BAB II TINJAUAN PUSTAKA
|
|
- Liani Sutedja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 atau tempat tertentu. Objek dan daya tarik wisata merupakan dasar bagi kepariwisataan. Tanpa adanya daya tarik di suatu daerah atau tempat tertentu, kepariwisataan sulit untuk dikembangkan. Suatu obyek wisata dapat menarik untuk dikunjungi oleh wisatawan harus memenuhi syarat-syarat untuk pengembangan daerahnya, menurut Maryani dalam (Yoeti, 2008) syarat-syarat tersebut adalah 1. What to see Di tempat tersebut harus ada obyek wisata dan atraksi wisata yang berbeda dengan yang dimiliki daerah lain. Dengan kata lain daerah tersebut harus memiliki daya tarik khusus dan atraksi budaya yang dapat dijadikan entertainment bagi wisatawan. What to see meliputi pemandangan alam, kegiatan kesenian, dan daya tarik wisata. 2. What to do Di tempat tersebut selain banyak yang dapat dilihat dan disaksikan, harus disediakan fasilitas rekreasi yang dapat membuat wisatawan betah tinggal lama di tempat itu. 3. What to buy Tempat tujuan wisata harus tersedia fasilitas untuk berbelanja terutama barang souvenir dan kerajinan rakyat sebagai oleh-oleh untuk di bawa pulang ke tempat asal. 5
2 6 4. What to arrived Di dalamnya termasuk aksesbilitas, bagaimana kita mengunjungi obyek wisata tersebut, kendaraan apa yang akan digunakan, dan berapa lama tiba ketempat tujuan wisata tersebut. 5. What to stay Bagaimana wisatawan akan tinggal untuk sementara selama dia berlibur di obyek wisata itu. Diperlukan penginapan-penginapan baik hotel berbintang atau hotel non berbintang dan sebagainya. 2.2 Metode Entropy Metode entropy adalah metode pembobotan objektif, yang menghitung entropy bobot masing-masing indeks sesuai dengan entropy informasi dari indeks. Semakin besar entropy informasi dari indeks maka semakin kecil bobot entropy indeks, sebaliknya semakin kecil entropy informasi dari suatu indeks, semakin besar bobot entropy indeks. Dalam prakteknya, metode entropy digunakan untuk memperbaiki bobot indeks subyektif dan mendapat bobot indeks obyektif. (Ren & Du, 2013) Metode entropy dapat digunakan untuk menentukan suatu bobot. Sekumpulan data nilai alternatif pada kriteria tertentu digambarkan dalam Decision Matrix (DM). Menggunakan metode entropy, kriteria dengan variasi nilai tertinggi akan mendapatkan bobot tertinggi. (Triyanti & Gadis, 2008) Berikut ini adalah algoritma dari metode entropy:
3 7 Mulai Masukan data kriteria Berikan bobot pada setiap kriteria Menghitung nilai entropy Menghitung bobot entropy Menghitung bobot entropy akhir Normalisasi bobot kriteria selesai Gambar 2.1 Algortima Metode Entropy Langkah-langkah yang digunakan dalam metode entropy adalah sebagai berikut: (Jamila & Hartati, 2011) 1. Membuat matrik rating kinerja Matrik rating kinerja adalah nilai alternatif pada setiap kriteria dimana setiap kriteria tidak saling bergantung satu dengan yang lainnya. Matriks keputusan setiap alternatif terhadap setiap kriteria (X), diberikan sebagai: X 11 X 12 X 1n X 21 X 22 X 2n X = [ ] (2.1) X m1 X m2 X mn dimana i = 1,2, m; j = 1,2, n X ij merupakan rating kinerja alternatif ke-i (i = 1,2,... m) terhadap kriteria ke-j (j = 1,2,... n). 2. Normalisasi tabel data kriteria
4 8 Normalisasi dilakukan dengan terlebih dahulu menentukan nilai paling tinggi (maksimum) dari masing-masing alternatif pada setiap kriteria. Normalisasi data nilai masing-masing alternatif (i = 1,2,.., m) terhadap kriteria (j = 1,2,.., n) diberikan pada persamaan (2.2) d i j = dimana: x j i j (2.2) x i maks x i j j x i maks = nilai data alternatif (i) terhadap kriteria (j) yang belum dinormalisasi. = nilai data alternatif (i) terhadap kriteria (j) yang belum dinormalisasi yang mempunyai nilai paling tinggi. d i j = nilai data alternatif (i) terhadap kriteria (j) yang telah dinormalisasi. Selanjutnya nilai masing-masing data yang telah dinormalisasi (persamaan 2.2) dijumlahkan. D j = n j j=1 d i (2.3) dimana j = 1,2,... n dan D j adalah nilai masing-masing data yang telah dinormalisasi pada masing-masing kriteria. 3. Perhitungan Entropy Perhitungan entropy untuk setiap kriteria ke-j dengan terlebih dahulu menghitung nilai emax dan K. Untuk mencari nilai emax dan K diberikan pada persamaan (2.4) dan (2.5). e max=ln m (2.4) K = 1 e max (2.5) m adalah jumlah alternatif. Perhitungan entropy untuk setiap kriteria
5 9 ke-j ditunjukkan pada persamaan (2.6). e(d j) = K j n d i j=1 D j ln d i j D j (2.6) dimana: e(d j) = nilai entropy pada masing-masing kriteria (j = 1,2... n) d i j D j = nilai data yang telah dinormalisasi = jumlah nilai data yang telah dinormalisasi pada masing-masing kriteria setelah mendapatkan e(dj) pada persamaan (2.6), selanjutnya menghitung total entropy (E) untuk masing-masing kriteria seperti ditunjukkan pada persamaan (6.7). E = n j=1 e(d j) (2.7) 4. Perhitungan bobot entropy Setelah total entropy dihasilkan dengan merujuk pada persamaan (2.7), selanjutnya menghitung bobot pada setiap kriteria dengan menggunakan persamaan (2.8) dan (2.9). λ j = 1 j = 1,2, n n E [1 e(d j)] (2.8) λ = Sign (1) (2.9) Sign = +/- 5. Perhitungan bobot entropy akhir Jika sebelumnya telah ada bobot awal kriteria atau bobot yang telah ditentukan sebelumnya maka hasil bobot entropy akhir untuk tiap kriteria dapat dihitung dengan persamaan (2.10).
6 10 λ j = λ j w j n j=1 λ j w j (2.10) dimana: λj = bobot entropy akhir (didapat dari persamaan (2.8)) n = jumlah kriteria w = bobot awal Berikut ini adalah contoh penyelesaian soal menggunakan metode entropy. Tabel dibawah ini adalah nilai kriteria dari setiap alternatif yang ada, disini akan dihitung bobot entropy dan bobot entropy akhir dari setiap kriteria. Tabel 2.1 Contoh Soal Metode Entropy C1 C2 C3 C4 C5 A A A A A A A A Untuk bobot awal dimisalkan C1=9, C2=8, C3=7, C4=8, dan C5=9 Langkah-langkah penyelesaian:
7 11 1. Membuat matrik rating kinerja sesuai dengan persamaan (6.1) yang merujukpada tabel [ ] 2. Normalisasi tabel data kriteria sesuai dengan persamaan (2.2) d 1 1 = 8 9 = begitu seterusnya sampai i=1,2...,8 dan j=1,2,...5. Membentuk matrik data ternormalisasi: 0,777 1, 000 0,777 0,777 0,777 1,000 [ 0,777 1,000 0,666 0,777 0,777 1,000 0,777 0,777 0,666 1,000 0,666 0,555 0,444 1,000 0,777 0,777 0,555 0,555 ] Kemudian data yang sudah dinormalisasi dijumlahkan dengan persamaan (2.3) D 1 = ( + 0, = 7,105 D 2 = (0, , , , ,777 = 6,55 D 3 = ( , , , = 6,996 D 4 = (0, , , , = 6,106 D 5 = (0, , , , ,555 + = 6,105 Nilai D1 = 7,105 D2 = 6,55 D3 = 6,996 D4 = 6,106 D5 = 6, Perhitungan entropy sesuai dengan persamaan (2.6) Terlebih dahulu mencari nilai e max=ln 8=2,079 K = 1 e max = 1 2,079 = 0,481 Sesuai dengan persamaan (2.6) maka
8 12 e(d 1) = 0,481 {( ln 7,105 + ( ln 7,105 + ( ln 7,105 + ( ln 7,105 = 0,481. 2,064 = 0,992 7,105 ) + ( 7,105 7,105 ) + ( 7,105 7,105 ) + ( 7,105 7,105 ) + ( 7,105 Begitu seterusnya sehingga didapat nilai ln 7,105 ) ln 7,105 ) ln 7,105 ) ln 7,105 )} e(d 1) = 0,992, e(d 2) = 0,989, e(d 3) = 0,99, e(d 4) = 0,981, dan e(d 5) = 0,988 Selanjutnya menghitung total entropy dengan persamaan (2.7) n E = e(d j) = (0, , ,99 + 0, ,988) = 4.94 j=1 Maka didapat nilai E = Perhitungan bobot entropy sesuai dengan persamaan (2.8) λ j = λ 1 = λ 2 = λ 3 = λ 4 = λ 5 = 1 n E [1 e(d j)] 1 [1 0,992] = 0, , , , , ,94 Maka didapat hasil: [1 0,989] = 0,183 [1 0,99] = 0,17 [1 0,981] = 0,315 [1 0,988] = 0,199 λ 1 = 0,133, λ 2 = 0,183, λ 3 = 0,17, λ 4 = 0,315, dan λ 5 = 0,199
9 13 5. Perhitungan bobot entropy akhir sesuai dengan persamaan (2.10) Dengan bobot awal yang sudah ditentukan sebelumnya yaitu: w 1 = 9, w 2 = 8, w 3 = 7, w 4 = 8, w 5 = 9 λ j = λ j w j n λ j w j j=1 λ 1 = 0, ,162 = 0,146 λ 2 = 0, ,162 = 0,179 λ 3 = 0,17 7 8,162 = 0,145 λ 4 = 0, ,162 = 0,308 λ 5 = 0, ,162 = 0,279 Maka didapat hasil bobot entropy akhir: a) λ 1 = 0,146, λ 2 = 0,179, λ 3 = 0,145, λ 4 = 0,308, dan λ 5 = 0, Multiple Attribute Decision Making (MADM) Multiple Attribute Decision Making (MADM) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. MADM digunakan untuk melakukan penilaian atau seleksi terhadap beberapa alternatif dalam jumlah terbatas. Inti dari MADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan. Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif & obyektif. Masingmasing pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara
10 14 matematis sehingga mengabaikan subyektifitas dari pengambil keputusan. (Sawaragi, et al., 1987) Multi-Attrbut Decision Making (MADM) adalah mengevaluasi m alternatif A i (i = 1,2,, m) terhadap n atribut atau kriteria C j (j = 1,2,, n), dimana setiap atribut saling tidak bergantung satu dengan yang lainnya. Matriks keputusan setiap alternatif terhadap setiap atribut, X diberikan sebagai: x 11 x 12 x 21 x x 1n 22 x 2n X = [ ] (2.11) x m1 x m2 x mn dimana x ij merupakan rating kinerja alternatif ke-i terhadap atribut ke-j. Nilai bobot yang menunjukkan tingkat kepentingan relatif setiap atribut, diberikan sebagai, W: W = {w 1, w 2, w 3, w n } (3.12) Rating kinerja (X), dan nilai bobot (W) merupakan nilai utama yang merepresentasikan preferensi absolut dari pengambil keputusan. MADM diakhiri dengan proses perankingan untuk mendapatkan alternatif terbaik yang diperoleh berdasarkan nilai keseluruhan preferensi yang diberikan. Ada beberapa metode yang dapat digunakan untuk memecahkan Masalah MADM (Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006) yaitu : 1. Simple Additive Weighting (SAW) 2. Weighted Product (WP) 3. ELECTRE 4. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) Analytic Hierarchy Process (AHP) Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) adalah salah satu metode yang dapat membantu proses pengambilan keputusan yang optimal untuk menyelesaikan masalah keputusan secara praktis. Hal ini
11 15 disebabkan konsepnya sederhana dan mudah dipahami, komputasinya efisien dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatifalternatif keputusan dalam bentuk matematis yang sederhana. (Kusumadewi, et al., 2006) Kategori dari metode TOPSIS adalah kategori Multi-Criteria Decision Making (MCDM) yaitu teknik pengambilan keputusan dari beberapa pilihan alternatif yang ada, khususnya MADM (Multi Attribute Decision Making). TOPSIS bertujuan untuk menentukan solusi ideal positif dan solusi ideal negatif. Solusi ideal positif memaksimalkan kriteria manfaat dan meminimalkan kriteria biaya, sedangkan solusi ideal negatif memaksimalkan kriteria biaya dan meminimalkan kriteria manfaat. Berikut ini adalah algoritmanya : Mulai Masukan data kriteria Menghitung matrik ternormalisasi terbobot Menghitung matriks A+ dan A- Berikan bobot pada setiap kriteria Menghitung matrik ternormalisasi Menghitung jarak D+ dan D- Menghitung nilai preferensi (V) Selesai Gambar 1.2 Algoritma Metode TOPSIS Secara umum, prosedur dari metode TOPSIS mengikuti langkah langkah sebagai berikut: (Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006)
12 16 1. Menentukan matrik ternormalisasi Matrik rating kinerja adalah nilai alternatif Ai (i = 1,2.., m) pada setiap kriteria Cj (j = 1,2,.., n) dimana setiap kriteria tidak saling bergantung satu dengan yang lainnya. Matriks keputusan setiap alternatif terhadap setiap kriteria (X) terbentuk dengan merujuk pada persamaan (2.1). 2. Membuat matrik keputusan ternormalisasi. TOPSIS membutuhkan rating kinerja setiap alternatif A i pada setiap kriteria C j yang ternormalisasi, yaitu: r ij = x ij m x2 i=1 ij (2.13) Dimana i = 1,2,... m dan j = 1,2,... n 3. Menghitung matrik ternormalisasi terbobot (Y) Nilai bobot (W) yang menunjukkan tingkat kepentingan relatif setiap kriteria harus diberikan untuk menghitung matrik normalisasi terbobot. W = {W 1, W 2,, W n, } (2.14) Selanjutnya dilakukan perkalian antara bobot pada masing-masing kriteria dengan rating bobot ternormalisasi (yij) dimana i = 1,2,.., m (alternatif) dan j = 1,2,.., n (kriteria) diberikan pada persamaan (2.15). y ij = w i r ij (2.15) 4. Menghitung matriks solusi ideal positif dan matriks solusi ideal negatif. Nilai solusi ideal positip (A + ) dan nilai solusi negatif (A - ) berdasarkan matrik keputusan ternormalisasi terbobot Y. Untuk menghitung A + dan A - harus diperhatikan syarat pada persamaan (2.18) dan persamaan (2.19) apakah kriteria bersifat keuntungan (benefit) atau kriteria bersifat biaya (cost). A + = (y + 1, y + 2,, y + n ) (2.16) A = (y 1, y 2,, y n ) (2.17)
13 17 dengan, y + j = { max i y ij; min i y ij ; jika j adalah kriteria keuntungan jika j adalah kriteria biaya (2.18) y j = { min i y ij; jika j adalah kriteria keuntungan max i y ij ; jika j adalah kriteria biaya (2.19) 5. Menghitung jarak antara nilai setiap alternatif dengan solusi ideal positif dan solusi ideal negatif. Jarak antara alternatif A i dengan solusi ideal positif dirumuskan sebagai: D + i = n j=1 (y + i y ij ) 2 ; i = 1,2,, m (2.20) Sedangkan, jarak antara alternatif A i dengan solusi ideal negatif dirumuskan sebagai : D i = n j=1 (y ij y i ) 2 ; i = 1,2,, m (2.21) 6. Menghitung nilai preferensi untuk setiap alternatif Nilai preferensi untuk setiap alternatif (V i ) diberikan sebagai berikut: V i = D i D i + D i + ; i = 1,2,, m (2.22) Nilai (V i ) yang paling besar, menandakan alternatif tersebut yang dipilih. Berikut ini adalah contoh penyelesaian soal menggunakan metode TOPSIS. Tabel dibawah ini adalah nilai kriteria dari setiap alternatif yang ada, disini akan dihitung perangkingan dari setiap alternatif. Tabel 2.2 Contoh Soal Metode TOPSIS C1 C2 C3 C4 C5 A
14 18 A A A A A A A Untuk bobot awal dimisalkan C1=9, C2=8, C3=7, C4=8, dan C5=9 Langkah-langkah penyelesaian: 1. Menentukan matrik ternormalisasi sesuai dengan persamaan (2.1) yang merujuk pada tabel X = [ ] 2. Membuat matrik keputusan ternormalisasi sesuai dengan persamaan (2.13) r ij = x ij m 2 i=1 x ij X 1 = = 514 = 22,671 r 11 = X 11 X 1 = 8 22,671 = 0,35 Begitu seterusnya sehingga membentuk matrik ternormalisasi (R):
15 19 0,352 0,333 0,400 0,350 0,354 0,308 0,396 0,333 0,380 0,400 0,355 0,400 0,400 0,405 0,354 R = 0,352 0,428 0,311 0,400 0,405 0,352 0,380 0,311 0,300 0,354 0,352 0,352 [ 0,352 0,285 0,333 0,333 0,355 0,266 0,400 0,250 0,200 0,450 0,253 0,253 0,405] 3. Menghitung matriks ternormalisasi terbobot (Y) sesuai dengan persamaan (2.15) Menggunakan bobot awal yang sudah ditentukan di atas: W1 = 9, W2 = 8, W3 = 7, W4 = 8, dan W5 = 9 Maka: y ij = w i r ij y 11 = w 1 r 11 = 9x0,352 = 3,168 Begitu seterusnya sehingga membentuk matriks ternormalisasi terbobot: 3,168 2,664 2,800 2,800 3,186 2,772 3,564 2,664 3,040 2,800 2,485 3,200 3,200 3,645 3,186 Y = 3,168 3,424 2,177 3,200 3,645 3,168 3,040 2,177 2,400 3,186 3,168 3,168 [ 3,168 2,280 2,664 2,664 2,485 1,862 2,800 2,000 1,600 3,600 2,277 2,277 3,645] 4. Menghitung matriks solusi ideal positif dan matriks solusi ideal negatif. Sesuai dengan persamaan (2.16) dan (2.17) Menghitung A + A + = (y 1 +, y 2 +,, y n + ) y 1 + = max{3,168; 2,772; 3,564; 3,168; 3,168; 3,168; 3,168; 3,168} = 3,564 Begitu seterusnya sehingga didapat: A + = {3,564; 2,664; 2,8; 3,6; 3,645} Menghitung A A = (y 1, y 2,, y n y 1 = min{3,168; 2,772; 3,564; 3,168; 3,168; 3,168; 3,168; 3,168} = 2,772 Begitu seterusnya sehingga didapat:
16 20 A = {2,772; 2,28; 1,862; 1,6; 2,277} 5. Menghitung jarak antara nilai setiap alternatif dengan solusi ideal positif dan solusi ideal negatif. Sesuai dengan persamaan (2.20) dan (2.21) + Solusi ideal positif D i n D i + = (y i + y ij ) 2 j=1 D + 1 = (3,564 3,168) 2 + (3,564 3,168) 2 + (3,564 3,168) 2 + = (3,564 3,168) 2 + (3,564 3,168) 2 = Begitu seterusnya sehingga didapat: D + 1 = 1,002 D + 2 = 0,887 D + 3 = 0,781 D + 4 = 1,131 D + 5 = 1,607 D + 6 = 2,198 D + 7 = 2,627 D + 8 = 0,394 Solusi ideal negatif D i n D i = (y ij y i ) 2 j=1 D i = (3,168 2,772) 2 + (2,664 2,280) 2 + (2,8 1,862) 2 = (2,8 1,6) 2 + (3,168 2,772) 2 = 1,603 Begitu seterusnya sehingga didapat: D 1 = 1,603 D 2 = 2,336 D 3 = 2,315 D 4 = 2,179 D 5 = 1,504 D 6 = 0,839 D 7 = 0,734 D 8 = 2, Menghitung nilai preferensi untuk setiap alternatif. Sesuai dengan persamaan (2.22) Nilai preferensi untuk setiap alternatif (V i ) diberikan sebagai berikut: V i = V 1 = D i D i + D i + D 1 D 1 + D 1 + = 1,603 1, ,002 = 0,615
17 21 Begitu seterusnya sehingga didapat: V 1 = 0,615 V 2 = 0,724 V 3 = 0,747 V 4 = 0,658 V 5 = 0,483 V 6 = 0,276 V 7 = 0,218 V 8 = 0,873 Maka yang menjadi alternatif dengan ranking tertinggi adalah V 8 dengan nilai 0, Tinjauan Studi Penelitian lain yang terkait yang pernah dilakukan mengenai pemilihan objek wisata dengan MADM metode Entropy dan TOPSIS antara lain: 1. Perancangan Sistem Travel Advisor Pariwisata Jawa Timur Berbasis Website Menggunakan Rule-Based Expert System. (Nugroho & Rahman, 2011) Jurnal ini membahas tentang merancang sebuah website sistem travel advisor yang terintegrasi dan dapat membantu calon wisatawan dalam menentukan rute tujuan pariwisata yang sesuai dengan kebutuhan berdasarkan bujet, akomodasi dan transportasi dengan menggunakan metode rule-based expert system yang bersumber dari pengalaman seorang pakar pariwisata yakni biro perjalanan wisata. Dengan sistem travel advisor ini calon wisatawan akan mendapatkan seluruh informasi tersebut beserta testimonial mengenai obyek wisata dari wisatawan lain guna mengambil keputusan. 2. Kombinasi Metode TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) dan AHP (Analytical Hierarchy Process) dalam Menentukan Objek Wisata Terbaik di Pulau Bali. (Anhar & Widodo, 2013) Jurnal ini membahas bagaimana membuat suatu sistem pendukung keputusan yang dapat memperhitungkan segala kriteria yang mendukung pengambilan keputusan dalam menentukan objek wisata sesuai harapan wisatawan. Metode yang digunakan dalam mengambil suatu keputusan adalah metode TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) dan AHP (Analytical Hierarchy Process). Dengan menggunakan kedua metode tersebut, maka diperoleh objek wisata terbaik
18 22 menurut wisatawan dari beberapa kriteria (Pemandangan, Keamanan, Kebersihan, Kenyamanan, Biaya, Transportasi) adalah Pantai Uluwatu (0.7380), pantai Dreamland (0.7331), pantai Kuta (0.7305), dan Tanah Lot (0.1747). 3. Personalized Tourist Recomended Systems Based On Analytical Hierarchy Process (AHP). (Fiarni, Sipayung, & Stephanus, 2013) Penelitian ini membahas bagaimana membangun sistem rekomendasi objek wisata menggunakan metode Analytical Hierarchy Proces sesuai dengan preferensi wisatawan dan jenis wisata. Sistem mampu memberikan rekomendasi objek wisata yang tepat sesuai dengan alokasi dana dan preferensi kriteria wisata berdasarkan alternatif yang diinginkan dan memberikan informasi yang berhubungan dengan objek wisata tersebut.
SKRIPSI. 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciPENENTUAN PRODUK KERAJINAN UNGGULAN DENGAN MENGGUNAKAN MADM-TOPSIS
PENENTUAN PRODUK KERAJINAN UNGGULAN DENGAN MENGGUNAKAN MADM-TOPSIS Fera Tri Wulandari 1), Fajar Budi Hartono 2) Abstrak : Pemilihan produk unggulan diharapkan dapat membantu pihak perindustrian dan perdagangan
Lebih 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 terperinciPENERAPAN METODE SIMPLE ADDITIVE WEIGHTING DALAM SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TABLET
PENERAPAN METODE SIMPLE ADDITIVE WEIGHTING DALAM SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TABLET Dhuto Hestu Wicaksono Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Email
Lebih 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 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 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 terperinciMulti-Attribute Decision Making
Multi-Attribute Decision Making Kompetensi Dasar Mahasiswa dapat menyelesaikan masalah pengambilan keputusan dengan metode-metode pada model MADM. Mahasiswa dapat membedakan karakteristik permasalahan
Lebih 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 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 II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Keputusan Teori keputusan adalah teori mengenai cara manusia memilih pilihan diantara pilihan-pilihan yang tersedia secara acak guna mencapai tujuan yang hendak diraih (Hansson,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN 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 terperinci9/22/2011. Bahan Kuliah : Topik Khusus
9//0 Mahasiswa dapat memahami dan mampu mengaplikasikan beberapa metode untuk menyelesaikan masalah dengan alternatifalternatif dalam jumlah yang relatif kecil. Bahan Kuliah : Topik Khusus Fokus Masalah
Lebih terperinciSISTEM 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 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 UNTUK MAHASISWA BERPRESTASI DI STIKES MUHAMMADIYAH PRINGSEWU DENGAN METODE SAW
SISTEM PENDUKUNG KEPUTUSAN UNTUK MAHASISWA BERPRESTASI DI STIKES MUHAMMADIYAH PRINGSEWU DENGAN METODE SAW Fitria Ningsih Jurusan Manajemen Informatika STMIK Pringsewu Lampung Jl. Wismarini no.09 Pringsewu
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM PEMBERIAN BEASISWA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (Studi kasus: Universitas Sari Mutiara Indonesia)
Page 83 SISTEM PENDUKUNG KEPUTUSAN DALAM PEMBERIAN BEASISWA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (Studi kasus: Universitas Sari Mutiara Indonesia) Burhanuddin, Dini 2 Universitas Sari Mutiara Indonesia
Lebih terperinciSistem Informasi Penilaian Supplier Komputer Menggunakan Metode Fuzzy Multiple Attribute Decision Making Dengan Simple Additive Weighting
Sistem Informasi Penilaian Supplier Komputer Menggunakan Metode Fuzzy Multiple Attribute Decision Making Dengan Simple Additive Weighting Johana Harjayanti 1, Anief Fauzan Rozi 2 1 2 Program Studi Sistem
Lebih terperinciPERBANDINGAN NILAI RELIABILITAS DARI HASIL METODE SAW DAN METODE TOPSIS
SNIPTEK 206 ISBN: 978-602-72850-3-3 PERBANDINGAN NILAI RELIABILITAS DARI HASIL METODE SAW DAN METODE TOPSIS Hidayanti Murtina STMIK Nusa Mandiri Jakarta Jl. Damai No. 8 Warung Jati Barat (Margasatwa) Jakarta
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN 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 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 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 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 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 terperinciARTIKEL APLIKASI PEMILIHAN TEMPAT WISATA KABUPATEN TULUNGAGUNG
ARTIKEL APLIKASI PEMILIHAN TEMPAT WISATA KABUPATEN TULUNGAGUNG Oleh: ILHAM SUAIDI 11.1.03.02.0161 Dibimbing oleh : 1. Daniel Swanjaya, M.Kom. 2. Resty Wulanningrum, M.Kom. PROGRAM STUDI TEKNIK INFORMATIKA
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 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 terperinciPENERAPAN METODE MADM-SAW DALAM PENENTUAN PRODUK KERAJINAN UNGGULAN KABUPATEN KLATEN
PENERAPAN METODE MADM-SAW DALAM PENENTUAN PRODUK KERAJINAN UNGGULAN KABUPATEN KLATEN Setiya Nugroho Fakultas Ilmu Komputer, Program Stusi Manajemen Informatika Universitas Widya Dharma Klaten Email: setiyanugroho@gmail.com
Lebih 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 terperinciPEMILIHAN LOKASI SUMBER MATA AIR UNTUK PEMBANGUNAN JARINGAN AIR BERSIH PEDESAAN DENGAN MENGGUNAKAN METODE TOPSIS
PEMILIHAN LOKASI SUMBER MATA AIR UNTUK PEMBANGUNAN JARINGAN AIR BERSIH PEDESAAN DENGAN MENGGUNAKAN METODE TOPSIS Nofi Aditya Konsentrasi Manajemen Proyek Konstruksi, Program Studi Teknik Sipil Pascasarjana
Lebih terperinciSISTEM 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 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 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 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 terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN MOTOR BEBEK DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)
SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN MOTOR BEBEK DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom)
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN LOKASI PERUMAHAN DI KABUPATEN PRINGSEWU MENGGUNAKAN METODE WEIGHTED PRODUCT
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN LOKASI PERUMAHAN DI KABUPATEN PRINGSEWU MENGGUNAKAN METODE WEIGHTED PRODUCT Amel Dhea Saputri 1, Oktafianto 2 Jurusan Sistem Informasi, STMIK PRINGSEWU-LAMPUNG
Lebih 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 terperinciUJIAN TUGAS AKHIR SELEKSI SUPPLIER BAHAN BAKU DENGAN METODE TOPSIS FUZZY MADM (STUDI KASUS PT. GIRI SEKAR KEDATON, GRESIK)
OL UJIAN TUGAS AKHIR SELEKSI SUPPLIER BAHAN BAKU DENGAN METODE TOPSIS FUZZY MADM (STUDI KASUS PT. GIRI SEKAR KEDATON, GRESIK) Oleh: Indira Kusuma Wardhani 1208100048 Pembimbing : Prof. DR. M. Isa Irawan,
Lebih 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 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 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 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 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 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 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 terperinciBayu Erlangga 1, Elisabet Y.A 2
SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KARYAWAN TERBAIK DI WISATA TALANG INDAH DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) (STUDI KASUS : KABUPATEN PRINGSEWU) Bayu Erlangga 1, Elisabet Y.A 2 Jurusan Sistem
Lebih terperinciPenerapan Metode Weighted Product Model Untuk Seleksi Calon Karyawan
Penerapan Metode Weighted Product Model Untuk Seleksi Calon Karyawan Sri Lestari IBI Darmajaya Bandar Lampung e-mail : t4ry09@yahoo.com Abstract The development company is highly influenced by the performance
Lebih terperinciPENENTUAN PENERIMA BEASISWA DENGAN MENGGUNAKAN FUZZY MADM
PENENTUAN PENERIMA BEASISWA DENGAN MENGGUNAKAN FUZZY MADM Apriansyah Putra 1), Dinna Yunika Hardiyanti 2) Email: Apriansyah@unsri.ac.id, dinna_yunika@yahoo.co.id Abstract In every institution especially
Lebih terperinciBAB 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 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 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 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 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 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 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 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 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 terperinciAplikasi Logika Fuzzy pada Pengambilan Keputusan Seleksi Beasiswa Bidikmisi dengan Metode TOPSIS
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Aplikasi Logika Fuzzy pada Pengambilan Keputusan Seleksi Beasiswa Bidikmisi dengan Metode TOPSIS Triyanti, Agus Maman Abadi FMIPA, Universitas
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN 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 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 terperinciPENERAPAN METODE TOPSIS UNTUK MENDUKUNG PROGRAM BANTUAN PERUMAHAN RAKYAT
PENERAPAN METODE TOPSIS UNTUK MENDUKUNG PROGRAM BANTUAN PERUMAHAN RAKYAT Aris Rakhmadi 1*, Nana Suhendar 2 1,2 Prodi Informatika, Fakultas Komunikasi dan Informatika, Universitas Muhammadiyah Surakarta
Lebih terperinciSELEKSI PENERIMAAN CALON KARYAWAN MENGGUNAKAN METODE TOPSIS
SELEKSI PENERIMAAN CALON KARYAWAN MENGGUNAKAN METODE TOPSIS Sri Lestari IBI Darmajaya t4ry09@yahoo.com ABSTRACT One factor supporting human resource development is qualification. The selection of employees
Lebih terperinciANALISIS METODE TOPSIS DALAM PENDUKUNG KEPUTUSAN KELAYAKAN BEASISWA PENDIDIKAN KARYAWAN PADA PT PANGLIMA SIAGA BANGSA
ANALISIS METODE TOPSIS DALAM PENDUKUNG KEPUTUSAN KELAYAKAN BEASISWA PENDIDIKAN KARYAWAN PADA PT PANGLIMA SIAGA BANGSA Tri Yani Akhirina azizahputriku@gmail.com Teknik Informatika, Fakultas Teknik dan MIPA,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Metode Dasar Penelitian Metode dasar yang digunakan dalam penelitian ini adalah deskriptif analisis, yaitu suatu metode penelitian mengenai gambaran lengkap tentang hal-hal
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA BAGI MAHASISWA STMIK AMIKOM YOGYAKARTA SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA BAGI MAHASISWA STMIK AMIKOM YOGYAKARTA SKRIPSI disusun oleh Gerdon 07.12.2562 JURUSAN SISTEM INFORMASI SEKOLAH TINGGI MANAJEMEN INFORMATIKA
Lebih terperinciAndri Syafrianto Teknik Informatika STMIK El Rahma
1 PERBANDINGAN METODE WEIGHTED PRODUCT MODEL (WPM) DAN TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) PADA PROSES PEMILIHAN MAHASISWA YANG BERHAK MENERIMA BEASISWA Andri Syafrianto
Lebih 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 terperinciPEMILIHAN JURUSAN SISWA SMA MENGGUNAKAN METODE PENDUKUNG KEPUTUSAN FUZZY MADM
A24 Seminar Nasional Teknologi Informasi 2016 PEMILIHAN JURUSAN SISWA SMA MENGGUNAKAN METODE PENDUKUNG KEPUTUSAN FUZZY MADM Fata Nidaul Khasanah 1), Rita Wahyuni Arifin 2) 1)2) Teknik Informatika STMIK
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KOST DI SEKITAR KAMPUS UNP KEDIRI MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KOST DI SEKITAR KAMPUS UNP KEDIRI MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Erna Daniati Program Studi Sistem Informasi Fakultas Teknik Universitas Nusantara
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Bab ini menguraikan tinjauan pustaka yang berisi teori-teori yang berkaitan dengan analisis dan pemecahan masalah pada penelitian. 2.1 Kenyamanan Tempat Duduk (Kursi) Mobil Kenyamanan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Langkah-langkah untuk mendefinisikan urutan pemecahan masalah dijelaskan dalam bagian ini. Tahapan-tahapan yang akan dilakukan dalam penelitian ini adalah sebagai berikut
Lebih terperinciIMPLEMENTASI METODE WEIGHTED PRODUCT DALAM SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN TUNJANGAN PROFESI GURU DI KABUPATEN NGAWI
IMPLEMENTASI METODE WEIGHTED PRODUCT DALAM SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN TUNJANGAN PROFESI GURU DI KABUPATEN NGAWI Sylvia Elita Esteriani A11.2009.04702 TEKNIK INFORMATIKA-S1 UNIVERSITAS
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 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 terperinciPEMBUATAN MODEL PENILAIAN INDEKS KINERJA DOSEN MENGGUNAKAN METODE FUZZY MULTI ATTRIBUTE DECISION MAKING (FMADM) Febri Triananingsih
PEMBUATAN MODEL PENILAIAN INDEKS KINERJA DOSEN MENGGUNAKAN METODE FUZZY MULTI ATTRIBUTE DECISION MAKING (FMADM) Febri Triananingsih Jurusan Sistem Informasi, STMIK Pringsewu Lampung Jl. Wismarini No. 09
Lebih terperinciGus melia Testiana. IAIN Raden Fatah, Palembang, Indonesia
PEMANFAATAN LOGIKA FUZZY MULTIPLE ATTRIBUTE DECISSION MAKING (FMADM) DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) UNTUK PENENTUAN PENERIMA BEASISWA DI IAIN RADEN FATAH PALEMBANG Gus melia Testiana IAIN
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN MAHASISWA TERBAIK MENGGUNAKAN FUZZY MULTIPLE ATTRIBUTE DECISION MAKING DENGAN SIMPLE ADDITIVE WEIGHTING
Seminar Nasional Teknologi Informasi dan Multimedia 0 STMIK AMIKOM Yogyakarta, 8 Februari 0 ISSN : 0-80 SISTEM PENDUKUNG KEPUTUSAN PENENTUAN MAHASISWA TERBAIK MENGGUNAKAN FUZZY MULTIPLE ATTRIBUTE DECISION
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 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 terperinciKata Kunci: Sistem Pendukung Keputusan,Program Sosial, BLSM, Fuzzy-MADM, SAW
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BANTUAN LANGSUNG SEMENTARA MASYARAKAT (BLSM) MENGGUNAKAN FUZZY MADM DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) (STUDI KASUS: KELURAHAN KARANGANYAR DEMAK) Iva Fitria
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 2 LANDASAN TEORI
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,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN MEMILIH LAPTOP UNTUK MAHASISWA MULTIMEDIA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW)
SISTEM PENDUKUNG KEPUTUSAN MEMILIH LAPTOP UNTUK MAHASISWA MULTIMEDIA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW) Hendri Yustriandi 1, Elisabet Y. A 2 Jurusan Sistem Informasi STMIK Pringsewu Lampung
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 terperinci