Analisis Komputasi Metode Topsis Dalam Pengambilan Keputusan

ANALISIS KOMPUTASI METODE TOPSIS DALAM

PENGAMBILAN KEPUTUSAN

TESIS

OLEH

ELVIWANI

107038030/TINF

PROGRAM STUDI MAGISTER(S2) TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA MEDAN

ANALISIS KOMPUTASI METODE TOPSIS DALAM

PENGAMBILAN KEPUTUSAN

TESIS

Diajukan sebagai salah satu syarat umtuk memperoleh gelar Magister

dalam Program Studi Magister Teknik Informatika Fakultas Ilmu

Komputer dan Teknik Informatika Universitas Sumatera Utara

OLEH

ELVIWANI

107038030/TINF

PROGRAM STUDI MAGISTER(S2) TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA MEDAN

PENGESAHAN

Judul Tesis : ANALISIS METODE TOPSIS DALAM PENGAMBILAN KEPUTUSAN

Nama Mahasiswa : ELVIWANI Nomor Induk Mahasiswa : 10 70 38 030

Program Studi : Magister Teknik Informatika

Fakultas : Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara

Menyetujui Komisi Pembimbing

Ketua Program Studi, Dekan, Dr. Erna Budhiarti Nababan, MIT

Anggota

Prof.Dr. Herman Mawengkang Ketua

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

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

PERNYATAAN ORISINALITAS

ANALISIS KOMPUTASI METODE TOPSIS DALAM

PENGAMBILAN KEPUTUSAN

TESIS

Dengan ini saya menyatakan bahwa saya mengakui semua karya tesis ini adalah hasil kerja saya sendiri kecuali kutipan dan ringkasan yang tiap satunya di jelaskan

sumbernya dengan benar.

Medan, 21 Juli 2012

ELVIWANI NIM. 107038030

PERNYATAAN PERSETUJUAN PUBLIKASI

KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS

Sebagai civitas akademika Universitas Sumatera Utama, saya yang bertanda tangan dibawah ini:

Nama : ELVIWANI

Nim : 107038008

Program Studi : Teknik Informatika

Jenis Karya Ilmiah : Tesis

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

ANALISIS KOMPUTASI METODE TOPSIS DALAM PENGAMBILAN KEPUTUSAN

Beserta software yang ada. Dengan Hak Bebas Royalti Non-Eksklusif 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, 22 Juli 2012

ELVIWANI NIM. 107038030

Telah diuji pada

Tanggal :

PANITIA PENGUJI TESIS

Ketua : Prof. Dr. Herman Mawengkang

Anggota : 1. Dr. Erna Budhiarti Nababan, MIT

2. Prof. Dr. Muhammad Zarlis

3. Prof. Dr. Tulus, Vor. Dipl. Math., M.Si

RIWAYAT HIDUP

DATA PRIBADI

Nama lengkap berikut gelar : Elviwani, ST, S.Kom

Tempat dan tanggal lahir : Padang Panjang, 18 Agustur 1975

Alamat rumah : Jl. Bunga Ncole XIV B no 40 Medan

Nomor Telepon : 081265563276

e-mail

DATA PENDIDIKAN

SD : SDN Jaho Tamat : 1988

SMP : SMPN 1 Padang Panjang Tamat : 1991

SMA : Sekolah Menengah Analis Kimia Tamat : 1995

Strata-1 : Teknik Kimia ITM Medan Tamat : 2002

KATA PENGANTAR

Pertama-tama kami panjatkan puji syukur kehadirat Allah SWT, atas segala limpahan rahmat dan karunia-Nya sehingga tesis ini dapat diselesaikan tepat pada waktunya. Dengan selesainya tesis ini, perkenankanlah kami mengucapkan terima kasih yang sebesar-besarnya kepada:

Rektor Universitas Sumatera Utara, Prof. Dr. Dr. Syahril Pasaribu, DTM&H, M.Sc (CTM), Sp. A(K) atas kesempatan yang di berikan kepada saya untuk mengikuti dan menyelesaikan pendidikan Program Magister.

Dekan Fakultas Ilmu Komputer dan Teknologi Informasi sekaligus Ketua Program Studi Magister (S2) Teknik Informatika, Prof. Dr. Muhammad Zarlis dan Sekretaris Program Studi Magister (S2) Teknik Informatika M. Andri Budiman, S.T, M.Comp, M.E.M beserta seluruh staff pengajar pada Program Studi Magister (S2) Teknik Informatika Program Pascasarjana Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara yang telah bersedia membimbing penulis sehingga dapat menyelesaikan pendidikan tepat pada waktunya.

Terimakasih yang tak terhingga dan penghargaan setinggi-tingginya penulis ucapkan kepada Prof. Dr. Herman Mawengkang, selaku pembimbing utama dan kepada Dr. Erna Budhiarti Nababan, M.I.T. selaku pembimbing yang dengan penuh kesabaran menuntun serta membimbing penulis hingga selesainya tesis ini dengan baik.

Terimakasih yang tak terhingga dan penghargaan setinggi-tingginya penulis ucapkan kepada Prof. Dr. Muhammad Zarlis, Prof. Dr. Tulus dan Dr. Zakarias Situmorang sebagai pembanding yang telah memberikan saran dan masukan serta arahan yang baik demi penyelesaian tesis ini.

Staf pegawai dan administrasi pada Program Studi Magister (S2) Teknik Informatika Program Pascasarjana Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara yang telah memberikan bantuan dan pelayanan terbaik kepada penulis selama mengikuti perkuliahan hingga saat ini.

Kepada Papanda Alm. Harnil, Mamanda Bidarlis selaku orang tua, kepada mertua Alm Chalid dan bunda Rasyidah selaku mertua, kepada suami tersayang Prof. Dr. Muhammad Zarlis, buah hati Aurick Daffa Muhammad dan Aulia Fadhil Muhammad, serta seluruh keluarga besar yang ada di Medan dan Padang Panjang, yang tidak dapat di sebutkan satu persatu, terimakasih atas segala pengorbanannya baik secara moril maupun materil budi baik yang tidak dapat dibalas, hanya di serahkan kepada Allah SWT.

Rekan mahasiswa/i angkatan kedua tahun 2012 pada Program Studi Magister (S2) Teknik Informatika Program Pascasarjana Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara khususnya Yasohati Sarumaha yang telah banyak membantu penulis baik berupa dorongan semangat dan doa selama perkuliahan.

Seluruh pihak yang tidak dapat penulis sebutkan satu persatu dalam tesis ini, terimakasih atas segala bantuan dan doa yang diberikan. Dengan segala kekurangan dan kerendahan hati, sekali lagi penulis mengucapkan terimakasih. Semoga kiranya Allah SWT membalas segala bantuan dan kebaikan yang telah diberikan.

Medan, 22 Juli 2012

ELVIWANI

ANALISIS METODE TOPSIS DALAM

PENGAMBILAN KEPUTUSAN

ABSTRAK

Dalam pengambilan sebuah keputusan objektif yang dipengaruhi oleh banyak alternatif dan kriteria dengan situasi yang bersifat fuzzy maka sulit untuk mengambil sebuah keputusan secara manual. Untuk itu digunakan metode Fuzzy Multi-Criteria Decision Making dalam pengambilan keputusan. Salah satu metode FMCDM ini adalah metode TOPSIS (Technique For Others Reference by Similarity to Ideal Solution). Pada beberapa penelitian yang telah di lakukan dengan metode TOPSIS ini, digunakan kriteria dengan jumlah yang berbeda-beda. Untuk itu perlu di kaji sejauh mana perbedaan hasil yang diperoleh dengan adanya perbedaan jumlah kriteria yang digunakan dari keseluruhan jumlah kriteria yang mempengaruhi sebuah keputusan. Pada penelitian ini penulis mengaplikasikan metode TOPSIS dalam penilaian seleksi penerimaan guru dan mengukur sejauh mana perbedaan nilai yang dihasilkan sehingga diperoleh keputusan yang lebih objektif.

ANALISYS TOPSIS METHOD IN

DECISION MAKING

ABSTRACT

Among the exposure of alternatives and criteria, an objective decision making seems to be difficult to make especially in such fuzzy condition which brings about a manually made decision. In order to overcome this obstacle, Fuzzy Multi-Criteria Decision Making (FMCDM) is the way out to grab an objective decision. One of the techniques applied in this method is a Technique for Other references by similarity to Ideal Solution (TOPSIS) by which few researches with various criteria have been carried out. It is certain that an observation will be beneficial to find out how much the variety influences the outcome of decision. The writer applied TOPSIS in teachers’ recruitment and assess the different outcome produced to have a more objective decision

DAFTAR ISI

Halaman

KATA PENGANTAR viii

ABSTRAK x

ABSTRACT xi

DAFTAR ISI xii DAFTAR TABEL xiv

DAFTAR GAMBAR xv

BAB I ... PENDAHULUAN 1

1.1 Latar Belakang Masalah 1

1.2 Perumusan Masalah 3

1.3 Batasan Masalah 3

1.4 Tujuan Penelitian 3

1.5 Manfaat Penelitian 3

1.6 Sistematika Penulisan 4

BAB II TINJAUAN PUSTAKA 5

2.1 Sistem Pendukung Keputusan 5 5 5

2.2 Metode Fuzzy 5

2.2.1 Himpunan Fuzzy (Fuzzy Set) 7

2.2.2 Logika Fuzzy (Fuzzy Logic) 9

2.2.3 Fungsi Keanggotaan dalam Fuzzy Logic 9

2.2.4 Komponen-Komponen Pembentuk Sistem Fuzzy 10

2.3 Metode MCDM 11

2.3.1 Klasifikasi Metode MCDM 12

2.3.3 Klasifikasi MCDM 13

2.4 Metode TOPSIS 13

2.4.1 Tahapan Dalam Metode TOPSIS 14

2.4.2 Langkah Kerja Metode TOPSIS 14

2.5 Penelitian Sebelumnya 16

BAB III METODOLOGI PENELITIAN 18

3.1 Lokasi Penelitian 18

3.2 Data Yang Dibutuhkan 18

3.3 Analisis Data 19

3.3.1 TOPSIS 19

3.3.2 Proses Penilaian Fuzzy 21

3.4 Bagan Alir Penelitian 24

BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil 27

4.1.1 Input Data 27

4.1.2 Hasil Pengolahan Data 28

4.2 Pembahasan 37

BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan 40

5.2 Saran 41

DAFTAR TABEL

2.1 Riset Terkait 16

3.1 Bilangan Fuzzy untuk Mengukur Peringkat Alternatif 21

3.2 Bilangan Fuzzy Untuk Mengukur Kepentingan Kriteria 23

3.3 Bobot Kepentingan Kriteria Fuzzy 23

4.1 Nilai Atribut 29

DAFTAR GAMBAR

3.1 BilanganFuzzy Segitiga 21

3.2 Skema Analisis Untuk Menyelesaikan Permasalahan 25

4.1 Tampilan Pemilihan Jumlah Kriteria 28

4.2 Tampilan Entri Objek Penilaian 29

4.3 Tampilan Hasil Rangking Dengan 3 Kriteria 30

4.4 Tampilan Hasil Rangking Dengan 4 Kriteria 31

4.5 Tampilan Hasil Rangking Dengan 5 Kriteria 32

4.6 Tampilan Hasil Rangking Dengan 6 Kriteria 33

4.7 Tampilan Hasil Rangking Dengan 7 Kriteria 34

4.8 Tampilan Hasil Rangking Dengan 8 Kriteria 35

4.9 Tampilan Hasil Rangking Dengan 9 Kriteria 36

4.10 Tampilan Hasil Rangking Dengan 10 Kriteria 37

4.11 Perbedaan Jumlah Kriteria dengan Hasil Optimal 38

ANALISIS METODE TOPSIS DALAM

PENGAMBILAN KEPUTUSAN

ABSTRAK

Dalam pengambilan sebuah keputusan objektif yang dipengaruhi oleh banyak alternatif dan kriteria dengan situasi yang bersifat fuzzy maka sulit untuk mengambil sebuah keputusan secara manual. Untuk itu digunakan metode Fuzzy Multi-Criteria Decision Making dalam pengambilan keputusan. Salah satu metode FMCDM ini adalah metode TOPSIS (Technique For Others Reference by Similarity to Ideal Solution). Pada beberapa penelitian yang telah di lakukan dengan metode TOPSIS ini, digunakan kriteria dengan jumlah yang berbeda-beda. Untuk itu perlu di kaji sejauh mana perbedaan hasil yang diperoleh dengan adanya perbedaan jumlah kriteria yang digunakan dari keseluruhan jumlah kriteria yang mempengaruhi sebuah keputusan. Pada penelitian ini penulis mengaplikasikan metode TOPSIS dalam penilaian seleksi penerimaan guru dan mengukur sejauh mana perbedaan nilai yang dihasilkan sehingga diperoleh keputusan yang lebih objektif.

ANALISYS TOPSIS METHOD IN

DECISION MAKING

ABSTRACT

Among the exposure of alternatives and criteria, an objective decision making seems to be difficult to make especially in such fuzzy condition which brings about a manually made decision. In order to overcome this obstacle, Fuzzy Multi-Criteria Decision Making (FMCDM) is the way out to grab an objective decision. One of the techniques applied in this method is a Technique for Other references by similarity to Ideal Solution (TOPSIS) by which few researches with various criteria have been carried out. It is certain that an observation will be beneficial to find out how much the variety influences the outcome of decision. The writer applied TOPSIS in teachers’ recruitment and assess the different outcome produced to have a more objective decision

BAB I

PENDAHULUAN

1.1 Latar Belakang

Pengambilan keputusan merupakan tindakan manajemen dalam mencapai sasaran. Teori pengambilan keputusan memiliki unsur-unsur utama berupa pembuat keputusan dihadapkan pada suatu masalah tertentu yang dapat diperbandingkan satu sama lain; Tujuan-tujuan, nilai-nilai atau sasaran yang mempedomani pembuat keputusan amat jelas dan dapat ditetapkan tingkatannya sesuai dengan urutan pentingnya. Berbagai alternatif untuk memecahkan masalah tersebut diteliti secara seksama. Akibat-akibat yang ditimbulkan oleh setiap alternatif yang dipilih dengan teliti. Setiap alternatif dan masing-masing akibat yang menyertainya dapat dibandingkan dengan alternatif-alternatif lainnya serta pembuat keputusan akan memilih alternatif-alternatif dan akibat-akibatnya yang dapat memungkinkan tercapainya tujuan, nilai atau sasaran. Dengan banyaknya alternatif yang mempengaruhi sebuah keputusan maka sulit untuk mengambil sebuah keputusan secara manual. Salah satu metode yang dapat digunakan dalam mengambil sebuah keputusan adalah metode TOPSIS (Technique For Others Reference by Similarity to Ideal Solution)

TOPSIS adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan oleh Yoon dan Hwang tahun 1981, menggunakan prinsip bahwa alternatif yang terpilih harus memiliki jarak terdekat dari solusi ideal positif dan terjauh dari solusi ideal negatif dari sudut pandang geometris dengan menggunakan

jarak Euclidean untuk menentukan kedekatan relatif dari suatu alternatif dengan solusi optimal.

Metode ini banyak digunakan untuk menyelesaikan pengambilan keputusan secara praktis. Hal ini disebabkan konsepnya sederhana dan mudah dipahami, komputasinya efisien dan memiliki kemampuan mengukur kinerja relatif dan alternatif-alternatif keputusan. Ada beberapa penelitian yang telah dilakukan menggunakan konsep TOPSIS antara lain Mohammadi (2011) tentang Pengenalan metode baru TOPSIS untuk mengembangkan model pengambilan keputusan kedalam bentuk Fuzzy TOPSIS dengan Fuzzy Trapezoidal Data. Athawale and Chakraborty (2010) tentang Pendekatan metode TOPSIS sebagai seleksi mesin bubut. Wu And Olson (2006) tentang demonstrasi sebuah TOPSIS dalam konsep Data Mining dan Penerapannya dalam menentukan nilai Kredit. Santos and Camargo (2010) tentang Sistem fuzzy digunakan sebagai pengambil keputusan dengan banyak kriteria. Jadidi (2009) tentang ekstensi TOPSIS untuk penentuan pemilihan supplier multi-objective dengan harga yang sesuai. Karimi (2011) tentang penggunaan TOPSIS Fuzzy dan AHP dalam proses seleksi pengolahan limbah cair dan Li and Li (2011)tentang penentuan kinerja guru Sekolah Tinggi Cina menggunakan metode TOPSIS dengan penilaian sistem dari pengambilan informasi yang tidak pasti.

Solusi ideal positif didefinisikan sebagai jumlah dari seluruh nilai terbaik yang dapat dicapai untuk setiap atribut, sedangkan solusi negatif ideal terdiri dari seluruh nilai terburuk yang dicapai untuk setiap atribut. TOPSIS mempertimbangkan keduanya, jarak terhadap solusi ideal positif dan jarak terhadap solusi ideal negatif dengan mengambil kedekatan relatif terhadap solusi ideal positif. Berdasarkan perbandingan terhadap jarak relatifnya, susunan prioritas alternatif bisa dicapai.

Berdasarkan uraian pada latar belakang dan permasalahan maka penelitian ini akan menanalisis sistem pendukung keputusan dengan menggunakan TOPSIS. Hal ini

disebabkan, banyak penggunaan metode ini serta solusi yang dihasilkan mendekati memiliki solusi ideal positif yang menjadi nilai objektifitas.

1.2 Perumusan Masalah

Mengambil sebuah keputusan secara konvensional akan terasa sulit oleh si pembuat keputusan karena banyaknya faktor-faktor yang mempengaruhi dalam pengambilan keputusan. Untuk itu digunakan metode Fuzzy Multi-Criteria Decision Making dalam pengambilan keputusan. Penggunaan metode FMCDM ini dapat memberikan nilai solusi yang baik untuk manajemen. Salah satu metode FMCDM ini adalah metode TOPSIS dimana metode TOPSIS ini akan menggunakan jumlah kriteria yang berbeda. Sejauh mana pengaruh perbedaan jumlah kriteria tersebut dalam menghasilkan keputusan yang lebih objektif.

1.3 Batasan Masalah

Batasan yang dibuat dalam penelitian ini adalah dengan memvariasikan jumlah kriteria dalam melakukan penilaian terhadap 10 atribut dimana batas bawah dan batas atas kriteria yang digunakan dalam penelitian ini adalah 3 dan 10.

1.4 Tujuan Penelitian

Tujuan yang ingin dicapai dalam penelitian ini adalah untuk melihat hasil keputusan yang terbaik yang diperoleh dari perbedaan jumlah kriteria yang digunakan.

1.5 Metodologi penelitian

Dalam mencapai tujuan penelian ini, maka Penulis menggunakan metode penelitian sebagai berikut :

1. Kajian pustaka atau Literature review, membaca riset-riset yang telah dilakukan sehubungan dengan teknik yang akan dianalisis.

2. Analisis, menganalisa teknik yang digunakan dengan mempergunakan data. 3. Penulisan laporan merupakan kegiatan dalam menulis hasil penelitian.

1.6 Sistematika Penulisan

Laporan hasil penelitian ini dibuat dalam 5 (lima) bab dengan rincian sebagai berikut :

1. BAB I PENDAHULUAN

Bab ini berisi tentang latar belakang penulisan, rumusan masalah, batasan masalah, tujuan penelitian, metodologi penelitian, dan sistematika penulisan.

2. BAB II TINJAUAN PUSTAKA

Bab ini berisi tentang teori-teori ataupun prinsip-prinsip yang menunjang dalam penelitian, termasuk tinjauan terhadap penelitian yang telah dilakukan sebelumnya berkaitan dengan penelitian..

3. BAB III METODOLOGI PENELITIAN

Bab ini berisi tentang metodologi penelitian yang dilakukan dalam penelitan, yang meliputi : pengolahan, dan analisis data.

4. BAB IV HASIL DAN PEMBAHASAN

Bab ini berisi tentang hasil penelitian terhadap metode yang telah dianalisa.

5. BAB V KESIMPULAN DAN SARAN

Bab ini berisi tentang kesimpulan dari penelitian yang telah dilakukan dan saran yang mungkin nantinya dapat dikembangkan untuk penelitian selanjutnya.

BAB II

TINJAUAN PUSTAKA

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, 2002).

2.2 METODE FUZZY

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 yang diperkenalkan oleh Prof. Zadeh pada tahun 1965 seringkali menjadi pilihan terbaik, 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

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].

2.2.1 Himpunan Fuzzy (Fuzzy Set)

Himpunan fuzzy (fuzzy set) merupakan sekumpulan obyek x dimana masing-masing obyek memiliki nilai keanggotaan (membership function) “μ” atau disebut juga dengan

nilai kebenaran. Jika X adalah sekumpulan obyek dan anggotanya dinyatakan dengan x maka fuzzy set dari A di dalam X adalah himpunan dengan sepasang anggota atau dapat dinyatakan dengan :

� = { µA(�) | �∶�∈X, �(�) ∈ [0,1] ∈ R } (2.1)

Contoh : Terdapat suatu himpunan data yang berisikan variabel usia dengan klasifikasi sebagai berikut :

• Muda : jika usia sampai dengan 30 tahun

• Parobaya : jika usia lebih besar dari 30 tahun dan lebih kecil dari 50 tahun

• Tua : jika usia lebih besar dari atau sama dengan 50 tahun Maka pada himpunan crisp untuk dapat disimpulkan bahwa :

1. Apabila seseorang berusia 29 tahun maka ia dikatakan Muda (µMuda

2. Apabila seseorang berusia 32 tahun maka ia dikatakan Tidak Muda

(µ

[29]=1).

Muda

Jika pada himpunan crisp, nilai keanggotaan hanya ada 2 (dua) kemungkinan, yaitu : 0 (nol) dan 1 (satu), maka pada fuzzy set nilai keanggotaan terletak pada rentang 0 (nol) sampai 1 (satu).

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 : usia, 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 usia memiliki himpunan MUDA, PAROBAYA, dan TUA. 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 usia : [0 +∞]

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 : d. Muda = [0, 30]

e. Parobaya = [30, 50] f. Tua = [50, ∞].

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 : MUDA, PAROBAYA, TUA

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

2.2.2 Logika Fuzzy (Fuzzy Logic)

Fuzzy Logic dipergunakan untuk menempatkan hal-hal yang berhubungan dengan kekaburan/fuzzy, seperti himpunan, predikat-predikat, nilai-nilai, dan lainnya. Dalam arti sempit, fuzzy logic merupakan nama dari suatu jenis umum logika yang mempunyai banyak nilai, yang berhubungan dengan ketidakpastian, dan bagian kebenaran, yang mempunyai dasar teori fuzzy set (Tettamanzi and Tomassini, 2001).

Salah satu pengertian yang alami dan umum dari presentasi logika adalah kemampuannya sebagai metode penganalisa alasan. Objek dasar dari fuzzy logic adalah pernyataan-pernyataan yang memiliki suatu nilai kebenaran. Dalam fuzzy logic, himpunan kebenaran dan pelengkapnya dan himpunan kesalahan dan pelengkapnya adalah kabur/fuzzy, dimana derajat kebenaran dari setiap set diberikan oleh derajat dari elemen yang berhubungan dengan himpunannya. Tujuan utama dari fuzzy logic adalah memformalkan mekanisme dari alasan yang tepat.

2.2.3 Fungsi Keanggotaan (Membership Function) dalam Fuzzy Logic

Fungsi keanggotaan adalah suatu kurva yang menunjukan pemetaan titik-titik input data kedalam nilai keanggotaannya (derajat keanggotaan) yang memiliki interval antara 0 (nol) sampai 1 (satu).

Didalam fuzzy, fungsi keangotaan memainkan peranan yang sangat penting untuk merepresentasikan masalah dan menghasilkan keputusan yang akurat. Macam-macam fungsi keanggotaan dalam fuzzy :

1. Representasi linear, pemetaan input ke derajat keanggotaannya digambarkan sebagai suatu garis lurus.

Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas. Keadaan linier himpunan fuzzy terdiri dari dua keadaan linier naik dan linier turun.

2. Fungsi sigmoid 3. Fungsi Phi

4. Fungsi segitiga, dimana fungsi keanggotaannya ditandai oleh adanya 3 (tiga) parameter {a,b,c} yang akan menentukan koordinat x dari tiga sudut.

Kurva ini pada dasarnya merupakan gabungan antara dua garis (linier).

5. Fungsi trapezium, yang pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1 (satu).

2.2.4 Komponen-komponen Pembentuk Sistem Fuzzy

Sistem fuzzy terdiri dari 3 (tiga) komponen utama, yaitu :

1. Fuzzifikasi/Fuzzyfication, mengubah masukan-masukan yang nilai

kebenarannya bersifat pasti (crisp input) ke dalam bentuk fuzzy input, yang berupa nilai linguistic yang semantiknya ditentukan berdasarkan fungsi keanggotaan tertentu.

2. Inferensi/Inference, melakukan penalaran menggunakan fuzzy input dan fuzzy rules yang telah ditentukan sehingga menghasilkan fuzzy output.

3. Deffuzifikasi/Deffuzification, mengubah fuzzy output menjadi crisp rule

berdasarkan fungsi keanggotaan yang telah ditentukan. Terdapat beberapa metode defuzzifikasi, diantaranya adalah :

a. Centroid Method atau disebut juga Center of Area atau Center of Gravity

b. Height method, dikenal juga sebagai prinsip keanggotaan maksimum karena

metode ini secara sederhana memilih nilai crisp yang memiliki derajat keanggotaan maksimum yang hanya dapat digunakan untuk sebuah

c. First (or last) of Maxima,

d.

merupakan generalisasi dari Height method untuk kasus dimana fungsi keanggotaan output memiliki lebih dari satu nilai maksimum.

Mean-Max method,

e.

disebut juga sebagai Middle of Maxima, merupakan generalisasi dari Height method untuk kasus dimana terdapat lebih dari satu nilai crisp yang memiliki derajat keanggotaan maksimum.

Weighted Average, metode ini mengambil nilai rata-rata dengan

menggunakan pembobotan berupa derajat keanggotaan.

2.3 METODE MCDM

Multi 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 (Kahraman;Springer). Berdasarkan tujuannya, MCDM dapat dibagi dua model: Multi Attribute Decision Making (MADM) dan Multi Objective Decision Making (MODM).

Seringkali MADM dan MODM digunakan untuk menerangkan kelas atau kategori yang sama. MADM digunakan untuk menyelesaikan masalah-masalah dalam ruang diskrit. 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. Secara umum dapat dikatakan bahwa, MADM menyeleksi alternatif terbaik dari sejumlah alternatif sedangkan MODM merancang alternatif terbaik.

2.3.1 Klasifikasi Metode MCDM

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

Menurut jumlah pengambil keputusan yang terlibat dalam proses pengambil 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 solusi spesifik, perbedaan tipe bisa jadi akan memberikan perbedaan solusi.

a. Solusi ideal, kriteria atau atribuat dapat dibagi menjadi dua kategori, yaitu kriteria yang nilainya akan dimaksimumkan (kategori nilai keuntungan), dan kriteria yang nilainya akan diminimumkan (kategori kriteria biaya). Solusi ideal akan memaksimumkan semua kriteria keuntungan dan meminumkan semua kriteria biaya.

b. 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 akan menghasilkan perbaikan terhadap suatu atribut tanpa menyebabkan degenerasi pada atribut lainnya.

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

d. Solusi yang lebih disukai, solusi yang disukai adalah solusi non-dominated yang paling banyak memuaskan pengambil keputusan.

2.3.3 Klasifikasi MCDM

Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MCDM, antara lain:

a. Simple Additive Weighting Method (SAW) b. Weighted Product (WP)

c. Axiomatic Desain

d. ELECTRE

e. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) f. Analytic Hierachy Process (AHP)

2.4 METODE TOPSIS

TOPSIS adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan oleh Yoon dan Hwang tahun 1981. TOPSIS didasarkan pada konsep dimana alternatif yang terpilih atau terbaik tidak hanya mempunyai jarak terdekat dari solusi ideal positif, namun juga memiliki jarak terjauh dari solusi ideal negatif dari sudut pandang geometris dengan menggunakan jarak Euclidean untuk menentukan kedekatan relatif dari suatu alternatif dengan solusi optimal. Solusi ideal positif didefinisikan sebagai jumlah dari seluruh nilai terbaik yang dapat dicapai untuk setiap atribut, sedangkan solusi negatif-ideal terdiri dari seluruh nilai terburuk yang dicapai untuk setiap atribut.

TOPSIS mempertimbangkan keduanya, jarak terhadap solusi ideal positif dan jarak terhadap solusi ideal negatif dengan mengambil kedekatan relatif terhadap solusi ideal positif. Berdasarkan perbandingan terhadap jarak relatifnya, susunan prioritas alternatif bisa dicapai. Metode ini banyak digunakan pada beberapa model MADM untuk menyelesaikan masalah pengambilan keputusan secara praktis. Hal ini disebabkan konsepnya sederhana dan mudah dipahami, komputasinya efisien, dan

memiliki kemampuan mengukur kinerja relatif dari alternatif-alternatif keputusan dalam bentuk matematis yang sederhana.

2.4.1 Tahapan dalam Metode TOPSIS

Ada beberapa tahapan dalam TOPSIS, yaitu:

1. Membuat matriks keputusan yang ternormalisasi

2. Membuat matriks keputusan yang ternormalisasi terbobot

3. Membuat matriks solusi ideal positif dan matriks solusi ideal negatif

4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matriks solusi ideal negatif.

5. Menentukan nilai preferensi untuk setiap alternatif

a. Decision Matrix D mengacu terhadap m alternatif yang akan dievaluasi

berdasarkan kriteria yang didefinisikan sebagai berikut:

          = mn m m n n x x x x x x x x x D    2 1 2 22 21 1 12 11

(2.1)

b. Dengan xij menyatakan performansi dari perhitungan untuk alternatif ke-i

terhadap atribut ke-j.

2.4.2 Langkah Kerja Metode TOPSIS

1. Membangun normalizeddecision matrix

Elemen rij hasil dari normalisasi decision matrix R dengan metode Euclidean length of a vector adalah:

. ... 3 , 2 , 1 ; ... , 3 , 2 , 1 ; 1 2 n j dan m i dengan x x r m i ij ij

ij = = =

∑

=

2. Membangun weighted normalized decision matrix.

Solusi ideal positif A+ dan solusi ideal negatif A

-n j dan m i dengan r w

y_ij = _{i ij}, =1,2,3,... ; =1,2,3,...

dapat ditentukan berdasarkan rating bobot ternormalisasi (Yij)sebagai:

(2.3) 3. Menentukan matriks solusi ideal dan matriks solusi ideal negatif

Solusi ideal positif (A+) dihitung berdasarkan:

Solusi ideal negatif (A

(2.4)

-(

− − − −

)

−

₌

n

y

y

y

y

A

₁

,

₂

,

₃

,



,

) dihitung berdasarkan:

(2.5)

4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matrik ideal negatif.

Jarak antara alternatif Ai dengan solusi ideal positif dirumuskan sebagai:

(2.6)

Jarak antara alternatif Ai

(2.7) dengan solusi ideal negatif dirumuskan sebagai:

5. Menentukan nilai preferensi untuk setiap alternatif

Kedekatan setiap alternatif terhadap solusi ideal dihitung berdasarkan rumus:

(2.8)

2.5 Penelitian Sebelumnya (PREVIOUS RESEACH)

Terdapat beberapa riset yang telah dilakukan oleh banyak peneliti berkaitan dengan penulisan penelitian ini. Adapun riset tersebut dapat dilihat pada Tabel 2.1 di bawah ini.

Tabel 2.1 Riset Terkait

Nama Peneliti Judul Pembahasan Tahun

Santos, Camargo

Fuzzy System for Multicriteria Decision Making

Sistem fuzzy digunakan sebagai pengambil keputusan dengan banyak kriteria 2010 Athawale, Chakraborty

A Topsis Method-based Approach to Machine Tool Selection

Pendekatan metode TOPSIS sebagai seleksi mesin bubut

2010

Li & Li Topsis method for Chinese College Teacher

Performance Appraisal system with Uncertain Information

Penentuan kinerja guru Sekolah Tinggi Cina

menggunakan metode

TOPSIS dengan

penilaian sistem dari pengambilan informasi yang tidak pasti.

2011

Jadidi, Hong, Firouzi

TOPSIS Extention for Multi-objective Supplier Selection Problem Under Price Breaks

Ekstensi TOPSIS untuk penentuan pemilihan supplier multi-objective dengan harga yang sesuai

Tabel 2.1 Riset Terkait lanjutan

Nama Peneliti Judul Pembahasan Tahun

Henry Wibowo S Aplikasi Uji

Sensitivitas untuk Model MADM

Menggunakan Metode SAW dan

TOPSIS

Menentukan metode mana yang lebih sensitif antara

SAW dan TOPSIS dengan mengubah

bobot atribut.

2010

Shofwatul, Iman Riadi

A Fuzzy TOPSIS Multi- Attribute Decision Making for Scholarship Selection Metode TOPSIS dan weighted product digunakan untuk seleksi beasiswa dengan me- rekomendasikan mahasiswa yang memiliki tingkat

kelayakan paling tinggi untuk mendapatkan beasiswa

2010

Berdasarkan Tabel 2.1 dapat disimpulkan bahwa teknik Fuzzy Multicriteria decision making dengan metoda TOPSIS dapat diimplementasikan dalam berbagai sektor dan dengan variasi jumlah kriteria yang digunakan.

BAB III

METODOLOGI PENELITIAN

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.

3.1 Lokasi Penelitian

Data input diperoleh dari lokasi penelitian pada salah satu sekolah yang ada di kota Medan dalam hal seleksi penerimaan guru. Dalam pengumpulan data ini melibatkan wakil kepala sekolah dan bagian personalia.

3.2 Data Yang Dibutuhkan

Untuk menganalisis dalam FMCDM tentu diperlukan data sebagai masukan pada proses fuzzyfikasi.. Lingkungan penelitian dalam hal ini adalah batasan dimana terdapat subjek ataupun objek yang akan diteliti lalu kemudian ditarik kesimpulannya. Data input diperoleh dari lokasi penelitian dalam hal seleksi penerimaan guru.

Dan ada 10 orang calon guru yang akan diuji dengan 10 variabel yang telah ditentukan oleh pihak sekolah. Penelitian ini dilakukan berdasarkan dari literatur yang ada di pustaka serta dari data yang ada di jurnal dengan dukungan hasil seminar yang dilakukan oleh peneliti lainnya kemudian ditentukan variabel-variabel yang akan diteliti dari contoh tersebut.

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 defuzzy dalam rangka mencari nilai alternatif yang optimal.

3.3 Analisis Data

3.3.1 TOPSIS

Dalam penyelesaian masalah dengan metode TOPSIS ini dalam FMCDM ada beberapa tahap yaitu:

1. Tujuan dari penelitian ini adalah untuk mendapatkan hasil yang lebih objektif dalam pengambilan keputusan dengan melakukan variasi jumlah kriteria yang digunakan.

2. Digunakan 10 sampel alternatif penilaian objek/atribut berturut-turut G1, G2, G3, G4, G5, G6, G7, G8, G9 dan G10 yang akan menjadi alternatif keputusan.

3. Ada 10 kriteria keputusan yang di notasikan dengan C1, C2, C3, C4, C5, C6, C7, C8, C9 dan C10 dengan acuan seperti berikut:

C1 = Pendidikan

Pendidikan paling rendah adalah S1.

C2 = Pengalaman

Harus mempunyai kemampuan/pengalaman mengajar baik formal atau pun non formal.

C3 = Kerja keras

Bersedia dan mampu bekerja keras dengan tanggung jawab yang beragam.

C4 = Loyalitas

Setia dan berkomitmen untuk menjadi guru dan mengikuti setiap aturan yang ada.

C5 = Bahasa Asing

Menguasai bahasa inggris lisan dan tulisan.

C6 = Berwawasan luas

Mempunyai wawasan di segala bidang.

C7 = Inovatif

Mampu melahirkan ide-ide/ karya baru termasuk melakukan riset/penelitian.

C8 = Penguasaan Materi

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

C9 = Strategi mengajar

Menguasai teori belajar dan prinsip-prinsip pembelajaran yang mendidik secara kreatif sesuai dengan standar kompetensi guru..

C10 = Bekerja tim

Kemampuan bekerja secara bersama-samabaik dengan sesama guru ataupun dengan siswa.

dimana akan ada variasi jumlah kriteria yang digunakan yaitu mulai dari 3 kriteria, 4 kriteria, 5 kriteria, 6 kriteria, 7 kriteria, 8 kriteria, 9 kriteria dan 10 kriteria.

3.3.2 Proses Penilaian Fuzzy

Variabel linguistik adalah suatu variabel yang memiliki nilai-nilai dalam bentuk

kata-kata atau kalimat. Bilangan fuzzy segitiga dan variabel linguistik adalah dua konsep

dasar yang digunakan dalam penelitian ini untuk menilai peringkat preferensi

variabel-variabel linguistik.

Memprioritaskan alternatif keputusan berdasarkan hasil konversi dari nilai dalam bentuk kalimat menjadi nilai fuzzy. Hasil konversi ini direpresentasikan dengan menggunakan TFN (nilai crisp), maka dibutuhkan metode perangkingan untuk TFN.

Kriteria digunakan sebagai parameter acuan dalam pengambilan keputusan untuk menentukan suatu dasar kesimpulan untuk suatu permasalahan yang diangkat. Dasar penentuan himpunan keanggotaan fuzzy untuk menilai kepentingan suatu kriteria adalah seperti pada tabel 3.1

Tabel 3.1 Bilangan Fuzzy untuk Mengukur Peringkat Alternatf Defenisi TFN(nilai crips)

Sangat tinggi 0,9 1 1

Tinggi 0,7 0,9 1

Sedang 0,3 0,5 0,7

Rendah 0 0,1 0,3

Variabel linguistik adalah suatu variabel yang memiliki nilai-nilai dalam bentuk kata-kata atau kalimat. Bilangan fuzzy segitiga dan variabel linguistik adalah dua konsep dasar yang digunakan dalam penelitian ini untuk menilai peringkat preferensi variabel-variabel linguistik.

Kriteria digunakan sebagai parameter acuan dalam pengambilan keputusan untuk menentukan suatu dasar kesimpulan untuk suatu permasalahan yang diangkat. Dasar penentuan himpunan keanggotaan fuzzy untuk menilai kepentingan suatu kriteria adalah seperti pada tabel 3.2

Tabel 3.2 Bilangan Fuzzy untuk Mengukur Kepentingan Kriteria Intensitas

Kepentingan

Definisi Bilangan Fuzzy

9 Mutlak paling penting (8,9,10)

7 Lebih penting (6,7,8)

5 Penting (4,5,6)

3 Relatif penting (2,3,4)

1 Sama penting (1,1,2)

Untuk menilai kelayakan alternatif terhadap berbagai kriteria, pengambil keputusan dapat menggunakan himpunan peringkat linguistik berdasarkan tabel 3.2. Pegawai sebagai alternatif dalam sistem ini diberi peringkat pada masing-masing kriteria dengan menggunakan nilai linguistik tersebut.

Kriteria penilaian mempunyai bobot kepentingan yang berbeda, dengan nilai terlihat pada tabel 3.3

Tabel 3.3 Bobot Kepentingan Kriteria Fuzzy

Kriteria Bobot Penilaian Nilai

C1 Mutlak Penting 9

C2 Relatif penting 3

C3 Penting 5

C4 Relatif penting 3

C5 Lebih penting 7

C6 Penting 5

C7 Relatif penting 3

C8 Lebih penting 7

C9 Penting 5

3.3 Bagan Alir Penelitian

Bagan alir penelitian menjelaskan proses kerja dari awal penelitian hingga selesai. Adapun skema bagan alir penelitian dapat dilihat pada gambar berikut:

Gambar 3.2 Skema bagan alir penelitian Mulai

Penentuan objek penelitian

Tujuan penelitian

Analisis TOPSIS 1. Mengidentifikasi Atribut

2. Menentukan kepentingan relatif 3. Menentukan derajat keanggotaan

4. Menentukan Rangking untuk masing-masing jumlah kriteria

Pengujian

Kesimpulan

Keterangan skema :

1. Penentuan objek penelitian

Objek penelitian dillakukan di salah satu sekolah yang ada di kota Medan.

2. Tujuan penelitian

Untuk mengetahui hasil yang paling optimal yang diperoleh dengan adanya variasi jumlah kriteria yang digunakan.

3. Pengolahan data

Pertama diidentifikasi dahulu kriteria-kriteria yang ada pada tiap atribut, kemudian tentukan kepentingan relatif kemudian dicari nilai crisp.

Langkah Kerja Metode TOPSIS

a. Membangun normalizeddecision matrix

Elemen rij hasil dari normalisasi decision matrix R dengan metode

Euclidean length of a vector adalah:

. ... 3 , 2 , 1 ; ... , 3 , 2 , 1 ; 1 2 n j dan m i dengan x x r m i ij ij

ij = = =

∑

=

Dimana x adalah nilai crisp atribut i adalah kriteria

j adalah atribut

b. Membangun weighted normalized decision matrix.

Solusi ideal positif A+ dan solusi ideal negatif A

-n j dan m i dengan r w

y_ij = _{i ij}, =1,2,3,... ; =1,2,3,...

dapat ditentukan berdasarkan rating bobot ternormalisasi (Yij)sebagai:

c. Menentukan matriks solusi ideal dan matriks solusi ideal negatif Solusi ideal positif (A+

A

) dihitung berdasarkan:

+

= (E1+, y2+, y3+,...yn+)

Solusi ideal negatif (A

) dihitung berdasarkan:

(

− − − −

)

− ₌

n

y y

y y

A ₁ , ₂, ₃,,

d. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matrik ideal negatif.

Jarak antara alternatif Ai dengan solusi ideal positif (D) dirumuskan sebagai:

Jarak antara alternatif Ai

dengan solusi ideal negatif dirumuskan sebagai:

e. Menentukan nilai preferensi (V) untuk setiap alternatif

Kedekatan setiap alternatif terhadap solusi ideal dihitung berdasarkan rumus:

Pembahasan dilakukan pada nilai rangking yang diperoleh di setiap perbedaan jumlah kriteria yang digunakan.

BAB IV

HASIL DAN PEMBAHASAN 1

Bab berikut ini menjelaskan mengenai hasil penelitian yang dilakukan penulis terhadap kinerja pegawai. Dari hasil penelitian tersebut nantinya dapat ditarik suatu kesimpulan, bagaimana perbedaan jumlah kriteria yang telah ditentukan dalam menghasilkan keputusan yang lebih objektif pada suatu pengambilan keputusan. Penelitian dilakukan dengan menggunakan metode TOPSIS dalam melakukan fuzzyfikasi dari asumsi-asumsi yang diberikan oleh pengambil keputusan. Untuk mengimplementasikan penerapan perbedaan kriteria tersebut di atas, maka dilakukanlah proses ujicoba.

4.1 HASIL

Pada penelitian ini diasumsikan penilaian terhadap alternatif diilustrasikan sebagai berikut ini. A1, A2, A3, A4, A5, A6, A7, A8, A9, dan A10 melambangkan objek kriteria dan C1, C2, C3, C4, C5, C6, C7, C8, C9 dan C10 mewakili kriteria keputusan.

4.1.1 Input Data

Setiap objek yang akan dinilai terlebih dahulu dimasukkan datanya, yaitu jumlah kriteria penilaian, nama objek dan deskripsi tentang penilaian melalui interface yang ditampilkan pada Gambar 4.1 berikut ini.

Gambar 4.1 Tampilan pemilihan jumlah kriteria

Dari gambar 4.1 terlebih dahulu di pilih berapa kriteria yang akan di input, 3 kriteria, 4 kriteria, 5 kriteria, 6 kriteria, 7 kriteria, 8 kriteria, 9 kriteria dan 10 kriteria. Kemudian dimasukkan parameter atau kriteria penilaian dari objek atau atribut yang akan dinilai Kriteria dan atribut dimasukkan melalui interface yang ditampilkan seperti pada Gambar 4.2

Berikut ini adalah hasil penilaian dari 10 Attribute terhadap 10 kriteria penelitian seperti yang terlihat pada Tabel 4.1 berikut ini.

Tabel 4.1 Nilai Attribute

C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 A1 Sangat

tinggi

Tinggi sedang Rendah Tingg Sangat tinggi

Sangat tinggi

Tinggi Sangat tinggi

Sangat tinggi A2 Sangat

Tinggi

Sangat tinggi

Sedang Sangat tinggi

Sedang Tinggi Rendah Sedang Sangat tinggi

Sedang

A3 Sangat tinggi

Sedang Tinggi Sedang Tinggi Tinggi Sangat tinggi

Rendah Tinggi Sangat tinggi A4 Sangat

Tinggi

Sedang Sangat tinggi

Tinggi Sedang Rendah Sangat tinggi

Sangat tinggi

Tinggi Tinggi

A5 Sangat tinggi

Sangat tinggi

Tinggi Rendah Tinggi Sedang Tinggi Sedang Sedang Sangat tinggi A6 Sangat

Tinggi

Tinggi Sangat tinggi

Sedang Sangat tinggi

Rendah Sedang Sangat tinggi

Tinggi Tinggi

A7 Sangat Tinggi

Sedang Tinggi Sangat tinggi

Sedang Sangat tinggi

Tinggi Rendah Sangat tinggi

Tinggi

A8 Sangat tinggi

Sangat tinggi

Sedang Rendah Sedang Tinggi Tinggi Sedang Sangat tinggi

Tinggi

A9 Sangat Tinggi

Tinggi Tinggi Sedang Sangat tinggi

Sangat tinggi

Sedang Rendah Sangat tinggi

Sangat tinggi A10 Sangat

Tinggi

Sedang Sedang Sangat tinggi

Tinggi Tinggi Sangat tinggi

Rendah Tinggi Sangat tinggi

4.1.2 Hasil pengolahan Data

Berdasarkan hasil pengolahan data dari tabel 4.1 maka diperoleh nilai crisp, hasil matriks keputusan ternormalisasi, nilai solusi ideal positif dan nilai ideal negatif, sehingga didapatkan nilai perangkingan seperti berikut ini:

1. Hasil rangking dengan 3 kriteria

Gambar 4.3. Tampilan hasil rangking dengan 3 kriteria

Gambar 4.3 adalah hasil dari penilaian 10 atribut dengan penggunaan 3 kriteria, pertama didapatkan dahulu nilai Crisp kemudian dilakukan matriks keputusan ternormalisasi. Dari hasil matriks dilakukan pencarian nilai solusi ideal positif dan nilai solusi ideal negatif. Dan didapatkan hasil terbaik adalah atribut 06 dengan nilai paling mendekati 1

2. Hasil rangking dengan 4 kriteria

Gambar 4.4 Tampilan hasil rangking dengan 4 kriteria

Gambar 4.4 adalah hasil dari penilaian 10 atribut dengan 4 kriteria. pertama didapatkan dahulu nilai Crisp kemudian dilakukan matriks keputusan ternormalisasi. Dari hasil matriks dilakukan pencarian nilai solusi ideal positif dan nilai solusi ideal negatif, maka di peroleh hasil terbaik yang mendekati nilai 1 pada atribut 07 dengan nilai 0,694.

3. Hasil rangking dengan 5 kriteria

Gambar 4.5 Tampilan hasil rangking dengan 5 kriteria

Gambar 4.5 adalah hasil dari penilaian 10 atribut dengan 5 kriteria. Pertama didapatkan dahulu nilai Crisp kemudian dihitung matriks keputusan ternormalisasi. Dari hasil matriks dilakukan pencarian nilai solusi ideal positif dan nilai solusi ideal negatif. maka di peroleh hasil terbaik yang mendekati nilai 1 pada atribut 06 dengan nilai 0,664

4. Hasil rangking dengan 6 kriteria

Gambar 4.6 Tampilan hasil rangking dengan 6 kriteria

Gambar 4.6 adalah hasil dari penilaian 10 atribut dengan 6 kriteria. Pertama didapatkan dahulu nilai Crisp kemudian dihitung matriks keputusan ternormalisasi. Dari hasil matriks dilakukan pencarian nilai solusi ideal positif dan nilai solusi ideal negatif. maka di peroleh hasil terbaik yang mendekati nilai 1 pada atribut 09 dengan nilai 0,724

5. Hasil rangking dengan 7 kriteria

Gambar 4.7 Tampilan hasil rangking dengan 7 kriteria

Gambar 4.7 adalah hasil dari penilaian 10 atribut dengan 7 kriteria. Pertama didapatkan dahulu nilai Crisp kemudian dihitung matriks keputusan ternormalisasi. Dari hasil matriks dilakukan pencarian nilai solusi ideal positif dan nilai solusi ideal negatif. maka di peroleh hasil terbaik yang mendekati nilai 1 pada atribut 10 dengan nilai 0,682

6. Hasil rangking dengan 8 kriteria

Gambar 4.8 Hasil perangkingan dengan 8 kriteria

Gambar 4.8 adalah hasil dari penilaian 10 atribut dengan 8 kriteria. Pertama didapatkan dahulu nilai Crisp kemudian dihitung matriks keputusan ternormalisasi. Dari hasil matriks dilakukan pencarian nilai solusi ideal positif dan nilai solusi ideal negatif. maka di peroleh hasil terbaik yang mendekati nilai 1 pada atribut 01 dengan nilai 0,642

7. Hasil rangking dengan 9 kriteria

Gambar 4.9 Tampilan hasil rangking dengan 9 kriteria

Gambar 4.9 adalah hasil dari penilaian 10 atribut dengan 9 kriteria. Pertama didapatkan dahulu nilai Crisp kemudian dihitung matriks keputusan ternormalisasi. Dari hasil matriks dilakukan pencarian nilai solusi ideal positif dan nilai solusi ideal negatif. maka di peroleh hasil terbaik yang mendekati nilai 1 pada atribut 01 dengan nilai 0,653

8. Hasil rangking dengan 10 kriteria

Gambar 4.10 Tampilan hasil rangking dengan 10 kriteria

Gambar 4.10 adalah hasil dari penilaian 10 atribut dengan 10 kriteria. Pertama didapatkan dahulu nilai Crisp kemudian dihitung matriks keputusan ternormalisasi. Dari hasil matriks dilakukan pencarian nilai solusi ideal positif dan nilai solusi ideal negatif. maka di peroleh hasil terbaik yang mendekati nilai 1 pada atribut 01 dengan nilai 0,655

4.2 PEMBAHASAN

Berdasarkan hasil akhir yang diperoleh pada tiap-tiap jumlah kriteria yang berbeda maka dapat kita lihat output yang dihasilkan oleh setiap input dimana di setiap perbedaan jumlah kriteria menghasilkan nilai yang berbeda. Hasil rangking pertama dari setiap perbedaan kriteria yang telah dilakukan menghasilkan nilai yang berbeda, seperti terlihat pada tabel 4.2.

Tabel 4.2 Hasil rangking pertama untuk setiap perbedaan kriteria

Jumlah kriteria Atribut Nilai V

3 6 0,879

4 7 0,694

5 6 0,664

6 9 0,724

7 10 0,682

8 1 0,642

9 1 0,653

10 1 0,655

Pada gambar 4.11 terlihat bahwa hasil dengan nilai paling optimal adalah pada 3 kriteria, nilai yang diperoleh 0,879 pada atribut 6, tetapi dengan hanya menggunakan 3 kriteria banyak mengabaikan kriteria-kriteria lain yang juga penting dalam pengambilan keputusan. Hasil pada 10 kriteria diperoleh nilai optimal 0,655 yaitu pada atribut 1. Banyaknya jumlah kriteria berpengaruh pada pengambilan sebuah keputusan dan alternatif yang terpilih harus memiliki jarak terdekat dari solusi ideal positif dan terjauh dari solusi ideal negatif. Semakin banyak penilaian kriteria yang dilakukan maka akan dihasilkan keputusan yang berbeda. Perbedaan perolehan rangking ini juga dipengaruhi oleh bobot kepentingan dari kriteria dimana bobot kepentingan setiap kriteria berbeda.

BAB V

KESIMPULAN DAN SARAN

5.2 KESIMPULAN

Dalam mengambil sebuah keputusan ada banyak alternatif yang mempengaruhi sehingga sulit untuk mengambil keputusan secara manual. Sejumlah pendekatan yang yang kooperatif akan meningkatkan kesuksesan dan efektifitas terhadap pengambilan keputusan. Dalam hal ini, metode FMCDM dipergunakan untuk melakukan fuzzyfikasi dari asumsi-asumsi yang diberikan oleh pengambil keputusan selanjutnya mentransformasikan hasil yang diperoleh tersebut dengan suatu pendekatan metode. Salah satu metode yang dapat digunakan dalam mengambil sebuah keputusan dalam FMCDM adalah metode TOPSIS.

Dari penelitian yang telah dilakukan maka dapat disimpulkan bahwa:

1. Metode TOPSIS

2. Metode TOPSIS

selama ini banyak digunakan untuk sistem produksi, industri, geografis, mengukur sumber daya dan industri.

dapat mengasilkan keputusan yang lebih objektif dibandingkan secara manual karena mengambil alternatif yang seluruh parameternya telah memenuhi kebutuhan fungsional (functional requirements) minimum yang diharapkan.

3. Banyaknya jumlah kriteria berpengaruh pada pengambilan sebuah keputusan dan alternatif yang terpilih harus memiliki jarak terdekat dari solusi ideal positif dan terjauh dari solusi ideal negatif.

5.2 SARAN

Penelitian tentang metode FMCDM yang penulis selesaikan, berikut ada beberapa saran yang dapat disampaikan:

1. Untuk mendapatkan hasil yang lebih variatif ada baiknya dilakukan analisis pada aplikasi masalah yang berbeda.

2. Untuk hasil lebih objektif, diharapkan dilakukan penelitian dengan jumlah kriteria yang lebih banyak.

DAFTAR PUSTAKA

Athawalw,V.M., and Chakraborty,S. 2010. A TOPSIS Method-Based Approach to Machine Tool Selection. International Conference on Industrial Engineering and Operating and Operations Management Dhaka.

Cengiz, K. Fuzzy Multi-Criteria Decision-Making. Springer. Turkey. Vol 1

Chen-Tung Chen1., Ping-Feng Pai ., Wei-Zhan Hung. Combined Utility Function with TOPSIS for Personal Selection Based On Multi-Type Information Environment. National United University

Ertugrul.I., Karakasoglu. 2007. Comparison of Fuzzy AHP and Fuzzy TOPSIS Methods for Facility Location Selection. Springer-Verlag. London

Jadidi,O., Hong,T.S. and Firouzi,F. 2009. TOPSIS Extension for Multi-Objective Supplier Selection Problem Under Price Breaks. International journal of Management science and Engineering Management. Vol 4

Jahanshahloo. G.R, Hosseinzadeh Lotfi ., M. Izadikhahat. 2006. Extension of the TOPSIS Method for Decision-Making Problems with Fuzzy Data. Elsevier

Karimi.A.R., Mehrdadi,N., Hashemian,S.J., Bidhendi,Gh.R.N. and MoghaddamS. 2011. Using of The Fuzzy TOPSIS and Fuzzy AHP Methods for Wastwater Treatment Process selection. International journal of Academic Research. Vol 3

Mohammadi.A., Mohammadi.A., Mohammadi.M. and Mohammadi.A. 2011. Introducing a new method to Expand TOPSIS Decision Making Model to Fuzzy TOPSIS. The Journal of Matematics and Computer Science. Vol 2 Mohammadi,A., Mohammadi.A., Mohammadi.M. and Mohammadi.A. 2011.

Introducing a New method to Expand TOPSIS Decision making model to Fuzzy TOPSIS with Trapezoidal Fuzzy Data. Australian journal of Basic and Applied Sciences.

Oslon,D.L. 2004. Comparison of Weights in TOPSIS Models. Elsevier.

Santos, F.J. and Camargo,H.A. 2010. Fuzzy System For Multicriteria Decision Making. CLEI Electronic Journal. Vol 3.

Saghafian,S and Hejazi,S.R. Multy-Criteria Group Decision Making Using a Modified Fuzzy TOPSIS Procedur. International Conference on Computational Intellegence for Modelling. IEEE. 2005

Sun, C. A Performance Evaluation Model by Integrating Fuzzy AHP and Fuzzy TOPSIS Method. Institut of Tecnology Management. National Chiao Tung University.

Sofwatul,U and Imam,R. 2011. A fuzzy TOPSIS Multiple-Attribute Decision Making for Scholarship Selection. Vol 9. No 1.

Wu,D and Olson,D.L. 2006. A TOPSIS Data Mining demonstration and Application to Credit scoring. International Journal of Data Warehousing & Mining.

LAMPIRAN

Sub Fresh() Form Input

DT.Recordset.Requery DT.Recordset.Update DGHasil.Refresh End Sub

Private Sub cmdBaru_Click() If vIn.Text = "" Then

MsgBox ("Silahkan isi Notasi Alternatif") vIn.SetFocus

Else aktif bersih

Combo1.SetFocus cmdBaru.Enabled = False cmdSimpan.Enabled = True vIn.Enabled = False

Dim Hitung As Byte Call BukaDB

With RsTemp

.Open "select * from tbInput Where Nomor In(Select Max(Nomor)from tbInput where left(Nomor,2)='" & JP & "') Order by Nomor Desc", Conn

.Requery If .EOF Then

KP = JP.Caption + "01" txtObjek = vIn & "01" Else

Hitung = Right(!Nomor, 2) + 1

KP = Left(!Nomor, 2) + Right("0" & Hitung, 2) If vIn.Text <> "" Then

txtObjek = Left(vIn, 1) & Right("0" & Hitung, 2) Else

txtObjek = vIn & Right(KP, 2) End If

End If End With txtNomor = KP End If

End Sub

Private Sub cmdHapus_Click() Call Cari

If Not RsObjek.EOF Then

psn = MsgBox("Yakin alternatif ini dihapus...?", vbOKCancel + vbQuestion) If psn = vbOK Then

SQL = "Delete from tbInput where nomor='" & txtNomor.Text & "'" Conn.Execute SQL

Form_Activate Else

Exit Sub End If End If End Sub

Private Sub cmdProses_Click()

frmMatrix.Top = frmUtama.Shape1.Height + frmUtama.Shape2.Height + 350 frmMatrix.Left = frmUtama.Shape4.Width

frmMatrix.JP = Me.JP frmMatrix.Show Unload Me End Sub

Private Sub cmdSimpan_Click() Call Cari

SQL = "insert into tbInput values('" & txtNomor & "','" & txtObjek & "','" & C1a & "','" & C1b & "','" & C1c & "','" & C2a & "','" & C2b & "','" & C2c & "','" & C3a & "','" & C3b & "','" & C3c & "','" & C4a & "','" & C4b & "','" & C4c & "','" & C5a & "','" & C5b & "','" & C5c & "','" & C6a & "','" & C6b & "','" & C6c & "','" & C7a & "','" & C7b & "','" & C7c & "','" & C8a & "','" & C8b & "','" & C8c & "','" & C9a & "','" & C9b & "','" & C9c & "','" & C10a & "','" & C10b & "','" & C10c & "','" & N1 & "','" & N2 & "','" & N3 & "','" & N4 & "','" & N5 & "','" & N6 & "','" & N7 & "','" & N8 & "','" & N9 & "','" & N10 & "','" & Combo1 & "','" & Combo2 & "','" & Combo3 & "','" & Combo4 & "','" & Combo5 & "','" & Combo6 & "','" & Combo7 & "','" & Combo8 & "','" & Combo9 & "','" & Combo10 & "') "

Conn.Execute (SQL) Form_Activate Else

SQL = "Update tbInput Set Objek='" & txtObjek & "',c1a='" & C1a & "',c1b='" & C1b & "',c1c='" & C1c & "',c2a='" & C2a & "',c2b='" & C2b & "',c2c='" & C2c & "',c3a='" & C3a & "',c3b='" & C3b & "',c3c='" & C3c & "',c4a='" & C4a & "',c4b='" & C4b & "',c4c='" & C4c & "',c5a='" & C5a & "',c5b='" & C5b & "',c5c='" & C5c & "',c6a='" & C6a & "',c6b='" & C6b & "',c6c='" & C6c & "',c7a='" & C7a & "',c7b='" & C7b & "',c7c='" & C7c & "',c8a='" & C8a & "',c8b='" & C8b & "',c8c='" & C8c & "',c9a='" & C9a & "',c9b='" & C9b & "',c9c='" & C9c & "',c10a='" & C10a & "',c10b='" & C10b & "',c10c='" & C10c & "',n1='" & N1 & "',n2='" & N2 & "',n3='" & N3 & "',n4='" & N4 & "',n5='" & N5 & "',n6='" & N6 & "',n7='" & N7 & "',n8='" & N8 & "',n9='" & N9 & "',n10='" & N10 & "',c1='" & Combo1 & "',c2='" & Combo2 & "',c3='" & Combo3 & "',c4='" & Combo4 & "',c5='" & Combo5 & "',c6='" & Combo6 & "',c7='" & Combo7 & "',c8='" & Combo8 & "',c9='" & Combo9 & "',c10='" & Combo10 & "' where Nomor='" & txtNomor & "'" Conn.Execute (SQL)

Form_Activate End If

cmdBaru.Enabled = True End Sub

Private Sub Combo1_Click()

C1a.Caption = "0.9" C1b.Caption = "1.0" C1c.Caption = "1.0"

ElseIf Combo1.Text = "Tinggi" Then C1a.Caption = "0.7"

C1b.Caption = "0.9" C1c.Caption = "1.0"

ElseIf Combo1.Text = "Sedang" Then C1a.Caption = "0.3"

C1b.Caption = "0.5" C1c.Caption = "0.7"

ElseIf Combo1.Text = "Rendah" Then C1a.Caption = "0.0"

C1b.Caption = "0.1" C1c.Caption = "0.3" End If

Dim A, b, c, d A = Val(C1a.Caption) b = Val(C1b.Caption) c = Val(C1c.Caption) d = (A + (4 * b) + c) * 1 / 6 N1 = Round(d, 3)

Private Sub Combo10_Click()

If Combo10.Text = "Sangat Tinggi" Then C10a.Caption = "0.9"

C10b.Caption = "1.0" C10c.Caption = "1.0"

ElseIf Combo10.Text = "Tinggi" Then C10a.Caption = "0.7"

C10b.Caption = "0.9" C10c.Caption = "1.0"

ElseIf Combo10.Text = "Sedang" Then C10a.Caption = "0.3"

C10b.Caption = "0.5" C10c.Caption = "0.7"

ElseIf Combo10.Text = "Rendah" Then C10a.Caption = "0.0"

C10b.Caption = "0.1" C10c.Caption = "0.3" End If

Dim A, b, c, d

A = Val(C10a.Caption) b = Val(C10b.Caption) c = Val(C10c.Caption) d = (A + (4 * b) + c) * 1 / 6

N10 = Round(d, 3) End Sub

Private Sub Combo2_Click()

If Combo2.Text = "Sangat Tinggi" Then C2a.Caption = "0.9"

C2b.Caption = "1.0" C2c.Caption = "1.0"

ElseIf Combo2.Text = "Tinggi" Then C2a.Caption = "0.7"

C2b.Caption = "0.9" C2c.Caption = "1.0"

ElseIf Combo2.Text = "Sedang" Then C2a.Caption = "0.3"

C2b.Caption = "0.5" C2c.Caption = "0.7"

ElseIf Combo2.Text = "Rendah" Then C2a.Caption = "0.0"

C2b.Caption = "0.1" C2c.Caption = "0.3" End If

Dim A, b, c, d A = Val(C2a.Caption)

b = Val(C2b.Caption) c = Val(C2c.Caption) d = (A + (4 * b) + c) * 1 / 6 N2 = Round(d, 3)

End Sub

Private Sub Combo3_Click()

If Combo3.Text = "Sangat Tinggi" Then C3a.Caption = "0.9"

C3b.Caption = "1.0" C3c.Caption = "1.0"

ElseIf Combo3.Text = "Tinggi" Then C3a.Caption = "0.7"

C3b.Caption = "0.9" C3c.Caption = "1.0"

ElseIf Combo3.Text = "Sedang" Then C3a.Caption = "0.3"

C3b.Caption = "0.5" C3c.Caption = "0.7"

ElseIf Combo3.Text = "Rendah" Then C3a.Caption = "0.0"

C3b.Caption = "0.1" C3c.Caption = "0.3" End If

Dim A, b, c, d A = Val(C3a.Caption) b = Val(C3b.Caption) c = Val(C3c.Caption) d = (A + (4 * b) + c) * 1 / 6 N3 = Round(d, 3)

End Sub

Private Sub Combo4_Click()

If Combo4.Text = "Sangat Tinggi" Then C4a.Caption = "0.9"

C4b.Caption = "1.0" C4c.Caption = "1.0"

ElseIf Combo4.Text = "Tinggi" Then C4a.Caption = "0.7"

C4b.Caption = "0.9" C4c.Caption = "1.0"

ElseIf Combo4.Text = "Sedang" Then C4a.Caption = "0.3"

C4b.Caption = "0.5" C4c.Caption = "0.7"

ElseIf Combo4.Text = "Rendah" Then C4a.Caption = "0.0"

C4c.Caption = "0.3" End If

Dim A, b, c, d A = Val(C4a.Caption) b = Val(C4b.Caption) c = Val(C4c.Caption) d = (A + (4 * b) + c) * 1 / 6 N4 = Round(d, 3)

End Sub

Private Sub Combo5_Click()

If Combo5.Text = "Sangat Tinggi" Then C5a.Caption = "0.9"

C5b.Caption = "1.0" C5c.Caption = "1.0"

ElseIf Combo5.Text = "Tinggi" Then C5a.Caption = "0.7"

C5b.Caption = "0.9" C5c.Caption = "1.0"

ElseIf Combo5.Text = "Sedang" Then C5a.Caption = "0.3"

C5b.Caption = "0.5" C5c.Caption = "0.7"

ElseIf Combo5.Text = "Rendah" Then C5a.Caption = "0.0"

C5b.Caption = "0.1" C5c.Caption = "0.3" End If

Dim A, b, c, d A = Val(C5a.Caption) b = Val(C5b.Caption) c = Val(C5c.Caption) d = (A + (4 * b) + c) * 1 / 6 N5 = Round(d, 3)

End Sub

Private Sub Combo6_Click()

If Combo6.Text = "Sangat Tinggi" Then C6a.Caption = "0.9"

C6b.Caption = "1.0" C6c.Caption = "1.0"

ElseIf Combo6.Text = "Tinggi" Then C6a.Caption = "0.7"

C6b.Caption = "0.9" C6c.Caption = "1.0"

C6a.Caption = "0.3" C6b.Caption = "0.5" C6c.Caption = "0.7"

ElseIf Combo6.Text = "Rendah" Then C6a.Caption = "0.0"

C6b.Caption = "0.1" C6c.Caption = "0.3" End If

Dim A, b, c, d A = Val(C6a.Caption) b = Val(C6b.Caption) c = Val(C6c.Caption) d = (A + (4 * b) + c) * 1 / 6 N6 = Round(d, 3)

End Sub

Private Sub Combo7_Click()

If Combo7.Text = "Sangat Tinggi" Then C7a.Caption = "0.9"

C7b.Caption = "1.0" C7c.Caption = "1.0"

ElseIf Combo7.Text = "Tinggi" Then C7a.Caption = "0.7"

C7b.Caption = "0.9" C7c.Caption = "1.0"

ElseIf Combo7.Text = "Sedang" Then C7a.Caption = "0.3"

C7b.Caption = "0.5" C7c.Caption = "0.7"

ElseIf Combo7.Text = "Rendah" Then C7a.Caption = "0.0"

C7b.Caption = "0.1" C7c.Caption = "0.3" End If

Dim A, b, c, d A = Val(C7a.Caption) b = Val(C7b.Caption) c = Val(C7c.Caption) d = (A + (4 * b) + c) * 1 / 6 N7 = Round(d, 3)

End Sub

Private Sub Combo8_Click()

If Combo8.Text = "Sangat Tinggi" Then C8a.Caption = "0.9"

C8c.Caption = "1.0"

ElseIf Combo8.Text = "Tinggi" Then C8a.Caption = "0.7"

C8b.Caption = "0.9" C8c.Caption = "1.0"

ElseIf Combo8.Text = "Sedang" Then C8a.Caption = "0.3"

C8b.Caption = "0.5" C8c.Caption = "0.7"

ElseIf Combo8.Text = "Rendah" Then C8a.Caption = "0.0"

C8b.Caption = "0.1" C8c.Caption = "0.3" End If

Dim A, b, c, d A = Val(C8a.Caption) b = Val(C8b.Caption) c = Val(C8c.Caption) d = (A + (4 * b) + c) * 1 / 6 N8 = Round(d, 3)

End Sub

If Combo9.Text = "Sangat Tinggi" Then C9a.Caption = "0.9"

C9b.Caption = "1.0" C9c.Caption = "1.0"

ElseIf Combo9.Text = "Tinggi" Then C9a.Caption = "0.7"

C9b.Caption = "0.9" C9c.Caption = "1.0"

ElseIf Combo9.Text = "Sedang" Then C9a.Caption = "0.3"

C9b.Caption = "0.5" C9c.Caption = "0.7"

ElseIf Combo9.Text = "Rendah" Then C9a.Caption = "0.0"

C9b.Caption = "0.1" C9c.Caption = "0.3" End If

Dim A, b, c, d A = Val(C9a.Caption) b = Val(C9b.Caption) c = Val(C9c.Caption) d = (A + (4 * b) + c) * 1 / 6 N9 = Round(d, 3)

End Sub

Private Sub Form_Activate() BukaDB

LvObjek.ListItems.Clear Dim DT As ListItem With RsObjek

.Open "select * from tbInput where left(Nomor,2)='" & JP & "' ORDER BY NOMOR", Conn While Not .EOF

On Error Resume Next

Set DT = LvObjek.ListItems.Add(, , .Fields(0)) DT.SubItems(1) = .Fields(1)

DT.SubItems(2) = .Fields(32) DT.SubItems(3) = .Fields(33) DT.SubItems(4) = .Fields(34) DT.SubItems(5) = .Fields(35) DT.SubItems(6) = .Fields(36) DT.SubItems(7) = .Fields(37) DT.SubItems(8) = .Fields(38) DT.SubItems(9) = .Fields(39) DT.SubItems(10) = .Fields(40) DT.SubItems(11) = .Fields(41) .MoveNext

End With pasif

cmdBaru.Enabled = True cmdSimpan.Enabled = False End Sub

Sub bersih() txtNomor.Text = "" Combo1.Text = "" Combo2.Text = "" Combo3.Text = "" Combo4.Text = "" Combo5.Text = "" Combo6.Text = "" Combo7.Text = "" Combo8.Text = "" Combo9.Text = "" Combo10.Text = "" N1.Caption = "" N2.Caption = "" N3.Caption = "" N4.Caption = "" N5.Caption = "" N6.Caption = ""

N7.Caption = "" N8.Caption = "" N9.Caption = "" N10.Caption = "" C1a = ""

C1b = "" C1c = "" C2a = "" C2b = "" C2c = "" C3a = "" C3b = "" C3c = "" C4a = "" C4b = "" C4c = "" C5a = "" C5b = "" C5c = "" C6a = "" C6b = "" C6c = "" C7a = "" C7b = ""

C7c = "" C8a = "" C8b = "" C8c = "" C9a = "" C9b = "" C9c = "" C10a = "" C10b = "" C10c = "" End Sub

Sub pasif()

txtNomor.Enabled = False Combo1.Enabled = False Combo2.Enabled = False Combo3.Enabled = False Combo4.Enabled = False Combo5.Enabled = False Combo6.Enabled = False Combo7.Enabled = False Combo8.Enabled = False Combo9.Enabled = False Combo10.Enabled = False

End Sub

Sub aktif()

txtNomor.Enabled = True Combo1.Enabled = True Combo2.Enabled = True Combo3.Enabled = True Combo4.Enabled = True Combo5.Enabled = True Combo6.Enabled = True Combo7.Enabled = True Combo8.Enabled = True Combo9.Enabled = True Combo10.Enabled = True End Sub

Private Sub JP_Change() If JP = "03" Then

Frame11.Height = 2175 ElseIf JP = "04" Then Frame11.Height = 2655 ElseIf JP = "05" Then Frame11.Height = 3135

ElseIf JP = "06" Then Frame11.Height = 3615 ElseIf JP = "07" Then Frame11.Height = 4095 ElseIf JP = "08" Then Frame11.Height = 4575 ElseIf JP = "09" Then Frame11.Height = 5055 ElseIf JP = "10" Then Frame11.Height = 5580 End If

End Sub

Private Sub LvObjek_DblClick() If LvObjek.ListItems.Count <> 0 Then txtNomor.Text = LvObjek.SelectedItem Call Tampilkan

Else Exit Sub End If End Sub Function Cari() Call BukaDB

End Function

Sub Tampilkan() On Error Resume Next Call Cari

With RsObjek If Not .EOF Then txtObjek = .Fields(1) C1a = .Fields(2) C1b = .Fields(3) C1c = .Fields(4) C2a = .Fields(5) C2b = .Fields(6) C2c = .Fields(7) C3a = .Fields(8) C3b = .Fields(9) C3c = .Fields(10) C4a = .Fields(11) C4b = .Fields(12) C4c = .Fields(13) C5a = .Fields(14) C5b = .Fields(15) C5c = .Fields(16)

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

N1 = .Fields(32) N2 = .Fields(33) N3 = .Fields(34) N4 = .Fields(35) N5 = .Fields(36) N6 = .Fields(37) N7 = .Fields(38) N8 = .Fields(39)

N9 = .Fields(40) N10 = .Fields(41)

Combo1 = .Fields(42) Combo2 = .Fields(43) Combo3 = .Fields(44) Combo4 = .Fields(45) Combo5 = .Fields(46) Combo6 = .Fields(47) Combo7 = .Fields(48) Combo8 = .Fields(49) Combo9 = .Fields(50) Combo10 = .Fields(51) cmdSimpan.Enabled = True cmdHapus.Enabled = True vIn.Text = Left(txtObjek, 1) aktif

End If End With End Sub

Private Sub vIn_KeyPress(KeyAscii As Integer) KeyAscii = Asc(UCase(Chr(KeyAscii)))

End Sub

Input Matrik

Private Sub cmd_Click()

frmInput.Top = frmUtama.Shape1.Height + frmUtama.Shape2.Height + 350 frmInput.Left = frmUtama.Shape4.Width

frmInput.Show Unload Me End Sub

Private Sub cmdMin_Max_Click() Call BukaDB

RsHasil.Open "Select * from tbHsl where left(Nomor,2)='" & JP.Caption & "'", Conn If Not RsHasil.EOF Then

psn = MsgBox("Sudah diproses....Apakah ingin melakukan update?", vbQuestion + vbYesNo, "Topsis")

If psn = vbYes Then

SQL = "Delete from tbHsl where left(Nomor,2)='" & JP.Caption & "'" Conn.Execute SQL

Call Kosong Else

Exit Sub End If

Else

For i = 1 To Lv_Hasil.ListItems.Count

SQL = "insert into tbHsl (Nomor,Objek,C1,C2,C3,C4,C5,C6,C7,C8,C9,C10) values ('" & Lv_Hasil.ListItems(i).ListSubItems(25).Text & "','" & Lv_Hasil.ListItems(i).ListSubItems(1).Text & "'," & _

"'" & Val(Lv_Hasil.ListItems(i).ListSubItems(12).Text) & "','" & Val(Lv_Hasil.ListItems(i).ListSubItems(13).Text) & "','" &

Val(Lv_Hasil.ListItems(i).ListSubItems(14).Text) & "'," & _

"'" & Val(Lv_Hasil.ListItems(i).ListSubItems(15).Text) & "','" & Val(Lv_Hasil.ListItems(i).ListSubItems(16).Text) & "','" &

Val(Lv_Hasil.ListItems(i).ListSubItems(17).Text) & "'," & _

"'" & Val(Lv_Hasil.ListItems(i).ListSubItems(18).Text) & "','" & Val(Lv_Hasil.ListItems(i).ListSubItems(19).Text) & "','" &

Val(Lv_Hasil.ListItems(i).ListSubItems(20).Text) & "','" & Val(Lv_Hasil.ListItems(i).ListSubItems(21).Text) & "')" Conn.Execute SQL

Next i End If

Call Form_Activate End Sub

Private Sub cmdProses_Click() Call BukaDB

RsHasil.Open "Select * from tbHasil where left(Nomor,2)='" & JP.Caption & "'", Conn If Not RsHasil.EOF Then

psn = MsgBox("Sudah diproses....Apakah ingin melakukan update?", vbQuestion + vbYesNo, "Topsis")

.MoveNext Wend End With TampilHasil End Sub

Sub Min_Max() On Error Resume Next

RsTemp.Open "Select max(C1) as Mx1, Max(c2) as Mx2, max(C3) as Mx3, Max(c4) as Mx4, Max(c5) as Mx5, Max(c6) as Mx6, max(C7) as Mx7, Max(c8) as Mx8, Max(c9) as Mx9, max(C10) as Mx10 from tbHsl where left(Nomor,2)='" & JP.Caption & "'", Conn

M1 = RsTemp!Mx1 M2 = RsTemp!Mx2 M3 = RsTemp!Mx3 M4 = RsTemp!Mx4 M5 = RsTemp!Mx5 M6 = RsTemp!Mx6 M7 = RsTemp!Mx7 M8 = RsTemp!Mx8 M9 = RsTemp!Mx9 M10 = RsTemp!Mx10 Conn.Close

N2 = RsTemp!Mn2 N3 = RsTemp!Mn3 N4 = RsTemp!Mn4 N5 = RsTemp!Mn5 N6 = RsTemp!Mn6 N7 = RsTemp!Mn7 N8 = RsTemp!Mn8 N9 = RsTemp!Mn9 N10 = RsTemp!Mn10 Conn.Close

Call Kosong2 End Sub

Sub Kosong() M1 = "" M2 = "" M3 = "" M4 = "" M5 = ""

M8 = "" M9 = "" M10 = ""

N1 = "" N2 = "" N3 = "" N4 = "" N5 = "" N6 = "" N7 = "" N8 = "" N9 = "" N10 = "" End Sub

Sub Kosong2()

If JP.Caption = "03" Then M4 = ""

M5 = "" M6 = "" M7 = "" M8 = "" M9 = ""

N5 = "" N6 = "" N7 = "" N8 = "" N9 = "" N10 = ""

ElseIf JP.Caption = "04" Then M5 = ""

M6 = "" M7 = "" M8 = "" M9 = "" M10 = ""

N5 = "" N6 = "" N7 = "" N8 = "" N9 = ""

M6 = "" M7 = "" M8 = "" M9 = "" M10 = ""

N6 = "" N7 = "" N8 = "" N9 = "" N10 = ""

ElseIf JP.Caption = "06" Then M7 = ""

M8 = "" M9 = "" M10 = ""

N7 = "" N8 = "" N9 = "" N10 = ""

ElseIf JP.Caption = "07" Then M8 = ""

N10 = ""

ElseIf JP.Caption = "08" Then M9 = ""

M10 = "" N9 = "" N10 = ""

ElseIf JP.Caption = "09" Then M10 = ""

N10 = "" End If End Sub