IMPLEMENTASI METODE VIŠEKRITERIJUMSKO KOMPROMISNO

RANGIRANJE UNTUK PENJURUSAN SISWA SMK NEGERI 1 BONDOWOSO

Muhammad Muammar, Deni Arifianto

Program Studi Teknik Informatika Fakultas Teknik Universitas Muhammadiyah
Jember
2020

ABSTRAK

Teknologi yang terus berkembang, menyebabkan pendidikan bukan hanya merupakan

suatu kewajiban yang harus dijalani, tetapi juga merupakan suatu kebutuhan yang harus
dipenuhi. Di SMK Negeri 1 Bondowoso untuk memberikan rekomendasi penjurusan calon
siswanya.
Metode Multi Criteria Decision Making (MCDM) diharapkan dapat membantu
permasalahan di atas untuk memberikan rekomendari jurusan pada calon siswa yang tepat.
Kriterianya berupa ukuran-ukuran, aturan-aturan atau standar untuk mengambil keputusan .
Metode Više Kriterijumsko Kompromisno Rangiranje (VIKOR) merupakan salah satu
metode MADM yang melihat solusi/alternatif terdekat sebagai pendekatan kepada solusi
ideal dalam perangkingan.
Dari hasil penelitian pada bab sebelumnya didapatkan nilai tingkat kesesuaian system
rekomendasi jurusan pada SMK Negeri 01 Bondowoso didapatkan nilai tingkat kesesuaian
pada skenario 1 sebesar 72%, skenario 2 sebesar 74%, skenario 3 sebesar 75%, skenario 4
sebesar 72%, dan skenario 5 sebesar 70%.

Kata Kunci : teknologi, penjurusan, Multi Criteria Decision Making, Više Kriterijumsko
Kompromisno Rangiranje (VIKOR).

1. PENDAHULUAN untuk mengambil keputusan

1.1.Latar Belakang
Teknologi yang terus berkembang,
menyebabkan pendidikan bukan hanya
merupakan suatu kewajiban yang harus
dijalani, tetapi juga merupakan suatu
kebutuhan yang harus dipenuhi. Di SMK
Negeri 1 Bondowoso untuk memberikan
rekomendasi penjurusan calon siswanya.
Namun sekarang ini, terdapat beberapa
kendala yang dihadapi pihak jurusan
dalam melakukan proses peminatan,
dimana hasil peminatan yang tidak sesuai
dengan peminatan yang dipilih calon
siswa.
Metode Multi Criteria Decision
Making (MCDM) diharapkan dapat
membantu permasalahan di atas untuk
memberikan rekomendari jurusan pada
calon siswa yang tepat. Kriterianya berupa
ukuran-ukuran, aturan-aturan atau standar
(Kusumadewi, Hartati, Harjoko, and
Wardoyo, 2006). MCDM terbagi menjadi
dua model, yaitu : Multi Atributte Criteria
Decision Making (MADM) dan Multi
Objective Decision Making(MODM).
MADM digunakan untuk menyelesaikan
masalah-masalah dalam ruang diskrit
sedangkan MODM digunakan untuk
menyelesaikan masalah-masalah pada
ruang kontinu (Zimmermann, 1992).
Seleksi siswa termasuk masalah yang
berada dalam ruang diskrit karena jumlah
alternatifnya dapat dihitung.
Metode Više Kriterijumsko
Kompromisno Rangiranje (VIKOR)
merupakan salah satu metode MADM
yang melihat solusi/alternatif terdekat
sebagai pendekatan kepada solusi ideal
dalam perangkingan (Rao, 2008). Pada
penelitian ini, akan digunakan metode
VIKOR sebagai metode untuk penentuan dibandingkan dengan hasil algoritma
rekomendasi jurusan bagi calon siswa. Vikor disistem pendukung keputusan
Metode VIKOR dipilih karena penentuan peminatan calon siswa yang
kemampuannya dalam perangkingan dan akan diambil, dan disesuaikan nilai yang
dapat mengompromi alternatif yang ada. didapat.
Untuk membantu permasalahan 1.5.Manfaat Penelitian
tersebut diperlukan suatu sistem yang Manfaat dari penelitian ini adalah:
dapat membantu untuk menentukan 1. Bagi Peneliti
keputusandan diterapkan dalam Sistem Penelitian ini dapat menambah
Pendukung Keputusan yang dapat pengetahuan dan mengaplikasikan
memberikan peminatan terbaik. Metode teori-teori tentang optimasi metode
yang digunakan adalah metode Vikor, VIKOR dalam pemilihan jurusan
karena dengan metode ini diharapkan bagi calon siswa.
mampu menganalisis permasalahan 2. Bagi Obyek Penelitian/Instansi
dengan melihat pola yang ada pada setiap Penelitian ini diharapkan dapat
peminatan. menjadi evaluasi mengenai
pemilihan calon siswa di jurusan
1.2.Rumusan Masalah dengan menggunakan komputerasi
Rumusan masalah yang diapaparkan dan menghemat waktu dalam
adalah berapa tingkat kesesuaian minat memperoleh hasil keputusan.
siswa dibandingkan dengan hasil 3. Bagi Peneliti Lain
rekomendasi yang dihitung dengan metode Hasil penelitian ini juga diharapkan
Vikor? dapat memberikan referensi atau
masukan bagi peneliti selanjutnya
1.3.Batasa Penelitian yang tertarik dengan pemilihan
Pembatasan masalah yang diambil penjurusan dengan metode
secara umum dalam pembahasan ini VIKOR.
adalah:
1. Sampel jurusan yang digunakan 2. TINJAUAN PUSTAKA
dalam penelitian ini adalah 2.1.Algoritma VIKOR
Rekayasa Perangkat Lunak, VIKOR (VIše Kriterijumsko
Multimedia dan Teknik Komputer Kompromisno Rangiranje) berarti multi-
Jaringan di SMK Negeri 01 criteria optimization and compromise
Bondowoso. solution(optimasi multi kriteria dan solusi
2. Kriteria penilaian yang digunakan kompromis), merupakan salah satu dari
dalam penelitian adalah nilai sekian banyak teknik MCDM.
Bahasa Indonesia, Bahasa Inggris, VIKORdiperkenalkan pertama kali oleh
Ilmu Pengetahui Alam IPA, Nilai Serafim Opricovic pada tahun 1998.
Matematika, Nilai Pengetahuan Kemudian digunakan dalam masalah
Komputer, Nilai Pengetahuan multi-criteria decision making pada tahun
Pemrograman, Nilai Pengetahuan 200 VIKOR didasarkan pada solusi terbaik
Desain. yang diperoleh berdasarkan solusi ideal
3. Bahasa pemrograman yang terdekat. Kemudian melakukan
digunakan dalam penelitian adalah perangkingan dengan membandingkan
Android yang menggunakan jarak ke solusi ideal (Kilic, 2012).
webview. Metode VIKOR menggunakan
normalisasi linear, yang bertujuan untuk
1.4.Tujuan Penelitian mendapatkan solusi terbaik dengan tingkat
Tujuan dari penelitian ini adalah untuk keuntungan (Mohammad et al, 2011).
mengukur tingkat kesesuaian minat siswa 2.1.1. Keuntungan Metode VIKOR
 Metode VIKOR memiliki beberapa
keuntungan sebagai berikut :
1. Metode VIKOR adalah
perangkingan alternative
berdasarkan terdekat dengan PIS
adlah bobot strategi
(Positive Ideal Solution) dan
kriteria utama atau utilitas
terjauh dari NIS (Negative Ideal
maksimal group, dimana
Solution).
adalah bobot penyesalan individu.
2. Alternatif terbaik dipilih dari group
utility (kelompok kesenangan) Disini nilai .
maksimal dan regret group 5. Menghitung dengan
(kelompok penyesalan) minimal. urutan menurun.
2.1.2. Langkah Metode VIKOR Mengusulkan alternative solusi
Langkah metode VIKOR : terbaik (A’) dengan nilai Q
1. Menghitung Normalisasi Matrik terkecil.
Keputusan Perhitungan normalisasi
2.2.Penelitian Terdahulu
matrik keputusan terhadap setiap Berikut adalah beberapa penelitian
data xij terdahulu yang terkait dengan topic
√∑ penelitian metode Vikor, yang dijadikan
tinjauan pustaka dan referensi dalam
2. Mendeterminasikan terbaik dan penelitian yang dilakukan oleh penulis :
terburuk dari setiap kriteria, El.Santawy (2012) Dalam penelitian
dengan . ini peneliti melakukan seleksi personel
Menentukan nilai positif dan menggunakan metode Vikor yang berjudul
negative sabagai solusi ideal dari “A VIKOR method for solving personel
setiap kritera pada langkah ini, training selection problem”.
alternative ditentukan sebagai Gwo Hshiung Tzeng (2011)
potisif atau negative . Positif Memperkenalkan indek rangking
adalah nilai tertinggi dari suatu multikriteria berdasarkan pada pengukuran
kriteria adalah yang terbaik, tertentu dari “closeness” untuk solusi
sedangkan negative yaitu nilai “ideal” yang berjudul “Vlse Kriterijumska
terkecil dari kriteria adalah yang Optimizacija I Kompromisno Resenje
terbaik. Sehingga dapat ditulis dalam bahasa Bosnia”.
Kusdiantoro (2012) “Analisis Usability
seperti berikut
Website Akademik Perguruan Tinggi Di
= max( , ,…, ) Indonesia Menggunakan Metode
Promethee, Vikor, Dan Electree”
= min( , ,…, ) Penelitian ini dilakukan untuk
3. Menghitung nilai dan , dengan menganalisis kualitas usability website
akademik perguruan tinggi di Indonesia
.
∑ serta untuk mengetahui pengaruh kualitas
(5) usability website terhadap peringkat dalam
perankingan Webometrics. Hasil analisis
dimana adalah bobot dari kriteria kemudian disajikan dalam bentuk
4. Menghitung nilai ditunjukkan perankingan, menggunakan Metode
pada rumus 7 dengan PROMETHEE, VIKOR, dan ELECTREE.
. Penelitian juga bertujuan untuk
( )
mengetahui perbandingan hasil
Dimana: perankingan dari ketiga metode tersebut.

3. METODE PENELTIAN
3.1.Metode Penelitian
Adapun tahapan penelitian yang akan
dilakukan oleh penyusun dalam penelitian
dengan menggunakan tahapan SDLC yaitu
waterfall, adalah sebagai berikut :
Gambar 3.1. Tahapan Penelitian
1. Persiapan Penelitian
Pada tahap penelitian ini penyusun
melakukan analisa kebutuhan
penelitian. Ada 2 kegiatan yang
dilakukan dalam tahap ini, yaitu
wawancara dan studi kepustakaan.
a. Wawancara (Interview)
Wawancara ini digunakan bila
ingin mengetahui hal-hal dari
responden secara lebih
mendalam serta jumlah
responden sedikit. Dalam
penelitian ini, penyusun
melakukan wawancara dengan
pihak-pihak yang terkait
(Kepala sekolah dan ketua
jurusan) guna mendapatkan
informasi mengenai sistem
pendaftaran di SMK Negeri 1
Bondowoso.
b. Kepustakaan (Literatur)
Cara ini dilakukan untuk
mendapatkan dasar-dasar
referensi bagi penyusun yang
berkaitan dengan teori sistem
penerimaan siswa, rekomendasi
jurusan bagi calon siswa dan
Algoritma Vikor. Sumber
literatur berupa buku teks,
paper, journal, karya ilmiah,
dan situs-situs penunjang guna
membantu penyelesaian
laporan.
2. Analisa Sistem
Tujuan dari tahap analisis adalah
memahami dengan sesungguhnya
kebutuhan dari sistem yang baru
dan mengembangankan subuah
system yang memadahi kebutuhan
tersebut atau memutuskan bahwa
pengembangan system yang bari
tidak dibutuhkan. Pada tahap ini
merupakan tahap yang sangat
penting dalam tahap SDLC. Untuk
mempermudah menganalisis
sebuah sistem dibutuhkan dua jenis
kebutuhan. Kebutuhan fungsional
dan kebutuhan non-fungsional.
Kebutuhan fungsional adalah
kebutuhan yang berisi proses-
proses apa saja yang nantinya
dilakukan oleh sistem. Sedangkan
kebutuhan non-fungsional adalah
kebutuhan yang menitikberatkan
pada property prilaku yang dimiliki
oleh sistem.
a. Kebutuhan Fungsional
- Pengguna memasukkan
tentang data-data calon
siswa (upload data excel)
- Pengguna dapat melakukan
edit data calon siswa.
- Pengguna dapat melihat
data calon siswa.
- Peringkatan calon siswa
berdasarkan kemampuan
calon siswa
- Pengumuman hasil
peringkatan calon siswa
disetiap jurusan.
b. Kebutuhan Non-Fungsional
Kebutuhan sistem yang
digunakan dalam penelitian ini
terdiri dari perangkat keras dan
perangkat lunak.
Perangkat Keras (Hardware)
terdiri dari :
- Laptop Compaq
- RAM 2 GB
Perangkat Lunak (Software)
terdiri dari :
 -
Microsoft Windows 7 sebelumnya. Penyusun akan
-
Software pendukung yaitu membuat sistem dengan
Xampp (php & mysql) menggunakan Bahasa
3. Perancangan Sistem pemrograman PHP dan Android,
Tahapan perancangan sistem dan akan menggunakan MySQL
adalah tahapan untuk memberikan nantinya sebagai database.
gambaran mengenai sistem 5. Uji Coba dan Evaluasi
informasi rekomendasi penjurusan Sistem yang telah dibuat akan diuji
siswa baru yang akan dibuat di dengan melakukan pengujian black
SMK Negeri 1 Bondowoso, yang box testing, sekaligus
telah dianalisis ke dalam bentuk mengevaluasi kekurangan serta
yang mudah dimengerti oleh calon. kelebihan sistem tersebut. Metode
Use Case Diagram uji dapat diterapkan pada semua
mendeskripsikan interaksi antara tingkat pengujian perangkat lunak:
satu atau lebih aktor dengan sistem unit, integrasi, fungsional, sistem
informasi yang akan dibuat. dan penerimaan. Ini biasanya
Berikut adalah Use Case Diagram terdiri dari kebanyakan jika tidak
dari perancangan sistem informasi semua pengujian pada tingkat yang
rekomendasi penjurusan siswa baru lebih tinggi, tetapi juga bisa
berbasis web di SMK Negeri 1 mendominasi unit testing juga.
Bondowoso. Pengujian pada Black Box
berusaha menemukan kesalahan
seperti:
- Fungsi-fungsi yang tidak
benar atau hilang
- Kesalahan interface
Gambar 3.2. Use Case
- Kesalahan dalam struktur
Admin Form Input Pendaftar Control Input Pendaftar Data Pendaftar
data atau akses database
Buka Form Input
Input Pendaftar
get Pendaftar
eksternal
Tampilkan Data Pendaftar
Data Pendaftar Data Pendaftar 6. Menyusun Laporan.
Selama kegiatan dalam penelitian
Gambar 3.3. Sequence Diagram Import sementara berjalan, maka penulis
Data Calon Siswa juga melakukan penyusunan
laporan. Penyusunan laporan
Admin Form Penilaian Control Penilaian Pendaftar
dimulai dari pendahuluan, tinjauan
Buka Form Penilaian Pendaftar
Prses Penilaian Pendaftar get Pendaftar pustaka, metodologi penelitian,
Bobot Pendaftar
pembahasan, penutup, dan daftar
Implementasi Metode
Tampilkan Rekomendasi Jurusan
Hasil Rekomendasi
Jurusan Pendaftar
Vikor (Rekomendasi
Jurusan) pustaka.
Gambar 3.4. Sequence Diagram 4. IMPLEMENTASI SISTEM
Rekomenasi Jurusan Calon Siswa 4.1.Analisis Algoritma
Tahap pertama dalam proses
Calon Siswa Form Pencarian Pendaftar Control Pencarian Pendaftar Data Pendaftar

Buka Form Pencarian Pendaftar

perangkingan VIKOR adalah membuat
Prses Pencarian Pendaftar

Status Pendaftar
get Pendaftar

Status Pendaftar
matriks keputusan ternormalisasi data awal
(Rekomendasi Jurusan) (Rekomendasi Jurusan)
Tampilkan Rekomendasi Jurusan
seperti tabel 4.1 menunjukan data alternatif
Gambar 3.5. Sequence Diagram dan kriteria dari data calon siswa. Kriteria-
Pengumuman Jurusan Calon Siswa kriterianya adalah Nilai Bahasa Indonesia,
4. Pembuatan Sistem Bahasa Inggris, Nilai IPA, Nilai
Pada tahap ini akan dibuat sistem Matemamatika, Pengetahuan Logika
sesuai rancangan yang telah dibuat Pemrograman (RPL), Komputer Jaringan
(TKJ) dan Multimedia (MM). Kemudian
terdapat REG-001 sampai REG-001, yaitu
√
175 pendaftar.
Hasil normalisasi matriks dapat dilihat
Tabel 4.1 Data Pendaftar
P P
pada Tabel 4.2.
No.P I I I M R T Tabel 4.2 Normalisasi Alternatif
N M il il
endaf n n P T P K No.Pe I M R T
o M . .
taran d g A K L J N ndafta In In P T P K M
1 2
R T o ran d g A K L J M
REG- 7 8 6 6 8 6 6
1
001 3 9 8 8 6 6 5
P K 1 REG- 0. 0. 0. 0. 0. 0. 0.
L J 001 6 7 5 58 7 5 5
T R 2 5 8 2 3 6 6
REG- 6 6 8 7 8 8 8
2 K P 4 9 5 8 3 3
002 7 5 0 4 4 2 7
J L 2 REG- 0. 0. 0. 0. 0. 0. 0.
T R
REG- 7 7 8 8 8 8 6 002 5 5 6 63 7 6 7
3 K P
003 3 4 8 7 9 1 5 7 5 8 3 2 9 5
J L
R 3 5 9 1 9 4
REG- 6 8 7 7 8 8 6 M 3 REG- 0. 0. 0. 0. 0. 0. 0.
4 P
004 6 6 4 9 0 5 6 M 003 6 6 7 74 7 6 5
L
R 2 3 5 4 6 9 6
REG- 8 7 7 7 8 8 8 M
5 P 4 1 7 3 3
005 7 4 1 6 4 0 0 M
L 4 REG- 0. 0. 0. 0. 0. 0. 0.
R T 004 5 7 6 67 6 7 5
REG- 8 8 8 7 7 8 7
6 P K 6 3 3 6 8 2 7
006 5 1 6 9 9 0 0
L J 4 4 7 6 5 2
R 5 REG- 0. 0. 0. 0. 0. 0. 0.
REG- 6 8 8 8 7 7 7 M
7 P
007 7 5 6 9 1 6 4 M 005 7 6 6 65 7 6 6
L
R
4 3 1 2 8 9
REG- 8 8 7 8 6 7 8 M 4 1 1 1 2 3
8 P
008 8 6 3 9 6 4 5 M 6 REG- 0. 0. 0. 0. 0. 0. 0.
L
T T 006 7 6 7 67 6 6 6
REG- 8 6 7 8 7 7 8 2 9 4 6 7 8 0
9 K K
009 2 5 1 9 3 0 5
J J 7 1 8 2 6
T 7 REG- 0. 0. 0. 0. 0. 0. 0.
1 REG- 6 7 7 7 8 8 8 M
K 007 5 7 7 76 6 6 6
0 010 6 7 0 7 8 2 8 M
J 7 2 4 2 0 4 4
3 5 9 8 1
Untuk melakukan matriks keputusan 8 REG- 0. 0. 0. 0. 0. 0. 0.
ternormalisasi digunakan persamaa berikut 008 7 7 6 76 5 6 7
ini: 5 3 2 2 6 3 3
2 4 8 6 1 6
√∑ 9 REG- 0. 0. 0. 0. 0. 0. 0.
Dimana: 009 7 5 6 76 6 5 7
xij adalah nilai dari Alternative Ai. 0 5 1 2 2 9 3
Perhitungan normalisasi dapat dilihat 1 5 1 6 7 6
dibawah ini: 1 REG- 0. 0. 0. 0. 0. 0. 0.
0 010 5 6 6 65 7 6 7
6 5 0 9 5 9 6
√
4 7 2 5 9 2
 Setelah menghitung matrik normalisasi No.Pe I M R T
alternatif adalah solusi ideal adalah nilai N ndafta In In P T P K M
maksimum hasil normalisasi dari tiap o ran d g A K L J M
kriteria. Sedangkan nilai ideal negatif 004 1 0 0 05 0 0 1
adalah nilai minimum normalisasi dari 1 1 8 5 2 4
masing –masing kriteria. Solusi ideal dan 5 8 1 6 5 4
ideal negatif diperoleh dengan persamaan 5 REG- 0. 0. 0. 0. 0. 0. 0.
sebagai berikut: 005 0 0 0 06 0 0 0
1 9 9 5 3 5 5
4 7 1 6 6
6 REG- 0. 0. 0. 0. 0. 0. 0.
Utility measures dihitung berdasarkan 006 0 0 0 05 0 0 1
Si (maximum group utility) dan Ri 2 5 1 6 5 1
(minimum individual regret of the 6 2 6 9
opponent). Si (maximum group utility) 7 REG- 0. 0. 0. 0 0. 0. 0.
adalah titik terjauh dari solusi ideal 007 1 0 0 1 0 0
sedangkan dan Ri (minimum individual 1 2 1 1 8 9
regret of the opponent) adalah titik 5 6 3 1 4
terdekat dari solusi ideal. Adapun cara 8 REG- 0. 0. 0. 0 0. 0. 0.
menghitung utility measuresdapat dilihat 008 0 0 0 1 0 0
dibawah ini: 0 1 8 4 9 2
∑
(5) 5 8 7 4 4 5
9 REG- 0. 0. 0. 0 0. 0. 0.
Adapun perhitungan untuk Si yaitu: 009 0 1 0 1 1 0
3 5 9 1 2
5 7 9 5
1 REG- 0. 0. 0. 0. 0. 0. 0.
0 ( 010 ) 1 0 1 06 0 0 0
( ) 1 7 0 0 4 0
5 5 3 6 4 6
Hasil perhitungan Si dan Ri dapat dilihat
pada Tabel 4.3 dan 4.4 dibawah ini: Tabel 4.4 Lanjutan Si dan Ri
Tabel 4.3 Hasil Awal Si dan Ri No.Pen RPL TKJ MM
No.Pe I M R T daftara
N ndafta In In P T P K M # n Sj Rj Sj Rj Sj Rj
o ran d g A K L J M 1 REG- 0. 0. 0. 0. 0. 0.
1 REG- 0. 0 0. 0. 0. 0. 0. 001 31 11 44 14 44 15
001 0 1 10 0 1 1 7 4 2 3 9
8 1 5 1 4 5 2 REG- 0. 0. 0. 0. 0. 0.
4 8 3 002 41 15 42 15 39 15
2 REG- 0. 0. 0. 0. 0. 0. 0. 4 7 5
002 1 1 0 07 0 0 0 3 REG- 0. 0. 0. 0. 0. 0.
1 5 4 5 3 4 1 003 19 09 24 09 34 15
8 1 4 2 4 4
3 REG- 0. 0. 0. 0. 0 0. 0. 4 REG- 0. 0. 0. 0. 0. 0.
003 0 0 0 01 0 1 004 32 11 28 11 40 14
8 9 0 5 5 5 9 5 8 4
4 6 5 REG- 0. 0. 0. 0. 0. 0.
4 REG- 0. 0. 0. 0. 0. 0. 0. 005 29 09 32 09 32 09
 002 J L 32 71 82 k US
No.Pen RPL TKJ MM 1 Sesu :MM
daftara ai
# n Sj Rj Sj Rj Sj Rj 0. LUL
REG- M RP 0.3 0.4 Sesu
3 75 US
7 7 2 7 2 7 003 M L 26 42 ai
5 :RPL
0. LUL
6 REG- 0. 0. 0. 0. 0. 0. 4
REG- RP M 0.5 0.5
80
Sesu
US
006 19 06 19 05 25 11 004 L M 66 81 ai
8 :RPL
8 2 2 6 5 9 REG- RP M 0.4 0.5
0.
Sesu
LUL
5 48 US
7 REG- 0. 0. 0. 0. 0. 0. 005 L M 56 39
6
ai
:RPL
007 26 11 23 11 24 11 0. Tida
LUL
REG- M TK 0.1 0.2 k
4 3 2 5 6
006 M J 85 32
51
Sesu
US
0 :RPL
8 REG- 0. 0. 0. 0. 0. 0. ai
0. LUL
008 25 14 20 09 13 08 7
REG- M RP 0.4 0.5
45
Sesu
US
4 4 4 4 5 7 007 M L 95 01 ai
6 :MM
9 REG- 0. 0. 0. 0. 0. 0. 0. LUL
REG- RP M 0.6 0.4 Sesu
8 21 US
009 38 15 40 15 30 15 008 L M 29 04
7
ai
:MM
2 1 7 0.
Tida
LUL
REG- TK TK 0.7 0.8 k
1 REG- 0. 0. 0. 0. 0. 0. 9
009 J J 97 44
71
Sesu
US
6 :MM
0 010 35 11 39 11 35 11 ai
Tida
9 5 7 5 9 5 1 REG- M TK 0.6 0.6
0.
k
LUL
61 US
0 010 M J 08 92 Sesu
4 :RPL
ai
Setelah menghitung nilai Si dan Ri
maka tahap selanjutnya adalah menghitung
indeks VIKOR adalah menghitung
5. KESIMPULAN DAN SARAN
nilai perangkingan Qi menggunakan
5.1.Kesimpulan
nilai Si dan Ri dari perhitungan Utility
Dari hasil pengujian dan implementasi
Measures.
pada bab sebelumnya maka didapatkan
( ) kesimpulan sebagai berikut:
1. Dari hasil penelitian pada bab
Dengan ketentuan: sebelumnya didapatkan nilai
S* = Mini(Si) R* tingkat akurasi system rekomendasi
= Mini(R), jurusan pada SMK Negeri 01
S- = Maxi(Si) R- Bondowoso didapatkan nilai
= Max(R), tingkat kesesuaian pada skenario 1
v =bobot (biasanya bernilai 0,5) sebesar 72%, skenario 2 sebesar
Nilai indeks VIKOR yang terpilih 74%, skenario 3 sebesar 75%,
menjadi solusi terbaik adalah dengan nilai skenario 4 sebesar 72%, dan
terkecil. skenario 5 sebesar 70%.

5.2.Saran
Hasil perhitungan Qi dapat dilihat pada Saran untuk penelitian berikutnya agar
Tabel 4.5 system dapat menjadi lebih baik adalah
Tabel 4.5 Hasil Perangkingan sebagai berikut:
Berdasarkan Nilai Qi 1. System dapat dikembangkan
No.Pe Pili Pili Q Q Q
Stat
Kese dengan ujian essay secara online
# ndafta han han R T M suaia
us yang digabungkan dengan system
ran 1 2 PL KJ M n
0. Tida
LUL pendaftaran online ini.
REG- M TK 0.5 0.8 k
1 88 US System dapat dikembangkan dengan
001 M J 58 57 Sesu
5 :RPL
ai memngimplementasikan beberapa metode
2 REG- TK RP 0.8 0.8 0. Tida LUL
sehingga diperoleh hasil lebih maksimal.
 DAFTAR PUSTAKA

Arief, M.Rudyanto. 2011. Pemrograman Web Dinamis Menggunakan Php dan

Mysql. Yogyakarta: ANDI.

Dewanto, J.I, dan Adhikara, A.MF., 2015, Sistem Penunjang Keputusan Investasi
Saham dengan Metode SAW di Bursa Efek Jakarta, Skripsi, Teknik Informatika
Universitas Esa Unggul, Jakarta.

Hermawan, J, 2005, Membangun Decision Support System, Andi, Yogyakarta.

Kadir, A. 2013. Buku Pintar programer Pemula PHP. Yogyakarta : Mediakom.

Kilic, H, S,. 2012, The Performance Evaluation Of Municipalities With Vikor: An

Application Among Municipalities In Istanbul, Istanbul, Turkey, Marmara University.

Kusumadewi, S., Hartati, S., Harjoko, A., and Wardoyo, R., 2006, Fuzzy Multi-
Attribute Decision Making (FUZZY MADM). Yogyakarta: Graha Ilmu.

Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Penerbit Andi,.
Yogyakarta.

McLeod, Raymond, Jr & Schell, George P, 2008, Sistem Informasi Manajemen,

Edisi 10, Terjemahan oleh Ali Akbar Yulianto dan Afia R. Fitriati, Salemba Empat,
Jakarta

Rao, R, V,. 2008, Decision making in the manufacturing environement.

Turban, E., Sharda, R., dan Delen, D., 2011, Decisian Support System and
Business Intelligence System, ninth Edition, Prentice Hall, New Jersey, USA.

Zimmermann, H., 1992, “Fuzzy {Set Theory {and Its Applications Second, Revised
Edition,”.