BAB 4 Hasil dan Pembahasan
|
|
- Liani Susanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB 4 Hasil dan Pembahasan 4.1. Spesifikasi Sistem Dalam pengerjaan program aplikasi ini, penulis menggunakan jenis hardware dan software sebagai berikut : Hardware Dalam perancangan program aplikasi ini, penulis menggunakan komputer dan sistem operasi dengan spesifikasi sebagai berikut : 1. Processor : Intel(R) Core(TM) i3 237M 2.4GHz 2.4 GHz 2. Memory : 6, GB (5,89 GB usable) 3. Sistem Operasi : Windows 7 Ultimate Service Pack Software Adapun perangkat lunak yang digunakan sebagai berikut 1. Xampp 2. Notepad++ 3. Browser 4.2. Cara Penggunaan Program Pada sub bab ini akan dijelaskan bagaimana cara menggunakan program yang telah dibuat, penjelasan setiap menu serta validasi dan ketentuan yang ada Menu Home Pada saat program pertama kali dijalankan maka akan muncul tampilan menu awal yang berisi data penulis dan salam dari penulis. Seperti terlihat pada gambar di bawah ini : 49
2 5 Gambar 4.1. Contoh Screenshot program menu home Menu Home ini berisi tentang data-data dari penulis skripsi. Ini hanya berisi tentang kalimat pembuka dari program ini Menu Kriteria Pada menu kriteria terdapat inputan jenis kriteria, nilai bobot dari kriteria, dan input nama kriterianya. setelah itu menyimpan data dan memunculan tabel kriterianya. inputan kriteria bernilai maksimum 1. Seperti terlihat pada gambar di bawah ini : Gambar 4.2. Contoh Screenshot program menu kriteria
3 51 Pada menu kriteria, pertama kita memilih jenis kriteria, jenis kriteria berisi dua buah pilihan yaitu jenis biaya (untuk minimalisir) atau keuntungan (untuk maksimal), ini mempengaruhi proses perhitungan setiap data awal alternatif untuk proses pembebasan dimensi atau yang kita sebut normalisasi sehingga dapat dihitung proses perangkingan. Setelah itu kita akan memasukkan nilai bobot kriteria yang memiliki batasan nilaidari hingga 1, disini si pengguna program yang memilki kuasa untuk menentukan berapa besar kriteria tersebut mempengaruhi keputusan. Ketika batasan sudah mencapai angka 1, baru tabel alternatif bisa kita isi. Menu terakhir dari kriteria adalah memasukan nama kriterianya, lalu kita tekan tombol tambah dan data tersebut akan disimpan dalam session, kemudian akan ditampilkan di tabel data kriteria Menu Alternatif Pada layar alternatif ini terdapat inputan nama alternatif lalu tekan tombol tambah, dan akan muncul inputan baru yaitu mengisi nilai alternatif dari setiap nilai kriteria yang sebelumnya telah kita input diawal. Pada saat kita ingin meng-input data alternatif pastikan dahulu nilai bobot pada menu kriteria telah mencapai angka 1, atau tidak akan bisa input alternatif. Seperti terlihat pada gambar di bawah ini :
4 52 Gambar 4.3. Contoh Screenshot program menu alternatif Pada menu alternatif berisi tentang masukkan nama alternatif kemudia kita tekan tombol tambah, akan memunculkan field-field untuk memasukkan nilai kriteria dari alternatif tersebut. Jika terdapat 3 alternatif dia akan memunculkan 3 field yang berisi inputan nilai dari alternatif tersebut. setelah itu kita tekan tombol simpan data untuk menyimpan data dan memunculkan data di tabel data alternatif Menu Tabel Awal Pada layar menu tabel awal, disini terdapat data tabel nilai awal yang berisi inputan kriteria dan alternatif yang sebelumnya. Data tabel awal ini yang akan diproses untuk mendapatkan perankingan terbaik. Setelah tabel awal ini ada tombol normalisasi untuk mendapatkan hasil vektor S dan vektor V setiap metode. Hasilnya dalam bentuk tabel yang sudah diurutkan rankingnya berdasarkan nilai vektor v terbesarnya. Pada awalnya, layar menu tabel awal kita harus menekan tombol get wp score, untuk memperbaiki nilai pembobotan kriteria untuk metode Weighted Product. ini dilakukan hanya pada proses perhitungan metode WP.
5 53 Setelah itu kita akan mengklik tombol normalisasi, proses yang terjadi disini adalah proses pembebasan dimensi atau yang kita sebut normalisasi, dari setiap data awal agar dapat dilakukan perhitungan perkalian dari setiap data awal. Proses perhitungan ini akan menghasilkan data pada vektor S. Setelah data awal sudah bebas dimensi seperti yang terlihatt datanya pada tabel vektor S, kita akan melakukan proses perhitungan perangkingan. Data yang telah diproses, akan diinput kedalam tabel vektor V, yang langsung diurutkan berdasarkan nilai vektor V tertinggi hingga terendah. Dibawah ini terdapat contoh tangkapan layar dari menu tabel awal yang berisi kasus awal hingga mendapatkan hasil : Gambar Contoh Screenshot program menu hasil (Kasus Awal)
6 54 Gambar 4.5. Contoh Screenshot program menu hasil (metode WP)
7 55 Gambar 4.6. Contoh Screenshot program menu hasil (metode SAW)
8 56 Hasil program pengambilan keputusan dari masalah yang ada menunjukan bahwa dengan metode Weighted Product atau Simple Additive Weight memiliki perbedaan untuk perangkingan alternatif tersebut. Bisa kita lihat pada hasil tersebut hanya alternatif rangking 1 dan alternatif rangking terakhir saja yang memiliki persamaan. Untuk rangking 1, kita akan memilih jenis pati yang optimal dari singkong Darul Hidayah. Untuk rangking terakhir atau 14 kita akan memilih jenis pati yang paling tidak optimal yaitu Adira-4. Menurut berbagai sumber proses metode Simple Additive Weighting adalah yang terbaik, karena terdapat proses pembebasan dimensi awal pada data sehingga dapat dilakukan perkalian silang dan penjumlahan dari setiap nilai kriteria pada alternatif - alternatif yang ada Hasil dan Pembahasan dari Perhitungan secara Manual. Disini penulis akan membandingkan hasil analisis kasus tersebut menggunakan metode Weighted product (WP) dan Simple Additive Weighting (SAW) secara manual Hasil dan Pembahasan Metode Weighted Product Disini Penulis mempunyai contoh kasus yang sama yang telah dikerjakan oleh program. Penulis akan melihat apakah ada data yang berbeda antara penulisan secara manual dan program. Seorang pengusaha akan memilih jenis ubikayu yang akan ditanam sebagai bahan baku industri edible filmnya. kriteria yang ditanam mengharuskan kadar pati yang terbanyak untuk bahan baku edible filmnya. Si pengusaha tersebut memiliki beberapa kriteria ketentuan dalam memilih jenis ubikayu itu, seperti usia panen yang singkat, hasil panen yang berlimpah dan memiliki kadar pati yang tinggi. terdapat 3 kriteria yang akan digunakan untuk melakukan penilaian, yaitu : C 1 = Usia Panen (bulan) Cost C 2 = Hasil Panen (ton / ha) Benefit C 3 = Kadar Pati (%) Benefit
9 57 Pemberi Keputusan akan memberikan bobot kriteria sebagai berikut : C 1 = 2%, C 2 = 35%, C 3 = 45% Tabel 4.1. Tabel dari nilai bobot kriteria. Nilai Bobot Keterangan Bobot Kriteria 1 45% Sangat Penting Tertinggi 9 4% Lebih Penting 8 35% Penting 7 3% Lumayan Penting 6 25% Cukup Penting 5 2% Agak Penting 4 15% Kurang penting 3 1% Mungkin Penting 2 5% Mungkin Tidak Penting 1 % Tidak penting Terendah Terdapat 14 jenis alternatif yang akan dipilih, tabel awal nya : Tabel 4.2. Tabel awal contoh kasus No. Varietas Umur (Bulan) Potensi Hasil (Ton/Ha) Kadar Pati (%) 1. Adira % 2. Adira % 3. Adira-4 1,5-11, %-22% 4. Malang ,5 32%-36% 5. Malang ,5 32%-36% 6. Malang ,7 25%-32% 7. Malang ,41 25%-32% 8. Darul Hidayah ,1 25%-31,52% 9. UJ %-27% 1. UJ %-3% 11. Muara ,9% 12. SPP ,4% 13. Valenca ,1% 14. Bogor ,9%
10 58 Pada kasus ini kita akan mengambil nilai yang terbesar dan terkecil dikarenakan kita akan mencari yang terbaik (kriteria keuntungan dan biaya),seperti tabel dibawah ini : Tabel 4.3. Tabel awal yang telah disortir berdasarkan jenis kriterianya. Jenis Kriteria Biaya Keuntungan Keuntungan Bobot Kriteria,2,35,45 No. Varietas Kriteria Umur Potensi Hasil (Ton/Ha) Kadar Pati (%) (Bulan) 1. Adira % 2. Adira % 3. Adira-4 1, % 4. Malang ,5 36% 5. Malang ,5 36% 6. Malang ,7 32% 7. Malang ,41 32% 8. Darul Hidayah 8 12,1 31,52% 9. UJ % 1. UJ % 11. Muara ,9% 12. SPP ,4% 13. Valenca ,1% 14. Bogor 8 3 3,9% Cara pengerjaan : pertama kita akan melakukan perbaikan bobot kriteria terlebih dahulu,yaitu : nilai bobot total (W) berdasarkan tabel 4.1 = = 23. Perbaikan bobot = 5 C , C , C,
11 59 kemudian akan dihitung vektor S nya. dengan rumus : S i = X ; dengan i = 1,2,...,m S 1 = (7 -,217 ) (22,348 ) (,45,435 ) = 1,358 S 2 = (8 -,217 ) (21,348 ) (,41,435 ) = 1,246 S 3 = (1,5 -,217 ) (35,348 ) (,22,435 ) = 1,71 S 4 = (9 -,217 ) (36,5,348 ) (,36,435 ) = 1,392 S 5 = (8 -,217 ) (31,5,348 ) (,36,435 ) = 1,357 S 6 = (9 -,217 ) (37,348 ) (,32,435 ) = 1,329 S 7 = (9 -,217 ) (36,41,348 ) (,32,435 ) = 1,321 S 8 = (8 -,217 ) (12,1,348 ) (,3152,435 ) = 1,928 S 9 = (8 -,217 ) (35,348 ) (,27,435 ) = 1,242 S 1 = (8 -,217 ) (38,348 ) (,3,435 ) = 1,338 S 11 = (7 -,217 ) (3,348 ) (, 269,435 ) = 1,29 S 12 = (1 -,217 ) (3,348 ) (,354,435 ) = 1,261 S 13 = (7 -,217 ) (2,348 ) (,331,435 ) = 1,149 S 14 = (8 -,217 ) (3,348 ) (,39,435 ) = 1,248 Nilai Vektor V yang akan digunakan untuk perankingan dapat dihitung berdasarkan persamaan : V n j 1 X W j ij n j 1 X ij W j ; dengan i = 1, 2,..., m Kita akan mencari nilai pembagi dulu, yaitu dengan penjumlahan dari keseluruhan data ada vektor S. yaitu X = 1, , ,71 + 1, , , , , , ,29 + 1, , ,248 = Lalu mencari nilai Vektor V dari setiap alternatif : V 1,358,74 V 1,246,68 V 1,71,58
12 6 V 1,392,75 V 1,357,74 V 1,329,72 V 1,321,72 V 1,928,15 V 1,242,67 V 1,338,73 V 1,29,66 V 1,261,68 V 1,149,62 V 1,248,68 Hasil perangkingannya akan disajikan dalam bentuk tabel di bawah ini : Tabel 4.4. Tabel Hasil Metode WP No. Varietas Nilai Vektor V Ranking 1. Adira-1, Adira-2, Adira-4, Malang-1, Malang-2, Malang-4, Malang-6, Darul Hidayah, UJ-3,67 11
13 61 1. UJ-5, Muara, SPP, Valenca, Bogor,68 8 Urutan rangkingnya akan digambarkan dalam diagram batang dibawah ini :.12 Hasil Metode WP Hasil Metode WP.2 Gambar 4.7. Gambar Diagram Batang Hasil metode WP Hasil dan Pembahasan Metode Simple Additive Weighting (SAW) Metode ini merupakan metode yang paling dikenal dan paling banyak digunakan orang dalam menghadapi situasi Multi Attribute Decision Making. Metode ini mengharuskan pembuat keputusan menentukan bobot bagi setiap kriteria. Skor total untuk sebuah alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating (yang dapat dibandingkan lintas kriteria) dan bobot tiap kriteria. rating tiap kriteria haruslah bebas dimensi dalam arti telah melewati proses normalisasi sebelumnya.
14 62 Tahapan yang dilakukan dalam metode SAW adalah : 1. perbandingan lintas kriteria sehinga penilaian tersebut harus tidak berdimensi dengan jalan melakukan normalisasi linier. 2. dilakukan perkalian di antara bobot tiap kriteria dengan hasil penilaian bebas dimensi tersebut. 3. hasil perkalian tersebut dijumlahkan untuk tiap alternatif. 4. dipilih nilai alternatif yang memiliki nilai total perkalian terbesar sebagai alternatif terbaik. contoh kasus : Seorang pengusaha akan memilih jenis ubikayu yang akan ditanam sebagai bahan baku industri edible filmnya. Kriteria yang ditanam mengharuskan kadar pati yang terbanyak untuk bahan baku edible filmnya. Si pengusaha tersebut memiliki beberapa kriteria ketentuan dalam memilih jenis ubikayu itu, seperti usia panen yang singkat, hasil panen yang berlimpah dan memiliki kadar pati yang tinggi. Tabel 4.5. Tabel awal yang berisi data alternatif dan kriteria. Jenis Kriteria Biaya Keuntungan Keuntungan Bobot Kriteria,2,35,45 No. Varietas Kriteria Umur Potensi Hasil (Ton/Ha) Kadar Pati (%) (Bulan) 1. Adira % 2. Adira % 3. Adira % 4. Malang ,5 36% 5. Malang ,5 36% 6. Malang ,7 32% 7. Malang ,41 32% 8. Darul Hidayah 8 12,1 31,52% 9. UJ % 1. UJ % 11. Muara ,9%
15 SPP ,4% 13. Valenca ,1% 14. Bogor 8 3 3,9%. Ada 3 kriteria yang akan digunakan untuk melakukan penilaian, yaitu : C 1 = Usia Panen (bulan) Cost C 2 = Hasil Panen (ton / ha) Benefit C 3 = Kadar Pati (%) Benefit Pemberi Keputusan akan memberikan bobot kriteria diawal sebagai berikut : C 1 = 2%, C 2 = 35%, C 3 = 45% Tabel 4.6. Tabel kode, ketentuan kriteria, tipenya dan nilai bobot. Kode Kriteria Ketentuan kriteria Tipe Kriteria Bobot C 1 Usia panen Biaya,2 C 2 Hasil panen Keuntungan,35 C 3 Kadar pati Keuntungan,45 Dari masing-masing kriteria tersebut, akan ditentukan bobot-bobotnya. Pada bobot terdiri dari empat bilangan fuzzy karena sesuai dengan rumusnya yaitu n+1, dimana n adalah banyak bilangan, yaitu penting (P), cukup penting (CP), kurang penting (KP) dan tidak penting (TP). Tabelnya seperti ini: Tabel 4.7. Tabel fuzzy dari 4 kriteria. Kriteria Bobot (Nilai) Tidak Penting (TP) Variabel ke / (4-1) = Kurang Penting (KP) Variabel ke 1 / (4-1) =,333 Cukup Penting (CP) Variabel ke 2 / (4-1) =,666 Penting (P) Variabel ke 3 / (4-1) = 1 Nilai bobot tersebut dibuat dalam sebuah diagram batang supaya lebih jelas, seperti di bawah ini :
16 Nilai bobot dari Kriteria Nilai bobot dari Kriteria.4.2 Kurang Penting Cukup Penting Penting Gambar 4.8. Gambar Diagram Batang Fuzzy dari 3 Data Kriteria. Dibawah ini adalah bilangan fuzzy dari bobot setiap kriteria : 1. Kriteria dan Nilai Bobot Usia panen (dalam bulan) Tabel 4.8. Tabel fuzzy nilai bobot dari usia panen. Usia Panen Proses pembobotan Bobot <7 bulan Variabel ke / (7-1) 7 bulan Variabel ke 1 / (7-1),166 8 bulan Variabel ke 2 / (7-1),333 9 bulan Variabel ke 3 / (7-1),5 1 bulan Variabel ke 4 / (7-1), bulan Variabel ke 5 / (7-1),833 >11 bulan Variabel ke 6 / (7-1) 1
17 Nilai bobot dari Usia Panen Nilai bobot dari Usia Panen.2 <7 bulan 7 bulan 8 bulan 9 bulan 1 bulan 11 bulan >11 bulan Gambar 4.9. Gambar Diagram Batang Fuzzy dari Tabel Usia Panen 2. Kriteria dan Nilai Bobot Hasil Panen (ton/ha) Tabel 4.9. Tabel fuzzy nilai bobot dari hasil panen. Hasil Panen Proses pembobotan Bobot <=2 ton Variabel ke / (1-1) 2,1-3 ton Variabel ke 1 / (1-1),11 3,1-4 ton Variabel ke 2 / (1-1),22 4,1-5 ton Variabel ke 3 / (1-1),33 5,1-6 ton Variabel ke 4 / (1-1),44 6,1-7 ton Variabel ke 5 / (1-1),56 7,1-8 ton Variabel ke 6 / (1-1),67 8,1-9 ton Variabel ke 7 / (1-1),78 9,1-1 ton Variabel ke 8 / (1-1),89 >=1 ton Variabel ke 9 / (1-1) 1
18 Nilai bobot dari Hasil Panen Nilai bobot dari Hasil Panen.2 Gambar 4.1. Gambar Diagram Batang Fuzzy dari Tabel Hasil Panen 3. Kriteria dan Nilai Bobot Kadar Pati Ubikayu (%) Tabel 4.1. Tabel fuzzy nilai bobot dari kadar pati ubikayu. Kadar pati (%) Proses pembobotan Bobot <=5% Variabel ke / (11-1) 5,1-1 % Variabel ke 1 / (11-1),1 1,1-15 % Variabel ke 2 / (11-1),2 15,1-2 % Variabel ke 3 / (11-1),3 2,1-25 % Variabel ke 4 / (11-1),4 25,1-3 % Variabel ke 5 / (11-1),5 3,1-35 % Variabel ke 6 / (11-1),6 35,1-4 % Variabel ke 7 / (11-1),7 4,1-45 % Variabel ke 8 / (11-1),8 45,1-5 % Variabel ke 9 / (11-1),9 >= 5% Variabel ke 1 / (11-1) 1
19 Nilai bobot dari Kadar Pati Ubikayu (%) Nilai bobot dari Kadar Pati Ubikayu (%).2 Gambar Gambar diagram batang fuzzy dari tabel kadar pati. Setelah itu, kita akan menormalisasi nilai awal dari setiap jenis agar bebas dimensi dan bisa dijumlahkan untuk mendapatkan hasil yang terbaik. Tabel Tabel awal normalisasi metode SAW. Jenis Kriteria Biaya Keuntungan Keuntungan Bobot Kriteria,2,35,45 No. Varietas Kriteria Umur Potensi Hasil (Ton/Ha) Kadar Pati (%) (Bulan) 1. Adira-1,166,11,8 2. Adira-2,333,11,8 3. Adira-4,833,22,4 4. Malang-1,5,22,7 5. Malang-2,333,22,7 6. Malang-4,5,22,6 7. Malang-6,5,22,6 8. Darul Hidayah,333 1,6
20 68 9. UJ-3,333,22,5 1. UJ-5,333,22,5 11. Muara,166,22,5 12. SPP,666,22,7 13. Valenca,166,11,6 14. Bogor,333,22,6 Matriksnya akan menjadi : X =, 333, 333, 333, 333, 666,166, 333, 833, 5, 5, 5,166,166, 333,11,11, 22, 22, 22, 22, 22 1, 22, 22, 22, 22,11, 22, 8, 8, 4, 7, 7, 6, 6, 6, 5, 5, 5, 7, 6, 6 Normalisasi jika kriteria bernilai biaya maka rumusnya adalah : R ii = (min{x ij } /X ij ) Normalisasi jika kriteria bernilai keuntungan maka rumusnya adalah : R ii = ( X ij / max{x ij }) Dari kolom C 1 yang jenis kriterianya adalah biaya, maka kita mencari nilai minimalnya yaitu,166, jadi tiap baris dari kolom C 1 menjadi penyebut dari nilai maksimal kolom C 1 : R 11 =,166 /,166 = 1 R 21 =,166 /,333 =,5
21 69 R 31 =,166 /,833 =,2 R 41 =,166 /,5 =,33 R 51 =,166 /,333 =,5 R 61 =,166 /,5 =,33 R 71 =,166 /,5 =,33 R 81 =,166 /,333 =,5 R 91 =,166 /,333 =,5 R 11 =,166 /,333 =,5 R 111 =,166 /,166 = 1 R 121 =,166 /,666 =,25 R 131 =,166 /,166 = 1 R 141` =,166 /,333 =,5 Dari kolom C 2 yang jenis kriterianya adalah keuntungan, maka nilai maksimalnya adalah 1, jadi tiap baris dari kolom C 2 dibagi oleh nilai maksimal kolom C 2 R 12 =,11 / 1 =,11 R 22 =,11 / 1 =,11 R 32 =,22 / 1 =,22 R 42 =,22 / 1 =,22 R 52 =,22 / 1 =,22 R 62 =,22 / 1 =,22 R 72 =,22 / 1 =,22 R 82 = 1/ 1 = 1 R 92 =,22 / 1 =,22 R 12 =,22 / 1 =,22 R 112 =,22 / 1 =,22 R 122 =,22 / 1 =,22 R 132 =,11 / 1 =,11 R 142 =,22 / 1 =,22
22 7 Dari kolom C3 yang jenis kriterianya adalah keuntungan, maka nilai maksimalnya adalah ',8', jadi tiap baris dari kolom C3 dibagi oleh nilai maksimal kolom C3 : R 13 =,8 /,8 = 1 R 23 =,8 /,8 = 1 R 33 =,4 /,8 =,5 R 43 =,7 /,8 =,875 R 53 =,7 /,8 =,875 R 63 =,6 /,8 =,75 R 73 =,6 /,8 =,75 R 83 =,6 /,8 =,75 R 93 =,5 /,8 =,625 R 13 =,5 /,8 =,625 R 113 =,5 /,8 =,625 R 123 =,7 /,8 =,875 R 133 =,6 /,8 =,75 R 143 =,6 /,8 =,75 Hasilnya akan menjadi tabel faktor ternomalisasi (Vektor S), seperti dibawah ini : Tabel Tabel Vektor S metode SAW. Jenis Kriteria Biaya Keuntungan Keuntungan Bobot Kriteria,2,35,45 No. Varietas Kriteria Usia Panen Hasil Panen Kadar Pati 1. Adira-1 1, Adira-2,5, Adira-4,2,22,5 4. Malang-1,33,22, Malang-2,5,22, Malang-4,33,22,75 7. Malang-6,33,22,75 8. Darul Hidayah,5 1,75
23 71 9. UJ-3,5,22, UJ-5,5,22, Muara 1,22, SPP,25,22, Valenca 1,11, Bogor,5,22,75 setelah mendapat tabel faktor ternomalisasi tersebut, lalu akan mengalikan setiap kolom di tabel tersebut dengan bobot kriteria yang telah kita deklarasikan sebelumnya menggunakan rumus : V i = V 1 = (1 x,2) + (,11 x,35) + (1 x,45) =,6885 V 2 = (,5 x,2) + (,11 x,35) + (1 x,45) =,5885 V 3 = (,2 x,2) + (,22 x,35) + (,5 x,45) =,342 V 4 = (,33 x,2) + (,22 x,35) + (,875 x,45) =,53675 V 5 = (,5 x,2) + (,22 x,35) + (,875 x,45) =,5775 V 6 = (,33 x,2) + (,22 x,35) + (,75 x,45) =,485 V 7 = (,33 x,2) + (,22 x,35) + (,75 x,45) =,485 V 8 = (,5 x,2) + (1 x,35) + (,75 x,45) =,7875 V 9 = (,5 x,2) + (,22 x,35) + (,625 x,45) =,45825 V 1 = (,5 x,2) + (,22 x,35) + (,625 x,45) =,45825 V 11 = (1 x,2) + (,22 x,35) + (,625 x,45) =,55825 V 12 = (,25 x,2) + (,22 x,35) + (,875x,45) =,5275 V 13 = (1 x,2) + (,11 x,35) + (,75 x,45) =,576 V 14 = (,5 x,2) + (,22 x,35) + (,75 x,45) =,5145 W j R ij Hasil perangkingannya akan disajikan dalam bentuk tabel di bawah ini : Tabel Tabel Hasil Metode WP No. Varietas Nilai Vektor V Ranking 1. Adira-1, Adira-2, Adira-4,342 14
24 72 4. Malang-1, Malang-2, Malang-4, Malang-6, Darul Hidayah, UJ-3, UJ-5, Muara, SPP, Valenca, Bogor, Urutan rangkingnya akan digambarkan dalam diagram batang dibawah ini : Hasil dari metode SAW Hasil dari metode SAW Gambar Gambar Hasil Metode SAW Berdasarkan hasil dari perhitungan secara manual dan dalam program, penulis menyimpulkan bahwa terdapat satu jenis yang terunggul yang diinginkan dari si pengusaha tersebut yaitu Darul Hidayah, sedangkan untuk jenis yang terendah adalah jenis Adira-4.
Dedi Dermawan. Binus University, Jalan K.H. Syahdan no. 9, Palmerah, Jakarta (11480), Indonesia Rojali S.Si., M.Si.
ANALISIS DAN PERANCANGAN PROGRAM PENGAMBILAN KEPUTUSAN PEMILIHAN JENIS PATI SINGKONG SEBAGAI BAHAN BAKU EDIBLE FILM MENGGUNAKAN METODE WEIGHTED PRODUCT DAN SIMPLE ADDITIVE WEIGHTING BERBASIS PHP Dedi Dermawan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Alur Metodologi Penelitian Metodologi penelitian merupakan sekumpulan rangkaian tahapan kegiatan atau prosedur yang digunakan oleh pelaksana penelitian yang dilakukan
Lebih terperinciBAB IV IMPLEMENTASI SISTEM DAN PENGUJIAN
BAB IV IMPLEMENTASI SISTEM DAN PENGUJIAN 4.1 Implementasi Sistem Pada tahap implementasi, merupakan tahapan penerapan dan pengujian dari portal informasi yang sudah dirancang. Penerapan rancangan yang
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilakukan di Jurusan Ilmu Komputer, Fakultas Matematika dan Ilmu
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini dilakukan di Jurusan Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Lampung. Waktu penelitian dilakukan
Lebih terperinciBAB V HASIL DAN PEMBAHASAN. kebutuhan fungsional dan kebutuhan non-fungsional. penentuan kecocokan penanaman pohon. Proses tersebut seperti yang telah
BAB V HASIL DAN PEMBAHASAN A. Analisis Kebutuhan Hasil pengamatan yang dilakukan di Perum Perhutani KPH Banyumas Timur didapatkan kesimpulan bahwa kebutuhan yang harus terpenuhi supaya aplikasi yang nantinya
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN 3.1 Alat dan Bahan Penelitian Alat dan bahan yang digunakan dalam penelitian ini adalah komputer dengan perangkat lunak pendukung sebagai berikut: 1. Perangkat keras a.
Lebih terperinciBAB V PEMBAHASAN DAN IMPLEMENTASI
BAB V PEMBAHASAN DAN IMPLEMENTASI Dalam bab pembahasan dan implementasi ini akan menampilkan antarmuka form yang terdapat pada sistem pendukung keputusan pemberian pembiayaan usaha mikro. 5.1 Implementasi
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JURUSAN MENGGUNAKAN METODE FUZZY SAW (Studi Kasus SMKN 4 Bandar lampung)
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JURUSAN MENGGUNAKAN METODE FUZZY SAW (Studi Kasus SMKN 4 Bandar lampung) Fitria¹, sulyono² ¹, ² Department of Informatics Engineering, The Informatics and Busines,
Lebih terperinciJurnal Informasi Volume VII No.1 / Februari / 2015
SISTEM PENDUKUNG KEPUTUSAN PENERIMA BEASISWA KOPERTIS DI FAKULTAS TEKNIK UNSUR CIANJUR MENGGUNAKAN FUZZY MADM DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Ai Musrifah Ela Sopiyillah ABSTRAK Fakultas Teknik
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 terperinciKeywords - Rekrutmen, SAW (Simple Additive Weighting) 12 JURNAL TRANSFORMATIKA, Volume 14, Nomor 1, Juli 2016
ANALISA PENERIMAAN DOSEN BARU DENGAN MENGGUNAKAN SAW (SIMPLE ADDITIVE WEIGHTING) Nurtriana Hidayati anna@usm.ac.id Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang Abstract - Penerimaan
Lebih terperinciKeywords - Rekrutmen, SAW (Simple Additive Weighting) 12 JURNAL TRANSFORMATIKA, Volume 14, Nomor 1, Juli 2016
ANALISA PENERIMAAN DOSEN BARU DENGAN MENGGUNAKAN SAW (SIMPLE ADDITIVE WEIGHTING) Nurtriana Hidayati anna@usm.ac.id Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang Abstract - Penerimaan
Lebih terperinciLOGIKA FUZZY DALAM PENENTUAN BOBOT KRITERIA PADA PEMILIHAN VARIETAS PADA UNGGUL
Jurnal POROS TEKNIK, Volume 7 No. 2, Desember 2015 : 54-105 ISSN 2085-5761 (Print) LOGIKA FUZZY DALAM PENENTUAN BOBOT KRITERIA PADA PEMILIHAN VARIETAS PADA UNGGUL Nurmahaludin (1), Gunawan Rudi Cahyono
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 terperinciDesi Reskika Sari ( )
PERANCANGAN APLIKASI SISTEM PENDUKUNG KEPUTUSAN PENENTUAN LOKASI PEMASARAN RUMAH DENGAN METODE SIMPLE ADDITIVE WEIGHTING (STUDI KASUS: PT. VISTA ESTATE MEDAN) Desi Reskika Sari (1111543) Mahasiswa Program
Lebih terperinciBAB III METODE PENELITIAN. dilaksanakan pada Semester Genap Tahun Ajaran 2014/2015. Perangkat yang digunakan dalam penelitian ini meliputi:
BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Penelitian Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung Selatan. Waktu penelitian dilaksanakan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN IV.1 Tampilan Hasil Hasil dari tampilan sistem pendukung pengambilan keputusan seleksi tender proyek konstruksi perencanaan dan program di Balai Wilayah Sungai Sumatera II menggunakan
Lebih terperinciBAB V IMPLEMENTASI DAN PENGUJIAN
BAB V IMPLEMENTASI DAN PENGUJIAN 5.1 Implementasi Implementasi merupakan tahap dilakukan pengkodean hasil dari analisa dan perancangan ke dalam sistem, sehingga akan diketahui apakah sistem yang dibuat
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) ARTIKEL SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) ARTIKEL SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada
Lebih terperinciSISTEM INFORMASI PEMILIHAN JURUSAN PADA SMK N 1 KENDAL BERBASIS DECISION SUPPORT SYSTEM MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW)
SISTEM INFORMASI PEMILIHAN JURUSAN PADA SMK N 1 KENDAL BERBASIS DECISION SUPPORT SYSTEM MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW) Moh. Muthohir 1, Ahmad Zainudin 2 1 Jurusan Teknik Komputer, Sekolah
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA DI SMA NEGERI 6 PANDEGLANG
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA DI SMA NEGERI 6 PANDEGLANG Heri Sulistiyo Jurusan Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonrsia Jln.
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1 Analisa Masalah Analisa masalah bertujuan untuk mengklarifikasi serta melakukan evaluasi terhadap sistem pembelian sepeda motor bekas yang sedang berjalan pada
Lebih terperinciPENGEMBANGAN SISTEM PENENTUAN KELAYAKAN KPR MENGGUNAKAN METODE SAW PADA BANK SYARIAH BUKOPIN
PENGEMBANGAN SISTEM PENENTUAN KELAYAKAN KPR MENGGUNAKAN METODE SAW PADA BANK SYARIAH BUKOPIN Amalia 1, Imam Fahrur Rozi 2, Rudy Ariyanto 3 Program Studi Teknik Informatika, Jurusan Teknologi Informasi,
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 PENILAIAN KARYAWAN TERBAIK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING PADA DEALER MOTOR
SISTEM PENILAIAN KARYAWAN TERBAIK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING PADA DEALER MOTOR Aris Rakhmadi 1*, Bambang Efirianto 2 1,2 Prodi Informatika, Fakultas Komunikasi dan 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 terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1 Implementasi Sistem Pada implementasi sistem ini akan dijelaskan mengenai perangkat yang digunakan saat pembuatan aplikasi ini. Berikut merupakan spesifikasi perangkat
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Instrumen Penelitian Instrumen peneliian berfungsi sebagai alat bantu dalam mengumpulkan data-data yang dibutuhkan dalam sebuah penelitan. Penyusunan instrumen seperti halnya
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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sebuah langkah-langkah atau cara yang digunakan untuk mencari dan memperoleh data-data yang diperlukan dan selanjutnya diproses menjadi informasi
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 terperinciSISTEM REKOMENDASI PEMBERHENTIAN HUBUNGAN KERJA MENGGUNAKAN FUZZY MULTIPLE ATTRIBUTE DECISION MAKING METODE SIMPLE ADDTIVE WEIGHTING (SAW) SKRIPSI
SISTEM REKOMENDASI PEMBERHENTIAN HUBUNGAN KERJA MENGGUNAKAN FUZZY MULTIPLE ATTRIBUTE DECISION MAKING METODE SIMPLE ADDTIVE WEIGHTING (SAW) SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu
Lebih terperinciSISTEM 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 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 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 terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN IV.1. Tampilan Hasil Pada bab ini akan dijelaskan tampilan hasil dari aplikasi yang telah dibuat, yang digunakan untuk memperjelas tentang tampilan-tampilan yang ada pada aplikasi
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Sistem Sistem pendukung keputusan penentuan gaji karyawan baru ini diimplementasikan dengan menggunakan bahasa pemrograman Microsoft Visual Studio. Net
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 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 PENERIMA BEASISWA DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)
SISTEM PENDUKUNG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Zainollah Effendy Jurusan Teknik Informatika Fakultas Teknik, Universitas Madura zainollah.effendy@unira.ac.id
Lebih 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 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 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 terperinciSIMPLE ADDITIVE WEIGHTING METHOD UNTUK MENENTUKAN SEKOLAH DASAR
SIMPLE ADDITIVE WEIGHTING METHOD UNTUK MENENTUKAN SEKOLAH DASAR Yuli Astuti Manajemen Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email : yuli_dev@yahoo.com
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) PADA SMA NEGERI 1 SINGKIL
SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) PADA SMA NEGERI 1 SINGKIL Rahmawan cibro ( 12110675) Mahasiswa Program Studi Teknik Informatika STMIK
Lebih terperinciBAB IV DESAIN DAN UJI COBA
BAB IV DESAIN DAN UJI COBA IV.1. Tampilan Hasil Perancangan IV.1.1. Tampilan Form Login Mulai menggunakan Aplikasi pertama sekali pengguna diminta untuk mengisikan username dan password pengguna sebagai
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian merupakan proses pengumpulan dan analisis data yang
38 BAB III METODOLOGI PENELITIAN Penelitian merupakan proses pengumpulan dan analisis data yang dilakukan secara sistematis dan logis untuk mencapai tujuan tertentu. Penelitian yang digunakan menggunakan
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 terperinciFAKULTAS TEKNIK (FT) UNIVERSITAS NUSANTARA PERSATUAN GURU REPUBLIK INDONESIA UN PGRI KEDIRI 2016
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA GURU MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer
Lebih terperinciPENILAIAN KINERJA KARYAWAN DENGAN MENGGUNAKAN METODE FUZZY SIMPLE ADDITIVE WEIGHTED (FSAW) (Studi Kasus di Titi Sari Collection)
MUST: Journal of Mathematics Education, Science and Technology Vol. 1, No. 1, Juli 2016. Hal 125 137. PENILAIAN KINERJA KARYAWAN DENGAN MENGGUNAKAN METODE FUZZY SIMPLE ADDITIVE WEIGHTED (FSAW) (Studi Kasus
Lebih terperinciPenerapan Metode Simple Additive Weighting Pada Aplikasi Penilaian Kinerja Dosen Fakultas Ilmu Komputer Unversitas Muslim Indonesia
Penerapan Metode Simple Additive Weighting Pada Aplikasi Penilaian Kinerja Dosen Fakultas Ilmu Komputer Unversitas Muslim Indonesia St. Hajrah Mansyur 1 Fakultas Ilmu Komputer Universitas Muslim Indonesia
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN IV.1. Tampilan Hasil Pada bab ini akan dijelaskan tampilan hasil dari aplikasi yang telah dibuat, yang digunakan untuk memperjelas tentang tampilan-tampilan yang ada pada aplikasi
Lebih terperinciKORELASI NORMATIF PEMILIHAN JURUSAN DI SMK BERBASIS WEB
Artikel Skripsi KORELASI NORMATIF PEMILIHAN JURUSAN DI SMK BERBASIS WEB SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S. Kom) Pada Program Studi Sistem Informasi
Lebih terperinciJURNAL SISTEM SELEKSI PESERTA BEASISWA PADA STIKES GANESHA HUSADA KEDIRI SELECTION SYSTEM FOR SCHOLARSHIP PARTICIPANTS AT STIKES GANESHA HUSADA KEDIRI
JURNAL SISTEM SELEKSI PESERTA BEASISWA PADA STIKES GANESHA HUSADA KEDIRI SELECTION SYSTEM FOR SCHOLARSHIP PARTICIPANTS AT STIKES GANESHA HUSADA KEDIRI Oleh: ALI MURTAFIAN 12103030417 Dibimbing oleh : 1
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1. IMPLEMENTASI SISTEM Setelah analisa dan perancangan sistem pada bab III, maka tahap selanjutnya adalah sistem siap untuk di implementasikan. Tahap implementasi sistem
Lebih terperinciBAB III METODOLOGI PENELITIAN
30 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Berikut merupakan desain penelitian yang akan digunakan pada proses rancang bangun aplikasi sistem pendukung keputusan untuk pemilihan mobil baru
Lebih terperinciJURNAL INFORMATIKA IMPLEMENTASI METODE SIMPLE ADDITIVE WEIGHTING PADA SISTEM PENGAMBILAN KEPUTUSAN SERTIFIKASI GURU
IMPLEMENTASI METODE SIMPLE ADDITIVE WEIGHTING PADA SISTEM PENGAMBILAN KEPUTUSAN SERTIFIKASI GURU Youllia Indrawaty [1], Andriana [2], Restu Adi Prasetya [3] JurusanTeknik Informatika Institut TeknologiNasional
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN BEASISWA DIKLAT DENGAN FUZZY MADM
SISTEM PENDUKUNG KEPUTUSAN BEASISWA DIKLAT DENGAN FUZZY MADM Tri Handayani (teha.nazla@gmail.com) Wawan Laksito YS (wlaksito@yahoo.com) Teguh Susyanto (teguhsusyanto@gmail.com) ISSN : 2338-408 ABSTRAK
Lebih terperinciBAB III SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PRODUK PROVIDER GSM MENGGUNAKAN METODE WEIGHTED PRODUCT
22 BAB III SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PRODUK PROVIDER GSM MENGGUNAKAN METODE WEIGHTED PRODUCT 31 Sistem Pendukung Keputusan Definisi awal sistem pendukung keputusan adalah suatu sistem yang ditujukan
Lebih terperinciBAB III ANALISIS SISTEM
BAB III ANALISIS SISTEM 3.1 Analisis Sistem Analisis sistem dapat didefinisikan sebagai penguraian dari suatu sistem informasi yang utuh kedalam bagian-bagian komponennya dengan maksud untuk mengidentifikasi
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MAKANAN BURUNG PUYUH DENGAN METODE SIMPLE ADDITIVE WEIGHTING
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MAKANAN BURUNG PUYUH DENGAN METODE SIMPLE ADDITIVE WEIGHTING SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program
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 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 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 terperinciBAB IV METODE PENELITIAN. yaitu membangun sistem pendukung keputusan penentuan kecocokan. menggunakan metode Weighted Product (WP).
BAB IV METODE PENELITIAN A. Jenis Penelitian Penelitian ini adalah jenis penelitian rekayasa atau pengembangan yaitu membangun sistem pendukung keputusan penentuan kecocokan penanaman pohon di Perum Perhutani
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 terperinciPENENTUAN KELAYAKAN PEMBERIAN KREDIT PADA BANK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 336~441 336 PENENTUAN KELAYAKAN PEMBERIAN KREDIT PADA BANK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Aji Saepudin 1, Wahyudin
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 PENUNJANG KEPUTUSAN UNTUK PENGALOKASIAN DANA BANTUAN LANGSUNG MASYARAKAT DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING
SISTEM PENUNJANG KEPUTUSAN UNTUK PENGALOKASIAN DANA BANTUAN LANGSUNG MASYARAKAT DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING M. Agistia 1), Iyan Mulyana 2), Sufiatul Maryana 3) Email : agis.arxe@gmail.com
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 terperinciDAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PERSETUJUAN... ii. HALAMAN PENGESAHAN... iii. HALAMAN MOTTO... iv. HALAMAN PERSEMBAHAN... v. INTISARI...
DAFTAR ISI Halaman HALAMAN JUDUL... i HALAMAN PERSETUJUAN... ii HALAMAN PENGESAHAN... iii HALAMAN MOTTO... iv HALAMAN PERSEMBAHAN... v INTISARI... vi KATA PENGANTAR... vii DAFTAR ISI... ix DAFTAR TABEL...
Lebih terperinciBAB 1. PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1. PENDAHULUAN Bab 1 menjelaskan tentang latar belakang, rumusan masalah, tujuan, batasan masalah, sumber data, dan sistematika penulisan laporan dari rencana pembuatan aplikasi akuntansi pada Toko
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI
BAB IV IMPLEMENTASI DAN EVALUASI 4.1 Kebutuhan Sistem Tahap implementasi sistem adalah tahap pengubahan hasil analisis dan perancangan sistem ke dalam bahasa pemrograman sehingga menghasilkan aplikasi.
Lebih terperinciRudi Hartoyo (0911870)
PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN MENETUKAN STATUS KARYAWAN KONTRAK SALES PROMOTION GIRL MENJADI KARYAWAN TETAP DENGAN METODE SIMPLE ADDITIVE WEIGHTING Rudi Hartoyo (0911870) Mahasiswa Program Studi
Lebih terperinciPENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA JAMKESMAS MENGGUNKANA METODE FMADM SAW
PENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA JAMKESMAS MENGGUNKANA METODE FMADM SAW Lusiana Dwi Wardani 1, Dwi Puspitasari 2, Yuri Ariyanto 3 1,2,3 Program Studi Teknik Informatika, Jurusan
Lebih terperinciJurnal TIMES, Vol. IV No 2 : 24-30, 2015 ISSN : Harold Situmorang
Jurnal TIMES, Vol. IV No 2 : 24-30, 205 ISSN : 2337-360 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN CALON PESERTA OLIMPIADE SAINS TINGKAT KABUPATEN LANGKAT PADA MADRASAH ALIYAH NEGERI (MAN) 2 TANJUNG PURA DENGANMENGGUNAKAN
Lebih terperinciBAB IV HASIL DAN UJI COBA
BAB IV HASIL DAN UJI COBA IV.1 Tampilan Hasil Pada bab ini akan dijelaskan tampilan hasil dari aplikasi yang telah dibuat, yang digunakan untuk memperjelas tentang tampilan dari Sistem Pendukung Keputusan
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 terperinciPERBANDINGAN PENERAPAN METODE SAW DAN TOPSIS DALAM SISTEM PEMILIHAN LAPTOP
PERBANDINGAN PENERAPAN METODE SAW DAN TOPSIS DALAM SISTEM PEMILIHAN LAPTOP SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada Program Studi Teknik Informatika
Lebih terperinciBAB III ANALISA SISTEM
BAB III ANALISA SISTEM Analisa merupakan tahap awal dalam pengembangan sistem dan merupakan tahap fundamental yang dapat menentukan kualitas sistem informasi yang dikembangkan. Analisa sistem adalah sebuah
Lebih terperinciSistem Pendukung Keputusan untuk Menentukan Penilaian Kelayakan Usaha...
Sistem Pendukung Keputusan untuk Menentukan Penilaian Kelayakan Usaha... (Maulany) SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENILAIAN KELAYAKAN USAHA AGROBISNIS DARI ASPEK PRODUKSI MENGGUNAKAN ALGORITMA
Lebih terperinciPerancangan Sistem Pendukung Keputusan Seleksi Pemenang Lomba Posyandu Menggunakan Metode Simple Additive Weighting
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Pendukung Keputusan Seleksi Pemenang Lomba Posyandu Menggunakan Metode Simple Additive Weighting I Kadek
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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Desain Penelitian Untuk memudahkan dalam melakukan penelitian, pada bab ini akan dijelaskan mengenai skema umum penelitian. Dalam penelitian ini terdapat dua tahapan utama,
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 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 terperinciSPK Pemilihan Paket Internet Mobile Broadband dengan Simple Additive Weighting
ISSN: 0216-3284 931 SPK Pemilihan Paket Internet Mobile Broadband dengan Simple Additive Weighting Nidia Rosmawanti 1, Muhammad Impron 2 Program Studi Sistem Informasi STMIK Banjarbaru 1 Program Studi
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 LANDASAN TEORI. Sistem berasal dari bahasa Latin (Systema) dan bahasa Yunani (Sustema) membentuk satu kesatuan untuk mencapai sebuah tujuan.
BAB II LANDASAN TEORI 2.1 Sistem Sistem berasal dari bahasa Latin (Systema) dan bahasa Yunani (Sustema) adalah suatu kesatuan yang terdiri dari komponen atau elemen yang dihubungkan bersama untuk memudahkan
Lebih terperinciModel Penunjang Keputusan Untuk Seleksi Korps Sukarela PMI Dengan Metode Weighted Product
ISSN: 2089-3787 1030 Model Penunjang Keputusan Untuk Seleksi Korps Sukarela PMI Dengan Metode Weighted Product Nurmaliani 1, Muhammad Faisal Amin 2, Boy Abidin R. 3 Program Studi Teknik Informatika, STMIK
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1 Implementasi Sistem Dibutuhkan alat pendukung supaya sistem yang dibuat dapat berjalan dengan baik. Satu diantaranya adalah perangkat komputer, yang memiliki dua komponen
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 Keputusan Kelayakan Kredit Usaha Menggunakan Fuzzy Multiple Attribute Decision Making (FMADM) Pada Bank BPD Sulteng
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Sistem Pendukung Keputusan Kelayakan Kredit Usaha Menggunakan Fuzzy Multiple Attribute Decision Making (FMADM) Pada Bank
Lebih terperinciSistem Informasi Penilaian Supplier Komputer Menggunakan Metode Fuzzy Multiple Attribute Decision Making Dengan Simple Additive Weighting
Sistem Informasi Penilaian Supplier Komputer Menggunakan Metode Fuzzy Multiple Attribute Decision Making Dengan Simple Additive Weighting Johana Harjayanti 1, Anief Fauzan Rozi 2 1 2 Program Studi Sistem
Lebih terperinciSISTEM 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 terperinciBAB III METODOLOGI PENELITIAN. dibutuhkan desain penelitian. Berikut adalah tahapan-tahapan dalam desain
BAB III METODOLOGI PENELITIAN 3.1. Desain Penelitian Desain penelitian adalah tahapan atau gambaran yang akan dilakukan dalam melakukan penelitian, untuk memudahkan peneliti dalam melakukan penelitian,
Lebih terperinciUKDW BAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Semakin hari semakin berkembang dan bertambahnya kuliner yang ada di kota Yogyakarta, dengan jumlah tempat makan yang semakin banyak dan cita rasa yang diberikan semakin
Lebih terperinciPEMILIHAN SANTRI TERBAIK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 543~548 543 PEMILIHAN SANTRI TERBAIK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Dede Sobari 1, Sumanto 2, Lia Mazia 3, Lita Sari Marita
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 terperinciIMPLEMENTASI KOMBINASI METODE AHP DAN SAW DALAM PENDUKUNG KEPUTUSAN PENENTUAN KREDIT PERUMAHAN RAKYAT ABSTRAK
IMPLEMENTASI KOMBINASI METODE AHP DAN SAW DALAM PENDUKUNG KEPUTUSAN PENENTUAN KREDIT PERUMAHAN RAKYAT Yustina Meisella Kristania Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan
Lebih terperinci