Aplikasi Sistem Pakar Mengunakan Metode CF ( Certainty Factor ) Berbasis Web

    Source code Sistem Pakar Mengunakan Metode CF ( Certainty Factor ) Berbasis Web

    Demo Program : klik disini

    Silahkan download Aplikasi : Download Aplikasi Disini

    Halaman ini merupakan halaman awal yang dapat diakses pengguna dari aplikasi pakar untuk diagnosa penyakit infeksi virus pada anak. Pada halaman utama sistem terdapat beberapa menu antara lain menu bantuan, menu informasi, menu login user, menu login pakar dan menu registrasi user. Adapun tampilan halaman utama sistem dapat dilihat pada gambar 4.1.
    Gambar 4.1. Tampilan Halaman Utama Sistem 

    Faktor kepastian (certainty factor) diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN. Certainty Factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan. Certainty Factor didefinisikan sebagai persamaan berikut :

    CF (H, E) = MB (H, E) – MD (H, E)

    CF (H, E) : Certainty Factor dari hipotesis H yang dipengaruhi oleh gejala (evidence) E. Besarnya CF berkisar antara -1 sampai 1. Nilai -1 menunjukkan ketidakpercayaan mutlak sedangkan nilai 1 menunjukkan kepercayaan mutlak.
    MB (H, E)     :  ukuran kenaikan kepercayaan (measureof increased belief) terhadap hipotesis H yang dipengaruhi oleh gejala E.
    MD (H, E)     :  ukuran kenaikan ketidakpercayaan (measure of increased disbelief) terhadap hipotesis H yang dipengaruhi oleh gejala E.

    Bentuk dasar rumus certainty factor, adalah sebuah aturan JIKA E MAKA H seperti ditunjukkan oleh persamaan 2 berikut:

    CF (H, e) = CF (E, e) * CF (H, E)

    Dimana
    CF (H, e)      :  certainty factor hipotesis yang dipengaruhi oleh evidence e.
    CF (E, e)       :  certainty factor evidence E yang dipengaruhi oleh evidence e
    CF (H, E)      :  certainty factor hipotesis dengan asumsi evidence diketahui dengan pasti, yaitu ketika CF(E, e) = 1

    J    ika semua evidence pada antecedent diketahui dengan pasti maka persamaannya akan menjadi:
                CF (E, e) = CF (H, E)

    Dalam aplikasinya, CF(H,E) merupakan nilai kepastian yang diberikan oleh pakar terhadap suatu aturan, sedangkan CF(E,e) merupakan nilai kerpercayaan yang diberikan oleh pengguna terhadap gejala yang dialaminya. 

    Gambar 4.2. Tampilan Halaman Bantuan
    Halaman Informasi
    Halaman ini hanya berisikan sekilas informasi tentang sistem. Adapun tampilan halaman informasi dapat dilihat pada gambar 4.3.

    Gambar 4.3. Tampilan Halaman Informasi
    Halaman Login Pakar

    Pakar mempunyai hak khusus dan bertanggung jawab dalam pengolahan data basis pengetahuan sistem. Oleh karena itu, pakar  Metode CF ( Certainty Factor ) Berbasis Web mempunyai halaman khusus dan terpisah dengan halaman user. Untuk menuju ke halaman pakar, pakar diwajibkan untuk login terlebih dahulu sebagai langkah awal verfikasi username dan password.

    Adapun tampilan dari halaman login pakar dapat dilihat pada gambar 4.4.

    Gambar 4.4. Tampilan Halaman Login Pakar
    Halaman Utama Pakar
    Halaman utama pakar merupakan halaman yang pertama kali tampil setelah pakar (admin) berhasil melakukan login. Halaman ini memilki banyak menu yang dapat diakses oleh pakar khususnya yang berkaitan dengan basis pengetahuan seperti pengolahan data penyakit, pengolahan data gejala, pegolahan data relasi penyakit dan gejala serta pengolahan data bobot gejala. Adapun tampilan halaman utama pakar dapat dilihat pada gambar 4.5.
    Gambar 4.5. Tampilan Halaman Utama Pakar
    Halaman Ubah Password Pakar
    Halaman ubah password pakar digunakan apabila pakar ingin mengganti password lama dengan password yang baru demi keamanan data basis pengetahuan. Adapun tampilan halaman ubah password pakar dapat dilihat pada gambar 4.6.
    Gambar 4.6. Tampilan Halaman Ubah Password Pakar
    Halaman Pengolahan Data Penyakit
    Halaman pengolahan data penyakit digunakan untuk mengolah data penyakit seperti tambah data penyakit, ubah data penyakit, hapus data penyakit, rincian data penyakit dan pencarian data penyakit. Adapun tampilan halaman pengolahan data penyakit dapat dilihat pada gambar 4.7.

    Source code Sistem Pakar Mengunakan Metode CF ( Certainty Factor ) Berbasis Web, download aplikasi sistem pakar, souce code sistem pakar


    Demo Program : klik disini

    Untuk men download aplikasi sistem pakar metode  Certainty Factor 

    Source code Sistem Pakar Mengunakan Metode CF ( Certainty Factor ) Berbasis Web

    Demo Program : klik disini

    Silahkan download Aplikasi : Download Aplikasi Disini

    Halaman ini merupakan halaman awal yang dapat diakses pengguna dari aplikasi pakar untuk diagnosa penyakit infeksi virus pada anak. Pada halaman utama sistem terdapat beberapa menu antara lain menu bantuan, menu informasi, menu login user, menu login pakar dan menu registrasi user. Adapun tampilan halaman utama sistem dapat dilihat pada gambar 4.1.
    Gambar 4.1. Tampilan Halaman Utama Sistem 

    Faktor kepastian (certainty factor) diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN. Certainty Factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan. Certainty Factor didefinisikan sebagai persamaan berikut :

    CF (H, E) = MB (H, E) – MD (H, E)

    CF (H, E) : Certainty Factor dari hipotesis H yang dipengaruhi oleh gejala (evidence) E. Besarnya CF berkisar antara -1 sampai 1. Nilai -1 menunjukkan ketidakpercayaan mutlak sedangkan nilai 1 menunjukkan kepercayaan mutlak.
    MB (H, E)     :  ukuran kenaikan kepercayaan (measureof increased belief) terhadap hipotesis H yang dipengaruhi oleh gejala E.
    MD (H, E)     :  ukuran kenaikan ketidakpercayaan (measure of increased disbelief) terhadap hipotesis H yang dipengaruhi oleh gejala E.

    Bentuk dasar rumus certainty factor, adalah sebuah aturan JIKA E MAKA H seperti ditunjukkan oleh persamaan 2 berikut:

    CF (H, e) = CF (E, e) * CF (H, E)

    Dimana
    CF (H, e)      :  certainty factor hipotesis yang dipengaruhi oleh evidence e.
    CF (E, e)       :  certainty factor evidence E yang dipengaruhi oleh evidence e
    CF (H, E)      :  certainty factor hipotesis dengan asumsi evidence diketahui dengan pasti, yaitu ketika CF(E, e) = 1

    J    ika semua evidence pada antecedent diketahui dengan pasti maka persamaannya akan menjadi:
                CF (E, e) = CF (H, E)

    Dalam aplikasinya, CF(H,E) merupakan nilai kepastian yang diberikan oleh pakar terhadap suatu aturan, sedangkan CF(E,e) merupakan nilai kerpercayaan yang diberikan oleh pengguna terhadap gejala yang dialaminya. 

    Gambar 4.2. Tampilan Halaman Bantuan
    Halaman Informasi
    Halaman ini hanya berisikan sekilas informasi tentang sistem. Adapun tampilan halaman informasi dapat dilihat pada gambar 4.3.

    Gambar 4.3. Tampilan Halaman Informasi
    Halaman Login Pakar

    Pakar mempunyai hak khusus dan bertanggung jawab dalam pengolahan data basis pengetahuan sistem. Oleh karena itu, pakar  Metode CF ( Certainty Factor ) Berbasis Web mempunyai halaman khusus dan terpisah dengan halaman user. Untuk menuju ke halaman pakar, pakar diwajibkan untuk login terlebih dahulu sebagai langkah awal verfikasi username dan password.

    Adapun tampilan dari halaman login pakar dapat dilihat pada gambar 4.4.

    Gambar 4.4. Tampilan Halaman Login Pakar
    Halaman Utama Pakar
    Halaman utama pakar merupakan halaman yang pertama kali tampil setelah pakar (admin) berhasil melakukan login. Halaman ini memilki banyak menu yang dapat diakses oleh pakar khususnya yang berkaitan dengan basis pengetahuan seperti pengolahan data penyakit, pengolahan data gejala, pegolahan data relasi penyakit dan gejala serta pengolahan data bobot gejala. Adapun tampilan halaman utama pakar dapat dilihat pada gambar 4.5.
    Gambar 4.5. Tampilan Halaman Utama Pakar
    Halaman Ubah Password Pakar
    Halaman ubah password pakar digunakan apabila pakar ingin mengganti password lama dengan password yang baru demi keamanan data basis pengetahuan. Adapun tampilan halaman ubah password pakar dapat dilihat pada gambar 4.6.
    Gambar 4.6. Tampilan Halaman Ubah Password Pakar
    Halaman Pengolahan Data Penyakit
    Halaman pengolahan data penyakit digunakan untuk mengolah data penyakit seperti tambah data penyakit, ubah data penyakit, hapus data penyakit, rincian data penyakit dan pencarian data penyakit. Adapun tampilan halaman pengolahan data penyakit dapat dilihat pada gambar 4.7.

    Source code Sistem Pakar Mengunakan Metode CF ( Certainty Factor ) Berbasis Web, download aplikasi sistem pakar, souce code sistem pakar


    Demo Program : klik disini

    Untuk men download aplikasi sistem pakar metode  Certainty Factor 

    Detail
    Label: , ,

    Source Code Sistem Pendukung Keputusan Web PHP Mysql

    Source Code Sistem Pendukung Keputusan Web PHP

    Silahkan download Aplikasi : Download Aplikasi Disini

    Untuk demo programnya silahkan klik disini 

    *) Login kode user = 01 password = admin

    Source Code Sistem Pendukung Keputusan Web PHP....Halaman index ini merupakan halaman yang tampil pertama sekali pada saat user mengakses sistem. Adapun tampilan halaman index dapat dilihat pada gambar berikut ini,


    Tampilan Halaman Login Ke Sistem

    Halaman login ke sistem ini merupakan halaman yang berfungsi sebagai security sistem dan juga berfungsi untuk mengidentifikasi user yang mengakses halaman administrator sistem.
    Adapun tampilan halaman login ke sistem dapat dilihat pada gambar berikut ini,

    Gambar 4.2 Tampilan Halaman Login Ke Sistem
    Tampilan Halaman Administrator Sistem

    Halaman administrator sistem ini merupakan halaman yang digunakan khusus oleh user sah untuk mengelola data-data kebutuhan sistem, di dalam halaman ini terdapat link-link yang dapat digunakan oleh user sah untuk mengakses halaman-halaman pengolahan data maupun proses data kebutuhan sistem. Adapun tampilan halaman administrator sistem dapat dilihat pada gambar berikut ini,

    Gambar 4.3 Tampilan Halaman Administator Sistem
    Tampilan Halaman Olah Data User
    Tampilan halaman olah data ini merupakan halaman yang digunakan oleh user untuk mengelola data-data user sah yang akan menggunakan sistem, untuk mengakses halaman ini user dapat mengklik link user yang terdapat pada halaman administrator sistem. Adapun tampilan halaman olah data ini dapat dilihat pada gambar berikut,

    Gambar 4.4 Tampilan Halaman Olah Data User
    Tampilan Halaman Olah Data Objek Penempatan
    Tampilan halaman olah data ini merupakan halaman yang digunakan oleh user untuk mengelola data-data objek penempatan pegawai, untuk mengakses halaman ini user dapat mengklik link objek penempatan yang terdapat pada halaman administrator sistem. Adapun tampilan halaman olah data ini dapat dilihat pada gambar berikut,

    Gambar 4.5 Tampilan Halaman Olah Data Objek Penempatan
    Tampilan Halaman Olah Data Keahlian
    Tampilan halaman olah data ini merupakan halaman yang digunakan oleh user untuk mengelola data-data keahlian, untuk mengakses halaman ini user dapat mengklik link keahlian yang terdapat pada halaman administrator sistem. Adapun tampilan halaman olah data ini dapat dilihat pada gambar berikut,

    Gambar 4.6 Tampilan Halaman Olah Data Keahlian

    Tampilan Halaman Olah Data Kriteria Penilaian
    Tampilan halaman olah data ini merupakan halaman yang digunakan oleh user untuk mengelola data-data kriteria yang nantinya akan dilibatkan pada saat user melakukan proses pengolahan data kebutuhan dan proses penilaian, untuk mengakses halaman ini user dapat mengklik link kriteria penilaian yang terdapat pada halaman administrator sistem. Adapun tampilan halaman olah data ini dapat dilihat pada gambar berikut,

    Gambar 4.7 Tampilan Halaman Olah Data Kriteria Penilaian
    1. Tampilan Halaman Olah Data Pilihan Per Kriteria Penilaian
    Tampilan halaman olah data ini merupakan halaman yang digunakan oleh user untuk mengelola data-data pilihan per kriteria, untuk mengakses halaman ini user dapat mengklik link kriteria penilaian yang terdapat pada halaman administrator sistem, kemudian klik gambar yang terdapat pada kolom lihat pilihan. Adapun tampilan halaman olah data ini dapat dilihat pada gambar berikut,

    Gambar 4.8 Tampilan Halaman Olah Data Pilihan Per Kriteria Penilaian
    1. Tampilan Halaman Olah Data Pegawai
    Tampilan halaman olah data ini merupakan halaman yang digunakan oleh user untuk mengelola data-data pegawai baru yang ditugaskan pada Rumah Sakit Umum Sigli Kabupaten Pidie, untuk mengakses halaman ini user dapat mengklik link pegawai yang terdapat pada halaman administrator sistem. Adapun tampilan halaman olah data ini dapat dilihat pada gambar berikut,

    Gambar 4.9 Tampilan Halaman Olah Data Pegawai
    1. Tampilan Halaman Olah Data Kebutuhan Per Objek Penempatan
    Tampilan halaman olah data ini merupakan halaman yang digunakan oleh user untuk mengelola data-data kebutuhan per objek penempatan, untuk mengakses halaman ini user dapat mengklik link kebutuhan yang terdapat pada halaman administrator sistem. Adapun tampilan halaman olah data ini dapat dilihat pada gambar berikut,

    Gambar 4.10 Tampilan Halaman Olah Data Kebutuhan Per Objek Penempatan

    1. Tampilan Halaman Penilaian Pegawai

    Tampilan halaman penilaian pegawai ini merupakan halaman yang digunakan oleh user untuk melakukan proses penilaian sehingga menghasilkan objek penempatan yang cocok ditempatkan per pegawai yang dinilai, untuk mengakses halaman ini user dapat mengklik link penilaian pegawai yang terdapat pada halaman administrator sistem. Adapun tampilan halaman ini dapat dilihat pada gambar berikut,

    Gambar 4.11 Tampilan Halaman Penilaian Pegawai
    1. Tampilan Halaman Penempatan Pegawai
    Tampilan halaman penempatan pegawai ini merupakan halaman yang digunakan oleh user untuk melakukan proses pemilihan tempat yang sesuai berdasarkan hasil objek penempatan yang dihasilkan setelah melakukan proses penilaian per pegawai, untuk mengakses halaman ini user dapat mengklik link penempatan pegawai yang terdapat pada halaman administrator sistem. Adapun tampilan halaman ini dapat dilihat pada gambar berikut,

    Tampilan Halaman Laporan

    Halaman laporan ini merupakan halaman yang menampilkan laporan-laporan yang dihasilkan oleh sistem, adapun laporan-laporan yang dihasilkan oleh sistem adalah laporan biodata pegawai baru dan laporan data hasil penempatan pegawai baru.
    Tampilan Halaman Laporan Biodata Pegawai Baru
    Halaman laporan ini berisi tentang informasi biodata-biodata pegawai baru yang ditugaskan di Rumah Sakit Umu Sigli Kabupaten Pidie, untuk mengakses halaman ini user mengklik link biodata pegawai yang terdapat pada halaman administrator sistem. Adapun tampilan halaman laporan ini dapat dilihat pada gambar berikut,

    Gambar 4.13 Tampilan Halaman Laporan Biodata Pegawai Baru
    Tampilan Halaman Laporan Data Hasil Penempatan Pegawai Baru
    Halaman laporan ini berisi tentang informasi hasil penempatan pegawai baru, untuk mengakses halaman ini user mengklik link hasil penempatan pegawai yang terdapat pada halaman administrator sistem. Adapun tampilan halaman laporan ini dapat dilihat pada gambar berikut,

    Gambar 4.14 Tampilan Halaman Laporan Data Hasil Penempatan Pegawai Baru

    AHP, Download, Free, Metode, PHP, Source Code Sistem Pendukung Keputusan Web PHP, SPK, Web

    Source Code Sistem Pendukung Keputusan Web PHP

    Silahkan download Aplikasi : Download Aplikasi Disini

    Untuk demo programnya silahkan klik disini 

    *) Login kode user = 01 password = admin

    Source Code Sistem Pendukung Keputusan Web PHP....Halaman index ini merupakan halaman yang tampil pertama sekali pada saat user mengakses sistem. Adapun tampilan halaman index dapat dilihat pada gambar berikut ini,


    Tampilan Halaman Login Ke Sistem

    Halaman login ke sistem ini merupakan halaman yang berfungsi sebagai security sistem dan juga berfungsi untuk mengidentifikasi user yang mengakses halaman administrator sistem.
    Adapun tampilan halaman login ke sistem dapat dilihat pada gambar berikut ini,

    Gambar 4.2 Tampilan Halaman Login Ke Sistem
    Tampilan Halaman Administrator Sistem

    Halaman administrator sistem ini merupakan halaman yang digunakan khusus oleh user sah untuk mengelola data-data kebutuhan sistem, di dalam halaman ini terdapat link-link yang dapat digunakan oleh user sah untuk mengakses halaman-halaman pengolahan data maupun proses data kebutuhan sistem. Adapun tampilan halaman administrator sistem dapat dilihat pada gambar berikut ini,

    Gambar 4.3 Tampilan Halaman Administator Sistem
    Tampilan Halaman Olah Data User
    Tampilan halaman olah data ini merupakan halaman yang digunakan oleh user untuk mengelola data-data user sah yang akan menggunakan sistem, untuk mengakses halaman ini user dapat mengklik link user yang terdapat pada halaman administrator sistem. Adapun tampilan halaman olah data ini dapat dilihat pada gambar berikut,

    Gambar 4.4 Tampilan Halaman Olah Data User
    Tampilan Halaman Olah Data Objek Penempatan
    Tampilan halaman olah data ini merupakan halaman yang digunakan oleh user untuk mengelola data-data objek penempatan pegawai, untuk mengakses halaman ini user dapat mengklik link objek penempatan yang terdapat pada halaman administrator sistem. Adapun tampilan halaman olah data ini dapat dilihat pada gambar berikut,

    Gambar 4.5 Tampilan Halaman Olah Data Objek Penempatan
    Tampilan Halaman Olah Data Keahlian
    Tampilan halaman olah data ini merupakan halaman yang digunakan oleh user untuk mengelola data-data keahlian, untuk mengakses halaman ini user dapat mengklik link keahlian yang terdapat pada halaman administrator sistem. Adapun tampilan halaman olah data ini dapat dilihat pada gambar berikut,

    Gambar 4.6 Tampilan Halaman Olah Data Keahlian

    Tampilan Halaman Olah Data Kriteria Penilaian
    Tampilan halaman olah data ini merupakan halaman yang digunakan oleh user untuk mengelola data-data kriteria yang nantinya akan dilibatkan pada saat user melakukan proses pengolahan data kebutuhan dan proses penilaian, untuk mengakses halaman ini user dapat mengklik link kriteria penilaian yang terdapat pada halaman administrator sistem. Adapun tampilan halaman olah data ini dapat dilihat pada gambar berikut,

    Gambar 4.7 Tampilan Halaman Olah Data Kriteria Penilaian
    1. Tampilan Halaman Olah Data Pilihan Per Kriteria Penilaian
    Tampilan halaman olah data ini merupakan halaman yang digunakan oleh user untuk mengelola data-data pilihan per kriteria, untuk mengakses halaman ini user dapat mengklik link kriteria penilaian yang terdapat pada halaman administrator sistem, kemudian klik gambar yang terdapat pada kolom lihat pilihan. Adapun tampilan halaman olah data ini dapat dilihat pada gambar berikut,

    Gambar 4.8 Tampilan Halaman Olah Data Pilihan Per Kriteria Penilaian
    1. Tampilan Halaman Olah Data Pegawai
    Tampilan halaman olah data ini merupakan halaman yang digunakan oleh user untuk mengelola data-data pegawai baru yang ditugaskan pada Rumah Sakit Umum Sigli Kabupaten Pidie, untuk mengakses halaman ini user dapat mengklik link pegawai yang terdapat pada halaman administrator sistem. Adapun tampilan halaman olah data ini dapat dilihat pada gambar berikut,

    Gambar 4.9 Tampilan Halaman Olah Data Pegawai
    1. Tampilan Halaman Olah Data Kebutuhan Per Objek Penempatan
    Tampilan halaman olah data ini merupakan halaman yang digunakan oleh user untuk mengelola data-data kebutuhan per objek penempatan, untuk mengakses halaman ini user dapat mengklik link kebutuhan yang terdapat pada halaman administrator sistem. Adapun tampilan halaman olah data ini dapat dilihat pada gambar berikut,

    Gambar 4.10 Tampilan Halaman Olah Data Kebutuhan Per Objek Penempatan

    1. Tampilan Halaman Penilaian Pegawai

    Tampilan halaman penilaian pegawai ini merupakan halaman yang digunakan oleh user untuk melakukan proses penilaian sehingga menghasilkan objek penempatan yang cocok ditempatkan per pegawai yang dinilai, untuk mengakses halaman ini user dapat mengklik link penilaian pegawai yang terdapat pada halaman administrator sistem. Adapun tampilan halaman ini dapat dilihat pada gambar berikut,

    Gambar 4.11 Tampilan Halaman Penilaian Pegawai
    1. Tampilan Halaman Penempatan Pegawai
    Tampilan halaman penempatan pegawai ini merupakan halaman yang digunakan oleh user untuk melakukan proses pemilihan tempat yang sesuai berdasarkan hasil objek penempatan yang dihasilkan setelah melakukan proses penilaian per pegawai, untuk mengakses halaman ini user dapat mengklik link penempatan pegawai yang terdapat pada halaman administrator sistem. Adapun tampilan halaman ini dapat dilihat pada gambar berikut,

    Tampilan Halaman Laporan

    Halaman laporan ini merupakan halaman yang menampilkan laporan-laporan yang dihasilkan oleh sistem, adapun laporan-laporan yang dihasilkan oleh sistem adalah laporan biodata pegawai baru dan laporan data hasil penempatan pegawai baru.
    Tampilan Halaman Laporan Biodata Pegawai Baru
    Halaman laporan ini berisi tentang informasi biodata-biodata pegawai baru yang ditugaskan di Rumah Sakit Umu Sigli Kabupaten Pidie, untuk mengakses halaman ini user mengklik link biodata pegawai yang terdapat pada halaman administrator sistem. Adapun tampilan halaman laporan ini dapat dilihat pada gambar berikut,

    Gambar 4.13 Tampilan Halaman Laporan Biodata Pegawai Baru
    Tampilan Halaman Laporan Data Hasil Penempatan Pegawai Baru
    Halaman laporan ini berisi tentang informasi hasil penempatan pegawai baru, untuk mengakses halaman ini user mengklik link hasil penempatan pegawai yang terdapat pada halaman administrator sistem. Adapun tampilan halaman laporan ini dapat dilihat pada gambar berikut,

    Gambar 4.14 Tampilan Halaman Laporan Data Hasil Penempatan Pegawai Baru

    AHP, Download, Free, Metode, PHP, Source Code Sistem Pendukung Keputusan Web PHP, SPK, Web

    Detail
    Label: , , , , , , ,

    download spk pembelian komputer web php mysql

      SPK Pembelian Komputer metode AHP Web PHP Mysql ( Analytical Hierarki Process)

     

    Silahkan download Aplikasi : Download Aplikasi Disini

     Analytic Hierarcy Process (AHP) adalah sebuah metode pendukung keputusan melalui teknik pembobotan kriteria-kriteria penelitian. Aplikasi Metode ini dapat digunakan untuk mengambil keputusan apakah sebuah spesifikasi komputer telah sesuai tidaknya dengan kebutuhan. Selanjutnya dengan mempertimbangkan bahwa tim kerja di divisi CHIP lab, sebagian besar tidak memiliki latar belakang

    kompetensi pemahaman penggunaan metode ini, dan untuk mempersingkat proses pendukung keputusan, maka perlu dibangun sebuah perangkat lunak (software) aplikasi pendukung keputusan spesifikasi komputer, sehingga proses tersebut dapat dilakukan secara cepat, tepat, dan dapat dipertanggungjawabkan secara ilmiah.'

    HUB SEGERA  SMS ONLY : 085228883437  
     








     

      SPK Pembelian Komputer metode AHP Web PHP Mysql ( Analytical Hierarki Process)

     

    Silahkan download Aplikasi : Download Aplikasi Disini

     Analytic Hierarcy Process (AHP) adalah sebuah metode pendukung keputusan melalui teknik pembobotan kriteria-kriteria penelitian. Aplikasi Metode ini dapat digunakan untuk mengambil keputusan apakah sebuah spesifikasi komputer telah sesuai tidaknya dengan kebutuhan. Selanjutnya dengan mempertimbangkan bahwa tim kerja di divisi CHIP lab, sebagian besar tidak memiliki latar belakang

    kompetensi pemahaman penggunaan metode ini, dan untuk mempersingkat proses pendukung keputusan, maka perlu dibangun sebuah perangkat lunak (software) aplikasi pendukung keputusan spesifikasi komputer, sehingga proses tersebut dapat dilakukan secara cepat, tepat, dan dapat dipertanggungjawabkan secara ilmiah.'

    HUB SEGERA  SMS ONLY : 085228883437  
     








     
    Detail
    Label: , ,

    Mengenal Metode AHP (Disertai studi kasus : Pemilihan Mahasiswa Terbaik)




    Peralatan utama AHP adalah sebuah hierarki fungsional dengan input utamanya persepsi manusia. Keberadaan hierarki memungkinkan dipecahnya masalah kompleks atau tidak terstruktur dalam sub – sub masalah, lalu menyusunnya menjadi suatu bentuk hierarki (Kusrini, 2007).
    Gambar 2. 1 Struktur Hirarki AHP
    Konsep dasar AHP adalah penggunaan matriks pairwise comparison (,atriks perbandingan berpasangan) untuk menghasilkan bobot relative antar kriteria maupun alternative. Suatu kriteria akan dibandingkan dengan kriteria lainnya dalam hal seberapa penting terhadap pencapaian tujuan di atasnya (Saaty, 1986).
    Tabel 2. 1 Skala dasar perbandingan berpasangan
    Tingkat Kepentingan
    Definisi
    Keterangan
    1
    Sama Pentingnya
    Kedua elemen mempunyai pengaruh yang sama
    3
    Sedikit lebih penting
    Pengalaman dan penilaian sangat memihak satu elemen dibandingkan dengan pasangannya
    5
    Lebih Penting
    Satu elemen sangat disukai dan secara praktis dominasinya sangat nyata, dibandingkan dengan elemen pasangannya.
    7
    Sangat Penting
    Satu elemen terbukti sangat disukai dan secara praktis dominasinya sangat nyata, dibandingkan dengan elemen pasangannya.
    9
    Mutlak lebih penting
    Satu elemen terbukti mutlak lebih disukai dibandingkan dengan pasangannya, pada keyakinan tertinggi.
    2,4,6,8
    Nilai Tengah
    Diberikan bila terdapat keraguan penilaian di antara dua tingkat kepentingan yang berdekatan.
    (Sumber : Saaty, 1986)
    Penilaian dalam membandingkan antara satu kriteria dengan kriteria yang lain adalah bebas satu sama lain, dan hal ini dapat mengarah pada ketidak konsistensian. Saaty (1990) telah membuktikan bahwa indeks konsistensi dari matrik ber ordo n dapat diperoleh dengan rumus :
    CI = (λmaks-n)/(n-1)................................................... (1)
    Dimana :
    CI = Indeks Konsistensi (Consistency Index)
    λmaks = Nilai eigen terbesar dari matrik berordo n
    Nilai eigen terbesar didapat dengan menjumlahkan hasil perkalian jumlah kolom dengan eigen vector. Batas ketidak konsistensian di ukur dengan menggunakan rasio konsistensi (CR), yakni perbandingan indeks konsistensi (CI) dengan nilai pembangkit random (RI). Nilai ini bergantung pada ordo matrik n.
    Rasio konsistensi dapat dirumuskan :
    CR = CI/RI............................................................... (2)
    Bila nilai CR lebih kecil dari 10%, ketidak konsistensian pendapat masih dianggap dapat diterima.
    Tabel 2. 2 Daftar Indeks random konsistensi (RI)
    n
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    RI
    0,00
    0,00
    0,58
    0,90
    1,12
    1,24
    1,32
    1,41
    1,45
    1,49
    1,51
    1,48
    1,56
    1,57
    1,59
    Contoh Kasus :
    Menentukan prioritas dalam pemilihan mahasiswa terbaik
    Langkah Penyelesaian :
    1. Tetapkan permasalahan, kriteria dan sub kriteria (jika ada), dan alternative pilihan.
    a. Permasalahan : Menentukan prioritas mahasiswa terbaik.
    b. Kriteria : IPK, Nilai TOEFL, Jabatan Organisasi,
    c. Subkriteria : IPK (Sangat baik : 3,5-4,00; Baik : 3,00-3,49; Cukup : 2,75-2,99)
    TOEFL(Sangat baik : 506-600; Baik : 501-505 ; Cukup : 450 - 500)
    Jabatan Organisasi (Ketua, Kordinator, Anggota)
    CAT : Jumah kriteria dan sub kriteria, minimal 3. Karena jika hanya dua maka akan berpengaruh terhadap nilai CR (lihat tabel daftar rasio indeks konsistensi/RI)
    2. Membentuk matrik Pairwise Comparison,kriteria. Terlebih dahulu melakukan penilaian perbandingan dari kriteria.(Perbandingan ditentukan dengan mengamati kebijakan yang dianut oleh penilai) adalah :
    a. Kriteria IPK 4 kali lebih penting dari jabatan organisasi, dan 3 kali lebih penting dari TOEFL.
    b. Kriteria TOEFL 2 kali lebih penting dari jabatan organisasi.
    CAT : Terjadi 3 kali perbandingan terhadap 3 kriteria (IPK->jabatan, IPK->TOEFL, Jabatan->TOEFL). Jika ada 4 kriteria maka akan terjadi 6 kali perbandingan. Untuk memahaminya silahkan coba buat perbandingan terhadap 4 kriteria.
    Sehingga matrik matrik Pairwise Comparison untuk kriteria adalah :
    IPK
    TOEFL
    Jabatan
    IPK
    1
    3
    4
    TOEFL
    1/3
    1
    2
    Jabatan
    1/4
    1/2
    1
    Cara mendapatkan nilai-nilai di atas adalah :
    Perbandingan di atas adalah dengan membandingkan kolom yang terletak paling kiri dengan setiap kolom ke dua, ketiga dan keempat.
    Perbandingan terhadap dirinya sendiri, akan menghasilkan nilai 1. Sehingga nilai satu akan tampil secara diagonal. (IPK terhadap IPK, TOEFL terhadap TOEFL dan Jabatan terhadap ajabatan)
    Perbandingan kolom kiri dengan kolom-kolom selanjutnya. Misalkan nilai 3, didapatkan dari perbandingan IPK yang 3 kali lebih penting dari TOEFL (lihat nilai perbandingan di atas)
    Perbandingan kolom kiri dengan kolom-kolom selanjutnya. Misalkan nilai ¼ didapatkan dari perbandingan Jabatan dengan IPK (ingat, IPK 4 kali lebih penting dari jabatan sehingga nilai jabatan adalah ¼ dari IPK)
    3. Menentukan rangking kriteria dalam bentuk vector prioritas (disebut juga eigen vector ternormalisasi).
    a. Ubah matriks Pairwise Comparison ke bentuk desimal dan jumlahkan tiap kolom tersebut.
    IPK
    TOEFL
    Jabatan
    IPK
    1,000
    3,000
    Elemen Kolom
    4,000
    TOEFL
    0,333
    1,000
    2,000
    Jabatan
    0,250
    0,500
    1,000
    JUMLAH
    1,583
    4,500
    Jumlah Kolom
    7,000
    b. Bagi elemen-elemen tiap kolom dengan jumah kolom yang bersangkutan.
    IPK
    TOEFL
    Jabatan
    IPK
    0,632
    0,667
    0,571
    TOEFL
    0,211
    0,222
    0,286
    Jabatan
    0,158
    0,111
    0,143
    Contoh : Nilai 0,632 adalah hasil dari pembagian antara nilai 1,000/1,583 dst.
    c. Hitung Eigen Vektor normalisasi dengan cara : jumlahkan tiap baris kemudian dibagi dengan jumlah kriteria. Jumlah kriteria dalam kasus ini adalah 3.
    IPK
    TOEFL
    Jabatan
    Jumlah Baris
    Eigen Vektor Normalisasi
    IPK
    0,632
    0,667
    0,571
    1,870
    0,623
    TOEFL
    0,211
    0,222
    0,286
    0,718
    0,239
    Jabatan
    0,158
    0,111
    0,143
    0,412
    0,137
    - Nilai 1,870 adalah hasil dari penjumlahan 0,632+0,667+0,571
    - Nilai 0,623 adalah hasil dari 1,870/3.
    - Dst
    d. Menghitung rasio konsistensi untuk mengetahui apakah penilaian perbandingan kriteria bersifat konsisten.
    - Menentukan nilai Eigen Maksimum (λmaks).
    Λmaks diperoleh dengan menjumlahkan hasil perkalian jumlah kolom matrik Pairwise Comparison ke bentuk desimal dengan vector eigen normalisasi.
    Λmaks = (1,583 x 0,623 )+(4,500 x 0,239)+(7,000 x 0,137) = 3,025
    - Menghitung Indeks Konsistensi (CI)
    CI = (λmaks-n)/n-1 = 0,013
    - Rasio Konsistensi =CI/RI, nilai RI untuk n = 3 adalah 0,58 (lihatDaftar Indeks random konsistensi (RI))
    CR = CI/RI = 0,013/0,58 = 0,022
    Karena CR < 0,100 berari preferensi pembobotan adalah konsisten
    4. Untuk matrik Pairwise Comparison sub kriteria, saya asumsikan memiliki nilai yang sama dengan matrik Pairwise Comparison kriteria. Anda bisa mencoba merubah nilai pembobotan jika ingin lebih memahami pembentukan matrik ini.
    a. Sub kriteria IPK
    Sangat Baik
    Baik
    Cukup
    Jumlah Baris
    Eigen Vektor Normalisasi
    Sangat Baik
    0,632
    0,667
    0,571
    1,870
    0,623
    Baik
    0,211
    0,222
    0,286
    0,718
    0,239
    Cukup
    0,158
    0,111
    0,143
    0,412
    0,137
    b. Sub Kriteria TOEFL
    Sangat Baik
    Baik
    Cukup
    Jumlah Baris
    Eigen Vektor Normalisasi
    Sangat Baik
    0,632
    0,667
    0,571
    1,870
    0,623
    Baik
    0,211
    0,222
    0,286
    0,718
    0,239
    Cukup
    0,158
    0,111
    0,143
    0,412
    0,137
    c. Sub Kriteria Jabatan Organisasi
    Ketua
    Koordinator
    Anggota
    Jumlah Baris
    Eigen Vektor Normalisasi
    Ketua
    0,632
    0,667
    0,571
    1,870
    0,623
    Koordinator
    0,211
    0,222
    0,286
    0,718
    0,239
    Anggota
    0,158
    0,111
    0,143
    0,412
    0,137
    5. Terakhir adalah menentukan rangking dari alternatif dengan cara menghitung eigen vector untuk tiap kirteria dan sub kriteria.
    IPK
    TOEFL
    Jabatan Organisasi
    HASIL
    Ifan
    1
    3
    3
    0,440
    Rudy
    3
    3
    1
    0,204
    Anton
    1
    2
    2
    0,479
    - Nilai bobot diperoleh dari kondisi yang dimiliki oleh alternatif. Contoh pada Ifan, yang memiliki IPK 3,86 (sangat baik), maka diberikan bobot 1 (2 untuk baik dan 3 untuk cukup). Ifan memiliki nilai TOEFL 470 (cukup), sehingga diberikan bobot 3 dan jabatan organisasi adalah anggota dengan bobot 3 (1 untuk ketua dan 2 untuk koordinator).
    - Hasil diperoleh dari perkalian nilai vector kriteria dengan vector sub kriteria. Dan setiap hasil perkalian kriteria dan subkriteria masing-masing kolom dijumlahkan. Contoh Ifan, pada kolom IPK (eigen vector : 0,623) dikalikan dengan sub kriteria IPK yaitu sangat baik (eigen vector : 0,623).dst
    (IPK x Sangat Baik + TOEFL x Sangat Baik + Jabatan Organisasi x Anggota) = 0,440
    Dari hasil di atas, Anton memiliki nilai paling tinggi sehingga layak menjadi mahasiswa terbaik..
    Metode AHP bisa digunakan untuk menentukan segala kasus yang membutuhkan output berupa prioritas dari hasil perangkingan. Syarat kriteria yang digunakan adalah data yang "seimbang" (misal data mahasiswa Kampus XYZ bisa dibandingkan dengan kampus ABC, tidak bisa dibandnigkan dengan sekolah XXX). https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgAUnAxbc_MTLyyBd6DfyC88_QbYapRQU6oRI08p7_HKlTJzmSHlX2qUvw4-oIotZzOvW685rW7setVgnYpgUdTXVcSC49TF8yLT8bnYOQmpXR7E0MkYVjW1GxQ5gUt3fDPeKBmCtAXCZiL/s1600/AHP.bmp



    Peralatan utama AHP adalah sebuah hierarki fungsional dengan input utamanya persepsi manusia. Keberadaan hierarki memungkinkan dipecahnya masalah kompleks atau tidak terstruktur dalam sub – sub masalah, lalu menyusunnya menjadi suatu bentuk hierarki (Kusrini, 2007).
    Gambar 2. 1 Struktur Hirarki AHP
    Konsep dasar AHP adalah penggunaan matriks pairwise comparison (,atriks perbandingan berpasangan) untuk menghasilkan bobot relative antar kriteria maupun alternative. Suatu kriteria akan dibandingkan dengan kriteria lainnya dalam hal seberapa penting terhadap pencapaian tujuan di atasnya (Saaty, 1986).
    Tabel 2. 1 Skala dasar perbandingan berpasangan
    Tingkat Kepentingan
    Definisi
    Keterangan
    1
    Sama Pentingnya
    Kedua elemen mempunyai pengaruh yang sama
    3
    Sedikit lebih penting
    Pengalaman dan penilaian sangat memihak satu elemen dibandingkan dengan pasangannya
    5
    Lebih Penting
    Satu elemen sangat disukai dan secara praktis dominasinya sangat nyata, dibandingkan dengan elemen pasangannya.
    7
    Sangat Penting
    Satu elemen terbukti sangat disukai dan secara praktis dominasinya sangat nyata, dibandingkan dengan elemen pasangannya.
    9
    Mutlak lebih penting
    Satu elemen terbukti mutlak lebih disukai dibandingkan dengan pasangannya, pada keyakinan tertinggi.
    2,4,6,8
    Nilai Tengah
    Diberikan bila terdapat keraguan penilaian di antara dua tingkat kepentingan yang berdekatan.
    (Sumber : Saaty, 1986)
    Penilaian dalam membandingkan antara satu kriteria dengan kriteria yang lain adalah bebas satu sama lain, dan hal ini dapat mengarah pada ketidak konsistensian. Saaty (1990) telah membuktikan bahwa indeks konsistensi dari matrik ber ordo n dapat diperoleh dengan rumus :
    CI = (λmaks-n)/(n-1)................................................... (1)
    Dimana :
    CI = Indeks Konsistensi (Consistency Index)
    λmaks = Nilai eigen terbesar dari matrik berordo n
    Nilai eigen terbesar didapat dengan menjumlahkan hasil perkalian jumlah kolom dengan eigen vector. Batas ketidak konsistensian di ukur dengan menggunakan rasio konsistensi (CR), yakni perbandingan indeks konsistensi (CI) dengan nilai pembangkit random (RI). Nilai ini bergantung pada ordo matrik n.
    Rasio konsistensi dapat dirumuskan :
    CR = CI/RI............................................................... (2)
    Bila nilai CR lebih kecil dari 10%, ketidak konsistensian pendapat masih dianggap dapat diterima.
    Tabel 2. 2 Daftar Indeks random konsistensi (RI)
    n
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    RI
    0,00
    0,00
    0,58
    0,90
    1,12
    1,24
    1,32
    1,41
    1,45
    1,49
    1,51
    1,48
    1,56
    1,57
    1,59
    Contoh Kasus :
    Menentukan prioritas dalam pemilihan mahasiswa terbaik
    Langkah Penyelesaian :
    1. Tetapkan permasalahan, kriteria dan sub kriteria (jika ada), dan alternative pilihan.
    a. Permasalahan : Menentukan prioritas mahasiswa terbaik.
    b. Kriteria : IPK, Nilai TOEFL, Jabatan Organisasi,
    c. Subkriteria : IPK (Sangat baik : 3,5-4,00; Baik : 3,00-3,49; Cukup : 2,75-2,99)
    TOEFL(Sangat baik : 506-600; Baik : 501-505 ; Cukup : 450 - 500)
    Jabatan Organisasi (Ketua, Kordinator, Anggota)
    CAT : Jumah kriteria dan sub kriteria, minimal 3. Karena jika hanya dua maka akan berpengaruh terhadap nilai CR (lihat tabel daftar rasio indeks konsistensi/RI)
    2. Membentuk matrik Pairwise Comparison,kriteria. Terlebih dahulu melakukan penilaian perbandingan dari kriteria.(Perbandingan ditentukan dengan mengamati kebijakan yang dianut oleh penilai) adalah :
    a. Kriteria IPK 4 kali lebih penting dari jabatan organisasi, dan 3 kali lebih penting dari TOEFL.
    b. Kriteria TOEFL 2 kali lebih penting dari jabatan organisasi.
    CAT : Terjadi 3 kali perbandingan terhadap 3 kriteria (IPK->jabatan, IPK->TOEFL, Jabatan->TOEFL). Jika ada 4 kriteria maka akan terjadi 6 kali perbandingan. Untuk memahaminya silahkan coba buat perbandingan terhadap 4 kriteria.
    Sehingga matrik matrik Pairwise Comparison untuk kriteria adalah :
    IPK
    TOEFL
    Jabatan
    IPK
    1
    3
    4
    TOEFL
    1/3
    1
    2
    Jabatan
    1/4
    1/2
    1
    Cara mendapatkan nilai-nilai di atas adalah :
    Perbandingan di atas adalah dengan membandingkan kolom yang terletak paling kiri dengan setiap kolom ke dua, ketiga dan keempat.
    Perbandingan terhadap dirinya sendiri, akan menghasilkan nilai 1. Sehingga nilai satu akan tampil secara diagonal. (IPK terhadap IPK, TOEFL terhadap TOEFL dan Jabatan terhadap ajabatan)
    Perbandingan kolom kiri dengan kolom-kolom selanjutnya. Misalkan nilai 3, didapatkan dari perbandingan IPK yang 3 kali lebih penting dari TOEFL (lihat nilai perbandingan di atas)
    Perbandingan kolom kiri dengan kolom-kolom selanjutnya. Misalkan nilai ¼ didapatkan dari perbandingan Jabatan dengan IPK (ingat, IPK 4 kali lebih penting dari jabatan sehingga nilai jabatan adalah ¼ dari IPK)
    3. Menentukan rangking kriteria dalam bentuk vector prioritas (disebut juga eigen vector ternormalisasi).
    a. Ubah matriks Pairwise Comparison ke bentuk desimal dan jumlahkan tiap kolom tersebut.
    IPK
    TOEFL
    Jabatan
    IPK
    1,000
    3,000
    Elemen Kolom
    4,000
    TOEFL
    0,333
    1,000
    2,000
    Jabatan
    0,250
    0,500
    1,000
    JUMLAH
    1,583
    4,500
    Jumlah Kolom
    7,000
    b. Bagi elemen-elemen tiap kolom dengan jumah kolom yang bersangkutan.
    IPK
    TOEFL
    Jabatan
    IPK
    0,632
    0,667
    0,571
    TOEFL
    0,211
    0,222
    0,286
    Jabatan
    0,158
    0,111
    0,143
    Contoh : Nilai 0,632 adalah hasil dari pembagian antara nilai 1,000/1,583 dst.
    c. Hitung Eigen Vektor normalisasi dengan cara : jumlahkan tiap baris kemudian dibagi dengan jumlah kriteria. Jumlah kriteria dalam kasus ini adalah 3.
    IPK
    TOEFL
    Jabatan
    Jumlah Baris
    Eigen Vektor Normalisasi
    IPK
    0,632
    0,667
    0,571
    1,870
    0,623
    TOEFL
    0,211
    0,222
    0,286
    0,718
    0,239
    Jabatan
    0,158
    0,111
    0,143
    0,412
    0,137
    - Nilai 1,870 adalah hasil dari penjumlahan 0,632+0,667+0,571
    - Nilai 0,623 adalah hasil dari 1,870/3.
    - Dst
    d. Menghitung rasio konsistensi untuk mengetahui apakah penilaian perbandingan kriteria bersifat konsisten.
    - Menentukan nilai Eigen Maksimum (λmaks).
    Λmaks diperoleh dengan menjumlahkan hasil perkalian jumlah kolom matrik Pairwise Comparison ke bentuk desimal dengan vector eigen normalisasi.
    Λmaks = (1,583 x 0,623 )+(4,500 x 0,239)+(7,000 x 0,137) = 3,025
    - Menghitung Indeks Konsistensi (CI)
    CI = (λmaks-n)/n-1 = 0,013
    - Rasio Konsistensi =CI/RI, nilai RI untuk n = 3 adalah 0,58 (lihatDaftar Indeks random konsistensi (RI))
    CR = CI/RI = 0,013/0,58 = 0,022
    Karena CR < 0,100 berari preferensi pembobotan adalah konsisten
    4. Untuk matrik Pairwise Comparison sub kriteria, saya asumsikan memiliki nilai yang sama dengan matrik Pairwise Comparison kriteria. Anda bisa mencoba merubah nilai pembobotan jika ingin lebih memahami pembentukan matrik ini.
    a. Sub kriteria IPK
    Sangat Baik
    Baik
    Cukup
    Jumlah Baris
    Eigen Vektor Normalisasi
    Sangat Baik
    0,632
    0,667
    0,571
    1,870
    0,623
    Baik
    0,211
    0,222
    0,286
    0,718
    0,239
    Cukup
    0,158
    0,111
    0,143
    0,412
    0,137
    b. Sub Kriteria TOEFL
    Sangat Baik
    Baik
    Cukup
    Jumlah Baris
    Eigen Vektor Normalisasi
    Sangat Baik
    0,632
    0,667
    0,571
    1,870
    0,623
    Baik
    0,211
    0,222
    0,286
    0,718
    0,239
    Cukup
    0,158
    0,111
    0,143
    0,412
    0,137
    c. Sub Kriteria Jabatan Organisasi
    Ketua
    Koordinator
    Anggota
    Jumlah Baris
    Eigen Vektor Normalisasi
    Ketua
    0,632
    0,667
    0,571
    1,870
    0,623
    Koordinator
    0,211
    0,222
    0,286
    0,718
    0,239
    Anggota
    0,158
    0,111
    0,143
    0,412
    0,137
    5. Terakhir adalah menentukan rangking dari alternatif dengan cara menghitung eigen vector untuk tiap kirteria dan sub kriteria.
    IPK
    TOEFL
    Jabatan Organisasi
    HASIL
    Ifan
    1
    3
    3
    0,440
    Rudy
    3
    3
    1
    0,204
    Anton
    1
    2
    2
    0,479
    - Nilai bobot diperoleh dari kondisi yang dimiliki oleh alternatif. Contoh pada Ifan, yang memiliki IPK 3,86 (sangat baik), maka diberikan bobot 1 (2 untuk baik dan 3 untuk cukup). Ifan memiliki nilai TOEFL 470 (cukup), sehingga diberikan bobot 3 dan jabatan organisasi adalah anggota dengan bobot 3 (1 untuk ketua dan 2 untuk koordinator).
    - Hasil diperoleh dari perkalian nilai vector kriteria dengan vector sub kriteria. Dan setiap hasil perkalian kriteria dan subkriteria masing-masing kolom dijumlahkan. Contoh Ifan, pada kolom IPK (eigen vector : 0,623) dikalikan dengan sub kriteria IPK yaitu sangat baik (eigen vector : 0,623).dst
    (IPK x Sangat Baik + TOEFL x Sangat Baik + Jabatan Organisasi x Anggota) = 0,440
    Dari hasil di atas, Anton memiliki nilai paling tinggi sehingga layak menjadi mahasiswa terbaik..
    Metode AHP bisa digunakan untuk menentukan segala kasus yang membutuhkan output berupa prioritas dari hasil perangkingan. Syarat kriteria yang digunakan adalah data yang "seimbang" (misal data mahasiswa Kampus XYZ bisa dibandingkan dengan kampus ABC, tidak bisa dibandnigkan dengan sekolah XXX). https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgAUnAxbc_MTLyyBd6DfyC88_QbYapRQU6oRI08p7_HKlTJzmSHlX2qUvw4-oIotZzOvW685rW7setVgnYpgUdTXVcSC49TF8yLT8bnYOQmpXR7E0MkYVjW1GxQ5gUt3fDPeKBmCtAXCZiL/s1600/AHP.bmp
    Detail
    Label:
     
    Support : Creating Website | Johny Template | Mas Template
    Copyright © 2011. Kumpulan Source code Aplikasi PHP & MYSQL - All Rights Reserved
    Template Created by Creating Website Published by Mas Template
    Proudly powered by Blogger