinaga dkk

A6 0,7135
A7 0,8331
A8 0,7461
A9 0,7300
A10 0,6923

3.4.6. Perangkingan Alternatif

Setelah seluruh nilai preferensi dari masing-
masing alternatif laptop diperoleh, proses
selanjutnya adalah melakukan perangkingan.
Perangkingan dilakukan dengan mengurutkan
nilai preferensi dari yang tertinggi hingga
terendah. Hasil akhir dari proses perangkingan
ini disajikan secara lengkap pada Tabel 3.8.

Tabel 3. 8 Perangkingan Alternatif

Ranking Nama Laptop Kode Gambar 3. 2 Flowchart Proses Sistem
1 AXIOO PONGO 735 A7
2 Lenovo LOQ 15IRX9 A5 3.6. Basis Data
3 HP VICTUS 15 I5 A8 Untuk menunjang kebutuhan penyimpanan data
4 MSI THIN 15 A2 sistem, dirancang sebuah database yang terdiri
ACER Nitro V 15 (ANV15- dari beberapa tabel yang saling terhubung.
5 A9
51-50U5) Struktur dan hubungan antar tabel tersebut,
6 Lenovo LOQ 15IAX9 A1
yang berfungsi untuk menyimpan data kriteria,
7 MSI CYBORG 15 I7 A6
alternatif, dan hasil penilaian, diilustrasikan
ASUS TUF A15
8
FA506NCR
A3 secara visual pada Gambar 3.3.
ASUS TUF Gaming F15
9 A10
FX507ZC4
10 Acer Aspire 7 Pro A715-59G A4
Sehingga diperoleh hasil
alternatif A7 (AXIO0 PONGO 735) dengan
nilai preferensi 0,84 menjadi pilihan yang
terbaik karena mempunyai nilai akhir
perangkingan yang tertinggi.

3.5. Proses Sistem

Rincian alur proses sistem dapat dilihat pada Gambar 3. 3 Relasi Tabel Database
Gambar 3.2.
4. HASIL DAN PEMBAHASAN

4.1. Implementasi Sistem

Sistem pendukung keputusan pemilihan
laptop gaming berbasis web ini dibangun
berdasarkan perancangan yang telah dijelaskan
pada Bab III. Sistem yang telah dikembangkan
ini berfungsi untuk membantu pengguna dalam
menentukan pilihan laptop gaming terbaik
berdasarkan sejumlah kriteria yang telah
ditetapkan, dengan menggunakan metode
Simple Additive Weighting (SAW).
Implementasi sistem dilakukan menggunakan

1331
JITET (Jurnal Informatika dan Teknik Elektro Terapan) pISSN: 2303-0577 eISSN: 2830-7062 Sinaga dkk

beberapa perangkat lunak dan teknologi yang berhasil login akan diarahkan ke halaman
pendukung. dashboard utama. Tampilan halaman login
Bahasa pemrograman utama yang dapat dilihat pada Gambar 4.1.
digunakan dalam pembangunan sistem ini
adalah PHP sebagai bahasa sisi server, serta
HTML, CSS, dan JavaScript untuk tampilan
antarmuka pengguna. Untuk mempermudah
proses pengembangan, sistem dibangun dengan
menggunakan framework Codeigniter 4 karena
memiliki struktur yang rapi, aman, dan
mendukung konsep MVC (Model-View-
Controller).
Basis data yang digunakan dalam sistem
ini adalah MySQL, yang digunakan untuk
menyimpan data laptop, data kriteria, nilai
bobot, hasil perhitungan SAW, dan data
perangkingan. MySQL dipilih karena mudah Gambar 4. 1 Halaman Login
digunakan, ringan, dan kompatibel dengan PHP
serta Codeigniter 4. 4.2.2. Halaman Dashboard
Proses pengembangan dilakukan Dashboard Admin menampilkan
menggunakan Visual Studio Code (VS Code) ringkasan informasi utama seperti jumlah data
sebagai teks editor utama karena memiliki laptop, jumlah kriteria yang digunakan, serta
berbagai ekstensi pendukung serta antarmuka akses cepat ke menu input laptop, penilaian, dan
yang intuitif. Untuk menjalankan server lokal, hasil ranking. Tampilan dashboard bersifat
digunakan XAMPP yang menyediakan Apache informatif dan responsif, seperti yang
server dan MySQL database secara ditunjukkan pada Gambar 4.2.
terintegrasi. Sistem dihosting secara lokal
selama proses pengembangan dan pengujian.
Implementasi ini menjadi tahap penting
karena merealisasikan seluruh perancangan
sistem ke dalam bentuk aplikasi nyata yang
dapat digunakan oleh pengguna. Dengan
menggabungkan komponen-komponen di atas,
sistem ini mampu menjalankan proses
pengambilan keputusan secara otomatis Gambar 4. 2 Halaman Dashboard
berdasarkan input data dan kriteria yang
diberikan. 4.2.3. Halaman Data Laptop
Halaman manajemen data laptop
4.2. Hasil Sistem digunakan oleh admin untuk mengelola
Sistem pendukung keputusan pemilihan informasi alternatif laptop yang akan digunakan
laptop gaming telah berhasil dibangun berbasis dalam proses seleksi. Pada halaman ini, admin
web menggunakan metode Simple Additive memiliki akses untuk menambahkan, mengedit,
Weighting (SAW). Sistem ini memungkinkan maupun menghapus data laptop sesuai
pengguna, khususnya admin, untuk menginput kebutuhan. Informasi yang dicatat mencakup
data laptop, menetapkan kriteria dan bobot, nama laptop, nama CPU dan GPU, kapasitas
melakukan penilaian spesifikasi, serta dan generasi RAM, kapasitas penyimpanan,
menghasilkan rekomendasi laptop terbaik serta detail layar. Selain itu, kapasitas baterai
berdasarkan perhitungan otomatis. dicatat dalam satuan Wh, dan harga laptop.
4.2.1. Halaman Login Seluruh data disimpan dalam tabel
Sistem dilengkapi dengan fitur login laptop_gaming yang menjadi dasar utama
sebagai pengaman akses hanya untuk admin. sebelum dilakukan proses penilaian dan
Halaman login memiliki form sederhana yang perhitungan metode SAW. Tampilan halaman
memuat input username dan password. Admin dapat dilihat pada Gambar 4.3.

1332
JITET (Jurnal Informatika dan Teknik Elektro Terapan) pISSN: 2303-0577 eISSN: 2830-7062 Sinaga dkk

Semua nilai yang diberikan akan secara

otomatis disimpan dalam database dan
selanjutnya digunakan oleh sistem dalam proses
normalisasi dan perhitungan nilai preferensi.
Dengan demikian, penilaian ini merupakan
langkah krusial yang menentukan hasil akhir
dalam proses pemilihan laptop gaming terbaik
berdasarkan kriteria yang telah ditentukan.
Gambar 4. 3 Halaman Data Laptop Tampilan halaman penilaian ini dapat dilihat
pada Gambar 4.5.
4.2.4. Halaman Kriteria
Halaman ini berfungsi sebagai tempat
untuk menetapkan kriteria evaluasi yang
digunakan dalam proses pengambilan
keputusan, beserta bobot dari masing-masing
kriteria tersebut. Kriteria ditampilkan dalam
bentuk tabel yang yang terdiri dari beberapa
kolom, yaitu kode kriteria, nama kriteria seperti
CPU, GPU, RAM, penyimpanan, layar, baterai, Gambar 4. 5 Halaman Penilaian
dan harga. Setiap kriteria juga diklasifikasikan
ke dalam tipe benefit (semakin besar nilainya 4.2.6. Halaman Proses Perhitungan
semakin baik) atau cost (semakin kecil nilainya Sistem secara otomatis akan
semakin baik), serta diberi bobot dengan nilai menjalankan proses perhitungan menggunakan
antara 0 hingga 1. metode Simple Additive Weighting (SAW)
Penetapan bobot dilakukan oleh admin setelah data penilaian dimasukkan. Proses ini
dengan mempertimbangkan tingkat dimulai dengan membentuk matriks keputusan
kepentingan relatif dari setiap kriteria terhadap (X), yaitu susunan nilai setiap laptop terhadap
kebutuhan laptop gaming. Misalnya, GPU dan seluruh kriteria yang tersedia. Matriks ini
CPU umumnya memiliki bobot yang lebih merepresentasikan kondisi awal sebelum
tinggi karena secara langsung memengaruhi dilakukan normalisasi. Tampilan antarmuka
performa gaming. Tampilan halaman ini dapat untuk halaman matriks keputusan ini
dilihat pada Gambar 4.4. ditunjukkan pada Gambar 4.6.

Gambar 4. 4 Halaman Kriteria Gambar 4. 6 Halaman Matriks Keputusan

Selanjutnya, sistem melakukan
4.2.5. Halaman Penilaian normalisasi matriks, yakni mengubah nilai-nilai
Setelah data laptop (alternatif) dan pada matriks keputusan menjadi skala yang
kriteria evaluasi tersedia, tahap selanjutnya sebanding, berdasarkan jenis kriteria (Benefit
adalah proses penilaian. Pada tahap ini, admin atau Cost). Proses normalisasi ini ditampilkan
memberikan skor atau nilai untuk setiap laptop secara rinci dan transparan, lengkap dengan
terhadap masing-masing kriteria yang telah langkah perhitungan untuk setiap elemen,
ditentukan sebelumnya. Nilai ini berperan misalnya dalam bentuk nilai asli / nilai
penting sebagai dasar dalam proses normalisasi maksimum (untuk benefit) atau nilai minimum
dan perhitungan akhir menggunakan metode / nilai asli (untuk cost). Antarmuka yang
SAW (Simple Additive Weighting). menampilkan hasil normalisasi ini dapat dilihat
pada Gambar 4.7.

1333
JITET (Jurnal Informatika dan Teknik Elektro Terapan) pISSN: 2303-0577 eISSN: 2830-7062 Sinaga dkk

Tabel perangkingan ini memberikan

gambaran komprehensif bagi pengguna dalam
memilih laptop gaming yang paling sesuai,
berdasarkan performa keseluruhan yang telah
dihitung secara objektif. Tampilan halaman
dirancang secara ringkas dan responsive seperti
yang terlihat pada Gambar 4.9.

Gambar 4. 7 Halaman Matriks Ternormalisasi

Setelah proses normalisasi, sistem
menghitung nilai preferensi akhir untuk
masing-masing laptop. Nilai ini diperoleh
dengan mengalikan setiap nilai normalisasi
dengan bobot kriteria terkait, kemudian
menjumlahkannya untuk mendapatkan total
skor akhir. Seluruh proses perhitungan
preferensi juga ditampilkan secara detail di
halaman, sehingga pengguna dapat memahami
kontribusi masing-masing kriteria terhadap
total skor. Tampilan halaman yang menyajikan Gambar 4. 9 Halaman Perangkingan
skor preferensi akhir ini ditampilkan pada 4.2.8. Halaman Home
Gambar 4.8. Halaman Home merupakan tampilan
utama sistem yang menyajikan hasil akhir dari
proses perangkingan laptop gaming
menggunakan metode Simple Additive
Weighting (SAW). Pada halaman ini, pengguna
dapat melihat daftar laptop yang
direkomendasikan berdasarkan skor tertinggi
hingga terendah. Setiap laptop ditampilkan
beserta informasi spesifikasi yang lengkap.
Tujuan dari halaman ini adalah memberikan
informasi yang lengkap dan komprehensif
kepada pengguna agar dapat membandingkan
alternatif laptop secara mudah serta sesuai
dengan kriteria performa dan anggaran.
Gambar 4. 8 Halaman Nilai Preferensi Tampilan halaman dapat dilihat pada Gambar
4.10.
4.2.7. Halaman Perangkingan
Halaman ini menyajikan hasil akhir
dalam bentuk perangkingan laptop berdasarkan
nilai preferensi tertinggi hingga terendah yang
diperoleh dari metode SAW (Simple Additive
Weighting). Setiap alternatif laptop ditampilkan
secara berurutan, di mana laptop dengan skor
tertinggi menempati peringkat pertama sebagai
rekomendasi terbaik sesuai dengan data dan
kriteria yang telah ditentukan sebelumnya.

1334
JITET (Jurnal Informatika dan Teknik Elektro Terapan) pISSN: 2303-0577 eISSN: 2830-7062 Sinaga dkk

bobot kriteria, sepenuhnya sama antara

hasil sistem dan hasil manual.
4.3.2. Validasi Hasil Peringkat dengan Ahli
Selain verifikasi komputasi, validasi
hasil dilakukan untuk menguji apakah peringkat
yang dihasilkan sistem sejalan dengan penilaian
intuitif dan pengetahuan seorang ahli. Validasi
ini penting untuk memastikan bahwa model
kriteria dan bobot yang digunakan mampu
merepresentasikan proses pengambilan
keputusan di dunia nyata secara akurat.
A. Metodologi Validasi
Gambar 4. 10 Halaman Home Validasi ini dilakukan oleh ahli dari
industri terkait, yaitu Bapak Indra, seorang
4.3. Analisis Hasil Sistem teknisi IT yang bekerja di Absolute Computer.
Tahap analisis dilakukan untuk mengukur Ahli tersebut memiliki spesialisasi sebagai
tingkat akurasi dan validitas Sistem Pendukung teknisi IT Laptop dan Komputer dengan
Keputusan (SPK) yang telah dibangun. Analisis pengalaman praktis bertahun-tahun dalam
ini mencakup dua pengujian utama: verifikasi menganalisis, memperbaiki, dan
perhitungan untuk memastikan sistem merekomendasikan perangkat keras, termasuk
mengimplementasikan metode Simple Additive laptop gaming.
Weighting (SAW) dengan benar, dan validasi Untuk menjaga objektivitas penilaian,
hasil dengan membandingkan peringkat sistem ahli diberikan daftar alternatif laptop beserta
terhadap penilaian seorang ahli untuk menguji data spesifikasi teknisnya. Beliau kemudian
kesesuaian hasil dengan dunia nyata. diminta untuk mengurutkan alternatif tersebut
4.3.1. Verifikasi Akurasi Perhitungan Sistem dari yang paling direkomendasikan hingga yang
Verifikasi akurasi bertujuan untuk kurang direkomendasikan, berdasarkan
memastikan bahwa setiap tahapan dalam keahlian dan penilaian profesionalnya.
algoritma SAW diimplementasikan tanpa B. Hasil Validasi
kesalahan komputasi. Proses ini dilakukan Peringkat yang disusun oleh ahli kemudian
dengan membandingkan secara rinci hasil dibandingkan dengan peringkat akhir yang
kalkulasi sistem dengan perhitungan manual dihasilkan oleh SPK metode SAW. Hasil
yang dilakukan menggunakan perangkat lunak perbandingan menunjukkan kesesuaian 100%,
Microsoft Excel. di mana urutan peringkat yang diberikan oleh
Perbandingan mencakup tiga aspek krusial ahli sepenuhnya identik dengan urutan
dalam metode SAW: peringkat yang dihasilkan oleh sistem. Data
1. Nilai Kriteria Maksimum/Minimum: Nilai perbandingan kedua peringkat tersebut
max untuk kriteria benefit dan nilai min disajikan secara rinci pada Tabel 4.11.
untuk kriteria cost yang diperoleh sistem
Tabel 4. 11 Perbandingan Peringkat Sistem dengan
dari himpunan data alternatif terbukti Peringkat Ahli
identik dengan perhitungan manual
No Laptop Peringkat Peringkat Status
2. Hasil Normalisasi Matriks (R): Setiap nilai Gaming Sistem Ahli
pada matriks ternormalisasi yang 1
AXIOO PONGO
1 1
Sesuai
dihasilkan oleh sistem menunjukkan 735
Lenovo LOQ Sesuai
kesesuaian 100% dengan hasil perhitungan 2
15IRX9
2 2
rumus normalisasi SAW secara manual di HP VICTUS 15 Sesuai
3 3 3
Excel. I5
4 MSI THIN 15 4 4 Sesuai
3. Nilai Preferensi Akhir (V): Skor akhir ACER Nitro V1 Sesuai
untuk setiap alternatif laptop, yang 5 5 ANV15-51- 5 5
merupakan hasil penjumlahan dari 50U5
Lenovo LOQ Sesuai
perkalian matriks ternormalisasi dengan 6
15IAX9
6 6

1335
JITET (Jurnal Informatika dan Teknik Elektro Terapan) pISSN: 2303-0577 eISSN: 2830-7062 Sinaga dkk

7
MSI CYBORG
7 7
Sesuai yang penting seperti kualitas sistem pendingin,
15 I7
ASUS TUF A15 Sesuai
build quality, atau kenyamanan papan ketik
8 8 8 belum diikutsertakan dalam analisis. Oleh
FA506NCR
9
ASUS TUF F15
9 9
Sesuai karena itu, disarankan untuk memperkaya
FX507ZC4
Acer Aspire 7 Sesuai
model dengan menambahkan kriteria-kriteria
10 10 10 kualitatif tersebut, yang nilainya dapat
Pro A715-59G
dikuantifikasi (misalnya dengan skala 1-5)
4.3.3. Kesimpulan Analisis berdasarkan rangkuman data dari ulasan para
Berdasarkan hasil verifikasi ahli, sehingga hasil rekomendasi menjadi lebih
perhitungan dan validasi pakar, dapat ditarik holistik dan sesuai dengan penggunaan di dunia
kesimpulan. Verifikasi menggunakan Microsoft nyata.
Excel mengonfirmasi bahwa SPK ini akurat
secara komputasi dan telah UCAPAN TERIMA KASIH
mengimplementasikan metode SAW tanpa Penulis mengucapkan syukur kepada Tuhan
kesalahan. Sementara itu, hasil validasi pakar Yang Maha Esa atas selesainya penulisan
yang menunjukkan kesesuaian 100% artikel ini. Terima kasih yang sebesar-besarnya
membuktikan bahwa sistem ini valid secara penulis haturkan kepada orang tua, dosen
fungsional. pembimbing, dan seluruh dosen Universitas
Mercu Buana Yogyakarta. Penulis juga
5. KESIMPULAN berterima kasih kepada ahli yang telah
Berdasarkan hasil perancangan, membantu proses validasi, serta kepada teman-
implementasi, serta pengujian yang telah teman atas segala doa, bimbingan, dan
dilakukan, maka dapat ditarik beberapa dukungan yang telah diberikan.
kesimpulan utama sebagai berikut:
1. Sistem Berhasil Dibangun dan Berfungsi DAFTAR PUSTAKA
Akurat Secara Komputasi. Sistem pendukung [1] VIPIN JAIN, BINDOO MALVIYA, and
keputusan pemilihan laptop gaming berbasis SATYENDRA ARYA, “An Overview of
Electronic Commerce (e-Commerce),” Journal
web dengan metode Simple Additive Weighting
of Contemporary Issues in Business and
(SAW) telah berhasil dibangun dan dapat Government, vol. 27, no. 3, Apr. 2021, doi:
menjalankan seluruh fungsinya dengan baik. 10.47750/cibg.2021.27.03.090.
Hasil pengujian verifikasi menunjukkan akurasi [2] I. Ratu Dian Kinasih and R. Puspita Sari,
100% saat dibandingkan dengan perhitungan “Sistem pendukung keputusan pemilihan laptop
manual, membuktikan bahwa logika dan lenovo ideapad di Tokopedia menggunakan
implementasi algoritma SAW, mulai dari metode TOPSIS,” Jurnal Ilmiah Sistem
normalisasi hingga perankingan, telah berjalan Informasi, vol. 4, no. 2, pp. 356–380, 2024, doi:
tanpa kesalahan. 10.46306/sm.v4i2.
2. Model Keputusan Terbukti Valid dan [3] W. N. Fadillah, M. H. Al-Areef, and J.
Khatulistiwa, “SISTEM PENDUKUNG
Relevan. Hasil pengujian validasi yang
KEPUTUSAN UNTUK MEMILIH LAPTOP
melibatkan seorang pakar (Teknisi IT dari IDEAL DENGAN METODE SAW,” 2023,
Absolute Computer) menunjukkan kesesuaian [Online]. Available:
peringkat 100%. Hal ini menjadi bukti kuat [Link]
bahwa model keputusan yang digunakan [4] F. Y. Pradana and I. Suharjo, “Implementasi
termasuk kriteria dan bobot yang telah Metode Simple Additive Weighting pada
ditentukan sangat relevan dan mampu Sistem Rekomendasi Pembelian Iphone
mereplikasi proses pengambilan keputusan Bekas,” Jurnal Penelitian Inovatif, vol. 4, no. 3,
seorang ahli secara akurat. Dengan demikian, pp. 937–948, Jun. 2024, doi:
sistem tidak hanya benar secara matematis, 10.54082/jupin.433.
[5] A. Adhi Mulya and Wiwien Hadikurniawati,
tetapi juga valid secara fungsional.
“Sistem Pendukung Keputusan Pemilihan
3. Dengan berfokus pada data teknis yang Laptop Gaming Menggunakan Metode AHP-
terukur (kuantitatif), sistem ini memiliki Topsis,” Infotek: Jurnal Informatika dan
kelebihan dalam memberikan penilaian yang Teknologi, vol. 7, no. 2, pp. 410–420, Jul. 2024,
konsisten dan bebas dari bias. Akan tetapi, doi: 10.29408/jit.v7i2.25988.
kekurangannya adalah faktor-faktor kualitatif

1336
JITET (Jurnal Informatika dan Teknik Elektro Terapan) pISSN: 2303-0577 eISSN: 2830-7062 Sinaga dkk

[6] Herli Setiawan and arita witanti, “Sistem [14] T. S. Purnomo, “SISTEM PENUNJANG
Pemilihan Laptop Berdasarkan Kriteria KEPUTUSAN PEMILIHAN FASHION
Kebutuhan Dengan Metode Simple Multi SEPATU ADIDAS MENGGUNAKAN
Attribute Rating Technique (SMART),” METODE SIMPLE ADDITIVE
Universitas Mercu Buana Yogyakarta, 2021. WEIGHTING,” Jurnal Informatika dan Teknik
Accessed: Mar. 29, 2025. [Online]. Available: Elektro Terapan, vol. 13, no. 1, Jan. 2025, doi:
[Link] 10.23960/jitet.v13i1.5822.
[Link]/[Link]/jisai/article/view/59 [15] M. I. Maulana and P. Nasution, “Menggunakan
[7] D. Syahputra, M. Farhan Azmi, and M. P. Metode ELECTRE Dengan Sistem Pendukung
Berutu, “Sistem Pendukung Keputusan Keputusan Dalam Memilih Laptop Gaming
Pemilihan Laptop Terbaik Dengan Metode Using Selection Methods With Decision
SMART Berbasis Web,” 2022. Support Systems In Choosing A Gaming
[8] R. Natasya, K. Erwansyah, and V. Winda Sari, Laptop,” 2023. [Online]. Available:
“Sistem Pendukung Keputusan Rekomendasi [Link]
Pemilihan Laptop Gaming Untuk Content [16] M. I. Maulana and P. Nasution, “Menggunakan
Creator Menggunakan Metode Electre,” Metode ELECTRE Dengan Sistem Pendukung
JURNAL SISTEM INFORMASI TGD, vol. 2, Keputusan Dalam Memilih Laptop Gaming,”
pp. 272–283, Mar. 2023, [Online]. Available: 2023. [Online]. Available: [Link]
[Link] [Link]/[Link]/JID
[9] D. Zidifaldi et al., “Sistem pendukung
keputusan dalam memilih laptop gaming dan
content creator sesuai kebutuhan dengan
menggunakan metode weighted product,”
Jurnal Digital Teknologi Informasi, vol. 3, p.
2020, 2020, Accessed: Mar. 29, 2025. [Online].
Available:
[Link]
m2jpvu7h2slzu/access/wayback/[Link]
m-
[Link]/digital/article/download/2636/
pdf
[10] A. Kadim, “Sistem Pendukung Keputusan
Pemilihan Laptop Menggunakan Model
FMADM (Fuzzy Multiple Attribute Decision
Making) dengan Metode Weighted Product
(WP),” Jurnal Multimedia dan Teknologi
Informasi (Jatilima), vol. 4, no. 02, pp. 83–91,
Nov. 2022, doi: 10.54209/jatilima.v4i02.331.
[11] M. Munir, M. Muhallim, and M. Mukramin,
“SISTEM PENDUKUNG KEPUTUSAN
REKOMENDASI PEMILIHAN MOBIL
BEKAS MENGGUNAKAN METODE
SIMPLE ADDITIVE WEIGHTING (SAW),”
Jurnal Informatika dan Teknik Elektro Terapan,
vol. 13, no. 1, Jan. 2025, doi:
10.23960/jitet.v13i1.5787.
[12] P. Prasetya et al., “SISTEM PENDUKUNG
KEPUTUSAN PEMBELIAN LAPTOP
DENGAN METODE SIMPLE ADDITIVE
WEIGHTING (SAW),” 2022.
[13] W. Widya, S. Paembonan, and M. Mukramin,
“SISTEM PENDUKUNG KEPUTUSAN
PENENTUAN PERINGKAT SISWA
MENGGUNAKAN METODE SIMPLE
ADDITIVE WEIGHTING (SAW),” Jurnal
Informatika dan Teknik Elektro Terapan, vol.
12, no. 3S1, Oct. 2024, doi:
10.23960/jitet.v12i3S1.5403.

1337