Sistem Pendukung Keputusan / Decision Support System Pemodelan dan Manajemen Model & Analytic Hierarchy Process (AHP)
|
|
- Devi Susman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Sistem Pendukung Keputusan / Decision Support System Pemodelan dan Manajemen Model & Analytic Hierarchy Process (AHP) Oleh : Imam Cholissodin S.Si., M.Kom
2 Content 1. Pemodelan dalam MSS (manajemen support system) 2. Aspek-Aspek dalam Pemodelan 3. Model Berdasarkan Waktu 4. Analisis Keputusan 5. Forecasting (Peramalan) 6. Bahasa Pemodelan 7. Model Base Structure and Management 8. Analytic Hierarchy Process (AHP) 9. Case Study 10. Latihan Individu + Tugas Kelompok
3 Pemodelan dalam MSS Salah satu contoh DSS, yaitu dari Frazee Paint, Inc., memiliki 3 jenis model: 1. Model statistik (analisis regresi), digunakan untuk mencari relasi diantara variabel. 2. Model finansial untuk pengembangan laporan pemasukan dan proyeksi data finansial untuk beberapa tahun. 3. Model optimasi dibuat menggunakan model management science yang disebut pendekatan Linear Programming maupun pendekatan algoritmik dalam rangka melakukan optimasi pilihan.
4 Aspek-Aspek dalam Pemodelan Beberapa aspek dalam Pemodelan : Identifikasi masalah dan analisis lingkungan. Identifikasi variabel. Perkiraan (forecasting). Model. Manajemen model.
5 Model Berdasarkan Waktu Model statis : mengambil satu kejadian saja dalam suatu situasi, baik waktunya singkat maupun lama. Diasumsikan adanya stabilitas dalam satu interval waktu tersebut. Model dinamis : digunakan untuk mengevaluasi skenario yang berubah setiap saat. Model ini tergantung pada waktu. Dapat menunjukkan tren dan pola pada waktu tertentu.
6 Analisa Keputusan Analisa Keputusan : Analisa situasi yang melibatkan sejumlah alternatif keputusan dan umumnya tak terlalu banyak alternatif (bagian dari proses trade-off). Membuat pendekatan model dimana alternatif-alternatif tadi didaftarkan dengan perkiraan kontribusi yang berpotensi ke tujuan. Beberapa macam analisis keputusan : Satu tujuan (single goal) : Kondisi untuk satu tujuan pendekatannya menggunakan tabel keputusan Banyak tujuan (multiple goals) : Pendekatannya dengan beberapa teknik.
7 Tabel Keputusan Terdapat suatu perusahaan investasi yang sedang mempertimbangkan investasi yang akan dilakukan pada 3 alternatif ini: bonds, stocks, atau certificates of deposit (CDs). Perusahaan ini hanya mempunyai 1 tujuan, yaitu memaksimalkan investasi. Hasilnya tergantung pada status ekonomi berikut : solid growth, stagnation, dan inflation. Alternative Solid Growth Stagnation Inflation Bonds / obligasi 12.0% 6.0% 3.0% Stocks / saham 15.0% 3.0% -2.0% CDs 6.5% 6.5% 6.5% Sebagai catatan: menginvestasikan 50 persen bonds dan 50 persen stocks adalah alternatif lain, dan hal ini dapat ditambahkan sebagai alternatif keempat
8 Tabel Keputusan Mengatasi Uncertainty : Tidak membuat keputusan dalam situasi ketidakpastian Menggunakan pendekatan optimistik dengan melihat keluaran terbaik dari setiap alternatif. Pendekatan pesimistik (konservatif) melihat keluaran terjelek yang mungkin untuk setiap alternatif. Mengatasi Resiko : Mengasumsikan bahwa peluang dari solid growth diperkirakan 50 persen, stagnation 30 persen, dan inflation 20 persen. Alternative Solid Growth 0.50 Stagnation 0.30 Inflation 0.20 Expected Value Bonds 12.0% 6.0% 3.0% 8.4% (Maximum) Stocks 15.0% 3.0% -2.0% 8.0% CDs 6.5% 6.5% 6.5% 6.5% ( (12.0%)*(0.5) ) + ( (6.0%)*(0.3) ) + ( (3.0%)*(0.2) ) = 8.4% Metode yang paling umum untuk menyelesaikan masalah analisis resiko ini adalah memilih expected value tertinggi.
9 Multiple Goals Kasus sederhana dari masalah multiple goal ditunjukkan pada tabel berikut ini: Alternative Yield Safety Liquidity Bonds 8.4% High High Stocks 8.0% Low High CDs 6.5% Very High High 3 tujuan yang ingin dicapai: yield (hasil), safety (keamanan), dan liquidity (likuiditas). Harus dipertimbangkan juga bahwa beberapa nilai dalam tabel bukanlah numerik saja, tetapi juga ada yang bernilai kualitatif (misal ; Low, High). Menggunakan pendekatan dengan beberapa teknik pemodelan.
10 Optimasi Optimasi dengan Pemrograman Matematis : Membantu menyelesaikan masalah manajerial. Mengalokasikan resources yang terbatas (misal tenaga kerja, modal, mesin) diantara sekian banyak aktivitas. Mengoptimalkan tujuan yang ditetapkan. Karakteristik : Pengalokasian resources biasanya dibatasi oleh pelbagai batasan dan kebutuhan yang disebut dengan constraints. Contoh : (Linear Programming)
11 Optimasi Contoh : (Linear Programming) Dalam membuat cat Berkualitas, dibutuhkan tingkat brilliance paling tidak 300 derajat dan level hue paling tidak 250 derajat. Note : Level brilliance dan hue ditentukan oleh 2 bahan, yaitu Alpha (x 1 ) dan Beta (x 2 ). Alpha dan Beta memberikan kontribusi yang sama ke tingkat brilliance, 1 ounce (berat kering) dari keduanya menghasilkan 1 derajat brilliance dalam 1 drum cat. (1x 1 + 1x ) Namun, hue diatur seluruhnya oleh jumlah Alpha; 1 ounce darinya menghasilkan 3 derajat hue dalam 1 drum cat. (3x 1 + 0x 2 250) Biaya Alpha adalah $45 per ounce, dan biaya Beta adalah $12 per ounce. Diasumsikan bahwa tujuan dari kasus ini adalah meminimalkan biaya resources. (z = 45x x 2 ) Tentukan jumlah Alpha dan Beta yang optimal untuk membuat cat tersebut!
12 Optimasi Jawab : (Linear Programming) Decision variables : x1 = jumlah Alpha yang diperlukan, dalam ounces, dalam setiap drum cat x2 = jumlah Beta yang diperlukan, dalam ounces, dalam setiap drum cat Temukan x 1 dan x 2 yang meminimimalkan : z = 45x x 2 Permasalahan diatas dapat diformulasikan dengan batasan : 1x 1 + 1x (spesifikasi brilliance : kecerahan, brightness) 3x 1 + 0x (spesifikasi hue) Solusi yang dihasilkan komputer : x 1 = x 2 = Biaya total = $
13 Linear Programming Perumusan Umum dan Istilah Decision Variables. Cost Coefficients. Input-Output Coefficients. Capacities / Requirements. Cost Coefficients 1X 1 +1X X 1 +0X Z = 45X 1 +12X 2 Decision Variables Input-Output Coefficients Capacities or Requirements
14 Diskusi Kelompok Buatlah contoh kasus optimasi, dan selesaikan dengan LP dengan topik bebas dan ilmiah.
15 Simulasi Teknik untuk melakukan percobaan (misalnya what-if ) dengan komputer digital pada suatu model dari sistem manajemen. What-If : berangkat dari pertanyaan: Apa yang terjadi jika suatu variabel input, asumsi, atau nilai sebuah parameter berubah? Contoh: 1. Apa yang akan terjadi pada biaya inventory total jika biaya pengangkutan ke inventory meningkat 10 persen? 2. Apa yang akan terjadi pada market share jika biaya iklan meningkat 5 persen? Simulasi melibatkan testing pada variabel input dengan nilai tertentu dan mengamati akibatnya pada variabel output. Simulasi digunakan untuk permasalahan yang kompleks/ sulit bila diselesaikan dengan optimasi numerik (misalnya LP). Kompleksitas disini berarti bahwa permasalahan tadi tak bisa dirumuskan untuk optimasinya atau perumusannya terlalu kompleks
16 Simulasi Metodologi Simulasi : Real-World Problem Definisi masalah Membangun model simulasi Testing dan validasi model Desain percobaan Melakukan percobaan Evaluasi hasil Implementasi Simulasi lebih bersifat deskriptif. Hal ini mengijinkan manajer untuk menanyakan jenis pertanyaan what-if. Tetapi, terkadang begitu mudah diterima oleh manajer sehingga solusi analitis yang dapat menghasilkan solusi optimal malah sering dilupakan.
17 Forecasting (Peramalan) Forecasting digunakan untuk memperkirakan nilai variabel model, dan juga hubungan logika model, pada suatu waktu tertentu di masa mendatang. Metode forecasting : Formal : Judgment method : Didasarkan pada pertimbangan subyektif dan opini dari seorang pakar. Counting method : Melibatkan berbagai eksperimen atau survey dari contoh data. Time-series analysis : Menganalisis sekumpulan nilai yang diukur pada selang waktu tertentu. Association or causal methods : Menyertakan analisis data untuk mencari asosiasi data dan, jika mungkin, menemukan hubungan sebab-akibatnya. Informal : intuisi, dugaan, dan prediksi.
18 Bahasa Pemodelan Bahasa pemrograman yang biasa dipakai untuk penyelesaian Model : C, C++ Turunannya seperti Java, PHP, C#, etc. Software untuk level yang lebih sederhana kita bisa menggunakan spreadsheet : MS Office Excel Open Office Libre, etc Software untuk level yang lebih khusus, misalnya : ProModel Arena SIMAN, etc
19 Model Base Structure and Management Paket software untuk Model Base Management System (MBMS) dengan kemampuan yang serupa dengan konsep DBMS dalam database. Contoh Paket Software untuk MBMS: Expert Choice Decision Master Decision Aid Criterium Orion Arborist Lightyear Decision PAD Decision AIDE II
20 Diskusi Kelompok Tentukan Database dan Bahasa Pemrograman yang anda gunakan untuk : Managemen Data Managemen Model dalam membangun DSS sesuai dengan Topik Anda. Berikan alasan dengan mendeskripsikan support teknologi dan feature andalan dari kedua Tool tersebut. (Dipresentasikan)
21 Model Base Structure and Management Kemampuan yang diinginkan dari suatu MBMS : 1. Kontrol. Baik untuk sistem yang otomatis maupun manual. 2. Fleksibelitas. Mudah menghadapi perubahan. 3. Umpan balik. Selalu up-to-date, bersifat kekinian. 4. Antarmuka. User merasa nyaman dan mudah menggunakan. 5. Pengurangan redundansi. Model yang di-share dapat mengurangi penyimpanan data yang redundan. 6. Peningkatan konsistensi. Mengatasi data yang berbeda atau versi model yang berbeda. Untuk mencapai kemampuan di atas, desain MBMS harus mengijinkan user untuk: 1. Mengakses dan me-retrieve model yang ada. 2. Berlatih dan memanipulasi model yang ada. 3. Menyimpan model yang ada. 4. Mengkonfigurasi model yang ada. 5. Membangun model baru.
22 Analytic Hierarchy Process (AHP) Prinsip Dasar AHP (Prof. Thomas L. Saaty, 1980) : 1. Problem Decomposition (Penyusunan Hierarki Masalah) : o o Identifikasi tujuan keseluruhan dan sub-tujuan yang ada. Mencari kriteria untuk memperoleh sub-tujuan dari tujuan keseluruhan. o Menyusun sub-kriteria dari masing-masing kriteria, dimana setiap kriteria dan sub-kriteria harus spesifik dan menunjukkan tingkat nilai dari parameter. o Menentukan siapa saja pelaku yang terlibat dalam sistem dan kebijakan dari masing-masing pelaku. o Menentukan alternatif sebagai output tujuan yang akan ditentukan prioritasnya. 2. Comparative Judgement (Penilaian Perbandingan Berpasangan) : o o o Prinsip ini dilakukan dengan membuat penilaian perbandingan berpasangan tentang kepentingan relatif dari dua elemen pada suatu tingkat hierarki tertentu dalam kaitannya dengan tingkat di atasnya. Memberikan bobot numerik berdasarkan perbandingan tersebut. Menyajikan dalam bentuk matriks yang disebut pairwise comparison.
23 Analytic Hierarchy Process (AHP) Prinsip Dasar AHP (Prof. Thomas L. Saaty, 1980) : 3. Synthesis of Priority (Penentuan Prioritas) : o Tahap untuk mendapatkan bobot bagi setiap elemen hierarki dan elemen alternatif. 4. Logical Consistensy (Konsistensi Logis) : o Konsistensi data didapat dari rasio konsistensi (CR) yang merupakan hasil bagi antara indeks konsistensi (CI) dan indeks random (RI). Keunggulan AHP : o o o Model DSS yang mampu menghasilkan suatu alternatif keputusan secara terstruktur. Adanya skema hierarki hingga proses kalkulasi yang didasarkan pada konsistensi data yang diberikan. Menghasilkan suatu alternatif keputusan yang komprehensif, rasional dan optimal.
24 Analytic Hierarchy Process (AHP) Langkah dan Prosedur dalam memecahkan permasalahan menggunakan metode AHP : 1. Mendefinisikan permasalahan dan menentukan tujuan. 2. Menyusun masalah ke dalam suatu struktur hierarki sehingga permasalahan yang kompleks dapat ditinjau dari sisi yang detail dan terukur. 3. Menghitung nilai prioritas untuk tiap elemen masalah pada setiap hierarki. Prioritas ini dihasilkan dari suatu matriks perbandingan berpasangan antara seluruh elemen pada tingkat hierarki yang sama. 4. Melakukan pengujian konsistensi terhadap perbandingan antar elemen yang didapatkan pada tiap tingkat hierarki untuk digunakan dalam pertimbangan penghitungan perangkingan akhir. Skala Perbandingan Berpasangan Penetapan skala kuantitatif digunakan untuk menilai perbandingan tingkat kepentingan suatu elemen terhadap elemen lain dapat dilihat sebagai berikut :
25 Analytic Hierarchy Process (AHP) Nilai Skala Perbandingan Berpasangan : Intensitas Kepentingan Keterangan 1 Kedua elemen sama pentingnya 3 Elemen yang satu sedikit lebih penting daripada elemen lainnya 5 Elemen yang satu lebih penting daripada elemen lainnya 7 Satu elemen jelas lebih mutlak penting daripada elemen lainnya 9 Satu elemen mutlak penting daripada elemen lainnya 2, 4, 6, 8 Nilai-nilai antara/ Nilai Tengah dua nilai pertimbangan yang berdekatan Kebalikan Nilai kebalikan, A(i,j)=1/A(j,i). Dimana A adalah matrik perbandingan berpasangan antar elemen baik kriteria, sub-kriteria maupun alternatif tujuan.
26 Analytic Hierarchy Process (AHP) Contoh Logika Penentuan Skala Perbandingan Berpasangan : Jika terdapat 2 perbandingan berpasangan : Buah Durian (Ekstrim) Sangat Begitu Suka Sekali Sangat Suka Sekali Sangat Suka Suka Biasa Suka Sangat Suka (Ekstrim) Sangat Sangat Begitu Suka Suka Sekali Sekali Buah Mangga actual judgment value reciprocal value Mempertimbangkan nilai aktualnya Mempertimbangkan nilai kebalikannya Contoh : Jika anda mengatakan saya sangat menyukai sekali Mangga dari pada Durian, maka hasilnya akan ditandai ( ) sebagai berikut : Sehingga hasil matrik perbandingannya adalah sebagai berikut : Durian Mangga Durian 1 1/7 Mangga 7 1
27 Analytic Hierarchy Process (AHP) Contoh Logika Penentuan Skala Perbandingan Berpasangan : Jika terdapat 3 perbandingan berpasangan : Buah Durian (Ekstrim) Sangat Begitu Suka Sekali Sangat Suka Sekali Sangat Suka Suka Biasa Suka Sangat Suka Sangat Suka Sekali (Ekstrim) Sangat Begitu Suka Sekali Buah Mangga Buah Durian (Ekstrim) Sangat Begitu Suka Sekali Sangat Suka Sekali Sangat Suka Suka Biasa Suka Sangat Suka (Ekstrim) Sangat Sangat Begitu Suka Suka Sekali Sekali Buah Jeruk Buah Mangga (Ekstrim) Sangat Begitu Suka Sekali Sangat Suka Sekali Sangat Suka Suka Biasa Suka Sangat Suka (Ekstrim) Sangat Sangat Begitu Suka Suka Sekali Sekali Buah Jeruk
28 Analytic Hierarchy Process (AHP) Contoh Logika Penentuan Skala Perbandingan Berpasangan : Contoh : Jika diketahui hasil yang ditandai ( ) adalah sebagai berikut : Sehingga hasil matrik perbandingannya adalah sebagai berikut : Durian Mangga Jeruk Durian 1 1/7 5 Mangga Jeruk 1/5 1/2 1
29 Analytic Hierarchy Process (AHP) Contoh Logika Penentuan Skala Perbandingan Berpasangan : Bagaimana jika terdapat n buah objek untuk perbandingan berpasangan : Berapakah banyak pasangan perbandingannya? Banyak Objek (n) n Banyaknya Perbandingan (p) n ( n 1) 2 n = 2 n = 4 A B A 1 5 B 1 A B C D A B C 1 5 D 1 Maka jika terdapat n = 25 objek kriteria, maka banyaknya perbandingan berpasangannya adalah sebagai berikut : ( n 1) 25( 25 1) n 600 p = = = =
30 Analytic Hierarchy Process (AHP) Detail Proses AHP : 1. Membuat Matrik Perbandingan Berpasangan 2. Normalisasi 3. Perhitungan Eigen Vektor (Bobot Kriteria) 4. Perhitungan Eigen Value (Lamda Maksimum) 5. Menentukan Konsistensi Nilai CR (Consistency Ratio) 6. Perhitungan nilai Bobot Sub-Kriteria (Jika ada) 7. Perhitungan Nilai Bobot Alternatif 8. Perangkingan Akhir Hirarki Kompleksitas Permasalahan : Pengambilan Keputusan Sederhana : Terdapat hanya beberapa kriteria saja. Kompleks : Terdapat banyak level kriteria dan sub-kriteria. Proses Awal : Menentukan Nilai Bobot Kriteria maupun Sub-Kriteria & Mengevaluasi Nilai Konsistensi
31 Analytic Hierarchy Process (AHP) Hirarki Kompleksitas Permasalahan : Sederhana : Terdapat hanya 1 level kriteria. Kompleks : Terdapat banyak level kriteria dan sub-kriteria. Lulus/Tidak Lulus Prestasi Wawancara Test Bidang Internasional Nasional Regional Akademik Keterkaitan Kelancaran Sikap Praktek Teori Mahasiswa 1 Mahasiswa 2 Mahasiswa.. Mahasiswa n
32 Contoh Case Study Pengambilan Keputusan Pemilihan Pembelian Motor : (Case Study 1) Tujuan/ Goal : Pemilihan Sepeda Motor Matic. Kriteria : Model (M), Kehandalan (K), Kapasitas Bahan Bakar (KBB) Kriteria Kualitatif : Model (M), Kehandalan (K) Kriteria Kuantitatif : Kapasitas Bahan Bakar (KBB) Alternatives : Honda Beat, Yamaha Mio, Suzuki Spin, Honda Vario. Membuat Hirarki Tree-nya : Pemilihan Motor Model Kehandalan Kapasitas Bahan Bakar Beat Mio Spin Vario
33 Contoh Case Study Membuat Hirarki Tree-nya : Pemilihan Motor Level 0 Model Kehandalan Kapasitas Bahan Bakar Level 1 Beat Mio Spin Vario Level 2 Membuat Matrik perbandingan : Model Kehandalan Kapasitas Model 1 ½ 3 Kehandalan Kapasitas 1/3 1/4 1
34 Contoh Case Study Menghitung Bobot Kriteria : Perhatikan persamaan [Ax = λ max x], dimana : A = Matrik Perbandingan dengan ukuran n x n, n merupakan banyak kriteria. X = Bobot kriteria, atau Eigen Vector dengan ukuran n x 1, juga disebut sebagai priority vector atau ranking of priorities. λ max = Eigen Value, atau sebagai koefisien bobot Normalisasi : Normalisasi, yaitu tiap nilai dalam kolom matrik A dibagi dengan hasil penjumlahan kolomnya (Norm_A). Menghitung rata-rata per baris dari matrik Normalisasi (X). 1 A = Norm_A = Bobot Kriteria 0.32 X = Jumlah per kolom : Norm_A (1,1) = = 0.30 X (1,1) = =
35 Contoh Case Study Normalisasi : Normalisasi, yaitu tiap nilai dalam kolom dibagi dengan hasil penjumlahan kolom. Menghitung rata-rata per baris dari matrik Normalisasi. 1 A = Norm_A = Jadi Bobot Kriterianya adalah sebagai berikut : Bobot Kriteria 0.32 X = Jumlah per kolom : Norm_A (1,1) = = 0.30 X (1,1) = = Pemilihan Motor 1.00 Model 0.32 Kehandalan 0.56 Kapasitas Bahan Bakar 0.12
36 Contoh Case Study Mengecek Konsistensi (Hitung Nilai CR) : [Ax = λ max x], maka : A x Ax x = = λmax Jumlah : λ max = average,, = = λmax n Consistenc y Index( CI) = = = n Tabel Random Consistency Index (RI) : 3.02 n RI ( n adalah banyak kriteria )
37 Contoh Case Study Mengecek Konsistensi (Hitung Nilai CR) : [Ax = λ max x], maka : A x Ax x = = λmax Jumlah : λ max = average,, = = λmax n Consistenc y Index( CI) = = = n CI 0.01 Consistenc y Ratio ( CR) = = = RI 0.58 Karena CR = < 0.1, maka dapat disimpulkan bahwa hasil evaluasi matrik A konsisten.
38 Contoh Case Study Membuat ranking alternatives base kriteria : Untuk kriteria Model (M) : Model Beat Mio Spin Vario Beat 1 1 / 4 = / 6 = 0.17 Mio / 4 = 0.25 Spin 1 / 4 = / 4 = / 5 = 0.20 Vario Menghitung Bobot setiap Alternatif pada Kriteria Model : A m 1 4 = Jumlah per kolom : Norm_A m = Priority Vector atau Bobot setiap Alternatif dari Kriteria Model X m = Norm_A m (1,1) = = X m (1,1) = =
39 Contoh Case Study Membuat ranking alternatives base kriteria : Untuk kriteria Kehandalan (K) : Kehandalan Beat Mio Spin Vario Beat Mio 1 / 2 = Spin 1 / 5 = / 3 = / 4 = 0.25 Vario 1 1 / 2 = Menghitung Bobot setiap Alternatif pada Kriteria Kehandalan : A k = Jumlah per kolom : Norm_A k = Priority Vector atau Bobot setiap Alternatif dari Kriteria Kehandalan X k = Norm_A k (1,1) = = X k (1,1) = =
40 Contoh Case Study Membuat ranking alternatives base kriteria : Untuk kriteria Kapasitas Bahan Bakar (KBB) : Karena Kapasitas Bahan Bakar merupakan kriteria kuantitatif, maka dapat digunakan langsung kapasitas perbandingannya untuk menentukan rangking alternative-nya, namun ini tidak bersifat mutlak, artinya anda dapat juga membuat dalam bentuk matrik perbandingan) Kapasitas Bahan Bakar (Liter) Beat 4.4 Mio 4.7 Spin 5.5 Vario 5.8 Jumlah per kolom : Priority Vector atau Bobot setiap Alternatif dari Kriteria Kapasitas Bahan Bakar Normalisasi X kbb =
41 Contoh Case Study Membuat Hirarki Tree & Bobotnya : Model 0.32 Beat 0.13 Mio = 0.24 Spin 0.07 Vario 0.56 Beat 0.38 Mio = 0.29 Spin 0.07 Vario 0.26 Beat 0.22 Mio = 0.23 Spin 0.27 Vario 0.28 Perangkingan Akhir setiap alternatif untuk pengambilan keputusan: Beat 0.13 Mio = 0.24 Spin 0.07 Vario Pemilihan Motor Kehandalan = Kapasitas Bahan Bakar 0.12 Sehingga keputusan akhir pemilihan untuk rekomendasi pembelian motor matic adalah Honda Vario. Matrik Prioritas Bobot Kriteria
42 Contoh Case Study Pengambilan Keputusan Pemilihan Pembelian Motor : (Case Study 2) Tujuan/ Goal : Pemilihan Sepeda Motor Matic. Kriteria : Model (M), Kehandalan (K), Kapasitas Bahan Bakar (KBB) Kriteria Kualitatif : Model (M), Kehandalan (K) Kriteria Kuantitatif : Kapasitas Bahan Bakar (KBB) Sub-Kriteria : Model : Model Konvensional, Model Millenium, Model Standard Alternatives : Honda Beat, Yamaha Mio, Suzuki Spin, Honda Vario. Membuat Hirarki Tree-nya : Pemilihan Motor Model Kehandalan Kapasitas Bahan Bakar Konvensional Millenium Standard Beat Mio Spin Vario
43 Contoh Case Study Membuat Hirarki Tree-nya : Pemilihan Motor Level 0 Model Kehandalan Kapasitas Bahan Bakar Level 1 Konvensional Millenium Standard Level 2 Beat Mio Spin Vario Level 3
44 Level 1 (Kriteria) : Membuat Matrik perbandingan : Contoh Case Study Model Kehandalan Kapasitas Model Kehandalan 1/2 1 4 Kapasitas 1/3 1/4 1 Menghitung Bobot Kriteria terhadap goal : A = Norm_A = Bobot Kriteria 0.32 X = Bobot Terhadap Goal Model 0.32 Kehandalan 0.56 Kapasitas 0.12
45 Contoh Case Study Level 1 (Kriteria) : Mengecek Konsistensi (Hitung Nilai CR) A x Ax x = = λmax λ max = average,, = 3.02 λmax n CI = = = 0.01 n CI 0.01 Consistenc y Ratio = RI 0.58 Karena CR = < 0.1, ( CR) = = maka dapat disimpulkan bahwa hasil evaluasi matrik A konsisten.
46 Contoh Case Study Level 2 (Sub Kriteria) : Kriteria Model : Model Konvensional, Model Millenium, Model Standard Membuat Matrik perbandingan : Model Konvensional Millenium Standard Konvensional 1 1/4 1/3 Millenium Standard 3 1/2 1 Menghitung Bobot Sub-Kriteria terhadap Kriteria : A = Norm_A = Diketahuai Bobot Kriteria Model = 0.32, maka Bobot Kriteria 0.12 X = Bobot Terhadap Kriteria Bobot Terhadap Goal Konvensional *0.32 = 0.04 Millenium *0.32 = 0.18 Standard *0.32 = 0.10
47 Contoh Case Study Level 2 (Sub Kriteria) : Kriteria Model : Model Konvensional, Model Millenium, Model Standard Mengecek Konsistensi (Hitung Nilai CR) A x Ax x = 1.68 = λmax λ max = average,, = n adalah banyak Sub-Kriteria λmax n CI = = = 0.02 n CI 0.02 Consistenc y Ratio = RI 0.58 Karena CR = < 0.1, ( CR) = = maka dapat disimpulkan bahwa hasil evaluasi matrik A konsisten.
48 Contoh Case Study Level 2 (Sub Kriteria) : Kriteria Kehandalan (Tidak ada Sub-Kriteria) Kriteria Kapasitas (Tidak ada Sub-Kriteria) Uji Konsistensi Hirarki (CRH_2) : Index Konsistensi Hirarki (CIH_2) Level 2 : CR_1 = X_1 = [ ] CR_2 = [ ] t karena Kriteria Kehandalan dan Kriteria Kapasitas tidak memiliki Sub-Kriteria, maka nilai CR_2 dari keduanya = CIH_2 = CR_1+ = 0 Index Konsistensi Random Hirarki (RIH_2) Level 2 : RI_1 = 0.58 X_1 = [ ] RI_2 = [ ] t ( X_1*CR_2) = [ ] 0 =
49 Contoh Case Study Uji Konsistensi Hirarki : Index Konsistensi Random Hirarki (RIH_2) Level 2 : RI_1 = 0.58 X_1 = [ ] RI_2 = [ ] t karena Kriteria Kehandalan dan Kriteria Kapasitas tidak memiliki Sub-Kriteria, maka nilai RI_2 dari keduanya = RIH_2 = RI_1+ = 0 Rasio Konsistensi Hirarki (CRH_2) Level 2 : Karena CRH_2 = < 0.1, ( X_1*RI_2) = [ ] 0 = CIH_ CRH_2 = = = RIH_ maka dapat disimpulkan bahwa hasil evaluasi level-level hirarki yang telah dibuat adalah konsisten.
50 Contoh Case Study Berikut Hasil Pembobotan Kriteria dan Sub-Kriteria dari perhitungan sebelumnya : Pemilihan Motor (100%) Level 0 Model (32%) Kehandalan (56%) Kapasitas Bahan Bakar (12%) Level 1 Konvensional (4%) Millenium Standard (18%) (10%) Level 2 Beat Mio Spin Vario Level 3 Note : diasumsikan bahwa ranking alternatives semua sub-kriteria sama dengan hasil ranking kriterianya.
51 A mk Contoh Case Study Membuat ranking alternatives base sub-kriteria : Untuk sub-kriteria Konvensional dari Kriteria Model (M) : 1 4 = Jumlah per kolom : Konvensional Beat Mio Spin Vario Beat 1 1 / 4 = / 6 = 0.17 Mio / 4 = 0.25 Spin 1 / 4 = / 4 = / 5 = 0.20 Vario Menghitung Bobot setiap Alternatif pada sub-kriteria Konvensional : Norm_A mk = Priority Vector atau Bobot setiap Alternatif dari Sub-Kriteria Konvensional dari Kriteria X mk Model = Norm_A mk (1,1) = = X mk (1,1) = =
52 Contoh Case Study Membuat ranking alternatives base sub-kriteria : Untuk sub-kriteria Millenium dari Kriteria Model (M) : A mm 1 4 = Jumlah per kolom : Millenium Beat Mio Spin Vario Beat 1 1 / 4 = / 6 = 0.17 Mio / 4 = 0.25 Spin 1 / 4 = / 4 = / 5 = 0.20 Vario Menghitung Bobot setiap Alternatif pada sub-kriteria Millenium : Norm_A mm = Priority Vector atau Bobot setiap Alternatif dari Sub-Kriteria Millenium dari Kriteria X mm Model = Norm_A mm (1,1) = = X mm (1,1) = =
53 A ms Contoh Case Study Membuat ranking alternatives base sub-kriteria : Untuk sub-kriteria Standard dari Kriteria Model (M) : 1 4 = Jumlah per kolom : Standard Beat Mio Spin Vario Beat 1 1 / 4 = / 6 = 0.17 Mio / 4 = 0.25 Spin 1 / 4 = / 4 = / 5 = 0.20 Vario Menghitung Bobot setiap Alternatif pada sub-kriteria Standard : Norm_A ms = Priority Vector atau Bobot setiap Alternatif dari Sub-Kriteria Standard dari Kriteria X ms Model = Norm_A ms (1,1) = = X ms (1,1) = =
54 Contoh Case Study Membuat ranking alternatives base kriteria : Untuk kriteria Kehandalan (K) : Kehandalan Beat Mio Spin Vario Beat Mio 1 / 2 = Spin 1 / 5 = / 3 = / 4 = 0.25 Vario 1 1 / 2 = Menghitung Bobot setiap Alternatif pada Kriteria Kehandalan : A k = Jumlah per kolom : Norm_A k = Priority Vector atau Bobot setiap Alternatif dari Kriteria Kehandalan X k = Norm_A k (1,1) = = X k (1,1) = =
55 Contoh Case Study Membuat ranking alternatives base kriteria : Untuk kriteria Kapasitas Bahan Bakar (KBB) : Karena Kapasitas Bahan Bakar merupakan kriteria kuantitatif, maka dapat digunakan langsung kapasitas perbandingannya untuk menentukan rangking alternative-nya, namun ini tidak bersifat mutlak, artinya anda dapat juga membuat dalam bentuk matrik perbandingan) Kapasitas Bahan Bakar (Liter) Beat 4.4 Mio 4.7 Spin 5.5 Vario 5.8 Jumlah per kolom : Priority Vector atau Bobot setiap Alternatif dari Kriteria Kapasitas Bahan Bakar Normalisasi X kbb =
56 Contoh Case Study Membuat Hirarki Tree & Bobotnya : Konvensional (4%) Beat 0.13 Mio = 0.24 Spin 0.07 Vario 0.56 Pemilihan Motor (100%) Model (32%) Kehandalan (56%) Millenium (18%) Beat 0.13 Mio = 0.24 Spin 0.07 Vario 0.56 Standard (10%) Beat 0.13 Mio = 0.24 Spin 0.07 Vario 0.56 Beat 0.38 Mio = 0.29 Spin 0.07 Vario 0.26 Kapasitas Bahan Bakar (12%) Beat 0.22 Mio = 0.23 Spin 0.27 Vario 0.28 Perangkingan Akhir setiap alternatif untuk pengambilan keputusan: Beat 0.13 Mio = 0.24 Spin 0.07 Vario Matrik Prioritas = Bobot Kriteria Sehingga keputusan akhir pemilihan untuk rekomendasi pembelian motor matic dengan adanya penambahan subkriteria Model didapatkan nilai tertinggi pada Honda Vario.
57 Latihan Individu Berdasarkan Case Study 1, tentang sistem pengambilan keputusan pemilihan untuk rekomendasi pembelian motor Matic pada contoh, jika seorang user menambahkan lagi satu kriteria yaitu Harga dengan spesifikasi berikut : Matrik Perbandingan Kriteria Model Kehandalan Kapasitas Harga Model Kehandalan 1/ Kapasitas 1/2 1/2 1 3 Harga 1/3 1/2 1/3 1 Harga Motor Harga Motor Rupiah x ) Beat 138 Mio 137 Spin 128 Vario 147 Tujuan/ Goal : Pemilihan Sepeda Motor Matic. Kriteria : Model (M), Kehandalan (K), Kapasitas Bahan Bakar (KBB), Harga (H) Kriteria Kualitatif : Model (M), Kehandalan (K) Kriteria Kuantitatif : Kapasitas Bahan Bakar (KBB), Harga (H) Alternatives : Honda Beat, Yamaha Mio, Suzuki Spin, Honda Vario. Tentukan hasil keputusan akhir pemilihan untuk rekomendasi pembelian motor Matic dari kasus tersebut!
58 Tugas Kelompok Bedah Paper II Dalam semester ganjil ini, Prodi TIF ingin memilih 2 mahasiswa PTIIK UB untuk menjadi Asisten Praktikum MK Pemrograman Dasar : Tujuan/ Goal : Pemilihan Asisten praktikum Kriteria : Nilai Pemograman Dasar Mahasiswa yang bersangkutan (N), Wawancara (W), Tes koding (TK) dan Test Tulis (TT). Alternatif/ Mahasiswa : Mhs 1, Mhs 2, Mhs 3, Mhs 4, Mhs 5. Tentukan hasil akhir Pengambilan Keputusan Pemilihan Asisten Praktikum tersebut! Note : Buat matrik perbandingan bebas, namun harus tetap logis dan ilmiah sesuai dengan kreatifitas kelompok anda.
59 Minggu Ke-9 : Fix Judul Minggu Ke-10 Final Project Contoh Template Dokumentasi Implementasi Program
60 Selesai
Pemodelan & Manajemen Model.
Pemodelan & Manajemen Model http://www.brigidaarie.com Pemodelan Dalam MSS Model statistik (analisis regresi), digunakan untuk mencari relasi diantara variabel. Model ini merupakan preprogram dalam tool
Lebih terperinciPEMODELAN DAN MANAJEMEN MODEL. Pemodelan dalam MSS. Salah satu contoh DSS, yaitu dari Frazee Paint, Inc., memiliki 3 jenis model:
PEMODELAN DAN MANAJEMEN MODEL Pemodelan dalam MSS. Salah satu contoh DSS, yaitu dari Frazee Paint, Inc., memiliki 3 jenis model: 1. Model statistik (analisis regresi), digunakan untuk mencari relasi diantara
Lebih terperinciBAB IV PEMODELAN DAN MANAJEMEN MODEL
BAB IV PEMODELAN DAN MANAJEMEN MODEL A. Pemodelan dalam MSS. Salah satu contoh DSS, yaitu dari Frazee Paint, Inc., memiliki 3 jenis model: 1. Model statistik (analisis regresi), digunakan untuk mencari
Lebih terperinciANALYTICAL HIERARCHY PROCESS (AHP) Amalia, ST, MT
ANALYTICAL HIERARCHY PROCESS (AHP) Amalia, ST, MT Multi-Attribute Decision Making (MADM) Permasalahan untuk pencarian terhadap solusi terbaik dari sejumlah alternatif dapat dilakukan dengan beberapa teknik,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB 2 TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Penelitian Terkait Menurut penelitian terdahulu yang dilakukan oleh Dita Monita seorang mahasiswa program studi teknik informatika dari STMIK Budi Darma Medan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Analytic Hierarchy Process (AHP) Sumber kerumitan masalah keputusan bukan hanya dikarenakan faktor ketidakpasatian atau ketidaksempurnaan informasi saja. Namun masih terdapat penyebab
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. MCDM (Multiple Criteria Decision Making) Multi-Criteria Decision Making (MCDM) adalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif
Lebih terperinciRANCANG BANGUN APLIKASI SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN MODEL ANALYTICAL HIERARCHY PROCESS UNTUK PEMBERIAN BONUS KARYAWAN
RANCANG BANGUN APLIKASI SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN MODEL ANALYTICAL HIERARCHY PROCESS UNTUK PEMBERIAN BONUS KARYAWAN Yosep Agus Pranoto Jurusan Teknik Informatika, Fakultas Teknologi Industri
Lebih terperinciBAB III TEORI HIERARKI ANALITIK. Proses Hierarki Analitik (PHA) atau Analytical Hierarchy Process (AHP)
BAB III TEORI HIERARKI ANALITIK 3.1 Pengertian Proses Hierarki Analitik Proses Hierarki Analitik (PHA) atau Analytical Hierarchy Process (AHP) pertama kali dikembangkan oleh Thomas Lorie Saaty dari Wharton
Lebih terperinciPEMILIHAN OBJEK WISATA DI SUMATERA UTARA DENGAN METODE ANALYTICAL HIERARCHY PROCESS (AHP)
PEMILIHAN OBJEK WISATA DI SUMATERA UTARA DENGAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) Dahriani Hakim Tanjung Sistem Informasi, Teknik dan Ilmu Kompuer, Universitas Potensi Utama JL. KL. Yos Sudarso
Lebih terperinciPemodelan dan Linier Programming (LP)
Pemodelan dan Linier Programming (LP) Entin Martiana, S.Kom, M.Kom Pemodelan dalam mss Model statistik (analisis regresi) digunakan untuk mencari relasi diantara variabel. Model ini merupakan preprogram
Lebih terperinciBAB II LANDASAN TEORI. pengambilan keputusan baik yang maha penting maupun yang sepele.
BAB II LANDASAN TEORI 2.1 Manusia dan Pengambilan Keputusan Setiap detik, setiap saat, manusia selalu dihadapkan dengan masalah pengambilan keputusan baik yang maha penting maupun yang sepele. Bagaimanapun
Lebih terperinciLinier Programming (LP), Simulasi, Pemrograman Heuristic. Pertemuan 6 (Pemodelan) - Mochammad EKo S,S.T 1
Linier Programming (LP), Simulasi, Pemrograman Heuristic Pertemuan 6 (Pemodelan) - Mochammad EKo S,S.T 1 Model statistik (analisis regresi) digunakan untuk mencari relasi diantara variabel. Model ini merupakan
Lebih terperinciBAB II TINJAUAN PUSTAKA. artian yang lebih spesifik yakni pihak ketiga dalam supply chain istilah dalam
BAB II TINJAUAN PUSTAKA 2.1. Vendor Dalam arti harfiahnya, vendor adalah penjual. Namun vendor memiliki artian yang lebih spesifik yakni pihak ketiga dalam supply chain istilah dalam industri yang menghubungkan
Lebih terperinciBAB 2 LANDASAN TEORI Analytial Hierarchy Process (AHP) Pengertian Analytical Hierarchy Process (AHP)
BAB 2 LANDASAN TEORI 2 1 Analytial Hierarchy Process (AHP) 2 1 1 Pengertian Analytical Hierarchy Process (AHP) Metode AHP merupakan salah satu metode pengambilan keputusan yang menggunakan faktor-faktor
Lebih terperinciANALISIS DAN IMPLEMENTASI PERANGKINGAN PEGAWAI MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS DAN SUPERIORITY INDEX
ANALISIS DAN IMPLEMENTASI PERANGKINGAN PEGAWAI MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS DAN SUPERIORITY INDEX Daniar Dwi Pratiwi 1, Erwin Budi Setiawan 2, Fhira Nhita 3 1,2,3 Prodi Ilmu Komputasi
Lebih terperinciSistem Penunjang Keputusan Penerimaan Dosen dengan Metode Analytic Hierarchy Process
Sistem Penunjang Keputusan Penerimaan Dosen dengan Metode Analytic Hierarchy Process Joko Dwi Raharjo 1, Andriyan Darmadi 2 1 Dosen STMIK Bina Sarana Global, 2 Mahasiswa STMIK Bina Sarana Global Email
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN IV.1. Tampilan Hasil Penulis merancang program sistem pendukung keputusan pemberian cuti pegawai dengan metode AHP dengan menggunakan bahasa pemogram Microsoft Visual Basic.Net
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Sistem Pendukung Keputusan 2.1.1. Definisi Keputusan Keputusan (decision) yaitu pilihan dari dua atau lebih kemungkinan. Keputusan dapat dilihat pada kaitannya dengan proses,
Lebih terperinciAnalytic Hierarchy Process
Analytic Hierarchy Process Entin Martiana INTRO Metode AHP dikembangkan oleh Saaty dan dipergunakan untuk menyelesaikan permasalahan yang komplek dimana data dan informasi statistik dari masalah yang dihadapi
Lebih terperinciMETODE ANALYTICAL HIERARCHY PROCESS DALAM PENGAMBILAN KEPUTUSAN PEMILIHAN GALANGAN KAPAL UNTUK PEMBANGUNAN KAPAL TANKER DI PULAU BATAM
METODE ANALYTICAL HIERARCHY PROCESS DALAM PENGAMBILAN KEPUTUSAN PEMILIHAN GALANGAN KAPAL UNTUK PEMBANGUNAN KAPAL TANKER DI PULAU BATAM Oleh : Yuniva Eka Nugroho 4209106015 Jurusan Teknik Sistem Perkapalan
Lebih terperinciIMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN PENERIMA BERAS UNTUK KELUARGA MISKIN ( RASKIN ) MENGGUNAKAN METODE AHP (ANALYTICAL HIERARCHY PROCESS) Ilyas
IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN PENERIMA BERAS UNTUK KELUARGA MISKIN ( RASKIN ) MENGGUNAKAN METODE AHP (ANALYTICAL HIERARCHY PROCESS) Ilyas Program Studi Sistem Informasi, Fakultas Teknik dan Ilmu
Lebih terperinciANALISIS DAN PERANCANGAN APLIKASI PEMILIHAN JENIS BEASISWA MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (STUDI KASUS: BEASISWA UKRIDA)
Jurnal Teknik dan Ilmu Komputer ANALISIS DAN PERANCANGAN APLIKASI PEMILIHAN JENIS BEASISWA MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (STUDI KASUS: BEASISWA UKRIDA) ANALYSIS AND DESIGN APPLICATION
Lebih terperinciBAB 2 TINJAUAN PUSTAKA Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan
22 BAB 2 TINJAUAN PUSTAKA 2.1. Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan 2.1.1. Definisi Sistem Sistem adalah kumpulan objek seperti orang, sumber daya, konsep dan prosedur yang dimaksudkan
Lebih terperinciBAB 5. PEMODELAN dan Model Manajemen
BAB 5 PEMODELAN dan Model Manajemen 1 Issue Pokok pemodelan Identifikasi Masalah Analisa Lingkungan Identifikasi Variabel Peramalan Penggunaan model berganda Katagori Model atau seleksi (Tipe dari Model)
Lebih terperinciPENERAPAN AHP SEBAGAI MODEL SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN RUMAH BERSALIN CONTOH KASUS KOTA PANGKALPINANG
PENERAPAN AHP SEBAGAI MODEL SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN RUMAH BERSALIN CONTOH KASUS KOTA PANGKALPINANG Fitriyani STMIK Atma Luhur Pangkalpinang Jl. Jend. Sudirman Selindung Pangkalpinang bilalzakwan12@yahoo.com
Lebih terperinciBab II Analytic Hierarchy Process
Bab II Analytic Hierarchy Process 2.1. Pengertian Analytic Hierarchy Process (AHP) Metode AHP merupakan salah satu metode pengambilan keputusan yang menggunakan faktor-faktor logika, intuisi, pengalaman,
Lebih terperinciBAB 2 LANDASAN TEORI
19 BAB 2 LANDASAN TEORI 2.1 Analytic Hierarchy Process (AHP) Metode Analytic Hierarchy Process (AHP) dikembangkan oleh Thomas L. Saaty pada tahun 70 an ketika di Warston school. Metode AHP merupakan salah
Lebih terperinciSesi XIII AHP (Analytical Hierarchy Process)
Mata Kuliah :: Riset Operasi Kode MK : TKS 4019 Pengampu : Achfas Zacoeb Sesi XIII AHP (Analytical Hierarchy Process) e-mail : zacoeb@ub.ac.id www.zacoeb.lecture.ub.ac.id Hp. 081233978339 Pendahuluan AHP
Lebih terperinciBAB 2 LANDASAN TEORI Sistem Pendukung Keputusan Pengertian Keputusan. Universitas Sumatera Utara
6 BAB 3: ANALISIS DAN PERANCANGAN SISTEM Bab ini menjabarkan tentang tujuan dari perancangan sistem, kriteria dan pilihan kesimpulan dalam menentukan pemilihan pegawai terbaik. Selain itu juga tahapan
Lebih terperinciISSN VOL 15, NO 2, OKTOBER 2014
PENERAPAN METODE TOPSIS DAN AHP PADA SISTEM PENUNJANG KEPUTUSAN PENERIMAAN ANGGOTA BARU, STUDI KASUS: IKATAN MAHASISWA SISTEM INFORMASI STMIK MIKROSKIL MEDAN Gunawan 1, Fandi Halim 2, Wilson 3 Program
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Sistem Pendukung Keputusan Sistem pendukung keputusan ( decision support systems disingkat DSS) adalah bagian dari sistem informasi berbasis computer termasuk sistem berbasis
Lebih terperinciAnalytic Hierarchy Process (AHP) dan Perhitungan Contoh Kasus AHP
Analytic Hierarchy Process (AHP) dan Perhitungan Contoh Kasus AHP Analytic Hierarchy Process atau AHP dikembangkan oleh Prof. Thomas L. Saaty sebagai algoritma pengambilan keputusan untuk permasalahan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Konsep Dasar Sistem Suatu sistem pada dasarnya adalah sekolompok unsur yang erat hubungannya satu dengan yang lain, yang berfungsi bersama-sama untuk mencapai tujuan tertentu.
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Desain Penelitian Jenis penelitian yang digunakan dalam penulisan skripsi ini adalah penelitian deskriptif. Penelitian deskriptif adalah penelitian yang tujuannya untuk menyajikan
Lebih terperinciSistem Pendukung Keputusan Memilih Perguruan Tinggi Swasta di Palembang Sebagai Pilihan Tempat Kuliah
Sistem Pendukung Keputusan Memilih Perguruan Tinggi Swasta di Palembang Sebagai Pilihan Tempat Kuliah A Yani Ranius Fakultas Ilmu Komputer Universitas Bina Darma Palembang ay_ranius@yahoo.com Abstrak Sistem
Lebih terperinciAPLIKASI ANALYTICAL HIERARCHY PROCESS (AHP) PADA PEMILIHAN SOFTWARE MANAJEMEN PROYEK
APLIKASI ANALYTICAL HIERARCHY PROCESS (AHP) PADA PEMILIHAN SOFTWARE MANAJEMEN PROYEK Siti Komsiyah Mathematics Department, School of Computer Science, Binus University Jl. K.H. Syahdan No. 9, Palmerah,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Gambar 3.1. Skema Metodologi Penelitian 119 Gambar 3.2. Skema Metode Pengumpulan dan Pengolahan Data 120 Gambar 3.3. Skema Metode Analisa Sistem Informasi (lanjutan 1) 121
Lebih terperinciBAB II TINJAUAN PUSTAKA. 2.1 Ekonomi dan Produk Domestik Regional Bruto. Istilah ekonomi berasal dari bahasa Yunani, terdiri atas kata oikos dan
BAB II TINJAUAN PUSTAKA 2. Ekonomi dan Produk Domestik Regional Bruto Istilah ekonomi berasal dari bahasa Yunani, terdiri atas kata oikos dan nomos. Oikos berarti rumah tangga, nomos berarti aturan. Sehingga
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BONUS KARYAWAN MENGGUNAKAN METODE AHP SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BONUS KARYAWAN MENGGUNAKAN METODE AHP SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Teknik (S.Kom.) Pada Progam Studi Sistem Informasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Pada dasarnya Sistem Pendukung Keputusan ini merupakan pengembangan lebih lanjut dari sistem informasi manajemen terkomputerisasi yang dirancang sedemikian
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LBB PADA KAMPUNG INGGRIS PARE MENGGUNAKAN METODE AHP
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LBB PADA KAMPUNG INGGRIS PARE MENGGUNAKAN METODE AHP Mayang Anglingsari Putri 1, Indra Dharma Wijaya 2 Program Studi Teknik Informatika, Jurusan Teknik Elektro, Politeknik
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMUTUSAN HUBUNGAN KERJA TERHADAP KARYAWAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS DI PT SANSAN SAUDARATEX JAYA
SISTEM PENDUKUNG KEPUTUSAN PEMUTUSAN HUBUNGAN KERJA TERHADAP KARYAWAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS DI PT SANSAN SAUDARATEX JAYA Deni Andrianto 1), Eddie Krishna Putra 2), Fajri Rakhmat
Lebih terperinciPENENTUAN DALAM PEMILIHAN JASA PENGIRIMAN BARANG TRANSAKSI E-COMMERCE ONLINE
PENENTUAN DALAM PEMILIHAN JASA PENGIRIMAN BARANG TRANSAKSI E-COMMERCE ONLINE Nunu Kustian Program Studi Teknik Informatika, Fakultas Teknik, Matematika dan IPA Email: kustiannunu@gmail.com ABSTRAK Kebutuhan
Lebih terperinciJURNAL LENTERA ICT Vol.3 No.1, Mei 2016 / ISSN
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA GURU BERDASARKAN HASIL EVALUASI UMPAN BALIK DARI BEBAN KERJA MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) (STUDI KASUS : SD LPI AT-TAUFIQ) Oleh : Fahrizal
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI. yang di lakukan oleh Agus Settiyono (2016) dalam penelitiannya menggunakan 7
BAB 2 2.1. Tinjauan Pustaka TINJAUAN PUSTAKA DAN DASAR TEORI Tinjauan pustaka yang dipakai dalam penelitian ini didapat dari penelitian yang di lakukan oleh Agus Settiyono (2016) dalam penelitiannya menggunakan
Lebih terperinciPenerapan Metode AHP untuk Pemilihan Kendaraan Sepeda Motor Matic Studi Kasus Dialer Honda Peranap
Riau Journal Of Computer Science Vol.2/No.1/2016 : 13-22 13 Penerapan Metode AHP untuk Pemilihan Kendaraan Sepeda Motor Matic Studi Kasus Dialer Honda Peranap Bayu Rianto 1, Rico Van Halen 2 1,2 Jurusan
Lebih terperinciPENERAPAN METODE ANALYTICAL HIERARCHY PROCESS UNTUK PEMILIHAN TYPE SEPEDA MOTOR YAMAHA
PENERAPAN METODE ANALYTICAL HIERARCHY PROCESS UNTUK PEMILIHAN TYPE SEPEDA MOTOR YAMAHA Agustian Noor Jurusan Teknik Informatika, Politeknik Negeri Tanah Laut Jl. A Yani Km 6 Pelaihari Tanah Laut Kalimantan
Lebih terperinciPenentuan Pemilihan Bentuk Outline Tugas Akhir Dengan Menggunakan Model Analytical Hierarchy Process (AHP)
Penentuan Pemilihan Bentuk Outline Tugas Akhir Dengan Menggunakan Model Analytical Hierarchy Process (AHP) Agung Baitul Hikmah 1, Herlan Sutisna 2 1 AMIK BSI Tasikmalaya e-mail: agung.abl@ac.id 2 Universitas
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN PERGURUAN TINGGI KOMPUTER SWASTA
SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN PERGURUAN TINGGI KOMPUTER SWASTA Yuli Astuti 1, M. Suyanto 2, Kusrini 3 Mahasiswa 1, Pembimbing 1 2, Pembimbing 2 3 Program Studi Magister Informatika STMIK AMIKOM
Lebih terperinciMATERI PRAKTIKUM. Praktikum 1 Analytic Hierarchy Proses (AHP)
Praktikum 1 Analytic Hierarchy Proses (AHP) Definisi AHP (Analytic Hierarchy Process) merupakan suatu model pengambil keputusan yang dikembangkan oleh Thomas L. Saaty yang menguraikan masalah multifaktor
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada dasarnya AHP adalah suatu teori umum tentang pengukuran yang digunakan untuk menemukan skala rasio baik dari perbandingan berpasangan yang diskrit maupun
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KADER KESEHATAN DI KECAMATAN PEUDAWA KABUPATEN ACEH TIMUR
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KADER KESEHATAN DI KECAMATAN PEUDAWA KABUPATEN ACEH TIMUR TI BAHREN, MUNAR a Jurusan Teknik Informatika Fakultas Ilmu Komputer Universitas Almuslim Jln. Almuslim Tlp.
Lebih terperinciPENERAPAN METODE ANALYTICAL HIERARCHY PROCES UNTUK SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN RASKIN (STUDI KASUS : KECAMATAN MEDAN DELI)
PENERAPAN METODE ANALYTICAL HIERARCHY PROCES UNTUK SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN RASKIN (STUDI KASUS : KECAMATAN MEDAN DELI) Wiwi Verina1, Rofiqoh Dewi2 Teknik Informatika Universitas Potensi Utama
Lebih terperinciPengertian Metode AHP
Pengertian Metode AHP Metode AHP dikembangkan oleh Thomas L. Saaty, seorang ahli matematika. Metode ini adalah sebuah kerangka untuk mengambil keputusan dengan efektif atas persoalan yang kompleks dengan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PERIJINAN DAN PENEMPATAN KOLAM JARING TERAPUNG MENGGUNAKAN METODE AHP STUDI KASUS PT
SISTEM PENDUKUNG KEPUTUSAN PERIJINAN DAN PENEMPATAN KOLAM JARING TERAPUNG MENGGUNAKAN METODE AHP STUDI KASUS PT. PJB CIRATA BADAN PENGELOLAAN WADUK CIRATA Erika Susilo Jurusan Teknik Informatika Fakultas
Lebih terperinciPertemuan 5. Pemodelan Sistem Penunjang Keputusan (DSS) Dengan Analytic Hierarchical Proces (AHP).
Pertemuan 5 Pemodelan Sistem Penunjang Keputusan (DSS) Dengan Analytic Hierarchical Proces (AHP). Pengembangan Pendekatan SPK (II) Pengembangan Pendekatan SPK (II) Pengembangan SPK membutuhkan pendekatan
Lebih terperinciPEMANFAATAN ANALYTICAL HIERARCHY PROCESS (AHP) SEBAGAI MODEL SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN KARYAWAN BERPRESTASI
PEMANFAATAN ANALYTICAL HIERARCHY PROCESS (AHP) SEBAGAI MODEL SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN KARYAWAN BERPRESTASI Sudarto STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 sudarto@mikroskil.ac.id
Lebih terperinciPemodelan Sistem Penunjang Keputusan (DSS) Dengan Analytic Hierarchical Proces (AHP).
Pemodelan Sistem Penunjang Keputusan (DSS) Dengan Analytic Hierarchical Proces (AHP). Pengembangan Pendekatan SPK Pengembangan SPK membutuhkan pendekatan yg unik. Pengembangan SPK Terdapat 3 (tiga) pendekatan
Lebih terperinciMODEL ANALITYCAL HIERARCHY PROCESS UNTUK MENENTUKAN TINGKAT PRIORITAS ALOKASI PRODUK
Jurnal Sistem Teknik Industri Volume 6, No. 3 Juli 2005 MODEL ANALITYCAL HIERARCHY PROCESS UNTUK MENENTUKAN TINGKAT PRIORITAS ALOKASI PRODUK Jurusan Teknik Industri Fakultas Teknik Universitas Malikulsaleh
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab ini akan dibahas beberapa teori yang mendukung terhadap studi kasus yang akan dilakukan seperti: Strategic Planning Decision Support System (DSS) Evaluasi Supplier 2.1 Strategic
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA DALAM MENGIKUTI LOMBA LKS DI SMK NEGERI 3 SEMARANG DENGAN METODE ANALITHICAL HIERARCHI PROCESS
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA DALAM MENGIKUTI LOMBA LKS DI SMK NEGERI 3 SEMARANG DENGAN METODE ANALITHICAL HIERARCHI PROCESS Nova Widyantoro Jurusan Sistem Informasi, Fakultas Ilmu Komputer,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Defenisi, Karakteristik dan Kriteria Jasa Kurir 2.1.1 Defenisi Jasa Kurir Jasa adalah sebagai aktivitas dari suatu hakikat yang tidak berwujud yang berinteraksi antara konsumen
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Sistem Pendukung Keputusan 1. Pengertian Sistem Pendukung Keputusan Menurut Alter (dalam Kusrini, 2007), Sistem pendukung keputusan merupakan sistem informasi interaktif yang
Lebih terperinciANALISIS SISTEM PEMBAYARAN PERKULIAHAN DI UKRIDA MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP)
Jurnal Teknik dan Ilmu Komputer ANALISIS SISTEM PEMBAYARAN PERKULIAHAN DI UKRIDA MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) AN ANALYSIS OF THE TUITION FEE PAYMENT SYSTEM IN UKRIDA USING ANALYTICAL
Lebih terperinciStrategi Pemilihan Sistem Operasi Untuk Personal Computer
Strategi Pemilihan Sistem Operasi Untuk Personal Computer Fitriyani STMIK Atma Luhur Pangkalpinang; Jl.Jend. Sudirman Selindung Lama - Pangkalpinang Jurusan Sistem Informasi, STMIK Atma Luhur Pangkalpinang
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PERGURUAN TINGGI UNTUK SISWA YANG MELANJUTKAN KULIAH PADA SMA N 1 TEGAL
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PERGURUAN TINGGI UNTUK SISWA YANG MELANJUTKAN KULIAH PADA SMA N 1 TEGAL Asep Nurhidayat Jurusan Teknik Informatika, Fakultas Ilmu Komputer Universitas Dian Nuswantoro
Lebih terperinciSistem Pendukung Keputusan Penasehat Akademik (PA) untuk Mengurangi Angka Drop Out (DO) di STMIK Bina Sarana Global
Sistem Pendukung Keputusan Penasehat Akademik (PA) untuk Mengurangi Angka Drop Out (DO) di STMIK Bina Sarana Global Sri Subekti 1, Arni Retno Mariana 2, Andri Riswanda 3 1,2 Dosen STMIK Bina Sarana Global,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Yang Digunakan 3.1.1 Desain Penelitian Desain penelitian adalah kerangka atau framework untuk mengadakan penelitian. Dalam penelitian ini, jenis desain yang digunakan
Lebih terperinciJurnal Pilar Nusa Mandiri Vol. 13, No. 2. September ISSN Sistem Pendukung Keputusan
Jurnal Pilar Nusa Mandiri Vol. 13, No. 2. September 2017 167 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LAPTOP UNTUK KEBUTUHAN OPERASIONAL DENGAN METODE AHP (STUDI KASUS: DIREKTORAT PEMBINAAN KURSUS DAN PELATIHAN
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini menjelaskan mengenai metode Analytic Hierarchy Process (AHP) sebagai metode yang digunakan untuk memilih obat terbaik dalam penelitian ini. Disini juga dijelaskan prosedur
Lebih terperinciBAB II LANDASAN TEORI. Menurut Pujawan dan Erawan (2010) memilih supplier merupakan
BAB II LANDASAN TEORI 2.1 Pemilihan Supplier Menurut Pujawan dan Erawan (2010) memilih supplier merupakan kegiatan strategis terutama apabila supplier tersebut memasok item yang kritis atau akan digunakan
Lebih terperinciBAB I PERSYARATAN PRODUK
BAB I PERSYARATAN PRODUK I.1 Pendahuluan Pesatnya perkembangan teknologi dewasa ini membuat banyak pihak merasakan manfaat yang luar biasa. Bukan hanya sebagai pelengkap kebutuhan manusia, namun keberadaan
Lebih terperinciIMPLEMENTASI ANALYTIC HIERARCHY PROCESS DALAM PENENTUAN PRIORITAS KONSUMEN PENERIMA KREDIT. Sahat Sonang S, M.Kom (Politeknik Bisnis Indonesia)
IMPLEMENTASI ANALYTIC HIERARCHY PROCESS DALAM PENENTUAN PRIORITAS KONSUMEN PENERIMA KREDIT Sahat Sonang S, M.Kom (Politeknik Bisnis Indonesia) ABSTRAK Sistem pengambilan keputusan adalah sistem yang membantu
Lebih terperinciBAB 3 METODE PENELITIAN
56 BAB 3 METODE PENELITIAN 3.1 PENDAHULUAN Pada bab ini akan dipaparkan mengenai perancangan penelitian yang digunakan untuk mencapai tujuan dalam penulisan ini. Penelitian ini memiliki 2 (dua) tujuan,
Lebih terperinciMATERI PRAKTIKUM. Praktikum 1 Analytic Hierarchy Proses (AHP)
Praktikum 1 Analytic Hierarchy Proses (AHP) Definisi AHP (Analytic Hierarchy Process) merupakan suatu model pengambil keputusan yang dikembangkan oleh Thomas L. Saaty yang menguraikan masalah multifaktor
Lebih terperinciANALISA FAKTOR PENDUKUNG KEPUTUSAN PEMILIHAN PERGURUAN TINGGI TINGKAT SARJANA MENGGUNAKAN METODE AHP (ANALITICAL HIRARKI PROCESS)
ANALISA FAKTOR PENDUKUNG KEPUTUSAN PEMILIHAN PERGURUAN TINGGI TINGKAT SARJANA MENGGUNAKAN METODE AHP (ANALITICAL HIRARKI PROCESS) M.Fajar Nurwildani Dosen Prodi Teknik Industri, Universitasa Pancasakti,
Lebih terperinciPENERAPAN METODE ANP DALAM MELAKUKAN PENILAIAN KINERJA KEPALA BAGIAN PRODUKSI (STUDI KASUS : PT. MAS PUTIH BELITUNG)
PENERAPAN METODE ANP DALAM MELAKUKAN PENILAIAN KINERJA KEPALA BAGIAN PRODUKSI (STUDI KASUS : PT. MAS PUTIH BELITUNG) Frans Ikorasaki 1 1,2 Sistem Informasi, Tehnik dan Ilmu Komputer, Universitas Potensi
Lebih terperinciP11 AHP. A. Sidiq P.
P11 AHP A. Sidiq P. http://sidiq.mercubuana-yogya.ac.id Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta Tujuan Mahasiswa dapat memahami dan menjelaskan
Lebih terperinciBAB III METODE PENELITIAN. dengan melakukan dua tahapan utama, yang pertama penelitian yang berkaitan
32 BAB III METODE PENELITIAN 3.1. Desain Penelitian Pada bab ini akan dijelaskan skema umum penelitian yang dilakukan untuk mempermudah dalam melakukan penelitian. Dalam penelitian ini dilakukan dengan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PERUMAHAN DENGAN METODE ANALYTICAL HIERARCHY PROCESS
ISSN : 2338-4018 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PERUMAHAN DENGAN METODE ANALYTICAL HIERARCHY PROCESS Ambar Widayanti (ambarwidayanti@gmail.com) Muhammad Hasbi (hasbb63@yahoo.com) Teguh Susyanto (teguh@sinus.ac.id)
Lebih terperinciSPK Evaluasi Peserta LBD (Local Business Development) Dengan Metode AHP (Studi Kasus Chevron Indonesia Company)
SPK Evaluasi Peserta LBD (Local Business Development) Dengan Metode AHP (Studi Kasus Chevron Indonesia Company) Zakaria 1, Addy Suyatno 2, Heliza Rahmania Hatta 3 1 Lab Software Engineering, Program Studi
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Dasar Teori 2.1.1 Sistem Pendukung Keputusan Pada dasarnya sistem pendukung keputusan merupakan pengembangan lebih lanjut dari sistem informasi manajemen terkomputerisasi. Sistem
Lebih terperinciAPLIKASI AHP UNTUK PENILAIAN KINERJA DOSEN
Indriyati APLIKASI AHP UNTUK PENILAIAN KINERJA DOSEN Indriyati Program Studi Teknik Informatika Jurusan Matematika FSM Universitas Diponegoro Abstrak Dalam era globalisasi dunia pendidikan memegang peranan
Lebih terperinciBAB II LANDASAN TEORI
7 BAB II LANDASAN TEORI 2.1. Kajian Literatur Berikut adalah beberapa penelitian serupa mengenai kualitas yang telah dilakukan dilakukan sebelumnya, yaitu: 1. Harwati (2013), yaitu: Model Pengukuran Kinerja
Lebih terperinciBAB II TINJAUAN PUSTAKA Sistem Pendukung Keputusan
BAB II TINJAUAN PUSTAKA 2.1. Sistem Pendukung Keputusan Sistem pendukung keputusan adalah sebuah sistem yang efektif dalam membantu mengambil suatu keputusan yang kompleks, sistem ini menggunakan aturan
Lebih terperinciJURNAL. SISTEM PENDUKUNG KEPUTUSAN KENAIKAN JABATAN PADA PT BANK CENTRAL ASIA Tbk. (BCA) MENGGUNAKAN METODE ANALITYC HEARARCHY PROCESS
JURNAL SISTEM PENDUKUNG KEPUTUSAN KENAIKAN JABATAN PADA PT BANK CENTRAL ASIA Tbk. (BCA) MENGGUNAKAN METODE ANALITYC HEARARCHY PROCESS V.M.Eduardo Christian S A11.2008.03931 Teknik Informatika Udinus TEKNIK
Lebih terperinciANALISIS DATA Metode Pembobotan AHP
ANALISIS DATA Data yang diperoleh dari hasil wawancara dengan konsumen dan pakar serta tinjauan langsung ke lapangan, dianalisa menggunakan metode yang berbeda-beda sesuai kebutuhan dan kepentingannya.
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN IV.1. Tampilan Hasil Berikut ini dijelaskan tentang tampilan hasil dari sistem pendukung keputusan seleksi pemilihan agen terbaik dengan sistem yang dibangun dapat dilihat sebagai
Lebih terperinciKuliah 11. Metode Analytical Hierarchy Process. Dielaborasi dari materi kuliah Sofian Effendi. Sofian Effendi dan Marlan Hutahaean 30/05/2016
1 Kuliah 11 Metode Analytical Hierarchy Process Dielaborasi dari materi kuliah Sofian Effendi METODE AHP 2 Metode Analytical Hierarchy Process (AHP) dan Analytical Network Process (ANP) dapat digunakan
Lebih terperinciPENDEKATAN ANALITYCAL HIERARCHY PROCESS (AHP) DALAM PENENTUAN URUTAN PENGERJAAN PESANAN PELANGGAN (STUDI KASUS: PT TEMBAGA MULIA SEMANAN)
PEDEKT LITYCL HIERRCHY PROCESS (HP) DLM PEETU URUT PEGERJ PES PELGG (STUDI KSUS: PT TEMBG MULI SEM) urlailah Badariah, Iveline nne Marie, Linda Jurusan Teknik Industri, Fakultas Teknologi Industri, Universitas
Lebih terperinciSistem Pendukung Keputusan / Decision Support System
Sistem Pendukung Keputusan / Decision Support System Pengambilan Keputusan, Sistem, Pemodelan dan Dukungan Oleh : Imam Cholissodin S.Si., M.Kom Content 1. 2. 3. 4. 5. 6. 7. Pengambilan Keputusan Proses
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA II.1. Sistem Pendukung Keputusan Sistem Pendukung Keputusan (SPK) merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan dan memanipulasi data. Sistem ini digunakan
Lebih terperinciPENGAMBILAN KEPUTUSAN PENERIMA BEASISWA DENGAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) (STUDI KASUS : SMK NEGERI 1 PUGUNG, TANGGAMUS)
PENGAMBILAN KEPUTUSAN PENERIMA BEASISWA DENGAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) (STUDI KASUS : SMK NEGERI PUGUNG, TANGGAMUS) Nungsiati Sekolah Tinggi Manajemen Informatika dan Komputer Jl. Wismarini
Lebih terperinciPengenalan Metode AHP ( Analytical Hierarchy Process )
Pengenalan Metode AHP ( Analytical Hierarchy Process ) A. Pengertian AHP ( Analitycal Hierarchy Process ) AHP merupakan suatu model pendukung keputusan yang dikembangkan oleh Thomas L. Saaty. Model pendukung
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA BERPRESTASI MENGGUNAKAN METODE AHP (ANALYTICAL HIERARCHY PROCESS)
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA BERPRESTASI MENGGUNAKAN METODE AHP (ANALYTICAL HIERARCHY PROCESS) SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom)
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN IV.1. Tampilan Hasil Berikut ini dijelaskan tentang tampilan hasil dari sistem pendukung keputusan penentuan kenaikan kelas pada SMA Ar Rahman dengan sistem yang dibangun dapat
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1. Analisis Masalah Tujuan analisa sistem dalam pembangunan aplikasi sistem pendukung keputusan ini adalah untuk mendapatkan semua kebutuhan pengguna dan sistem, yaitu
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1. Penyusunan Hirarki Dari identifikasi dan subatribut yang dominan, dapat disusun struktur hirarki sebagai berikut: Gambar 4.1 Struktur Hirarki Penerima Beasiswa
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. 2.1 Profile Umum P.T. PJB Badan Pengelola Waduk Cirata
BAB 2 TINJAUAN PUSTAKA 2.1 Profile Umum P.T. PJB Badan Pengelola Waduk Cirata PT. Pembangkitan Jawa Bali (PT. PJB) Cirata merupakan pusat PLTA yang terletak di Kecamatan Cipeundeuy Kabupaten Bandung Barat.
Lebih terperinci