p-ISSN 2088-3943

Volume 1 No 2 Desember 2017 e-ISSN 2580-9741

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN HASIL BELAJAR

MAHASISWA DENGAN METODE TOPSIS DI STMIK PELITA
NUSANTARA MEDAN
Murni Marbun , Bosker Sinaga

Teknik Informatika
STMIK Pelita Nusantara Medan, Jl. Iskandar Muda No.1, Medan, 20154, Indonesia

dimpleflorence@yahoo.co.id, boskersinaga@gmail.com

Abstract
This research is the manufacture of Decision Support System based on computer for the assessment of
student learning outcomes in STMIK Pelita Nusantara Medan with TOPSIS method. Assessment of learning
outcomes by lecturer should be consistent with the ongoing assessment of education standards to monitor
progress and improvement processes in various forms of tests or examinations. Assessment of learning
outcomes by educational unit aims to assess the achievement of graduate competency standards for all
courses. Continuous education assessment requires a system that can help lectures to convey to students
more timely and provide more objective assessments. The required system is Computer Based Decision
Support System, which is a computer-based system designed to improve the effectiveness of decision makers
in solving problems. Implementation of decision support systems built using Visual Basic programming
language 2010 and the database is MySQL. The result of this research is the application of Decision Support
System by applying TOPSIS method that gives the result of the final value of the student, which can help the
lecturer in determining the learning result of students STMIK Pelita Nusantara Medan. Implementation of
this system is to display the names of students with the final value in the form of letters A, B, C, D or E.

Key Words : Decision Support System, TOPSIS, the value of learning outcomes

I. PENDAHULUAN Seiring dengan kemajuan teknologi informasi

Standar penilaian pendidikan adalah standar
nasional pendidikan yang berkaitan dengan
mekanisme, prosedur, dan instrumen penilaian
hasil belajar peserta didik. Penilaian tersebut
dilakukan melalui proses pengumpulan dan
pengolahan informasi untuk menentukan
pencapaian hasil belajar peserta didik. Penilaian
hasil belajar oleh pendidik dilakukan secara
berkesinambungan untuk memantau proses,
kemajuan dan perbaikan hasil dalam berbagai
bentuk tugas/tes/ujian. Penilaian hasil belajar
oleh satuan pendidikan bertujuan untuk menilai
pencapaian standar kompetensi lulusan untuk
semua matakuliah.
Dalam melakukan penilaian hasil belajar,
maka setiap metode penilaian yang digunakan
pendidik di perguruan tinggi harus mengacu pada
buku peraturan akademik perguruan tinggi.
Penilaian hasil belajar harus dilakukan secara
berkesinambungan untuk memantau proses,
kemajuan, dan perbaikan hasil dalam bentuk
tugas, praktek, ujian tengah semester dan ujian
akhir semester. Pendidik (Dosen) secara periodik
menyusun serta melaporkan hasil pembelajaran
dalam bentuk laporan kemajuan hasil belajar
yang akan dilaporkan pada saat evaluasi tengah
dan akhir semester.
penghitungan nilai hasil belajar sudah dapat
ditentukan dengan sistem pendukung keputusan.
Sistem pendukung keputusan adalah suatu sistem
berbasis komputer yang menghasilkan berbagai
alternatif keputusan untuk membantu manajemen
dalam menangani berbagai permasalahan yang
terstruktur ataupun tidak terstruktur dengan
menggunakan data dan model
Metode TOPSIS adalah salah satu metode
yang bisa membantu proses pengambilan
keputusan yang optimal untuk menyelesaikan
masalah keputusan secara praktis. Hal ini
disebabkan karena konsepnya sederhana dan
mudah dipahami, komputasinya efisien dan
memiliki kemampuan untuk mengukur kinerja
relatif dari alternatif-alternatif keputusan dalam
bentuk matematis yang sederhana.[10]
II. TEORI
A. Fuzzy Multiple Attribute Decision Making
(FMADM)
Fuzzy Multiple 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

Jurnal Manajemen Dan Informatika Pelita Nusantara


Volume 1 No 2 Desember 2017
akan menyeleksi alternatif yang sudah
diberikan. Pada dasarnya, ada tiga 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 faktor dalam proses
perankingan alternatif bisa ditentukan secara
bebas. Sedangkan pada pendekatan obyektif,
nilai bobot dihitung secara matematis
sehingga mengabaikan subyektifitas dari
pengambil keputusan.
Salah satu metode yang dapat digunakan untuk
menyelesaikan masalah FMADM, adalah
Technique for Order Preference by Similarity to
Ideal Solution (TOPSIS).
B. Technique for Order Preference by
Similarity to Ideal Solution (TOPSIS)
TOPSIS diperkenalkan pertama kali oleh
Yoon dan Hwang pada tahun 1981 untuk
digunakan sebagai salah satu metode dalam
memecahkan masalah multikriteria. TOPSIS
memberikan sebuah solusi dari sejumlah
alternatif yang mungkin dengan cara
membandingkan setiap alternatif dengan
alternatif terbaik dan alternatif terburuk yang
ada diantara alternatif-alternatif masalah.
Metode ini menggunakan jarak untuk melakukan
perbandingan tersebut. Yoon dan Hwang
mengembangkan metode TOPSIS berdasarkan
intuisi yaitu alternatif pilihan merupakan
alternatif yang mempunyai jarak terkecil dari
solusi ideal positif dan jarak terbesar dari solusi
ideal negatif dari sudut pandang geometris
dengan menggunakan jarak Euclidean.
Metode TOPSIS akan merangking alternatif
berdasarkan prioritas nilai kedekatan relatif suatu
alternatif terhadap solusi ideal positif.
Alternatif-alternatif yang telah dirangking
kemudian dijadikan sebagai referensi bagi
pengambil keputusan untuk memilih solusi
terbaik yang diinginkan. Metode ini banyak
digunakan untuk menyelesaikan pengambilan
keputusan secara praktis. Hal ini disebabkan
konsepnya sederhana dan mudah dipahami,
komputasinya efisien, dan memiliki
kemampuan mengukur kinerja relatif dari
alternatif-alternatif keputusan. Dalam metode
TOPSIS klasik, nilai bobot dari setiap kriteria
telah diketahui dengan jelas. Setiap bobot
kriteria ditentukan berdasarkan tingkat
kepentingannya menurut pengambil keputusan.
III. METODE
Jurnal Manajemen Dan Informatika Pelita Nusantara
p-ISSN 2088-3943
e-ISSN 2580-9741
Metode dalam penelitian ini adalah dengan
menggunakan Metode TOPSIS yang merupakan
salah satu metode pengambilan keputusan
multikriteria yang diperkenalkan oleh Yoon dan
Hwang (1981). (Fuzzy Multi Attribut Decision
Making, [10] TOPSIS menggunakan prinsip
bahwa alternative yang terpilih harus mempunyai
jarak terdekat dari solusi ideal positif dan jarak
terjauh dari solusi ideal negatif dari sudut
pandang geometris dengan menggunakan jarak
Euclidean untuk menentukan kedekatan relatif
dari suatu alternative dengan solusi optimal.
Solusi ideal positif didefenisikan sebagai jumlah
dari seluruh nilai terbaik yang dapat dicapai
untuk setiap atribut, sedangkan solusi negatif
ideal terdiri dari seluruh nilai terburuk yang
dapat dicapai dari setiap kriteria.Kriteria yang
digunakan dalam sistem pendukung keputusan
ini adalah kehadiran kuliah, nilai tugas, nilai
UTS dan nilai UAS.
Bahasa pemrograman yang digunakan untuk
membangun sistem ini adalah bahasa
pemrograman Visual Basic 10 dan Database
yang digunakan adalah MySql.
Desain yang dilakukan pada penelitian ini
menggunakan pendekatan terstruktur yaitu
menggunakan UML (Unified Method Language).
Langkah yang dilakukan pada tahap ini adalah
menterjemahkan hasil analisis kedalam bentuk
rancangan antarmuka,rancangan basis data,
rancangan input dan output. Use case diagram
perancangan sistem pendukung keputusan
penilaian hasil belajar mahasiswa dengan metode
TOPSIS adalah sebagai berikut :
Gambar 1.
Use Case Diagram Sistem Pendukung Keputusan
Penilaian Hasil Belajar Mahasiswa
Adapun langkah–langkah yang digunakan
dalam metode TOPSIS adalah sebagai berikut :
10
 p-ISSN 2088-3943
Volume 1 No 2 Desember 2017 e-ISSN 2580-9741
a. Membangun normalized decision matrix. Tahap I : Menentukan kriteria atau atribut. Ada
Elemen rij adalah hasil normalisasi decision empat kriteria yang akan digunakan
matrix R dengan metode Euclidean length of untuk membuat keputusan penilaian
a vector adalah hasil belajar mahasiswa . Kriterianya
𝑋 𝑖𝑗 adalah :
rij = (1)
𝑚 =𝑥𝑖𝑗 2
𝑖
C1 = Kehadiran
Dimana : C2 = Nilai Tugas
rij = hasil normalisasi matriks C3 = Nilai UTS
keputusan R C4 = Nilai UAS
i = 1,2,…, m; Tahap II : Kriteria diubah ke nilai fuzzy dengan
j = 1,2,…,n; melakukan pembobotan masing-
b. Membangun weighted normalized decision masing kriteria seperti yang tampak
matrix dengan bobot W- (w1, w2,… , wn) pada gambar di bawah ini.
vij = wi * rij (2)
c. Menentukan solusi ideal positif dan solusi Tabel I.
ideal negatif. Solusi ideal positif dinotasikan Bilangan Fuzzy untuk Kriteria Kehadiran
dengan A+ dan solusi ideal negatif dengan
Kehadiran Variabel Nilai Fuzzy
A- adalah sebagai berikut : 0 < Kehadiran ≤ 2 Sangat Buruk (SBr) 0
A+ = {(max vij) (min vij | j ∈ 𝐽′), 2 < Kehadiran ≤ 4 Buruk (Br) 0,25
i = 1,2,3,…,m} = {v1+, v2+, …. vm+} (3) 4 < Kehadiran ≤ 6 Cukup (C) 0,5
6 < Kehadiran ≤ 8 Baik (B) 0,75
A- = {(max vij) (min vij | j ∈ 𝐽′), 8 < Kehadiran ≤ 10 Sangat Baik (SB) 1
i = 1,2,3,…,m} = {v1-, v2-, …. vm-} (4)
Dimana : Tabel II.
vij = elemen matriks v baris ke I Bilangan Fuzzy Untuk Kriteria Nilai Tugas
kolom ke j
d. Menghitung Separasi Nilai Tugas (NT) Variabel Nilai Fuzzy
Separation Measure ini merupakan 0 < Nilai Tugas ≤ 4 Sangat Buruk (SBr) 0
4 < Nilai Tugas ≤ 8 Buruk (Br) 0,25
pengukuran jarak dari suatu alternatif ke 8 < Nilai Tugas ≤ 12 Cukup (C) 0,5
solusi ideal positif dan solusi ideal negatif. 12 < Nilai Tugas ≤ 16 Baik (B) 0,75
16 < Nilai Tugas ≤ 20 Sangat Baik (SB) 1

Separation measure untuk solusi

ideal positif Tabel III.
Bilangan Fuzzy Untuk Kriteria Nilai UTS
𝑆𝐼+ = 𝑛
𝑗 =1(𝑣𝑖𝑗 − 𝑣𝑖𝑗+ )2 (5)
Nilai UTS Variabel Nilai Fuzzy
dengan i = 1,2,3,…,m 0 < Nilai UTS ≤ 6 Sangat Buruk (SBr) 0
6 < Nilai UTS ≤ 12 Buruk (Br) 0,25
Separation measure untuk solusi 12 < Nilai UTS ≤ 18 Cukup (C) 0,5
18 < Nilai UTS ≤ 24 Baik (B) 0,75
ideal positif 24 < Nilai UTS ≤ 30 Sangat Baik (SB) 1

𝑆𝐼− = 𝑛
− 𝑣𝑖𝑗− )2 Tabel IV.
𝑗 =1(𝑣𝑖𝑗 (6)
Bilangan Fuzzy Untuk Kriteria Nila UAS
Menghitung kedekatan relatif Nilai UAS Variabel
Nilai
Fuzzy
terhadap solusi ideal. Kedekatan 0 < Nilai UAS ≤ 8 Sangat Buruk (SBr) 0
relatif alternatif A+ dengan solusi 8 < Nilai UAS ≤ 16 Buruk (Br) 0,25
ideal A- direpresentasikan dengan : 16 < Nilai UAS ≤ 24 Cukup (C) 0,5
𝑠− 24 < Nilai UAS ≤ 32 Baik (B) 0,75
𝐶𝑖 = 𝑠 − +𝑖 𝑠 + (7) 32 < Nilai UAS ≤ 40 Sangat Baik (SB) 1
𝑖 𝑖

dengan 0< Ci+ < 1 dan i = 1,2,3,..,m
e. Meranking alternatif.
Alternatif dapat diranking berdasarkan
urutan Ci+. Maka dari itu, alternatif terbaik
adalah alternatif yang bernilai lebih besar.
Langkah-langkah metode TOPSIS dalam
menentukan nilai akhir mahasiswa adalah adalah
sebagai berikut :
Tahap III : Menentukan nilai akhir hasil belajar
mahasiswa dengan menggunakan
metode TOPSIS sesuai dengan tabel
keputusan yang mendapat nilai A, B,
C, D, dan E. Berikut ini adalah tabel
keputusan yang menentukan hasil
akhir dari sistem ini seperti pada
tabel berikut ini :
Tabel V.
Keputusan Nilai Akhir (NA)

11

Jurnal Manajemen Dan Informatika Pelita Nusantara

 p-ISSN 2088-3943
Volume 1 No 2 Desember 2017 e-ISSN 2580-9741
Hasil Belajar Mahasiswa Dennis Werstling
130121064 0,447 0,351123 0,492 0,449
Simanjuntak
Desi Ulandari
Nilai Akhir (NA) Variabel Predikat 130121032 0,447 0,468165 0,369 0,449
Hutasoit
> 0,5 A Sangat Baik
0,4 < NA ≤ 0,5 B Baik
0,3 < NA ≤ 0,4 C Cukup 3. Membuat matriks keputusan yang
0,2< NA ≤ 0,3 D Kurang ternormalisasi terbobot (V) yang elemen-
0,1 < NA ≤ 0,2 E Sangat Kurang elemennya ditentukan dari R(i).

IV. HASIL DAN PEMBAHASAN Tabel IX.

Hasil perhitungan dengan metode TOPSIS Matriks Keputusan Ternormalisasi Terbobot
dalam menentukan nilai akhir mahasiswa adalah V
sebagai berikut : i V (i,1) V (i,2) (i,3) V (i,4)
1. Data nilai 5 (lima) mahasiswa dan data 1 0,447214 0,468165 0,492 0,448965
nilai mahasiswa setelah di konversi ke nilai 2 0,447214 0,468165 0,492 0,448965
fuzzy 3 0,447214 0,468165 0,369 0,448965
Tabel VI. 4 0,447214 0,351123 0,492 0,448965
Data Nilai Mahasiswa Sebelum Dikonversi 5 0,447214 0,468165 0,369 0,448965
4. Menentukan matriks solusi ideal positif
NO NIM NAMA
NILAI (A+) dan solusi ideal negatif (A--) dapat
HDR TGS UTS UAS
Angelia dilihat pada tabel berikut :
1 130121062 Mariyani 13 90 83 70 Tabel X.
Manurung
Ceriah
Solusi Ideal Positif (A+)
2 130121008 Antriany 14 95 93 70
Solusi Ideal V(i,1) V(i,2) V(i,3) V(i,4)
Siringoringo 0,447214 0,468165 0,492366 0,448965
Positif

Dani 0,447214 0,468165 0,492366 0,448965

3 130121028 Demianto 12 90 73 65 0,447214 0,468165 0,369274 0,448965
Ginting 0,447214 0,351123 0,492366 0,448965
Dennis 0,447214 0,468165 0,369274 0,448965
4 130121064 Werstling 14 80 100 80 A+ (V max) 0,447214 0,468165 0,492366 0,448965
Simanjuntak
Desi
5 130121032 Ulandari 14 90 73 75 Tabel XI.
Hutasoit Solusi Ideal Negatif (A-)
V(i,1) V(i,2) V(i,3) V(i,4)
Solusi Ideal

Tabel VII. 0,447214 0,468165 0,492366 0,448965

Negatif

0,447214 0,468165 0,492366 0,448965

Data Nilai Mahasiswa Setelah Dikonversi 0,447214 0,468165 0,369274 0,448965
NILAI CRIPS 0,447214 0,351123 0,492366 0,448965
NO NIM NAMA 0,447214 0,468165 0,369274 0,448965
C1 C2 C3 C4 A- (V max) 0,447214 0,351123 0,369274 0,448965
Angelia 5. Menghitung seperasi atau jarak alternatif
1 130121062 Mariyani 1 1 1 0,75
Manurung dari solusi ideal positif (S+).
Ceriah Tabel XII.
2 130121008 Antriany 1 1 1 0,75
Siringoringo Nilai Seperasi (Jarak)
Dani
3 130121028 Demianto 1 1 0,75 0,75
Ginting
Dennis
4 130121064 Werstling 1 0,75 1 0,75
Simanjuntak
Desi
5 130121032 Ulandari 1 1 0,75 0,75
Hutasoit

6. Menghitung kedekatan relatif dari setiap

2. Membangun Matrix keputusan
alternatif terhadap sulosi ideal positif (ci+)
ternormalisasi dari setiap kategori yang
Tabel XIII.
dilambangkan dengan X(i) dimana i =
Nilai Kedekatan Relatif
1,2,3,dan 4. i S+ S- C+
Tabel VIII. 1 0 0,169853 1
Data Matriks Normalisasi 2 0 0,169853 1
3 0,123091 0,117041 0,487402
R
NIM NAMA R(i,1) R (i,2) R(i,4) 4 0,117041 0,123091 0,512598
(i,3)
Angelia Mariyani 5 0 0,169853 1
130121062 0,447 0,468165 0,492 0,449
Manurung
Ceriah Antriany 7. Meranking Alternatif
130121008 0,447 0,468165 0,492 0,449
Siringoringo
Dani Demianto Tabel XIV.
130121028 0,447 0,468165 0,369 0,449
Ginting Hasil Proses Perankingan

12

Jurnal Manajemen Dan Informatika Pelita Nusantara

 p-ISSN 2088-3943
Volume 1 No 2 Desember 2017 e-ISSN 2580-9741
NAMA S+ S- C+
Angelia Mariyani Manurung 0 0,169853 1
Ceriah Antriany Siringoringo 0 0,169853 1 3. Form Data Mahasiswa
Dennis Werstling
0,1170411 0,123091 0,5125979
Simanjuntak
Dani Demianto Ginting 0,1230915 0,117041 0,4874021
Desi Ulandari Hutasoit 0,1230915 0,117041 0,4874021
8. Menentukan Nilai Akhir mahasiswa dalam
bentuk huruf sesuai dengan table
keputusan.
Tabel XV.
Nilai Akhir (NA) Mahasiswa
N N
NIM NAMA C+
O A
13012106
1 Angelia Mariyani Manurung 1 A
2
13012100 Ceriah Antriany
2 1 A
8 Siringoringo
13012106 Dennis Werstling 0,512
3 A
4 Simanjuntak 6
4
13012102
Dani Demianto Ginting
0,487
B
4. Form Dosen
8 4
13012103 0,487
5 Desi Ulandari Hutasoit B
2 4

Hasil perhitungan dengan metode TOPSIS untuk

sampel yang berjumlah 5 (lima) orang
mahasiswa, dapat diketahui bahwa nilai akhir
mahasiswa atas nama Angelia Maryani adalah A,
nilai Ceriah Antriany Siringo-ringa adalah B,
nilai Dennis Werstling Simanjuntak adalah A,
nilai Dani Demianto Ginting adalag B dan nilai 5. Form Matakuliah
Desi Ulandari Hutasoit adalah B.

A. Implemantasi Sistem
Implementasi sistem pendukung keputusan
penilaian hasil belajar mahasiswa adalah sebagai
berikut :
1. Form Login

6. Form Atur Kelas

2. Form Menu Utama

13

Jurnal Manajemen Dan Informatika Pelita Nusantara

 p-ISSN 2088-3943
Volume 1 No 2 Desember 2017 e-ISSN 2580-9741

7. Form Isi Nilai 11. Form TOPSIS

8. Form Persentase Nilai

V. KESIMPULAN
Penelitian ini menghasilkan suatu sistem
yang dapat membantu Pendidik (Dosen) di
STMIK Pelita Nusantara Medan dalam
menentukan nilai akhir mahasiswa setiap
semester dengan menggunakan metode TOPSIS.
9. Form Fuzzy Dengan adanya sistem pendukung keputusan ini,
penentuan nilai akhir mahasiswa dapat diperoleh
dengan cepat, tepat dan akurat. Hasil penelitian
ini memberikan implikasi bahwa ada satu
pendekatan yang dapat dijadikan dasar untuk
menentukan nilai akhir mahasiswa dengan
menggunakan metode TOPSIS.

VI. REFERENSI
[1] Adi Nugroho (2010). Rekayasa
Perangkat Lunak Berbasis Objek
dengan Metode USDP. Andi.
Yogyakarta
10. Form Bobot Referensi [2] Ayu Gusti, Darma Gede, Wira B Putu
(2013), Multi-Attribyte Decision
making Scholarship Selection Using A
Modified Fuzzy TOPSIS. International
Journal of Computer Science Issues
(IJCSI) Vol.10 No.2.
[3] Davis, Ralp C dalam Hasan. (2004).
Pokok-pokok Materi Teori Pengambilan
Keputusan. Jakarta: Ghalia Indonesia.
[4] Ding, Ji-Feng (2011). An Integrated
Fuzzy Topsis Method For Ranking
Alternatives And Its Application.
Journal Of Marine Science and
Technology, Vol 19, No 4.
[5] Elissa Nadia Madi, and Abu Osman Md
(2011). Fuzzy TOPSIS Method in the
election of Investment Boards by
Incorporating Operational Risks.
Proceedings of the World Congress on
Engineering 2011 Vol I. WCE 2011,
July 6 - 8, 2011, London, U.K

14

Jurnal Manajemen Dan Informatika Pelita Nusantara

 p-ISSN 2088-3943
Volume 1 No 2 Desember 2017 e-ISSN 2580-9741
[6] Hoga Saragih., Murni Marbun., Bobby [12] Marimin (2004). Teknik dan Aplikasi
Reza (2013). Development Of Decision Pengambilan Keputusan Kriteria
Support Syatem Determining The Majemuk. Grasindo, Jakarta.
Student As Scholarship Recipients bi [13] Pedoman Akademik STMIK Pelita
Fuzzy Multi Atrribute Decision Making Nusantara Medan, 2016
(FMADM). JSI UI, Vol 9, No 2. [14] Pragati Jain and Manisha Jain (2011).
[7] Jamila , S Hartati (2012). Sistem Fuzzy TOPSIS Method In Job
Pendukung Keputusan Pemilihan Sequencing Problems On Machines Of
Subkontrak Menggunakan Metode Unegual Efficiencies. Canadian Journal
Entropy dan TOPSIS. IJCCS, Vol.5 on Computing in Mathematics, Natural
No.2, Juli , 2011. Sciences, Engineering and Medicine.
[8] Jeffery L. Whitten, Lonnie D. Bentley, Vol. 2 No. 6.
Kevin C. Metode desain dan analisis [15] Shofwatul 'Uyun, Imam Riadi (2011). A
system ittman; alih bahasa, Tim Fuzzy TOPSIS Multiple-Attribute
Penerjemah Andi. - 1. - Yogyakarta : Decision Making For Scholarship
Andi, 2004. Selection. TELKOMNIKA, Vol. 9
[9] Kamran Shahanaghi, Sayed Ahmad No.1.
Yazdian (2009). Vendor Using A New [16] Surbakti, Irfan, Sistem Pendukung
Fuzzy Group TOPSIS Approach. Keputusan (Decision Support System ),
Journal of Uncertain System Vol. 3 No. Yogyakarta, Graha Ilmu, 2002
3 [17] Turban, E. and Aronson, J. E. (2001).
[10] Kusumadewi, S., Hartati, S., Harjoko, Decision Support and Intelegent
A., Wardoyo, R (2006). Fuzzy Multi Systems, (6 th ed.) Prentice-Hall Inc,
Attribute Decison making (FUZZY New Jersey.
MADM), Graha Ilmu, Yogyakarta. [18] Turban, E, 2005, Decision Support
[11] K. Savita, DR. C. Chandrasekar (2011). Systems and Intelligent SystemsEdisi
Network Selection Using TOPSIS in Bahasa Indonesia Jilid 1,
Vertical Handover Decision Schemes Andi,Yogyakarta
For Heterogeneous Wireless Network s. [19] Yahia Zare Mehrjerdi (2012).
Intenational Journal of Computer Developing Fuzzy TOPSIS Method
Sciences Issues (IJCSI), Vol. 8 No. 2. Based On Interval Valued Fuzzy Sets.
ICJA, Vol 42 No. 14.

15

Jurnal Manajemen Dan Informatika Pelita Nusantara