BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI"

Transkripsi

1 BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Dalam penelitian analisis karakteristik gaya belajar vak(visual, auditori, kinestetis) mahasiswa pendidikan informatika 2014, membahas tentang Informasi terkait karakteristik gaya belajar mahasiswa yang akan diajari, sangat penting bagi dosen untuk meningkatkan kualitas pembelajarannya.mahasiswa juga akan lebih mudah memotivasi dirinya dalam pembelajaran. Penelitian ini merupakan penelitian non-eksperimen, yaitu tergolong pada penelitian deskriptif kualitatif. Subjek penelitian ini adalah seluruh mahasiswa program studi pendidikan informatika yang berasal dari angkatan Instrumen yang digunakan dalam penelitian ini berupa angket/kuesioner yang akan diisi oleh subjek penelitian. Angket gaya belajar ini diisi oleh sebanyak 115 subjek penelitian yang berasal dari mahasiswa Pendidikan Informatika Angkatan 2014 (sari, 2014). dalam penelitiannya merancang sistem pakar yang dapat digunakan untuk menentukan gaya belajar anak usia sekolah dasar untuk membuat sistem pakar dibidang psikologi, khususnya pada gaya belajar untuk anak usia sekolah dasar. Dimana aplikasi tersebut menggunakan pengetahuan dari pakar psikologi yang dimasukkan kedalam komputer. Aplikasi sistem pakar ini diharapkan dapat mengatasi permasalahan menentukan gaya belajar anak usia sekolah dasar. Selain itu, dapat digunakan sebagai penunjang dalam bidang ilmu psikologi serta dapat digunakan bag i keperluan masyarakat dan individu pada umumnya (arisandi & saputra, 2015). Dalam penelitiannya pembuatan aplikasi ini dirancang untuk membuat sistem pakar identifikasi gaya belajar yang bertujuan untuk mendapatkan hasil belajar yang efektif dan efisien pada sebuah siklus pembelajaran sebagai objek adalah mahasiswa/mahasiswi dan implementasi metode pembelajaran adalah dosen. Setiap mahasiswa mempunyai gaya belajar yang berbeda-beda. Para pendidik seharusnya mengetahui gaya belajar mahasiswa mereka sehingga 4

2 5 mampu memilih metode pengajaran maka hasil yang didapat lebih optimal. Seorang mahasiswa juga harus mengetahui gaya belajar mereka sendiri dan mampu memilih metode atau cara belajar yang sesuai dengan karakter mereka. Mahasiswa akan belajar jika materi yang disampaikan menarik dan mereka menganggap penting materi tersebut. Visual-Auditorik-Membaca/menulis- Kinestetik (VARK). Metode VARK dibuat menjadi sebuah kuesioner yang telah secara khusus dikembangkan oleh Neil Fleming dalam konteks modalitas dan strategi gaya belajar. Beberapa tahun terakhir VARK telah digunakan dibeberapa negara untuk menilai preferensi gaya belajar mahasiswa atau mahasiswi (prasetyo & iqbal, 2016). Dalam penelitiannya bertujuang menghasilkan sistem clustering gaya belajar mahasiswa berdasarkan memletics learning styles inventory menggunakan fuzzy C-means. Pada penelitian ini input data berupa data inventori gaya belajar mahasiswa yang dibagi dalam 7 tipe gaya belajar : Visual, Verbal, Aural, Physical, Logical, Social dan Solitery. Input data dijadikan matriks 18 x 7 dan 21 x 7. Parameter-parameter pada sistem clustering Fuzzy C-Means yang digunakan adalah jumlah cluster 3 dan 6, jumlah iterasi maksimum 100, pangkat (pembobotan ) 2, kriteria penghentian Proses clustering diawali dengan penentuan matriks keanggotaan U, penetuan matriks pusat cluster dan penghitungan fungsi objektif. Jika nilai fungsi objektif sudah konvergen maka hasil akhir dari matriks U dan matriks pusat cluster digunakan untuk menentukan keanggotaan cluster. Hasil proses clustering menunjukkan bahwa nilai fungsi objektif sudah konvergen sebelum iterasi ke seratus. Data input didistribusikan ke dalam 3 dan 6 cluster. Hasil analisis cluster gaya belajar Aural dan Social dominan di beberapa cluster, gaya belajar Logical kurang dan gaya belajar yang lain sedang (lestari, 2015). Dalam penelitiannya mempunyai tujuan untuk mengidentifikasi gaya belajar mahasiswa. Pendekatan yang digunakan dalam penelitian ini adalah pendekatan kuantitatif dengan metode survey. Variabel dalam penelitian ini adalah variabel tunggal, yaitu identifikasi gaya belajar mahasiswa. Populasi penelitian adalah mahasiswa Program Studi Bimbingan dan Konseling FKIP Universitas Pattimura yang berjumlah 388 orang. Sampel yang digunakan sebagai sampel

3 6 penelitian yaitu sebesar 10% dari populasi yang berjumlah 39 orang. Teknik pengambilan sampel dengan menggunakan Simple Random Sampling. Instrumen yang digunakan dalam penelitian ini adalah angket gaya belajar yang disusun berdasarkan pendapat teori gaya belajar menurut De Poter & Hernacki. Gaya belajar yang diidentifikasi yaitu gaya belajar visual, gaya belajar auditorial, dan gaya belajar kinsetetik. Teknik analisis data dalam penelitian ini adalah dengan metode analisis statistik deskriptif. Berdasarkan hasil penelitian diketahui bahwa mahasiswa program studi bimbingan dan konseling FKIP Universitas Pattimura memiliki kecenderungan pada salah satu gaya belajar. Dari 39 mahasiswa diperoleh bahwa 6 mahasiswa memiliki kecenderungan gaya belajar visual, 20 mahasiswa memiliki kecenderungan gaya belajar auditorial, 1 mahasiswa memiliki kecenderungan gaya belajar kinestetik, dan 12 mahasiswa memiliki kecenderungan gaya belajar campuran antara gaya belajar visual dan gaya belajar auditorial ( papilia & huliselan, 2016). 2.2 Landasan Teori Gaya Belajar Gaya belajar terdiri dari dua kata yakni gaya dan belajar. Dalam hal ini bisa dijabarkan satu-satu terlebih dahulu apa yang dimaksud gaya dan apa yang di maksud dengan belajar. Adapun beberapa pendapat pengertian dari gaya belajar yaitu: 1. Gaya adalah tingkah laku, gerak gerik dan sikap. Sedangkan belajar adalah menuntut ilmu. Belajar dapat diartikan sebagai suatu proses aktif untuk menuju satu arah tertentu yang dapat meningkatkan perbuatan, kemampuan atau pengertian baru. 2. Gaya belajar adalah cara yang konsisten yang dilakukan oleh seorang murid dalam menangkap stimulus atau informasi, cara mengingat, berfikir dan memecahkan soal (Nasution, 2010: 93) 3. Gaya belajar adalah cara yang lebih kita sukai dalam melakukan kegiatan berfikir, memproses dan mengerti suatu informasi.

4 7 4. Gaya belajar ialah kebiasaan yang sering kita lakukan dalam suatu aktivitas mental/psikis yang berlangsung dalam interaksi aktif dengan lingkungan yang menghasilkan pengetahuan-pemahaman dan nilai sikap yang bersifat secara konstan dan berbekas. 5. Gaya belajar adalah perilaku atau ciri seseorang dalam kegiatan untuk memperoleh suatu perubahan tingkah laku sebagai hasil dari pengalaman individu dalam interaksi dengan lingkungan yang menyangkut kognitif, afektif, dan psikomotorik. 6. Gaya belajar merupakan cara yang yang membuat kita nyaman dalam kegiatan yang berproses dan merupakan unsur fundamental dalam penyelenggaraan yang menghasilkan informasi Jenis-jenis Gaya Belajar Gaya belajar seseorang adalah kombinasi dari bagaimana seseorang tersebut menyerap, dan kemudian mengatur serta mengolah informasi. Jika seseorang akrab dengan gaya belajarnya sendiri, seseorang tersebut akan dapat mengambil langkahlangkah penting untuk membantu dirinya belajar lebih cepat dan lebih mudah.jika seseorang tidak dapat melihat atau mendengar, atau, jika tidak dapat merasakan tekstur, bentuk, temperatur, atau berat atau penolakan di lingkungan, berarti seseorang tersebut sama sekali tidak memiliki gaya belajar. Meskipun orang telah mempunyai tujuan tertentu dalam belajar serta telah memilih sikap yang tepat untuk merealisir tujuan itu. Namun tindakan-tindakan untuk mencapai tujuan sangat dipengaruhi oleh situasi. Setiap situasi dimana pun dan kapan saja memberi kesempatan belajar kepada seseorang. Situasi ini ikut menentukan sikap belajar yang dipilih. Berikut ini dikemukakan beberapa contoh gaya belajar dalam beberapa situasi yang sesuai dengan sikap atau perilaku yang biasa orang lakukan saat belajar yaitu: 1. Visual Setiap stimulus visual memberi kesempatan bagi seseorang untuk belajar. Dalam kehidupan sehari-hari banyak hal yang dapat kita pandang, akan tetapi tidak

5 8 semua pandangan atau penglihatan kita adalah belajar. Meskipun pandangan kita tertuju kepada suatu objek visual, apabila dalam diri kita tidak terdapat kebutuhan, motivasi serta sikap tertentu untuk mencapai suatu tujuan, maka pandangan yang demikian tidak termasuk belajar. Alam sekitar kita termasuk juga sekolah dengan segenap kesibukannya merupakan objek-objek yang memberi kesempatan untuk belajar. Apabila kita memandang sesuatu dengan sikap tertentu untuk mencapai tujuan yang mengakibatkan perkembangan diri kita maka dalam hal yang demikian kita sudah belajar. 2. Audio Dalam proses belajar mengajar disekolah sering ada ceramah atau kuliah dari guru atau dosen. Tugas pelajar atau mahasiswa adalah mendengarkan. Tidak setiap orang dapat memanfaatkan situasi ini untuk belajar. Bahkan para pelajar atau mahasiswa yang diam mendengarkan ceramah itu mesti belajar. Apabila hal mendengarkan mereka tidak didorong oleh kebutuhan, motivasi, dan tujuan tertentu maka sia-sialah tujuan mereka. Tujuan belajar mereka tidak tercapai karena tidak adanya set-set yang tepat untuk belajar. Kasus yang demikian terjadi pula dalam situasi diskusi, seminar, lokakarya, demonstrasi ataupun resitasi. Apabila dalam situasi ini orang mendengarkan dengan sikap tertentu untuk mencapai tujuan belajar maka orang itu adalah belajar. Melalui pendengarannya, ia berinteraksi dengan lingkungan sehingga dirinya berkembang. 3. Kinestetik Belajar melalui aktifitas fisik dan keterlibatan langsung. suka menangani, bergerak, menyentuh dan merasakan Pengaruh Gaya Belajar Dengan Prestasi Belajar Prestasi belajar yang baik pasti ditentukan oleh bagaimana proses belajar seseorang itu untuk menuju hasil prestasi yang baik pula. Proses atau gaya belajar pasti berbeda-beda dan masing-masing gaya belajar memiliki nilai positif dan negatif begitu juga dengan dampaknya kepada orang tersebut dan di sekelilingnya. Memang betul ada pola belajar yang tidak baik dan karena itu menghasilkan prestasi belajar yang buruk tetapi kalau pola belajar baik sudah dijamin mendapat

6 9 hasil yang memuaskan. Mutu pendidikan pun juga mempengaruhi kelangsungan pola belajar seorang murid begitu juga dengan lingkungan murid tersebut. Tetapi yang paling mempengaruhi pola belajar terhadap prestasi belajar adalah murid itu sendiri. Jika dia punya motivasi yang tinggi untuk mengembangkan pola belajar maka pola belajar tersebut akan membaik dan hasil prestasinya pun juga akan membaik. Gaya belajar dapat menentukan prestasi belajar anak. Jika diberikan strategi yang sesuai dengan gaya belajarnya, anak dapat berkembang dengan lebih baik. Gaya belajar otomatis tergantung dari orang yang belajar. Artinya, setiap orang mempunyai gaya belajar yang berbeda-beda Dampak gaya belajar terhadap pendidikan Dampak gaya belajar kepada pendidikan secara umum terkait dengan apa yang harus dilakukan guru terhadap materi pembelajaran (kurikulum), pengajaran, dan penilaian sebagai tolak ukur keberhasilan pembelajaran. Guru harus memperhatikan kesesuaian antara metode pengajaran dengan gaya belajar. Guru wajib menganali gaya belajar setiap siswanya kemudian dilihat mana gaya belajar yang paling dominan, hal itulah yang harus disesuaikan dengan metode pengajarannya. Walaupun kelompok minoritas dari gaya belajar tidak dapat menyesuaikan gaya belajarnya dengan yang lain diharapkan bisa mengikuti gaya belajar siswa yang lain dan guru bisa menerapkan semua metode pembelajran yang tetap membuat anak merasa nyaman dengan gaya belajarnya. Peranan guru harus tetap dijaga Sistem pakar Secara umum, sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalahnya atau hanya sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya. Sistem pakar ini juga akan dapat membantu aktivitas para pakar sebagai asisten yang berpengalaman dan mempunyai asisten yang berpengalaman dan mempunyai pengetahuan yang dibutuhkan. Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan

7 10 kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu. Sistem pakar adalah cabang kecerdasan buatan yang menggunakan pengetahuan/knowledge khusus untuk memecahkan masalah pada level human expert/pakar (Giarratano dan Riley, 2005). Sistem pakar banyak dikembangkan dalam berbagai ilmu, salah satu diantaranya dalam bidang pendidikan untuk melakukan menentukan gaya belajar. Sistem pakar digunakan untuk menentukan gaya belajar akan membantu mengkonfirmasi gaya belajar dan mengetahui cirri dan karakternya. Menurut Turban (2005), sistem pakar adalah sistem informasi berbasis komputer yang menggunakan pengetahuan pakar untuk mencapai performa keputusan tingkat tinggi dalam domain persoalan sempit. Bagian dalam sistem pakar terdiri dari 2 komponen utamayakni berisi knowledge base yang berisi basis pengetahuan dan mesin inferensi yang menggambarkan kesimpulan. Kesimpulan tersebut merupakan respons dari sistem pakar atas permintaan pengguna. Konsep dasar sistem pakar dapat dilihat pada Gambar 2.1. Gambar 2. 1 (Turban, 2005) Fuzzy Orang yang belum pernah mengenal logika fuzzy pasti akan mengira bahwa logika fuzzy ialah sesuatu yang amat rumit dan tidak menyenangkan. Namun, sekali seseorang mulai mengenalnya, ia pasti akan sangat tertarik dan akan menjadi

8 11 pendatang baru untuk ikut serta mempelajari logika fuzzy. Logika fuzzy dikatakan sebagai logika baru yang lama, sebab ilmu tentang logika fuzzy modern dan metodis baru ditemukan beberapa tahun yang lalu, padahal sebenarnya konsep tentang logika fuzzy itu sendiri sudah ada pada diri kita sejak lama. Logika fuzzy ialah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Sebagai contoh: 1) Manajer pergudangan mengatakan pada manajer produksi seberapa banyak persediaan barang pada akhir minggu ini, kemudian manajer produksi akan menetapkan jumlah barang yang harus diproduksi esok hari. 2) Pelayan restoran memberikan pelayanan terhadap tamu, kemudian tamu akan memberikan tip yang sesuai atas baik tidaknya pelayan yang diberikan; 3) Anda mengatakan pada saya seberapa sejuk ruangan yang anda inginkan, saya akan mengatur putaran kipas yang ada pada ruangan ini. 4) Penumpang taksi berkata pada sopir taksi seberapa cepat laju kendaraan yang diinginkan, sopir taksi akan mengatur pijakan gas taksinya Fuzzy MADM (Multi-Attribute Decision Making) FMADM adalah penggabungan antara logika fuzzy dan multi-attibute decision making. Fuzzy dalam multi-attribute decision making digunakan untuk mengolah atribut suatu alternatif yang tidak dapat disajikan dengan lengkap, mengandung ke- tidakpastian atau ketidakkonsistenan. Secara umum FMADM memiliki suatu tujuan tertentu, yang dapat diklasifikasikan dalam dua tipe, (Simoes-Marques) yaitu menyeleksi alternatif dengan atribut dengan ciri-ciri terbaik dan mengklasifikasikan alternatif berdasarkan peran tertentu. Untuk menyelesaikan masalah MADM, dibutuhkan dua tahap yaitu membuat rating pada setiap alternatif berdasarkan agregrasi derajat kecocokan pada semua kriteria, kemudian merangking semua alternatif untuk mendapatkan alternatif terbaik. Ada dua cara yang dapat digunakan dalam proses perankingan, yaitu membuat defuzzy dan/atau melalui relasi preferensi fuzzy. Metode defuzzy dimulai dengan membuat bentuk crisp dari bilangan fuzzy, kemudian dilakukan proses perankingan berdasarkan atas bilangan crisp tersebut. Model ini memang mudah

9 12 diimplementasikan, namun sangat dimungkinkan untuk kehilangan beberapa informasi terutama yang menyangkut ketidakpastian. Penggunaan relasi preferensi fuzzy lebih menjamin ketidak- pastian yang melekat pada bilangan fuzzy hingga proses perankingan. Metode MADM klasik memiliki beberapa kelemahan, yaitu tidak cukup efisien untuk menyelesaikan masalah-masalah pengambilan keputusan yang melibatkan data-data yang tidak tepat dan tidak pasti, biasanya diasumsikan bahwa keputusan akhir terhadap alternatif-alternatif diekspresikan dengan bilangan real, sehingga tahap perankingan menjadi kurang mewakili beberapa permasalahan tertentu dan penyelesaian masalah hanya terpusat pada tahap agregasi FMADM dapat mengatasi hal tersebut. Penyelesaian permasalahan FMADM bisa dilakukan dengan dua cara, yaitu dengan metode MADM klasik dan dengan metode pengembangan. Metode MADM klasik yang dapat digunakan untuk menyekesaikan permasalahan FMADM adalah metode SAW, WP, atau TOPSIS untuk melakukan perankingan, setelah terlebih dahulu dilakukan konversi data fuzzy ke data crisp. Apabila data fuzzy diberikan dalam bentuk linguistik, maka data tersebut harus dikonversi terlebih dahulu ke bentuk bilangan fuzzy, baru kemudian dikonversi lagi ke bilangan crisp Metode Fuzzy MADM Dengan Pengembangan Joo (2004) mengembangkan metode Fuzzy Decision Making (FDM). Ada tiga langkah penyelesaian yang meliputi representasi masalah, evaluasi himpunan fuzzy,dan menyeleksi alternatif yang optimal, dengan perincian: A. Representasi Masalah a) Mengidentifikasi tujuan dan kumpulan alternative keputusannya; Tujuan keputusan dapat direpresentasikan dengan menggunakan bahasa alami ataupun nilai numeris sesuai dengan alternative keputusan dari masalah tersebut. Jika ada n keputusan dari suatu masalah, maka alternatifalternatif tersebut dapat ditulis sebagai A = {Ai i = 1,2,,n} b) Mengidentifikasi kumpulan criteria; Jika terdapat k criteria maka dapat dituliskan C = {Ct t =1,2,,k}.

10 13 c) Membangun struktur hirarki (Gambar 2.2) dari masalah tersebut berdasarkan pertimbangan-pertimbangan tertentu Gambar 2. 2 FDM (Fuzzy Decision Making) B. Evaluasi Himpunan Fuzzy a) Memilih himpunan rating untuk bobot-bobot kriteria, dan derajat kecocokkan setiap alternatif dengan kriterianya. Secara umum himpunan rating terdiri dari tiga elemens yaitu variable linguistik (x) yang merepresentasikan bobot kriteria dan derajat kecocokkan setiap alternatif dengan kriterianya; T(x) merepresentasikan rating dari variable linguistik; dan fungsi keanggotaan yang berhubungan dengan setiap Tujuan elemen dari T(x). Misal rating untuk bobot pada variable Profesional untuk suatu kriteria didefinisikan sebagai: T(professional) = {rendah, cukup, tinggi}. Sesudah himpunan rating ditentukan, selanjutnya harus ditentukan fungsi keanggotaan untuk setiap rating. Biasanya digunakan fungsi segitiga. b) Mengevaluasi bobot-bobot kriteria, dan derajat kecocokan setiap alternatif dengan kriterianya. c) Mengagregasi bobot-bobot kriteria, dan derajat kecocokan setiap alternatif dengan kriterianya. Ada beberapa metode yang dapat digunakan untuk melakukan agregasi terhadap hasil keputusan para pengambil keputusan, antara lain: mean, median, max, min dan operator campuran. Dari beberapa metode tersebut, metode mean yang paling banyak digunakan. Operator dan adalah operator yang digunakan untuk penjumlahan dan perkalian

11 14 fuzzy.dengan menggunakan operator mean, dirumuskan seperti pada persamaan 2.2. C. Menyeleksi Alternatif Yang Optimal; a) Memprioritaskan alternatif keputusan berdasarkan hasil agregasi. Prioritas dari hasil agregasi dibutuhkan dalam rangka proses perangkingan alternatif keputusan. Karena hasil agregasi ini direpresentasikan dengan menggunakan bilangan fuzzy segitiga, maka dibutuhkan metoda perangkingan untuk bilangan fuzzy segitiga. Salah satu metode yang dapat digunakan adalah metoda nilai total integral. Misalkan F adalah bilangan fuzzy segitiga, F = (a, b, c), maka nilai total integral dapat dirumuskan sebagai berikut: nilai α adalah indeks keoptimisan yang merepresentasikan derajat keoptimisan bagi pengambil keputusan. Apabila nilai α semakin besar mengindikasikan bahwa derajat keoptimisannya semakin besar. Apabila ada dua bilangan fuzzy Fidan Fj. b) Memilih alternatif keputusan dengan prioritas tertinggi sebagai alternatif yang optimal. Semakinbesar nilai berarti kecocokan terbesar dari alternatif keputusan untuk kriteria keputusan, dan nilai inilah yang akan menjadi tujuannya.

P14 FMADM Dengan Pengembangan. A. Sidiq P.

P14 FMADM Dengan Pengembangan. A. Sidiq P. P14 FMADM Dengan Pengembangan A. Sidiq P. http://sidiq.mercubuana-yogya.ac.id Program Studi Teknik Informatika Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2.1 Sistem pendukung keputusan (SPK) Konsep sistem pendukung keputusan atau decision support system (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton

Lebih terperinci

PENGGUNAAN METODE FUZZY MULTI ATTRIBUTE DECISION MAKING DALAM PENDUKUNG KEPUTUSAN MEMILIH PROGRAM STUDI

PENGGUNAAN METODE FUZZY MULTI ATTRIBUTE DECISION MAKING DALAM PENDUKUNG KEPUTUSAN MEMILIH PROGRAM STUDI PENGGUNAAN METODE FUZZY MULTI ATTRIBUTE DECISION MAKING DALAM PENDUKUNG KEPUTUSAN MEMILIH PROGRAM STUDI Hetty Rohayani. Ah, ST, M.Eng Teknik Informatika, STIKOM Dinamika Bangsa Jln. Jendral Sudirman, The

Lebih terperinci

Penerapan Algoritma Fuzzy Multi-Attribute Decision Making pada Penjadwalan Ujian Skripsi

Penerapan Algoritma Fuzzy Multi-Attribute Decision Making pada Penjadwalan Ujian Skripsi Penerapan Algoritma Fuzzy Multi-Attribute Decision Making pada Penjadwalan Ujian Skripsi (Studi Kasus : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana Salatiga) Yessica Nataliani 1, Martin

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan

BAB 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 terperinci

FUZZY MULTI-CRITERIA DECISION MAKING

FUZZY MULTI-CRITERIA DECISION MAKING Media Informatika, Vol. 3 No. 1, Juni 2005, 25-38 ISSN: 0854-4743 FUZZY MULTI-CRITERIA DECISION MAKING Sri Kusumadewi, Idham Guswaludin Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas

Lebih terperinci

P13 Fuzzy MCDM. A. Sidiq P.

P13 Fuzzy MCDM. A. Sidiq P. P13 Fuzzy MCDM A. Sidiq P. http://sidiq.mercubuana-yogya.ac.id Program Studi Teknik Informatika Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta Tujuan Mahasiswa

Lebih terperinci

Analisis Sistem Pendukung Keputusan Dalam Memilih Program Studi Menggunakan Metode Logika Fuzzy

Analisis Sistem Pendukung Keputusan Dalam Memilih Program Studi Menggunakan Metode Logika Fuzzy Analisis Sistem Pendukung Keputusan Dalam Memilih Program Studi Menggunakan Metode Logika Fuzzy Hetty Rohayani Teknik Informatika, STIKOM Dinamika Bangsa Jambi Email : hetty_mna@yahoo.com Abstract STIKOM

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2. 1. Fuzzy Logic Fuzzy logic pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun 1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasi pikiran manusia

Lebih terperinci

BAB III METODE PENELITIAN. terdiri dari teknik pengumpulan data, teknik analisis data dan perencanaan layar

BAB III METODE PENELITIAN. terdiri dari teknik pengumpulan data, teknik analisis data dan perencanaan layar BAB III METODE PENELITIAN Bab III berisi tentang metode penelitian. Metode penelitian yang digunakan terdiri dari teknik pengumpulan data, teknik analisis data dan perencanaan layar aplikasi. A. Teknik

Lebih terperinci

Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2013) ISBN

Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2013) ISBN Sistem Pendukung Keputusan Untuk Menentukan Lokasi Pasar Dengan Menggunakan Fuzzy Multi Atribut Decision Making (FMADM) Metode Simple Additive Weighting (SAW) Reny Wahyuning Astuti 1), Muhsin 2) Program

Lebih terperinci

IMPLEMENTASI FUZZY LOGIC MULTI CRITERIA DECISION MAKING (MCDM) UNTUK MENENTUKAN JENIS KAYU SEBAGAI BAHAN BAKU PRODUKSI MEBEL

IMPLEMENTASI FUZZY LOGIC MULTI CRITERIA DECISION MAKING (MCDM) UNTUK MENENTUKAN JENIS KAYU SEBAGAI BAHAN BAKU PRODUKSI MEBEL INFOKAM Nomor II/Th. X/September/14 23 IMPLEMENTASI FUZZY LOGIC MULTI CRITERIA DECISION MAKING (MCDM) UNTUK MENENTUKAN JENIS KAYU SEBAGAI BAHAN BAKU PRODUKSI MEBEL SUMARDI (Dosen Amik JTC Semarang) ABSTRAK

Lebih terperinci

Volume : II, Nomor : 1, Pebruari 2014 Informasi dan Teknologi Ilmiah (INTI) ISSN : X

Volume : II, Nomor : 1, Pebruari 2014 Informasi dan Teknologi Ilmiah (INTI) ISSN : X PERANCANGAN APLIKASI SISTEM PENDUKUNG KEPUTUSAN PERSEDIAAN ALAT TULIS KANTOR MENGGUNAKAN MULTIPLE ATRRIBUTE DECISION MAKING (Studi Kasus : Perguruan Jaya Pancur Batu) Rinaldi Alfriadi Manurung (0911558)

Lebih terperinci

MATERI KULIAH (PERTEMUAN 12,13) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy. Politeknik Negeri Sriwijaya Palembang

MATERI KULIAH (PERTEMUAN 12,13) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy. Politeknik Negeri Sriwijaya Palembang HIMPUNAN FUZZY MATERI KULIAH (PERTEMUAN 2,3) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy Jurusan Teknik Komputer Politeknik Negeri Sriwijaya Palembang Pokok Bahasan Sistem fuzzy Logika fuzzy Aplikasi

Lebih terperinci

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan (SPK) SPK adalah sebuah sistem komputer yang mengolah data menjadi informasi untuk mengambil keputusan dari masalah semi-terstruktur yang spesifik Sistem

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Perpindahan penduduk dari desa ke kota (urbanisasi) mengakibatkan populasi penduduk kota semakin tinggi. Populasi penduduk yang tinggi mengakibatkan sulit untuk memperoleh

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Konsep Sistem Pendukung Keputusan (SPK)

BAB 2 LANDASAN TEORI. 2.1 Konsep Sistem Pendukung Keputusan (SPK) BAB 2 LANDASAN TEORI 2.1 Konsep Sistem Pendukung Keputusan (SPK) Sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN KELULUSAN UJIAN SARINGAN MASUK JALUR PMDK BERDASARKAN NILAI RATA-RATA MATEMATIKA DAN BAHASA INGGRIS

SISTEM PENDUKUNG KEPUTUSAN KELULUSAN UJIAN SARINGAN MASUK JALUR PMDK BERDASARKAN NILAI RATA-RATA MATEMATIKA DAN BAHASA INGGRIS SISTEM PENDUKUNG KEPUTUSAN KELULUSAN UJIAN SARINGAN MASUK JALUR PMDK BERDASARKAN NILAI RATA-RATA MATEMATIKA DAN BAHASA INGGRIS Fitrah Rumaisa, S.T., Tanti Nurafianti Universitas Widyatama, Jl. Cikutra

Lebih terperinci

ANALISIS SISTEM PENDUKUNG KEPUTUSAN DALAM MEMILIH PROGRAM STUDI MENGGUNAKAN METODE LOGIKA FUZZY

ANALISIS SISTEM PENDUKUNG KEPUTUSAN DALAM MEMILIH PROGRAM STUDI MENGGUNAKAN METODE LOGIKA FUZZY KNTI 0 NLISIS SISTEM PENDUKUNG KEPUTUSN DLM MEMILIH PROGRM STUDI MENGGUNKN METODE LOGIK FUZZY HETTY ROHYNI. H, STIKOM Dinamika Bangsa bstrak STIKOM Dinamika Bangsa Jambi merupakan Perguruan Tinggi yang

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

SISTEM PENDUKUNG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) SISTEM PENDUKUNG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Zainollah Effendy Jurusan Teknik Informatika Fakultas Teknik, Universitas Madura zainollah.effendy@unira.ac.id

Lebih terperinci

PENENTUAN SISWA BERPRESTASI PADA SMK WIDYA YAHYA GADINGREJO DENGAN METODE SAW

PENENTUAN SISWA BERPRESTASI PADA SMK WIDYA YAHYA GADINGREJO DENGAN METODE SAW PENENTUAN SISWA BERPRESTASI PADA SMK WIDYA YAHYA GADINGREJO DENGAN METODE SAW RATIH ERNAWATI Jurusan Sistem Informasi, Sekolah Tinggi Manajemen dan Informatika STMIK Pringsewu Lampung Jl. Wismarini no.09

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN UNTUK MAHASISWA BERPRESTASI DI STIKES MUHAMMADIYAH PRINGSEWU DENGAN METODE SAW

SISTEM PENDUKUNG KEPUTUSAN UNTUK MAHASISWA BERPRESTASI DI STIKES MUHAMMADIYAH PRINGSEWU DENGAN METODE SAW SISTEM PENDUKUNG KEPUTUSAN UNTUK MAHASISWA BERPRESTASI DI STIKES MUHAMMADIYAH PRINGSEWU DENGAN METODE SAW Fitria Ningsih Jurusan Manajemen Informatika STMIK Pringsewu Lampung Jl. Wismarini no.09 Pringsewu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Teori Fuzzy Pada awal tahun 1965, Lotfi A. Zadeh, seorang professor di Universitas California di Barkley memberikan sumbangan yang berharga untuk teori pembangunan sistem yaitu

Lebih terperinci

SISTEM REKOMENDASI PEMBERHENTIAN HUBUNGAN KERJA MENGGUNAKAN FUZZY MULTIPLE ATTRIBUTE DECISION MAKING METODE SIMPLE ADDTIVE WEIGHTING (SAW) SKRIPSI

SISTEM REKOMENDASI PEMBERHENTIAN HUBUNGAN KERJA MENGGUNAKAN FUZZY MULTIPLE ATTRIBUTE DECISION MAKING METODE SIMPLE ADDTIVE WEIGHTING (SAW) SKRIPSI SISTEM REKOMENDASI PEMBERHENTIAN HUBUNGAN KERJA MENGGUNAKAN FUZZY MULTIPLE ATTRIBUTE DECISION MAKING METODE SIMPLE ADDTIVE WEIGHTING (SAW) SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu

Lebih terperinci

MADM-TOOL : APLIKASI UJI SENSITIVITAS UNTUK MODEL MADM MENGGUNAKAN METODE SAW DAN TOPSIS.

MADM-TOOL : APLIKASI UJI SENSITIVITAS UNTUK MODEL MADM MENGGUNAKAN METODE SAW DAN TOPSIS. MADM-TOOL : APLIKASI UJI SENSITIVITAS UNTUK MODEL MADM MENGGUNAKAN METODE SAW DAN TOPSIS. Henry Wibowo S Laboratorium Komputasi dan Sistem Cerdas Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas

Lebih terperinci

Jurnal Informasi Volume VII No.1 / Februari / 2015

Jurnal Informasi Volume VII No.1 / Februari / 2015 SISTEM PENDUKUNG KEPUTUSAN PENERIMA BEASISWA KOPERTIS DI FAKULTAS TEKNIK UNSUR CIANJUR MENGGUNAKAN FUZZY MADM DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Ai Musrifah Ela Sopiyillah ABSTRAK Fakultas Teknik

Lebih terperinci

BAB II TEORI PENUNJANG

BAB II TEORI PENUNJANG BAB II TEORI PENUNJANG 2.1 LOGIKA FUZZY Titik awal dari konsep modern mengenai ketidakpastian adalah paper yang dibuat oleh Lofti A Zadeh, dimana Zadeh memperkenalkan teori yang memiliki obyek-obyek dari

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Defenisi Sistem Pendukung Keputusan (Decision Support System)

BAB 2 LANDASAN TEORI. 2.1 Defenisi Sistem Pendukung Keputusan (Decision Support System) BAB 2 LANDASAN TEORI 2.1 Defenisi Sistem Pendukung Keputusan (Decision Support System) Pada dasarnya Sistem Pendukung Keputusan ini merupakan pengembangan lebih lanjut dari sistem informasi manajemen terkomputerisasi

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN PENERIMA BEASISWA BERPRESTASI MENGGUNAKAN FUZZY MULTIPLE ATTRIBUTE DECISION MAKING (FMADM) DENGAN METODE SAW

SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN PENERIMA BEASISWA BERPRESTASI MENGGUNAKAN FUZZY MULTIPLE ATTRIBUTE DECISION MAKING (FMADM) DENGAN METODE SAW Seminar Nasional Teknologi Informasi dan Multimedia 205 STMIK AMIKOM Yogyakarta, 6-8 Februari 205 SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN PENERIMA BEASISWA BERPRESTASI MENGGUNAKAN FUZZY MULTIPLE ATTRIBUTE

Lebih terperinci

KECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana

KECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana Logika Fuzzy KECERDASAN BUATAN (Artificial Intelligence) Materi 8 Entin Martiana 1 Kasus fuzzy dalam kehidupan sehari-hari Tinggi badan saya: Andi menilai bahwa tinggi badan saya termasuk tinggi Nina menilai

Lebih terperinci

9/22/2011. Bahan Kuliah : Topik Khusus

9/22/2011. Bahan Kuliah : Topik Khusus 9//0 Mahasiswa dapat memahami dan mampu mengaplikasikan beberapa metode untuk menyelesaikan masalah dengan alternatifalternatif dalam jumlah yang relatif kecil. Bahan Kuliah : Topik Khusus Fokus Masalah

Lebih terperinci

JURNAL EMPLOYEE ASSESSMENT DECISION SUPPORT SYSTEM USING FUZZY BEST MULTI CRITERIA DECISION MAKING (FMCDM) CASE STUDY CUSTOM CAPS KEDIRI

JURNAL EMPLOYEE ASSESSMENT DECISION SUPPORT SYSTEM USING FUZZY BEST MULTI CRITERIA DECISION MAKING (FMCDM) CASE STUDY CUSTOM CAPS KEDIRI JURNAL SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KARYAWAN TERBAIK MENGGUNAKAN METODE FUZZY MULTY CRITERIA DECISION MAKING (FMCDM) STUDI KASUS TOPI CUSTOM KEDIRI EMPLOYEE ASSESSMENT DECISION SUPPORT SYSTEM USING

Lebih terperinci

PEMILIHAN PEGAWAI BERPRESTASI BERDASAR EVALUASI KINERJA PEGAWAI DENGAN METODE SAW

PEMILIHAN PEGAWAI BERPRESTASI BERDASAR EVALUASI KINERJA PEGAWAI DENGAN METODE SAW ISSN : 2302-305 STMIK AMIKOM Yogyakarta, - Februari 2015 PEMILIHAN PEGAWAI BERPRESTASI BERDASAR EVALUASI KINERJA PEGAWAI DENGAN METODE SAW Lili Tanti1) 1) Sistem Informasi Universitas Potensi Utama Jl

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA MENGGUNAKAN METODE FMADM (STUDI KASUS: MAHASISWA FKIP UMN AL-WASHLIYAH MEDAN) ABSTRACT

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA MENGGUNAKAN METODE FMADM (STUDI KASUS: MAHASISWA FKIP UMN AL-WASHLIYAH MEDAN) ABSTRACT ZERO JURNAL MATEMATIKA DAN TERAPAN Volume 1 No. 1 2017 P-ISSN: 2580-569X E-ISSN : 2580-5754 SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA MENGGUNAKAN METODE FMADM (STUDI KASUS: MAHASISWA

Lebih terperinci

SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC

SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC SISTEM PENENTUAN KANDIDAT KETUA KARANG TARUNA DENGAN MENGGUNAKAN FUZZY LOGIC ( STUDY KASUS : KARANG TARUNA DESA PUHJARAK ) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana Komputer

Lebih terperinci

DECISION SUPPORT SYSTEM FOR DETERMINING SCHOLARSHIP RECIPIENTS USING TOPSIS FMADM METHOD

DECISION SUPPORT SYSTEM FOR DETERMINING SCHOLARSHIP RECIPIENTS USING TOPSIS FMADM METHOD ZERO JURNAL SAINS MATEMATIKA DAN TERAPAN Volume 1 No. 1 2017 Page : 11-21 P-ISSN: 2580-569X E-ISSN: 2580-5754 DECISION SUPPORT SYSTEM FOR DETERMINING SCHOLARSHIP RECIPIENTS USING TOPSIS FMADM METHOD Ismail

Lebih terperinci

RANCANGAN SISTEM PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN PILIHAN PRODUK LAPTOP MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW)

RANCANGAN SISTEM PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN PILIHAN PRODUK LAPTOP MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW) RANCANGAN SISTEM PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN PILIHAN PRODUK LAPTOP MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW) Tri Sulisilowati STMIK Pringsewu Lampung Jl.Wisma Rini No.09 Pringsewu Lampung

Lebih terperinci

Perbandingan Metode AHP-SAW Dengan FMCDM-SAW Pada Pemberian Pinjaman Modal Usaha Pertanian

Perbandingan Metode AHP-SAW Dengan FMCDM-SAW Pada Pemberian Pinjaman Modal Usaha Pertanian 625 Perbandingan Metode AHP-SAW Dengan FMCDM-SAW Pada Pemberian Pinjaman Modal Usaha Pertanian Biasty Handayani, Ruliah S. STMIK Banjarbaru Jl. A. Yani Km. 33,3 Banjarbaru efekbiass@gmail.com, twochandra@gmail.com

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Teori Keputusan Teori keputusan adalah teori mengenai cara manusia memilih pilihan diantara pilihan-pilihan yang tersedia secara acak guna mencapai tujuan yang hendak diraih (Hansson,

Lebih terperinci

FUZZY MADM DALAM EVALUASI PROGRAM STUDI MENGGUNAKAN METODE SIMPLE ADDITIF WEIGHTING

FUZZY MADM DALAM EVALUASI PROGRAM STUDI MENGGUNAKAN METODE SIMPLE ADDITIF WEIGHTING FUZZY MADM DALAM EVALUASI PROGRAM STUDI MENGGUNAKAN METODE SIMPLE ADDITIF WEIGHTING Erliza Yubarda Jurusan Manajemen Informatika, AMIK Mitra Gama Jl. Kayangan No. 99 Duri Riau e-mail : erliza_yubarda@yahoo.co.id

Lebih terperinci

Oleh : Tutut Maitanti*, Ema Utami**, Emha Taufiq Luthfi**

Oleh : Tutut Maitanti*, Ema Utami**, Emha Taufiq Luthfi** PENERAPAN TOPSIS FUZZY MADM DALAM MEMBANGUN SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN BEASISWA Oleh : Tutut Maitanti*, Ema Utami**, Emha Taufiq Luthfi** STMIK AMIKOM YOGYAKARTA ABSTRAK Penelitian ini

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA AKSELERASI PADA SMA NEGERI 1 SEMARANG MENGGUNAKAN FUZZY MADM

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA AKSELERASI PADA SMA NEGERI 1 SEMARANG MENGGUNAKAN FUZZY MADM 1 SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA AKSELERASI PADA SMA NEGERI 1 SEMARANG MENGGUNAKAN FUZZY MADM Wibianto Wicaksono Jurusan Teknik Informatika, Universitas Dian Nuswantoro Semarang, Indonesia

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bab ini akan dibahas teori mengenai Sistem Pendukung Keputusan, penelitan lain yang berhubungan dengan sistem pendukung keputusan, Simple Additve Weighting (SAW), dan Weighted

Lebih terperinci

BAB II TINJAUAN PUSTAKA. 2.1 Sistem Pendukung Pengambilan Keputusan Pengertian Pengambilan keputusan

BAB II TINJAUAN PUSTAKA. 2.1 Sistem Pendukung Pengambilan Keputusan Pengertian Pengambilan keputusan BAB II TINJAUAN PUSTAKA 2.1 Sistem Pendukung Pengambilan Keputusan 2.1.1 Pengertian Pengambilan keputusan Persoalan pengambilan keputusan, pada dasarnya adalah bentuk pemilihan dari berbagai alternatif

Lebih terperinci

BAB II: TINJAUAN PUSTAKA

BAB II: TINJAUAN PUSTAKA BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali

Lebih terperinci

Kata Kunci : Fuzzy MADM, SAW, kriteria, beasiswa.

Kata Kunci : Fuzzy MADM, SAW, kriteria, beasiswa. SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING (SAW) (STUDI KASUS : SISWA SMK MUHAMMADIYAH PRINGSEWU) Andra Setiawan Jurusan Sistem Informasi STMIK

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Dalam penelitiannya yang berjudul penggunaan metode fuzzy mamdani untuk mengukur kecerdasan emosi anak usia dini membahas tentang implementasi

Lebih terperinci

DAFTAR ISI ABSTRAK KATA PENGANTAR UCAPAN TERIMA KASIH

DAFTAR ISI ABSTRAK KATA PENGANTAR UCAPAN TERIMA KASIH DAFTAR ISI ABSTRAK i KATA PENGANTAR iii UCAPAN TERIMA KASIH iv DAFTAR ISI v DAFTAR TABEL vii DAFTAR GAMBAR viii BAB I PENDAHULUAN 1 1.1 Latar Belakang 1 1.2 Rumusan Masalah 3 1.3 Tujuan Penelitian 3 1.4

Lebih terperinci

IMPLEMENTASI SISTEM REKOMENDASIAN PENERIMAAN BEASISWA DENGAN MENGGUNAKAN FMADM

IMPLEMENTASI SISTEM REKOMENDASIAN PENERIMAAN BEASISWA DENGAN MENGGUNAKAN FMADM IMPLEMENTASI SISTEM REKOMENDASIAN PENERIMAAN BEASISWA DENGAN MENGGUNAKAN FMADM Anis Yusrotun Nadhiroh Jurusan Teknik Informatika - STT Nurul Jadid Paiton ayusrotun@gmail.com ABSTRAK Sesuai dengan peraturan

Lebih terperinci

BAB I PENDAHULUAN. Pada era globalisasi sekarang ini banyak terjadi perubahan di berbagai

BAB I PENDAHULUAN. Pada era globalisasi sekarang ini banyak terjadi perubahan di berbagai 1 BAB I PENDAHULUAN 1.1 Latar Belakang Pada era globalisasi sekarang ini banyak terjadi perubahan di berbagai bidang, misalnya di bidang kesehatan. Perubahan ini ditandai dengan kemajuan ilmu pengetahuan

Lebih terperinci

PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK DIAGNOSIS PENYAKIT TROPIS

PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK DIAGNOSIS PENYAKIT TROPIS PENERAPAN FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK DIAGNOSIS PENYAKIT TROPIS Rika Rosnelly 1, Retantyo Wardoyo 2 STMIK Potensi Utama 1 Jl. KL. Yos Sudarso Km. 6,5 No. 3A Tj. Mulia Medan 1 rika@potensi-utama.ac.id

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka berikut beberapa contoh penelitian yang sudah dilakukann oleh para penelti yang dapat digunakan sebagai acuan dan

Lebih terperinci

Jurnal SISFO Vol. 7, No.1, Februari 2013 STIKOM Dinamika Bangsa - Jambi 1

Jurnal SISFO Vol. 7, No.1, Februari 2013 STIKOM Dinamika Bangsa - Jambi 1 ANALISIS SISTEM PENUNJANG KEPUTUSAN UNTUK MENENTUKAN PELAMAR CALON DOSEN MENJADI DOSEN DENGAN MENGGUNAKAN FUZZY MADM (STUDI KASUS : STIKOM DINAMIKA BANGSA) Jasmir, S.Kom, M.Kom Dosen Tetap STIKOM Dinamika

Lebih terperinci

Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: Yogyakarta, 20 Juni 2009

Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: Yogyakarta, 20 Juni 2009 SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA BANK BRI MENGGUNAKAN FMADM (STUDI KASUS: MAHASISWA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS ISLAM INDONESIA) Henry Wibowo S 1), Riska Amalia

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sebuah aplikasi berupa Sistem Pendukung Keputusan (Decision Support System) mulai dikembangkan pada tahun 1970. Decision Support Sistem (DSS) dengan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 SISTEM PENDUKUNG KEPUTUSAN Sistem pendukung keputusan pertama kali diperkenalkan pada awal tahun 1970 oleh Michael S. Scott dengan istilah management decision system yang merupakan

Lebih terperinci

SISTEM PEMBERIAN BEASISWA DENGAN MENERAPKAN FMADM (FUZZY MULTIPLE ATTRIBUTE DECISION MAKING) DAN SAW (SIMPLE ADDITIVE WEIGHTING) Delpiah Wahyuningsih

SISTEM PEMBERIAN BEASISWA DENGAN MENERAPKAN FMADM (FUZZY MULTIPLE ATTRIBUTE DECISION MAKING) DAN SAW (SIMPLE ADDITIVE WEIGHTING) Delpiah Wahyuningsih SISTEM PEMBERIAN BEASISWA DENGAN MENERAPKAN FMADM (FUZZY MULTIPLE ATTRIBUTE DECISION MAKING) DAN SAW (SIMPLE ADDITIVE WEIGHTING) Delpiah Wahyuningsih Dosen Teknik Informatika STMIK Atma Luhur Pangkalpinang

Lebih terperinci

BAB II LANDASAN TEORI 2.1 PASKIBRAKA

BAB II LANDASAN TEORI 2.1 PASKIBRAKA BAB II LANDASAN TEORI 2.1 PASKIBRAKA Pasukan Pengibar Bendera Pusaka atau yang lebih sering dikenal dengan PASKIBRAKA, merupakan suatu pasukan yang bertugas dalam mengibarkan duplikat bendera pusaka dalam

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMBERIAN BEASISWA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (Studi kasus: Universitas Sari Mutiara Indonesia)

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMBERIAN BEASISWA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (Studi kasus: Universitas Sari Mutiara Indonesia) Page 83 SISTEM PENDUKUNG KEPUTUSAN DALAM PEMBERIAN BEASISWA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (Studi kasus: Universitas Sari Mutiara Indonesia) Burhanuddin, Dini 2 Universitas Sari Mutiara Indonesia

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMBERIAN BEASISWA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (Studi kasus: Universitas Sari Mutiara Indonesia)

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMBERIAN BEASISWA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (Studi kasus: Universitas Sari Mutiara Indonesia) Page 83 SISTEM PENDUKUNG KEPUTUSAN DALAM PEMBERIAN BEASISWA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (Studi kasus: Universitas Sari Mutiara Indonesia) Burhanuddin, Dini 2 Universitas Sari Mutiara Indonesia

Lebih terperinci

Jasmir Prodi Teknik Informatika, STIKOM Dinamika Bangsa Jambi

Jasmir Prodi Teknik Informatika, STIKOM Dinamika Bangsa Jambi SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PELAMAR CALON DOSEN MENJADI DOSEN DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (STUDI KASUS : STIKOM DINAMIKA BANGSA) Jasmir Prodi Teknik Informatika,

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PEMBELIAN KENDARAAN BERMOTOR DENGAN METODE SAW

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PEMBELIAN KENDARAAN BERMOTOR DENGAN METODE SAW SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PEMBELIAN KENDARAAN BERMOTOR DENGAN METODE SAW Arie Wedhasmara 1, Jasmo ari wibowo 2 Jurusan Sistem Informasi Fakultas Ilmu Komputer Universitas Sriwijaya Email : jasmo_ari_wibowo@yahoo.co.id

Lebih terperinci

adalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK

adalahkelompok profesi terbesar dan berperan vital dalam sistem tersebut yang menyebabkan ABSTRAK 1 Evaluasi Kinerja Pelayanan Perawat Menggunakan Fuzzy Inference System (FIS) Mamdani ( Studi Kasus : Puskesmas Bonang 1 Demak) ARIS MUTHOHAR Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer,

Lebih terperinci

PENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY

PENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY Seminar Nasional Sistem Informasi Indonesia, 2-4 Desember 2013 PENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY

Lebih terperinci

PENENTUAN PENERIMA BEASISWA DENGAN MENGGUNAKAN FUZZY MULTIPLE ATRIBUTE DECISSION MAKING.

PENENTUAN PENERIMA BEASISWA DENGAN MENGGUNAKAN FUZZY MULTIPLE ATRIBUTE DECISSION MAKING. PENENTUAN PENERIMA BEASISWA DENGAN MENGGUNAKAN FUZZY MULTIPLE ATRIBUTE DECISSION MAKING Apriansyah Putra 1, Dinna Yunika Hardiyanti 2 Jurusan Sistem Informasi,Fakultas Ilmu Komputer Universitas Sriwijaya

Lebih terperinci

Multi-Attribute Decision Making

Multi-Attribute Decision Making Multi-Attribute Decision Making Kompetensi Dasar Mahasiswa dapat menyelesaikan masalah pengambilan keputusan dengan metode-metode pada model MADM. Mahasiswa dapat membedakan karakteristik permasalahan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy Zadeh (1965) memperkenalkan konsep fuzzy sebagai sarana untuk menggambarkan sistem yang kompleks tanpa persyaratan untuk presisi. Dalam jurnalnya Hoseeinzadeh et

Lebih terperinci

METODE FUZZY SIMPLE ADDITIVE WEIGHTING (SAW) DALAM MENENTUKAN KUALITAS KULIT ULAR UNTUK KERAJINAN TANGAN (STUDI KASUS : CV. ASIA EXOTICA MEDAN)

METODE FUZZY SIMPLE ADDITIVE WEIGHTING (SAW) DALAM MENENTUKAN KUALITAS KULIT ULAR UNTUK KERAJINAN TANGAN (STUDI KASUS : CV. ASIA EXOTICA MEDAN) METODE FUZZY SIMPLE ADDITIVE WEIGHTING (SAW) DALAM MENENTUKAN KUALITAS KULIT ULAR UNTUK KERAJINAN TANGAN (STUDI KASUS : CV. ASIA EXOTICA MEDAN) Alfa Saleh 1, Ria Eka Sari 2, Harris Kurniawan 3 STMIK Potensi

Lebih terperinci

BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem Definisi Sistem

BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem Definisi Sistem BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem 2.1.1 Definisi Sistem Menurut Mustakini (2009:34), Sistem dapat didefinisikan dengan pendekatan prosedur dan pendekatan komponen, sistem dapat didefinisikan

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN KUALITAS PELAYANAN PADA APOTEK AMONG ROGO ADILUWIH. Febriana 1, Dedi Irawan 2

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN KUALITAS PELAYANAN PADA APOTEK AMONG ROGO ADILUWIH. Febriana 1, Dedi Irawan 2 SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN KUALITAS PELAYANAN PADA APOTEK AMONG ROGO ADILUWIH Febriana 1, Dedi Irawan 2 Jurusan Sistem Informasi STMIK Pringsewu Lampung Jl. Wisma Rini No. 09 Pringsewu

Lebih terperinci

SISTEM PENILAIAN KINERJA KARYAWAN DENGAN METODE FUZZY MULTICRITERIA DECISION MAKING (Studi Kasus : PT. PANCA ARNYS)

SISTEM PENILAIAN KINERJA KARYAWAN DENGAN METODE FUZZY MULTICRITERIA DECISION MAKING (Studi Kasus : PT. PANCA ARNYS) SISTEM PENILAIAN KINERJA KARYAWAN DENGAN METODE FUZZY MULTICRITERIA DECISION MAKING (Studi Kasus : PT. PANCA ARNYS) Muslim Alamsyah Program Studi Teknik Informatika Fakultas Teknik Universitas Yudharta

Lebih terperinci

Multi-Attribute Decision Making

Multi-Attribute Decision Making Materi Kuliah [05] SPK & Business Intelligence Multi-Attribute Decision Making Dr. Sri Kusumadewi Lizda Iswari Magister Teknik Informatika Program Pascasarjana Fakultas Teknologi Industri Universitas Islam

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 1 BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjuan Pustaka Dalam penelitiannya Sistem Pakar Penentuan Bakat Anak Berdasarkan Multiple Intelligences Menggunakan Metode Fuzzy Logic bahwa Anak usia

Lebih terperinci

SIMPLE ADDITIVE WEIGHTING METHOD UNTUK MENENTUKAN SEKOLAH DASAR

SIMPLE ADDITIVE WEIGHTING METHOD UNTUK MENENTUKAN SEKOLAH DASAR SIMPLE ADDITIVE WEIGHTING METHOD UNTUK MENENTUKAN SEKOLAH DASAR Yuli Astuti Manajemen Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email : yuli_dev@yahoo.com

Lebih terperinci

PEMILIHAN SANTRI TERBAIK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING

PEMILIHAN SANTRI TERBAIK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 543~548 543 PEMILIHAN SANTRI TERBAIK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Dede Sobari 1, Sumanto 2, Lia Mazia 3, Lita Sari Marita

Lebih terperinci

Sistem Pendukung Keputusan Dalam Menentukan Dosen Pembimbing Skripsi

Sistem Pendukung Keputusan Dalam Menentukan Dosen Pembimbing Skripsi E-journal Teknik Informatika, Volume 9, No 1 (2016), ISSN : 1 Sistem Pendukung Keputusan Dalam Menentukan Dosen Pembimbing Skripsi Iwan Laengge, Hans F. Wowor, Muhamad D. Putro Teknik Informatika Universitas

Lebih terperinci

SKRIPSI. Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Sistem Informasi OLEH :

SKRIPSI. Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Sistem Informasi OLEH : IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMA BERAS MISKIN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING ( STUDI KASUS KEL. JAMSAREN KOTA KEDIRI) SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB 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 terperinci

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA DI SMA NEGERI 6 PANDEGLANG

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA DI SMA NEGERI 6 PANDEGLANG SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA DI SMA NEGERI 6 PANDEGLANG Heri Sulistiyo Jurusan Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonrsia Jln.

Lebih terperinci

BAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya

BAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya BAB II LANDASAN TEORI A. Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang

Lebih terperinci

ANALISIS KOMPARASI SIMPLE ADDITIVE WEIGHTING DAN WEIGHTED PRODUCT DALAM PENENTUAN PENERIMA BEASISWA

ANALISIS KOMPARASI SIMPLE ADDITIVE WEIGHTING DAN WEIGHTED PRODUCT DALAM PENENTUAN PENERIMA BEASISWA ANALISIS KOMPARASI SIMPLE ADDITIVE WEIGHTING DAN WEIGHTED PRODUCT DALAM PENENTUAN PENERIMA BEASISWA Siti Nurhayati Magister Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur,

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN MEMILIH LAPTOP UNTUK MAHASISWA MULTIMEDIA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW)

SISTEM PENDUKUNG KEPUTUSAN MEMILIH LAPTOP UNTUK MAHASISWA MULTIMEDIA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW) SISTEM PENDUKUNG KEPUTUSAN MEMILIH LAPTOP UNTUK MAHASISWA MULTIMEDIA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW) Hendri Yustriandi 1, Elisabet Y. A 2 Jurusan Sistem Informasi STMIK Pringsewu Lampung

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENJURUSAN SMA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING

SISTEM PENDUKUNG KEPUTUSAN PENJURUSAN SMA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING SISTEM PENDUKUNG KEPUTUSAN PENJURUSAN SMA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Moh Husni Nurmansyah, Yuniarsi Rahayu 2 Program Studi Teknik Informatika S, Fakultas Ilmu Komputer Universitas Dian

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Sistem Pendukung Keputusan / Decision Support System (DSS) 2.1.1 Konsep Sistem Pendukung Keputusan Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) pertama

Lebih terperinci

PENGEMBANGAN SISTEM PENUNJANG KEPUTUSAN PENENTUAN PEMBERIAN BEASISWA TINGKAT SEKOLAH

PENGEMBANGAN SISTEM PENUNJANG KEPUTUSAN PENENTUAN PEMBERIAN BEASISWA TINGKAT SEKOLAH PENGEMBANGAN SISTEM PENUNJANG KEPUTUSAN PENENTUAN PEMBERIAN BEASISWA TINGKAT SEKOLAH Gunawan 1, Ririn Prananingrum Kesuma 2, Ruwilin Restu Wigati 3 Program Studi Sistem Informasi, STMIK Mikroskil Jl. Thamrin

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 7 BAB 2 TINJAUAN PUSTAKA 2.1 Sistem Pendukung Keputusan Pengertian sistem pendukung keputusan adalah sistem penghasil informasi spesifik yang ditujukan untuk memecahkan suatu masalah tertentu yang harus

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LOKASI MENARA BASE TRANSCEIVER STATION (BTS) DENGAN METODE FUZZY MULTIPLE ATTRIBUTE DECISION MAKING (FMADM)

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LOKASI MENARA BASE TRANSCEIVER STATION (BTS) DENGAN METODE FUZZY MULTIPLE ATTRIBUTE DECISION MAKING (FMADM) Prosiding Seminar Ilmu Komputer dan Teknologi Informasi Vol., No. 1, Maret 017 e-issn 50-790 dan p-issn 51-366X SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LOKASI MENARA BASE TRANSCEIVER STATION (BTS) DENGAN

Lebih terperinci

Sistem Pendukung Keputusan Penentuan Lokasi Gudang di Perusahaan dengan Metode Weighted Product

Sistem Pendukung Keputusan Penentuan Lokasi Gudang di Perusahaan dengan Metode Weighted Product Sistem Pendukung Keputusan Penentuan Lokasi Gudang di Perusahaan dengan Metode Weighted Product Indah Kumala Sari 1, Yohana Dewi Lulu W 2, Kartina Diah K 3 1,2 Jurusan Sistem Informasi,.3 Jurusan Teknik

Lebih terperinci

PENERAPAN METODE FUZZY SIMPLE ADDITIVE WAIGHTING (FSAW) DALAM PENENTUAN PERANKINGAN SEKOLAH MENENGAH KEJURUAN (SMK) DI KABUPATEN PRINGSEWU

PENERAPAN METODE FUZZY SIMPLE ADDITIVE WAIGHTING (FSAW) DALAM PENENTUAN PERANKINGAN SEKOLAH MENENGAH KEJURUAN (SMK) DI KABUPATEN PRINGSEWU PENERAPAN METODE FUZZY SIMPLE ADDITIVE WAIGHTING (FSAW) DALAM PENENTUAN PERANKINGAN SEKOLAH MENENGAH KEJURUAN (SMK) DI KABUPATEN PRINGSEWU Elisabet Yunaeti Anggraeni 1), Oktafianto 2) 1), 2) Manajemen

Lebih terperinci

SISTEM SELEKSI BEASISWA SMA NEGERI 2 BAE KUDUS DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) ABSTRAK

SISTEM SELEKSI BEASISWA SMA NEGERI 2 BAE KUDUS DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) ABSTRAK SISTEM SELEKSI BEASISWA SMA NEGERI 2 BAE KUDUS DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Herdi widyatmoko Jurusan teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Jln Nakula

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN LOKASI PERUMAHAN IDEAL MENGGUNAKAN METODE FUZZY SIMPLE ADDITIVE WEIGHTING

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN LOKASI PERUMAHAN IDEAL MENGGUNAKAN METODE FUZZY SIMPLE ADDITIVE WEIGHTING SISTEM PENDUKUNG KEPUTUSAN PENENTUAN LOKASI PERUMAHAN IDEAL MENGGUNAKAN METODE FUZZY SIMPLE ADDITIVE WEIGHTING Erwin Panggabean Program Studi Sistem Informasi STMIK Sisingamangaraja XII Medan Sumatera

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PEMBANGUNAN LABORATORIUM KOMPUTER SEKOLAH MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PEMBANGUNAN LABORATORIUM KOMPUTER SEKOLAH MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PEMBANGUNAN LABOATOIUM KOMPUTE SEKOLAH MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Elin Haerani, ST, M.Kom 1, Muhammad Mansur, ST 2 1 Teknik Informatika UIN

Lebih terperinci

Erwien Tjipta Wijaya, ST.,M.Kom

Erwien Tjipta Wijaya, ST.,M.Kom Erwien Tjipta Wijaya, ST.,M.Kom PENDAHULUAN Logika Fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh tahun 1965 Dasar Logika Fuzzy adalah teori himpunan fuzzy. Teori himpunan fuzzy adalah peranan

Lebih terperinci

BAB I PENDAHULUAN A. Latar Belakang Masalah SUMIARTI, 2013

BAB I PENDAHULUAN A. Latar Belakang Masalah SUMIARTI, 2013 BAB I PENDAHULUAN A. Latar Belakang Masalah Proses pendidikan terdiri dari input proses output. Maksudnya yaitu pendidikan terdiri input yaitu siswa dengan berbagai latar belakangnya, proses yaitu kegiatan

Lebih terperinci

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental

Lebih terperinci

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian merupakan proses pengumpulan dan analisis data yang

BAB III METODOLOGI PENELITIAN. Penelitian merupakan proses pengumpulan dan analisis data yang 38 BAB III METODOLOGI PENELITIAN Penelitian merupakan proses pengumpulan dan analisis data yang dilakukan secara sistematis dan logis untuk mencapai tujuan tertentu. Penelitian yang digunakan menggunakan

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN PADA SMK KERTHA WISATA DENPASAR Menggunakan Fuzzy SAW

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN PADA SMK KERTHA WISATA DENPASAR Menggunakan Fuzzy SAW SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN PADA SMK KERTHA WISATA DENPASAR Menggunakan Fuzzy SAW I Kadek Dwi Gandika Supartha Dosen Sistem Komputer STMIK STIKOM Indonesia Denpasar-Bali, Indonesia dwigandika[at]gmail.com

Lebih terperinci