bab ii tinjauan pustaka dan landasan teorieprints.mercubuana-yogya.ac.id/2507/3/bab ii.pdf · 2.2...
TRANSCRIPT
BAB II
TINJAUAN PUSTAKA DAN LANDASAN TEORI
2.1 Tinjauan Pustaka.
Ahmadi (2014), dalam penelitian yang dilakukan dengan judul Implementasi
Weighted Product (WP) dalam Penentuan Bantuan Langsung Masyarakat PNPM
Mandiri Perdesaan menyatakan bahwa metode Weighted Product mampu
melakukan pengelompokan untuk data yang tersebar secara tidak teratur. Selain itu,
pengelompokan layak atau tidaknya suatu sampel yang diambil dapat dilakukan
terlebih dahulu sebelum melakukan perangkingan yang sebenarnya. Peneliti juga
menyimpulkan metode Weighted Product sangat efektif digunakan karena lebih
efisien dalam hal menyelesaikan masalah MADM (Multi Attribute Decision
Making) yang membutuhkan perhitungan waktu yang lebih singkat, sehingga
metode Weighted Product disimpulkan efektif untuk permasalahan optimasi.
Distriawan dan Rizqa (n.d.), dalam penelitian dengan judul Implementasi
Algoritma Weighted Product dalam Menentukan Penjadwalan Dosen di Universitas
Dian Nuswantoro menyimpulkan bahwa metode Weighted Product adalah
algoritma sistem pendukung keputusan dengan hasil yang memiliki tingkat akurasi
hingga 70%. Peneliti mengambil studi kasus tentang penentuan jadwal dosen yang
mengajar pada program studi TI - SI di Universitas Dian Nuswantoro menggunakan
20 sampel. Peneliti menggunakan metode ini dengan beberapa kriteria yaitu status
dosen, jabatan dosen, tingkat pendidikan dosen, masa kerja, jenis mata kuliah, SKS
matakuliah dan kebutuhan ruang.
Lestari (2013), dalam penelitian dengan judul Penerapan Metode Weighted
Product untuk Seleksi Calon Karyawan menyatakan bahwa metode Weighted
Product dapat menyelesaikan masalah multi dimensi dan juga masalah dengan satu
dimensi dimana nilai yang dihasilkan akan menjadi optimal. Peneliti menerapkan
seleksi karyawan terdiri dari tiga tahapan tes. Tahapan itu memiliki kriterianya
masing – masing. Pada tahap yang pertama terdiri dari tujuh kriteria. Tahap kedua
terdiri dari empat kriteria dan tahap ketiga terdiri dari 20 kriteria. Sehingga, dari
4
proses ketiga tahapan itu akan diperoleh nilai yang tertinggi Peneliti juga
menyatakan bahwa metode Weighted Product ini memiliki kelemahan pada
penerapan studi kasus yang diambil yaitu belum adanya batasan nilai minimal
masing – masing kriteria jika calon karyawan hanya satu orang sebagai ketentuan
syarat lulus.
Solikhun (2017), dalam penelitiannya dengan judul Perbandingan Metode
Weighted Product dan Weighted Sum Model dalam Pemilihan Perguruan Swasta
Terbaik Jurusan Komputer mengambil studi kasus pemilihan kualitas perguruan
tinggi swasta dengan beberapa kriteria yaitu jumlah jurusan komputer, biaya kuliah,
lingkungan kampus, jumlah program beasiswa dan akreditasi BAN PT. Peneliti
menyatakan bahwa penggunaan kombinasi kedua algoritma Metode Weighted
Product dan Weighted Sum Model dapat menghasilkan perangkingan data yang
baik, sehingga dapat diambil kesimpulan yang baik. Kesimpulan peneliti juga
adalah hasil yang diperoleh dari metode ini dapat dimanfaatkan oleh para siswa
dalam memilih perguruan tinggi swasta yang baik.
Noor dan Siregar (2017), dalam penelitian dengan judul Implementasi
Weighted Product (WP) dalam Menentukan Pemilihan Sepeda Motor Sport
Berbasis SPK. Peneliti menggunakan acuan beberapa kriteria penilaian. Kriteria
tersebut terdiri atas harga motor, kapasitas mesin, konsumsi BBM, desain, suku
cadang dan bengkel service. Peneliti mengkonversikan data mentah dari institusi
studi kasusnya menjadi bilangan fuzzy yang lalu dikonversikan lagi ke bilangan
crisp dimana penentuan bilangan crisp menggunakan teori penalaran. Bila
mendekati angka 1 maka tingkat ketergantungan semakin tinggi, sebaliknya
mendekati angka 0 tingkat ketergantungannya semakin rendah. Peneliti
menyatakan bahwa penggunaan metode ini dapat lebih efisien dan praktis pada
perhitungannya. Selain itu, penelitian ini menghasilkan hasil yang sama pada
perhitungan sistem dengan hasil perhitungan manual.
Gintings (2018), dalam penelitian dengan judul Implementasi Sistem
Pendukung Keputusan Pemilihan Server dengan Metode Weighted Product (Studi
Kasus di PT WM Technology Indonesia) menggunakan acuan kriteria penilaian
batasan performa server, jumlah pengunjung harian, biaya sewa server per bulan
5
dan tingkat keahlian teknis pengguna. Kriteria-kriteria ini dipilih berdasarkan
wawancara dan pengisian kuisioner kepada staf system administrator dan technical
support pada PT WM Technology Indonesia.
Perbedaan mendasar antara penelitian sebelumnya dengan penelitian ini
secara garis besar dijelaskan pada Tabel 2.1 berikut ini.
Tabel 2.1 Perbedaan penelitian
No Judul Fokus Penelitian
1
Implementasi Weighted Product
(WP) dalam Penentuan Bantuan
Langsung Masyarakat PNPM
Mandiri Perdesaan
(Ahmadi, 2014)
1. Pengelompokan kelayakan sampel
dilakukan terlebih dahulu sebelum
melakukan perangkingan.
2. Menggunakan metode Weighted Product
2
Implementasi Algoritma
Weighted Product dalam
Menentukan Penjadwalan
Dosen di Universitas Dian
Nuswantoro
(Distriawan dan Rizqa, n.d.)
1. Penentuan jadwal mengajar dosen di
fakultas TI dan SI.
2. Menggunakan Metode Weighted Product
3
Penerapan Metode Weighted
Product untuk Seleksi Calon
Karyawan
(Lestari, 2013)
1. Membantu pemilihan karyawan berdasarkan
tiga tahapan dengan masing-masing kriteria
di setiap tahapan.
2. Menggunakan metode Weighted Product
4
Perbandingan Metode Weighted
Product dan Weighted Sum
Model dalam Pemilihan
Perguruan Swasta Terbaik
Jurusan Komputer
(Solikhun, 2017)
1. Membantu pemilihan perguruan tinggi
terbaik.
2. Menggunakan metode Weighted Product
dan Weighted Sum.
5
Implementasi Weighted Product
(WP) dalam Menentukan
Pemilihan Sepeda Motor Sport
Berbasis SPK
(Noor dan Siregar, 2017)
1. Membantu pemilihan sepeda motor terbaik
berdasarkan kriteria yang dibutuhkan.
2. Menggunakan metode Weighted Product.
6
6
Implementasi Sistem Pendukung
Keputusan Pemilihan Server
dengan Metode Weighted
Product (Studi Kasus di PT WM
Technology Indonesia)
(Gintings, 2018)
1. Membantu pemilihan server bagi orang
awam.
2. Menggunakan metode Weighted Product.
2.2 Landasan Teori.
2.2.1 Definisi Server
Server merupakan sebuah perangkat yang digunakan dalam sebuah jaringan
komputer dan berguna untuk mengendalikan setiap kegiatan yang ada dalam
jaringan tersebut (Hasim dan Riadi, 2013). Memilih server untuk membangun
sebuah jaringan harus sangat teliti agar fungsi dari server yang digunakan menjadi
tepat guna. Memilih server pun membutuhkan beberapa pertimbangan yang cukup
banyak agar tidak terjadi ketidaksesuaian antara kebutuhan dengan server yang
telah dibangun tersebut. Karena kebanyakan saat ini banyak orang tidak memilih
server secara tepat guna.
Jika diamati lebih detail, rata-rata penyedia layanan server memberikan
spesifikasi yang berbeda-beda untuk setiap jenis server, mulai dari harga sewa,
performa, aksesoris fitur tambahan, dll.
2.2.2 Kinerja dan Kebutuhan Perawatan Server.
Server dituntut untuk dapat menyediakan layanan continue tanpa downtime
dan sistem penyimpanan (storage) yang baik untuk memenuhi kebutuhan bisnis
(Hasim dan Riadi, 2013). Ketika terjadi masalah yang menyebabkan server tidak
dapat memberikan layanan, perusahaan akan menderita kerugian. Kerugian tersebut
akibat terhentinya operasi perusahaan yang mengandalkan layanan pada server.
Server yang dapat memberikan layanan tanpa gangguan penting untuk mendukung
kelangsungan bisnis suatu perusahaan. Maintenance server merupakan rutinitas
yang tidak dapat dihindari oleh divisi TI pada sebuah perusahaan. Maintenance
dilakukan untuk menjaga performa server dan mengakomodir kebutuhan bisnis
perusahaan. Maintenance server dapat dikategorikan kepada maintenance
perangkat lunak dan perangkat keras. maintenance perangkat lunak dapat berupa
7
patching dan debugging sedangkan maintenance perangkat keras dapat berupa
penambahan Random Access Memory (RAM), disk, dan prosesor. (Hasim, 2013)
2.2.3 Monitoring Performa server.
Server memiliki peran sentral dalam sebuah sistem informasi pada suatu
jaringan, oleh karena itu stabilitas performa server harus tetap terjaga agar selalu
dalam kondisi optimal. Namun kerap timbul masalah yang dapat mengganggu
fungsionalitas dan stabilitas pada host server. Masalah umum yang sering
ditemukan ditandai dengan gejala yang berbeda-beda, seperti PC host server
mengalami error akibat dari beban penggunaan CPU yang terlalu berat, atau secara
tiba-tiba seluruh komputer dalam jaringan tidak dapat mengakses sebuah web yang
disebabkan oleh mesin web server mengalami down, hal tersebut mengakibatkan
seluruh pengguna menjadi terganggu. Untuk menunjang stabilitas performa host
server perlu dilakukan perawatan secara berkala dan melakukan pemantauan setiap
saat terhadap seluruh sumber daya yang bekerja pada host server. Ada baiknya
pemantauan yang dilakukan adalah dengan menerapkan teknik-teknik monitoring
menggunakan sistem komputerisasi, yang dapat memberikan informasi terbaru
mengenai sumber daya host server kepada administrator. (Ichwan, 2012)
2.2.4 Sistem Pendukung Keputusan.
Sistem pendukung keputusan merupakan sistem berbasis komputer yang
menyatukan beragam informasi dari berbagai sumber, menyajikannya dalam
bentuk terorganisasi dan menganalisis serta memfasilitasi evaluasi asumsi yang
berdasarkan pada penggunaan model – model tertentu (Solikhun, 2017). Sebuah
keputusan dapat didefinisikan sebagai sebuah pilihan yang telah diambil dari dua
atau beberapa alternatif yang tersedia. Sistem Pendukung Keputusan juga dapat
diartikan sebagai sebuah sistem informasi berbasis komputer yang menggabungkan
model dan data sehingga dapat memecahkan masalah semi terstruktur dan beberapa
masalah yang tidak terstruktur dengan bantuan user (Solikhun, 2017).
Sistem Pendukung Keputusan atau disingkat dengan SPK memiliki tahapan
dalam proses pengambilan keputusan. Langkah – langkah yang diperlukan dalam
8
proses pengambilan keputusan menurut (Basyaib, 2006) yang dikutip oleh
(Solikhun, 2017) adalah :
1. Intelijen
a. Pembentukan persepsi terhadap situasi yang dihadapi ialah mengenali
situasi keputusan dan pendefinisian karakteristik utama yang ada pada
situasi tersebut.
a. Membangun model yang mewakili situasi sebuah model merupakan
kendaraan yang membantu dalam mengestimasi hasil yang mungkin
terjadi dari sebuah situasi keputusan.
b. Penentuan ukuran kuantitatif terhadap biaya (disbenefits) dan manfaat
yang paling tepat untuk situasi yang dihadapi sistem ukuran seragam
yang akan digunakan dalam membandingkan alternatif langkah
keputusan
2. Desain
a. Penentuan dengan spesifik alternatif yang dimiliki dengan mengenali dan
merumuskan dengan jelas langkah – langkah yang mungkin dilakukan.
3. Pilihan
a. Evaluasi manfaat dan biaya dari semua langkah alternatif ialah penilaian
akibat penerapan setiap langkah alternatif dengan menggunakan ukuran
biaya dan manfaat.
b. Menetapkan kriteria dalam memilih langkah terbaik adalah penetapan
peraturan dengan mengaitkan hasil dengan tujuan pembuatan keputusan.
c. Penyelesaian situasi keputusan ialah mengambil sebuah langkah dengan
dasar kriteria yang dapat diterima.
9
2.2.5 Skala Likert
Rensis Likert telah mengembangkan sebuah skala untuk mengukur sikap
masyarakat di tahun 1932 yang sekarang terkenal dengan nama Skala Likert.
Djaali (2008) dalam penelitiannya menjelaskan bahwa skala Likert
digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau
sekelompok orang tentang fenomena sosial. Dengan skala Likert, variabel yang
akan diukur dijabarkan menjadi indikator variabel. Kemudian indikator tersebut
dijadikan sebagai titik tolak untuk menyusun item-item instrumen yang dapat
berupa pertanyaan atau pernyataan. Jawaban setiap item instrumen yang
menggunakan Skala Likert mempunyai gradasi dari sangat positif sampai sangat
negatif, yang dapat berupa kata-kata antara lain: Sangat Penting (SP), Penting (P),
Ragu-ragu (R), Tidak Penting (TP), Sangat Tidak Penting (STP).
Skala Likert adalah suatu skala psikometrik yang umum digunakan dalam
kuesioner, dan merupakan skala yang paling banyak digunakan dalam riset berupa
survei. Sewaktu menanggapi pertanyaan dalam Skala Likert, responden
menentukan tingkat persetujuan mereka terhadap suatu pernyataan dengan memilih
salah satu dari pilihan yang tersedia. Ada dua bentuk pertanyaan yang
menggunakan Likert yaitu pertanyaan positif untuk mengukur minat positif, dan
13 bentuk pertanyaan negatif untuk mengukur minat negatif. Pertanyaan positif
diberi skor 5, 4, 3, 2, dan 1, sedangkan bentuk pertanyaan negatif diberi skor 1, 2,
3, 4, dan 5. Bentuk jawaban Skala Likert terdiri dari sangat setuju, setuju, ragu-
ragu, tidak setuju, dan sangat tidak setuju. Biasanya disediakan lima pilihan skala
dengan format seperti:
1. Sangat tidak setuju
2. Tidak setuju
3. Netral
4. Setuju
5. Sangat setuju
Penskalaan ini apabila dikaitkan dengan jenis data yang dihasilkan adalah
data Ordinal. Selain pilihan dengan lima skala tersebut, kadang digunakan juga
skala dengan tujuh atau sembilan tingkat. Suatu studi empiris menemukan bahwa
10
beberapa karakteristik statistik hasil kuesioner dengan berbagai jumlah pilihan
tersebut ternyata sangat mirip. Skala Likert merupakan metode skala bipolar yang
mengukur baik tanggapan positif ataupun negatif terhadap suatu pernyataan. Empat
skala pilihan juga kadang digunakan untuk kuesioner Skala Likert yang memaksa
orang memilih salah satu kutub karena pilihan "netral" tak tersedia. Jenis data ada
empat NOIR (Nominal, Ordinal, Interval, Rasio) keempat jenis data ini memiliki
ciri sebagai berikut:
a. Nominal: Bersifat mengklasifikasikan saja, tanpa ada jenjang di antara
klasifikasi. Angka hanya bermakna sebagai variasi jenis tanpa bermakna
tingkatan. Misal: laki-laki – perempuan, 1 untuk kode laki-laki dan 2
untuk kode perempuan, angka 1 dan 2 bukan merupakan tingkatan, yang
artinya 2 bukan berarti lebih tinggi daripada 1. Data jenis ini belum bisa
dilakukan operasi matematis.
b. Ordinal: Bersifat mengklasifikasikan, dan klasifikasi tersebut sudah
merupakan tingkatan. Sehingga dengan data ordinal ini angka sudah
menunjukkan mana yg lebih besar dan mana yang lebih kecil. Tetapi
masing-masing klasifikasi yang berupa tingkatan tersebut tidak memiliki
jarak yang sama. Misal : juara dalam perlombaan balap sepeda. Ada juara
1, juara 2, dan juara 3. Angka 1, 2, 3 tersebut 14 sudah memiliki makna
tingkatan, bahwa juara 1 lebih cepat daripada juara 2 dan juara 3. Juara 2
lebih cepat daripada juara 3. Juara 1 waktu tempuahnya 5 menit, Juara 2
waktu tempuhnya 7 menit dan juara 3 waktu tempuhnya 12 menit. Yang
dimaksud tidak memiliki jarak yang sama adalah antara juara 1 dan 2
selisih waktunya 2 menit, antara juara 2 dan juara 3 selisih waktunya 5
menit. Dengandemikian kita masih belum bisa menggunakan operasi
matematis, karena angka 1, 2 dan 3 itu hanya berupa ranking saja.
c. Interval: Bersifat mengklasifikasikan, dan klasifikasi tersebut sudah
merupakan tingkatan yang masing-masing tingkatan memiliki jarak yang
sama. Misal: nomor sepatu. Sepatu dengan nomor 39, 40, 41, 42. Angka
nomor sepatu tersebut sudah bermakna tingkatan bahwa nomor 42 lebih
tinggi daripada nomor 41 dan seterusnya. Pada data interval masing-
11
masing tingkatan tersebut memiliki jarak yang sama. Sepatu nomor 39
memiliki panjang 30cm, nomor 40 memiliki
panjang 31cm, nomor 41 memiliki panjang 32cm, nomor 42 memiliki
panjang 33cm. dengan contoh tersebut berarti setiap tingkatan memiliki
interval 1cm, interval inilah yang dimaksud dengan jarak yang sama di
masing-masing tingkatan. Dengan adanya interval yang diketahui
tersebut, bisa dimaknai bahwa nomor sepatu 42 adalah nomor 39
ditambah 3cm, tapi belum bisa dimaknai bahwa nomor 42 adalah nomor
39 dikali 3. Dengan demikian bisa disimpulkan
bahwa data interval sudah bisa dikenai operasi matematis penjumlahan
dan pengurangan, namun belum bisa dikenai operasi matematis perkalian
dan pembagian. Hal ini karena data interval tidak memiliki angka nol
mutlak.
d. Rasio: ini adalah data dengan tingkatan yang tertinggi karena telah
memiliki angka nol mutlak. Misal ukuran panjang atau tinggi, dan ukuran
berat. Berat 0 kg berarti memang tidak ada massa yang ditimbang. Berat
3kg lebih besar daripada berat 2kg, berat 2kg lebih besar daripada berat
1kg. Sehingga berdasarkan contoh tersebut kita bisa memaknai bahwa
3kg adalah 2kg + 1kg atau 3kg adalah 3 x 1kg. Dengan demikian data
rasio sudah bisa dikenai semua operasi matematis: +, -, x, dan :. Skala
Likert termasuk data ordinal, karena sangat setuju pasti lebih tinggi
daripada yang setuju. Yang setuju pasti lebih tinggi daripada yang netral,
yang 15
netral pasti lebih tinggi daripada yang tidak setuju, sedangkan yang tidak
setuju pasti lebih tinggi daripada yang sangat tidak setuju. Namun jarak
antara sangat setuju ke setuju dan dari setuju ke netral dan seterusnya
tentunya tidak sama, oleh karena itu data yang dihasilkan oleh skala
Likert adalah data ordinal. Sedangkan cara scoring bahwa Sangat setuju
5, setuju 4, netral 3, tidak setuju 2 dan sangat tidak setuju 1 hanya
merupakan kode saja untuk mengetahui mana yang lebih tinggi
dan mana yang lebih rendah (Niswarni, 2010).
12
2.2.6 XAMPP
XAMPP merupakan paket PHP yang berbasis open source yang
dikembangkan oleh sebuah komunitas Open Source. Dengan menggunakan
XAMPP tidak dibingungkan dengan penginstalan program-program lain, karena
semua kebutuhan terlah tersedia oleh XAMPP. Yang terdapat pada XAMPP di
antaranya: Apache, MySQL, PHP, FilZilla FTP Server, PHPmyAdmin dan lain-lain.
Fungsi XAMPP adalah sebagai server yang berdiri sendiri (localhost),
yang terdiri atas program Apache HTTP Server, MySQL database, dan
penerjemah bahasa yang ditulis dengan bahasa pemrograman PHP dan Perl.
XAMPP adalah perangkat lunak bebas, yang mendukung banyak sistem operasi,
merupakan kompilasi dari beberapa program. Fungsinya adalah sebagai server
yang berdiri sendiri (localhost), yang terdiri atas program Apache HTTP Server,
MySQL database, dan penerjemah bahasa yang ditulis dengan bahasa
pemrograman PHP dan Perl. Nama XAMPP merupakan singkatan dari X (empat
sistem operasi apapun), Apache, MySQL, PHP dan Perl. Program ini tersedia
dalam GNU General Public License dan bebas, merupakan web server yang
mudah digunakan yang dapat melayani tampilan halaman web yang dinamis.
XAMPP adalah singkatan yang masing-masing hurufnya adalah:
1. X: Program ini dapat dijalankan dibanyak sistem operasi, seperti
Windows, Linux, Mac OS, dan Solaris.
2. A: Apache, merupakan aplikasi web server. Tugas utama Apache adalah
menghasilkan halaman web yang benar kepada user berdasarkan kode PHP
yang dituliskan oleh pembuat halaman web.
3. M: MySQL, merupakan aplikasi database server. Perkembangannya
disebut SQL yang merupakan kepanjangan dari Structured Query
Language. SQL merupakan bahasa terstruktur yang digunakan untuk
mengolah database. MySQL dapat digunakan untuk membuat dan
mengelola database beserta isinya. User dapat memanfaatkan MySQL
untuk menambahkan, mengubah, dan menghapus data yang
berada dalam database.
13
4. P: PHP, bahasa pemrograman web. Bahasa pemrograman PHP
merupakan bahasa pemrograman untuk membuat web yang bersifat server-
side scripting.
5. P: Perl, bahasa pemrograman
2.2.7 Weighted Product.
Weighted Product atau yang diringkas dengan WP adalah metode yang
menggunakan perkalian untuk meranking alternatif. Setiap alternatif dibandingkan
dengan yang lainnya dengan mengalikan bilangan ratio, satu untuk tiap kriteria.
Tiap rasio dinaikkan untuk kekuatan dari bobot relatif dari kriteria yang cocok.
Setiap alternatif keputusan dibandingkan dengan yang lain dengan mengalikan
sejumlah rasio, satu untuk setiap kriteria keputusan. Setiap rasio diangkat ke
kekuasaan setara dengan berat relative dari kriteria yang sudah sesuai (Arsyitahadi,
2014).
Metode WP merupakan salah satu metode yang digunakan untuk masalah
keputusan Multi Attribute Decision Making (MADM). MADM adalah suatu
metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif
dengan kriteria tertentu. Inti dari MADM adalah menentukan nilai bobot untuk
setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan
menyeleksi alternatif yang sudah diberikan (Distriawan dan Rizqa, n.d.). Konsep
permasalahan dari WP ini adalah mengevaluasi m alternatif 𝐴𝑖 = (𝑖 = 1,2, … , 𝑚)
terhadap ssekumpulan atribut atau kriteria 𝐶𝑗 = (𝑗 = 1,2, … , 𝑛) dimana setiap
atribut tidak saling bergantung satu dengan yang lainnya. Metode ini mengharuskan
pembuat keputusan menentukan bobot bagi setiap atribut.
Berikut ini adalah konsep dari metode Weighted Product (Mulyanto, 2009):
1. Melakukan perhitungan bobot W, dengan persamaan sebagai beriku :
𝑊𝑗 =𝑊𝑗
∑ 𝑊𝑗………………………………............................. Persamaan 2.1
dengan j = 1,2,...,m dimana ΣWj adalah jumlah bobot baru.
2. Menentukan preferensi Ai dapat dilihat persamaan berikut :
wj
iS
n
1j
ji ………………………………………….. Persamaan 2.2
14
dengan i = 1,2,…,m dimana Σwj = 1. wj adalah pangkat bernilai positif untuk
dari atribut keuntungan, dan bernilai negatif dari atribut biaya.
3. Setelah menentukan jarak Ai kemudian langkah selanjutnya menentukan
preferensi untuk setiap alternatif.
wj
wj
n
jj
jij
i
x
xV
1
*
n
1 ………………………………………..... Persamaan 2.3
dengan i = 1,2,…,m
Vi = preferensi untuk setiap
Wj = bobot kriteria
Xij = Nilai variable dari alternatif pada setiap atribut
N = Banyaknya kriteria
i = Nilai Alternatif
j = Nilai kriteria
* = Banyaknya kriteria yang telah dinilai pada vector S
Metode WP menggunakan proses normalisasi, dimana rating setiap atribut
harus dipangkatkan terlebih dahulu dengan bobot atribut yang bersangkutan, proses
ini diberikan dengan persamaan (2.4).
𝑆𝑖 = ∏ = 𝑋𝑖𝑗𝑤𝑗𝑛𝑗=1 …………………………............….. Persamaan 2.4
dengan I = 1, 2, …, m dimana;
𝑆 = preferensi alternatif
𝑥 = nilai kriteria
w = bobot kriteria
n = banyaknya kriteria
𝑤𝑗 adalah pangkat bernilai positif untuk atribut keuntungan dan bernilai negative
untuk atribut biaya.
15
2.2.7.1 Alternatif (𝐀𝐢).
Alternatif 𝐴𝑖 dengan i = 1, 2, … m adalah objek – objek yang berbeda dan
memiliki kesempatan yang sama untuk dipilih oleh pengambil keputusan. Data
yang digunakan adalah data server yang akan dipilih yaitu ada 5 jenis server.
Selanjutnya preferensi alternatif dihitung dengan persamaan (2.5).
𝑉𝑖 =∏ 𝑥𝑖𝑗𝑤𝑗𝑛
𝑗=1
∏ (𝑥𝑗)𝑤𝑗𝑛𝑗 =1
…………………………............….. Persamaan 2.5
dimana :
V = preferensi alternatif
x = nilai kriteria
w = bobot kriteria.
Alternatif yang akan dipilih adalah yang memiliki nilai preferensi tertinggi.
2.2.7.2 Kriteria.
Untuk memilih satu server prioritas diantara jenis server yang lain, maka
dibutuhkan kriteria pengambilan keputusan. Kriteria (Cj) yang ditetapkan boleh
lebih dari pada satu, tergantung dari faktor – faktor yang mempengaruhi
pengambilan keputusan.
2.2.7.3 Bobot.
Bobot adalah nilai atau tingkat kepentingan relative dari setiap kriteria (Cj)
yang diberikan oleh decision maker. Nilai bobot harus memenuhi persamaan
(2.6).
𝑤 = {𝑤1, 𝑤2, 𝑤3, … 𝑤𝑛}…………………………........... Persamaan 2.6
dimana nilai ∑ 𝑤𝑗 = 1.
2.2.7.4 Flowchart WP.
Langkah – langkah analisa permasalahan dengan metode WP dapat
dilustrasikan di dalam sebuah flowchart pada Gambar 2.1.