PENENTUAN PELANGGAN BERPRESTASI PADA APLIKASI CUSTOMER RELATIONSHIP MANAGEMENT MENGGUNAKAN TOPSIS
|
|
- Susanti Budiono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENENTUAN PELANGGAN BERPRESTASI PADA APLIKASI CUSTOMER RELATIONSHIP MANAGEMENT MENGGUNAKAN TOPSIS Ari Basuki Program Studi Teknik Industri, Fakultas Teknik Universitas Trunojoyo Jl Raya Telang Kamal, Bangkalan ABSTRAK Tingginya perkembangan usaha dibidang percetakan, menjadikan banyak perusahaan digital printing mencermati strategi untuk menjalin hubungan yang baik dengan pelanggannya. Dengan menggunakan strategi CRM ( Customer Relationship Management) yang baik, maka diharapkan keuntungan perusahaan bisa bertambah. Salah satu aspek CRM yang dibahas dalam penelitian ini adalah meningkatkan loyalitas pelanggan dengan memberikan reward. Adapun reward yang diberikan kepada pelanggan memiliki beberapa 12 kriteria penilaian yang telah ditentukan oleh stakeholder. Pemilihan pelanggan yang mendapatkan reward / berprestasi diperoleh dari ranking pelanggan yang disusun dengan metode perankingan TOPSIS (Technique for Order Preference by Similarity to Ideal Solution Method). Bobot tiap kriteria dihitung menggunakan metode SMARTER ( Simple Multi Attribute Rating Technique Exploiting Ranks). Pada makalah ini ditampilkan langkah langkah perhitungan secara rinci dengan metode TOPSIS berbasis SMARTER. Dari hasil penelitian, diperoleh bahwa bobot tertinggi dari kriteria yang digunakan adalah status pelanggan (25,86%), total tagihan belum terbayar (17,53%), kontinyuitas order (13,36%) dan jumlah retur (10,58%). Kata kunci: perankingan pelanggan, TOPSIS, SMARTER PENDAHULUAN Perusahaan senantiasa berhubungan pelanggan dalam menjalankan usahanya. Untuk mencapai kesuksesan, maka seharusnya perusahaan menempatkan pelanggan sebagai pusat organisasi karena perubahan perilaku pelanggan berpengaruh terhadap keuntungan perusahaan ( Tiwana,2001; Sigala,2005). Untuk itu diperlukan suatu sistem yang membantu pengelolaan hubungan dengan pelanggannya. Aplikasi CRM ( customer relationship management) digunakan untuk mengelola hubungan yang baik dengan pelanggan. Karenanya, aplikasi CRM merupakan strategi penting yang digunakan perusahaan untuk bersaing dalam pasar yang semakin kompetitif (Stefanou,2003). Ketersediaan informasi yang lengkap tentang pelanggan dalam aplikasi CRM merupakan suatu peluang untuk meningkatkan loyalitas dan kepuasan pelanggan. Hal ini secara langsung akan bermanfaat untuk meningkatkan pendapatan perusahaan. Pada penelitian ini dibangun salah satu fitur aplikasi CRM untuk melakukan penilaian pelanggan. Kriteria yang digunakan dalam makalah ini diperoleh dari studi literatur dan juga wawancara terhadap stakeholder perusahaan. Setiap kriteria tersebut kemudian dibobotkan dengan menggunakan metode SMARTER ( Simple Multi Attribute Rating Technique Exploiting Ranks). Adapun keuntungan metode pembobotan dengan SMARTER adalah proses perhitungannya yang sederhana sehingga mudah digunakan oleh pembuat keputusan dalam menentukan bobot kriteria ( Edwards, 1994). Sedangkan metode perankingan yang A-30-1
2 dilakukan adalah dengan menggunakan TOPSIS (Technique for Order Preference by Similarity to Ideal Solution Method). Metode TOPSIS ini menunjukkan kinerja yang sama dengan multiplicative additive weights dan menunjukkan kinerja yang lebih baik daripada metode analytical hierarchy process (AHP (Saaty, 1980)) dalam kecocokan ranking yang dihasilkan (Olson, 2004). METODOLOGI PENELITIAN Tujuan dari penelitian ini untuk menentukan pelanggan yang berhak mendapatkan reward sesuai dengan kriteria yang ditentukan. Bobot tiap kriteria langsung diberikan oleh stakeholder, berdasarkan urutan prioritas tiap kriteria. Untuk menjadikan nilai prioritas menjadi bobot kriteria, maka dilakukan proses perhitungan dengan metode SMARTER (Simple Multi Attribute Rating Technique Exploiting Ranks) (Edwards, 1994). Pada penelitian ini, digunakan teknik perangkingan TOPSIS untuk memilih pelanggan berprestasi. Adapun kriteria yang digunakan dalam pengambilan keputusan pemilihan pelanggan ini adalah seperti pada Tabel 1. Tabel 1. Kriteria yang digunakan dalam perangkingan pelanggan Kode Nama Kriteria Penjelasan Kriteria K1 Status pelanggan Menunjukkan status pembayaran pelanggan (1:macet), (2:diragukan), (3:kurang lancar), ( 4: dalam perhatian khusus), (5: lancar) K2 Total tagihan belum terbayar Menunjukkan jumlah tagihan yang belum dibayar pelanggan (1: >=30jt), (2: 25jt x<30jt), (3: 15jt x<25jt), (4: 10jt x<15jt), (5: <10jt) K3 Kontinyuitas order Menunjukkan nilai kontinyuitas order (1:jarang), (2:sering tidak teratur), (3: sering, teratur), (4:brotherhood), (5: partner) K4 Jumlah retur Menunjukkan nilai retur dlm rupiah (1: >=7jt), (2: 5jt x<7jt), (3: 3jt x<5jt), (4: 1jt x<2jt), (5: <2jt) K5 Nilai Transaksi/bulan Rata rata nilai banyaknya transaksi dari pelanggan dlm rupiah (1: <5jt), (2: 5jt x<10jt), (3: 10jt x<20jt), (4: 20jt x<30jt), (5: 30jt) K6 Jml pesanan/transaksi Rata rata jumlah item yang dipesan tiap transaksi (1: <20pc), (2: 20pc x<30pc), (3: 30pc x<40pc), (4: 40pc x<50pc), (5: 50pc) K7 Recency Menunjukkan kebaruan transaksi pelanggan (1: < 1 thn yg lalu), (2: 9 bln yg lalu), (3: 6 bln yg lalu), (4: 3 bln yg lalu), (5: dalam bulan ini) K8 Total permintaan jasa Menunjukkan nilai rata rata jasa yang dibutuhkan pelanggan/transaksi, dlm rupiah (1: <500rb), (2: 500rb x<1jt), (3: 1jt x<3jt), (4: 3jt x<5jt), (5: 5jt) K9 Waktu proses order Menunjukkan nilai rata rata waktu proses order K10 Tingkat kerumitan Menunjukkan nilai rata rata kerumitan order, bersifat order subjektif dengan skala 1 (rumit sekali) 5 (mudah) K11 Kategori pelanggan Menunjukkan latar belakang pelanggan (1: individu), (2: sosial/organisasi), (3: UD/Toko), (4: CV), (5: PT) K12 Nilai delivery order Menunjukkan rata rata nilai delivery order pelanggan/bulan (1: <5jt), (2: 5jt x<10jt), (3: 10jt x<20jt), (4: 20jt x<30jt), (5: 30jt) A-30-2
3 Sedangkan langkah-langkah yang dilakukan untuk memperoleh perangkingan dengan menggunakan metode TOPSIS berbasis SMARTER adalah sebagai berikut: Dengan asumsi terdapat pelanggan sejumlah m ( A, i = 1,2,, m) yang dievaluasi berdasarkan kriteria sejumlah n (C, j = 1,2,, n) maka dapat diperoleh matriks pengambilan keputusan dengan ukuran m x n sebagai berikut : = (1) dimana A menyatakan alternatif pelanggan ke-i C menyatakan nilai kriteria ke-j x menyatakan nilai alternatif pelanggan ke-i untuk kriteria ke-j Setelah diperoleh matriks penilaian, maka dilakukan perankingan dengan TOPSIS berbasis SMARTER. Ada 2 bagian rangkaian langkah yang harus dilakukan, yaitu pencarian bobot berdasarkan prioritas tiap kriteria dan perankingan alternatif pelanggan menggunakan metode TOPSIS. Langkah perhitungan bobot dengan SMARTER (Edwards, 1994) 1. Menentukan prioritas dari tiap kriteria. 2. Menghitung bobot tiap kriteria dengan persamaan (1). = ( ) ( ) (2) Dimana Wj adalah nilai skala pembobotan kriteria ke-j dari k kriteria. Nilai kriteria k disusun sesuai dengan prioritas yang telah dibuat. Langkah perankingan pelanggan dengan TOPSIS (Olson, 2004) 1. Normalisasi decision matrix awal. = dimana mengindikasikan nilai normalisasi dari alternatif dengan kriteria 2. Hitung pembobotan ternormalisasi dari nilai yang diperoleh dari langkah 1. = = (. ) (3) (4) dimana adalah bobot dari kriteria ke j yang telah diperoleh pada langkah pencarian bobot kriteria menggunakan entropi. 3. Tentukan nilai ideal positif dan ideal negatif Solusi ideal positif = {,,, } =.,. Solusi ideal negatif = {,,, } =.,. (5) (6) A-30-3
4 4. Hitung nilai separation measures untuk solusi ideal positif dan solusi ideal negatif. Separation solusi ideal positif = ; = 1,2,, (7) Separation solusi ideal negatif (8) = ; = 1,2,, 5. Hitung relative closeness coefficient untuk setiap alternatif = + 6. Urutkan hasil relative closeness coefficient secara descending. (9) Alternatif dapat dirangking berdasarkan urutan nilai C. Sehingga, alternatif terbaik adalah satu alternatif yang berjarak terpendek terhadap solusi ideal positif dan berjarak terjauh dengan solusi ideal negatif. HASIL DAN DISKUSI Pada awal proses perhitungan metode TOPSIS sebagaimana yang telah dijelaskan diatas, perlu dibentuk matrik penilaian pengambilan keputusan sejumlah mxn (m pelanggan, n kriteria). Pada penelitian ini, contoh perhitungan perankingan TOPSIS dilakukan terhadap 20 pelanggan dengan 12 kriteria. Nilai tiap pelanggan sudah diubah menjadi data kategorikal dengan skala 1 5. Berikut ini adalah matriks penilaian sesuai persamaan (1). Tabel 1. Matriks awal penilaian Kriteria / K1 K2 K3 K4 K5 K6 K7 K8 K9 K10 K11 K12 pelanggan P P P P P P P P P P P P P P P P P P P P A-30-4
5 Pada penelitian ini, bobot tiap kriteria ditentukan oleh pengambil keputusan. Dari hasil wawancara dengan stakeholder, berikut ini nilai prioritas beserta bobot tiap kriteria yang dihitung dengan persamaan (2). Tabel 2. Prioritas dan bobot kriteria yang digunakan Prioritas Bobot Bobot % K1 1 0, ,86% K2 2 0, ,53% K3 3 0, ,36% K4 4 0, ,58% K5 5 0, ,50% K6 6 0, ,83% K7 7 0, ,44% K8 8 0, ,25% K9 9 0, ,21% K , ,29% K , ,45% K , ,69% Setelah mendapatkan bobot dari tiap kriteria, maka langkah selanjutnya adalah melakukan normalisasi tiap kriteria menggunakan persamaan (3). Kriteria / pelanggan Tabel 3. Matriks awal ternormalisasi K1 K2 K3 K4 K5 K6 K7 K8 K9 K10 K11 K12 P1 0,013 0,010 0,025 0,023 0,018 0,014 0,031 0,033 0,025 0,034 0,007 0,018 P2 0,031 0,026 0,025 0,030 0,004 0,014 0,013 0,033 0,006 0,008 0,026 0,024 P3 0,006 0,005 0,025 0,023 0,004 0,021 0,025 0,013 0,006 0,034 0,033 0,018 P4 0,031 0,020 0,005 0,038 0,018 0,028 0,025 0,020 0,031 0,008 0,007 0,018 P5 0,006 0,020 0,015 0,008 0,015 0,007 0,006 0,013 0,013 0,008 0,020 0,030 P6 0,013 0,026 0,020 0,008 0,004 0,021 0,019 0,007 0,019 0,025 0,033 0,030 P7 0,006 0,015 0,005 0,023 0,018 0,021 0,025 0,033 0,006 0,025 0,020 0,012 P8 0,019 0,026 0,005 0,023 0,011 0,014 0,031 0,013 0,006 0,017 0,007 0,006 P9 0,019 0,010 0,020 0,015 0,018 0,007 0,006 0,013 0,031 0,008 0,013 0,024 P10 0,006 0,015 0,025 0,008 0,018 0,028 0,006 0,027 0,006 0,042 0,033 0,024 P11 0,025 0,020 0,010 0,023 0,018 0,035 0,006 0,027 0,013 0,025 0,013 0,006 P12 0,013 0,020 0,025 0,030 0,011 0,021 0,006 0,013 0,025 0,034 0,026 0,018 P13 0,019 0,010 0,005 0,008 0,018 0,035 0,019 0,013 0,013 0,017 0,007 0,024 P14 0,006 0,015 0,010 0,023 0,011 0,014 0,025 0,013 0,031 0,008 0,020 0,018 P15 0,031 0,005 0,020 0,015 0,018 0,014 0,019 0,007 0,031 0,017 0,007 0,006 P16 0,031 0,020 0,010 0,023 0,018 0,014 0,019 0,013 0,006 0,008 0,013 0,006 P17 0,031 0,015 0,020 0,023 0,018 0,021 0,019 0,007 0,025 0,017 0,026 0,030 P18 0,019 0,015 0,015 0,015 0,015 0,028 0,031 0,007 0,019 0,017 0,013 0,006 P19 0,006 0,026 0,005 0,015 0,015 0,035 0,031 0,020 0,025 0,034 0,007 0,012 P20 0,031 0,026 0,020 0,030 0,018 0,035 0,031 0,013 0,031 0,008 0,007 0,012 Langkah selanjutnya adalah membuat matriks bobot ternormalisasi dengan persamaan (3). Pada langkah ini, tiap nilai dari matriks ternormalisasi dikalikan dengan bobot tiap A-30-5
6 kriteria yang bersesuaian pada Tabel 2. Hasil matriks bobot ternormalisasi dapat dilihat pada Tabel 4. Tabel 4. Matriks bobot ternormalisasi Kriteria / pelanggan K1 K2 K3 K4 K5 K6 K7 K8 K9 K10 K11 K12 P1 0,003 0,002 0,003 0,002 0,002 0,001 0,002 0,001 0,001 0,001 0,000 0,000 P2 0,008 0,004 0,003 0,003 0,000 0,001 0,001 0,001 0,000 0,000 0,000 0,000 P3 0,002 0,001 0,003 0,002 0,000 0,001 0,001 0,001 0,000 0,001 0,000 0,000 P4 0,008 0,004 0,001 0,004 0,002 0,002 0,001 0,001 0,001 0,000 0,000 0,000 P5 0,002 0,004 0,002 0,001 0,001 0,000 0,000 0,001 0,000 0,000 0,000 0,000 P6 0,003 0,004 0,003 0,001 0,000 0,001 0,001 0,000 0,001 0,001 0,000 0,000 P7 0,002 0,003 0,001 0,002 0,002 0,001 0,001 0,001 0,000 0,001 0,000 0,000 P8 0,005 0,004 0,001 0,002 0,001 0,001 0,002 0,001 0,000 0,000 0,000 0,000 P9 0,005 0,002 0,003 0,002 0,002 0,000 0,000 0,001 0,001 0,000 0,000 0,000 P10 0,002 0,003 0,003 0,001 0,002 0,002 0,000 0,001 0,000 0,001 0,000 0,000 P11 0,006 0,004 0,001 0,002 0,002 0,002 0,000 0,001 0,000 0,001 0,000 0,000 P12 0,003 0,004 0,003 0,003 0,001 0,001 0,000 0,001 0,001 0,001 0,000 0,000 P13 0,005 0,002 0,001 0,001 0,002 0,002 0,001 0,001 0,000 0,000 0,000 0,000 P14 0,002 0,003 0,001 0,002 0,001 0,001 0,001 0,001 0,001 0,000 0,000 0,000 P15 0,008 0,001 0,003 0,002 0,002 0,001 0,001 0,000 0,001 0,000 0,000 0,000 P16 0,008 0,004 0,001 0,002 0,002 0,001 0,001 0,001 0,000 0,000 0,000 0,000 P17 0,008 0,003 0,003 0,002 0,002 0,001 0,001 0,000 0,001 0,000 0,000 0,000 P18 0,005 0,003 0,002 0,002 0,001 0,002 0,002 0,000 0,001 0,000 0,000 0,000 P19 0,002 0,004 0,001 0,002 0,001 0,002 0,002 0,001 0,001 0,001 0,000 0,000 P20 0,008 0,004 0,003 0,003 0,002 0,002 0,002 0,001 0,001 0,000 0,000 0,000 Setelah itu dilakukan perhitungan himpunan solusi ideal + (persamaan 5) dan solusi ideal - (persamaan 6). Hasil perhitungan tersebut terdapat pada Tabel 5. Tabel 5. Himpunan solusi ideal + dan solusi ideal Kriteria K1 K2 K3 K4 K5 K6 K7 K8 K9 K10 K11 K12 Himpunan solusi + Himpunan solusi - 0,0081 0,0045 0,0034 0,0040 0,0016 0,0024 0,0017 0,0014 0,0010 0,0010 0,0005 0,0002 0,0016 0,0009 0,0007 0,0008 0,0003 0,0005 0,0003 0,0003 0,0002 0,0002 0,0001 0,0000 Langkah selanjutnya adalah menghitung separation measures terhadap solusi ideal +. Pada tahap ini dilakukan pengukuran jarak tiap pelanggan untuk semua nilai kriteria terhadap himpunan solusi ideal + yang bersesuaian. Perhitungan tersebut menggunakan persamaan (7). Selain itu, juga dilakukan perhitungan jarak terhadap solusi ideal menggunakan persamaan (8). Hasil perhitungan tersebut ditampilkan dalam matrik jarak tiap pelanggan pada Tabel 6. A-30-6
7 Tabel 6. Matrik jarak tiap pelanggan Jarak ke solusi ideal + Jarak ke solusi ideal - relative closeness coefficient Ranking pelanggan P1 0,0060 0,0019 0, P2 0,0026 0,0021 0, P3 0,0078 0,0015 0, P4 0,0031 0,0029 0, P5 0,0079 0,0011 0, P6 0,0062 0,0013 0, P7 0,0075 0,0018 0, P8 0,0050 0,0013 0, P9 0,0055 0,0011 0, P10 0,0076 0,0020 0, P11 0,0036 0,0022 0, P12 0,0054 0,0019 0, P13 0,0061 0,0021 0, P14 0,0075 0,0012 0, P15 0,0048 0,0010 0, P16 0,0035 0,0012 0, P17 0,0030 0,0014 0, P18 0,0048 0,0016 0, P19 0,0075 0,0021 0, P20 0,0016 0,0027 0, Setelah diketahui jarak tiap pelanggan terhadap solusi ideal + dan solusi ideal - maka dilakukan perhitungan relative closeness coefficient menggunakan persamaan (9). Hasil perhitungan tersebut terdapat pada Tabel 6. Selanjutnya nilai relative closeness coefficient diurutkan secara descending untuk mendapatkan nilai ranking pelanggan. KESIMPULAN Dalam makalah ini, kami telah mengusulkan sebuah model pemilihan pelanggan yang mendapatkan reward berbasis multi kriteria. Model pengambilan keputusan yang diajukan meliputi mengidentifikasi kriteria beserta bobotnya dan perankingan pelanggan menggunakan metode TOPSIS berbasis SMARTER. Dari hasil penelitian, kriteria yang dapat digunakan pada aplikasi CRM untuk perangkingan pelanggan ini sejumlah 12 kriteria. Berdasarkan perhitungan SMARTER, maka kriteria yang diprioritaskan adalah status pelanggan (25,86%), t otal tagihan belum terbayar (17,53%), kontinyuitas order (13,36%) dan jumlah retur (10,58%). Sedangkan pelanggan yang mendapatkan nilai relative closeness coefficient tertinggi adalah p20 ( 0,6247), p4 ( 0,0031), p2 (0,4483), dan p11(0,3856). DAFTAR PUSTAKA Tiwana, A., The Essential Guide to Knowledge Management: e-business and CRM Applications. Prentice-Hall, Englewood Cliffs, NJ. Sigala, M Integrating customer relationship management in hotel operations: managerial and operational implications. Hospitality Management 24.pp A-30-7
8 Stefanou, C., Sarmaniotis, C., Stafyla, A., CRM and customer-centric knowledge management: an empirical research. Business Process Management Journal 9 (5), pp W. Edwards and F.H. Barron, SMARTS and SMARTER: Improved simple methods for multiattribute utility measurement, Organizational Behavior and Human Decision Processes 60, Saaty, T. L The Analytic Hierarchy Process. McGraw-Hill: New York. Olson, D.L., Comparison of Weights in TOPSIS Models, Mathematical and Computer Modelling. pp 1-7 A-30-8
KOMBINASI METODE AHP DAN TOPSIS PADA SISTEM PENDUKUNG KEPUTUSAN
KOMBINASI METODE AHP DAN TOPSIS PADA SISTEM PENDUKUNG KEPUTUSAN Ahmad Abdul Chamid 1*, Alif Catur Murti 1 1 Program Studi Teknik Informatika, Fakultas Teknik, Universitas Muria Kudus Gondangmanis, PO Box
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring dengan perkembangan zaman maka tingkat pendidikan pada masyarakat mengalami peningkatan. Oleh karena itu masyarakat memandang bahwa pendidikan pada tingkat
Lebih terperinciSKRIPSI Diajukan Kepada Universitas Muhammadiyah Malang Untuk Memenuhi Salah Satu Persyaratan Akademik Dalam Menyelesaikan Program Sarjana Teknik
PENERAPAN METODE FUZZY TOPSIS DENGAN PEMBOBOTAN KRITERIA MENGGUNAKAN SMARTER (Simple Multi Attribute Rating Technique Exploiting Rank) DALAM KASUS PEMILIHAN SUPPLIER (Studi Kasus: PT.GAYA BARU PAPERINDO)
Lebih terperinciPENDAHULUAN. melakukan kegiatan Praktek Kerja Lapangan (PKL) baik tingkat SMK/sederajat
1 PENDAHULUAN 1.1 Latar Belakang Banyak lembaga pendidikan yang mewajibkan siswa/mahasiswanya melakukan kegiatan Praktek (PKL) baik tingkat SMK/sederajat maupun universitas sebagai salah satu syarat untuk
Lebih terperinciMETODE 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 terperinciMulti-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 terperinciUJIAN TUGAS AKHIR SELEKSI SUPPLIER BAHAN BAKU DENGAN METODE TOPSIS FUZZY MADM (STUDI KASUS PT. GIRI SEKAR KEDATON, GRESIK)
OL UJIAN TUGAS AKHIR SELEKSI SUPPLIER BAHAN BAKU DENGAN METODE TOPSIS FUZZY MADM (STUDI KASUS PT. GIRI SEKAR KEDATON, GRESIK) Oleh: Indira Kusuma Wardhani 1208100048 Pembimbing : Prof. DR. M. Isa Irawan,
Lebih terperinciPENENTUAN PRODUK KERAJINAN UNGGULAN DENGAN MENGGUNAKAN MADM-SAW. Fera Tri Wulandari 1*, Setiya Nugroho 1
PENENTUAN PRODUK KERAJINAN UNGGULAN DENGAN MENGGUNAKAN MADM-SAW Fera Tri Wulandari 1*, Setiya Nugroho 1 1 Program Studi Manajemen Informatika, Fakultas Ilmu Komputer, Universitas Widya Dharma Klaten Jl
Lebih terperinciSISTEM 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 terperinciMulti atributte decision making (madm)
Multi atributte decision making (madm) Weighted Product, Topsis Weighted Product (wp) Metode WP menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan
Lebih terperinciKata 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 terperinciKata Kunci: Guru, Decision support systems, MADM, SAW. 1. Pendahuluan
RANCANG BANGUN DECISION SUPPORT SYSTEM PEMILIHAN GURU TERBAIK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) (STUDI KASUS : SMA BHAKTI PERTIWI KOTA TANGERANG) Taufik Hidayat, S.Kom., M.Kom 1, Fajar
Lebih terperinciPENENTUAN PRODUK KERAJINAN UNGGULAN DENGAN MENGGUNAKAN MADM-TOPSIS
PENENTUAN PRODUK KERAJINAN UNGGULAN DENGAN MENGGUNAKAN MADM-TOPSIS Fera Tri Wulandari 1), Fajar Budi Hartono 2) Abstrak : Pemilihan produk unggulan diharapkan dapat membantu pihak perindustrian dan perdagangan
Lebih terperinciPENENTUAN 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 terperinciSKRIPSI. 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 terperinciPENENTUAN 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 terperinciPERBANDINGAN PENERAPAN METODE SAW DAN TOPSIS DALAM SISTEM PEMILIHAN LAPTOP
PERBANDINGAN PENERAPAN METODE SAW DAN TOPSIS DALAM SISTEM PEMILIHAN LAPTOP SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada Program Studi Teknik Informatika
Lebih terperinciBAB 2 TINJAUAN PUSTAKA Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan
22 BAB 2 TINJAUAN PUSTAKA 2.1. Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan 2.1.1. Definisi Sistem Sistem adalah kumpulan objek seperti orang, sumber daya, konsep dan prosedur yang dimaksudkan
Lebih terperinciMADM-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 terperinciJurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 1, (2016) Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 2, No.
Sistem Pendukung Keputusan Pemilihan Tempat Kost Khusus Mahasiswa dengan Metode AHP dan TOPSIS Berbasis Web (Studi Kasus : Kota Pontianak) Herik Sugianto, Yulianti, Hengky Anra Program Studi Teknik Informatika
Lebih terperinciFUZZY 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 terperinciSISTEM 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 terperinciSistem Pendukung Keputusan Seleksi Beasiswa Pendidikan Menggunakan Metode Simple Additive Weighting
SISTEM PENDUKUNG KEPUTUSAN SELEKSI BEASISWA PENDIDIKAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Oleh : Ita Yulianti 1, Imam Tahyudin 2, Nurfaizah 3 1,2,3) STMIK AMIKOM Purwokerto ABSTRAK Tujuan penelitian
Lebih terperinciGus melia Testiana. IAIN Raden Fatah, Palembang, Indonesia
PEMANFAATAN LOGIKA FUZZY MULTIPLE ATTRIBUTE DECISSION MAKING (FMADM) DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) UNTUK PENENTUAN PENERIMA BEASISWA DI IAIN RADEN FATAH PALEMBANG Gus melia Testiana IAIN
Lebih terperinciSISTEM 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 terperinciSISTEM 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 terperinci2015 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LOKASI RESTORAN MENGGUNAKAN METODE SMARTER DAN PROMETHEE
BAB I 1.1. Latar Belakang PENDAHULUAN Kota Bandung merupakan salah satu kota besar di Indonesia dengan tag line paris van java nya selain terkenal dengan fashionnya juga terkenal akan kulinernya yang beragam
Lebih terperinciPEMILIHAN STRATEGI PENINGKATAN PENJUALAN DI UKM MIKRO TEKNIK
PEMILIHAN STRATEGI PENINGKATAN PENJUALAN DI UKM MIKRO TEKNIK TUGAS AKHIR Diajukan untuk memenuhi persyaratan mencapai derajat Sarjana Teknik Industri KEVIN KUSNADI 15 16 08624 PROGRAM STUDI TEKNIK INDUSTRI
Lebih terperinciANALISIS 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Objek Wisata Objek dan daya tarik wisata adalah suatu bentukan dan fasilitas yang berhubungan, yang dapat menarik minat wisatawan atau pengunjung untuk datang ke suatu daerah
Lebih terperinciMulti atributte decision making (madm) MCDM, MADM, SAW
Multi atributte decision making (madm) MCDM, MADM, SAW Entin Martiana, S.Kom, M.Kom Multi criteria decision making (mcdm) Suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah
Lebih terperinciDECISION 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 terperinciSistem Pendukung Keputusan Mahasiswa Berprestasi Menggunakan Metode TOPSIS
Sistem Pendukung Keputusan Mahasiswa Berprestasi Menggunakan Metode TOPSIS Sri Rahmawati Fitriatien Universitas PGRI Adi Buana Surabaya (Fakultas Keguruan dan Ilmu Pendidikan, Program Studi Pendidikan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN PT PLN (Persero) merupakan perusahaan penyedia jasa kelistrikan terbesar di Indonesia. Proses dalam meningkatkan usahanya, PT PLN (Persero) tidak dapat melepaskan perhatiannya
Lebih terperinciSISTEM 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 terperinciSistem Informasi Penilaian Supplier Komputer Menggunakan Metode Fuzzy Multiple Attribute Decision Making Dengan Simple Additive Weighting
Sistem Informasi Penilaian Supplier Komputer Menggunakan Metode Fuzzy Multiple Attribute Decision Making Dengan Simple Additive Weighting Johana Harjayanti 1, Anief Fauzan Rozi 2 1 2 Program Studi Sistem
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN KARYAWAN TERBAIK MENGGUNAKAN METODE AHP DAN TOPSIS
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KARYAWAN TERBAIK MENGGUNAKAN METODE AHP DAN TOPSIS Indra Herman Firdaus 1, Gunawan Abdillah 2, Faiza Renaldi 3 Jurusan Informatika, Fakultas MIPA Universitas Jenderal
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam melakukan suatu penelitian, metodologi penelitian merupakan suatu proses berpikir yang sistematis atau tahap-tahap penelitian yang diawali dengan mengidentifikasi masalah,
Lebih terperinciSISTEM 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 terperinciSIMPLE MULTI-ATTRIBUTE RATING TECHNIQUE EXPLOITING RANK (SMARTER) UNTUK PENENTUAN VELG CUSTOMER CV. WANGUN JAYA BAN
SIMPLE MULTI-ATTRIBUTE RATING TECHNIQUE EXPLOITING RANK (SMARTER) UNTUK PENENTUAN VELG CUSTOMER CV. WANGUN JAYA BAN Frizka Ayu Nurani, Sri Setyaningsih, Aries Maesya Program Studi Ilmu Komputer, Fakultas
Lebih terperinciPenerapan Metode Simple Additive Weighting (SAW) pada Sistem Pendukung Keputusan Pemilihan Lokasi untuk Cabang Baru Toko Pakan UD.
Penerapan Metode Simple Additive Weighting (SAW) pada Sistem Pendukung Keputusan Pemilihan Lokasi untuk Cabang Baru Toko Pakan UD. Indo Multi Fish 1 Nalsa Cintya Resti 1 Sistem Informasi, Universitas Nusantara
Lebih terperinciSistem 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 terperinciSISTEM 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 terperinciAplikasi Logika Fuzzy pada Pengambilan Keputusan Seleksi Beasiswa Bidikmisi dengan Metode TOPSIS
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Aplikasi Logika Fuzzy pada Pengambilan Keputusan Seleksi Beasiswa Bidikmisi dengan Metode TOPSIS Triyanti, Agus Maman Abadi FMIPA, Universitas
Lebih terperinciSistem Pendukung Keputusan Seleksi Anggota Badan Eksekutif Mahasiswa dengan Metode Elimination Et Choix Traduisant La Realite (Electre)
Dwi Prabowo Apriansyah, Indriyati Sistem Pendukung Keputusan Seleksi Anggota Badan Eksekutif Mahasiswa dengan Metode Elimination Et Choix Traduisant La Realite (Electre) Dwi Prabowo Apriansyah, Indriyati
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN LOKASI PERUMAHAN DI KABUPATEN PRINGSEWU MENGGUNAKAN METODE WEIGHTED PRODUCT
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN LOKASI PERUMAHAN DI KABUPATEN PRINGSEWU MENGGUNAKAN METODE WEIGHTED PRODUCT Amel Dhea Saputri 1, Oktafianto 2 Jurusan Sistem Informasi, STMIK PRINGSEWU-LAMPUNG
Lebih terperinciSISTEM 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 terperinciPENERAPAN METODE MADM-SAW DALAM PENENTUAN PRODUK KERAJINAN UNGGULAN KABUPATEN KLATEN
PENERAPAN METODE MADM-SAW DALAM PENENTUAN PRODUK KERAJINAN UNGGULAN KABUPATEN KLATEN Setiya Nugroho Fakultas Ilmu Komputer, Program Stusi Manajemen Informatika Universitas Widya Dharma Klaten Email: setiyanugroho@gmail.com
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Landasan Teori 2.1.1. Metode SAW (Simple Additive Weighting) Metode SAW (Simple Additive Weighting) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari
Lebih terperinciPENERAPAN METODE SIMPLE ADDITIVE WEIGHTING DALAM SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TABLET
PENERAPAN METODE SIMPLE ADDITIVE WEIGHTING DALAM SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TABLET Dhuto Hestu Wicaksono Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Email
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN MOTOR BEBEK DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)
SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN MOTOR BEBEK DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom)
Lebih terperinciBAB 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 terperinciSISTEM 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 terperinciIMPLEMENTASI 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 terperinciSeminar 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 terperinciSistem Pendukung Keputusan untuk Penentuan Minat Peserta Didik di SMA Menggunakan Metode TOPSIS. Afrian Suryandini dan Indriyati
Sistem Pendukung Keputusan untuk Penentuan Sistem Pendukung Keputusan untuk Penentuan Minat Peserta Didik di SMA Menggunakan Metode TOPSIS Afrian Suryandini dan Indriyati Jurusan IlmuKomputer/Informatika,
Lebih terperinciMulti-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 terperinciBAB 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 terperinciBAB V ANALISA HASIL 5.1 ANALISA HASIL PEMILIHAN SUPPLIER MENGGUNAKAN FUZZY PERBANDINGAN BERPASANGAN
155 156 BAB V ANALISA HASIL 5.1 ANALISA HASIL PEMILIHAN SUPPLIER MENGGUNAKAN FUZZY PERBANDINGAN BERPASANGAN Metode yang digunakan dalam memilih supplier terbaik adalah Fuzzy AHP. Dalam metode ini diperoleh
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pemilihan smartphone yang tepat merupakan salah satu aspek yang perlu diperhatikan oleh pengguna (dalam hal ini pengambil keputusan) sebelum melakukan pembelian.
Lebih terperinciPENGAMBILAN KEPUTUSAN DALAM PEMILIHAN PEMASOK GALON DENGAN MENGGUNAKANMETODE FUZZY AHP (STUDI KASUS DI PT. BYN SAMARINDA)
Pengambilan Keputusan dalam Pemilihan Pemasok Galon... (Fachriah dkk.) PENGAMBILAN KEPUTUSAN DALAM PEMILIHAN PEMASOK GALON DENGAN MENGGUNAKANMETODE FUZZY AHP (STUDI KASUS DI PT. BYN SAMARINDA) Fachriah
Lebih terperinciBAB I PENDAHULUAN.
1 BAB I PENDAHULUAN 1.1 Latar Belakang Di era digital saat ini sesuatu yang memungkinkan pekerjaan manusia dapat menjadi lebih cepat dan flexible. Kesibukan manusia bertolak belakang dengan tuntutan bahwa
Lebih terperinciPEMILIHAN LOKASI SUMBER MATA AIR UNTUK PEMBANGUNAN JARINGAN AIR BERSIH PEDESAAN DENGAN MENGGUNAKAN METODE TOPSIS
PEMILIHAN LOKASI SUMBER MATA AIR UNTUK PEMBANGUNAN JARINGAN AIR BERSIH PEDESAAN DENGAN MENGGUNAKAN METODE TOPSIS Nofi Aditya Konsentrasi Manajemen Proyek Konstruksi, Program Studi Teknik Sipil Pascasarjana
Lebih terperinciSISTEM 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 terperinciPENGEMBANGAN STRATEGI PEMASARAN INDUSTRI KECIL- MENENGAH PRODUK IKAN TERI NASI
PENGEMBANGAN STRATEGI PEMASARAN INDUSTRI KECIL- MENENGAH PRODUK IKAN TERI NASI Rachmad Hidayat Teknik Industri Universitas Trunojoyo Madura Kampus Unijoyo Jl. Raya Telang, PO BOX 2 Kamal Email: rachmad_h@ymail.com
Lebih terperinciPERBANDINGAN NILAI RELIABILITAS DARI HASIL METODE SAW DAN METODE TOPSIS
SNIPTEK 206 ISBN: 978-602-72850-3-3 PERBANDINGAN NILAI RELIABILITAS DARI HASIL METODE SAW DAN METODE TOPSIS Hidayanti Murtina STMIK Nusa Mandiri Jakarta Jl. Damai No. 8 Warung Jati Barat (Margasatwa) Jakarta
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN MENENTUKAN SISWA TELADAN DI SDN 5 TUNGGUL PAWENANG. Beta Wulan Asmara 1, Dedi Irawan 2
SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN SISWA TELADAN DI SDN 5 TUNGGUL PAWENANG Beta Wulan Asmara 1, Dedi Irawan 2 Jurusan Sistem Informasi STMIK Pringsewu Lampung Jl. Wisma Rini No. 09 Pringsewu Lampung
Lebih terperinciAndri Syafrianto Teknik Informatika STMIK El Rahma
1 PERBANDINGAN METODE WEIGHTED PRODUCT MODEL (WPM) DAN TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) PADA PROSES PEMILIHAN MAHASISWA YANG BERHAK MENERIMA BEASISWA Andri Syafrianto
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) PADA SMA NEGERI 1 SINGKIL
SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) PADA SMA NEGERI 1 SINGKIL Rahmawan cibro ( 12110675) Mahasiswa Program Studi Teknik Informatika STMIK
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK REKOMENDASI PENERIMA BEASISWA DENGAN METODE TECHNIQUE FOR OTHERS PREFERENCE BY SIMILARITY TO IDEAL SOLUTION
SISTEM PENDUKUNG KEPUTUSAN UNTUK REKOMENDASI PENERIMA BEASISWA DENGAN METODE TECHNIQUE FOR OTHERS PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (Studi Kasus STT STIKMA Internasional Malang) TUGAS AKHIR Oleh:
Lebih terperinciSISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN SELEKSI DANA BANTUAN REHABILITASI BANGUNAN UNTUK SEKOLAH DASAR DI KABUPATEN PRINGSEWU
SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN SELEKSI DANA BANTUAN REHABILITASI BANGUNAN UNTUK SEKOLAH DASAR DI KABUPATEN PRINGSEWU Slamet Riadi Program Strata Satu Jurusan Sistem Informasi STMIK Pringsewu Lampung
Lebih terperinciVolume : 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 terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Kamera digital merupakan imaging device yang banyak digunakan dalam masyarakat modern saat ini. munculnya kamera digital tentunya menggeser kepopuleran kamera analog,
Lebih terperinciBAB I PENDAHULUAN. semakin ketat. Konsumen tidak hanya menginginkan produk yang berkualitas,
BAB I PENDAHULUAN A. Latar Belakang Permasalahan Di era globalisasi seperti saat ini, persaingan antar perusahaan menjadi semakin ketat. Konsumen tidak hanya menginginkan produk yang berkualitas, melainkan
Lebih terperinciSistem 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 terperinciAbstract. Keywords: Scholarship, Fuzzy MADM, SAW, Criteria.
ISSN : 1693 1173 Sistem Pendukung Keputusan Beasiswa Diklat dengan Fuzzy Multiple Attribute Decission Making (MADM) Tri Handayani, Wawan Laksito Yuly Saptomo, Teguh Susyanto Abstract The scholarship is
Lebih terperinciBAB I PENDAHULUAN. pendekatan yang digunakan dalam proses pengambilan keputusan misalnya dalam
BAB I PENDAHULUAN A. Latar Belakang Perkembangan keberadaan dan kebutuhan akan teknologi sangat berpengaruh terhadap perkembangan masyarakat maupun instansi. Pemanfaatan komputer sebagai alat bantu tidak
Lebih terperinciSistem Pendukung Keputusan Vendor Management...
SISTEM PENDUKUNG KEPUTUSAN VENDOR MANAGEMENT MENGGUNAKAN METODE ANALYTICAL HYRARCY PROCESS (AHP) DAN TECHNIQUE FOR OTHERS REFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) Anggita Putri Pratama *, Gunawan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Konsep Dasar Sistem Suatu sistem pada dasarnya adalah sekolompok unsur yang erat hubungannya satu dengan yang lain, yang berfungsi bersama-sama untuk mencapai tujuan tertentu.
Lebih terperinciISSN VOL 15, NO 2, OKTOBER 2014
PENERAPAN METODE TOPSIS DAN AHP PADA SISTEM PENUNJANG KEPUTUSAN PENERIMAAN ANGGOTA BARU, STUDI KASUS: IKATAN MAHASISWA SISTEM INFORMASI STMIK MIKROSKIL MEDAN Gunawan 1, Fandi Halim 2, Wilson 3 Program
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. 2.1 Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan
BAB 2 TINJAUAN PUSTAKA 2.1 Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan Sistem Pendukung Keputusan (Decision Support System) merupakan sistem informasi interaktif yang menyediakan informasi,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROVIDER INTERNET MENGGUNAKAN METODE AHP dan SAW DOSEN : DRS. RETANTYO WARDOYO, M.Sc., Ph.D
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PROVIDER INTERNET MENGGUNAKAN METODE AHP dan SAW DOSEN : DRS. RETANTYO WARDOYO, M.Sc., Ph.D Disusun Oleh Ibnu Triyanto 1411 Kirwanto 1411 Nuralia 1411601261 Putri Hayati
Lebih terperinciBAB I PENDAHULUAN. warga berhak mendapatkan perlindungan kesehatan. (Depkes, 2008).
BAB I PENDAHULUAN A. Latar Belakang Masalah Jaminan kesehatan masyarakat (JAMKESMAS) ini adalah program jaminan kesehatan dari pemerintah untuk masyarakat kurang mampu agar kebutuhan kesehatan masayarakat
Lebih terperinciPeningkatan Rasio Konsistensi pada Metode AHP Menggunakan Relasi Preferensi Fuzzy
Prosiding Seminar Nasional Sains dan Pendidikan Sains (2016) 6:35 42; ISSN: 2087-0922 Tersedia online di : http://fsm.uksw.edu/ojs Peningkatan Rasio Konsistensi pada Metode AHP Menggunakan Relasi Preferensi
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Seorang wirausahawan (entrepreneur) adalah seseorang yang menciptakan bisnis baru dengan mengambil resiko dan
digilib.uns.ac.id 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Seorang wirausahawan (entrepreneur) adalah seseorang yang menciptakan bisnis baru dengan mengambil resiko dan ketidakpastian demi mencapai keuntungan
Lebih terperinciEVALUASI KEKRITISAN KOMPONEN MESIN CETAK DI PT. SOLO GRAFIKA UTAMA
Evaluasi Kekritisan Komponen Mesin Cetak... (Widyaningrum dkk) EVALUASI KEKRITISAN KOMPONEN MESIN CETAK DI PT. SOLO GRAFIKA UTAMA Dian Novita Widyaningrum *, I Wayan Suletra, Eko Liquiddanu Program Studi
Lebih terperinciBayu Erlangga 1, Elisabet Y.A 2
SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KARYAWAN TERBAIK DI WISATA TALANG INDAH DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) (STUDI KASUS : KABUPATEN PRINGSEWU) Bayu Erlangga 1, Elisabet Y.A 2 Jurusan Sistem
Lebih terperinciPENENTUAN PEMINATAN PESERTA DIDIK MENGGUNAKAN METODE AHP-TOPSIS (STUDI KASUS SMA NEGERI 6 SEMARANG)
PENENTUAN PEMINATAN PESERTA DIDIK MENGGUNAKAN METODE AHP-TOPSIS (STUDI KASUS SMA NEGERI 6 SEMARANG) Rahmawan Bagus Trianto 1 1 Teknik Informatika Universitas Dian Nuswantoro Semarang E-mail : 111201005199@mhs.dinus.ac.id
Lebih terperinciBAB II TINJAUAN PUSTAKA...
DAFTAR ISI HALAMAN PENGESAHAN... ii PERNYATAAN... iii HALAMAN PERSEMBAHAN... iv PRAKATA... v DAFTAR ISI... vii DAFTAR TABEL... ix DAFTAR GAMBAR... x INTISARI... xii ABSTRACT... xiii BAB I PENDAHULUAN...
Lebih terperinciSeminar 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 terperinciPENENTUAN PENERIMA BEASISWA DENGAN MENGGUNAKAN FUZZY MADM
PENENTUAN PENERIMA BEASISWA DENGAN MENGGUNAKAN FUZZY MADM Apriansyah Putra 1), Dinna Yunika Hardiyanti 2) Email: Apriansyah@unsri.ac.id, dinna_yunika@yahoo.co.id Abstract In every institution especially
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari, manusia dihadapi dengan masalah pengambilan keputusan yang bermacam-macam. Dari pengambilan keputusan yang melibatkan satu faktor saja
Lebih terperinciPEMILIHAN STRATEGI KEBIJAKAN PEMBINAAN UMKM DI DINAS KUMKM DAN PERDAGANGAN PROVINSI DKI JAKARTA DENGAN METODE AHP DAN TOPSIS
PEMILIHAN STRATEGI KEBIJAKAN PEMBINAAN UMKM DI DINAS KUMKM DAN PERDAGANGAN PROVINSI DKI JAKARTA DENGAN METODE AHP DAN TOPSIS Dino Caesaron 1), Leksani B. R. 2 ) Program Studi Teknik Industri-Universitas
Lebih terperinci9/22/2011. 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 terperinciSISTEM PENDUKUNG KEPUTUSAN BEASISWA DIKLAT DENGAN FUZZY MADM
SISTEM PENDUKUNG KEPUTUSAN BEASISWA DIKLAT DENGAN FUZZY MADM Tri Handayani (teha.nazla@gmail.com) Wawan Laksito YS (wlaksito@yahoo.com) Teguh Susyanto (teguhsusyanto@gmail.com) ISSN : 2338-408 ABSTRAK
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Riksa Nugraha, 2015
1 BAB I PENDAHULUAN Didalam bab ini dijelaskan beberapa hal dasar yang menjadi bahan untuk pembuatan skripsi, seperti latar belakang masalah, perumusan masalah, batasan masalah, tujuan penelitian, manfaat
Lebih terperinciPENGEMBANGAN 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 terperinciAnalisis Sensitifitas Model SMART-AHP dengan SMARTER-ROC sebagai Pengambilan Keputusan Multi Kriteria
Analisis Sensitifitas Model SMART-AHP dengan SMARTER-ROC sebagai Pengambilan Keputusan Multi Kriteria Richa Dwi Kusmiyanti 1, Suliatun 2, Mustakim 3 1,2,3 Laboratorium Data Mining Program Studi Sistem
Lebih terperinciSistem Penunjang Keputusan Penerimaan Dosen dengan Metode Analytic Hierarchy Process
Sistem Penunjang Keputusan Penerimaan Dosen dengan Metode Analytic Hierarchy Process Joko Dwi Raharjo 1, Andriyan Darmadi 2 1 Dosen STMIK Bina Sarana Global, 2 Mahasiswa STMIK Bina Sarana Global Email
Lebih terperinciKOMBINASI METODE ANP DAN TOPSIS DALAM MENENTUKAN PRIORITAS MEDIA PROMOSI PERGURUAN TINGGI (STUDI KASUS: STMIK AKAKOM YOGYAKARTA)
KOMBINASI METODE ANP DAN TOPSIS DALAM MENENTUKAN PRIORITAS MEDIA PROMOSI PERGURUAN TINGGI (STUDI KASUS: STMIK AKAKOM YOGYAKARTA) Sumiyatun 1), Retantyo Wardoyo 2) 1) Teknik Informatika STMIK AKAKOM Jln.
Lebih terperinci