BAB 2 LANDASAN TEORI
|
|
- Veronika Atmadja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 7 BAB LANDASAN TEORI. Sistem Pendukung Keputusan Pada dasarnya pembuatan keputusan merupakan suatu pendekatan yang bersifat sistematis, artinya pendekatan yang berawal dan bermula dari hakikat suatu masalah, pengumpulan fakta-fakta, pemilihan dan penentuan dari alternatif terbaik yang dihadapi dan pengambilan tindakan yang menurut perhitungan secara kuantitatif merupakan tindakan yang paling tepat (Kosasi, 00). Didefinisikan secara umum, sistem pendukung keputusan (SPK) adalah sistem informasi berbasis komputer yang menggabungkan model dan data guna menyelesaikan masalah semi terstruktur dan beberapa masalah tak terstruktur dengan keterlibatan pengguna secara luas (Turban, dkk. 006). SPK dapat meningkatkan keefektifan pengambilan keputusan, meningkatkan kontrol manajemen, memfasilitasi komunikasi, menghemat usaha yang dilakukan pengguna, menghemat biaya, dan memungkinkan pengambilan lebih objektif (Turban, dkk. 00). Sprague dan Watson mendefinisikan Sistem Pendukung Keputusan (SPK) sebagai sistem yang memiliki lima karakteristik utama yaitu (Sprague et.al, 99): a. Sistem yang berbasis komputer. b. Dipergunakan untuk membantu para pengambil keputusan. c. Untuk memecahkan masalah-masalah rumit yang mustahil dilakukan dengan kalkulasi manual. d. Melalui cara simulasi yang interaktif. e. Dimana data dan model analisis sebagai komponen utama.
2 8.. Konsep SPK Kerangka pendukung keputusan terbagi atas dua tipe, yaitu tipe keputusan dan tipe pengendalian. Tipe keputusan mencakup keputusan terstruktur, keputusan semi terstruktur dan keputusan tidak terstruktur. Sedang untuk tipe pengendalian mencakup pengendalian operasional, manajerial dan strategik. Kedua tipe ini merupakan suatu bentuk yang saling melengkapi dalam suatu konsep piramida sistem informasi. Terdapat beberapa tahapan dalam proses pembuatan keputusan (Turban & Aronson, 998), yaitu: a. Mendefinisikan dan merumuskan masalah. b. Mengklasifikasikan masalah dalam kategori standar. c. Mengembangkan model matematik untuk menggambarkan kejadian nyata. d. Menemukan alternatif solusi untuk pemecahan masalah. e. Menentukan pilihan terbaik dari alternatif solusi yang tersedia... Komponen-Komponen SPK Selanjutnya SPK juga dapat didekomposisikan menjadi beberapa subsistem lainnya yang saling berhubungan (Turban & Aronson, 998) seperti terlihat pada Gambar., yaitu: a. Subsistem Manajemen Data Subsistem manajemen data memasukkan satu database yang berisi data yang relevan untuk situasi dan dikelola oleh perangkat lunak yang disebut sistem manajemen database (DBMS). b. Subsistem Manajemen Model Merupakan paket perangkat lunak yang memasukkan model keuangan, statistik, ilmu manajemen, atau model kuantitatif lainnya yang memberikan kapabilitas analitik dan manajemen perangkat lunak yang tepat. Perangkat lunak ini sering disebut sistem manajemen basis model (MBMS). c. Subsistem Antarmuka Pengguna Pengguna berkomunikai dengan dan memerintahkan SPK melalui subsistem ini. Pengguna adalah bagian yang dipertimbangan dari sistem. Para peneliti
3 9 menegaskan bahwa beberapa kontribusi unik dari SPK berasal dari interaksi yang intensif antara komputer dan pembuat keputusan. d. Subsistem Manajemen Berbasis Pengetahuan Subsistem ini dapat mendukung semua subsistem lain atau bertindak sebagai suatu komponen independen. Ia memberikan inteligensi untuk memperbesar pengetahuan si pengambil keputusan. Gambar. Komponen-Komponen SPK. Multiple Attribute Decision Making (MADM) Multi Criteria Decision Making (MCDM) adalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu (Kusumadewi et al, 006). MCDM dapat dibagi menjadi model (Zimmermann, 99) yaitu Multi Attribute Decision Making (MADM) dan Multi Objective Decision Making (MODM). MADM digunakan untuk menyelesaikan masalah-masalah dalam ruang diskret. Oleh karena itu, pada MADM biasanya digunakan untuk melakukan penilaian atau seleksi terhadap beberapa alternatif dalam jumlah yang terbatas. Secara umum dapat dikatakan bahwa, MADM menyeleksi alternatif terbaik dari sejumlah alternatif.
4 0 Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MADM (Kusumadewi et al, 006), antara lain: a. Simple Additive Weighting Method (SAW) b. Weighted Product (WP) c. ELimination Et Choix TRaduisant la realite (ELECTRE) d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) e. Analytical Hierarchy Process (AHP). Weighted Product Menurut Yoon (989), Metode WP menggunakan perkalian untuk menghubungkan rating atribut, dimana rating atribut harus dipangkatkan terlebih dahulu dengan bobot atribut yang bersangkutan (Kusumadewi, dkk. 006). Preferensi untuk alternatif S i diberikan sebagai berikut: a. Penentuan nilai perbaikan bobot W j W j = Dimana: W_Init j W_Init j n j= W_Init j = Nilai prioritas bobot setiap kriteria b. Penentuan nilai Vektor S i Dimana: X ij = Nilai untuk setiap sampel S i = n j= X ij W j c. Penentuan nilai Vektor V i Dimana: S i = Nilai vektor S i V i = S i m j= S i
5 Lalu, langkah-langkah dalam perhitungan metode Weighted Product (WP) adalah sebagai berikut: a. Mengalihkan seluruh atribut bagi seluruh alternatif dengan bobot sebagai pangkat positif bagi atribut biaya. b. Hasil perkalian dijumlahkan untuk menghasilkan nilai pada setiap alternatif. c. Membagi nilai V bagi setiap alternatif dengan nilai pada setiap alternatif. d. Ditemukan urutan alternatif terbaik yang akan menjadi keputusan... Contoh Manual Penggunaan Algoritma Weighted Product a. Kriteria K = Kemampuan Siswa K = Keadaan Guru K = Minat Siswa K = Rekomendasi Orang Tua K = Rekomendasi Guru Kriteria Keuntungan = K, K, K, K dan K Kriteria Biaya = Tidak Ada b. Skor Konversi Nilai Kriteria Skor konversi nilai kriteria WP dapat dilihat pada Tabel.. Tabel. Skor Konversi Nilai Kriteria WP Kriteria Nilai Awal Nilai Konversi K K K
6 Tabel. Skor Konversi Nilai Kriteria WP (lanjutan) K K c. Contoh Data Contoh data WP dapat dilihat pada Tabel.. Tabel. Contoh Data WP Mata Pelajaran K K K K K Biologi Bahasa dan Sastra Indonesia 8 0 Bahasa Arab d. Contoh Data Yang Sudah Dikonversi Contoh data yang sudah dikonvesi dapat dilihat pada Tabel.. Tabel. Contoh Data Yang Sudah Dikonversi WP Mata Pelajaran K K K K K Biologi Bahasa dan Sastra Indonesia Bahasa Arab e. Bobot Preferensi W = [,,,, ] f. Menghitung Nilai W i W = W = = 0, = 0,
7 W = = 0, W = = 0,87 W = = 0, g. Menghitug Nilai S i S = 0, x 0, x 0, x 0,87 x 0, =,06 S = 0, x 0, x 0, x 0,87 x 0, =,8 S = 0, x 0, x 0, x 0,87 x 0, =,68 h. Menghitung Nilai V i V = V = V =,06,06 +,8 +,68 = 0,6,8,06 +,8 +,68 = 0,09,68,06 +,8 +,68 = 0,8 Karena diperoleh nilai terbesar adalah V, maka alternatif Biologi adalah Mata Pelajaran yang dipilih sebagai alternatif terbaik.. Analytical Hierarchy Process Analytical Hierarchy Process (AHP) Merupakan suatu teori umum tentang suatu konsep pengukuran. Metode ini digunakan untuk menemukan suatu skala rasio balik dari perbandingan pasangan yang bersifat diskrit maupun kontinu (Mulyono, 996). Terdapat beberapa langkah yang perlu diperhatikan dalam menggunakan metode AHP, antara lain (Suryadi & Ramdhani, 998): a. Mendefenisikan masalah dan menentukan solusi yang diinginkan. b. Membuat struktur hirarki yang diawali dengan tujuan umum dilanjutkan dengan subtujuan-tujuan, kriteria dan kemungkinan alternatif-alternatif pada tingkatan kriteria yang paling bawah.
8 c. Membuat matriks perbandingan berpasangan yang menggambarkan kontribusi relatif atau pengaruh setiap elemen terhadap masing-masing tujuan atau kriteria yang setingkat diatasnya. Perbandingan dilakukan berdasarkan judgment dari pembuat keputusan dengan menilai tingkat kepentingan suatu elemen dibandingkan elemen lainnya. d. Melakukan perbandingan berpasangan sehingga diperoleh nilai judment seluruhnya. e. Menghitung nilai eigen dan menguji konsistensinya jika tidak konsisten maka pengambilan data diulangi. Mengulangi langkah b, c, dan d untuk seluruh tingkat hirarki. f. Menghitung vektor eigen dari setiap matriks perbandingan berpasangan. Nilai vektor eigen merupakan bobot setiap elemen. Langkah ini untuk mensintesis judgment dalam penentuan prioritas elemen-elemen pada tingkat hirarki terendah sampai pencapaian tujuan. g. Memeriksa konsistensi hirarki. Jika nilainya lebih dari 0, maka penilaian data harus diperbaiki. Consistency Index (CI), dengan rumus: Keterangan: i CI = = Rasio penyimpangan konsistensi λmax = nilai eigen maksimum n = banyaknya elemen (λmax n) (n ) h. Mencari total ranking, langkah terakhir adalah menghitung total ranking dengan cara menjumlahkan hasil perkalian nilai eigen vector tiap kriteria dengan nilai eigen vector alternatif pada kriteria yang sama, sehingga diperoleh alternatif terbaik... Contoh Manual Penggunaan Algoritma Analytical Hierarchy Process a. Kriteria K = Kemampuan Siswa K = Keadaan Guru K = Minat Siswa K = Rekomendasi Orang Tua K = Rekomendasi Guru
9 b. Skor Konversi Nilai Kriteria Skor konversi nilai kriteria AHP dapat dilihat pada Tabel.. Tabel. Skor Konversi Nilai Kriteria AHP Kriteria Nilai Awal Nilai Konversi K K K K K c. Contoh Data Contoh data AHP dapat dilihat pada Tabel.. Tabel. Contoh Data AHP Mata Pelajaran K K K K K Biologi (BIO) Bahasa dan Sastra Indonesia (BSI) 8 0 Bahasa Arab (BA)
10 6 d. Contoh Data Yang Sudah Dikonversi Contoh data yang sudah dikonversi dapat dilihat pada Tabel.6. Tabel.6 Contoh Data Yang Sudah Dikonversi AHP Mata Pelajaran K K K K K Biologi (BIO) Bahasa dan Sastra Indonesia (BSI) Bahasa Arab (BA) e. Tabel Matriks Prioritas Kriteria Matriks prioritas kriteria dapat dilihat pada Tabel.7. Tabel.7 Tabel Matriks Prioritas Kriteria K K K K K K ½ K K / ¼ ½ K ½ / K / ¼ ½ f. Tabel Matrik Prioritas Kriteria Yang Disederhanakan Matriks prioritas kriteria yang disederhanakan dapat dilihat pada Tabel.8. Tabel.8 Tabel Matriks Prioritas Kriteria Yang Disederhanakan K K K K K Eigen Vektor K,00 0,0,00,00,00 0,7 K,00,00,00,00,00 0, K 0, 0,,00 0,0,00 0,088 K 0,0 0,,00,00,00 0, K 0, 0,,00 0,0,00 0,088,6, 7
11 7 Principle eigen vektor (λmax) λmax = (,6 x 0,7) + (, x 0,) + ( x 0,088) + (7 x 0,) + ( x 0,088) =,0 Consistency Index (CI) CI = (,0 ) ( ) CI = 0,0 CI = 0,0 g. Tabel Matriks Bobot Kriteria (Kemampuan Siswa) Matriks bobot kriteria dapat dilihat pada Tabel.9. Tabel.9 Tabel Matriks Bobot Kriteria K BIO BSI BA Eigen Vektor BIO, 0,7 BSI, 0,7 BA 0,8 0,8 0,86,8,8, Principle eigen vektor (λmax) λmax = (,8 x 0,7) + (,8 x 0,7) + (, x 0,86) =,000 Consistency Index (CI) CI = (,000 ) ( ) CI = 0,000 = 0,000 h. Tabel Matriks Bobot Kriteria (Minat Siswa) Matriks bobot kriteria dapat dilihat pada Tabel.0.
12 8 Tabel.0 Tabel Matriks Bobot Kriteria K BIO BSI BA Eigen Vektor BIO 0,7 BSI 0, 0,86 BA 0, 0, 0,,7, 7 Principle eigen vektor (λmax) λmax = (,7 x 0,7) + (, x 0,86) + (7 x 0,) =,00 Consistency Index (CI) CI = (,00 ) ( ) CI = 0,00 = 0,0006 i. Tabel Matriks Bobot Kriteria (Rekomendasi Guru) Matriks bobot kriteria dapat dilihat pada Tabel.. Tabel. Tabel Matriks Bobot Kriteria K BIO BSI BA Eigen Vektor BIO 0, BSI 0, 0, 0, BA 0,,, Principle eigen vektor (λmax) λmax = (, x 0,) + ( x 0,) + (, x 0,) = Consistency Index (CI) CI = ( ) ( ) = 0 = 0
13 9 j. Matriks Bobot Kriteria (Keadaan Guru) Matriks bobot kriteria dapat dilihat pada Tabel.. Tabel. Tabel Matriks Bobot Kriteria K BIO BSI BA Eigen Vektor BIO 0,667 0, BSI, 0, BA 0, 0, 0,67 6 Principle eigen vektor (λmax) λmax = ( x 0,) + ( x 0,) + (6 x 0,67) =,00 Consistency Index (CI) CI = (,00 ) ( ) CI = 0,00 = 0,000 k. Matriks Bobot Kriteria (Rekomendasi Orang Tua) Matriks bobot kriteria dapat dilihat pada Tabel.. Tabel. Tabel Matriks Bobot Kriteria K BIO BSI BA Eigen Vektor BIO 0,7 BSI 0, 0, 0, BA 0, 0,86,7 7, Principle eigen vektor (λmax) λmax = (,7 x 0,7) + (7 x 0,) + (, x 0,86) =,00
14 0 Consistency Index (CI) CI = (,00 ) ( ) CI = 0,00 = 0,0006 l. Mencari Total Ranking BIO = (0,7 x 0,7) + (0, x 0,7) + (0,088 x 0,) + (0, x 0,) + (0,088 x 0,7) = 0,6 BSI = (0,7 x 0,7) + (0, x 0,86) + (0,088 x 0,) + (0, x 0,) + (0,088 x 0,) = 0,7 BA = (0,7 x 0,86) + (0, x 0,) + (0,088 x 0,) + (0, x 0,67) + (0,088 x 0,86) = 0,9 Karena diperoleh nilai yang terbesar adalah BIO maka Biologi adalah alternatif Mata Pelajaran terbaik.. Big Theta (Ɵ) Thomas H. Cormen et al dalam buku yang berjudul Introduction to Algorithms pada edisi ketiga menyebutkan bahwa Algoritma adalah urutan langkah-langkah mengubah input menjadi output. Menganalisis algoritma berarti memprediksi sumber daya yang dibutuhkan algoritma, sumber daya yang menjadi perhatian utama seperti memori, bandwith komunikasi dan perangkat keras komputer yang biasanya sering digunakan untuk mengukur waktu komputasi (Thomas H. Cormen et al, 009). Algoritma memiliki kompleksitas, dimana ukuran kompleksitas tersebut merupakan acuan utama, untuk mengetahui kecepatan dari algoritma tersebut. Time Complexity (Kompleksitas waktu) adalah hubungan waktu komputasi dan jumlah input. Running time adalah sejumlah waktu yang dibutuhkan untuk mengeksekusi setiap baris pseudocode. Satu baris statement memiliki jumlah waktu yang berbeda dengan baris yang lain maka dari itu akan diasumsikan bahwa setiap pelaksanaan i garis membutuhkan waktu ci, di mana ci adalah konstan. Running time dari sebuah algoritma adalah jumlah dari running time dari setiap statement yang dieksekusi.
15 Big Ɵ (Big Theta) adalah bagian dari kompleksitas waktu dari sebuah algoritma. Big Ɵ (Big Theta) Didefinisikan bahwa f(n) merupakan Theta dari g(n) dan dinotasikan f(n) = Ɵ(g(n) jika dan hanya jika terdapat tiga konstanta positif n 0, c dan c sedemikian berlaku: C g(n) <= f(n) <= C g(n) ; n > n 0..6 Sekolah Berdasarkan Undang-undang Nomor 0 Tahun 00 tentang Sistem Pendidikan Nasional, satuan pendidikan adalah kelompok layanan pendidikan yang menyelenggarakan pendidikan pada jalur formal, nonformal, dan informal pada setiap jenjang dan jenis pendidikan. Sekolah merupakan satuan pendidikan yang bergerak pada jalur formal. Berdasarkan Kamus Besar Bahasa Indonesia sekolah adalah bangunan atau lembaga untuk belajar dan mengajar serta tempat menerima dan memberi pelajaran. Menurut tingkatannya sekolah dibagi menjadi dasar, menengah dan tinggi..6. SMA Istiqlal Delitua SMA Istiqlal Delitua adalah sekolah swasta yang terletak di kecamatan Deli Tua, kabupaten Deli Serdang, provinsi Sumatera Utara. SMA Istiqlal Delitua berdiri selama tahun sejak 99 di bawah Yayasan Perguruan Istiqlal Delitua, yayasan tersebut dipimpin oleh bapak Prof. Dr. H. Jumino Suhadi, MA. Dan SMA Istiqlal Delitua dipimpin oleh bapak Drs. H. Enda Tarigan..7 Kurikulum 0 Undang-Undang Nomor 0 Tahun 00 tentang Sistem Pendidikan Nasional menyebutkan bahwa kurikulum adalah seperangkat rencana dan pengaturan mengenai tujuan, isi, dan bahan pelajaran serta cara yang digunakan sebagai pedoman penyelenggaraan kegiatan pembelajaran untuk mencapai tujuan pendidikan tertentu. Berdasarkan pengertian tersebut, ada dua dimensi kurikulum, yang pertama adalah
16 rencana dan pengaturan mengenai tujuan, isi, dan bahan pelajaran, sedangkan yang kedua adalah cara yang digunakan untuk kegiatan pembelajaran. Kurikulum 0 yang diberlakukan mulai tahun ajaran 0/0 memenuhi kedua dimensi tersebut (Undang-Undang RI, 00). Kurikulum 0 bertujuan untuk mempersiapkan manusia Indonesia agar memiliki kemampuan hidup sebagai pribadi dan warga negara yang beriman, produktif, kreatif, inovatif, dan afektif serta mampu berkontribusi pada kehidupan bermasyarakat, berbangsa, bernegara, dan peradaban dunia (Permendikbud, 0)..8 Mata Pelajaran Lintas Minat Kurikulum Sekolah Menengah Atas (SMA)/Madrasah Aliyah (MA) dirancang untuk memberikan kesempatan kepada peserta didik belajar berdasarkan minat mereka. Struktur kurikulum memperkenankan peserta didik melakukan pilihan dalam bentuk pilihan Kelompok Peminatan dan pilihan Mata pelajaran antar Kelompok Peminatan. Kelompok Peminatan yang dipilih peserta didik terdiri atas kelompok Matematika dan Ilmu Alam, Ilmu-Ilmu Sosial, dan Ilmu Budaya dan Bahasa (Permendikbud, 0). Berdasarkan Permendikbud No. 69 Tahun 0 tentang Kurikulum SMA/MA semua mata pelajaran yang terdapat pada satu Kelompok Peminatan wajib diikuti oleh peserta didik. Selain mengikuti seluruh mata pelajaran di Kelompok Peminatan, setiap peserta didik harus mengikuti mata pelajaran tertentu untuk lintas minat sebanyak 6 jam pelajaran di Kelas X dan jam pelajaran di Kelas XI dan XII. Mata pelajaran lintas minat yang dipilih sebaiknya tetap dari Kelas X sampai dengan XII. Di Kelas X, jumlah jam pelajaran pilihan antar Kelompok Peminatan per minggu 6 jam pelajaran, dapat diambil dengan pilihan sebagai berikut: a. Dua mata pelajaran (masing-masing jam pelajaran) dari satu Kelompok Peminatan yang sama di luar Kelompok Peminatan pilihan b. Satu mata pelajaran di masing-masing Kelompok Peminatan di luar Kelompok Peminatan pilihan.
BAB 2 LANDASAN TEORI
BAB LANDASAN TEORI Bab ini berisi teori-teori yang berkaitan dengan Sistem Pendukung Keputusan, Weighted Product, Weighted Sum Product, Pengertian perguruan tinggi serta tujuan perguruan tinggi..1 Sistem
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 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 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 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 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 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 terperinciBAB 2 TINJAUAN PUSTAKA
7 BAB 2 TINJAUAN PUSTAKA 2.1 Asuransi Jiwa Dalam Undang-Undang Republik Indonesia Nomor 40 Tahun 2014 Tentang Perasuransian, pada Bab 1 Ketentuan Umum yang dimaksud dengan : 1. Asuransi adalah perjanjian
Lebih terperinci1. BAB I PENDAHULUAN 1.1 Latar Belakang
1. BAB I PENDAHULUAN 1.1 Latar Belakang Beasiswa merupakan bantuan studi yang diinginkan setiap siswa yang memiliki keterbatasan ekonomi. Bantuan yang diberikan dalam bentuk uang atau barang ini mempunyai
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 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Sistem Pendukung Keputusan 2.1.1. Definisi Keputusan Keputusan (decision) yaitu pilihan dari dua atau lebih kemungkinan. Keputusan dapat dilihat pada kaitannya dengan proses,
Lebih terperinciBAB II TINJAUAN PUSTAKA Sistem Pendukung Keputusan
BAB II TINJAUAN PUSTAKA 2.1. Sistem Pendukung Keputusan Sistem pendukung keputusan adalah sebuah sistem yang efektif dalam membantu mengambil suatu keputusan yang kompleks, sistem ini menggunakan aturan
Lebih terperinciMetode dalam SPK (Sistem Pendukung Keputusan) A. AHP
Metode dalam SPK (Sistem Pendukung Keputusan) A. AHP Analytic Hierarchy Process (AHP) adalah teknik untuk mendukung proses pengambilan keputusan yang bertujuan untuk menentukan pilihan terbaik dari beberapa
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 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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Pada dasarnya Sistem Pendukung Keputusan ini merupakan pengembangan lebih lanjut dari sistem informasi manajemen terkomputerisasi yang dirancang sedemikian
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 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 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 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 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 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 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 terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PRODUKSI SEPATU DAN SANDAL DENGAN METODE ELIMINATION ET CHOIX TRADUISANT LA REALITÉ
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PRODUKSI SEPATU DAN SANDAL DENGAN METODE ELIMINATION ET CHOIX TRADUISANT LA REALITÉ (ELECTRE) (Studi Kasus pada Produsen Sepatu dan Sandal Obara Shoes Cibaduyut Bandung)
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 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 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 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 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 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 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 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 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
BAB 2 TINJAUAN PUSTAKA 2.1. MCDM (Multiple Criteria Decision Making) Multi-Criteria Decision Making (MCDM) adalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif
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 terperinciSISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 3 GARUT
SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 3 GARUT Asep Hendar Rustiawan 1, Dini Destiani 2, Andri Ikhwana 3 Jurnal Algoritma Sekolah Tinggi Teknologi Garut Jl. Mayor Syamsu
Lebih terperinciANALYTICAL HIERARCHY PROCESS (AHP) Amalia, ST, MT
ANALYTICAL HIERARCHY PROCESS (AHP) Amalia, ST, MT Multi-Attribute Decision Making (MADM) Permasalahan untuk pencarian terhadap solusi terbaik dari sejumlah alternatif dapat dilakukan dengan beberapa teknik,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DUTA MAHASISWA GENERASI BERENCANA BKKBN DENGAN METODE WEIGHTED PRODUCT (WP)
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DUTA MAHASISWA GENERASI BERENCANA BKKBN DENGAN METODE WEIGHTED PRODUCT (WP) Nurhayati Mursalin 1 dan Rezqiwati Ishak 2 1 mursalin.nurhayati@gmail.com, 2 rezqi.uig@gmail.com
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)
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 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 terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN STAF PENGAJAR MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN STAF PENGAJAR MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) (STUDI KASUS: ILC (Intensive Learning Center) Pringsewu) Eka Yulia Rosalin Jurusan Sistem Informasi
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 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 terperinciBAB III ANP DAN TOPSIS
BAB III ANP DAN TOPSIS 3.1 Analytic Network Process (ANP) Analytic Network Process atau ANP adalah teori matematis yang memungkinkan seorang pengambil keputusan menghadapi faktor-faktor yang saling berhubungan
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 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 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 terperinciBAB 2 LANDASAN TEORI
5 BAB 2 LANDASAN TEORI 2.1 Sistem pendukung keputusan (SPK) Konsep sistem pendukung keputusan atau decision support system (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dibahas teori tentang Sistem Pendukung Keputusan, Metode Simple Additive Weighting (SAW), Metode Profile Matching. 2.1 Sistem Pendukung Keputusan Dalam teori sistem
Lebih terperinciBAB II LANDASAN TEORI
7 BAB II LANDASAN TEORI 2.1. Kajian Literatur Berikut adalah beberapa penelitian serupa mengenai kualitas yang telah dilakukan dilakukan sebelumnya, yaitu: 1. Harwati (2013), yaitu: Model Pengukuran Kinerja
Lebih terperinciRANCANGAN SISTEM PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN PILIHAN PRODUK TABLET PC MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW)
RANCANGAN SISTEM PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN PILIHAN PRODUK TABLET PC MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW) Elisabet Yunaeti Anggraeni, M.T.I., Rita Irviani, M.M., Riza Lestari Jurusan
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 ANALYTICAL HIERARCHY PROCESS (AHP) PADA PEMILIHAN SOFTWARE MANAJEMEN PROYEK
APLIKASI ANALYTICAL HIERARCHY PROCESS (AHP) PADA PEMILIHAN SOFTWARE MANAJEMEN PROYEK Siti Komsiyah Mathematics Department, School of Computer Science, Binus University Jl. K.H. Syahdan No. 9, Palmerah,
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Konsep Sistem Pendukung Keputusan (SPK)
BAB 2 LANDASAN TEORI 2.1 Konsep Sistem Pendukung Keputusan (SPK) Sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem
Lebih 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 terperinciKuliah 11. Metode Analytical Hierarchy Process. Dielaborasi dari materi kuliah Sofian Effendi. Sofian Effendi dan Marlan Hutahaean 30/05/2016
1 Kuliah 11 Metode Analytical Hierarchy Process Dielaborasi dari materi kuliah Sofian Effendi METODE AHP 2 Metode Analytical Hierarchy Process (AHP) dan Analytical Network Process (ANP) dapat digunakan
Lebih terperinciBAB I PENDAHULUAN. irigasi adalah usaha penyediaan, pengaturan, dan pembuangan air untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Di zaman yang semakin maju terjadi banyak perubahan - perubahan yang mengenai kemajuan teknologi, pertumbuhan jumlah penduduk dan lain sebagainya. Pertumbuhan jumlah
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 terperinciANALISIS KRITERIA SISTEM PENDUKUNG KEPUTUSAN BEASISWA BELAJAR BAGI GURU MENGGUNAKAN METODE ANALYTIC HIERARCHY PROCESS (AHP)
ANALISIS KRITERIA SISTEM PENDUKUNG KEPUTUSAN BEASISWA BELAJAR BAGI GURU MENGGUNAKAN METODE ANALYTIC HIERARCHY PROCESS (AHP) Sunggito Oyama 1, Ernawati 2, Paulus Mudjihartono 3 1,2,3) Jurusan Teknik Informatika,
Lebih terperinciBAB 2 LANDASAN TEORI
17 BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sistem Pendukung Keputusan adalah sistem berbasis komputer yang membantu para pengambil keputusan mengatasi masalah melalui interaksi dengan sejumlah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Sistem Pendukung Keputusan Istilah sistem pendukung keputusan pertama kali digagas oleh P.G.W Keen, seorang akademisi Inggris yang kemudian melanjutkan karir di USA. Pada tahun
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PESERTA KAPAL PEMUDA NUSANTARA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (WP)
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PESERTA KAPAL PEMUDA NUSANTARA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (WP) Noprin Pakaya 1 dan Amiruddin 2 1 noprin.pakaya92@gmail.com, 2 amier.76@gmail.com 1,2
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 II LANDASAN TEORI 2.1 PASKIBRAKA
BAB II LANDASAN TEORI 2.1 PASKIBRAKA Pasukan Pengibar Bendera Pusaka atau yang lebih sering dikenal dengan PASKIBRAKA, merupakan suatu pasukan yang bertugas dalam mengibarkan duplikat bendera pusaka dalam
Lebih terperinciIMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN PENERIMA BERAS UNTUK KELUARGA MISKIN ( RASKIN ) MENGGUNAKAN METODE AHP (ANALYTICAL HIERARCHY PROCESS) Ilyas
IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN PENERIMA BERAS UNTUK KELUARGA MISKIN ( RASKIN ) MENGGUNAKAN METODE AHP (ANALYTICAL HIERARCHY PROCESS) Ilyas Program Studi Sistem Informasi, Fakultas Teknik dan Ilmu
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 terperinciPENENTUAN LOKASI PROGRAM PENGEMBANGAN KAWASAN PERDESAAN BERKELANJUTAN KABUPATEN BULUNGAN PROVINSI KALIMANTAN UTARA
PENENTUAN LOKASI PROGRAM PENGEMBANGAN KAWASAN PERDESAAN BERKELANJUTAN KABUPATEN BULUNGAN PROVINSI KALIMANTAN UTARA Virgeovani Hermawan 1 1 Mahasiswa Magister Teknik Sipil Konsentrasi Manajemen Proyek Konstruksi
Lebih terperinciPEMILIHAN GURU BERPRESTASI MENGGUNAKAN METODE AHP DAN TOPSIS
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 PEMILIHAN GURU BERPRESTASI MENGGUNAKAN METODE AHP DAN TOPSIS Juliyanti 1,
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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Manajemen 2.1.1 Definisi Manajemen Robbins dan Coultier (2012) menyatakan bahwa manajemen mengacu pada proses mengkoordinasi dan mengintegrasikan kegiatan-kegiatan kerja agar diselesaikan
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 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 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 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 terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Perbedaan tinjauan dengan penelitian yang diajukan terletak pada objek,
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tinjauan Pustaka Perbedaan tinjauan dengan penelitian yang diajukan terletak pada objek, keluaran, studi kasus, kriteria yang digunakan dan bahasa pemrograman.
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1. Penyusunan Hirarki Dari identifikasi dan subatribut yang dominan, dapat disusun struktur hirarki sebagai berikut: Gambar 4.1 Struktur Hirarki Penerima Beasiswa
Lebih 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 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 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 Pendukung Keputusan Penasehat Akademik (PA) untuk Mengurangi Angka Drop Out (DO) di STMIK Bina Sarana Global
Sistem Pendukung Keputusan Penasehat Akademik (PA) untuk Mengurangi Angka Drop Out (DO) di STMIK Bina Sarana Global Sri Subekti 1, Arni Retno Mariana 2, Andri Riswanda 3 1,2 Dosen STMIK Bina Sarana Global,
Lebih terperinciPENERAPAN METODE ANP DALAM MELAKUKAN PENILAIAN KINERJA KEPALA BAGIAN PRODUKSI (STUDI KASUS : PT. MAS PUTIH BELITUNG)
PENERAPAN METODE ANP DALAM MELAKUKAN PENILAIAN KINERJA KEPALA BAGIAN PRODUKSI (STUDI KASUS : PT. MAS PUTIH BELITUNG) Frans Ikorasaki 1 1,2 Sistem Informasi, Tehnik dan Ilmu Komputer, Universitas Potensi
Lebih terperinciUKDW BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Undang-undang Republik Indonesia Nomor 20 Tahun 2003 menetapkan bahwa pendidikan adalah usaha sadar dan terencana untuk mewujudkan suasana belajar dan proses pembelajaran
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengadaan Secara tradisional bagian pengadaan atau pembelian dianggap bagian yang kurang strategis. Bagian ini hanya diasosiasikan dengan kegiatan-kegiatan administrasi seperti
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 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 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Analytic Hierarchy Process (AHP) Sumber kerumitan masalah keputusan bukan hanya dikarenakan faktor ketidakpasatian atau ketidaksempurnaan informasi saja. Namun masih terdapat penyebab
Lebih terperinciSISTEM INFORMASI PENDUKUNG KEPUTUSAN PADA SELEKSI PENERIMAAN PEGAWAI MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS
SISTEM INFORMASI PENDUKUNG KEPUTUSAN PADA SELEKSI PENERIMAAN PEGAWAI MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) Oleh : Imam Husni A Abstrak - Penelitian ini mengembangankan Sistem Pendukung
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 terperinciRANCANG BANGUN APLIKASI SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN MODEL ANALYTICAL HIERARCHY PROCESS UNTUK PEMBERIAN BONUS KARYAWAN
RANCANG BANGUN APLIKASI SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN MODEL ANALYTICAL HIERARCHY PROCESS UNTUK PEMBERIAN BONUS KARYAWAN Yosep Agus Pranoto Jurusan Teknik Informatika, Fakultas Teknologi Industri
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN SELEKSI SUMBER DAYA MANUSIA DI PERUSAHAAN
SISTEM PENDUKUNG KEPUTUSAN SELEKSI SUMBER DAYA MANUSIA DI PERUSAHAAN Andy Rachman Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya. Jl. Arif Rahman Hakim 100
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 terperinciANALISIS KRITERIA SISTEM PENDUKUNG KEPUTUSAN BEASISWA BELAJAR BAGI GURU MENGGUNAKAN METODE ANALYTIC HIERARCHY PROCESS (AHP)
Jurnal Dinamika Informatika Volume 5, Nomor, November 05 ANALISIS KRITERIA SISTEM PENDUKUNG KEPUTUSAN BEASISWA BELAJAR BAGI GURU MENGGUNAKAN METODE ANALYTIC HIERARCHY PROCESS (AHP) Sunggito Oyama, Ernawati,
Lebih terperinciAPLIKASI PENENTUAN NILAI KEDISIPLINAN DAN LOYALITAS UNTUK REKOMENDASI NILAI BONUS SALESMAN DENGAN METODE SIMPLE ADDITIVE WEIGHTING SKRIPSI
Artikel Skripsi APLIKASI PENENTUAN NILAI KEDISIPLINAN DAN LOYALITAS UNTUK REKOMENDASI NILAI BONUS SALESMAN DENGAN METODE SIMPLE ADDITIVE WEIGHTING SKRIPSI Diajukan untuk Penulisan Skripsi Guna Memenuhi
Lebih terperinci