Publisher

PDSIPDSI

Journal Bulletin of Informatics and Data ScienceBulletin of Informatics and Data Science Abstract

Teknologi saat ini berkembang menjadi otomatisasi berupa sistem cerdas maupun Internet of Things. Teknologi-teknologi tersebut akan berkaitan dengan komponen-komponen yang salah satunya adalah microcontroller. Dewasa ini, semakin beragam pilihan microcontroller dengan beragam spesifikasi. Karena banyaknya variasi produk board microcontroller yang tersedia di pasaran, menuntut seseorang harus memahami satu per satu spesifikasi dari perangkat yang akan dibeli. Hal ini membutuhkan waktu yang lama untuk seseorang menentukan pilihanya. Penelitian bertujuan untuk mengembangkan Sistem Pendukung Keputusan (SPK) menggunakan Additive Ratio Assessment (ARAS) untuk membantu dalam memilih board microcontroller, sehingga dapat membantu dalam menentukan alternatif terbaik dengan tepat dan sesuai dengan kebutuhan. Pendekatan ARAS dapat melakukan pemilihan alternatif terbaik berdasarkan tingkat utilitas pada setiap alternatif dalam penentuan pemeringkatan alternatif atau alternatif terbaik. Berdasarkan hasil studi kasus yang dilakukan diperoleh nilai utilitas tertinggi adalah NodeMCU ESP8266 dengan nilai 0,8873, kemudian diikuti oleh FireBeetle ESP32 dengan nilai 0,8357, Arduino Uno R3 dengan nilai 0,5815 dan Quark D2000 dengan nilai 0,5298. Hasil perhitungan yang diperoleh oleh sistem dengan menghitung secara manual memperlihatkan perolehan nilai yang sama. Selain itu, berdasarkan hasil black box testing menunjukkan semua fitur yang diuji telah berhasil dengan baik.

Conclusion

Pada penelitian ini telah mengimplementasikan Additive Ratio Assessment (ARAS) pada pemilihan board microcontroller.Pendekatan ARAS dapat melakukan pemilihan alternatif terbaik berdasarkan tingkat utilitas pada setiap alternatif dalam penentuan pemeringkatan alternatif atau alternatif terbaik.Berdasarkan hasil studi kasus yang dilakukan diperoleh nilai utilitas tertinggi adalah NodeMCU ESP8266 dengan nilai 0,8873, kemudian diikuti oleh FireBeetle ESP32 dengan nilai 0,8357, Arduino Uno R3 dengan nilai 0,5815 dan Quark D2000 dengan nilai 0,5298.Hasil perhitungan yang diperoleh dari SPK yang dibangun dengan menghitung secara manual memperlihatkan perolehan nilai yang sama, ini berarti sistem telah menghasilkan perhitungan yang tepat.Sistem yang dikembangkan mempunya fungsi-fungsi seperti pengelolaan data kriteria, pengelolaan alternatif, pengelolaan nilai alternatif, melihat proses perhitungan metode ARAS dan melihat hasil rangking dari alternatif terbaik.Selain itu, berdasarkan hasil black box testing menunjukkan semua fitur yang diuji telah berhasil dengan baik.Ini artinya SPK pemilihan board microcontroller yang dibangun dapat bekerja sebagaimana mestinya.

Future Research

Penelitian lanjutan dapat mengembangkan sistem ini dengan memperluas kriteria penilaian, seperti memasukkan parameter daya konsumsi atau kekuatan tahan terhadap suhu ekstrem. Selain itu, sistem dapat diintegrasikan dengan data real-time dari pasar atau pengguna untuk memperbarui rekomendasi secara dinamis. Penelitian juga bisa membandingkan pendekatan ARAS dengan metode lain, seperti TOPSIS atau AHP, untuk mengevaluasi keakuratan dan keandalan hasil perhitungan. Dengan memperluas cakupan kriteria dan metode, sistem akan lebih relevan untuk berbagai aplikasi industri. Penelitian juga dapat mengeksplorasi penggunaan teknologi AI untuk meningkatkan efisiensi pemrosesan data dan memberikan rekomendasi yang lebih personal. Pendekatan ini akan memperkuat kegunaan sistem dalam pengambilan keputusan yang kompleks. Penelitian lanjutan juga bisa fokus pada pengujian keandalan sistem dalam skenario nyata, seperti penggunaan di lingkungan industri atau pendidikan. Dengan demikian, sistem akan lebih siap untuk diterapkan secara luas. Peneliti juga dapat mengevaluasi pengaruh bobot kriteria yang berbeda terhadap hasil perhitungan, sehingga memberikan wawasan tentang prioritas yang paling efektif dalam pemilihan board microcontroller. Penelitian ini akan memberikan dasar untuk pengembangan sistem yang lebih adaptif terhadap kebutuhan pengguna. Selain itu, penggunaan visualisasi data yang lebih interaktif dapat meningkatkan pengalaman pengguna dalam memahami hasil perhitungan.

References

1. Additive Ratio Assessment (ARAS) Method for Selecting English Course Branch Locations - IOPscience. additive... iopscience.iop.org/article/10.1088/1742-6596/1933/1/012070Additive Ratio Assessment ARAS Method for Selecting English Course Branch Locations IOPscience additive iopscience iop article 10 1088 1742 6596 1933 1 012070
2. Implementasi Metode Pengembangan Sistem Extreme Programming (XP) pada Aplikasi Investasi Peternakan |... jurnal.untan.ac.id/index.php/justin/article/view/40273Implementasi Metode Pengembangan Sistem Extreme Programming XP pada Aplikasi Investasi Peternakan jurnal untan ac index php justin article view 40273

Metadata

File size	606.91 KB
Pages	10
DMCA	Report