Jurnal Evolusi Volume 5 No 1 - 2017 - evolusi.bsi.ac.id
Sistem Pendukung Keputusan Penanganan Mahasiswa Bermasalah Dengan Metode AHP Dan Promethee Robby Rachmatullah, Anton Respati Pamungkas
[email protected],
[email protected] Program Studi Sistem Informasi STMIK AUB-Surakarta Abstract - Decision Support System (DSS) is used to support the stages in making a decision in various fields such as in terms of decision-making to determine the student in question or who commit violations. The criteria for doing so are drawn from academic (index value achievement, study duration, leave and attendance), finance and student affairs (alcohol, drugs and fighting. The method used for decision making troubled students is by using AHP and Promethee. AHP method is used to obtain the relative weighting of each criterion and generates the weight values are then used in the method PROMETHEE to calculate the value of leaving flow, entering flow and net flow. Search or selecting students in this study ultimately produce a list of students who will be given attention and special handling in order to complete studies on time with satisfactory results, and handling in accordance with academic rules and regulations. Keywords: decision support system, ahp, PROMETHEE Abstrak - Sistem Pendukung Keputusan (SPK) digunakan untuk mendukung tahapan dalam pengambilan suatu keputusan dalam berbagai bidang seperti dalam hal pengambilan keputusan untuk mengetahui mahasiswa yang bermasalah atau yang melakukan pelanggaran. Kriteria-kriteria untuk melakukan hal tersebut diambil dari bidang akademik (nilai indek prestasi, lama studi, cuti dan absensi), bidang keuangan dan bidang kemahasiswaan (miras, narkoba dan berkelahi. Metode yang digunakan untuk pengambilan keputusan mahasiswa bermasalah adalah dengan menggunakan metode AHP dan Promethee. Metode AHP digunakan untuk memperoleh bobot relatif dari masingmasing kriteria dan menghasilkan nilai bobot selanjutnya digunakan dalam metode promethee sampai menghitung nilai leaving flow, entering flow dan net flow. Pencarian atau pemilihan mahasiswa dalam penelitian ini akhirnya menghasilkan daftar mahasiswa yang nantinya diberi perhatian dan penanganan khusus agar dapat menyelesaikan studi tepat waktu dengan hasil yang memuaskan dan penanganannya sesuai dengan aturan akademik yang berlaku. Kata kunci : sistem pendukung keputusan, ahp, promethee 1. Latar Belakang Perkembangan diri mahasiswa pada awalawalnya sangat rentan terhadap berbagai masalah karena masa peralihan mulai menginjak dewasa. Dalam proses perkembangannya, mahasiswa mengalami berbagai permasalahanpermasalahan yang berhubungan dengan lingkungan keluarga, lingkungan kampus dan permasalahan lainnya yang bersifat pribadi dan berdampak pada penunggakan pembayaran kuliah, ketidakhadiran mahasiswa dalam perkuliahan, nilai indeks prestasi mahasiswa yang rendah, berkelahi, minuman keras dan narkoba. Hal ini menyebabkan proses belajar menjadi terganggu sehingga mahasiswa tidak dapat menyelesaiakan studi sesuai yang direncanakan. Permasalahan ini apabila tidak segera ditangani akan mempengaruhi proses akademik mahasiswa tersebut yang menyebabkan menurunnya nilai indek prestasi Sistem pendukung keputusan (Decission Support System) merupakan sistem berbasis komputer interaktif, yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah-masalah yang tidak terstruktur (Turban, 2001). Sistem Pendukung Keputusan banyak ISSN : 2338 – 8161
digunakan untuk optimasi dan efektifitas dalam pengambilan suatu keputusan dalam berbagai bidang, seperti halnya pengoptimasian layanan logistik ( Zhi and Zhao, 2014), penilaian keefektifitasan kinerja (Tal, 2014) dan efektifitas prediksi keuangan (Michael and Constantin, 2014). 2.1. Kajian Pustaka Penelitian berjudul Sistem Informasi Pencarian Dan Monitoring Siswa Bermasalah Dengan Metode Promethee (Gunawan, 2011). Penelitian ini adalah merancang sistem informasi pencarian siswa bermasalah berdasarkan pengembangan diri siswa dengan menggunakan metode Promethee. Analytic Hierarchy Process (AHP) digunakan pada sistem pendukung keputusan untuk mengetahui efek dari kualitas sebuah website dalam proses pengembangan bisnis perusahaan (Younghwa and Keneth, 2013) dan menghasilkan informasi bagi perusahaan untuk peningkatan kualitas bisnis perusahaan tersebut. Pendekatan Analytic Hierarchy Process (AHP) pada penelitian lainnya juga digunakan untuk standarisasi proses pengelolaan layanan pada sebuah website (Sundarraj, 2012).
14
Jurnal Evolusi Volume 5 No 1 - 2017 - evolusi.bsi.ac.id
2.2. Sistem Pendukung Keputusan Sistem pendukung keputusan didifinisikan sebagai seperangkat sistem yang mampu memecahkan masalah yang dikarenakan kerumitan dan lingkup pengambilan keputusan dengan data ata yang begitu banyak dengan mempertimbagkan rasio manfaat atau biaya secara efisien dan efektif (Suryadi dan Ramdhani, 2002). Sistem Pendukung Keputusan (SPK) SPK) dirancang untuk mendukung seluruh tahap pengambilan keputusan mulai dari mengidentifikasi masalah, ah, memilih data yang relevan dan menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai mengevaluasi pemilihan alternatif.
Parameter (q) : Harus merupakan nilai yang tetap
2.3. Analytic Hierarchy Proces (AHP) Analytic Hierarchy process (AHP) merupakan suatu proses pengidentifikasikan, mengerti dan memberikan perkiraan interaksi sistem secara keseluruhan (Royan, 2004). Struktur hirarki AHP dapat dilihat pada gambar 1.
Gambar 2. Kriteria Quasi ( Chou et. al, 2004 ) 2. Kriteria Preferensi Linier Kriteria Linier sering digunakan dalam penilaian dari segi kuantitatif atau banyaknya jumlah.
Dua alternatif memiliki preferensi yang sama penting selama selisih atau nilai H(d) dari masing-masing masing alternatif untuk kriteria tertentu tidak melebihi nilai q, dan apabila selisih hasil evaluasi untuk masing-masing masing alternatif melebihi nilai q maka terjadi bentuk prefer preferensi mutlak. Fungsi H (d) untuk fungsi preferensi di gambarkan sebagai berikut :
H (d) : Fungsi selisih kriteria antar alternatif d : Selisih nilai kriteria {d = f (a) – f (b)} p : Nilai kecenderungan atas
Gambar 1. Struktur Hirarki AHP (Suryadi dan Ramdhani, 2002) 2.4. Preference Ranking Organization Method for Enrichment Evaluation (Promethee). Untuk memberikan gambaran yang lebih baik terhadap area yang tidak sama digunakan fungsi selisih nilai kriteria antar alternatif H (d) dimana hal ini mempunyai hubungan langsung dengan fungsi preferensi P. Dalam promethee disajikan enam fungsi preferensi kriteria (Chou et. al,, 2004), dalam penelitian ini hanya menggunakan tiga prefensi kriteria. 1. Kriteria Quasi (Quasi Quasi Criterion) Criterion Kriteria Quasi sering digunakan dalam penilaian suatu data dari segi kualitas atau mutu.
H (d) : Fungsi selisih kriteria antar alternatif d : Selisih nilai kriteria {d = f (a) – f (b)}
ISSN : 2338 – 8161
Kriteria preferensi linier dapat menjelaskan bahwa selama nilai selisih memiliki nilai yang lebih rendah dari p,, preferensi dari pembuat keputusan meningkat secara linier dengan nilai d. Jika nilai d lebih besar dibandingkan dengan nilai p, maka terjadi preferensi eferensi mutlak. Fungsi H (d) untuk fungsi preferensi seperti pada Gambar 3.
Gambar 3.. Kriteria Preferensi Linier (Chou et. al al, 2004) 3. Kriteria Level Tipe ini mirip dengan tipe Quasi yang sering digunakan dalam penilaian suatu data dari segi kualitas atau mutu..
H (d) : Fungsi selisih kriteria antar alternatif p : Nilai kecenderungan atas Parameter (q) : Harus merupakan nilai yang tetap.
15
Jurnal Evolusi Volume 5 No 1 - 2017 - evolusi.bsi.ac.id
Jika |d| berada diantara nilai q dan p, hal ini berarti situasi preferensi yang lemah (H(d) = 0,5). Fungsi H (d) untuk fungsi preferensi seperti ditunjukkan pada Gambar 4.
Gambar 4.. Kriteria Level ( Chou et. al, 2004 ) 3.1. Tahapan Penelitian a. Tahap Identifikasi Dalam tahap awal penelitian ini adalah melakukan identifikasi permasalahan dalam pencarian mahasiswa yang bermasalah. Hasil identifikasi tersebut dirumuskan untuk diselesaikan dalam penelitian ini. Tahap identifikasi ini terdiri dari observasi pendahuluan dan identifikasi masalah serta tujuan penelitian. 1. Obeservasi Pendahuluan Penelitian ini dilatarbelakangi oleh permasalahan-permasalahan permasalahan yang ada pada mahasiswa yang menyebabkan proses belajar mengajar terganggu sehingga mahasiswa tidak dapat menyelesaiakan studi sesuai yang direncanakan.. Observasi pendahuluan dilakukan dengan melihat kondisi di lapangan dalam hal ini di perguruan tinggi yang berada di wilayah Surakarta dan sekitarnya. Langkah ini dilakukan untuk memperoleh gambaran riil permasalahan permas yang ada dalam penanganan mahasiswa yang bermasalah untuk segera mengambil keputusan dan tindakan yang tepat. Selain itu dilakukan juga diskusi dengan berbagai pihak yang terkait antara lain dosen pengajar dan dosen pembimbing akademik. 2. Identifikasi Permasalahan Dan Tujuan Penelitian Identifikasi terhadap permasalahan yang terdapat dalam penanganan mahasiswa yang bermasalah dilakukan berdasarkan observasi pendahuluan. Langkah ini berguna agar masalah yang dibahas bisa lebih fokus sehingga memudahkan dalam pelaksanaan penelitian dan tidak terjadi penyimpangan dari tujuan utama penelitian ini. b. Studi Pustaka Tahap ini dilakukan untuk mengumpulkan berbagai informasi yang berkaitan dengan penelitian ini. Literatur yang digunakan dalam penelitian ini berhubungan dengan sistem pendukung keputusan, metode AHP, metode Promethee dan pemrograman visual basic. c. Tahap Perancangan Sistem Berbasis Manajemen Pengetahuan
ISSN : 2338 – 8161
Pada tahap ini dilakukan perancangan sistem pendukung keputusan agar bisa menjadi sebuah aplikasi asi yang dapat berfungsi seperti yang diharapkan. Beberapa tahap yang dikerjakan pada kegiatan ini adalah : 1. Tahap Pengumpulan Dan Pengolahan Data Pada tahap ini dilakukan pengumpulan dan pengolahan terhadap data yang digunakan untuk merancang sistem pendukung keputusan. Data yang digunakan adalah : a) Data nilai, lama studi dan data cuti mahasiswa yang diambil dari Sistem Informasi Akademik yang sudah berjalan. b) Data pembayaran SPP mahasiswa yang diambil dari Sistem Informasi Pembayaran SPP. 2. Tahap Analisa Dan Perancangan Sistem Tahapan ini melakukan analisis kelemahan sistem yang berjalan atau dikerjakan saat ini, analisis kebutuhan sistem yang akan dibangun dan mendefinisikan kebutuhan yang harus dipenuhi oleh sistem yang akan dibangun. Setelah melakukan analisa fase selanjutnya adalah perancangan sistem. Dalam tahap perancangan dibuat suatu rancangan yang dapat menggambarkan alur kerja dari sistem yang akan dibangun, desain dari bagian bagian-bagian yang akan dikerjakan dalam pembuatan sistem. 3. Tahap Implementasii Sistem Pada tahap ini akan dilakukan pengolahan data mahasiswa menggunakan bahasa pemrograman visual basic. Pada tahapan ini dibagi menjadi tiga proses untuk menentukan mahasiswa yang bermasalah. a) Proses Menentukan Kriteria Pada tahap ini dilakukan pengolahan data kriteria menentukan mahasiswa yang perlu ditindaklanjuti untuk diberi pengarahan dan penanganan khusus secara garis besar terdiri dari tiga bagian yaitu dalam hal akademik (nilai indeks prestasi, lama studi, cuti dan absensi) absensi), keuangan dan kemahasiswaan (miras, narkoba dan berkelahi). b) Proses AHP. Proses ini digunakan untuk mema memasukkan rasio kepentingan masing masing kriteria. Dari rasio kepentingan yang sudah dimasukkan kemudian dilakukan proses selanjutnya yaitu menghitung dan membuat matriks ks normalisasi, dari matriks normalisasi ini akan didapat bobot atau nilai eigen yang akan digunakan pada metode selanjutnya yaitu promethee. Langkah berikutnya adalah membuat matriks konsistensi dan perhitungan intensitas sampai menghasilkan nilai konsistensi. ensi. Apabila nilai yang dihasilkan belum konsisten atau masih lebih besar atau sama dengan sepuluh persen maka rasio kepentingan masing-masing masing kriteria harus dirubah kembali
16
Jurnal Evolusi Volume 5 No 1 - 2017 - evolusi.bsi.ac.id
sampai menghasilkan nilai konsistensi yang lebih kecil dari sepuluh persen. c) Proses Promethee Hasil dari proses AHP yang menghasilkan bobot setiap kriteria yang sudah memiliki nilai konsistensi kurang dari 0,1 atau sepuluh persen dibawa ke proses promethee. Dalam proses metode promethee, bobot dari AHP digunakan untuk membuat matriks normalisasi yang nantinya digunakan untuk menentukan nilai threshold. Nilai threshold disesuaikan dengan tipe preferensi kriteria yang digunakan pada masing-masing kriteria. Langkah selanjutnya adalah setiap alternatif akan dibandingkan satu per satu dan kebalikannya sesuai dengan tipe preferensi yang digunakan pada masing-masing kriteria sehingga akan menghasilkan tabel arah preferensi yang menampilkan nilai akhir dari perhitungan sebelumnya untuk perbandingan setiap alternatif. Hasil akhir dari proses promethee ini adalah nilai leaving flow, entering flow dan net flow. 4. Tahap Evaluasi Dalam tahapan ini dilakukan pengujian terhadap tingkat keberhasilan dan efektifitas dari sistem yang dibangun serta dilakukan analisa terhadap hasil evaluasinya. d. Tahap Evaluasi Subyek dalam penelitian ini adalah beberapa perguruan tinggi di wilayah Surakarta dan sekitarnya. Dari subyek yang diteliti atau yang diminta data adalah pihak-pihak yang terkait dengan penelitian ini adalah bagian kemahasiswaan, bagian keuangan, bagian akademik, dan dosen pembimbing akademik. Dari data-data yang dikumpulkan nantinya berkaitan dengan data mahasiswa bermasalah. 4.1. Hasil Penelitian Metode yang digunakan berikutnya adalah promethee, langkah awal sebelum masuk ke metode promethee adalah mengambil data dari sistem informasi akademik dan sistem informasi pembayaran SPP kemudian memasukkan data absensi serta pelanggaran yang pernah dilakukan mahasiswa. Dari data tersebut dibuat matriks normalisasi dengan memanfaatkan nilai bobot yang diperoleh dari proses AHP dan menghitung nilai threshold. Dalam penelitian ini menggunakan tiga tipe preferensi yang terdapat dalam metode promethee yaitu tipe quasi, level dan linier. 4.2. Pembahasan Pada bagian ini akan dijelaskan cara perhitungan dari awal yaitu proses AHP sampai ke proses metode promethee yang menghasilkan nilai akhir untuk dijadikan rekomendasi bagi pengambil keputusan. Seperti yang telah sedikit dijelaskan
pada bagian implementasi, langkah-langkah dari awal sampai akhir sama seperti pada sub bab 5.1. Penjelasan perhitungan dari metode AHP sampai ke metode promethee dapat dilihat pada sub bab di bawah ini
4.2.1. Perhitungan Kriteria Dalam Metode AHP Berdasarkan input rasio kepentingan kriteria yang telah dimasukkan sebelumnya seperti tabel 1. Tabel 1. Input Rasio Kepentingan a i l
A 1 0.333 0.333
i 3 1 0.500
l 3 2 1
c
0.333
0.333
s m
0.500 0.333
1.000 0.333
n
0.333
b J m l
s 2 1 0.5
m 3 3 1
n 3 1 3
3.003
1
2
3
2
2.000 1.000
0.500 0.333
1 0.333
3 1
5 1
1.000
0.333
0.500
0.200
1.000
1
0.200
2.000
2.000
3.000
1.000
2.000
3.000
3.3667
9.1667
14.336
11.667
8.0333
17
19
Keterangan : a : absen i : IPS l : lama c : cuti
b 5 0.5 0.5 0.33 33 1 0.5 0.33 33 1 9.16 66
s : SPP m :miras n :narkoba b :berkelahi
Pada tabel 1 semua diagonal bernilai satu sebab kriteria yang sama pasti memiliki kepentingan yang sama. Maksud nilai kepentingan dapat dilihat pada table 2.3 di bab 2. Yang dimasukkan adalah nilai yang berada di atas diagonal, sedangkann nilai di bawah diagonal muncul otomatis. Penjelasan untuk memperoleh nilai yang berada di bawah diagonal adalah sebagai berikut : Kolom i baris a dimasukkan nilai 3 maka pada kolom a baris i akan muncul nilai 0,333 yang didapat dari 1/3. Kolom s baris l bernilai 0,5 maka nilai kolom l baris c = 2 ( 1/0,5 ) Kolom n baris s bernilai 5 maka nilai kolom s baris n = 0,2 ( 1/5 ) Kolom b baris c bernilai 0,3333 maka nilai kolom c baris b = 3 ( 1 / 0,3333 ) Langkah dan rumus tersebut dilakukan berulangulang sampai pada nilai terakhir yaitu kolom b baris n. Langkah selanjutnya adalah menjumlahkan nilai elemen setiap kolomnya. Nilai yang dihasilkan tersebut akan menjadi acuan untuk membuat matriks normalisasi. Jumlah elemen tiap kolom dapat dilihat pada tabel 1. 4.2.2. Perhitungan Matriks Normalisasi Metode AHP 5. Tabel 2. Matriks Normalisasi Metode AHP
a i
ISSN : 2338 – 8161
c 3 3 0.333
a
i
l
c
s
m
n
b
0.2 97 0.0
0.3 273 0.1
0.2 093 0.1
0.2 571 0.2
0.2 49 0.1
0.1 765 0.1
0.1 579 0.0
0.5 455 0.0
bo bot 0.2 774 0.1
17
Jurnal Evolusi Volume 5 No 1 - 2017 - evolusi.bsi.ac.id
l c s m n b
99 0.0 99 0.0 99 0.1 485 0.0 99 0.0 99 0.0 594
091 0.0 545 0.0 364 0.1 091 0.0 364 0.1 091 0.2 182
395 0.0 698 0.2 095 0.1 395 0.0 698 0.0 233 0.1 395
571 0.0 285 0.0 857 0.0 429 0.0 286 0.0 429 0.2 572
245 0.0 622 0.2 49 0.1 245 0.0 415 0.0 249 0.1 245
765 0.0 588 0.1 765 0.1 765 0.0 588 0.0 588 0.1 176
526 0.1 579 0.1 053 0.2 632 0.0 526 0.0 526 0.1 579
545 0.0 545 0.0 364 0.1 091 0.0 545 0.0 364 0.1 091
266 0.0 732 0.1 247 0.1 391 0.0 551 0.0 559 0.1 479
tabel1.Contoh perhitungan untuk konsistensi adalah sebagai berikut :
matriks
Kolom i baris a = nilai kolom i baris a matriks perbandingan kali bobot kriteria i. = 3 X 0,1266 = 0,3798 Kolom c baris l = 0,333 X 0,1247 = 0,0415 Kolom s baris c = 2 X 0,1391 = 0,2783 Kolom n baris m = 1 X 0,0559 = 0,0559 Kolom b baris n = 0,333 X 0,1479 = 0,0493 Langkah di atas dilanjutkan sampai semua nilai baris kolom terpenuhi, sehingga hasilnya nampak seperti tabel 5.3.
Nilai yang berada di matriks normalisasi seperti tampak pada tabel 2 didapat dari rumus : Nilai matriks rasio kepentingan kolom k baris b Kolom k baris b = Jumlah kolom k matriks rasio kepentingan Misal pada kolom i baris c, nilai kolom i baris c pada matriks rasio kepentingan adalah 0,333 dan jumlah kolom I adalah 9.1667, maka nilai kolom i baris c pada matriks normalisasi akan bernilai 0,333 / 9,1667 = 0,036357 yang dibulatkan menjadi 0,0364. Contoh perhitungan lainnya sebagai berikut : Nilai kolom s baris n = 0,2 / 8.0333 = 0,0249 Nilai kolom n baris l = 3 / 19 = 0,1579 Nilai kolom b baris a = 5 /9.1666 = 0,5455 Nilai kolom b baris m = 0,5 /9.1666 = 0,0545 Perhitungan seperti contoh di atas dilanjutkan sampai semua kolom baris terpenuhi. Nilai eigen atau bobot diperoleh dari rata-rata tiap baris, perhitungannya sebagai berikut : Bobot a = 0,297+0,3273+0,2093+0,2571+0.249+0,1765+0,1579+0,5455 = 2,2194 / 8 = 0,2774 Bobot i = 0.099+0.1091+0.1395+0,2571+0.1245+0.1765+0.0526+0.0545 = 1.0129 / 8 = 0.1266 Bobot l = 0.099+0.0545+0.0698+0.0285+0.0622+0.0588+0.1579+0.0545 = 0.5854 / 8 = 0.0732 Bobot c = 0.099+0.0364+0.2095+0.0857+0.249+0.1765+0.1053+0.0364 = 0.9976 / 8 = 0.1247 Bobot s = 0.1485+0.1091+0.1395+0.0429+0.1245+0.1765+0.2632+0.1091 = 1.1132 / 8 = 0.1391 Bobot m = 0.099+0.0364+0.0698+0.0286+0.0415+0.0588+0.0526+0.0545 = 0.4412 / 8 = 0.0551 Bobot n = 0.099+0.1091+0.0233+0.0429+0.0249+0.0588+0.0526+0.0364 = 0.4469 / 8 = 0.0559 Bobot b = 0.0594+0.2182+0.1395+0.2572+0.1245+0.1176+0.1579+0.1091 = 1.1834 / 8 = 0.1479
5.2.2. Perhitungan Matriks Konsistensi Metode AHP Proses dalam metode AHP berikutnya adalah membuat matriks konsistensi. Nilai matriks konsistensi berasal dari nilai rasio kepentingan (tabel 1) dan nialai eigen atau bobot dari matriks normalisasi (tabel 2). cara menghitung atau mendapatkan nilai untuk nilai yang berada pada matriks konsistensi adalah mengalikan elemen pada kolom baris matriks rasio kepentingan dengan bobot kriteria yang bersesuaian. Elemen kolom matriks rasio kepentingan yang dimaksud disini adalah matriks awal yaitu matriks perbandingan sub kriteria
ISSN : 2338 – 8161
Tabel 3. Matriks Konsistensi Metode AHP a
i
l
s
m
n
b
a
0,2774
0,3798
0,2195
0,3741
c
0,2783
0,1654
0,1676
0,7396
jumlah 2,60183
i
0,0925
0,1266
0,1463
0,3741
0,1391
0,1654
0,0559
0,074
1,17395
l
0,0925
0,0633
0,0732
0,0415
0,0696
0,0551
0,1676
0,074
0,63676
c
0,0925
0,0422
0,2197
0,1247
0,2783
0,1654
0,1117
0,0493
1,08388
s
0,1387
0,1266
0,1463
0,0624
0,1391
0,1654
0,2793
0,1479
1,20586
m
0,0925
0,0422
0,0732
0,0416
0,0464
0,0551
0,0559
0,074
0,48078
n
0,0925
0,1266
0,0244
0,0624
0,0278
0,0551
0,0559
0,0493
0,49398
b
0,0555
0,2532
0,1463
0,3741
0,1391
0,1103
0,1676
0,1479
1,39417
Langkah selanjutnya adalah menghitung jumlah tiap baris pada matriks konsistensi, jumlah baris ini akan digunakan untuk menghitung nilai hasil bagi. 5.2.3. Perhitungan Rasio Konsistensi Metode AHP Sebelum menghitung Consistency Ratio (CR) terlebih dahulu menghitung nilai hasil bagi dengan cara bobot atau nilai eigen tiap kriteria atau tiap baris dibagi jumlah masing-masing baris pada matriks konsistensi yang bersesuaian. Perhitungannya sebagai berikut : Nilai hasil bagi kriteria a = 2,60183 / 0,2774 = 9,3781 Nilai hasil bagi kriteria i = 1,17395 / 0,1266 = 9,2722 Nilai hasil bagi kriteria l = 0,63676 / 0,0732 = 8,7025 Nilai hasil bagi kriteria c = 1,08388 / 0,1247 = 8,6918 Nilai hasil bagi kriteria s = 1,20586 / 0,1391 = 8,6662 Nilai hasil bagi kriteria m = 0,40878 / 0,0551 = 8,7178 Nilai hasil bagi kriteria n = 0,49398 / 0,0559 = 8,8423 Nilai hasil bagi kriteria b = 1,39417 / 0,1479 = 9,4249
5.2.4. Perhitungan Nilai Consistency Ratio (CR) Dari nilai hasil bagi di atas kemudian dicari rataratanya untuk mengetahui nilai λmax = 71,6958 / 8 = 8,962. Dari nilai λmax dapat dicari nilai indeks konsistensi (CI) dengan rumus nilai (λmax – jumlah kriteria) / jumlah kriteria dikurangi 1 = (8,962-8) / 7 = 0,137. Dari tabel … pada bab 2 diketahui nilai random indeks dari matriks berukuran 8 adalah 1,41. Untuk menghitung rasio konsistensi (CR) dapat dihitung dengan membagi nilai CI dengan nilai CR = 0,137 / 1,41 = 0,097. Dengan nilai CR 0,097 yang berarti sudah lebih kecil dari 0,1
18
Jurnal Evolusi Volume 5 No 1 - 2017 - evolusi.bsi.ac.id
maka rasio kepentingan yang dimasukkan pada tabel 5.1 dan nilai eigen atau bobot yang diperoleh pada tabel 5.2 sudah dapat digunakan pada metode promethee. 5.2.5. Perhitungan Matriks Normalisasi Metode Promethee Langkah awal dalam metode promethee adalah membuat matriks normalisasi. Matriks normalisasi membutuhkan nilai eigen atau bobot yang dihasilkan dari metode AHP sebelumnya (gambar 5.4) dan data mentah yang diambil dari sistem eksternal serta inputan absen maupun pelanggaran. Matriks normalisasi tampak seperti gambar 5.
Gambar 5. Matriks Normalisasi Metode Promethee Nilai yang berada di matriks normalisasi didapat dari perkalian antara data mentah dengan bobot dari AHP untuk masing-masing kriteria. Contoh perhitungan dapat dijelaskan sebagai berikut : Mahasiswa dengan NIM 2137100630 memiliki IPK 3,38, bobot IPK adalah 0,1266 maka nilai pada matriks normalisasi adalah 3,38 X 0,1266 = 0,42791 Mahasiswa NIM 2107200637lama studi 9 semester, bobot lama studi adalah 0,07317, nilai pada matriks normalisasi adalah 9 X 0,07317 = 0,6585 Mahasiswa NIM 2107100553 nunggak SPP selama 4 bulan, bobot SPP adalah 0,13914 maka nilai pada matriks normalisasi adalah 4 X 0,13914 = 0,5566. Perhitungan dengan cara di atas diulang-ulang sampai pada data yang terakhir sampai menghasilkan matriks normalisasi seperti gambar 5.
5.2.6. Perhitungan Nilai Threshold Metode Promethee Langkah selanjutnya setelah membuat matriks normalisasi adalah menghitung nilai threshold. Dari data mentah yang didapat dari sistem eksternal dan inputan absensi serta pelanggaran. Dari data tersebut dapat dihitung nilai threshold seperti tampak pada gambar 6.
Gambar 6. Nilai Threshold Kolom max adalah mencari nilai tertinggi dari masing-masing kriteria yang diambil dari data mentah pada gambar 5.7. Kolom min untuk menampilkan nilai terendah dari masing-masing kriteria. Untuk kolom min2 digunakan untuk menampilkan nilai terendah kedua (nilai yang lebih besar dari nilai terendah) dari masingmasing kriteria yang berasal dari data mentah. Nilai yang berada di kolom K1 didapat dari nilai max dikurangi nilai min untuk setiap kriteria, sedangkan kolom K2 berisi nilai yang didapat dari nilai min2 dikurangi nilai min. Nilai yang berada di kolom V didapat dari nilai K1 dikurangi nilai K2 untuk setiap kriteria. Isi kolom V didapat dari rumus : nilai V dibagi jumlah alternatif, sedangkan kolom P didapat dari nilai V dikurangi nilai Q untuk masing-masing kriteria. Contoh perhitungan sebagai berikut : Nilai K1 dari kriteria lama adalah 0,80487 (max) – 0,21951 (min) = 0,58536. Nilai K2 dari kriteria lama adalah 0,36585 (min2) – 0,21951 (min) = 0,14634. Nilai V dari kriteria ipk adalah 0,44057 (K1) – 0,10508 (K2) = 0,33549 Nilai V dari kriteria spp adalah 2,22624 (K1) – 1,66968 (K2) = 0,55656 Jumlah alternatif yang sudah masuk ke dalam sistem sejumlah 32, nilai ini digunakan untuk menghitung Q. Nilai Q dari kriteria spp adalah 0,55656 (V) / 32 = 0,01739 Nilai Q dari kriteria ipk adalah 0,33549 (V) / 32 = 0,01048 Nilai P dari kriteria spp adalah 0,55656 (V) - 0,01739 (Q) = 0,53917 Nilai P dari kriteria ipk adalah 0,33549 (V) - 0,01048 (Q) = 0,32501
Dalam metode promethee terdapat beberapa tipe preferensi yang dapat digunakan sesuai dengan jenis kriteria yang digunakan. Dalam penelitian ini menggunakan tiga tipe preferensi. Kriteria absen menggunakan tipe preferensi quasi, sedangkan kriteria ips menggunakan tipe level yang manggambarkan data sebagai kwalitas atau mutu. Ke enam kriteria lainnya menggunakan tipe preferensi linier sebab datadata tersebut menggambarkan penilaian dari segi kwantitas. Tipe preferensi yang digunakan berpengaruh terhadap perhitungan perbandingan preferensi antar alternatif pada langkah berikutnya. Kondisi dari masing-masing tipe preferensi yang digunakan sebagai berikut : a.
Tipe Preferensi Quasi : Hd bernilai 0 jika d<=q dan Hd bernilai 1 jika d>q. b. Tipe Preferensi Level : Hd bernilai 0 jika d<=q, Hd bernilai 0,5 jika q
p. c. Tipe Preferensi Linier : Hd bernilai 0 jika d<=0, Hd bernilai d/p jika 0<=d<=p dan Hd bernilai 1 jika d>p.
5.2.7. Perhitungan Perbandingan Nilai Preferensi Antar Alternatif Langkah menghitung perbandingan nilai antar alternatif adalah langkah yang paling ISSN : 2338 – 8161
19
Jurnal Evolusi Volume 5 No 1 - 2017 - evolusi.bsi.ac.id
panjang dalam metode promethee, semakin banyak alternatif maka semakin banyak perbandingan yang dilakukan. Jika terdapat lima alternatif maka diperlukan 10 kali perbandingan nilai preferensi antar alternatif yang masingmasing menghitung nilai fa1-fa2, nilai fa2-fa1, nilai a1-a2 dan nilai a2-a1 jadi terdapat 40 kali perhitungan yang harus dilakukan. Dalam implementasi penelitian ini telah dimasukkan sebanyak 32 alternatif, sehingga diperlukan sebanyak 496 kali perbandingan nilai preferensi antar alternatif dan terdapat sebanyak 1984 kali perhitungan. Jika metode promethee dengan jumlah alternatif yang banyak maka memerlukan waktu yang tidak sedikit untuk menyelesaikan, dengan adanya SPK dalam penelitian kali ini sangat membantu dalam menghitung perbandingan nilai preferensi antar alternatif yang jumlahnya sangat banyak. Hasil perhitungan untuk melakukan perbandingan nilai preferensi antar alternatif dalam penelitian ini dapat dilihat pada gambar 5.14. Untuk menampilkan hasil perhitungan dari perbandingan preferensi antar alternatif dengan jumlah alternatif sebanyak 32, sistem dalam penelitian ini membutuhkan waktu selama tujuh detik. Dalam waktu tujuh detik sistem dapat melakukan perhitungan sebanyak 1984 kali.
Gambar 7. Perbandingan Nilai Preferensi Antar Alternatif Contoh perhitungan perbandingan nilai preferensi antar alternatif sebagai berikut : a. Untuk perbandingan nim 2127300408 (a1) dan 2137100630 (a2) : fa1-fa2 IPS : IPS (a1) = 3,48 IPS (a2) = 3,38 fa1 – fa2 = 3,48 – 3,38 = 0,1 Kondisi untuk tipe preferensi level adalah jika d ≤ q maka Hd=0, jika q < d ≤ p maka Hd = 0,5, jika d > p maka Hd =1. d adalah nilai fa1fa2. Dari gambar 4.13 dapat dilihat nilai kriteria IPK untuk q = 0,01048 dan p = 0,32501. ISSN : 2338 – 8161
Dari kondisi dan nilai q serta p tersebut maka kondisi yang terpenuhi adalah 0,01048 < 0,1 ≤ 0,32501, jadi nilai a1-a2 IPK adalah 0,5. b. Untuk perbandingan nim 2127200752 (a1) dan 2137100628 (a2) : fa1-fa2 absen : absen (a1) = 0 absen (a2) = 1 fa1 – fa2 = 0 – 1 = -1 Kondisi untuk tipe preferensi quasi adalah jika d ≤ q maka Hd=0, jika d > p maka Hd =1. d adalah nilai fa1-fa2. Dari gambar 4.13 dapat dilihat nilai kriteria absen untuk q dan p = 0. Dari kondisi dan nilai q serta p tersebut maka kondisi yang terpenuhi adalah 0 ≤ 0, jadi nilai a1-a2 IPK adalah 0. c. Untuk perbandingan nim 2127300408 (a1) dan 2137100622 (a2) : fa1-fa2 SPP : SPP (a1) = 15 SPP (a2) = 0 fa1 – fa2 = 15 – 0 = 15 Kondisi untuk tipe preferensi linier adalah jika d ≤ 0 maka Hd=0, jika 0 < d ≤ p maka Hd = d/p, jika d > p maka Hd =1. d adalah nilai fa1fa2. Dari gambar 5.13 dapat dilihat nilai kriteria SPP untuk q = 0,01739 dan p = 0,53917. Dari kondisi dan nilai q serta p tersebut maka kondisi yang terpenuhi adalah 0,01048 < 0,1 ≤ 0,32501, jadi nilai a1-a2 IPK adalah 1. Perhitungan seperti di atas diulang-ulang sampai semua alternatif dibandingkan dan perbandingan juga dilakukan sebaliknya, misalnya membandingkan fa1-fa2 maka juga membandingkan fa2-fa1. Perhitungan perbandingan untuk a1-a2 juga harus melihat kondisi dari tipe preferensi yang digunakan masing-masing kriteria. Dari hasil perbandingan nilai preferensi antar alternatif dibuat tabel arah preferensi antar alternatif seperti tampak pada gambar 5.15. Nilai yang terdapat dalam tabel arah preferensi berasal dari rata-rata nilai a1-a2 yang bersesuaian dengan NIM masing-masing alternatif (gambar 5.14). Misalnya untuk mengisi di kolom 2097100343 baris 2127300408 didapat dari : 0 + 0,5 + 0 + 0 + 0 + 1 + 0 + 0 = 1,5 / 8 =0,1875 Untuk mengisi nilai di baris 2107200627 kolom 2107200622 didapat dari : 0 + 1 + 0 + 0 + 1 + 0 + 0 + 0 = 2 / 8 =0,25
20
Jurnal Evolusi Volume 5 No 1 - 2017 - evolusi.bsi.ac.id
database eksternal, kesalahan kinerja, inisialisasi dan kesalahan terminasi. 4.3.1. Pengujian Black Box a. Pengujian Login Berikut ini adalah tabel pengujian proses login untuk masuk ke dalam sistem yang dilakukan oleh pejabat struktural. Tabel 4. Pengujian Login Kasus dan Hasil Pengujian (Data Normal) Data masukan
Yang
Pengamatan
Nama pengguna
Nama muncul
Dapat mengisi
dan kata sandi
pada text
nama dan
box, kata
kata sandi.
Kesimpulan
diharapkan
Gambar 8. Tabel Arah Preferensi Antar Alternatif 5.2.8. Perhitungan Entering, Leaving Dan Net Flow Langkah terakhir dalam metode promethee adalah menghitung nilai entering, leaving dan net flow.. Perhitungan bagian ini bersumber dari nilai yang terdapat dalam tabel arah preferensi (gambar 5.15). Menghitung entering flow sama dengan menjumlah nilai masing-masing masing kolom yang berada di tabel arah preferensi dibagi dengan jumlah alternatif yang sudah dikurangi satu sedangkan nilai leaving flow didapat dari jumlah nilai masing-masing masing baris dibagi dengan jumlah alternatif yang sudah dikurangi satu. Jika urutan nilai dari entering flow berbeda dengan urutan nilai leaving flow maka perlu dihitung nilai net flow dengan rumus nilai leaving flow dikurangi nilai entering flow.. Contoh perhitungan di bawah ini dapat dicocokan dengan nilai yang terdapat pada gambar 5.10. a. Nilai leaving flow untuk NIM 2107200622 :(0 + 0,0625 + 0,125 + 0 + 0 + 0 + 0,125 + 0 + 0 + 0 + 0,125 + 0 + 0 + 0,125 + 0,125 + 0,25 + 0,25 + 0,25 + 0,25 + 0,125 + 0,25 + 0,1875 + 0,25 + 0,125 + 0,125 + 0,125 + 0,125 + 0,125 + 0,25 + 0,25 + 0,25 + 0,125) / 31 = 1,3 b. Nilai entering flow untuk NIM 2107200638 : (0,375 + 0,125 + 0,125 + 0,13 + 0,125 + 0,125 + 0 + 0,125 + 0,125 + 0,125 + 0 + 0,125 + 0,125 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,125 + 0,125 + 0,125 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,125)/ 31 = 1,85 c. Nilai entering flow untuk NIM 2117100445 : (0,3125 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,125 + 0,125 + 0 + 0 + 0 + 0 + 0,125 + 0,125 + 0,125 + 0,125 + 0,125 + 0,125 + 0,1875 + 0,125 + 0,3125 + 0,125 + 0,125 + 0,1875 + 0,125) / 31 = 0,1734
5.3. Pengujian Sistem Tujuannya dari pengujian ini adalah untuk menjamin bahwa perangkat lunak yang memiliki kualitas yang baik yaitu mampu untuk mempersentasikan kajian pokok dari spesifikasi, analisis, perancangan dan pengkodean dari perangkat lunak itu sendiri. Pengujian dilakukan dil menggunakan metode black box yang berfokus pada peryaratan fungsional perangkat lunak. Pengujian black box berusaha menemukan kesalahan dalam kategori fungsi-fungsi fungsi yang tidak benar atau hilang, kesalahan interface, kesalahan dalam struktur data atau ata akses ISSN : 2338 – 8161
sandi muncul sebagai simbol. Tombol enter
Menyaring
Data dosen
data dosen
tersaring dan
yang ada di
hanya tampil
tabel
data dosen yang berhak dinilai oleh pengguna.
Kasus dan Hasil Pengujian (Data Salah) Nama pengguna
Tidak
, kata sandi dan
login
dapat
tombol enter.
Login gagal dan muncul pesan
b. Pengujian Pengolahan Data Absensi Dan Pelanggaran Tabel 5. Pengujian Data Data Absensi Dan Pelanggaran Kasus dan Hasil Pengujian Data
Yang diharapkan
Pengamatan
Memilih jenis
Label dan option
Dipilih absensi,
: absensi
berubah sesuai
label berubah
atau
dengan jenis
jenis absensi :
pelanggaran
yang dipilih
sakit, ijin dan
Data absensi
Data tidak dapat
Data dapat
atau
disim-pan jika
disimpan jika
pelanggaran
NIM tidak
NIM ditemukan
sesuai
ditemukan.
dan tidak dapat
masukan
Kesimpula n
alpha
masukan
disimpan jika
yang diminta
NIM tidak ada
NIM atau
Dapat mencari
Data dapat
nama dalam
NIM atau nama
disaring pada
isian penca-
sesuai data yang
grid yang mirip
rian
dimasukkan
dengan yang dimasukkan
c. Pengujian Proses AHP Tabel 6. Pengujian Proses AHP
21
Jurnal Evolusi Volume 5 No 1 - 2017 - evolusi.bsi.ac.id
Kasus dan Hasil Pengujian Data masukan
Yang diharapkan
Pengamatan
Rasio
Menghitung rasio
Tampil hasil rasio
kepentingan (n)
dan hasilnya tampil
dari rumus 1/n di
di tempat yang
tempat yang sesuai
Kesimpulan
sesuai Matriks rasio
Tampil matriks
Tampil matriks
kepentingan
normal-isasi sesuai
normal normal-isasi dan
rumus dan nilai
hasinya sesuai
eigen
serta bobot tiap kriteria
Matriks rasio
Tampil matriks
Tampil matriks
kepentingan
konsis-tensi dan
konsis konsis-tensi dengan
dan nilai eigen
nilai CR sesuai
nilai CR yang
rumus 2.1
sesuai
4.3.2. Hasil Pengujian Black Box Hasil pengujian yang diperoleh dari uji kasus sampel di atas adalah aplikasi Sistem Pendukung Keputusan yang dibuat dalam penelitian ini layak untuk digunakan karena semua yang diharapkan dari program ini dengan pengamatan yang dilakukan telah sesuai dengan yang diharapkan. 4.3.3. Pengujian White Box Pengujian wahite box dilakukan dengan menggunakan teknik basis path testing. a. Pengujian Menghitung Rasio Kepentingan 1. Kode program untuk menghitung rasio kepentingan adalah :
1
Select Case Index Case 11
2
ts1(14) = FormatNumber$(1 / ts1(Index), 5) Case 12
4
ts1(18) = FormatNumber$(1 / ts1(Index), 5)
3 5
Case 13
6 ts1(22) = FormatNumber$(1 / ts1(Index), 5)
7
Case 16 8 ts1(19) = FormatNumber$(1 / ts1(Index), 5)
9
Case 17 10 ts1(23) = FormatNumber$(1 / ts1(Index), 5)
11
Case 21
12
ts1(24) = FormatNumber$(1 / ts1(Index), 5) End Select
13
14
2. Graf Alir dari kode program di atas adalah 1
2,3
4,5
7,8
5,6
14
9,10
11,12
Gambar 9. Graf Alir Menghitung Rasio Kepentingan Dari Gambar 9. dapat dihitung kompleksitas siklomatisnya : V(G) = 12 – 8 + 2 = 6 Kelompok basis graf alir dari Gambar 4.16 adalah : Jalur 1 : 1 – 2,3 – 14 Jalur 2 : 1 – 4,5 - 14 Jalur 3 : 1 – 6,7 - 14 Jalur 4 : 1 – 8,9 - 14 Jalur 5 : 1 – 10,11 - 14 Jalur 6 : 1 – 12,13 – 14 3. Test Case Menghitung Rasio Kepentingan Jalur 1 : nilai yang masuk pada text box 11 misalnya 2, nilai yang tampil pada text box bernama ts1(14) adalah 1 / 2 = 0,5. Hasil yang diharapkan : menampilkan hasil dari perhitungan 1 dibagi nilai yang dimasukkan dan keluar dari percabangan. Jalur 2 : nilai yang masuk pada text box 12 misalnya 0,3, nilai yang tampil pada text box bernama ts1(18) adalah 1 / 0,3 = 3. Hasi yang diharapkan : menampilkan hasil dari perhitungan 1 dibagi nilai yang dimasukkan dan keluar dari percabangan. Jalur 3 : nilai yang masuk pada text box 13 misalnya 3, nilai yang tampil pada text box bernama ts1(22) adalah 1 / 3 = 0,333. Hasii yang diharapkan : menampilkan hasil dari perhitungan 1 dibagi nilai yang dimasukkan dan keluar dari percabangan. Jalur 4 : nilai yang masuk pada text box 16 misalnya 3, nilai yang tampil pada text box bernama ts1(19) adalah 1 / 3 = 0,333. Hasi yang diharapkan apkan : menampilkan hasil dari perhitungan 1 dibagi nilai yang dimasukkan dan keluar dari percabangan. Jalur 5 : nilai yang masuk pada text box 17 misalnya 5, nilai yang tampil pada text box bernama ts1(23) adalah 1 / 5 = 0,2. Hasi yang diharapkan : menampilkan hasil dari perhitungan 1 dibagi nilai yang dimasukkan dan keluar dari percabangan. Jalur 6 : nilai yang masuk pada text box 21 misalnya 7, nilai yang tampil pada text box bernama ts1(24) adalah 1 / 7 = 0,143. Hasil yang diharapkan : menampilkan hasil dari perhitungan 1 dibagi nilai yang dimasukkan dan keluar dari percabangan. 4. Hasil Pengujian : tampil hasil dari perhitungan 1 dibagi nilai yang dimasukkan pada baris dan kolom yang dimaksud. b. Pengujian Menghitung Matriks Normalisasi 1. Kode Program Untuk Mendapatkan Matriks Normalisasi 1
ISSN : 2338 – 8161
22
Jurnal Evolusi Volume 5 No 1 - 2017 - evolusi.bsi.ac.id
e=0 2 For b = 10 To 18 Step 3 j=0 3 d=0 4 For c = b To b + 2 5 ts2(c) = FormatNumber$(CDbl(ts1(c)) / js(d),5) j = j + CDbl(ts2(c)) 7 d=d+1 8 Next c 9 pi(e) = FormatNumber$(CDbl(j / 5), 5) e=e+1 11 Next b 12
6
10
2. Graf Alir dari kode program di atas adalah : 1
2
3,4
b. Penggunaan AHP yang memberikan rasio kepentingan setiap kriteria dan menghasilkan nilai eigen yang selanjutnya digunakan dalam metode promethee sampai menghitung nilai leaving flow, entering flow dan net flow dapat menghasilkan daftar urutan mahasiswa yang perlu ditangani secara khusus. c. Langkah analisa yang diterapkan dengan menganalisa kelemahan sistem terdahulu, menentukan kriteria, membuat diagram alir sistem yang dikembangkan, pemodelan sistem dengan menggunakan metode UML, membuat rancangan input dan juga output serta membuat desain database. d. Program yang dibuat telah menggunakan cara perhitungan yang efektif dengan menggunakan perulangan tersarang dan percabangan yang telah sesuai prosedur pemrograman.
5
6,7,8
9
10,11
12
Gambar 10. Graf Alir Menghitung Matriks Normalisasi Dari Gambar 10 dapat dihitung kompleksitas siklomatisnya : V(G) = 9 – 8 + 2 = 3 Kelompok basis graf alir dari Gambar 5.17 hanya terdapat 1 jalur yaitu : 1 – 2 – 3,4 – 5 – 6,7 – 8 – 9,10 – 11 c. ValidasiPengujian White Box Tabel 7. ValidasiPengujian White Box Proses
Yang diharapkan
Hasilpengujian
Valid asi
Menghitungrasi okepentingan
Menampilkan
Tampil hasil
hasil dari
perhitungan 1 dibagi
perhitungan 1
nilai yang dimasuk-
dibagi nilai yang
kan pada baris dan
dimasukkan dan
kolom yang
keluar dari
dimaksud sesuai
percabangan.
kondisi yang ditulis.
Valid
5. Kesimpulan a. Sistem pendukung keputusan yang dibuat dapat menghasilkan data mahasiswa yang memerlukan penanganan dan perhatian khusus sebagai rekomendasi kepada pengambil keputusan.
ISSN : 2338 – 8161
6. Daftar Pustaka [1] Anagnostopoulos, K.P, Petalas, C., Pisinaras, V., Water Resources Planning Using The Ahp And Promethee Multicriteria Methods: The Case Of Nestos th River – Greece, The 7 Balkan Conference On Operational Research “BACOR 05”, Costanta, May 2005, Romania. [2] Amponsah, SK., Darkwah, KF and Inusah, A., 2012, Logistic preference function for preference ranking organization method for enrichment evaluation (PROMETHEE) decision analysis, African Journal of Mathematics and Computer Science Research Vol. 5(6). [3] Cavallaro, F., 2005, An Integrated MultiCriteria System to Assess Sustainable Energy Options : An. Application of the Promethee Method, Nota Di Lavoro, Milan: Fundazione Eni Enrico Mattei, 22. [4] Chou, TY., Lin, WT, Lin, CY., Chou, WC and Huang, PH., 2004, Application Of The Promethee Technique To Determine Depression Outlet Location And Flow Direction In DEM, Departments of Land Management, Feng-Chia University, Taiwan. [5] Gunawan, 2011, Sistem Informasi Pencarian Dan Monitoring Siswa Bermasalah Dengan Metode Promethee Pada Smp Yppi 2 Surabaya, Thesis STIKOM Surabaya. [6] Michael D., Constantin Z., 2014, A Multicriteria Decision Support System For Bank Rating. International Journal on Soft Computing (IJSC), Vol.2, No. 1, February 2014.
23
Jurnal Evolusi Volume 5 No 1 - 2017 - evolusi.bsi.ac.id
[7]
Royan S., 2004, Pengembangan Aplikasi SPK Untuk Proses Pemilihan Manager PT. Huta Haean Pekan Baru dengan Metode AHP. Jurnal UAD, Yogyakarta. [8] Sundarraj R. P., 2012, A Web-Based AHP Approach To Standardize The Process Of Managing Service-Contracts. International Journal on Soft Computing (IJSC), Vol.2, No. 1. [9] Suryadi, K dan Ramdhani. (2002). Sistem Pendukung Keputusan : Suatu Wacana Struktural Idealisasi dan Implementasi Konsep Pengambilan Keputusan. Bandung : PT.Remaja Rosdakarya. [10] Tal B. Z., 2014, Measuring The Perceived Effectiveness Of Decision Support Systems And Their Impact On
ISSN : 2338 – 8161
Performance. Procedia Soft Computing Sciences 11- 1502–1506. [11] Turban, E., 2001, Decision Support Systems and Expert Systems and th Intelligent Systems, 6 Edition, Prentice Hall Internasional, Inc., New Jersey. [12] Younghwa L., Kenneth A. K., 2013, Investigating The Effect Of Website Quality On E-Business Success : An analytic hierarchy process (AHP) approach. Decision Support Systems with Applications 09- 9007–9014. [13] Zhi H. H., Zhao H. S., 2014, A Decision Support System For Public Logistics Information Service Management And Optimization. Decision Support Systems with Applications 11-1502–1506.
24