Sistem Pendukung Keputusan (DSS) cerdas berbasis Python dan Streamlit untuk memberikan rekomendasi laptop terbaik secara objektif. Menggunakan algoritma SAW, TOPSIS, dan WASPAS dengan antarmuka analitik Premium Dashboard.
|
Data-Driven Filtering Memfilter 1,300+ dataset laptop asli berdasarkan budget constraints dan kebutuhan RAM minimum pengguna secara dinamis. |
Multi-Algorithm Analytics Komparasi real-time menggunakan 3 algoritma MCDM terkemuka (SAW, TOPSIS, dan WASPAS) untuk meminimalkan bias merek (brand bias). |
|
Executive Dashboard Antarmuka Web Streamlit dengan desain Premium Glassmorphism yang responsif dan interaktif. |
Decomposition Transparency Menampilkan seluruh langkah perhitungan matematis secara rinci (Fase Normalisasi hingga Preferensi) pada setiap tab algoritma. |
Sistem mengevaluasi setiap laptop berdasarkan matriks keputusan komprehensif:
Bobot Kriteria (Criteria Weights):
- C1 (Harga/Price) - 35% Bobot
(Atribut Cost) - C2 (Kapasitas RAM) - 20% Bobot
(Atribut Benefit) - C3 (Kapasitas Storage) - 20% Bobot
(Atribut Benefit) - C4 (Berat/Weight) - 15% Bobot
(Atribut Cost) - C5 (Ukuran Layar/Screen) - 10% Bobot
(Atribut Benefit)
Implementasi Algoritma:
- SAW (Simple Additive Weighting): Metode penjumlahan terbobot klasik.
- TOPSIS: Mengevaluasi metrik berdasarkan jarak terpendek ke solusi ideal positif (A+) dan terjauh dari ideal negatif (A-).
- WASPAS: Kombinasi hybrid aditif dan eksponensial (WSM & WPM) dengan parameter agregasi λ = 0.5.
Sistem ini bisa dijalankan melalui Jupyter Notebook atau sebagai Web Aplikasi Streamlit.
- Clone Repository
git clone https://github.com/HyLuthfi/laptop-recommendation-dss.git cd laptop-recommendation-dss - Install Dependensi
pip install -r requirements.txt
- Jalankan Server Streamlit
streamlit run app.py
Buka file pemilihan_laptop.ipynb untuk melihat eksekusi algoritma baris-demi-baris, normalisasi data raw, dan visualisasi bar chart menggunakan Matplotlib.