Pendekatan Axiomatic Design dalam Fuzzy Multi Criteria Decision Making

MULTI CRITERIA DECISION MAKING

TESIS

Oleh

YASOHATI SARUMAHA

107038008/TINF

PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI

INFORMASI

UNIVERSITAS SUMATERA UTARA

M E D A N

PENDEKATAN AXIOMATIC DESIGN DALAM FUZZY MULTI CRITERIA DECISION MAKING

TESIS

Diajukan sebagai salah satu syarat untuk memperoleh gelar Magister Komputer dalam Program Studi Teknik Informatika

Pada Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara

Oleh

YASOHATI SARUMAHA 107038008/TINF

PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI

INFORMASI

UNIVERSITAS SUMATERA UTARA

M E D A N

PENGESAHAN TESIS

Judul Tesis : PENDEKATAN AXIOMATIC DESIGN

DALAM FUZZY MULTI CRITERIA DECISION MAKING

Nama Mahasiswa : YASOHATI SARUMAHA

Nomor Induk Mahasiswa : 107038008

Program Studi : Magister Teknik Informatika

Fakultas : Ilmu Komputer Dan Teknologi Informasi

Universitas Sumatera Utara

Menyetujui Komisi Pembimbing

Dr. Erna Budhiarti Nababan, MIT Prof. Dr. Tulus, Vor.Dipl.Math., M.Si

Anggota Ketua

Ketua Program Studi, D e k a n,

Prof. Dr. Muhammad Zarlis Prof. Dr. Muhammad Zarlis NIP. 19570701 198601 1 003 NIP. 19570701 198601 1 003

PENDEKATAN

AXIOMATIC DESIGN

DALAM

FUZZY

MULTI CRITERIA DECISION MAKING

T E S I S

Dengan ini saya nyatakan bahwa saya mengakui semua karya tesis ini adalah hasil kerja saya sendiri kecuali kutipan dan ringkasan yang tiap satunya dijelaskan sumbernya dengan benar.

Medan, 10 Juli 2012

YASOHATI SARUMAHA NIM. 107038008

PERNYATAAN PERSETUJUAN PUBLIKASI

KARYA ILMIAH UNTUK KEPENTINGAN

AKADEMIS

Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan dibawah ini:

N a m a : YASOHATI SARUMAHA

N I M : 107038008

Program Studi : Teknik Informatika Jenis Karya Ilmiah : Tesis

Dengan pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Ekslusif (Non Exlusive Royalti Free Right) atas Tesis yang berjudul:

PENDEKATAN AXIOMATIC DESIGN DALAM FUZZY MULTI CRITERIA DECISION MAKING

Beserta software yang ada. Dengan Hak Bebas Royalti Non-Ekslusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk data-base, merawat dan mempublikasikan Tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan atau sebagai pemilik hak cipta.

Demikian pernyataan ini dibuat dengan sebenarnya.

Medan, 10 Juli 2012

YASOHATI SARUMAHA NIM. 107038008

Telah diuji pada Tanggal : 10 Juli 2012

PANITIA PENGUJI TESIS

Ketua : Prof. Dr. Muhammad Zarlis Anggota : 1. Dr. Sutarman, M.Sc

2.Prof. Dr. Herman Mawengkang 3.Prof. Dr. Tulus, Vor.Dipl.Math., M.Si 4.Dr. Erna Budhiarti Nababan, MIT

RIWAYAT HIDUP

DATA PRIBADI

Nama lengkap berikut gelar : Yasohati Sarumaha, S.Kom Tempat dan Tanggal lahir : Hilisataro, 10 Juli 1982

Alamat Rumah : Jl. SM. Raja No. 362-A Medan Nomor Handphone : 081361053600

e-mail : yas_sarumaha@yahoo.com

Instansi Tempat Bekerja : DIKPORA Kabupaten Deli Serdang Alamat Kantor : Jl. Kolam No. 3 Medan Estate

Telepon/Fax : (061) 7357932

DATA PENDIDIKAN

SD : SD Negeri 074070 Hilisataro II Tamat : 1994 SMP : SMP Negeri Hilisataro (Sekarang SMP Negeri 1 Toma) Tamat : 1997 SMA : STM Swt Dwiwarna Medan (Elektronika Komunikasi) Tamat : 2000 Strata-1 : Teknik Informatika STMIK Logika Medan Tamat : 2006 Akta-IV : Universitas Negeri Medan Tamat : 2008 Strata-2 : Teknik Informatika Fasilkom-TI USU Tamat : 2012

CRITERIA DECISION MAKING

ABSTRAK

Untuk menghasilkan keputusan yang objektif dengan mempertimbangkan beberapa alternatif dan kriteria yang bersifat fuzzy dibutuhkan suatu pendekatan untuk merepresentasikan keadaan fuzzy tersebut. Dalam penelitian ini FMCDM dengan axiomatic design digunakan untuk mengukur sejauh mana alternatif dapat memenuhi kebutuhan fungsional yang diharapkan pada setiap kriterianya. Metode

axiomatic design selama ini banyak diimplementasikan dalam menyeleksi alternatif. Pada penelitian ini penulis mengimplementasikan axiomatic design

pada FMCDM dalam mengukur kinerja guru untuk melihat dan mengukur sejauh mana setiap alternatif dapat memenuhi functional requirements dari banyak kriteria yang diberikan sehingga didapatkan suatu pendukung keputusan yang objektif.

Keywords : axiomatic design, FMCDM, functional requirement, information content, system range, system area, common area, decision range.

MULTI CRITERIA DECISION MAKING

ABSTRACT

An approach is needed to represent the fuzzy condition in making an objective decision by considering some fuzzy alternatives and criteria. In this research, FMCDM and axiomatic design are used to measure how the alternatives could fulfill the expecting functional requirements of every criteria. Axiomatic Design method is usually implemented in selecting alternatives. In this research author is implemented axiomatic design is implemented in FMCDM to measure the performance of a teacher and how every alternative could fulfill the functional requirement of some given criteria in order to get an objective supporting decision.

Keywords : axiomatic design, FMCDM, functional requirement, information content, system range, system area, common area, decision range.

KATA PENGANTAR i

ABSTRAK iii

ABSTRACT iv

DAFTAR ISI v

DAFTAR TABEL viii

DAFTAR GAMBAR ix

DAFTAR LAMPIRAN xi

BAB IPENDAHULUAN ...1

1.1 Latar Belakang ...1

1.2 Rumusan Masalah ...3

1.3 Batasan Masalah ...3

1.4 Tujuan Penelitian ...4

1.5 Manfaat Penelitian ...5

BAB II TINJAUAN TEORITIS ...6

2.1 Sistem Pendukung Keputusan ...6

2.2 Metode Fuzzy ...6

2.3 Multi Criteria Decision Making ...8

2.3.1 Klasifikasi Metode MCDM 9 2.3.2 Klasifikasi Solusi MCDM 10 2.4 Fuzzy Multi Criteria Decision Making (FMCDM)...10

2.4.1 Representasi Masalah 11 2.4.2 Evaluasi Himpunan Fuzzy 11 2.4.3 Seleksi Alternatif yang Optimal 12 2.5 Axiomatic Design (Desain Aksiomatis) ...12

2.6 Penelitian Terkait ...17

BAB III METODOLOGI PENELITIAN ...20

3.1 Pendahuluan ...20

3.3.3 Bagan Alir Penelitian 22

3.3.4 Representasi Masalah 23

3.3.5 Evaluasi Himpunan Fuzzy 30

3.3.6 Desain Functional Requirements 31

3.4 Penilaian ...32

3.3.1 Functional Requirements 32

3.3.2 Agregasi Penilaian 35

3.3.3 Common Area dan Information Content 39 3.5 Perancangan Sistem Penilaian ...46

3.3.1 Perancangan Input Objek Penilaian 46

3.5.1 Perancangan Input Parameter 48

3.5.2 Perancangan Input Triangular Fuzzy Number 49 3.5.3 Perancangan Input Functional Requirements 50 3.5.4 Perancangan Input Alternatif Penilaian 51

3.5.5 Perancangan Input Penilaian 52

3.5.6 Perancangan Hasil Penilaian 53

BAB IV HASIL DAN PEMBAHASAN ...56 4.1 Pendahuluan ...56 4.2 Hasil ...

4.2.1 Entry Objek Penilaian 57

4.2.2 Entry Parameter 57

4.2.3 Entry Triangular Fuzzy Number 58

4.2.4 Entry Functional Requirements 59

4.2.5 Entry Alternatif Penilaian 59

4.2.6 Entry Pendapat Para Penilai 60

4.2.7 Tampilan Hasil Agregasi 63

4.2.8 Tampilan Hasil Axiomatic Design 64

5.2 Saran...72

DAFTAR PUSTAKA LAMPIRAN

Hal

Tabel 2.1. Teknik-teknik yang sudah digunakan ... 17

Tabel 3.1. Variabel linguistik dan system range ... 30

Tabel 3.2. Decisionrange dari Functional Requirements ... 31

Tabel 3.3. Functional Requirements dalam istilah linguistik ... 33

Tabel 3.4. Functional Requirements dalam variabel linguistik ... 33

Tabel 3.5. Nilai Functional Requirements ... 33

Tabel 3.6. Penilaian guru G1 dalam istilah linguistik ... 36

Tabel 3.7. Penilaian guru G1 dalam variable linguistik ... 36

Tabel 3.8. Agregasi Penilaian Alternatif G1 ... 36

Tabel 4.1. Penilaian yang diberikan Penilai DM1 ... 60

Tabel 4.2. Penilaian yang diberikan Penilai DM2 ... 61

Tabel 4.3. Penilaian yang diberikan Penilai DM3 ... 62

Tabel 4.4. Nilai Pemenuhan Functional Requirements Setiap Parameter ... 70

DAFTAR GAMBAR

Hal

Gambar 2.1. Konsep black box ... 7

Gambar 2.2. Design range, system range, and common range ... 14

Gambar 2.3. Konsep Axiomatic Design (Suh, 2001) ... 16

Gambar 3.1. Bagan Alir Penelitian ... 23

Gambar 3.2. Struktur hirarki keputusan ... 29

Gambar 3.3. System Range dalam Variabel Linguistik... 30

Gambar 3.4. Decision Range dalam TFN ... 31

Gambar 3.5. Desain Decision Range parameter C1 dan C2 ... 34

Gambar 3.6. Desain Decision Range parameter C3 ... 34

Gambar 3.7. Desain Decision Range parameter C3 ... 35

Gambar 3.8. Desain Decision Range parameter C5 ... 35

Gambar 3.9. Desain SystemRange Agregasi Penilaian Parameter C1 ... 37

Gambar 3.10. Desain SystemRange Agregasi Penilaian Parameter C2 ... 37

Gambar 3.11. Desain SystemRange Agregasi Penilaian Parameter C3 ... 38

Gambar 3.12. Desain SystemRange Agregasi Penilaian Parameter C4 ... 38

Gambar 3.13. Desain SystemRange Agregasi Penilaian Parameter C4 ... 39

Gambar 3.14. Common area untuk parameter C1 ... 39

Gambar 3.15. Common area untuk parameter C1 ... 40

Gambar 3.16. Common area untuk parameter C2 ... 41

Gambar 3.17. Common area untuk parameter C3... 42

Gambar 3.18. Common area untuk parameter C4 ... 43

Gambar 3.19. Common area untuk parameter C5 ... 44

Gambar 3.20. Perancangan Sistem Penilaian ... 46

Gambar 3.25. Rancangan Input Alternatif Penilaian ... 51

Gambar 3.26. Rancangan Input Penilaian ... 52

Gambar 3.27. Rancangan Tampilan Hasil Penilaian ... 54

Gambar 4.1. Tampilan Entry Objek Penilaian ... 57

Gambar 4.2. Tampilan Entry Parameter ... 58

Gambar 4.3. Tampilan Entry Triangular Fuzzy Number ... 58

Gambar 4.4. Tampilan Entry Functional Requirements ... 59

Gambar 4.5. Tampilan Entry Alternatif Penilaian ... 59

Gambar 4.6. Tampilan Entry Penilaian ... 60

Gambar 4.7. Hasil penilaian Penilai DM1 dalam TFN ... 61

Gambar 4.8. Hasil penilaian Penilai DM2 dalam TFN ... 62

Gambar 4.9. Hasil penilaian Penilai DM2 dalam TFN ... 63

Gambar 4.10. Hasil rata-rata agregasi penilaian dalam TFN ... 63

Gambar 4.11. Tampilan Hasil Axiomatic Design... 64

Gambar 4.12. Tampilan Hasil Common Area ... 64

Gambar 4.13. Tampilan Hasil System Area ... 65

Gambar 4.14. Tampilan Hasil Information content ... 65

Gambar 4.15. Tampilan Hasil Total Information content ... 66

Gambar 4.16. Tampilan Hasil Akhir ... 66

Gambar 4.17. Alternatif G2 Untuk Parameter C4... 68

Gambar 4.18. Alternatif G6 Untuk Parameter C4... 68

CRITERIA DECISION MAKING

ABSTRAK

Untuk menghasilkan keputusan yang objektif dengan mempertimbangkan beberapa alternatif dan kriteria yang bersifat fuzzy dibutuhkan suatu pendekatan untuk merepresentasikan keadaan fuzzy tersebut. Dalam penelitian ini FMCDM dengan axiomatic design digunakan untuk mengukur sejauh mana alternatif dapat memenuhi kebutuhan fungsional yang diharapkan pada setiap kriterianya. Metode

axiomatic design selama ini banyak diimplementasikan dalam menyeleksi alternatif. Pada penelitian ini penulis mengimplementasikan axiomatic design

pada FMCDM dalam mengukur kinerja guru untuk melihat dan mengukur sejauh mana setiap alternatif dapat memenuhi functional requirements dari banyak kriteria yang diberikan sehingga didapatkan suatu pendukung keputusan yang objektif.

Keywords : axiomatic design, FMCDM, functional requirement, information content, system range, system area, common area, decision range.

MULTI CRITERIA DECISION MAKING

ABSTRACT

An approach is needed to represent the fuzzy condition in making an objective decision by considering some fuzzy alternatives and criteria. In this research, FMCDM and axiomatic design are used to measure how the alternatives could fulfill the expecting functional requirements of every criteria. Axiomatic Design method is usually implemented in selecting alternatives. In this research author is implemented axiomatic design is implemented in FMCDM to measure the performance of a teacher and how every alternative could fulfill the functional requirement of some given criteria in order to get an objective supporting decision.

Keywords : axiomatic design, FMCDM, functional requirement, information content, system range, system area, common area, decision range.

PENDAHULUAN

1

1.1 LATAR BELAKANG

Seiring dengan perkembangan metode komputasi saat ini dalam memecahkan persoalan, banyak muncul metode pemecahan masalah baik itu dalam menyelesaikan masalah yang lama dengan metode baru maupun menggunakan metode lama untuk menyelesaikan masalah yang baru. Salah satunya dalam sistem pendukung keputusan (decision support system). Pada pengambilan suatu keputusan, pengambil keputusan harus mempertimbangkan alternatif yang menjadi faktor pendukung keberhasilan pengambilan keputusan sehingga menghasilkan keputusan yang optimal. Perkembangan metode sistem pendukung keputusan saat ini sangat pesat khususnya dalam melakukan suatu evaluasi. Ada beberapa metode yang digunakan untuk membantu dalam pengambilan keputusan terutama yang berdasarkan pada beberapa kriteria.

Dalam sejumlah publikasi, metode kuantitatif diadopsi untuk evaluasi kualitas dengan metode statistik peringkat sebagai alat penilaian yang paling banyak digunakan. Selain itu, metode lain seperti skala multidimensi dan korespondensi analisis, skor, metode indeks, teknologi soft computing dan multi kriteria pengambilan keputusan juga digunakan dalam menilai dan meningkatkan kualitas. Meskipun demikian, ada beberapa studi yang membandingkan kebutuhan pelanggan terhadap kinerja.

Ada beberapa keadaan yang mungkin dialami oleh pengambil keputusan ketika mengambil suatu keputusan, yaitu pengambilan keputusan dalam kepastian dimana semua alternatif diketahui secara pasti, pengambilan keputusan dalam berbagai tingkat resiko yang dipilih, pengambilan keputusan dalam kondisi ketidakpastian, dimana ada alternatif yang tidak diketahui dengan jelas.

Beberapa metode yang telah digunakan sebagai alat bantu dalam pendukung keputusan, salah satunya adalah Multi-Criteria Decision Making methods (MCDM). MCDM adalah sebuah metode yang mengacu pada proses

screening, prioritizing, ranking, atau memilih set alternatif (dalam hal ini dapat berupa “candidate” atau “action”) dengan kriteria yang bersifat independent,

incommensurate atau conflicting. MCDM sangat tepat untuk diimplementasikan pada kasus yang semua alternatif memiliki sejumlah kriteria, memiliki nilai nominal dan masing-masing kriteria memiliki bobot yang dapat dimanfaatkan sebagai sarana perbandingan.

MCDM berasumsi bahwa rating alternatif dan bobot dari kriteria bersifat

crisp. Namun tidak semua kasus memenuhi asumsi tersebut, sehingga pemikiran MCDM kurang tepat dan diperlukan sejumlah pemikiran baru serta pendekatan dengan metode lain. Pemikiran tersebut tertuang dalam konsep Fuzzy Multi-Criteria Decision Making (FMCDM), yang merupakan sebuah metode pengambilan keputusan yang mempertimbangkan beberapa alternatif dan kriteria pada sebuah situasi yang bersifat fuzzy. Demikian juga pendekatan dengan metode lain yang dikenal dengan axiomatic design.

Prinsip axiomatic design (Suh, 2001) menyediakan alat yang ampuh untuk mengukur seberapa baik kemampuan sistem merespon functional requirements. Metode-metode tersebut selama ini telah banyak diaplikasikan, diantaranya seperti dalam penelitian Thompson et al., (2009) tentang penerapan axiomatic design

untuk proses pendidikan, Cochran et al., (2000) tentang penerapan axiomatic design dan prinsip manajemen bersandar di lingkup segmentasi sistem produksi, Chen (2009) melakukan pemodelan FMCDM dalam penerimaan pegawai, Yu et al. (2004) menggunakan pendekatan FMCDM sebagai elternatif dalam mengevaluasi mekanisme perijinan, Ban (2011) menerapkan metode FMCDM untuk menentukan tujuan wisata yang terbaik; Wardoyo (2011) menerapkan FMCDM untuk diagnosis penyakit tropis.

Dalam kaitannya dengan pengambilan keputusan dari beberpa alternatif dengan banyak kriteria, serta informasi yang diberikan bersifat kualitatif, maka pada penelitian ini akan dicoba untuk menggunakan metode FMCDM dalam

melakukan fuzzyfikasi dari asumsi-asumsi yang diberikan oleh pengambil keputusan selanjutnya mentransformasikan hasil yang diperoleh tersebut dengan suatu pendekatan metode axiomatic design berdasarkan tingkat functional requirements yang diharapkan dari beberapa parameter alternatif yang dinilai.

1.2 RUMUSAN MASALAH

Dalam pengambilan keputusan dari beberapa alternatif dengan banyak kriteria, masih menghasilkan keputusan yang kurang objektif, selain dikarenakan oleh rating alternatif dan bobot dari kriteria yang bersifat crisp juga karena dilakukan oleh pengambil keputusan yang berbeda-beda. Adapun masalah yang akan diselesaikan pada penelitian ini adalah bagaimana menghasilkan keputusan yang objektif pada suatu pengambilan keputusan dengan banyak kriteria berdasarkan tingkat functional requirements yang diharapkan dari beberapa parameter alternatif yang dinilai.

1.3 BATASAN MASALAH

Selanjutnya masalah yang menjadi sasaran pokok penelitian dibatasi hanya pada hal berikut ini:

1. Metode fuzzyfikasi yang digunakan adalah fuzzy multi-criteria decision making (FMCDM).

2. Penggunaan FMCDM pada teknik pendekatan ini adalah untuk melakukan representasi masalah dan evaluasi himpunan fuzzy pada setiap alternatif keputusan sedangkan untuk melakukan defuzzyfikasi dikerjakan dengan teknik axiomatic design.

3. Teknik pendekatan axiomatic design digunakan untuk mendapatkan

information content yang terkandung dalam setiap parameter untuk masing-masing alternatif.

4. Tidak menghitung membership function untuk melakukan pemetaan titik-titik input data ke dalam nilai keanggotaan karena axiomatic design

menggunakan functional requirements yang juga dibentuk dalam

triangular fuzzy numbers (TFNs).

5. Nilai functional requirements yang diharapkan dari setiap parameter pada alternatif yang dinilai diberikan sesuai dengan kebutuhan atau harapan penilainya sendiri.

6. Nilai optimism/optimism value (µ) yang digunakan adalah 0,5. Nilai ini merujuk kepada jurnal yang ada. Terdapat 2 (dua) pendapat tentang penetapan optimism value, yaitu 0,5 (Buyukozkan, et al., 2009) dan 0,3708 (Macias, et al., 2009). Penulis menggunakan 0.5 karena makin kecil nilai

optimism value maka nilai informasi yang dihasilkan akan disajikan dalam angka-angka yang terlalu kecil.

7. Teknik yang dihasilkan akan digunakan untuk melakukan penilaian kinerja guru pada satuan pendidikan SMK Negeri 1 Percut Sei Tuan, dimana data yang diambil dalam studi kasus pada sekolah tersebut merupakan data tahun 2011.

8. Terdapat 5 (lima) parameter yang akan dijadikan penilaian terhadap kinerja guru dalam hal menguasai keterampilan dan kemampuan berikut ini:

a) Kemampuan membuat perencanaan dan persiapan mengajar, b) Penguasaan materi,

c) Penguasaan metode dan strategi mengajar, d) Kemampuan mengelola kelas,

e) Kemampuan melakukan penilaian dan evaluasi.

1.4 TUJUAN PENELITIAN

Tujuan dari penelitian ini adalah untuk mendapatkan suatu keputusan yang objektif berdasarkan tingkat functional requirements yang diharapkan dari parameter setiap alternatif dalam memenuhi kebutuhan fungsional yang diharapkan menggunakan teknik axiomatic design.

1.5 MANFAAT PENELITIAN

Adapun manfaat yang diharapkan pada penelitian ini sebagai berikut:

1. Memberikan kontribusi dalam penggunaan metode pendukung keputusan yang mendekati nilai ekspektasi untuk melakukan suatu penilaian.

2. Bahan pertimbangan bagi satuan pendidikan, organisasi dan perusahaan untuk menerapkan konsep fuzzy sebagai sistem pengambil keputusan. 3. Rekomendasi pemanfaatan logika fuzzy kepada satuan pendidikan ataupun

institusi lain dalam melakukan evaluasi terhadap penilaian kinerja.

4. Sumbangan pemikiran bagi berbagai pihak yang berminat dan ingin melakukan penelitian yang lebih lanjut mengenai masalah pengolahan data dalam sistem pengambil keputusan.

TINJAUAN PUSTAKA

2

2.1 SISTEM PENDUKUNG KEPUTUSAN

Sistem pendukung keputusan pertama kali diperkenalkan pada awal tahun 1970 oleh Michael S. Scott dengan istilah management decision system yang merupakan suatu sistem berbasis komputer yang membantu pengambilan keputusan dengan memanfaatkan data dan model-model untuk menyelesaikan masalah-masalah yang tidak terstruktur (Turban, 2005).

Menurut Surbakti (2002), sistem pendukung keputusan mendayagunakan

resources individu-individu secara intelek dengan kemampuan komputer untuk meningkatkan kualitas keputusan. Jadi ini merupakan sistem pendukung yang berbasis komputer untuk manajemen pengambilan keputusan yang berhubungan dengan masalah-masalah yang semi terstruktur.

Tujuan dari sistem pendukung keputusan adalah untuk membantu pengambil keputusan memilih berbagai alternatif keputusan yang merupakan pengolahan informasi-informasi yang diperoleh/tersedia dengan menggunakan model pengambilan keputusan. Ciri utama sekaligus keunggulan dari sistem pendukung keputusan tersebut adalah kemampuannya untuk menyelesaikan masalah-masalah yang tidak terstruktur (Surbakti, 2000).

2.2 METODE FUZZY

Metode fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output (Zadeh, 1995), seperti diilustrasikan pada Gambar 2.1 berikut.

Gambar 2.1. Konsep black box (Lotfi Zadeh, 1995)

Sering kali kita kehilangan informasi dalam memecahkan permasalahan di dunia nyata ke dalam komputer karena kualitas keahlian yang dimiliki oleh seorang pakar tidak bisa diformulasikan dalam angka yang pasti. Ada banyak alternatif yang dapat dipakai, seperti: logika fuzzy, sistem linier, sistem pakar, jaringan saraf tiruan, persamaan diferensial, database pemetaan, dan lain-lain.

Dari sekian banyak alternatif yang tersedia, logika fuzzy seringkali menjadi pilihan terbaik (Zadeh, 1995), yang dikenal sebagai “Bapak Logika Fuzzy”,

menyebutkan bahwa dalam hampir setiap kasus, anda dapat membangun produk yang sama tanpa logika fuzzy, tetapi fuzzy adalah lebih cepat dan lebih murah.

Dalam pembentukan suatu fuzzy set terdapat beberapa hal yang perlu diketahui, yaitu :

1. Variabel fuzzy, merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy.

Contoh : tinggi badan, temperatur, dan lain-lain.

2. Himpunan Fuzzy (Fuzzy set), merupakan suatu grup yang memiliki suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.

Contoh: Variabel tinggi badan memiliki himpunan “tinggi”, “sedang”, dan “rendah”.

3. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy.

Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan atau sebaliknya. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif.

Contoh semesta pembicaraan untuk variabel tinggi badan : [0 200]

4. Domain fuzzy set adalah keseluruhan nilai yang diizinkan dan boleh dioperasikan dalam suatu fuzzy set. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun negatif.

Contoh domain fuzzy set untuk variabel usia : a. Rendah = [0, 125]

b. Sedang = [110, 170] c. Tinggi = [155, 2].

Fuzzy set memiliki 2 (dua) atribut, yaitu :

1. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti : “tinggi”, “sedang”, dan “rendah”.

2. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel, seperti : 40, 25, 35.

2.3 MULTI CRITERIA DECISION MAKING

Multiple Criteria Decision Making (MCDM) adalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan. Berdasarkan tujuannya, MCDM dapat dibagi menjadi dua model yaitu Multi Attribute Decision Making (MADM); dan Multi Objective Decision Making

(MODM). Seringkali MCDM dan MADM digunakan untuk menerangkan kelas atau kategori yang sama.

MADM digunakan untuk menyelesaikan masalah-masalah dalam ruang diskret. Oleh karena itu, pada MADM biasanya digunakan untuk melakukan penilaian atau seleksi terhadap beberapa alternatif dalam jumlah yang terbatas. Sedangkan MODM digunakan untuk menyelesaikan masalah-masalah pada ruang kontinyu (seperti permasalahan pada pemrograman matematis). Secara umum dapat dikatakan bahwa, MADM menyeleksi alternartif terbaik dari sejumlah alternatif, sedangkan MODM merancang alternatif yang baik (Kusumadewi dkk, 2006).

Ada beberapa fitur umum yang akan digunakan dalam MCDM (Kusumadewi dkk, 2006), yaitu :

a. Alternatif, alternatif adalah obyek-obyek yang berbeda dan memiliki kesempatan yang sama untuk dipilih oleh pengambil keputusan.

b. Atribut, atribut sering juga disebut sebagai karakteristik komponen, atau kriteria keputusan. Meskipun pada kebanyakan kriteria bersifat satu level, namun tidak menutup kemungkinan adanya sub kriteria yang berhubungan dengan kriteria yang telah diberikan.

c. Konflik antar kriteria, beberapa kriteria biasanya mempunyai konflik antara satu dengan yang lainnya, misalnya kriteria keuntungan akan mengalami konflik dengan kriteria biaya.

d. Bobot keputusan, bobot keputusan menunjukkan kepentingan relatif dari setiap kriteria, W = (w1, w2, …, wn). Pada MCDM akan dicari bobot

kepentingan dari setiap kriteria.

e. Matriks keputusan, suatu matriks keputusan χ yang berukuran m × n, berisi elemen-elemen x_ij, yang merepresentasikan rating dari alternatif A_і (і=1,2,…,m) terhadap kriteria Cј(j=1,2,…,n).

2.3.1 Klasifikasi Metode MCDM

Ada beberapa cara dalam mengklasifikasikan metode MCDM. Menurut tipe data yang digunakan, MCDM dapat dibagi berdasarkan tipe data deterministik, stokastik atau fuzzy.

Berdasarkan jumlah pengambil keputusan yang terlibat dalam proses pengambilan keputusan, MCDM dapat dibagi berdasarkan pengambil keputusan satu orang, atau pengambil keputusan dalam bentuk grup (kelompok).

2.3.2 Klasifikasi Solusi MCDM

Masalah MCDM tidak selalu memberikan suatu solusi unik, perbedaan tipe bisa jadi akan memberikan perbedaan solusi (Yoon dalam Kusumadewi, 2006).

1. Solusi ideal, kriteria atau atribut dapat dibagi menjadi 2 kategori, yaitu kriteria yang nilainya akan dimaksimumkan (kategori kriteria keuntungan), dan kriteria yang nilainya akan diminimumkan (kategori kriteria biaya). Solusi ideal akan memaksimumkan semua kriteria biaya. 2. Solusi non-dominated, solusi ini sering juga dikenal dengan nama solusi

Pareto-optimal. Solusi feasible MCDM dikatakan non-dominated jika tidak ada solusi feasible yang lain yang akan menghasilkan perbaikan terhadap suatu atribut tanpa menyebabkan degenerasi pada atribut yang lainnya.

3. Solusi yang memuaskan, solusi yang memuaskan adalah himpunan bagian dari solusi-solusi feasible dimana setiap alternatif melampaui semua kriteria yang diharapkan.

4. Solusi yang lebih disukai, solusi yang disukai adalah solusi non-dominated

yang paling banyak memuaskan pengambil keputusan.

2.4 FUZZY MULTI CRITERIA DECISION MAKING (FMCDM)

Dalam perspektif ilmu komputasi, FMCDM merupakan salah satu metode komputasi yang didalamnya terdapat proses pengambilan keputusan yang didasarkan atas banyak kriteria dan dengan menggunakan pendekatan logika

fuzzy.

Pada prinsipnya, proses pengambilan keputusan multi-kriteria adalah proses penetapan keputusan berdasar atas sejumlah alternatif keputusan yang ada dan mengkombinasikan alternatif keputusan tersebut dengan sejumlah kriteria.

Selain itu, alternatif keputusan dan kriteria yang ada serta produk keputusan yang dihasilkan didekati dengan logika fuzzy (Klir dan Yuan, 1995). Pendekatan logika

fuzzy ini terutama diterapkan untuk menampung pemaknaan gejala pada semua masukan (alternatif keputusan dan kriteria), relasi antar masukan tersebut dan produk keputusannya.

Ada 3 langkah penting penyelesaian yang harus dilakukan dalam penyelesaian FMCDM (Kusumadewi, dkk., 2006), yaitu representasi masalah, evaluasi himpunan fuzzy pada setiap alternatif keputusan, dan melakukan seleksi terhadap alternatif yang optimal.

2.4.1 Representasi Masalah

Pada bagian ini ada 3 aktivitas yang harus dilakukan, yaitu : a. Identifikasi tujuan dan kumpulan alternatif keputusannya;

Tujuan keputusan dapat direpresentasikan dengan menggunakan bahasa alami atau nilai numeris sesuai dengan karakteristik dari masalah tersebut. Jika ada n alternative keputusan dari masalah, maka alternative-alternatif keputusan dari suatu masalah, maka alternatif-alternatif tersebut dapat ditulis sebagai A = {Ai | i=1,2,…,n}.

b. Identifikasi kumpulan kriteria;

Jika k kriteria, maka dapat dituliskan C = {Ct |t=1,2,…,k}.

c. Membangun struktur hirarki dari masalah tersebut berdasarkan pertimbangan-pertimbangan tertentu.

2.4.2 Evaluasi Himpunan Fuzzy

Pada bagian ini, ada 3 aktivitas yang harus dilakukan, yaitu :

a. Memilih himpunan rating untuk bobot kriteria dimana himpunan ini terdiri dari variable linguistik (x) yang merepresentasikan bobot kriteria dan T(x) yang merepresentasikan rating dari variabel linguistik.

b. Mengevaluasi bobot-bobot kriteria, dan derajat kecocokan setiap alternatif dengan kriterianya.

c. Mengagregasikan bobot-bobot kriteria, dan derajat kecocokan setiap alternatif dengan kriterinya. Ada beberapa metode yang dapat digunakan untuk melakukan agregasi terhadap hasil keputusan para pengambil keputusan, antara lain : mean, median, max, min, dan operator campuran. Dari beberapa metode tersebut, metode mean yang paling banyak digunakan.

2.4.3 Seleksi Alternatif yang Optimal

Pada bagian ini, ada 2 aktivitas yang dilakukan, yaitu:

a. Memprioritaskan alternatif keputusan berdasarkan hasil agregasi. Prioritas dari hasil agregasi dibutuhkan dalam rangka proses perangkingan alternatif keputusan. Karena hasil agregasi ini direpresentasikan dengan menggunakan TFN, maka dibutuhkan metode perangkingan untuk TFN. Salah satu metode yang dapat digunakan adalah metode nilai total integral. b. Memilih alternatif keputusan dengan prioritas tertinggi sebagai alternatif

yang optimal. Semakin besar TFN berarti kecocokan terbesar dari alternatif keputusan untuk kriteria keputusan, dan nilai inilah yang akan menjadi tujuannya.

2.5 AXIOMATIC DESIGN (DESAIN AKSIOMATIS)

Axiomatic Design/AD (desain aksiomatis) merupakan suatu metode sistematis yang memberikan basis ilmiah untuk desain, diperkenalkan oleh Suh (1990) dan yang area aplikasinya termasuk perangkat lunak desain, kualitas desain sistem, desain sistem umum, manufaktur desain sistem, ergonomi, rekayasa sistem, desain sel kantor dan strategi e-commerce (Suh, 2001). Istilah axiomatic ini sendiri didapat dari kegunaan prinsip desain atau desain axioms yang mempengaruhi analisis dan proses pengambilan keputusan dalam mengembangkan produk berkualitas tinggi atau sebuah desain sistem. AD disinyalir sebagi metode desain yang mengalamatkan masalah mendasar dalam Taguchi Methods.

Konsep paling penting dalam AD adalah keberadaan dari AD itu sendiri. AD yang pertama adalah Independence Axiom, untuk mempertahankan kebebasan dari persyaratan-persyaratan fungsional. AD yang kedua adalah Information Axiom, untuk meminimalisasi isi informasi.

Maksud dari kedua pernyataan di atas dapat dijabarkan bahwa dalam

Independence Axiom kebebasan persyaratan-persyaratan fungsional (FRs) harus selalu dipertahankan dimana FRs didefenisikan sebagai set minimum dari persyaratan kebebasan yang menggambarkan tujuan desain. Sedangkan

Information Content menyatakan bahwa diantara desain desain yang memuaskan

Independence Axiom, desain yang mempunyai isi informasi terkecil merupakan desain yang terbaik.

Information Content (kandungan informasi), yang merupakan dasar teknik MCDM, menggambarkan sebuah fungsi dari probabilitas terhadap kepuasan dari suatu persyaratan fungsional FR. Oleh karena itulah mengapa desain dengan probabilitas tertinggi yang sesuai dengan persyaratan-persyaratan ini merupakan desain yang terbaik.

Information Content yang dalam hal ini dilambangkan dengan I, yang berhubungan dengan bentuk paling sederhananya terhadap probabilitas dalam memuaskan FRs yang telah diberikan, menggambarkan bahwa desain dengan probabilitas tertinggi merupakan desain terbaik. Hubungan antara Information Content (I), dan probabilitas keberhasilan persyaratan fungsional FR (p) dapat dirumuskan sebagai berikut :

) 1 ( log₂

i i

p

I  (2.1)

Menurut Suh (2001), logaritma digunakan dalam menghitung kandungan informasi, sehingga tercapai aditivitas. Disisi lain, probabilitas keberhasilan diberikan oleh berbagai desain (persyaratan untuk desain) dan kisaran sistem (kapasitas sistem). Gambar 2.2 menggambarkan desain dan rentang sistem dan juga daerah umum (common area). Perpotongan rentang menawarkan solusi yang layak.

Oleh karena itu, probabilitas keberhasilan dapat dinyatakan sebagai:



 u

l i i

i p FR dFR

p ( ) (2.2)

dimana l dan u merupakan batas bawah dan batas atas design range dan dimana p

merupakan fungsi distribusi probabilitas dari sistem dalam FRi yang telah

ditentukan. Probabilitas keberhasilan pi adalah sama dengan common area, yang

dilambangkan dengan Ac, sehingga information Content dapat dinyatakan sebagai

berikut :

) 1 ( log₂

c i

A

I  (2.3)

Juga, jika fungsi distribusi probabilitas adalah seragam, maka probabilitas keberhasilan menjadi:

range system

range common

p_i  (2.4)

Gambar 2.2. Design range, system range, and common range (Celik, et.al, 2009)

Dari Gambar 2.2 , common area dan system area dapat ditulis sebagai berikut:

Common Area (CA)=





2 ) ( ) (x dc



System Area (SA) = 2

) (ca

(2.6)

Oleh karena itu, Information Content dapat ditulis sebagai:

Information Content (Ii)= 

     ) ( ) ( log₂ CA area common SA area system (2.7)

Kemudian Information Content dalam lingkungan fuzzy dihitung sebagai berikut:

              otherwise , area Common range system of Area tion nointersec I_i 2 log , (2.8)

Jumlah bobot Information Content untuk kriteria tingkat pertama dihitung sebagai berikut:





 n

i wiIi I

1 (2.9)

dimana n adalah jumlah kriteria tingkat pertama dan 1

1 





n_ i wiIi I

Demikian juga, Information Content untuk kriteria tingkat kedua (sub-kriteria dari kriteria i) dihitung sebagai berikut:





 m

j wijIij I

1 (2.10)

Dimana m adalah jumlah sub-kriteria criteria i dan 1

1 





m

i wij for i = 1,.. n.

Akhirnya, berdasarkan Information Axiom, alternatif-alternatif urutan posisinya diatur berdasarkan kenaikan Information Content.

Dalam mendesain suatu solusi dari produk, service, software, proses, maupun hal lainnya, para desainer umumnya melakukan beberapa langkah berikut ini:

1. Memahami kebutuhan customer

2. Menentukan masalah yang harus mereka selesaikan untuk memenuhi kebutuhan mereka

3. Membuat dan memilih suatu solusi

5. Memeriksa efek yang ditimbulkan oleh desain terhadap kebutuhan

customer.

Konsep dasar dari axiomatic design adalah domain. Masing-masing domain akan memiliki peran penting dalam aktivitas desain. Seperti diilustrasikan pada Gambar 2.3 berikut.

Gambar 2.3. Konsep Axiomatic Design (Suh, 2001)

Untuk masing-masing domain yang berdekatan, domain sebelah kiri merepresentasikan hal yang ingin dicapai. Sedangkan domain yang berada disebelah kanan merepresentasikan solusi desain dalam bagaimana mencapai hal itu.

Definisi yang terasiosiasi dengan domain dalam axiomatic design adalah : 1. Functional Requirements (FRs), adalah set minimum dari independent

requirements yang mengkarakterisasikan functional requirements dari solusi desain secara menyeluruh dalam domain functional.

2. Constraint (Cs), adalah batas dari solusi yang dapat diterima.

3. Design Parameter (DPs), adalah elemen dari solusi desain dalam domain physical yang dipilih untuk memenuhi spesifikasi FRs.

4. Process Variable (PVs), adalah elemen dalam domain process yang mengkarakterisasi proses yang memenuhi spesifikasi DPs.

2.6 PENELITIAN TERKAIT

Semua teknik yang sudah digunakan sebelumnya yang ada kaitannya didalam pendekatan axiomatic design dan FMCDM pada penelitian ini, seperti yang diuraikan melalui Tabel 2.1 berikut.

Tabel 2.1. Teknik-teknik yang sudah digunakan

Nama Peneliti Judul Pembahasan Tahun

Cahyo, Winda Nur dan R., Wahyuni

Implementasi Fuzzy Multicriteria Decision Making untuk Menentukan Peringkat Calon Penerima Beasiswa Mengembangkan suatu sistem pengambilan

keputusan/ Decision Support Systemdalam mengevaluasi calon penerima beasiswa dengan menggunakan Fuzzy Multicriteria Decision Making 2009 Kusumadewi dan Guswaludin. Fuzzy Multi-Criteria Decision Making

Membuat sistem pengambilan keputusan yang optimal dengan beberapa kriteria menggunakan fuzzy multi-criteria decision making

untuk memilih lokasi

penempatan pemancar stasiun televisi di Yogyakarta dengan tiga alternatif berdasarkan lima kriteria keputusan.

2005

Thompson, Mary Kathryn, et al.,

Applying Axiomatic Design To The Educational Process

Penggunaan Axiomatic Design untuk membuat desain yang sistematis dalam menyediakan sarana yang kuat merancang dan mengorganisir kurikulum yang efisien

2009

Wardoyo, dkk. Penerapan Fuzzy Multi Criteria Decision Making (FMCDM) Untuk Diagnosis Penyakit Tropis

Menggunakan fuzzy multi-criteria decision untuk menetapkan penyakit demam berdarah sebagai diagnosis penyakit tropis.

Tabel 2.1. Teknik-teknik yang sudah digunakan (lanjutan)

Nama Peneliti Judul Pembahasan Tahun

Fitri dan Kahar Aplikais Fuzzy Multi Criteria Decision Making (FMCDM) Untuk Optimalisasi Penetuan Lokasi Promosi Produk

Mengaplikasikan fuzzy multi-criteria decision dalam menetukan lokasi promosi produk Rinso di Kota Jambi pada tiga lokasi alternatif berdasarkan empat kriteria keputusan. 2011 Macias, Aide Maldonado, et al., Fuzzy Axiomatic Design Approach For The Evaluation Of Ergonomic Compability for The Selection of CNC Milling Machines : A Case of Study

Mencari alternatif yang terbaik dalam pemilihan mesin-mesin pertambangan CNC dengan menggunakan pendekatan pandangan Multi Atributte Axiomatic Design

model AHP

2009

Buyukozkan Gulcin

Evaluation of E-Learning Web Sites Using Fuzzy

Axiomatic Design Based Approach

Menggunakan Fuzzy Axiomatic Design untuk penilaian web site terbaik dalam bentuk perangkingan dan eliminasi alternatif yang tidak memenuhi kebutuhan fungsional.

2009

Pin-Chang Chen

A Fuzzy Multiple Criteria Decision Making Model in Employee

Recruitment

Penggunaan metode AHP untuk pengambilan keputusan model konstruksi, dapat membuat proses perekrutan pegawai lebih adil dan wajar sehingga untuk mencapai tujuan.

2009

Cochran, David S., et. Al

The Application of Axiomatic Design and Lean

Management Principles in the Scope of Production System

Segmentation

Mengurangi kompleksitas

decoupling desain sistem dengan mempergunakan

Axiomatic Design.

Tabel 2.1. Teknik-teknik yang sudah digunakan (lanjutan)

Nama Peneliti Judul Pembahasan Tahun

Eraslan, Ergun, et.al

Usability Ranking of Intercity Bus

Passenger Seats Using Fuzzy Axiomatic Design Theory

Penggunaan kombinasi aksioma kedua dari Fuzzy Axiomatic Design Theory

dalam menentukan solusi desain tempat duduk yang paling tersedia.

2006

Kulak, Osman dan Kahraman, Cengiz

Fuzzy multi-atributte selection among transportation companies using axiomatic design and analytic hierarcy process

Pemilihan perusahaan transportasi terbaik

berdasarkan kriteria-kriteria yang telah ditentukan dengan menggunakan multi-atributte axiomatic design dan AHP

2004

Dalam Bab berikutnya akan dibahas metodologi dalam penyelesaian masalah.

METODOLOGI PENELITIAN

3

3.1 PENDAHULUAN

Metodelogi Penelitian (methodology research) merupakan suatu ilmu atau studi mengenai sistem, ataupun tindakan menjalankan investigasi untuk mendapatkan fakta baru, tambahan informasi dan sebagainya yang dapat bersifat mendalam. Pada bab ini diuraikan sebuah kerangka pikir yang akan menjadi dasar dalam pelaksanaan penelitian pendekatan axiomatic design dalam FMCDM melalui studi kasus untuk pengambilan keputusan penilaian kinerja guru.

3.2 DATA YANG DIBUTUHKAN

Untuk menganalisis pendekatan teknik axiomatic design dalam FMCDM tentu diperlukan data sebagai masukan pada proses fuzzyfikasi. Data input diperoleh dari lokasi penelitian pada Sekolah Menengah Kejuruan (SMK) Negeri 1 Percut Sei Tuan, jalan Kolam No. 3 Medan Estate Kecamatan Percut Sei Tuan Kabupaten Deli Serdang dalam hal mengukur kinerja guru berdasarkan data tahun 2011 yang meliputi:

1. Data guru

Yang meliputi latar belakang dan jenjang pendidikan guru, masa kerja guru, beban mengajar setiap minggu dan mata pelajaran yang diajarkan. 2. Data kegiatan pembelajaran

Dari data kegiatan pembelajaran ini didapatkan parameter yang akan dijadikan penilaian terhadap kinerja guru pada satuan pendidikan tersebut.

Jumlah sampel yang akan diuji sebanyak 30% dari total 36 orang guru yang ada pada jurusan Teknik Komputer dan Informatika sekolah tersebut. Penilaian dilakukan melalui kuisioner yang dirancang dengan mempertimbangkan kebijakan-kebijakan yang berlaku. Dalam pengumpulan data melalui kuisioner ini melibatkan partisipasi siswa, pengawas sekolah, ketua jurusan dan wakil kepala sekolah bidang personalia atau kepala sekolah.

3.3 AXIOMATIC DESIGN DALAM FMCDM

3.3.1 FMCDM

Fuzzy Multi Criteria Decion Making (FMCDM) adalah salah satu metode yang bisa membantu pengambil keputusan dalam melakukan pengambilan keputusan terhadap beberapa alternatif keputusan yang harus diambil dengan beberapa kriteria yang harus dipertimbangkan. Secara umum penelitian ini dilakukan melalui langkah-langkah berikut ini, yaitu:

1. Representasi masalah, meliputi penetapan tujuan keputusan, identifikasi alternatif, identifikasi kriteria dan membangun struktur hirarki keputusan. 2. Evaluasi himpunan fuzzy dari alternatif-alternatif keputusan, meliputi:

menetapkan variable linguistik dan fungsi keanggotaan, menetapkan rating untuk setiap kriteria, dan menghitung indeks kecocokan fuzzy pada setiap alternatif.

3. Melakukan defuzzyfikasi dalam rangka mencari nilai alternatif yang optimal dengan pendekatan axiomatic design.

3.3.2 Metode Axiomatic Design

Metode axiomatic design berdasarkan pada AD konvensional. Namun, crisp range diganti dengan nilai fuzzy yang mewakili istilah linguistik. Dalam studi ini, TFN (Triangular Fuzzy Number/TFNs) yang digunakan. Perpotongan TFNs mewakili desain range dan sistem range menyajikan common area (Kulak and Kahraman, 2005). Pertama, isi informasi dihitung seperti dalam lingkungan non-fuzzy.

Dalam studi ini, perhitungan bobot isi informasi diadopsi dari (Kahraman and Cebi, 2008). Model ini memerlukan penentuan bobot kriteria dan sub-kriteria. Akhirnya, menurut aksioma informasi, alternatif adalah peringkat dengan urutan menaik dari isi informasi. Adapun proses evaluasi dilakukan dengan menerapkan langkah-langkah berikut:

1. Penentuan persyaratan fungsional (functional requirementss)

functional requirements adalah jenis kebutuhan yang berisi informasi-informasi apa saja yang minimal harus ada dan dihasilkan.

2. Agregasi pendapat para penilai

Proses pengambilan keputusan yang melibatkan penilaian atau pendapat berbagai pihak atau ahli.

3. Perhitungan common area dan information content.

Evaluasi fuzzy dari rangkuman (agregat) pengambilan keputusan, dijabarkan dalam metodologi fuzzy axiomatic design yang diaplikasikan untuk menghitung common area. Semakin besar nilai common area, maka lebih baik respon dari alternatif untuk functional requirementss yang didapatkan. Hasil dari perhitungan common area dengan system area

berupa information content. Setiap nilai alternatif yang tidak sesuai dengan

functional Requirementss akan dieliminasi karena tidak memiliki

information content.

4. Penentuan peringkat akhir alternatif.

Hasil akhir menunjukkan bahwa setiap nilai yang tidak sesuai dengan

functional requirementss akan dieliminasi, berarti bahwa alternatif yang tidak memenuhi functional requirementss dikeluarkan dari kategori penilaian.

3.3.3 Bagan Alir Penelitian

Adapun prototype bagan alir penelitian pendekatan axiomatic design dalam FMCDM yang menjelaskan proses kerja dari awal penelitian dilakukan hingga selesai.

Adapun skema bagan alir penelitian dapat dilihat pada Gambar 3.1 berikut:

FMCDM AXIOMATIC DESIGN

Menetapkan tujuan keputusan

Membangun struktur hirarki keputusan

Menetapkan variabel linguistik dan fungsi keanggotaan Identifikasi alternatif dan

identifikasi kriteria Mulai

Kesimpulan

Menentukan kebutuhan fungsional (FR) Transformasi istilah linguistik

ke dalam bilangan fuzzy

Agregasi pendapat dari para Penilai Pemilihan alternatif terbaik

Selesai

Menghitung dari isi informasi

Menghitung Common Area

Gambar 3.1. Bagan Alir Penelitian

3.3.4 Representasi Masalah

Dalam penyelesaian masalah dengan teknik pendekatan axiomatic design dalam FMCDM menyangkut beberapa langkah yaitu:

1. Tujuan keputusan ini adalah mendapatkan hasil penilaian kinerja guru yang objektif yang akan dirangking dengan metode axiomatic design

yakni berdasarkan kandungan atau isi informasi.

2. Ada 12 orang dari total 36 orang guru yang ada pada jurusan Teknik Komputer dan Informatika pada SMK Negeri 1 Percut Sei Tuan sebagai

sampel alternatif penilaian dengan inisial secara berturut-turut adalah G1, G2, G3, G4, G5, G6, G7, G8, G9, G10, G11 dan G12 yang akan menjadi alternatif keputusan.

3. Ada 5 kriteria keputusan yang dinotasikan dengan C1, C2, C3, C4 dan C5, yaitu:

a) Kemampuan Membuat Perencanaan dan Persiapan Mengajar

Notasi : C1

Kompetensi : Pengembangan kurikulum Jenis Kompetensi : Pedagogik

Penilai : Pengawas Sekolah, Kepala Sekolah dan Ketua Jurusan

Teknik Penilaian : Pengamatan

Pernyataan : Guru menyusun silabus sesuai dengan tujuan terpenting kurikulum dan menggunakan RPP sesuai dengan tujuan dan lingkungan pembelajaran. Guru memilih, menyusun, dan menata materi pembelajaran yang sesuai dengan kebutuhan peserta didik.

Indikator : 1) Guru dapat menyusun silabus yang sesuai dengan kurikulum.

2) Guru merancang rencana pembelajaran yang sesuai dengan silabus untuk membahas materi ajar tertentu agar peserta didik dapat mencapai kompetensi dasar yang ditetapkan

3) Guru mengikuti urutan materi pembelajaran dengan memperhatikan tujuan pembelajaran.

4) Guru memilih materi pembelajaran yang: a) sesuai dengan tujuan pembelajaran, b) tepat dan mutakhir, c) sesuai dengan usia dan tingkat kemampuan belajar peserta didik, d) dapat dilaksanakan di kelas dan e)

sesuai dengan konteks kehidupan sehari-hari peserta didik.

b) Penguasaan Materi

Notasi : C2

Kompetensi : Penguasaan materi struktur konsep dan pola piker keilmuan yang mendukung mata pelajaran yang diampu.

Jenis Kompetensi : Profesional

Penilai : Pengawas Sekolah, Kepala Sekolah dan Ketua Jurusan

Teknik Penilaian : Pengamatan

Pernyataan : Rancangan, materi dan kegiatan pembelajaran, penyajian materi baru dan respon guru terhadap peserta didik memuat informasi pelajaran yang tepat dan mutakhir. Pengetahuan ini ditampilkan sesuai dengan usia dan tingkat pembelajaran peserta didik. Guru benar-benar memahami mata pelajaran dan bagaimana mata pelajaran tersebut disajikan di dalam kurikulum. Guru dapat mengatur, menyesuaikan dan menambah aktifitas untuk membantu peserta didik menguasai aspek- aspek penting dari suatu pelajaran dan meningkatkan minat dan perhatian peserta didik terhadap pelajaran.

Indikator : 1) Guru melakukan pemetaan standar kompetensi dan kompetensi dasar untuk mata pelajaran yang diampunya, untuk mengidentifikasi materi pembelajaran yang dianggap sulit, melakukan perencanaan dan pelaksanaan pembelajaran, dan memperkirakan alokasi waktu yang diperlukan.

2) Guru menyertakan informasi yang tepat dan mutakhir di dalam perencanaan dan pelaksanaan pembelajaran. 3) Guru menyusun materi, perencanaan dan pelaksanaan

pembelajaran yang berisi informasi yang tepat, mutakhir, dan yang membantu peserta didik untuk memahami konsep materi pembelajaran.

c) Penguasaan Metode dan Strategi Mengajar

Notasi : C3

Kompetensi : Menguasai teori belajar dan prinsip-prinsip pembelajaran yang mendidik.

Jenis Kompetensi : Pedagogik

Penilai : Pengawas Sekolah, Kepala Sekolah dan Ketua Jurusan

Teknik Penilaian : Pengamatan

Pernyataan : Guru menetapkan berbagai pendekatan, strategi, metode, dan teknik pembelajaran yang mendidik secara kreatif sesuai dengan standar kompetensi guru. Guru menyesuaikan metode pembelajaran supaya sesuai dengan karakteristik peserta didik dan memotivasi mereka untuk belajar.

Indikator : 1) Guru memberi kesempatan kepada peserta didik untuk menguasai materi pembelajaran sesuai usia dan kemampuan belajarnya melalui pengaturan proses pembelajaran dan aktivitas yang bervariasi.

2) Guru selalu memastikan tingkat pemahaman peserta didik terhadap materi pembelajaran tertentu dan menyesuaikan aktivitas pembelajaran berikutnya berdasarkan tingkat pemahaman tersebut.

3) Guru dapat menjelaskan alasan pelaksanaan ke giatan/aktivitas yang dilakukannya, baik yang sesuai

maupun yang berbeda dengan rencana, terkait keberhasilan pembelajaran.

4) Guru menggunakan berbagai teknik untuk memotiviasi kemauan belajar peserta didik.

5) Guru merencanakan kegiatan pembelajaran yang saling terkait satu sama lain, dengan memperhatikan tujuan pembelajaran maupun proses belajar peserta didik.

6) Guru memperhatikan respon peserta didik yang belum/kurang memahami materi pembelajaran yang diajarkan dan menggunakannya untuk memperbaiki rancangan pembelajaran berikutnya.

d) Kemampuan Mengelola Kelas

Notasi : C4

Kompetensi : Mengenal karakteristik peserta didik Jenis Kompetensi : Kompetensi Pedagogik

Penilai : Pengawas, Ketua Jurusan atau teman sejawat dan Kepala Sekolah

Teknik penilaian : Pengamatan dan Pemantauan

Pernyataan : Guru mencatat dan menggunakan informasi tentang karakteristik peserta didik untuk membantu proses pembelajaran. Karakteristik ini terkait dengan aspek fisik intelektual, social emosional, moral, dan latar belakang social budaya.

Indikator : 1) Guru dapat mengidentifikasi karakteristik belajar setiap peserta didik di kelasnya.

2) Guru memastikan bahwa semua peserta didik mendapatkan kesempatan yang sama untuk berpartisipasi aktif dalam kegiatan pembelajaran.

3) Guru dapat mengatur kelas untuk memberikan kesempatan belajar yang sama pada semua peserta didik dengan kelainan fisik dan kemampuan belajar yang berbeda.

4) Guru mencoba mengetahui penyebab penyimpangan perilaku peserta didik untuk mencegah agar perilaku tersebut tidak merugikan peserta didik lainnya.

5) Guru membantu mengembangkan potensi dan mengatasi kekurangan peserta didik.

6) Guru memperhatikan peserta didik dengan kelemahan fisik tertentu agar dapat mengikuti aktivitas pembelajaran, sehingga peserta didik tersebut tidak termarginalkan (tersisihkan,diolok-olok, minder, dsb). e) Kemampuan Melakukan Penilaian dan Evaluasi

Notasi : C5

Kompetensi : Penilaian dan Evaluasi Jenis Kompetensi : Pedagogik

Penilai : Pengawas, Kepala Sekolah dan Ketua Jurusan Teknik Penilaian : Pengamatan

Pernyataan : Guru menyelenggarakan penilaian proses dan hasil belajar secara berkesinambungan. Guru melakukan evaluasi atas efektivitas proses dan hasil belajar dan menggunakan informasi hasil penilaian dan evaluasi untuk merancang program remedial dan pengayaan. Guru menggunakan hasil analisis penilaian dalam proses pembelajarannya.

Indikator : 1) Guru menyusun alat penilaian yang sesuai dengan tujuan pembelajaran untuk mencapai kompetensi tertentu seperti yang tertulis dalam RPP.

2) Guru melaksanakan penilaian dengan berbagai teknik dan jenis penilaian, selain penilaian formal yang dilaksanakan sekolah, dan mengumumkan hasil serta implikasinya kepada peserta didik, tentang tingkat pemahaman terhadap materi pembelajaran yang telah dan akan dipelajari.

3) Guru menganalisis hasil penilaian untuk mengidentifikasi topik/kompetensi dasar yang sulit sehingga diketahui kekuatan dan kelemahan masing-masing peserta didik untuk keperluan remedial dan pengayaan.

4) Guru memanfaatkan masukan dari peserta didik dan merefleksikannya untuk meningkatkan pembelajaran selanjutnya, dan dapat membuktikannya melalui catatan, jurnal pembelajaran, rancangan pembelajaran, materi tambahan, dan sebagainya.

5) Guru memanfatkan hasil penilaian sebagai bahan penyusunan rancangan pembelajaran yang akan dilakukan selanjutnya

4. Struktur hirarki keputusan, adapun hirarki keputusan yang dibangun pada penelitian ini yaitu seperti yang diilustrasikan pada Gambar 3.2 berikut ini.

C1

Keputusan

G1 G2 Gn

C2 ... Cn

...

3.3.5 Evaluasi Himpunan Fuzzy

Adapun bentuk evaluasi himpunan fuzzy dari alternatif-alternatif keputusan berupa penetapan variabel linguistik yang merepresentasikan bobot kepentingan untuk setiap kriteria yang digunakan sebagai tolak ukur dalam melakukan penilaian parameter yang teramati (tangible) oleh para penilai yang dinyatakan dalam system range menggunakan TFN yang diilustrasikan pada tabel 3.1 berikut.

Tabel 3.1. Variabel linguistik dan system range

Variabel

Nilai Crisp (tangible) dalam TFN Istilah Linguistik Bilangan

E Sangat Kurang 0, 0, 0.3

D Kurang 0.2, 0.35, 0.5

C Cukup 0.4, 0.55, 0.7

B Baik 0.6, 0.75, 9

A Sangat Baik 0.8, 1, 1

Dari Tabel 3.1 dapat digambarkan system range dalam TFN seperti yang dipetakan melalui Gambar 3.3 berikut.

Sangat Kurang Kurang Cukup Baik Sangat Baik

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Gambar 3.3. System Range dalam Variabel Linguistik

3.3.6 Desain Functional Requirements

Functional Requirements dalam decision range yang digunakan untuk menentukan nilai persyaratan minimal sebelum dilakukannya penilaian terhadap parameter (intangible) yang diharapkan oleh penilai. Adapun decision range dari

functional requirements seperti yang disampaikan melalui Tabel 3.2 berikut.

Tabel 3.2. Decisionrange dari Functional Requirements

Variabel

Nilai FR (intangible) dalam TFN

Istilah Linguistik Bilangan

E Sangat Rendah 0.1, 1, 1

D Rendah 0.2, 1, 1

C Sedang 0.4, 1, 1

B Tinggi 0.6, 1, 1

A Sangat Tinggi 0.8, 1, 1

Selanjutnya dapat digambarkan decision range dari Tabel 3.2 dalam fungsi keanggotaan TFN seperti yang dipetakan melalui Gambar 3.4 berikut.

Sangat Rendah Rendah Sedang Tinggi Sangat Tinggi

0.5

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Gambar 3.4. Decision Range dalam TFN

3.4 PENILAIAN

Istilah penilaian (assessment) diartikan sebagai kegiatan menentukan nilai suatu objek, seperti baik-buruk, efektif-tidak efektif, berhasil-tidak berhasil, dan semacamnya, sesuai dengan kriteria atau tolak ukur yang telah ditetapkan sebelumnya. Dalam penilaian ada empat unsur pokok yaitu; (a) objek yang akan dinilai, (b) kriteria sebagai tolak ukur (c) data tentang objek yang dinilai, dan (d) pertimbangan keputusan (judgement). Dengan demikian proses penilaian meliputi menentukan objek yang akan dinilai, membuat/menentukan kriteria ukuran, mengumpulkan data baik melalui tes maupun non-tes, dan membuat keputusan.

Penilaian adalah pemeriksaan secara terus menerus untuk mendapatkan informasi tentang kinerja guru. Sementara itu, pengukuran adalah suatu proses yang menghasilkan gambaran berupa angka-angka berdasarkan hasil pengamatan mengenai beberapa ciri (atribute) tentang suatu obyek, orang atau peristiwa (Hopkins dan Antes, 1990).

Ada dua teknik penilaian yang digunakan dalam melakukan penilaian terhadap kinerja guru pada penelitian ini, yaitu:

1. Pengamatan adalah kegiatan untuk menilai kinerja guru melalui peninjauan secara langsung pelaksanaan proses pembelajaran yang dilakukan oleh guru.

2. Pemantauan adalah kegiatan untuk menilai kinerja guru melalui diskusi, pemeriksaan dokumen, wawancara dengan guru yang dinilai, dan/atau wawancara dengan warga sekolah.

3.3.1 Functional Requirements

Pada penelitian ini, dimisalkan penilaian dilakukan oleh tiga orang penilai DM1, DM2 dan DM3 dengan asumsi nilai acuan minimal yang diharapkan (functional requirements) dari alternatif yang dinilai dalam istilah linguistic diilustrasikan seperti pada Tabel 3.3 berikut ini.

Tabel 3.3. Functional Requirements dalam istilah linguistik

DMs C1 C2 C3 C4 C5

DM1 Sangat Tinggi Sangat Tinggi Tinggi Tinggi Tinggi

DM2 Sangat Tinggi Sangat Tinggi Sangat Tinggi Tinggi Tinggi

DM3 Sangat Tinggi Sangat Tinggi Sangat Tinggi Sangat Tinggi Tinggi

Jika istilah linguistik dari functional requirements pada Tabel 3.3 dikonversikan dalam variabel linguistik berdasarkan pada Tabel 3.2, maka diperoleh functional requirements dalam istilah linguistik seperti pada Tabel 3.4 berikut ini.

Tabel 3.4. Functional Requirements dalam variabel linguistik

DMs C1 C2 C3 C4 C5

DM1 A A B B B

DM2 A A A B B

DM3 A A A A B

Selanjutnya jika functional requirements pada Tabel 3.4 ditransformasikan kedalam TFN (intangible) berdasarkan Tabel 3.2, maka diperoleh nilai functional requirements dalam TFN beserta nilai rata-ratanya yang akan digunakan dalam menghitung common area untuk mendapatkan information content seperti dalam Tabel 3.5 berikut ini.

Tabel 3.5. Nilai Functional Requirements

DMs

C1 C2 C3 C4 C5

d e f d e f d e f d e f d e f

DM1 0,8 1 1 0,8 1 1 0,6 1 1 0,6 1 1 0,6 1 1

DM2 0,8 1 1 0,8 1 1 0,8 1 1 0,6 1 1 0,6 1 1

DM3 0,8 1 1 0,8 1 1 0,8 1 1 0,8 1 1 0,6 1 1

Dari Tabel 3.5 dapat digambarkan decision range untuk melihat functional requirements masing-masing parameter dalam TFN. Gambar 3.5 menunjukkan desain system range untuk parameter C1 dan C2 yang sama-sama memiliki nilai

functional requirements dalam TFN{0.8, 1, 1}.

0

1

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Gambar 3.5. Desain Decision Range parameter C1 dan C2

Selanjutnya Gambar 3.6 menunjukkan desain decision range untuk parameter C3 yang memiliki nilai functional requirements dalam TFN {0.733, 1, 1}.

0

1

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Gambar 3.6. Desain Decision Range parameter C3

Decision Range

Selanjutnya Gambar 3.7 menunjukkan desain decision range untuk parameter C3 yang memiliki nilai functional requirements dalam TFN {0.667, 1, 1}.

0

1

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Gambar 3.7. Desain Decision Range parameter C3

Sedangkan Gambar 3.8 menunjukkan desain decision range untuk parameter C3 yang memiliki nilai functional requirements dalam TFN {0.60, 1, 1}.

0

1

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Gambar 3.8. Desain Decision Range parameter C5

3.3.2 Agregasi Penilaian

Pada studi kasus penilain terhadap kinerja guru ini, dicontohkan hasil penilaian yang diberikan terhadap salah satu guru dengan asumsi penilaian oleh para penilai seperti diilustrasikan pada Tabel 3.6 berikut ini.

Decision Range

Tabel 3.6. Penilaian guru G1 dalam istilah linguistik

DMs C1 C2 C3 C4 C5

DM-1 Sangat Baik Baik Sangat Baik Kurang Baik DM-2 Baik Sangat Baik Baik Sangat Baik Cukup

DM-3 Sangat Baik Baik Cukup Baik Kurang

Dari hasil penilaian terhadap guru G1 pada Tabel 3.6 , maka diperoleh penilaian dalam bentuk variabel linguistik seperti yang disampaikan pada Tabel 3.7 berikut ini.

Tabel 3.7. Penilaian guru G1 dalam variable linguistik

DMs C1 C2 C3 C4 C5

DM-1 A B A D B

DM-2 B A B A C

DM-3 A B C B D

Dari nilai dalam bentuk variable linguistik yang diberikan oleh para penilai pada Tabel 3.7 , maka dapat diperoleh decisionrange (tangible) dalam TFN serta rata-rata dari nilai agregasi penilaian tersebut seperti pada Tabel 3.8 berikut ini.

Tabel 3.8. Agregasi Penilaian Alternatif G1

DMs

C1 C2 C3 C4 C5

a b c a b c a b c a b c a b c

DM-1 0.8 1 1 0.6 0.75 0.9 0.8 1 1 0.2 0.35 0.5 0.6 0.75 0.9

DM-2 0.6 0.75 0.9 0.8 1 1 0.6 0.75 0.9 0.8 1 1 0.4 0.55 0.7

DM-3 0.8 1 1 0.6 0.75 0.9 0.4 0.55 0.7 0.6 0.75 0.7 0.2 0.35 0.5 Rata2 0.733 0.917 0.967 0.667 0.833 0.933 0.60 0.767 0.867 0.533 0.70 0.8 0.40 0.55 0.70

Dari Tabel 3.8 dapat digambarkan system range untuk melihat agregasi penilaian masing-masing parameter dalam TFN. Gambar 3.9 berikut ini menunjukkan systemrange dari hasil penilaian parameter C1 untuk guru G1 yang memiliki nilai agregasi dalam TFN {0.733, 0.917, 0.967}.

0

1

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Gambar 3.9. Desain SystemRange Agregasi Penilaian Parameter C1

Gambar 3.10 berikut ini menunjukkan systemrange dari hasil penilaian parameter C2 untuk guru G1 yang memiliki nilai agregasi dalam TFN {0.667, 0.833, 0.933}.

0

1

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Gambar 3.10. Desain SystemRange Agregasi Penilaian Parameter C2

Gambar 3.11 berikut ini menunjukkan systemrange dari hasil penilaian parameter C3 untuk guru G1 yang memiliki nilai agregasi dalam TFN {0.60, 0.767, 0.867}.

SystemRange

0

1

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Gambar 3.11. Desain SystemRange Agregasi Penilaian Parameter C3

Gambar 3.12 berikut ini menunjukkan systemrange dari hasil penilaian parameter C4 untuk guru G1 yang memiliki nilai agregasi dalam TFN {0.533, 0.70, 0.8}.

0

1

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Gambar 3.12. Desain SystemRange Agregasi Penilaian Parameter C4

Selanjutnya Gambar 3.13 berikut ini menunjukkan system range dari hasil penilaian parameter C5 untuk guru G1 yang memiliki nilai agregasi dalam TFN {0.40, 0.55, 0.70}.

SystemRange

0

1

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Gambar 3.13. Desain SystemRange Agregasi Penilaian Parameter C4

3.3.3 Common Area dan Information Content

Common area merupakan daerah perpotongan antara system range dengan

decision range. Salah satu faktor yang menentukan nilai dari common area adalah nilai optimism/optimism value (µ) dimana dalam hal ini penulis menetapkan angka 0,5 sebagai optimism value tersebut. Nilai ini merujuk kepada jurnal (Buyukozkan, et. al, 2009). Semakin kecil optimism value maka semakin kecil

information content yang dihasilkan atau information content akan mendekati nilai 0. Gambar 3.14 berikut menunjukkan perpotongan system range dengan

decision range yang menghasilkan common area.

1

a b d c e/f

Gambar 3.14. Common area untuk parameter C1

SystemRange

Common Area

System Range

Decision Range (FR)

Berdasarkan Gambar 3.14 , dapat dicari masing-masing nilai system area, common area dan information content dengan algortima berikut ini.

If d < a Then Ac = c - a As = c - a

ElseIf d > a AND d < c Then Ac = c - d

As = c - a Else

Ac = 0 As = 0 End If

Dengan demikian, common area (CA) dapat dihitung menggunakan rumus (2.5),

system area (SA) dihitung menggunakan rumus (2.6) dan information content (IC) dihitung menggunakan rumus (2.7) seperti berikut ini.

CA = (Ac/2) * µ SA = As/2

IC = Log(SA/CA)/Log(2)

Gambar 3.15 berikut ini menunjukkan common area untuk parameter C1 yang memiliki system range dalam TFN (0.733, 0.917, 0.967) dengan decision range

(0.8, 1, 1).

0

1

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Gambar 3.15. Common area untuk parameter C1

Common Area System Range

Decision Range (FR)

Call BukaDB

rsFRs.Open "Select sum(C4b) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR4b = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C4c) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR4c = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C5a) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR5a = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C5b) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR5b = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C5c) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR5c = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C6a) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR6a = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C6b) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR6b = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C6c) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR6c = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C7a) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR7a = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C7b) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR7b = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C7c) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR7c = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C8a) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

Call BukaDB

rsFRs.Open "Select sum(C8b) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR8b = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C8c) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR8c = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C9a) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR9a = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C9b) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR9b = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C9c) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR9c = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C10a) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR10a = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C10b) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR10b = Round(rsFRs!JL / Br, 3) Call BukaDB

rsFRs.Open "Select sum(C10c) as JL from tbFRs where Idx_ob='" & vIdx_Ob & "'", Conn

FR10c = Round(rsFRs!JL / Br, 3) Sub Tampil_Detail()

Call BukaDB With rsTemp

.Open "Select * from tbDMsDetail where left(Kode,9)='" & vKode & "'", Conn

Lv_Detail.ListItems.Clear While Not .EOF

Set X = Lv_Detail.ListItems.Add(, , .Fields!Idx_A) Call BukaDB

RsAlternatif.Open "Select Alternatif from

tbAlternatif,tbObjek where tbobjek.idx_ob=tbAlternatif.Idx_ob and Idx_A ='" & .Fields!Idx_A & "'order by Idx_a", Conn

If Not RsAlternatif.EOF Then

X.SubItems(1) = RsAlternatif.Fields!Alternatif End If

X.SubItems(2) = Round(.Fields!C1a, 3) X.SubItems(3) = Round(.Fields!C1b, 3) X.SubItems(4) = Round(.Fields!C1c, 3) X.SubItems(5) = Round(.Fields!C2a, 3)

X.SubItems(6) = Round(.Fields!C2b, 3) X.SubItems(7) = Round(.Fields!C2c, 3) X.SubItems(8) = Round(.Fields!C3a, 3) X.SubItems(9) = Round(.Fields!C3b, 3) X.SubItems(10) = Round(.Fields!C3c, 3) X.SubItems(11) = Round(.Fields!C4a, 3) X.SubItems(12) = Round(.Fields!C4b, 3) X.SubItems(13) = Round(.Fields!C4c, 3) X.SubItems(14) = Round(.Fields!C5a, 3) X.SubItems(15) = Round(.Fields!C5b, 3) X.SubItems(16) = Round(.Fields!C5c, 3) On Error Resume Next

X.SubItems(17) = Round(.Fields!C6a, 3) X.SubItems(18) = Round(.Fields!C6b, 3) X.SubItems(19) = Round(.Fields!C6c, 3) X.SubItems(20) = Round(.Fields!C7a, 3) X.SubItems(21) = Round(.Fields!C7b, 3) X.SubItems(22) = Round(.Fields!C7c, 3) X.SubItems(23) = Round(.Fields!C8a, 3) X.SubItems(24) = Round(.Fields!C8b, 3) X.SubItems(25) = Round(.Fields!C8c, 3) X.SubItems(26) = Round(.Fields!C9a, 3) X.SubItems(27) = Round(.Fields!C9b, 3) X.SubItems(28) = Round(.Fields!C9c, 3) X.SubItems(29) = Round(.Fields!C10a, 3) X.SubItems(30) = Round(.Fields!C10b, 3) X.SubItems(31) = Round(.Fields!C10c, 3) .MoveNext

Wend End With End Sub Sub Rangk()

LV.ListItems.Clear

Dim RsH As New ADODB.Recordset Set RsH = New ADODB.Recordset With RsH

Z = 0

.Open "Select * from tbHasilAkhir where Idx_ob='" & vIdx_Ob & "'", Conn

While Not .EOF

Set X = LV.ListItems.Add(, , .Fields!Idx_Ob) X.SubItems(1) = !Alternatif

Call BukaDB

RsAlternatif.Open "select Idx_a from tbAlternatif where Alternatif='" & .Fields!Alternatif & "'", Conn

If Not RsAlternatif.EOF Then

X.SubItems(2) = RsAlternatif!Idx_A End If

X.SubItems(3) = .Fields!ICt X.SubItems(4) = .Fields!Ket .MoveNext

Wend End With

LV.SortKey = 2

LV.SortOrder = lvwAscending LV.Sorted = True

Sub Rangking()

On Error Resume Next Dim Z As Byte

Dim X

LvH1.ListItems.Clear With rsTemp

Z = 0

Call BukaDB

.Open "Select * from tbHasilAkhir where Ket <> 'Eliminasi' and Idx_ob='" & vIdx_Ob & "' order by ICT", Conn

While Not .EOF

Set X = LvH1.ListItems.Add(, , .Fields!Idx_Ob) X.SubItems(1) = .Fields!Alternatif

X.SubItems(3) = .Fields!ICt Z = Z + 1

X.SubItems(4) = Z .MoveNext

Wend End With

Dim SqlUp As String

For i = 1 To LvH1.ListItems.Count

SqlUp = "Update tbHasilAkhir set Ket='" &

LvH1.ListItems(i).ListSubItems(4).Text & "' where alternatif='" & LvH1.ListItems(i).ListSubItems(1).Text & "'"

Conn.Execute SqlUp Next i

End Sub

Sub Urutkan() LV.ListItems.Clear

Dim RsH As New ADODB.Recordset Set RsH = New ADODB.Recordset With RsH

Z = 0

.Open "Select * from tbHasilAkhir where Idx_ob='" & vIdx_Ob & "' order by ICT", Conn

While Not .EOF

Set X = LV.ListItems.Add(, , .Fields!Idx_Ob) X.SubItems(1) = !Alternatif

Call BukaDB

RsAlternatif.Open "select Idx_a from tbAlternatif where Alternatif='" & .Fields!Alternatif & "'", Conn

If Not RsAlternatif.EOF Then

X.SubItems(2) = RsAlternatif!Idx_A End If

X.SubItems(3) = .Fields!ICt X.SubItems(4) = .Fields!Ket .MoveNext

Wend End With End Sub

Private Sub cmdProses_Click()

Dim SQLTambah1, SQLTambah2, SQLTambah3 As String Dim HP1, HP2, HP3 As String

Call BukaDB

RsHasil.Open "Select * from tbHasilDetailDMs,tbHasil where tbHasil.Idx_Ob='" & vIdx_Ob.Caption & "' and

If RsHasil.EOF And vIdx_Ob.Caption <> "" Then SQLTambah1 = "Insert Into tbHasil

(Idx_ob,FR1a,FR1b,FR1c,FR2a,FR2b,FR2c,FR3a,FR3b,FR3c,FR4a,FR4b,FR 4c,FR5a,FR5b,FR5c,FR6a,FR6b,FR6c,FR7a,FR7b,FR7c,FR8a,FR8b,FR8c,FR 9a,FR9b,FR9c,FR10a,FR10b,FR10c) values ('" & vIdx_Ob & "','" & Val(FR1a) & "','" & Val(FR1b) & "','" & Val(FR1c) & "','" & Val(FR2a) & "','" & Val(FR2b) & "','" & Val(FR2c) & "','" & Val(FR3a) & "','" & Val(FR3b) & "','" & Val(FR3c) & "','" & Val(FR4a) & "','" & Val(FR4b) & "','" & Val(FR4c) & "','" & Val(FR5a) & "','" & Val(FR5b) & "','" & Val(FR5c) & "','" & Val(FR6a) & "','" & Val(FR6b) & "','" & Val(FR6c) & "','" & Val(FR7a) & "','" & Val(FR7b) & "','" & Val(FR7c) & "','" & Val(FR8a) & "','" & Val(FR8b) & "','" & Val(FR8c) & "','" & Val(FR9a) & "','" & Val(FR9b) & "','" & Val(FR9c) & "','" & Val(FR10a) & "','" & Val(FR10b) & "','" & Val(FR10c) & "')" Conn.Execute SQLTambah1

For i = 1 To Lv_H5a.ListItems.Count

SQLTambah2 = "insert into tbHasilDetailDMs

(Idx_Ob,Alternatif,RC1a,RC1b,RC1c,RC2a,RC2b,RC2c,RC3a,RC3b,RC3c,R C4a,RC4b,RC4c,RC5a,RC5b,RC5c) values ('" & vIdx_Ob & "','" & Lv_H5a.ListItems(i).ListSubItems(1).Text & "','" &

Val(Lv_H5a.ListItems(i).ListSubItems(2).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(3).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(4).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(5).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(6).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(7).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(8).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(9).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(10).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(11).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(12).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(13).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(14).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(15).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(16).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(17).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(18).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(19).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(20).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(21).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(22).Text) & "',"'" & Val(Lv_H5a.ListItems(i).ListSubItems(23).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(24).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(25).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(26).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(27).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(28).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(29).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(30).Text) & "','" & Val(Lv_H5a.ListItems(i).ListSubItems(31).Text) & "')" Conn.Execute SQLTambah2

SQLTambah3 = "insert into tbHasilAkhir

(Idx_Ob,Alternatif,CA1,CA2,CA3,CA4,CA5,CA6,CA7,CA8,CA9,CA10,SA1,S A2,SA3,SA4,SA5,SA6,SA7,SA8,SA9,SA10,IC1,IC2,IC3,IC4,IC5,IC6,IC7,I C8,IC9,IC10,ICT,Ket) values ('" & vIdx_Ob & "','" &

Val(Lv_H5b.ListItems(i).ListSubItems(2).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(3).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(4).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(5).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(6).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(7).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(8).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(9).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(10).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(11).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(12).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(13).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(14).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(15).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(16).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(17).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(18).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(19).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(20).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(21).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(22).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(23).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(24).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(25).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(26).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(27).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(28).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(29).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(30).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(31).Text) & "','" & Val(Lv_H5b.ListItems(i).ListSubItems(32).Text) & "','" & Lv_H5b.ListItems(i).ListSubItems(33).Text & "')"

Conn.Execute SQLTambah3 Next i

cmdProses.Caption = "&Rangking" Call Rangking

Call Tampil_H5b Else

HP1 = "Delete from tbHasil where Idx_Ob='" & vIdx_Ob.Caption & "'"

Conn.Execute HP1

HP2 = "Delete from tbHasilDetailDMs where Idx_Ob='" & vIdx_Ob.Caption & "'"

Conn.Execute HP2

HP3 = "Delete from tbHasilAkhir where Idx_Ob='" & vIdx_Ob.Caption & "'"

Conn.Execute HP3 LvH1.ListItems.Clear

cmdProses.Caption = "&Proses" End If

If cmdProses.Caption = "&Rangking" Then Call Rangk

End If End Sub