Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 2, No. 3. Maret 2018, hlm. 1219-1226

e-ISSN: 2548-964X http://j-ptiik.ub.ac.id

Sistem Pendukung Keputusan Pemilihan Mitra Jasa Pengiriman Barang menggunakan Metode Simple Additive Weighting (SAW) – Technique for Other Reference by Similarity to Ideal Solution (TOPSIS) di Kota Malang Lisa Septian Putri1, Nurul Hidayat2, Suprapto3 Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: [email protected], [email protected], [email protected] Abstrak Kota Malang merupakan kota besar yang berkembang di daerah Jawa Timur, sehingga tidak heran banyak sekali beberapa mitra jasa pengiriman barang yang menawarkan jasa pengiriman barang untuk masyarakat. Dimana kebanyakan rata-rata dari mitra pengiriman barang tersebut jangkauannya tidak hanya di Malang saja akan tetapi nasional bahkan internasional. Sehingga, banyak sekali masyarakat yang masih bingung untuk memilih mitra jasa pengiriman mana yang terbaik dilihat dari karakteristik dari barang seperti mudah pecah, ringkih, dimensi besar dan sebagainya. Sehingga menimbulkan resiko ketika proses pengiriman barang. Maka, perlu dibangun sebuah sistem yang dapat membantu pihak masyarakat dalam mengambil sebuah keputusan. Model yang digunakan untuk membangun Sistem Pendukung Keputusan ini menggunakan Fuzzy Multiple Atribute Decision Making(FMADM) dengan metode Simpel Additive Weighting (SAW)-Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Diharapkan keputusan lebih obyektif, sehingga mitra terpilih sesuai dengan kebutuhan pihak masyarakat dan dapat meminimalisir kesalahan. Hasil perhitungan akurasi dari 7 data perbandingan data hasil aktual dengan data hasil target sebesar 28,57% serta perbandingan data hasil aktual dengan hasil target sebesar 71,42%. Dan nilai Usability Testing dari 20 responden diperoleh hasil sebesar 71,66% pertanyaan mampu di jawab, persentase 28,33% pertanyaan tidak dapat terjawab oleh responden, dari hasil tersebut dapat disimpulkan bahwa aplikasi android dinyatakan baik. Kata kunci: sistem pendukung keputusan, Metode SAW, Metode TOPSIS, Fuzzy MADM, jasa pengiriman.

Abstract Malang is a big city that develops in East Java, so it is not surprising that there are many freight forwarding partners that offer freight services to the public. Where most of the average of the goods delivery partner is its reach not only in Malang alone but nationally and even internationally. Thus, many people are still confused to choose which shipping service partners are best seen from the characteristics of the goods such as easily broken, fragile, large dimensions and so on. So it raises the risk when the process of delivery of goods. So, it is necessary to build a system that can help the community in taking a decision. The model used to build this Decision Support System uses Fuzzy Multiple Atribute Decision Making (FMADM) with Simple Additive Weighting (SAW) methodTechnique for Order Preference by Similarity to Ideal Solution (TOPSIS). It is hoped that the decision will be more objective, so that the selected partners will meet the needs of the community and minimize the mistakes. Accuracy calculation results from 7 data comparison of actual results data with target data results of 28.57% and comparison of actual results data with target results of 71.42%. And the value of Usability Testing from 20 respondents obtained the result of 71.66% of questions able to answer, the percentage of 28.33% of questions can not be answered by the respondents, from these results can be concluded that the android application is declared good. Keywords: decision support system, SAW Method, TOPSIS Method, Fuzzy MADM, delivery service.

teknologi informasi menjadi sangatlah melambung dengan cepat dan pesat. Sehingga perkembangan tersebut banyak tercipta

1. PENDAHULUAN Seiringnya perkembangan saat ini, beberapa Fakultas Ilmu Komputer Universitas Brawijaya

1219

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

teknologi yang mempermudah dan membantu pekerjaan manusia, yaitu diantaranya adalah komputer dan barang elektronika lain seperti handphone, smartphone, televisi, radio dan lainlain. Dengan seiringnya perkembangan teknologi ini, banyak sekali bidang-bidang usaha yang membuat masyarakat terbantu dalam menyelesaikan sebuah permasalahan yang ada seperti akses perdagangan online (ECommerce). Definisi dari E-Commerce menurut Loudon (1998) adalah sebuah kegiatan konsumen perihal transaksi jual beli sebuah produk secara online dari mitra ke mitra yang lain dengan menggunakan perangkat elektronik sebagai bahan perantara transaksi usaha. Terkadang dalam pembelian dan penjualan barang tersebut, dibutuhkan sebuah jasa pengiriman barang yang mengendalikan semua transaksi usaha untuk terlaksananya pengiriman dan penerimaan barang dalam berbagai transportasi diantaranya darat, udara dan laut. Dalam proses pengiriman barang tersebut terdapat berbagai macam kendala diantaranya adalah jenis-jenis dari barang dagangan memiliki berbagai macam sifat seperti, mudah pecah, dimensi dari kecil sampai besar dan lain sebagainya, tidak memiliki kurir internal untuk mengantarkan barang pesanan kepelanggan secara langsung sehingga untuk pengiriman barang selalu mengandalkan jasa pengiriman barang. Dan terkadang juga masyarakat memilih mitra jasa pengiriman barang secara manual, yaitu hanya didasari dengan prilaku kebiasaan semata. Akan tetapi seringkali terjadi keterlambatan, barang rusak, biaya yang membengkak dan masalah yang paling besar adalah kekecewaan pelanggan dan keadaan terburuknya adalah hilangnya kepercayaan pelanggan yang mengakibatkan putusnya relasi atau hubungan antar sesama. Di kota Malang, terdapat berbagai macam mitra jasa pengiriman barang seperti JNE, Sicepat Express, Tiki, J&T Express, JET Express, Lia Jaya Sentosa, Kantor Pos Indonesia dll. Dan banyak pula masyarakat yang menggunakan mitra jasa pengiriman tersebut untuk melakukan pengiriman dan penerimaan barang. Sehingga pasti ada sisi positif dan negatif yang ditimbulkan oleh mitra jasa pengiriman barang tersebut. Di posisi positifnya yaitu layanan yang diberikan tergolong cukup mudah, karena hanya mengantarkan barang kiriman hingga sampai ke tujuan. Layanan akan makin terbantu dengan beragam fasilitas seperti website, jaringan internet dan media sosial, Fakultas Ilmu Komputer, Universitas Brawijaya

1220

diposisi negatifnya masyarakat terkadang masih bingung dan sulit untuk menentukan manakah mitra jasa pengiriman barang yang tepat dilihat dari berbagai kriteria yaitu jenis armada, jangkauan, pengalaman perusahaan, harga, waktu pengiriman dan kemasan barang. Sehingga, masyarakat perlu lebih selektif dalam memilih mitra jasa pengiriman barang agar mengurangi terjadinya sebuah permasalahan maka perlu diciptakannya sebuah aplikasi Sistem Pendukung Keputusan yang bisa mempermudah pihak masyarakat dalam mengambil sebuah keputusan dengan tepat. Rancangan yang digunakan untuk membangun Sistem Pendukung Keputusan ini menggunakan metode Simpel Additive Weighting (SAW) Technique For Other Reference by Similarity to Ideal Solution (TOPSIS). Di dalam metode ini menentukan nilai bobot untuk kriteria penilaian sampai dengan terpilih alternatif terbaik. Diharapkan keputusan lebih obyektif, sehingga mitra terpilih sesuai dengan kebutuhan pihak masyarakat dan dapat mengurangi permasalahan yang ada. Dilihat dari kendala yang ada, bahwa pentingnya pemilihan mitra yang tepat dan nyaman dalam bidang mitra jasa pengiriman barang, karena dapat berimbas langsung dengan kepuasan pelanggan, maka peneliti berniat untuk melakukan sebuah penelitian berkaitan dengan Judul Sistem Pendukung Keputusan Pemilihan Mitra Jasa Pengiriman Barang menggunakan Metode Simple Additive Weighting (SAW) Technique For Other Reference by Similarity to Ideal Solution (TOPSIS) di Kota Malang. Dan penelitian ini dapat diharapkan dapat membantu pihak masyarakat dalam pengambilan keputusan pemilihan mitra jasa pengiriman barang dengan baik dan tepat sesuai keinginan. 2. LANDASAN KEPUSTAKAAN 2.1. Simple Additive Weighting (SAW) Metode Simple Additive Weighting (SAW) yang biasa disebut dengan metode penjumlahan terbobot. Teori dari Simple Additive Weighting (SAW) adalah mencari penjumlahan terbobot dari setiap alternatif pada semua atribut. Metode Simple Additive Weighting (SAW) memerlukan proses normalisasi matriks keputusan (x) ke suatu skala yang dapat dibandingkan dengan semua rating alternatif yang ada. Berikut yaitu rumus dalam melakukan normalisasinya dijelaskan dalam Persamaan (1).

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 𝑋𝑖𝑗 𝑀𝑎𝑥 𝑋𝑖𝑗

𝑟𝑖𝑗 = { 𝑀𝑖𝑛𝑋𝑖𝑗

(1)

𝑋𝑖𝑗

Dijelaskan bahwa rij yaitu sebuah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj : i = 1, 2, …, m dan j = 1, 2, …, n. Nilai preferensi untuk setiap alternatif (Vi) dijelaskan dalam Persamaan (2). 𝑉𝑖 = ∑𝑛𝑗=1 𝑊𝑗𝑟𝑖𝑗

(2)

Nilai dari Vi lebih besar, sehingga dapat disimpulkan bahwa alternatif Ai lebih terpilih. 2.2. Technique For Other Reference by Similarity to Ideal Solution (TOPSIS) Technique For Other Reference by Similarity to Ideal Solution (TOPSIS) merupakan sebagian dari metode SPK yang dikembangkan Yoon serta Hwang (1981). Metode tersebut adalah metode alternatif terpilih yang memiliki jarak terdekat dari solusi ideal positif serta terjauh dari solusi ideal negatif. Selanjutnya pilihan tersebut akan dirangking berdasarkan nilai, maka alternatif yang mempunyai jarak terpendek beserta solusi ideal positif ialah sebuah alternatif yang terbagus. Istilah lainnya, bahwa alternatif tersebut mempunyai sebuah nilai yang lebih tinggi dan bagus untuk digunakan atau diambil sebagai keputusan (Juliyanti et al., 2011). Berikut adalah tahapan dari metode TOPSIS yang dijelaskan oleh (Kusumadewi, et al., 2006). 1. TOPSIS memerlukan rating kinerja tiap alternatif Ai pada kriteria Cj yang ternormalisasi, dijelaskan dalam Persamaan (3).

rij 

xij



m 2 i 1 ij

(3)

x

Pemberian nilai bobot matriks keputusan ternormalisasi sesuai dengan kriteria yang diperlukan, dijelaskan dalam Persamaan (4).

yij  wi rij

(4)

2. Menghitung nilai tertinggi, maka bisa mencari solusi ideal positif (A+) yang dijelaskan dalam Persamaan (5) Sebaliknya nilai terendah bisa dicari solusi

1221 ideal negatif (A-) yang dijelaskan dalam Persamaan (6).

A  ( y1 , y2 ,... ym )

(5)

A  ( y1 , y2 ,... ym )

(6)

3. Mencari jarak terhadap nilai setiap alternatif bersama matriks solusi ideal positif serta matriks solusi ideal negatif. Jarak alternatif terhadap solusi ideal positif (Di+) dijelaskan dalam Persamaan (7) sedangkan jarak alternatif terhadap solusi ideal negatif (Di-) dijelaskan dalam Persamaan (8).

Di 



n i 1

( yij  yi ) 2

(7)

Di 



n i 1

( yij  yi ) 2

(8)

4. Setelah itu mencari nilai preferensi Vi dalam tiap alternatif untuk perhitungan terakhir metode TOPSIS, dijelaskan dalam Persamaan (9).

Di Vi   Di  Di

(9)

5. Pengurutan hasil alternatif selaras dengan nilai V. 3. METODE PENELITIAN 3.1 Studi Literatur Pada metode ini berperan untuk meraih dasar teori sebagai sumber acuan dalam penulisan skripsi beserta pengembangan sistem atau aplikasi. Landasan teori dan pustaka tersebut berkaitan dengan: • Sistem Pendukung Keputusan • Simpel Additive Weighting (SAW) • Technique For Other Reference by Similarity to Ideal Solution (TOPSIS) Dalam studi pustaka ini menerangkan bahwa dasar teori tersebut berfungsi sebagai penunjang beserta pendukung terhadap penulisan skripsi. Referensi (sumber) yang digunakan meliputi informasi-informasi terkait pemilihan mitra jasa pengiriman barang berupa data, jurnal, laporan penelitian, dan internet. 3.2 Pengumpulan Data Pengumpulan data dilakukan dengan cara dataset. Data yang digunakan pada skripsi ini

Fakultas Ilmu Komputer, Universitas Brawijaya


berupa nama-nama mitra jasa pengiriman barang, dimana dalam langkah pertama yang harus dilakukan adalah menentukan alternative, kriterisa serta pembobotan kriteria yang difungsikan sebagai acuan penelitian. Data terbagi menjadi 3 kategori: 1. Data Alternatif Terdapat 7 perusahaan yang dijadikan sebagai alternatif dalam penelitian pemilihan mitra jasa pengiriman barang berdasarkan kriteria yang telah ditentukan sebagai berikut: A1 = JNE A2 = Kantor Pos Indonesia A3 = JET Express A4 = Lia Jaya Sentosa A5 = J&T Express A6 = TIKI A7 = Sicepat Express 2. Data Kriteria Terdapat 6 kriteria yang dijadikan penilaian mitra jasa pengiriman barang yaitu: C1 = Jenis Armada C2 = Jangkauan C3 = Pengalaman Perusahaan C4 = Harga C5 = Waktu Pengiriman C6 = Hasil Pengemasan Barang 3. Data Pembobotan Disini terdapat nilai pembobotan yang terdapat pada jurnal sebelumnya yang terkait dengan aplikasi ini, pada setiap kriteria yaitu: C1 = 15% C2 = 15% C3 = 10% C4 = 10% C5 = 20% C6 = 30% 4. ANALISIS DAN PERANCANGAN 4.1 Basis Pengetahuan Aturan Dalam basis pengetahuan aturan ini, terdapat tabel kriteria dan bobot kriteria yang sudah ditetapkan, yaitu ditunjukkan pada Tabel 1 Jenis Armada, Tabel 2 Jangkauan, Tabel 3 Pengalaman Perusahaan, Tabel 4 Harga, Tabel 5 Waktu Pengiriman, Tabel 6 Hasil Pengemasan Barang.

1222

Tabel 1. Pembobotan Kriteria C1 (Jenis Armada) No.

Jenis Armada

1. 2. 3. 4.

Darat Darat Laut Darat Udara Udara Laut Darat Udara Laut

5.

5

A

Tabel 2. Pembobotan Kriteria C2 (Jangkauan) No. 1.

Jangkauan

2.

1

Keterangan Nilai B

2

A

Bobot

Domestik Domestik dan Internasional

Tabel 3. Pembobotan Kriteria C3 (Pengalaman Perusahaan) No. 1. 2. 3. 4. 5.

Pengalaman Perusahaan <5 tahun 5-10 tahun 10-15 tahun 15-20 tahun > 20tahun

Bobot 1 2 3 4 5

Keterangan Nilai E D C B A

Tabel 4. Pembobotan Kriteria C4 (Harga) No. 1. 2. 3.

Harga Mahal Sedang Murah

Bobot 1 2 3

Keterangan Nilai C B A

Tabel 5. Pembobotan Kriteria C5 (Waktu Pengiriman) No. 1. 2. 3. 4.

Waktu Pengiriman Lambat Agak Lambat Agak Cepat Cepat

Bobot 1 2 3 4

Keterangan Nilai D C B A

Tabel 6. Pembobotan Kriteria C6 (Kemasan) No. 1. 2. 3. 4.

Hasil Pengemasan Barang Buruk Cukup Baik Sangat Baik

Bobot

Keterangan Nilai

1 2 3 4

D C B A

4.2 Representasi Algoritma Representasi


1 2 3 4

Keterangan Nilai E D C B

Bobot

algoritma

adalah

untuk


menentukan kesimpulan dari suatu permasalahan dan menjelaskan mengenai algoritma dari proses pengambilan kesimpulan. Berikut merupakan representasi algoritma Simple Additive Weighting (SAW) - Technique For Other Reference by Similarity to Ideal Solution (TOPSIS) ditunjukkan pada Gambar 1.

1223

4.3 Perhitungan Metode SAW – TOPSIS Berikut merupakan ranting kecocokan dari setiap alternatif pada tiap kriteria yaiu ditunjukkan pada Tabel 7. Tabel 7 Ranting Kecocokan dari Setiap Alternatif pada Tiap Kriteria

Metode SAW Langkah 1 : Membuat matriks keputusan X.

Gambar 1. Flow Chart Metode SAW – TOPSIS

Keterangan Gambar 1 yaitu menjelaskan tahapan Sistem Pendukung Keputusan (SPK) yang terdiri dari 2 metode SAW-TOPSIS. Pada Flow Chart tersebut, metode algoritma Simple Additive Weighting (SAW) terdapat pada 3 proses yaitu : 1. Menginputkan nilai yang didapat oleh masing-masing mitra pengiriman barang (Data Alternatif , Data Kriteria, dan Data pembobotan). 2. Konferensi nilai berdasarkan range. 3. Setelah itu menormalisasi matriks R. Selanjutnya proses akan dijalankan menggunakan metode Technique For Other Reference by Similarity to Ideal Solution (TOPSIS) terdapat dari 5 proses yaitu: 1. Menormalisasi matriks terbobot y. 2. Menentukan solusi ideal positif dan solusi ideal negatif. 3. Mencari jarak antar alternatif dengan solusi ideal positif dan solusi ideal negatif. 4. Menentukan nilai preferensi setiap alternatif. 5. Mengurutkan hasil mitra pengiriman barang terbaik.


Langkah 2 : Membuat Normalisasi Matriks Keputusan R. Kemudian hasil normalisasi dituangkan dalam matriks normalisasi (R) ditunjukkan pada Tabel 8. Tabel 8. Matriks Normalisasi (R)

Metode TOPSIS Langkah 3 : Normalisasi Matriks Terbobot Y berdasarkan nilai setiap elemen pada matriks ternormalisasi R yang diperoleh pada metode SAW. Sehingga, dari hasil matriks diatas yang ternormalisasi terbobot (Y) ditunjukkan pada Tabel 9.


Tabel 9. Matriks Ternormalisasi Terbobot (Y)

1224

Tabel 13. Perbandingan Data Hasil Aktual dengan Data Hasil Target

Langkah 2 : Menentukan Solusi Ideal Positif (A+) dan Matriks Ideal Negatif (A-). Sehingga diperoleh hasil yang ditunjukkan pada Tabel 10. Tabel 10. Solusi Ideal Positif (A+) dan Matriks Ideal Negatif (A-)

Pada Tabel 13 menunjukkan bahwa ada sebanyak 2 jenis mitra jasa pengiriman barang yang didapatkan pada data hasil target yang sesuai dengan data hasil aktual. Berdasarkan data hasil tersebut, maka kesesuaian hasil antara data hasil target dengan data hasil aktual dapat dihitung dengan rumus berikut: akurasi =

Langkah 3 : Menghitung Jarak Solusi Ideal Positif (D+) dan Solusi Ideal Negatif (D-). Sehingga hasilnya ditunjukkan pada Tabel 11. Tabel 11. Jarak Solusi Ideal Positif (D+) dan Solusi Ideal Negatif (D-)

Langkah 6 : Menentukan Nilai preferensi untuk setiap alternatif. Dan hasilnya dijabarkan pada Tabel 12. Tabel 12. Nilai preferensi untuk setiap alternatif

Setelah itu menghitung perbandingan data aktual dengan hasil data hasil system yang dijelaskan dalam Tabel 14. Tabel 14. Perbandingan Data Aktual dengan Hasil Data Hasil Sistem

Pada Tabel 14 menunjukkan bahwa ada sebanyak 5 jenis mitra jasa pengiriman barang yang didapatkan pada data hasil target yang sesuai dengan data hasil aktual. Berdasarkan data hasil tersebut, maka kesesuaian hasil antara data hasil target dengan data hasil aktual dapat dihitung dengan rumus berikut: akurasi =

4.4 Hasil dan Analisis Pengujian Akurasi Berikut adalah perbandingan data hasil aktual dengan data hasil target yang dijelaskan dalam Tabel 13.

5 x 100% = 71,42% 7

Berdasarkan hasil kedua perhitungan tingkat akurasi di atas, menunjukkan bahwa perhitungan sistem lebih baik daripada data hasil target yang diwacanakan. 4.5 Usability Testing Berikut


2 x 100% = 28,57% 7

adalah

presentase

jawaban


responden yang ditunjukkan pada Gambar 2.

Satisfact…

Errors

Memor…

Efficiency

Ditemukan

Learnab…

150 100 50 0

Tidak Ditemukan

Gambar 2. Presentase Jawaban Responden

Sehingga, dalam penelitian yang dilakukan ini diperoleh hasil yaitu presentase usability testing untuk mengukur penggunaan Sistem Pendukung Keputusan Pemilihan Mitra Jasa Pengiriman Barang menggunakan Metode Simple Additive Weighting (SAW) - Technique For Other Reference by Similarity to Ideal Solution (TOPSIS) di Kota Malang. Learnability sebesar 100% pertanyaan mampu di jawab 0% pertanyaan tidak dapat terjawab oleh responden, efficiency sebesar 100% pertanyaan mampu di jawab 0% pertanyaan tidak dapat terjawab oleh responden, memorability sebesar 80% pertanyaan mampu di jawab 20% pertanyaan tidak dapat terjawab oleh responden, error sebesar 16,66% pertanyaan mampu di jawab 83,33% pertanyaan tidak dapat terjawab oleh responden, satisfaction sebesar 71,66% pertanyaan mampu di jawab 28,33% pertanyaan tidak dapat terjawab oleh responden. Jadi hasil keseluruhaan jawaban responden sebesar 73,664% pertanyaan mampu di jawab, persentase 26,332% pertanyaan tidak dapat terjawab oleh responden, dari hasil tersebut dapat disimpulkan bahwa aplikasi android Sistem Pendukung Keputusan Pemilihan Mitra Jasa Pengiriman Barang menggunakan Metode Simple Additive Weighting (SAW) - Technique For Other Reference by Similarity to Ideal Solution (TOPSIS) di Kota Malang dinyatakan baik. 5. KESIMPULAN Berdasarkan hasil perancangan, implementasi dan pengujian serta analisis yang telah dilakukan terhadap sistem pendukung keputusan pemilihan mitra jasa pengiriman barang menggunakan metode SAW-TOPSIS ini, maka dapat diambil kesimpulan sebagai berikut: 1. Hasil akurasi antara data hasil aktual dengan data hasil sistem yaitu 71,42%.


1225

2. Hasil keseluruhaan jawaban responden sebesar 73,664% pertanyaan mampu di jawab, perseentase 26,332% pertanyaan tidak dapat terjawab oleh responden, dari hasil tersebut dapat disimpulkan bahwa aplikasi android Sistem Pendukung Keputusan Pemilihan Mitra Jasa Pengiriman Barang menggunakan Metode Simple Additive Weighting (SAW) Technique For Other Reference by Similarity to Ideal Solution (TOPSIS) di Kota Malang dinyatakan baik. 3. Metode Simple Additive Weighting (SAW)- Technique Order Preference by Similarity To Ideal Solution (TOPSIS) diterapkan dalam Sistem Pendukung Keputusan sehingga dapat menentukan pemilihan mitra terbaik di Kota Malang. 4. Sistem yang dibangun dapat mempermudah pengguna atau masyarakat dalam menentukan keputusan pemilihan mitra jasa pengiriman barang terbaik di Kota Malang. 5. Dengan menerapkan sistem android dalam pemilihan mitra jasa pengiriman barang terbaik, maka proses pengolahan data akan semakin tepat dan mengurangi kesalahan dalam pengambilan keputusan. DAFTAR PUSTAKA A,Tri

Y., Sistem Pendukung Keputusan Pemilihan Mitra Jasa Pengiriman Barang Menggunakan Metode Simple Additive Weighting (SAW). Teknik Informatika, Fakultas Teknik, Matematika dan IPA, Universitas Indraprasta PGRI. JUPITER-Jurnal PenerapanIlmu-IlmuKomputer.

Aycan, E. & Ayav, T. 2009. Solving the Cource Schedulling Problem Using Simulated Annealing. IEEE International Advance Computing Conference, 462-466. Eniyati, Sri., 2011. Jurnal Teknologi Informasi DINAMIK. Perancangan Sistem Pendukung Pengambilan Keputusan untuk Penerimaan Beasiswa dengan Metode SAW (Simple Additive Weighting). Vol. 16, No. 2, hal. 171-176. Fishburn, P.C, 1967. A Problem-Based Selection of Multi-Atribute Decision Making Method. Blackwell Publishing. Hanifah, Isnaini Nur., 2014. Jurnal Teknik Elektro. Sistem Pendukung Keputusan


Pemilihan Guru Berprestasi dengan Simple Additive Weighting. Vol. 6, No.1. Kursini, 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta : Penerbit Andi. Kusumadewi, Sri,. Hartati, Sri., 2006. Fuzzy Multiple Attribute Decision Making (Fazzy MADM). Yogyakarta : Penerbit Andi. Yan, J., 1993. Jurnal of Higher Education Studies. Fuzzy Logic Control and Its Applications. Vol 5 No. 1.


1226

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X

Recommend Documents