PERBANDINGAN NILAI RELIABILITAS DARI HASIL METODE SAW DAN METODE TOPSIS

Transkripsi

1 SNIPTEK 206 ISBN: 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 Selatan hidayantimurtina@gmail.com ABSTRAK Fuzzy Multi Attribute Decision Making (F- MADM) merupakan salah satu sistem penunjang keputusan yang cukup sederhana dan dapat menjadi salah satu metode alternatif dalam mengambil keputusan jika alternative atau variabel yang digunakan cukup banyak dan bernilai data kuantitatif. Metode SAW dan TOPSIS banyak digunakan dikarenakan metode tersebut konsepnya sederhana, mudah dipahami, komputasinya efisien dan memiliki kemampuan untuk mengukur kinerja dari alternatif-alternatif keputusan dalam bentuk matematis yang sederhana. Permasalahannya adalah dari metode SAW dan TOPSIS, metode mana yang akan memiliki nilai lebih relevan. Oleh karena itu dilakukan perbandingan hasil uji reliabilitas terhadap hasil dari kedua metode tersebut. Semakin mendekati nilai untuk hasil uji reliabilitasnya tentunya metode tersebut akan semakin direkomendasikan untuk membantu pengambilan keputusan. Kata Kunci: DSS, FMADM, Reliabilitas Test, SAW, TOPSIS ABSTRACT Fuzzy multi attribute ( F-MADM decision making is one of the decision to support quite a simple and can become one of the alternative method in decisionmaking or variable that if an alternative used quite a lot of quantitative data and of itself. A method of saw and a method of topsis widely used because of a method of the simple concept, easily understood, computerized his efficient and have the ability to measure the performance of alternatives decision in the form of simple mathematical. The problem is of a method of SAW and TOPSIS, then which method is going to have value more relevant. Because it was done by comparison test of the reliability of the two method. Moved closer to the value of to test his reliability of course this method will be more recommended to help the decisionmaking process. Keywords: DSS, FMADM, Reliabilitas Test, SAW, TOPSIS PENDAHULUAN Ada banyak metode yang bisa digunakan dalam membantu menunjang keputusan. Fuzzy Multi Attribute Decision Making (F-MADM) merupakan salah satu metode penunjang pengambilan keputusan yang cukup sederhana dan dapat menjadi salah satu alternatif dalam mengambil keputusan jika alternative atau attribute yang digunakan cukup banyak dan bernilai data kuantitatif. Fuzzy Multi Attribute Decision Making (F-MADM) sendiri memiliki beberapa metode didalamnya yang dapat membantu memberikan alternatif terbaik diantaranya: ELECTRE, Analytic Hierarchy Prosess (AHP), Simple Additive Weighting (SAW), Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) dan Weighted Product (WP). Pada prosesnya Fuzzy Multi Attribute Decision Making (F-MADM) melakukan beberapa hal, diantaranya: menentukan prioritas dari setiap kriteria, melakukan pembuatan matriks nominasi, melakukan proses perhitungan berdasarkan masing-masing metode, melakukan pembobotan sampai dengan membuat ranking keputusan. Metode Simple Additive Weighting (SAW) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) merupakan yang paling banyak digunakan karena motode tersebut konsepnya sederhana, mudah dipahami, komputasinya efisien dan memiliki kemampuan untuk mengukur kinerja dari alternatifalternatif keputusan dalam bentuk matematis yang sederhana. Permasalahannya adalah mungkin akan sulit menemukan metode mana yang akan memiliki nilai yang lebih relevan diantara metode manual yang sudah diterapkan sebelumnya dengan metode Simple Additive Weighting (SAW) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Oleh karena itu perlu dilakukan pengujian terhadap hasil dari ketiga metode tersebut dengan uji reliabilitas guna melihat kekuatan hubungan dari hasil yang didapatkan dengan ranking keputusan yang dibuat. Semakin kuat hubungan hubungan diantara keduanya tentunya akan semakin baik. BAHAN DAN METODE A. Metode Penelitian Penelitian ini menggunakan 2 metode yang berasal dari pendekatan Fuzzy Multi Attribute Decision Making dalam pengambilan keputusan yaitu metode SAW dan TOPSIS, sedangkan untuk menganalisis data menggunakan bantuan aplikasi yang sudah dirancang mengikuti algoritma SAW, TOPSIS dan Pearson. Kebijakan perusahaan INF.389

2 ISBN: SNIPTEK 206 sebagai tolak ukur tercapainya penelitian ini. B. Langkah-Langkah Penelitian Berikut adalah langkah-langkah penelitian perancangan F-MADM, antara lain:. Menentukan variable yang digunakan untuk melakukan diagnosa permasalahan. Variable penelitian yang digunakan dalam penelitian ini berdasarkan kebijakan perusahaan Tabel. Tabel Variable Fungsi Nama Variable Kehadiran Keterlambatan Intelegensi Umum Logika Berfikir Kemampuan Kemampuan Analisa & Intelektual Sintesa Kemampuan Numerik Daya Tangkap Stabilitas Emosi Kepercayaan Diri Kepribadian Penyesuaian Sosial Kerjasama Komunikasi Semangat Kerja Tanggung Jawab Keuletan Input Sikap Kerja Daya Tahan Inisiatif Ketelitian & Tempo Kerja Leadership Kemampuan Kemampuan Analisa Berfikir Kemampuan Konseptual Pengelolaan Perubahan Pengelolaan Dorongan Berprestasi Diri Pengembangan Diri Perencanaan & Pengelolaan Pengorganisasian Tugas Pengontrolan Pengambilan Keputusan Pengelolaan Kerjasama SDM Kepemimpinan Metode Yang Memiliki Tingkat Reliabilitas Output Tinggi Sumber : PT. Nippon Incosari Corpindo Berikut pengukuran dari tiap-tiap parameter. Tabel 2. Tabel Pengukuran Parameter Nama Himpunan Range Variable Score Fuzzy Nilai Tidak Pernah 0,25 0 Jarang -4 Keterlambatan Sering 0, Sering 9-20 Intelegensi Umum Logika Berfikir Kemampuan Analisa & Sintesa Kemampuan Numerik Daya Tangkap Stabilitas Emosi Kepercayaan Diri Penyesuaian Sosial Kerjasama Komunikasi Semangat Kerja INF-390

3 SNIPTEK 206 ISBN: Tanggung Jawab Keuletan Daya Tahan Inisiatif Ketelitian & Tempo Kerja Leadership Kemampuan Analisa Kemampuan Konseptual Pengelolaan Perubahan Dorongan Berprestasi Pengembangan Diri Kurang 0,2 Baik 5 Kurang 0,2 Baik 5 Kurang 0,2 Baik 5 Kurang 0,2 Baik 5 Kurang 0,2 Baik 5 Perencanaan & Pengorganisasian Pengontrolan Pengambilan Keputusan Kerjasama Kepemimpinan Kurang 0,2 Baik 5 Kurang 0,2 Baik 5 Kurang 0,2 Baik 5 Kurang 0,2 Baik 5 Kurang 0,2 Baik 5 Sumber : PT. Nippon Indosari Corpindo 2. Membuat bobot kepentingan atas masing-masing kriteria. Tabel 3 Ratting Kepentingan Nama Kepentingan Score Tidak 0 Kurang 0,25 0,75 Kod e C0 C02 C03 C04 C05 Berikut ratting kepentingan dari tiap-tiap variable. Table 4 Tabel Bobot Kepentingan Variabel Nama Variabel Kepentinga n Keterlambatan Intelegensi Umum Logika Berfikir Kemampuan Analisa & Sintesa Kemampuan Numerik Scor e INF.39

4 ISBN: SNIPTEK 206 C06 Daya Tangkap C07 Stabilitas Emosi 0,75 C08 Kepercayaan Diri 0,75 C09 Penyesuaian Sosial 0,75 C0 Kerjasama 0,75 C Komunikasi 0,75 C2 Semangat Kerja C3 Tanggung Jawab C4 Keuletan C5 Daya Tahan C6 Inisiatif C7 Ketelitian & Tempo Kerja C8 Leadership C9 Kemampuan Analisa C20 Kemampuan Konseptual 0,75 C2 Pengelolaan Perubahan C22 Dorongan Berprestasi C23 Pengembangan Diri C24 Perencanaan & Pengorganisasian 0,75 C25 Pengontrolan C26 Pengambilan Keputusan 0,75 C27 Kerjasama C28 Kepemimpinan 0,75 Sumber : PT. Nippon Indosari Corpindo 3. Simple Additive Weighting (SAW) Langkah-langkah penelitian untuk perancangan SAW: a Membentuk nominasi matriks berpasangan. b Melakukan defuzzyfikasi matriks dengan merubah nilai awal ke dalam bilangan fuzzy. c Melakukan normalisasi matriks dengan rumus dibawah ini. x ij Jika j adalah atribut Max i x ij keuntungan (benefit) r ij =. () Min i x ij Jika j adalah atribut biaya x ij (cost) d Melakukan perkalian atas matriks yang telah dinormalisasi dengan bobot kepentingan yang telah ditetapkan dengan rumus dibawah ini. n Vi= w jr ij (2) j= e Melakukan penjumlahan dari setiap kriteria dari masing-masing alternatif dan membuat ranking keputusan. 4. Technique For Order Preference by Similarity of Ideal Solution (TOPSIS) Langkah-langkah penelitian untuk perancangan TOPSIS: a. Membuat matriks keputusan yang ternormalisasi dengan rumus r ij= x ij.... (3) b. Membuat matriks keputusan yang ternormalisasi terbobot. y ij = w ir ij...(4) c. Menentukan matriks solusi ideal positif & matriks solusi ideal negatif. A+ = (y +, y 2+,, y n+ );.. (5) A- = (y -, y 2-,, y n-);.(6) Dengan asumsi Max y ij; Jika j adalah atribut i keuntungan Y + j = Min y ij; Jika j adalah atribut beban i Min y ij; i Jika j adalah atribut keuntungan Y j - = Max y ij; Jika j adalah atribut beban i d. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif & matriks solusi ideal negatif. D i+ = m 2 x ij i= m (y + i - y ij ) 2 i=..(7) m D - i (y ij y - i ).(8) 2 i= e. Menentukan nilai preferensi untuk setiap alternatif. - V i= D i.(9) D i - +D i + 5. Pearson Correlation Langkah-langkah penelitian untuk metode Pearson Correlation, yaitu: a. Melakukan pengujian relasi dengan rumus dibawah ini. (0) INF-392

5 SNIPTEK 206 ISBN: b. Melakukan pengujian hipotesa dengan rumus dibawah ini.. () C. Metode Seleksi Sampel Seluruh karyawan yang berstatus staf dan mendapatkan rekomendasi memiliki hak yang sama untuk mengikuti seleksi calon supervisor. D. Metode Pengumpulan Data Untuk mengumpulkan data serta informasi yang diperlukan dalam penelitian menggunakan metode sebagai berikut:. Pengumpulan data primer Data primer diperoleh dari metode observasi dan wawancara dengan pihak yang terkait serta dengan pengumpulan data absensi, rekap dan bukti psikotes dan wawancara. 2. Pengumpulan data sekunder Data sekunder diperoleh melalui buku referensi, literatur, jurnal dan informasi lainnya yang berhubungan dengan masalah yang diteliti. E. Metode Analisis Untuk mendapatkan data dan informasi dalam menentukan seleksi calon supervisor menggunakan metode analisis deskriptif. Analisis deskriptif ini adalah cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa membuat kesimpulan yang berlaku untuk umum atau generalisasi. HASIL DAN PEMBAHASAN Dalam penelitian ini, data yang digunakan sebanyak 85 data. Dibagi menjadi:. 00 data digunakan untuk data training data digunakan untuk data testing data digunakan untuk data new. Untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi keanggotaan crips yang akan memberikan nilai pasti untuk pemberian nilai pada variable dan bobot kepentingan. A. Simple Additive Weighting (SAW). Membuat sebuah matriks nominasi berpasangan seperti tabel dibawah ini. Table 5. Matriks Nominasi Berpasangan No NIK C C2 C3 C4 C5 C6 C7 C8 C9 C0 C C2 C3 C No NIK C5 C6 C7 C8 C9 C20 C2 C22 C23 C24 C25 C26 C27 C Sumber : PT. Nippon Indosari Corpindo INF.393

6 ISBN: SNIPTEK Merubah nilai nominasi matriks ke bilangan fuzzy yang disebut dengan defuzzifikasi sesuai dengan table 2 maka akan didapatkan hasil seperti tabel dibawah ini. Tabel 6. Defuzzyfikasi Matriks No NIK C C2 C3 C4 C5 C6 C7 C8 C9 C0 C C2 C3 C ,3 0,6 0,6 0,6 0,4 0,8 0,6 0,6 0,4 0,6 0,6 0,6 0,6 0, ,6 0,8 0,6 0,4 0,6 0,6 0,6 0,6 0,6 0,6 0,4 0,6 0, ,8 0,6 0,6 0,4 0,4 0,4 0,6 0,6 0,6 0,4 0,6 0,6 0,6 0, ,6 0,4 0,6 0,6 0,6 0,6 0,6 0,4 0,4 0,6 0,6 0,6 0, ,8 0,6 0,4 0,4 0,4 0,6 0,6 0,4 0,6 0,8 0,6 0,4 0,6 0, ,8 0,6 0,6 0,8 0,8 0,4 0,6 0,4 0,6 0,8 0,4 0,4 0,6 0, ,8 0,6 0,6 0,8 0,6 0,6 0,6 0,6 0,6 0,6 0,6 0,6 0, ,6 0,8 0,6 0,6 0,6 0,4 0,6 0,6 0,6 0,4 0,6 0,4 0, ,8 0,6 0,8 0,4 0,8 0,4 0,4 0,6 0,6 0,8 0,4 0,4 0,4 0, ,8 0,6 0,4 0,6 0,6 0,4 0,4 0,4 0,6 0,8 0,8 0,6 0,6 0,6 No NIK C5 C6 C7 C8 C9 C20 C2 C22 C23 C24 C25 C26 C27 C ,6 0,6 0,6 0,4 0,6 0,6 0,4 0,6 0,4 0,4 0,4 0,6 0,4 0, ,4 0,6 0,8 0,6 0,4 0,8 0,6 0,4 0,4 0,8 0,2 0,6 0,8 0, ,8 0,8 0,4 0,6 0,4 0,6 0,8 0,4 0,4 0,6 0,8 0,4 0,4 0, ,6 0,4 0,6 0,6 0,6 0,8 0,4 0,8 0,4 0,2 0,6 0,8 0,6 0, ,4 0,6 0,8 0,4 0,4 0,4 0,6 0,4 0,4 0,4 0,6 0,4 0,6 0, ,8 0,6 0,6 0,4 0,4 0,6 0,6 0,8 0,6 0,4 0,8 0,4 0,8 0, ,6 0,6 0,6 0,6 0,6 0,6 0,8 0,6 0,6 0,4 0,6 0,8 0,6 0, ,6 0,6 0,6 0,4 0,8 0,4 0,8 0,6 0,8 0,4 0,4 0,6 0,4 0, ,6 0,8 0,6 0,6 0,6 0,6 0,4 0,8 0,6 0,6 0,6 0,4 0,8 0, ,6 0,8 0,6 0,8 0,6 0,6 0,6 0,4 0,8 0,6 0,4 0,4 0,8 0,4 3. Membuat normalisasi matriks dengan asumsi apabila suatu variable dianggap beban maka yang diambil adalah nilai terendahnya sedangkan jika variable tersebut dianggap sebagai keuntungan maka diambil nilai tertingginya. Maka akan didapat hasil berikut. Tabel 7. Nilai Beban dan Keuntungan Variabel Kode Kriteria Ket Nilai Posisi c0 Keterlambatan - 0,25 c02 Intelegensi Umum + 0,8 c03 Logika Berfikir + 0,8 c04 Kemampuan Analisa & Sintesa + 0,8 c05 Kemampuan Numerik + 0,8 c06 Daya Tangkap + 0,8 c07 Stabilitas Emosi + 0,6 c08 Kepercayaan Diri + 0,6 c09 Penyesuaian Sosial + 0,6 c0 Kerjasama + 0,8 c Komunikasi + 0,8 c2 Semangat Kerja + 0,6 c3 Tanggung Jawab + 0,6 Kode Kriteria Ket Nilai Posisi c4 Keuletan + 0,6 c5 Daya Tahan + 0,8 c6 Inisiatif + 0,8 c7 Ketelitian & Tempo Kerja + 0,8 c8 Leadership + 0,8 c9 Kemampuan Analisa + 0,8 c20 Kemampuan Konseptual + 0,8 c2 Pengelolaan Perubahan + 0,8 c22 Dorongan Berprestasi + 0,8 c23 Pengembangan Diri + 0,8 c24 Perencanaan & Pengorganisasian + 0,8 c25 Pengontrolan + 0,8 c26 Pengambilan Keputusan + 0,8 c27 Kerjasama + 0,8 c28 Kepemimpinan + 0,8 Sebagai contoh diambil dari salah satu sample atas Alternatif No.7 untuk melakukan proses normalisasi INF-394

7 SNIPTEK 206 ISBN: dengan rumus () pada tabel 6 dan tabel 7 maka akan didapat hasil seperti tabel dibawah ini. Hasil Normalisasi SAW Alternatif No7 c0 c02 c03 c04 c05 c06 c07 0,00 0,75 0,75,00 0,75,00 c08 c09 c0 c c2 c3 c4,00,00 0,75 0,75,00,00,00 c5 c6 c7 c8 c9 c20 c2 0,75 0,75 0,75 0,75 0,75 0,75,00 c22 c23 c24 c25 0,75 0,75 0 0,75,00 0, Pembobotan menggunakan rumus (2) pada tabel 8 dengan tabel 4 maka akan didapatkan hasil seperti dibawah ini. Tabel 9. Hasil Pembobotan SAW Alternatif No.7 c0 c02 c03 c04 c05 000,0000 0,7500 0,7500,0000 c06 c07 c08 c09 c0 0,7500 0,7500 0,7500 0, c c2 c3 c4 c ,3750 c6 c7 c8 c9 c20 0,3750 0,3750 0,3750 0, c2 c22 c23 c24 c25,0000 0, ,3750 0,7500 0,7500 0,7500 0,3750 Dengan jumlah bobot untuk alternatif no.7 adalah Setelah semuanya selesai barulah dilakukan perankingan. Tabel 0. Hasil Perengkingan Alternatif Nilai 027 0, , , , , , ,3665 B. Technique For Order Preference by Similarity of Ideal Solution (TOPSIS). Membuat sebuah matriks nominasi berpasangan seperti tabel Merubah nilai nominasi matriks ke bilangan fuzzy yang disebut dengan defuzzifikasi sesuai dengan table 2 maka akan didapatkan hasil seperti tabel Membuat matriks keputusan yang ternormalisasi, sebagai contoh diambil dari salah satu sample atas Alternatif No.7 dengan rumus (3) pada tabel 6 maka akan didapat hasil seperti tabel dibawah ini. Tabel. Hasil Normalisasi TOPSIS Alternatif No7 c0 c02 c03 c04 c05 0,254 0,406 0,3062 0,333 0,493 c06 c07 c08 c09 c0 0,349 0,3464 0,3464 0,3354 0,2887 c c2 c3 c4 c5 0,333 0,3586 0,3354 0,3354 0,3094 c6 c7 c8 c9 c20 0,294 0,305 0,349 0,349 0,3094 c2 c22 c23 c24 c25 0,4082 0,345 0,3375 0,25 0,3333 0,45 0,2956 0, Membuat matriks keputusan yang terbobot, sebagai contoh diambil dari salah satu sample atas Alternatif No.7 dengan rumus (4) pada tabel dan 4 maka akan didapat hasil seperti tabel dibawah ini. Tabel 2. Hasil Pembobotan TOPSIS Alternatif No7 c0 c02 c03 c04 c05 0,254 0,406 0,3062 0,333 0,493 c06 c07 c08 c09 c0 0,349 0,2598 0,2598 0,256 0,265 c c2 c3 c4 c5 0,2485 0,793 0,677 0, c6 c7 c8 c9 c20 0, ,709 0,349 0,232 c2 c22 c23 c24 c25 0,4082 0,345 0,253 0,875 0,3333 0,3375 0,2956 0,688 Melakukan pencarian so lusi positif dan solusi negatif dengan asumsi keuntungan dan beban seperti tabel 7. Sehingga didapat hasil solusi INF.395

8 ISBN: SNIPTEK 206 positif dengan rumus (5) maka akan didapatkan hasil matriks dibawah ini. Tabel 3. Solusi Positif c0 c02 c03 c04 c05 0,27 0,406 0,4082 0,447 0,493 c06 c07 c08 c09 c0 0,4558 0,2598 0,2598 0,256 0,2887 c c2 c3 c4 c5 0,333 0,793 0,677 0,677 0,2063 c6 c7 c8 c9 c20 0,943 0,20 0,2279 0,4558 0,3094 c2 c22 c23 c24 c25 0,4082 0,493 0,3375 0,375 0,4444 0,3375 0,394 0,3375 Sedangkan hasil solusi negatif dengan rumus (6) maka akan didapat hasil matriks dibawah ini. Tabel 4. Solusi Negatif c0 c02 c03 c04 c05 0,38 0,3046 0,204 0,2209 0,2097 c06 c07 c08 c09 c0 0,2279 0,732 0,732 0,677 0,443 c c2 c3 c4 c5 0,656 0,95 0,8 0,8 0,03 c6 c7 c8 c9 c20 0,097 0,005 0,4 0, c2 c22 c23 c24 c25 0,204 0,2097 0,688 0,0938 0, 0,688 0,97 0, Mencari jarak alternatif solusi ideal positif dan jarak alternatif solusi ideal negatif dengan melakukan rumus (7) pada tabel 2 dan 3 untuk alternatif positif maka akan didapat nilai seperti tabel dibawah ini. Tabel 5. Hasil alternatif positif alternatif No. 7 c0 c02 c03 c04 c05-0,27 0 0,02 0,04 0 c06 c07 c08 c09 c0 0, ,0722 c c2 c3 c4 c5 0, ,056 c6 c7 c8 c9 c20 0,0486 0,0503 0,057 0,4 0,0774 c2 c22 c23 c24 c25 0 0,048 0,0844 0,875 0, 0 0,0985 0,688 Sehingga didapat nilai jarak alternatif solusi ideal positif untuk alternatif no.7 adalah,5082. Sedangkan hasil pencarian jarak alternatif solusi ideal negatif dengan menggunakan rumus (8) pada tabel 2 dan 4 akan didapat seperti tabel dibawah ini. Tabel 6. Hasil alternatif negatif alternatif No. 7 c0 c02 c03 c04 c05-0,27 0,05 0,02 0,04 0,2097 c06 c07 c08 c09 c0 0,4 0,0866 0,0866 0,0839 0,0722 c c2 c3 c4 c5 0,0828 0,0598 0,0559 0,0559 0,056 c6 c7 c8 c9 c20 0,0486 0,0503 0,057 0,4 0,0774 c2 c22 c23 c24 c25 0,204 0,048 0,0844 0,0938 0,2222 0,688 0, didapat nilai jarak alternatif solusi ideal negatif untuk alternatif no.7 adalah 2, Melakukan pencarian nilai preferensi untuk masingmasing alternatif dengan menggunakan rumus (9). sebagai contoh alternatif no.7 pada tabel 5 dan 6 maka akan diperoleh hasil 0, Jika semua nilai referensi didapat barulah dilakukan perankingan. Dan hasil dari perangkingan yang didapat seperti dibawah ini. Tabel 7. Hasil Perangkingan Alternatif Nilai 027 0, , , , , , ,3665 C. Pearson Correlation Metode yang digunakan untuk menguji reliabilitas dari masing-masing metode dengan pendekatan Metode INF-396

9 SNIPTEK 206 ISBN: Pearson. Untuk menguji relasi dari peringkat dengan total nilai yang didapat menggunakan rumus (2.0) sedangkan menguji hipotesis menggunakan rumus (2.). Pengujian dilakukan terhadap 3 data yang berbeda, sehingga didapatkan hasil sehingga didapatkan hasil seperti dibawah ini. Tabel 8. Hasil Pengujian Metode SAW DATA METODE SAW Relasi t Hitung TRAINING 0,9838 5,5247 TESTING 0,940 23,5654 NEW 0,9366 7,5606 Tabel 9. Hasil Pengujian Metode TOPSIS DATA METODE TOPSIS Relasi t Hitung TRAINING 0, ,4962 TESTING 0, ,3206 NEW 0, ,03 REFERENSI Budiharto, Widodo. (2008). Membuat Sendiri Robot Cerdas-Edisi Revisi. Jakarta: PT.Alex Media Komputindo Khoirudin, Akhmad Arwan SNATI Sistem Pendukung Keputusan Penentuan Kelayakan Calon Rintisan Sekolah Bertaraf Internasional Dengan Metode Fuzzy Associative Memory. Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia. Kusrini Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta: Andi Offset. Kusumadewi, Sri, Sri Hartati, Agus Harjoko dan Retantyo Wardoyo Fuzzy Multi-Attribute Decision Making (FUZZY MADM). Yogyakarta: Graha Ilmu. Laudon, K. C. dan J. P. Laudon. (2008). Sistem Informasi Manajemen, Jakarta: Salemba Empat. Sugiyono Metode Penelitian Administrasi. Bandung : Alfabeta Dari hasil 3 pengujian data diatas dapat dilihat kalau metode TOPSIS adalah metode yang memiliki tingkat uji reliabilitas tertinggi dibandingkan dengan metode SAW. KESIMPULAN Dari hasil penelitian yang dilakukan, maka dapat diambil kesimpulan sebagai berikut:. Penilaian dengan menggunakan metode Fuzzy Multi Attribute Decision Making sangat cocok untuk pengambilan keputusan yang berisikan data kuantitatif. 2. Metode Technique For Order Preference by Similarity of Ideal Solution dinilai lebih relevan untuk membantu stakeholder dalam mengambil keputusan karena memiliki nilai pengujian mendekati dibandingkan dengan metode Simple Additive Weighting. 3. Metode Technique For Order Preference by Similarity of Ideal Solution cocok untuk digunakan pada masalah dengan data kuantitatif yang kompleks. 4. Penggunaan sebuah metode yang tepat dapat membantu stakeholder dalam menghasilkan keputusan yang baik. UCAPAN TERIMA KASIH Terima kasih kepada PT. Nippon Indosari Corpindo, Ibu Suci Mardiana, Bapak Imam Machdi yang sudah memberikan kontribusi besar dalam penelitian ini. INF.397

10 ISBN: SNIPTEK 206 INF-398