{"title":"Penerapan Metode Simple Multi Attribute Rating Technique pada Pemilihan Cafe Terfavorit","authors":"Suhardi, Aidil Halim Lubis, Annisa Aprilia, Indri Ayu Ningrum","doi":"10.55537/spk.v2i1.114","DOIUrl":null,"url":null,"abstract":"Banyaknya jumlah kafe yang ada di kota Medan khususnya di kawasan pemancingan membuat sebagian orang kesulitan untuk memilih kafe dengan kenyamanan yang baik untuk menghabiskan waktu bersama teman dan keluarga, baik itu untuk mengerjakan tugas maupun menghabiskan waktu bersama orang tersayang. Tujuan dari penelitian ini adalah untuk membantu pengunjung khususnya di area pemancingan yang kesulitan menemukan kafe terfavorit dengan kriteria dan bobot tertentu dengan melakukan observasi langsung di lapangan. Pada penelitian ini mengembangkan sistem pendukung keputusan yang menerapkan metode Simple Multi-Attribute Rating Technique (SMART) untuk menentukan kafe favorit di area pemancingan, dari hasil wawancara dengan beberapa pengunjung dan pihak terkait, dengan ini peneliti memperoleh beberapa dari data yang akan dibutuhkan seperti, kriteria dan bobot serta alternatif apa yang digunakan melalui penilaian dalam penelitian, sedangkan kriteria dan bobot yang digunakan sudah ditentukan sesuai dengan selera pengunjung, seperti kualitas pelayanan, harga, fasilitas, suasana, dan kepuasan pelanggan serta 25 alternatif yang akan dipertimbangkan dalam pemilihan kafe favorit di area pemancingan. Hasil pemeringkatan yang diperoleh dari penelitian ini adalah kafe Labasta dengan skor tertinggi yaitu 16.00 dipilih dan juga direkomendasikan sebagai kafe terfavorit di kawasan pemancingan. Sehingga penelitian ini dapat membantu menyelesaikan permasalahan di daerah pemancingan dengan menghasilkan keputusan penentuan kafe favorit melalui sistem pendukung keputusan dengan metode SMART.","PeriodicalId":233234,"journal":{"name":"Sistem Pendukung Keputusan dengan Aplikasi","volume":"151 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-03-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Sistem Pendukung Keputusan dengan Aplikasi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.55537/spk.v2i1.114","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Banyaknya jumlah kafe yang ada di kota Medan khususnya di kawasan pemancingan membuat sebagian orang kesulitan untuk memilih kafe dengan kenyamanan yang baik untuk menghabiskan waktu bersama teman dan keluarga, baik itu untuk mengerjakan tugas maupun menghabiskan waktu bersama orang tersayang. Tujuan dari penelitian ini adalah untuk membantu pengunjung khususnya di area pemancingan yang kesulitan menemukan kafe terfavorit dengan kriteria dan bobot tertentu dengan melakukan observasi langsung di lapangan. Pada penelitian ini mengembangkan sistem pendukung keputusan yang menerapkan metode Simple Multi-Attribute Rating Technique (SMART) untuk menentukan kafe favorit di area pemancingan, dari hasil wawancara dengan beberapa pengunjung dan pihak terkait, dengan ini peneliti memperoleh beberapa dari data yang akan dibutuhkan seperti, kriteria dan bobot serta alternatif apa yang digunakan melalui penilaian dalam penelitian, sedangkan kriteria dan bobot yang digunakan sudah ditentukan sesuai dengan selera pengunjung, seperti kualitas pelayanan, harga, fasilitas, suasana, dan kepuasan pelanggan serta 25 alternatif yang akan dipertimbangkan dalam pemilihan kafe favorit di area pemancingan. Hasil pemeringkatan yang diperoleh dari penelitian ini adalah kafe Labasta dengan skor tertinggi yaitu 16.00 dipilih dan juga direkomendasikan sebagai kafe terfavorit di kawasan pemancingan. Sehingga penelitian ini dapat membantu menyelesaikan permasalahan di daerah pemancingan dengan menghasilkan keputusan penentuan kafe favorit melalui sistem pendukung keputusan dengan metode SMART.