Sistem ini menggunakan metode fuzzy multi criteria decision making untuk membantu menentukan pilihan perguruan tinggi yang tepat bagi siswa berdasarkan kriteria seperti fasilitas, biaya, akreditasi jurusan, dan lainnya. Sistem ini merepresentasikan masalah keputusan, mengevaluasi himpunan fuzzy, dan memilih alternatif terbaik berdasarkan agregasi bobot kriteria dan kecocokan setiap alternatif.
(Resume Jurnal)
INVESTIGASI EMPAT FAKTOR KONTINGENSI
SEBAGAI VARIABEL MODERATING TERHADAP
PARTISIPASI PEMAKAI DAN KEPUASAN PEMAKAI DALAM PENGEMBANGAN SISTEM INFORMASI
(Resume Jurnal)
INVESTIGASI EMPAT FAKTOR KONTINGENSI
SEBAGAI VARIABEL MODERATING TERHADAP
PARTISIPASI PEMAKAI DAN KEPUASAN PEMAKAI DALAM PENGEMBANGAN SISTEM INFORMASI
Dilatar belakangi karena mencari sistem alternatif dalam analisis butir soal. Maka dibutuhkan perancangan sistem tersebut. Maka, pada penelitian ini dilakukan 2 perancangan sistem analisis butir soal. Sistem pertama dirancang dengan menggunakan metode Learning Vector Quantization (LVQ). Dan sistem kedua dirancang dengan menggunakan metode Fuzzy C-Means (FCM). Namun, hanya sistem yang terbaik diantara keduanya, yang selanjutnya akan dikembangkan menjadi sistem analisis butir soal. Untuk memperoleh informasi metode yang terbaik maka dilakukan beberapa pengujian. Hasil pengujian sistem dengan metode Learning Vector Quantization (LVQ) memiliki tingkat accuracy 66%. Sedangkan sistem dengan metode Fuzzy C-Means (FCM) memiliki tingkat accuracy 70%. Sehingga dapat disimpulkan metode Fuzzy C-Means (FCM) memiliki tingkat accuracy yang lebih baik dari metode Learning Vector Quantization (LVQ).
Moora adalah multiobjektif sistem mengoptimalkan dua atau lebih attribut yang saling bertentangan secara bersamaan. Metode ini diterapkan untuk memecahkan masalah dengan perhitungan matematika yang kompleks. Moora diperkenalkan oleh Brauers dan Zavadskas pada tahun 2006. Pada awalnya metode ini diperkenalkan oleh Brauers pada tahun 2004 sebagai “Multi-Objective Optimization” yang dapat digunakan untuk memecahkan berbagai masalah pengambilan keputusan yang rumit pada lingkungan pabrik.
ANALISIS PENINGKATAN KUALITAS LAYANAN TERHADAP KEPUASAN NASABAH DENGAN METODE...Sri Amaliah Mandati
Tujuan penelitian ini untuk mengetahui tingkat kepuasan nasabah agar dapat meningkatkan kualitas pelayanan, mengetahui atribut-atribut pelayanan yang diprioritaskan untuk dipertahankan dan diperbaiki dan memberikan usulan terhadap Bank XYZ cabang M.
Dilatar belakangi karena mencari sistem alternatif dalam analisis butir soal. Maka dibutuhkan perancangan sistem tersebut. Maka, pada penelitian ini dilakukan 2 perancangan sistem analisis butir soal. Sistem pertama dirancang dengan menggunakan metode Learning Vector Quantization (LVQ). Dan sistem kedua dirancang dengan menggunakan metode Fuzzy C-Means (FCM). Namun, hanya sistem yang terbaik diantara keduanya, yang selanjutnya akan dikembangkan menjadi sistem analisis butir soal. Untuk memperoleh informasi metode yang terbaik maka dilakukan beberapa pengujian. Hasil pengujian sistem dengan metode Learning Vector Quantization (LVQ) memiliki tingkat accuracy 66%. Sedangkan sistem dengan metode Fuzzy C-Means (FCM) memiliki tingkat accuracy 70%. Sehingga dapat disimpulkan metode Fuzzy C-Means (FCM) memiliki tingkat accuracy yang lebih baik dari metode Learning Vector Quantization (LVQ).
Moora adalah multiobjektif sistem mengoptimalkan dua atau lebih attribut yang saling bertentangan secara bersamaan. Metode ini diterapkan untuk memecahkan masalah dengan perhitungan matematika yang kompleks. Moora diperkenalkan oleh Brauers dan Zavadskas pada tahun 2006. Pada awalnya metode ini diperkenalkan oleh Brauers pada tahun 2004 sebagai “Multi-Objective Optimization” yang dapat digunakan untuk memecahkan berbagai masalah pengambilan keputusan yang rumit pada lingkungan pabrik.
ANALISIS PENINGKATAN KUALITAS LAYANAN TERHADAP KEPUASAN NASABAH DENGAN METODE...Sri Amaliah Mandati
Tujuan penelitian ini untuk mengetahui tingkat kepuasan nasabah agar dapat meningkatkan kualitas pelayanan, mengetahui atribut-atribut pelayanan yang diprioritaskan untuk dipertahankan dan diperbaiki dan memberikan usulan terhadap Bank XYZ cabang M.
5. hapzi ali, sistem pendukung keputusan (decision support system), dss utHapzi Ali
Prof. Dr. Hapzi Ali, CMA
Universitas Mercu Buana (Mercu Buana University), Jakarta Indonesia
Bidang Ilmu: Marketing & Business Management, Research Method, MIS, Good Corporate Governance
www.mercubuana.ac.id.
email: hapzi.ali@gmail.com, hapzi.ali@mercubuana.ac.id
Kuliah Sistem Pendukung Keputusan: GITEWS (Kelas Ekstensi, IT UHO)Mutmainnah Muchtar
Contoh Penerapan Sistem Penunjang Keputusan yang ada kaitannya dengan Safety Hazard System, yaitu GITEWS : German-Indonesia Tsunamy Early Warning System
SISTEM PENUNJANG KEPUTUSAN PEMILIHAN PERANGKAT LUNAK PENGOLAH CITRA DENGAN ME...faisalpiliang1
Sistem pendukung keputusan (SPK) adalah sebuah sistem yang dapat membantu seseorang dalam mengambil keputusan secara akurat dan sesuai dengan sasaran yang diinginkan. SPK digunakan dalam makalah ini digunakan untuk membantu menyelesaikan permasalahan penentuan perangkat lunak pengolah citra yang akan digunakan oleh para pengembang perangkat lunak dalam merancang pengolahan pencitraan mereka.
Metode yang digunakan untuk menyelesaikan permasalahan pemilihan perangkat lunak pengolah citra ini yaitu menggunakan metode Analitical Hierarcy Process (AHP) dan Multi-Criteria Decision Making (MCDM). Metode ini dipilih karena mampu memilih alternatif terbaik dari sejumlah alternatif untuk menyelesaikan permasalahan penentuan perangkat lunak pengolah citra berdasarkan kriteria dan sub- kriteria yang ditentukan. Hasil akhir dari makalah ini berdasarkan kedua kriteria manfaat dan biaya adalah pemilihan Dreamweaver sebagai prioritas utama Frontpage sebagai prioritas kedua dan Photoshop sebagai prioritas ketiga.
Sim 12, imel aisyah, hapzi ali, sistem pendukung pengambilan keputusan,univer...Imel Aisyah Amini
Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak terstruktur. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat (Turban, 2001). SPK bertujuan untuk menyediakan informasi, membimbing, memberikan prediksi serta mengarahkan kepada pengguna informasi agar dapat melakukan pengambilan keputusan dengan lebih baik.
SIM 12, Restu Artma Prayoga, Hapzi Ali, Sistem Pendukung Pengambilan Keputusa...Restu Artma Prayoga
Penjelasan tentang Implementasi Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) dalam mendukung pengambilan keputusan pada kegiatan bisnis
Tugas Akhir BSI - Perancangan Toko Online NANO/Computer/CornerSeto Elkahfi
Ini adalah presentasi tugas akhir saya untuk jenjang Diploma di AMIK Bina Sarana Informatika Tangerang. Anda diperbolehkan menggunakannya sebagai bahan referensi. Anda boleh membagikanya, memposting ulang (embed) di blog, atau menggunakannya untuk keperluan Anda.
Sebuah buku foto yang berjudul Lensa Kampung Ondel-Ondelferrydmn1999
Indonesia, negara kepulauan yang kaya akan keragaman budaya, suku, dan tradisi, memiliki Jakarta sebagai pusat kebudayaan yang dinamis dan unik. Salah satu kesenian tradisional yang ikonik dan identik dengan Jakarta adalah ondel-ondel, boneka raksasa yang biasanya tampil berpasangan, terdiri dari laki-laki dan perempuan. Ondel-ondel awalnya dianggap sebagai simbol budaya sakral dan memainkan peran penting dalam ritual budaya masyarakat Betawi untuk menolak bala atau nasib buruk. Namun, seiring dengan bergulirnya waktu dan perubahan zaman, makna sakral ondel-ondel perlahan memudar dan berubah menjadi sesuatu yang kurang bernilai. Kini, ondel-ondel lebih sering digunakan sebagai hiasan atau sebagai sarana untuk mencari penghasilan. Buku foto Lensa Kampung Ondel-Ondel berfokus pada Keluarga Mulyadi, yang menghadapi tantangan untuk menjaga tradisi pembuatan ondel-ondel warisan leluhur di tengah keterbatasan ekonomi yang ada. Melalui foto cerita, foto feature dan foto jurnalistik buku ini menggambarkan usaha Keluarga Mulyadi untuk menjaga tradisi pembuatan ondel-ondel sambil menghadapi dilema dalam mempertahankan makna budaya di tengah perubahan makna dan keterbatasan ekonomi keluarganya. Buku foto ini dapat menggambarkan tentang bagaimana keluarga tersebut berjuang untuk menjaga warisan budaya mereka di tengah arus modernisasi.
UNTUK DOSEN Materi Sosialisasi Pengelolaan Kinerja Akademik DosenAdrianAgoes9
sosialisasi untuk dosen dalam mengisi dan memadankan sister akunnya, sehingga bisa memutakhirkan data di dalam sister tersebut. ini adalah untuk kepentingan jabatan akademik dan jabatan fungsional dosen. penting untuk karir dan jabatan dosen juga untuk kepentingan akademik perguruan tinggi terkait.
UNTUK DOSEN Materi Sosialisasi Pengelolaan Kinerja Akademik Dosen
Fuzzymulticriteriadecisionmaking
1. SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN
PILIHAN MINAT PERGURUAN TINGGI KOTA JAMBI
DENGAN MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
ANGGOTA
Menu
Utama
Selesai
2. Abstraksi & Pendahuluan
Landasan Teori
Evaluasi Himpunan FUZZY
Contoh Kasus
Diagram Alir Sistem
Implementasi & Pengujian
Kesimpulan
Kembali Ke
Halaman
Awal
3. ABSTRAK
Salah satu cabang ilmu kecerdasan buatan (artificial intelligence) adalah Sistem
Pendukung Keputusan (Decision Support System)., Sistem Pendukung Keputusan
dibidang pendidikan yaitu pada proses pengambilan pilihan minat Perguruan Tinggi, yang
sifatnya dapat membantu pengambil keputusan dalam memberikan alternatif–alternatif
putusan jurusan yang tepat bagi Mahasiswa. Untuk mendukung hal tersebut diatas maka
diperlukan suatu sistem pendukung keputusan yang mampu memberikan dukungan
terhadap proses penentuan jurusan yang tepat untuk siswa di SMU.
Proses penentuan jurusan ini dengan cara mempertimbangkan kemampuan,
bakat dan minat siswa terhadap suatu jurusan, dengan menggunakan logika fuzzy. Logika
fuzzy berfungsi melakukan pemrosesan terhadap faktor kepastian dan ketidakpastian.
Secara umum logika fuzzy dapat menangani faktor ketidakpastian secara baik sehingga
dapat diimplementasikan pada proses pengambilan keputusan.
Model logika fuzzy bekerja dengan menggunakan derajat keanggotaan dari
sebuah nilai, kemudian digunakan untuk menentukan hasil yang diinginkan, berdasarkan
aturan-aturan yang telah ditentukan. Tugas Akhir ini akan mengaplikasikan Sistem
Pendukung Keputusan dengan menggunakan Metode Fuzzy Multi Criteria Decision
Making (FMCDM) untuk menentukan pilihan minat Perguruan Tinggi di Kota Jambi
4. PENDAHULUAN
Dengan adanya perkembangan zaman yang semakin maju menjadikan
kebutuhan untuk meneruskan pendidikan ke jenjang Perguruaan Tinggi
meningkat. Keingininan tersebut sering kali membuat calon mahasiswa menemui
kendala dalam menentukan jurusan yang diminati, letak kampus, jarak kampus
dari tempat tinggal dan biaya kuliah serta fasilitas lain yang ditawarkan dari
masing-masing Perguruan Tinggi.
Kendala tersebut kerap kali membuat Perguruan Tingggi membutuhkan
suatu bentuk keputusan untuk memudahkan dalam memilih jurusan yang sesuai
untuk Calon Mahasiswa. Keputusan yang diambil dalam memilih jurusan mungkin
hampir benar sesuai dengan kemampuan, bakat dan minat mahasiswa atau
mungkin juga salah. Maka dari itu pembuat keputusan harus benar-benar
mempertimbangkan pilihan yang sesuai untuk penjurusan tersebut, sehingga
dibutuhkan sistem pendukung keputusan yang dapat mengklasifikasikan pola
penjurusan Mahasiswa dengan mempertimbangkan kemampuan, bakat dan
minat mahasiswa terhadap suatu jurusan, dengan menggunakan logikafuzzy.
5. Secara umum logika fuzzy dapat menangani faktor ketidakpastian
secara baik sehingga dapat diimplementasikan pada proses pengambilan
keputusan. Model logika fuzzy bekerja dengan menggunakan derajat
keanggotaan dari sebuah nilai, kemudian digunakan untuk menentukan hasil
yang diinginkan, berdasarkan aturan-aturan yang telah ditentukan. Logika
fuzzy memiliki kemampuan untuk menjelaskan secara linguistik suatu sistem
yang kompleks. Aturan-aturan dalam model fuzzy pada umumnya dibangun
berdasarkan keahlian manusia dan pengetahuan heuristik dari sistem yang
dimodelkan. Teknik ini selanjutnya dikembangkan menjadi teknik yang dapat
mengidentifikasi aturan-aturan dari suatu basis data yang telah
dikelompokkan berdasarkan persamaan strukturnya.
Menu
>>
<<
6. LANDASAN TEORI
Sistem pendukung keputusan (Decision Support
System)
Michael S.scoot Morton awal 1970 Management Decision System
ialah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambilan
keputusan dalam memanfaatkan data dan model tertentu untuk memecahkan berbagai
persoalan yang tidak tersruktur.
Little (1970) mendefinisikan DSS sebagai sekumpulan prosedur berbasis model untuk data
pemrosesan dan penilaian guna membantu para manajer mengambil keputusan.
Bonczek,dkk (1980) mendefinisikan DSS sbg sistem berbasis komputer yg terdiri dari 3
komponen yang saling berinteraksi
1. Sistem bahasa (mekanisme untuk memberikan komunikasi antara pengguna dan
komponen DSS lain).
2. Sistem pengetahuan (repositori pengetahuan domain masalah yang ada pada DSS baik
sebagai data maupun prosedur).
3. Sistem pemrosesan masalah (hubungan antara 2 komponen lainnya,tediri dari satu atau
lebih kapabilitas manipulasi masalah umum yang diperlukan untuk pengambil keputusan)
7. FUZZY MULTI CRITERIA DECISION MAKING
Multi Criteria Decision Making (MCDM)
ialah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah
alternatif berdasarkan beberapa kriteria tertentu.
Kriteria biasanya berupa ukuran-ukuran ,aturan-aturan atau standart yang digunakan dalam
pengambilan keputusan .
Fuzzy MCDM dapat dipahami sebagai MCDM dengan data fuzzy. Data fuzzy disini dapat terjadi
pada data setiap alternatif pada setiap atribut atau tingkat kepentingan pada setiap kriteria
Pada metode fuzzy Multi Criteria Decision Making (FMCDM)
ada 3 langkah penting yang harus dikerjakan .yaitu
Representasi masalah
Evaluasi himpunan fuzzy pada setiap alternatif keputusan
Melakukan seleksi terhadap alternatif yang optimal
Menu
>>
<<
8. REPRENSENTASI MASALAH
Pada bagian ini ada 3 aktivitas yang harus dilakukan yaitu;
Identifikasi tujuan dan kumpulan alternatif keputusannya.tujuan keputusan dapat
direpresentasikan dengan menggunakan bahasa alami atau nilai numeris sesuai
dengan karakteristik dari masalah tersebut. Jika ada n alternatif keputusan dari
suatu masalah ,maka alternatif –alternatif tersebut dapat ditulis sebagai A={ Ai
|i=1,2,3...n}.
Identifikasi kumpulan kriteria ,jika ada k kriteria ,maka dituliskan
C={Ct|t=1,2,...k}.
Membangun struktur hirarkidari masalah tersebut berdasarkan pertimbangan –
pertimbangan tertentu
10. EVALUASI HIMPUNAN FUZZY
Pada bagian ini, ada 3 aktivitas yang harus dilakukan, yaitu :
1. Memilih himpunan rating untuk bobot – bobot kriteria dan
derajat kecocokan setiap alternatif dengan kriterianya.
2. Mengevaluasi bobot-bobot kriteria dan derajat kecocokan
setiap alternatif dengan kriterianya.
3. Mengagregasikan bobot-bobot kriteria dan derajat kecocokan
setiap alternatif dengan kriterianya.
11. SELEKSI ALTERNATIF YANG OPTIMAL
Dalam seleksi ini, ada 2 aktifitas yang dilakukan, yaitu :
1. Memprioritaskan alternatif keputusan berdasarkan hasil
agregasi.
2. Memilih alternatif keputusan dengan prioritas tertinggi
sebagai alternatif yang optimal.
Menu
>>
<<
13. REPRESENTASI
{ masalah }
EVALUASI
{ fuzzy }
SELEKSI
{ alternatif }
1 2 3
Menentukan Tujuan dan Alternatif
A1
• Teknik Informatika STMIK NH Jambi
A2
• Teknik Informatika STIKOM DB Jambi
A3
• Sistem Informasi STIKOM DB Jambi
A4
• Sistem Informasi STMIK NH Jambi
MINAT
PERGURUAN
TINGGI
14. REPRESENTASI
{ masalah }
EVALUASI
{ fuzzy }
SELEKSI
{ alternatif }
1
2 3
Identifikasi Kumpulan Kriteria
• Perangkat komputer lengkap.
C1
• SPP terjangkau.
C2
• Jurusan terakreditasi.
C3
• Menawarkan beasiswa.
C4
• Pengajar berkompeten.
C5
• Fasilitas yang lengkap.
C6
• Kualitas lulusan menjanjikan.
C7
KRITERIA
16. REPRESENTASI
{ masalah }
EVALUASI
{ fuzzy }
SELEKSI
{ alternatif }
1 2 3
Himpunan Rating & Derajat Kecocokan
0
1
2
3
4
5
6
RATING
C1 C2 C3 C4 C5 C6 C7
1 Kurang Penting KP
2 Agak Penting AP
3 Penting P
4 Cukup Penting CP
5 Penting Sekali PC
17. REPRESENTASI
{ masalah }
EVALUASI
{ fuzzy }
SELEKSI
{ alternatif }
1 2 3
Himpunan Rating & Derajat Kecocokan
0
1
2
3
4
5
A1
A2
A3
A4
Derajat
Kecocokan
C1
C2
C3
C4
C5
C6
Simbol Keterangan Nilai
KC Kurang Cocok 1
AC Agak Cocok 2
C Cocok 3
CC Cukup Cocok 4
SC Sangat Cocok 5
18. REPRESENTASI
{ masalah }
EVALUASI
{ fuzzy }
SELEKSI
{ alternatif }
1
2 3
Evaluasi Bobot Kriteria, Derajat Kecocokan
&Bilangan Fuzzy Segitiga
Kepentingan dan Kecocokan Bilangan Fuzzy Segitiga
PS SC 0,75 1 1
CP CC 0,5 0,75 1
P C 0,25 0,5 0,75
AP AC 0 0,25 0,5
KP KC 0 0 0,25
ALTER-
NATIF
RATING KECOCOKAN
C1 C2 C3 C4 C5 C6 C7
A1 CC AC SC CC CC CC C
A2 CC C SC CC CC AC C
A3 CC AC SC CC C CC AC
A4 CC C SC CC C AC AC
23. DIAGRAM ALIR SISTEM
Mulai
Representasi Masalah
Indentifikasi Alternatif Ai,
i=1, 2, 3…, n
Identifikasi Kriteria Cii,
Variabel-variabel yang merepresentasikan
bobot kepentingan untuk setiap kriteria
adalah :
W = {Kurang Penting (KP). Agak Penting
(AP). Penting (P). Cukup Penting (CP).
Penting Sekali (PS)
24. Evaluasi himpunan Fuzzy untuk Alternatif-
alternatif keputusan dan melakukan agregasi
bobot-bobot pada setiap kriteria dan derajat
kecocokan alternatif yang dirumuskan
Derajat kecocokan setiap alternatif dengan
kriteria adalah :
S = { Kurang Cocok (KC). Agak Cocok (AC).
Cocok (C). Cukup Cocok (CC). Sangat
Cocok (SC)
25. Selesai
Menyeleksi alternatif yang optimal
Memprioritaskan alternatif keputusan
menggunakan agregasi
Mencari nilai integral
Menentukan alternatif keputusan
berdasarkan nilai total integral tertinggi
Menu
>>
<<