Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X

Transkripsi

1 Jurnal Pengembangan Teknolog Informas dan Ilmu Komputer e-issn: X Vol. 2, No. 3. Maret 2018, hlm Sstem Pendukung Keputusan Pemlhan Mtra Jasa Pengrman Barang menggunakan Metode Smple Addtve Weghtng (SAW) Technque for Other Reference by Smlarty to Ideal Soluton (TOPSIS) d Kota Malang Lsa Septan Putr 1, Nurul Hdayat 2, Suprapto 3 Program Stud Teknk Informatka, Emal: 1 lshaaaputr@gmal.com, 2 ntayadh@ub.ac.d, 3 spttf@ub.ac.d Abstrak Kota Malang merupakan kota besar yang berkembang d daerah Jawa Tmur, sehngga tdak heran banyak sekal beberapa mtra jasa pengrman barang yang menawarkan jasa pengrman barang untuk masyarakat. Dmana kebanyakan rata-rata dar mtra pengrman barang tersebut jangkauannya tdak hanya d Malang saja akan tetap nasonal bahkan nternasonal. Sehngga, banyak sekal masyarakat yang mash bngung untuk memlh mtra jasa pengrman mana yang terbak dlhat dar karakterstk dar barang sepert mudah pecah, rngkh, dmens besar dan sebaganya. Sehngga menmbulkan resko ketka proses pengrman barang. Maka, perlu dbangun sebuah sstem yang dapat membantu phak masyarakat dalam mengambl sebuah keputusan. Model yang dgunakan untuk membangun Sstem Pendukung Keputusan n menggunakan Fuzzy Multple Atrbute Decson Makng(FMADM) dengan metode Smpel Addtve Weghtng (SAW)-Technque for Order Preference by Smlarty to Ideal Soluton (TOPSIS). Dharapkan keputusan lebh obyektf, sehngga mtra terplh sesua dengan kebutuhan phak masyarakat dan dapat memnmalsr kesalahan. Hasl perhtungan akuras dar 7 data perbandngan data hasl aktual dengan data hasl target sebesar 28,57% serta perbandngan data hasl aktual dengan hasl target sebesar 71,42%. Dan nla Usablty Testng dar 20 responden dperoleh hasl sebesar 71,66% pertanyaan mampu d jawab, persentase 28,33% pertanyaan tdak dapat terjawab oleh responden, dar hasl tersebut dapat dsmpulkan bahwa aplkas androd dnyatakan bak. Kata kunc: sstem pendukung keputusan, Metode SAW, Metode TOPSIS, Fuzzy MADM, jasa pengrman. Abstract Malang s a bg cty that develops n East Java, so t s not surprsng that there are many freght forwardng partners that offer freght servces to the publc. Where most of the average of the goods delvery partner s ts reach not only n Malang alone but natonally and even nternatonally. Thus, many people are stll confused to choose whch shppng servce partners are best seen from the characterstcs of the goods such as easly broken, fragle, large dmensons and so on. So t rases the rsk when the process of delvery of goods. So, t s necessary to buld a system that can help the communty n takng a decson. The model used to buld ths Decson Support System uses Fuzzy Multple Atrbute Decson Makng (FMADM) wth Smple Addtve Weghtng (SAW) method- Technque for Order Preference by Smlarty to Ideal Soluton (TOPSIS). It s hoped that the decson wll be more objectve, so that the selected partners wll meet the needs of the communty and mnmze the mstakes. Accuracy calculaton results from 7 data comparson of actual results data wth target data results of 28.57% and comparson of actual results data wth target results of 71.42%. And the value of Usablty Testng from 20 respondents obtaned the result of 71.66% of questons able to answer, the percentage of 28.33% of questons can not be answered by the respondents, from these results can be concluded that the androd applcaton s declared good. Keywords: decson support system, SAW Method, TOPSIS Method, Fuzzy MADM, delvery servce. 1. PENDAHULUAN Serngnya perkembangan saat n, beberapa teknolog nformas menjad sangatlah melambung dengan cepat dan pesat. Sehngga perkembangan tersebut banyak tercpta Fakultas Ilmu Komputer Unverstas Brawjaya 1219

2 Jurnal Pengembangan Teknolog Informas dan Ilmu Komputer 1220 teknolog yang mempermudah dan membantu pekerjaan manusa, yatu dantaranya adalah komputer dan barang elektronka lan sepert handphone, smartphone, televs, rado dan lanlan. Dengan serngnya perkembangan teknolog n, banyak sekal bdang-bdang usaha yang membuat masyarakat terbantu dalam menyelesakan sebuah permasalahan yang ada sepert akses perdagangan onlne (E- Commerce). Defns dar E-Commerce menurut Loudon (1998) adalah sebuah kegatan konsumen perhal transaks jual bel sebuah produk secara onlne dar mtra ke mtra yang lan dengan menggunakan perangkat elektronk sebaga bahan perantara transaks usaha. Terkadang dalam pembelan dan penjualan barang tersebut, dbutuhkan sebuah jasa pengrman barang yang mengendalkan semua transaks usaha untuk terlaksananya pengrman dan penermaan barang dalam berbaga transportas dantaranya darat, udara dan laut. Dalam proses pengrman barang tersebut terdapat berbaga macam kendala dantaranya adalah jens-jens dar barang dagangan memlk berbaga macam sfat sepert, mudah pecah, dmens dar kecl sampa besar dan lan sebaganya, tdak memlk kurr nternal untuk mengantarkan barang pesanan kepelanggan secara langsung sehngga untuk pengrman barang selalu mengandalkan jasa pengrman barang. Dan terkadang juga masyarakat memlh mtra jasa pengrman barang secara manual, yatu hanya ddasar dengan prlaku kebasaan semata. Akan tetap serngkal terjad keterlambatan, barang rusak, baya yang membengkak dan masalah yang palng besar adalah kekecewaan pelanggan dan keadaan terburuknya adalah hlangnya kepercayaan pelanggan yang mengakbatkan putusnya relas atau hubungan antar sesama. D kota Malang, terdapat berbaga macam mtra jasa pengrman barang sepert JNE, Scepat Express, Tk, J&T Express, JET Express, La Jaya Sentosa, Kantor Pos Indonesa dll. Dan banyak pula masyarakat yang menggunakan mtra jasa pengrman tersebut untuk melakukan pengrman dan penermaan barang. Sehngga past ada ss postf dan negatf yang dtmbulkan oleh mtra jasa pengrman barang tersebut. D poss postfnya yatu layanan yang dberkan tergolong cukup mudah, karena hanya mengantarkan barang krman hngga sampa ke tujuan. Layanan akan makn terbantu dengan beragam fasltas sepert webste, jarngan nternet dan meda sosal, dposs negatfnya masyarakat terkadang mash bngung dan sult untuk menentukan manakah mtra jasa pengrman barang yang tepat dlhat dar berbaga krtera yatu jens armada, jangkauan, pengalaman perusahaan, harga, waktu pengrman dan kemasan barang. Sehngga, masyarakat perlu lebh selektf dalam memlh mtra jasa pengrman barang agar mengurang terjadnya sebuah permasalahan maka perlu dcptakannya sebuah aplkas Sstem Pendukung Keputusan yang bsa mempermudah phak masyarakat dalam mengambl sebuah keputusan dengan tepat. Rancangan yang dgunakan untuk membangun Sstem Pendukung Keputusan n menggunakan metode Smpel Addtve Weghtng (SAW) - Technque For Other Reference by Smlarty to Ideal Soluton (TOPSIS). D dalam metode n menentukan nla bobot untuk krtera penlaan sampa dengan terplh alternatf terbak. Dharapkan keputusan lebh obyektf, sehngga mtra terplh sesua dengan kebutuhan phak masyarakat dan dapat mengurang permasalahan yang ada. Dlhat dar kendala yang ada, bahwa pentngnya pemlhan mtra yang tepat dan nyaman dalam bdang mtra jasa pengrman barang, karena dapat bermbas langsung dengan kepuasan pelanggan, maka penelt bernat untuk melakukan sebuah peneltan berkatan dengan Judul Sstem Pendukung Keputusan Pemlhan Mtra Jasa Pengrman Barang menggunakan Metode Smple Addtve Weghtng (SAW) - Technque For Other Reference by Smlarty to Ideal Soluton (TOPSIS) d Kota Malang. Dan peneltan n dapat dharapkan dapat membantu phak masyarakat dalam pengamblan keputusan pemlhan mtra jasa pengrman barang dengan bak dan tepat sesua kengnan. 2. LANDASAN KEPUSTAKAAN 2.1. Smple Addtve Weghtng (SAW) Metode Smple Addtve Weghtng (SAW) yang basa dsebut dengan metode penjumlahan terbobot. Teor dar Smple Addtve Weghtng (SAW) adalah mencar penjumlahan terbobot dar setap alternatf pada semua atrbut. Metode Smple Addtve Weghtng (SAW) memerlukan proses normalsas matrks keputusan (x) ke suatu skala yang dapat dbandngkan dengan semua ratng alternatf yang ada. Berkut yatu rumus dalam melakukan normalsasnya djelaskan dalam Persamaan (1).

3 Jurnal Pengembangan Teknolog Informas dan Ilmu Komputer 1221 r j = { X j Max Xj Mn Xj Xj (1) Djelaskan bahwa rj yatu sebuah ratng knerja ternormalsas dar alternatf A pada atrbut Cj : = 1, 2,, m dan j = 1, 2,, n. preferens untuk setap alternatf (V) djelaskan dalam Persamaan (2). n V = j=1 Wjr j (2) dar V lebh besar, sehngga dapat dsmpulkan bahwa alternatf A lebh terplh Technque For Other Reference by Smlarty to Ideal Soluton (TOPSIS) Technque For Other Reference by Smlarty to Ideal Soluton (TOPSIS) merupakan sebagan dar metode SPK yang dkembangkan Yoon serta Hwang (1981). Metode tersebut adalah metode alternatf terplh yang memlk jarak terdekat dar solus deal postf serta terjauh dar solus deal negatf. Selanjutnya plhan tersebut akan drangkng berdasarkan nla, maka alternatf yang mempunya jarak terpendek beserta solus deal postf alah sebuah alternatf yang terbagus. Istlah lannya, bahwa alternatf tersebut mempunya sebuah nla yang lebh tngg dan bagus untuk dgunakan atau dambl sebaga keputusan (Julyant et al., 2011). Berkut adalah tahapan dar metode TOPSIS yang djelaskan oleh (Kusumadew, et al., 2006). 1. TOPSIS memerlukan ratng knerja tap alternatf A pada krtera C j yang ternormalsas, djelaskan dalam Persamaan (3). x r (3) j j m 2 1 xj Pemberan nla bobot matrks keputusan ternormalsas sesua dengan krtera yang dperlukan, djelaskan dalam Persamaan (4). y w r (4) j j 2. Menghtung nla tertngg, maka bsa mencar solus deal postf (A + ) yang djelaskan dalam Persamaan (5) Sebalknya nla terendah bsa dcar solus deal negatf (A - ) yang djelaskan dalam Persamaan (6). A y, y,... y ) (5) ( 1 2 m A y, y,... y ) (6) ( 1 2 m 3. Mencar jarak terhadap nla setap alternatf bersama matrks solus deal postf serta matrks solus deal negatf. Jarak alternatf terhadap solus deal postf (D + ) djelaskan dalam Persamaan (7) sedangkan jarak alternatf terhadap solus deal negatf (D - ) djelaskan dalam Persamaan (8). n 2 D 1 ( yj y ) (7) n 2 D 1 ( yj y ) (8) 4. Setelah tu mencar nla preferens V dalam tap alternatf untuk perhtungan terakhr metode TOPSIS, djelaskan dalam Persamaan (9). D V (9) D D 5. Pengurutan hasl alternatf selaras dengan nla V. 3. METODE PENELITIAN 3.1 Stud Lteratur Pada metode n berperan untuk merah dasar teor sebaga sumber acuan dalam penulsan skrps beserta pengembangan sstem atau aplkas. Landasan teor dan pustaka tersebut berkatan dengan: Sstem Pendukung Keputusan Smpel Addtve Weghtng (SAW) Technque For Other Reference by Smlarty to Ideal Soluton (TOPSIS) Dalam stud pustaka n menerangkan bahwa dasar teor tersebut berfungs sebaga penunjang beserta pendukung terhadap penulsan skrps. Referens (sumber) yang dgunakan melput nformas-nformas terkat pemlhan mtra jasa pengrman barang berupa data, jurnal, laporan peneltan, dan nternet. 3.2 Pengumpulan Data Pengumpulan data dlakukan dengan cara dataset. Data yang dgunakan pada skrps n

4 Jurnal Pengembangan Teknolog Informas dan Ilmu Komputer 1222 berupa nama-nama mtra jasa pengrman barang, dmana dalam langkah pertama yang harus dlakukan adalah menentukan alternatve, krtersa serta pembobotan krtera yang dfungskan sebaga acuan peneltan. Data terbag menjad 3 kategor: 1. Data Alternatf Terdapat 7 perusahaan yang djadkan sebaga alternatf dalam peneltan pemlhan mtra jasa pengrman barang berdasarkan krtera yang telah dtentukan sebaga berkut: A1 = JNE A2 = Kantor Pos Indonesa A3 = JET Express A4 = La Jaya Sentosa A5 = J&T Express A6 = TIKI A7 = Scepat Express 2. Data Krtera Terdapat 6 krtera yang djadkan penlaan mtra jasa pengrman barang yatu: C1 = Jens Armada C2 = Jangkauan C3 = Pengalaman Perusahaan C4 = Harga C5 = Waktu Pengrman C6 = Hasl Pengemasan Barang 3. Data Pembobotan Dsn terdapat nla pembobotan yang terdapat pada jurnal sebelumnya yang terkat dengan aplkas n, pada setap krtera yatu: C1 = 15% C2 = 15% C3 = 10% C4 = 10% C5 = 20% C6 = 30% 4. ANALISIS DAN PERANCANGAN 4.1 Bass Pengetahuan Aturan Dalam bass pengetahuan aturan n, terdapat tabel krtera dan bobot krtera yang sudah dtetapkan, yatu dtunjukkan pada Tabel 1 Jens Armada, Tabel 2 Jangkauan, Tabel 3 Pengalaman Perusahaan, Tabel 4 Harga, Tabel 5 Waktu Pengrman, Tabel 6 Hasl Pengemasan Barang. Tabel 1. Pembobotan Krtera C1 (Jens Armada) No. Jens Armada Bobot 1. Darat 1 E 2. Darat Laut 2 D 3. Darat Udara 3 C 4. Udara Laut 4 B 5. Darat Udara Laut 5 A Tabel 2. Pembobotan Krtera C2 (Jangkauan) No. Jangkauan Bobot 1. Domestk 1 B 2. Domestk dan Internasonal 2 A Tabel 3. Pembobotan Krtera C3 (Pengalaman Perusahaan) No. Pengalaman Bobot Perusahaan 1. <5 tahun 1 E tahun 2 D tahun 3 C tahun 4 B 5. > 20tahun 5 A Tabel 4. Pembobotan Krtera C4 (Harga) No. Harga Bobot 1. Mahal 1 C 2. Sedang 2 B 3. Murah 3 A Tabel 5. Pembobotan Krtera C5 (Waktu Pengrman) No. Waktu Bobot Pengrman 1. Lambat 1 D 2. Agak Lambat 2 C 3. Agak Cepat 3 B 4. Cepat 4 A No. Tabel 6. Pembobotan Krtera C6 (Kemasan) Hasl Pengemasan Barang Bobot 1. Buruk 1 D 2. Cukup 2 C 3. Bak 3 B 4. Sangat Bak 4 A 4.2 Representas Algortma Representas algortma adalah untuk

5 Jurnal Pengembangan Teknolog Informas dan Ilmu Komputer 1223 menentukan kesmpulan dar suatu permasalahan dan menjelaskan mengena algortma dar proses pengamblan kesmpulan. Berkut merupakan representas algortma Smple Addtve Weghtng (SAW) - Technque For Other Reference by Smlarty to Ideal Soluton (TOPSIS) dtunjukkan pada Gambar Perhtungan Metode SAW TOPSIS Berkut merupakan rantng kecocokan dar setap alternatf pada tap krtera yau dtunjukkan pada Tabel 7. Tabel 7 Rantng Kecocokan dar Setap Alternatf pada Tap Krtera Metode SAW Langkah 1 : Membuat matrks keputusan X. Gambar 1. Flow Chart Metode SAW TOPSIS Gambar 1 yatu menjelaskan tahapan Sstem Pendukung Keputusan (SPK) yang terdr dar 2 metode SAW-TOPSIS. Pada Flow Chart tersebut, metode algortma Smple Addtve Weghtng (SAW) terdapat pada 3 proses yatu : 1. Mengnputkan nla yang ddapat oleh masng-masng mtra pengrman barang (Data Alternatf, Data Krtera, dan Data pembobotan). 2. Konferens nla berdasarkan range. 3. Setelah tu menormalsas matrks R. Selanjutnya proses akan djalankan menggunakan metode Technque For Other Reference by Smlarty to Ideal Soluton (TOPSIS) terdapat dar 5 proses yatu: 1. Menormalsas matrks terbobot y. 2. Menentukan solus deal postf dan solus deal negatf. 3. Mencar jarak antar alternatf dengan solus deal postf dan solus deal negatf. 4. Menentukan nla preferens setap alternatf. 5. Mengurutkan hasl mtra pengrman barang terbak. Langkah 2 : Membuat Normalsas Matrks Keputusan R. Kemudan hasl normalsas dtuangkan dalam matrks normalsas (R) dtunjukkan pada Tabel 8. Tabel 8. Matrks Normalsas (R) Metode TOPSIS Langkah 3 : Normalsas Matrks Terbobot Y berdasarkan nla setap elemen pada matrks ternormalsas R yang dperoleh pada metode SAW. Sehngga, dar hasl matrks datas yang ternormalsas terbobot (Y) dtunjukkan pada Tabel 9.

6 Jurnal Pengembangan Teknolog Informas dan Ilmu Komputer 1224 Tabel 9. Matrks Ternormalsas Terbobot (Y) Tabel 13. Perbandngan Data Hasl Aktual dengan Data Hasl Target Langkah 2 : Menentukan Solus Ideal Postf (A + ) dan Matrks Ideal Negatf (A - ). Sehngga dperoleh hasl yang dtunjukkan pada Tabel 10. Tabel 10. Solus Ideal Postf (A + ) dan Matrks Ideal Negatf (A - ) Pada Tabel 13 menunjukkan bahwa ada sebanyak 2 jens mtra jasa pengrman barang yang ddapatkan pada data hasl target yang sesua dengan data hasl aktual. Berdasarkan data hasl tersebut, maka kesesuaan hasl antara data hasl target dengan data hasl aktual dapat dhtung dengan rumus berkut: akuras = 2 x 100% = 28,57% 7 Langkah 3 : Menghtung Jarak Solus Ideal Postf (D + ) dan Solus Ideal Negatf (D - ). Sehngga haslnya dtunjukkan pada Tabel 11. Tabel 11. Jarak Solus Ideal Postf (D + ) dan Solus Ideal Negatf (D - ) Setelah tu menghtung perbandngan data aktual dengan hasl data hasl system yang djelaskan dalam Tabel 14. Tabel 14. Perbandngan Data Aktual dengan Hasl Data Hasl Sstem Langkah 6 : Menentukan preferens untuk setap alternatf. Dan haslnya djabarkan pada Tabel 12. Tabel 12. preferens untuk setap alternatf Pada Tabel 14 menunjukkan bahwa ada sebanyak 5 jens mtra jasa pengrman barang yang ddapatkan pada data hasl target yang sesua dengan data hasl aktual. Berdasarkan data hasl tersebut, maka kesesuaan hasl antara data hasl target dengan data hasl aktual dapat dhtung dengan rumus berkut: akuras = 5 x 100% = 71,42% Hasl dan Analss Pengujan Akuras Berkut adalah perbandngan data hasl aktual dengan data hasl target yang djelaskan dalam Tabel 13. Berdasarkan hasl kedua perhtungan tngkat akuras d atas, menunjukkan bahwa perhtungan sstem lebh bak darpada data hasl target yang dwacanakan. 4.5 Usablty Testng Berkut adalah presentase jawaban

7 Learnab Effcency Memor Errors Satsfact Jurnal Pengembangan Teknolog Informas dan Ilmu Komputer 1225 responden yang dtunjukkan pada Gambar Gambar 2. Presentase Jawaban Responden Sehngga, dalam peneltan yang dlakukan n dperoleh hasl yatu presentase usablty testng untuk mengukur penggunaan Sstem Pendukung Keputusan Pemlhan Mtra Jasa Pengrman Barang menggunakan Metode Smple Addtve Weghtng (SAW) - Technque For Other Reference by Smlarty to Ideal Soluton (TOPSIS) d Kota Malang. Learnablty sebesar 100% pertanyaan mampu d jawab 0% pertanyaan tdak dapat terjawab oleh responden, effcency sebesar 100% pertanyaan mampu d jawab 0% pertanyaan tdak dapat terjawab oleh responden, memorablty sebesar 80% pertanyaan mampu d jawab 20% pertanyaan tdak dapat terjawab oleh responden, error sebesar 16,66% pertanyaan mampu d jawab 83,33% pertanyaan tdak dapat terjawab oleh responden, satsfacton sebesar 71,66% pertanyaan mampu d jawab 28,33% pertanyaan tdak dapat terjawab oleh responden. Jad hasl keseluruhaan jawaban responden sebesar 73,664% pertanyaan mampu d jawab, persentase 26,332% pertanyaan tdak dapat terjawab oleh responden, dar hasl tersebut dapat dsmpulkan bahwa aplkas androd Sstem Pendukung Keputusan Pemlhan Mtra Jasa Pengrman Barang menggunakan Metode Smple Addtve Weghtng (SAW) - Technque For Other Reference by Smlarty to Ideal Soluton (TOPSIS) d Kota Malang dnyatakan bak. 5. KESIMPULAN Dtemukan Tdak Dtemukan Berdasarkan hasl perancangan, mplementas dan pengujan serta analss yang telah dlakukan terhadap sstem pendukung keputusan pemlhan mtra jasa pengrman barang menggunakan metode SAW-TOPSIS n, maka dapat dambl kesmpulan sebaga berkut: 1. Hasl akuras antara data hasl aktual dengan data hasl sstem yatu 71,42%. 2. Hasl keseluruhaan jawaban responden sebesar 73,664% pertanyaan mampu d jawab, perseentase 26,332% pertanyaan tdak dapat terjawab oleh responden, dar hasl tersebut dapat dsmpulkan bahwa aplkas androd Sstem Pendukung Keputusan Pemlhan Mtra Jasa Pengrman Barang menggunakan Metode Smple Addtve Weghtng (SAW) - Technque For Other Reference by Smlarty to Ideal Soluton (TOPSIS) d Kota Malang dnyatakan bak. 3. Metode Smple Addtve Weghtng (SAW)- Technque Order Preference by Smlarty To Ideal Soluton (TOPSIS) dterapkan dalam Sstem Pendukung Keputusan sehngga dapat menentukan pemlhan mtra terbak d Kota Malang. 4. Sstem yang dbangun dapat mempermudah pengguna atau masyarakat dalam menentukan keputusan pemlhan mtra jasa pengrman barang terbak d Kota Malang. 5. Dengan menerapkan sstem androd dalam pemlhan mtra jasa pengrman barang terbak, maka proses pengolahan data akan semakn tepat dan mengurang kesalahan dalam pengamblan keputusan. DAFTAR PUSTAKA A,Tr Y., Sstem Pendukung Keputusan Pemlhan Mtra Jasa Pengrman Barang Menggunakan Metode Smple Addtve Weghtng (SAW). Teknk Informatka, Fakultas Teknk, Matematka dan IPA, Unverstas Indraprasta PGRI. JUPITER-Jurnal PenerapanIlmu-IlmuKomputer. Aycan, E. & Ayav, T Solvng the Cource Schedullng Problem Usng Smulated Annealng. IEEE Internatonal Advance Computng Conference, Enyat, Sr., Jurnal Teknolog Informas DINAMIK. Perancangan Sstem Pendukung Pengamblan Keputusan untuk Penermaan Beasswa dengan Metode SAW (Smple Addtve Weghtng). Vol. 16, No. 2, hal Fshburn, P.C, A Problem-Based Selecton of Mult-Atrbute Decson Makng Method. Blackwell Publshng. Hanfah, Isnan Nur., Jurnal Teknk Elektro. Sstem Pendukung Keputusan

8 Jurnal Pengembangan Teknolog Informas dan Ilmu Komputer 1226 Pemlhan Guru Berprestas dengan Smple Addtve Weghtng. Vol. 6, No.1. Kursn, Konsep dan Aplkas Sstem Pendukung Keputusan. Yogyakarta : Penerbt And. Kusumadew, Sr,. Hartat, Sr., Fuzzy Multple Attrbute Decson Makng (Fazzy MADM). Yogyakarta : Penerbt And. Yan, J., Jurnal of Hgher Educaton Studes. Fuzzy Logc Control and Its Applcatons. Vol 5 No. 1.