SAW, 4 normalisasi matrix, dan yang terakhir adalah 5 menghitung preferensi.
Penerapan metode MADM-SAW ke dalam bahasa pemrograman PHP sedikit berbeda dari langkah-langkah seperti teori yang telah dijelaskan di
atas. Berikuti ini akan dijelaskan langkah demi langkah penerapan MADM- SAW.
4.1.3.1. Penentuan Nilai Max
Berikut ini adalah query untuk mendapatkan nilai max dari nilai vokal dan nilali max dari nilai wawancara, tapi potongan kode program
dibawah ini khusus untuk jenis suara Sopran dan untuk kelompok deffuzyfikasi SOM. Untuk jenis suara yang lain dan kelompok
deffuzyfikasi yang lain hanya tinggal mengganti jenis suara dan kelompok deffuzyfikasinya MOM dan LOM.
Setelah query dijalankan, hasilnya ditampung dalam variabel array max
. Sehingga variable max berisi dua buah nilai, nilai max vokal dan nilai max wawancara. Nilai max ini kemudian digunakan untuk melakukan
normalisasi matrix.
Gambar 4.18
Listing Kode Program Penentuan Nilai Max
4.1.3.2. Simple Additive Weighting SAW
Setelah nilai max diketahui, proses selanjutnya adalah melakukan normalisasi matrix. Data-data nilai dari calon anggota diambil dari
database , kemudian untuk setiap data dikenakan proses normalisasi dan
juga pembobotan. Normalisasi yang digunakan adalah fungsi max karena akan mencari kandidat terbaik dari calon yang ada. Normalisasi dilakukan
dengan cara membagi nilai dengan nilai max yang sudah didapatkan pada proses sebelumnya.
Gambar 4.19
Listing Kode Program SAW
4.1.3.3. Perhitungan Preferensi
Perhitungan preferensi adalah menjumlahkan hasil perhitungan pemobotan setiap kriteria. Pembobotan untuk kriteria vokal dikalikan 60
dan pembobotan untuk kriteria wawancara dikalikan 40. Setelah itu hasil perhitungan kedua pembobotan dijumlahkan sehingga didapat nilai
preferensi.
Implementasi MADM sebenarnya selesai pada proses pehitungan preferensi tetapi proses pembuatan matrix keputusan belum diterapkan
pada program. Kode program selanjutnya adalah untuk memasukkan nilai setiap calon anggota ke dalam matrix atau variabel array. Kemudian matrix
tersebut ditampilkan dalam tabel dan diurutkan menurut nilai preferensi tertinggi.
Gambar 4.20
Lisitng Kode Program Perhitungan Nilai Preferensi PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4.2.Analisis Hasil
Data yang digunakan adalah data Penerimaan Anggota BaruPAB PSM Cantus Firmus tahun 2015. Data yang berhasil didapatkan sebanyak 67 data
peserta seleksi PAB PSM dari total 160 data yang mengikuti seleksi. Data-data tersebut adalah sebagai berikut: 29 data peserta seleksi dengan jenis suara
Sopran, 17 data peserta seleksi dengan jenis suara Alto, 14 data peserta seleksi dengan jenis suara Tenor dan 7 data peserta seleksi dengan jenis suara Bass.
Pada bab sebelumnya dikatakan bahwa analisis hasil dilakukan dengan membandingkan data hasil keputusan hasil alat uji sistem yang dibuat dengan
keputusan hasil seleksi panitia PAB PSM Cantus Firmus yang pernah dilakukan. Sistem akan mengambil calon terbaik sebagai anggota PSM Cantus
Firmus. Jumlah calon peserta yang diterima untuk jenis suara Sopran sebanyak 18 orang, jenis suara Alto sebanyak 17 orang, jenis suara Tenor sebanyak 11
orang dan jenis suara Bass sebanyak 11 orang. Jumlah data yang diperolah untuk penelitian tidak sesuai dengan jumlah data yang sesungguhnya, sehingga
tidak cocok apabila mengambil 11 orang terbaik jenis suara Bass dari 7 data yang ada. Maka dari itu teknik analisisnya adalah: data asli dikelompokkan ke
dalam dua kelompok besar yakni kelompok “diterima” dan kelompok “ditolak”, dari hasil perhitungan alat uji akan dicocokkan apakah sebuah data
masuk dalam kelompok “diterima” atau “ditolak”
Berikut ini adalah tabel pengelompokkan hasil data asli, bukan alat uji Penerimaan Anggota Baru PSM Cantus Firmus tahun 2015:
Tabel 4.1
Tabel Daftar Peserta PAB PSM Cantus Firmus 2015
No Nama
Suara Keputusan
1 Caecilia Novita A. W.
Sopran 2 Diterima 2
Charitas Widyastuti Sopran 2 Diterima
3 Christina Mega Citra
Sopran 2 Diterima 4
Gita Sopran
Diterima 5
Josephine Anindysari Kristanato Sopran
Diterima 6
Kalista Bekinda Kuswidanti Sopran 2 Diterima
7 Maria Emmanuela Fardiana
Sopran Diterima
8 Marie Louise Ayu M. R.
Sopran Diterima
9 Marie Louise Catherine Widyana
Sopran 2 Diterima PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
No Nama
Suara Keputusan
10 Priscila Felicia Elu Sopran 1 Diterima
11 Rosa Virginia Dhayanti Pratama Putri Sopran
Diterima 12 Rosiana K. Ninuk
Sopran Diterima
13 Theresia Avila Wahyu Sulistyaningrum Sopran 1 Diterima 14 Windy Widyawan
Sopran 2 Diterima 15 Yohana Alaya Prudenti
Sopran 2 Diterima 16 Yosie Tiara Putri
Sopran Diterima
17 Adelia Tiara Putri Sopran
Ditolak 18 Einerita Mayang Destiana
Sopran Ditolak
19 Fidelis Elleny Averina Sopran
Ditolak 20 Fransisca Romana A. G. O.
Sopran Ditolak
21 Gaby Sopran 2 Ditolak
22 Gregoriana Sopran
Ditolak 23 Maria Salventien Noni
Sopran Ditolak
24 Mikaela Nadya Gustaria Sopran
Ditolak 25 Monica Vinny Kusumaningrung
Sopran 2 Ditolak 26 Stephani Pemberialitoti
Sopran Ditolak
27 Theresia Lerina Sopran 1 Ditolak
28 Wiwinda Tosari Sopran
Ditolak 29 Yustika Kristiana Widyaningtyas
Sopran 2 Ditolak 30 Agatha Desi Vita Pratiwi
Alto Diterima
31 Elisabet Susanti Alto 2
Diterima 32 Heliana Maria
Alto 2 Diterima
33 Karunia Majid Alto 2
Diterima 34 Maria Yessica
Alto 2 Diterima
35 Tri Adventa Panade Alto 1
Diterima 36 Vinelia Anggra
Alto Diterima
37 Viola Gratia Nati Alto
Diterima 38 Ayu Nugrahaningsih
Alto Ditolak
39 Chatarina Bora Latong Alto
Ditolak 40 Dwi Intan Febrianti
Alto Ditolak
41 Einge Alto 1
Ditolak 42 Fransisca Wahyu Indriastuti
Alto Ditolak
43 Gardisa Citra A. K. Alto
Ditolak 44 Mela
Alto Ditolak
45 Ranti Kartika Alto 1
Ditolak 46 Ruth Liananda Citra Doloksaribu
Alto Ditolak
47 Alvares Javersan Tenor
Diterima 48 Bonifasius Aprilianto Simatupang
Tenor Diterima
49 Charles Rachma Dewangga Tenor 1 Diterima
No Nama
Suara Keputusan
50 Eusebius Luhung Angling Kusuma Tenor 2 Diterima
51 Gregorius Widyatmoko Tenor 2 Diterima
52 Titus Arga Widiasta Tenor 2 Diterima
53 Vitus Tenor 1 Diterima
54 Wisnu Tenor 2 Diterima
55 Yohanes de Britto Dian N. Tenor 2 Diterima
56 Ignasius Gayuh A. J. Tenor
Ditolak 57 Mathias Vino
Tenor Ditolak
58 Tri Adi Agung Tenor 1 Ditolak
59 Tri Sulistyo Tenor 2 Ditolak
60 Yohanes Giovanni Krisna Tenor
Ditolak 61 Andreas
Bass 1 Diterima
62 Antonius Mario S. B. P. Bass 1
Diterima 63 Lukas Kevin Undap
Bass 1 Diterima
64 Semuel Bass 1
Diterima 65 Stanislaus Rafael Bhayu N. W.
Bass 2 Diterima
66 Yion Bass 2
Diterima 67 Yosep Endika Widiyanto
Bass Diterima
Dari tabel di atas, jumlah jenis suara Sopran yang diinginkan dari sistem
adalah sejumlah 16 orang, jenis suara Alto sejumlah 8 orang, jenis suara Tenor sejumlah 9 orang dan jenis suara Bass sejumlah 7 orang. Masing-masing adalah
calon terbaik dari kandidat yang mengikuti seleksi. Dalam tabel analisis terdapat kolom analisis yang berisi data “Sesuai” atau “Tidak Sesuai”. Sebuah
data dikatakan “Sesuai” apabila data tersebut masuk ke dalam golongan yang sesuai diterimaditolak sedangkan sebuah data dikatakan “Tidak Sesuai”
apabila tidak masuk ke dalam golongan yang sesuai. Sebagai contoh, seorang calon seharusnya berada di kelompok ranking yang diterima tetapi hasil sistem
menunjukkan bahwa calon tersebut berada di kelompok ranking yang ditolak, maka data calon tersebut dikatakan “Tidak Sesuai”.
Setelah semua data dilihat kesesuaiannya antara data asli dengan data hasil sistem, selanjutnya dihitung akurasinya dengan rumus sebagai berikut:
=
�ℎ � � � �
� � �
× …… 4.1
4.2.1. Analisis Aturan Komposisi Max dengan Defuzifikasi SOM