Upload
others
View
14
Download
0
Embed Size (px)
Citation preview
i
SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN PEMBELIAN
LAPTOP MENGGUNAKAN FUZZY ELIMINATION ET CHOIX
TRADUISANT LA REALITE (FUZZY ELECTRE)
SKRIPSI
Diajukan Untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Oleh:
Dwi Putra Prihandito
135314048
PROGRAM STUDI TEKNIK INFORMATIKA
JURUSAN TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2017
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ii
DECISION SUPPORT SYSTEM TO BUY LAPTOP USING FUZZY
ELIMINATION ET CHOIX TRADUISANT LA REALITE METHOD
A THESIS
Presented as Partial Fullfillment of the Requirements
To Obtain the Sarjana Komputer Degree
In Informatics Engineering Study Program
By:
Dwi Putra Prihandito
135314048
INFORMATICS ENGINEERING STUDY PROGRAM
DEPARTMENT OF INFORMATICS ENGINEERING
FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
2017
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
iii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
iv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
v
.HALAMAN MOTTO
Wadja Sampai Kaputing
"Tetap bersemangat dan kuat seperti baja dari awal sampai akhir"
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
viii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ix
ABSTRAK
Banyaknya produk laptop yang beredar di pasaran dengan variasi harga dan
spesifikasi seperti lebar layar, kapasitas harddisk, kecepatan processor, kapasitas
RAM membuat para calon pembeli kesulitan dalam menetukan laptop yang sesuai
dengan keinginan. Setiap laptop mempunyai keunggulan tersendiri baik dari
harganya yang murah, kapasitas harddisk dan RAM yang besar, processor yang
cepat. Namun dalam kenyataannya, tidak semua keunggulan tersebut dapat
diperoleh. Pembeli sering dibatasi oleh dana yang terbatas atau keinginan untuk
memiliki lapotop dengan spesifikasi tertentu. Hal ini mendorong dibangunnya
sistem pendukung pengambilan keputusan pembelian laptop. Adapun metode yang
digunakan adalah Fuzzy Elimination Et Choix Traduisant La Realite (FUZZY
ELECTRE).
Kriteria yang digunakan dalam SPPK ini adalah harga, lebar layar,
kapasitas harddisk, kapasitas RAM, dan kecepatan processor. Kriteria tersebut akan
digunakan sebagai variabel linguistik. Intensitas kepentingan didefinisikan dengan
fungsi keanggotaan Triangular Fuzzy Number (TFN). Sistem ini dibangun berbasis
web dengan bahasa pemrograman PHP.
Hasil yang diperoleh dari penelitian ini adalah jika menggeser nilai l dan u
kekiri dan ke kanan dibandingkan dengan hasil TFN awal akan menghasilkan
urutan prioritas yang sama tetapi dengan skor ranking yang berbeda. Sedangkan,
jika menggeser nilai m kekiri dan ke kanan dibandingkan dengan hasil TFN awal
menghasilkan urutan prioritas yang berbeda dan skor ranking yang berbeda. Jika
nilai l, m, u diubah menjadi tegas yaitu bernilai sama untuk setiap tingkat
kepentingan (metode ELECTRE tradisional) dibandingkan dengan hasil TFN awal
menghasilkan urutan prioritas yang berbeda dan dengan skor ranking yang berbeda.
Kata Kunci : fuzzy Elimination Et Choix Traduisant La Realite (ELECTRE),
Triangular Fuzzy Number (TFN), Laptop.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
x
ABSTRACT
Many laptop products that circulate on the market with variations in price
and specifications such as wide screen, hard drive capacity, processor speed, RAM
capacity make prospective buyers confused in determining laptops as the wishes.
Every laptop has a advantage like the cheap price, large hard drive and RAM
capacity, fast processor. But in this case, not all of these advantages can be obtained.
Buyers are often available by limited funds or desire to have laptops with certain
specifications. These things drives the making of decision support system to buy
laptop. The method that used is Fuzzy Elimination Et Choix Traduisant La Realite
( FUZZY ELECTRE ).
The criteria that used in this SPPK are price, screen width, hard drive
capacity, RAM capacity, and processor speed. These criteria will be used as
linguistic variables. The intensity of interest is defined by the Triangular Fuzzy
Number (TFN) membership function. This system is built web-based PHP
programming language.
The result of this research is if the l and u values is changed to the left and
to the right compared with the initial TFN result will produce the same priority
sequence with different rank. Meanwhile, if you shift the value of m left and right
compared with the initial TFN result will produce the different priority sequence
with different rank. If the values of l, m, u are converted to chrips for each level of
interest (traditional ELECTRE method) compare with the initial TFN result will
produce the different priority sequence with different rank.
Keywords : fuzzy Elimination Et Choix Traduisant La Realite (ELECTRE),
Triangular Fuzzy Number (TFN), Laptop.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xi
KATA PENGANTAR
Puji dan syukur kepada Tuhan Yang Maha Esa atas berkah dan karuniaNya,
sehingga penulis dapat menyelesaikan tugas akhir ini sebagai salah satu syarat
akademik jurusan Teknik Informatika Univertas Sanata Dharma Yogyakarta.
Pada kesempatan ini, penulis mengucapkan terima kasih kepada seluruh pihak
yang telah membantu dalam proses pengerjaan tugas akhir ini. Ucapan terimakasih
disampaikan kepada:
1. Tuhan Yesus yang berkatnya selalu berkelimpahan hari lepas hari..
2. Keluarga, Bapak Joko Pramono, Ibu Heriwati yang selalu memberikan
dukungan moral maupun materil dan doa.
3. Bapak Sudi Mungkasi, S.Si, M.Math.Sc., Ph.D selaku Dekan Fakultas
Sains dan Teknologi Universitas Sanata Dharma Yogyakarta.
4. Ibu Dr. Anastasia Rita selaku Ketua Prodi Fakultas Sains dan Teknologi
Universitas Sanata Dharma Yogyakarta.
5. Bapak Eko Hari Parmadi, S.Si., M.Kom. selaku dosen pembimbing yang
selalu mendukung dan sabar selama bimbingan tugas akhir berlangsung.
6. Group OKE yang selama ini bersama-sama jatuh dan bangun dalam
berjuang mengerjakan skripsi, khususnya Arka dan Dewi yang telah
mengajari dan memberi masukkan.
7. Teman-teman seperjuangan, Widia Yoga Arkadia, Kautsar Rusydi, Ronny
Gunardi, Kasih Handoyo, Yosia Adi dan teman-teman lain yang belum
sempat disebutkan yang selalu memberikan support untuk menyelesaikan
tugas akhir ini.
8. Teman-teman Apostolos yang menjadi tempat bertumbuh dan selalu
memberikan semangat.
9. Cewe setrong, Chrisnawati Ginting, Debora Dian, Pryscilia Tanjung terima
kasih untuk untuk keceriaan dan kebersamannya
10. Group Atapers, Risis Ayu, Grace Nindita, Yokebed Christina, Sonny
Fernando, Jhony Marsesi.
11. Teman-teman angkatan 2013 yang sedang berjuang bersama-sama dan
saling menemani saat sedang mengerjakan skripsi.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xii
DAFTAR ISI
SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN PEMBELIAN
LAPTOP MENGGUNAKAN FUZZY ELIMINATION ET CHOIX TRADUISANT
LA REALITE (FUZZY ELECTRE) ......................................................................... i
DECISION SUPPORT SYSTEM TO BUY LAPTOP USING FUZZY
ELIMINATION ET CHOIX TRADUISANT LA REALITE METHOD .................... ii
HALAMAN PERSETUJUAN ............................... Error! Bookmark not defined.
HALAMAN PENGESAHAN ................................ Error! Bookmark not defined.
HALAMAN MOTTO ............................................................................................. v
HALAMAN PERSEMBAHAN ............................ Error! Bookmark not defined.
PERNYATAAN KEASLIAN KARYA ................ Error! Bookmark not defined.
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH
UNTUK KEPENTINGAN AKADEMIS .............. Error! Bookmark not defined.
ABSTRAK ............................................................................................................. ix
ABSTRACT ............................................................................................................ x
KATA PENGANTAR ........................................................................................... xi
DAFTAR ISI ......................................................................................................... xii
DAFTAR GAMBAR .......................................................................................... xvii
DAFTAR TABEL ................................................................................................ xxi
BAB I PENDAHULUAN ...................................................................................... 1
1.1. Latar Belakang ......................................................................................... 1
1.2. Rumusan Masalah .................................................................................... 2
1.3. Tujuan ....................................................................................................... 2
1.4. Batasan Masalah ....................................................................................... 3
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiii
1.5. Manfaat Penelitian .................................................................................... 3
1.6. Metodologi Penelitian .............................................................................. 3
1.7. Sistematika Penulisan ............................................................................... 4
BAB II LANDASAN TEORI ................................................................................ 6
2.1. Sistem Pendukung Keputusan/ Decision Support Sistem(DSS) ............... 6
2.2. Logika Fuzzy ............................................................................................ 6
2.2.1. Pengenalan Logika Fuzzy .................................................................. 6
2.2.2. Fungsi Keanggotaan .......................................................................... 8
2.3. Fuzzy Multiple-Attribut Decision Making(FADM) ............................... 12
2.4. ELECTRE .............................................................................................. 12
2.5. Fuzzy ELECTRE .................................................................................... 15
BAB III METODE PENELITIAN....................................................................... 19
3.1. Gambaran Umum ................................................................................... 19
3.2. Desain Penelitian .................................................................................... 19
3.2.1. Study Literatur ................................................................................ 19
3.2.2. Data ................................................................................................. 19
3.2.3. Perancangan Alat Uji ...................................................................... 20
3.2.4. Pengujian dan Analisis .................................................................... 21
3.3. Peralatan Penelitian ................................................................................ 21
BAB IV Perancangan Sistem ............................................................................... 22
4.1. Analisis Sistem ....................................................................................... 22
4.1.1. Analisis Sistem Lama ...................................................................... 22
4.1.2. Analisis Sistem Baru ....................................................................... 22
4.2. Gambar Umum Sistem ........................................................................... 22
4.3. Analisis Kebutuhan Sistem .................................................................... 23
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiv
4.4. Perancangan Sistem Inferensi Fuzzy Metode Fuzzy Electre .................. 26
4.4.1. Kriteria ............................................................................................ 26
4.4.2. Himpunan Fuzzy ............................................................................. 27
4.4.3. Proses Sistem Pengambilan Keputusan .......................................... 28
4.4.4. Contoh Perhitungan Manual Proses Pengambilan Keputusan ........ 29
4.5. Perancangan Proses ................................................................................ 41
4.5.1. Diagram Konteks sistem ................................................................. 41
4.5.2. Diagram aliran data level 1 ............................................................. 41
4.5.3. Diagram aliran data level 2 ............................................................. 42
4.6. Perancangan Basis Data ......................................................................... 44
4.6.1. Perancangan Konseptual ................................................................. 44
4.6.2. Percancangan Logical ..................................................................... 45
4.6.3. Perancangan Fisikal ........................................................................ 45
4.7. Perancangan User Interface .................................................................... 47
4.7.1. Halaman Utama ............................................................................... 47
4.7.2. Halaman SPPK Pembelian Laptop.................................................. 48
4.7.3. Halaman Hasil SPPK ...................................................................... 48
4.7.4. Halaman Daftar Laptop ................................................................... 49
4.7.5. Halaman login ................................................................................. 49
4.7.6. Halaman Dasboard Admin ............................................................. 50
4.7.7. Halaman Kelola laptop .................................................................... 50
4.7.8. Halaman edit data laptop ................................................................. 51
4.7.9. Halaman Edit TFN .......................................................................... 52
4.7.10. Halaman Kelola Merek ................................................................... 52
4.7.11. Halaman Kelola Kriteria ................................................................. 53
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xv
BAB V IMPLEMENTASI, HASIL, DAN PEMBAHASAN .............................. 54
5.1. Implementasi Basis Data ........................................................................ 54
5.2. Implementasi Algoritma Fuzzy Elimination Et Choix Traduisant la
realite 58
5.2.1. Normalisasi Data Laptop................................................................. 58
5.2.2. Normalisasi aggregated fuzzy importance weight setiap kriteria .... 67
5.2.3. Menghitung nilai matriks normalisasi keputusan V ̃ untuk setiap
kriteria 72
5.2.4. Hitung nilai Corcodance dan Discornce ......................................... 74
5.2.5. Hitung index corcodance dan discordance ...................................... 77
5.2.6. Hitung index final corcodance dan discordance ............................. 82
5.2.7. Perankingan ..................................................................................... 83
5.3. Implementasi Interface ........................................................................... 84
5.3.1. Halaman Utama ............................................................................... 84
5.3.2. Halaman SPPK Laptop ................................................................... 84
5.3.3. Halaman Hasil SPPK ...................................................................... 86
5.3.4. Halaman Deskripsi Laptop .............................................................. 86
5.3.5. Halaman Login ................................................................................ 87
5.3.6. Halaman Dasboard Admin ............................................................. 87
5.3.7. Halaman Kelola Data Laptop .......................................................... 88
5.3.8. Halaman Edit Data Laptop .............................................................. 88
5.3.9. Halaman Edit TFN .......................................................................... 89
5.3.10. Halaman Kelola Merek ................................................................... 89
5.3.11. Halaman Kelola Kriteria ................................................................. 90
5.3.12. Halaman Tambah Data Kriteria ...................................................... 90
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvi
5.3.13. Halaman Daftar Laptop ................................................................... 91
5.4. Uji Coba Perangkat Lunak ..................................................................... 91
5.5. Pengujian Hasil Perhitungan dengan Sistem ........................................ 117
5.4.1. Hasil Perhitungan Manual ............................................................. 118
5.4.2. Hasil Perhitungan Sistem .............................................................. 125
5.6. Percobaan Triangular Fuzzy Number ................................................... 142
BAB VI PENUTUP ........................................................................................... 150
6.1. Kesimpulan ........................................................................................... 150
6.2. Saran ..................................................................................................... 150
DAFTAR PUSTAKA ......................................................................................... 151
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvii
DAFTAR GAMBAR
Gambar 2.1 Representasi Linear Naik .................................................................... 8
Gambar 2.2 Representasi Nilai Turun ..................................................................... 9
Gambar 2.3 Kurva Segitiga ................................................................................... 10
Gambar 2.4 Triangular Fuzzy Number.................................................................. 10
Gambar 2.5 Kurva Trapesium ............................................................................... 11
Gambar 2.6 Daerah ‘bahu’ pada variabel TEMPERATUR .................................. 12
Gambar 4.1 Use Case Diagram Administrator ..................................................... 24
Gambar 4.2 Use Case Package Kelola Laptop...................................................... 24
Gambar 4.3 Use Case Package Kelola Kriteria .................................................... 25
Gambar 4.4 Use Case Package Kelola Kriteria .................................................... 25
Gambar 4. 5 Use Case Diagram User ................................................................... 26
Gambar 4. 6 Use Case Package Sistem Pendukung Keputusan............................ 26
Gambar 4.7 Fungsi keanggotaan ........................................................................... 28
Gambar 4. 8 Flowchart Sistem .............................................................................. 29
Gambar 4. 9 Diagram Konteks Sistem .................................................................. 41
Gambar 4. 10 DFD level 1 Administrator ............................................................. 41
Gambar 4. 11 DFD level 1 User ........................................................................... 42
Gambar 4. 12 DFD level 2 proces 2 administrator ............................................... 42
Gambar 4. 13 DFD level 2 proces 3 administrator ............................................... 43
Gambar 4. 14 DFD level 2 proces 4 administrator ............................................... 43
Gambar 4. 15 DFD level 2 proces 2 user .............................................................. 44
Gambar 4. 16 Entity Relationship Diagram .......................................................... 44
Gambar 4. 17 Desain Logikal ............................................................................... 45
Gambar 4. 18 Halaman Utama .............................................................................. 47
Gambar 4. 19 Halaman SPPK Pembelian Laptop ................................................. 48
Gambar 4. 20 Halaman Hasil SPPK ..................................................................... 48
Gambar 4. 21 Halaman Daftar Laptop .................................................................. 49
Gambar 4. 22 Halaman Login ............................................................................... 49
Gambar 4. 23 Halaman Dashboard Admin ........................................................... 50
Gambar 4. 24 Halaman Kelola Laptop ................................................................. 51
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xviii
Gambar 4. 25 Halaman Edit Data laptop .............................................................. 51
Gambar 4. 26 Halaman Edit TFN ......................................................................... 52
Gambar 4. 27 Halaman Kelola Merek .................................................................. 52
Gambar 4. 28 Halaman Kelola Kriteria ................................................................ 53
Gambar 5. 1 Tabel pada Database : fuzzyelectre .................................................. 54
Gambar 5. 2 Tabel Admin ..................................................................................... 54
Gambar 5. 3 Tabel daftar_merek .......................................................................... 55
Gambar 5. 4 Tabel data_laptop ............................................................................. 55
Gambar 5. 5 Tabel kriteria .................................................................................... 56
Gambar 5. 6 Tabel Kriteri_laptop ......................................................................... 57
Gambar 5. 7 tabel triangularfuzzynumber ............................................................ 57
Gambar 5. 8 Array id merek ................................................................................. 59
Gambar 5. 9 Array id kriteria ................................................................................ 59
Gambar 5. 10 Array range harga .......................................................................... 59
Gambar 5. 11 Array Data Laptop .......................................................................... 62
Gambar 5. 12 Array data kriteria .......................................................................... 62
Gambar 5. 13 Array data laptop yang digunakan untuk SPK ............................... 63
Gambar 5. 14 Array kuatdrat data kriteria ............................................................ 65
Gambar 5. 15 Array Akar jumlah nilai perkriteria ................................................ 65
Gambar 5. 16 Array data laptop ternormalisasi .................................................... 66
Gambar 5. 17 Array Bobot Preferensi Perkriteria ................................................. 68
Gambar 5. 18 Array skala TFN perkritria ........................................................... 69
Gambar 5. 19 Array Nilai l, m, u .......................................................................... 71
Gambar 5. 20 berupa array normalisasi aggregated fuzzy importance weight ..... 72
Gambar 5. 21 Array V1, V2, V3 ........................................................................... 74
Gambar 5. 22 Array Corcodance1, Corcodance2, Corcodance3 .......................... 76
Gambar 5. 23 Array Discordance1, Discordance2, Discordance3........................ 77
Gambar 5. 24 Array index corcodance ................................................................. 79
Gambar 5. 25 Array Index Discordance ............................................................... 82
Gambar 5. 26 Array Index Final Corcodance dan Discordance ........................... 83
Gambar 5. 27 Array Nilai Perangkingan .............................................................. 84
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xix
Gambar 5. 28 Halaman Utama .............................................................................. 84
Gambar 5. 29 Halaman SPPK Laptop .................................................................. 85
Gambar 5. 30 Halaman Hasil SPPK ..................................................................... 86
Gambar 5. 31 Halaman Deskripsi Laptop ............................................................. 86
Gambar 5. 32 Halaman Login ............................................................................... 87
Gambar 5. 33 Halaman Dasboard Admin ............................................................ 87
Gambar 5. 34 Halaman Kelola Data Laptop ......................................................... 88
Gambar 5. 35 Halaman Edit Data Laptop ............................................................. 88
Gambar 5. 36 Halaman Edit TFN ......................................................................... 89
Gambar 5. 37 Halaman Kelola Merek .................................................................. 89
Gambar 5. 38 Halaman Kelola Kriteria ................................................................ 90
Gambar 5. 39 Halaman Tambah Data kriteria ...................................................... 90
Gambar 5. 40 Halaman Daftar Laptop .................................................................. 91
Gambar 5. 41 Halaman Daftar Laptop .................................................................. 93
Gambar 5. 42 Halaman SPPK Pembelian Laptop ................................................. 95
Gambar 5. 43 Halaman Hasil Preankingan Laptop ............................................... 96
Gambar 5. 44 Halaman Deskripsi Laptop ............................................................. 96
Gambar 5. 45 Percobaan 1 .................................................................................... 97
Gambar 5. 46 Hasil Percobaan 1 ........................................................................... 97
Gambar 5. 47 Percobaan ....................................................................................... 98
Gambar 5. 48 Input Login Salah ......................................................................... 100
Gambar 5. 49 Hasil Input Login Salah................................................................ 101
Gambar 5. 50 Input Login Benar ........................................................................ 101
Gambar 5. 51 Hasil Input Login Benar ............................................................... 101
Gambar 5. 52 Tabel Data Laptop ........................................................................ 103
Gambar 5. 53 Masukan Form Tambah Data Laptop........................................... 103
Gambar 5. 54 Data Laptop Tertambah ................................................................ 104
Gambar 5. 55 Mengisi Form Edit Data Laptop .................................................. 104
Gambar 5. 56 Data laptop Berubah ..................................................................... 104
Gambar 5. 57 Popup Konfirmasi Hapus ............................................................. 105
Gambar 5. 58 Data Laptop Terhapus .................................................................. 105
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xx
Gambar 5. 59 Isis Form Edit TFN ...................................................................... 106
Gambar 5. 60 Data TFN Berubah ....................................................................... 106
Gambar 5. 61Tabel Data Merek .......................................................................... 108
Gambar 5. 62 Isi Form Tambah Merek ............................................................... 108
Gambar 5. 63 Data Merek Tertambah................................................................. 108
Gambar 5. 64 Ubah Data Merek ......................................................................... 109
Gambar 5. 65 Konfirmasi Ubah Data Merek ...................................................... 109
Gambar 5. 66 Konfirmasi Hapus Merek ............................................................. 109
Gambar 5. 67 Data Merek Terhapus ................................................................... 110
Gambar 5. 68 Tabel Kriteria ............................................................................... 112
Gambar 5. 69 Isi Form Tambah Kriteria ............................................................. 112
Gambar 5. 70 Form Isi Dara Kriteria Laptop ...................................................... 113
Gambar 5. 71 Isi Form Tambah Data Kriteria Laptop ........................................ 113
Gambar 5. 72 Popup Konfirmasi Tambah Kriteria ............................................. 114
Gambar 5. 73 Kriteria Bertambah ....................................................................... 114
Gambar 5. 74 Isi Form Edit Data Kriteria........................................................... 115
Gambar 5. 75 Popup Konfirmasi Edit ................................................................. 115
Gambar 5. 76 Data Kriteria Teredit .................................................................... 116
Gambar 5. 77 Konfirmasi Hapus Kriteria ........................................................... 116
Gambar 5. 78 Kriteria Terhapus ......................................................................... 117
Gambar 5. 79 Array Data Alternatif Ternormalisasi .......................................... 126
Gambar 5. 80 Array aggregated fuzzy importance weight Ternormalisasi ........ 127
Gambar 5. 81 Array V1 ....................................................................................... 128
Gambar 5. 82 Array V2 ....................................................................................... 130
Gambar 5. 83 Array V3 ....................................................................................... 131
Gambar 5. 84 Array Corcodance ........................................................................ 133
Gambar 5. 85 Array Discordance........................................................................ 135
Gambar 5. 86 Array Index Corcodance .............................................................. 137
Gambar 5. 87 Array Index Discordance ............................................................. 138
Gambar 5. 88 Array Index FInal Corcodance dan Discordance ......................... 140
Gambar 5. 89 Array Skor Akhir .......................................................................... 141
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xxi
Gambar 5. 90 Triangular Fuzzy Number setelah nilai l digeser kekanan dan u
digeser ke kiri ...................................................................................................... 142
Gambar 5. 91 Triangular Fuzzy Number setelah nilai l digeser kekiri dan u digeser
ke kanan .............................................................................................................. 144
Gambar 5. 92 Triangular Fuzzy Number setelah nilai m digeser ke kiri ........... 145
Gambar 5. 93 Triangular Fuzzy Number setelah nilai m digeser ke kanan ........ 146
Gambar 5. 94 Nilai bobot preferensi bernilai tegas ........................................... 148
DAFTAR TABEL
Tabel 4. 1 tringular fuzzy number .......................................................................... 27
Tabel 4. 2 Contoh Data Laptop ............................................................................. 30
Tabel 4. 3 Bobot kepentingan perkriteria .............................................................. 30
Tabel 4. 4 Akar dari jumlah data laptop perkriteria .............................................. 31
Tabel 4. 5 Data laptop ternormalisasi ................................................................... 32
Tabel 4. 6 Normalisasi aggregated fuzzy importance weight ................................ 33
Tabel 4. 7 Matriks Normalisasi Keputusan V ̃ ...................................................... 34
Tabel 4. 8 Corcodance........................................................................................... 35
Tabel 4. 9 Discordance .......................................................................................... 36
Tabel 4. 10 Index corcodance ............................................................................... 37
Tabel 4. 11 Index Disrcodance.............................................................................. 38
Tabel 4. 12 Index Finall Corcodance dan Discordance ........................................ 39
Tabel 4. 13 Hasil Perangkingan ............................................................................ 40
Tabel 4. 14 Admin................................................................................................. 45
Tabel 4. 15 data_laptop ......................................................................................... 46
Tabel 4. 16 kriteria_laptop .................................................................................... 46
Tabel 4. 17 triangularfuzzynumber ........................................................................ 46
Tabel 4. 18 daftar_merek ...................................................................................... 46
Tabel 4. 19 kriteria ................................................................................................ 47
Tabel 5. 1 Data Laptop .......................................................................................... 63
Tabel 5. 2 Data Laptop Ternormalisasi ................................................................. 66
Tabel 5. 3 Bobot Kepentingan Dari User ............................................................. 67
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xxii
Tabel 5. 4 Ketentuan Bobot Preferensi ................................................................. 67
Tabel 5. 5 Triangular Fuzzy Number .................................................................... 68
Tabel 5. 6 Skala TFN Perkriteria .......................................................................... 69
Tabel 5. 7 Aggregated Fuzzy Importance Weight Ternormalisasi ....................... 72
Tabel 5. 8 Langkah Uji Sistem .............................................................................. 91
Tabel 5. 9 Hasil Uji Lihat Data Laptop ................................................................. 92
Tabel 5. 10 Hasil Uji Sistem Pendukung Keputusan ............................................ 93
Tabel 5.11 Hasil Uji Login ................................................................................. 100
Tabel 5. 12 Hasil Uji Kelola Laptop ................................................................... 102
Tabel 5. 13 Hasil Uji Ubah Skala TFN ............................................................... 105
Tabel 5. 14 Hasil Uji Kelola Merek .................................................................... 106
Tabel 5. 15 Hasil Uji Kelola Kriteria .................................................................. 110
Tabel 5. 16 Data Laptop ...................................................................................... 117
Tabel 5. 17 Bobot Kepentingan Dari User.......................................................... 118
Tabel 5. 18 Hasil Normalisasi Data Alternatif .................................................... 118
Tabel 5. 19 Hasil Normalisasi aggregated fuzzy importance weight .................. 119
Tabel 5. 20 V1 ..................................................................................................... 119
Tabel 5. 21 V2 ..................................................................................................... 119
Tabel 5. 22 V3 ..................................................................................................... 120
Tabel 5. 23 Corcodance....................................................................................... 120
Tabel 5. 24 Discordance ...................................................................................... 121
Tabel 5. 25 Index Corcodance ............................................................................ 122
Tabel 5. 26 Index Discordance............................................................................ 122
Tabel 5. 27 Index Final Corcodance dan Discordance ....................................... 123
Tabel 5. 28 Score Setiap Alternatif ..................................................................... 124
Tabel 5. 29 Ranking Rekomendasi ..................................................................... 125
Tabel 5. 30 Array Data Alternatif Ternormalisasi .............................................. 126
Tabel 5. 31 Array aggregated fuzzy importance weight Ternormalisasi ............ 127
Tabel 5. 32 V1 ..................................................................................................... 129
Tabel 5. 33 V2 ..................................................................................................... 130
Tabel 5. 34 V3 ..................................................................................................... 131
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xxiii
Tabel 5. 35 Corcodance....................................................................................... 133
Tabel 5. 36 Discordance ...................................................................................... 135
Tabel 5. 37 Index Corcodance ............................................................................ 137
Tabel 5. 38 Index Discordance............................................................................ 138
Tabel 5. 39 Index FInal Corcodance dan Discordance ....................................... 140
Tabel 5. 40 Skor Akhir ........................................................................................ 141
Tabel 5. 41 Tabel bobot kriteria setelah nilai l digeser kekanan dan u digeser ke
kiri ....................................................................................................................... 142
Tabel 5. 42 Hasil Perankingan setelah nilai l digeser kekanan dan u digeser ke kiri
............................................................................................................................. 143
Tabel 5. 43 Hasil Perankingan Awal................................................................... 143
Tabel 5. 44 Tabel bobot kriteria setelah nilai l digeser kekiri dan u digeser ke
kanan ................................................................................................................... 144
Tabel 5. 45 Hasil Perankingan setelah nilai l digeser kekiri dan u digeser ke kanan
............................................................................................................................. 144
Tabel 5. 46 Hasil Perankingan Awal................................................................... 145
Tabel 5. 47 Tabel bobot kriteria setelah nilai m digeser ke kiri .......................... 145
Tabel 5. 48 Hasil Perankingan setelah nilai m digeser ke kiri ............................ 146
Tabel 5. 49 Hasil Perankingan Awal................................................................... 146
Tabel 5. 50 Tabel bobot kriteria setelah nilai m digeser ke kanan ...................... 147
Tabel 5. 51 Hasil Perankingan setelah nilai m digeser ke kiri ............................ 147
Tabel 5. 52 Hasil perankingan awal .................................................................... 147
Tabel 5. 53 Tabel bobot kriteria bernilai tegas ................................................... 148
Tabel 5. 54 Hasil Perankingan dengan nilai bobot preferensi bernilai tegas ...... 148
Tabel 5. 55 Hasil perankingan awal .................................................................... 149
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Banyaknya merek dan seri laptop yang dijual di pasaran dengan harga dan
spesifikasi yang bervariasi membuat tidak sedikit calon pembeli laptop kesusahan
mencari laptop yang cocok dengan keinginannya. Ada berberapa faktor yang
menjadi pertimbangan calon pembeli memilih laptop antara lain adalah harga,
spesifikasi laptop yang mencakup lebar layar, kapasitas harrdisk, kapasitas RAM,
dan kecepatan processor. Calon pembeli laptop harus terlebih dahulu mencari
informasi tentang laptop dengan browsing di internet, membaca majalah, maupun
datang ke toko yang menjual laptop. Hal itu dianggap sangat memakan waktu dan
tenaga.
Salah satu metode yang dapat digunakan untuk menyelesaikan masalah di
atas adalah metode ELECTRE. Dalam metode ELECTRE tradisional, bobot
kriteria dan penilaian alternatif pada setiap kriteria diketahui secara tepat dan nilai-
nilai tegas(crips) yang digunakan dalam proses evaluasi. Namun di dalam berbagai
kondisi atau situasi nyata, data yang tepat atau tegas(crips) tidak memadai untuk
memodelkan situasi kehidupan nyata. Data ini mungkin saja memiliki beberapa
struktur seperti data fuzzy, data yang terikat, data ordinal dan data interval (Vahdani
et al., 2010). Dalam Metode fuzzy ELECTRE, preferensi linguistik dapat dengan
mudah dikonversi ke bilangan fuzzy (Kaya dan Kahraman, 2011). Dengan kata lain
para pengambil keputusan dapat memanfaatkan bilangan fuzzy sebagai alternatif
atau pengganti nilai tegas dalam proses evaluasi ELECTRE (Wu dan Chen, 2011).
Metode Fuzzy ELECTRE telah digunakan untuk penelitian oleh Babak
Daneshvar Rouyendegh dan Turan Erman Erkan pada tahun 2012 dengan judul
penelitian “An Application of the Fuzzy ELECTRE Method for Academic Staff
Selection”. Penelitian tersebut bertujuan untuk membuat aplikasi pembantu
pemilihan staff akademik dengan metode fuzzy ELECTRE, penelitian tersebut
berhasil memberikan rekomendasi staff akademik yang sesuai dengan kriteria.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2
Sedangkan sistem pendukung pengambilan keputusan pemilihan notebook,
telah diteliti oleh Phanarut Srichetta and Wannasiri Thurachon (2012). Mereka
meneliti tentang Sistem Pendukung Keputusan pemilihan notebook dengan
menggunakan Fuzzy Analytic Hierarchy Process dengan hasil sistem bisa
memberikan rekomendasi notebook dengan baik.
Penelitian ini akan mencoba menggunakan Metode Fuzzy Elimination Et
Choix Traduisant La Realite (ELECTRE) untuk membangun sistem pendukung
pengambilan keputusan pembelian laptop. Kriteria yang digunakan adalah harga,
lebar layar, kapasitas harddisk, kapasitas RAM, dan kecepatan processor. Penelitain
ini diharapkan dapat membantu calon pembeli laptop dalam mengambil keputusan
pemilihan pembelian laptop yang sesuai dengan kebutuhan dan kemampuan
berdasarkan kriteria yang sudah ditentukan.
1.2. Rumusan Masalah
Berdasarkan latar belakang tersebut maka perumusan masalah yang dibahas adalah
1. Bagaimana metode fuzzy Elimination Et Choix Traduisant La Realite
(ELECTRE) diterapkan untuk pemilihan laptop menggunakan berdasarkan
kriteria yang telah ditentukan?
2. Aapakah penerapan metode ELECTRE dibandingkan dengan metode Fuzzy
ELECTRE untuk pemilihan laptop menghasilkan rekomendasi yang sama?
3. Apakah perubahan nilai triangular fuzzy number pada bobot kriteria akan
mempengaruhi hasil rekomendasi ?
1.3. Tujuan
Tujuan dari Tugas Akhir ini adalah
1. Membangun sebuah Sistem Pendukung Pengambilan Keputusan untuk
pembelian laptop menggunakan metode Fuzzy Elimination Et Choix
Traduisant La Realite (ELECTRE).
2. Membandingkan penerapan Metode ELECTRE dan Fuzzy ELECTRE pada
Sistem Pendukung Pengambilan Keputusan untuk pemilihan laptop.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3
3. Melihat pengaruh dari perubahan triangular fuzzy number pada bobot
kriteria terhadap hasil rekomendasi.
1.4. Batasan Masalah
Sesuai dengan rumusan masalah di atas, maka dibuat batasan masalah berupa :
1. Data yang digunakan adalah data daftar harga laptop yang didapat dari
laptop bulan januari - februari 2017 http://www.tabloidlaptop.com.
2. Data Laptop yang digunakan bermerek Asus, Lenovo, Dell, Sony VAIO,
dan Toshiba.
3. Kriteria yang digunakan untuk memilih laptop adalah harga, lebar layar
(cost, benefit), kapasitas harddisk, kapasitas RAM, kecepatan processor.
4. Menggunakan Fungsi Keanggotaan Triangular Fuzzy Number (TFN).
1.5. Manfaat Penelitian
Ada beberapa manfaat yang dapat diperoleh dari penelitian ini, yaitu :
1. Bagi peneliti, penelitian ini dapat memberikan pengetahuan yang baru dari
proses pengambilan keputusan dengan menerapkan fuzzy logic,khususnya
metode fuzzy ELECTRE.
2. Bagi pengguna, hasil dari pelelitian ini dapat membantu pengguna dalam
mengambil keputusan yang lebih tepat berdasarkan kriteria-kriteria yang di
inginkan untuk memilih laptop.
1.6. Metodologi Penelitian
Metodologi penelitian pada penyusunan Tugas Akhir ini adalah:
a. Studi Literatur
Mencari dan membaca refenrensi dari buku maupun jurnal yang
berkaitan dengan sistem pendukung pengambilan keputusan, logika
fuzzy, dan metode ELECTRE dan fuzzy ELECTRE.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4
b. Pengambilan data
Data yang digunakan adalah data daftar harga laptop yang didapat dari
laptop bulan januari - februari 2017 dan bersumber pada:
http://www.tabloidlaptop.com.
c. Perancangan sistem
Perancangan sistem yang akan dibuat meliputi: usecase sistem, diagram
konteks, DFD, ER-Diagram, perancangan user interface.
d. Pengujian
Menguji sistem yang sudah dibuat untuk memperbaiki kesalahan yang
terjadi dan memastikan tidak ada kesalahan pemrograman. Pada tahap
ini juga dilakukan pengujian pengaruh perubahan triangular fuzzy
number terhadap hasil rekomendasi yang diperoleh.
1.7. Sistematika Penulisan
Sistem penulisan dibagi menjadi beberapa bab, yaitu:
Bab I. Pendahuluan
Bab ini berisi tentang latar belakang, rumusan masalah, tujuan penelitian,
batasan masalah, manfaat penelitian, metode penelitian, dan sistematika penulisan.
Bab II. Landasan Teori
Bab ini berisi uraian singkat mengenai dasar teori yang digunakan dalam
penelitian ini untuk merancang dan membangun sistem.
Bab III. Metodologi Penelitian
Bab ini berisi mengenai gambaran umum penelitian, desain penelitian yang
meliputi studi literatur, data, perancangan alat uji, pengujian dan analisis, dan
spesifikasi software dan hardware yang digunakan dalam penelitian.
Bab IV. Analisis dan Perancangan Sistem
Bab ini berisi mengenai analisis masalah, gambaran umum sistem, analisis
kebutuhan sistem, perancangan sistem, dan peracangan user interface berdasarkan
analisis yang telah dibuat.
Bab V. Implementasi, Hasil dan Pembahasan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5
Bab ini berisi tentang implementasi rancangan antarmuka, implementasi
Metode Fuzzy ELECTRE ke dalam program dan tentang bagaimana melakukan
tahap untuk pengujian sistem dan menganalisis hasil dari pengujian tersebut untuk
mendapatkan kelebihan dan kekurangan dari sistem yang dibangun.
Bab VI. Penutup
Bab ini berisi tentang kesimpulan dan saran mengenai hasil dalam penelitian
ini.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6
BAB II
LANDASAN TEORI
2.1. Sistem Pendukung Keputusan/ Decision Support Sistem(DSS)
DSS merupakan sistem informasi interaktif yang menyediakan informasi,
pemodelan, dan pemanipulasian data. Sistem itu digunakan untuk membantu
pengambilan keputusan dalam situasi yang semiterstruktur dan situasi yang tidak
terstruktur, di mana tak seorang pun tahu secara pasti bagaimana keputusan
seharusnya dibuat(Alter, 2002).
DSS biasanya dibangun untuk mendukung solusi atas suatu masalah untuk
mengevaluasi suatu peluang. DSS yang seperti itu disebut aplikasi DSS. Aplikasi
DSS digunakan dalam pengambilan keputusan. Aplikasi DSS menggunakan CBIS
(Computer Based Information Systems) yaitu fleksibel, interaktif, dan dapat
diadaptasi, yang dikembangkan untuk mendukung solusi atas masalah manajemen
spesifik yang tidak terstruktur.
2.2. Logika Fuzzy
2.2.1. Pengenalan Logika Fuzzy
Pada himpunan tegas(crisp), nilai keanggotaan suatu item x dalam suatu
himpunan A, yang sering ditulis dengan 𝜇𝐴 [𝑥], memiliki 2 kemungkinan, yaitu:
1. Satu (1), yang berari bahwa suatu item menjadi anggota dalam suatu
himpunan, atau
2. Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu
humpunan.
Dalam pemakaian himpunan crisp, adanya perubahan kecil saja pada suatu niali
mengakibatkan perbedaan kategori yang cukup signifikan. Himpunan fuzzy
digunakan untuk mengantisipasi hal tersebut. Suatu item x dapat masuk dalam
beberapa himpunan berbeda. Seberapa besar eksistensinya dalam himpunan
tersebut dapat dilihat pada nilai keanggotaannya.
Kalau pada himpunan crisp, nilai keanggotaan hanya ada 2 kemungkinan,
yaitu 0 atau 1, pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0
sampai 1. Apabila x memiliki nilai keanggotaan fuzzy 𝜇𝐴 [𝑥] = 0 berarti x tidak
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
7
menjadi anggota himpunan A, demikian pula apabila x memiliki nilai
keanggotaan fuzzy 𝜇𝐴 [𝑥] = 1 berarti x menjadi anggota penuh pada himpunan A.
Terkadang kemiripan antara keanggotaan fuzzy dengan probabilitas
menimbulkan kerancuan. Keduanya memiliki nilai pada interval [0,1], namun
interpretasi nilainya sangat berbeda antara kedua kasus tersebut. Keanggutaan fuzzy
memberikan suatu ukuran terhadap pendapat atau keputusan, sedangkan
probabilitas mengindikasikan proposi terhadap keseringan suatu hasil bernilai bear
dalam jangka panjang.
Himpunan fuzzy memiliki 2 atribut, yaitu:
a. Linguistik, yaitu penamaan suatu group yang mewakili suatu keadaan atau
kondisi tertentu dengan menggunakan bahasa alami.
b. Numeris, yaitu suatu nilai (angka) yang menunjukan ukuran dari suatu variabel.
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu:
1) Variabel fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu
sistem fuzzy.
2) Himpunan fuzzy
Humpunan fuzzy merupakan suatu group yang mewakili suatu kondisi
atau keadaan tertentu dalam suatu variabel fuzzy.
3) Semesta pembicara
Semesta pembicara adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy. Semesta pembicara merupakan
himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari
kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun
negatif.
4) Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta
pembicaraan dan bleh dipoerasikan dalam suatu himpunan fuzzy. Seperti halnya
semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
8
naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa
bilangan positif maupun negatif.
2.2.2. Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah suatu kurva yang
menunjukan pemetaan titik-titik imput data ke dalam nilai keanggotaannya (sering
juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai
1. Salah satu cara dapat digunakan untuk mendapatkan nilai keanggotaan adalah
dengan melalui pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan.
a. Representasi linear
Pada representasi linear, pemetaan input ke derajat keanggotaannya
digambarkan sebagai garis lurus. Bentuk paling sederhana dan menjadi pilihan
yang baik untuk mendekati suatu konsep yang kurang jelas.
Ada 2 keadaan himpunan fuzzy linear. Pertama, kenaikan humpunan dimulai
pada nilai domain yang memiliki derajat keanggotaan nol [0] bergerak ke akana
menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi.
1
μ(x)
adomain b
0
Gambar 2.1 Representasi Linear Naik
fungsi keanggotaan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
9
𝜇[𝑥] = {
0; 𝑥 ≤ 𝑎𝑥−𝑎
(𝑏−𝑎); 𝑎 ≤ 𝑥 ≤ 𝑏
1; 𝑥 ≥ 𝑏
(2.1)
Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai domain
dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun
ke nilai domain yang memiliki derajar keanggotaan lebih rendah
1
a b
DerajatKeanggotaan
μ(x)
0Domain
Gambar 2.2 Representasi Nilai Turun
Fungsi keanggotaan
𝜇[𝑥] = {𝑏−𝑥
𝑏−𝑎; 𝑎 ≤ 𝑥 ≤ 𝑏
0; 𝑥 ≥ 𝑏 (2.1)
b. Representasi kurva segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
10
c
1
0a b
DerajatKeanggotaan
μ(x)
Gambar 2.3 Kurva Segitiga
Fungsi keanggotaan
𝜇[𝑥] = {
0; 𝑥 ≤ 𝑎 𝑎𝑡𝑎𝑢 𝑥 ≥ 𝑐𝑥−𝑎
𝑏−𝑎; 𝑎 ≤ 𝑥 ≤ 𝑏
𝑐−𝑥
𝑐−𝑏; 𝑏 ≤ 𝑥 ≤ 𝑐
(2.3)
Representasi Triangular Fuzzy Number
1
0a b c
DerajatKeanggotaan
μ(x)
l r
Gambar 2.4 Triangular Fuzzy Number
Dengan [a= b- l , b , c = b+r]
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
11
c. Representasi kurva trapesium
Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja beberapa titik
yang memiliki nilai keanggotaan 1
1
0a b c d
Gambar 2.5 Kurva Trapesium
𝜇[𝑥] =
{
0; 𝑥 ≤ 𝑎 𝑎𝑡𝑎𝑢 𝑥 ≥ 𝑑
𝑥−𝑎
𝑏−𝑎; 𝑎 ≤ 𝑥 ≤ 𝑏
1; 𝑏 ≤ 𝑥 ≤ 𝑐𝑑−𝑥
𝑑−𝑐; 𝑐 ≤ 𝑥 ≤ 𝑑
(2.4)
d. Representasi kurva bentuk bahu
Daerah yang terletak d tengah-tengah suatu variabel yang direpresentasikan dalam
bentuk segitiga, pada sisi kanan dan kirinya akan naik dan turun. Tetapi kadang
salah satu sisi dari variabel tersebut tidak mengalami perubahan. Himpunan fuzzy
‘bahu’, bukan segitiga, digunakan untuk mengakhiri variabel suatu daerah fuzzy.
Bahu kiri bergerak dari benar ke salah, demikian juga bahu kanan bergerak dari
salah ke benar.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
12
1
μ (x)
028 40
DINGIN SEJUK NORMAL HANGAT PANAS
Temperatur ( C)
BahuKiri
BahuKanan
TEMPERATUR
Gambar 2.6 Daerah ‘bahu’ pada variabel TEMPERATUR
2.3. Fuzzy Multiple-Attribut Decision Making(FADM)
Berdasarkan tipe data yang digunakan pada setiap kinerja alternatif-alternatifnya,
FMADM dapat menjadi 3 kelompok, yaitu semua data yang digunakan pda data
fuzzy; semua data yang digunakan adalah data crisp; atau data yang digunakan
merupakan campuran antara data fuzzy dan crisp.
Salah satu mekanisme untuk menyelesaikan masalah fuzzy MADM adalah dengan
mengaplikasikan metode MADM klasik (seperti SAW, WP, AHP, ELECTRE, atau
TOPSIS) untuk melakukan perankingan, setelah terlebih dahulu dilakukan konversi
data fuzzy ke data crisp (Chen, 1992). Apabila data fuzzy diberikan dalam bentuk
linguistik, maka data tersebut harus dikonversi terlebih dahulu ke bentuk bilangan
fuzzy, baru kemudian dikonversi lagi ke bilangan crisp
2.4. ELECTRE
ELECTE (Elimination Et Choix Traduisant la realite) didasarkan pada konsep
perangkingan melalui perbandingan berpasangan antar alternatif pada kriteria yang
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
13
sesuai. Suatu alternatif dikatakan mendominasi alternatif yang lainnya jika salah
satu atau lebih kriterianya melebihi (dibandingkan dengan kriteria dari alternatif
yang lain) dan sama dengan kriteria lain yang tersisa. Hubungan perankingan antara
2 alternatif 𝐴𝑘 dan 𝐴𝑙 dinotasikan sebagai 𝐴𝑘 ® 𝐴𝑙 jika alternatif ke-k tidak
mendominasi alternatif ke-l secara kuantitatif, sehingga pengambilan keputusan
lebih baik mengambil resiko 𝐴𝑘 dari pada 𝐴𝑙 (Roy, 1973)
ELECTRE dimulai dari membentuk perbandingan berpasangan setiap alternatif di
setiap kriteria (𝑥𝑖𝑗). Nilai ini harus dinormalisasikan ke dalam suatu skala yang
dapat diperbandingkan (𝑟𝑖𝑗):
𝑟𝑖𝑗 = 𝑥𝑖𝑗
√∑ 𝑥𝑖𝑗2𝑚
𝑖=1
untuk kriteria maksimum, dengan i=1,2,...,m; dan
j=1,2,...,n; (2.5)
𝑟𝑖𝑗 =
1
𝑥𝑖𝑗
√∑1
𝑥𝑖𝑗2
𝑚𝑖=1
untuk kriteria minimum, dengan i=1,2,...,m; dan
j=1,2,...,n; (2.6)
Selanjutnya pengambilan keputusan harus memberikan faktor kepentingan (bobot)
pada setiap kriteria yang mengekspresikan kepentingan relatifnya (𝑤𝑗).
W = (𝑤1, 𝑤2,..., 𝑤𝑛) (2.7)
Dengan ∑ 𝑤𝑗 = 1𝑛𝑗=1 (2.8)
Bobot ini selanjutnya dikalikan dengan matriks perbandingan berpasangan
membentuk matriks V:
𝑣𝑖𝑗 = 𝑤𝑗𝑥𝑖𝑗 (2.9)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
14
Pembentukan concordance index dan discordance index untuk setiap pasangan
alternatif dilakukan melalui taksiran terhadap rlasi perankingan. Untuk setiap
pasangan alternatif 𝐴𝑘 dan 𝐴𝑙 (k,l = 1,2,...,m; dan 𝑘1𝑙, matriks keputusan untuk
kriteria j,terbagi menjadi 2 himpunan bagian. Pertama himpunan concordance index
{𝑐𝑘𝑙} menunjukan penjumlahan bobot-bobot kriteria yang mana alternatif 𝐴𝑘 lebih
baik daripada alternatif 𝐴𝑙.
𝐶𝑘𝑙 = {𝑗| 𝑣𝑘𝑗 ≥ 𝑣𝑙𝑗} untuk j=1,2,...,n. (2.10)
Kedua, himpunan discordance index {𝑑𝑘𝑙} diberikan sebagai:
𝐷𝑘𝑙 = {𝑗| 𝑣𝑘𝑗 < 𝑣𝑙𝑗} untuk j=1,2,...,n. (2.11)
Matriks concordance (C) berisi elemen-elemen yangdihitung dari concordance
index, dan berhubungan dengan bobot atribut, yaitu:
𝑐𝑘𝑙 = ∑ 𝑤𝑗𝑗∈𝑐𝑘𝑙 (2.12)
Demikian pula Matriks discordance (D) berisi elemen-elemen yang dihitung dari
discordance index(Triantaphyllou, 2000). Matriks ini berhubungan dengan nilai-
nilai attribut, yaitu :
𝑑𝑘𝑙 =max{|𝑣𝑖𝑗−𝑣𝑖𝑗|}𝑗∈𝐷𝑘𝑙
max{|𝑣𝑖𝑗−𝑣𝑖𝑗|}∀𝑗 (2.13)
Matriks-matriks ini dapat dibangun dengan bantuan suatu nilai ambang(treshold),
c. Nilai c dapat diperoleh dengan formula
𝑐 = ∑ ∑ 𝑐𝑘𝑙
𝑚𝑙=1
𝑚𝑘=1
𝑚(𝑚−1) (2.14)
𝑐𝑘𝑙 ≥ 𝑐 (2.15)
dan elemen-elemen dari matriks concordance dominan F ditentukan sebagai:
𝑓𝑘𝑙 = {1, 𝑗𝑖𝑘𝑎 𝑐𝑘𝑙 ≥ 𝑐
0, 𝑗𝑖𝑘𝑎 𝑐𝑘𝑙 < 𝑐 (2.16)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
15
Hal yang sama juga berlaku untuk matriks discordance dominan G dengan
treshold d. Nilai d dapat diperoleh dengan formula:
𝑑 = ∑ ∑ 𝑑𝑘𝑙
𝑚𝑙=1
𝑚𝑘=1
𝑚(𝑚−1) (2.17)
dan elemen-elemen dari matriks discorcodance dominan F ditentukan sebagai:
𝑔𝑘𝑙 = {1, 𝑗𝑖𝑘𝑎 𝑑 ≥ 𝑑
0, 𝑗𝑖𝑘𝑎 𝑑 < 𝑑 (2.18)
Agregasi dari matriks dominan (E) yang menunjukan urutan preferensi parsial dari
alternatif-alternatif, diperoleh dengan formula:
𝑒𝑘𝑙 = 𝑓𝑘𝑙 ∗ 𝑔𝑘𝑙 (2.19)
Jika 𝑒𝑘𝑙 = 1 mengindikasikan bahwa alternatif 𝐴𝑘 lebih dipilih daripada alternatif
𝐴𝑙.
2.5. Fuzzy ELECTRE
Dalam metode ELECTRE tradisional, bobot kriteria dan penilaian alternatif
pada setiap kriteria diketahui secara tepat dan nilai-nilai tegas(crips) yang
digunakan dalam proses evaluasi. Namun di bawah berbagai kondisi, data yang
tepat atau tegas(crips) tidak memadai untuk model situasi kehidupan nyata. Oleh
karena itu, data ini mungkin memiliki beberapa struktur seperti data fuzzy, data yang
terikat, data ordinal dan data interval (Vahdani et al., 2010).
Dalam fuzzy ELECTRE, preferensi linguistik dapat dengan mudah dikonversi ke
bilangan fuzzy (Kaya dan Kahraman, 2011). Dengan kata lain pengambilan
keputusan memanfaatkan bilangan fuzzy bukan nilai tunggal dalam proses evaluasi
ELECTRE (Wu dan Chen, 2011). Sebuah relasi outranking fuzzy, k S l, dapat
ditandai dengan fungsi keanggotaan (k, l) yang menunjukkan tingkat outranking
yang terkait dengan masing-masing pasangan alternatif (Ak, Al) di fuzzy ELECTRE
(Kaya dan Kahraman, 2011).
Langkah-langkah dari fuzzy ELECTRE yang diusulkan oleh Sevkli (2010)
dapat dideskripsikan dengan langkah-langkah berikut:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
16
Langkah 1. Pada langkah pertama, panel decision-makers (DMs) didirikan.
Kelompok ini memiliki k decision-makers (yaitu, D1, D2,... Dk) bertanggung jawab
untuk perankingan (𝑦𝑗𝑘) dari setiap kriteria (yaitu C1, C2,..., Cn). Kemudian,
agregat bobot fuzzy kepentingan untuk setiap kriteria dapat digambarkan sebagai
fuzzy triangular numbers �̃�𝑗 = (𝑙𝑗, 𝑚𝑗 , 𝑢𝑗) untuk K = 1, 2,. . . , k dan j = 1, 2,. . . ,
N. numbers wj = ( aj,bj,cj) dimana aggregated fuzzy important weight ditentukan
dengan:
𝑙𝑗 = min𝑘{𝑦𝑗𝑘} 𝑚𝑗 =1
𝑘∑ 𝑦𝑗𝑘,𝑘𝑘=1 𝑢𝑗 = max𝑘{𝑦𝑗𝑘} (2.20)
kemudian, aggregated fuzzy importance weight untuk masing-masing kriteria
dinormalisasi menjadi:
�̃�𝑗 = (𝑤𝑗1, 𝑤𝑗2, 𝑤𝑗3)
dimana
𝑤𝑗1 = 1𝑙𝑗⁄
∑ 1𝑙𝑗⁄
𝑛𝑗=1
, 𝑤𝑗2 = 1𝑚𝑗⁄
∑ 1𝑚𝑗⁄
𝑛𝑗=1
, 𝑤𝑗3 = 1𝑢𝑗⁄
∑ 1𝑢𝑗⁄
𝑛𝑗=1
(2.21)
Kemudian normalisasi matriks aggregated fuzzy importance weight dibentuk
sebagai
�̃� = [�̃�1, �̃�2, … , �̃�𝑛]. (2.22)
Langkah 2:Buat matriks keputusan
𝑋 = [
𝑥11 𝑥12 ⋯ 𝑥1𝑛𝑥21 𝑥22 ⋯ 𝑥2𝑛⋯ ⋯ ⋯ ⋯𝑥𝑚1 𝑥𝑚2 ⋯ 𝑥𝑚𝑛
]
Langkah 3: Setelah pembuatan matriks keputusan, lakukan normalisasi.
Perhitungan normalisasi menggunakan rumus (2.5) dan (2.6). Kemudian,
normalisasi matriks keputusan didapatkan seperti
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
17
𝑅 = [
𝑟11 𝑟12 ⋯ 𝑟1𝑛𝑟21 𝑟22 ⋯ 𝑟2𝑛⋯ ⋯ ⋯ ⋯𝑟𝑚1 𝑟𝑚2 ⋯ 𝑟𝑚𝑛
]
Langkah 4: Mengingat bobot yang berbeda untuk setiap kriteria, pembobotan
matriks normalisasi keputusan dihitung dengan mengalikan bobot kepentingan dari
kriteria dengan nilai matriks normalisasi keputusan �̃� untuk setiap kriteria
�̃� = [�̃�𝑖𝑗]𝑚×𝑛 untuk i = 1,2, . . . ,m dan j = 1,2, . . . ,n, dimana �̃�𝑖𝑗 = 𝑟𝑖𝑗 ×
�̃�𝑖𝑗 (2)
𝑉1 =
[ 𝑣111 𝑣112 ⋯ 𝑣11𝑛𝑣121 𝑣122 ⋯ 𝑣12𝑛⋯ ⋯ ⋯ ⋯𝑣1𝑚1 𝑣1𝑚2 ⋯ 𝑣1𝑚𝑛]
𝑉2 =
[ 𝑣211 𝑣212 ⋯ 𝑣21𝑛𝑣221 𝑣222 ⋯ 𝑣22𝑛⋯ ⋯ ⋯ ⋯𝑣2𝑚1 𝑣2𝑚2 ⋯ 𝑣2𝑚𝑛]
𝑉3 =
[ 𝑣311 𝑣312 ⋯ 𝑣31𝑛𝑣321 𝑣322 ⋯ 𝑣32𝑛⋯ ⋯ ⋯ ⋯𝑣3𝑚1 𝑣3𝑚2 ⋯ 𝑣3𝑚𝑛]
�̃�𝑖𝑗 menunjukkan triangular fuzzy numbers positif ternormalisasi.
Langkah 5: Indeks concordance and discordance dihitung dengan bobot berbeda
dari setiap kriteria (𝑤𝑗1, 𝑤𝑗2, 𝑤𝑗3). indeks concordance 𝐶𝑝𝑞 mewakili derajat
kepercayaan dalam penilaian berpasangan (𝐴𝑝 → 𝐴𝑞). Kesesuaian Indeks𝐶𝑝𝑞
untuk model yg ajukan didefinisikan sebagai berikut
𝐶1𝑝𝑞 = ∑ 𝑤𝑗1𝑗∗ , 𝐶2𝑝𝑞 = ∑ 𝑤𝑗2𝑗∗ , 𝐶3𝑝𝑞 = ∑ 𝑤𝑗3𝑗∗ ,
dimana 𝑗∗ adalah atrribut yang termasuk dalam concordance set 𝐶(𝑝,𝑞).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
18
Langkah 6: Indeks discordance, disisi lain, mengukur kekuatan dari 𝐷(𝑝,𝑞). Indeks
discordance 𝐷(𝑝,𝑞), yang mewaliki tingkat perselisihan di (𝐴𝑝 → 𝐴𝑞), dapat
didefinisikan dengan rumus sebagai berikut
𝐷𝑝𝑞1 =
∑ |𝑣𝑝𝑗+1 − 𝑣𝑞𝑗+
1 |𝑗+
∑ |𝑣𝑝𝑗1 − 𝑣𝑞𝑗
1 |𝑗
𝐷𝑝𝑞2 =
∑ |𝑣𝑝𝑗+2 −𝑣
𝑞𝑗+2 |𝑗+
∑ |𝑣𝑝𝑗2 −𝑣𝑞𝑗
2 |𝑗
(2.23)
𝐷𝑝𝑞3 =
∑ |𝑣𝑝𝑗+3 − 𝑣𝑞𝑗+
3 |𝑗+
∑ |𝑣𝑝𝑗3 − 𝑣𝑞𝑗
3 |𝑗
Dimana 𝑗+ adalah atribut yang termasuk dalam discordance set 𝐷(𝑝,𝑞) dan 𝑣𝑖𝑗
adalah bobot normalisasi dari alternatif i pada kriteria j.
Langkah 7: indeks final concordance dan discordance dihitung menggunakan
rumus :
𝐶𝑝𝑞∗ = √∏ 𝐶𝑝𝑞𝑧
𝑍𝑧=1 ,
𝑍𝐷𝑝𝑞∗ = √∏ 𝐷𝑝𝑞𝑧
𝑍𝑧=1
𝑍, (2.24)
Formula ini dapat dianggap sebagai prosedur defuzzifikasi. Hubungan dominasi
alternatif Ap melebihi alternatif Aq menjadi lebih kuat dengan nilai akhir indeks
concordance Cpq lebih besar dan nilai akhir indeks discordance Dpq lebih kecil.
Hubungan outranking diperoleh dengan menerapkan prosedur persamaan berikut
untuk mendapatkan kernel, yang merupakan bagian dari alternatif terbaik.
𝑗𝑖𝑘𝑎 𝐶(𝑝, 𝑞) ≥ 𝐶̅ 𝑑𝑎𝑛 𝐷(𝑝, 𝑞) ≤ �̅�
Dimana 𝐶̅ dan �̅� adalah rata-rata dari 𝐶𝑝𝑞 dan 𝐷𝑝𝑞.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
19
BAB III
METODE PENELITIAN
3.1. Gambaran Umum
Penelitian yang dilakukan bertujuan untuk memberikan perankingan laptop
sesuai dengan intensitas kepentingan kriteria untuk memberikan rekomendasi
pembelian laptop. Input yang digunakan berupa data laptop dan intensitas
kepentingan. Data tersebut akan diolah untuk selanjutnya menghasilkan output
hasil perankingan rekomendasi laptop untuk pembelian laptop. Nantinya sistem
diharapkan membantu pembeli untuk menentukan laptop yang sesuai dengan
keinginan pembeli.
3.2. Desain Penelitian
3.2.1. Study Literatur
Studi literatur dilakukan dengan membaca buku, jurnal, serta
sumber lain yang berkaitan dengan fuzzy khususnya fuzzy electre.
3.2.2. Data
- Data yang Digunakan
Data yang digunakan adalah data laptop bulan januari - februari
2017 yaitu harga laptop, lebar layar, kapasitas harddisk,
kapasitas RAM, dan kecepatan processor yang didapat dari
website http://www.tabloidlaptop.com, laptop yang digunakan
bermerek Asus, Lenovo, Dell, Sony, dan Toshiba.
- Teknik Pengumpulan Data
Pengumpulan data dengan cara mengumpulkan daftat harga
laptop bulan januari-february 2017 yang didapat dari website
http://www.tabloidlaptop.com.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20
3.2.3. Perancangan Alat Uji
Metodologi yang digunakan dalam penelitian ini adalah
model pengembangan alat uji waterfall. Model alat uji waterfall
dilakukan secara sistematis. Tahap-tahap pengembangan sebagai
berikut:
- Analisa
Dalam tahan ini dilakukan analisa terhadap kebutuhan sistem.
Seorang sistem analis bertugas dalam mencari informasi
sebanyak mungkin dari user sehingga sistem yang dibuat sesuai
dengan keinginan user. Tahapan ini biasanya akan
menghasilkan dokumen user requirement yang dapat digunakan
sistem analis untuk menerjemahkan ke dalam bahasa
pemrograman.
- Desain
Dalam tahap ini dilakukan proses membuat rancangan alat uji
berdasarkan informasi dari tahap-tahap sebelumnya. Proses ini
berfokus pada struktur data, arsitektur perangkat lunak,
representasi interface, dan detail algoritma. Tahapan ini akan
menghasilkan dokumen yang disebut software requirement.
Dokumen ini yang digunakan seorang programmer untuk
membangun sistemnya.
- Pengkodean(coding)
Pengkodean merupakan tahap di mana perancangan yang telah
dibuat pada tahap desain diterjemahkan ke dalam bahasa
pemrograman pada komputer. Pengkodean menghasilkan alat
uji dalam bentuk perangkat lunak yang dibuat berdasarkan
rancangan yang telah ada.
- Pengujian
Pada tahap pengujian, alat uji berupa perangkat lunak diuji coba
untuk mengetahui apakah prengkat lunak tersebut sudah sesuai
dengan rancangan dan kebutuhan pengguna. Selain itu,
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
21
pengujian dilakukan untuk menentukan kesalahan-kelasahan
sistem yang kemudain akan diperbaiki.
3.2.4. Pengujian dan Analisis
Pengujian sistem dan analisis yang dibangun adalah sebagai berikut:
1. Pengujian
Sistem diuji dengan membandingkan dengan hasil perhitungan
manual. Dari pengujian tersebut akan terlihat sistem sudah berjalan
sesuai dengan metode yang digunakan.
2. Analisis
Pada tahap analisis, melakukan perbandingan hasil percobahan
mengubah nilai tfn dengan hasil dari tfn awal. Kemudia dianalisis
apakah mengubah nilai tfn akan mempengaruhi hasil pengambilan
keputusan. Kemudian membandingkan dengan metode electre biasa,
kemudian dilihat hasil yang didapat
3.3. Peralatan Penelitian
Spesifikasi software dan hardware yang digunakan dalam
pengimplementasian SPPK pembelian laptop adalah:
a. Software
- Sistem Operasi yang digunakan adalah Microsoft Windows 10 64-bit.
- Bahasa pemrograman yang digunakan adalah PHP dengan aplikasi
Netbeans.
b. Hardware
- Processor yang diguakan yaitu intel(R) Core(TM) i5-6200U CPU
@2.30GHz( 4 CPUs ).
- Memori (RAM ) yaitu 4.00 GB.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
22
BAB IV
Perancangan Sistem
4.1. Analisis Sistem
4.1.1. Analisis Sistem Lama
Pada umumnya pengguna yang ingin membeli laptop menggunakan
cara manual dengan mencari informasi laptop dengan cara mendatangi toko-
toko yang menjual laptop, melihat majalah-majalah laptop dan searching di
internet. Pembeli juga menbandingkan spesifikasi beberapa laptop secara
manual sehingga memerlukan waktu yang cukup lama karena harus
mengumpulkan informasi dulu. Pengambilan keputusan secara manual ini
membuat pembeli kebingungan dalam memilih laptop yang sesuai dengan
kebutuhan pengguna karena laptop yang ada dipasaran mempunyai banyak
merek dan tipe yang mempunyai spesifikasi dan harga yang berbeda-beda.
4.1.2. Analisis Sistem Baru
Sistem baru yang akan dibangun adalah sebuah sistem pengambil
keputusan secara terkomputerisasi yang akan membantu pembeli dalam
perekomendasian pembelian laptop sesuai dengan spesifikasi pilihan
pembeli. Diharapkan sistem yang dibangun bisa membantu penyelesaian
masalah dalam kesulitan dalam pemilihan laptop dengan sistem lama.
4.2. Gambar Umum Sistem
Sistem yang akan dibangun adalah sebuah sistem pendukung
pengambilan keputusan yang akan membantu pengguna untuk memberikan
rekomendasi laptop. Sistem ini akan dibuat dengan menggunakan Metode
Fuzzy Elimination Et Choix Traduisant la realite (ELECTRE) berbasis web
dengan menggunakan bahasa pemrograman PHP. Pada kasus ini metode
Fuzzy Elimination Et Choix Traduisant la realite (ELECTRE) digunakan
untuk menentukan bobot kepentingan dari setiap kriteria, dilanjutkan
dengan proses perangkingan untuk memberikan rekomendasi laptop dari
alternatif yang ada. Dengan menggunakan metode ini diharapkan dapat
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
23
memberikan yang sesuai dengan keinginan karena berdasarkan bobot
kepentingan perkriteria yang sudah dipilih oleh pengguna.
4.3. Analisis Kebutuhan Sistem
Kebutuhan sistem “Sistem Pendukung Pengambil Keputusan Pembelian
Laptop” akan dibangun terdiri dari 3 kebutuhan yaitu kebutuhan input,
kebutuhan proses, dan kebutuhan output.
1. Kebutuhan Input
a. Input Tegas
Input tegas berupa data laptop seperti lebar layar, kapasitas harddisk,
kapasitas ram, kecepatan processor, dan harga.
b. Input Fuzzy
Input fuzzy berupa data bobot kepentingan dari setiap kriteria seperti
Sangat tinggi, Tinggi, Cukup, Rendah, Sangat Rendah.
2. Kebutuhan Proses
Pada sistem ini meiliki 2 aktor yang terlibat yaitu administrator
dan user. Untuk menggambarkan siapa yang akan menggunakan sistem
dan cara apa pengguna berinteraksi dengan sistem dapat menggunakan
Diagram usecase. Berikut adalah uraian bagaimana aktor berintraksi
dengan sistem :
a. Administrator
1. Administrator harus login terlebih dahulu dengan memasukan
username dan password untuk masuk ke dalam sistem.
2. Skenario proses yang bisa dilakukan oleh administrator adalah
menambah daftar laptop, mengubah data laptop, menghapus data
laptop, dan mengubah Skala Triangular Fuzzy Number(TFN).
3. Proses kelola data yang dilakukan oleh administrator bersifat
depent on atau tergantung pada proses sebelumnya. Apabila
proses login gagal maka administrator tidak dapat melakukan
proses kelola data.
4. Skenario logout, administrator akan keluar dari sistem setelah
administrator menjalankan perintah logout.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
24
Login
Admin
Kelola Laptop
<<include>>
Logout
Kelola merk
Kelola kriteria
Ubah skala tfn
Gambar 4.1 Use Case Diagram Administrator
Admin
Ubah data laptop
Hapus data laptop
Lihat deskripsi laptop
Tambah data laptop
Gambar 4.2 Use Case Package Kelola Laptop
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
25
AdminUbah data kriteria
Hapus data kriteria
Tambah data kriteria
Tambah kolom kriteria laptop
<<include>>
Gambar 4.3 Use Case Package Kelola Kriteria
Admin Ubah data merk
Hapus data merk
Tambah data merk
Lihat data merk
Gambar 4.4 Use Case Package Kelola Kriteria
b. User
Skenario proses yang dapat dilakukan oleh user adalah memilih
merek laptop yang akan dibandingkan, memilih kirteria yang akan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
26
digunakan untuk pengambilan keputusan dan bobot kepentingan
setiap kriteria, dan range harga laptop.
User
Lihat daftar laptop
Sistem Pendukung Keputusan
Gambar 4. 5 Use Case Diagram User
Gambar 4. 6 Use Case Package Sistem Pendukung Keputusan
3. Kebutuhan Output
Output sistem berupa rekomendasi laptop yang sudah diranking
berdasarkan kriteria dan bobot kepentingan yang sudah dipilih oleh
user.
4.4. Perancangan Sistem Inferensi Fuzzy Metode Fuzzy Electre
4.4.1. Kriteria
Kriteria yang digunakan dalam melakukan proses rekomendais pembelian
laptop tersebut sebagai berikut:
a. Harga
Kriteria harga merupakan kriteria yang digunakan untuk proses perhitungan
metode fuzzy ELECTE (Elimination Et Choix Traduisant la realite)
b. Lebar layar
Lebar layar merupakan kriteria yang digunakan untuk proses perhitungan
metode fuzzy ELECTE (Elimination Et Choix Traduisant la realite)
c. Kapasitas harddisk
Kapasitas harddisk merupakan kriteria yang digunakan untuk proses
perhitungan metode fuzzy ELECTE (Elimination Et Choix Traduisant la
realite)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
27
d. Kapasitas RAM
Kapasitas RAM merupakan kriteria yang digunakan untuk proses
perhitungan metode fuzzy ELECTE (Elimination Et Choix Traduisant la
realite)
e. Kecepatan Processor
Kecepatan Processor merupakan kriteria yang digunakan untuk proses
perhitungan metode fuzzy ELECTE (Elimination Et Choix Traduisant la
realite)
4.4.2. Himpunan Fuzzy
Variabel fuzzy yang digunakan pada perhitungan ini yaitu tringular fuzzy
number yang dibagi menjadi 5 himpunan yaitu :
Tabel 4. 1 tringular fuzzy number
Bobot Kriteria
Bobot Preferensi Tingkat kepentingan
Fuzzy Triangular Number
l m u
1 Sangat Rendah 0,01 0,01 0,25
2 rendah 0,01 0,25 0,50
3 cukup 0,25 0,50 0,75
4 tinggi 0,50 0,75 1,00
5 sangat tinggi 0,75 1,00 1,00
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
28
Dengan fungsi keanggotaan sebagai berikut:
0.1
1
0,25 0,5 0,75 1
SR R C T ST
Gambar 4.7 Fungsi keanggotaan
4.4.3. Proses Sistem Pengambilan Keputusan
Ada tahapan-tahapan yang harus dijalani dalam menentukan
rekomendasi pembenlian laptop. Jalannya sistem untuk menentukan
rekomendasi pembelian laptop adalah sebagai berikut
1. User memasukan bobot untuk setiap kriteria, melilih merek dan harga
laptop.
2. Sistem menghitung normalisasi bobot setiap kriteria yang sudah
dimasukan user.
3. Sistem membuat matriks keputusan dari data laptop yang ada
kemudiaan menghitung sesuai dengan kriteria benefit atau kriteria cost.
4. Sistem menghitung normalisasi matriks keputusan
5. Sistem mengalikan matriks keputusan ternormalisasi dengan bobot
kepentingan dari setiap kriteria.
6. Sistem menghitung indeks corcodance dan discordance.
7. Sistem menghitung index final corcodance dan discordance.
8. Sistem melakukan perangkingan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
29
Start
Input :Merk laptop
Bobot kepentingan,Range harga
Normalisasi bobot kepentingan tiap
kriteria
Normalisasi matriks keputusan data
laptop
Perhitungan nilai keputusan v1,v2,v3
Perhitungan index corcodance dan
discordance
Perhitungan index final corcodance dan discordance
Perhitungan Perankingan
Output :Rekomendasi
Laptop
end
Perhitugan Kriteria maksimum (Benefit)
Perhitugan Kriteria manimum (Cost)
Gambar 4. 8 Flowchart Sistem
4.4.4. Contoh Perhitungan Manual Proses Pengambilan Keputusan
Berikut ini adalah contoh perhitungan berdasarkan data sampel laptop dari 5
merek laptop.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
30
Tabel 4. 2 Contoh Data Laptop
Contoh permasalahan:
Seseorang ingin membeli laptop dengan bobot kepentingan dari setiap kriteria
Lebar layar : Tinggi
Kapasitas Harddisk : Tinggi
Kapasitas RAM : Sangat Tinggi
Kecepatan Processor : Sedang
Harga : Sedang
Dengan melihat tabel 4.3 akan didapatkan hasil skala TFN untuk setiap
kriteria sebagai berikut
Tabel 4. 3 Bobot kepentingan perkriteria
Kriteria Bobot TFN L TFN M TFN U
layar 4 0,50 0,75 1,00
harddisk 4 0,50 0,75 1,00
ram 5 0,75 1,00 1,00
proc 3 0,25 0,50 0,75
LAYAR
(inch)
HARDDISK
(MB)
RAM
(MB)
PROC
(GHz)
HARGA
(Rp)
ASUS 11,6 500 2 1,6 3168000
DELL 11,6 500 4 1,6 5340000
LENOVO 14 1000 2 1,6 3725000
TOSHIBA 15,6 1000 4 1,7 6399000
SONY 14 500 2 1,6 6000000
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
31
harga 3 0,25 0,50 0,75
Langkah-langkah perhitungan menggunaan Fuzzy ELECTRE.
1. Normalisasi data laptop yang akan dibandingkan dengan rumus
Pertama mencari akar dari sum pangkat dua untuk setiap kriteria
Tabel 4. 4 Akar dari jumlah data laptop perkriteria
LAYAR HARDDISK RAM PROC HARGA
30,07 1658,31 6,63 3,62 5,08897E-07
- Kriteria lebar layar :
Asus : layar = 11,62
30,07= 0,386
Dell : layar = 11,62
30,07= 0,386
Lenovo : layar = 142
30,07= 0,466
- Kriteria kapasitas harddisk :
Asus : harddisk = 5002
1658,31= 0,302
Dell : harddisk = 5002
1658,31= 0,302
Lenovo : harddisk = 10002
1658,31= 0,603
- Kriteria kapasitas RAM :
Asus : RAM = 22
6,63= 0,302
Dell : RAM = 42
6,63= 0,603
Lenovo : RAM = 22
6,63= 0,302
Menjadi
𝑥𝑖𝑗2
√∑𝑥𝑖𝑗2
𝑎𝑡𝑎𝑢
1𝑥𝑖𝑗2
√∑1𝑥𝑖𝑗2
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
32
Tabel 4. 5 Data laptop ternormalisasi
2. Normalisasi aggregated fuzzy importance weight setiap kriteria dengan rumus
- Wj1 :
𝑤11 : layar =
1
0,50
13,33= 0,15
𝑤21 : harddisk =
1
0,50
13,33= 0,15
𝑤31 : RAM =
1
0,75
13,33= 0,1
- Wj2 :
𝑤12 : layar =
1
0,75
7,66= 0,1739
𝑤22 : harddisk =
1
0,75
7,66= 0,1739
𝑤32 : RAM =
1
1
7,66= 0,1304
- Kriteria Wj2 :
𝑤13 : layar =
1
1
5,667= 0,1764
𝑤23 : harddisk =
1
1
5,667= 0,1764
𝑤33 : RAM =
1
1
5,667= 0,1764
LAYAR HARDDISK RAM PROC HARGA
ASUS 0,386 0,302 0,302 0,442 0,620276262
DELL 0,386 0,302 0,603 0,442 0,36798412
LENOVO 0,466 0,603 0,302 0,442 0,527526228
TOSHIBA 0,519 0,603 0,603 0,469 0,307084732
SONY 0,466 0,302 0,302 0,442 0,327505866
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
33
Tabel 4. 6 Normalisasi aggregated fuzzy importance weight
3. Menghitung nilai matriks normalisasi keputusan �̃� untuk setiap kriteria
�̃�𝑖𝑗 = 𝑟𝑖𝑗 × �̃�𝑖𝑗
𝑉1 =
[ 𝑣111 𝑣112 ⋯ 𝑣11𝑛𝑣121 𝑣122 ⋯ 𝑣12𝑛⋯ ⋯ ⋯ ⋯𝑣1𝑚1 𝑣1𝑚2 ⋯ 𝑣1𝑚𝑛]
𝑉2 =
[ 𝑣211 𝑣212 ⋯ 𝑣21𝑛𝑣221 𝑣222 ⋯ 𝑣22𝑛⋯ ⋯ ⋯ ⋯𝑣2𝑚1 𝑣2𝑚2 ⋯ 𝑣2𝑚𝑛]
𝑉3 =
[ 𝑣311 𝑣312 ⋯ 𝑣31𝑛𝑣321 𝑣322 ⋯ 𝑣32𝑛⋯ ⋯ ⋯ ⋯𝑣3𝑚1 𝑣3𝑚2 ⋯ 𝑣3𝑚𝑛]
Keterangan :
𝑟𝑖𝑗 = Data laptop ternormalisasi ke ij
�̃�𝑖𝑗 = Aggregated fuzzy importance weight ternormalisasi ke ij.
Contoh perhitungan :
𝑣111 = 0,386 ∗ 0,15 = 0,0579
𝑣211 = 0,386 ∗ 0,1739 = 0,06708
𝑣311 = 0,386 ∗ 0,1764 = 0,0680
Menjadi :
Kriteria Wj1 Wj2 Wj3
layar 0,15 0,173913043 0,176470588
harddisk 0,15 0,173913043 0,176470588
ram 0,1 0,130434783 0,176470588
proc 0,3 0,260869565 0,235294118
harga 0,3 0,260869565 0,235294118
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
34
Tabel 4. 7 Matriks Normalisasi Keputusan V ̃
4. Bandingkan setiap alternatif pada V1, V2, dan V3 untuk mencari Corcodance
dan discordance. Nilai himpunan Corcodance akan bernilai 1 jika nilai alternatif
LAYAR HARDDISK RAM PROC HARGA
V1 ASUS 0,0579 0,0452 0,0302 0,1325 0,186082879
DELL 0,0579 0,0452 0,0603 0,1325 0,110395236
LENOVO 0,0698 0,0905 0,0302 0,1325 0,158257868
TOSHIBA 0,0778 0,0905 0,0603 0,1407 0,09212542
SONY 0,0698 0,0452 0,0302 0,1325 0,09825176
LAYAR HARDDISK RAM PROC HARGA
V2 ASUS 0,06708 0,05244 0,03933 0,11519 0,161811199
DELL 0,06708 0,05244 0,07866 0,11519 0,095995857
LENOVO 0,08096 0,10487 0,03933 0,11519 0,137615538
TOSHIBA 0,09021 0,10487 0,07866 0,12239 0,08010906
SONY 0,08096 0,05244 0,03933 0,11519 0,085436313
LAYAR HARDDISK RAM PROC HARGA
V3 ASUS 0,068066095 0,053207884 0,053207884 0,103895967 0,145947356
DELL 0,068066095 0,053207884 0,106415769 0,103895967 0,086584499
LENOVO 0,082148736 0,106415769 0,053207884 0,103895967 0,124123818
TOSHIBA 0,091537163 0,106415769 0,106415769 0,110389465 0,072255231
SONY 0,082148736 0,053207884 0,053207884 0,103895967 0,077060204
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
35
pada kriteria lebih besar atau sama dengan alternatif perbandingan 𝐶𝑘𝑙 =
{𝑗| 𝑣𝑘𝑗 ≥ 𝑣𝑙𝑗} , sedangkan nilai himpunan discordance akan bernilai 1 jika nilai
alternatif pada kriteria kurang dari dengan alternatif perbandingan 𝐷𝑘𝑙 =
{𝑗| 𝑣𝑘𝑗 < 𝑣𝑙𝑗}.
Tabel 4. 8 Corcodance
Corcodance
LAYAR HARDDISK RAM PROC HARGA
A12 1 1 0 1 1
A13 0 0 1 1 1
A14 0 0 0 0 1
A15 0 1 1 1 1
A21 1 1 1 1 0
A23 0 0 1 1 0
A24 0 0 1 0 1
A25 0 1 1 1 1
A31 1 1 1 1 0
A32 1 1 0 1 1
A34 0 1 0 0 1
A35 1 1 1 1 1
A41 1 1 1 1 0
A42 1 1 1 1 0
A43 1 1 1 1 0
A45 1 1 1 1 0
A51 1 1 1 1 0
A52 1 1 0 1 0
A53 1 0 1 1 0
A54 0 0 0 0 1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
36
Tabel 4. 9 Discordance
Discordance
LAYAR HARDDISK RAM PROC HARGA
A12 0 0 1 0 0
A13 1 1 0 0 0
A14 1 1 1 1 0
A15 1 0 0 0 0
A21 0 0 0 0 1
A23 1 1 0 0 1
A24 1 1 0 1 0
A25 1 0 0 0 0
A31 0 0 0 0 1
A32 0 0 1 0 0
A34 1 0 1 1 0
A35 0 0 0 0 0
A41 0 0 0 0 1
A42 0 0 0 0 1
A43 0 0 0 0 1
A45 0 0 0 0 1
A51 0 0 0 0 1
A52 0 0 1 0 1
A53 0 1 0 0 1
A54 1 1 1 1 0
5. Hitung index concodance dan discordance
Index concordance dihitung dengan rumus
𝐶1𝑝𝑞 = ∑ 𝑤𝑗1𝑗∗ , 𝐶2𝑝𝑞 = ∑ 𝑤𝑗2𝑗∗ , 𝐶3𝑝𝑞 = ∑ 𝑤𝑗3𝑗∗ ,
𝐶112 = 𝑤11 + 𝑤21 + 𝑤41 + 𝑤51
= 0,15 + 0,15 + 0,3 + 0,3 = 0,9
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
37
Tabel 4. 10 Index corcodance
Index corcodance
C1 C2 C3
A12 0,9 0,869565217 0,823529412
A13 0,7 0,652173913 0,647058824
A14 0,3 0,260869565 0,235294118
A15 0,85 0,826086957 0,823529412
A21 0,7 0,739130435 0,764705882
A23 0,4 0,391304348 0,411764706
A24 0,4 0,391304348 0,411764706
A25 0,85 0,826086957 0,823529412
A31 0,7 0,739130435 0,764705882
A32 0,9 0,869565217 0,823529412
A34 0,45 0,434782609 0,411764706
A35 1 1 1
A41 0,7 0,739130435 0,764705882
A42 0,7 0,739130435 0,764705882
A43 0,7 0,739130435 0,764705882
A45 0,7 0,739130435 0,764705882
A51 0,7 0,739130435 0,764705882
A52 0,6 0,608695652 0,588235294
A53 0,55 0,565217391 0,588235294
A54 0,3 0,260869565 0,235294118
Index discordance dihitung dengan rumus
𝐷𝑝𝑞1 =
∑ |𝑣𝑝𝑗+1 − 𝑣𝑞𝑗+
1 |𝑗+
∑ |𝑣𝑝𝑗1 − 𝑣𝑞𝑗
1 |𝑗
𝐷𝑝𝑞2 =
∑ |𝑣𝑝𝑗+2 − 𝑣𝑞𝑗+
2 |𝑗+
∑ |𝑣𝑝𝑗2 − 𝑣𝑞𝑗
2 |𝑗
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
38
𝐷𝑝𝑞3 =
∑ |𝑣𝑝𝑗+3 − 𝑣𝑞𝑗+
3 |𝑗+
∑ |𝑣𝑝𝑗3 − 𝑣𝑞𝑗
3 |𝑗
𝐷121 =
|𝑣11+1 − 𝑣21+
1 |
|𝑣111 − 𝑣21
1 | + |𝑣121 − 𝑣22
1 | + |𝑣131 − 𝑣23
1 | + |𝑣141 − 𝑣24
1 | + |𝑣151 − 𝑣25
1 |
= |0,0302−0,0603|
|0,0579−0,0579|+|0,0452−0,0452|+|0,0302−0,0603|+|0,1325−0,1325|+|0,1860−0,1103|
= 0,2848
Tabel 4. 11 Index Disrcodance
Index Discodance
D1 D2 D3
A12 0,284878 0,374039 0,472661756
A13 0,672731 0,732677 0,75510557
A14 0,524422 0,5991 0,649206159
A15 0,119941 0,153773 0,16973214
A21 0,715122 0,625961 0,527338244
A23 0,777006 0,732943 0,663321634
A24 0,800822 0,838964 0,85303574
A25 0,220589 0,217649 0,183332338
A31 0,327269 0,267323 0,24489443
A32 0,222994 0,267057 0,336678366
A34 0,41238 0,492377 0,57118655
A35 0 0 0
A41 0,475578 0,4009 0,350793841
A42 0,199178 0,161036 0,14696426
A43 0,58762 0,507623 0,42881345
A45 0,062665 0,046918 0,037803871
A51 0,880059 0,846227 0,83026786
A52 0,779411 0,782351 0,816667662
A53 1 1 1
A54 0,937335 0,953082 0,962196129
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
39
6. Menghitung nilai index final concordance dan discordance
𝐶𝑝𝑞∗ = √∏𝐶𝑝𝑞𝑧
𝑍
𝑧=1
,𝑍
𝐷𝑝𝑞∗ = √∏𝐷𝑝𝑞𝑧
𝑍
𝑧=1
𝑍
,
Tabel 4. 12 Index Finall Corcodance dan Discordance
𝐴12∗ = √𝐶12
1 ∗ 𝐶122 ∗ 𝐶12
3 3
Index final corcodance Index final discordance
A12 0,863789514 0,369296733
A13 0,665991075 0,719317557
A14 0,264069705 0,588646166
A15 0,833120719 0,146286284
A21 0,73412698 0,618024269
A23 0,400935576 0,722891093
A24 0,400935576 0,830645201
A25 0,833120719 0,206471531
A31 0,73412698 0,277740889
A32 0,863789514 0,271667391
A34 0,431894757 0,487668238
A35 1 0
A41 0,73412698 0,405916378
A42 0,73412698 0,167671206
A43 0,73412698 0,503850964
A45 0,73412698 0,048080333
A51 0,73412698 0,851933459
A52 0,598918198 0,792631067
A53 0,567600925 1
A54 0,264069705 0,950815416
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
40
= √0,9 + 0,86956 + 0,82352 3
= 0,86378
7. Melakukan perangkingan
Hubungan dominasi alternatif Ap melebihi alternatif Aq menjadi lebih
kuat dengan nilai akhir indeks concordance Cpq lebih besar dan nilai
akhir indeks discordance Dpq lebih kecil.
A1 = (0,863789514 - 0,369296733) + (0,665991075-0,719317557)+(
0,264069705 - 0,588646166) + (0,8331207190,146286284)
= 0,803424272
Tabel 4. 13 Hasil Perangkingan
Rank
A1 0,803424272
A2 -0,008913243
A3 1,992734734
A4 1,810989041
A5 -1,430664133
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
41
4.5. Perancangan Proses
4.5.1. Diagram Konteks sistem
Berikut diagram konteks sistem yang ditunjukan pada gambar 4.6
DFD 0
SPPK Pembelian Laptop
USER ADMIN
merk laptop, Bobot Kriteria, range harga
Rekomendasi laptop Data Laptop, Data TFN
Data Laptop, Data TFN
Gambar 4. 9 Diagram Konteks Sistem
4.5.2. Diagram aliran data level 1
Diagram konteks sistem pada level 1 sisi Administrator:
Gambar 4. 10 DFD level 1 Administrator
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
42
Diagram konteks sistem pada level 1 sisi User:
Gambar 4. 11 DFD level 1 User
4.5.3. Diagram aliran data level 2
Diagram konteks sistem pada level 2 sisi Administrator:
Gambar 4. 12 DFD level 2 proses 2 administrator
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
43
Gambar 4. 13 DFD level 2 proses 3 administrator
Gambar 4. 14 DFD level 2 proses 4 administrator
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
44
Diagram konteks sistem pada level 2 sisi User:
Gambar 4. 15 DFD level 2 proses 2 user
4.6. Perancangan Basis Data
4.6.1. Perancangan Konseptual
Pada perancangan ini terdapat 3 entitas yaitu data_merek, data_laptop,
kriteria_laptop. Untuk entitas kriteria_laptop bergantung pada entitas
data_laptop, entitas data_laptop bergantung pada entitas daftar_merek.
Berikut adalah model data Entity Relationship Diagram (ERD):
Gambar 4. 16 Entity Relationship Diagram
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
45
Keterangan:
a. Ada 3 entitas yang terlibat, yaitu daftar_merek, data_laptop, kriteria_laptop.
b. Setiap entitas memiliki atribut masing-masing.
c. Relasi entitas kriteria_laptop dengan data_laptop adalah one to one. Setiap
entitas data_laptop hanya memiliki satu entitas kriteria_laptop, begitu pula
sebaliknya. Satu entitas kriteria laptop hanya memiliki satu entitas
data_laptop.
d. Relasi entitas daftar_merek dengan data_laptop adalah one to many. Setiap
entitas daftar_merek memiliki banyak entitas data_laptop, sedangkan entitas
data_laptop tidak sebaliknya. Satu entitas data_laptop hanya memiliki satu
entitas daftar_mereki.
4.6.2. Percancangan Logical
Pada perancangan ini terdapat 5 entitas yaitu daftar_merek,
data_leptop, kriteria_laptop.
Gambar 4. 17 Desain Logikal
4.6.3. Perancangan Fisikal
Tabel 4. 14 Admin
Nama Field Tipe Keteranagn
Id_admin Varchar(10) Id_admin primary key
Username Varchar(20) Username admin
Password Varchar(20) Password admin
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
46
Tabel 4. 15 data_laptop
Nama Field Tipe Keteranagn
Merek Varchar(20) Merek laptop foreign key
seri Varchar(40) Seri primary key
foto Varchar(40) Foto laptop
deskripsi Varchar(1000) Deskripsi Laptop
Tabel 4. 16 kriteria_laptop
Nama Field Tipe Keteranagn
seri Varchar(40) seri foreign key
lebar_layar float lebar layar laptop
kapsitas_harddisk Float Kapasitas harddisk laptop
kapasitas_ram Float Kapasitas ram laptop
kecepatan_processor Float Kecepatan processor laptop
harga Int(20) Harga laptop
Tabel 4. 17 triangularfuzzynumber
Nama Field Tipe Keteranagn
BobotPreferansi int(4) Bobot preferansi primary key
TingkatKepentingan Varchar(20) Tingkat kepentingan
l Double Skala lower tfn
m Double Skala mendian tfn
u Double Skala upper tfn
Tabel 4. 18 daftar_merek
Nama Field Tipe Keteranagn
Id_merek Varchar(20) id merek primary key
Merek Varchar(20) Merek laptop
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
47
Tabel 4. 19 kriteria
Nama Field Tipe Keteranagn
Id_kriteria Varchar(20) id kriteria primary key
Kriteria Varchar(20) kriteria laptop
Cost_benefit Varchar(20) Cost atau benefit kriteria
laptop
Satuan Varchar(20) Satuan kriteria laptop
4.7. Perancangan User Interface
4.7.1. Halaman Utama
Halaman ini adalah halaman utama. Pada halaman ini pengguna
dapat mengakses menu sistem pendukung keputusan dan melihat daftar
laptop. Pada halaman ini administrator dapat melakukkan login.
Gambar 4. 18 Halaman Utama
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
48
4.7.2. Halaman SPPK Pembelian Laptop
Halaman ini merupakan halaman yang memproses rekomendasi
laptop dengan meggunakan metode Fuzzy Elimination Et Choix Traduisant
La Realite. Pada halaman ini user/pengguna memilih merek laptop yang
akan digunakan, memilih kriteria yang digunakan, memilih bobot yang
sudah dipilih dan range harga laptop untuk melakukkan proses sistem
pendukung keputusan yang menghasilkan rekomendasi laptop.
Gambar 4. 19 Halaman SPPK Pembelian Laptop
4.7.3. Halaman Hasil SPPK
Halaman ini adalah halaman untuk menampilkan hasil rekomendasi laptop.
Gambar 4. 20 Halaman Hasil SPPK
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
49
4.7.4. Halaman Daftar Laptop
Halaman ini menampilkan data semua laptop yang ada dalam data base.
Gambar 4. 21 Halaman Daftar Laptop
4.7.5. Halaman login
Pada halaman ini administrator memasuka username dan
password untuk login kedalam halaman admin.
Gambar 4. 22 Halaman Login
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
50
4.7.6. Halaman Dasboard Admin
Halaman ini adalah halaman utama admin. Pada halaman ini
pengguna dapat mengakses menu Kelola Laptop, menu Kdit TFN,
menu Kelola Merek, dan menu Kelola Kriteria. Pada halaman ini
administrator dapat melakukkan logout.
Gambar 4. 23 Halaman Dashboard Admin
4.7.7. Halaman Kelola laptop
Halaman ini merupakan halaman kelola data. Pada halaman
ini administrator dapat menambahkan data, melihat data dan
melakukan aksi seperti mengedit atau menghapus data laptop.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
51
Gambar 4. 24 Halaman Kelola Laptop
4.7.8. Halaman edit data laptop
Halaman ini merupakan halaman form edit data laptop. Pada
halaman ini administrator dapat mengedit data laptop.
Gambar 4. 25 Halaman Edit Data laptop
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
52
4.7.9. Halaman Edit TFN
Halaman ini merupakan halaman form edit data laptop. Pada
halaman ini administrator dapat mengedit data laptop.
Gambar 4. 26 Halaman Edit TFN
4.7.10. Halaman Kelola Merek
Halaman ini merupakan halaman kelola data merek. Pada
halaman ini administrator dapat menambahkan data, melihat data
dan melakukan aksi seperti mengedit atau menghapus data merek.
Gambar 4. 27 Halaman Kelola Merek
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
53
4.7.11. Halaman Kelola Kriteria
Halaman ini merupakan halaman kelola data kriteria. Pada
halaman ini administrator dapat menambahkan data, melihat data
dan melakukan aksi seperti mengedit atau menghapus data kriteria
laptop.
Gambar 4. 28 Halaman Kelola Kriteria
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
54
BAB V
IMPLEMENTASI, HASIL, DAN PEMBAHASAN
5.1. Implementasi Basis Data
Dalam melakukan implementasi sistem pendukung pengambilan keputusan
pembelian laptop menggunakan metode Fuzzy Elimination Et Choix Traduisant la
realite disusun database dengan nama “fuzzyelectre”. Di dalam database tersebut
terdapat beberapa tabel, yaitu:
1. Admin
2. Daftar_merek
3. Data_laptop
4. Kriteria
5. Kriteria_laptop
6. Triangularfuzzynumber
Gambar 5. 1 Tabel pada Database : fuzzyelectre
5.1.1. Tabel Data Admin
Gambar 5. 2 Tabel Admin
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
55
berikut ini adalah query untuk membuat tabel admin:
CREATE TABLE `admin` (
`id_admin` varchar(10) NOT NULL,
`username` varchar(20) NOT NULL,
`password` varchar(20) NOT NULL,
PRIMARY KEY (`id_admin`)
)
5.1.2. Tabel Data daftar_merek
Gambar 5. 3 Tabel daftar_merek
Berikut ini adalah query untuk membuat tabel daftar_merek:
CREATE TABLE `daftar_merek` (
`id_merek` varchar(20) NOT NULL,
`merek` varchar(20) NOT NULL,
PRIMARY KEY (`id_merek`)
)
5.1.3. Tabel Data data_laptop
Gambar 5. 4 Tabel data_laptop
Berikut ini adalah query untuk membuat tabel data_laptop:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
56
CREATE TABLE `data_laptop` (
`id_merek` varchar(20) NOT NULL,
`seri` varchar(40) NOT NULL,
`foto` varchar(40) NOT NULL,
`deskripsi` varchar(1000) NOT NULL,
PRIMARY KEY (`seri`)
)
5.1.4. Tabel Data kriteria
Gambar 5. 5 Tabel kriteria
Berikut ini adalah query untuk membuat tabel kriteria:
CREATE TABLE `kriteria` (
`id_kriteria` varchar(20) NOT NULL,
`kriteria` varchar(20) NOT NULL,
`cost_benefit` varchar(20) NOT NULL,
PRIMARY KEY (`id_kriteria`)
)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
57
5.1.5. Tabel Data kriteria_laptop
Gambar 5. 6 Tabel Kriteri_laptop
Berikut ini adalah query untuk membuat tabel kriteria_laptop:
CREATE TABLE `kriteria_laptop` (
`seri` varchar(40) NOT NULL,
`Lebar_Layar` double NOT NULL,
`Kapasitas_Harddisk` double NOT NULL,
`Kapasitas_RAM` double NOT NULL,
`Kecepatan_Processor` double NOT NULL,
`Harga` int(20) NOT NULL,
)
5.1.6. Tabel Data triangularfuzzynumber
Gambar 5. 7 tabel triangularfuzzynumber
Berikut ini adalah query untuk membuat tabel kriteria_laptop:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
58
CREATE TABLE `triangularfuzzynumber` (
`BobotPreferensi` int(4) NOT NULL,
`TingkatKepentingan` varchar(20) NOT NULL,
`l` double NOT NULL,
`m` double NOT NULL,
`u` double NOT NULL,
PRIMARY KEY (`BobotPreferensi`)
)
5.2. Implementasi Algoritma Fuzzy Elimination Et Choix Traduisant la
realite
5.2.1. Normalisasi Data Laptop
Pertama ambil nilai data laptop sesuai dengan merek, kriteria dan range harga yang
telah dipilih oleh pengguna.
Untuk mendapatkan nilai input merek, kriteria range harga laptop menggunakan
source code sebagai berikut
$id_merek = $this->input->post('laptop');
$id_kriteria = $this->input->post('cekk[]');
$h[0] = $this->input->post('hrendah');
$h[1] = $this->input->post('htinggi');
Untuk mendapatkan merek yang dipilih oleh pengguna data yang akan dipakai
adalah id_merek, data akan tersimpan dalam array dengan nilai seperti gambar di
bawah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
59
Gambar 5. 8 Array id merek
Untuk mendapatkan kriteria yang dipilih oleh pengguna data yang akan dipakai
adalah id_kriteria, data akan tersimpan dalam array dengan nilai seperti gambar di
bawah
Gambar 5. 9 Array id kriteria
Dan range harga akan di masukan dalam array $h dengan nilai seperi gambar
dibawah
Gambar 5. 10 Array range harga
Setelah itu mendapatkan nilai semua laptop sesuai dengan merek dan range harga
yang dipilih pengguna. Source code sebagai berikut:
$laptop = $this->model_sppk->getLaptop($id_merek, $h)-
>result();
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
60
Berikut adalah hasil source code di atas berupa data laptop:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
61
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
62
Gambar 5. 11 Array Data Laptop
Kemudian dapatkan data kriteria yang dipilih pengguna. Source code sebagai berikut:
$kriteria = $this -> model_sppk ->
getkriteriaterpilih($id_kriteria)->result();
Berikut adalah hasil source code di atas berupa data kriteria yang akan digunakan:
Gambar 5. 12 Array data kriteria
Kemudian buat array $data yang hanya memuat data yang diperlukan yaitu merek,
seri dan kriteria yang terpilih. Source code sebagai berikut:
foreach ($laptop as $laptop => $l) {
$data[$s]['seri'] = $l->seri;
foreach ($kriteria as $k) {
$new = str_replace(' ', '_', $k-
>kriteria);
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
63
$data[$s][$k->kriteria] = $l->$new; }
$s = $s + 1;
}
Berikut adalah hasil source code di atas berupa data laptop atau alternatif:
Gambar 5. 13 Array data laptop yang digunakan untuk SPK
Tabel 5. 1 Data Laptop
SERI LAYAR
(inch)
HARDDISK
(MB) RAM (MB)
PROC
(GHz)
HARGA
(Rp)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
64
Setelah itu menghitung normalisasi data laptop dengan membagi data laptop
dengan nilai akar dari jumlah data laptop yang dikuadratkan perkriteria untuk
kriteria benefit(maksimum), sedangkan untuk kriteria cost (minimum) dihitung
dengan 1 dibagi dengan data laptop yang dikuadratkan terlebih dahulu.
Source code untuk mencari jumlah nilai laptop yang dikuadratkan perkriteria :
for ($i = 0; $i < count($data); $i++) {
foreach ($kriteria as $k) {
if ($k->cost_benefit == "Benefit") {
$sum[$k->kriteria] = $sum[$k->kriteria]
+(pow($data[$i][$k->kriteria], 2)); }
else { $sum[$k->kriteria] = $sum[$k->kriteria] + (1 /
(pow($data[$i][$k->kriteria], 2))); }
}
}
E202SA-FD111D 11,6 500 2 1,6 3168000
INSPIRON 11-
3168 D 2in1 x360 11,6 500 4 1,6 5340000
IP 110-14IBR-
80T600-7QID 14 1000 2 1,6 3725000
Satellite C55-
C5270 Black 15,6 1000 4 1,7 6399000
SVF14212SG 14 500 2 1,6 6000000
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
65
Gambar 5. 14 Array kuatdrat data kriteria
Source code untuk mengakarkan jumlah nilai laptop perkriteria :
foreach ($kriteria as $k) {
$sqrt[$k->kriteria] = sqrt($sum[$k->kriteria]);}
Gambar 5. 15 Array Akar jumlah nilai perkriteria
Source code untuk membagi data laptop yang dikuadratkan dengan hasil akar
jumlah nilai laptop perkriteria :
for ($i = 0; $i < count($data); $i++) {
$ndata[$i]['seri'] = $data[$i]['seri'];
foreach ($kriteria as $k) {
if ($k->cost_benefit == "Benefit") {
$ndata[$i][$k->kriteria] = ($data[$i][$k->kriteria]
/ $sqrt[$k->kriteria]); }
else {$ndata[$i][$k->kriteria] = (1 /
$data[$i][$k->kriteria]/$sqrt[$k-> kriteria]); }
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
66
}
}
Gambar 5. 16 Array data laptop ternormalisasi
Tabel 5. 2 Data Laptop Ternormalisasi
LAYAR HARDDISK RAM PROC HARGA
0 0,386 0,302 0,302 0,442 0,620276262
1 0,386 0,302 0,603 0,442 0,36798412
2 0,466 0,603 0,302 0,442 0,527526228
3 0,519 0,603 0,603 0,469 0,307084732
4 0,466 0,302 0,302 0,442 0,327505866
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
67
5.2.2. Normalisasi aggregated fuzzy importance weight setiap kriteria
Setelah normalisasi data laptop yang akan digunakan kemudian melakukan
normalisasi aggregated fuzzy importance weight setiap kriteria yang sudah
dipilih oleh pengguna.
Tabel 5. 3 Bobot Kepentingan Dari User
Keterangan :
Tabel pada warna abu-abu adalah masukan dari pengguna
Kemudian tingkat kepentingan setiap kriteria diubah menjadi nilai bobot
preferensi perkriteria berdasarkan tabel berikut :
Tabel 5. 4 Ketentuan Bobot Preferensi
Bobot prefernsi perkriteria akan tersimpan didalam array dengan nilai
seperti gambar dibawah ini:
Kriteria Tingkat Kepentingan
Lebar Layar Tinggi
Kapasitas Harddisk Tinggi
Kapasitas ram Sangat Tinggi
Kecepatan Processor Cukup
Harga Cukup
Bobor Preferensi
Tingkat
kepentingan
1 Sangat Rendah
2 Rendah
3 Cukup
4 Tinggi
5 Sangat Tinggi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
68
Gambar 5. 17 Array Bobot Preferensi Perkriteria
Setelah itu ubah bobot preferensi perkriteria menjadi skala TFN dengan
ketentuan seperti tabel dibawah ini :
Tabel 5. 5 Triangular Fuzzy Number
Sistem akan mengambil nilai skala TFN sesuai dengan bobotnya dari
database kemudian dimasukan kedalam array. Dengan source code sebagai
berikut :
for ($i = 0; $i < count($bobot); $i++) {
$kriteria[$i] = $this->model_sppk>
getbobot($bobot[$i])->result();}
for ($i = 0; $i < count($bobot); $i++) {
foreach ($kriteria[$i] as $kriteria[$i]) {
$k[$i]['l'] = $kriteria[$i]->l;
$k[$i]['m'] = $kriteria[$i]->m;
$k[$i]['u'] = $kriteria[$i]->u;
}
}
Tingkat
kepentingan
Fuzzy Triangular Number
l m u
Sangat Rendah 0,01 0,01 0,25
rendah 0,01 0,25 0,50
cukup 0,25 0,50 0,75
tinggi 0,50 0,75 1,00
sangat tinggi 0,75 1,00 1,00
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
69
Berikut adalah hasil source code di atas berupa array untuk menyimpan skala
tfn setiap kriteria:
Gambar 5. 18 Array skala TFN perkritria
Tabel 5. 6 Skala TFN Perkriteria
Keterangan :
Array[0] : Lebar Layar
Array[1] : Kapasitas harddisk
Array[2] : Kapasitas ram
Array[3] : Kecepatan processor
Array[4] : harga
Untuk normalisasi skala tfn perkriteria, 1 dibagi nilai tfn perkriteria kemudian
jumlahkan untuk setiap l, m, u setelah itu nilai matriks dibagi dengan jumlah
tersebut.
Untuk mencegah terjadinya error karena pembagian dengan pembagi 0 maka
sistem akan mengecek array bernilai 0 atau tidak dan array tersebut kosong
atau tidak kemudian baru dijumlahkan. Source code sebagai berikut:
for ($a = 0; $a < count($bobot); $a++) {
if (empty($sumk['l']) && $k[$a]['l'] != 0)
{
Kriteria TFN L TFN M TFN U
0 0,50 0,75 1,00
1 0,50 0,75 1,00
2 0,75 1,00 1,00
3 0,25 0,50 0,75
4 0,25 0,50 0,75
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
70
$sumk['l'] = 1 / $k[$a]['l'];
} elseif ($k[$a]['l'] != 0) {
$sumk['l'] += 1 / $k[$a]['l'];
} elseif (empty($sumk['l']) && $k[$a]['l']
== 0) {
$sumk['l'] = 0;
} else {
$sumk['l'] += 0;
}
if (empty($sumk['m']) && $k[$a]['m'] != 0) {
$sumk['m'] = 1 / $k[$a]['m'];
} elseif ($k[$a]['m'] != 0) {
$sumk['m'] += 1 / $k[$a]['m'];
} elseif (empty($sumk['m']) && $k[$a]['m']
== 0) {
$sumk['m'] = 0;
} else {
$sumk['m'] += 0;
}
if (empty($sumk['u']) && $k[$a]['u'] != 0)
{
$sumk['u'] = 1 / $k[$a]['u'];
} elseif ($k[$a]['u'] != 0) {
$sumk['u'] += 1 / $k[$a]['u'];
} elseif (empty($sumk['u']) && $k[$a]['u']
== 0) {
$sumk['u'] = 0;
} else {
$sumk['u'] += 0;
}
}
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
71
Berikut adalah hasil source code di atas berupa array hasil penjumlahan
semua kriteria untuk l, m, u:
Gambar 5. 19 Array Nilai l, m, u
Setelah mendapat jumlah untuk l, m, u, kemudian nilai setiap array dihitung
1 dibagi dengan nilai array tersebut dan kemudian baru dibagi dengan jumlah
sesuai dengan l, m, u. Source code sebagai berikut:
for ($i = 0; $i < count($bobot); $i++) {
if ($k[$i]['l'] != 0 && $sumk['l'] != 0) {
$nk[$i]['l'] = (1 / $k[$i]['l']) /
$sumk['l'];
} else {
$nk[$i]['l'] = 0;
}
if ($k[$i]['m'] != 0 && $sumk['m'] != 0) {
$nk[$i]['m'] = (1 / $k[$i]['m']) /
$sumk['m'];
} else {
$nk[$i]['m'] = 0;
}
if ($k[$i]['u'] != 0 && $sumk['u'] != 0) {
$nk[$i]['u'] = (1 / $k[$i]['u']) /
$sumk['u'];
} else {
$nk[$i]['u'] = 0;
}
}
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
72
Berikut adalah hasil source code di atas berupa array normalisasi aggregated
fuzzy importance weight:
Gambar 5. 20 berupa array normalisasi aggregated fuzzy importance weight
Tabel 5. 7 Aggregated Fuzzy Importance Weight Ternormalisasi
5.2.3. Menghitung nilai matriks normalisasi keputusan V ̃ untuk
setiap kriteria
Untuk mendapatkan nilai matriks normalisasi keputusan �̃� dengan cara
mengalikan nilai data laptop ternormalisasi dengan nilai aggregated fuzzy
importance weight ternormalisasi setiap l, m, u. Data laptop ternormalisasi
yang dikalikan nilai perkriteria l akan mendaji v1, untuk m akan menjadi v2,
untuk u akan menjadi v3. Source code sebagai berikut:
for ($i = 0; $i < count($nl); $i++) {
$cv = 0;
$v1[$i]['seri'] = $nl[$i]['seri'];
$v2[$i]['seri'] = $nl[$i]['seri'];
$v3[$i]['seri'] = $nl[$i]['seri'];
Kriteria L m u
0 0,15 0,173913043 0,176470588
1 0,15 0,173913043 0,176470588
2 0,1 0,130434783 0,176470588
3 0,3 0,260869565 0,235294118
4 0,3 0,260869565 0,235294118
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
73
foreach ($kriteria as $k) {
$v1[$i][$k->kriteria] = $nl[$i][$k->kriteria]
* $nk[$cv]['l'];
$v2[$i][$k->kriteria] = $nl[$i][$k->kriteria]
* $nk[$cv]['m'];
$v3[$i][$k->kriteria] = $nl[$i][$k->kriteria]
* $nk[$cv]['u'];
$cv++;
}
}
Berikut adalah hasil source code di atas berupa array v1, v2, dan v3:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
74
Gambar 5. 21 Array V1, V2, V3
5.2.4. Hitung nilai Corcodance dan Discornce
Untuk mendapatkan nilai corcodance dan discordance yaitu dengan
membandingkan nilai matriks normalisasi satu alternatif dengan alternatif lainnya
perkriteria, jika nilai alternatif lebih besar maka nilai corcodance nya akan bernilai
1 dan sebaliknya, untuk discordance nya jika nilai laternatif lebih kecil maka nilai
discordancenya akan bernilai 1 dan sebaliknya. Source code sebagai berikut:
for ($i = 0; $i < count($nl); $i++) {
for ($o = 0; $o < count($nl); $o++) {
$c = 0;
if ($i != $o) {
foreach ($kriteria as $k) {
if ($v1[$i][$k->kriteria] >= $v1[$o][$k-
>kriteria]) {
$c1[$i . $o][$k->kriteria] = 1;
} else {
$c1[$i . $o][$k->kriteria] = 0; }
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
75
if ($v2[$i][$k->kriteria] >= $v2[$o][$k-
>kriteria]) {
$c2[$i . $o][$k->kriteria] = 1;
} else {
$c2[$i . $o][$k->kriteria] = 0; }
if ($v3[$i][$k->kriteria] >= $v3[$o][$k-
>kriteria]) {
$c3[$i . $o][$k->kriteria] = 1;
} else {
$c3[$i . $o][$k->kriteria] = 0; }
if ($nl[$i][$k->kriteria] < $nl[$o][$k-
>kriteria]) {
$d1[$i . $o][$k->kriteria] = 1;
} else {
$d1[$i . $o][$k->kriteria] = 0; }
if ($nl[$i][$k->kriteria] < $nl[$o][$k-
>kriteria]) {
$d2[$i . $o][$k->kriteria] = 1;
} else {
$d2[$i . $o][$k->kriteria] = 0; }
if ($nl[$i][$k->kriteria] < $nl[$o][$k-
>kriteria]) {
$d3[$i . $o][$k->kriteria] = 1;
} else {
$d3[$i . $o][$k->kriteria] = 0; }}}
Berikut ini adalah hasil source code di atas berupa hasil dari perhitungan
corcodance 1, corcodance 2, corcodance 3 dan discordance 1, discordance 2,
discordance 3 :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
76
Gambar 5. 22 Array Corcodance1, Corcodance2, Corcodance3
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
77
Gambar 5. 23 Array Discordance1, Discordance2, Discordance3
5.2.5. Hitung index corcodance dan discordance
Nilai index corcodance didapatkan dengan melihat nilai corcodane
setiap alternatif perkriteria, jika kriteria pada laternatif tersebut bernilai 1
maka kriteria tersebut akan diberikan nilai dari aggregated fuzzy importance
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
78
weight ternormalisasi dan akan dijumlahkan dengan kriteria lain. Source code
sebagai berikut:
for ($i = 0; $i < count($nl); $i++) {
for ($o = 0; $o < count($nl); $o++) {
$c = 0;
if ($i != $o) {
foreach ($kriteria as $k) {
if ($c1[$i . $o][$k->kriteria] == 1) {
$ic1[$i . $o][$k->kriteria] = $nk[$c]['l'];
$jic[$i . $o]['c1'] += $ic1[$i . $o][$k->kriteria];
} else {
$ic1[$i . $o][$k->kriteria] = 0;
$jic[$i . $o]['c1'] += $ic1[$i . $o][$k->kriteria];
}
if ($c2[$i . $o][$k->kriteria] == 1) {
$ic2[$i . $o][$k->kriteria] = $nk[$c]['m'];
$jic[$i . $o]['c2'] += $ic2[$i . $o][$k->kriteria];
} else {
$ic2[$i . $o][$k->kriteria] = 0;
$jic[$i . $o]['c2'] += $ic1[$i . $o][$k->kriteria];
}
if ($c3[$i . $o][$k->kriteria] == 1) {
$ic3[$i . $o][$k->kriteria] = $nk[$c]['u'];
$jic[$i . $o]['c3'] += $ic3[$i . $o][$k->kriteria];
} else {
$ic3[$i . $o][$k->kriteria] = 0;
$jic[$i . $o]['c3'] += $ic3[$i . $o][$k->kriteria];
}}}
Berikut ini adalah hasil source code di atas berupa hasil dari perhitungan
index corcodance:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
79
Gambar 5. 24 Array index corcodance
Nilai index discordance didapatkan dengan melihat nilai discordance
setiap alternatif perkriteria, jika kriteria pada laternatif tersebut bernilai 1
maka kriteria tersebut akan diberikan nilai dari matriks normalisasi keputusan
�̃� dikurang dengan nilai matriks normalisasi keputusan �̃� dari alternatif
pebanding dan akan dijumlah kemudian dibagi dengan jumlah selisih dari
nilai matriks normalisasi keputusan �̃� altrnatif dengan alternatif pembanding.
Source code sebagai berikut:
for ($i = 0; $i < count($nl); $i++) {
for ($o = 0; $o < count($nl); $o++) {
$c = 0;
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
80
if ($i != $o) {
if ($d1[$i . $o][$k->kriteria] == 1) {
$id1[$i . $o]['d1'] += abs($v1[$i][$k->
kriteria] - $v1[$o][$k->kriteria]);
$jid[$i . $o]['d1'] += abs($v1[$i][$k->
kriteria] - $v1[$o][$k->kriteria]);
} else {
$id1[$i . $o]['d1'] += 0;
$jid[$i . $o]['d1'] += abs($v1[$i][$k->
kriteria] - $v1[$o][$k->kriteria]); }
if ($d2[$i . $o][$k->kriteria] == 1) {
$id2[$i . $o]['d2'] += abs($v2[$i][$k->
kriteria] - $v2[$o][$k->kriteria]);
$jid[$i . $o]['d2'] += abs($v2[$i][$k->
kriteria] - $v2[$o][$k->kriteria]);
} else {
$id2[$i . $o]['d2'] += 0;
$jid[$i . $o]['d2'] += abs($v2[$i][$k->
kriteria] - $v2[$o][$k->kriteria]); }
if ($d3[$i . $o][$k->kriteria] == 1) {
$id3[$i . $o]['d3'] += abs($v3[$i][$k->
kriteria] - $v3[$o][$k->kriteria]);
$jid[$i . $o]['d3'] += abs($v3[$i][$k->
kriteria] - $v3[$o][$k->kriteria]);
} else {
$id3[$i . $o]['d3'] += 0;
$jid[$i . $o]['d3'] += abs($v3[$i][$k->
kriteria] - $v3[$o][$k->kriteria]); }
}
if ($jid[$i . $o]['d1'] != 0) {
$jid[$i . $o]['d1'] = $id1[$i . $o]['d1']/
$jid[$i.$o]['d1'];
} else {
$jid[$i . $o]['d1'] = 0; }
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
81
if ($jid[$i . $o]['d2'] != 0) {
$jid[$i . $o]['d2'] = $id2[$i . $o]['d2'] /
$jid[$i . $o]['d2'];
} else {
$jid[$i . $o]['d2'] = 0; }
if ($jid[$i . $o]['d3'] != 0) {
$jid[$i . $o]['d3'] = $id3[$i . $o]['d3'] /
$jid[$i . $o]['d3'];
} else {
$jid[$i . $o]['d3'] = 0; }
}}
Berikut ini adalah hasil source code di atas berupa hasil dari perhitungan
index discordance:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
82
Gambar 5. 25 Array Index Discordance
5.2.6. Hitung index final corcodance dan discordance
Untuk menghitung nilai index final corcodance dan discordance
dengan mengalikan c1, c2, dan c3 kemudian diakar pangkat 3 untuk setiap
perbandingan alternatif. Source code sebagai berikut:
$if[$i . $o]['C'] = pow(($jic[$i . $o]['c1'] *
$jic[$i . $o]['c2'] * $jic[$i . $o]['c3']), 1 / 3);
$if[$i . $o]['D'] = pow(($jid[$i . $o]['d1'] *
$jid[$i . $o]['d2'] * $jid[$i . $o]['d3']), 1 / 3);
Berikut ini adalah hasil source code di atas berupa hasil dari perhitungan
index final corcodance dan discordance:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
83
Gambar 5. 26 Array Index Final Corcodance dan Discordance
5.2.7. Perankingan
Perangkingan dilakukan dengan mengurangi nilai index final
corcodance dengan index final discordance setiap alternatif pembanding dan
dijumlahkan. Source code sebagai berikut:
if (empty($sumrank[$i])) {
$sumrank[$i] = $if[$i . $o]['C'] - $if[$i .
$o]['D'];
} else {
$sumrank[$i] += $if[$i . $o]['C'] - $if[$i .
$o]['D']; }
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
84
Berikut ini adalah hasil source code di atas berupa hasil dari perhitungan
perangkingan:
Gambar 5. 27 Array Nilai Perangkingan
5.3. Implementasi Interface
5.3.1. Halaman Utama
Gambar 5. 28 Halaman Utama
Halaman ini adalah halaman utama. Pada halaman ini pengguna
dapat mengakses menu sistem pendukung keputusan dan melihat daftar
laptop. Pada halaman ini administrator dapat melakukkan login.
5.3.2. Halaman SPPK Laptop
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
85
Gambar 5. 29 Halaman SPPK Laptop
Halaman ini merupakan halaman yang memproses rekomendasi
pemilihan laptop dengan meggunakan metode Fuzzy Elimination Et Choix
Traduisant La Realite. Pada halaman ini user/pengguna memilih merek
laptop yang akan digunakan, memilih kriteria yang digunakan, memilih
bobot yang sudah dipilih dan range harga laptop untuk melakukkan proses
sistem pendukung keputusan yang menghasilkan rekomendasi laptop.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
86
5.3.3. Halaman Hasil SPPK
Gambar 5. 30 Halaman Hasil SPPK
Halaman ini adalah halaman untuk menampilkan hasil rekomendasi
laptop.
5.3.4. Halaman Deskripsi Laptop
Gambar 5. 31 Halaman Deskripsi Laptop
Halaman ini menampilkan data deskripsi laptop.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
87
5.3.5. Halaman Login
Gambar 5. 32 Halaman Login
Pada halaman ini administrator memasukan username dan
password untuk login kedalam halaman admin.
5.3.6. Halaman Dasboard Admin
Halaman ini adalah halaman utama admin. Pada halaman ini
pengguna dapat mengakses menu Kelola Laptop, menu edit TFN,
menu Kelola Merek, dan menu Kelola Kriteria. Pada halaman ini
administrator dapat melakukan logout.
Gambar 5. 33 Halaman Dasboard Admin
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
88
5.3.7. Halaman Kelola Data Laptop
Gambar 5. 34 Halaman Kelola Data Laptop
Halaman ini merupakan halaman kelola data. Pada halaman ini
administrator dapat menambahkan data, melihat data dan melakukan aksi seperti
mengedit atau menghapus data laptop.
5.3.8. Halaman Edit Data Laptop
Gambar 5. 35 Halaman Edit Data Laptop
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
89
Halaman ini merupakan halaman form edit data laptop. Pada halaman ini
administrator dapat mengedit data laptop.
5.3.9. Halaman Edit TFN
Gambar 5. 36 Halaman Edit TFN
Halaman ini merupakan halaman form edit TFN. Pada halaman ini
administrator dapat mengedit TFN
5.3.10. Halaman Kelola Merek
Gambar 5. 37 Halaman Kelola Merek
Halaman ini merupakan halaman kelola data merek. Pada halaman ini
administrator dapat menambahkan data, melihat data dan melakukan aksi seperti
mengedit atau menghapus data merek.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
90
5.3.11. Halaman Kelola Kriteria
Gambar 5. 38 Halaman Kelola Kriteria
Halaman ini merupakan halaman kelola data kriteria. Pada halaman ini
administrator dapat menambahkan data, melihat data dan melakukan aksi seperti
mengedit atau menghapus data kriteria laptop.
5.3.12. Halaman Tambah Data Kriteria
Gambar 5. 39 Halaman Tambah Data kriteria
Halaman ini adalah halaman untuk menambahkan data kriteria baru untuk semua
laptop.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
91
5.3.13. Halaman Daftar Laptop
Gambar 5. 40 Halaman Daftar Laptop
Halaman ini menampilkan data semua laptop yang ada dalam data base.
5.4. Uji Coba Perangkat Lunak
Tahap ini adalah tahap pengujian untuk memastikan bahwa sistem yang
dibuat berjalan dengan baik. Untuk pengujian sistem dapat dilihat pada langkah
berikut:
Tabel 5. 8 Langkah Uji Sistem
Nama Use Case Tahap Uji
Sistem Pendukung Keputusan
1. Menampilkan form pilih merek,
penilaian bobot kepentingan
kriteria, range harga.
2. Menampilkan hasil rekomendasi
laptop
3. Menampilkan tampil deskripsi
laptop dari rekomendasi laptop
Lihat Daftar laptop 1. Menampilkan halaman daftar
laptop
Login 1. Input username dan password
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
92
Kelola Data Laptop
1. Lihat data laptop
2. Tambah data laptop
3. Ubah data laptop
4. Hapus data laptop
Ubah Skala TFN 1. Ubah skala TFN
Kelola Merek
1. Tambah data merek
2. Ubah data merek
3. Hapus data merek
4. Lihat data merek
Kelola Kriteria
1. Tambah data kriteria
2. Ubah data kriteria
3. Hapus data kriteria
4. Lihat data kriteria
Logout 1. Keluar dari system
- Pengujian Lihat Daftar Laptop
Tabel 5. 9 Hasil Uji Lihat Data Laptop
Kasus dan Hasil Uji Pada Halaman Lihat Daftar Laptop
Require Skenario Uji Hasil yang
Diharapkan
Hasil
Pengujian Gambar
Menu tampil
daftar laptop
Tekan menu
tampil daftar
laptop.
Menampilkan
halaman
tampil daftar
semua laptop.
Sesuai Gambar 5.
41
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
93
Gambar 5. 41 Halaman Daftar Laptop
- Pengujian Sistem Pendukung Keputusan
Tabel 5. 10 Hasil Uji Sistem Pendukung Keputusan
Kasus dan Hasil Uji Pada Halaman SPPK Pembelian Laptop
Require Skenario Uji Hasil yang
Diharapkan
Hasil
Pengujian Gambar
Menampillkan
form
Tekan menu
SPPK
Pembelian
Laptop.
Menampilkan
form pilih
merek, penilaian
bobot
kepentingan
kriteria, range
harga.
Sesuai Gambar 5. 42
Input merek,
penilaian
bobot
kepentingan
kriteria, range
harga laptop.
Memilih
merek, nilai
bobot
kepentingan
kriteria, lalu
menekan
button
Menampilkan
hasil
rekomendasi
laptop.
Sesuai Gambar 5. 43
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
94
submit untuk
proses
selanjutnya.
Melihat
daskripsi
laptop.
Menekan seri
laptop.
Menampilkan
tampil deskripsi
laptop dari
rekomendasi
laptop.
Sesuai Gambar 5. 44
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
95
Gambar 5. 42 Halaman SPPK Pembelian Laptop
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
96
Gambar 5. 43 Halaman Hasil Preankingan Laptop
Gambar 5. 44 Halaman Deskripsi Laptop
- Pengujian Prioritas Kriteria
Input bobot kepentingan kriteria percobaan 1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
97
Gambar 5. 45 Percobaan 1
Hasil rekomendasi laptop dari percobaan 1 di atas:
Gambar 5. 46 Hasil Percobaan 1
Input bobot kepentingan kriteria percobaan 2
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
98
Gambar 5. 47 Percobaan
Hasil rekomendasi laptop dari percobaan 2 di atas:
Input bobot kepentingan kriteria percobaan 3
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
99
Hasil rekomendasi laptop dari percobaan 3 di atas:
Hasil dari 3 percobaan di atas yaitu memasukkan 3 input yang berbeda
mengenai kriteria yang digunakan dan bobot kepentingan kriteria adalah hasil
rekomendasi yang berbeda. Dari percobaan dan hasil rekomendasi tersebut
dapat disimpulkan bahwa rekomendasi yang dihasilkan tergantung dari
masukkan user mengenai kriteria yang digunakan dan bobot kepentingan
kriteria.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
100
- Pengujian Login Administrator
Tabel 5.11 Hasil Uji Login
Kasus dan Hasil Uji Pada Halaman Login
Require Skenario Uji Hasil yang
Diharapkan
Hasil
Pengujian Gambar
Login
administrator
Memasukkan
username
dan
password
yang salah.
Tetap
dihalaman
login Sesuai
Gambar 5.48
dan
Gambar 5. 49
Login
administrator
Memasukkan
username
dan
password
yang benar.
Masuk
kedalam
halaman
utama
administrator.
Sesuai
Gambar 5.50
dan
aambar 5. 51
Gambar 5. 48 Input Login Salah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
101
Gambar 5. 49 Hasil Input Login Salah
Gambar 5. 50 Input Login Benar
Gambar 5. 51 Hasil Input Login Benar
- Pengujian Kelola Data Laptop
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
102
Tabel 5. 12 Hasil Uji Kelola Laptop
Kasus dan Hasil Uji Pada Halaman Kelola Data Laptop
Require Skenario Uji Hasil yang
Diharapkan
Hasil
Pengujian Gambar
Lihat data
Laptop.
Menekan
menu kelola
data laptop.
Menampilkan
tabel data
laptop.
Sesuai Gambar 5. 52
Tambah data
laptop.
Menekan
menu kelola
data laptop,
lalu
memasukkan
data laptop.
Menampilkan
hasil
masukkan data
laptop terbaru.
Sesuai
Gambar 5.53
dan Gambar
5.54
Ubah data
laptop.
Menekan
tulisan Edit
pada kolom
fungsi.
Mengisi data
yang diedit
dan
menampilkan
hasil data
laptop yang
diedit.
Sesuai
Gambar 5. 55
Dan
Gambar 5. 56
Hapus data
laptop.
Menekan
tulisan
Hapus pada
kolom
fungsi,
kemudian
menekan ok
Data laptop
terhapus.
Sesuai
Gambar 5. 57
dan
Gambar 5. 58
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
103
pada popups
konfimasi.
Gambar 5. 52 Tabel Data Laptop
Gambar 5. 53 Masukan Form Tambah Data Laptop
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
104
Gambar 5. 54 Data Laptop Tertambah
Gambar 5. 55 Mengisi Form Edit Data Laptop
Gambar 5. 56 Data laptop Berubah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
105
Gambar 5. 57 Popup Konfirmasi Hapus
Gambar 5. 58 Data Laptop Terhapus
- Pengujian ubah skala TFN
Tabel 5. 13 Hasil Uji Ubah Skala TFN
Kasus dan Hasil Uji Pada Halaman ubah skala TFN
Require Skenario Uji Hasil yang
Diharapkan
Hasil
Pengujian Gambar
Ubah skala
TFN.
Menekan
tombol
submit.
Mengisi data
yang diedit
dan
Sesuai
Gambar 5. 59
dan
Gambar 5. 60
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
106
menampilkan
hasil data yang
diedit.
Gambar 5. 59 Isis Form Edit TFN
Gambar 5. 60 Data TFN Berubah
- Pengujian Kelola Merek
Tabel 5. 14 Hasil Uji Kelola Merek
Kasus dan Hasil Uji Pada Halaman Kelola Merek
Require Skenario Uji Hasil yang
Diharapkan
Hasil
Pengujian Gambar
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
107
Lihat data
Merek.
Menekan
menu kelola
data merek.
Menampilkan
tabel data
merek.
Sesuai Gambar 5. 61
Tambah data
merek.
Menekan
menu kelola
data merek,
lalu
memasukkan
data merek.
Menampilkan
hasil
masukkan data
merek terbaru.
Sesuai
Gambar 5. 62
dan
Gambar 5. 63
Ubah data
merek.
Menekan
tulisan Edit
pada kolom
fungsi.
Mengisi data
yang diedit
dan
menampilkan
hasil data
merek yang
diedit.
Sesuai
Gambar 5. 64
dan
Gambar 5. 65
Hapus data
merek.
Menekan
tulisan
Hapus pada
kolom
fungsi,
kemudian
menekan ok
pada popups
konfimasi.
Data merek
terhapus.
Sesuai
Gambar 5. 66
dan
Gambar 5. 67
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
108
Gambar 5. 61Tabel Data Merek
Gambar 5. 62 Isi Form Tambah Merek
Gambar 5. 63 Data Merek Tertambah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
109
Gambar 5. 64 Ubah Data Merek
Gambar 5. 65 Konfirmasi Ubah Data Merek
Gambar 5. 66 Konfirmasi Hapus Merek
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
110
Gambar 5. 67 Data Merek Terhapus
- Pengujian Kelola Data Kriteria
Tabel 5. 15 Hasil Uji Kelola Kriteria
Kasus dan Hasil Uji Pada Halaman Kelola Merek
Require Skenario Uji Hasil yang
Diharapkan
Hasil
Pengujian Gambar
Lihat data
Kriteria.
Menekan
menu kelola
data Kriteria.
Menampilkan
tabel data
kriteria.
Sesuai Gambar 5. 68
Tambah data
kriteria.
Menekan
menu kelola
data kriteria,
lalu
memasukkan
data kriteria.
Menampilkan
form tambah
data kriteria
perlaptop.
Sesuai Gambar 5. 69
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
111
Tambah
kolom
kriteria.
Memasukkan
data kriteria
perlaptop,
Menekan
tombol save
pada bawah
form
kemudian
menekan ok
pada popups
konfimasi.
Kolom kriteria
laptop
tertambah.
Sesuai
Gambar 5.70
dan
Gambar 5.71
dan Gambar 5.
72 dan Gambar
5. 73
Ubah data
kriteria.
Menekan
tulisan Edit
pada kolom
fungsi.
Mengisi data
yang diedit
dan
menampilkan
hasil data
kriteria yang
diedit.
Sesuai
Gambar 5.74
dan
Gambar 5.75
dan Gambar 5.
76
Hapus data
merek.
Menekan
tulisan
Hapus pada
kolom
fungsi,
kemudian
menekan ok
pada popups
konfimasi.
Data kriteria
terhapus.
Sesuai
Gambar 5.77
dan Gambar 5.
78
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
112
Gambar 5. 68 Tabel Kriteria
Gambar 5. 69 Isi Form Tambah Kriteria
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
113
Gambar 5. 70 Form Isi Dara Kriteria Laptop
Gambar 5. 71 Isi Form Tambah Data Kriteria Laptop
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
114
Gambar 5. 72 Popup Konfirmasi Tambah Kriteria
Gambar 5. 73 Kriteria Bertambah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
115
Gambar 5. 74 Isi Form Edit Data Kriteria
Gambar 5. 75 Popup Konfirmasi Edit
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
116
Gambar 5. 76 Data Kriteria Teredit
Gambar 5. 77 Konfirmasi Hapus Kriteria
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
117
Gambar 5. 78 Kriteria Terhapus
5.5. Pengujian Hasil Perhitungan dengan Sistem
Berikut ini adalah data laptop yang digunakan:
Tabel 5. 16 Data Laptop
No Laptop C1 C2 C3 C4 C5
A1 1 Asus E202SA-
FD111D
11.6 500 2 1.6 3168000
A2 2 Dell INSPIRON
11-3168 D 2in1
x360
11.6 500 4 1.6 5340000
A3 3 Lenovo
IP 110-14IBR-
80T600-7QID
14 1000 2 1.6 3725000
A4 4 Toshiba
Satellite C55-
C5270 Black
15.6 1000 4 1.7 6399000
A5 5 Sony VAIO
SVF14212SG
14 500 2 1.6 6000000
Keterangan:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
118
C1 : Lebar Layar
C2 : Kapasitas Harddisk
C3 : Kapasitas RAM
C4 : Kecepatan Processor
C5 : Harga
A1 : Alternatif 1
A2 : Alternatif 2
A3 : Alternatif 3
A4 : Alternatif 4
A5 : Alternatif 5
Berikut ini adalah penilaian bobot kepentingan kriteria yang dimasukkan oleh user:
Tabel 5. 17 Bobot Kepentingan Dari User
Kriteria Penilaian
Lebar layar Tinggi
Kapasitas Harddisk Tinggi
Kapasitas RAM Sangat Tinggi
Kecepatan Processor Sedang
Harga Sedang
Keterangan:
Tabel pada warna abu-abu adalah masukkan dari pengguna.
Dari data latptop dan masukkan user mengenai penilaian bobot kepentingan kriteria
dapat dihitung secara manual dan menggunakan sistem. Hasil perhitungan tersebut
sebagai berikut:
5.4.1. Hasil Perhitungan Manual
1. Nilai normalisasi alternatif, hasil sebagai berikut :
Tabel 5. 18 Hasil Normalisasi Data Alternatif
C1 C2 C3 C4 C5
A1 0,386 0,302 0,302 0,442 0,620276262
A2 0,386 0,302 0,603 0,442 0,36798412
A3 0,466 0,603 0,302 0,442 0,527526228
A4 0,519 0,603 0,603 0,469 0,307084732
A5 0,466 0,302 0,302 0,442 0,327505866
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
119
2. Nilai normalisasi aggregated fuzzy importance weight kriteria, hasil
sebagai berikut :
Tabel 5. 19 Hasil Normalisasi aggregated fuzzy importance weight
Wj1 Wj2 Wj3
C1 0,15 0,173913043 0,176470588
C2 0,15 0,173913043 0,176470588
C3 0,1 0,130434783 0,176470588
C4 0,3 0,260869565 0,235294118
C5 0,3 0,260869565 0,235294118
3. Nilai matriks normalisasi keputusan V, hasil sebagai berikut :
Tabel 5. 20 V1
C1 C2 C3 C4 C5
A1 0,0579 0,0452 0,0302 0,1325 0,186082879
A2 0,0579 0,0452 0,0603 0,1325 0,110395236
A3 0,0698 0,0905 0,0302 0,1325 0,158257868
A4 0,0778 0,0905 0,0603 0,1407 0,09212542
A5 0,0698 0,0452 0,0302 0,1325 0,09825176
Tabel 5. 21 V2
C1 C2 C3 C4 C5
A1 0,0579 0,0452 0,0302 0,1325 0,186082879
A2 0,0579 0,0452 0,0603 0,1325 0,110395236
A3 0,0698 0,0905 0,0302 0,1325 0,158257868
A4 0,0778 0,0905 0,0603 0,1407 0,09212542
A5 0,0698 0,0452 0,0302 0,1325 0,09825176
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
120
Tabel 5. 22 V3
C1 C2 C3 C4 C5
A1 0,06807 0,05321 0,05321 0,10390 0,14595
A2 0,06807 0,05321 0,10642 0,10390 0,08658
A3 0,08215 0,10642 0,05321 0,10390 0,12412
A4 0,09154 0,10642 0,10642 0,11039 0,07226
A5 0,08215 0,05321 0,05321 0,10390 0,07706
4. Nilai corcodance dan discordance, hasil sebagai berikut :
Tabel 5. 23 Corcodance
C1 C2 C3 C4 C5
A12 1 1 0 1 1
A13 0 0 1 1 1
A14 0 0 0 0 1
A15 0 1 1 1 1
A21 1 1 1 1 0
A23 0 0 1 1 0
A24 0 0 1 0 1
A25 0 1 1 1 1
A31 1 1 1 1 0
A32 1 1 0 1 1
A34 0 1 0 0 1
A35 1 1 1 1 1
A41 1 1 1 1 0
A42 1 1 1 1 0
A43 1 1 1 1 0
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
121
A45 1 1 1 1 0
A51 1 1 1 1 0
A52 1 1 0 1 0
A53 1 0 1 1 0
A54 0 0 0 0 1
Tabel 5. 24 Discordance
C1 C2 C3 C4 C5
A12 0 0 1 0 0
A13 1 1 0 0 0
A14 1 1 1 1 0
A15 1 0 0 0 0
A21 0 0 0 0 1
A23 1 1 0 0 1
A24 1 1 0 1 0
A25 1 0 0 0 0
A31 0 0 0 0 1
A32 0 0 1 0 0
A34 1 0 1 1 0
A35 0 0 0 0 0
A41 0 0 0 0 1
A42 0 0 0 0 1
A43 0 0 0 0 1
A45 0 0 0 0 1
A51 0 0 0 0 1
A52 0 0 1 0 1
A53 0 1 0 0 1
A54 1 1 1 1 0
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
122
5. Nilai indeks corcodance dan discordance, hasil sebagai berikut :
Tabel 5. 25 Index Corcodance
Corcodance 1 Corcodance 2 Corcodance 3
A12 0,9 0,869565217 0,823529412
A13 0,7 0,652173913 0,647058824
A14 0,3 0,260869565 0,235294118
A15 0,85 0,826086957 0,823529412
A21 0,7 0,739130435 0,764705882
A23 0,4 0,391304348 0,411764706
A24 0,4 0,391304348 0,411764706
A25 0,85 0,826086957 0,823529412
A31 0,7 0,739130435 0,764705882
A32 0,9 0,869565217 0,823529412
A34 0,45 0,434782609 0,411764706
A35 1 1 1
A41 0,7 0,739130435 0,764705882
A42 0,7 0,739130435 0,764705882
A43 0,7 0,739130435 0,764705882
A45 0,7 0,739130435 0,764705882
A51 0,7 0,739130435 0,764705882
A52 0,6 0,608695652 0,588235294
A53 0,55 0,565217391 0,588235294
A54 0,3 0,260869565 0,235294118
Tabel 5. 26 Index Discordance
Discordance 1 Discordance 2 Discordance 3
A12 0,284878 0,374039 0,472661756
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
123
A13 0,672731 0,732677 0,75510557
A14 0,524422 0,5991 0,649206159
A15 0,119941 0,153773 0,16973214
A21 0,715122 0,625961 0,527338244
A23 0,777006 0,732943 0,663321634
A24 0,800822 0,838964 0,85303574
A25 0,220589 0,217649 0,183332338
A31 0,327269 0,267323 0,24489443
A32 0,222994 0,267057 0,336678366
A34 0,41238 0,492377 0,57118655
A35 0 0 0
A41 0,475578 0,4009 0,350793841
A42 0,199178 0,161036 0,14696426
A43 0,58762 0,507623 0,42881345
A45 0,062665 0,046918 0,037803871
A51 0,880059 0,846227 0,83026786
A52 0,779411 0,782351 0,816667662
A53 1 1 1
A54 0,937335 0,953082 0,962196129
6. Nilai Index final corcodance dan discordance, hasil sebagai berikut
Tabel 5. 27 Index Final Corcodance dan Discordance
Index final
corcodance
Index final
discordance
A12 0,863789514 0,369296733
A13 0,665991075 0,719317557
A14 0,264069705 0,588646166
A15 0,833120719 0,146286284
A21 0,73412698 0,618024269
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
124
A23 0,400935576 0,722891093
A24 0,400935576 0,830645201
A25 0,833120719 0,206471531
A31 0,73412698 0,277740889
A32 0,863789514 0,271667391
A34 0,431894757 0,487668238
A35 1 0
A41 0,73412698 0,405916378
A42 0,73412698 0,167671206
A43 0,73412698 0,503850964
A45 0,73412698 0,048080333
A51 0,73412698 0,851933459
A52 0,598918198 0,792631067
A53 0,567600925 1
A54 0,264069705 0,950815416
7. Skor akhir setiap alternatif, hasil sebagai berikut:
Tabel 5. 28 Score Setiap Alternatif
score
A1 0,803424272
A2 -0,008913243
A3 1,992734734
A4 1,810989041
A5 -1,430664133
8. Rangking rekomendasi laptop, hasil sebagai berikut:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
125
Tabel 5. 29 Ranking Rekomendasi
Score
A3 1,992734734
A4 1,810989041
A1 0,803424272
A2 -0,008913243
A5 -1,430664133
5.4.2. Hasil Perhitungan Sistem
1. Nilai normalisasi alternatif, hasil sebagai berikut :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
126
Gambar 5. 79 Array Data Alternatif Ternormalisasi
Tabel 5. 30 Array Data Alternatif Ternormalisasi
Alternatif C1 C2 C3 C4 C5
0 A1 0,386 0,302 0,302 0,442 0,620276262
1 A2 0,386 0,302 0,603 0,442 0,36798412
2 A3 0,466 0,603 0,302 0,442 0,527526228
3 A4 0,519 0,603 0,603 0,469 0,307084732
4 A5 0,466 0,302 0,302 0,442 0,327505866
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
127
2. Nilai normalisasi aggregated fuzzy importance weight kriteria, hasil
sebagai berikut :
Gambar 5. 80 Array aggregated fuzzy importance weight Ternormalisasi
Tabel 5. 31 Array aggregated fuzzy importance weight Ternormalisasi
Kriteria L m u
0 C1 0,15 0,173913043 0,176470588
1 C2 0,15 0,173913043 0,176470588
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
128
2 C3 0,1 0,130434783 0,176470588
3 C4 0,3 0,260869565 0,235294118
4 C5 0,3 0,260869565 0,235294118
3. Nilai matriks normalisasi keputusan V, hasil sebagai berikut :
Gambar 5. 81 Array V1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
129
Tabel 5. 32 V1
C1 C2 C3 C4 C5
0
A1
0,057
9
0,045
2 0,0302 0,1325
0,18608287
9
1
A2
0,057
9
0,045
2 0,0603 0,1325
0,11039523
6
2
A3
0,069
8
0,090
5 0,0302 0,1325
0,15825786
8
3
A4
0,077
8
0,090
5 0,0603 0,1407 0,09212542
4
A5
0,069
8
0,045
2 0,0302 0,1325 0,09825176
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
130
Gambar 5. 82 Array V2
Tabel 5. 33 V2
C1 C2 C3 C4 C5
0
A1
0,057
9
0,045
2
0,030
2 0,1325
0,18608287
9
1
A2
0,057
9
0,045
2
0,060
3 0,1325
0,11039523
6
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
131
2
A3
0,069
8
0,090
5
0,030
2 0,1325
0,15825786
8
3
A4
0,077
8
0,090
5
0,060
3 0,1407 0,09212542
4
A5
0,069
8
0,045
2
0,030
2 0,1325 0,09825176
Gambar 5. 83 Array V3
Tabel 5. 34 V3
C1 C2 C3 C4 C5
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
132
0
A1 0,06807
0,0532
1
0,0532
1
0,1039
0
0,1459
5
1
A2 0,06807
0,0532
1
0,1064
2
0,1039
0
0,0865
8
2
A3 0,08215
0,1064
2
0,0532
1
0,1039
0
0,1241
2
3
A4 0,09154
0,1064
2
0,1064
2
0,1103
9
0,0722
6
4
A5 0,08215
0,0532
1
0,0532
1
0,1039
0
0,0770
6
4. Nilai corcodance dan discordance, hasil sebagai berikut :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
133
Gambar 5. 84 Array Corcodance
Tabel 5. 35 Corcodance
C1 C2 C3 C4 C5
01 A12 1 1 0 1 1
02 A13 0 0 1 1 1
03 A14 0 0 0 0 1
04 A15 0 1 1 1 1
10 A21 1 1 1 1 0
12 A23 0 0 1 1 0
13 A24 0 0 1 0 1
14 A25 0 1 1 1 1
20 A31 1 1 1 1 0
21 A32 1 1 0 1 1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
134
23 A34 0 1 0 0 1
24 A35 1 1 1 1 1
30 A41 1 1 1 1 0
31 A42 1 1 1 1 0
32 A43 1 1 1 1 0
34 A45 1 1 1 1 0
40 A51 1 1 1 1 0
41 A52 1 1 0 1 0
42 A53 1 0 1 1 0
43 A54 0 0 0 0 1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
135
Gambar 5. 85 Array Discordance
Tabel 5. 36 Discordance
D1 D2 D3 D4 D5
01 A12 0 0 1 0 0
02 A13 1 1 0 0 0
03 A14 1 1 1 1 0
04 A15 1 0 0 0 0
10 A21 0 0 0 0 1
12 A23 1 1 0 0 1
13 A24 1 1 0 1 0
14 A25 1 0 0 0 0
20 A31 0 0 0 0 1
21 A32 0 0 1 0 0
23 A34 1 0 1 1 0
24 A35 0 0 0 0 0
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
136
30 A41 0 0 0 0 1
31 A42 0 0 0 0 1
32 A43 0 0 0 0 1
34 A45 0 0 0 0 1
40 A51 0 0 0 0 1
41 A52 0 0 1 0 1
42 A53 0 1 0 0 1
43 A54 1 1 1 1 0
5. Nilai indeks corcodance dan discordance, hasil sebagai berikut :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
137
Gambar 5. 86 Array Index Corcodance
Tabel 5. 37 Index Corcodance
Corcodance
1
Corcodance
2
Corcodance
3
01 A12 0,9 0,869565217 0,823529412
02 A13 0,7 0,652173913 0,647058824
03 A14 0,3 0,260869565 0,235294118
04 A15 0,85 0,826086957 0,823529412
10 A21 0,7 0,739130435 0,764705882
12 A23 0,4 0,391304348 0,411764706
13 A24 0,4 0,391304348 0,411764706
14 A25 0,85 0,826086957 0,823529412
20 A31 0,7 0,739130435 0,764705882
21 A32 0,9 0,869565217 0,823529412
23 A34 0,45 0,434782609 0,411764706
24 A35 1 1 1
30 A41 0,7 0,739130435 0,764705882
31 A42 0,7 0,739130435 0,764705882
32 A43 0,7 0,739130435 0,764705882
34 A45 0,7 0,739130435 0,764705882
40 A51 0,7 0,739130435 0,764705882
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
138
41 A52 0,6 0,608695652 0,588235294
42 A53 0,55 0,565217391 0,588235294
43 A54 0,3 0,260869565 0,235294118
Gambar 5. 87 Array Index Discordance
Tabel 5. 38 Index Discordance
Discordance
1
Discordance
2 Discordance 3
01 A12 0,284878 0,374039 0,472661756
02 A13 0,672731 0,732677 0,75510557
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
139
03 A14 0,524422 0,5991 0,649206159
04 A15 0,119941 0,153773 0,16973214
10 A21 0,715122 0,625961 0,527338244
12 A23 0,777006 0,732943 0,663321634
13 A24 0,800822 0,838964 0,85303574
14 A25 0,220589 0,217649 0,183332338
20 A31 0,327269 0,267323 0,24489443
21 A32 0,222994 0,267057 0,336678366
23 A34 0,41238 0,492377 0,57118655
24 A35 0 0 0
30 A41 0,475578 0,4009 0,350793841
31 A42 0,199178 0,161036 0,14696426
32 A43 0,58762 0,507623 0,42881345
34 A45 0,062665 0,046918 0,037803871
40 A51 0,880059 0,846227 0,83026786
41 A52 0,779411 0,782351 0,816667662
42 A53 1 1 1
43 A54 0,937335 0,953082 0,962196129
6. Nilai Index final corcodance dan discordance, hasil sebagai berikut:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
140
Gambar 5. 88 Array Index FInal Corcodance dan Discordance
Tabel 5. 39 Index FInal Corcodance dan Discordance
Index final
corcodance
Index final
discordance
01 A12 0,863789514 0,369296733
02 A13 0,665991075 0,719317557
03 A14 0,264069705 0,588646166
04 A15 0,833120719 0,146286284
10 A21 0,73412698 0,618024269
12 A23 0,400935576 0,722891093
13 A24 0,400935576 0,830645201
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
141
14 A25 0,833120719 0,206471531
20 A31 0,73412698 0,277740889
21 A32 0,863789514 0,271667391
23 A34 0,431894757 0,487668238
24 A35 1 0
30 A41 0,73412698 0,405916378
31 A42 0,73412698 0,167671206
32 A43 0,73412698 0,503850964
34 A45 0,73412698 0,048080333
40 A51 0,73412698 0,851933459
41 A52 0,598918198 0,792631067
42 A53 0,567600925 1
43 A54 0,264069705 0,950815416
7. Skor akhir setiap alternatif, hasil sebagai berikut:
Gambar 5. 89 Array Skor Akhir
Tabel 5. 40 Skor Akhir
Score
0 A1 0,803424272
1 A2 -0,008913243
2 A3 1,992734734
3 A4 1,810989041
4 A5 -1,430664133
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
142
Jadi laptop yang paling direkomendasikan adalah A3 (Lenovo
IP 110-14IBR-80T600-7QID ) dengan skor tertinggi 1,992734734
Dilihat dari hasil perhitungan antara manual dengan sistem yang dibuat
memiliki hasil nilai perhitungan dan hasil rekomendasi laptop yang sama. Maka
dari itu dapat disimpulkan bahwa sistem yang telah dibuat memiliki akurasi 100%,
karena hasil yang serupa dengan perhitungan manual yang berarti sistem sudah
berjalan dengan baik.
5.6. Percobaan Triangular Fuzzy Number
1. Mengeser nilai l ke kanan dan u ke kiri
0.1
1
0,25 0,5 0,75 1
SR R C T ST
0,10 0,15 0,35 0,45 0,55 0,65 0,85 0,95
Gambar 5. 90 Triangular Fuzzy Number setelah nilai l digeser kekanan dan u
digeser ke kiri
Bobot kepentingan yang didapat :
Tabel 5. 41 Tabel bobot kriteria setelah nilai l digeser kekanan dan u digeser ke
kiri
Kriteria Bobot TFN L TFN M TFN U
layar 4 0,65 0,75 0,85
harddisk 4 0,65 0,75 0,85
ram 5 0,90 1,00 1,00
proc 3 0,40 0,50 0,60
harga 3 0,40 0,50 0,60
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
143
Berbedaan hasil yang didapat dan Hasil awal :
Hasil setelah tfn diubah :
Tabel 5. 42 Hasil Perankingan setelah nilai l digeser kekanan dan u digeser ke kiri
alternatif skor Rank
A1 0,747967 3
A2 -0,0427 4
A3 2,002418 1
A4 1,844937 2
A5 -1,41461 5
Hasil awal sistem :
Tabel 5. 43 Hasil Perankingan Awal
alternatif skor Rank
A1 0,803424 3
A2 -0,00891 4
A3 1,992735 1
A4 1,810989 2
A5 -1,43066 5
Analisa : Jika l digeser ke kanan dan u di geser ke kiri maka hasil yang didapatkan
ranking alternatif sama yang berbeda hanya skor rank saja.
2. Mengeser nilai l ke kanan dan u ke kiri
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
144
0.1
1
0,25 0,5 0,75 1
SR R C T ST
0,15 0,35 0,60 0,850,650,40
Gambar 5. 91 Triangular Fuzzy Number setelah nilai l digeser kekiri dan u digeser
ke kanan
Bobot kepentingan yang didapat :
Tabel 5. 44 Tabel bobot kriteria setelah nilai l digeser kekiri dan u digeser ke
kanan
Kriteria Bobot TFN L TFN M TFN U
layar 4 0,40 0,75 1,00
harddisk 4 0,40 0,75 1,00
ram 5 0,65 1,00 1,00
proc 3 0,15 0,50 0,85
harga 3 0,15 0,50 0,85
Berbedaan hasil yang didapat dan Hasil awal :
Hasil setelah tfn diubah :
Tabel 5. 45 Hasil Perankingan setelah nilai l digeser kekiri dan u digeser ke kanan
alternatif Skor rank
A1 0,893036 5
A2 -0,00915 4
A3 2,014946 2
A4 1,757341 1
A5 -1,43807 3
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
145
Hasil awal sistem :
Tabel 5. 46 Hasil Perankingan Awal
alternatif skor Rank
A1 0,803424 3
A2 -0,00891 4
A3 1,992735 1
A4 1,810989 2
A5 -1,43066 5
Analisa : Jika l digeser ke kiri dan u di geser ke kanan maka hasil yang didapatkan
ranking alternatif sama yang berbeda hanya skor rank saja.
3. Mengeser nilai m ke kiri
0.1
1
0,25 0,5 0,75 1
SR R C T ST
Gambar 5. 92 Triangular Fuzzy Number setelah nilai m digeser ke kiri
Bobot kepentingan yang didapat :
Tabel 5. 47 Tabel bobot kriteria setelah nilai m digeser ke kiri
Kriteria Bobot TFN L TFN M TFN U
layar 4 0,25 0,50 0,75
harddisk 4 0,25 0,50 0,75
ram 5 0,50 0,75 1,00
proc 3 0,01 0,25 0,50
harga 3 0,01 0,25 0,50
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
146
Berbedaan hasil yang didapat dan Hasil awal :
Hasil setelah tfn diubah :
Tabel 5. 48 Hasil Perankingan setelah nilai m digeser ke kiri
Alternatif Skor Rank
A1 1,937591732 2
A2 -0,004957559 4
A3 2,172514758 1
A4 1,045669105 3
A5 -1,494810971 5
Hasil awal sistem :
Tabel 5. 49 Hasil Perankingan Awal
alternatif Skor rank
A1 0,803424272 3
A2 -0,008913243 4
A3 1,992734734 1
A4 1,810989041 2
A5 -1,430664133 5
Analisa : Jika nilai m kiri dan l dan u mengikuti maka hasil yang didapatkan
ranking alternatif dan skor alternatif berbeda.
4. Menggeser nilai m ke kanan
0.1
1
0,25 0,5 0,75 1
SR R C T ST
Gambar 5. 93 Triangular Fuzzy Number setelah nilai m digeser ke kanan
Bobot kepentingan yang didapat :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
147
Tabel 5. 50 Tabel bobot kriteria setelah nilai m digeser ke kanan
Kriteria Bobot TFN L TFN M TFN U
layar 4 0,75 1,00 1,00
harddisk 4 0,75 1,00 1,00
ram 5 1,00 1,00 1,00
proc 3 0,50 0,75 1,00
harga 3 0,50 0,75 1,00
Berbedaan hasil yang didapat dan Hasil awal :
Hasil setelah tfn diubah :
Tabel 5. 51 Hasil Perankingan setelah nilai m digeser ke kiri
Alternative skor Rank
A1 0,460138 3
A2 0,121243 4
A3 1,89836 2
A4 2,118043 1
A5 -1,40411 5
Hasil awal sistem :
Tabel 5. 52 Hasil perankingan awal
Alternatif skor rank
A1 0,803424 3
A2 -0,00891 4
A3 1,992735 1
A4 1,810989 2
A5 -1,43066 5
Analisa : Jika nilai m kanan dan l dan u mengikuti maka hasil yang didapatkan
ranking alternatif dan skor alternatif berbeda.
5. Jika TFN bernilai tegas (tidak fuzzy)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
148
1
1
2 3 4 5
SR R C T ST
Gambar 5. 94 Nilai bobot preferensi bernilai tegas
Bobot kepentingan yang didapat :
Tabel 5. 53 Tabel bobot kriteria bernilai tegas
Kriteria Bobot TFN L TFN M TFN U
layar 4 4,00 4,00 4,00
harddisk 4 4,00 4,00 4,00
ram 5 5,00 5,00 5,00
proc 3 3,00 3,00 3,00
harga 3 3,00 3,00 3,00
Berbedaan hasil yang didapat dan Hasil awal :
Hasil setelah tfn diubah :
Tabel 5. 54 Hasil Perankingan dengan nilai bobot preferensi bernilai tegas
alternatif Skor rank
A1 0,575848129 3
A2 -0,005796717 4
A3 1,973080891 2
A4 1,996477284 1
A5 -1,393268123 5
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
149
Hasil awal sistem :
Tabel 5. 55 Hasil perankingan awal
alternatif Skor rank
A1 0,803424272 3
A2 -0,008913243 4
A3 1,992734734 1
A4 1,810989041 2
A5 -1,430664133 5
Analisa : Jika nilai tegas maka hasil yang didapatkan ranking alternatif dan
skor alternatif berbeda.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
150
BAB VI
PENUTUP
6.1. Kesimpulan
Hasil yang didapatkan dari ujicoba perubahan nilai l, m, u pada tfn dalam
pengambilan keputusan pada Sistem Pendukung Pengambilan Keputusan
Pembelian laptop menggunakan Fuzzy Elimination Et Choix Traduisant La Realite
adalah:
1. Jika menggeser nilai l(lower) dan u(upper) kekiri dan ke kanan dibandingkan
dengan hasil TFN awal menghasilkan urutan prioritas yang sama tetapi
dengan skor ranking yang berbeda.
2. Jika menggeser nilai m(median) kekiri dan ke kanan dibandingkan dengan
hasil TFN awal menghasilkan urutan prioritas yang berbeda dan dengan skor
ranking yang berbeda.
3. Jika nilai l, m, u diubah menjadi tegas yaitu bernilai sama untuk setiap tingkat
kepentingan (metode ELECTRE tradisional) dibandingkan dengan hasil TFN
awal menghasilkan urutan prioritas yang berbeda dan dengan skor ranking
yang berbeda.
6.2. Saran
Dalam mengembangkan sistem ini yang harus dilakukan, yaitu:
1. Sistem juga dapat dikembangkan menggunakan metode lain misalnya, fuzzy
SAW, fuzzy AHP, fuzzy WP, fuzzy TOPSIS
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
151
DAFTAR PUSTAKA
Kusrini, M.kom. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan : Andi
Offset.
Sri Kusumadewi, Sri Hartati, Agus Harjoko, Retantyo Wardoyo. 2006. Fuzzy
Multi-Attribute Decision Making(Fuzzy MADM): Graha Ilmu.
Vahdani, B., Jabbari, A. H. K., Roshanaei, V. and Zandieh, M. 2010. Extension of
the ELECTRE Method for Decision-Making Problems with Interval
Weights and Data. International Journal of Advanced Manufacturing
Technologies.
Wu, M.-C. and Chen, T. Y. 2011. The ELECTRE Multicriteria Analysis Approach
Based on Atanassov’s Intuitionistic Fuzzy Sets. Expert Systems with
Applications.
Sevkli, Mehmet. 2009. An Aplication Of The Fuzzy ELECTRE Method For
SupplierSelection. Departement Of Industrial Engineering, Faculty Of
Engineering, Faith University, Buyukcemece, Istanbul 34500, Tukey.
http://chip.co.id/news/technology-web_internet-software_os-hardware-gadget-
accessories_peripheral-press_release/12387/
survei_amd_41_mahasiswa_di_as_menilai_laptop_lebih_penting_untuk_p
roduktivitas. Diakses pada tanggal 19 Februari 2017.
http://www.teknobit.web.id/2016/10/definisi-laptop.html. Diakses pada tanggal 19
Februari 2017
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI