PEMILIHAN PRIORITAS LAYANAN QOS DENGAN PENDEKATAN METODE FUZZY ANALYTICAL HIERARCHY PROCESS (FAHP) DAN TOPSIS

PEMILIHAN PRIORITAS LAYANAN QOS DENGAN PENDEKATAN METODE FUZZY ANALYTICAL HIERARCHY PROCESS (FAHP) DAN TOPSIS Bud Dw Satoto *, Mukhamad Khoro 2 *2 Program Stud Sstem Iformas, Uverstas Truojoyo, Bagkala, Jl. Raya Telag PO BOX 2 Kamal, Kode pos 6962 * E-mal : budds@gmal.com ABSTRAK Iteret of Thgs dkeal juga dega sgkata IoT merupaka sebuah kosep yag bertujua utuk memperluas mafaat dar koektvtas teret yag tersambug secara terus-meerus. Utuk medukug ot dperluka aalsa QoS yag bak. Qualty of Servce (QoS) ddefska sebaga suatu pegukura tetag seberapa bak jarga komputer memberka layaa. QoS ddesa utuk membatu ed user mejad lebh produktf dega memastka bahwa ed user medapatka performas yag hadal dar aplkas berbass jarga. Metode FAHP (Fuzzy Aalytcal Herarchy Process) dguaka utuk medapatka bobot dar beberapa krtera yag telah dtetuka. Setelah meetuka bobot, selajutya data dolah megguaka model keputusa yatu TOPSIS (Techque for Order Preferece by Smlarty to Ideal Soluto). Metode dguaka utuk memberka pelaa alteratf yag aka dplh berdasarka bobot dega pergkat. Kedua metode dkombaska utuk meghaslka suatu proses sesua dega krtera yag dgka. Itegras pedekata FAHP da TOPSIS dapat memberka bobot yag sesua krtera da memberka hasl seleks yag bak. Adapu haslya dar beberapa access pot d LAB yag dpatau meujukka la rata rata QoS hasl uj verfkas berksar pada 86% setelah dlakuka perbaka stalas. Kata kuc: Iteret of thg, FAHP, TOPSIS, Qualty of Servce ABSTRAK Iteret of Thgs s also kow by the acroym IOT s a cocept that ams to exted the beefts of Iteret coectvty are coected cotuously. IOT eeded to support good QoS aalyss. Qualty of Servce (QoS) s defed as a measure of how well a computer etwork to provde servce. QoS s desged to help ed users become more productve by esurg that ed users get relable performace of etwork-based applcatos. FAHP method (Fuzzy Aalytcal Herarchy Process) s used to get the weghts of some predetermed crtera. After determg the weght, the the data s processed usg a decso model that TOPSIS (Techque for Order Preferece by Smlarty to Ideal Soluto). Ths method s used to provde a assessmet of alteratves wll be chose based o the weght of the ratgs. Both methods are combed to produce a process accordg to desred crtera. Itegrato FAHP ad TOPSIS approach ca gve approprate weght selecto crtera ad gve good results. As a result of multple access pots LAB motored shows the average value of QoS for verfcato result rages at 86% after the repar stall Keywords : Iteret of thg, FAHP, TOPSIS, Qualty of Servce

PENDAHULUAN Iteret of Thgs (IoT) adalah sebuah stlah yag belakaga mula rama dtemu amu mash bayak yag belum megert art dar stlah. Sebetulya hgga saat belum ada pegerta atau defs stadar megea Iteret of Thgs, amu secara sgkat Iteret of Thgs bsa dblag adalah d maa beda-beda d sektar kta dapat berkomukas atara satu sama la melalu sebuah jarga teret (Ju et al., 203). Adapu masalahya adalah servce pelayaa teret of thgs d daerah belum cukup memada utuk dapat megguaka fasltas dega bak dkareaka berbaga keterbatasa dataraya keterbatasa peragkat, frastruktur da pelayaa (Beev, 206). Beberapa alasa megapa kta memerluka QoS adalah Utuk memberka prortas aplkas krts pada jarga, Utuk memaksmalka pegguaa vestas jarga yag sudah ada, Utuk megkatka performas utuk aplkas-aplkas yag sestf terhadap delay, sepert Voce da Vdeo da Utuk merespo terhadap adaya perubaha-perubaha pada alra traffc d jarga Adapu recaa pemecaha masalahya adalah bagamaa cara utuk dapat megukur tgkat kepuasa pelayaa Iteret of thgs berdasarka frastruktur yag terseda (Rafque ad Shah, 206) da Tujua dar peelta adalah megukur tgkat keberhaslah pelayaa ot d daerah. Pegambla keputusa yag dguaka djadka cotoh prototype pelayaa yag dgka peggua. Proses pemlha, datara megguaka berbaga alteratf aks yag bertujua utuk memeuh satu atau beberapa sasara. Sstem pegambla keputusa memlk 4 fase, yatu tellgece, desg, choce, da mplemetato. Fase sampa 3 merupaka dasar pegambla keputusa, yag dakhr dega suatu rekomedas. Pemecaha masalah serupa dega pegambla keputusa dtambah dega mplemetas dar rekomedas. Pemecaha masalah tak haya megacu ke solus dar area masalah / kesulta tap mecakup juga pada peyeldka megea kesempata yag ada (Neg ad Chadra, 204). Ada bayak metode yag dapat dguaka dalam sstem rekomedas. Da setap metode mempuya keuggula masg-masg. FAHP (Fuzzy Aalytcal Herarchy Process) merupaka pegembaga dar metode AHP (Aalytcal Herarchy Process) yag ddalamya terdapat peerapa dar logka fuzzy. Sedagka TOPSIS (Techque for Order Preferece by Smlarty to Ideal Soluto) merupaka metode yag ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf (PIS), amu juga memlk jarak terpajag dar solus deal egatf (NIS). Kedua metode tersebut dgabugka utuk meghaslka proses yag sesua dega krtera da alteratf yag dgka. (Sasrekha ad Ilazkumara, 203) Tpe Artkel Qualty of Servce (QoS) Merupaka kemampua suatu jarga utuk meyedaka layaa yag bak dega meyedaka badwth, megatas jtter da delay. Parameter QoS adalah latecy, jtter, packet loss, throughput, Mea opo score (MOS), echo cacellato da Post Dal Delay (PDD). QoS sagat dtetuka oleh kualtas jarga yag dguaka (Xu et al., 206). Terdapat beberapa factor yag dapat meuruka la QoS, sepert : Redama, Dstors, da Nose. Tujua dar QoS adalah utuk memeuh kebutuha layaa yag berbeda, yag megguaka frastruktur yag sama. QoS meawarka kemampua utuk medefska atrbut-atrbut layaa yag dsedaka, bak secara kualtatf maupu kuattatf.(rameek et al., 206) AHP (Aalytcal Herarchy Process) AHP adalah salah satu metode MADM (Multple Attrbute Decso Makg) yag dkembaga oleh Saaty pada tahu 2000. AHP dguaka utuk pemecaha suatu masalah atau persoala kompleks yag tdak terstruktur, strategc, da damk mejad bagabagaya, serta meata dalam suatu herark. Kemuda tgkat kepetga setap varabel dber la umerk secara subjektf tetag art petg varabel tersebut secara relatf dbadgka dega varabel la. Dar berbaga pertmbaga tersebut kemuda dlakuka stesa utuk meetapka varabel yag memlk prortas tgg da berpera utuk mempegaruh hasl pada sstem tersebut.(su et al., 206) Fuzzy Aalytcal Herarchy Process (FAHP) 2

Pada tahu 965, Zadeh memodfkas teor hmpua dmaa setap aggotaya memlk derajat keaggotaa yag berla kotu atara 0 da. Hmpua dsebut dega hmpua kabur (Fuzzy Set)(Xe ad Qa, 206). Hmpua Fuzzy ddasarka pada gagasa utuk memperluas jagkaua fugs karakterstk sedemka hgga fugs tersebut aka mecakup blaga real pada terval [0,]. (Sa ad Kumar, 204) Pada dasarya lagkah-lagkah dalam Metode fuzzy-ahp adalah hampr sama dega Metode AHP. Pegguaa AHP dalam problem Mult Crtera Decso Makg (MCDM) serg dkrts sehubuga dega kurag mampuya pedekata utuk megatas faktor ketdakpressa yag dalam oleh pegambl keputusa ketka harus memberka la yag past dalam parwse comparso. Utuk meaga ketdak pressa dajuka dega megguaka teor fuzzy set. Tdak sepert dalam metode AHP orsl yag megguaka skala -9 dalam parwse comparso, fuzzy AHP megguaka fuzzy umbers.(su et al., 200) Fuzzy-AHP meutup kelemaha yag terdapat pada AHP, yatu permasalaha terhadap krtera yag memlk sfat subjektf lebh bayak. Krtera da alteratf dla melalu perbadga berpasaga. Meurut Saaty (988), utuk berbaga persoala, skala sampa 9 adalah skala terbak dalam megekspreska pedapat. Nla da defs pedapat kualtatf dar skala perbadga Saaty dapat dlhat pada Tabel. Tabel. Skala Pelaa Perbadga Berpasaga teredah, m adalah la kemugka tegah da u adalah la kemugka teratas pada terval putusa pegambl keputusa. Nla l, m, da u dapat juga dtetuka oleh pegambl keputusa tu sedr. Blaga segtga fuzzy (TFN) dapat meujukka kesubjektfa perbadga berpasaga atau dapat meujukka derajat yag past dar kekabura (ketdakpasta). Dalam hal varabel lgustk dapat dguaka oleh pegambl keputusa utuk merepresetaska kekabura data seadaya ada ketdakyamaa dega TFN (Xag et al., 204). TFN da varabel lgustkya sesua dega skala Saaty dtujukka pada gambar. Gambar. Blaga segtga fuzzy Blaga fuzzy datas dapat dtabulaska pada tabel 2. Tabel 2. Fugs keggotaa blaga fuzzy Utuk melakuka prortas lokal dar matrks fuzzy parwse comparso sudah bayak metode yag dkembagka oleh para ahl sebelumya. Dega megkombaska prosedur AHP dega operas artmetk utuk blaga fuzzy, prortas lokal dapat dperoleh dega megguaka persamaa. () Dega kata la fuzzy AHP adalah metode aalss yag dkembagka dar Metode AHP orsl. Dalam pedekata fuzzy AHP dguaka Tragular Fuzzy Number (TFN) atau Blaga Fuzzy Segtga (BFS) utuk proses fuzzyfkas dar matrks perbadga yag bersfat crsp. (Jag et al., 200). Data yag kabur aka dpresetaska dalam TFN. Setap fugs keaggotaa ddefska dalam 3 parameter yak, l, m, da u, dmaa l adalah la kemugka Utuk: l=la batas bawah (kemugka teredah) m=la yag palg mejajka (kemugka tegah) u=la batas atas (kemugka teratas) persamaa perhtuga derajat kemugka (2) Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS) 3

TOPSIS (Techque for Order Preferece by Smlarty to Ideal Soluto ) dkembagka oleh Hwag da Yoo (98), TOPSIS ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf (PIS), amu juga memlk jarak terpajag dar solus deal egatf (NIS) (Ashraf et al., 206). Lagkahlagkah yag dlakuka dalam peyelesaa masalah megguaka metode TOPSIS adalah sebaga berkut:. Normalsas matrks keputusa. Setap eleme pada matrks C dormalsas utuk medapatka matrks ormalsas R. Setap ormalsas dar la rj dapat dlakuka dega perhtuga sebaga berkut: xj rj = m 2 x (3) Dmaa: r j = matrks terormalsas [][j] x j = matrks keputusa [][j] 2.Pembobota pada matrks yag telah dormalsas. Dberka bobot W = (W, W 2,..., W ), sehgga weghted ormalsed matrx dapat dhaslka sebaga berkut: Secara matemats weghted ormalsed matrx dapat dperoleh dega rumus berkut : y j = W j. r j (4) Dmaa: y j = matrks ormalsas terbobot [][j] w j = vektor bobot [j] r j = matrks terormalsas [][j] 3.Meetuka solus deal postf da solus deal egatf. (Zag et al., 206) Solus deal postf A+ da solus deal egatf A- dapat dtetuka berdasarka ratg bobot terormalsas (y j ) sebaga: A A Dmaa : = + = + + + ( y, y2,... y = ( y, y2,... y j ) ) (5) (6) max yj; jka j adalah atrbut keutuga + y j = m yj; jka j adalah atrbut baya m yj; jka j adalah atrbut keutuga y j = max yj; jka j adalah atrbut baya 4.Meghtug jarak atara la setap alteratf dega solus deal postf da solus deal egatf (separato measure). utuk (7) utuk =,2,3...m (8) dmaa : D+= jarak alteratf A dega solus deal postf D-= jarak alteratf A dega solus deal egatf y+ = solus deal postf [] y- = solus deal egatf [] y j = matrks ormalsas terbobot [][j] 5.Meghtug la preferes utuk setap alteratf atau kedekata relatf preferes dega solus deal (9) Dmaa : V=Kedekata tap alteratf terhadap solus deal METODE Adapu user dalam Sstem formas QoS melput. Adm Adm adalah peggua sstem yag mempuya hak akses peuh. Adm dapat meambah, megubah, meghapus data da la parameter qos. Adm juga dapat melhat lapora dar hasl seleks parameter qos da semua megea data da la parameter qos 2. user user adalah peggua umum yag dapat mematau pelaa QoS dega parameter o teks Terdapat 7 parameter QoS yag dguaka pada peelta, melput :.Throughput, yatu kecepata (rate) trasfer data efektf, yag dukur dalam bps 4

2.Packet Loss, merupaka suatu parameter yag meggambarka suatu kods yag meujukka jumlah total paket yag hlag 3.Delay (latecy), adalah waktu yag dbutuhka data utuk meempuh jarak dar asal ke tujua 4.Jtter, atau varas kedataga paket, hal dakbatka oleh varas-varas dalam pajag atra, dalam waktu pegolaha data 5.Mea Opo Score, Kualtas syal yag dterma basaya dukur secara subjektf da objektf, dega pelaa Exellet, Good, Far, Poor da Bad 6.Echo Cacelato, Utuk mejam kualtas layaa voce over packet 7.Post Dal Delay, PDD (Post-Dal Delay) yag djka kurag dar 0 detk dar saat dgt terakhr yag dmasukka sampa medapatka rgg back. mula matrks berpasaga atar krtera dega skala TFN. 2.Meetuka la stess fuzzy (S ) prortas. 3.Jka hasl yag dperoleh pada setap matrk fuzzy, M 2 = (l 2, m 2, u 2 ) M = (l, m, u ) dapat ddefska sebaga la vector. 4.Jka hasl la fuzzy lebh besar dar k fuzzy, M (=,2,...,k) yag dapat ddefska sebaga V (M,M 2,...,M k ) = V[(M M ) da (M M 2 ) da... (M M )] 5.Normalsas bobot vektor atau la prortas krtera yag telah dproleh, W= (d(a ), d(a 2 ),..., d(a ))T Dmaa W adalah blaga ofuzzy. Proses TOPSIS dtujukka Gambar 4. Start Vektor bobot teromalsas Pembobota krtera Htug Nla Fuzzy Sythetc Normalsas Matrk Keputusa Utuk =,2,3,...m da; j=,2,3,... Tetuka derajat kemugka Htug Normalsas Terbobot yj y j = wrj Htug Solus Ideal Postf A+ da solus deal Negatf A- m2 m Y V= NT Htug jarak atara la setap alteratf dega solus deal postf & solus deal egatf,utuk =,2,3...m l u2 Y V=0,utuk =,2,3...m V= N Htug la prerefes utuk setap alteratf,dmaa 0 < V < da =,2,3,...m Megurutka Alteratf Meetuka bobot vektor W =(d (A),d (A2),...,d (A)) T Ed Meetuka bobot vektor terormalsas W=(d(A),d(A2),...,d(A)) T Bobot vektor terormalsas ed Gambar 3. Flowchart TOPSIS Alteratf dragkg berdasarka uruta. Sehgga alteratf terbak adalah salah satu yag berjarak terpedek terhadap solus deal da berjarak terjauh dega solus deal egatf. Gambar 2. Flowchart metode FAHP lagkah peyelesaa F-AHP sepert dtujukka Gambar 2 adalah.membuat struktur hrark masalah yag aka dselesaka da meetuka perbadga 5

HASIL DAN PEMBAHASAN. Form Log Form log adalah form yag dperguaka oleh peggua sstem utuk masuk ke dalam sstem. Peggua sstem memasukka userame da password kemuda teka tombol log. Jka log sukses maka meu dalam sstem dapat dakses sesua dega jes peggua sstem sepert dtujukka Gambar 4. Peggua sstem ada 2 yatu adm da IT Support. maka secara otomats pembobota dalam skala ahp kemuda dubah kedalam skala FAHP. 4. Form Proses FAHP. Form merupaka lagkah-lagkah yag harus dlakuka utuk medapatka hasl pembobota krtera dega megguaka FAHP. Lagkah pertama adalah dega mecar derajat kemugka terlebh dahulu, kemuda mecar la prortas bobot da yag terakhr adalah meghtug bobot krtera Gambar 4. Form log 2. Form Etry Form dperguaka utuk memasukka semua data yag berkata dega Access Pot. Msalya ama Access Pot, Lokas, Type da merk AP, Kekuata Syal (db), Mac Address, No IP Address Statc / dyamc. Data dtark megguaka aplkas Dude. Gambar 6. Form Proses FAHP 5. Seleks AP / Koeks WS (Work Stato) Pada meu seleks AP (Access Pot). Lagkah-lagkah perhtuga dega metode TOPSIS. Terdr dar meu ormalsas,ormalsas terbobot, solus deal, jarak deal, la preferes da peragkga. Uj Coba da Aalss Sstem Tabel. Skala lgustk Skala lgustk Nla kepetga Skala TFN Skala TFN Ivers pada AHP fuzzy fuzzy Sama petg (,,) (,,) Sedkt lebh 3 (,3,5) (/5,/3,) petg Lebh petg 5 (3,5,7) (/7,/5,/3) Sagat petg 7 (5,7,9) (/9,/7,/5) Palg petg 9 (7,9,) (/,/9,/7) Gambar 5.Tampla Dude utuk medapatka data karakterstk koeks 3. Form Pembobota Krtera Form dperguaka utuk memberka pembobota krtera dalam skala AHP. Ketka user megklk tombol smpa Tabel merupaka tabel pembobota krtera. Pembobota krtera dlakuka dalam skala betuk AHP. Apabla suatu eleme dbadgka dega drya sedr maka dber la. Jka eleme dbadgka dega eleme j medapatka la tertetu, maka eleme j dbadgka dega eleme merupaka kebalkaya. Tabel 2. Pembobota krtera TRPU T LOS S DL Y JI T MO S ECH O PSTDL Y TRPUT 3 3 5 5 5 LOSS /3 /3 3 3 6

TRP UT LOSS DLY 7 3 3 3 JIT /3 /7 3 /3 3 MOS /5 3 /3 /3 /3 ECH /5 /3 /3 3 /3 PSTDL Y /5 /3 /3 /3 3 3 Tabel 2 merupaka tabel pembobota krtera yag dubah kedalam skala Tragular Fuzzy Number (TFN). Tabel 3 dalam skala FAHP. Tabel 3 Pembobota krtera dalam skala FAHP TRPUT LOSS DLY JIT MOS ECHO PSTDLY L M U L M U L M U L M U L M U L M U L M U 3 5 3 5 3 5 7 3 5 7 3 5 7 / 5 / 3 / 5 / 3 3 5 3 5 DLY 5 7 9 3 5 3 5 3 5 JIT / / / / / / / 3 5 5 3 9 7 5 5 3 3 5 MOS / / / / / / / / / 3 5 7 5 3 5 3 5 3 5 3 ECH / / / / / / / / / 3 5 7 5 3 5 3 5 3 5 3 PSTD / / / / / / / / / LY 7 5 3 5 3 5 3 5 3 3 5 3 5 Perhtuga bobot dega Fuzzy Aalytcal Herarchy Process (FAHP).Setelah la AHP dubah kedalam skala TFN maka dapat dlakuka lagkah selajutya yatu perhtuga la l,m da u sesua dega persamaa Fuzzy stetc. Tabel 4 Perhtuga la l, m da u jumlah L bars Jumlah M bars jumlah U bars / U / M / L L M U TRPUT(c) 3 23 33 0.022 0.02 0.008 0.05 0.284 0.73 LOSS(c2) 5 2/5 9 2/3 5 0.022 0.02 0.008 0.043 0.9 0.332 DLY(c3) 9 27 0.022 0.02 0.008 0.089 0.234 0.598 V (C6 C) = 0.375, V (C6 C2) = 0.83, V (C6 C3) = 0.47, V (C6 C4) = 0.857, V (C6 C5) =, V (C6 C7) = 0.89 V (C7 C) = 0.538, V (C7 C2) = 0.938, V (C7 C3) = 0.632, V (C7 C4) = 0.974, V (C7 C5) =, V (C7 C6) = Kemuda prortas bobot dapat dhtug dega persamaa 5 da 6. d (A )= m V (S S k ) Utuk k =, 2,...; k. Kemuda vektor bobot ddapatka dega W =(d (A ),d (A 2 ),...,d (A )) T d (C) = m (,,,,, ) = d (C2) = m ( 0.58, 0.679,,,, ) = 0.58 d (C3) = m ( 0.909,,,,, ) = 0.909 d (C4) = m ( 0.545, 0.962, 0.643,,, ) = 0.545 d (C5) = m ( 0.375, 0.83, 0.47, 0.857,, 0.89 ) = 0.375 d (C6) = m ( 0.375, 0.83, 0.47, 0.857,, 0.89 ) = 0.375 d (C7) = m ( 0.538, 0.938, 0.632, 0.974,, ) = 0.538 bobot prortas w = (, 0.58, 0.909, 0.545, 0.375, 0.375, 0.538 ) T. da setelah bobot prortas ddapatka kemuda dlakuka ormalsas W=(d(A ),d(a 2 ),...,d(a )) T sehgga bobot vektor dapat dhtug sebaga berkut w = ( 0.23, 0.34, 0.2, 0.26, 0.087, 0.087, 0.25 ). Msalka A adalah matrks perbadga berpasaga, da w adalah vektor bobot, maka kosstes dar vektor bobot w dapat duj sebaga berkut : eleme ke - pada (A)(w t = T = eleme ke - pada w Htug (A)(w T ) T ) JIT(c4) 4 /2 8 4/5 4 /5 0.022 0.02 0.008 0.0360.090.35 MOS(c5) 3 3/4 6 /5 0 /3 0.022 0.02 0.008 0.0300.0760.229 ECH(c6) 3 3/4 6 /5 0 /3 0.022 0.02 0.008 0.0300.0760.229 PSTDLY(c7) 3 3/4 8 /5 4 /3 0.022 0.02 0.008 0.0300.00.38 L=45 /7 M=8 U=24 /5 Setelah la l,m da u ddapatka maka dhtug derajat kemugka sesua dega persamaa 2. V (C C2) =, V (C C3) =, V (C C4) =, V (C C5) =,V (C C6) =, V (C C7) = V (C2 C) = 0.58, V (C2 C3) = 0.679, V (C2 C4) =, V (C2 C5) =, V (C2 C6) =, V (C2 C7) = V (C3 C) = 0.909, V (C3 C2) =, V (C3 C4) =, V (C3 C5) =, V (C3 C6) =, V (C3 C7) = V (C4 C) = 0.545, V (C4 C2) = 0.962, V (C4 C3) = 0.643, V (C4 C5) =, V (C4 C6) =, V (C4 C7) = V (C5 C) = 0.375, V (C5 C2) = 0.83, V (C5 C3) = 0.47, V (C5 C4) = 0.857, V (C5 C6) =, V (C5 C7) = 0.89 t = 2.73 0.2 2.353.03 0.776 0.775 0.848 + + + + + + = 9.223 7 0.23 0.34 0.2 0.26 0.087 0.087 0.25 Htug deks kosstes: t CI = 9.233 7 CI = = 0.37 6 Utuk =7, dperoleh RI 7 =.32 dapat dlhat sehgga: CI 0.009 = = 0.28 RI.32 7 7

Sehgga la Hasl akhr uj kosstes adalah 0.28 Implemetas FAHP pada metode Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS). Pada seleks AP dega metode TOPSIS, data uj coba yag dguaka sebayak 5. Data berupa la parameter AP, yag terdr dar la troughput, LOSS, Delay, Jtter, MOS, ECH, Post Delay kemuda dlakuka ormalsas sesua persama 3. Lagkah selajutya meghtug ormalsas terbobot,yatu data yag sudah dormalsas kemuda dkalka dega bobot yag dhtug dega proses FAHP sesua dega persamaa 4 y = w r j Dmaa: y j = matrks ormalsas terbobot [][j] w j = vektor bobot [j] r j = matrks terormalsas [][j] Lagkah selajutya meghtug solus deal postf (A + ) da solus deal egatf (A - ) sesua persamaa 5 da 6 + + + A + = ( y, y2,... y ) A = y, y,... y ) Dmaa : max yj; jka j adalah atrbut keutuga + y j = m yj; jka j adalah atrbut baya m yj; jka j adalah atrbut keutuga y j = max yj; jka j adalah atrbut baya Lagkah selajutya meghtug jarak alteratf dar solus deal egatf (D - ) sesua persama 7 da solus deal postf (D + ) sesua persamaa 8. D = j= ( y utuk =,2,3...m Dmaa : D - = jarak alteratf A dega solus deal egatf y - = solus deal egatf [] y j = matrks ormalsas terbobot [][j] D + = j= j j ( y + j ( 2 y 2 ) y ) j 2 utuk =,2,3...m Dmaa : D + = jarak alteratf A dega solus deal postf y + = solus deal postf [] y j = matrks ormalsas terbobot [][j] Tabel 5. Tabel Seleks AP berdasarka la kedekata No Nama AP Poss DI+ DI- AP Lab Bs 0 0.00269 0.060 2 AP2 Lab TI 0 0.00322 0.00950 3 AP3 Lab Bs 02 0.0032 0.0030 4 AP4 Lab TI 02 0.00302 0.0030 5 AP5 Lab Mekatro 0.00408 0.00885 6 AP6 Lab Idustr 0.00347 0.006 7 AP7 Lab TIA Ifor 0.00274 0.007 8 AP8 Lab CIA Ifor 0.00450 0.00830 9 AP9 Lab Pemrog Ifor 0.0029 0.0092 0 AP0 R.ProdMI 0.00475 0.00797 AP R.Prod TMJ 0.00370 0.00987 2 AP2 R.Prod Mekatro 0.00406 0.00863 3 AP3 R.Prod Idustr 0.00477 0.0085 4 AP4 R.Prod Elektro 0.00256 0.0034 5 AP5 Lab Sstem Iformas 0.00376 0.0090 Utuk hasl Jarak alteratf dar solus deal postf da solus deal egatf data la AP Selajutya meghtug la preferes (v ) sesua dega persamaa 9. dmaa 0 < V < D V = + D + D da =,2,3,...m, Dmaa : V =kedekata tap alteratf terhadap solus deal. Utuk hasl la preferes data meujukka cara megurutka la preferes dar tap workstato yag terkoeks ke Access Pot dar yag terbesar ke yag terkecl dmaa Nla preferes terbesar adalah 0.827 da yag terkecl adalah 0.333 verfkas hasl uj sstem terhadap kods lapaga. Hasl meujukka dar 5 AP terdapat 2 AP dega selsh kesalaha cukup sgfka da daggap sebaga hasl yag salah. Sehgga prosetase hasl uj dapat dhtug sebaga berkut. 8

Dmaa : Score : jumlah AP yag cocok sesua dega sstem perhtuga aalsa. : total seluruh AP yag memeuh syarat. =(5-3)/2=0.86 Hasl akhr meujukka prosetase yag ddapat dar verfkas hasl uj sstem dlapaga sebesar 86%. SIMPULAN DAN SARAN Setelah meyelesaka peracaga da pembuata sstem rekomedas, maka dperoleh kesmpula sebaga berkut:. Berdasarka hasl uj coba yag telah dlakuka, metode FAHP memberka bobot throughput = 0.23, Loss=0.34, Delay=0.2, Jtter=0.26, MOS=0.087, Echo=0.087 da Post Delay=0.25. 2. Pembobota krtera megguaka metode FAHP pada sstem rekomedas lebh kosste darpada dega megguaka AHP dega memberka la kosstes 0.28. Peragkga alteratf megguaka metode TOPSIS pada sstem memberka la preferes terbesar adalah 0.759 da yag terkecl adalah 0.355 dega uj verfkas 86%. DAFTAR PUSTAKA ASHRAF, Q. M., HABAEBI, M. H. & ISLAM, M. R. 206. TOPSIS-Based Servce Arbtrato for Autoomc Iteret of Thgs. IEEE Access, 4, 33-320, 0.09/ACCESS.206.254574. BEEVI, M. J. A far survey o Iteret of Thgs (IoT). 206 Iteratoal Coferece o Emergg Treds Egeerg, Techology ad Scece (ICETETS), 24-26 Feb. 206 206. - 6, 0.09/ICETETS.206.7603005. JIANG, Z., FENG, X., FENG, X. & SHI, J. A AHP-TFN model based approach to evaluatg the parter selecto for avato subcotract producto. Iformato ad Facal Egeerg (ICIFE), 200 2d IEEE Iteratoal Coferece o, 7-9 Sept. 200 200. 3-35, 0.09/ICIFE.200.5609309. JUN, L., YANYONG, Z., YIH-FARN, C., NAGARAJA, K., SUGANG, L. & RAYCHAUDHURI, D. A Moble Phoe Based WSN Ifrastructure for IoT over Future Iteret Archtecture. Gree Computg ad Commucatos (GreeCom), 203 IEEE ad Iteret of Thgs (Thgs/CPSCom), IEEE Iteratoal Coferece o ad IEEE Cyber, Physcal ad Socal Computg, 20-23 Aug. 203 203. 426-433, 0.09/GreeCom-Thgs- CPSCom.203.89. NEGI, N. & CHANDRA, S. Web servce selecto o the bass of QoS parameter. Cotemporary Computg (IC3), 204 Seveth Iteratoal Coferece o, 7-9 Aug. 204 204. 495-500, 0.09/IC3.204.6897223. RAFIQUE, W. & SHAH, M. A. Performace evaluato of IoT etwork frastructure. 206 22d Iteratoal Coferece o Automato ad Computg (ICAC), 7-8 Sept. 206 206. 348-353, 0.09/ICoAC.206.7604944. RAMNEEK, HOSEIN, P., CHOI, W. & SEOK, W. 206. Cogesto detecto for QoS-eabled wreless etworks ad ts potetal applcatos. Joural of Commucatos ad Networks, 8, 53-522, 0.09/JCN.206.000066. SAINI, V. K. & KUMAR, V. AHP, fuzzy sets ad TOPSIS based relable route selecto for MANET. Computg for Sustaable Global Developmet (INDIACom), 204 Iteratoal Coferece o, 5-7 March 204 204. 24-29, 0.09/IdaCom.204.6828006. SASIREKHA, V. & ILANZKUMARAN, M. Heterogeeous wreless etwork selecto usg FAHP tegrated wth TOPSIS ad VIKOR. Patter Recogto, Iformatcs ad Moble Egeerg (PRIME), 203 Iteratoal Coferece o, 2-22 Feb. 203 203. 399-407, 0.09/ICPRIME.203.649650. SUN, H., CAI, L., LIU, X., SONG, H., YANG, G., LIU, Z. & MENG, Z. Doma- Specfc Software Bechmarkg Methodology Based o Fuzzy Set Theory ad AHP. Computatoal 9

Itellgece ad Software Egeerg (CSE), 200 Iteratoal Coferece o, 0-2 Dec. 200 200. -4, 0.09/CISE.200.5676892. SUN, R., ZHANG, B. & LIU, T. Rakg web servce for hgh qualty by applyg mproved Etropy-TOPSIS method. 206 7th IEEE/ACIS Iteratoal Coferece o Software Egeerg, Artfcal Itellgece, Networkg ad Parallel/Dstrbuted Computg (SNPD), May 30 206-Jue 206 206. 249-254, 0.09/SNPD.206.755909. XIANG, Q., LI, W. & WANG, L. A New Evaluato Method for Sgle Scheme Based o Icomplete Tragular Fuzzy Numbers Judgmet Matrx. Computatoal Itellgece ad Desg (ISCID), 204 Seveth Iteratoal Symposum o, 3-4 Dec. 204 204. 404-407, 0.09/ISCID.204.46. XIE, M. B. & QIAN, Q. Fuzzy set based data publshg for prvacy preservato. 206 7th IEEE/ACIS Iteratoal Coferece o Software Egeerg, Artfcal Itellgece, Networkg ad Parallel/Dstrbuted Computg (SNPD), May 30 206-Jue 206 206. 569-574, 0.09/SNPD.206.755960. XU, L., LI, H., SUN, J., PAN, K. & ZHANG, G. QoS Oreted Embeddg for Network Vrtualzato. 206 IEEE 4th Itl Cof o Depedable, Autoomc ad Secure Computg, 4th Itl Cof o Pervasve Itellgece ad Computg, 2d Itl Cof o Bg Data Itellgece ad Computg ad Cyber Scece ad Techology Cogress(DASC/PCom/DataCom/Cyb ersctech), 8-2 Aug. 206 206. 660-665, 0.09/DASC-PICom-DataCom- CyberScTec.206.9. ZANG, T., QIU, L., HE, Z. & QIAN, Q. A group evaluato method for scece popularzato usg geeralzed fuzzy smlarty ad TOPSIS. 206 IEEE Iteratoal Coferece o Mechatrocs ad Automato, 7-0 Aug. 206 206. 2487-2493, 0.09/ICMA.206.7558957. 0