BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI - Implementasi Sistem Pendukung Keputusan Pemilihan Server Dengan Metode Weighted Product (Studi Kasus PT. WM Technology Indonesia) - UMBY repository
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
2.1 Tinjauan Pustaka.
Ahmadi (2014), dalam penelitian yang dilakukan dengan judul Implementasi
Weighted Product (WP) dalam Penentuan Bantuan Langsung Masyarakat PNPM
Mandiri Perdesaan menyatakan bahwa metode Weighted Product mampu melakukan pengelompokan untuk data yang tersebar secara tidak teratur. Selain itu, pengelompokan layak atau tidaknya suatu sampel yang diambil dapat dilakukan terlebih dahulu sebelum melakukan perangkingan yang sebenarnya. Peneliti juga menyimpulkan metode Weighted Product sangat efektif digunakan karena lebih efisien dalam hal menyelesaikan masalah MADM (Multi Attribute Decision
Making ) yang membutuhkan perhitungan waktu yang lebih singkat, sehingga
metode Weighted Product disimpulkan efektif untuk permasalahan optimasi.Distriawan dan Rizqa (n.d.), dalam penelitian dengan judul Implementasi Algoritma Weighted Product dalam Menentukan Penjadwalan Dosen di Universitas Dian Nuswantoro menyimpulkan bahwa metode Weighted Product adalah algoritma sistem pendukung keputusan dengan hasil yang memiliki tingkat akurasi hingga 70%. Peneliti mengambil studi kasus tentang penentuan jadwal dosen yang mengajar pada program studi TI - SI di Universitas Dian Nuswantoro menggunakan 20 sampel. Peneliti menggunakan metode ini dengan beberapa kriteria yaitu status dosen, jabatan dosen, tingkat pendidikan dosen, masa kerja, jenis mata kuliah, SKS matakuliah dan kebutuhan ruang.
Lestari (2013), dalam penelitian dengan judul Penerapan Metode Weighted
Product untuk Seleksi Calon Karyawan menyatakan bahwa metode Weighted
Product dapat menyelesaikan masalah multi dimensi dan juga masalah dengan satu
dimensi dimana nilai yang dihasilkan akan menjadi optimal. Peneliti menerapkan seleksi karyawan terdiri dari tiga tahapan tes. Tahapan itu memiliki kriterianya masing
- – masing. Pada tahap yang pertama terdiri dari tujuh kriteria. Tahap kedua terdiri dari empat kriteria dan tahap ketiga terdiri dari 20 kriteria. Sehingga, dari
- – masing kriteria jika calon karyawan hanya satu orang sebagai ketentuan syarat lulus.
Solikhun (2017), dalam penelitiannya dengan judul Perbandingan Metode
Weighted Product dan Weighted Sum Model dalam Pemilihan Perguruan Swasta
Terbaik Jurusan Komputer mengambil studi kasus pemilihan kualitas perguruan tinggi swasta dengan beberapa kriteria yaitu jumlah jurusan komputer, biaya kuliah, lingkungan kampus, jumlah program beasiswa dan akreditasi BAN PT. Peneliti menyatakan bahwa penggunaan kombinasi kedua algoritma Metode Weighted
Product dan Weighted Sum Model dapat menghasilkan perangkingan data yang
baik, sehingga dapat diambil kesimpulan yang baik. Kesimpulan peneliti juga adalah hasil yang diperoleh dari metode ini dapat dimanfaatkan oleh para siswa dalam memilih perguruan tinggi swasta yang baik.
Noor dan Siregar (2017), dalam penelitian dengan judul Implementasi
Weighted Product (WP) dalam Menentukan Pemilihan Sepeda Motor Sport
Berbasis SPK. Peneliti menggunakan acuan beberapa kriteria penilaian. Kriteria tersebut terdiri atas harga motor, kapasitas mesin, konsumsi BBM, desain, suku cadang dan bengkel service. Peneliti mengkonversikan data mentah dari institusi studi kasusnya menjadi bilangan fuzzy yang lalu dikonversikan lagi ke bilangan
crisp dimana penentuan bilangan crisp menggunakan teori penalaran. Bila
mendekati angka 1 maka tingkat ketergantungan semakin tinggi, sebaliknya mendekati angka 0 tingkat ketergantungannya semakin rendah. Peneliti menyatakan bahwa penggunaan metode ini dapat lebih efisien dan praktis pada perhitungannya. Selain itu, penelitian ini menghasilkan hasil yang sama pada perhitungan sistem dengan hasil perhitungan manual.
Gintings (2018), dalam penelitian dengan judul Implementasi Sistem Pendukung Keputusan Pemilihan Server dengan Metode Weighted Product (Studi Kasus di PT WM Technology Indonesia) menggunakan acuan kriteria penilaian batasan performa server, jumlah pengunjung harian, biaya sewa server per bulan dan tingkat keahlian teknis pengguna. Kriteria-kriteria ini dipilih berdasarkan wawancara dan pengisian kuisioner kepada staf system administrator dan technical
support pada PT WM Technology Indonesia.
Perbedaan mendasar antara penelitian sebelumnya dengan penelitian ini secara garis besar dijelaskan pada Tabel 2.1 berikut ini.
Tabel 2.1 Perbedaan penelitianNo Judul Fokus Penelitian Implementasi Weighted Product
1.
Pengelompokan kelayakan sampel (WP) dalam Penentuan Bantuan dilakukan terlebih dahulu sebelum
1 Langsung Masyarakat PNPM melakukan perangkingan.
Mandiri Perdesaan
2.
Menggunakan metode Weighted Product (Ahmadi, 2014) Implementasi Algoritma Weighted Product dalam
1.
Penentuan jadwal mengajar dosen di Menentukan Penjadwalan 2 fakultas TI dan SI. Dosen di Universitas Dian
2.
Menggunakan Metode Weighted Product Nuswantoro (Distriawan dan Rizqa, n.d.) Penerapan Metode Weighted
1.
Membantu pemilihan karyawan berdasarkan Product untuk Seleksi Calon tiga tahapan dengan masing-masing kriteria
3 Karyawan di setiap tahapan.
(Lestari, 2013)
2.
Menggunakan metode Weighted Product Perbandingan Metode Weighted Product dan Weighted Sum
1.
Membantu pemilihan perguruan tinggi Model dalam Pemilihan terbaik.
4 Perguruan Swasta Terbaik
2.
Menggunakan metode Weighted Product Jurusan Komputer dan Weighted Sum. (Solikhun, 2017) Implementasi Weighted Product
1.
Membantu pemilihan sepeda motor terbaik (WP) dalam Menentukan berdasarkan kriteria yang dibutuhkan.
5 Pemilihan Sepeda Motor Sport
2.
Menggunakan metode Weighted Product.
Berbasis SPK (Noor dan Siregar, 2017)
Implementasi Sistem Pendukung Keputusan Pemilihan Server 1.
Membantu pemilihan server bagi orang dengan Metode Weighted 6 awam.
Product (Studi Kasus di PT WM 2.
Menggunakan metode Weighted Product.
Technology Indonesia) (Gintings, 2018)
2.2 Landasan Teori.
2.2.1 Definisi Server Server merupakan sebuah perangkat yang digunakan dalam sebuah jaringan
komputer dan berguna untuk mengendalikan setiap kegiatan yang ada dalam jaringan tersebut (Hasim dan Riadi, 2013). Memilih server untuk membangun sebuah jaringan harus sangat teliti agar fungsi dari server yang digunakan menjadi tepat guna. Memilih server pun membutuhkan beberapa pertimbangan yang cukup banyak agar tidak terjadi ketidaksesuaian antara kebutuhan dengan server yang telah dibangun tersebut. Karena kebanyakan saat ini banyak orang tidak memilih
server secara tepat guna.
Jika diamati lebih detail, rata-rata penyedia layanan server memberikan spesifikasi yang berbeda-beda untuk setiap jenis server, mulai dari harga sewa, performa, aksesoris fitur tambahan, dll.
2.2.2 Kinerja dan Kebutuhan Perawatan Server.
Server dituntut untuk dapat menyediakan layanan continue tanpa downtime
dan sistem penyimpanan (storage) yang baik untuk memenuhi kebutuhan bisnis (Hasim dan Riadi, 2013). Ketika terjadi masalah yang menyebabkan server tidak dapat memberikan layanan, perusahaan akan menderita kerugian. Kerugian tersebut akibat terhentinya operasi perusahaan yang mengandalkan layanan pada server.
Server yang dapat memberikan layanan tanpa gangguan penting untuk mendukung
kelangsungan bisnis suatu perusahaan. Maintenance server merupakan rutinitas yang tidak dapat dihindari oleh divisi TI pada sebuah perusahaan. Maintenance dilakukan untuk menjaga performa server dan mengakomodir kebutuhan bisnis perusahaan. Maintenance server dapat dikategorikan kepada maintenance
patching dan debugging sedangkan maintenance perangkat keras dapat berupa
penambahan Random Access Memory (RAM), disk, dan prosesor. (Hasim, 2013)
2.2.3 Monitoring Performa server.
Server memiliki peran sentral dalam sebuah sistem informasi pada suatu
jaringan, oleh karena itu stabilitas performa server harus tetap terjaga agar selalu dalam kondisi optimal. Namun kerap timbul masalah yang dapat mengganggu fungsionalitas dan stabilitas pada host server. Masalah umum yang sering ditemukan ditandai dengan gejala yang berbeda-beda, seperti PC host server mengalami error akibat dari beban penggunaan CPU yang terlalu berat, atau secara tiba-tiba seluruh komputer dalam jaringan tidak dapat mengakses sebuah web yang disebabkan oleh mesin web server mengalami down, hal tersebut mengakibatkan seluruh pengguna menjadi terganggu. Untuk menunjang stabilitas performa host
server perlu dilakukan perawatan secara berkala dan melakukan pemantauan setiap
saat terhadap seluruh sumber daya yang bekerja pada host server. Ada baiknya pemantauan yang dilakukan adalah dengan menerapkan teknik-teknik monitoring menggunakan sistem komputerisasi, yang dapat memberikan informasi terbaru mengenai sumber daya host server kepada administrator. (Ichwan, 2012)
2.2.4 Sistem Pendukung Keputusan.
Sistem pendukung keputusan merupakan sistem berbasis komputer yang menyatukan beragam informasi dari berbagai sumber, menyajikannya dalam bentuk terorganisasi dan menganalisis serta memfasilitasi evaluasi asumsi yang berdasarkan pada penggunaan model – model tertentu (Solikhun, 2017). Sebuah keputusan dapat didefinisikan sebagai sebuah pilihan yang telah diambil dari dua atau beberapa alternatif yang tersedia. Sistem Pendukung Keputusan juga dapat diartikan sebagai sebuah sistem informasi berbasis komputer yang menggabungkan model dan data sehingga dapat memecahkan masalah semi terstruktur dan beberapa masalah yang tidak terstruktur dengan bantuan user (Solikhun, 2017).
Sistem Pendukung Keputusan atau disingkat dengan SPK memiliki tahapan dalam proses pengambilan keputusan. Langkah – langkah yang diperlukan dalam proses pengambilan keputusan menurut (Basyaib, 2006) yang dikutip oleh (Solikhun, 2017) adalah :
1. Intelijen a.
Pembentukan persepsi terhadap situasi yang dihadapi ialah mengenali situasi keputusan dan pendefinisian karakteristik utama yang ada pada situasi tersebut.
a.
Membangun model yang mewakili situasi sebuah model merupakan kendaraan yang membantu dalam mengestimasi hasil yang mungkin terjadi dari sebuah situasi keputusan.
b.
Penentuan ukuran kuantitatif terhadap biaya (disbenefits) dan manfaat yang paling tepat untuk situasi yang dihadapi sistem ukuran seragam yang akan digunakan dalam membandingkan alternatif langkah keputusan
2. Desain a.
Penentuan dengan spesifik alternatif yang dimiliki dengan mengenali dan merumuskan dengan jelas langkah
- – langkah yang mungkin dilakukan.
3. Pilihan a.
Evaluasi manfaat dan biaya dari semua langkah alternatif ialah penilaian akibat penerapan setiap langkah alternatif dengan menggunakan ukuran biaya dan manfaat.
b.
Menetapkan kriteria dalam memilih langkah terbaik adalah penetapan peraturan dengan mengaitkan hasil dengan tujuan pembuatan keputusan.
c.
Penyelesaian situasi keputusan ialah mengambil sebuah langkah dengan dasar kriteria yang dapat diterima.
2.2.5 Skala Likert
Rensis Likert telah mengembangkan sebuah skala untuk mengukur sikap masyarakat di tahun 1932 yang sekarang terkenal dengan nama Skala Likert. Djaali (2008) dalam penelitiannya menjelaskan bahwa skala Likert digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena sosial. Dengan skala Likert, variabel yang akan diukur dijabarkan menjadi indikator variabel. Kemudian indikator tersebut dijadikan sebagai titik tolak untuk menyusun item-item instrumen yang dapat berupa pertanyaan atau pernyataan. Jawaban setiap item instrumen yang menggunakan Skala Likert mempunyai gradasi dari sangat positif sampai sangat negatif, yang dapat berupa kata-kata antara lain: Sangat Penting (SP), Penting (P), Ragu-ragu (R), Tidak Penting (TP), Sangat Tidak Penting (STP).
Skala Likert adalah suatu skala psikometrik yang umum digunakan dalam kuesioner, dan merupakan skala yang paling banyak digunakan dalam riset berupa survei . Sewaktu menanggapi pertanyaan dalam Skala Likert, responden menentukan tingkat persetujuan mereka terhadap suatu pernyataan dengan memilih salah satu dari pilihan yang tersedia. Ada dua bentuk pertanyaan yang menggunakan Likert yaitu pertanyaan positif untuk mengukur minat positif, dan
13
bentuk pertanyaan negatif untuk mengukur minat negatif. Pertanyaan positif diberi skor 5, 4, 3, 2, dan 1, sedangkan bentuk pertanyaan negatif diberi skor 1, 2, 3, 4, dan 5. Bentuk jawaban Skala Likert terdiri dari sangat setuju, setuju, ragu- ragu, tidak setuju, dan sangat tidak setuju. Biasanya disediakan lima pilihan skala dengan format seperti:
1. Sangat tidak setuju
2. Tidak setuju
3. Netral
4. Setuju
5. Sangat setuju Penskalaan ini apabila dikaitkan dengan jenis data yang dihasilkan adalah data Ordinal. Selain pilihan dengan lima skala tersebut, kadang digunakan juga skala dengan tujuh atau sembilan tingkat. Suatu studi empiris menemukan bahwa beberapa karakteristik statistik hasil kuesioner dengan berbagai jumlah pilihan tersebut ternyata sangat mirip. Skala Likert merupakan metode skala bipolar yang mengukur baik tanggapan positif ataupun negatif terhadap suatu pernyataan. Empat skala pilihan juga kadang digunakan untuk kuesioner Skala Likert yang memaksa orang memilih salah satu kutub karena pilihan "netral" tak tersedia. Jenis data ada empat NOIR (Nominal, Ordinal, Interval, Rasio) keempat jenis data ini memiliki ciri sebagai berikut:
a. Nominal: Bersifat mengklasifikasikan saja, tanpa ada jenjang di antara klasifikasi. Angka hanya bermakna sebagai variasi jenis tanpa bermakna tingkatan. Misal: laki-laki – perempuan, 1 untuk kode laki-laki dan 2 untuk kode perempuan, angka 1 dan 2 bukan merupakan tingkatan, yang artinya 2 bukan berarti lebih tinggi daripada 1. Data jenis ini belum bisa dilakukan operasi matematis.
b. Ordinal: Bersifat mengklasifikasikan, dan klasifikasi tersebut sudah merupakan tingkatan. Sehingga dengan data ordinal ini angka sudah menunjukkan mana yg lebih besar dan mana yang lebih kecil. Tetapi masing-masing klasifikasi yang berupa tingkatan tersebut tidak memiliki jarak yang sama. Misal : juara dalam perlombaan balap sepeda. Ada juara
14
1, juara 2, dan juara 3. Angka 1, 2, 3 tersebut sudah memiliki makna tingkatan, bahwa juara 1 lebih cepat daripada juara 2 dan juara 3. Juara 2 lebih cepat daripada juara 3. Juara 1 waktu tempuahnya 5 menit, Juara 2 waktu tempuhnya 7 menit dan juara 3 waktu tempuhnya 12 menit. Yang dimaksud tidak memiliki jarak yang sama adalah antara juara 1 dan 2 selisih waktunya 2 menit, antara juara 2 dan juara 3 selisih waktunya 5 menit. Dengandemikian kita masih belum bisa menggunakan operasi matematis, karena angka 1, 2 dan 3 itu hanya berupa ranking saja.
c. Interval: Bersifat mengklasifikasikan, dan klasifikasi tersebut sudah merupakan tingkatan yang masing-masing tingkatan memiliki jarak yang sama. Misal: nomor sepatu. Sepatu dengan nomor 39, 40, 41, 42. Angka nomor sepatu tersebut sudah bermakna tingkatan bahwa nomor 42 lebih masing tingkatan tersebut memiliki jarak yang sama. Sepatu nomor 39 memiliki panjang 30cm, nomor 40 memiliki panjang 31cm, nomor 41 memiliki panjang 32cm, nomor 42 memiliki panjang 33cm. dengan contoh tersebut berarti setiap tingkatan memiliki interval 1cm, interval inilah yang dimaksud dengan jarak yang sama di masing-masing tingkatan. Dengan adanya interval yang diketahui tersebut, bisa dimaknai bahwa nomor sepatu 42 adalah nomor 39 ditambah 3cm, tapi belum bisa dimaknai bahwa nomor 42 adalah nomor 39 dikali
3. Dengan demikian bisa disimpulkan bahwa data interval sudah bisa dikenai operasi matematis penjumlahan dan pengurangan, namun belum bisa dikenai operasi matematis perkalian dan pembagian. Hal ini karena data interval tidak memiliki angka nol mutlak.
d. Rasio: ini adalah data dengan tingkatan yang tertinggi karena telah memiliki angka nol mutlak. Misal ukuran panjang atau tinggi, dan ukuran berat. Berat 0 kg berarti memang tidak ada massa yang ditimbang. Berat 3kg lebih besar daripada berat 2kg, berat 2kg lebih besar daripada berat 1kg. Sehingga berdasarkan contoh tersebut kita bisa memaknai bahwa 3kg adalah 2kg + 1kg atau 3kg adalah 3 x 1kg. Dengan demikian data rasio sudah bisa dikenai semua operasi matematis: +, -, x, dan :. Skala Likert termasuk data ordinal, karena sangat setuju pasti lebih tinggi daripada yang setuju. Yang setuju pasti lebih tinggi daripada yang netral,
15
yang netral pasti lebih tinggi daripada yang tidak setuju, sedangkan yang tidak setuju pasti lebih tinggi daripada yang sangat tidak setuju. Namun jarak antara sangat setuju ke setuju dan dari setuju ke netral dan seterusnya tentunya tidak sama, oleh karena itu data yang dihasilkan oleh skala Likert adalah data ordinal. Sedangkan cara scoring bahwa Sangat setuju 5, setuju 4, netral 3, tidak setuju 2 dan sangat tidak setuju 1 hanya merupakan kode saja untuk mengetahui mana yang lebih tinggi
2.2.6 XAMPP
XAMPP merupakan paket PHP yang berbasis open source yang dikembangkan oleh sebuah komunitas Open Source. Dengan menggunakan
XAMPP tidak dibingungkan dengan penginstalan program-program lain, karena semua kebutuhan terlah tersedia oleh XAMPP. Yang terdapat pada XAMPP di antaranya: Apache, MySQL, PHP, FilZilla FTP Server, PHPmyAdmin dan lain-lain.
Fungsi XAMPP adalah sebagai server yang berdiri sendiri (localhost), yang terdiri atas program Apache HTTP Server, MySQL database, dan penerjemah bahasa yang ditulis dengan bahasa pemrograman PHP dan Perl.
XAMPP adalah perangkat lunak bebas, yang mendukung banyak sistem operasi, merupakan kompilasi dari beberapa program. Fungsinya adalah sebagai server yang berdiri sendiri (localhost), yang terdiri atas program Apache HTTP Server, MySQL database, dan penerjemah bahasa yang ditulis dengan bahasa pemrograman PHP dan Perl. Nama XAMPP merupakan singkatan dari X (empat sistem operasi apapun), Apache, MySQL, PHP dan Perl. Program ini tersedia dalam GNU General Public License dan bebas, merupakan web server yang mudah digunakan yang dapat melayani tampilan halaman web yang dinamis.
XAMPP adalah singkatan yang masing-masing hurufnya adalah:
1. X: Program ini dapat dijalankan dibanyak sistem operasi, seperti Windows, Linux, Mac OS, dan Solaris.
2. A: Apache, merupakan aplikasi web server. Tugas utama Apache adalah menghasilkan halaman web yang benar kepada user berdasarkan kode PHP yang dituliskan oleh pembuat halaman web.
3. M: MySQL, merupakan aplikasi database server. Perkembangannya disebut SQL yang merupakan kepanjangan dari Structured Query
Language . SQL merupakan bahasa terstruktur yang digunakan untuk
mengolah database. MySQL dapat digunakan untuk membuat dan mengelola database beserta isinya. User dapat memanfaatkan MySQL untuk menambahkan, mengubah, dan menghapus data yang berada dalam database.
4. P: PHP, bahasa pemrograman web. Bahasa pemrograman PHP merupakan bahasa pemrograman untuk membuat web yang bersifat server-
side scripting .
5. P: Perl, bahasa pemrograman
2.2.7 Weighted Product.
Weighted Product atau yang diringkas dengan WP adalah metode yang
menggunakan perkalian untuk meranking alternatif. Setiap alternatif dibandingkan dengan yang lainnya dengan mengalikan bilangan ratio, satu untuk tiap kriteria. Tiap rasio dinaikkan untuk kekuatan dari bobot relatif dari kriteria yang cocok. Setiap alternatif keputusan dibandingkan dengan yang lain dengan mengalikan sejumlah rasio, satu untuk setiap kriteria keputusan. Setiap rasio diangkat ke kekuasaan setara dengan berat relative dari kriteria yang sudah sesuai (Arsyitahadi, 2014).
Metode WP merupakan salah satu metode yang digunakan untuk masalah keputusan Multi Attribute Decision Making (MADM). MADM adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari MADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan (Distriawan dan Rizqa, n.d.). Konsep permasalahan dari WP ini adalah mengevaluasi m alternatif
= ( = 1,2, … , ) terhadap ssekumpulan atribut atau kriteria = ( = 1,2, … , ) dimana setiap atribut tidak saling bergantung satu dengan yang lainnya. Metode ini mengharuskan pembuat keputusan menentukan bobot bagi setiap atribut.
Berikut ini adalah konsep dari metode Weighted Product (Mulyanto, 2009): 1. Melakukan perhitungan bobot W, dengan persamaan sebagai beriku :
………………………………............................. Persamaan 2.1 =
∑
dengan j = 1,2,...,m dimana ΣWj adalah jumlah bobot baru.
2. Menentukan preferensi Ai dapat dilihat persamaan berikut : n wj ………………………………………….. Persamaan 2.2 i ji
S j 1 dengan i = 1,2,…,m dimana Σwj = 1. wj adalah pangkat bernilai positif untuk dari atribut keuntungan, dan bernilai negatif dari atribut biaya.
i
3. kemudian langkah selanjutnya menentukan Setelah menentukan jarak A preferensi untuk setiap alternatif. n wj
x ij j 1
………………………………………..... Persamaan 2.3
V i n wj
* j 1 x j
dengan i = 1,2,…,m
V i = preferensi untuk setiap j
W = bobot kriteria ij
X = Nilai variable dari alternatif pada setiap atribut N = Banyaknya kriteria i = Nilai Alternatif j = Nilai kriteria
- = Banyaknya kriteria yang telah dinilai pada vector S Metode WP menggunakan proses normalisasi, dimana rating setiap atribut harus dipangkatkan terlebih dahulu dengan bobot atribut yang bersangkutan, proses ini diberikan dengan persamaan (2.4).
…………………………............….. Persamaan 2.4
= ∏ = =1
dengan I = 1, 2, …, m dimana; = preferensi alternatif = nilai kriteria w = bobot kriteria n = banyaknya kriteria adalah pangkat bernilai positif untuk atribut keuntungan dan bernilai negative untuk atribut biaya.
2.2.7.1 Alternatif ( ).
Alternatif dengan i = 1, 2, … m adalah objek – objek yang berbeda dan memiliki kesempatan yang sama untuk dipilih oleh pengambil keputusan. Data yang digunakan adalah data server yang akan dipilih yaitu ada 5 jenis server.
Selanjutnya preferensi alternatif dihitung dengan persamaan (2.5).
∏ =1
…………………………............….. Persamaan 2.5 =
∏ ( ) =1
dimana : V = preferensi alternatif x = nilai kriteria w = bobot kriteria. Alternatif yang akan dipilih adalah yang memiliki nilai preferensi tertinggi.
2.2.7.2 Kriteria.
Untuk memilih satu server prioritas diantara jenis server yang lain, maka dibutuhkan kriteria pengambilan keputusan. Kriteria (C j ) yang ditetapkan boleh lebih dari pada satu, tergantung dari faktor
- – faktor yang mempengaruhi pengambilan keputusan.
2.2.7.3 Bobot.
Bobot adalah nilai atau tingkat kepentingan relative dari setiap kriteria (C j ) yang diberikan oleh decision maker. Nilai bobot harus memenuhi persamaan (2.6).
= { , , , … }…………………………........... Persamaan 2.6
1
2
3
∑
dimana nilai = 1.
2.2.7.4 Flowchart WP.
Langkah
- – langkah analisa permasalahan dengan metode WP dapat dilustrasikan di dalam sebuah flowchart pada Gambar 2.1.