Nama : Anggun Jevian N.

P
NPM : 20670077
Prodi : Teknik Informatika 4C
Makul : Decission Support System

1. Sistem Pendukung Keputusan Dalam Menentukan Metode Kontrasepsi Menggunakan

Algoritma Naive Bayes
Kontrasepsi adalah alat untuk mencegah kehamilan,kurangnya pengetahun
tentang metode kontrasepsi menyebabkan pasangan usia subur menggunakan kontrasepsi
yang tidak sesuai dengan kondisi tubuhnya atau bahkan tidak menggunakan kontrasepsi.
Sistem Pendukung Keputusan dengan algoritma Naive Bayes adalah sebuah
pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas
dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan, dinilai
berpotensi baik dalam mengklasifikasikan dokumen dibandingkan dengan metode
pengklasifikasian lain dalam hal akurasi dan efisiensi untuk menentukan jenis alat atau
obat kontrasepsi yang akan digunakan, maka perlu data yang harus di input yang terdiri
dari faktor jenis kelamin, usia istri, alat kontrasepsi, jangka waktu, jumlah anak, usia anak
terakhir dan faktor kesehatan lainya. Pada akhirnya diharapkan sistem ini akan
memberikan solusi bagi pasangan usia subur yang ingin ber KB.
Naïve Bayes Classifier merupakan sebuah klasifikasi yang didasarkan pada
teorema Bayes . Metode pengklasifikasian dg menggunakan metode probabilitas dan
statistik yg dikemukakan oleh ilmuwan Inggris Thomas Bayes , yaitu memprediksi
peluang di masa depan berdasarkan pengalaman di masa sebelumnya sehingga dikenal
sebagai Teorema Bayes . Ciri utama dr Naïve Bayes Classifier ini adalah asumsi yg
sangat kuat (naïf) akan independensi dari kondisi / kejadian masing-masing.
Reference : http://seminar.bsi.ac.id/snit/index.php/snit-2018/article/view/31

2. SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PAKET WISATA DENGAN

ALGORITMA DEMPSTER SHAFER
Dewasa ini banyak tempat-tempat wisata maupun paket-paket wisata khususnya
di Provinsi Daerah Istimewa Yogyakarta, yang mulai ditawarkan sehingga calon traveler
bingung untuk memilih yang mana. Salah satu cara untuk meyelesaikan permasalahan
tersebut adalah dengan menggunakan sistem pendukung keputusan yang menggunakan
algoritma Dempster- Shafer.Kriteria dalam algoritma Dempster-Shafer terbentuk dalam
hirearki(hierachial decision structure). Ada 3 kriteria yang digunakan dalam
permasalahan ini, yaitu budget, hobi, dan usia.
Hasil dari pengujian salah satu data menunjukan adanya sedikit perubahan pilihan
yang lebih detail namun masih dalam pemilihan yang sama atau tidak berubah dari
 pemilihan paket wisata yang sudah dilakukan, hal ini menandakan pilihan sudah cocok.
Prosentase akurasi sistem ini masih 50% untuk hasil akurat, 40% untuk hasil yang kurang
akurat dan 10% hasil tidak akurat.
Langkah Apa saja yang Perlu Disiapkan untuk Membuat Algoritma Dempster-
Shafer?
 Mencari pakar yang sesuai dengan tema sistem yang akan dibuat
 Mendapatkan data hipotesa sesuai bidang ahli si pakar.
 Mendapatkan data evidence pada tiap hipotesa.
 Jangan lupa data pendukung untuk menghitung Dempster-Shafer seperti besarnya
kepercayaan pakar terhadap evidence pada setiap hipotesa.
 Setelah mendapat semua data yang dibutuhkan, langkah selanjutnya adalah menghitung
data tersebut ke dalam teori Dempster-Shafer, sehingga menjadi hasil pasti berupa
keputusan hipotesa apa yang paling tepat dengan evidence yang diinputkan user.
Reference : https://ojs.amikom.ac.id/index.php/semnasteknomedia/article/view/1351

3. Sistem pendukung keputusan kelayakan penerima Program Keluarga Harapan (PKH)

menggunakan Algoritma Analytic Network Process
Salah satu tujuan negara dalam menyejahterakan rakyat dengan cara mengurangi
total angka kemiskinan. Untuk menanggulangi tingkat kemiskinan Program Keluarga
Harapan (PKH) yang berupa bantuan subsidi. Sasaran bantuan penerima PKH yaitu
keluarga yang terdaftar dalam data BDT yang memenuhi kriteria ibu hamil (K1), anak
usia dini (K2), SD (K3), SMP (K4), SMA (K5), lansia (K6), dan disabilitas berat (K7).
Penelitian ini bertujuan untuk membantu Dinas Sosial Bojonegoro dalam memilih
sasaran yang tepat dalam penentuan kelayakan penerima PKH secara otomatisasi. Sistem
Pendukung Keputusan (SPK) penerima PKH dikembangkan dengan bahasa PHP,
database MySQL, dan algoritma Analytic Network Process (ANP). Dengan
menggunakan data uji sebanyak 3 desa yaitu Desa Bangilan, Desa Sembung, dan Desa
Tapelan Kec. Kapas Kab. Bojonegoro Tahun 2019, sistem mampu memberikan
rekomendasi data penerima PKH yang sesuai persyaratan bobot kriteria. Berdasarkan
pengujian confussion matrix dihasilkan tingkat presisi sistem pendukung keputusan
sebesar 39.64% (sedang), recall sebesar 39.29% (sedang), dan accuracy sebesar 69.12%
(tinggi). Sedangkan pengujian fungsionalitas sistem menggunakan blaxbox testing
menghasilkan 93.34% sistem berjalan dengan baik. Hal ini menunjukkan bahwa sistem
pendukung keputusan penerima PKH layak untuk diimplementasikan di Dinas Sosial
Bojonegoro.
Prinsip dasar ANP ada 3 yaitu:
Prinsip Dekomposisi, diterapkan untuk menstrukturkan masalah yang kompleks menjadi
kerangka hierarki atau jaringan cluster, sub-cluster, sub-sub cluster, dan seterusnya. Dengan kata
lain dekomposisi adalah memodelkan masalah ke dalam kerangka ANP
 Penilaian komparasi (comparative judgements), diterapkan untuk membangun
pembandingan pasangan (pairwise comparison) dari semua kombinasi elemen-elemen dalam
cluster, dilihat dari cluster induknya. Pembandingan pasangan ini digunakanuntuk mendapatkan
prioritas lokal dari elemen-elemen dalam suatu cluster dilihat dari cluster induknya.
Komposisi hierarkis atau sintesis diterapkan untuk mengalihkan prioritas lokal elemen-
elemen dalam cluster dengan prioritas global dari elemen induk, yang akan menghasilkan
prioritas global seluruh hierarki dan menjumlahkannya untuk menghasilkan prioritas global
untuk elemen level terendah (biasanya merupakan alternatif).
Reference : http://digilib.uinsby.ac.id/35927/

4. Sistem Pendukung Keputusan Untuk Penilaian Kinerja Karyawan PT. Mulya Spindo
Mills Menggunakan Metode Algoritma C4.5
HASIL DAN PEMBAHASANA.Analisa InputDalam penelitian ini, kriteria-
kriteria yang digunakan untuk penilaian kinerja karyawan adalah kemampuan
teknis, kemampuan hubungan antar manusia dankepribadian. B.Analisa OutputKeluaran
yang dihasilkan dari penelitian ini adalah diambil dari jumlah nilai akhir perhitungan
kriteria tertinggi dari kinerja karyawan yang memiliki nilai terbesar dibandingkan
dengan nilai kinerja lain.C.Analisa Kinerja Karyawan Metode Algoritma C4.5 Pada
proses analisa kinerja ini menggunakantiga datapegawai dengan menggunakan
dataatau kriteria yang sama akan tetapi memiliki bobot yang berbeda. Pada proses uji
coba ini menggunakantiga data lembaga dengan menggunakan dataatau criteria.
Langkah 1
Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus
untuk keputusan No, dan Entropy dari semua kasus dan kasus yang dibagi berdasarkan
atribut OUTLOOK, TEMPERATURE, HUMIDITY, dan WINDY.Setelah itu lakukan
perhitungan Gain untuk setiap atribut.Hasil perhitungan ditunjukan di bawah ini.
Perhitungan Node 1

Cara Perhitungan Node 1 (1)

 Cara Perhitungan Node 1 (2)

Langkah 2
Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus
untuk keputusan No.
Entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut OUTLOOK,
TEMPERATURE dan WINDY, yang dapat menjadi node akar dari nilai atribut HIGH.
Setelah itu lakukan perhitungan Gain, untuk tiap-tiap atribut.
Perhitungan Node 1.1

Atribut dengan Gain tertinggi adalah OUTLOOK, yaitu sebesar 0.6995.

Sehingga OUTLOOK dapat menjadi node cabang dari nilai atribut HIGH.
Cara Perhitungan Node 1.1 (1)
 Ada tiga nilai dari atribut OUTLOOK yaitu CLOUDY, RAINY dan SUNNY.
- CLOUDY => klasifikasi kasus 1 (Yes)
- SUNNY => klasifikasi kasus 1 (No)
- RAINY => masih perlu perhitungan lagi.
Langkah 3
Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus
untuk keputusan No.
Entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut
TEMPERATURE dan WINDY, yang dapat menjadi node cabang dari nilai atribut
RAINY.
Setelah itu lakukan perhitungan Gain, untuk tiap-tiap atribut.

Reference:https://ejurnal.lppmunsera.org/index.php/ProTekInfo/article/view/48/42

5. Penerapan Algoritma Electre Sebagai Pendukung Keputusan Kasus Pengangkatan Guru

Tetap
Metode Electre merupakan salah satu metode pengambilan keputusan
multikriteria berdasarkan pada konsep outranking dengan menggunakan perbandingan
berpasangan dari alternatif-alternatif berdasarkan setiap kriteria yang sesuai.
Penggunaan Metode Electre memiliki beberapa kelebihan yakni keputusan multikriteria
berdasarkan pada konsep outranking dengan menggunakan perbandingan berpasangan
dari alternatif-alternatif berdasarkan setiap kriteria yang sesuai sehingga sesuai
dengan kasus-kasus dengan banyak alternatif namun hanya sedikit kriteria yang
dilibatkan. Metode Electre digunakan. METODE PENELITIAN Untuk membantu
dalam penyusunan penelitian ini maka perlu adanya alur kerja yang jelas tahapan-
tahapannya. Alur kerja ini merupakan langkah-langkah yang akan dilakukan dalam
penyelesaian masalah yang akan dibahas.
Langkah-langkah Metode ELECTRE :
 Membentuk perbandingan berpasangan setiap alternatif pada setiap kriteria dan dinormalisasikan
ke dalam suatu skala yang dapat dibandingkan.

.
 Memberikan bobot pada setiap kriteria yang mengekspresikan kepentingan relatifnya (wi)
dengan cara setiap kolom dari matriks X dikalikan dengan bobot-bobot yang ditentukan
oleh pembuat keputusan
 Menentukan himpunan dari concordance dan discordance
 Untuk setiap pasang dari alternatif k dan l (k.l =1,2,3,…,m dan k≠l) kumpulan kriteria j dibagi
menjadi dua himpunan bagian, yaitu concordance dan discordance. Sebuah kriteria dalam suatu
alternatif termasuk concordance jika :

Sebaliknya, komplementer dari himpunan bagian ini adalah discordance, yaitu bila

 Menentukan matriks concordance dan discordance

Untuk menetukan nilai dari elemen-elemen pada matriks concordance adalah dengan
menjumlahkan bobot- bobot yang termasuk dalam himpunan bagian concordance, secara
matematisnya adalah sebagai berikut:

Untuk menetukan nilai dari elemen-elemen pada matriks discordance adalah dengan membagi
maksimum selisih nilai kriteria yang termasuk dalam himpunan bagian discordance dengan
maksimum selisih nilai seluruh kriteria yang ada, secara matematisnya adalah sebagai berikut :

 Menetukan matriks dominan concordance dan discordance

Dominasi matriks concordance dibangun dengan menggunakan nilai threshold untuk
indeks concordance, yaitu dengan membandingkan setiap nilai elemen
matriks concordance dengan nilai threshold. Sebagai contoh, Ak hanya akan memiliki
kesempatan untuk mendominasi Al jika indeks concordance Ckl yang sesuai melebihi setidaknya
pada nilai threshold tertentu yaitu c.
Ckl ≥ c
Nilai threshold dapat ditentukan sebagai rata-
rata indeks concordance, dengan nilai threshold c adalah:

Berdasarkan nilai threshold, nilai setiap elemen matriks F sebagai matriks

dominan concordance ditentukan sebagai berikut:

demikian pula, dominasi matriks discordance G didefinisikan dengan menggunakan

nilai threshold d , dimana d didefinisikan sebagai berikut:

di mana nilai setiap elemen untuk matriks G sebagai matriks dominan discordance ditentukan
sebagai berikut:
 Menentukan matriks dominan agregat (matriks E), dengan rumus :

 Mengeliminasi alternatif
Matriks E memberikan urutan pilihan di setiap alternatif, yaitu bila ekl = 1 maka alternatif
Ak merupakan pilihan yang lebih baik daripada Al. Sehingga baris dalam matriks E yang
memiliki jumlah ekl = 1 paling sedikit dapat dieliminasi, dengan demikian alternatif terbaik
adalah yang mendominasi alternatif lainnya.

Reference : https://ejurnal.umri.ac.id/index.php/SEIS/article/view/2857/1580