Normalisasi Matriks Penghitungan Concordane

59 Tabel 18. Sampel ELECTREE-Discordane. Discordane D Himpunan Nilai D D12 BCEF 0,49 D13 ABCDFG 0,94

d. Matriks C dan D

1 Matriks C Concordane Setelahditentukan nilai Concordane dan discordane makalangkah selanjutnya ialah mebuat matrik Concordane dan discordane. Tabel 19. ELECTREE-Matriks Concordane. Sampel 1 2 3 4 5 1 0,49 0,94 0,94 0,9 2 0,51 0,69 0,69 0,75 3 0,06 0,31 0,17 4 0,06 0,31 1 0,17 5 0,1 0,25 0,83 0,83 2 Matriks D Discordane Tabel 20. ELECTREE-Matriks Discordane. Sampel 1 2 3 4 5 1 0,51 0,06 0,06 0,1 2 0,49 0,31 0,31 0,25 3 0,94 0,69 1 0,83 4 0,94 0,69 0,83 5 0,9 0,75 0,17 0,17 60

e. Tabel hasil perankingan

Selanjutnya dilakukan perhitungan perankingan, sampel yang memiliki nilai terbesar dari hasil nilai Concordane dikurangi nilai discordane, Tabel 21. ELECTREE-Hasil Perankingan Sampel Concordace Discordane C - D Peringkat UNY 0,83 3,27 -2,44 5 UGM 1,36 2,64 -1,28 4 UI 3,46 0,54 2,92 1 UNDIP 2,46 1,54 0,9 2 UNAIR 1,99 2,01 -0,02 3

2. Perangkingan Menggunakan Grey Relational Analysis

Dari data objektif yang ada kemudian dinormalisasi. Rangkaian data dapat diperlukan dengan menggunakan satu dari 3 tipe: larger is better , smaller is better , dan nominal is best . Pada masalah ini menggunakan tipe larger is better jika ekspektasinya makin besar makin baik. Berikut rumusnya:     k minX k maxX k X k maxX X i i i i i    Keterangan: ∗ =Nilai data yang telah dinormalisasi =Nilai data yang akan dinormalisasi =Nilai data yang akan dinormalisasi dan mempunyai nilai paling kecil =Nilai data yang akan dinormalisasi dan mempunyai nilai paling besar 61 Tabel 22. Data dari Website Universitas Berdasarkan Kriteria A B C D E F G UNY 45,45 12566 1,9345 29 4,772 7310,636 15272,35 UGM 49,57 95395 1,4783 988 2,681 13511,818 8441,046 UI 10,33 94178 0,9869 1 8,409 11514,18 40061,52 UDIP 15,75 34763 1,2955 4.18 16,181 8193 18583 UNAIR 30,24 15666 1,3791 19 0,636 5902,818 49780,34 Menghitung perbedaan absolut dari nilai kriteria terhadap nilai referensi dapat dilakukan dengan cara normalisasi dan hasilnya dinyatakan dalam tabel 23. Tabel 23. Tabel data normalisasi x1 0,10502 1 0 0,971631 0,733950 0,814979 0,83475 x2 0 0,481477 0 0,868403 1 x3 1 0,014692 1 1 0,5 0,262535 0,235099 x4 0,861775 0,732014 0,674406 0,99677 0 0,699016 0,754666 x5 0,492664 0,962573 0,586279 0,981762 1 1 Seandainya nilai  adalah 0.5, dengan menggunakan persamaan   max max min           k i i k maka koefisien dari Grey Relational dapat didapatkan pada tabel 24. Tabel 24. Grey RelationalCoefficient §1X1 0,826446 0,333333 1 0,339759 0,405186 0,380228 0,374602 §2X2 1 1 0,509424 1 0,36539 1 0,333333 §3X3 0,333333 0,97144 0,333333 0,333333 0,5 0,655738 0,680272 §4X4 0,367161 0,405844 0,425532 0,33405 1 0,417014 0,392157 §5X5 0,503525 0,34188 0,459982 0,337436 0,333333 0,333333 1

Dokumen yang terkait

Sistem Pendukung Keputusan Pemilihan Perguruan Tinggi Swasta Terbaik Jurusan Komputer Menggunakan Metode Weighted Product dan Weighted Sum Model (Studi Kasus : Perguruan Tinggi Swasta)

6 28 70

ANALISIS USABILITY WEBSITE AKADEMIK PERGURUAN TINGGI DI INDONESIA MENGGUNAKAN METODE PROMETHEE, VIKOR, DAN ELECTREE.

1 2 154

ANALISIS USABILITY WEBSITE AKADEMIK PERGURUAN TINGGI DI INDONESIA MENGGUNAKAN METODE ELECTREE, GREY RELATIONAL ANALYSIS, DAN WEIGHTED PRODUCT MODEL.

0 0 1

Sistem Pendukung Keputusan Pemilihan Perguruan Tinggi Swasta Terbaik Jurusan Komputer Menggunakan Metode Weighted Product dan Weighted Sum Model (Studi Kasus : Perguruan Tinggi Swasta)

0 0 12

Sistem Pendukung Keputusan Pemilihan Perguruan Tinggi Swasta Terbaik Jurusan Komputer Menggunakan Metode Weighted Product dan Weighted Sum Model (Studi Kasus : Perguruan Tinggi Swasta)

0 0 2

Sistem Pendukung Keputusan Pemilihan Perguruan Tinggi Swasta Terbaik Jurusan Komputer Menggunakan Metode Weighted Product dan Weighted Sum Model (Studi Kasus : Perguruan Tinggi Swasta)

0 0 5

Sistem Pendukung Keputusan Pemilihan Perguruan Tinggi Swasta Terbaik Jurusan Komputer Menggunakan Metode Weighted Product dan Weighted Sum Model (Studi Kasus : Perguruan Tinggi Swasta)

0 0 13

Sistem Pendukung Keputusan Pemilihan Perguruan Tinggi Swasta Terbaik Jurusan Komputer Menggunakan Metode Weighted Product dan Weighted Sum Model (Studi Kasus : Perguruan Tinggi Swasta)

0 0 2

USABILITY WEBSITE PERGURUAN TINGGI NEGER

0 0 3

ANALISIS USABILITY WEBSITE PERGURUAN TINGGI DI INDONESIA MENGGUNAKAN METODE PEMBOBOTAN ENTROPI SERTA METODE PERANGKINGAN SAW DAN KAITANNYA DENGAN RILIS WEBOMETRICS

0 0 7