APLIKASI FUZZY-TOPSIS DALAM MELAKUKAN SELEKSI PEMILIHAN PERUMAHAN
|
|
- Ratna Atmadja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 APLIKASI FUZZY-TOPSIS DALAM MELAKUKAN SELEKSI PEMILIHAN PERUMAHAN Muhammad Romi Syahputra Program Studi Teknik Informatika STMIK Pelita Nusantara Medan, Jl. Iskandar Muda No. 1 Medan, Sumatera Utara 20154, Indonesia moehromi89@gmail.com Abstract Perumahan merupakan salah satu kebutuhan sekunder. Dalam melakukan pemilihan perumahan yang tepat, harus disesuaikan dengan keinginan konsumen. Untuk mendapatkan hasil optimal dibutuhkan suatu sistem yang dapat membantu dalam penentuan perumahan agar konsumen merasa puas. Untuk itu dibutuhkan sebuah sistem pendukung keputusan. Salah satu metode yang dapat digunakan untuk Sistem Pendukung Keputusan adalah dengan menggunakan TOPSIS. Penelitian dilakukan dengan mencari nilai bobot untuk setiap atribut, kemudian dilakukan proses perankingan yang akan menentukan alternatif yang optimal kasus yaitu mencari alternative terbaik bedasarkan kriteriakriteriayang telah ditentukan. Kata kunci: Seleksi, -Topsis, Pemilihan rumah I. PENDAHULUAN Sistem database yang ada sampai sekarang, hanya mampu menangani data yang bersifat pasti(crisp). Sedangkan dalam kondisi yang nyata seringkali kita dihadapkan pada suatu kondisi yang memiliki nilai yang samar, tidak pasti(uncertain), atau ambigu. Seperti kondisi dimana kita akan menseleksi pemilihan rumah yang tepat sesuai dengan keinginan konsumen. Kondisi yang samar berarti tidak terdapat suatu definisi yang pasti terhadap kondisi tersebut. Kondisi ambigu berarti suatu kondisi dimana terjadi ketidakjelasan dari beberapa alternativ yang harus diterima, yang mana yang benar. Pada proses untuk menentukan atau menseleksi pemilihan rumah yang tepat sesuai dengan keinginan konsumen, tentunya kita memiliki kriteria-kriteria rumah yang layak untuk direkomendasikan. Kriteria-kriteria tersebut memiliki nilai yang tidak pasti. Oleh karena itu, untuk menangani kriteria-kriteria yang memiliki nilai yang tidak pasti tersebut kita dapat menggunakan logika fuzzy Dalam beberapa penelitian yang telah dilakukan oleh peneliti yang dituliskan dalam jurnal atau karya ilmiah tentang penggunaan Topsis adalah Lestari (2011), menjelaskan dalam makalahnya menerapkan metode topsis untuk menseleksi penerimaan calon karyawan, Uyun dan Riadi (2011) menjelaskan tentang penseleksian penerima beasiswa akademik dan non akademik dengan metode TOPSIS di Universitas Islam Negeri Sunan Kalijaga, Nihan (2011) menjelaskan Metode Topsis dalam pengelompokan pembuat keputusan dalam pemilihan lokasi cabang sebuah bank, Ashrafzadeh et all (2012) menjelaskan Aplikasi Topsis untuk menseleksi lokasi warehouse, Abari et all (2012) menjelaskan Seleksi target marketing menggunakan metode AHP dan metode Topsis, Shahanaghi dan Yazdian (2009) menjelaskan pemilihan vendor menggunakan Metode TOPSIS, Balli dan Korukoglu(2009) menjelaskan pemilihan operating menggunakan fuzzy AHP dan Topsis, Juliyanti et all (2011) menjelaskan pemilihan guru berprestasi menggunakan metode AHP dan Topsis. Penelitian ini mengaplikasikan algoritma -TOPSIS dalam membuat seleksi pemilihan rumah yang tepat sesuai dengan keinginan konsumen. Penelitian ini diharapkan dapat memberikan konstribusi bagi perguruan tinggi swasta khususnya Akademi Manajemen Informatika dan Komputer (AMIK) Tunas Bangsa. II. TEORI 2.1. Logika Fuzziness dapat didefinisikan sebagai logika kabur berkenaan dengan semantik dari suatu kejadian, fenomena atau pernyataan itu sendiri.seringkali ditemui dalam pernyataan yang dibuat oleh seseorang, evaluasi dan suatu pengambilan keputusan. Sebagai contoh: 1. Manajer pergudangan mengatakan pada manajer produksi seberapa banyak persediaan 123
2 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 pelayanan yang diberikan. 3. Anda mengatakan pada saya seberapa sejuk ruangan yang anda inginkan, saya akan mengatur putaran kipas yang ada pada ruangan ini. Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain: Kusumadewi dan Purnomo (2004) 1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti. 2. Logika fuzzy sangat fleksibel. 3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat. 4. Logika fuzzy mampu memodelkan fungsifungsi nonlinear yang sangat kompleks. 5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. 6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional. 7. Logika fuzzy didasarkan pada bahasa alami Fungsi Keanggotaan Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Representasi Kurva Segitiga Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis linear seperti terlihat pada Gambar 2.1 Gambar 2. Kurva segitiga 2.3. Himpunan ( Set) Himpunan fuzzy (fuzzy set) adalah sekumpulan obyek x di mana masing-masing obyek memiliki nilai keanggotaan (membership function) μ atau disebut juga dengan nilai kebenaran. Jika X adalah sekumpulan obyek dan anggotanya dinyatakan dengan x maka himpunan fuzzy dari A di dalam X adalah himpunan dengan sepasang anggota atau dapat dinyatakan dengan (Kusumadewi, 2004): A = { ( x) x: xx, A( x) 0,1 } A Contoh, jika A = bilangan yang mendekati 10 di mana: 2 1 A = { x, ( x) ( x) (1 ( x 10) ) } A A A = {(0, 0.01),, (5, 0.04),, (10, 1),, (15, 0.04), } Maka grafik yang mewakili nilai A(x) adalah: Gambar 2. Grafik Himpunan Untuk Bilangan yang Mendekati Metode TOPSIS TOPSIS adalah salah satu metode pengambilan keputusan multi kriteria yang pertama kali diperkenalkan oleh Yoon dan Hwang tahun TOPSIS didasarkan pada konsep dimana alternatif yang terpilih atau terbaik tidak hanya mempunyai jarak terdekat dari solusi ideal positif, namun juga memiliki jarak terjauh dari solusi ideal negatif dari sudut pandang geometris dengan menggunakan jarak Euclidean untuk menentukan kedekatan relatif dari suatu alternatif dengan solusi optimal. Solusi ideal positif didefinisikan sebagai jumlah dari seluruh nilai terbaik yang dapat dicapai untuk setiap atribut, sedangkan solusi negatif-ideal terdiri dari seluruh nilai terburuk yang dicapai untuk setiap atribut. TOPSIS mempertimbangkan keduanya, jarak terhadap solusi ideal positif dan jarak terhadap solusi ideal negatif dengan mengambil kedekatan relatif terhadap solusi ideal positif. Berdasarkan perbandingan terhadap jarak relatifnya, susunan prioritas alternatif bisa dicapai Prosedur TOPSIS Ada beberapa langkah kerja dari TOPSIS, yaitu: 1. Membuat matriks keputusan yang ternormalisasi 124
3 2. Membuat matriks solusi ideal positif dan solusi ideal negatif 3. Menentukan matriks solusi ideal positif dan solusi ideal negatif 4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matriks solusi ideal negatif. 5. Menentukan nilai preferensi untuk setiap alternatif a. Decision Matrix D mengacu terhadap m alternatif yang akan dievaluasi berdasarkan kriteria yang didefinisikan sebagai berikut: x11 x12 x1 n D x21 x22 x2n x m1 xm2 xmn b. Dengan xij menyatakan performansi dari perhitungan untuk alternatif ke-i terhadap atribut ke-j Langkah Kerja Metode TOPSIS Ada beberapa langkah kerja dalam penerapan metode TOPSIS ini, yaitu antara lain: 1. Membangun normalized decision matrix Elemen rij hasil dari normalisasi decision matrix R dengan metode Euclidean length of a vector adalah: xij rij ; dengan i 1,2,3,... m; dan j 1,2,3... n. m 2 x i 1 ij (2) 2. Membangun weighted normalized decision matrix. Solusi ideal positif A dan solusi ideal negatif A - dapat ditentukan berdasarkan rating bobot ternormalisasi Yijsebagai: yij wi rij, dengan i 1, 2,3,... m; dan j 1, 2,3,... n 3 3. Menentukan matriks solusi ideal dan matriks solusi ideal negatif Solusi ideal positif A dihitung berdasarkan: (4 Jarak antara alternatif A i dengan solusi ideal negatif dirumuskan sebagai: 7) 5. Menentukan nilai preferensi untuk setiap alternatif Kedekatan setiap alternatif terhadap solusi ideal dihitung berdasarkan rumus: 8 III. Pembahasan 3.1. Analisis Kebutuhan Input (1) Variabel yang digunakan adalah: Harga 2.Lokasi Perumahan 3.Fasilitas yang Tersedia 4.Pendapatan Konsumen 3.2. Analisis Kebutuhan Output Output yang dihasilkan dari system ini urutan alternative tertinggi sampai terendah.alternatif yang terbaik yang akan terpilih menjadi rumah yang layak untuk dipilih Kriteria Yang Dibutuhkan Bobot Dalam metode penelitian ada bobot dan kriteria yang dibutuhkan untuk menentukan rumah yang layak untuk konsumen. Adapun kriterianya adalah: C1. Harga 2.2 C2. Lokasi Perumahan C3. Fasilitas yang Tersedia C4. Pendapatan Konsumen Dari masing-masing bobot tersebut,maka dibuat suatu variabel-variabelnya. Dimana dari suatu variabel tersebut akan dirubah kedalam bilangan fuzzynya. Di bawah ini adalah bilangan fuzzy dari bobot. 1.Sangat Mahal (0.0,0.1,0,3) 2.Mahal (0.3,0.5,0.7) 3.Sedang (0.7,0.9,1.0) 4.Murah (0.9,1.0,1.0) Solusi ideal negatif A - dihitung berdasarkan: A y1, y2, y3,, yn 5 4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matrik ideal negatif. Jarak antara alternatif A i dengan solusi ideal positif dirumuskan sebagai: 6 Agregat Bobot Kepentingan Batasan penelitian ini antara lain melibatkan satu orang pengambil keputusan saja terutama dalam hal konstruksi penilaian fuzzy. Oleh karena itu, nilai agregat bobot kepentingan kriteria yang ditentukan dalam penelitian ini adalah seperti pada Tabel berikut ini.: Tabel 1. Bobot kepentingan criteria Kriteria Intentitas Defenisi 125
4 kepentingan C1 7 Lebih Penting C2 5 Penting C3 3 Relatif C4 5 Penting Kriteria Harga Tabel II. Tabel Harga Kesesuaian Harga Nilai Rp ,- 0.0,0.1,0.3 Rp ,- 0.3,0.5,0.7 Rp ,- 0.7,0.9,0.1 Rp ,- 0.9,0.1,0.1 Kriteria Lokasi Perumahan Tabel III. Tabel Lokasi Perumahan Lokasi Perumahan Nilai Jauh (> 4Km) 0.0,0.1,0.3 Kurang Dekat (>2,5Km - 0.3,0.5,0.7 4Km) Dekat dengan Pusat Kota 0.7,0.9,0.1 (>1Km - 2,5Km) Di Pusat Kota ( 1Km) 0.9,0.1,0.1 Fasilitas yang Tersedia Tabel IV. Fasilitas yang Tersedia Fasilitas yang Tersedia Nilai 0.0,0.1,0.3 PDAM,Drainase,Surat-surat PDAM,Drainase,Surat-surat, Mushollah PDAM,Drainase,Surat-surat, Mushollah, Gereja PDAM,Drainase,Suratsurat,Mushollah,Gereja,PAUD 0.3,0.5, ,0.9, ,0.1,0.1 Kriteria Pendapatan Konsumen Tabel V. Tabel Pendapatan Konsumen Pendapatan Konsumen Nilai Rp ,- s.d 0.0,0.1,0.3 Rp Rp ,- s.d 0.3,0.5,0.7 Rp Rp ,- s.d 0.7,0.9,0.1 Rp ,- Rp ,- s.d 0.9,0.1,0.1 Rp IV. HASIL DAN PEMBAHASAN Data Input Perancangan sistem Tabel VI. Data Input Nilai C1 C2 C3 C4 36 0, ,117 0, ,883 0,883 0,5 0, ,5 0,5 0,5 0, ,117 0,983 0,983 0,983 Agregat Peringkat Alternatif Nilai crisp pada tabel adalah hasil transformasi peringkat alternatif fuzzy menjadi peringkat alternatif crisp dengan menggunakan representasi integrasi graded mean. Tabel VII..Nilai Crisp terhadap Kriteria Nilai C1 C2 C3 C , ,117 0,117 0,883 0,883 0,5 0,117 0,5 0,5 0,5 0,883 0,117 0,983 0,983 0,983 Menghitung Matriks Keputusan Ternormalisasi Matriks keputusan ternormalisasi dapat dikalkulasikan dan ditampilkan pada tabel 8 126
5 berikut ini. Sebagai sampel, dengan tingkat presisi desimal 3. Tabel VII. Hasil Perhitungan Matriks Ternormalisasi C1 C2 C3 C4 36 0,693 0,817 0,096 0, ,623 0,361 0,411 0, ,353 0,204 0,411 0, ,082 0,402 0,808 0,738 Menentukan Solusi Ideal Positif dan Solusi Ideal Negatif Berikut hasil perhitungan solusi Ideal Positif dan Solusi Ideal Negatif Tabel IX. Hasil Solusi Ideal Positif dan Solusi Ideal Negatif Solusi Ideal Positif & Negatif C1 C2 C3 C4 A+ 0,693 0,817 0,096 0,088 A- 0,082 0,204 0,096 0,088 Mengukur Jarak Terbobot Alternatif terhadap Solusi Ideal Positif dan Negatif Pengkalkulasian jarak Euclidean terbobot terhadap solusi ideal positif dan solusi ideal negatif terlihat pada tabel 11. Sebagai sampel, dengan tingkat presisi desimal 3, Tabel X. Ukuran Jarak Terbobot Ukuran Jarak D+ D- 36 2,29 2, ,914 1, ,855 1, ,818 2,324 Mengkalkulasi Koefisien Kedekatan Relatif dan Merangking Urutan Preferensi Pada tahap fuzzy TOPSIS yang terakhir ini, terlebih dahulu yang harus dilakukan adalah penentuan koefisien kedekatan relatif, setelah itu dilakukan perangkingan urutan preferensi. Perhitungan koefisien kedekatan relatif (RCC) terhadap secara keseluruhan ialah: Tabel XI.Koefisien Kedekatan Relatif RCC 36 0, , , ,561 Tabel XII.Hasil Perangkingan RCC Ranking , , ,671 4 V. KESIMPULAN Berdasarkan pembahasan dan hasil pengujian aplikasi ini dapat disimpulkan: 1. Metode -TOPSIS dapat digunakan sebagai pilihan untuk menyelesaikan permasalahan ketidakpastian penentu keputusan. 2. Proses untuk menentukan kelayasan dalam memilih rumah dinilai lebih efektif bila dibandingkan dengan cara manual. VI. DAFTAR PUSTAKA [1] Abari M K, Nilchi A N, Nasri M, Hekmatpanah M (2012) Taget market selection using fuzzy AHP and TOPSIS methods, African Journal of Business Management Vol. 6 pp , ISSN [2] Ashrafzadeh M, Rafiei F M, Isfahani N M, Zare Z (2012) Interdisciplinary Journal Of Contempory Research in Business Vol.3 No. 9. [3] Balli S dankurokoglu S, (2009), Operating System Selection using fuzzy AHP and TOPSIS Methods, Mathematical and Computational Application, Vol 14 No. 2 pp [4] Juliyantiet all, (2011) Pemilihan guru berprestasimenggunakanmetode AHP dantopsis, Prosiding Seminar Nasional MIPA UNY. [5] Kusumadewi S danpurnomo H, (2004) AplikasiLogika untukpendukungkeputusan, GrahaIlmu, Yogyakarta. [6] Lestari,S (2011)Seleksi Penerimaan Calon Karyawan Dengan Metode TOPSIS.Jurnal, Magister Ilmu Komputer. Program Pascasarjana, UniversitasGadjah Mada,Yogyakarta. 127
6 [7] Manurung,Pangeran (2010),SistemPendukungKeputusanSeleksiPeneri mabeasiswa Dengan Metode AHP Dan TOPSIS.Skripsi,Program Sarjana,Universitas Sumatera Utara. [8] Nihan T C, (2011) Topsis Methods in Group Decision Making And An Application For Bank Branch Location Selection, Journal of Engineering and Natural Sciences, Sigma 29 pp [9] Rustiawan,Asep Hendar (2012), Sistem Pendukung Keputusan Penyeleksian Calon Baru Di Sma Negeri 3 GARUT, Jurnal Algoritma,Sekolah Tinggi Teknologi Garut,Garut. [10] Shahanaghi K danyazdian S. Y (2009), Vendor Selection Using a New Group Topsis Approach, Journal of Uncertain System Vol 3 No. 3 pp [11] Uyun S danriadi I (2010), A Topsis Multiple Attribute Decision Making For Scholarship Selection, TelkomnikaVol 9 No. 1, pp ISSN [12] Wulandari,F(2007).PembuatanSistemPendukung KeputusanBerbasisTeori UntukMengembangkanSuatuProdukBaru.Jurnal,P rogram Magister,Universitas UIN Suska,Pekanbaru 128
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 terperinciBAB 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 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 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 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 terperinciOleh : 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 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 terperinciTECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) PADA PROSES SELEKSI MAHASISWA BARU JALUR JP2AB
TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) PADA PROSES SELEKSI MAHASISWA BARU JALUR JP2AB Hartatik Manajemen Informatika STMIK AMIKOM Yogyakarta email : hartatikamikom@gmail.com
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 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 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 terperinciFUZZY 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 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 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 terperinciPaper Group Project SISTEM PENDUKUNG KEPUTUSAN. Metode TOPSIS & Contoh Implementasi
Paper Group Project SISTEM PENDUKUNG KEPUTUSAN Metode TOPSIS & Contoh Implementasi Kelas D Kelompok 4Walls 1. Glory Efrat Sandy. S 201331073 2. Meilinda Dyah A.L 201331081 3. Clara Angelina Y 201331192
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern
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 INFORMASI PENILAIAN KINERJA KARYAWAN MENGGUNAKAN METODE TECHNIQUE FOR OTHERS REFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS)
SISTEM INFORMASI PENILAIAN KINERJA KARYAWAN MENGGUNAKAN METODE TECHNIQUE FOR OTHERS REFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) Siti Kholijah Ritonga (0911442) Mahasiswa Program Studi Teknik Informatika
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MANDOR MENGGUNAKAN METODE TOPSIS
ISSN : 1978-6603 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MANDOR MENGGUNAKAN METODE TOPSIS Asyahri Hadi Nasyuha *1, Muhammad Dahria *2, Tugiono *3 #1,2,3 Program Studi Sistem Informasi, STMIK Triguna Dharma
Lebih terperinciSIMPLE 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 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 terperinciPEMILIHAN SUPPLIER DENGAN MENGGUNAKAN METODE FUZZY TOPSIS (Studi Kasus UD PRAKTIS)
PEMILIHAN SUPPLIER DENGAN MENGGUNAKAN METODE FUZZY TOPSIS (Studi Kasus UD PRAKTIS) Skripsi Diajukan Kepada Universitas Muhammadiyah Malang Untuk Memenuhi Salah Satu Persyaratan Akademik Dalam Menyelesaikan
Lebih terperinciIMPLEMENTASI SMS GATEWAY PADA SISTEM SELEKSI PENERIMAAN SISWA BARU MAN PANGGUL MENGGUNAKAN METODE TOPSIS SKRIPSI
IMPLEMENTASI SMS GATEWAY PADA SISTEM SELEKSI PENERIMAAN SISWA BARU MAN PANGGUL MENGGUNAKAN METODE TOPSIS SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.)
Lebih terperinciBAB I PENDAHULUAN. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakang Logika fuzzy merupakan salah satu komponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Sistem Pendukung Keputusan Sistem pendukung keputusan (decision support systems disingkat DSS) adalah bagian dari sistem informasi berbasis komputer (termasuk sistem berbasis
Lebih terperinciBAB 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 terperinciAPLIKASI METODE TOPSIS FUZZY DALAM MENENTUKAN PRIORITAS KAWASAN PERUMAHAN DI KECAMATAN PERCUT SEI TUAN
Saintia Matematika Vol. 1, No. 1 (2012), pp. 101 115. APLIKASI METODE TOPSIS FUZZY DALAM MENENTUKAN PRIORITAS KAWASAN PERUMAHAN DI KECAMATAN PERCUT SEI TUAN Meliya Ningrum, Sutarman, Rachmad Sitepu Abstrak.
Lebih terperinciPEMILIHAN 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 terperinciPENGGUNAAN METODE TOPSIS DALAM RANCANGAN SISTEM PENUNJANG KEPUTUSAN UNTUK MENENTUKAN LOKASI USAHA BARU (Studi Kasus : ARENA DISC Yogyakarta)
ISSN : 0-80 Seminar Nasional Teknologi Informasi dan Multimedia 0 STMIK AMIKOM Yogyakarta 6-8Februari 0 PENGGUNAAN METODE TOPSIS DALAM RANCANGAN SISTEM PENUNJANG KEPUTUSAN UNTUK MENENTUKAN LOKASI USAHA
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 terperinciBAB 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 terperinciSISTEM 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 terperinciUNIVERSITAS MURIA KUDUS FAKULTAS TEKNIK SISTEM INFORMASI
( MAKALAH SISTEMPENUNJANGKEPUTUSAN METODE TOPSIS) Disusun oleh : Ahmad Arifin (2009-53-060) Erik Ahmad A (2009-53-063) Arif Ridwan (2009-53-076) Panji Hedri Wibowo (2009-53-081) UNIVERSITAS MURIA KUDUS
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 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 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 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 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 terperinciJl. RE. Martadinata No. 272A, Indihiang, Kota Tasikmalaya 1), 2),
SISTEM PENUNJANG KEPUTUSAN PEMBERIAN BANTUAN SISWA MISKIN DI SD NEGERI SUKAMENAK KOTA TASIKMALAYA MENGGUNAKAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) Nono Sudarsono,
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 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 terperinciSISTEM REKOMENDASI PEMILIHAN KARYAWAN TETAP PADA PT. ENSEVAL PUTERA MEGATRADING MENGGUNAKAN METODE FUZZY TAHANI BERBASIS WEB
SISTEM REKOMENDASI PEMILIHAN KARYAWAN TETAP PADA PT. ENSEVAL PUTERA MEGATRADING MENGGUNAKAN METODE FUZZY TAHANI BERBASIS WEB SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana
Lebih terperinciSISTEM PENUNJANG KEPUTUSAN PENERIMA BEASISWA DENGAN LOGIKA FUZZY TAHANI
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 27, pp. 59~54 59 SISTEM PENUNJANG KEPUTUSAN PENERIMA BEASISWA DENGAN LOGIKA FUZZY TAHANI Arief Rusman STMIK Nusa Mandiri Jakarta e-mail : reevust@gmail.com
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 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 terperinciOptimalisasi TOPSIS untuk Perankingan Data Terklasifikasi Uyock Saputro 1, Hafiz Ridha Pramudita 2, Anna Baita 3
Optimalisasi TOPSIS untuk Perankingan Data Terklasifikasi Uyock Saputro 1, Hafiz Ridha Pramudita 2, Anna Baita 3 1,2 Sistem Informasi, MTI STMIK AMIKOM Yogyakarta 3 STMIK AMIKOM Yogyakarta, Jl. Ring Road
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 terperinciKOMBINASI 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 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 DAN LANDASAN TEORI
1 BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Penelitian yang dilakukan oleh Apriliani Wulandari, (2007), Penelitian ini memfokuskan pada penggunaan kriteria Bayes dalam proses pemberian
Lebih terperinciMATERI 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 terperinciSISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN DOSEN MENGGUNAKAN METODE TOPSIS
Seminar Nasional Teknologi dan Multimedia 016 STMIK AMIKOM Yogyakarta, 6-7 Februari 016 ISSN : 0-80 SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN DOSEN MENGGUNAKAN METODE TOPSIS Ikmah 1) Magister Teknik
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 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 BERDASARKAN KRITERIA PADA UIN RADEN FATAH PALEMBANG
PENENTUAN PENERIMA BEASISWA BERDASARKAN KRITERIA PADA UIN RADEN FATAH PALEMBANG Gusmelia Testiana UIN Raden Fatah Palembang Jl.KH. Zainal Abidin Fikri Palembang gusmelia.testiana@gmail.com ABSTRAK Masalah
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 terperinciRANCANGAN 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 terperinciDECISSION SUPPORT SYSTEM MODELS DENGAN FUZZY TAHANI UNTUK PROMOSI KARYAWAN
Seminar Nasional Inovasi dan Tren (SNIT)205 DECISSION SUPPORT SYSTEM MODELS DENGAN FUZZY TAHANI UNTUK PROMOSI KARYAWAN Ghofar Taufiq Akademi Manajemen Informatika dan Komputer Bina Sarana Informatika (AMIK
Lebih terperinciPENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO
PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO Asrianda 1 asrianda@unimal.ac.id Abstrak Bertambahnya permintaan mahasiswa atas kebutuhan makan seharihari, berkembangnya usaha warung
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TINJAUAN TEORITIS 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern mengenai ketidakpastian
Lebih terperinciRita Hamdani. STMIK Pelita Nusantara Medan Jalan Iskandar Muda No.1, Merdeka, Medan Baru, Sumatera Utara
PENERAPAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTIONDAN SIMPLE ADDITIVE WEIGHTING DALAM PEMBERIAN BEASISWA DI POLITEKNIK POLIPROFESI MEDAN Rita Hamdani STMIK Pelita Nusantara
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 terperinciSISTEM PENUNJANG KEPUTUSAN SELEKSI PENERIMAAN SISWA BARU MENGGUNAKAN METODE SIMPLE ADICTIVE WEIGHTING (SAW) STUDI KASUS PADA SMKN 1 RAWAJITU TIMUR
SISTEM PENUNJANG KEPUTUSAN SELEKSI PENERIMAAN SISWA BARU MENGGUNAKAN METODE SIMPLE ADICTIVE WEIGHTING (SAW) STUDI KASUS PADA SMKN 1 RAWAJITU TIMUR Hermannuddin Jurusan Sistem Informasi STMIK Pringsewu
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 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 terperinciSISTEM PENDUKUNG KEPUTUSAN KELAYAKAN SELEKSI CALON TKI KELUAR NEGERI MENGGUNAKAN METODE SAW DAN TOPSIS
ISSN : 1978-6603 SISTEM PENDUKUNG KEPUTUSAN KELAYAKAN SELEKSI CALON TKI KELUAR NEGERI MENGGUNAKAN METODE SAW DAN TOPSIS *Nurhayati 1#1, Magdalena Simanjuntak #2, Listiono Tio #3 #1,2,3 Program Studi Teknik
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 terperinciBAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri.
BAB II LANDASAN TEORI 2.1 Penelusuran Minat dan Kemampuan (PMDK) PMDK adalah salah satu program penerimaan mahasiswa baru yang diselenggarakan oleh suatu perguruan tinggi secara mandiri. Sesuai dengan
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 terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Analisis masalah bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Sistem Pendukung Keputusan Evaluasi Kinerja Dosen Menggunakan
Lebih terperinciSISTEM 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 terperinciSistem Pendukung Keputusan Pemilihan Perguruan Tinggi Menggunakan Fuzzy Multi Attribute Decision Making (FMADM) dan Simple Additive Weighting (SAW)
Sistem Pendukung Keputusan Pemilihan Perguruan Tinggi Menggunakan Fuzzy Multi Attribute Decision Making (FMADM) dan Simple Additive Weighting (SAW) Candra Surya AMIK Mitra Gama Jl. Kayangan No. 99 Duri-Riu
Lebih terperinciSistem Pendukung Keputusan Penerima BOP Pendidikan Madrasah Dengan Metode Multi Criteria Decision Making (MCDM)
Sistem Pendukung Keputusan Penerima BOP Pendidikan Madrasah Dengan Metode Multi Criteria Decision Making (MCDM) Akip Suhendar 1, Epa Novia 2 12 Fakultas Teknologi Informasi Universitas Serang Raya Jln.
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN MENENTUKAN TUJUAN WISATA PENDAKIAN MENGGUNAKAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION
SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN TUJUAN WISATA PENDAKIAN MENGGUNAKAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION Yudhi Giryanto 1), Gunawan Abdillah 2), Dian Nursantika 3)
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 terperinciAPLIKASI PEMBERIAN KREDIT MENGGUNAKAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS)
APLIKASI PEMBERIAN KREDIT MENGGUNAKAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) Zainollah Effendy, A. Febrio Jurusan Teknik Informatika Fakultas Teknik, Universitas
Lebih terperinciAnalisis Hubungan Proses Pembelajaran dengan Kepuasan Mahasiswa Menggunakan Logika Fuzzy
Scientific Journal of Informatics Vol. 2, No. 1, Mei 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Analisis Hubungan Proses Pembelajaran dengan Kepuasan Mahasiswa
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 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 terperinciPengantar 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 terperinciSISTEM 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 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan
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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Tinjauan Pustaka Sebagai tinjauan pustaka berikut beberapa contoh penelitian yang sudah di lakukan oleh para peneliti yang dapat digunakan sebagai acuan dan pengetahuan. Penelitian
Lebih terperinciJURNAL SISTEM SELEKSI PESERTA BEASISWA PADA STIKES GANESHA HUSADA KEDIRI SELECTION SYSTEM FOR SCHOLARSHIP PARTICIPANTS AT STIKES GANESHA HUSADA KEDIRI
JURNAL SISTEM SELEKSI PESERTA BEASISWA PADA STIKES GANESHA HUSADA KEDIRI SELECTION SYSTEM FOR SCHOLARSHIP PARTICIPANTS AT STIKES GANESHA HUSADA KEDIRI Oleh: ALI MURTAFIAN 12103030417 Dibimbing oleh : 1
Lebih terperinciSISTEM 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 terperinciNURAIDA, IRYANTO, DJAKARIA SEBAYANG
Saintia Matematika Vol. 1, No. 6 (2013), pp. 543 555. ANALISIS TINGKAT KEPUASAN KONSUMEN BERDASARKAN PELAYANAN, HARGA DAN KUALITAS MAKANAN MENGGUNAKAN FUZZY MAMDANI (Studi Kasus pada Restoran Cepat Saji
Lebih terperinciMODEL MULTI ATTRIBUTE DECISION MAKING METODE SIMPLE ADDITIVE WEIGHTING DALAM PENENTUAN PENERIMA PINJAMAN
100 JURNAL TEKNIK KOMPUTER AMIK BSI MODEL MULTI ATTRIBUTE DECISION MAKING METODE SIMPLE ADDITIVE WEIGHTING DALAM PENENTUAN PENERIMA PINJAMAN Mely Mailasari 100 Abstract Employees Cooperative PT. Indomobil
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 terperinciANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN
ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN Khairul Saleh Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara Jalan Universitas
Lebih terperinciBAB 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 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 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 terperinciPERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN PEMASOK NATA DE COCO DENGAN METODE SIMPLE ADDITIVE WEIGHTING
PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN PEMASOK NATA DE COCO DENGAN METODE SIMPLE ADDITIVE WEIGHTING Cahyono Sigit Pramudyo 1 dan Dian Eko Hari Purnomo 2 Abstrak: Pemasok nata de coco lembaran
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 terperinciSISTEM 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 terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI III.1. Sistem Pendukung Keputusan Sistem pendukung keputusan yaitu sebuah sistem yang mampu memberi kemampuan baik kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk
Lebih terperinciPENENTUAN KARYAWAN TERBAIK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING PADA PT. PATRA NUR ALASKA
PENENTUAN KARYAWAN TERBAIK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING PADA PT. PATRA NUR ALASKA Yuli Astuti 1), Isna Zahrotul Fu ad 2) 1) Manajemen Informatika STMIK AMIKOM Yogyakarta 2) Teknik Informatika
Lebih terperinci