Nim : 081311633036
Tanggal Seminar :
Disetujui Oleh:
Mengetahui :
Koordinator Program Studi
S1 Sistem Informasi
i
KATA PENGANTAR
Sosial dan Politik Dengan Menggunakan metode Fuzzy ELECTRE I”. Proposal
ini disusun sebagai upaya untuk mengambil program skripsi yang merupakan salah
satu syarat untuk memperoleh gelar Sarjana Komputer (S. Kom.) pada Program Studi
banyak kesalahan dan kekurangan yang perlu diperbaiki. Oleh karena itu masukan-
masukan berupa kritik dan saran yang membangun sangat diperlukan oleh penyusun
Penyusun,
ii
DAFTAR ISI
iii
2.4.1 Triangular MF................................................................................................13
2.4.2 Trapezoidal MF...............................................................................................14
2.4.3 Gaussian MF...................................................................................................15
2.4.4 Generalized MF (Bell MF)..............................................................................16
2.5 Variabel Linguistik.......................................................................................17
DAFTAR PUSTAKA................................................................................................41
JADWAL PELAKSANAAN KEGIATAN..............................................................49
iv
DAFTAR TABEL
Nomor Judul Tabel Halaman
v
DAFTAR GAMBAR
Nomor Judul Gambar Halaman
ELECTRE I
vi
DAFTAR LAMPIRAN
Nomor Judul Lampiran Halaman
vii
BAB I
PENDUHULUAN
sistematis. Hal itu dapat dilakukan karena memadukan antara perangkat lunak
menciptakan keputusan yang cepat dan akurat. Dengan demikian, mulai bermunculan
menjadi lebih produktif, dinamis, dan inovatif (Pranoto, Muslim, & Hasanah, 2013).
telah diolah menjadi informasi sehingga menciptakan keputusan yang optimal. Oleh
pengambilan keputusan.
1
Multi Criteria Decision Making (MCDM) adalah suatu metode pengambilan
sekumpulan alternatif keputusan (Chang, et al., 2013). Hwang dan Yoon (dalam buku
multikriteria yang berasal dari Eropa pada tahun 1960an. Metode ELECTRE I
kelebihan yaitu metode ini sangat cocok digunakan pada kondisi memiliki banyak
alternatif dan sedikit kriteria yang dilibatkan. Metode ini pernah digunakan dalam
evaluasi alternatif katering pada sebuah perusahaan (Aytac et al., 2011) dan seleksi
dibutuhkan bobot kriteria dan perangkingan yang tepat. Namun, beberapa data yang
2
karena penilaian manusia yang kurang jelas dan tidak dapat diubah menjadi data
numerik.
himpunan fuzzy. Logika fuzzy adalah alat matematika yang kuat untuk permodelan
seperti sistem yang tidak jelas dalam industri, alam, maupun kemanusiaan, dan
adanya informasi yang lengkap dan tepat (Ertuğrul and Karakaşoğlu 2007).
alternatif (Aytac et al., 2011). Oleh karena itu, logika fuzzy dan metode ELECTRE I
setiap tahun oleh Universitas Airlangga berdasarkan syarat dan kriteria yang telah
3
dari menekuni ilmu atau bidangnya saja (hardskill) namun juga dapat beraktivitas di
Dalam era persaingan bebas, dibutuhkan lulusan yang memiliki hard skills dan
soft skills yang seimbang. Mahasiswa dengan nilai akademik yang tinggi terkadang
nilai akademik yang tinggi. Oleh karena itu, perguruan tinggi perlu melakukan
(Ristekdikti, 2017).
berupaya memilih mahasiswa berprestasi berdasarkan syarat dan kriteria yang telah
tingkat universitas. Proses pemilihan mahasiswa berprestasi harus tepat, akurat, dan
4
Peninjauan pada kasus pemilihan mahasiswa berprestasi di Fakultas Ilmu
fakultas tersebut. Pemilihan mahasiswa berprestasi di Fakultas Ilmu Sosial dan Politk
selama ini menggunakan panduan tersendiri yang dibuat oleh Fakultas Ilmu Sosial
Fakultas Ilmu Sosial dan Politk masih menggunakan sistem manual dengan
meggunakan kertas sehingga rentan terhadap kesalahan pengguna atau human error
berprestasi. Kriteria penilaian terdiri dari empat komponen, yakni Indeks Prestasi
kriteria karya tulis dan bahasa Inggris, terdapat sub-sub komponen yang harus dinilai.
Sub-sub komponen ini terdiri atas pernyataan penilaian yang bersifat kualitatif
sehingga pihak penilai kesulitan dalam memberikan nilai apabila penilaian dilakukan
fakultas tersebut. Oleh sebab itu, penelitian skripsi ini akan membangun sistem
5
Pemilihan Mahasiswa Berprestasi di Fakultas Ilmu Sosial dan Politik Dengan
secara cepat dan efektif. Sehingga hasil dari perangkingan tersebut dapat membangun
Fakultas Ilmu Sosial dan Politik Universitas Airlangga menggunakan metode Fuzzy
ELECTRE I?
keputusan untuk memilih mahasiswa berprestasi pada Fakultas Ilmu Sosial dan Politk
adalah:
6
2. Menambah pengetahuan tentang metode pengambilan keputusan menggunakan
Data yang digunakan adalah data mahasiswa Fakultas Ilmu Sosial dan Politik
digunakan untuk menentukan siswa berprestasi adalah IPK, karya tulis ilmiah,
7
BAB II
TINJAUAN PUSTAKA
dan setiap tahun terdapat kualitas yang terus ditingkatkan. Pemilihan mawapres
dinilai telah memberikan dampak positif pada budaya berprestasi karena menghargai
merujuk pada kinerja individu mahasiswa yang memenuhi kriteria pemilihan. Kriteria
Indeks Prestasi Kumulatif (IPK) adalah seluruh nilai matakuliah rata-rata yang
lulus sesuai dengan aturan masing-masing perguruan tinggi dan disahkan oleh Dekan.
IPK hanya dinilai dalam proses pemilihan mawapres sampai pemilihan tingkat
perguruan tinggi.
Karya tulis ilmiah yang dimaksud merupakan tulisan ilmiah hasil kajian pustaka
dari referensi ilmiah atau hasil riset. Karya tulis ilmiah berisi solusi kreatif dari
permasalahan yang dianalisis secara sistematis dan tajam, serta diakhiri dengan
8
kesimpulan yang relevan. Sifat tulisan harus kreatif, objektif, logis, dan sistematis.
Karya tulis ilmiah yang diangkat merupakan isu mutakhir dan belum pernah
mendapat pengakuan atau penghargaan yang berdampak positif pada perguruan tinggi
dan masyarakat. Prestasi yang dimaksud bukan sekadar berpartisipasi pada kegiatan
ringkasan berbahasa Inggris/asing dari karya tulis ilmiah, dan presentasi serta diskusi
Terdapat berbagai macam definisi sistem informasi yang dikemukakan oleh ahli
9
1. Menurut Alter (1999), sistem informasi adalah kombinasi antara prosedur
yang spesifik.
Dari berbagai definisi sistem informasi diatas, dapat disimpulkan bahwa sistem
dan prosedur kerja), ada sesuatu yang diproses (data menjadi informasi), dan
dimaksudkan untuk mencapai suatu sasaran atau tujuan. Menurut Alter dalam (Kadir
2003) terdapat empat peranan penting sistem informasi dalam organisasi, yaitu :
subsistem.
3. Mengoordinasikan subsistem-subsistem.
4. Mengintegrasikan subsistem-subsistem.
didalam membuat suatu keputusan dengan menganalisis data dari database dan
10
memeberikan hasil analisis tersebut kepada pengguna. Tujuan sistem pendukung
pengambilan keputusan.
dengan mudah oleh orang orang yang tidak memiliki dasar kemampuan
Menurut Turban et al. (2005) terdapat beberapa komponen yang terdapat pada
11
2.3.1 Subsistem Manajemen data
SPK menggunakan satu database yang berisi data yang relevan untuk dikelola
oleh perangkat lunak yang disebut Database Management System (DBMS) yang
diinterkoneksikan dengan suatu repository untuk data perusahaan yang relevan untuk
pengambilan keputusan.
manajemen, atau model kuantitatif lainnya yang memberikan kapabilitas analitik dan
manajemen perangkat lunak yang tepat. Perangkat lunak ini sering disebut Model
Kontribusi dari SPK berasal dari interaksi intensif antara komputer dan pembuat
subsistem ini. Sama halnya dengan sistem berbasis komputer yang lain, desain dan
implementasi dari antarmuka pengguna adalah elemen kunci dari fungsi SPK itu
sendiri. Pengguna dianggap bagian dari sistem, sehingga data, model, dan
pemrosesan dari komponen SPK harus dapat diakses dan dimanipulasi dengan
mudah. Karena SPK adalah untuk menyediakan dukungan penting untuk sebuah
12
2.3.4 Subsistem Manajemen Berbasis Pengetahuan
Subsistem ini dapat mendukung semua subsistem lain atau bertindak sebagai
fuzzy pada tahun 1965. Secara Bahasa, fuzzy dapat diartikan sebagai kabur atau
samar-samar. Logika fuzzy merupakan suatu logika yang memiliki nilai kekaburan
Menurut Sun Jang dan Mizutani (2004) terdapat beberapa kelas parameter
fungsi keanggotaan atau Membership Functional (MF) dari satu dimensi. Fungsi
keanggotaan tersebut terdiri dari Triangular MF, Trapezoidal MF, Gaussian MF,
2.4.1 Triangular MF
13
{
0 ,∧x <l ,
( x −l )
,∧l≤ x ≤ m
μ( )
x
M
= ( m−l
( u−x )
)
,∧m≤ x ≤ u
(2.1)
(u−m )
0 ,∧x >u
gambar 2.1
2.4.2 Trapezoidal MF
ditentukan 4 parameter {a1, a2, a3, a4} yang mengikuti aturan dalam persamaan berikut
{
0 x <a1
x−a1
a ≤ x ≤ a2
a2 −a1 1
μ~a ( x )= 1 a2 ≤ x ≤ a 3 (2.2)
x −a4
a ≤ x ≤ a4
a 3−a 4 3
0 x> a4
14
Dan sebagai alternatif dapat digunakan min dan max dalam persamaan
( (
μ~a ( x )=max min
x−a1
a2 −a3
a −x
,1, 4
))
a 4−a3
,0 (2.3)
Dalam persamaan parameter {a1, a2, a3, a4} dengan a1 < a2 < a3 < a4 menentukan
a3, a4} menjadi fungsi kenaggotaan segitiga ketika a2 sama dengan a3. Karena rumus
digunakan secara luas, terutama dalam penggunaan secara real-time. Namun karena
fungsi keanggotaan terdiri dari segmen garis lurus, mereka tidak merata pada titik
15
2.4.3 Gaussian MF
( )
2
1 x−c
Fungsi keanggotaan lonceng (bell) ditentukan oleh 3 parameter {a1, a2, a3}
16
1
μ~a ( x )=
| |
2 a2
x−a3 (2.5)
1+
a1
Parameter a2 biasanya merupakan nilai positif (jika a2 negatif, bentuk dari fungsi
Pada teori fuzzy set, skala konversi diterapkan untuk mengubah istilah linguistik
menjadi angka fuzzy. Tulisan ini menerapkan Triangular fuzzy number yang
direpresentasikan sebagai {l, m, u}, dimana l, m, dan u merupakan tiga bilangan real
17
dimana l > 0 dan l ≤ m ≤ u yang dapat dijelaskan pada persamaan 2.1 (Rouyendegh et
al., 2013). Skala yang diterapkan dalam penulisan ini adalah 1-10 untuk rating
alternatif dan 0-1 untuk rating kriteria. Table 2.1 menyajikan variabel linguistik dan
fuzzy numbers untuk kriteria dan tabel 2.2 menyajikan variabel linguistik dan fuzzy
18
Tabel 2.2 Variabel Linguistik untuk Bobot Kepentingan Alternatif
Poor (1, 3, 5)
Medium (3, 5, 7)
Good (5, 7, 9)
digunakan untuk mencari jarak antara dua bilangan fuzzy (Lonescu & Ralescu, 2005).
Fuzzy hamming distance merupakan kardinalitas fuzzy dari himpunan fuzzy yang
berbeda. Dalam Hatami-Marbini & Tavana (2011) yang megutip Hamming R.W
~ ~ ~
mengemukakan bahwa untuk setiap bilangan fuzzy H dan I , Hamming distance ( H ,
~) dapat ditentukan dengan persamaan 2.6.
I
❑
~~
d ( H , I )=∫ ¿ μ~
H
( x )−μ ~i( x)∨dx (2.6)
R
~
Dimana μ~H adalah nilai keanggotaan x dalam H dan μ~i adalah nilai keanggotaan x
~
dalam I .
19
2.7 Multi-Criteria Decision Analysis
banyak, berkonflik dan tidak seimbang (Baizyldayeva et al., 2013). Dalam Hatami-
Marbini & Tavana (2011), multi-criteria decision analysis adalah istilah umum untuk
kriteria dan alternatif. Tujuannya adalah untuk membantu pembuat keputusan untuk
mengambil semua kriteria objektif dan subjektif yang penting dari masalah untuk
rasional dan efisien. Prinsip kompisisi dari MCDA sangat sederhana yaitu minimal
berbeda
20
Metode MCDA klasik dapat dikelompokkan kedalam tiga kelompok utama (Hatami-
1. Outranking
antar alternatif. Metode ini biasanya meliputi dua tahap. Tahap pertama, tiap
Langkah kedua, relasi outranking ini dianalisis dan digunakan untuk memberikan
rekomendasi kepada pembuat keputusan. Metode yang paling sering dipakai adalah
ELECTRE. Selain ELECTRE, ada juga metode lain seperti PROAFTN, penggunaan
Metode outranking adalah salah satu subkelompok dari metode MCDA yang sesuai
yang sesungguhnya.
struktur hirarki dengan tujuan digambarkan berada di atas dan kriteria berada di level
paling bawah. Alternatif dihitung berdasarkan setiap kriteria, dan kriteria dibobotkan
menurut tingkat kepentingan. Sebagai hasilnya, sebuah nilai keseluruhan dari tiap
21
3. Multiple Objective Mathematical Programing
fungsi penskalaan. Biasanya, menggunakan sebuah fungsi skala yang berada dibawah
1.
2.
Fuzzy ELECTRE I adalah sebuah metode MCDA dimana fuzzy set theory dan
pembuat keputusan (Belbag et al., 2016). Dalam metode ini, baik bobot dari kriteria
serta rating alternatif untuk setiap kriteria diubah menjadi bilangan fuzzy.
dengan himpunan fuzzy. Dalam Aytac et al. (2010) disebutkan bahwa beberapa
metode fuzzy ELECTRE I yang berbeda pendekatan antara lain seperti yang
digunakan Sevkli untuk menangani masalah pemilihan supplier. Selain itu, Wu dan
22
Hatami-Marbini & Tavana (2011) yang mengusulkan sebuah metodologi
metode yang diusulkan tersebut untuk aplikasi yang ditulis oleh Chen et al kemudian
Fuzzy TOPSIS. Hasil yang didapatkan dari perbandingan tersebut adalah metode
Fuzzy ELECTRE I menyediakan informasi yang lebih berarti dan lebih dapat
dapat mengungkapkan alternatif yang mana yang lebih disukai, yang tidak dapat
metode Fuzzy ELECTRE I menurut Hatami-Marbini & Tavana (2011) adalah sebagai
berikut:
pembuat keputusan dan menentukan kriteria evaluasi. Pembuat keputusan ini akan
23
Menentukan performance ratings (~
x ijk untuk i = 1, 2, …, m; j = 1, 2, …, n; k
2013). Contoh variabel linguistik untuk menilai performance ratings dapat dilihat
linguistik untuk menilai tingkat kepentingan kriteria dapat dilihat pada tabel 2.1.
Kriteria
Fungsi keanggotaan fuzzy yang digunakan adalah segitiga seusai dengan gambar 2.1,
maka fuzzy performance ratings dan bobot kriteria dari pembuat keputusan ke k
l m u l m u
adalah x ijk = X ijk , X ijk , X ijk dan W jk =W jk ,W jk ,W jk untuk i = 1, 2, …, m; j = 1, 2, …, n;
banyaknya alternatif dan n merupakan banyaknya kriteria. Oleh karena itu, agregasi
24
Sedangkan agregat dari bobot kriteria W j dapat dihitung dengan menggunakan
persamaan (2.8)
l m u
x ijk= X ijk , X ijk , X ijk (2.7)
K
1
X = ∑ X ijk ;
l l
Dimana ij
K K =1
K
1
m
X ij = ∑ Xm ;
K K =1 ijk
K
1
X = ∑ X ijk ;
u u
ij
K K =1
i = 1, 2, …, m; j = 1, 2, …, n; k = 1, 2, …, K
K
1
Dimana W =
l
j∑
K K =1
W ljk;
K
1
m
Wj = ∑ Wm;
K K =1 jk
K
1
W
u
j = ∑
K K =1
W ujk;
j = 1, 2, …, n; k = 1, 2, …, K
~
6. Membangun Matriks Keputusan Fuzzy U
25
~
Matriks keputusan U dibentuk dengan cara memasukan elemen agregat
(2.9), sedangkan nilai agregat bobot kriteria dimasukan kedalam sebuah vektor
[ ]
x 11 x 12 … x1n
~ x 21 x 22 … x2n
U= (2.9)
… ⋯ … …
x m 1 x m2 … x mn
sebuah transformasi satuan linier digunakan untuk mengubah suatu kriteria yang
(2.12)
~l ~m ~u
~r =( ~r l , ~r m , ~r u ) =( r ij , r ij , r ij ) (2.12)
ij ij ij ij ¿ ¿ ¿
d j dj d j
26
¿
Dimana d j = max{ x lij}atau merupakan nilai maksimum dari kriteria j, i = 1, 2, …, m; j
kriteria.
[ ]
v 11 v 12 … v1n
~v = v 21 v 22 … v2n
(2.13)
ij
… ⋯ … …
vm1 vm2 … v mn
Dimana ~v ij =r ij . ~
w ij; m merupakan banyaknya alternatif dan n merupakan banyaknya
kriteria. ~
wij merupakan nilai agregat bobot kepentingan kriteria ke-j.
Kemudian menghitung hamming distance d(max(~v gj , ~v fj ),~v gj ) dan d(max(~v gj , ~v fj),~v fj)
J c ={ j∨~v gj ≥ ~v fj } (2.14)
27
Dimana J c adalah indeks dari semua kriteria yang merupakan milik concordance
kriteria.
Dimana J D adalah indeks dari semua kriteria yang merupakan milik discordance
coalition dan yang melawan pernyataan “ A gpaling tidak sama baik atau lebih baik
bilangan fuzzy dari bobot fuzzy semua kriteria dalam himpunan concordance. Matriks
~
c=
⋮ [
−¿ … ~c 1 f
⋱
… ~
⋮
c 1 (m−1) ~
⋱
c1 m ~
¿
⋮ ¿ c g 1¿ … ¿ ~
c gf ¿ … ¿ ~c g(m−1) ¿ ~c gm¿ ⋮ ¿ ⋱ ¿ ⋮ ¿ ⋱ ¿ ⋮ ¿ ⋮¿ ~c m 1¿ … ¿ ~
c mf ¿ … ¿ ~cm (m−1) ¿
(2.16)
Dimana ~
c gf =( ~c gf , ~c gf , ~c gf )
l m u
= ∑~
wj
j ∈ Jc
= ∑ w lj, ∑ w mj , ∑ w uj
j ∈ Jc j ∈ Jc j ∈ Jc
28
Matriks discordance dapat didefinisikan dalam persamaan (2.17)
D=
[ −¿ … d 1 f
⋮ ⋱
… d 1 (m −1 ) d 1 m
⋮ ⋱ ¿
⋮ ¿ d g 1 ¿ … ¿ d gf ¿ … ¿ d g (m−1) ¿ d gm ¿ ⋮ ¿ ⋱ ¿ ⋮ ¿ ⋱ ¿ ⋮ ¿ ⋮ ¿ d m 1 ¿ … ¿ d mf ¿ … ¿ d m (m−
(2.17)
~ ~
¿ V gj −V fj ∨¿
Dimana d gf =max ~ ~
j∈ J max ¿ V gj − V fj ∨¿=max ¿ d ¿ ¿ ¿ ¿
D
¿ , J adalah himpunan yang
D
j j ∈J D
diperbandingkan.
∑ ∑ C gf (2.18)
C z = f =1 g=1
m ( m−1 )
misalkan jika fungsi yang digunakan adalah segitiga, maka z secara berturut-turut
29
B=
[ −¿ … b1 f
⋮ ⋱
… b1(m−1) b1 m
⋮ ⋱ ¿
⋮ ¿ b g 1 ¿ … ¿ b gf ¿ … ¿ bg (m−1) ¿ b gm¿ ⋮ ¿ ⋱ ¿ ⋮ ¿ ⋱ ¿ ⋮¿ ⋮ ¿ bm 1 ¿ … ¿ b mf ¿ … ¿ b m(m−1
(2.19)
Dimana ~
c gf ≥ Ć ↔ b gf =1
~
c gf < Ć ↔ bgf =0
Demikian juga elemen dari matriks discordance diukur oleh level discordance. Level
∑ ∑ D gf (2.20)
~ f =1 g =1
D=
m ( m−1 )
H=
[ −¿ … h1 f
⋮ ⋱
… h1(m−1) h1 m
⋮ ⋱ ¿
⋮ ¿ h g 1 ¿ … ¿ h gf ¿ … ¿ h g (m−1) ¿ h gm ¿ ⋮ ¿ ⋱ ¿ ⋮ ¿ ⋱ ¿ ⋮ ¿ ⋮ ¿ hm 1 ¿ … ¿ hmf ¿ … ¿ h m(m−1
(2.21)
Dimana d gf < D↔ h gf =1
d gf ≥ D ↔h gf =1
30
Z=B ⨂ H (2.22)
graph sederhana G = (V, J) akan sangat membantu dimana V adalah kumpulan dari
vertex dan J adalah kumpulan dari panah. Untuk setiap alternatif menggambarkan
busur diantara A g dan A f apabila A f lebih disukai atau sebaliknya, maupun A g dan A f
tidak jauh berbeda. Sebuah alternatif A g lebih disukai apabiala z gf =1 dan terdapat
31
Sumber: (Hatami-Marbini & Tavana, 2011)
BAB III
METODE PENELITIAN
Metode penelitian adalah cara atau prosedur beserta tahapan-tahapan yang jelas
dan sistematis dengan tujuan untuk melakukan proses pemecahan masalah yang
4. Implementasi sistem
5. Pengujian sistem
6. Evaluasi sistem
Timur. Waktu penelitian dilaksanakan selama 7 bulan yang dimulai pada bulan Juni
32
3.2 Objek Penelitian
Pada penelitian ini, yang menjadi objek penelitian adalah berkas data
mahasiswa berprestasi Sarjana 2017, dan pengumpulan data input berupa data-data
mendapatkan pilihan terbaik. Studi literatur juga digunakan untuk mengetahui kriteria
33
mahasiswa berprestasi Sarjana 2017. Wawancara dilakukan dengan bagian
kemahasiswaan Fakultas Ilmu Sosial dan Politik dengan tujuan mendapatkan data-
jurnal maupun tulisan yang telah dibuat sebelumnya. Sehingga dapat digunakan
pembobotan yang digunakan Fakultas Ilmu Sosial dan Politik Universitas Airlangga
Data input berupa data-data penilaian mahasiswa yang akan digunakan yang
diambil dari mahasiswa fakultas ilmu soisal dan politik. Data tersebut kemudian
34
3.3.3 Pemilihan Mahasiswa Berprestasi dengan Metode Fuzzy ELECTRE I
yaitu, Indeks Prestasi Kumulatif (C1), Karya tulis ilmiah (C2), Prestasi/Kemampuan
yang diunggulkan (C3), dan Bahasa inggris (C4). Indeks Prestasi Kumulatif (IPK)
adalah seluruh nilai matakuliah rata-rata yang lulus sesuai dengan aturan masing-
masing perguruan tinggi dan disahkan oleh Dekan. Karya tulis ilmiah merupakan
tulisan ilmiah hasil kajian pustaka yang bersumber dari referensi ilmiah dana tau
hasil riset yang berisi solutif kreatif dari permasalahan yang dianalisis secara
perguruan tinggi dan masyarakat. Prestasi yang dimaksud bukan hanya sekedar
35
penggerak/motivator/perbedaya masyarakat, juara/finalis atau sekurang-kurangnua
ringkasan berbahasa inggris dari karya tulis ilmiah dan presentasi dan diskusi dalam
maksimal. Tujuan maksimal yaitu semakin besar nilai dari kriteria, maka semakin
Start
36
Mengidentifikasi matriks Boolean B dan H
End
linguistik yang berupa “Very Poor”, “Poor”, “Medium”, “Good”, dan “Very High”.
37
Fungsi keanggotaan fuzzy yang digunakan yaitu fuzzy segitiga. Bilangan
keanggotaan fuzzy tingkat kepentingan kriteria sesuai dengan tabel (2.1) sedangkan
bilangan keanggotaan fuzzy tingkat kepentingan alternatif sesuai dengan tabel (2.2).
Pada tahap ini, nilai aggregate fuzzy rating dari alternatif dan kriteria yang
telah dihitung kemudian dibuat menjadi matriks keputusan seperti pada persamaan
(2.9).
yang telah dihitung untuk membangun matriks keputusan fuzzy ternormalisasi dan
38
terobobot. Pembobotan matriks keputusan fuzzy ternormalisasi dapat dihitung dengan
Hamming Distance
persamaan (2.6).
39
Matriks discordance dapat dibangun setelah mengetahui jarak masing-masing
(2.21).
persamaan (2.22).
alternatif
40
Graph keputusan dapat digambar setelah matriks global telah ditentukan.
perangkingan setiap alternatif berdasarkan relasi antar node alternatif dalam graph.
menggambarkan aktifitas yang terjadi pada sistem mulai dari proses input hingga
proses output. Flowchart tersebut berisi alur sistem yang direncanakan, dengan
management system.
Pengujian sistem diperlukan untuk menguji seberapa jauh sebuah sistem dapat
menjalankan fungsinya dengan baik. Adapun teknik pengujian yang digunakan untuk
41
menguji Sistem Pendukung Keputusan Pemilihan Mahasiswa Berprestasi dengan
yang tersedia dalam aplikasi sistem pendukung keputusan pemilihan siswa berprestasi
yang dibangun. Proses evaluasi dilakukan degan memberikan kuisoner hasil rancang
ini bertujuan untuk mengetahui apakah sistem pendukung keputusan yang telah
dibangun berjalan dengan baik dan hasil yang diberikan sesuai dengan apa yang telah
berprestasi.
42
43
DAFTAR PUSTAKA
Aytac, Esra, Ayşegül Tus Isik, and Nilsen Kundakci. 2011. "Fuzzy ELECTRE I
Awasthi, Anjali, S.S. Chauhan, S.K. Goyal. 2011. "A multi-criteria decision making
1725-1730.
Belbag, Sedat, Aybegum Gungordu, Tuba Yumusak, and Kadri Gokhan Yilmaz.
Chang, Yu-Hern, Chung-Hsing Yeh, and Yu-Wei Chang. 2013. "A new method
Soft Computing.
Ertuğrul, İrfan, and Nilsen Karakaşoğlu. 2007. "Comparison of fuzzy AHP and fuzzy
Figueira, J.R, S Greco, B Roy, and R Slowinski. 2010. "Electre Methods: Main
373–386.
"A Fuzzy Group ELECTRE Method for Safety and Health Assessment in
Jang, Jyh Shing Roger, Chuen Tsai Sun, and Eiji Mizutani. 1997. "Neuro Fuzzy and
Ilmu.
ANDI.
Fuzzy Systems.
EECCIS Vol. 7.
Rouyendegh, Babak Daneshvar, and Turan Erman Erkan. 2013. "An Application of
Turban, Efraim, Jay E. Aronson, Ting-Peng Liang, and Richard V. McCarthy. 2005.
Decision Support System and Intelligent System 7th ed. Vol. 1. New jersey:
Tzeng, Gwo-Hshiung, and Jih-Jeng Huang. 2011. Multiplr Attribute Decision Making
Penetapan Tujuan
dan Perumusan
Masalah
Studi Literatur
Pengumpulan Data
Analisis Data
Perancangan Sistem
Implementasi Sistem
Pengujian Sistem
Evaluasi Sistem