Sistem Pendukung Keputusan Pemilihan Oli Sepeda Motor Matic Terbaik Menerapkan Metode Preference Selection Index

dokumen-dokumen yang mirip
BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2. Tinjauan Teoritis

BAB II LANDASAN TEORI

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB II TINJAUAN PUSTAKA

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

POLIGON TERBUKA TERIKAT SEMPURNA

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

8. MENGANALISIS HASIL EVALUASI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

ANALISIS PENGGABUNGAN METODE SAW DAN METODE TOPSIS UNTUK MENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN DOSEN

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

PEMILIHAN PENGRAJIN TERBAIK DENGAN METODE ELECTRE DAN TOPSIS MENGGUNAKAN GUI MATLAB (STUDI KASUS : PT. Asaputex Jaya, Tegal)

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

NORM VEKTOR DAN NORM MATRIKS

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

UKURAN GEJALA PUSAT DAN UKURAN LETAK

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

BAB III UKURAN PEMUSATAN DATA

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN BUAH RAMBUTAN DENGAN KUALITAS TERBAIK MENGGUNAKAN METODE WEIGHTED PRODUCT (WP)

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

TINJAUAN PUSTAKA Evaluasi Pengajaran

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

3.1 Biaya Investasi Pipa

S2 MP Oleh ; N. Setyaningsih

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

BAB III ISI. x 2. 2πσ

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

Regresi Linier Sederhana Definisi Pengaruh

BAB 5. ANALISIS REGRESI DAN KORELASI

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

UKURAN GEJALA PUSAT (UGP)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Penerapan Metode TOPSIS untuk Penentuan Variabel Setting Pada Optimisasi Multirespon Taguchi

BAB II LANDASAN TEORI

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

BAB 1 STATISTIKA RINGKASAN MATERI

RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OPERATOR TELEKOMUNIKASI DENGAN METODE AHP DAN TOPSIS. 2)

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

XI. ANALISIS REGRESI KORELASI

PEMILIHAN MAHASISWA BERPRESTASI DIPLOMA MENGGUNAKAN METODE TOPSIS

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MAKALAH SEMINAR TERBAIK

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita.

b) Untuk data berfrekuensi fixi Data (Xi)

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

Uji Statistika yangb digunakan dikaitan dengan jenis data

BAB III METODE PENELITIAN

BAB II LANDASAN TEORI

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

REGRESI LINIER SEDERHANA

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

Sistem Pendukung Keputusan dalam Pemilihan Internet Service Provider Dengan Metode TOPSIS

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUBKONTRAK PRODUKSI SARUNG TANGAN MENGGUNAKAN METODE ENTROPY DAN TOPSIS

2.2.3 Ukuran Dispersi

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)

Transkripsi:

Sstem Pedukug Keputusa Pemlha Ol Sepeda Motor Matc Terbak Meerapka Metode Preferece Selecto Idex St Asyah 1, Hedr Cahaya Putra 2 1 Poltekk Neger Meda Kreatf, Meda, Idoesa 2 Prod Tekk Iformatka STMIK Bud Darma, Meda, Idoesa Emal: dedek.stasyah@yahoo.com * Abstrak Bag bayak orag yag belum megetahu apa fugs dar pelumasa ol pada mes, semua mes yag d operaska tetu harus megguaka ol, dmaa ol adalah jatug bag setap ege yag terus memutar atau bekerja. Ol adalah pelumas yag bayak dguaka dar berbaga mes sepert, Geset, Mobl, Kapal da berbaga mes yag ada d dua. Ddalam sebuah mes terdapat berbaga kompoe yag ada, da tetu setap kompoe tersebut memlk berbaga fugs yag berbeda pula. Utuk megatas hal tersebut, maka dbutuhka pelumas yatu ol, utuk dapat megurag kehausa karea geseka setap kompoe yag terdapat d dalam mes. Myak atau yag dsebut pelumas mempuya jes yag bermacam, kta dapat memlh pelumas sesua dega kebutuha kta, dar berbaga jes pelumas tetuya haya mempuya satu keguaa yag sama, lalu apa saja perbedaa da keguaa dar pelumaspelumas yag basa dguaka utuk mes. Dalam peelta rumusa masalah yag dtetuka adalah bagamaa memlh ol sepeda motor matc terbak dega megguaka sstem pedukug keputusa sebaga sebuah sstem berbass komputer yag atya dguaka dalam memlah-mlah dar berbaga macam ol yag dpasarka. Peelta meerapka Metode Preferece Selecto Idex (PSI) dalam pemlha ol sepeda motor matc terbak berdasarka krtera dega megguaka rumus yag haslya lebh akurat da tepat sasara. Kata Kuc: Ol Sepeda Motor Matc, Sstem Pedukug Keputusa, Preferece Selecto Idex (PSI) 1. PENDAHULUAN D zama sekarag tekolog semak berkembag dega pesat yag dapat membatu mausa dalam berbaga bayak hal, bak dar seg pola kehdupa da la-la. D zama sekarag juga jumlah kedaraa semak megkat setap tahuya bak tu kedaraa darat, laut, da juga udara. Cotoh halya kedaraa sepeda motor yag sekarag jumlahya mecapa ratusa bahka jutaa kedaraa. Past setap pemlk kedaraa tdak lupa juga selalu memperhatka da memperbak kedaraa mereka jka suatu waktu terjad masalah yag tdak terduga. Pemlk kedaraa harus selalu rut meggat ol kedaraa mereka palg tdak 1 bula sekal agar mes yag ada pada kedaraa selalu tetap dalam kods sehat, dega hal tu juga para pemlk kedaraa kadag-kadag merasa berat dalam membel da memlh-mlh ol yag terbak utuk kedaraa mereka. Myak pelumas mes atau basaya yag lebh dkeal dega sebuta ol mes memag bayak ragam da macamya. Tergatug jes pegguaa mes tu sedr yag membutuhka ol yag tepat utuk meambah atau megawetka usa paka (lfe tme) mes. Ol sepeda motor berfugs atara la sebaga pelumas, ol membuat geseka atar kompoe dalam mes mejad lebh halus da memudahka mes mecapa suhu yag deal. Ol serg dguaka sebaga utuk megurag geseka (frks), jka dua permukaa yag salg meempel bergerak, aka tmbul gaya geseka pada permukaa kotak. Myak pelumas mecptaka lapsa ol (ol flm) d atar kompoe, dega demka mes tdak aka kehausa da kehlaga teaga akbat geseka yag atya terjad. Mes dapat mejad paas bla terjad geseka akbat paas pembakara. Bla paas tdak dserap maka kehausa kompoe mes semak cepat. Ol berfugs juga utuk medgka suatu kompoe-kompoe tersebut da dapat meyerap paas utuk dkeluarka dar mes. Pada baga-baga mes yag megalam gaya teka yag besar sepert pada ball bearg, roller bearg da roda gg, tekaa yag sagat tgg terjad pada permukaa kotak, yag aka megakbatka kehausa da kerusaka. Dalam hal ol meyebarka tekaa da meyerap getaraya. Pelumasa mecptaka lapsa ol yag meghdarka permukaa logam tdak terkea udara da ar secara lagsug, sehgga tdak terjad koros. Atara psto da slder dperluka sfat kedap udara, sehgga kebocora atara ruaga datas psto da dbawah psto dapat dcegah, walaupu sudah ada rg psto kekedapa tdak dapat djam. Ol sela sebaga lapsa flm atara slder da psto juga berfugs sebaga peyekat sehgga membuat terjadya kehlaga teaga akbat kebocora kompres melalu celah psto da slder dapat dkurag. Ol yag bersrkulas juga berfugs membershka salura-salura agar tdak tersumbat oleh kotora atau butra logam (debu metalk/gram). Sstem Pedukug Keputusa adalah sstem berbass komputer yag mampu memecahka masalah dalam meghaslka alteratve terbak utuk medukug keputusa yag dambl oleh pegambl keputusa[1]. Dalam SPK megguaka metode metode dalam memutuska yag mejad alteratve terbak, sepert WASPAS, PROMETHEE II, TOPSIS, ELECTRE, MOORA[2] [6]. Dar peelta bahwa sstem pedukug keputusa merupaka sstem formas teraktf yag meyedaka formas, pemodela, da pemapulasa data. Sstem tu juga dguaka utuk membatu pegambla keputusa dalam stuas yag semterstruktur da stuas yag tdak terstruktur, dmaa tak seorag pu tahu secara past bagamaa keputusa seharusya dbuat[7], [8]. Berdasarka hal-hal tersebut, maka peelt tertark utuk membuat suatu sstem formas pedukug keputusa pada peetua pemlha ol sepeda motor matc terbak dega megguaka metode Preferece Selecto Idex (PSI). Dega adaya sstem dharapka atya dapat mempermudah, mempersgkat, da membatu phak pelaa[9]. P a g e 238

Tabel 1. Peelta Terkat No Peuls Judul Kesmpula 1 Yogky Dmas Nur Amala Sstem Pedukug Keputusa Pemlha Ol Mes Utuk Sepeda Motor Megguaka Metode Topss[10] Berdasarka peelta terlebh dahulu dapat dsmpulka bahwa lagkah peracaga sstem dega membuat; flowchat, dagram koteks, etry relatoshp dagram, desa peragkat da smulas perhtuga 2 Stefa Raharjo Nugroho, Hasto Suaro 3 M.Arsad, Darmato Idetfkas Fss Vskostas Ol Mes Kedaraa Bermotor terhadap Fugs Suhu dega Megguaka Laser Helum Neo[11] Aalsa Pegaruh Baha Dasar Pelumas Terhadap Vskostas Pelumas Da Kosums Baha Bakar[12] Berdasarka peelta terdahulu dapat dsmpulka bahwa semak tgg suhu semak redah la absorbas Berdasarka peelta terlebh dahulu dapat dsmpulka bahwa pegaruh baha dasar pelumas terhadap ketahaa vskostas pelumas stetk mempuya kesetabla vskostas palg bak pada temperatur kerja maupu suhu kamar. 2.1 Ol 2. METODOLOGI PENELITIAN Ol merupaka myak pelumas yag berfugs sebaga pelumas kompoe mes sehgga dapat membatu mes dar geseka satu dega yag laya. Fugs ol buka haya sebaga pelumas mes tetap ol juga berfugs sebaga pedg suhu mes, membuat mes tdak mudah berkarat, da dapat meghaluska suara mes yag sedag bekerja. 2.2 Metode Preferece Selecto Idex (PSI) PSI (Preferece Selecto Idex) Metode Preferece Selecto Idex (PSI) dusulka oleh Maya da Bhatt pada tahu 2010 utuk memecahka mater da meetuka masalah MCDM. Tdak sepert kebayaka metode MCDM, metode PSI meetuka bobot krtera haya megguaka formas yag terseda d dalam matrks keputusa, yatu dega megguaka pedekata obyek yag aktf utuk meetuka bobot krtera [13][14][15]. Berkut lagkah-lagkah dalam peyelesaa masalah dega megguaka Metode PSI (Preferece Selecto Idex)[16] [18] sebaga berkut: 1. Lagkah 1: Meetuka tujua dar detfkas krtera yag terkat berdasarka masalah yag terjad dalam pegambla sebuah keputusa 2. Lagkah 2: Meetapka matrks keputusa awal. X X = [x j ] mx = [ x 11 x 12 x 1 x 21 x 22 x 2 ] (1) x m1 x m2 x m Dmaa x j adalah sebuah la pelaa dar alteratf ke- dega krtera ke-j, m merupaka jumlah alteratf da jumlah krtera. 3. Lagkah 3: Meetuka matrks keputusa yag dormalsaska megguaka persamaa berkut Utuk krtera maksmalsas (beeft): X j = max, = 1,, m (2a) Utuk krtera mmalsas (o-beeft): X j = max, = 1,, m (2b) 4. Lagkah 4: Meetuka la rata-rata dar petujuk yag dormalka kedalam hubuga dega masg-masg krtera yag sudah dtetuka dega megguaka persamaa berkut: N = 1 m =1 X j (3) 5. Lagkah 5: Meetuka la varas preferes dega masg-masg krteraya megguaka persamaa, berkut: Ø j = =1 (X j N) 2 (4) P a g e 239

6. Lagkah 6: Meetuka la ddalam preferes dega megguaka sebuah persamaa, berkut: = 1 ϕ j (5) 7. Lagkah 7: Meetuka krtera bobot dega sebuah persamaa, berkut: =1 8. Lagkah 8: Meetuka dex dar pemlha preferes alteratf dega megguaka sebuah persamaa, berkut: Ѳ = j=1 x jw j (7) 3. ANALISA DAN PEMBAHASAN Dalam peelta suatu krtera yag dguaka utuk meetuka pemlha ol matc sepeda motor terbak yag atya dguaka dalam mecar harga, ukura, keketala, baha dasar, jes ol, peelta aka membahas sstem pedukug yag dapat membatu utuk memlh ol sepeda motor terbak dega megguaka metode PSI. Meetuka Krtera da Bobot Ddalam proses peetua metode PSI memerluka beberapa krtera-krtera yag atya aka djadka beberapa baha perhtuga da pertmbaga utuk atya dapat meyelesaka suatu permasalaha yag dcar. Adapu berkut krtera-krtera yag mejad baha dalam perhtuga da pertmbaga yatu: Tabel 2. Krtera da Jes Krtera Krtera Jes Harga (C1) Beeft Ukura (ml) (C2) Beeft Keketala (C3) Beeft Baha Dasar (C4) Beeft Jes Ol (C5) Beeft Dar masg-masg krtera tersebut aka dtetuka keteraga la fuzzy. Sepert yag ada pada tabel dbawah : Tabel 3. Krtera Ukura (ml) Krtera Nla 1000 ml 1 800 ml 2 Tabel 4. Krtera Keketala Krtera Nla 10W/30 1 10W/40 2 20W/40 3 Tabel 5. Krtera Baha Dasar Krtera Nla Sagat Bak 3 Bak 2 Cukup 1 Pada tabel 6 merupaka tabel alteratf dar pemlha ol sepeda motor matc. Tabel 6. Alteratf Alteratf Nama Ol Harga Ukura Baha Keketala (ml) Dasar A1 AHM Ol MPX2 10W/30 39500 800 10W/30 Sagat Bak A2 Yamalube Powe Matc 10W/40 41500 800 10W/40 Bak A3 Ol SGO 4T Scooter Matc 10W/40 35000 800 10W/40 Bak A4 TOP 1 Acto Matc 10W/40 45000 800 10W/40 Bak A5 TOP 1 Acto Matc 20W/40 36000 800 20W/40 Cukup A6 Federal Matc 30 10W/30 35000 800 10W/30 Bak P a g e 240 (6)

Alteratf Nama Ol Harga A7 A8 Suzuk Geue Ol SGO 10W/40 Yamalube Super Matc 10W/40 Ukura (ml) Keketala Baha Dasar 45000 800 10W/40 Bak 43000 1000 10W/40 Sagat Bak A9 Repsol Matc 10W/30 4T 35000 800 10W/30 Bak A10 Ol Shell Advace Scooter Matc AX7 4T 10W/40 51000 800 10W/40 Bak Berdasarka dar tabel fuzzy d atas da pelaa masg-masg krtera, hasl yag dperoleh dar setap alteratf dberka la kecocoka pada setap krtera. Dapat dlhat pada table dbawah : 39500 2 3 3 41500 2 2 2 35000 2 2 2 45000 2 2 2 Matrks = 36000 2 1 1 35000 2 3 2 45000 2 2 2 43000 1 2 3 35000 2 3 2 [ 51000 2 2 2] Berdasarka persamaa d atas, maka matrks yag d ormalka yatu: 1. Mecar maksmum da mmum dar setap krtera 2. Melakuka ormalsas megguaka persamaa (1) Maxmum 51000 2 3 3 Mmum 35000 1 1 1 C1 X j = max, = 1,, m X 11 = X 11 max = 39500 51000 = 0,774 X 21 = X 21 max = 41500 51000 = 0,813 X 31 = X 31 max = 35000 51000 = 0,686 X 41 = X 41 max = 45000 51000 = 0,882 X 51 = X 51 max = 36000 51000 = 0,705 X 61 = X 61 max = 35000 51000 = 0,686 X 71 = X 71 max = 45000 51000 = 0,882 X 81 = X 81 max = 43000 51000 = 0,843 X 91 = X 91 max = 35000 51000 = 0,686 X 101 = X 101 max = 51000 51000 = 1 C2 P a g e 241

X 12 = X 12 X 22 = X 22 X 32 = X 32 X 42 = X 42 X 52 = X 52 X 62 = X 62 X 72 = X 72 X 82 = X 82 max = 1 2 = 0,5 X 92 = X 92 X 102 = X 102 C3 X 13 = X 13 max = 3 3 = 1 X 23 = X 23 X 33 = X 33 X 43 = X 43 X 53 = X 53 max = 1 3 = 0,333 X 63 = X 63 max = 3 3 = 1 X 73 = X 73 X 83 = X 83 X 93 = X 93 max = 3 3 = 1 X 103 = X 103 C4 X 14 = X 14 max = 3 3 = 1 X 24 = X 24 X 34 = X 34 X 44 = X 44 X 54 = X 54 max = 1 3 = 0,333 X 64 = X 64 P a g e 242

X 74 = X 74 X 84 = X 84 max = 3 3 = 0,333 X 94 = X 94 X 104 = X 104 Dar perhtuga d atas dperoleh matrk terormalsas, yatu: 0,774 1 1 1 0,813 1 0,666 0,666 0,686 1 0,666 0,666 0,882 1 0,666 0,666 Matrks N j = 0,705 1 0,333 0,333 0,686 1 1 0,666 0,882 1 0,666 0,666 0,843 0,5 0,666 0,333 0,686 1 1 0,666 [ 1 1 0,666 0,666] 3. Kemuda mecar la rata-rata matrks dar data yag telah d ormalsaska: Melakuka pejumlaha dar la rata-rata matrks dar setap atrbut m N = 1 N j = N j N j = 0,774 + 0,813 + 0,686 + 0,882 + 0,705 + 0,686 + 0,882 + 0,843 + 0,686 + 1 = 7,957 =1 N j = 1 + 1 + 1 + 1 + 1 + 1 + 1 + 0,5 + 1 + 1 = 9,5 =2 N j = 1 + 0,666 + 0,666 + 0,666 + 0,333 + 1 + 0,666 + 0,666 + 1 + 0,666 = 7,329 =3 N j = 1 + 0,666 + 0,666 + 0,666 + 0,333 + 0,666 + 0,666 + 0,333 + 0,666 + 0,666 = 6,328 =4 Hasl yag telah dperoleh dar perhtuga yag telah dcar datas, yatu: =1 = 1 N j = [7,957 9,5 7,329 6,328] Meghtug la mea dar hasl yag telah d peroleh dar perhtuga yag telah d car, yatu: N = 1 = N j1 N = 1 = N j2 N = 1 = N j3 N = 1 = N j4 = 1 x 7,657 = 0,7657 10 = 1 x 9,5 = 0,95 10 = 1 x 7,329 = 0,7329 10 = 1 x 6,328 = 0,6328 10 = 1 N j = [7,657 9,5 7,329 6,328] Membuat Matrks N =[0,7657 0,95 0,7329 0,6328] 4. Meetuka la varas Preferes dalam kataya dega setap krtera megguaka persamaa berkut : P a g e 243

Ø j1 Ø j11 = (0,774 0,7657) 2 = 0,0001 Ø j21 = (0,813 0,7657) 2 = 0,0022 Ø j31 = (0,686 0,7657) 2 = 0,0063 Ø j41 = (0,882 0,7657) 2 = 0,0135 Ø j51 = (0,705 0,7657) 2 = 0,0036 Ø j61 = (0,686 0,7657) 2 = 0,0063 Ø j71 = (0,882 0,7657) 2 = 0,0135 Ø j81 = (0,843 0,7657) 2 = 0,0059 Ø j91 = (0,686 0,7657) 2 = 0,0063 Ø j101 = (1 0,7657) 2 = 0,0548 Ø j = (X j N) 2 =1 Ø j2 Ø j12 = (1 0,95) 2 = 0,05 Ø j22 = (1 0,95) 2 = 0,05 Ø j32 = (1 0,95) 2 = 0,05 Ø j42 = (1 0,95) 2 = 0,05 Ø j52 = (1 0,95) 2 = 0,05 Ø j62 = (1 0,95) 2 = 0,05 Ø j72 = (1 0,95) 2 = 0,05 Ø j82 = (0,5 0,95) 2 = 0,45 Ø j92 = (1 0,95) 2 = 0,05 Ø j102 = (1 0,95) 2 = 0,05 Ø j3 Ø j13 = (1 0,7329) 2 = 0,0713 Ø j23 = (0,666 0,7329) 2 = 0,0044 Ø j33 = (0,666 0,7329) 2 = 0,0044 Ø j43 = (0,666 0,7329) 2 = 0,0044 Ø j53 = (0,333 0,7329) 2 = 0,1599 Ø j63 = (1 0,7329) 2 = 0,0713 Ø j73 = (0,666 0,7329) 2 = 0,0044 P a g e 244

Ø j83 = (0,666 0,7329) 2 = 0,0044 Ø j93 = (1 0,7329) 2 = 0,0713 Ø j103 = (0,666 0,7329) 2 = 0,0044 Ø j4 Ø j14 = (1 0,6328) 2 = 0,1348 Ø j24 = (0,666 0,6328) 2 = 0,0011 Ø j34 = (0,666 0,6328) 2 = 0,0011 Ø j44 = (0,666 0,6328) 2 = 0,0011 Ø j54 = (0,333 0,6328) 2 = 0,9327 Ø j64 = (0,666 0,6328) 2 = 0,0011 Ø j74 = (0,666 0,6328) 2 = 0,0011 Ø j84 = (0,333 0,6328) 2 = 0,9327 Ø j94 = (0,666 0,6328) 2 = 0,0011 Ø j104 = (0,666 0,6328) 2 = 0,0011 Matrks Preferes 0,0001 0,05 0,0713 0,1348 0,0022 0,05 0,0044 0,0011 0,0063 0,05 0,0044 0,0011 0,0135 0,05 0,0044 0,0011 Matrks = 0,0036 0,05 0,1599 0,9327 0,0063 0,05 0,0713 0,0011 0,0135 0,05 0,0044 0,0011 0,0059 0,45 0,0044 0,9327 0,0063 0,05 0,0713 0,0011 [ 0,0548 0,05 0,0044 0,0011] = Ø j11 + Ø j21 + Ø j31 + Ø j41 + Ø j51 + Ø j61 + Ø j71 + Ø j81 + Ø j91 + Ø j101 = 0,0001 + 0,0022 + 0,0063 + 0,0135 + 0,0036 + 0,0063 + 0,0135 + 0,0059 + 0,0063 + 0,0548 = 0,1125 = Ø j12 + Ø j22 + Ø j32 + Ø j42 + Ø j52 + Ø j62 + Ø j72 + Ø j82 + Ø j92 + Ø j102 = 0,05 + 0,05 + 0,05 + 0,05 + 0,05 + 0,05 + 0,05 + 0,45 + 0,05 + 0,05 = 0,9 = Ø j13 + Ø j23 + Ø j33 + Ø j43 + Ø j53 + Ø j63 + Ø j73 + Ø j83 + Ø j93 + Ø j103 = 0,0713 + 0,0044 + 0,0044 + 0,0044 + 0,1599 + 0,0713 + 0,0044 + 0,0044 + 0,0713 + 0,0044 = 0,4002 = Ø j14 + Ø j24 + Ø j34 + Ø j44 + Ø j54 + Ø j64 + Ø j74 + Ø j84 + Ø j94 + Ø j104 = 0,1348 + 0,0011 + 0,0011 + 0,0011 + 0,9327 + 0,0011 + 0,0011 + 0,9327 + 0,0011 + 0,0011 = 2,0079 Ø j = [0,1125 0,9 0,4002 2,0079] 5. Meetuka Nla Dalam Preferes = 1 ϕ j P a g e 245

Ω 1 = 1 0,1125 = 0,8875 Ω 2 = 1 0,9 = 0,1 Ω 3 = 1 0,4002 = 0,5998 Ω 4 = 1 2,0079 = 1,0079 Meghtug Total Nla = [0,8875 0,1 0,5998 1,0079] = 0,8875 + 0,1 + 0,5998 + 1,0079 = 2,5952 6. Meetuka Krtera Bobot,atara la: =1 =1 =1 =1 =1 = 0,8875 2,5952 = 0,3420 = 0,1 2,5952 = 0,0385 = 0,5998 2,5952 = 0,2311 = 1,0079 2,5952 = 0,3883 [0,8875 0,1 0,5998 1,0079] 7. Htug PSI Hasl perhtuga perkala pada matrks Ø Ѳ = x jw j j=1 Ø 1 Ø = 0,774 x 0,8875 = 0,6849 Ø = 0,813 x 0,8875= 0,7215 Ø = 0,686 x 0,8875= 0,6088 Ø = 0,882 x 0,8875= 0,7827 Ø = 0,705 x0,8875= 0,6256 Ø = 0,686 x 0,8875= 0,6088 Ø = 0,882 x 0,8875= 0,7827 Ø = 0,843 x 0,8875= 0,7481 Ø = 0,686 x 0,8875= 0,6088 Ø = 1 x 0,8875= 0,8875 Ø 2 Ø = 1 x 0,1 = 0,1 Ø = 1 x 0,1= 0,1 Ø = 1 x 0,1= 0,1 Ø = 1 x 0,1= 0,1 Ø = 1 x 0,1= 0,1 Ø = 1 x 0,1= 0,1 Ø = 1 x 0,1= 0,1 Ø = 0,5 x 0,1=0,05 Ø = 1 x 0,1= 0,1 Ø = 1 x 0,1= 0,1 Ø 3 Ø = 1 x 0,5998 = 0,5998 Ø = 0,666 x 0,5998 = 0,3994 Ø = 0,666 x 0,5998 = 0,3994 Ø = 0,666 x 0,5998 = 0,3994 Ø = 0,333 x 0,5998 = 0,1997 Ø = 1 x 0,5998 = 0,5998 Ø = 0,666 0,5998 = 0,3994 Ø = 0,666 x 0,5998 = 0,3994 Ø = 1 x 0,5998 = 0,5998 P a g e 246

Ø = 0,666 x 0,5998 = 0,3994 Ø 4 Ø = 1 x 1,0079= 1,0079 Ø = 0,666 x 1,0079= 0,6712 Ø = 0,666 x 1,0079= 0,6712 Ø = 0,666 x 1,0079= 0,6712 Ø = 0,333 x 1,0079= 0,3356 Ø = 0,666 x 1,0079= 0,6712 Ø = 0,666 x 1,0079= 0,6712 Ø = 0,333 x 1,0079= 0,3356 Ø = 0,666 x 1,0079= 0,6712 Ø = 0,666 x 1,0079= 0,6712 Mecar Nla Peragkga Ø 1 = 0,6849 + 0,1 + 0,5998 + 1,0079 = 2,3926 Ø 2 = 0,7215 + 0,1 + 0,3994 + 0,6712 = 1,8921 Ø 3 = 0,6088 + 0,1 + 0,3994 + 0,6712 = 1,7794 Ø 4 = 0,7827 + 0,1 + 0,3994 + 0,6712 = 1,9533 Ø 5 = 0,6256 + 0,1 + 0,1997 + 0,3356 = 1,2609 Ø 6 = 0,6088 + 0,1 + 0,5998 + 0,6712 = 1,9798 Ø 7 = 0,7827 + 0,1 + 0,3994 + 0,6712 = 1,9533 Ø 8 = 07481 + 0,05 + 0,3994 + 0,3356 = 1,5331 Ø 9 = 0,6088 + 0,1 + 0,0144 + 0,6712 = 1,3944 Ø 10 = 0,8875 + 0,1 + 0,3994 + 0,6712 = 2,0581 0,6849 0,1 0,5998 1,0079 0,7215 0,1 0,3994 0,6712 0,6088 0,1 0,3994 0,6712 0,7827 0,1 0,3994 0,6712 Matrks N j = 0,6256 0,1 0,1997 0,3356 0,6088 0,1 0,5998 0,6712 0,7827 0,1 0,3994 0,6712 07481 0,05 0,3994 0,3356 0,6088 0,1 0,0144 0,6712 [ 0,8875 0,1 0,3994 0,6712] Hasl Akhr pada matrks Setelah dlakuka perhtuga pada pelaa PSI (Q ) maka dlakukalah peragkga utuk medapatka la yag dperluka dalam meetuka pemlha ol sepeda motor matc terbak yag aka atya dapat bermafaat bag peggua sepeda motor matc dalam pemlha ol matc terbak. Tabel 6. Hasl Peragkga Alteratf Nla Ø Ragkg A1 2,3926 1 A2 1,8921 5 A3 1,7794 7 A4 1,9533 4 A5 1,2609 10 A6 1,9798 3 A7 1,9533 6 A8 1,5331 8 A9 1,3944 9 A10 2,0581 2 Dar tabel 6, d atas maka dapat dsmpulka bahwa ol motor matc terbak berdasarka krtera-krtera yag sudah dlakuka yatu adalah A1 atas ama alteratf Ol AHM Ol MPX2 10W/30 dega la Q sebesar 2,3926. P a g e 247

4. KESIMPULAN Berdasarka hasl peelta datas, peelt meark beberapa kesmpula yag dapat dambl, yatu dapat meyeleks Ol Motor Matc Terbak berdasarka krtera-krtera yag telah dtetuka da dcocokka. Kemuda peerapa metode Preferece Selecto Idex (PSI) cukup mudah dguaka sebaga cara dalam meetuka peyeleksa ol motor, terutama utuk motor matc karea lagkah lagkah peyelesaaya cukup dblag sederhaa. Belum lag dega megguaka Sstem Pedukug Keputusa (SPK) bahwasaya dapat megatas permasalaha utuk meetuka peyeleksa Ol Sepeda Motor Matc mejad lebh tersstem da tepat pada peyeleksa yag bear-bear terstruktur. REFERENCES [1] Kusr, Sstem Pedukug Keputusa da Aplkasya. Yogyakarta: Ad, 2007. [2] M. S. Mesra, Rusaa, Sstem Pedukug Keputusa utuk Pemutusa Hubuga Kerja Karyawa Megguaka Metode Elmato ad Choce Traslato Realty, J. Tekol. da Sst. Komput., vol. 6, o. July, pp. 135 138, 2018. [3] S. Syamsud ad R. Rahm, Study Approach Techque for Order of Preferece by Smlarty to Ideal Soluto (TOPSIS), It. J. Recet Treds Eg. Res., vol. 3, o. 3, pp. 268 285, 2017. [4] S. Sugam, E. S. Nasuto, S. U. Lubs, ad M. Mesra, Sstem Pedukug Keputusa Peerma Batua Sswa Msk Meerapka Metode WASPAS da MOORA, Semar Nasoal Sas & Tekolog Iformas (SENSASI), 2018, pp. 719 727. [5] G. Gtg, Fadla, Mesra, A. P. U. Sahaa, ad R. Rahm, Techcal Approach of TOPSIS Decso Makg, It. J. Recet Treds Eg. Res., vol. 3, o. 8, pp. 58 64, 2017. [6] M. Mesra, P. Prstwato, ad I. Saga, Implemetas Promethee II Dalam Pemlha Pestsda Terbak Utuk Perawata Dau Pada Taama Cabe, CESS (Joural Comput. Eg. Syst. Sc., vol. 3, o. 2, pp. 46 53, 2018. [7] D. Nofrasyah ad S. Deft, Mult Crtera Decso Makg (MCDM) pada Sstem Pedukug Keputusa. 2018. [8] A. P. WINDARTO, Implemetas metode topss da saw dalam memberka reward pelagga, Kumpul. J. Ilmu Komput., vol. 4, o. 1, pp. 88 101, 2017. [9] D. Nofrasyah, Kosep Data Mg Vs Sstem Pedukug Keputusa. 2015. [10] A. Skrps, Artkel Skrps Uverstas Nusatara PGRI Kedr, pp. 1 8, 2016. [11] S. R. Nugroho et al., Idetfkas Fss Vskostas Ol Mes Kedaraa Bermotor terhadap Fugs Suhu dega Megguaka Laser Helum Neo Abstrak Telah dlakuka peelta dega tujua utuk megetahu karakterstk vskostas ol mes kedaraa bermotor dega megguaka laser Helum Neo sebaga sumber cahayaya. Peralata da baha yag dguaka pada peelta adalah laser Helum perubaha suhu. Semak tgg suhu maka mak redah la absorbasya. Secara, pp. 1 5, 2012. [12] P. Da, K. Baha, ad T. Pragkoso, ANALISA PENGARUH BAHAN DASAR PELUMAS TERHADAP VISKOSITAS, vol. 8, o. 1, pp. 56 61, 2012. [13] D. Petkovć, M. Madć, M. Radovaovć, ad V. Gečevska, Applcato of the Performace Selecto Idex Method for Solvg Machg Mcdm Problems, Facta Uv. Ser. Mech. Eg., vol. 15, o. 1, p. 97, 2017. [14] B. Vahda, S. M. Mousav, ad S. Ebrahmejad, Soft computg-based preferece selecto dex method for huma resource maagemet, J. Itell. Fuzzy Syst., vol. 26, o. 1, pp. 393 403, 2014. [15] R. Attr ad S. Grover, Applcato of preferece selecto dex method for decso makg over the desg stage of producto system lfe cycle, J. Kg Saud Uv. - Eg. Sc., vol. 27, o. 2, pp. 207 216, 2015. [16] S. H. Sahr et al., The Preferece Selecto Idex method determg the locato of used laptop marketg, It. J. Eg. Techol., vol. 7, o. 3.4 Specal Issue 4, 2018. [17] Mesra, K. Tampubolo, R. D. Satur, F. T. Waruwu, ad A. P. U. Sahaa, Determato of Educato Scholarshp Recpets Usg Preferece Selecto Idex, It. J. Sc. Res. Sc. Techol., vol. 3, o. 6, pp. 230 234, 2017. [18] R. Khorshd ad A. Hassa, Comparatve aalyss betwee TOPSIS ad PSI methods of materals selecto to acheve a desrable combato of stregth ad workablty Al/SC composte, Mater. Des., vol. 52, o. Jue, pp. 999 1010, 2013. P a g e 248