DAFTAR TABEL
Halaman 2.1 Alternatif kecocokan pada setiap kriteria
20 2.2 Bobot Kriteria
20 3.1 Tabel Mitra
32 3.2 Tabel Parameter
38 3.3 Tabel User
37 4.1 Data Testing dan Data Training
45
4.2 Nilai Hasil Pengujian Data Beras 47
4.3 Cluster Data Training 49
4.4 Perthitungan Data Training dan Data Testing 50
4.5 Hasil perhitungan data testing 51
4.6 Data Beras dan Kriteria 52
4.7 Nilai Normalisasi 1 55
4.8 Nilai Ternormalisasi Terbobot 56
4.9 Nilai Solusi Ideal Positif dan Negatif 58
4.10 Jarak alternatif A
+
60 4.11 Jarak alternatif A
-
62 4.12 Jarak solusi ideal positif A
-
dan A
+
63 4.13 Hasil Nilai Terbaik
65
Universitas Sumatera Utara
DAFTAR GAMBAR
Halaman 2.1 Fase Proses Pengambilan Keputusan
9 2.2 Ilustrasi Solusi pada KNN
14 3.1 Diagram Ishikawa
27 3.2 Use Case Diagram pada Sistem
30 3.3 Diagram Activity Sistem
32 3.4 Diagram Activity algortima K-Nearest Neighbor
33 3.5 Diagram Activity Metode TOPSIS
34 3.6 Flowchart Perhitungan K-Nearest Neighbor
35 3.7 Flowchart Perhitungan TOPSIS
36 3.8 Rancangan Jendela Utama
39 3.9 Rancangan Form Data User
40 3.10 Rancangan Form Data Mitra Beras
41 3.11 Rancangan Form Parameter
42 3.12 Rancangan Form Klasifikasi Data K-Nearest Neighbor
43 3.13 Rancangan Form Metode Topsis
44 4.11 Form Pengisian Data Beras dan Kriteria
66 4.1 Tampilan Halaman login
67 4.2 Tampilan Jendela Utama Aplikasi
67
4.3 Tampilan Form Data User 68
4.4 Tampilan Menambah Data User 68
4.5 Tampilan Form Data Mitra 69
4.6 Tampilan Form Tambah Data Mitra 69
4.7 Tampilan Form Klasifikasi Data K-Nearest Neighbor 70
4.8 Form Tampilan Hasil Nilai Pembagian Kelas 71
4.9 Form Hasil Klasifikasi Data 72
4.10 Form Tampilan Metode TOPSIS 73
Universitas Sumatera Utara
ABSTRAK
Penyaluran beras kepada masyarakat miskin menjadi salah satu pokok kegiatan operasi utama Perusahaan Bulog guna memajukan kesejahteraan masyarakat
Indonesia. Dalam kinerjanya penentuan keputusan terhadap mutu beras untuk penerima beras miskin sering kali menjadi persoalan yang rumit. Untuk mengatasi
masalah-masalah tersebut perlu dilakukan langkah yang efektif agar suatu keputusan dapat diambil. Salah satu cara yang dapat dilakukan adalah dengan melakukan proses
klasifikasi dan mencari hasil terbaik dari data yang telah ada menggunakan perangkat lunak untuk mendapatkan solusi optimal atas suatu permasalahan dengan
menggunakan Algoritma K-Nearest Neighbor dan metode techniuqe for orders preference by similarity to ideal solution TOPSIS. Dengan adanya aplikasi ini dapat
memudahkan pihak perusahaan Bulog dalam menentukan mutu beras terbaik yang akan disalurkan ke masyarakat miskin. Waktu yang dibutuhkan untuk proses mining
antara K-Nearest Neighbor dan TOPSIS terlihat algoritma Nearest Neigbor lebih sederhana proses perhitungannya terhadap data beras dibanding dengan Metode
Topsis, namun membutuhkan waktu yang lebih lama karena harus dilakukan proses training secara berulang untuk setiap data yang akan diprediksi sedangkan Topsis
lebih cepat kinerjanya dibandingkan dengan K-Nearest Neighbor. Kata Kunci: Penentuan Mutu Beras, K-Nearest Neighbor, Technique for Orders
Preference by Similarity to Ideal Solution TOPSIS
Universitas Sumatera Utara
IMPLEMENTATION OF K-NEAREST NEIGHBOR ALGORITHM AND TECHNIQUE FOR ORDERS PREFERENCE BY SIMILARITY TO IDEAL
SOLUTION TOPSIS METHOD IN DETERMINING RICE QUALITY FOR ECONOMICALLY DISADVANTAGED GROUP OF PEOPLE
ABSTRACT
Rice distribution for economically disadvantaged group of people is one of the main operational activities of Bulog Company to advance Indonesian society welfare.
Decision making for rice quality for the addressee often became a complicated problem. Overcoming those problems takes an effective step in order to take a
decision. One way to do so is to perform the classification process and search for the best result using the existing data. The use of software can be an optimal solution of
the problem by using K- Nearest Neighbor Algorithm and Techniuqe for orders preference by similarity to ideal solution TOPSIS method. This application will ease
Perum Bulog to determine the best rice quality to be distributed to the economically disadvantaged group of people. The time required data mining process between K-
Nearest Neighbor Algorithm and TOPSIS method generated data defined seen that K- Nearest Neighbor simpler than TOPSIS, but it took a lot of time by processing of data
training repeatedly for data to be predicted, while TOPSIS faster than K- Nearest Neighbor.
Keywords : Rice quality, K-Nearest Neighbor, Technique for Orders Preference by Similarity to Ideal Solution TOPSIS.
Universitas Sumatera Utara
BAB 1 PENDAHULUAN
1.1. Latar Belakang
