Penerapan Metode Fuzzy Analytical Hierarchy Process (F-AHP) Untuk Menentukan Besar Pinjaman Pada Koperasi

Transkripsi

1 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X Vol. 2, No. 4, April 2018, hlm Penerapan Metode Fuzzy Analytical Hierarchy Process (F-AHP) Untuk Menentukan Besar Pinjaman Pada Koperasi Fernando Parulian Saputra 1, Nurul Hidayat 2, M. Tanzil Furqon 3 Program Studi Teknik Informatika, 1 fernando.parulian@gmail.com, 2 ntayadih@ub.ac.id, 3 m.tanzil.furqon@gmail.com Abstrak Salah satu fungsi atau layanan yang disediakan oleh koperasi adalah pemberian pinjaman. Pemberian pinjaman merupakan suatu hal yang sangat beresiko, karena banyak terjadi kasus kredit macet yang merugikan koperasi. Permasalahan yang sama juga terjadi di KUD Tuwuh sari. Salah satu faktor penyebabnya adalah kesalahan atau ketidakmampuan pihak KUD Tuwuh Sari dalam menganalisis besar pinjaman yang diberikan dengan tepat. Penelitian ini menawarkan solusi untuk mengatasi permasalahan tersebut, yaitu dengan membangun sebuah sistem yang dapat membantu KUD Tuwuh Sari menganalisis dan menentukan besar pinjaman yang diberikan. Sistem dibangun dengan menerapkan metode Fuzzy Analytical Hierarchy Process (F-AHP), karena metode ini telah terbukti cocok digunakan untuk menyelesaikan permasalahan multi-criteria decision making (MCDM) yang memiliki banyak sifat subjektif. Untuk melakukan proses perhitungan F-AHP diperlukan matriks perbandingan berpasangan antar kriteria yang konsisten, dengan nilai CR < 0,1. Pengujian sistem dilakukan dengan cara membandingkan kesesuaian keputusan sistem terhadap keputusan koperasi, dengan menerapkan metode pengujian k-fold cross validation. Melalui hasil pengujian ini diketahui bahwa rata-rata tingkat kesesuaian keputusan sistem terhadap keputusan koperasi adalah 86%. Kata kunci: Sistem Pendukung Keputusan, Pinjaman, Koperasi, Analytical Hierarchy Process, Fuzzy Analytical Hierarchy Process Abstract One of the functions of cooperative is to offer loans. Loan offer has own risks, some cases of bad loans cause disadvantage for the cooperative. The same problems also happen at KUD Tuwuh Sari. The causes occur when KUD Tuwuh Sari can not analyze the value can be loaned correctly. This research offers a solution to solve the problems, by creating a system that can help KUD Tuwuh Sari to analyze and determine the value of the loan. Fuzzy Analytical Hierarchy Process (F-AHP) method applied to the system because this method has proven can solve the multi-criteria decision making (MCDM) problems, who have subjective side. The calculation process of F-AHP required consistent pairwise comparison matrix between criteria, with CR value < 0,1. Testing is done by comparing the suitability of the system s decisions to cooperative s, using k-fold cross validation method. And from this test known that, system s decision has an average 86% of compatibility levels. Keywords: Decision Support System, Loans, Cooperative, Analytical Hierarchy Process, Fuzzy Analytical Hierarchy Process 1. PENDAHULUAN Salah satu fungsi yang disediakan oleh koperasi adalah pemberian pinjaman kepada anggotanya. Namun pemberian pinjaman yang dilakukan oleh koperasi ini cukup beresiko, oleh karena itu dalam memberikan pinjaman koperasi sebaiknya melakukan analisis terlebih dahulu agar tidak terjadi kesalahan yang mengakibatkan adanya pinjaman macet atau bermasalah. Permasalahan yang sama juga terjadi di KUD Tuwuh sari. Sejak tahun 1987 koperasi ini telah aktif melayani pemberian pinjaman kepada anggotanya, dan dari pengalaman KUD Tuwuh Sari sering terjadi pinjaman atau kredit macet yang merugikan dan dapat mengganggu keberlangsungan usaha koperasi di masa depan. Salah satu faktor penyebabnya adalah kesalahan atau ketidakmampuan pihak KUD Tuwuh Sari dalam menganalisis besar pinjaman yang diberikan dengan tepat, kesalahan ini terjadi Fakultas Ilmu Komputer Universitas Brawijaya 1761

2 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1762 karena proses analisis masih dilakukan secara manual. Menganalisis hal tersebut secara manual sulit dilakukan dan rawan terjadi kesalahan, karena terdapat banyak kriteria yang digunakan untuk menentukan besar pinjaman yang harus diperhitungkan dengan tepat. Penelitian ini menawarkan solusi untuk mengatasi permasalahan tersebut, yaitu dengan membuat sebuah sistem yang dapat digunakan untuk membantu pihak KUD Tuwuh Sari dalam menentukan besar pinjaman yang diberikan. Melalui sistem ini dapat memudahkan pihak KUD Tuwuh Sari dalam melakukan analisis pemberian pinjaman. Hal inilah yang mendasari dilakukannya penelitian ini, sehingga dibangun sebuah sistem pendukung keputusan dengan menerapkan metode F-AHP. Metode F-AHP dipilih karena telah terbukti cocok digunakan untuk menyelesaikan berbagai permasalahan multi-criteria decision making (MCDM) yang memiliki banyak sifat subjektif. Salah satu penelitian yang mendasari pemilihan metode ini adalah penelitian yang dilakukan oleh Ali Hakan, dkk pada tahun 2015 untuk melakukan perangkingan terhadap learning management system (LMS) terbaik. Berdasarkan uraian yang telah dipaparkan di atas, metode F-AHP ini diyakini dapat diterapkan dengan baik untuk menentukan besar pinjaman yang diberikan oleh koperasi. Sehingga judul penelitian yang akan dilakukan ini adalah Penerapan Metode Fuzzy Analytical Hierarchy Process (F-AHP) untuk Menentukan Besar Pinjaman pada Koperasi. Sistem yang dihasilkan dari penelitian ini diharapkan dapat mengurangi kerumitan proses analisis, dan meminimalkan kesalahan serta dapat menjadi acuan bagi KUD Tuwuh Sari dalam menentukan besar pinjaman yang diberikan. 2. LANDASAN KEPUSTAKAAN 2.1. Perkoperasian di Indonesia Perkoperasian di Indonesia diatur dalam Undang-Undang Perkoperasian No. 17 Tahun Menurut Undang-Undang Perkoperasian Nomor 17 Tahun 2012 Pasal 1 ayat (1), yang dimaksud dengan koperasi adalah badan hukum yang didirikan oleh orang perseorangan atau badan hukum koperasi, dengan pemisahan kekayaan para anggotanya sebagai modal untuk menjalankan usaha, yang memenuhi aspirasi dan kebutuhan bersama di bidang ekonomi, sosial, dan budaya sesuai dengan nilai dan prinsip koperasi. Landasan, asas dan tujuan koperasi telah diatur dalam Undang-Undang Perkoperasian No. 17 Tahun 2012 Bab II, Pasal 2, 3, dan 4. Nilai dan prinsip koperasi juga tercantum dalam Undang-Undang Perkoperasian No. 17 Tahun 2012 Bab III, Pasal 5 ayat (1) dan (2), dan Pasal 6 ayat (1) dan (2). Dalam Undang-Undang Perkoperasian No. 17 Tahun 2012 juga diatur ketentuan mengenai koperasi simpan pinjam, yaitu tercantum dalam Bab X, Pasal 88 sampai Pasal Pinjaman (Kredit) Menurut Undang-Undang Perkoperasian No. 17 Tahun 2012 Pasal 1 ayat (14), Pinjaman adalah penyediaan uang oleh koperasi simpan pinjam kepada anggota sebagai peminjam berdasarkan perjanjian, yang mewajibkan peminjam untuk melunasi dalam jangka waktu tertentu dan membayar jasa. Tujuan dari pinjaman adalah untuk memenuhi kebutuhan dan keinginan manusia yang beraneka ragam dan selalu meningkat. Fungsi pinjaman secara umum adalah pemenuhan jasa untuk melayani kebutuhan masyarakat (to serve the society) dalam rangka mendorong dan melancarkan perdagangan, produksi, jasa-jasa dan bahkan konsumsi yang semuanya itu pada akhirnya ditujukan untuk menaikkan taraf hidup rakyat banyak Sistem Pendukung Keputusan Sistem pendukung keputusan dirancang untuk membantu dan memudahkan manusia untuk membuat suatu keputusan. Sistem pendukung keputusan adalah sistem berbasis model yang mana di dalamnya terdapat prosedur pemrosesan data dan pertimbangan dalam menyelesaikan suatu permasalahan. Sistem pendukung keputusan yang baik harus bersifat sederhana, sehingga mudah dikontrol dan dapat beradaptasi dengan keadaan terkini (Subakti, 2002) Analytical Hierarchy Process Metode Analytical Hierarchy Process (AHP) pertama kali dikembangkan tahun 1970 oleh Thomas L. Saaty, seorang matematikawan dari Universitas Pittsburgh. AHP merupakan salah satu metode yang populer digunakan dalam sistem pengambilan keputusan yang melibatkan penilaian subjektif dari pembuat keputusan. AHP digunakan untuk menyelesaikan permasalahan multi kriteria yang kompleks.

3 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1763 Tahap awal dari metode AHP ini adalah mendefinisikan permasalahan tersebut dan menguraikannya ke dalam suatu hierarki agar menjadi lebih sederhana. Menurut Saaty, hierarki merupakan representasi dari suatu permasalahan yang kompleks dan terstruktur dalam berbagai level. Level yang pertama dalam struktur hierarki adalah tujuan, level selanjutnya adalah faktor atau kriteria, subkriteria, dan seterusnya hingga level yang terakhir yaitu alternatif. Dengan menguraikan permasalahan ke dalam hierarki, suatu masalah yang kompleks akan menjadi lebih terstruktur dan sistematis sehingga lebih mudah untuk diselesaikan (Anshori, 2012). Tetapi metode ini tetap mendapat kritikan, terutama dalam skala penilaian matriks perbandingan berpasangan. Karena skala AHP yang berbentuk bilangan crisp (tegas) dianggap tidak seimbang dan kurang mampu menangani ketidakpastian. Maka dari itu sebaiknya metode AHP dikombinasikan dengan metode atau algoritma lain, seperti logika fuzzy. Langkah langkah penyelesaian masalah dengan metode AHP adalah sebagai berikut (Mayasari, 2013): 1. Menentukan hierarki permasalahan. 2. Menentukan prioritas. 3. Melakukan sintesis. 4. Menghitung consistency index (CI). 5. Menghitung consistency ratio (CR). 6. Memeriksa konsistensi hierarki Logika Fuzzy Logika fuzzy diperkenalkan pertama kali oleh Prof. Lotfi A. Zadeh dari Universitas California pada tahun Zadeh berpendapat bahwa nilai benar dan salah dalam logika konvensional tidak mampu mengatasi masalah gradasi yang tidak terhingga pada dunia nyata. Untuk mengatasi permasalahan tersebut, Zadeh kemudian mengembangkan teori himpunan fuzzy.tidak seperti logika boolean yang hanya memiliki dua nilai yaitu benar dan salah, logika fuzzy mempunyai nilai yang kontinu. Nilai benar atau salah pada logika fuzzy tidak mutlak, tergantung dari derajat keanggotaan yang dimilikinya, yaitu dalam rentang 0 hingga 1, sehingga pada waktu yang bersamaan suatu keadaan dapat dikatakan sebagian benar dan sebagian salah. Maka dari itu peranan derajat keanggotaan sangatlah penting dan menjadi ciri khas dari penalaran fuzzy Fuzzy Analytical Hierarchy Process Fuzzy Analytical Hierarchy Process (F- AHP) merupakan metode analitik yang dikembangkan dari metode AHP dengan menggunakan pendekatan fuzzy. Metode ini dikembangkan untuk memperbaiki kelemahan yang ada pada metode AHP, yaitu untuk mengatasi ketidakmampuan metode AHP dalam memberikan penilaian yang presisi pada matriks perbandingan berpasangan (Hakan et al., 2015). Perbedaan metode ini dengan metode AHP terletak pada implementasi penilaian dalam matriks perbandingan berpasangan antar kriteria, di mana pada F-AHP nilai setiap kriteria diwakili oleh tiga variabel (a, b, c) atau (l, m, u) yang disebut Triangular Fuzzy Number (TFN). Langkah-langkah penyelesaian metode F- AHP menurut Chang (1996) adalah sebagai berikut (Jasril et al., 2011): 1. Membuat struktur hirarki permasalahan dan menentukan nilai pada matriks perbandingan berpasangan antar kriteria dengan skala TFN. 2. Menghitung nilai sintesis fuzzy (Si). 3. Menghitung nilai vektor (V) dan nilai ordinat defuzzifikasi (d ). 4. Melakukan normalisasi nilai bobot vector fuzzy (W). 5. Menghitung konsistensi (nilai CR). 3. PERANCANGAN Perancangan sistem dilakukan untuk mentransformasi setiap model informasi dan kebutuhan yang sudah ditentukan menjadi model yang sesuai supaya pada tahapan selanjutnya metode Fuzzy AHP ini dapat diimplementasikan ke dalam sistem. Untuk menggambarkan aliran data dan proses pemodelan dengan metode Fuzzy AHP digunakan notasi-notasi dari diagram alir. Proses ini dimulai dari menginputkan data kriteria, melakukan perhitungan dengan metode Fuzzy AHP, hingga menghasilkan output atau keputusan sistem berupa besar pinjaman yang sebaiknya diberikan. Diagram alir perancangan sistem ini dapat dilihat pada Gambar 1.

4 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1764 Mulai Nilai kriteria calon peminjam Menentukan matriks perbandingan berpasangan antar kriteria Fuzzifikasi skala AHP menjadi skala TFN Menghitung nilai sintesis fuzzy (Si) Menghitung nilai vektor (V) dan nilai ordinat defuzzifikasi (d ) Normalisasi nilai bobot vektor (W) Pengecekkan rasio konsistensi CR <= 0.1 Ya Menghitung nilai bobot akhir alternatif Menentukan kategori besar pinjaman Besar pinjaman Selesai Tidak Gambar 1. Diagram Alir Perancangan Sistem 4. IMPLEMENTASI 4.1. Batasan Implementasi Berikut ini adalah batasan-batasan yang digunakan dalam proses implementasi sistem: 1. Sistem ini dibangun dengan menerapkan metode Fuzzy Analytical Hierarchy Process (F-AHP). 2. Sistem ini dibangun berbasis web dengan mengunakan bahasa pemrograman PHP. 3. Database sistem menggunakan MySQL. 4. Data peminjam yang digunakan dalam sistem diperoleh dari KUD Tuwuh Sari. 5. Terdapat 4 kriteria penilaian yang digunakan untuk mendapatkan output sistem. 6. Nilai matriks perbandingan berpasangan antar kriteria diperoleh dari hasil wawancara dengan KUD Tuwuh Sari. 7. Output sistem berupa besar pinjaman maksimal yang disarankan sistem, 4.2. Implementasi Algoritma Langkah-langkah implementasi algoritma dalam sistem adalah sebagai berikut: 1. Matriks perbandingan berpasangan. Langkah awal dalam mengimplementasikan algoritma ini adalah menentukan nilai pada matriks perbandingan berpasangan antar kriteria. 2. Fuzzifikasi. Langkah selanjutnya adalah fuzzifikasi nilai matriks perbandingan berpasangan skala AHP ke dalam bentuk skala TFN. 3. Sintesis fuzzy. Nilai sintesis fuzzy diperoleh berdasarkan nilai l,m,u dari hasil fuzzifikasi. 4. Bobot vektor dan ordinat defuzzifikasi. Nilai sintesis fuzzy yang telah diperoleh digunakan untuk menghitung nilai bobot vektor dan ordinat defuzzifikasi. 5. Normalisasi nilai bobot vektor. Normalisasi ini diselesaikan dengan cara membagi tiap elemen bobot vektor dengan jumlah bobot vektor itu sendiri. 6. Menghitung CR. Jika CR bernilai 0,1 maka persepsi dari pengambil keputusan masih dapat diterima. 7. Bobot akhir peminjam dan besar pinjaman. Bobot akhir peminjam diperoleh dari bobot global kriteria dan kriteria peminjam yang diinputkan, melalui bobot akhir peminjam ini dapat ditentukan kategori pinjaman yang sebaiknya diberikan oleh koperasi.

5 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Implementasi Antarmuka 1. Halaman login. Tampilan antarmuka halaman login dapat dilihat pada Gambar 2. masing-masing kriteria. 4. Halaman peminjam (data latih). Tampilan antarmuka halaman peminjam (data latih) dapat dilihat pada Gambar 5. Gambar 2. Antarmuka Halaman Login Dalam halaman ini pengguna diminta untuk mengisi username dan password pada bagian yang sudah disediakan lalu mengklik tombol sign me in untuk masuk ke dalam sistem. 2. Halaman home. Tampilan antarmuka halaman home dapat dilihat pada Gambar 3. Gambar 5. Antarmuka Halaman Peminjam Latih Halaman ini menampilkan data peminjam dari tabel peminjam_latih. Dalam halaman ini terdapat 3 tombol, yaitu tombol tambah peminjam untuk menambahkan data peminjam baru ke dalam tabel peminjam_latih, tombol edit digunakan untuk mengubah data peminjam di tabel peminjam_latih, dan tombol hapus untuk menghapus data peminjam dari tabel peminjam_latih. 5. Halaman peminjam (data uji). Tampilan antarmuka halaman peminjam (data uji) dapat dilihat pada Gambar 6. Gambar 3. Antarmuka Halaman Home Halaman ini merupakan halaman yang dituju ketika pengguna berhasil mengisi username dan password dengan benar. Halaman ini berisi keterangan singkat tentang sistem. 3. Halaman kriteria. Tampilan antarmuka halaman kriteria dapat dilihat pada Gambar 4. Gambar 6. Antarmuka Halaman Peminjam Uji Tampilan antarmuka halaman ini serupa dengan halaman peminjam (data latih), hanya saja halaman ini menampilkan data peminjam dari tabel peminjam_uji. Dalam halaman ini juga terdapat tombol tambah peminjam, edit, dan hapus, dengan fungsi yang sama seperti tombol-tombol pada halaman peminjam (data latih). 6. Halaman perhitungan. Tampilan antarmuka halaman perhitungan dapat dilihat pada Gambar 7. Gambar 4. Antarmuka Halaman Kriteria Dalam halaman ini berisi keterangan mengenai kriteria-kriteria yang akan digunakan dalam proses perhitungan untuk menentukan besar pinjaman, beserta bobot subkriteria dari

6 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1766 diinputkan oleh pengguna. Keputusan sistem ini berupa range besar pinjaman yang sebaiknya diberikan berdasarkan data kriteria setiap peminjam yang telah dihitung dengan metode FAHP. Gambar 7. Antarmuka Halaman Perhitungan Halaman ini hanya menampilkan matriks perbandingan berpasangan antar kriteria, dan tombol hitung. Tombol ini dapat digunakan ketika pengguna ingin melanjutkan proses perhitungan, sehingga akan diarahkan menuju halaman proses perhitungan F-AHP. 7. Halaman perhitungan F-AHP. Tampilan antarmuka halaman perhitungan F-AHP dapat dilihat pada Gambar 8. Gambar 8. Antarmuka Halaman Perhitungan F-AHP Halaman ini menampilkan perhitungan F- AHP mulai langkah awal sampai akhir sesuai matriks perbandingan berpasangan yang telah ditentukan pada halaman perhitungan. Melalui halaman ini pengguna dapat mengetahui nilai sintesis fuzzy, nilai bobot global masing-masing kriteria, dan nilai CR. Untuk mengetahui keputusan sistem dalam memberikan pinjaman, pengguna dapat mengklik tombol hasil data uji untuk diarahkan ke halaman keputusan. 8. Halaman keputusan. Tampilan antarmuka halaman keputusan dapat dilihat pada Gambar PENGUJIAN 5.1. Pengujian Validasi (Fungsional) Pengujian validasi (fungsional) merupakan pengujian perangkat lunak representasi dari blackbox testing, di mana pengujian ini dilakukan untuk menguji fungsionalitas sistem sehingga dapat diketahui apakah fungsi yang disediakan sistem sudah dapat berjalan sesuai dengan daftar kebutuhan sistem yang telah ditentukan pada subbab analisa kebutuhan sistem. Prosedur pengujian validasi dilakukan dengan menggunakan tabel kasus uji untuk setiap daftar kebutuhan sistem Pengujian Kesesuaian (Akurasi) Pengujian kesesuaian bertujuan untuk mengukur akurasi tingkat kesesuaian atau kecocokan keputusan sistem dengan keputusan sebenarnya yang dikeluarkan oleh koperasi. Hal ini dilakukan berdasarkan subjektifitas pihak koperasi selaku pembuat keputusan dan sangat dipengaruhi oleh nilai matriks perbandingan berpasangan yang menjadi dasar dalam perhitungan FAHP. Proses pengujian ini dilakukan dengan menerapkan metode pengujian k-fold cross validation, di mana seluruh data peminjam dikelompokkan secara random ke dalam kelompok-kelompok sejumlah k pengujian yang akan dilakukan. Dalam sistem ini terdapat 88 data peminjam yang digunakan untuk proses perhitungan FAHP, sehingga sistem akan diuji dengan menerapkan 8-fold cross validation. Data peminjam tersebut akan dibagi ke dalam 8 kelompok yang masing-masing berisi 11 data peminjam, Dari 8 kali pengujian yang dilakukan didapatkan akurasi kesesuaian yang berbedabeda, seperti ditunjukkan dalam grafik pada Gambar 10. Gambar 9. Antarmuka Halaman Keputusan Halaman ini menampilkan keputusan sistem untuk setiap data peminjam yang

7 Akurasi (%) Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer ,91 90,91 90,91 Gambar 10. Grafik hasil pengujian 8-Fold Cross Validation Melalui grafik pada Gambar 10 dapat diketahui bahwa dari 8 pengujian yang dilakukan, akurasi kesesuaian terbaik didapat pada pengujian ke-6. Berdasarkan analisis dari grafik tersebut, penggunaan k-fold cross validation untuk pengujian ini menghasilkan rata-rata akurasi kesesuaian 86%. 6. KESIMPULAN 63,64 90,91 Setelah menyelesaikan proses perancangan dan implementasi, serta telah melakukan pengujian terhadap sistem, berikut ini adalah beberapa hal yang dapat disimpulkan dari penelitian ini: 1. Sistem ini sudah berhasil dibangun dengan menerapkan metode Fuzzy Analytical Hierarchi Process (F-AHP), dan dapat digunakan sebagai acuan bagi KUD Tuwuh Sari dalam pengambilan keputusan untuk memberikan pinjaman kepada anggotanya. Beberapa fitur yang disediakan dalam sistem ini, yaitu: mengelola data peminjam, melihat proses perhitungan serta melihat output sistem berupa range besar pinjaman yang disarankan berdasarkan kriteria peminjam. 2. Hasil yang didapatkan dari pengujian sistem ini antara lain: a. Hasil pengujian validasi (fungsional) dari sistem menghasilkan akurasi 100 %. Hal ini menunjukkan bahwa fitur-fitur atau fungsionalitas yang disediakan sistem sudah dapat berjalan sesuai kebutuhan yang telah ditentukan dalam daftar analisis kebutuhan. b. Dengan menggunakan metode pengujian k-fold cross validation, hasil pengujian kesesuaian dari sistem menghasilkan rata-rata akurasi 86% ,82 81,82 ke-1 ke-2 ke-3 ke-4 ke-5 ke-6 ke-7 ke-8 8-Fold Cross Validation Number dalam Metode Analytic Hierarchy Process. Jurnal Ilmiah Foristek, Vol. 1, No. 1, hal Hakan, A., Ince, M. & Yigit, T A Fuzzy AHP Approach to Select Learning Management System. International Journal of Computer Theory and Engineering, Vol. 7, No. 6, hal Jasril, Haerani, E. & Afrianty, I Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Menggunakan Metode Fuzzy AHP (F-AHP). Seminar Nasional Aplikasi Teknologi Informasi. Yogyakarta, hal. F-36-F-43. Mayasari, Fauziah I Sistem Pendukung Keputusan Pemilihan Calon Penerima Beasiswa PPA dan BBM Menggunakan Metode Fuzzy AHP (Studi Kasus: PTIIK Universitas Brawijaya). Malang. Subakti, I Sistem Pendukung Keputusan (Decision Support System). Institut Teknologi Sepuluh November, Surabaya, hal DAFTAR PUSTAKA Anshori, Y Pendekatan Triangular Fuzzy