ISSN : 2301-9425
98
2.
3.
Inggris.
b. Nilai IPK minimal 2,75.
c. Usia Maksimal 30 Tahun.
d. Tidak sedang mengajar di bimbingan belajar
lain (kecuali sekolah).
e. Ujian Tertulis.
f. Micro Teaching yang meliputi:
1. Penguasaan materi.
2. Performance.
3. Speaking.
Untuk
menyesuaikan
sistem
pendukung
keputusan ini di bantu dengan pemrograman
MATLAB versi 7.10.0.
Studi kasus dilakukan di bimbingan belajar
Primagama English Johor yang terletak di jalan
Karya Wisata Nomor 38 Medan.
Manfaatnya adalah:
Dapat mempermudah proses pengambilan
keputusan pemilihan trainer bagi Primagama
English.
Dapat memahami lebih lanjut tentang metode
Simple Additive Weighting (SAW).
Dapat dijadikan sebagai sumber referensi bagi
pengembangan metode SAW pada studi kasus
yang lain.
4.
5.
ISSN : 2301-9425
2. Landasan Teori
2.1 Pengertian Sistem Pendukung Keputusan
Sistem Pendukung Keputusan merupakan suatu
sistem interaktif yang membantu pengambil keputusan
melalui penggunaan data dan model-model keputusan
untuk memecahkan masalah-masalah yang sifatnya
semi terstruktur dan tidak terstruktur (Daihani,
2001:54). Dasar-dasar keputusan adalah sebagai
berikut:
1. Intuisi, yaitu keputusan diambil berdasarkan
perasaan dan pemikiran si pengambil keputusan.
2. Pengalaman,
yaitu
keputusan
diambil
berdasarkan kejadian-kejadian yang pernah
dialami sebelumnya oleh si pengambil
keputusan.
3. Fakta, yaitu keputusan diambil berdasarkan data
dan informasi yang telah dikumpulkan.
4. Wewenang, yaitu keputusan diambil oleh pihak
yang memiliki kekuasaan dan wewenang yang
lebih tinggi.
5. Rasional, yaitu keputusan yang diambil harus
logis atau dapat diterima akal sehat.
Konsep Sistem Pendukung Keputusan (SPK)
pertama kali diperkenalkan pada awal tahun 1970-an
oleh Michael S.Scott Morton dengan istilah Decisin
System (Daihani, 2001:53).
2.2 Fuzzy Multi Attribute Decision Making
(FMADM)
Fuzzy Multi Attribute Decision Making
(FMADM) adalah suatu metode yang digunakan
untuk mencari alternatif optimal dari sejumlah
alternatif dengan kriteria tertentu. Inti dari FMADM
adalah menentukan nilai bobot untuk setiap atribut,
kemudian dilanjutkan dengan proses perankingan
yang akan menyeleksi alternatif yang sudah diberikan.
Pada dasarnya, ada 3 pendekatan untuk mencari nilai
bobot atribut, yaitu pendekatan subyektif, pendekatan
obyektif dan pendekatan integrasi antara subyektif dan
obyektif. Masing-masing pendekatan memiliki
kelebihan dan kelemahan. Pada pendekatan subyektif,
nilai bobot ditentukan berdasarkan subyektifitas dari
para pengambil keputusan, sehingga beberapa factor
99
ISSN : 2301-9425
Vi = wj rij
j =1
1.
ST
Keterangan :
SR = Sangat Rendah
R
= Rendah
C
= Cukup
T
= Tinggi
ST = Sangat Tinggi
(X)
(2.2)
Dimana:
Vi
= nilai akhir dari alternatif
Wj
= bobot yang telah ditentukan
rij
= normalisasi matriks
Nilai Vi yang lebih besar mengindikasikan bahwa
alternatif Ai lebih terpilih.
0,25
0,5 0,75
1
Gambar 1. Grafik Fuzzy
dikonversikan
100
2.
dikonversikan
3.
Kriteria Usia
Variabel usia dikonversikan dengan
fuzzy dibawah ini:
Tabel 3. Usia
Usia
Usia < 23 Tahun
Usia = 23 24 Tahun
Usia = 25 27 Tahun
Usia = 28 30 Tahun
Usia > 30 Tahun
4.
dengan
Nilai
0
0,25
0,5
0,75
1
bilangan
Nilai
1
0,75
0,5
0,25
0
B.
ISSN : 2301-9425
1
1
0,25 0,5
0,5 0,5 0,25 0,5
1
0,5 0,75 0,5
Dengan vektor bobot:
W=[0,3 0,25 0,25 0,2];
Tahap II :
Apabila tahap I telah dipenuhi, kemudian
dilanjutkan dengan tahap selanjutnya yakni tahap
pengujian berupa pengujian secara teori dan praktek
mengajar. Adapun penjelasannya sebagai berikut:
1. Ujian Tertulis
Menguji kemampuan teori dengan cara
Matriks ternormalisasi R diperoleh persamaan
menyelesaikan soal-soal yang diberikan (bobot
(2.1):
nilai 100).
0,5000 1,0000 0,5000 0,5000
2. Micro Teaching
1,0000 0,7500 0,5000 0,5000
Menguji kemampuan dalam hal belajar mengajar
V = 0,6708
0,5375
0,7750
0,8125
ISSN : 2301-9425
102