ANALISIS NILAI GAP PADA METODE
PROFILE MATCHING DENGAN
LOGIKA FUZZY
1
Safrina Amanah Sitepu, Dr. Syaril Efendi, S.Si, M.I.T 1 , Dr. Zakarias Situmorang
1
Program Studi S2 Teknik Informatika
Fakultas Ilmu Komputer Dan Teknologi Informasi
Universitas Sumatera Utara
Medan 2017
E-mail: syafrina.amanah@gmail.com
Abstrak Pada penelitian Angkasa (2016) dilakukan
perankingan dengan metode Profile Matching pada penentuan
kelayakan pemberian kredit ekonomi untuk Kelompok
Swadaya Masyarakat (KSM). Hasil dari penelitian ini adalah
perankingan berupa bilangan crips yang tegas yaitu nilai
antara 4.8667 sampai 4.3583.
Atas dasar nilai akhir tersebut diatas, pembuat keputusan
sulit menentukan layak tidaknya anggota KSM menerima
kredit, karena jarak nilai satu dengan lainnya sangat dekat.
Jadi diperlukan sebuah perhitungan yang dapat menghitung
secara adil untuk menentukan layak atau tidak seorang
anggota KSM menerima kredit.
Kata kunci: Sistem Pendukung Keputusan, algoritma Profile
Matching, perankingan, nilai Gap.
1. Pendahuluan
1.1 Latar Belakang
Proses perhitungan pada metode Profile Matching,
diawali dengan pendefinisian nilai minimum untuk setiap
variabel-variabel penilaian. Selisih setiap nilai data testing
terhadap nilai minimum masing-masing variabel, merupakan
Gap yang kemudian diberi bobot. Bobot setiap variabel akan
dihitung berdasarkan nilai rata-rata berdasarkan kelompok
variabel Core Factor (CF) dan Secondary Factor (SF).
Komposisi CF ditambah SF adalah 100%, tergantung dari
kepentingan dari pengguna metode ini. Tahap terakhir dari
metode ini, adalah proses akumulasi nilai CF dan SF
berdasarkan nilai-nilai variabel data testing.
Pembobotan pada metode Profile Matching, merupakan
nilai pasti yang tegas pada nilai tertentu karena nilai-nilai yang
ada merupakan anggota himpunan tegas (crisp set). Di dalam
himpunan tegas, keanggotaan suatu unsur di dalam himpunan
dinyatakan secara tegas, apakah objek tersebut anggota
himpunan atau bukan dengan menggunakan fungsi
karakteristik. Jika hal ini tidak dilakukan pada proses
penentuan kelayakan, akan menghasilkan klasifikasi yang
tidak fleksibel dan kaku (Joshi, A. & Amity, J. S. S. 2013).
Nilai akhir yang didapat dari metode Profile Matching,
merupakan nilai pasti yang tegas, karena nilai tersebut
merupakan anggota himpunan tegas (cripset). Di dalam
himpunan tegas, keanggotaan dinyatakan secara tegas. Jika
dikaitkan dengan proses penentuan kelayakan pegawai yang
dipromosikan dalam menempati jabatan baru, hal ini akan
menghasilkan kekakuan bagi PDAM Tirtanadi Sumut dalam
promosi jabatan. Sedangkan, pada proses promosi jabatan
dituntut untuk lebih adil dan bijaksana (Thorat, D., Salvi, A.,
Shingade, P. & Gholap, S. 2016).
Pada penelitian Angkasa, S (2016) dilakukan
perankingan dengan metode Profile Matching pada penentuan
kelayakan pemberian kredit ekonomi untuk Kelompok
Swadaya Masyarakat (KSM). Hasil dari penelitian ini berupa
perankingan untuk didanai bagi pihak pengambil keputusan
untuk menentukan KSM yang layak untuk menerima kredit
dengan nilai akhir antara 4.8667 sampai 4.3583.
Atas dasar nilai akhir tersebut diatas, pembuat keputusan
sulit menentukan layak tidaknya anggota KSM menerima
kredit, karena jarak nilai satu dengan lainnya sangat dekat.
Jadi diperlukan sebuah perhitungan yang dapat menghitung
secara adil untuk menentukan layak atau tidak seorang
anggota KSM menerima kredit.
1.2 Tujuan Penelitian
Tujuan penelitian yang ingin dicapai oleh penulis adalah
menggunakan logika Fuzzy untuk menghasilkan nilai Gap
yang sesuai untuk penentuan layak atau tidak seorang pegawai
dipromosikan dalam menempati jabatan baru
1.3 Manfaat Penelitian
Manfaat yang diperoleh dalam penelitian ini adalah
sebagai berikut:
1. Sebagai informasi perbandingan untuk peneliti yang
fokus pada disiplin ilmu Machine Learning dengan
bidang Knowledge Management.
2. Mengetahui perbedaan klasifikasi promosi jabatan
dengan metode Profile Matching dan Fuzzy.
3. Memperoleh sebuah nilai Gap dengan Fuzzy untuk
klasifikasi penempatan jabatan.
2. Tinjauan Pustaka
Logika fuzzy adalah cabang dari sistem kecerdasan
buatan (Artificial Inteligent) yang mengemulasi kemampuan
manusia dalam berfikir ke dalam bentuk algoritma yang
kemudian dijalankan oleh mesin. Algoritma ini digunakan
dalam berbagai aplikasi pemrosesan data yang tidak dapat
direpresentasikan dalam bentuk biner. Logika fuzzy
menginterpretasikan statemen yang samar menjadi sebuah
pengertian yang logis (Purba, S. & Sudiarso A. 2013).
Logika fuzzy merupakan salah satu cabang dari ilmu
komputer yang mempelajari tentang nilai kebenaran yang
bernilai banyak. Berbeda dengan nilai kebenaran pada logika
klasik yang bernilai 0 (salah) atau 1 (benar). Logika fuzzy
mempunyai nilai kebenaran real dalam selang [0,1]. Logika
fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh seorang
ilmuwan Amerika Serikat berkebangsaan Iran dari Universitas
California di Berkeley. Meskipun demikian, logika fuzzy lebih
banyak dikembangkan oleh praktisi Jepang (Li, Y., Zhuang,
Y., Lan, H., Niu, X., & Sheimy N.E. 2016).
Dalam teori himpunan Fuzzy, keanggotaan suatu elemen
di dalam himpunan dinyatakan dengan derajat keanggotaan
(membership values) yang nilainya terletak diselang [0,1].
Logika Fuzzy pada penelitian ini digunakan pada proses
pembobotan variabel-variabel penilaian kelayakan seorang
pegawai dipromosikan pada jabatan tertentu. Hal ini dilakukan
dengan harapan pengakumulasian nilai-nilai data testing pada
proses penilaian kelayakan ini akan terkelompokkan dengan
predikat kurang, cukup dan baik. Sehingga manajemen
perusahaan dapat menerapkan kebijakan dalam menentukan
kelayakan seseorang pegawai menempati jabatan. Predikat
pengelompokkan ini, berdasarkan pada logika Fuzzy yang
mampu menjembatani bahasa mesin yang tegas dengan bahasa
manusia yang menekankan pada makna berdasarkan bahasa
alami.
Sistem Pendukung Keputusan (Decision Support System)
disingkat DSS yaitu sistem yang di peruntukkan bagi
manajerial untuk mendukung mengambil keputusan semi
terstruktur. Herbert. A. Simon menentukan pengambilan
keputusan dalam tiga tahap yaitu Inteligency, Design Choise,
Implementation. Menurut Whitten (2004) Sistem pendukung
keputusan (Decision Support System/DSS) dapat didefinisikan
sebagai suatu sistem informasi yang membantu
mengidentifikasi kesempatan membuat keputusan atau
menyediakan informasi untuk membantu pembuatan
keputusan. Dengan berbagai karakter khusus seperti
dikemukakan di atas, sistem pendukung keputusan dapat
memberikan keuntungan atau nilai guna bagi pemakainya.
Pada awal tahun 1970-an, Scott Morton pertama kali
mengartikulasikan konsep penting sistem pendukung
keputusan. Ia mendefinisikan sistem pendukung keputusan
sebagai sistem berbasis komputer interaktif, yang membantu
para pengambil keputusan untuk menggunakan data dan
berbagai model untuk memecahkan masalah-masalah tidak
terstruktur. Definisi klasik lainnya yaitu Sistem pendukung
keputusan memadukan sumber daya intelektual dari individu
dengan kapabilitas komputer untuk meningkatkan kualitas
keputusan (Indriantoro, S.C. & Utami, A.W. 2016).
Tujuan dari sistem pendukung keputusan adalah:
1. Membantu manajer dalam pengambilan keputusan atas
masalah semi terstruktur.
2. Memberikan dukungan atas pertimbangan manajer dan
bukannya dimaksudkan untuk menggantikan fungsi
manajer.
3. Meningkatkan efektivitas keputusan yang diambil manajer
lebih dari pada perbaikan efisiensinya.
4. Kecepatan komputasi. Komputer memungkinkan para
pengambil keputusan untuk melakukan banyak komputasi
secara cepat dengan biaya yang rendah.
5. Peningkatan produktivitas. Membangun satu kelompok
pengambil keputusan, terutama para pakar, bisa sangat
mahal. Pendukung terkomputerisasi bisa mengurangi
ukuran kelompok dan memungkinkan para anggotanya
untuk berada diberbagai lokasi yang berbeda-beda
(menghemat biaya perjalanan). Selain itu, produktivitas
staf pendukung (misalnya analisis keuangan dan hukum)
bisa ditingkatkan.
6. Produktivitas juga bisa ditingkatkan menggunakan
peralatan optimalisasi yang menentukan cara terbaik untuk
menjalankan sebuah bisnis.
7. Dukungan kualitas. Komputer bisa meningkatkan kualitas
keputusan yang dibuat. Sebagai contoh, semakin banyak
data yang diakses makin banyak juga alternatif yang bisa
dievaluasi. Analisis risiko bisa dilakukan dengan cepat dan
pandangan dari para pakar (beberapa dari mereka berada
dilokasi yang jauh) bisa dikumpulkan dengan cepat dan
dengan biaya yang lebih rendah. Keahlian bahkan bisa
diambil langsung dari sebuah sistem komputer melalui
metode kecerdasan tiruan. Dengan komputer, para
pengambil keputusan bisa melakukan simulasi yang
kompleks, memeriksa banyak skenario yang
memungkinkan, dan menilai bebagai pengaruh secara
cepat dan ekonomis. Semua kapabilitas tersebut mengarah
kepada keputusan yang lebih baik.
8. Berdaya saing. Manajemen dan pemberdayaan sumber
daya perusahaan. Tekanan persaingan menyebabkan tugas
pengambil keputusan menjadi sulit. Persaingan didasarkan
tidak hanya pada harga, tetapi juga pada kualitas,
kecepatan, kustomasi produk, dan dukungan pelanggan.
Organisasi harus mampu secara sering dan cepat
mengubah mode operasi, merekayasa ulang proses dan
struktur, memberdayakan karyawan, serta berinovasi.
Teknologi pengambilan keputusan bisa menciptakan
pemberdayaan signifikan dengan cara memperbolehkan
seseorang untuk membuat keputusan yang baik secara
cepat, bahkan jika mereka memiliki pengetahuan yang
kurang.
9. Mengatasi keterbatasan kognitif dalam pemrosesan dan
penyimpanan. Menurut Simon (1977), otak manusia
memiliki kemampuan yang terbatas untuk memroses dan
menyimpan informasi. Orang-orang kadang sulit
mengingat dan menggunakan sebuah informasi dengan
cara yang bebas dari kesalahan.
Profile Matching adalah sebuah mekanisme pengambilan
keputusan dengan mengasumsikan bahwa terdapat profil ideal
yang harus dimiliki sebuah obyek, profil tersebut berfungsi
sebagai variabel prediktor, bukan sebagai standar minimal
yang harus dipenuhi atau dilewati, artinya profil ideal tersebut
dijadikan sebagai patokan dalam menentukan kecocokan
profil (Sopianti, L. & Bahtiar, N. 2015).
 Metode Profile Matching adalah sebuah mekanisme
pengambilan keputusan dengan mengasumsikan bahwa
terdapat tingkat variabel prediktor yang ideal yang harus
dipenuhi oleh subyek yang diteliti, bukannya tingkat minimal
yang harus dipenuhi atau dilewati. Sebagai contoh
penerapannya untuk evaluasi kinerja karyawan untuk promosi
jabatan, manajemen football player, penerima beasiswa yang
layak dan lainnya. Konsep dari metode ini adalah mencari
orang yang memiliki profil sedekat mungkin dengan jabatan
yang sedang kosong (Jumadi, 2015).
Proses perhitungan pada metode Profile Matching,
diawali dengan pendefinisian nilai minimum untuk setiap
variabel-variabel penilaian. Selisih setiap nilai data testing
terhadap nilai minimum masing-masing variabel, merupakan
Gap yang kemudian diberi bobot.
Secara harfiah Gap adalah kesenjangan. Gap analisys
atau analisis kesenjangan mengidentifikasikan adanya
perbedaan (disparity) atau kesenjangan antara satu hal dengan
hal lainnya. Gap merupakan salah satu alat yang dapat
digunakan untuk mengukur karakter ataupun kualitas manusia.
Gap Analisys sering digunakan di bidang manajemen dan
menjadi salah satu alat yang digunakan untuk mengukur
kualitas pelayanan (quality of service), bahkan di Amerika,
Gap Analisys ini sering digunakan untuk memonitor kualitas
pelayanan (Joshi, A. & Amity, J. S. S. 2013). Model yang
dikembangkan oleh Parasuraman, Zeithalm dan Berry (1995)
ini memiliki lima gap (kesenjangan) yaitu:
1. Gap Persepsi Manajemen, yaitu adanya perbedaan antara
penilaian pelayanan menurut pengguna jasa dan persepsi
manajemen mengenai harapan pengguna jasa.
2. Gap Spesifikasi kualitas yaitu kesenjangan antara persepsi
manajemen mengenai harapan pengguna jasa dan
spesifikasi kualitas jasa.
3. Gap penyampaian pelayanan, yaitu kesenjangan spesifikasi
kualitas jasa dan penyampaian jasa (service delivery)
4. Gap komunikasi dan pemasaran, yaitu kesenjangan antara
penyampaian jasa dan komunikasi eksternal. Ekspektasi
pelanggan mengenai kualitas pelayanan dipengaruhi oleh
pernyataan yang dibuat oleh perusahaan melalui
komunikasi eksternal pemasaran.
5. Gap dalam pelayanan yang dirasakan, yaitu perbedaan
persepsi antara jasa yang dirasakan dan yang diharapkan
oleh pelanggan jika keduanya terbukti sama maka
perusahaan akan memperoleh citra dan dampak positif.
Model Matematika Gap menghasilkan informasi sebagai
hasil dari simulasi yang melibatkan satu atau beberapa
komponen dari sistem fisik, atau berbagai aspek operasinya.
Model Matematika Gap adalah proses pengambilan keputusan
dengan memilih suatu alternatif dengan menghitung jumlah
nilai perbedaan beberapa aspek kriteria atau dengan
menghitung kecocokan nilai kiriteria. Maksud dari
pencocokan kriteria adalah sebuah mekanisme pengambilan
keputusan dengan mengasumsikan bahwa terdapat tingkat
variabel prediktor yang ideal yang harus dimiliki oleh suatu
obyek yang akan dibandingkan. Dalam model GAP, dilakukan
identifikasi terhadap obyek yang baik maupun buruk
(Sopianti, L. & Bahtiar, N. 2015).
Gap = Profil Pegawai Profil Institusi
3. Metode analisis
Tujuan dari penelitian ini, yaitu dapat melakukan proses
klasifikasi promosi jabatan pada pegawai Perusahaan Daerah
Air Minum (PDAM) Tirtanadi Sumatera Utara. Pada
penelitian ini proses penilaian untuk promosi jabatan
dilakukan dengan metode Profile Matching standar dan
dengan metode Fuzzy Profile Matching. Pada metode Profile
Matching, dikenal adanya tingkat perbedaan antara nilai data
uji dengan nilai minimal yang disebut Gap. Pada proses
penilaian menggunakan metode Profile Matching standar,
nilai Gap telah ditentukan oleh pengambil keputusan.
Pada metode Fuzzy Profile Matching, proses klasifikasi
pegawai untuk promosi jabatan, pembobotan nilai Gap
menggunakan logika Fuzzy dimana nilai Gap ini diberi bobot,
sehingga dapat ditentukan nilai rata-rata dari komposisi nilai
perbandingan tersebut. Dengan metode Fuzzy Profile
Matching, diharapkan promosi jabatan yang dinilai dapat
dikategorikan bukan hanya layak dan tidak layak saja, tetapi
dapat dikategorikan secara detail bahwa kategori kurang
adalah tidak layak dan kategori cukup dan baik dianggap
layak.
Langkah-langkah metode Profile Matching adalah:
1. Menentukan variabel data-data yang dibutuhkan.
2. Menentukan aspek-aspek yang digunakan untuk
penilaian.
3. Pemetaan Gap profil.
Gap Profile Matching = (Profil Minimal Profil datates)
Gap Fuzzy Profile Matching dihitung dengan
pendekatan Fuzzy Logic.
4. Setelah diperoleh nilai Gap selanjutnya diberikan bobot
untuk masing-masing nilai Gap.
5. Perhitungan dan pengelompokan Core Factor dan
Secondary Factor.
6. Setelah menentukan bobot nilai Gap, kemudian
dikelompokkan menjadi 2 kelompok yaitu Core
Factor (faktor utama) dan Secondary Factor (faktor
pendukung).
7. Perhitungan Nilai Total.
Perhitungan penentuan ranking dimana hasil akhir dari
proses Profile Matching adalah ranking yang dapat dibuat
nilai threshold-nya pada klasifikasi pada promasi jabatan
pegawai.
Bobot pada nilai yang diberikan pada masing masing
kriteria.
Tabel 3.1
Bobot Penilaian
Nilai Bobot
0 - 39 1 = sangat tidak baik
40 - 59 2 = tidak baik
60 - 69 3 = kurang baik
70 - 89 4 = baik
90 - 100 5 = sangat baik
Perhitungan nilai dengan Metode Profile Matching Tabel 3.6 Hasil Perankingan
a. Tabel Nilai yang diperoleh pegawai sesuai bobot penilaian. Metode Profile Matching
Tabel 3.2 Hasil
No Id_pegawai
Nilai Aspek Sikap Kerja Perankingan
No id_pegawai 1 2 3 4 5 6 7 8 9 10 1 K003 3,70
1 K001 3 4 4 4 4 4 4 4 4 4 2 K004 3,69
2 K002 4 4 4 5 5 5 5 5 5 5 3 K001 3,68
3 K003 4 4 4 4 4 4 4 4 4 4 4 K002 3,62
4 K004 4 4 4 4 4 4 4 4 3 3 5 K005 3,22
5 K005 5 5 5 5 5 4 5 5 4 5
Perhitungan nilai dengan Metode Fuzzy Profile Matching
Tabel inteval kategori kelayakan promosi jabatan dengan
Tabel 3.3 metode Fuzzy Profile Matching seperti pada Tabel 3.7 berikut:
Nilai Aspek Kecerdasan
Tabel 3.7 Interval Nilai Kategori Kelayakan Promosi
No id_pegawai 1 2 3 4 5 6 7 8 Jabatan
1 K001 4 4 4 4 4 4 4 4
No Z* Kategori Hasil Akhir
2 K002 5 5 5 5 5 5 5 5
1 Z2 Kurang Tidak Layak
3 K003 4 4 4 4 4 4 4 4 2 2.1 Z 3.5 Kurang Layak
4 K004 4 4 4 4 4 4 4 4 3 2.5 Z 4.5 Cukup Layak
4 3.6 Z 4.99 Baik Layak
5 K005 5 5 5 5 5 5 5 5 5 Z5 Baik Layak
Tabel 3.4 Hasil penentuan promosi jabatan dengan metode Fuzzy
Nilai Aspek Kompetensi Profile Matching sebagai berikut:
no id_pegawai 1 2 3 4 5 6 7 8
1 K001 4 4 4 4 4 4 4 4 Tabel 3.8 Hasil Metode Fuzzy Profile Matching
Hasil
2 K002 5 5 5 5 5 5 5 5 No Id_pegawai Hasil Z*
Akhir
3 K003 4 4 4 4 4 4 4 4 1 K003 3.25 Layak
4 K004 4 4 4 4 4 4 4 4 2 K001 3.55 Layak
5 K005 5 5 5 5 5 5 5 5 3 K004 2.45 Layak

4 K002 3.20 Layak

b. Perhitungan Nilai Gap pada setiap nilai yang diperoleh
Gap = Value Attribut Value Target 5 K005 4.11 Layak
Keterangan:
Value Attribut: Nilai yang diperoleh pegawai seguai bobot.
Value target: Nilai Standar yang telah ditetapkan.
4. Kesimpulan
Tabel 3.5 Hasil Akhir Nilai Profile Matching Bedasarkan hasil analisa perhitungan nilai variabel-
Hasil variabel yang digunakan dalam promosi jabatan mempunyai
No Id_pegawai Ns Nkc Nkp
Akhir beberapa kesimpulan sebagai berikut:
1 K001 4,4 4,75 2,74 3,68 a. Proses klasifikasi dengan menggunakan metode profile
matching memiliki hasil akhir nilai tegas (crips).
2 K002 4,2 4,25 3,00 3,62 b. Metode klasifikasi disarankan digunakan pada kasus-kasus
3 K003 4,5 4,75 2,74 3,70 yang ada di Sistem Pendukung Keputusan, karena metode
ini dapat melakukan perankingan data-data tes/uji dalam
4 K004 4,45 4,75 2,74 3,69 jumlah banyak.
5 K005 3,8 4,25 2,36 3,22 c. Hasil klasifikasi dengan menggunakan metode fuzzy logic
dapat mengkategorikan suatu data lebih dari satu kategori
Hasil perankingan promosi jabatan pada tabel 3.5 diatas tergantung dari himpunan yang digunakan. Sehingga
dapat dilihat seperti pada Tabel 3.6. metode ini mengandung unsur kebijakan pada promosi
jabatan.
5. Daftar Pustaka
Afrina. 2017. Analisis Dan Perancangan Sistem Pendukung
Keputusan Penerima Beasiswa Bantuan Siswa
Miskin (BSM) Dengan Metode Profile Matching
Pada SMK Negeri 1 Muaro Jambi. Jurnal STIKOM
Dinamika Bangsa Jambi April 2017 | Vol. 2 | No. 1
| ISSN : 2541-2647.
Indriantoro, S.C. & Utami, A.W. 2016. Sistem Pendukung
Keputusan Pemberian Beasiswa Supersemar
Menggunakan Metode Promethee Berbasis Web
(Study Kasus: Fakultas Teknik Universitas Negeri
Surabaya). Jurnal Manajemen Informatika. Volume
5 Nomor 1 Tahun 2016.

Angkasa, S. 2016. Penerapan Metode Profile Matching Untuk

Menentukan Kelayakan Pemberian Kredit Pada
PNPM Mandiri Kota Banjarmasin. Jurnal
Teknologi Informasi Vol . XI Nomor 31 Maret
2016.

Hartatik. 2013. Analisis Dan Perancangan Seleksi Pemilihan

Pegawai Untuk Suatu Jabatan Menggunakan
Metode Profile Matching. Jurnal DASI ISSN: 1411-
3201 Vol. 14 No. 1 Maret 2013. Manajemen
Informatika STMIK AMIKOM Yogyakarta.
Jumadi, Nurul, C., Alam & Taufik I,. 2015. Pendekatan
Logika Fuzzy untuk Perhitungan Gap pada Metode
Profile Matching dalam Menentukan Kelayakan
Proposal Penelitian. Prosiding Seminar Nasional
Sains dan Teknologi 2015, 22-23 April 2015,
Bandung, Indonesia.
Novian, D. 2010. Sistem Pendukung Keputusan Mutasi,
Enumerasi dan Promosi Pegawai Menggunakan
Metode AHP(Analytic Hierarchy Proses). Jurnal
Ilmiah Media Elektrik,Vol 5, No.2, Desember 2010.
Novianti, D., Astuti, I.F, & Khairina, D.M. 2016. Sistem
Pendukung Keputusan Berbasis Web Untuk
Pemilihan Caf Menggunakan Metode SMART
(Simple Multi-Attribute Rating Technique) (Studi
Kasus : Kota Samarinda). Prosiding Seminar Sains
dan Teknologi FMIPA Unmul Periode Maret 2016,
Samarinda.
Purba, S. & Sudiarso A. 2013. Penentuan Harga Produk
Kerajinan Kulit Menggunakan Pendekatan Fuzzy
Logic Dengan Mempertimbangkan Proyeksi
Keuntungan, Persepsi Konsumen dan Harga
Kompetitor (Studi Kasus Toko Kerajinan Kulit
ROOSMAN, Sentra Kerajinan Kulit Manding,
Bantul). Simposium Nasional RAPI XII - 2013 FT
UMS.
Li, Y., Zhuang, Y., Lan, H., Niu, X., & Sheimy N.E. 2016. A
Profile-Matching Method for Wireless Positioning.
IEEE Communications Letters, VOL. XX, NO. X,
September 2016.
Joshi, A. & Amity, J. S. S. 2013. Attributes Similarities
Supports Profile Matching In Social Network.
International Journal of Engineering Sciences &
Emerging Technologies, Dec. 2013. ISSN: 2231
6604 Volume 6, Issue 3, pp: 368-372. University,
Noida.
Sopianti, L. & Bahtiar, N. 2015. Students Major
Determination Decision Support Systems using
Profile Matching Method with SMS Gateway
Implementation. ISSN: 0854-0675 Jurnal Sains dan
Matematika Vol. 23 (1): 14-24 (2015).