Model Rule dengan Pendekatan Fuzzy Simple Additive Weighting dan Weighted Product pada Penentuan Jabatan di Institusi Pendidikan Tinggi Chapter III V
BAB 3
METODOLOGI PENELITIAN
3.1 Rancangan Penelitian
Penelitian yang dilakukan adalah memberi nilai dalam setiap kriteria pada setiap jabatan
menggunakan metode SAW dan WP dimana dengan metode ini apakah hasil keputusan
mendapatkan nilai yang sama atau tidak, untuk penentuan nilai dari setiap kriteria dapat
dilakukan dengan langkah-langkah seperti pada gambar 3.1
Gambar 3.1 Flowchart Penelitian Menggunakan SAW dan WP
Adapun penjelasan flowchart dari gambar 3.1 diatas adalah sebagai berikut:
Universitas Sumatera Utara
20
1. Input Nilai dari setiap kriteria
Nilai ini merupakan kriteria yang terdiri dari Ketua STTH, Ketua Program Studi,
dan Sekertaris Program Studi, masing-masing nilai akan di evaluasi ulang untuk
penentuan nilai dari setiap kriteria yang akan di hitung menggunakan Metode SAW
dan WP.
2. Perhitungan menggunakan SAW dan WP
Perhitungan yang dilakukan akan melalui 2 tahap, perhitungan yang pertama adalah
menggunakan Metode SAW dengan beberapan tahapan yang akan dilakukan
secara teliti dan benar yaitu dengan rumus pemberian bobot sebagai berikut:
=
perhitungan yang kedua adalah menggunakan Metode WP dengan beberapan
tahapan yang akan dilakukan secara teliti dan benar yaitu dengan rumus pemberian
bobot sebagai berikut:
3. Membandingkan Hasil SAW dan WP
Setelah mendapatkan hasil perhitungan antara SAW dan WP, maka dari setiap
kriteria akan dibandingkan apakah perhitungan dengan menggunakan SAW dan
WP mendapatkan hasil yang sama atau tidak.
4. Mendapatkan Nilai dari setiap kriteria
Setelah membandingkan dari hasil SAW dan WP maka penulis akan mendapatkan
keputusan dari setiap kriteria yang di hitung.
3.2 Perancangan Sistem
Dalam perancangan sistem yang akan dibuat mengunakan SAW dan WP untuk
mendapatkan nilai dari setiap kriteria yang akan dihitung. Dan setelah mendapatkan
nilai dari SAW dan WP penulis akan membandingkan hasil dari setiap metode apakah
sama atau tidak. Dalam mendapatkan nilai dari metode SAW dan WP variabel dari
setiap kriteria akan di hitung menggunakan fuzzy. Dan representasi kurva yang
digunakan dalam penelitian ini adalah menggunakan kurva bahu dan segitga.
Universitas Sumatera Utara
21
3.3 Klasifikasi Variabel
Sebagai langkah awal dari klasifikasi yang akan dilakukan oleh penulis, penentuan
dalam variabel berguna untuk proses perhitungan dan pemberian bobot yang ada dalam
Metode SAW dan WP, adapun klasifikasi variabel yang digunakan adalah seperti pada
table 3.1 berikut:
Tabel 3.1 Klasifikaasi Variabel
Variabel
Klasifikasi
C1
Umum
Khusus
a. Berkewarganegaraan Indonesia
b. Beriman dan bertakwa kepada Allah
SWT
c. Tidak
a. Diutamakan
memiliki
jenjang
pendidikan
sedang
menjalani
proses
hukuman
d. Tidak berstatus sebagai anggota
salah satu partai politik
e. Tidak sedang dalam kedudukan
sebagai anggota lembaga-lembaga
pemerintah
f. Tidak sedang mengikuti studi lanjut
S2 atau S3
yang
S2/S3
di
akui
pemerintah
dalam
bidang ilmu sesuai
dengan
studi
program
yang
akan
dipimpin nya
b. Minimal
jabatan
memiliki
akademik
asisten ahli
g. Berdomisili pada tempat dimana c. Telah bertugas di
Perguruan Tinggi STT Harapan
STT-Harapan
berada
sebagai
h. Diutamakan dosen tetap Yayasan
Pendidikan Harapan Medan
pengajar
staf
sekurang
kurangnya selama 5
(lima) tahun terakhir
secara berturut-turut
d. Tidak
sedang
menjabat
dalam
jabatan yang setara
pada
perguruan
tingggi lain.
Universitas Sumatera Utara
22
Variabel
Klasifikasi
Umum
Khusus
e. Diutamakan pernah
menjabat
sebagai
salah
satu
fungsionaris
STT-
Harapan atau pernah
menjadi
anggota
Senat STT-Harapan
f. Ketua
Program
Studi dapat diangkat
kembali
dengan
ketentuan
tidak
lebih dari 2 kali
masa
jabatan
berturut turut
C2
a. Berkewarganegaraan Indonesia
b. Beriman dan bertakwa kepada Allah
SWT
c. Tidak
a. Diutamakan
memiliki
jenjang
pendidikan
sedang
menjalani
proses
hukuman
d. Tidak berstatus sebagai anggota
salah satu partai politik
e. Tidak sedang dalam kedudukan
sebagai anggota lembaga-lembaga
pemerintah
f. Tidak sedang mengikuti studi lanjut
S2 atau S3
yang
S2/S3
di
akui
pemerintah
dalam
bidang ilmu sesuai
dengan
studi
program
yang
akan
dipimpin nya
b. Minimal
jabatan
memiliki
akademik
asisten ahli
g. Berdomisili pada tempat dimana c. Telah bertugas di
Perguruan Tinggi STT Harapan
STT-Harapan
berada
sebagai
pengajar
staf
sekurang
Universitas Sumatera Utara
23
Variabel
Klasifikasi
Umum
Khusus
h. Diutamakan dosen tetap Yayasan
Pendidikan Harapan Medan
kurangnya selama 5
(lima) tahun terakhir
secara berturut-turut
d. Tidak
sedang
menjabat
dalam
jabatan yang setara
pada
perguruan
tingggi lain.
e. Diutamakan pernah
menjabat
sebagai
salah
satu
fungsionaris
STT-
Harapan atau pernah
menjadi
anggota
Senat STT-Harapan
f. Ketua
Program
Studi dapat diangkat
kembali
dengan
ketentuan
tidak
lebih dari 2 kali
masa
jabatan
berturut turut
C3
a. Berkewarganegaraan Indonesia
b. Beriman dan bertakwa kepada
Allah SWT
c. Tidak
sedang
a. Memiliki
pendidikan minimal
S2
menjalani
proses
hukuman
d. Tidak berstatus sebagai anggota
salah satu partai politik
jenjang
yang
diakui
pemerintah
b. Memiliki
jabatan
akademik sekurangkurangnya Asisten
Ahli
Universitas Sumatera Utara
24
Variabel
Klasifikasi
Umum
Khusus
e. Tidak sedang dalam kedudukan
sebagai anggota lembaga-lembaga
pemerintah
f. Tidak sedang mengikuti studi lanjut
S2 atau S3
g. Berdomisili pada tempat dimana
Perguruan Tinggi STT Harapan
berada
h. Diutamakan dosen tetap Yayasan
Pendidikan Harapan Medan
3.4 Prosedur Pengumpulan Data
Dalam pemberian nilai untuk klasifikasi diperlukan data yang akan menjadi sumber
acuan dalam pembuatan Menggunakan Metode SAW dan WP. Adapun prosedur
pengumpulan data dapat dijelaskan sebagai berikut:
1. Data diambil dari STT Harapan Medan.
2. Data merupakan persyaratan seleksi baik dari syarat umum dan syarat khusus.
3. Setelah mendapat persayaratan dari kriteria yang di dapat maka akan dihitung
menggunakan metode SAW dan WP.
4. Keluaran yang dihasilkan adalah kelayakan pada masing-masing calon dalam
pemilihan di STT Harapan Medan
Model yang digunakan dalam prosedur pengumpulan data mengggunakan metodel
SDLC (System Development Life Cycle)
1. Planning
Tahap ini penulis merencanakan pembuatan proses pemilihian dalam sebuah
universitas dalam hal ini di STT Harapan untuk membantu dalam pemgambilan
keptusan secara baik dan benar
Universitas Sumatera Utara
25
2. Analisis
Kebutuhan informasi yang diambil dalam pengambilan keputusan yaitu tentang
kebutuhan dalam pemilihan dalam sebuah universitas baik dari Ketua, Ketua
Prodi dan Sekertaris Jurusan.
3. Design
Tahap ini penulis akan merancang sebuah kriteria yang akan digunakan dalam
proses pemilihan, pemilihan ini akan diambil dari kriteria yang sudah di
tetapkan dalam proses pemilihan.
4. Development
Proses ini penulis akan membuat sebuah pengembangan berupa program dengan
menggunakan metode SAW dan WP dan di dalam program tersebut akan
dianalisa dan membandingkan nilai mana yang paling akurat untuk dijadikan
penilaian yang baik.
5. Testing
Melakukan uji coba pada perhitungan menggunakan metode SAW dan WP dan
mana yang baik digunakan dalam proses pemilihan sebuat jabatan.
6. Implementation
Setelah diuji maka akan dihasilkan sebuah nilai, dan nilai tersebut akan di
implementasikan dalam sebuah struktur untuk pemilihan jabatan di universitas.
7. Maintenance
Penulis berusaha membuat sebuah pemeliharaan berkala, jika ada kriteria yang
berubah, kriteria yang ditambah atau penghapusan kriteria dalam pemilihan
jabatan di universitas.
Universitas Sumatera Utara
BAB 4
HASIL DAN PEMBAHASAN
4.1 Pendahuluan
Dalam bab ini akan dibahas mengenai hasil dan pembahasan bagaimana menentukan
sebuah pemilihan didalam institusi pendidikan tinggi menggunakan metode SAW dan
WP, dan hasil ini akan dianalisa serta membandingkan mana hasil yang paling akurat.
Pada Tabel ini masing-masing variabel akan diberikan bobot, bobot ini dibuat oleh
pengambil keputusan yaitu penulis, variabel terdiri dari Variabel A dan B dapat dilihat
pada table 4.1 berikut:
Tabel 4.1 Variabel A dan Bobot
Variabel
Bobot
a. Diutamakan memiliki jenjang pendidikan S2/S3 yang di akui
20
pemerintah dalam bidang ilmu sesuai dengan program studi yang
akan dipimpin nya.
b. Minimal memiliki jabatan akademik asisten ahli
20
c. Telah bertugas di STT-Harapan sebagai staf pengajar sekurang
20
kurangnya selama 5 (lima) tahun terakhir secara berturut-turut
d. Tidak sedang menjabat dalam jabatan yang setara pada perguruan
10
tingggi lain.
e. Diutamakan pernah menjabat sebagai salah satu fungsionaris STT-
20
Harapan atau pernah menjadi anggota Senat STT-Harapan
f. Ketua Program Studi dapat diangkat kembali dengan ketentuan tidak
10
lebih dari 2 kali masa jabatan berturut turut
Total Bobot
100
Pada tabel 4.1 varibel A dikhusukan untuk pemilihan Ketua Umum dan Ketua Prodi di
STT Harapan Medan, variabel ini diambil dari persyaratan khusus dengan 6 variabel.
Universitas Sumatera Utara
27
Masing masing variabel diberi bobot oleh pembuat keputusan dan nilai ini akan dihitung
menggunakan metode SAW dan WP
Tabel 4.2 Variabel B dan Bobot
Variabel
Bobot
a. Memiliki jenjang pendidikan minimal S2 yang diakui pemerintah
50
b. Memiliki jabatan akademik sekurang-kurangnya Asisten Ahli
50
Total Bobot
100
Pada tabel 4.2 varibel B dikhusukan untuk pemilihan Sekertaris di STT Harapan Medan,
variabel ini diambil dari persyaratan khusus dengan 2 variabel. Masing masing variabel
diberi bobot oleh pembuat keputusan dan nilai ini akan dihitung menggunakan metode
SAW dan WP.
4.2 Proses Fuzzyfikasi
Tabel 4.3 Tingkat Kepentingan Kriteria
Kriteria
Variabel
Nilai
Pendidikan
S2
[0 – 50]
S3
[45 – 100]
Assiten Ahli
[0 – 45]
Lektor
[40 – 80]
Lektor Kepala
[70 – 100]
≥ 5 Tahun
[0 – 45]
≥ 10 Tahun
[40 – 80]
≥ 15 Tahun
[70 – 100]
Jabatan
Masa Kerja
4.2.1 Kriteria Pendidikan
Tabel 4.4 Kriteria Pendidikan
Variabel
Nilai
S2
[0 – 50]
S3
[45 – 100]
Universitas Sumatera Utara
28
Pendidikan
1
0,66
25
5
0
45
50
75
65
100
Gambar 4.1 Fuzzy Keanggotaan Variabel Pendidikan
S2
S3
[x] =
1; < 25
; 25
[x] =
0;
; 45
0;
> 50
45
1;
75
50
< 75
Pendidikan = 65
μ
μ
S2
[65] = 0
S3
[65] = 65 – 45 / 75 - 45 = 0,66
4.2.2 Kriteria Jabatan
Tabel 4.5 Kriteria Jabatan
Variabel
Nilai
Assiten Ahli
[0 – 45]
Lektor
[40 –80]
Lektor Kepala
[70 – 100]
Universitas Sumatera Utara
29
Lektor
Asisten Ahli
Lektor Kepala
1
0,5
0,16
0
20
30
40
40 45
60
70 75 80
100
Gambar 4.2 Fuzzy Keanggotaan Variabel Jabatan
μ
Asisten Ahli
[x] =
0;
45
0;
45
; 30
< 45
0 ; 80
; 40 <
Lektor[x]
μ
=
Lektor Kepala[x]
μ
=
; 70 <
1 ; 45
40
< 45
< 80
70
0;
70
; 70 < < 100
1;
100
Pendidikan: 75
μ
μ
μ
Asisten Ahli
[75] = 0
Lektor[75]
= 80 -75 / 80 - 70 = 5/10 =0,5
Lektor Kepala[75]
= 75 – 70 / 100 – 70 = 5/30 =0,16
4.2.3 Kriteria Masa Kerja
Tabel 4.6 Kriteria Masa Kerja
Variabel
Nilai
≥ 5 Tahun
[0 – 45]
≥ 10 Tahun
[40 – 75]
≥ 15 Tahun
[70 – 100]
Universitas Sumatera Utara
30
5 Tahun
15 Tahun
10 Tahun
1
0,5
0,16
0
40 45
20
60
70 75 80
100
Gambar 4.3 Fuzzy Keanggotaan Masa Kerja
5Tahun
[x]
=
0;
; 30
0;
45
< 45
45
0 ; 80
; 40 <
10Tahun[x]
15Tahun[x]
=
=
; 70 <
1 ; 45
40
< 45
< 80
70
0;
70
; 70 < < 100
1;
100
Masa Kerja : 75
μ
5Tahun
μ
μ
[75] = 0
10Tahun[75]
= 80 -75 / 80 - 70 = 5/10 =0,5
15Tahun[75]
= 75 – 70 / 100 – 70 = 5/30 =0,16
4.3 Pengujian Data
Contoh Perhitungan Menggunakan Data Variabel A dan dihitung dengan metode SAW
dan WP. Data pelatihan akan diambil dari pemilihan Ketua Umum Masa Bakti 2015
sampai 2020. Diketahui calon yang ikut serta berjumlah 9 calon.
4.4 Pengujian Menggunakan Metode SAW
Diketahui nilai yang akan dihitung adalah sebagai berikut:
Universitas Sumatera Utara
31
Tabel 4.7 Nilai Variabel
Variabel
Alternatif
V1
V2
V3
V4
V5
V6
A1
90
85
70
80
85
85
A2
80
75
70
80
80
80
A3
90
80
75
80
80
80
A4
85
80
75
85
80
90
A5
85
90
80
80
70
90
A6
75
85
85
80
75
85
A7
80
80
85
90
75
85
A8
80
80
80
75
75
85
A9
80
85
80
75
75
85
4.4.1 Proses Pengujian SAW
Maka diperoleh Nilai dalam bentuk matriks sebagai berikut:
90
80
90
85
85
75
80
80
80
85
75
80
80
90
85
80
80
85
70
70
75
75
80
85
85
80
80
80
80
80
85
80
80
90
75
75
85
80
80
80
70
75
75
75
75
85
80
80
80
90
85
85
85
85
Berikut adalah perhitungan normalisasi matriks keputusan dengan cara menghitung
nilai rating kinerja ternormalisasi (rij) dari setiap alternatif berdasarkan kriteria Cost
dan Benefit, dalam penulisan ini kriteria Cost tidak ditemukan, sehingga semua
perhitungan menggunakan Benefit:
Kriteria benefitnya yaitu (V1, V2, V3, V4, V5 dan V6). Untuk normalisai nilai, jika
faktor kriteria benefit digunakan rumusan
Rii = ( Xij / max{Xij})
Dari kolom V1 nilai maksimalnya adalah 90, maka tiap bari dari kolom V1 dibagi oleh
nilai maksimal kolom V1
R11 = 90 / 90 = 1
Universitas Sumatera Utara
32
R21 = 80 / 90 = 0.88
R31 = 90 / 90 = 1
R41 = 85 / 90 = 0.94
R51 = 85 / 90 = 0.94
R61 = 75 / 90 = 0.83
R71 = 80 / 90 = 0.88
R81 = 80 / 90 = 0.88
R91 = 80 / 90 = 0.88
Maka diperoleh matriks kolom pertama
1
0.88
1
0.94
0.94
0.83
0.88
0.88
0.88
Didalam kolom V2 nilai maksimalnya adalah 90, maka tiap baris dari kolom V2 dibagi
oleh nilai maksimal Kolom V2
R12 = 85 / 90 = 0.94
R22 = 75 / 90 = 0.83
R32 = 80 / 90 = 0.88
R42 = 80 / 90 = 0.88
R52 = 90 / 90 = 1
R62 = 85 / 90 = 0.94
R72 = 80 / 90 = 0.88
R82 = 80 / 90 = 0.88
R92 =85 / 90 = 0.94
Maka diperoleh matriks kolom kedua
Universitas Sumatera Utara
33
1
0.88
1
0.94
0.94
0.83
0.88
0.88
0.88
0.94
0.83
0.88
0.88
1
0.94
0.88
0.88
0.94
Didalam kolom V3 nilai maksimalnya adalah 85, maka tiap baris dari kolom V3 dibagi
oleh nilai maksimal Kolom V3
R13 = 70 / 85 = 0.82
R23 = 70 / 85 = 0.82
R33 = 75 / 85 = 0.88
R43 = 75 / 85 = 0.88
R53 = 80 / 85 = 0.94
R63 = 85 / 85 = 1
R73 = 85 / 85 = 1
R83 = 80 / 85 = 0.94
R93 = 80 / 85 = 0.94
Maka diperoleh matriks kolom ketiga
1
0.88
1
0.94
0.94
0.83
0.88
0.88
0.88
0.94
0.83
0.88
0.88
1
0.94
0.88
0.88
0.94
0.82
0.82
0.88
0.88
0.94
1
1
0.94
0.94
Didalam kolom V4 nilai maksimalnya adalah 90, maka tiap baris dari kolom V4 dibagi
oleh nilai maksimal Kolom V4
R14 = 80 / 90 = 0.88
R24 = 80 / 90 = 0.88
R34 = 80 / 90 = 0.88
R44 = 85 / 90 = 0.94
R54 = 80 / 90 = 0.88
R64 = 80 / 90 = 0.88
Universitas Sumatera Utara
34
R74 = 90 / 90 = 1
R84 = 75 / 90 = 0.83
R94 = 75 / 90 = 0.83
Maka diperoleh matriks kolom keempat
1
0.88
1
0.94
0.94
0.83
0.88
0.88
0.88
0.94
0.83
0.88
0.88
1
0.94
0.88
0.88
0.94
0.82
0.82
0.88
0.88
0.94
1
1
0.94
0.94
0.88
0.88
0.88
0.94
0.88
0.88
1
0.83
0.83
Didalam kolom V5 nilai maksimalnya adalah 85, maka tiap baris dari kolom V5 dibagi
oleh nilai maksimal Kolom V5
R15 = 85 / 85 = 1
R25 = 80 / 85 = 0.94
R35 = 80 / 85 = 0.94
R45 = 80 / 85 = 0.94
R55 = 70 / 85 = 0.82
R65 = 75 / 85 = 0.88
R75 = 75 / 85 = 0.88
R85 = 75 / 85 = 0.88
R95 = 75 / 85 = 0.88
Maka diperoleh matriks kolom kelima
1
0.88
1
0.94
0.94
0.83
0.88
0.88
0.88
0.94
0.83
0.88
0.88
1
0.94
0.88
0.88
0.94
0.82
0.82
0.88
0.88
0.94
1
1
0.94
0.94
0.88
0.88
0.88
0.94
0.88
0.88
1
0.83
0.83
1
0.94
0.94
0.94
0.82
0.88
0.88
0.88
0.88
Didalam kolom V6 nilai maksimalnya adalah 90, maka tiap baris dari kolom V6 dibagi
oleh nilai maksimal Kolom V6
R16 = 85 / 90 = 0.94
R26 = 80 / 90 = 0.88
Universitas Sumatera Utara
35
R36 = 80 / 90 = 0.88
R46 = 80 / 90 = 0.88
R56 = 90 / 90 = 1
R66 = 85 / 90 = 0.94
R76 = 85 / 90 = 0.94
R86 = 85 / 90 = 0.94
R96 = 85 / 90 = 0.94
Maka diperoleh matriks kolom kelima
1
0.88
1
0.94
R = 0.94
0.83
0.88
0.88
0.88
0.94
0.83
0.88
0.88
1
0.94
0.88
0.88
0.94
0.82
0.82
0.88
0.88
0.94
1
1
0.94
0.94
0.88
0.88
0.88
0.94
0.88
0.88
1
0.83
0.83
1
0.94
0.94
0.94
0.82
0.88
0.88
0.88
0.88
0.94
0.88
0.88
0.88
1
0.94
0.94
0.94
0.94
Setelah diperoleh matriks dari masing masing kolom, akan dikalikan setiap kolom di
tabel tersebut dengan bobot kriteria yang telah dideklarasikan sebelumnya.
Nilai Bobot preferensi (W) = 20, 20, 20, 10, 20, 10
=
Nilai vector tersebut akan digunakan sebagai perhitungan nilai tertinggi pada tabel
V1 = (1 * 20) + (0,94 * 20) + (0,82 * 20) + (0,88 * 10) + (1 * 20) + (0,94 * 10) = 93.4
V2 = (0,88 * 20) + (0,83 * 20) + (0,82 * 20) + (0,88 * 10) + (0.94 * 20) + (0,88 * 10) =
87
V3 = (1 * 20) + (0,88 * 20) + (0,88 * 20) + (0,88 * 10) + (0.94 * 20) + (0,88 * 10) =
91.6
V4 = (0,94 * 20) + (0,88 * 20) + (0,88 * 20) + (0,94 * 10) + (0.94 * 20) + (0,88 * 10)
= 91
V5 = (0,94 * 20) + (1 * 20) + (0,94 * 20) + (0,88 * 10) + (0.82 * 20) + (1 * 10) = 92.8
Universitas Sumatera Utara
36
V6 = (0,83 * 20) + (0,94 * 20) + (1 * 20) + (0,88 * 10) + (0.88 * 20) + (0.94 * 10) =
91.2
V7 = (0,88 * 20) + (0,88 * 20) + (1 * 20) + (1 * 10) + (0.88 * 20) + (0.94 * 10) = 92.2
V8 = (0,88 * 20) + (0,88 * 20) + (0,94 * 20) + (0,83 * 10) + (0.88 * 20) + (0.94 * 10)
= 89.3
V9 = (0,88 * 20) + (0,94 * 20) + (0,94 * 20) + (0,83 * 10) + (0.88 * 20) + (0.94 * 10)
= 90.5
Berikut tabel masing masing dari nilai Vektor
Tabel 4.8 Nilai Vector
Vektor (Vi)
Nilai Vektor (Vi)
V1
93.4
V2
87
V3
91.6
V4
91
V5
92.8
V6
91.2
V7
92.2
V8
89.3
V9
90.5
Nilai V1 menunjukkan nilai terbesar sehinggaVariabel A1 Terpilih dalam Menjadi Ketua
Umum.
4.5 Proses Pengujian Menggunakan Metode Weight Product (WP)
Berikut ini akan dilakukan pengujian menggunakan Metode Product (WP) dapat
dilihat pada penjelasan dibawah ini:
Perbaikan Bobot sehingga
W1 =
= 20, 20, 20, 10, 20, 10
=
= 0.2
Universitas Sumatera Utara
37
W2 =
=
= 0.2
W3 =
=
= 0.2
W4 =
=
= 0.1
W5 =
=
= 0.2
W6 =
=
= 0.1
Penentuan Vektor S untuk preferensi alternatif
1
0.88
1
0.94
= 0.94
0.83
0.88
0.88
0.88
0.94
0.83
0.88
0.88
1
0.94
0.88
0.88
0.94
0.82
0.82
0.88
0.88
0.94
1
1
0.94
0.94
0.88
0.88
0.88
0.94
0.88
0.88
1
0.83
0.83
1
0.94
0.94
0.94
0.82
0.88
0.88
0.88
0.88
0.94
0.88
0.88
0.88
1
0.94
0.94
0.94
0.94
S1 = (10,2) + (0,940,2) + (0,820,2) + (0,880,1) + (10,2) + (0,940,1) = 5.9299
S2 = (0.880,2) + (0,830,2) + (0,820,2) + (0,880,1) + (0,940,2) + (0,880,1) = 5.8615
S3 = (10,2) + (0,880,2) + (0,880,2) + (0,880,1) + (0,940,2) + (0,880,1) = 5.9118
S4 = (0.940,2) + (0,880,2) + (0,880,2) + (0,940,1) + (0,940,2) + (0,880,1) = 5.9060
S5 = (0.940,2) + (10,2) + (0,940,2) + (0,880,1) + (0,820,2) + (10,1) = 5.9237
S6 = (0.830,2) + (0,940,2) + (10,2) + (0,880,1) + (0,880,2) + (0,940,1) = 5.9070
S7 = (0.880,2) + (0,880,2) + (10,2) + (10,1) + (0,880,2) + (0,940,1) = 5.9181
S8 = (0.880,2) + (0,880,2) + (0,940,2) + (0,830,1) + (0,880,2) + (0,940,1) = 5.8873
S9 = (0.880,2) + (0,940,2) + (0,940,2) + (0,830,1) + (0,880,2) + (0,940,1) = 5.9002
Berikut ini adalah tabel normalisasi
Universitas Sumatera Utara
38
Tabel 4.9 Nilai Normalisasi
Si
Nilai Si
S1
5.9299
S2
5.8615
S3
5.9118
S4
5.9060
S5
5.9237
S6
5.9070
S7
5.9181
S8
5.8873
S9
5.9002
Nilai vektor S digunakan untuk Pencarian Nilai Tertinggi dengan menggunakan rumus
sebagai berikut :
V1
=
=
V2
=
=
V3
=
=
V4
=
=
V5
=
=
V6
=
5.9299
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
.
.
= 1.1157
.
= 0.1102
.
= 1.1123
.
= 0.1111
.
= 0.1114
5,8615
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
.
5.9118
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
.
5.9060
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
.
5.9237
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
.
5.9070
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
Universitas Sumatera Utara
39
=
V7
=
=
V8
=
=
V9
=
=
.
.
= 0.1111
.
= 0.1113
.
= 0.1107
.
= 0.1110
5.9181
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
.
5.8873
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
.
5.9002
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
.
Tabel 4.10 Nilai Vektor
Vektor (Vi)
Nilai Vektro (Vi)
V1
1.1157
V2
0.1102
V3
1.1123
V4
0.1111
V5
0.1114
V6
0.1111
V7
0.1113
V8
0,10144
V9
0.1107
Nilai V1 menunjukkan nilai terbesar sehingga Variabel A1 Terpilih dalam pemilihan
Ketua Umum
4.6 Analisa Perbandingan Pengujian Manual dan Program
Dibawah ini penulis akan menjelaskan hasil dari masing masing keputusan antara
penggunaan program dan manual
1. Proses Input Data Calon
Berikut ini adalah calon yang akan diseleksi dalam proses kelayakan jabatan
sebanyak 9 calon, dan dapat dilihat pada gambar 4.4 sebagai berikut:
Universitas Sumatera Utara
40
Gambar 4.4 Data Calon
Gambar 4.1 menjelaskan tentang data-data calon yang terdiri dari 9 calon dan data
tersebut akan masuk kedalam proses persyaratan umum.
2. Proses Persyaratan Umum
Berikut ini adalah tahap proses persyaratan umum yang dilakukan dalam seleksi,
dan dapat dilihat pada gambar 4.5 sebagai berikut:
Gambar 4.5 Persyaratan Umum
Persyaratan Umum yang di Proses adalah
1. Apakah calon warga negara Indonesia?
2. Apakah calon beriman dan bertakwa kepada Allah SWT?
Universitas Sumatera Utara
41
3. Apakah calon tidak sedang menjalani proses hukuman?
4. Apakah calon tidak berstatus sebagai anggota partai politik?
5. Apakah calon tidak sedang dalam kedudukan sebagai anggota lembaga-lembaga
pemerintah?
6. Apakah calon tidak sedang mengikuti S2 atau S3?
7. Apakah calon berdomisili pada tempat dimana perguruan tinggi STT Harapan
berada?
8. Apakah calon menjadi dosen tetap yayasan pendidikan harapan?
Setelah diproses persyaratan diatas dan semua bernilai “ya” maka akan masuk kedalam
set nilai peryaratan calon.
3. Set Nilai Persyaratan Calon
Berikut ini adalah set nilai persyaratan calon, dan dapat dilihat pada penjelasan
seperti gambar berikut:
Gambar 4.6 Set Nilai Persyaratan Calon
Set nilai persayaratan calon merupakan nilai inputan yang diambil dari hasil manual
pada proses seleksi kelayakan jabatan, dan nilai ini akan di proses, menggunakan
Metode SAW dan WP
.
4. Perhitungan Menggunakan Metode SAW
Berikut ini adalah perhitungan menggunakan Metode SAW dan dapat dilihat pada
gambar 4.7 sebagai berikut:
Universitas Sumatera Utara
42
Gambar 4.7 Proses Perhitungan Menggunakan SAW
Gambar diatas menjelaskan tentang data calon dan nilai manual yang telah di input
dengan manual, nilai tersebut di hitung menggunakan Metode SAW dan hasil yang
didapat adalah pada calon yang bernama Drs Abdul Zebar, M. Hum merupakan biodata
dengan nilai tertinggi dengan hasil penilaian 96.1111111111111. setelah perhitungan
menggunakan metode SAW dilakukan maka proses selanjutnya akan dihitung dengan
menggunakan metode WP.
5. Proses Perhitungan Menggunakan WP
Berikut ini adalah proses perhitungan menggunakan WP dan dapat dilihat pada
gambar 4.8 seperti berikut:
Gambar 4.8 Perhitungan Menggunaka WP
Universitas Sumatera Utara
43
Gambar 4.5 menjelaskan tentang data calon dan nilai manual yang telah di input dengan
manual, nilai tersebut di hitung menggunakan Metode WP dan hasil yang didapat adalah
pada calon yang bernama Drs Abdul Zebar, M. Hum merupakan biodata dengan nilai
tertinggi dengan hasil penilaian 5.95985807335703. setelah perhitungan menggunakan
metode WP dilakukan analisis perbandingan nilai akurasi dari masing masing Metode
Yaitu SAW dan WP
6. Analisis Perbandingan Metode SAW
Berikut ini adalah analisis perbandingan Metode SAW dan dapat dilihat pada
penjelasan sebagai berikut:
Tabel 4.11. Analisis Perbandingan Metode SAW
Metode SAW
Akurasi
Manual
Program
93.4
96.1111111111111
2.711111
87
87.7124183006536
0.712418
91.6
92.156862745098
0.556863
91
92.7124183006536
1.712418
92.8
94.2483660130719
1.448366
91.2
90.4248366013072
-0.77516
92.2
90.4248366013072
-1.77516
89.3
88.7581699346405
-0.54183
90.5
90.9803921568627
0.480392
Berikut ini adalah grafik perbandingan yang dilakukan antara manual dan program.
Universitas Sumatera Utara
44
98
96
94
92
Metode SAW Manual
90
Metode SAW Program
88
86
84
82
1
2
3
4
5
6
7
8
9
Gambar 4.9 Grafik Perbandingan SAW
Gambar diatas merupakan grafik yang dihasilkan dari tabel 4.6, grafik diatas adalah
hasil dari nilai program dan manual, sehingga penulis bisa membuat sebuah
perbandingan menggunakan grafik chart
7. Analisis Perbandingan Metode WP
Berikut ini adalah analisis perbandingan Metode WP Nilai Normalisasi dan dapat
dilihat pada penjelasan sebagai berikut:
Untuk mendapatkan nilai akurasi, penulis membuat sebuah alur perhitungan yaitu
Nilai Program – Nilai Manual = Akurasi.
Tabel 4.12. Analisis Perbandingan Metode WP
Metode WP Normalisasi
Akurasi
Manual
Program
5.9299
5.95985807335703
0.029958
5.8615
5.86963355645016
0.008134
5.9118
5.91796723230608
0.006167
5.9060
5.92431952766151
0.01832
5.9237
5.93883726335028
0.015137
Universitas Sumatera Utara
45
5.9070
5.89932866691913
-0.00767
5.9181
5.89973460410123
-0.01837
5.8873
5.88166764866314
-0.00563
5.9002
5.90549710221871
0.005297
Berikut ini adalah grafik perbandingan yang dilakukan antara manual dan program
5.98
5.96
5.94
5.92
Metode WP
Normalisasi Manual
5.9
5.88
Metode WP
Normalisasi Program
5.86
5.84
5.82
5.8
1
2
3
4
5
6
7
Gambar 4.10 Grafik Perbandingan WP Normalisasi
Gambar 4.7 merupakan grafik yang dihasilkan dari tabel 4.7, grafik 4.7 adalah hasil
dari nilai program dan manual, sehingga penulis bisa membuat sebuah
perbandingan menggunakan grafik chart.
8.
Analisis Perbandingan Metode WP Nilai Vektor
Berikut ini adalah analisis perbandingan Metode WP Nilai Vektor dan dapat dilihat
pada penjelasan sebagai berikut:
Untuk mendapatkan nilai akurasi, penulis membuat sebuah alur perhitungan yaitu
Nilai Program – Nilai Manual = Akurasi
Universitas Sumatera Utara
46
Tabel 4.13. Analisis Perbandingan Metode WP Vektor
Metode WP Vektor
Akurasi
Manual
Program
0.1157
0.112034054309031
-0.00367
0.1102
0.110338004117444
0.000138
0.1123
0.111246585764715
-0.00105
0.1111
0.111365996897343
0.000266
0.1114
0.11163890285728
0.000239
0.1111
0.110896216004043
-0.0002
0.1113
0.110903846854937
-0.0004
0,10144
0.110564222279681
0.009124
0.1107
0.111012170915527
0.000312
Berikut ini adalah grafik perbandingan yang dilakukan antara manual dan program
0.12
0.115
0.11
0.105
Metode WP Vektor
Manual
0.1
Metode WP Vektor
Program
0.095
0.09
1
2
3
4
5
6
7
8
9
Gambar 4.11. Grafik Perbandingan WP Vektor
Universitas Sumatera Utara
47
Gambar 4.7 merupakan grafik yang dihasilkan dari tabel 4.8, grafik 4.7 adalah hasil
dari nilai program dan manual, sehingga penulis bisa membuat sebuah
perbandingan menggunakan grafik chart.
Universitas Sumatera Utara
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Tesis ini menghasilkan beberapa kesimpulan sebagai berikut:
1. Hasil dari penggunaan Metode SAW dan WP menghasilkan keputuan hasil
yang sama yaitu Alternatif 1 diputuskan sebagai kelayakan menduduki jabatan
Ketua Umum
2. Indikator yang sangat penting didalm pemilihan ialah jenjang pendidikan dan
masa kerja.
3. Hasil dari penggunaan Metode SAW dan WP memperoleh hasil yang lebih
akurat, optimal dan tidak bersifat subjektif.
4. Hasil dari perbandingan SAW Manual dan Program berjumlah 4.529418, dan
jumlah perbandingan perhitungan WP manual dan program nilai normalisasi
berjumlah 0.051343, sementara perhitungan WP manual dan program nilai
vector berjumlah 0.004759.
5.2 Saran
Saran dari penulisan tesis ini adalah
1. Masalah yang diputuskan dalam kelayakan adalah hanya Ketua Umum, Ketua
Prodi dan Sekertaris Jurusan, penulis berharap adanya kriteria yang lebih agar
aplikasi dan penelitian ini semakin luas dan baik.
2. Analisis Perbadingan ini dilakukan Antara Metode SAW dan WP, penulis
berharap adanya beberapa perhitungan untuk optimasi dengan keakuratan yang
lebih baik dengan menggunakan metode lain.
Universitas Sumatera Utara
METODOLOGI PENELITIAN
3.1 Rancangan Penelitian
Penelitian yang dilakukan adalah memberi nilai dalam setiap kriteria pada setiap jabatan
menggunakan metode SAW dan WP dimana dengan metode ini apakah hasil keputusan
mendapatkan nilai yang sama atau tidak, untuk penentuan nilai dari setiap kriteria dapat
dilakukan dengan langkah-langkah seperti pada gambar 3.1
Gambar 3.1 Flowchart Penelitian Menggunakan SAW dan WP
Adapun penjelasan flowchart dari gambar 3.1 diatas adalah sebagai berikut:
Universitas Sumatera Utara
20
1. Input Nilai dari setiap kriteria
Nilai ini merupakan kriteria yang terdiri dari Ketua STTH, Ketua Program Studi,
dan Sekertaris Program Studi, masing-masing nilai akan di evaluasi ulang untuk
penentuan nilai dari setiap kriteria yang akan di hitung menggunakan Metode SAW
dan WP.
2. Perhitungan menggunakan SAW dan WP
Perhitungan yang dilakukan akan melalui 2 tahap, perhitungan yang pertama adalah
menggunakan Metode SAW dengan beberapan tahapan yang akan dilakukan
secara teliti dan benar yaitu dengan rumus pemberian bobot sebagai berikut:
=
perhitungan yang kedua adalah menggunakan Metode WP dengan beberapan
tahapan yang akan dilakukan secara teliti dan benar yaitu dengan rumus pemberian
bobot sebagai berikut:
3. Membandingkan Hasil SAW dan WP
Setelah mendapatkan hasil perhitungan antara SAW dan WP, maka dari setiap
kriteria akan dibandingkan apakah perhitungan dengan menggunakan SAW dan
WP mendapatkan hasil yang sama atau tidak.
4. Mendapatkan Nilai dari setiap kriteria
Setelah membandingkan dari hasil SAW dan WP maka penulis akan mendapatkan
keputusan dari setiap kriteria yang di hitung.
3.2 Perancangan Sistem
Dalam perancangan sistem yang akan dibuat mengunakan SAW dan WP untuk
mendapatkan nilai dari setiap kriteria yang akan dihitung. Dan setelah mendapatkan
nilai dari SAW dan WP penulis akan membandingkan hasil dari setiap metode apakah
sama atau tidak. Dalam mendapatkan nilai dari metode SAW dan WP variabel dari
setiap kriteria akan di hitung menggunakan fuzzy. Dan representasi kurva yang
digunakan dalam penelitian ini adalah menggunakan kurva bahu dan segitga.
Universitas Sumatera Utara
21
3.3 Klasifikasi Variabel
Sebagai langkah awal dari klasifikasi yang akan dilakukan oleh penulis, penentuan
dalam variabel berguna untuk proses perhitungan dan pemberian bobot yang ada dalam
Metode SAW dan WP, adapun klasifikasi variabel yang digunakan adalah seperti pada
table 3.1 berikut:
Tabel 3.1 Klasifikaasi Variabel
Variabel
Klasifikasi
C1
Umum
Khusus
a. Berkewarganegaraan Indonesia
b. Beriman dan bertakwa kepada Allah
SWT
c. Tidak
a. Diutamakan
memiliki
jenjang
pendidikan
sedang
menjalani
proses
hukuman
d. Tidak berstatus sebagai anggota
salah satu partai politik
e. Tidak sedang dalam kedudukan
sebagai anggota lembaga-lembaga
pemerintah
f. Tidak sedang mengikuti studi lanjut
S2 atau S3
yang
S2/S3
di
akui
pemerintah
dalam
bidang ilmu sesuai
dengan
studi
program
yang
akan
dipimpin nya
b. Minimal
jabatan
memiliki
akademik
asisten ahli
g. Berdomisili pada tempat dimana c. Telah bertugas di
Perguruan Tinggi STT Harapan
STT-Harapan
berada
sebagai
h. Diutamakan dosen tetap Yayasan
Pendidikan Harapan Medan
pengajar
staf
sekurang
kurangnya selama 5
(lima) tahun terakhir
secara berturut-turut
d. Tidak
sedang
menjabat
dalam
jabatan yang setara
pada
perguruan
tingggi lain.
Universitas Sumatera Utara
22
Variabel
Klasifikasi
Umum
Khusus
e. Diutamakan pernah
menjabat
sebagai
salah
satu
fungsionaris
STT-
Harapan atau pernah
menjadi
anggota
Senat STT-Harapan
f. Ketua
Program
Studi dapat diangkat
kembali
dengan
ketentuan
tidak
lebih dari 2 kali
masa
jabatan
berturut turut
C2
a. Berkewarganegaraan Indonesia
b. Beriman dan bertakwa kepada Allah
SWT
c. Tidak
a. Diutamakan
memiliki
jenjang
pendidikan
sedang
menjalani
proses
hukuman
d. Tidak berstatus sebagai anggota
salah satu partai politik
e. Tidak sedang dalam kedudukan
sebagai anggota lembaga-lembaga
pemerintah
f. Tidak sedang mengikuti studi lanjut
S2 atau S3
yang
S2/S3
di
akui
pemerintah
dalam
bidang ilmu sesuai
dengan
studi
program
yang
akan
dipimpin nya
b. Minimal
jabatan
memiliki
akademik
asisten ahli
g. Berdomisili pada tempat dimana c. Telah bertugas di
Perguruan Tinggi STT Harapan
STT-Harapan
berada
sebagai
pengajar
staf
sekurang
Universitas Sumatera Utara
23
Variabel
Klasifikasi
Umum
Khusus
h. Diutamakan dosen tetap Yayasan
Pendidikan Harapan Medan
kurangnya selama 5
(lima) tahun terakhir
secara berturut-turut
d. Tidak
sedang
menjabat
dalam
jabatan yang setara
pada
perguruan
tingggi lain.
e. Diutamakan pernah
menjabat
sebagai
salah
satu
fungsionaris
STT-
Harapan atau pernah
menjadi
anggota
Senat STT-Harapan
f. Ketua
Program
Studi dapat diangkat
kembali
dengan
ketentuan
tidak
lebih dari 2 kali
masa
jabatan
berturut turut
C3
a. Berkewarganegaraan Indonesia
b. Beriman dan bertakwa kepada
Allah SWT
c. Tidak
sedang
a. Memiliki
pendidikan minimal
S2
menjalani
proses
hukuman
d. Tidak berstatus sebagai anggota
salah satu partai politik
jenjang
yang
diakui
pemerintah
b. Memiliki
jabatan
akademik sekurangkurangnya Asisten
Ahli
Universitas Sumatera Utara
24
Variabel
Klasifikasi
Umum
Khusus
e. Tidak sedang dalam kedudukan
sebagai anggota lembaga-lembaga
pemerintah
f. Tidak sedang mengikuti studi lanjut
S2 atau S3
g. Berdomisili pada tempat dimana
Perguruan Tinggi STT Harapan
berada
h. Diutamakan dosen tetap Yayasan
Pendidikan Harapan Medan
3.4 Prosedur Pengumpulan Data
Dalam pemberian nilai untuk klasifikasi diperlukan data yang akan menjadi sumber
acuan dalam pembuatan Menggunakan Metode SAW dan WP. Adapun prosedur
pengumpulan data dapat dijelaskan sebagai berikut:
1. Data diambil dari STT Harapan Medan.
2. Data merupakan persyaratan seleksi baik dari syarat umum dan syarat khusus.
3. Setelah mendapat persayaratan dari kriteria yang di dapat maka akan dihitung
menggunakan metode SAW dan WP.
4. Keluaran yang dihasilkan adalah kelayakan pada masing-masing calon dalam
pemilihan di STT Harapan Medan
Model yang digunakan dalam prosedur pengumpulan data mengggunakan metodel
SDLC (System Development Life Cycle)
1. Planning
Tahap ini penulis merencanakan pembuatan proses pemilihian dalam sebuah
universitas dalam hal ini di STT Harapan untuk membantu dalam pemgambilan
keptusan secara baik dan benar
Universitas Sumatera Utara
25
2. Analisis
Kebutuhan informasi yang diambil dalam pengambilan keputusan yaitu tentang
kebutuhan dalam pemilihan dalam sebuah universitas baik dari Ketua, Ketua
Prodi dan Sekertaris Jurusan.
3. Design
Tahap ini penulis akan merancang sebuah kriteria yang akan digunakan dalam
proses pemilihan, pemilihan ini akan diambil dari kriteria yang sudah di
tetapkan dalam proses pemilihan.
4. Development
Proses ini penulis akan membuat sebuah pengembangan berupa program dengan
menggunakan metode SAW dan WP dan di dalam program tersebut akan
dianalisa dan membandingkan nilai mana yang paling akurat untuk dijadikan
penilaian yang baik.
5. Testing
Melakukan uji coba pada perhitungan menggunakan metode SAW dan WP dan
mana yang baik digunakan dalam proses pemilihan sebuat jabatan.
6. Implementation
Setelah diuji maka akan dihasilkan sebuah nilai, dan nilai tersebut akan di
implementasikan dalam sebuah struktur untuk pemilihan jabatan di universitas.
7. Maintenance
Penulis berusaha membuat sebuah pemeliharaan berkala, jika ada kriteria yang
berubah, kriteria yang ditambah atau penghapusan kriteria dalam pemilihan
jabatan di universitas.
Universitas Sumatera Utara
BAB 4
HASIL DAN PEMBAHASAN
4.1 Pendahuluan
Dalam bab ini akan dibahas mengenai hasil dan pembahasan bagaimana menentukan
sebuah pemilihan didalam institusi pendidikan tinggi menggunakan metode SAW dan
WP, dan hasil ini akan dianalisa serta membandingkan mana hasil yang paling akurat.
Pada Tabel ini masing-masing variabel akan diberikan bobot, bobot ini dibuat oleh
pengambil keputusan yaitu penulis, variabel terdiri dari Variabel A dan B dapat dilihat
pada table 4.1 berikut:
Tabel 4.1 Variabel A dan Bobot
Variabel
Bobot
a. Diutamakan memiliki jenjang pendidikan S2/S3 yang di akui
20
pemerintah dalam bidang ilmu sesuai dengan program studi yang
akan dipimpin nya.
b. Minimal memiliki jabatan akademik asisten ahli
20
c. Telah bertugas di STT-Harapan sebagai staf pengajar sekurang
20
kurangnya selama 5 (lima) tahun terakhir secara berturut-turut
d. Tidak sedang menjabat dalam jabatan yang setara pada perguruan
10
tingggi lain.
e. Diutamakan pernah menjabat sebagai salah satu fungsionaris STT-
20
Harapan atau pernah menjadi anggota Senat STT-Harapan
f. Ketua Program Studi dapat diangkat kembali dengan ketentuan tidak
10
lebih dari 2 kali masa jabatan berturut turut
Total Bobot
100
Pada tabel 4.1 varibel A dikhusukan untuk pemilihan Ketua Umum dan Ketua Prodi di
STT Harapan Medan, variabel ini diambil dari persyaratan khusus dengan 6 variabel.
Universitas Sumatera Utara
27
Masing masing variabel diberi bobot oleh pembuat keputusan dan nilai ini akan dihitung
menggunakan metode SAW dan WP
Tabel 4.2 Variabel B dan Bobot
Variabel
Bobot
a. Memiliki jenjang pendidikan minimal S2 yang diakui pemerintah
50
b. Memiliki jabatan akademik sekurang-kurangnya Asisten Ahli
50
Total Bobot
100
Pada tabel 4.2 varibel B dikhusukan untuk pemilihan Sekertaris di STT Harapan Medan,
variabel ini diambil dari persyaratan khusus dengan 2 variabel. Masing masing variabel
diberi bobot oleh pembuat keputusan dan nilai ini akan dihitung menggunakan metode
SAW dan WP.
4.2 Proses Fuzzyfikasi
Tabel 4.3 Tingkat Kepentingan Kriteria
Kriteria
Variabel
Nilai
Pendidikan
S2
[0 – 50]
S3
[45 – 100]
Assiten Ahli
[0 – 45]
Lektor
[40 – 80]
Lektor Kepala
[70 – 100]
≥ 5 Tahun
[0 – 45]
≥ 10 Tahun
[40 – 80]
≥ 15 Tahun
[70 – 100]
Jabatan
Masa Kerja
4.2.1 Kriteria Pendidikan
Tabel 4.4 Kriteria Pendidikan
Variabel
Nilai
S2
[0 – 50]
S3
[45 – 100]
Universitas Sumatera Utara
28
Pendidikan
1
0,66
25
5
0
45
50
75
65
100
Gambar 4.1 Fuzzy Keanggotaan Variabel Pendidikan
S2
S3
[x] =
1; < 25
; 25
[x] =
0;
; 45
0;
> 50
45
1;
75
50
< 75
Pendidikan = 65
μ
μ
S2
[65] = 0
S3
[65] = 65 – 45 / 75 - 45 = 0,66
4.2.2 Kriteria Jabatan
Tabel 4.5 Kriteria Jabatan
Variabel
Nilai
Assiten Ahli
[0 – 45]
Lektor
[40 –80]
Lektor Kepala
[70 – 100]
Universitas Sumatera Utara
29
Lektor
Asisten Ahli
Lektor Kepala
1
0,5
0,16
0
20
30
40
40 45
60
70 75 80
100
Gambar 4.2 Fuzzy Keanggotaan Variabel Jabatan
μ
Asisten Ahli
[x] =
0;
45
0;
45
; 30
< 45
0 ; 80
; 40 <
Lektor[x]
μ
=
Lektor Kepala[x]
μ
=
; 70 <
1 ; 45
40
< 45
< 80
70
0;
70
; 70 < < 100
1;
100
Pendidikan: 75
μ
μ
μ
Asisten Ahli
[75] = 0
Lektor[75]
= 80 -75 / 80 - 70 = 5/10 =0,5
Lektor Kepala[75]
= 75 – 70 / 100 – 70 = 5/30 =0,16
4.2.3 Kriteria Masa Kerja
Tabel 4.6 Kriteria Masa Kerja
Variabel
Nilai
≥ 5 Tahun
[0 – 45]
≥ 10 Tahun
[40 – 75]
≥ 15 Tahun
[70 – 100]
Universitas Sumatera Utara
30
5 Tahun
15 Tahun
10 Tahun
1
0,5
0,16
0
40 45
20
60
70 75 80
100
Gambar 4.3 Fuzzy Keanggotaan Masa Kerja
5Tahun
[x]
=
0;
; 30
0;
45
< 45
45
0 ; 80
; 40 <
10Tahun[x]
15Tahun[x]
=
=
; 70 <
1 ; 45
40
< 45
< 80
70
0;
70
; 70 < < 100
1;
100
Masa Kerja : 75
μ
5Tahun
μ
μ
[75] = 0
10Tahun[75]
= 80 -75 / 80 - 70 = 5/10 =0,5
15Tahun[75]
= 75 – 70 / 100 – 70 = 5/30 =0,16
4.3 Pengujian Data
Contoh Perhitungan Menggunakan Data Variabel A dan dihitung dengan metode SAW
dan WP. Data pelatihan akan diambil dari pemilihan Ketua Umum Masa Bakti 2015
sampai 2020. Diketahui calon yang ikut serta berjumlah 9 calon.
4.4 Pengujian Menggunakan Metode SAW
Diketahui nilai yang akan dihitung adalah sebagai berikut:
Universitas Sumatera Utara
31
Tabel 4.7 Nilai Variabel
Variabel
Alternatif
V1
V2
V3
V4
V5
V6
A1
90
85
70
80
85
85
A2
80
75
70
80
80
80
A3
90
80
75
80
80
80
A4
85
80
75
85
80
90
A5
85
90
80
80
70
90
A6
75
85
85
80
75
85
A7
80
80
85
90
75
85
A8
80
80
80
75
75
85
A9
80
85
80
75
75
85
4.4.1 Proses Pengujian SAW
Maka diperoleh Nilai dalam bentuk matriks sebagai berikut:
90
80
90
85
85
75
80
80
80
85
75
80
80
90
85
80
80
85
70
70
75
75
80
85
85
80
80
80
80
80
85
80
80
90
75
75
85
80
80
80
70
75
75
75
75
85
80
80
80
90
85
85
85
85
Berikut adalah perhitungan normalisasi matriks keputusan dengan cara menghitung
nilai rating kinerja ternormalisasi (rij) dari setiap alternatif berdasarkan kriteria Cost
dan Benefit, dalam penulisan ini kriteria Cost tidak ditemukan, sehingga semua
perhitungan menggunakan Benefit:
Kriteria benefitnya yaitu (V1, V2, V3, V4, V5 dan V6). Untuk normalisai nilai, jika
faktor kriteria benefit digunakan rumusan
Rii = ( Xij / max{Xij})
Dari kolom V1 nilai maksimalnya adalah 90, maka tiap bari dari kolom V1 dibagi oleh
nilai maksimal kolom V1
R11 = 90 / 90 = 1
Universitas Sumatera Utara
32
R21 = 80 / 90 = 0.88
R31 = 90 / 90 = 1
R41 = 85 / 90 = 0.94
R51 = 85 / 90 = 0.94
R61 = 75 / 90 = 0.83
R71 = 80 / 90 = 0.88
R81 = 80 / 90 = 0.88
R91 = 80 / 90 = 0.88
Maka diperoleh matriks kolom pertama
1
0.88
1
0.94
0.94
0.83
0.88
0.88
0.88
Didalam kolom V2 nilai maksimalnya adalah 90, maka tiap baris dari kolom V2 dibagi
oleh nilai maksimal Kolom V2
R12 = 85 / 90 = 0.94
R22 = 75 / 90 = 0.83
R32 = 80 / 90 = 0.88
R42 = 80 / 90 = 0.88
R52 = 90 / 90 = 1
R62 = 85 / 90 = 0.94
R72 = 80 / 90 = 0.88
R82 = 80 / 90 = 0.88
R92 =85 / 90 = 0.94
Maka diperoleh matriks kolom kedua
Universitas Sumatera Utara
33
1
0.88
1
0.94
0.94
0.83
0.88
0.88
0.88
0.94
0.83
0.88
0.88
1
0.94
0.88
0.88
0.94
Didalam kolom V3 nilai maksimalnya adalah 85, maka tiap baris dari kolom V3 dibagi
oleh nilai maksimal Kolom V3
R13 = 70 / 85 = 0.82
R23 = 70 / 85 = 0.82
R33 = 75 / 85 = 0.88
R43 = 75 / 85 = 0.88
R53 = 80 / 85 = 0.94
R63 = 85 / 85 = 1
R73 = 85 / 85 = 1
R83 = 80 / 85 = 0.94
R93 = 80 / 85 = 0.94
Maka diperoleh matriks kolom ketiga
1
0.88
1
0.94
0.94
0.83
0.88
0.88
0.88
0.94
0.83
0.88
0.88
1
0.94
0.88
0.88
0.94
0.82
0.82
0.88
0.88
0.94
1
1
0.94
0.94
Didalam kolom V4 nilai maksimalnya adalah 90, maka tiap baris dari kolom V4 dibagi
oleh nilai maksimal Kolom V4
R14 = 80 / 90 = 0.88
R24 = 80 / 90 = 0.88
R34 = 80 / 90 = 0.88
R44 = 85 / 90 = 0.94
R54 = 80 / 90 = 0.88
R64 = 80 / 90 = 0.88
Universitas Sumatera Utara
34
R74 = 90 / 90 = 1
R84 = 75 / 90 = 0.83
R94 = 75 / 90 = 0.83
Maka diperoleh matriks kolom keempat
1
0.88
1
0.94
0.94
0.83
0.88
0.88
0.88
0.94
0.83
0.88
0.88
1
0.94
0.88
0.88
0.94
0.82
0.82
0.88
0.88
0.94
1
1
0.94
0.94
0.88
0.88
0.88
0.94
0.88
0.88
1
0.83
0.83
Didalam kolom V5 nilai maksimalnya adalah 85, maka tiap baris dari kolom V5 dibagi
oleh nilai maksimal Kolom V5
R15 = 85 / 85 = 1
R25 = 80 / 85 = 0.94
R35 = 80 / 85 = 0.94
R45 = 80 / 85 = 0.94
R55 = 70 / 85 = 0.82
R65 = 75 / 85 = 0.88
R75 = 75 / 85 = 0.88
R85 = 75 / 85 = 0.88
R95 = 75 / 85 = 0.88
Maka diperoleh matriks kolom kelima
1
0.88
1
0.94
0.94
0.83
0.88
0.88
0.88
0.94
0.83
0.88
0.88
1
0.94
0.88
0.88
0.94
0.82
0.82
0.88
0.88
0.94
1
1
0.94
0.94
0.88
0.88
0.88
0.94
0.88
0.88
1
0.83
0.83
1
0.94
0.94
0.94
0.82
0.88
0.88
0.88
0.88
Didalam kolom V6 nilai maksimalnya adalah 90, maka tiap baris dari kolom V6 dibagi
oleh nilai maksimal Kolom V6
R16 = 85 / 90 = 0.94
R26 = 80 / 90 = 0.88
Universitas Sumatera Utara
35
R36 = 80 / 90 = 0.88
R46 = 80 / 90 = 0.88
R56 = 90 / 90 = 1
R66 = 85 / 90 = 0.94
R76 = 85 / 90 = 0.94
R86 = 85 / 90 = 0.94
R96 = 85 / 90 = 0.94
Maka diperoleh matriks kolom kelima
1
0.88
1
0.94
R = 0.94
0.83
0.88
0.88
0.88
0.94
0.83
0.88
0.88
1
0.94
0.88
0.88
0.94
0.82
0.82
0.88
0.88
0.94
1
1
0.94
0.94
0.88
0.88
0.88
0.94
0.88
0.88
1
0.83
0.83
1
0.94
0.94
0.94
0.82
0.88
0.88
0.88
0.88
0.94
0.88
0.88
0.88
1
0.94
0.94
0.94
0.94
Setelah diperoleh matriks dari masing masing kolom, akan dikalikan setiap kolom di
tabel tersebut dengan bobot kriteria yang telah dideklarasikan sebelumnya.
Nilai Bobot preferensi (W) = 20, 20, 20, 10, 20, 10
=
Nilai vector tersebut akan digunakan sebagai perhitungan nilai tertinggi pada tabel
V1 = (1 * 20) + (0,94 * 20) + (0,82 * 20) + (0,88 * 10) + (1 * 20) + (0,94 * 10) = 93.4
V2 = (0,88 * 20) + (0,83 * 20) + (0,82 * 20) + (0,88 * 10) + (0.94 * 20) + (0,88 * 10) =
87
V3 = (1 * 20) + (0,88 * 20) + (0,88 * 20) + (0,88 * 10) + (0.94 * 20) + (0,88 * 10) =
91.6
V4 = (0,94 * 20) + (0,88 * 20) + (0,88 * 20) + (0,94 * 10) + (0.94 * 20) + (0,88 * 10)
= 91
V5 = (0,94 * 20) + (1 * 20) + (0,94 * 20) + (0,88 * 10) + (0.82 * 20) + (1 * 10) = 92.8
Universitas Sumatera Utara
36
V6 = (0,83 * 20) + (0,94 * 20) + (1 * 20) + (0,88 * 10) + (0.88 * 20) + (0.94 * 10) =
91.2
V7 = (0,88 * 20) + (0,88 * 20) + (1 * 20) + (1 * 10) + (0.88 * 20) + (0.94 * 10) = 92.2
V8 = (0,88 * 20) + (0,88 * 20) + (0,94 * 20) + (0,83 * 10) + (0.88 * 20) + (0.94 * 10)
= 89.3
V9 = (0,88 * 20) + (0,94 * 20) + (0,94 * 20) + (0,83 * 10) + (0.88 * 20) + (0.94 * 10)
= 90.5
Berikut tabel masing masing dari nilai Vektor
Tabel 4.8 Nilai Vector
Vektor (Vi)
Nilai Vektor (Vi)
V1
93.4
V2
87
V3
91.6
V4
91
V5
92.8
V6
91.2
V7
92.2
V8
89.3
V9
90.5
Nilai V1 menunjukkan nilai terbesar sehinggaVariabel A1 Terpilih dalam Menjadi Ketua
Umum.
4.5 Proses Pengujian Menggunakan Metode Weight Product (WP)
Berikut ini akan dilakukan pengujian menggunakan Metode Product (WP) dapat
dilihat pada penjelasan dibawah ini:
Perbaikan Bobot sehingga
W1 =
= 20, 20, 20, 10, 20, 10
=
= 0.2
Universitas Sumatera Utara
37
W2 =
=
= 0.2
W3 =
=
= 0.2
W4 =
=
= 0.1
W5 =
=
= 0.2
W6 =
=
= 0.1
Penentuan Vektor S untuk preferensi alternatif
1
0.88
1
0.94
= 0.94
0.83
0.88
0.88
0.88
0.94
0.83
0.88
0.88
1
0.94
0.88
0.88
0.94
0.82
0.82
0.88
0.88
0.94
1
1
0.94
0.94
0.88
0.88
0.88
0.94
0.88
0.88
1
0.83
0.83
1
0.94
0.94
0.94
0.82
0.88
0.88
0.88
0.88
0.94
0.88
0.88
0.88
1
0.94
0.94
0.94
0.94
S1 = (10,2) + (0,940,2) + (0,820,2) + (0,880,1) + (10,2) + (0,940,1) = 5.9299
S2 = (0.880,2) + (0,830,2) + (0,820,2) + (0,880,1) + (0,940,2) + (0,880,1) = 5.8615
S3 = (10,2) + (0,880,2) + (0,880,2) + (0,880,1) + (0,940,2) + (0,880,1) = 5.9118
S4 = (0.940,2) + (0,880,2) + (0,880,2) + (0,940,1) + (0,940,2) + (0,880,1) = 5.9060
S5 = (0.940,2) + (10,2) + (0,940,2) + (0,880,1) + (0,820,2) + (10,1) = 5.9237
S6 = (0.830,2) + (0,940,2) + (10,2) + (0,880,1) + (0,880,2) + (0,940,1) = 5.9070
S7 = (0.880,2) + (0,880,2) + (10,2) + (10,1) + (0,880,2) + (0,940,1) = 5.9181
S8 = (0.880,2) + (0,880,2) + (0,940,2) + (0,830,1) + (0,880,2) + (0,940,1) = 5.8873
S9 = (0.880,2) + (0,940,2) + (0,940,2) + (0,830,1) + (0,880,2) + (0,940,1) = 5.9002
Berikut ini adalah tabel normalisasi
Universitas Sumatera Utara
38
Tabel 4.9 Nilai Normalisasi
Si
Nilai Si
S1
5.9299
S2
5.8615
S3
5.9118
S4
5.9060
S5
5.9237
S6
5.9070
S7
5.9181
S8
5.8873
S9
5.9002
Nilai vektor S digunakan untuk Pencarian Nilai Tertinggi dengan menggunakan rumus
sebagai berikut :
V1
=
=
V2
=
=
V3
=
=
V4
=
=
V5
=
=
V6
=
5.9299
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
.
.
= 1.1157
.
= 0.1102
.
= 1.1123
.
= 0.1111
.
= 0.1114
5,8615
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
.
5.9118
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
.
5.9060
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
.
5.9237
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
.
5.9070
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
Universitas Sumatera Utara
39
=
V7
=
=
V8
=
=
V9
=
=
.
.
= 0.1111
.
= 0.1113
.
= 0.1107
.
= 0.1110
5.9181
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
.
5.8873
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
.
5.9002
5,9299+5.8615+5.9118+5.9060+5.9237+5.9070+5.9181+5.8873+5.9002
.
Tabel 4.10 Nilai Vektor
Vektor (Vi)
Nilai Vektro (Vi)
V1
1.1157
V2
0.1102
V3
1.1123
V4
0.1111
V5
0.1114
V6
0.1111
V7
0.1113
V8
0,10144
V9
0.1107
Nilai V1 menunjukkan nilai terbesar sehingga Variabel A1 Terpilih dalam pemilihan
Ketua Umum
4.6 Analisa Perbandingan Pengujian Manual dan Program
Dibawah ini penulis akan menjelaskan hasil dari masing masing keputusan antara
penggunaan program dan manual
1. Proses Input Data Calon
Berikut ini adalah calon yang akan diseleksi dalam proses kelayakan jabatan
sebanyak 9 calon, dan dapat dilihat pada gambar 4.4 sebagai berikut:
Universitas Sumatera Utara
40
Gambar 4.4 Data Calon
Gambar 4.1 menjelaskan tentang data-data calon yang terdiri dari 9 calon dan data
tersebut akan masuk kedalam proses persyaratan umum.
2. Proses Persyaratan Umum
Berikut ini adalah tahap proses persyaratan umum yang dilakukan dalam seleksi,
dan dapat dilihat pada gambar 4.5 sebagai berikut:
Gambar 4.5 Persyaratan Umum
Persyaratan Umum yang di Proses adalah
1. Apakah calon warga negara Indonesia?
2. Apakah calon beriman dan bertakwa kepada Allah SWT?
Universitas Sumatera Utara
41
3. Apakah calon tidak sedang menjalani proses hukuman?
4. Apakah calon tidak berstatus sebagai anggota partai politik?
5. Apakah calon tidak sedang dalam kedudukan sebagai anggota lembaga-lembaga
pemerintah?
6. Apakah calon tidak sedang mengikuti S2 atau S3?
7. Apakah calon berdomisili pada tempat dimana perguruan tinggi STT Harapan
berada?
8. Apakah calon menjadi dosen tetap yayasan pendidikan harapan?
Setelah diproses persyaratan diatas dan semua bernilai “ya” maka akan masuk kedalam
set nilai peryaratan calon.
3. Set Nilai Persyaratan Calon
Berikut ini adalah set nilai persyaratan calon, dan dapat dilihat pada penjelasan
seperti gambar berikut:
Gambar 4.6 Set Nilai Persyaratan Calon
Set nilai persayaratan calon merupakan nilai inputan yang diambil dari hasil manual
pada proses seleksi kelayakan jabatan, dan nilai ini akan di proses, menggunakan
Metode SAW dan WP
.
4. Perhitungan Menggunakan Metode SAW
Berikut ini adalah perhitungan menggunakan Metode SAW dan dapat dilihat pada
gambar 4.7 sebagai berikut:
Universitas Sumatera Utara
42
Gambar 4.7 Proses Perhitungan Menggunakan SAW
Gambar diatas menjelaskan tentang data calon dan nilai manual yang telah di input
dengan manual, nilai tersebut di hitung menggunakan Metode SAW dan hasil yang
didapat adalah pada calon yang bernama Drs Abdul Zebar, M. Hum merupakan biodata
dengan nilai tertinggi dengan hasil penilaian 96.1111111111111. setelah perhitungan
menggunakan metode SAW dilakukan maka proses selanjutnya akan dihitung dengan
menggunakan metode WP.
5. Proses Perhitungan Menggunakan WP
Berikut ini adalah proses perhitungan menggunakan WP dan dapat dilihat pada
gambar 4.8 seperti berikut:
Gambar 4.8 Perhitungan Menggunaka WP
Universitas Sumatera Utara
43
Gambar 4.5 menjelaskan tentang data calon dan nilai manual yang telah di input dengan
manual, nilai tersebut di hitung menggunakan Metode WP dan hasil yang didapat adalah
pada calon yang bernama Drs Abdul Zebar, M. Hum merupakan biodata dengan nilai
tertinggi dengan hasil penilaian 5.95985807335703. setelah perhitungan menggunakan
metode WP dilakukan analisis perbandingan nilai akurasi dari masing masing Metode
Yaitu SAW dan WP
6. Analisis Perbandingan Metode SAW
Berikut ini adalah analisis perbandingan Metode SAW dan dapat dilihat pada
penjelasan sebagai berikut:
Tabel 4.11. Analisis Perbandingan Metode SAW
Metode SAW
Akurasi
Manual
Program
93.4
96.1111111111111
2.711111
87
87.7124183006536
0.712418
91.6
92.156862745098
0.556863
91
92.7124183006536
1.712418
92.8
94.2483660130719
1.448366
91.2
90.4248366013072
-0.77516
92.2
90.4248366013072
-1.77516
89.3
88.7581699346405
-0.54183
90.5
90.9803921568627
0.480392
Berikut ini adalah grafik perbandingan yang dilakukan antara manual dan program.
Universitas Sumatera Utara
44
98
96
94
92
Metode SAW Manual
90
Metode SAW Program
88
86
84
82
1
2
3
4
5
6
7
8
9
Gambar 4.9 Grafik Perbandingan SAW
Gambar diatas merupakan grafik yang dihasilkan dari tabel 4.6, grafik diatas adalah
hasil dari nilai program dan manual, sehingga penulis bisa membuat sebuah
perbandingan menggunakan grafik chart
7. Analisis Perbandingan Metode WP
Berikut ini adalah analisis perbandingan Metode WP Nilai Normalisasi dan dapat
dilihat pada penjelasan sebagai berikut:
Untuk mendapatkan nilai akurasi, penulis membuat sebuah alur perhitungan yaitu
Nilai Program – Nilai Manual = Akurasi.
Tabel 4.12. Analisis Perbandingan Metode WP
Metode WP Normalisasi
Akurasi
Manual
Program
5.9299
5.95985807335703
0.029958
5.8615
5.86963355645016
0.008134
5.9118
5.91796723230608
0.006167
5.9060
5.92431952766151
0.01832
5.9237
5.93883726335028
0.015137
Universitas Sumatera Utara
45
5.9070
5.89932866691913
-0.00767
5.9181
5.89973460410123
-0.01837
5.8873
5.88166764866314
-0.00563
5.9002
5.90549710221871
0.005297
Berikut ini adalah grafik perbandingan yang dilakukan antara manual dan program
5.98
5.96
5.94
5.92
Metode WP
Normalisasi Manual
5.9
5.88
Metode WP
Normalisasi Program
5.86
5.84
5.82
5.8
1
2
3
4
5
6
7
Gambar 4.10 Grafik Perbandingan WP Normalisasi
Gambar 4.7 merupakan grafik yang dihasilkan dari tabel 4.7, grafik 4.7 adalah hasil
dari nilai program dan manual, sehingga penulis bisa membuat sebuah
perbandingan menggunakan grafik chart.
8.
Analisis Perbandingan Metode WP Nilai Vektor
Berikut ini adalah analisis perbandingan Metode WP Nilai Vektor dan dapat dilihat
pada penjelasan sebagai berikut:
Untuk mendapatkan nilai akurasi, penulis membuat sebuah alur perhitungan yaitu
Nilai Program – Nilai Manual = Akurasi
Universitas Sumatera Utara
46
Tabel 4.13. Analisis Perbandingan Metode WP Vektor
Metode WP Vektor
Akurasi
Manual
Program
0.1157
0.112034054309031
-0.00367
0.1102
0.110338004117444
0.000138
0.1123
0.111246585764715
-0.00105
0.1111
0.111365996897343
0.000266
0.1114
0.11163890285728
0.000239
0.1111
0.110896216004043
-0.0002
0.1113
0.110903846854937
-0.0004
0,10144
0.110564222279681
0.009124
0.1107
0.111012170915527
0.000312
Berikut ini adalah grafik perbandingan yang dilakukan antara manual dan program
0.12
0.115
0.11
0.105
Metode WP Vektor
Manual
0.1
Metode WP Vektor
Program
0.095
0.09
1
2
3
4
5
6
7
8
9
Gambar 4.11. Grafik Perbandingan WP Vektor
Universitas Sumatera Utara
47
Gambar 4.7 merupakan grafik yang dihasilkan dari tabel 4.8, grafik 4.7 adalah hasil
dari nilai program dan manual, sehingga penulis bisa membuat sebuah
perbandingan menggunakan grafik chart.
Universitas Sumatera Utara
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Tesis ini menghasilkan beberapa kesimpulan sebagai berikut:
1. Hasil dari penggunaan Metode SAW dan WP menghasilkan keputuan hasil
yang sama yaitu Alternatif 1 diputuskan sebagai kelayakan menduduki jabatan
Ketua Umum
2. Indikator yang sangat penting didalm pemilihan ialah jenjang pendidikan dan
masa kerja.
3. Hasil dari penggunaan Metode SAW dan WP memperoleh hasil yang lebih
akurat, optimal dan tidak bersifat subjektif.
4. Hasil dari perbandingan SAW Manual dan Program berjumlah 4.529418, dan
jumlah perbandingan perhitungan WP manual dan program nilai normalisasi
berjumlah 0.051343, sementara perhitungan WP manual dan program nilai
vector berjumlah 0.004759.
5.2 Saran
Saran dari penulisan tesis ini adalah
1. Masalah yang diputuskan dalam kelayakan adalah hanya Ketua Umum, Ketua
Prodi dan Sekertaris Jurusan, penulis berharap adanya kriteria yang lebih agar
aplikasi dan penelitian ini semakin luas dan baik.
2. Analisis Perbadingan ini dilakukan Antara Metode SAW dan WP, penulis
berharap adanya beberapa perhitungan untuk optimasi dengan keakuratan yang
lebih baik dengan menggunakan metode lain.
Universitas Sumatera Utara