Implementasi Sistem KESIMPULAN DAN SARAN

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM

4.1. Implementasi Sistem

Implementasi dari Metode Simple Additive Weighting SAW dan Metode Simple Multi Attribute Rating Technique SMART dirancang menggunakan bahasa pemrograman Microsoft Visual basic .NET 2010 dan menggunakan MySQL sebagai Database Management System. Implementasi dilakukan bertujuan untuk memudahkan pengambil keputusan dalam penentuan kelayakan calon tenaga kerja Indonesia TKI ke Luar Negeri. Data yang diolah pada program ini adalah data kriteria calon TKI menggunakan metode simple additive weighting SAW dan metode simple multi attribute rating technique SMART. Data kriteria yang didapat berasal dari PT. Genta Karya Sejahtera Medan. 4.1.1. Implementasi Metode Simple Additive Weighting SAW Langkah-langkah yang dilakukan untuk melakukan penentuan kelayakan calon TKI ke Luar Negeri menggunakan metode SAW adalah sebagai berikut : 1. Menentukan tujuan, kriteria, dan alternatif. Tujuan : Menentukan kelayakan calon TKI ke Luar Negeri. Kriteria : Usia C1, Pendidikan Terakhir C2, Tinggi Badan C3, Nilai Tes C4 dan Medical Check Up MCU C5. Universitas Sumatera Utara Alternatif : Indah Pratiwi, Siska Sibagariang, Reni Ramadhani, Sinta Maulida, Rony Koto, Imam Perdana, Muhammad Ikhsan, Anissa, Renata Ulina Ginting, Yunita, Desi Maulida, Fitri Simarmata, Utami Sari, Della Ria, Deni Ananda. 2. Membuat rating kecocokan setiap alternatif dengan kriteria. Rating kecocokan setiap alternatif dan kriteria, dinilai dengan 1 sampai 5 seperti terlihat pada tabel 4.1. Tabel 4.1. Rating Kecocokan Setiap Alternatif Rating Kecocokan Nilai Sangat Buruk 1 Buruk 2 Cukup 3 Baik 4 Sangat Baik 5 3. Pengambil keputusan memberikan bobot pada kriteria usia, pendidikan terakhir, tinggi badan, nilai tes dan medical check up MCU. Kriteria usia berpengaruh dalam penentuan kelayakan TKI, dimana semakin muda usia calon TKI maka semakin besar nilai yang diperolehnya. Tabel bobot kriteria usia beserta nilainya dapat dilihat pada tabel 4.2. Tabel 4.2. Bobot Kriteria Usia C1 X Nilai C1 = 37 - 34 1 C1 = 33 – 30 2 C1 = 29 – 26 3 C1 = 25 – 22 4 C1 = 21 – 18 5 Universitas Sumatera Utara Kriteria pendidikan terakhir penting dalam penentuan kelayakan TKI, dimana semakin tinggi pendidikan terakhir calon TKI maka semakin besar nilai yang diperolehnya. Tabel bobot kriteria pendidikan terakhir beserta nilainya dapat dilihat pada tabel 4.3. Tabel 4.3. Bobot Kriteria Pendidikan Terakhir C2 Nilai SMP 1 SMA Sederajat 2 D1-D3 3 D4 4 S1 5 Kriteria tinggi badan penting dalam penentuan kelayakan TKI, apabila tinggi badan calon TKI ideal dengan berat badan maka semakin besar nilai yang diperolehnya. Tabel bobot kriteria tinggi badan beserta nilainya dapat dilihat pada tabel 4.4. Tabel 4.4. Bobot Kriteria Tinggi Badan C3 X Nilai x ≤ 150 1 150 x ≤ 153 2 153 x ≤ 156 3 156 x ≤ 159 4 x 159 5 Kriteria nilai tes penting dalam penentuan kelayakan TKI, dimana semakin tinggi nilai tes yang diperoleh calon TKI maka semakin besar nilai yang diperolehnya. Tabel bobot kriteria nilai tes beserta nilainya dapat dilihat pada tabel 4.5. Universitas Sumatera Utara Tabel 4.5. Bobot Kriteria Nilai Tes C4 X Nilai x ≤ 60 1 60 x ≤ 70 2 70 x ≤ 80 3 80 x ≤ 90 4 90 x ≤ 100 5 Kriteria nilai medical check up MCU sangat penting dalam penentuan kelayakan TKI, dimana apabila calon TKI dinyatakan sehat maka nilai yang diperoleh adalah nilai yang paling tinggi yaitu nilai 5. Tabel bobot kriteria nilai medical check up MCU beserta nilainya dapat dilihat pada tabel 4.6. Tabel 4.6. Bobot Kriteria Medical Check Up MCU C5 Nilai Tidak Sehat 2 Sehat 5 4. Pengambil keputusan menentukan bobot preferensi atau tingkat kepentingan W j setiap kriteria dalam menentukan calon TKI yang layak. Tabel bobot preferensi atau tingkat kepentingan W j dapat dilihat pada tabel 4.7. Tabel 4.7. Bobot Preferensi Setiap Kriteria W j Kriteria Kode Bobot Preferensi Usia C1 4 Pendidikan Terakhir C2 4 Tinggi Badan C3 3 Nilai Tes C4 5 Medical Check Up MCU C5 5 5. Pengambil keputusan membuat tabel rating kecocokan dari setiap alternatif pada setiap kriteria yang dapat dilihat pada tabel 4.8. Universitas Sumatera Utara Tabel 4.8. Data Calon TKI Dikonversi Ke Rating Kecocokan Alternatif Alternatif Kriteria C1 C2 C3 C4 C5 A1 4 2 3 3 5 A2 3 5 4 4 5 A3 5 2 4 4 5 A4 5 3 3 5 2 A5 4 1 5 3 5 A6 3 3 4 3 5 A7 4 2 5 4 5 A8 5 2 3 2 2 A9 2 2 4 3 5 A10 3 5 3 5 5 A11 3 3 4 4 5 A12 3 1 4 1 5 A13 4 1 4 3 5 A14 1 2 3 4 5 A15 3 2 4 5 5 6. Pengambil keputusan membuat matriks keputusan X berdasarkan tabel kecocokan alternatif. 4 2 3 3 5 3 5 4 4 5 5 2 4 4 5 5 3 3 5 2 4 1 5 3 5 3 3 4 3 5 X = 4 2 5 4 5 5 2 3 2 2 2 2 4 3 5 3 5 3 5 5 3 3 4 4 5 3 1 4 1 5 4 1 4 3 5 1 2 3 4 5 3 2 4 5 5 Universitas Sumatera Utara 7. Normalisasi matriks X. � = �� � Untuk A 1 , Maka : r 11 = Min 4, 3, 5, 5, 4, 3, 4, 5, 2, 3, 3, 3, 4, 1, 3 4 = 1 4 = 0,25 r 12 = 2 Max 2,5,2,3,1,3,2,2,2,5,3,1,1,2,2 = 2 5 = 0,4 r 13 = 3 Max 3,4,4,3,5,4,5,3,4,3,4,4,4,3,4 = 3 5 =0,6 r 14 = 3 Max 3,4,4,5,3,3,4,2,3,5,4,1,3,4,5 = 3 5 =0,6 r 15 = 5 Max 5,5,5,2,5,5,5,2,5,5,5,5,5,5,5 = 5 5 =1 Untuk A 2 , Maka : r 21 = Min 4,3,5,5,4,3,4,5,2,3,3,3,4,1,3 3 = 1 3 = 0,33 r 22 = 5 Max 2,5,2,3,1,3,2,2,2,5,3,1,1,2,2 = 5 5 = 1 r 23 = 4 Max 3,4,4,3,5,4,5,3,4,3,4,4,4,3,4 = 4 5 =0,8 r 24 = 4 Max 3,4,4,5,3,3,4,2,3,5,4,1,3,4,5 = 4 5 =0,8 r 25 = 5 Max 5,5,5,2,5,5,5,2,5,5,5,5,5,5,5 = 5 5 =1 Untuk A 3 , Maka : r 31 = Min 4,3,5,5,4,3,4,5,2,3,3,3,4,1,3 5 = 1 5 = 0,2 r 32 = 2 Max 2,5,2,3,1,3,2,2,2,5,3,1,1,2,2 = 2 5 =0,4 r 33 = 4 Max 3,4,4,3,5,4,5,3,4,3,4,4,4,3,4 = 4 5 =0,8 r 34 = 4 Max 3,4,4,5,3,3,4,2,3,5,4,1,3,4,5 = 4 5 =0,8 r 35 = 5 Max 5,5,5,2,5,5,5,2,5,5,5,5,5,5,5 = 5 5 =1 Universitas Sumatera Utara Untuk A 4 , Maka : r 41 = Min 4, 3, 5, 5, 4, 3, 4, 5, 2, 3, 3, 3, 4, 1, 3 5 = 1 5 = 0,2 r 42 = 3 Max 2,5,2,3,1,3,2,2,2,5,3,1,1,2,2 = 3 5 =0,6 r 43 = 3 Max 3,4,4,3,5,4,5,3,4,3,4,4,4,3,4 = 3 5 =0,6 r 44 = 5 Max 3,4,4,5,3,3,4,2,3,5,4,1,3,4,5 = 5 5 =1 r 45 = 2 Max 5,5,5,2,5,5,5,2,5,5,5,5,5,5,5 = 2 5 =0,4 Untuk A 5 , Maka : r 51 = Min 4,3,5,5,4,3,4,5,2,3,3,3,4,1,3 4 = 1 4 = 0,25 r 52 = 1 Max 2,5,2,3,1,3,2,2,2,5,3,1,1,2,2 = 1 5 =0,2 r 53 = 5 Max 3,4,4,3,5,4,5,3,4,3,4,4,4,3,4 = 5 5 =1 r 54 = 3 Max 3,4,4,5,3,3,4,2,3,5,4,1,3,4,5 = 3 5 =0,6 r 55 = 5 Max 5,5,5,2,5,5,5,2,5,5,5,5,5,5,5 = 5 5 =1 Untuk A 6 , Maka : r 61 = Min 4, 3, 5, 5, 4, 3, 4, 5, 2, 3, 3, 3, 4, 1, 3 3 = 1 3 = 0,33 r 62 = 3 Max 2,5,2,3,1,3,2,2,2,5,3,1,1,2,2 = 3 5 =0,6 r 63 = 4 Max 3,4,4,3,5,4,5,3,4,3,4,4,4,3,4 = 4 5 =0,8 r 64 = 3 Max 3,4,4,5,3,3,4,2,3,5,4,1,3,4,5 = 3 5 =0,6 r 65 = 5 Max 5,5,5,2,5,5,5,2,5,5,5,5,5,5,5 = 5 5 =1 Untuk A 7 , Maka : r 71 = Min 4,3,5,5,4,3,4,5,2,3,3,3,4,1,3 3 = 1 4 = 0,25 r 72 = 2 Max 2,5,2,3,1,3,2,2,2,5,3,1,1,2,2 = 2 5 = 0,4 r 73 = 5 Max 3,4,4,3,5,4,5,3,4,3,4,4,4,3,4 = 5 5 =1 r 74 = 2 Max 3,4,4,5,3,3,4,2,3,5,4,1,3,4,5 = 4 5 =0,8 Universitas Sumatera Utara r 75 = 5 Max 5,5,5,2,5,5,5,2,5,5,5,5,5,5,5 = 5 5 =1 Untuk A 8 , Maka : r 81 = Min 4, 3, 5, 5, 4, 3, 4, 5, 2, 3, 3, 3, 4, 1, 3 4 = 1 5 = 0,2 r 82 = 2 Max 2,5,2,3,1,3,2,2,2,5,3,1,1,2,2 = 2 5 =0,4 r 83 = 3 Max 3,4,4,3,5,4,5,3,4,3,4,4,4,3,4 = 3 5 =0,6 r 84 = 2 Max 3,4,4,5,3,3,4,2,3,5,4,1,3,4,5 = 2 5 =0,4 r 85 = 2 Max 5,5,5,2,5,5,5,2,5,5,5,5,5,5,5 = 2 5 =0,4 Untuk A 9 , Maka : r 91 = Min 4,3,5,5,4,3,4,5,2,3,3,3,4,1,3 2 = 1 2 = 0,5 r 92 = 2 Max 2,5,2,3,1,3,2,2,2,5,3,1,1,2,2 = 2 5 = 0,4 r 93 = 3 Max 3,4,4,3,5,4,5,3,4,3,4,4,4,3,4 = 4 5 =0,8 r 94 = 3 Max 3,4,4,5,3,3,4,2,3,5,4,1,3,4,5 = 3 5 =0,6 r 95 = 5 Max 5,5,5,2,5,5,5,2,5,5,5,5,5,5,5 = 5 5 =1 Untuk A 10 , Maka : r 101 = Min 4,3,5,5,4,3,4,5,2,3,3,3,4,1,3 3 = 1 3 = 0,33 r 102 = 5 Max 2,5,2,3,1,3,2,2,2,5,3,1,1,2,2 = 5 5 = 1 r 103 = 3 Max 3,4,4,3,5,4,5,3,4,3,4,4,4,3,4 = 3 5 =0,6 r 104 = 5 Max 3,4,4,5,3,3,4,2,3,5,4,1,3,4,5 = 5 5 =1 r 105 = 5 Max 5,5,5,2,5,5,5,2,5,5,5,5,5,5,5 = 5 5 =1 Untuk A 11 , Maka : r 111 = Min 4,3,5,5,4,3,4,5,2,3,3,3,4,1,3 3 = 1 3 = 0,33 r 112 = 3 Max 2,5,2,3,1,3,2,2,2,5,3,1,1,2,2 = 3 5 = 0,6 Universitas Sumatera Utara r 113 = 4 Max 3,4,4,3,5,4,5,3,4,3,4,4,4,3,4 = 4 5 =0,8 r 114 = 4 Max 3,4,4,5,3,3,4,2,3,5,4,1,3,4,5 = 4 5 =0,8 r 115 = 5 Max 5,5,5,2,5,5,5,2,5,5,5,5,5,5,5 = 5 5 =1 Untuk A 12 , Maka : r 121 = Min 4,3,5,5,4,3,4,5,2,3,3,3,4,1,3 3 = 1 3 = 0,33 r 122 = 1 Max 2,5,2,3,1,3,2,2,2,5,3,1,1,2,2 = 1 5 = 0,2 r 123 = 4 Max 3,4,4,3,5,4,5,3,4,3,4,4,4,3,4 = 4 5 =0,8 r 124 = 1 Max 3,4,4,5,3,3,4,2,3,5,4,1,3,4,5 = 1 5 =0,2 r 125 = 5 Max 5,5,5,2,5,5,5,2,5,5,5,5,5,5,5 = 5 5 =1 Untuk A 13 , Maka : r 131 = Min 4,3,5,5,4,3,4,5,2,3,3,3,4,1,3 4 = 1 4 = 0,25 r 132 = 1 Max 2,5,2,3,1,3,2,2,2,5,3,1,1,2,2 = 1 5 = 0,2 r 133 = 4 Max 3,4,4,3,5,4,5,3,4,3,4,4,4,3,4 = 4 5 =0,8 r 134 = 3 Max 3,4,4,5,3,3,4,2,3,5,4,1,3,4,5 = 3 5 =0,6 r 135 = 5 Max 5,5,5,2,5,5,5,2,5,5,5,5,5,5,5 = 5 5 =1 Untuk A 14 , Maka : r 141 = Min 4, 3, 5, 5, 4, 3, 4, 5, 2, 3, 3, 3, 4, 1, 3 1 = 1 1 = 1 r 142 = 2 Max 2,5,2,3,1,3,2,2,2,5,3,1,1,2,2 = 2 5 =0,4 r 143 = 3 Max 3,4,4,3,5,4,5,3,4,3,4,4,4,3,4 = 3 5 =0,6 r 144 = 4 Max 3,4,4,5,3,3,4,2,3,5,4,1,3,4,5 = 4 5 =0,8 r 145 = 5 Max 5,5,5,2,5,5,5,2,5,5,5,5,5,5,5 = 5 5 =1 Universitas Sumatera Utara Untuk A 15 , Maka : r 151 = Min 4,3,5,5,4,3,4,5,2,3,3,3,4,1,3 3 = 1 3 = 0,33 r 152 = 2 Max 2,5,2,3,1,3,2,2,2,5,3,1,1,2,2 = 2 5 = 0,4 r 153 = 4 Max 3,4,4,3,5,4,5,3,4,3,4,4,4,3,4 = 4 5 =0,8 r 154 = 5 Max 3,4,4,5,3,3,4,2,3,5,4,1,3,4,5 = 5 5 =1 r 155 = 5 Max 5,5,5,2,5,5,5,2,5,5,5,5,5,5,5 = 5 5 =1 8. Membuat normalisasi matriks R yang diperoleh dari hasil normalisasi matriks X sebagai berikut : 0,25 0,4 0,6 0,6 1 0,33 1 0,8 0,8 1 0,2 0,4 0,8 0.8 1 0,2 0,6 0,6 1 0,4 0,25 0,2 1 0,6 1 0,33 0,6 0,8 0,6 1 R = 0,25 0,4 1 0,8 1 0,2 0,4 0,6 0,4 0,4 0,5 0,4 0,8 0,6 1 0,33 1 0,6 1 1 0,33 0,6 0,8 0,8 1 0,33 0,2 0,8 0,2 1 0,25 0,2 0,8 0,6 1 1 0,4 0,6 0,8 1 0,33 0,4 0,8 1 1 9. Setelah nilai alternatif di setiap kriteria dinormalkan, Selanjutnya akan dibuat perkalian matriks W j R dan penjumlahan hasil perkalian untuk memperoleh alternatif terbaik dengan melakukan perangkingan nilai terbesar sebagai berikut : � = . =1 � Universitas Sumatera Utara W j = {4, 4, 3, 5, 5} V 1 = 40,25 + 40,4 + 30,6 + 50,6 + 51 = 12,4 V 2 = 40,33 + 41 + 30,8 + 50,8 + 51 = 16,72 V 3 = 40,2 + 40,4 + 30,8 + 50,8 + 51 = 13,8 V 4 = 40,2 + 40,6 + 30,6 + 51 + 50,4 = 12 V 5 = 40,25 + 40,2 + 31 + 50,6 + 51 = 12,8 V 6 = 40,33 + 40,6 + 30,8 + 50,6 + 51 = 14,12 V 7 = 40,25 + 40,4 + 31 + 50,8 + 51 = 14,6 V 8 = 40,2 + 40,4 + 30,6 + 50,4 + 50,4 = 8,2 V 9 = 40,5 + 40,4 + 30,8 + 50,6 + 51 = 14 V 10 = 40,33 + 41 + 30,6 + 51 + 51 = 17,12 V 11 = 40,33 + 40,6 + 30,8 + 50,8 + 51 = 15,12 V 12 = 40,33 + 40,2 + 30,8 + 50,2 + 51 = 10,52 V 13 = 40,25 + 40,2 + 30,8 + 50,6 + 51 = 12,2 V 14 = 41 + 40,4 + 30,6 + 50,8 + 51 = 16,4 V 15 = 40,33 + 40,4 + 30,8 + 51 + 51 = 15,32 Hasil penilaian akhir tiap alternatif ini yang dijadikan acuan dalam menentukan kelayakan calon TKI ke Luar Negeri. Hasil penilaian akhir dapat juga dirangkum di dalam sebuah tabel yang dapat.dilihat pada Tabel 4.9. Universitas Sumatera Utara Tabel 4.9. Tabel Rangking Metode SAW Alternatif Nilai Rangking Yunita 17,12 1 Siska Sibagariang 16,72 2 Della Ria 16,4 3 Deni Ananda 15,32 4 Desi Maulida 15,12 5 Muhammad ikhsan 14,6 6 Imam Perdana 14,12 7 Renata Ulina Ginting 14 8 Reni Ramadhani 13,8 9 Rony Koto 12,8 10 Indah Pratiwi 12,4 11 Utami Sari 12,2 12 Sinta Maulida 12 13 Fitri Simarmata 10,52 14 Anissa 8,2 15 4.1.2. Implementasi Metode Simple Multi Attribute Rating Technique SMART Langkah-langkah yang dilakukan untuk melakukan penentuan kelayakan calon TKI ke Luar Negeri menggunakan metode SMART adalah sebagai berikut : 1. Menentukan tujuan, kriteria, dan alternatif. Tujuan : Menentukan kelayakan calon TKI ke Luar Negeri. Kriteria : Usia C1, Pendidikan Terakhir C2, Tinggi Badan C3, Nilai Tes C4 dan Medical Check Up MCU C5. Alternatif : Indah Pratiwi, Siska Sibagariang, Reni Ramadhani, Sinta Maulida, Rony Koto, Imam Perdana, Muhammad Ikhsan, Anissa, Renata Ulina Ginting, Yunita, Desi Maulida, Fitri Simarmata, Utami Sari, Della Ria, Deni Ananda. 2. Menentukan Rating kecocokan dari setiap alternatif pada setiap kriteria. Rating kecocokan setiap alternatif pada setiap kriteria, dinilai dari 0 sampai 1 seperti terlihat pada tabel 4.10. Universitas Sumatera Utara Tabel 4.10. Rating Kecocokan Rating Kecocokan Nilai Nilai Utiliti Sangat Buruk 1 Buruk 2 0,3 Cukup 3 0,5 Baik 4 0,8 Sangat Baik 5 1 3. Pengambil keputusan melakukan Set utiliti skala pembobotan yaitu : 0 sampai 1 dapat dilihat pada tabel 4.11. Tabel 4.11. Set Utiliti Skala Pembobotan No Nama Usia Tahun Pendidikan Terakhir Tinggi Badan Nilai Tes Medical Check Up MCU 1 Indah Pratiwi 0,8 0,3 0,5 0,5 1 2 Siska Sibagariang 0,5 1 0,8 0,8 1 3 Reni Ramadhani 1 0,3 0,8 0,8 1 4 Sinta Maulida 1 0,5 0,5 1 0,3 5 Rony Koto 0,8 1 0,5 1 6 Imam Perdana 0,5 0,5 0,8 0,5 1 7 Muhammad ikhsan 0,8 0,3 1 0,8 1 8 Anissa 1 0,3 0,8 0,3 0,3 9 Renata Ulina Ginting 0,3 0,3 0,8 0,5 1 10 Yunita 0,5 1 0,5 1 1 11 Desi Maulida 0,5 0,5 0,8 0,8 1 12 Fitri Simarmata 0,5 0,8 1 13 Utami Sari 0,8 0,8 0,5 1 Universitas Sumatera Utara 4. Pengambil keputusan menentukan tingkat kepentingan kriteria W j . Hal ini perlu dilakukan untuk dapat memberikan bobot pada setiap kriteria. Karena bobot yang diberikan pada kriteria akan bergantung pada perangkingan kriteria. Tingkat kepentingan kriteria dapat dilihat pada tabel 4.12. Tabel 4.12. Tingkat Kepentingan Kriteria Kepentingan Kriteria 1 Medical Check Up 2 Nilai tes 3 Usia 4 Pendidikan Terakhir 5 Tinggi badan 5. Pengambil keputusan melakukan pembobotan berdasarkan kriteria paling penting, dimana dilakukan perbandingan kriteria medical check up MCU dengan kriteria lainnya. Kriteria medical check up MCU yang dianggap paling penting diberikan nilai 100, yang dapat dilihat pada tabel 4.13. Tabel 4.13. Bobot Pada Kriteria Paling Penting Kriteria Bobot Medical Check Up 100 Nilai tes 90 Usia 70 Pendidikan Terakhir 60 Tinggi badan 20 Jumlah 340 Normalisasi bobot kriteria berdasarkan kriteria paling penting, dimana jumlah dibagikan dengan setiap bobot dan dapat dilihat pada tabel 4.14. 14 Della Ria 0,3 0,5 0,8 1 15 Deni Ananda 0,5 0,3 0,8 1 1 Universitas Sumatera Utara Tabel 4.14. Normalisasi Bobot Kriteria Bobot Bobot Relatif W j Medical Check Up 100340 0,294 Nilai tes 90340 0,265 Usia 70340 0,206 Pendidikan Terakhir 60340 0,176 Tinggi badan 20340 0,059 6. Pengambil keputusan melakukan pembobotan berdasarkan kriteria paling tidak penting, yang dapat dilihat pada tabel 4.15. Tabel 4.15. Bobot Pada Kriteria Paling Tidak Penting Kriteria Bobot Medical Check Up 85 Nilai tes 75 Usia 50 Pendidikan Terakhir 30 Tinggi badan 10 Jumlah 250 Normalisasi bobot kriteria berdasarkan kriteria paling tidak penting dimana jumlah dibagikan dengan setiap bobot dan dapat dilihat pada tabel 4.16. Tabel 4.16. Normalisasi Bobot Kriteria Bobot Bobot Relatif W j Medical Check Up 85250 0,340 Nilai tes 75250 0,300 Usia 50250 0,200 Pendidikan Terakhir 30250 0,120 Tinggi badan 10250 0,040 Universitas Sumatera Utara 7. Pengambil keputusan melakukan pembobotan rata-rata dari kedua normalisasi, yang dapat dilihat pada tabel 4.17. Tabel 4.17. Bobot Rata-Rata Kriteria Bobot Relatif 1 W j1 Bobot Relatif 2 W j2 Bobot Rata-Rata W j Medical Check Up 0,294 0,340 0,317 Nilai tes 0,265 0,300 0,283 Usia 0,206 0,200 0,203 Pendidikan Terakhir 0,176 0,120 0,148 Tinggi badan 0,059 0,040 0,050 8. Pengambil keputusan menghitung nilai utiliti semua alternatif setiap kriteria, yang dapat dilihat pada tabel 4.18. �� �� . � =1 Tabel 4.18. Nilai Utiliti Semua Alternatif Setiap Kriteria Alternatif Kriteria Medical Check Up W Medical Check Up Nilai Tes W Nilai Tes Usia W Usia Pendidikan Terakhir W P.Terakhir Tinggi Badan W Tinggi Badan Jlh Indah 1 0,317 0,5 0,283 0,8 0,203 0,3 0,148 0,5 0,050 0,6903 Siska 1 0,317 0,8 0,283 0,5 0,203 1 0,148 0,8 0,050 0,8329 Reni 1 0,317 0,8 0,283 1 0,203 0,3 0,148 0,8 0,050 0,8308 Sinta 0,3 0,317 1 0,283 1 0,203 0,5 0,148 0,5 0,050 0,6801 Rony 1 0,317 0,5 0,283 0,8 0,203 0,148 1 0,050 0,6709 Imam 1 0,317 0,5 0,283 0,5 0,203 0,5 0,148 0,8 0,050 0,674 Muhammad Ikhsan 1 0,317 0,8 0,283 0,8 0,203 0,3 0,148 1 0,050 0,8002 Anissa 0,3 0,317 0,3 0,283 1 0,203 0,3 0,148 0,8 0,050 0,4674 Renata ulina 1 0,317 0,5 0,283 0,3 0,203 0,3 0,148 0,8 0,050 0,6038 Yunita 1 0,317 1 0,283 0,5 0,203 1 0,148 0,5 0,050 0,8745 Desi maulida 1 0,317 0,8 0,283 0,5 0,203 0,5 0,148 0,8 0,050 0,7589 Fitri 1 0,317 0,283 0,5 0,203 0,148 0,8 0,050 0,4585 Utami Sari 1 0,317 0,5 0,283 0,8 0,203 0,148 0,8 0,050 0,6609 Della Ria 1 0,317 0,8 0,283 0,203 0,3 0,148 0,5 0,050 0,6128 Deni Ananda 1 0,317 1 0,283 0,5 0,203 0,3 0,148 0,8 0,050 0,7859 Universitas Sumatera Utara Hasil penilaian akhir tiap alternatif ini yang dijadikan acuan dalam menentukan kelayakan calon TKI ke Luar Negeri. Hasil penilaian akhir dapat juga dirangkum di dalam sebuah tabel yang dapat.dilihat pada Tabel 4.19. Hasil Akhir Rangking Metode SMART Tabel 4.19. Tabel Rangking Metode SMART Alternatif Nilai Rangking Yunita 0,8745 1 Siska Sibagariang 0,8329 2 Reni Ramadhani 0,8308 3 Muhammad Ikhsan 0,8002 4 Deni Ananda 0,7859 5 Desi Maulida 0,7589 6 Indah Pratiwi 0,6903 7 Sinta Maulida 0,6801 8 Imam Perdana 0,674 9 Rony Koto 0,6709 10 Utami Sari 0,6609 11 Della Ria 0,6128 12 Renata Ulina Ginting 0,6038 13 Annisa 0,4674 14 Fitri Simarmata 0,4585 15 Universitas Sumatera Utara

4.2. Pengujian Sistem