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

dokumen-dokumen yang mirip
ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

KOMPUTASI METODE SAW DAN TOPSIS MENGGUNAKAN GUI MATLAB UNTUK PEMILIHAN JENIS OBJEK WISATA TERBAIK (Studi Kasus : Pesona Wisata Jawa Tengah)

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

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

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

PEMILIHAN MAHASISWA BERPRESTASI DIPLOMA MENGGUNAKAN METODE TOPSIS

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

UKURAN GEJALA PUSAT DAN UKURAN LETAK

BAB III PERSAMAAN PANAS DIMENSI SATU

Preferensi untuk alternatif A i diberikan

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

BAB II LANDASAN TEORI

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

BAB 2. Tinjauan Teoritis

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 Penentuan Prioritas Desa Penerima Program Desa Siaga pada Dinas Kesehatan Kota Banjar

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

8. MENGANALISIS HASIL EVALUASI

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

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

BAB II LANDASAN TEORI

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

BAB 2 LANDASAN TEORI

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

Bab II Teori Pendukung

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Pemilihan Pemasok Terbaik dengan Metode. (Studi Kasus : CV. Becik Joyo)

BAB III METODE PENELITIAN

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

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

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

SOLUSI TUGAS I HIMPUNAN

BAB III UKURAN PEMUSATAN DATA

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

BAB II TINJAUAN PUSTAKA

Penerapan Metode TOPSIS untuk Penentuan Variabel Setting Pada Optimisasi Multirespon Taguchi

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

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

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

S2 MP Oleh ; N. Setyaningsih

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

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

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

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

BAB 1 ERROR PERHITUNGAN NUMERIK

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

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

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

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

BAB 5. ANALISIS REGRESI DAN KORELASI

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

UJIAN TUGAS AKHIR LOGO. Kamis, 28 Januari Oleh : Heny Nurhidayanti. Dosen Pembimbing : INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA

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

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

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

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

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

Uji Statistika yangb digunakan dikaitan dengan jenis data

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

NORM VEKTOR DAN NORM MATRIKS

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

POLIGON TERBUKA TERIKAT SEMPURNA

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

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

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

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PEDOMAN STATISTIK UJI PROFISIENSI

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

2.2.3 Ukuran Dispersi

Pengujian Autokorelasi terhadap Sisaan Model Spatial Logistik

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

Regresi Linier Sederhana Definisi Pengaruh

MATEMATIKA INTEGRAL RIEMANN

Regresi & Korelasi Linier Sederhana

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

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

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

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

METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX

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

Sistem Pendukung Keputusan dalam Pemilihan Internet Service Provider Dengan Metode TOPSIS

UKURAN GEJALA PUSAT (UGP)

3 Departemen Statistika FMIPA IPB

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

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

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

Transkripsi:

ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahu 2016, Halama 663-672 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa PEMILIHAN PENGRAJIN TERBAIK DENGAN METODE ELECTRE DAN TOPSIS MENGGUNAKAN GUI MATLAB (STUDI KASUS : PT. Asaputex Jaya, Tegal) Haf Rsalam 1, Rta Rahmawat 2, Supart 3 1 Mahasswa Departeme Statstka FSM Uverstas Dpoegoro 2,3 Staff Pegaar Departeme Statstka FSM Uverstas Dpoegoro ABSTRACT Compay s techcal uty that ams to produce goods servces. Oe of determats of succesful compay s ts huma resources or kow as employees. PT. Asaputex Jaya s oe of compay that egaged the maufacture of sarog. Poor qualty of huma resources, especally o the producto s stll a obstacle for PT. Asaputex Jaya. Therefore selecto of the best craftsme eed to be doe so that producto process does t meet ay probelms. Ths research was coducted to determe top craftsme sarog producto o PT. Asaputex Jaya, ad also used for PT. Asaputex Jaya s huma resources maagemet terests. ELECTRE s based o rakgs cocept through par comparso betwee alteratves o the sutable crtera. Whle TOPSIS ca determe the value of preferece for each alteratve, the cocept s smple ad easy to uderstad. There are 8 crtera the selecto of top craftsme: desg, fabrcs assembly, merger wth fller materal, maufacture of sarog, puctualty, statutes of sze, talorg results, ad eatess or sttchg clealess. Through the TOPSIS method selected 10 top craftsme: 5 th, 14 th, 15 th, 9 th, 3 rd, 13 th,6 th, 20 th, 18 th, ad 10 th, whch the oly oe top craftsma wll be chose usg the ELECTRE method. Ths study also produced a GUI Matlab programmg applcato that ca help users performg data processg usg TOPSIS ad ELCTRE to select the best craftsme o PT. Asaputex Jaya Keyword: SDM, TOPSIS, ELECTRE, GUI Matlab, top craftsme 1. PENDAHULUAN Perusahaa adalah kesatua teks yag bertuua meghaslka barag atau asa. Salah satu peetu keberhasla dalam perusahaa adalah Sumber Daya Mausa (SDM) atau yag dkeal dega karyawa. Oleh karea tu SDM mead faktor petg d perusahaa dalam proses produks. PT. Asaputex Jaya merupaka sebuah perusahaa yag bergerak dalam bdag usaha pembuata sarug teu bermerk Poho Korma dega berbaga es kerapata beag yag memlk kualtas ekspor da telah terdaftar pada Drektorat Jederal Hak Kekayaa Itelektual. Baga produks pada PT. Asaputex Jaya dsebut Ware House dmaa semua proses produks dlakuka pada baga tersebut da karyawa yag memproduks dsebut pegra. Sumber Daya Mausa (SDM) baga produks pada PT. Asaputex Jaya terblag sagat bayak amu tdak sebadg dega produksya. Kualtas SDM dalam melakuka produks uga mash memlk beberapa kekuraga. Kuragya kualtas SDM pada PT. Asaputex Jaya dalam melakuka proses produks mash mead masalah tersedr. Sehgga pemlha pegra terbak perlu dlakuka agar proses produks tdak megalam kedala. Peelta megguaka metode Mult-Attrbute Decso Makg (MADM) Elmato Et Chox Tradusat La Realté (ELECTRE) da Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS) utuk meyelesaka permasalaha d atas yag dbatu dega

Graphcal User Iterfaces (GUI) Matlab. Tuua yag g dcapa dalam peelta adalah meetuka pegra terbak d PT. Asaputex Jaya dega megguaka metode Elmato Et Chox Tradusat La Realté (ELECTRE) da Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS). 2. TINJAUAN PUSTAKA 2.1 Mult-Attrbute Decso Makg (MADM) Mult-Attrbute Decso Makg (MADM) meyeleks alteratf terbak dar seumlah alteratf [1]. Oleh karea tu, MADM basaya dguaka utuk melakuka pelaa atau seleks terhadap beberapa alteratf dalam umlah yag terbatas. Secara umum, model mult-attrbute decso makg dapat ddefska sebaga berkut [4] : Msalka A={a =1,,} adalah hmpua alteratf-alteratf keputusa da C={c =1,,m} adalah hmpua tuua yag dharapka, maka aka dtetuka alteratf x 0 yag memlk deraat harapa tertgg terhadap tuua-tuua yag releva c. Matrks keputusa setap alteratf terhadap setap atrbut X, dberka sebaga: dmaa x merupaka ratg kera alteratf ke- terhadap atrbut ke-. Matrks keputusa MADM (X) dguaka sebaga dasar perhtuga aalss TOPSIS da ELECTRE. 2.2 Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS) TOPSIS megguaka prsp bahwa alteratf yag terplh harus mempuya arak terdekat dar solus deal postf da terauh dar solus deal egatf berdasarka sudut padag geometrs dega megguaka arak eucldea utuk meetuka kedekata relatf dar suatu alteratf dega solus optmal [2]. Meurut Kusumadew dkk. (2006), metode TOPSIS terdr dar lagkah-lagkah sebaga berkut. 1. Membuat matrks keputusa yag terormalsas. Nla yag terormalsas ( r ) dhtug dega megguaka persamaa berkut: x r m x 2 1 (2) Sehgga dperoleh matrks keputusa yag terormalsas (R). 2. Meetuka la bobot ( w ). Nla bobot yag dperoleh dapat dtetuka dega persamaa berkut: w z z 1 (3) (1) JURNAL GAUSSIAN Vol. 5, No. 4, Tahu 2016 Halama 664

z merupaka umlah pelaa dar pegambl keputusa terhadap krtera ke-, sedagka w meuukka tgkat kepetga relatf setap krtera ke-. Nla w berdasarka pedapat dar pegambl keputusa da w 1 1. (4) 3. Membuat matrks keputusa yag terormalsas terbobot. Ratg bobot terormalsas ( y ) dhtug sebaga berkut: y w r (5) Berkut matrks keputusa yag terormalsas terbobot (Y). w1r 11 w2r12... wr1 w1r 21 w2r22... wr2 Y............ w1r m1 w2rm 2... wrm (6) 4. Meetuka matrks solus deal postf da matrks solus deal egatf. Solus deal postf ( A ) da solus deal egatf ( A ) dapat dtetuka berdasarka ratg bobot terormalsas y ) sebaga berkut: ( ( 1 2 A y, y,..., y ) ; ( 1 2 A y, y,..., y ) ; y y = kolom ke- dar = kolom ke- dar A (7) A (8) dega, Max y ; ka adalah atrbut keutuga y M y ; ka adalah atrbut baya M y ; ka adalah atrbut keutuga y Max y ; ka adalah atrbut baya 5. Meetuka arak atara la setap alteratf dega matrks solus deal postf da matrks solus egatf. Jarak atara alteratf A dega solus deal postf ( D ) drumuska sebaga berkut: D 1 2 ( y y ) ; = 1,2,, m (9) Jarak atara alteratf D 1 A dega solus deal egatf ( D ) drumuska sebaga berkut. 2 ( y y ) ; = 1,2,, m (10) 6. Meetuka la preferes utuk setap alteratf. Nla preferes utuk setap alteratf ( V ) yatu sebaga berkut: D V ; = 1,2,, m (11) D D Alteratf yag terplh adalah alteratf yag mempuya la V terbesar. JURNAL GAUSSIAN Vol. 5, No. 4, Tahu 2016 Halama 665

2.3 Elmato Et Chox Tradusat La Realté (ELECTRE) ELECTRE ddasarka pada kosep peragkga melalu perbadga berpasaga atar alteratf pada krtera yag sesua [4]. Suatu alteratf dkataka medomas alteratf yag laya ka satu atau lebh krteraya melebh (dbadgka dega krtera dar alteratf yag la) atau sama dega krtera la yag terssa. Hubuga peragkga atara 2 alteratf yag dotaska A k da A l, ka alteratf ke-k tdak medomas alteratf ke-l secara kuattatf, sehgga pegambla keputusa lebh bak megambl resko A k dar pada A l (Roy, 1973 dalam Kusumadew dkk., 2006). ELECTRE dmula dar membetuk perbadga berpasaga setap alteratf d setap krtera (x ). Nla harus dormalsaska ke dalam suatu skala yag dapat dperbadgka (r ): (12) Sehgga ddapat matrks R hasl ormalsas R adalah matrks yag telah dormalsas, dmaa m meyataka alteratf, meyataka krtera da r adalah ormalsas pegukura plha dar alteratf ke- dalam hubugaya dega krtera ke-. Selautya pegambl keputusa harus memberka faktor kepetga (bobot) pada setap krtera yag megekspreska kepetga relatfya (w ). w = [w 1,w 2,..., w ] T dega w 1 1 (14) Bobot selautya dkalka dega matrks perbadga berpasaga membetuk matrks V: v = w. r (15) Perkala matrksya sebaga berkut: V = R. w Pembetuka cocordace dex da dscordace dex utuk setap pasaga alteratf dlakuka melalu taksra terhadap relas perakg. Utuk setap pasaga alteratf A k da A l (k,l = 1,2,...,m), matrks keputusa utuk krtera terbag mead 2 hmpua baga. Pertama, hmpua cocordace dex {c kl } meuukka peumlaha bobot-bobot krtera yag maa alteratf A k lebh bak dar pada A l. utuk = 1,2,3,.,. (17) Kedua, hmpua dscordace dex {d kl } adalah sebaga berkut: utuk = 1,2,3,., (18) Utuk meetuka la dar eleme-eleme pada matrks cocordace adalah dega meumlah bobot-bobot yag termasuk pada hmpua cocordace, secara matematsya adalah sebaga berkut: (19) (13) (16) JURNAL GAUSSIAN Vol. 5, No. 4, Tahu 2016 Halama 666

Utuk meetuka la dar eleme-eleme pada matrks dscordace adalah dega membag maksmum selsh krtera yag termasuk ke dalam hmpua baga dscordace dega maksmum selsh la seluruh krtera yag ada, secara matematsya adalah sebaga berkut: Matrks-matrks dapat dbagu dega batua suatu la ambag threshold (c). dega la threshold (c) adalah: sehgga eleme matrks F dtetuka sebaga berkut: Matrks G sebaga matrks doma dscordace dapat dbagu dega batua la threshold d: (24) da eleme matrks G dtetuka sebaga berkut: Matrks E sebaga aggregate domace matrx adalah matrks yag setap eleme merupaka perkala atara eleme matrks F dega eleme matrks G yag bersesuaa, secara matemats dapat dyataka sebaga berkut: (26) Jka e kl = 1 megdkaska bahwa alteratf A k lebh dplh dar pada alteratf A l (Kusumadew dkk, 2006). 3. METODOLOGI PENELITIAN Pegumpula data prmer dlakuka dega pegsa kuesoer utuk pembobota krtera da pelaa pegra yag ds oleh pegambl keputusa serta melakuka wawacara dega phak PT. Asaputex Jaya. Waktu pelaksaaa peelta yatu taggal 24 Aprl 2016 sampa dega 6 Me 2016. Varabel yag dguaka pada proses produks yatu : desa, perakta ka, peggabuga dega baha pegs, pembuata sarug, ketetapa waktu, ketetapa ukura, hasl ahta, da kerapha atau kebersha ahta. Sampel yag dambl adalah pegra baga produks yag telah dtetuka oleh PT. Asaputex Jaya. 3.1 Lagkah Aalss Pegolaha data pada peelta adalah peragkga pegra terbak dega megguaka metode ELECTRE da TOPSIS, dega batua komputas GUI Matlab. Software yag dguaka adalah Mcrosoft Excel da Matlab. Adapu lagkah-lagkah yag dguaka utuk memlh pegra terbak yatu sebaga berkut: 1. Megumpulka data dega melakuka wawacara utuk meetapka krtera-krtera yag dguaka utuk memlh pegra terbak 2. Megumpulka data dega pegsa kuesoer oleh pegambl keputusa PT. Asaputex Jaya utuk daalss 3. Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS) a. Membuat matrks keputusa yag terormalsas sepert pada persamaa (2) b. Meetuka la bobot sepert pada persamaa (3) JURNAL GAUSSIAN Vol. 5, No. 4, Tahu 2016 Halama 667 (20) (21) (22) (23) (25)

c. Membuat matrks keputusa yag terormalsas terbobot sepert pada persamaa (6) d. Meetuka matrks solus deal postf da matrks solus deal egatf sepert pada persamaa (7) da (8) e. Meetuka arak atara la setap alteratf dega matrks solus deal postf da solus deal egatf sepert pada persamaa (9) da (10) f. Meetuka la preferes utuk setap alteratf dega megguaka persamaa (11) g. Meetuka pegra terbak dega melhat pegra yag memlk la preferes terbesar. 4. Elmato Et Chox Tradusat La Realté (ELECTRE) a. Normalsas matrks keputusa b. Pembobota pada matrks yag telah dormalsas c. Meetuka hmpua cocordace da dscordace dex d. Meghtug matrks cocordace da dscordace e. Metuka matrks doma cocordace da dscordace f. Meetuka aggregate domace matrx g. Elmas alteratf yag less favourable h. Terplh pegra terbak 4. HASIL DAN PEMBAHASAN 4.1 Pembuata Matrks Keputusa MADM (X) da Meetuka Matrks Keputusa yag Terormalsas (TOPSIS) Matrks keputusa MADM (X) bers kera setap pegra (A) terhadap setap krtera (C). Tabel 1 meuukka matrks keputusa MADM (X). Tabel 2 meuukka matrks keputusa yag terormalsas dega megguaka persamaa (2). Tabel 1 MADM (X) Tabel 2 Matrks Keputusa yag Terormalsas Pegra C 1 C 2 C 3 Krtera C 4 C 5 C 6 C 7 C 8 (A 1 ) 15 20 15 19 16 20 14 0.14 (A 2 ) 19 15 15 19 16 19 11 0.27 (A 3 ) 20 15 20 17 18 16 9 0.33 (A 4 ) 20 20 19 16 19 16 10 0.2 (A 5 ) 20 20 20 19 19 19 27 0.16 (A 6 ) 19 16 20 20 17 18 12 0.25 (A 7 ) 19 15 15 20 16 19 9 0.22 (A 8 ) 19 18 19 19 16 19 14 0.14 (A 9 ) 19 20 19 20 19 18 18 0.11 (A 10 ) 19 16 16 16 20 17 11 0.27 (A 11 ) 18 15 16 16 16 17 15 0.2 (A 12 ) 18 15 16 17 15 18 7 0.28 (A 13 ) 19 18 19 17 18 19 10 0.3 (A 14 ) 19 20 19 16 18 20 21 0.14 (A 15 ) 17 17 20 18 20 20 16 0.18 (A 16 ) 16 16 16 18 18 20 6 0.33 (A 17 ) 16 17 16 17 18 19 13 0.23 (A 18 ) 15 19 15 18 19 15 10 0.3 (A 19 ) 15 17 19 16 18 16 12 0.16 (A 20 ) 15 17 15 16 18 19 9 0.33 R r 1 r 2 r 3 r 4 r 5 r 6 r 7 r 8 A 1 0.1870 0.2570 0.1909 0.2392 0.2015 0.2449 0.2303 0.1317 A 2 0.2368 0.1927 0.1909 0.2392 0.2015 0.2326 0.1810 0.2541 A 3 0.2493 0.1927 0.2546 0.2140 0.2267 0.1959 0.1481 0.3105 A 4 0.2493 0.2570 0.2419 0.2015 0.2393 0.1959 0.1645 0.1882 A 5 0.2493 0.2570 0.2546 0.2392 0.2393 0.2326 0.4442 0.1506 A 6 0.2368 0.2056 0.2546 0.2518 0.2141 0.2204 0.1974 0.2353 A 7 0.2368 0.1927 0.1909 0.2518 0.2015 0.2326 0.1481 0.2070 A 8 0.2368 0.2313 0.2419 0.2392 0.2015 0.2326 0.2303 0.1317 A 9 0.2368 0.2570 0.2419 0.2518 0.2393 0.2204 0.2962 0.1035 A 10 0.2368 0.2056 0.2037 0.2015 0.2519 0.2082 0.1810 0.2541 A 11 0.2244 0.1927 0.2037 0.2015 0.2015 0.2082 0.2468 0.1882 A 12 0.2244 0.1927 0.2037 0.2140 0.1889 0.2204 0.1152 0.2635 A 13 0.2368 0.2313 0.2419 0.2140 0.2267 0.2326 0.1645 0.2823 A 14 0.2368 0.2570 0.2419 0.2015 0.2267 0.2449 0.3455 0.1317 A 15 0.2119 0.2184 0.2546 0.2266 0.2519 0.2449 0.2633 0.1694 A 16 0.1994 0.2056 0.2037 0.2266 0.2267 0.2449 0.0987 0.3105 A 17 0.1994 0.2184 0.2037 0.2140 0.2267 0.2326 0.2139 0.2164 A 18 0.1870 0.2441 0.1909 0.2266 0.2393 0.1837 0.1645 0.2823 A 19 0.1870 0.2184 0.2419 0.2015 0.2267 0.1959 0.1974 0.1506 A 20 0.1870 0.2184 0.1909 0.2015 0.2267 0.2326 0.1481 0.3105 JURNAL GAUSSIAN Vol. 5, No. 4, Tahu 2016 Halama 668

4.2 Meetuka Nla Bobot Nla bobot dperoleh dega meumlah data per krtera kemuda umlah data per krtera dbag dega umlah seluruh data. Sehgga dperoleh la bobot (w) sebaga berkut : Tabel 3 Nla Bobot w 1 w 2 w 3 w 4 w 5 w 6 w 7 w 8 0.1266 0.1203 0.1266 0.1266 0.1266 0.1266 0.1203 0.1266 4.3 Membuat Matrks Keputusa yag Teromalsas Terbobot Utuk membuat matrks keputusa yag terormalsas terbobot dhtug dega megguaka persamaa (5). Tabel 4 Matrks Keputusa Terormalsas Terbobot Y y 1 y 2 y 3 y 4 y 5 y 6 y 7 y 8 A 1 0.0237 0.0309 0.0242 0.0303 0.0255 0.0310 0.0277 0.0167 A 2 0.0300 0.0232 0.0242 0.0303 0.0255 0.0294 0.0218 0.0322 A 3 0.0316 0.0232 0.0322 0.0271 0.0287 0.0248 0.0178 0.0393 A 4 0.0316 0.0309 0.0306 0.0255 0.0303 0.0248 0.0198 0.0238 A 5 0.0316 0.0309 0.0322 0.0303 0.0303 0.0294 0.0534 0.0191 A 6 0.0300 0.0247 0.0322 0.0319 0.0271 0.0279 0.0237 0.0298 A 7 0.0300 0.0232 0.0242 0.0319 0.0255 0.0294 0.0178 0.0262 A 8 0.0300 0.0278 0.0306 0.0303 0.0255 0.0294 0.0277 0.0167 A 9 0.0300 0.0309 0.0306 0.0319 0.0303 0.0279 0.0356 0.0131 A 10 0.0300 0.0247 0.0258 0.0255 0.0319 0.0263 0.0218 0.0322 A 11 0.0284 0.0232 0.0258 0.0255 0.0255 0.0263 0.0297 0.0238 A 12 0.0284 0.0232 0.0258 0.0271 0.0239 0.0279 0.0138 0.0334 A 13 0.0300 0.0278 0.0306 0.0271 0.0287 0.0294 0.0198 0.0357 A 14 0.0300 0.0309 0.0306 0.0255 0.0287 0.0310 0.0415 0.0167 A 15 0.0268 0.0263 0.0322 0.0287 0.0319 0.0310 0.0317 0.0214 A 16 0.0252 0.0247 0.0258 0.0287 0.0287 0.0310 0.0119 0.0393 A 17 0.0252 0.0263 0.0258 0.0271 0.0287 0.0294 0.0257 0.0274 A 18 0.0237 0.0294 0.0242 0.0287 0.0303 0.0232 0.0198 0.0357 A 19 0.0237 0.0263 0.0306 0.0255 0.0287 0.0248 0.0237 0.0191 A 20 0.0237 0.0263 0.0242 0.0255 0.0287 0.0294 0.0178 0.0393 4.4 Meetuka Matrks Solus Ideal Postf da Matrks Solus Ideal Negatf Perhtuga solus deal postf da solus deal egatf berdasarka persamaa (5) da (6) sebaga berkut: Tabel 5 Matrks Solus Ideal Postf da Matrks Solus Ideal Negatf v 1 v 2 v 3 v 4 v 5 v 6 v 7 v 8 Solus Ideal Postf (S + ) 0.0316 0.0309 0.0322 0.0319 0.0319 0.0310 0.0534 0.0393 Solus Ideal Negatf (S - ) 0.0237 0.0232 0.0242 0.0255 0.0239 0.0232 0.0119 0.0131 4.5 Meetuka Jarak Atara Nla Setap Alteratf dega Matrks Solus Ideal Postf da Matrks Solus Ideal Negatf da Meetuka Nla Preferes Setap Alteratf Meetuka arak atara la setap alteratf dega matrks solus deal postf da matrks solus deal egatf dega megguaka persamaa (7) da persamaa (8). Nla arak atara la setap alteratf terhadap solus deal postf da solus deal egatf dapat dlhat pada Tabel 6. Nla preferes utuk setap alteratf (V ) dperoleh megguaka persamaa (9). Tabel 7 meuukka la preferes utuk setap alteratf dalam hal la preferes utuk setap pegra telah durutka dar palg tgg ke palg redah. JURNAL GAUSSIAN Vol. 5, No. 4, Tahu 2016 Halama 669

Tabel 6 Nla Jarak Solus Ideal Postf da Negatf Pegra D A D A A 1 0.0367 0.0202 A 2 0.0350 0.0238 A 3 0.0374 0.0296 A 4 0.0381 0.0196 A 5 0.0204 0.0453 A 6 0.0323 0.0245 A 7 0.0401 0.0181 A 8 0.0351 0.0207 A 9 0.0320 0.0284 A 10 0.0346 0.0241 A 11 0.0319 0.0217 A 12 0.0425 0.0215 A 13 0.0346 0.0272 A 14 0.0266 0.0334 A 15 0.0291 0.0261 A 16 0.0432 0.0281 A 17 0.0324 0.0218 A 18 0.0367 0.0258 A 19 0.0383 0.0159 A 20 0.0383 0.0282 Tabel 7 Nla Preferes yag Telah Durutka Pegra V Pegra 5 (A 5 ) 0.6891 Pegra 14 (A 14 ) 0.5566 Pegra 15 (A 15 ) 0.4724 Pegra 9 (A 9 ) 0.4707 Pegra 3 (A 3 ) 0.4418 Pegra 13 (A 13 ) 0.4407 Pegra 6 (A 6 ) 0.4308 Pegra 20 (A 20 ) 0.4234 Pegra 18 (A 18 ) 0.4125 Pegra 10 (A 10 ) 0.4101 Pegra 11 (A 11 ) 0.4044 Pegra 2 (A 2 ) 0.4043 Pegra 17 (A 17 ) 0.4023 Pegra 16 (A 16 ) 0.3938 Pegra 8 (A 8 ) 0.3712 Pegra 1 (A 1 ) 0.3554 Pegra 4 (A 4 ) 0.3394 Pegra 12 (A 12 ) 0.3360 Pegra 7 (A 7 ) 0.3111 Pegra 19 (A 19 ) 0.2934 4.6 Meetuka Matrks Keputusa yag Terormalsas da Membuat Matrks Keputusa yag Teromalsas Terbobot Lagkah yag dlakuka utuk memperoleh matrks keputusa yag terormalsas sama sepert lagkah pada TOPSIS begtu uga membuat matarks keputusa yag terormalsas terbobot sama dega TOPSIS, dapat dlhat pada Tabel 1 da Tabel 2 4.7 Meetuka Hmpua Cocordace da Dscordace, da Meghtug Matrks Cocordace da Dscordace Meetuka hmpua cocordace da dscordace dega megguaka rumus pada persamaa (17) da (18). Setelah medapatka hmpua cocordace da dscordace selautya meghtug matrks cocordace da dscordace sepert persamaa (19) da (20). Sehgga matrks cocordace da dscordace dapat dlhat pada Tabel 8 da Tabel 9 Tabel 8 Matrks Cocordace Pegra 1 2 3 4 5 6 7 8 9 10 A 5-0.8734 0.6203 0.8734 0.8734 0.8734 0.7468 0.8734 0.8734 0.7468 A 14 0.2468-0.4937 0.7468 0.4937 0.7468 0.6203 0.8734 0.6203 0.7468 A 15 0.5063 0.6329-0.5063 0.7468 0.6266 0.6203 0.8734 0.7532 0.7468 A 9 0.3734 0.6266 0.4937-0.6203 0.7468 0.7468 0.7468 0.8734 0.7468 A 3 0.3797 0.5063 0.3797 0.3797-0.6329 0.5063 0.6266 0.5063 0.5063 A 13 0.3797 0.6329 0.3734 0.5063 0.6203-0.6266 0.8734 0.6266 0.7532 A 6 0.3797 0.5063 0.5063 0.6329 0.6203 0.5-0.5 0.6266 0.7468 A 20 0.2532 0.3797 0.2468 0.2532 0.6203 0.3797 0.5-0.5063 0.5 A 18 0.2532 0.3797 0.3734 0.2532 0.4937 0.6203 0.3734 0.8734-0.3734 A 10 0.2532 0.5063 0.3797 0.3797 0.4937 0.3734 0.5 0.6266 0.6266 - JURNAL GAUSSIAN Vol. 5, No. 4, Tahu 2016 Halama 670

Tabel 9 Matrks Dscordace Pegra 1 2 3 4 5 6 7 8 9 10 A 5-0.8734 0.6203 0.8734 0.8734 0.8734 0.7468 0.8734 0.8734 0.7468 A 14 0.2468-0.4937 0.7468 0.4937 0.7468 0.6203 0.8734 0.6203 0.7468 A 15 0.5063 0.6329-0.5063 0.7468 0.6266 0.6203 0.8734 0.7532 0.7468 A 9 0.3734 0.6266 0.4937-0.6203 0.7468 0.7468 0.7468 0.8734 0.7468 A 3 0.3797 0.5063 0.3797 0.3797-0.6329 0.5063 0.6266 0.5063 0.5063 A 13 0.3797 0.6329 0.3734 0.5063 0.6203-0.6266 0.8734 0.6266 0.7532 A 6 0.3797 0.5063 0.5063 0.6329 0.6203 0.5-0.5 0.6266 0.7468 A 20 0.2532 0.3797 0.2468 0.2532 0.6203 0.3797 0.5-0.5063 0.5 A 18 0.2532 0.3797 0.3734 0.2532 0.4937 0.6203 0.3734 0.8734-0.3734 A 10 0.2532 0.5063 0.3797 0.3797 0.4937 0.3734 0.5 0.6266 0.6266-4.8 Meetuka Matrks Doma Cocordace da Dscordace Utuk meghtug matrks doma cocordace da dscordace dega cara meghtug la threshold terlebh dahulu sepert pada persamaa 22 da persamaa 24, sehgga matrks doma cocordace da dscordace dlhat pada tabel berkut: Tabel 10 Matrks Doma Cocordace Tabel 11 Matrks Doma Dscordace Pegra C 1 2 3 4 5 6 7 8 9 10 A 5 1-0 1 0 1 0 1 1 1 1 A 14 2 1-0 1 1 0 1 1 1 1 A 15 3 1 1-0 1 0 1 1 1 1 A 9 4 1 1 1-0 1 0 0 1 1 A 3 5 0 1 0 0-0 1 0 0 1 A 13 6 1 1 1 1 1-0 0 0 1 A 6 7 1 0 1 0 1 1-0 0 0 A 20 8 0 1 0 0 1 0 0-0 0 A 18 9 0 0 0 1 0 1 1 0-0 A 10 10 0 0 0 0 0 0 1 1 1-4.9 Meetuka Matrks Aggregate Domace Rumus umum utuk aggota matrks aggregate domace dapat dlhat pada persamaa 26, ad matrks aggregate domace dapat dlhat pada tabel berkut: Tabel 12 Matrks Aggregate Domace Pegra E 1 2 3 4 5 6 7 8 9 10 A 5 1-0 0 0 0 0 0 0 0 0 A 14 2 0-0 1 0 0 1 1 1 1 A 15 3 0 0-0 1 0 0 1 1 1 A 9 4 0 0 1-0 0 0 0 0 0 A 3 5 0 0 0 0-0 0 0 0 1 A 13 6 0 1 1 0 0-0 0 0 0 A 6 7 0 0 0 0 1 1-0 0 0 A 20 8 0 0 0 0 0 0 0-0 0 A 18 9 0 0 0 0 0 1 0 0-0 A 10 10 0 0 0 0 0 0 0 1 0 - Pegra D 1 2 3 4 5 6 7 8 9 10 A 5 1-1 0 0 0 0 0 0 0 0 A 14 2 0-1 1 0 1 1 1 1 1 A 15 3 0 0-1 1 1 0 1 1 1 A 9 4 0 0 1-0 0 0 0 0 0 A 3 5 1 0 1 0-1 0 1 1 1 A 13 6 0 1 1 0 0-0 0 1 0 A 6 7 0 1 0 1 1 1-1 1 1 A 20 8 1 0 1 0 0 0 1-1 1 A 18 9 1 1 1 0 1 1 0 1-1 A 10 10 1 1 1 1 1 1 0 1 0-4.10 Elmas Alteratf yag Less Favourable Pada Tabel 15, dapat dketahu bahwa pegra ke- 14 yag palg medomas atau yag memlk umlah e kl = 1 palg bayak dbadgka alteratf laya. Berdasarka peryataa d atas, bahwa yag memlk umlah e kl = 1 palg bayak merupaka alteratf JURNAL GAUSSIAN Vol. 5, No. 4, Tahu 2016 Halama 671

terbak da yag palg sedkt dapat delmas. Artya pegra ke- 14 merupaka pegra terbak dbadgka pegra laya. 4.11 GUI Matlab Berkut tampla dar GUI Matlab pemlha pegra terbak dega megguaka metode MADM TOPSIS da ELECTRE: Gambar 1 Tampla GUI Matlab halama awal, halama metode TOPSIS da halama metode ELECTRE 5. KESIMPULAN Pada peelta kal berhasl membuat GUI Matlab utuk memlh pegra terbak megguaka metode TOPSIS da ELECTRE berdasarka krtera yag telah dtetapka. Terbukt dar hasl perhtuga kodg program dega perhtuga maual meuukka hasl yag sama. Berdasarka hasl da pembahasa dperoleh kesmpula bahwa pegra ke-14 adalah pegra terbak pada PT. Asaputex Jaya. DAFTAR PUSTAKA [1] Kusumadew, S., Hartat, S., Haroko, A., da Wardoyo, R. 2006. Fuzzy Mult- Attrbute Decso Makg (FUZZY MADM). Yogyakarta: Graha Ilmu. [2] Rda. 2014. Sstem Pedukug Keputusa Pemlha Lokas Obek Wsata d Aceh Tegah Megguaka Metode TOPSIS. Iformas da Tekolog Ilmah. Vol. 4 (5), 33-40. [3] Roy, B. 1973. How Outrakg Relato Helps Multple Crtera Decso Makg, dalam: Jako, Wolfgag. 2005. Mult-Crtera Decso Makg: A Applcato Study of ELECTRE ad TOPSIS. [4] Wkpeda. 2013. ELECTRE. https://e.wkpeda.org/wk/electre. [5] Zmerma. 1991. Fuzzy Sets Theory ad Its Applcatos. Eds ke-2. Massachusetts: Kluwer Academc Publshers. JURNAL GAUSSIAN Vol. 5, No. 4, Tahu 2016 Halama 672