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