Penentuan Bobot Pada Multiple Attribute Decision Making (Madm) Dengan Menggunakan Perceptron
PENENTUAN BOBOT PADA MULTIPLE ATTRIBUTE DECISION
MAKING (MADM) DENGAN MENGGUNAKAN PERCEPTRON
TESIS
EVA JULIA GUNAWATI HARIANJA
137038062
PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
PENENTUAN BOBOT PADA MULTIPLE ATTRIBUTE DECISION MAKING
(MADM) DENGAN MENGGUNAKAN PERCEPTRON
TESIS
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Magister Teknik Informatika
EVA JULIA GUNAWATI HARIANJA
137038062
PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
ii
PERSETUJUAN
Judul
: PENENTUAN BOBOT PADA MULTIPLE
ATTRIBUTE DECISION MAKING (MADM)
DENGAN MENGGUNAKAN PERCEPTRON
Kategori
: TESIS
Nama Mahasiswa
: EVA JULIA GUNAWATI HARIANJA
Nomor Induk Mahasiswa
: 137038062
Program Studi
: MAGISTER(S2) TEKNIK INFORMATIKA
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Dr. Zakarias Situmorang, M.T
Prof. Dr. Muhammad Zarlis
NIP: 1957070 1 198601 1 003
Diketahui/disetujui oleh
Program Studi S2 Teknik Informatika
Ketua,
Prof. Dr. Muhammad Zarlis
NIP: 1957070 1 198601 1 003
iii
PERNYATAAN
PENENTUAN BOBOT PADA MULTIPLE ATTRIBUTE DECISION MAKING
(MADM) DENGAN MENGGUNAKAN PERCEPTRON
TESIS
Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 28 Januari 2016
Eva Julia Gunawati Harianja
137038062
iv
PERNYATAAN PERSETUJUAN PUBLIKASI
KARYA ILMIAH UNTUK KEPENTINGAN
AKADEMIS
Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan
dibawah ini:
Nama
: Eva Julia Gunawati Harianja
NIM
: 137038062
Program Studi
: Magister (S2) Teknik Informatika
Jenis Karya Ilmiah
: Tesis
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada
Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive Royalty
Free Right) atas tesis saya yang berjudul :
PENENTUAN BOBOT PADA MULTIPLE ATTRIBUTE DECISION MAKING
(MADM) DENGAN MENGGUNAKAN PERCEPTRON
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti NonEksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media,
memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis
saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai
penulis dan sebagai pemegang dan/atau sebagai pemilik hak cipta.
Demikian pernyataan ini dibuat dengan sebenarnya.
Medan, 28 Januari 2016
Eva Julia Gunawati Harianja
137038062
v
Telah diuji pada
Tanggal : 28 Januari 2016
PANITIA PENGUJI TESIS
Ketua
: Prof. Dr. Muhammad Zarlis
Anggota
: 1. Dr. Zakarias Situmorang, M.T
2. Prof. Dr. Opim Salim Sitompul
3. Prof. Dr. Saib Suwilo, M.Sc
vi
RIWAYAT HIDUP
DATA PRIBADI
Nama Lengkap
: Eva Julia Gunawati Harianja
Tempat dan Tanggal Lahir
: Gunung Para, 18 September 1984
Alamat
: Jl. Camar 1 No.153 Perumnas Mandala
Medan
Telepon/ HP
: +6281375586523
E-mail
: graziedamanik@gmail.com
Instansi Tempat Bekerja
: Universitas Methodist Indonesia
Alamat instansi
: Jl. Hang Tuah No. 8 Medan
DATA PENDIDIKAN
SD
: SDN 105453 Gunung Para
TAMAT : 1996
SMP
: SMP Negeri 1 Dolok Merawan
TAMAT : 1999
SMA : SMA Negeri 4 Pematang Siantar
TAMAT : 2002
S1
: STMIK Sisingamangaraja XII Medan
TAMAT : 2008
S2
: Teknik Informatika USU
TAMAT : 2016
vii
KATA PENGANTAR
Puji dan syukur saya ucapkan kehadirat Tuhan Yang Maha Esa, yang telah
memberikan nikmat karuniaNYA, berupa pengetahuan, kesehatan serta kesempatan
kepada penulis sehingga dapat menyelesaikan tesis dengan judul “PENENTUAN
BOBOT PADA MULTIPLE ATTRIBUTE DECISION MAKING (MADM) DENGAN
MENGGUNAKAN PERCEPTRON”.
Dalam penyusunan untuk menyelesaikan tesis ini, penulis mendapatkan pelajaran,
baik berupa saran maupun nasehat dari berbagai pihak demi penyempurnaan tesis ini.
Untuk itu penulis ingin menyampaikan ucapan terimakasih kepada:
1. Rektor Universitas Sumatera Utara, Bapak Prof. Dr. Runtung Sitepu, SH, M.Hum
yang telah memberikan kesempatan kepada penulis untuk mengikuti dan
menyelesaikan pendidikan Program Pasca Sarjana.
2. Bapak Prof. Dr. Muhammad Zarlis, selaku Dekan dan Ketua Program Studi
Magister Teknik Informatika Fakultas Ilmu Komputer dan Teknologi Informasi
Universitas Sumatera Utara serta sebagai Pembimbing I yang telah bersedia
memberikan bimbingan serta pengarahan hingga selesainya penulisan tesis ini.
3. Sekretaris Program Studi Magister Teknik Informatika Fakultas Ilmu Komputer
dan Teknologi Informasi Universitas Sumatera Utara, Bapak M. Andri Budiman,
S.T., M.Comp.Sc, MEM yang telah memberikan banyak ilmu dan nasehat pada
penulisan tesis ini.
4. Bapak Dr. Zakarias Situmorang, M.T selaku Pembimbing II yang telah bersedia
memberikan bimbingan, pemikiran serta pengarahan hingga selesainya penulisan
tesis ini.
5. Bapak Prof. Dr. Opim Salim sitompul selaku Pembanding I, yang telah bersedia
memberikan saran untuk perbaikan tesis ini.
6. Bapak Prof. Dr. Saib Suwilo, M.Sc selaku Pembanding II, yang telah bersedia
memberikan saran untuk penyempurnaan tesis ini.
7. Bapak/Ibu Dosen yang telah memberikan materi perkuliahan dan ilmu
pengetahuan selama penulis menyelesaikan perkuliahan di Program Studi Magister
Teknik Informatika.
viii
8. Segenap sivitas akademika Program Studi Magister Teknik Informatika yang telah
membantu kelancaran administrasi.
9. Kedua orang tua saya, Ayahanda Gr. Rs H a r i a n j a dan Ibunda E. Hutapea
tercinta yang telah memberikan kasih sayangnya, do’a yang tak pernah putus serta
dukungan moril maupun materil kepada saya sehingga dapat menyelesaikan tesis
ini dengan baik.
10. A b a n g - A b a n g saya Hendra Roni Sopian Harianja, Frans Hendri Gunawan
Harianja, Pdt. Herwin Edy Happy Roi Harianja, S.Th yang telah banyak
memberikan semangat, dukungan serta do’a kepada saya sehingga dapat
menyelesaikan tesis ini.
11. Suami saya tercinta Brigadir Lidon Damanik dan anak saya tercinta Grazie Dio
Damanik yang menjadi sumber inspirasi saya dan pembangkit semangat saya
untuk menyelesaikan pendidikan saya serta pengerjaan tesis ini.
12. Abang Rimbun Siringo-ringo selaku senior dan rekan diskusi yang telah
memberikan banyak masukan dan ide-ide dalam pengerjaan tesis ini.
13. Teman-teman seperjuangan Kom-C Angkatan 2013 yang telah memberikan
motivasi dan dukungan dalam penyelesaian tesis ini.
14. Grup seperjuangan proses pembuatan tesis, Delima Sitanggang, Elias Ketaren,
Gellysa Urva, Gortap Lumbantoruan, Rijois Iboy Erwin, Seven Nainggolan, serta
seluruh teman-teman dan pihak terkait yang tidak dapat saya sebutkan satu persatu
yang telah membantu saya dalam penyelesaian tesis ini.
Penulis berharap semoga tesis ini dapat bermanfaat bagi semua pihak yang
membutuhkan. Kritik dan saran yang bersifat membangun demi kesempurnaan tesis
ini sangat penulis harapkan.
Medan, 28 Januari 2016
Penulis
Eva Julia Gunawati Harianja
NIM:137038062
ix
ABSTRAK
Multiple Attribute Decision Making (MADM) merupakan suatu metode dengan
mengambil banyak kriteria sebagai dasar pengambilan keputusan. Dalam metode
MADM, AHP merupakan salah satu teknik yang terkenal untuk menangani masalah
multikriteria. AHP cocok untuk solusi menangani kompleksitas masalah multikriteria
yang didasarkan pada struktur hirarki kriteria dan sub-kriteria alternatif, mengevaluasi
masalah dan peringkat alternatif, serta memilih alternatif terbaik. Dalam teknik
Analiythic Hierarchy Process (AHP) proses pencarian bobot atribut dilakukan setelah
membentuk matriks perbandingan berpasangan. Permasalahan yang sering terjadi saat
membentuk matriks perbandingan berpasangan pada teknik AHP sering tidak dapat
memberikan nilai perbandingan yang konsisten, khususnya untuk masalah dengan
jumlah kriteria dan alternatif yang banyak. Untuk menghindari masalah ketidak
konsistensian pada teknik AHP akan dilakukan minimalisir terhadap matriks
perbandingan berpasangan. Penelitian ini membahas bagaimana proses pencarian
bobot atribut pada masalah Multiple Attribute Decision Making (MADM) khususnya
pada teknik Analythic Hierarchy Process (AHP) dengan menggunakan perceptron
lapis banyak (multilayer) dalam menentukan pemilihan alternatif. Hasil penelitian ini
menyatakan bahwa penggunaan perceptron lapis banyak (multilayer) dapat
memberikan hasil yang lebih baik dan menghemat waktu karena pembuatan matriks
perbandingan berpasangan ditiadakan pada proses pemilihan alternatif.
Kata Kunci : AHP, MADM, Bobot Atribut, Perceptron, Multilayer
x
The Determination Of Weights In Multiple Attribute Decision
Making (MADM) Using Perceptron
ABSTRACT
Multiple Attribute Decision Making (MADM) is a method by taking many criteria as
a basis for decision making. In the MADM method, AHP is one of the well-known
technique for dealing with multiple criteria. AHP is suitable for solutions the
complexity of multi criteria problems are based on a hierarchical structure of criteria
and sub-criteria alternatives, evaluating problem and ratings of alternatives, as well as
selecting the best alternative. In the technique Analytic Hierarchy Process (AHP)
search process attribute weights is done after forming the matrix of pairwise
comparisons. Problems often occur when forming pairwise comparison matrix in AHP
techniques it’s often cannot provide the value of the comparison consistent, especially
for the problems with the number of criteria and many of alternatives. To avoid the
problem of inconsistency in AHP technique will be minimalist to the pairwise
comparison matrix. This study discusses how the search process attribute weights on
the issue of Multiple Attribute Decision Making (MADM), especially in Analythic
Hierarchy Process (AHP) technique using many layers perceptron (multilayer) in
determining the selection of alternatives. Results of this study suggest that the use
many layer perceptron (multilayer) may provide better results and save time since
manufacture of pairwise comparison matrices eliminated in the process of selecting an
alternative.
Keywords : AHP, MADM, Weight, Perceptron, Multilayer
xi
DAFTAR ISI
Halaman
HALAMAN JUDUL
i
PENGESAHAN
ii
PERNYATAAN ORISINALITAS
iii
PERSETUJUAN PUBLIKASI
iv
PANITIA PENGUJI
v
RIWAYAT HIDUP
vi
KATA PENGANTAR
vii
ABSTRAK
viii
ABSTRACT
ix
DAFTAR ISI
xi
DAFTAR GAMBAR
xiv
DAFTAR TABEL
xv
BAB
BAB
1
PENDAHULUAN
1
1.1
LatarBelakangMasalah
1
1.2
Rumusan Masalah
2
1.3
Batasan Masalah
3
1.4
Tujuan Penelitian
3
1.5
Manfaat Penelitian
3
1.6
Sistematika Penulisan
3
2
TINJAUAN PUSTAKA
5
2.1
Multiple Attribute Decision Making (MADM)
5
2.2
Metode Analythic Hierarchy Process (AHP)
5
2.2.1 Prinsip-Prinsip Dasar Analythic Hierarchy Process
7
2.2.2Bobot Kriteria
11
2.2.3 Mencari Bobot Atribut
11
xii
2.3
BAB
BAB
Perceptron
13
2.3.1 Pelatihan Perceptron
14
2.3.2 Single Layer Perceptron (SLP)
14
2.3.3 MultiLayer Perceptron (MLP)
15
3
METODOLOGI PENELITIAN
17
3.1
Pengantar
17
3.2
Data yang diuji
17
3.3
Struktur Hirarki Data Penerimaan Mobil
22
3.4
Data Uji Terkait Penelitian
23
3.5
Proses Penyelesaian Masalah
23
3.5.1 Prosedur Kerja
23
3.5.2 Perancangan Algoritma Sistem
25
3.5.3 Arsitektur jaringan yang dibangun
27
4
ANALISA HASIL DAN PEMBAHASAN
29
4.1
Pendahuluan
29
4.2
Hasil Uji Coba
29
4.3
Pra Proses Data
29
4.4
Melatih Data Sampel
31
4.4.1 Inisialisasi Data
31
4.5
Data Uji
34
4.6
Proses Analythic Hierarcy Process (AHP)
34
4.6.1 Pembuatan Matriks Perbandingan
34
4.6.2 Menentukan Bobot Relatif
35
4.6.3 Menghitung Consistency Ratio
36
4.6.4 menentukan bobot prioritas
38
Hasil Pembobotan Dengan AHPPerceptron
38
4.7.1 Hasil Pembobotan Dengan 100 Data Uji
39
4.7.2 Hasil Pembobotan Dengan 200 Data Uji
46
4.7.3 Hasil Pembobotan Dengan 300 Data Uji
54
4.7.4 Hasil Pembobotan Dengan 400 Data Uji
61
4.7.5 Hasil Pembobotan Dengan 500 Data Uji
69
4.7
xiii
BAB
5
KESIMPULAN DAN SARAN
77
5.1
Kesimpulan
77
5.2
Saran
77
DAFTAR PUSTAKA
78
LAMPIRAN
80
xiv
DAFTARGAMBAR
Nomor
Gambar
2.1.
2.2.
2.3.
2.4.
3.1.
3.2
3.3
3.4
4.1
4.2
4.3
4.4
4.5.
4.6.
4.7.
4.8.
4.9.
4.10.
4.11.
4.12.
4.13.
4.14.
4.15.
4.16.
4.17.
4.18.
4.19.
4.20.
4.21.
4.22.
4.23.
4.24.
4.25.
J udul
Struktur Hirarki AHP
Ilustrasi Dekomposisi Masalah
Arsitektur Jaringan Single Layer Perceptron
Arsitektur Jaringan Multilayer Perceptron
Struktur Hirarki Evaluasi Penerimaan Mobil
Flowchart Prosedur Kerja Penyelesaian Masalah
Flowchart Algoritma Sistem
Arsitektur Jaringan MLP yang Digunakan
Grafik 100 Data Uji Dengan 3 Hidden Layer
Grafik 100 Data Uji Dengan 4 Hidden Layer
Grafik 100 Data Uji Dengan 5 Hidden Layer
Grafik 100 Data Uji Dengan 6 Hidden Layer
Grafik 100 Data Uji Dengan 7 Hidden Layer
Grafik 200 Data Uji Dengan 3 Hidden Layer
Grafik 200 Data Uji Dengan 4 Hidden Layer
Grafik 200 Data Uji Dengan 5 Hidden Layer
Grafik 200 Data Uji Dengan 6 Hidden Layer
Grafik 200 Data Uji Dengan 7 Hidden Layer
Grafik 300 Data Uji Dengan 3 Hidden Layer
Grafik 300 Data Uji Dengan 4 Hidden Layer
Grafik 300 Data Uji Dengan 5 Hidden Layer
Grafik 300 Data Uji Dengan 6 Hidden Layer
Grafik 300 Data Uji Dengan 7 Hidden Layer
Grafik 400 Data Uji Dengan 3 Hidden Layer
Grafik 400 Data Uji Dengan 4 Hidden Layer
Grafik 400 Data Uji Dengan 5 Hidden Layer
Grafik 400 Data Uji Dengan 6 Hidden Layer
Grafik 400 Data Uji Dengan 7 Hidden Layer
Grafik 500 Data Uji Dengan 3 Hidden Layer
Grafik 500 Data Uji Dengan 4 Hidden Layer
Grafik 500 Data Uji Dengan 5 Hidden Layer
Grafik 500 Data Uji Dengan 6 Hidden Layer
Grafik 500 Data Uji Dengan 7 Hidden Layer
Halaman
6
8
15
16
22
24
26
28
39
40
43
44
46
47
49
50
52
53
55
56
58
59
61
62
64
65
67
68
70
71
73
74
76
xv
DAFTARTABEL
Nomor
Tabel
2.1.
2.2.
2.3.
3.1.
3.2.
3.3.
3.4.
4.1.
4.2.
4.3.
4.4.
4.5.
4.6.
4.7.
4.8.
4.9.
4.10
4.11.
4.12.
4.13.
4.14.
4.15.
4.16.
4.17.
4.18.
4.19.
4.20
4.21.
4.22.
4.23.
4.24.
4.25.
4.26.
4.27.
4.28.
4.29.
4.30.
4.31.
4.32.
4.33.
J udul
Skala Penilaian Perbandingan Berpasangan
Matriks Perbandingan Berpasangan
Daftar Random Index (RI)
Struktur Evaluasi Penerimaan Mobil
Tabel Nilai Atribut Masukan
Contoh Data Evaluasi Penerimaan Mobil
Jumlah Kasus Penerimaan MobilPer Kelas
Data Nilai Atribut Sebelum Transformasi
Data Nilai Atribut Setelah Transformasi
Nilai Bobot Masing-Masing Atribut
Tabel 100 Data Sampel Training
Tabel Perbandingan Berpasangan Antar Atribut Tidak Valid
Hasil Normalisasi Matriks Perbandingan Tidak Valid
Tabel Perbandingan Berpasangan Antar Atribut yang Valid
Hasil Normalisasi Matriks Perbandingan yang Valid
Hasil Pembobotan 100 Data Uji Dengan 3 Hidden Layer
Hasil Pembobotan 100 Data Uji Dengan 4 Hidden Layer
Hasil Pembobotan 100 Data Uji Dengan 5 Hidden Layer
Hasil Pembobotan 100 Data Uji Dengan 6 Hidden Layer
Hasil Pembobotan 100 Data Uji Dengan 7 Hidden Layer
Hasil Pembobotan 200 Data Uji Dengan 3 Hidden Layer
Hasil Pembobotan 200 Data Uji Dengan 4 Hidden Layer
Hasil Pembobotan 200 Data Uji Dengan 5 Hidden Layer
Hasil Pembobotan 200 Data Uji Dengan 6 Hidden Layer
Hasil Pembobotan 200 Data Uji Dengan 7 Hidden Layer
Hasil Pembobotan 300 Data Uji Dengan 3 Hidden Layer
Hasil Pembobotan 300 Data Uji Dengan 4 Hidden Layer
Hasil Pembobotan 300 Data Uji Dengan 5 Hidden Layer
Hasil Pembobotan 300 Data Uji Dengan 6 Hidden Layer
Hasil Pembobotan 300 Data Uji Dengan 7 Hidden Layer
Hasil Pembobotan 400 Data Uji Dengan 3 Hidden Layer
Hasil Pembobotan 400 Data Uji Dengan 4 Hidden Layer
Hasil Pembobotan 400 Data Uji Dengan 5 Hidden Layer
Hasil Pembobotan 400 Data Uji Dengan 6 Hidden Layer
Hasil Pembobotan 400 Data Uji Dengan 7 Hidden Layer
Hasil Pembobotan 500 Data Uji Dengan 3 Hidden Layer
Hasil Pembobotan 500 Data Uji Dengan 4 Hidden Layer
Hasil Pembobotan 500 Data Uji Dengan 5 Hidden Layer
Hasil Pembobotan 500 Data Uji Dengan 6 Hidden Layer
Hasil Pembobotan 500 Data Uji Dengan 7 Hidden Layer
Halaman
9
9
13
18
19
19
21
30
30
31
32
35
36
37
37
39
41
42
44
45
47
48
50
51
53
54
56
57
59
60
62
63
65
66
68
69
71
72
74
75
MAKING (MADM) DENGAN MENGGUNAKAN PERCEPTRON
TESIS
EVA JULIA GUNAWATI HARIANJA
137038062
PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
PENENTUAN BOBOT PADA MULTIPLE ATTRIBUTE DECISION MAKING
(MADM) DENGAN MENGGUNAKAN PERCEPTRON
TESIS
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Magister Teknik Informatika
EVA JULIA GUNAWATI HARIANJA
137038062
PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
ii
PERSETUJUAN
Judul
: PENENTUAN BOBOT PADA MULTIPLE
ATTRIBUTE DECISION MAKING (MADM)
DENGAN MENGGUNAKAN PERCEPTRON
Kategori
: TESIS
Nama Mahasiswa
: EVA JULIA GUNAWATI HARIANJA
Nomor Induk Mahasiswa
: 137038062
Program Studi
: MAGISTER(S2) TEKNIK INFORMATIKA
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Dr. Zakarias Situmorang, M.T
Prof. Dr. Muhammad Zarlis
NIP: 1957070 1 198601 1 003
Diketahui/disetujui oleh
Program Studi S2 Teknik Informatika
Ketua,
Prof. Dr. Muhammad Zarlis
NIP: 1957070 1 198601 1 003
iii
PERNYATAAN
PENENTUAN BOBOT PADA MULTIPLE ATTRIBUTE DECISION MAKING
(MADM) DENGAN MENGGUNAKAN PERCEPTRON
TESIS
Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 28 Januari 2016
Eva Julia Gunawati Harianja
137038062
iv
PERNYATAAN PERSETUJUAN PUBLIKASI
KARYA ILMIAH UNTUK KEPENTINGAN
AKADEMIS
Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan
dibawah ini:
Nama
: Eva Julia Gunawati Harianja
NIM
: 137038062
Program Studi
: Magister (S2) Teknik Informatika
Jenis Karya Ilmiah
: Tesis
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada
Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive Royalty
Free Right) atas tesis saya yang berjudul :
PENENTUAN BOBOT PADA MULTIPLE ATTRIBUTE DECISION MAKING
(MADM) DENGAN MENGGUNAKAN PERCEPTRON
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti NonEksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media,
memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis
saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai
penulis dan sebagai pemegang dan/atau sebagai pemilik hak cipta.
Demikian pernyataan ini dibuat dengan sebenarnya.
Medan, 28 Januari 2016
Eva Julia Gunawati Harianja
137038062
v
Telah diuji pada
Tanggal : 28 Januari 2016
PANITIA PENGUJI TESIS
Ketua
: Prof. Dr. Muhammad Zarlis
Anggota
: 1. Dr. Zakarias Situmorang, M.T
2. Prof. Dr. Opim Salim Sitompul
3. Prof. Dr. Saib Suwilo, M.Sc
vi
RIWAYAT HIDUP
DATA PRIBADI
Nama Lengkap
: Eva Julia Gunawati Harianja
Tempat dan Tanggal Lahir
: Gunung Para, 18 September 1984
Alamat
: Jl. Camar 1 No.153 Perumnas Mandala
Medan
Telepon/ HP
: +6281375586523
: graziedamanik@gmail.com
Instansi Tempat Bekerja
: Universitas Methodist Indonesia
Alamat instansi
: Jl. Hang Tuah No. 8 Medan
DATA PENDIDIKAN
SD
: SDN 105453 Gunung Para
TAMAT : 1996
SMP
: SMP Negeri 1 Dolok Merawan
TAMAT : 1999
SMA : SMA Negeri 4 Pematang Siantar
TAMAT : 2002
S1
: STMIK Sisingamangaraja XII Medan
TAMAT : 2008
S2
: Teknik Informatika USU
TAMAT : 2016
vii
KATA PENGANTAR
Puji dan syukur saya ucapkan kehadirat Tuhan Yang Maha Esa, yang telah
memberikan nikmat karuniaNYA, berupa pengetahuan, kesehatan serta kesempatan
kepada penulis sehingga dapat menyelesaikan tesis dengan judul “PENENTUAN
BOBOT PADA MULTIPLE ATTRIBUTE DECISION MAKING (MADM) DENGAN
MENGGUNAKAN PERCEPTRON”.
Dalam penyusunan untuk menyelesaikan tesis ini, penulis mendapatkan pelajaran,
baik berupa saran maupun nasehat dari berbagai pihak demi penyempurnaan tesis ini.
Untuk itu penulis ingin menyampaikan ucapan terimakasih kepada:
1. Rektor Universitas Sumatera Utara, Bapak Prof. Dr. Runtung Sitepu, SH, M.Hum
yang telah memberikan kesempatan kepada penulis untuk mengikuti dan
menyelesaikan pendidikan Program Pasca Sarjana.
2. Bapak Prof. Dr. Muhammad Zarlis, selaku Dekan dan Ketua Program Studi
Magister Teknik Informatika Fakultas Ilmu Komputer dan Teknologi Informasi
Universitas Sumatera Utara serta sebagai Pembimbing I yang telah bersedia
memberikan bimbingan serta pengarahan hingga selesainya penulisan tesis ini.
3. Sekretaris Program Studi Magister Teknik Informatika Fakultas Ilmu Komputer
dan Teknologi Informasi Universitas Sumatera Utara, Bapak M. Andri Budiman,
S.T., M.Comp.Sc, MEM yang telah memberikan banyak ilmu dan nasehat pada
penulisan tesis ini.
4. Bapak Dr. Zakarias Situmorang, M.T selaku Pembimbing II yang telah bersedia
memberikan bimbingan, pemikiran serta pengarahan hingga selesainya penulisan
tesis ini.
5. Bapak Prof. Dr. Opim Salim sitompul selaku Pembanding I, yang telah bersedia
memberikan saran untuk perbaikan tesis ini.
6. Bapak Prof. Dr. Saib Suwilo, M.Sc selaku Pembanding II, yang telah bersedia
memberikan saran untuk penyempurnaan tesis ini.
7. Bapak/Ibu Dosen yang telah memberikan materi perkuliahan dan ilmu
pengetahuan selama penulis menyelesaikan perkuliahan di Program Studi Magister
Teknik Informatika.
viii
8. Segenap sivitas akademika Program Studi Magister Teknik Informatika yang telah
membantu kelancaran administrasi.
9. Kedua orang tua saya, Ayahanda Gr. Rs H a r i a n j a dan Ibunda E. Hutapea
tercinta yang telah memberikan kasih sayangnya, do’a yang tak pernah putus serta
dukungan moril maupun materil kepada saya sehingga dapat menyelesaikan tesis
ini dengan baik.
10. A b a n g - A b a n g saya Hendra Roni Sopian Harianja, Frans Hendri Gunawan
Harianja, Pdt. Herwin Edy Happy Roi Harianja, S.Th yang telah banyak
memberikan semangat, dukungan serta do’a kepada saya sehingga dapat
menyelesaikan tesis ini.
11. Suami saya tercinta Brigadir Lidon Damanik dan anak saya tercinta Grazie Dio
Damanik yang menjadi sumber inspirasi saya dan pembangkit semangat saya
untuk menyelesaikan pendidikan saya serta pengerjaan tesis ini.
12. Abang Rimbun Siringo-ringo selaku senior dan rekan diskusi yang telah
memberikan banyak masukan dan ide-ide dalam pengerjaan tesis ini.
13. Teman-teman seperjuangan Kom-C Angkatan 2013 yang telah memberikan
motivasi dan dukungan dalam penyelesaian tesis ini.
14. Grup seperjuangan proses pembuatan tesis, Delima Sitanggang, Elias Ketaren,
Gellysa Urva, Gortap Lumbantoruan, Rijois Iboy Erwin, Seven Nainggolan, serta
seluruh teman-teman dan pihak terkait yang tidak dapat saya sebutkan satu persatu
yang telah membantu saya dalam penyelesaian tesis ini.
Penulis berharap semoga tesis ini dapat bermanfaat bagi semua pihak yang
membutuhkan. Kritik dan saran yang bersifat membangun demi kesempurnaan tesis
ini sangat penulis harapkan.
Medan, 28 Januari 2016
Penulis
Eva Julia Gunawati Harianja
NIM:137038062
ix
ABSTRAK
Multiple Attribute Decision Making (MADM) merupakan suatu metode dengan
mengambil banyak kriteria sebagai dasar pengambilan keputusan. Dalam metode
MADM, AHP merupakan salah satu teknik yang terkenal untuk menangani masalah
multikriteria. AHP cocok untuk solusi menangani kompleksitas masalah multikriteria
yang didasarkan pada struktur hirarki kriteria dan sub-kriteria alternatif, mengevaluasi
masalah dan peringkat alternatif, serta memilih alternatif terbaik. Dalam teknik
Analiythic Hierarchy Process (AHP) proses pencarian bobot atribut dilakukan setelah
membentuk matriks perbandingan berpasangan. Permasalahan yang sering terjadi saat
membentuk matriks perbandingan berpasangan pada teknik AHP sering tidak dapat
memberikan nilai perbandingan yang konsisten, khususnya untuk masalah dengan
jumlah kriteria dan alternatif yang banyak. Untuk menghindari masalah ketidak
konsistensian pada teknik AHP akan dilakukan minimalisir terhadap matriks
perbandingan berpasangan. Penelitian ini membahas bagaimana proses pencarian
bobot atribut pada masalah Multiple Attribute Decision Making (MADM) khususnya
pada teknik Analythic Hierarchy Process (AHP) dengan menggunakan perceptron
lapis banyak (multilayer) dalam menentukan pemilihan alternatif. Hasil penelitian ini
menyatakan bahwa penggunaan perceptron lapis banyak (multilayer) dapat
memberikan hasil yang lebih baik dan menghemat waktu karena pembuatan matriks
perbandingan berpasangan ditiadakan pada proses pemilihan alternatif.
Kata Kunci : AHP, MADM, Bobot Atribut, Perceptron, Multilayer
x
The Determination Of Weights In Multiple Attribute Decision
Making (MADM) Using Perceptron
ABSTRACT
Multiple Attribute Decision Making (MADM) is a method by taking many criteria as
a basis for decision making. In the MADM method, AHP is one of the well-known
technique for dealing with multiple criteria. AHP is suitable for solutions the
complexity of multi criteria problems are based on a hierarchical structure of criteria
and sub-criteria alternatives, evaluating problem and ratings of alternatives, as well as
selecting the best alternative. In the technique Analytic Hierarchy Process (AHP)
search process attribute weights is done after forming the matrix of pairwise
comparisons. Problems often occur when forming pairwise comparison matrix in AHP
techniques it’s often cannot provide the value of the comparison consistent, especially
for the problems with the number of criteria and many of alternatives. To avoid the
problem of inconsistency in AHP technique will be minimalist to the pairwise
comparison matrix. This study discusses how the search process attribute weights on
the issue of Multiple Attribute Decision Making (MADM), especially in Analythic
Hierarchy Process (AHP) technique using many layers perceptron (multilayer) in
determining the selection of alternatives. Results of this study suggest that the use
many layer perceptron (multilayer) may provide better results and save time since
manufacture of pairwise comparison matrices eliminated in the process of selecting an
alternative.
Keywords : AHP, MADM, Weight, Perceptron, Multilayer
xi
DAFTAR ISI
Halaman
HALAMAN JUDUL
i
PENGESAHAN
ii
PERNYATAAN ORISINALITAS
iii
PERSETUJUAN PUBLIKASI
iv
PANITIA PENGUJI
v
RIWAYAT HIDUP
vi
KATA PENGANTAR
vii
ABSTRAK
viii
ABSTRACT
ix
DAFTAR ISI
xi
DAFTAR GAMBAR
xiv
DAFTAR TABEL
xv
BAB
BAB
1
PENDAHULUAN
1
1.1
LatarBelakangMasalah
1
1.2
Rumusan Masalah
2
1.3
Batasan Masalah
3
1.4
Tujuan Penelitian
3
1.5
Manfaat Penelitian
3
1.6
Sistematika Penulisan
3
2
TINJAUAN PUSTAKA
5
2.1
Multiple Attribute Decision Making (MADM)
5
2.2
Metode Analythic Hierarchy Process (AHP)
5
2.2.1 Prinsip-Prinsip Dasar Analythic Hierarchy Process
7
2.2.2Bobot Kriteria
11
2.2.3 Mencari Bobot Atribut
11
xii
2.3
BAB
BAB
Perceptron
13
2.3.1 Pelatihan Perceptron
14
2.3.2 Single Layer Perceptron (SLP)
14
2.3.3 MultiLayer Perceptron (MLP)
15
3
METODOLOGI PENELITIAN
17
3.1
Pengantar
17
3.2
Data yang diuji
17
3.3
Struktur Hirarki Data Penerimaan Mobil
22
3.4
Data Uji Terkait Penelitian
23
3.5
Proses Penyelesaian Masalah
23
3.5.1 Prosedur Kerja
23
3.5.2 Perancangan Algoritma Sistem
25
3.5.3 Arsitektur jaringan yang dibangun
27
4
ANALISA HASIL DAN PEMBAHASAN
29
4.1
Pendahuluan
29
4.2
Hasil Uji Coba
29
4.3
Pra Proses Data
29
4.4
Melatih Data Sampel
31
4.4.1 Inisialisasi Data
31
4.5
Data Uji
34
4.6
Proses Analythic Hierarcy Process (AHP)
34
4.6.1 Pembuatan Matriks Perbandingan
34
4.6.2 Menentukan Bobot Relatif
35
4.6.3 Menghitung Consistency Ratio
36
4.6.4 menentukan bobot prioritas
38
Hasil Pembobotan Dengan AHPPerceptron
38
4.7.1 Hasil Pembobotan Dengan 100 Data Uji
39
4.7.2 Hasil Pembobotan Dengan 200 Data Uji
46
4.7.3 Hasil Pembobotan Dengan 300 Data Uji
54
4.7.4 Hasil Pembobotan Dengan 400 Data Uji
61
4.7.5 Hasil Pembobotan Dengan 500 Data Uji
69
4.7
xiii
BAB
5
KESIMPULAN DAN SARAN
77
5.1
Kesimpulan
77
5.2
Saran
77
DAFTAR PUSTAKA
78
LAMPIRAN
80
xiv
DAFTARGAMBAR
Nomor
Gambar
2.1.
2.2.
2.3.
2.4.
3.1.
3.2
3.3
3.4
4.1
4.2
4.3
4.4
4.5.
4.6.
4.7.
4.8.
4.9.
4.10.
4.11.
4.12.
4.13.
4.14.
4.15.
4.16.
4.17.
4.18.
4.19.
4.20.
4.21.
4.22.
4.23.
4.24.
4.25.
J udul
Struktur Hirarki AHP
Ilustrasi Dekomposisi Masalah
Arsitektur Jaringan Single Layer Perceptron
Arsitektur Jaringan Multilayer Perceptron
Struktur Hirarki Evaluasi Penerimaan Mobil
Flowchart Prosedur Kerja Penyelesaian Masalah
Flowchart Algoritma Sistem
Arsitektur Jaringan MLP yang Digunakan
Grafik 100 Data Uji Dengan 3 Hidden Layer
Grafik 100 Data Uji Dengan 4 Hidden Layer
Grafik 100 Data Uji Dengan 5 Hidden Layer
Grafik 100 Data Uji Dengan 6 Hidden Layer
Grafik 100 Data Uji Dengan 7 Hidden Layer
Grafik 200 Data Uji Dengan 3 Hidden Layer
Grafik 200 Data Uji Dengan 4 Hidden Layer
Grafik 200 Data Uji Dengan 5 Hidden Layer
Grafik 200 Data Uji Dengan 6 Hidden Layer
Grafik 200 Data Uji Dengan 7 Hidden Layer
Grafik 300 Data Uji Dengan 3 Hidden Layer
Grafik 300 Data Uji Dengan 4 Hidden Layer
Grafik 300 Data Uji Dengan 5 Hidden Layer
Grafik 300 Data Uji Dengan 6 Hidden Layer
Grafik 300 Data Uji Dengan 7 Hidden Layer
Grafik 400 Data Uji Dengan 3 Hidden Layer
Grafik 400 Data Uji Dengan 4 Hidden Layer
Grafik 400 Data Uji Dengan 5 Hidden Layer
Grafik 400 Data Uji Dengan 6 Hidden Layer
Grafik 400 Data Uji Dengan 7 Hidden Layer
Grafik 500 Data Uji Dengan 3 Hidden Layer
Grafik 500 Data Uji Dengan 4 Hidden Layer
Grafik 500 Data Uji Dengan 5 Hidden Layer
Grafik 500 Data Uji Dengan 6 Hidden Layer
Grafik 500 Data Uji Dengan 7 Hidden Layer
Halaman
6
8
15
16
22
24
26
28
39
40
43
44
46
47
49
50
52
53
55
56
58
59
61
62
64
65
67
68
70
71
73
74
76
xv
DAFTARTABEL
Nomor
Tabel
2.1.
2.2.
2.3.
3.1.
3.2.
3.3.
3.4.
4.1.
4.2.
4.3.
4.4.
4.5.
4.6.
4.7.
4.8.
4.9.
4.10
4.11.
4.12.
4.13.
4.14.
4.15.
4.16.
4.17.
4.18.
4.19.
4.20
4.21.
4.22.
4.23.
4.24.
4.25.
4.26.
4.27.
4.28.
4.29.
4.30.
4.31.
4.32.
4.33.
J udul
Skala Penilaian Perbandingan Berpasangan
Matriks Perbandingan Berpasangan
Daftar Random Index (RI)
Struktur Evaluasi Penerimaan Mobil
Tabel Nilai Atribut Masukan
Contoh Data Evaluasi Penerimaan Mobil
Jumlah Kasus Penerimaan MobilPer Kelas
Data Nilai Atribut Sebelum Transformasi
Data Nilai Atribut Setelah Transformasi
Nilai Bobot Masing-Masing Atribut
Tabel 100 Data Sampel Training
Tabel Perbandingan Berpasangan Antar Atribut Tidak Valid
Hasil Normalisasi Matriks Perbandingan Tidak Valid
Tabel Perbandingan Berpasangan Antar Atribut yang Valid
Hasil Normalisasi Matriks Perbandingan yang Valid
Hasil Pembobotan 100 Data Uji Dengan 3 Hidden Layer
Hasil Pembobotan 100 Data Uji Dengan 4 Hidden Layer
Hasil Pembobotan 100 Data Uji Dengan 5 Hidden Layer
Hasil Pembobotan 100 Data Uji Dengan 6 Hidden Layer
Hasil Pembobotan 100 Data Uji Dengan 7 Hidden Layer
Hasil Pembobotan 200 Data Uji Dengan 3 Hidden Layer
Hasil Pembobotan 200 Data Uji Dengan 4 Hidden Layer
Hasil Pembobotan 200 Data Uji Dengan 5 Hidden Layer
Hasil Pembobotan 200 Data Uji Dengan 6 Hidden Layer
Hasil Pembobotan 200 Data Uji Dengan 7 Hidden Layer
Hasil Pembobotan 300 Data Uji Dengan 3 Hidden Layer
Hasil Pembobotan 300 Data Uji Dengan 4 Hidden Layer
Hasil Pembobotan 300 Data Uji Dengan 5 Hidden Layer
Hasil Pembobotan 300 Data Uji Dengan 6 Hidden Layer
Hasil Pembobotan 300 Data Uji Dengan 7 Hidden Layer
Hasil Pembobotan 400 Data Uji Dengan 3 Hidden Layer
Hasil Pembobotan 400 Data Uji Dengan 4 Hidden Layer
Hasil Pembobotan 400 Data Uji Dengan 5 Hidden Layer
Hasil Pembobotan 400 Data Uji Dengan 6 Hidden Layer
Hasil Pembobotan 400 Data Uji Dengan 7 Hidden Layer
Hasil Pembobotan 500 Data Uji Dengan 3 Hidden Layer
Hasil Pembobotan 500 Data Uji Dengan 4 Hidden Layer
Hasil Pembobotan 500 Data Uji Dengan 5 Hidden Layer
Hasil Pembobotan 500 Data Uji Dengan 6 Hidden Layer
Hasil Pembobotan 500 Data Uji Dengan 7 Hidden Layer
Halaman
9
9
13
18
19
19
21
30
30
31
32
35
36
37
37
39
41
42
44
45
47
48
50
51
53
54
56
57
59
60
62
63
65
66
68
69
71
72
74
75