Plagiarism Checker X Originality

Report
Similarity Found: 19%

Date: Monday, January 13, 2020

Statistics: 1024 words Plagiarized / 5417 Total words
Remarks: Low Plagiarism Detected - Your Document needs Optional
Improvement.
------------------------------------------------------------------------------------------
-

PERBANDINGAN AKURASI PENGGUNAAN METODE AHP, TOPSIS, FUZZY-AHP,

DAN FUZZY-TOPSIS DALAM PEMILIHAN MAHASISWA BERPRESTASI PROPOSAL
TESIS / Komang Gde Hendra Kusuma Putra 1829101021 PEMBIMBING I Prof.Dr. I
Made Candiasa, M.I.Kom. PEMBIMBING II Dr. Gede Indrawan, S.T., M. T
PROGRAM STUDI MAGISTER ILMU KOMPUTER UNIVERSITAS PENDIDIKAN
GANESHA DENPASAR 2019
 PERBANDINGAN AKURASI PENGGUNAAN METODE AHP, TOPSIS, FUZZY-AHP,
DAN FUZZY-TOPSIS DALAM PEMILIHAN MAHASISWA BERPRESTASI PROPOSAL
TESIS Diajukan kepada Universitas Pendidikan Ganesha Untuk Memenuhi
Sebagian Persyaratan Memperoleh Gelar Magister Ilmu Komputer Program Studi
Ilmu Komputer / Komang Gde Hendra Kusuma Putra 1829101021 PROGRAM
STUDI MAGISTER ILMU KOMPUTER UNIVERSITAS PENDIDIKAN GANESHA
DENPASAR 2019
LEMBAR PERSETUJUAN PEMBIMBING PROPOSAL TESIS Proposal Tesis oleh
Komang Gde Hendra Kusuma Putra ini telah diperiksa dan disetujui untuk Ujian
Proposal Tesis. Singaraja, 15 Januari 2020 Pembimbing I, Prof.Dr. I Made
Candiasa., M.I.Kom. NIP.

19601231198601 1 004 Singaraja, 15 Januari 2020 Pembimbing II, Dr. Gede

Indrawan., S.T., M. T. NIP. 19760102 200312 1 001
DAFTAR ISI DAFTAR ISI I DAFTAR GAMBAR III DAFTAR TABEL IV 1.1 LATAR
BELAKANG 1 1.2 IDENTIFIKASI MASALAH 4 1.3 PEMBATASAN MASALAH 5 1.4
RUMUSAN MASALAH 5 1.5 TUJUAN PENELITIAN 5 2.1 LANDASAN TEORI 7 2.1.1
Definisi Sistem Pendukung Keputusan (SPK) 7 2.1.2 Karakteristik dan Kapabilitas
SPK 8 2.1.3 Komponen Sistem Pendukung Keputusan 10 2.1.4 Fase-fase
Pengambilan Keputusan 11 2.2 AHP 12 2.2.1 Definisi AHP 12 2.2.2 Kelebihan dan
Kelemahan Metode AHP 13 2.2.3 Tahapan Metode AHP 14 2.3 TOPSIS 15 2.4
METODE FUZZY 16 2.5 FUZZY AHP 17 2.6 FUZZY TOPSIS 19 2.7 MAWAPRES 19
2.7.1

Tujuan MAWAPRES 20 2.8 TINJAUAN PUSTAKA TERKAIT 21 3.1 METODE

PENELITIAN 23 3.2 SISTEM YANG SEDANG BERJALAN 23 3.3 KERANGKA KONSEP
PENELITIAN 23 3.4 PENDEKATAN 25 3.5 PENGUMPULAN DATA 25 3.6 ANALISIS
DATA 26 3.7 PERBANDINGAN AKURASI 26 DAFTAR PUSTAKA1
DAFTAR GAMBAR Gambar 1. Karakteristik dan Kapabilitas SPK (Turban, Sharda &
Delen, 2011) 8 Gambar 2. Langkah Penelitian 23 Gambar 3. Kerangka Konsep
Penelitian 24
DAFTAR TABEL Tabel 1. Skala TFN 18 Tabel 2 Variabel Linguistik Penilaian
Alternatif 18
BAB I PENDAHULUAN
Latar Belakang Pemilihan Mahasiswa Berprestasi (PILMAPRES) merupakan
kegiatan rutin yang dilakukan setiap tahun oleh Kementerian Ristekdikti sejak
tahun 2004.

Kementerian Ristekdikti berada dalam Pemerintah Indonesia yang

menyelenggarakan urusan di bidang riset, teknologi, dan pendidikan tinggi.
Kementerian Riset, Teknologi, dan Pendidikan Tinggi berperan merumusan,
penetapan, dan pelaksanaan kebijakan di bidang standar kualitas sistem
pembelajaran, lembaga pendidikan tinggi, sumber daya manusia serta sarana dan
prasarana pendidikan tinggi, dan keterjangkauan layanan pendidikan tinggi.

Kegiatan Pilmapres merupakan kegiatan yang dilakukan untuk memilih dan

memberikan suatu penghargaan kepada mahasiswa yang telah berhasil mencapai
prestasi tertinggi, baik dari bidang kurikuler, kokurikuler (kegiatan yang
dimaksudkan untuk lebih memperdalam dan menghayati materi pelajaran yang
telah dipelajari dalam kegiatan intrakurikuler didalam kelas. Kegiatan ini dapat
dilakukan secara individual maupun kelompok). Dengan kegiatan ini, diharapkan
mahasiswa tidak hanya menekuni ilmu dalam bidangnya saja, tetapi juga
beraktivitas untuk mengembangkan softskill-nya.

Karena di dalam era persaingan bebas, dibutuhkan lulusan yang memiliki

kemampuan hardskills dan softskills yang seimbang. Oleh karena itu, disetiap
perguruan tinggi (PT) perlu dilakukan identifikasi terhadap mahasiswa yang dapat
melakukan keduanya dan diberikan penghargaan sebagai mahasiswa yang
berprestasi, yakni dengan melakukan seleksi Pilmapres di tingkat perguruan
tinggi (PT) sampai ketingkat Nasional. Prosedur Pemilihan Mahasiswa Berprestasi
(PILMAPRES) dilaksanakan secara berjenjang mulai dari tingkat program studi,
departemen, fakultas, perguruan tinggi (PT), hingga tingkat nasional.

Kegiatan Pilmapres diselenggarakan dalam dua kelompok pemilihan, yaitu

Pilmapres Program Sarjana dan Diploma. Berdasarkan pedoman dari BELMAWA
RISTEKDIKTI yang menaungi seleruh perguruan tinggi negeri dan swasta.
Lembaga Layanan Pendidikan Tinggi (LLDIKTI) Wilayah VIII adalah suatu Lembaga
Pemerintah yang dibentuk oleh KEMENRISTEKDIKTI untuk menaungi seluruh
perguruan tinggi Swasta disetiap wilayah, Lembaga Layanan Pendidikan Tinggi
wilayah VIII atau Bali Nusra berperan melaksanakan pemetaan mutu Pendidikan
tinggi, fasilitasi peningkatan mutu penyelenggaraan Pendidikan tinggi, fasilitasi
peningkatan mutu pengelolaan perguruan tinggi, dan memfasilitasi kesiapan
perguruan tinggi dalam penjaminan mutu eksternal khusus dalam wilayah VIII
atau Bali Nusra [14]. Perguruan Tinggi STMIK Denpasar adalah salah satu
Perguruan tinggi di Bali yang melaksanakan pemilihan mahasiswa berprestasi.

Setelah terpilih pemenang mahasiswa berprestasi di Perguruan Tinggi STMIK

Denpasar selanjutnya akan dikirim untuk diseleksi kembapli pada pemilihan
mahasiswa berprestasi di tingkat Lembaga Layanan Pendidikan Tinggi (LLDIKTI)
Wilayah VIII .Dalam proses penilaian tim penilai mahasiswa berprestasi
mengalami kesulitan dalam memilih mahasiswa berprestasi karena masing-
masing peserta memiliki keunggulan dan berpeluang untuk menjadi pemenang.
Banyaknya jumlah mahasiswa yang ada di STMIK Denpasar dapat menyebabkan
pemilihan mahasiswa berprestasi memakan waktu yang cukup lama, sehingga
dibutuhkan sebuah sistem pendukung keputusan untuk mempermudah
pemilihan.

Permasalahan yang biasanya dihadapi oleh Perguruan Tinggi sehubungan

dengan pemilihan mahasiswa adalah banyaknya jumlah mahasiswa yang dimana
masing-masing memiliki kelebihan atau keunggulan dan waktu yang diperluakan
untuk menilai mahasiswa-mahasiswa tersebut. Dengan menggunakan berbagai
metode, pihak Perguruan Tinggi bisa mengurangi waktu dan sumber daya yang
digunakan untuk memilih mahasiswa berprestasi. Salah satu metode yang sering
digunakan adalah penggunaan Sistem Pendukung Keputusan, yaitu sistem yang
membantu penggunanya untuk mendapatkan pilihan berdasarkan kandidat dan
kriteria yang ditetapkan.

Penggunaan SPK sendiri sudah banyak dianalisa oleh penelitian lainnya, misalnya
oleh Tri Novika dalam penelitian “SPK: Analisa Rekomendasi Bank Konvensional
Dengan Promethee Sebagai Solusi Cerdas Untuk Menabung” yang menjelaskan
mengenai penggunaan SPK metode Promethee untuk merekomendasikan bank
konvensional sebagai solusi cerdas untuk menabung karena metode promethee
menghasilkan keputusan dengan melakukan perbandingan antar alternatif
berdasarkan fungsi preferensi dan bobot yang berbeda-beda dari setiap kriteria
[10].

Pembahasan SPK dalam kebutuhan perkuliahan juga sempat dibahas oleh Ida
Bagus Kurniawan dalam penelitian Sistem Pendukung Keputusan Pemilihan
Mahasiswa Berprestasi Di Perguruan Tinggi Dhyana Pura Menggunakan Metode
AHP, ELECTRE Dan TOPSIS. Penelitian ini membahas penggunaan AHP, ELECTRE,
dan TOPSIS untuk menentukan perangkingan dengan menentukan bobot
menggunakan AHP, dan perangkingan menggunakan ELECTRE serta TOPSIS [8].
Dua dari metode SPK yang sering digunakan adalah AHP dan TOPSIS. AHP
adalah sebuah metode perangkingan dengan memilih yang terbaik saat pemilih
keputusan memiliki banyak kriteria.

Metode AHP menjawab pertanyaan “Yang Mana?” setelah melalui proses-proses

dengan menggunakan perbandingan yang menggunakan skala preferensi, angka
skala ini biasanya berada di 1-9 atau 1-5 dengan predikat “Cukup Penting”
hingga “Sangat Penting”. Sedangkan TOPSIS, yang berguna untuk mendefinisikan
hasil akhir sebagai titik yang secara bersamaan paling jauh dari titik negatif ideal
dan paling dekat dengan titik ideal, hingga berhasil memilih yang terbaik dari
kandidat. Penggunaan AHP dan TOPSIS menggunakan skala angka, namun dalam
beberapa kasus, ada kriteria yang memiliki nilai diantara 2 skala yang berdekatan.

Untuk mengatasi hal ini diperlukan penggunaan Fuzzy Numbers, dengan

menggunakan Fuzzy Numbers, metode AHP dan TOPSIS dapat berubah menjadi
Fuzzy AHP dan Fuzzy TOPSIS, kedua metode ini dapat digunakan untuk
melakukan perangkingan dimana proses pengambilan keputusan menghadapi
kondisi skala yang tidak tentu ,misalkan diantara angka 2 dan 3. Dalam Pemilihan
Mahasiswa Berprestasi, tidak jarang ditemukan kasus dimana objektifitas penilai
turut membantu dalam pemilihan mahasiswa berprestasi, misalkan pada
penilaian sikap penilai memberikan nilai 5 atau 6 karena sikap mahasiswa
tersebut menurut penilai berada di skala tersebut. Tanpa menggunakan Fuzzy
Numbers, hal ini sulit untuk di interpretasikan karena data menjadi tidak akurat,
penilai harus memilih antara 5 atau 6 dan tidak bisa diantaranya.

Dalam penelitian yang dilakukan oleh Laras Purwati Ayuningtias, Mohamad Irfan,
dan Jumadi yang berjudul “ANALISA PERBANDINGAN LOGIC FUZZY METODE
TSUKAMOTO, SUGENO, DAN MAMDANI”, didapatkan bahwa metode fuzzy
Mamdani mempunyai tingkat error yang lebih kecil sebesar 19,76 %
dibandingkan dengan metode Tsukamoto sebesar 39,03 % dan Sugeno sebesar
86,41 % pada prediksi jumlah pendaftar mahasiswa baru sesuai dengan penelitian
yang telah dilakukan, maka dari itu, peneliti akan menggunakan metode Fuzzy
Mamdani dalam penerapan penelitian ini [1].

Berdasarkan hal tersebut diatas, peneliti tertarik untuk melakukan penelitian yang
berjudul “Perbandingan Akurasi Penggunaan Metode AHP, TOPSIS, Fuzzy-AHP,
Dan Fuzzy-TOPSIS dalam Pemilihan Mahasiswa Berprestasi”, untuk mendapatkan
hasil antara perbandingan metode logic dengan metode Fuzzy logic. Identifikasi
Masalah Penerima predikat Mahasiswa Berprestasi seharusnya adalah mahasiswa
yang memiliki keunggulan lebih dari pada yang lain Jumlah mahasiswa yang
tidak tentu dan waktu yang diperlukan untuk menilai Objektivitas atau Persepsi
dari penilai Perlunya metode penentuan mahasiswa berprestasi yang akurat
Pembatasan Masalah Batasan masalah untuk penelitian yang berjudul
“Perbandingan Akurasi Penggunaan Logika AHP, TOPSIS, Fuzzy-AHP, dan Fuzzy-
TOPSIS dalam Pemilihan Mahasiswa Berprestasi.”

adalah sebagai berikut: Tidak membahas pada pembuatan sistem informasi

akademik maupun sistem pendukung keputusan. Dalam penelitian yang
mendasar adalah mengenai metode SPK saja dan tidak sampai pembangunan
data warehouse. Data Mahasiwa yang digunakan hanya dari tahun 2013 sampai
2018. Rumusan Masalah Berdasarkan latar belakang sebelumnya, dapat
dirumuskan beberapa permasalahan yang akan dibahas dalam penelitian ini.
Bagaimana implementasi pemilihan mahasiswa berprestasi dengan algoritma
AHP, TOPSIS, Fuzzy-AHP, dan Fuzzy-TOPSIS? Bagaimana akurasi pemilihan
mahasiswa berprestasi pada algoritma AHP, TOPSIS, Fuzzy-AHP, dan Fuzzy-
TOPSIS, serta bagaimana perbandingan akurasi algoritma AHP, TOPSIS, Fuzzy-
AHP, dan Fuzzy-TOPSIS dalam menentukan mahasiswa berprestasi.

Tujuan Penelitian Adapun tujuan yang diharapkan dapat tercapai dari penelitian
“Perbandingan Penggunaan Metode AHP, TOPSIS, Fuzzy-AHP, Dan Fuzzy-TOPSIS
Dalam Penentuan Mahasiswa Berprestasi” adalah sebagai berikut: Untuk
mendeskripsikan implementasi ... dst. Untuk mengetahui akurasi akurasi
pemilihan mahasiswa berprestasi pada algoritma AHP, TOPSIS, Fuzzy-AHP, dan
Fuzzy-TOPSIS. Untuk mengetahui perbandingan akurasi algoritma AHP, TOPSIS,
Fuzzy-AHP, dan Fuzzy-TOPSIS dalam menentukan mahasiswa berprestasi.
BAB II LANDASAN TEORI DAN KERANGKA PEMIKIRAN 2.1 Landasan Teori 2.1.1
Definisi Sistem Pendukung Keputusan (SPK) Sistem Pendukung Keputusan (SPK)
diungkapkan untuk pertama kalinya di awal tahun 1970-an oleh Michael S.

Scott Morton melalui istilah Management Decision System. Sistem tersebut

adalah sebuah sistem dengan basis komputer dengan tujuan untuk membantu
pengambilan keputusan melalui pemanfaatan data serta model yang ditentukan
untuk menyelesaikan berbagai permasalahan yang tak terstruktur (Dewanto,
2015). Istilah SPK merujuk kepada sebuah sistem yang memanfaatkan bantuan
komputer dalam proses pengambilan keputusan. Untuk mendapatkan pengertian
yang lebih lanjut mengenai SPK, maka terdapat definisi-definisi mengenai SPK
oleh beberapa ahli.

Menurut Turban, Sistem Pendukung Keputusan (SPK) merupakan sistem

informasi dengan basis komputer yang cukup fleksibel, interaktif dan mampu
diadaptasikan, yang dikembangkan untuk mendukung solusi masalah
manajemen secara spesifik dan tidak terstruktur. SPK menggunakan data,
memberikan user interface yang mudah dipahami dan mampu menggabungkan
pemikiran dalam pengambilan keputusan [17] (Turban, Sharda & Delen, 2011).
Menurut Little, Sistem Pendukung Keputusan merupakan suatu sistem informasi
berbasis komputer yang memberikan output berupa berbagai alternatif
keputusan dalam rangka membantu manajemen untuk menangani berbagai
permasalahan yang terstruktur ataupun tidak terstruktur melalui data dan model
(Little, 2004). Menurut Kusrini, Sistem Pendukung Keputusan merupakan sebuah
sistem informasi yang mampu menyediakan informasi, model dan manipulasi
data (Kusrini, 2007).

Menurut Hermawan, SPK didefinisikan sebagai sistem yang mendukung kinerja

seorang manajer atau sekelompok manajer saat memecahkan masalah-masalah
yang semi terstruktur dengan memberikan informasi ataupun pilihan dalam
menentukan keputusan (Hermawan, 2005). Sistem Pendukung Keputusan
digunakan untuk mendeskripsikan desain sistem untuk membantu manajer
menyelesaikan masalah tertentu (Mcloed & Schell, 2008). Dari beberapa ahli
diatas, dapat disimpulkan bahwa sistem pendukung keputusan merupakan sistem
informasi yang mendukung manajemen level menengah dalam mengambil
keputusan semiterstruktur dengan menggunakan pemodelan analitis dan data
yang ada 2.1.2

Karakteristik dan Kapabilitas SPK Karakteristik dan Kapabilitas SPK menurut

Turban, Sharda & Delen (2011), adalah sebagai berikut [17] : / Gambar 1.
Karakteristik dan Kapabilitas SPK (Turban, Sharda & Delen, 2011) SPK
memberikan dukungan untuk decision maker terutama di situasi terstruktur serta
situasi tak terstruktur dengan menyatukan pertimbangan manusia dan informasi
yang diberikan dalam perhitungan komputer. Bantuan untuk semua tingkat
manajerial, mulai dari eksekutif tertinggi sampai manajer di lapangan.

Bantuan untuk individu ataupun kelompok, keterlibatan individu dari bagian atau
departemen dan tingkat yang berbeda atau bahkan dari organisasi yang lain
seringkali dibutuhkan untuk menyelesaikan masalah yang tidak terlalu terstruktur.
Bantuan untuk keputusan mandiri dan atau sekuensial, keputusan dapat dibuat
dalam satu kali, beberapa kali atau berulang (dalam jangka waktu yang sama).
Bantuan pada semua tingkat proses pengambilan keputusan yaitu berupa
kecerdasan, desain, pilihan dan penerapan. Bantuan diberbagai proses dan
metode pengambilan keputusan.

SPK selalu beradaptasi di setiap waktu, saat pengambilan keputusan diharuskan

reaktif, mampu menghadapi pergantian kondisi secara tepat serta dapat
mengadaptasikan SPK dalam memenuhi perubahan tersebut. Sistem Pendukung
Keputusan mudah digunakan oleh pengguna. Pengguna diwajibkan untuk
merasa nyaman saat menggunakan sistem. Dukungan tampilan yang baik serta
interface yang menggunakan bahasa yang sudah disesuaikan dengan bahasa
manusia bisa meningkatkan akurasi penggunaan SPK.

Peningkatan dalam akurasi pengambilan keputusan (akurasi, tidak memakan

waktu banyak, dan berkualitas) dibandingkan pada efisiensinya (biaya pembuatan
keputusan, termasuk biaya dalam penggunaan komputer). Decision Maker
memiliki kendali penuh terhadap semua proses pengambilan keputusan dalam
menyelesaikan suatu masalah. SPK memiliki tujuan untuk mendukung bukan
menggantikan decision maker. End User dapat mengembangkan dan mengubah
sistem sendiri. Sistem dengan cakupan lebih besar dapat dibuat dengan bantuan
para ahli sistem informasi. Pada umumnya model digunakan untuk menganalisa
kondisi pengambilan keputusan.

Sumber data, format serta tipe mulai dari Geographical Information System (GIS)
sampai Object-Oriented System disediakan melalui berbagai akses. Dapat
diberlakukan sebagai alat yang berdiri sendiri yang digunakan oleh seorang
decision maker pada sebuah lokasi atau didistribusikan untuk suatu organisasi
secara keseluruhan serta beberapa organisasi yang terkait. 2.1.3 Komponen
Sistem Pendukung Keputusan Berdasarkan pernyataan dari Turban, Sharda &
Delen (2011), Decision Support System (Sistem Pendukung Keputusan) terdiri dari
empat subsistem yang saling berhubungan yaitu [17].

Subsistem Manajemen Data Subsistem manajemen adalah data yang meliputi

database, terdiri dari berbagai data yang relevan dengan kondisi saat ini dan
dikelola menggunakan Perangkat Lunak yang disebut Sistem Manajemen Basis
Data (DBMS). Manajemen data dapat dihubungkan dengan data warehouse
perusahaan, atau sebuah repo untuk data perusahaan yang relevan dalam
pengambilan keputusan. Subsistem Manajemen Model Subsistem manajemen
adalah model yang berupa paket Perangkat Lunak, berisi model-model dengan
tipe financial, statistic, ilmu manajemen, atau model kuantitatif yang memberikan
kemampuan analisa dan manajemen perangkat lunak yang sesuai. Software ini
disebut juga sistem manajemen basis model.

Subsistem Dialog (User Interface Subsystem) Subsistem dialog (User Interface

Subsystem) adalah subsistem yang bisa digunakan oleh pengguna untuk
melakukan komunikasi dengan sistem dan juga memberikan perintah untuk SPK.
Istilah user interface mencakup semua aspek komunikasi antara pengguna
dengan sistem. Subsistem Manajemen Berbasis Pengetahuan (Knowledge-Based
Management Subsystem) Subsistem manajemen berbasis pengetahuan adalah
subsistem yang dapat membantu subsistem lain atau sebagai komponen yang
berdiri sendiri (independen).

Komponen-komponen tersebut membentuk sebuah sistem aplikasi SPK yang

bisa dihubungkan ke intranet dalam sebuah perusahaan, ekstranet atau internet.
2.1.4 Fase-fase Pengambilan Keputusan Menurut Turban, Sharda, & Delen (2011),
terdapat empat fase dalam pembangunan sistem pendukung keputusan seperti
berikut [17]: Intelligence Pada fase Intelligence, sebuah masalah akan
diidentifikasi, kemudian ditentukan tujuan dan sasarannya, penyebabnya, dan
besarnya. Langkah ini sangat penting karena sebelum suatu tindakan diambil,
persoalan yang dihadapi harus dirumuskan secara jelas terlebih dahulu.

Masalah kemudian dijabarkan secara lebih rinci untuk kemudian dikategorikan

apakah termasuk kedalam kategori programmed atau non-programmed. Design
Pada fase Design, dikembangkan satu atau beberapa tindakan alternatif,
menganalisa solusi yang memiliki potensial, membuat satu atau beberapa model,
membuat uji kelayakan, serta memvalidasi hasilnya. Choice Pada fase Choice,
menjelaskan pendekatan solusi yang dapat diterima dan memilih alternatif
keputusan yang terbaik. Pemilihan alternatif ini akan mudah dilakukan jika hasil
yang diinginkan memiliki nilai kuantitas tertentu. Implementation.
Pada fase Implementation, solusi yang telah didapatkan pada fase Choice
diimplementasikan. Pada tahap ini perlu dilakukan penyusunan rangkaian
tindakan yang sudah terencana, sehingga hasil dari keputusan dapat di-manage
dan disesuaikan jika perlu dilakukan perbaikan-perbaikan. AHP 2.2.1 Definisi AHP
Analytical Hierarchy Process merupakan suatu metode pendukung keputusan
yang pengembangannya dilakukan oleh Thomas L. Saaty.

Model SPK ini akan menguraikan permasalahan dengan beberapa faktor atau
beberapa kriteria yang kompleks menjadi sebuah hierarki [16]. Menurut Saaty
(2008), hierarki bisa diartikan menjadi suatu inti dari satu permasalahan yang
rumit dalam sebuah struktur dengan berbagai level atau tingkatan, dimana level
atau tingkatan pertama adalah tujuan, yang diikuti oleh level faktor, kriteria, sub
kriteria, dan seterusnya hingga mencapai level terakhir dari alternatif [15].

Analytical Hierarchy Process dipergunakan sebagai suatu metode pemecahan

masalah dibandingkan dengan beberapa metode yang lain karena memiliki
alasan-alasan tertentu, yaitu Struktur yang memilki hierarki, sebagai akibat dari
kriteria yang dipilih, hingga sampai pada sub kriteria yang paling dalam,
Memperhitungkan legitimasi sampai dengan batas toleransi dari ketidak
konsistenan sebagai kriteria dan opsi yang dipilih oleh pengambil keputusan,
serta memperhitungkan daya tahan hasil analisis sensitifitas dari decision maker.
Kelebihan dan Kelemahan Metode AHP Sebagaimana layaknya metode analisa
masalah lainnya, AHP memiliki kelebihan dan kelemahan tersendiri di dalam
sistem analisisnya.

Kelebihan-kelebihan analisis ini meliputi [9]: Kesatuan (Unity) AHP membuat

suatu permasalahan yang awalnya luas dan tidak memiliki struktur menjadi
sebuah model yang cukup fleksibel dan mudah untuk dipahami. Kompleksitas
(Complexity) AHP melakukan pemecahan masalah yang kompleks atau rumit
dengan melalui sebuah pendekatan sistem serta penggabungan secara deduktif.
Saling ketergantungan (Interdependence). AHP dapat digunakan untuk bagian-
bagian sistem yang bebas dan tidak membutuhkan hubungan linier.

Struktur Hirarki (Hierarchy Structuring) AHP dapat menggantikan pemikiran

alamiah yang memiliki kecenderungan untuk mengelompokkan bagian sistem ke
tingkatan yang berbeda dari masing-masing tingkatan yang memiliki bagian
serupa. Pengukuran (Measurement) AHP menawarkan skala pengukuran serta
metode atau cara untuk mendapatkan prioritas. Sintesis (Synthesis) AHP
mengarah pada asumsi keseluruhan mengenai sebagaimana diinginkannya dari
masing-masing alternatif. Trade Off, AHP melakukan pertimbangan proritas
relatif dari faktor-faktor pada sistem sehingga pengambil keputusan mampu
memilih alternatif yang paling baik berdasarkan tujuan yang ingin dicapai.

Penilaian dan Konsensus (Judgement and Consensus) AHP tidak megharuskan

untuk dilakukannya atau adanya suatu consensus, namun dapat menggabungkan
hasil dari penilaian yang berbeda. Pengulangan Proses (Process Repetition) AHP
mampu membuat pengambil keputusan menyaring definisi atau arti dari suatu
masalah dan menguraikan penilaian serta pengertian mereka dengan melalui
proses pengulangan. Sedangkan kelemahan metode AHP adalah sebagai berikut:
Model AHP memiliki ketergantungan pada input utamanya. Input utama ini
adalah sebuah persepsi dari seorang ahli sehingga di dalam hal ini perlu
melibatkan subyektifitas dari sang ahli.

Selain itu, sebuah model tidak menjadi berarti jika seorang ahli tersebut
memberikan input penilaian yang keliru. Metode AHP ini hanya merupakan
metode matematis dengan tanpa ada pengujian secara statistik yang
mengakibatkan tidak ada batas kepercayaan dari validitas model yang sudah
terbentuk Tahapan Metode AHP Dikutip dari penelitian PENERAPAN METODE
AHP (ANALYTHIC HIERARCHY PROCESS) UNTUK MENENTUKAN KUALITAS GULA
TUMBU oleh Eko Darmanto dkk. (2014), langkah-langkah yang dilakukan dalam
metode AHP sebagai berikut [5]: Masalah didefinisikan dan ditentukan solusi
yang diinginkan.

Struktur hierarki dibuat dengan diawali dengan tujuan utama. Matrik

perbandingan berpasangan dibuat untuk menggambarkan kontribusi relatif atau
pengaruh dari setiap elemen atau bagian terhadap tujuan atau kriteria yang
memiliki satu tingkat di atasnya. Mendefinisikan perbandingan secara
berpasangan sehingga dapat diperoleh jumlah dari penilaian seluruhnya dengan
rumus jumlah n x [(n-1)/2] buah, dengan n adalah banyaknya bagian yang
dibandingkan. Pengujian konsistensi dan menghitung nilai eigen. apabila tidak
konsisten maka data collecting diulangi Mengulangi langkah 3,4, dan 5 untuk
semua tingkatan dari hierarki.

Menghitung vektor eigen dari tiap-tiap matriks perbandingan berpasangan yang

dimana merupakan bobot dari setiap bagian untuk penentuan preferensi bagian-
bagian pada tingkat hierarki paling rendah sampai mencapai tujuan. 2.3 TOPSIS
TOPSIS adalah metode multi kriteria untuk mengidentifikasi solusi dari
serangkaian alternatif yang terbatas berdasarkan minimalisasi jarak secara
simultan dari titik ideal dan maksimalisasi jarak dari titik nadir [3]. TOPSIS dapat
memasukkan bobot relatif dari kepentingan kriteria [11] (D. L. Olson, 2004).
Menurut D.L Olson, Gagasan TOPSIS dapat diungkapkan dalam serangkaian
langkah: Dapatkan data kinerja untuk n alternatif selain kriteria k.

Pengukuran mentah biasanya terstandarisasi, mengonversi tindakan mentah xij

menjadi tindakan terstandarisasi sij. Mengembangkan seperangkat bobot
penting minggu, untuk masing-masing kriteria. Dasar untuk ini bobot dapat
berupa apa saja, tetapi biasanya, bersifat sementara relatif penting. Skala bukan
masalah jika standardisasi dicapai pada Langkah 1. Identifikasi alternatif ideal
(kinerja ekstrem pada setiap kriteria) s+. Identifikasi alternatif nadir (membalikkan
kinerja ekstrem pada setiap kriteria) s-. Kembangkan ukuran jarak pada setiap
kriteria untuk ideal (D+) dan nadir (D-).

Untuk setiap alternatif, tentukan rasio R yang sama dengan jarak ke titik nadir
dibagi jumlah jarak ke titik nadir dan jarak ke titik ideal, / Urutkan alternatif
pemesanan dengan memaksimalkan rasio pada Langkah 6. 2.4 Metode Fuzzy
Logika fuzzy adalah satu dari sekian pembentuk dalam soft computing. Logika
fuzzy diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965 untuk pertama
kalinya. Teori himpunan fuzzy menjadi dasar dalam logika fuzzy yang mana
peranan derajat keanggotaan sangatlah penting karena dianggap menentukan
keberadaan elemen dalam suatu himpunan. Nilai keanggotaan atau derajat
keanggotaan menjadi ciri utama logika fuzzy.

Ada beberapa definisi logika fuzzy, diantaranya: Logika fuzzy adalah logika yang
menjelaskan keambiguan, himpunan yang mengatasi keambiguan. (Vrusias,
2008). Logika fuzzy memberikan cara untuk merubah penjabaran secara bahasa
menjadi suatu angka. (Synaptic, 2006) Logika fuzzy berbeda dengan logika digital
yang hanya memiliki dua nilai 1 atau 0, Logika fuzzy menggunakan derajat
keanggotaan dalam rentang 0 hingga 1 [2]. Biasanya digunakan untuk
mengartikan suatu besaran yang diekspresikan menggunakan bahasa (linguistic),
sebagai contoh besaran kecepatan kendaraan yang dijabarkan dengan pelan,
agak cepat, cepat, dan sangat cepat.

Dan logika fuzzy menunjukan apakah nilai tersebut benar atau salah. Logika fuzzy
merupakan sebuah cara yang sangat tepat untuk memetakan satu ruang input ke
dalam ruang output. Fuzzy dinyatakan dalam bentuk derajat dari suatu
keanggotaan (membership) dan derajat dari kebenaran. Oleh karena itu, dalam
fuzzy, sesuatu dapat dikatakan sebagian benar dan juga sebagian lainnya salah
pada waktu yang bersamaan. Penelitian menggunakan Logika Fuzzy Mamdani.
Metode Mamdani bias juga disebut sebagai metode min – max. Metode ini
diperkenalkan oleh Ebrahim Mamdani pada tahun 1975.
Untuk mendapatkan hasil yang diinginkan, diperlukan 4 tahap, yang pertama
pembentukan himpunan fuzzy, pada metode mamdani antara variabel input dan
variabel output dibagi menjadi satu atau lebih himpunan fuzzy. Yang kedua
pengaplikasian fungsi implikasi, pada Metode Mamdani, fungsi implikasi yang
digunakan adalah min. Kemudan yang ketiga komposisi aturan, metode yang
digunakan saat penginferensian pada sistem fuzzy, yaitu Metode Max (Maximum)
[6]. Secara umum dapat dituliskan : (sf[Xi] = max ((sf [Xi], (kf [Xi]) Dengan : (sf[Xi]
= nilai keanggotaan solusi fuzzy sampai aturan ke i (kf [Xi]) = nilai keanggotaan
konsekuan fuzzy aturan ke i Tahap terakhir mencakup penegasan (defuzzy),
penegasan pada komposisi aturan mamdani menggunakan metode centroid.
Dimana solusi crisp didapatkan dengan mengambil titik pusat daerah fuzzy [6].
2.5

Fuzzy AHP Metode Fuzzy Analytical Hierarchy Process (FAHP) untuk pertama
kalinya digagas oleh seorang peneliti bernama Chang dan merupakan direct
extension dari metode AHP yang ditemukan oleh Saaty yang terdiri dari unsur-
unsur matriks yang diwakili oleh bilangan Fuzzy [18]. Metode FAHP ini
memanfaatkan rasio Fuzzy yang disebut Triangular Fuzzy Number (TFN) dan
digunakan saat melakukan proses fuzzifikasi. TFN terdiri dari tiga fungsi
keanggotaan, yaitu nilai terendah (l), nilai tengah (m), dan nilai tertinggi (u).
Langkah-langkah metode FAHP adalah sebagai berikut [12]: Permasalahan
disusun dalam bentuk hirarki.

Matriks perbandingan disusun berdasarkan semua elemen / kriteria. Melakukan

perhitungan nilai rasio konsistensi yang didapatkan dari hasil perhitungan matriks
perbandingan dengan syarat nilai CR = 0,1. Mengubah hasil pembobotan
menjadi bilangan Fuzzy dengan menggunakan skala TFN sebagaimana pada
Tabel I. / Tabel 1. Skala TFN Menghitung nilai average geometris Fuzzy dan bobot
Fuzzy dengan menggunakan metode buckley. Menentukan prioritas Fuzzy untuk
masing-masing pilihan dengan menggunakan variabel linguistik seperti contoh
pada Tabel II / Tabel 2 Variabel Linguistik Penilaian Alternatif Menggabungkan
bobot setiap kriteria / sub kriteria dan nilai performa Fuzzy untuk mendapatkan
matriks Fuzzy synthetic decision. Perangkingan dengan berdasarkan hasil
perhitungan Fuzzy synthetic decision dengan melakukan defuzzifikasi
menggunakan metode Centre of Gravity. 2.6

Fuzzy TOPSIS Permasalah Fuzzy topsis disertai adanya perankingan dalam

pengambilan keputusan dapat meningkatkan evaluasi beberapa hal, diantaranya
adalah evaluasi kriteria/sub kriteria, kelayakan alternatif, pengambilan keputusan
dan aturan keputusan ranking.Kriteria yang dimaksud adalah ukuran, aturan dan
standar yang dapat mengambil keputusan. Kelayakan alternatif didefinisikan oleh
berbagai kendala seperti ketersediaan fisik, ketersedian sumber daya, kendala
informasi dan sebagainya. Kemudian, evaluasi kriteria dari setiap alternatif yang
tersedia harus ditemukan untuk mengevaluasi daya tarik alternatif dalam hal nilai
kriteria atau nilai bobot. Nilai bobot dari masing-masing alternatif Ai (i=1, 2, 3,….,

m) untuk setiap kriteria Cj (j=1, 2, 3,…., n) dapat dinyatakan sebagai matriks

keputusan, yang dapat ditulis sebagai: D = []mxn, i=1, 2, 3,…, m; j = 1, 2, 3,…, n.
Akhirnya, pilihan dari dua atau lebih alternatif memerlukan suatu aturan
keputusan atau aturan ranking dimana para pembuat keputusan dapat
memperoleh informasi yang tersedia untuk membuat keputusan terbaik [4].
Dalam pengambilan keputusan, bobot kriteria sangat mencerminkan pembuat
keputusan yang preferensi subyektif dan secara tradisional diperoleh dengan
menggunakan preferensi teknik elisitasi, misalnya, pendekatan AHP (Analytic
Hierarchy Process) seperti yang diusulkan oleh Saaty (1980). Namun, bobot
kriteria yang objektif atas alternatif tidak hanya mengekspresikan kondisi
sebenarnya [19]. 2.7

MAWAPRES Istilah untuk pemilihan Mahasiswa Berprestasi (Mawapres) mulai

digunakan sejak tahun 2004 yang lalu pada tahun 2017 diubah dengan akronim
Pilmapres. Pilmapres sendiri dinilai telah memberikan banyak dampak positif
pada budaya berprestasi serta menghargai prestasi dan karya mahasiswa,
termasuk model untuk pembinaan mahasiswa di kalangan-kalangan perguruan
tinggi dan secara langsung dan tidak langsung dapat meningkatkan martabat
mahasiswa serta perguruan tingginya. Pelaksanaan Pilmapres terus ditingkatkan
kualitasnya dalam rangka untuk memberikan semangat berprestasi di level
mahasiswa dan menciptakan budaya-budaya akademik yang jauh lebih baik.

Selain itu, melaui proses pemilihan ini diharapkan mampu diadopsi menjadi satu
sistem pembinaan prestasi di perguruan tinggi. [14] 2.7.1 Tujuan MAWAPRES
Bersadarkan Pedoman dari RISTEKDIKTI, tujuan MAWAPRES didefinisikan sebagai
berikut: 1. Memilih serta memberikan penghargaan kepada mahasiswa yang
meraih prestasi/capaian unggul serta membanggakan dalam kegiatan intra,
ekstra, dan kokurikuler. 2. Memotivasi mahasiswa dalam melaksanakan kegiatan
intra, ekstra, dan kokurikuler sebagai wahana untuk menyeimbangkan hard skills
dan soft skills mahasiswa. 3.

Mendorong perguruan tinggi (PT) untuk mengembangkan budaya-budaya

akademik yang mampu memfasilitasi mahasiswa mencapai prestasi unggul serta
membanggakan secara berkesinambungan 2.7.2 Penilaian Pilmapres merujuk
pada kinerja individu mahasiswa yang memenuhi kriteria pemilihan yang terdiri
atas lima unsur, yaitu: 1. Indeks Prestasi Kumulatif (IPK); 2. Karya tulis ilmiah
beserta ringkasan; 3. Prestasi/capaian yang diunggulkan dan dibanggakan; 4.
Bahasa Asing (PBB), dan 5. Kepribadian 2.8

Tinjauan Pustaka Terkait Dalam penelitian Ida Bagus Kurniawan (2019)

Berdasarkan hasil penelitian, didapatkan beberapa kesimpulan dari metode AHP,
ELECTRE, dan TOPSIS untuk sistem pendukung keputusan pemilihan mahasiswa
berprestasi. Pertama, Rancangan Sistem Pendukung Keputusan Pemilihan
Mahasiswa Berprestasi menggunakan metode AHP, ELECTRE dan TOPSIS dapat
diimplementasikan, dan kinerja pada sistem cukup baik berdasarkan hasil
pengujian akurasi. Kedua, Berdasarkan pengujian pada hasil perangkingan
metode AHP, ELECTRE dan TOPSIS terdapat hasil yang berbeda dari segi akurasi
dimana hasil perangkingan AHP menunjukkan tingkat akurasi 60%, perangkingan
ELECTRE menunjukkan tingkat akurasi 50 %, dan perangkingan TOPSIS
menunjukkan tingkat akurasi 50%. Perbedaan tingkat akurasi perangkingan AHP
dengan metode lain sekitar 10%. Ketiga, Hasil perangkingan alternatif sangat
dipengaruhi oleh pembobotan kriteria menggunakan metode AHP [8].

Dalam penelitian Ahmad Faisol (2014) mengenai Komparasi Fuzzy AHP dengan
AHP pada Sistem Pendukung Keputusan Investasi Properti, Proses pembobotan
kriteria atau sub kriteria dengan metode FAHP membutuhkan waktu yang relatif
lebih lama dibanding proses pada metode AHP. Akan tetapi metode FAHP
memiliki keunggulan lebih cepat pada saat proses pembobotan alternatif.
Metode FAHP, dibandingkan metode yang lain, memiliki tingkat akurasi yang
paling tinggi yaitu sebesar 84,62% daripada metode AHP yang hanya sebesar
23,08% dalam hal akurasi hasil sistem dengan rekomendasi dari pakar investasi
properti [7].

Dalam penelitian Agnia Eva Munthafa dan Husni Mubarok (2017) Analytical
Hierarchy Process dapat dijadikan sebagai alat bantu dalam menentukan
mahasiswa berprestasi dengan adanya data kuantitatif serta adanya tingkat
validitas konsistensi hierarki. Tingkat validitas rekomendasi alternatif ditentukan
dari pembobotan antar kriteria yang menunjukan peran penilai dalam memahami
konsep Analytical Hierarchy Process sangat berpengaruh. Menentukan tingkat
prioritas antar kriteria yang mengacu pada pedoman pemilihan amahasiswa
berprestasi program sarjana tahun 2017 dapat ditentukan dari tingkat persentase
kriteria penilaian.
Analytical Hierarchy Process yang diterapkan dalam menentukan mahasiswa
berprestasi menghasilkan nilai yang berbeda dengan penghitungan pedoman
dengan hasil pada AHP tidak terdapat nilai akhir ganda terhadap beberapa
alternative [9].
BAB III METODE PENELITIAN 3.1 Metode Penelitian Pada penelitian ini, yang
menjadi obyek penelitian adalah Perguruan Tinggi STMIK Denpasar . Langkah
atau tahapan penelitian ini dilakukan sebagaimana Gambar 2 Gambar 2. Langkah
Penelitian 3.2 Sistem Yang Sedang Berjalan Saat ini sistem penilaian mahasiswa
yang sedang dilakukan oleh STMIK Denpasar hanya didasarkan kepada nilai IPK
dari mahasiswa. Perhitungan hanya dilakukan untuk menentukan nilai IPK
Terbesar dan akan diambil 3 besar. 3.3

Kerangka Konsep Penelitian Berikut adalah Kerangka Konsep Penelitian yang

akan digunakan dalam penelitian: Gambar 3. Kerangka Konsep Penelitian Variabel
dikelompokkan menjadi 3, yang pertama adalah bidang perkuliahan yang
mencakup IPK dan Ekstrakurikuler, kedua bidang diluar perkuliahan yang
mencakup Karya Tulis dan Perlombaan, dan yang terakhir kemampuan pribadi
yang mencakup kemampuan Bahasa Inggris, dan Kepribadian. Komponen yang
dinilai pada Pemilihan Mahasiswa berprestasi sesuai dengan pengelompokan
diatas. IPK Seluruh nilai mata kuliah rata-rata yang lulus.

IPK dinilai dalam proses pemilihan Mahasiswa Berprestasi tingkat Akademik.

Bobot Penilaian 29%. Karya Tulis Penilaian berdasarkan isi, gagasan yang
ditemukan serta metode, model yang digunakan dalam pembuatan Karya Tulis.
Bobot Penilaian 24%. Ekstrakurikuler Penilaian berdasarkan banyaknya mahasiswa
mengikuti kegiatan Ekstrakurikuler dengan menunjukkan bukti melalui berkas
yang dikumpulkan. Bobot Penilaian 10%. Perlombaan Penilaian berdasarkan
banyaknya mahasiswa mengikuti perlombaan dan hasil dari perlombaan itu
sendiri dengan menunjukkan bukti melalui berkas yang dikumpulkan. Bobot
Penilaian 20%.

Bahasa Ingggris Penilaian berdasarkan IP Bahasa Inggris yang ditempuh

mahasiswa. Bobot Penilaian 15%. Kepribadian, Kepribadian dinilai melalui alat tes
yang disediakan oleh perguruan tinggi melalui wawancara dan tes psikotes.
Bobot penilaian 12%. Kriteria diatas tersebut disesuaikan dengan keadaan yang
ada di STMIK Denpasar, karena saat ini kegiatan Ekstrakurikuler di STMIK
Denapsar tidak terlalu diminati oleh mahasiswa, maka hanya diberikan bobot
sebanyak 10%, sedangkan untuk bobot tertinggi terdapat pada IPK karena IPK
sudah mencakup kemampuan akademik mahasiswa di STMIK Denpasar.
Pembobotan Karya Tulis sebesar 24% didasari untuk menjadi pengukuran
kemampuan mahasiswa diluar aspek perkuliahan.

Untuk pembobotan Perlombaan sebesar 15% didasari atas kemauan untuk

berpartisipasi dalam kegiatan di luar perkuliahan dalam rangka mengukur
kemampuan diri. Sedangkan untuk Bahasa Inggris dan Kepribadian diberikan
bobot sebesar 15% dan 12% diberikan sebagai nilai plus dalam penilaian
Mahasiswa Berprestasi. 3.4 Pendekatan Penelitian ini akan membahas
perbandingkan akurasi algoritma AHP, TOPSIS, Fuzzy AHP dan Fuzzy TOPSIS
dalam penentuan Mahasiswa Berprestasi di STMIK Denpasar. Data penelitian ini
diperoleh dari data Kemahasiswaan Perguruan Tinggi STMIK Denpasar.

Hasil Observasi menyatakan bahwa banyaknya jumlah mahasiswa dan waktu

yang diperlukan untuk mendapatkan hasil masih belum seimbang. 3.5
Pengumpulan Data Data yang digunakan pada penelitian ini data mahasiswa di
STMIK Denpasar. Data yang digunakan dari tahun 2013 sampai 2018. Data
mahasiswa tersebut nantinya akan diperoleh dari bagian Kemahasiswaan
Perguruan Tinggi STMIK Denpasar. Sedangkan pengumpulan data untuk
penilaian mahasiswa berprestasi didapatkan dari kuesioner yang dibagikan
kepada mahasiswa, dan penilaian melalui wawancara oleh dosen penilai. 3.6

Analisis Data Data yang sudah dikonversinya nantinya akan dimplementasikan ke

dalam perhitungan. Metodelogi yang akan diimplementasian adalah AHP,
TOPSIS, Fuzzy-AHP dan Fuzzy TOPSIS. Setelah semua hasil pengujian didapatkan,
tahap selanjutnya adalah melakukan analisis dari hasil-hasil pengujian tersebut.
Analisis yang dimaksud antara lain, menganalisis keakurasian penerapan
algoritma AHP, TOPSIS, Fuzzy-AHP dan Fuzzy TOPSIS, kemudian menbandingkan
akurasi AHP, TOPSIS, Fuzzy-AHP dan Fuzzy TOPSIS dalam menentukan
Mahasiswa Berprestasi. 3.7

Perbandingan Akurasi Perbandingan Akurasi dilakukan setelah data yang

dianalisis oleh masing-masing metode didapatkan, dengan membandingkan
tingkat akurasi, waktu, dan sumber daya yang digunakan. Perbandingan akan
dibuat menggunakan metode Mean Squared Error (MSE). Dengan menggunakan
MSE, error yang ada menampilkan seberapa besar perbedaan dari hasil estimasi
beserta dengan hasil yang akan dilakukan estimasi. Suatu hal yang membuat
perbedaan dikarenakan adanya keacakan pada data dan atau karena tidak
terdapat estimasi yang lebih tepat atau akurat [13].
Daftar Pustaka Ayuningtias, L. P., & Jumadi, J. 2017.

Analisa Perbandingan Logic Fuzzy Metode Tsukamoto, Sugeno, Dan Mamdani

(Studi Kasus: Prediksi Jumlah Pendaftar Mahasiswa Baru Fakultas Sains Dan
Teknologi Universitas Islam Negeri Sunan Gunung Djati Bandung). Jurnal Teknik
Informatika UIN Syarif Hidayatullah, 10.1. Büyüközkan, G., & Çifçi, G. 2012. A
combined Fuzzy AHP and Fuzzy TOPSIS based strategic analysis of electronic
service quality in healthcare industry. Expert Systems with Applications, 39(3),
2341–2354. http://doi.org/http://dx.doi.org/10.1016/j.eswa.2011.08.061 Chen, C.-
T. (2000). Extensions of the TOPSIS for group decision-making under Fuzzy
environment. Fuzzy Sets and Systems, 114(1), 1–9. http://doi.org/10.1016/S0165-
0114(97)00377-1 Chu, T. C.,

& Lin, Y. C. 2003. A Fuzzy TOPSIS method for robot selection. The International
Journal of Advanced Manufacturing Technology, 21(4), 284-290. Darmanto, E.,
Latifah, N. and Susanti, N., 2014. Penerapan metode AHP (Analythic Hierarchy
Process) untuk menentukan kualitas gula tumbu. Simetris: Jurnal Teknik Mesin,
Elektro dan Ilmu Komputer, 5(1), pp.75-82. Djunaidi, M., Setiawan, E., & Andista, F.
W. 2005. Penentuan jumlah produksi dengan aplikasi metode fuzzy–mamdani.
Jurnal Ilmiah Teknik Industri, 4(2), 95-104. Faisol, A., Muslim, M. A., & Suyono, H.
2014. Komparasi Fuzzy AHP dengan AHP pada sistem pendukung keputusan
investasi properti.

Jurnal eeccis, 8(2), 123-128. Kurniawan, I. B. 2019. SISTEM PENDUKUNG

KEPUTUSAN PEMILIHAN MAHASISWA BERPRESTASI DI UNIVERSITAS DHYANA
PURA MENGGUNAKAN METODE AHP, ELECTRE DAN TOPSIS. JURNAL ILMU
KOMPUTER INDONESIA, 4(1), 22-33. Munthafa, A. E., & Mubarok, H. 2017.
PENERAPAN METODE ANALYTICAL HIERARCHY PROCESS DALAM SISTEM
PENDUKUNG KEPUTUSAN PENENTUAN MAHASISWA BERPRESTASI. Jurnal
Siliwangi Seri Sains dan Teknologi, 3(2). Novika, T., Widiastari, A., Miralda, V., &
Windarto, A. P. 2018. SPK: Analisa Rekomendasi Bank Konvensional Dengan
Promethee Sebagai Solusi Cerdas Untuk Menabung. JUSIM (Jurnal Sistem
Informasi Musirawas), 3(1), 38-45. Olson, D.L., 2004. Comparison of weights in
TOPSIS models.

Mathematical and Computer Modelling, 40(7-8), pp.721-727. Özdagoglu, A., &

Özdagoglu, G. 2007. Comparison of AHP and Fuzzy AHP for the multi-criteria
decision making processes with linguistic evaluations. Istanbul Ticaret Üniversitesi
Fen Bilimleri Dergisi, 6(11), 65-85. Raharja, A., Angraeni, W., & Vinarti, R. A. 2010.
Penerapan Metode Exponential Smoothing Untuk Peramalan Penggunaan Waktu
Telepon Di PT. Telkomsel Divre3 Surabaya. Jurnal Sistem Informasi. Ristekdikti.
(2018). Pusat Layanan Publik untuk Indonesia. Saaty, T. L. (2008). Decision Making
with the Analytic Hierarchy Process. Int. J. Services Sciences, 83-98. Sonatha, Y.
and Azmi, M., 2010.

Penerapan Metode AHP Dalam Menentukan Mahasiswa Berprestasi (The

Implementation of AHP’s Method to Determine Student’s Achievements). Poli
Rekayasa, 5(2), pp.128-136. Turban, E., Sharda, R., & Delen, D. (2011). Decision
Support and Business Intelligence Systems, 9a Edição. Wang, Y.M. and Chin, K.S.,
2011. Fuzzy analytic hierarchy process: A logarithmic Fuzzy preference
programming methodology. International Journal of Approximate Reasoning,
52(4), pp.541-553. Yong, D. 2006. Plant location selection based on Fuzzy TOPSIS.
The International Journal of Advanced Manufacturing Technology, 28(7-8), 839-
844.

INTERNET SOURCES:
------------------------------------------------------------------------------------------
-
<1% - http://widuri.raharja.info/index.php?title=KP1011464387
<1% -
https://ms.wikipedia.org/wiki/Kementerian_Penyelidikan_dan_Teknologi_Republik
_Indonesia
<1% - http://sumberdaya.ristekdikti.go.id/wp-content/uploads/2016/02/Renstra-
Final-SDID-5-Sept-REVISI.pdf
<1% - http://sumberdaya.ristekdikti.go.id/wp-
content/uploads/2016/02/Perpres13-2015Kemristekdikti.pdf
<1% - https://id.scribd.com/doc/82253343/Buku-Panduan-Mahasiswa-2010
<1% - https://yuliatmoko.blogspot.com/2017/05/
1% - https://e-journal.unair.ac.id/JISEBI/article/download/3047/3888
<1% - http://tip.ppj.unp.ac.id/index.php/tip/article/download/48/33/
<1% - http://upm.pkr.ac.id/wp/standar-mutu/
<1% - https://issuu.com/epaper-kmb/docs/edisi_jumat_19_agustus_2016
<1% -
http://pilmapres.ristekdikti.go.id/file/kti/DIPLOMA_IPA_WIDA_PRAMUDYA_BAYU_
ADHI_19028500_KTI.pdf
<1% - http://tugasku.forumid.net/t255-tugas-i-analisa-sistem
<1% -
http://www.academia.edu/Documents/in/SISTEM_PENDUKUNG_KEPUTUSAN_DE
CISION_SUPPORT_SYSTEM_I
1% - http://journal.uinjkt.ac.id/index.php/ti/article/download/6810/pdf
<1% - https://bagawanabiyasa.wordpress.com/author/bagawanabiyasa/page/2/
<1% - http://eprints.ums.ac.id/28225/2/BAB_I.pdf
<1% - http://scholar.unand.ac.id/43216/2/Bab%201%20Pendahuluan.pdf
<1% -
https://repository.widyatama.ac.id/xmlui/bitstream/handle/123456789/7400/Bab
%202.pdf?sequence=10
<1% - http://eprints.dinus.ac.id/13495/1/jurnal_14156.pdf
<1% - https://sim-septialutfi-11140312-mariaratna.blogspot.com/2015/
<1% - https://febrisaddam.blogspot.com/2012/03/
1% - https://www.pelajaran.co.id/2019/28/sistem-pendukung-keputusan.html
<1% - https://docplayer.info/31700402-Pengembangan-sistem-penunjang-
manajemen-audit-produksi-bersih-pada-agroindustri-karet-remah-sawarni-
hasibuan.html
<1% - http://e-journals.unmul.ac.id/index.php/JIM/article/download/60/pdf
<1% -
https://www.researchgate.net/publication/315476288_Konsep_Data_Mining_Vs_Si
stem_Pendukung_Keputusan
<1% - https://widuri.raharja.info/index.php?title=KP_1312476517
<1% -
http://rhezaandika.staff.gunadarma.ac.id/Downloads/files/59801/SISTEM+PENUN
JANG+KEPUTUSAN+1.pptx
<1% -
http://repository.uinjkt.ac.id/dspace/bitstream/123456789/30421/1/KENSEFINA
%202014%20-%205.pdf
<1% - https://www.sistempendukungkeputusan.com/
<1% - https://lautanfrenstore.blogspot.com/2011/04/
<1% - https://uulbrawijaya.blogspot.com/
<1% - https://www.slideshare.net/haffydumary/bab-i-iii-49455164
<1% - https://eprints.sinus.ac.id/290/2/010C2014STI_10.5.10003_BAB_II.pdf
<1% - https://journal.binus.ac.id/index.php/comtech/article/download/2653/2059
<1% - https://www.pro.co.id/pengertian-dan-fungsi-user-interface-antar-muka-
pengguna-pada-komputer/
<1% - https://id.123dok.com/document/8yd22lqp-perbandingan-metode-
simple-additive-weighting-saw-dan-weighted-product-model-wpm-dalam-
pemberian-jaminan-kesehatan-masyarakat.html
<1% - http://library.binus.ac.id/eColls/eThesisdoc/Bab2DOC/2013-1-00038-SI
%20Bab2001.doc
<1% - http://bppsdmk.kemkes.go.id/pusdiksdmk/wp-
content/uploads/2017/10/01bukuajar_pbak.pdf
<1% - https://jurnal.uns.ac.id/itsmart/article/download/596/548
<1% -
https://www.researchgate.net/publication/309543725_Sistem_Penunjang_Keputus
an_Untuk_Menentukan_Lokasi_Usaha_Dengan_Metode_Simple_Additive_Weightin
g_SAW
<1% - http://docplayer.info/66545654-Bab-2-landasan-teori-sistem-pendukung-
keputusan-pengertian-keputusan-universitas-sumatera-utara.html
2% - http://jurnal.unsil.ac.id/index.php/jssainstek/article/download/355/264
<1% - https://piithaselaludisinii.blogspot.com/2011/04/macam-macam-metode-
sistem-penunjang.html
<1% - http://jak.faperta.unand.ac.id/index.php/jak/article/viewFile/41/57
<1% - https://rizkynasti.blogspot.com/2015/06/
<1% - https://id.scribd.com/doc/299513863/Sistem-Pendukung-Keputusan
<1% - https://rizkynasti.blogspot.com/2015/06/10-definisi-sistem-pendukung-
keputusan.html
<1% - http://download.portalgaruda.org/article.php?
article=459297&val=1029&title=Sistem%20Pendukung%20Keputusan%20untuk
%20%20Menentukan%20Siswa%20Berprestasi%20yang%20Layak
%20%20Menjadi%20Siswa%20Teladan
<1% - https://journal.binus.ac.id/index.php/comtech/article/download/2733/2135
<1% - https://alibrigijik.blogspot.com/2013/12/makalah-sistem-pendukung-
keputusan.html
<1% - https://jurnal.nusaputra.ac.id/rekayasa/uploads/paper/381e1-nunik-
destria.pdf
<1% -
http://karyailmiah.unisba.ac.id/index.php/matematika/article/download/4591/pdf
<1% - https://issuu.com/jurnalteknikinformatika/docs/april_202017
<1% - http://ejurnal.provisi.ac.id/index.php/JTIKP/article/download/127/121/
<1% - http://research-
dashboard.binus.ac.id/uploads/paper/document/publication/Proceeding/ComTec
h/Vol%204%20No%201%20Juni%202013/07_KA_Hari%20setiabudi
%20husni_LOGIKA%20FUZZY.pdf
<1% - http://repository.usu.ac.id/bitstream/handle/123456789/49277/Chapter
%20II.pdf;sequence=4
<1% - http://jurnal.unissula.ac.id/index.php/EI/article/download/3866/2823
<1% - http://ejournal.uin-suka.ac.id/saintek/kaunia/article/download/580/580
<1% - https://www.scribd.com/document/137807016/163482708201012201
<1% -
http://seminar.uny.ac.id/semnasmatematika/sites/seminar.uny.ac.id.semnasmate
matika/files/full/T-42.pdf
<1% - http://digilib.uin-suka.ac.id/29738/2/13651063_BAB-I_IV-atau-V_DAFTAR-
PUSTAKA.pdf
<1% - https://jurnaleeccis.ub.ac.id/index.php/eeccis/article/viewFile/274/243
1% - https://jurnaleeccis.ub.ac.id/index.php/eeccis/article/download/249/219
<1% - http://library.binus.ac.id/eColls/eThesisdoc/Bab2DOC/2010-1-00625-TISI
%20Bab%202.doc
<1% - http://e-
jurnal.pelitanusantara.ac.id/index.php/mantik/article/download/229/138
<1% -
https://www.academia.edu/34928367/Pemilihan_Moda_Transportasi_Medan_Men
uju_Bandara_Kuala_Namu
<1% - https://lenterawarnahtr.blogspot.com/2014/03/makalah-perspektif-
decision-making-pada.html
<1% - http://pkm.umy.ac.id/wp-content/uploads/2017/01/Pedoman-Mapres-
UMY-2017.pdf
<1% - https://belmawa.ristekdikti.go.id/direktorat-kemahasiswaan/
<1% - https://www.kopertis7.go.id/uploadmateri_pedoman/PEDOMAN-
PILMAPRES-DIPLOMA-2018.pdf
<1% - https://fsrd.isi-ska.ac.id/wp-content/uploads/2019/02/PEDOMAN-
PILMAPRES-ISI-Surakarta-2019-Sarjana.pdf
<1% - https://es.scribd.com/document/347010362/Prosiding-SNIf-2015-pdf
<1% - https://pt.scribd.com/document/255300381/Sistem-Pendukung-
Keputusan-Pemilihan-Mahasiswa-Berprestasi-Metode-Fuzzy-Tsukamoto
<1% - https://www.scribd.com/document/344589038/249-524-1-PB-Fuzzy-Ahp-
vs-Ahp
<1% - https://jurnal.machung.ac.id/index.php/kurawal/article/download/92/52/
<1% - http://eprints.umm.ac.id/36910/4/jiptummpp-gdl-andyprimas-51420-4-
babiii.pdf
<1% - https://widuri.raharja.info/index.php?title=SI1311476850
<1% - https://mz-pendidikan.blogspot.com/feeds/posts/default
<1% - http://kemahasiswaan.umm.ac.id/files/file/PILMAPRES-DIPLOMA-20192-
converted.docx
<1% - https://id.scribd.com/doc/300000658/SKRIPSI-pdf
<1% - http://repository.upi.edu/31684/6/S_KOM_1307332_Chapter%203.pdf
<1% - https://id.scribd.com/doc/51441456/Prosiding-Seminar-Nasional-
Statistika-2010-Repaired
<1% - https://mafiadoc.com/proposal-skripsi-institutional-repository-uin-syarif-
hidayatullah-_59f4ae791723ddddfaf58dee.html
<1% - https://content.sciendo.com/view/journals/pomr/21/2/article-p86.xml?
lang=en
<1% - https://mafiadoc.com/sustainable-development-and-planning-
sustainable-_597c89271723ddb08ee607d9.html
<1% - http://scholar.google.com/citations?user=8voeILsAAAAJ&hl=en