VOKASI NEWS – Pengembangan sistem pendukung keputusan skincare berbasis AHP dan SAW dengan validasi ahli dermatologi, membantu pemilihan produk lebih tepat.
Mahasiswa Program Studi D4 Teknik Informatika Fakultas Vokasi Universitas Airlangga mengembangkan sistem pendukung keputusan berbasis web untuk membantu pengguna memilih produk skincare. Sistem ini memanfaatkan metode Analytical Hierarchy Process (AHP) untuk menentukan bobot kriteria utama, serta Simple Additive Weighting (SAW) untuk menghitung skor akhir produk.
Perhitungan bobot AHP dilakukan berdasarkan penilaian seorang expert, yaitu lulusan apoteker yang berpengalaman sebagai beauty advisor di Paragon, perusahaan kosmetik nasional pemilik merek Make Over. Kriteria yang digunakan meliputi jenis produk, jenis kulit, harga, brand, dan efek yang diinginkan.
“Pemilihan metode AHP dan SAW memastikan bobot kriteria dan skor akhir dapat dipertanggungjawabkan,” ujar Endah Purwanti, dosen pembimbing penelitian ini.
Pengembangan Sistem
Data produk skincare dikumpulkan dari berbagai sumber daring. Selanjutnya dilakukan pembersihan data agar informasi siap diproses. Sistem dibangun dalam bentuk aplikasi web menggunakan Python dengan kerangka kerja Flask.
Salah satu fitur utama adalah deteksi jenis kulit otomatis melalui kuesioner singkat yang mudah dipahami pengguna awam. Setelah jenis kulit teridentifikasi, sistem memberikan edukasi mengenai produk dan efek yang sesuai. Barulah pemeringkatan produk dilakukan berdasarkan hasil perhitungan AHP dan SAW.
Validasi dan Evaluasi
Kuesioner serta pemetaan jawaban divalidasi oleh dokter spesialis dermatologi dengan mengacu pada literatur klinis. Validasi ini memastikan hasil deteksi jenis kulit, pemetaan efek, dan rekomendasi produk sesuai standar medis.
Evaluasi kegunaan dilakukan menggunakan metode System Usability Scale (SUS) pada 15 responden. Skor rata-rata yang diperoleh mencapai 90,83, sehingga sistem masuk kategori sangat baik menurut standar SUS.
Manfaat dan Pengembangan Lanjutan
Sistem ini bermanfaat untuk mempercepat proses pemilihan produk sekaligus memberikan informasi yang objektif. Jika filter awal tidak menemukan kecocokan, tersedia fitur fallback yang menampilkan alternatif produk.
Ke depannya, pengembangan akan mencakup integrasi ulasan pengguna dan analisis sentimen untuk memperkaya penilaian produk. Uji coba lapangan juga direncanakan guna mengukur efektivitas sistem di lingkungan nyata.
[BACA JUGA: Magang Bermakna: Mahasiswa Pelajari Etika dan Teknik Pengambilan Sampel Pasien Rawat Inap]
***
Penulis: Amelia Yunisa
