IMPLEMENTASI METODE SAW DALAM SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARTU GRAFIS UNTUK MENJALANKAN GIM TROUBLEMAKER SECARA OPTIMAL

Abstrak

Industri gim di Indonesia mengalami pertumbuhan pesat, terutama pada subsektor pengembang gim (game developer) dengan laju pertumbuhan 16,67%, melampaui subsektor musik. Salah satu gim lokal yang mendapat perhatian adalah Troublemaker: Raise Your Gang (2023). Namun, banyak gamers menghadapi kendala dalam menentukan kartu grafis (GPU) yang sesuai karena variasi spesifikasi dan harga yang beragam. Untuk menjawab permasalahan tersebut, penelitian ini membangun sebuah sistem pendukung keputusan berbasis website yang memberikan rekomendasi kartu grafis optimal dengan menggunakan metode Simple Additive Weighting (SAW). Metode SAW dipilih karena mampu menangani banyak kriteria secara terstruktur, objektif, dan transparan. Kriteria yang digunakan dalam penelitian ini mencakup kapasitas VRAM, jumlah GPU core, kecepatan clock GPU, harga, serta label. Sistem dirancang melalui tahap analisis kebutuhan, perancangan arsitektur sistem, implementasi algoritma SAW, dan pengujian sistem. Hasil implementasi menunjukkan bahwa sistem dapat menerima input preferensi pengguna, melakukan normalisasi data, memberikan bobot kriteria, hingga menghasilkan rekomendasi GPU berdasarkan skor tertinggi. Evaluasi sistem meliputi uji fungsional, uji performa, dan uji keamanan. Hasil pengujian menunjukkan bahwa sistem mampu memberikan rekomendasi yang akurat, dengan waktu respons kurang dari 5 detik meskipun memproses data dalam jumlah besar. Dengan demikian, sistem yang dikembangkan berhasil memenuhi kebutuhan pengguna dalam memilih kartu grafis yang optimal untuk memainkan gim Troublemaker, serta dapat dikembangkan lebih lanjut untuk mendukung berbagai jenis gim lain dengan spesifikasi berbeda.

The gaming industry in Indonesia has experienced rapid growth, particularly in the game developer subsector, which recorded a growth rate of 16.67%, surpassing the music subsector. One of the notable local games is Troublemaker: Raise Your Gang (2023). However, many gamers face challenges in choosing the right graphics card (GPU) due to the wide variation in specifications and prices. To address this issue, this research develops a web-based decision support system that provides optimal GPU recommendations using the Simple Additive Weighting (SAW) method. The SAW method was chosen because it can handle multiple criteria in a structured, objective, and transparent manner. The criteria used in this research include VRAM capacity, number of GPU cores, GPU clock speed, price, and brand label. The system was designed through several stages: requirement analysis, system architecture design, SAW algorithm implementation, and system testing. The results show that the system can accept user preferences, normalize data, apply weighted criteria, and generate GPU recommendations based on the highest score. System evaluation included functional testing, performance testing, and security testing. The results demonstrate that the system provides accurate recommendations, with a response time of less than 5 seconds even when processing large datasets. Therefore, the developed system successfully meets user needs in selecting the optimal graphics card to play Troublemaker, and it can be further developed to support other games with different specifications.