Jumat, 26 Juni 2015

Mengulas Mengenai Mesran Punya Blog

mesran.blogspot.com adalah blog yang dimana isinya banyak mengulas tentang macam ragam pemrograman dari visual basic net, visual basic 6, Pascal, C/C++ dll, bukan hanya tentang pemrograman saja masih banyak yang lain. Secara pribadi saya sangat menyukai blog mesran.blogspot.com karena saya ingin tau dan mahir pemrograman karena menurut saya dunia pemrograman sangat berguna untuk dunia kerja dan khususnya bagi pekerja IT.

 " Pemrograman sebenarnya tidak lah susah malah asik bila kita sudah mahir mengunakannya tergantung dari diri kita masing - masing" Bagi kalian yang ingin mengenal dan belajar pemrograman silahkan kunjungi blog mesran.blogspot.com dijamin kalian tidak menyesal karena diblog itu banyak pengulasan tentang berbagai artikel pemrograman.
Diposting oleh di Tidak ada komentar:

Penggunaan AHP (Analytical Hierarchy Process) dalam Sistem Pendukung Kuputusan

     Pengambilan keputusan sudah menjadi bagian dalam kehidupan, kadangkala kita diperhadapkan pada dua atau lebih pilihan, atau pilihan mudah hingga yang paling sulit. Pada pengambilan keputusan yang melibatkan susutu sistem (sederhana atau kompleks) atau keputusan yang sifatya menentukan perjalanan perusahaan/organisasi bahkan negara maka keputusan tentu akan sulit jika hanya mengandalkan intuisi, sehingga pengambilan keputusan dilakukan setelah suatu melalui proses tertentu. Kemungkinan anda sudah pernah mendengar AHP atau Analytic Hierarchy Process. AHP merupakan salah satu alat bantu (proses) dalam pengambilan keputusan yang dikembangkan oleh Thomas L Saaty pada tahuhn 70an. Prosedur ini begitu powerfull sehingga sudah diaplikasikan secara luas dalam pengambilan keputusan yang penting. Penggunaan AHP bukan hanya untuk institusi pemerintahan atau swasta namun juga dapat diaplikasikan untuk keperluan individu terutama untuk penelitian-penelitian yang berkaitan dengan kebijakan atau perumusan strategi prioritas. Mengapa AHP dapat diandalkan, karena dalam AHP suatu prioritas disusun dari berbagai pilihan yang dapat berupa kriteria yang sebelumnya telah didekomposisi (struktur) terlebih dahulu, sehingga penetapan prioritas didasarkan pada suatu proses yang terstruktur (hierarki) dan masuk akal. Jadi pada intinya AHP membantu memecahkan persoalan yang kompleks dengan menysun suatu hirarki kriteria, dinilai secara subjektif oleh pihak yang berkepentingan lalu menarik berbagai pertimbangan guna mengembangkan bobot atau prioritas (kesimpulan).

PROSEDUR AHP

      Terdapat tiga prinsip utama dalam pemecahan masalah dalam AHP menurut Saaty, yaitu: Decompositiot, Comparative Judgement, dan Logical Concistency. Secara garis besar prosedur AHP meliputi tahapan sebagai berikut:
1) Dekomposisi masalah;
2) Penilaian/pembobotan untuk membandingkan elemen-elemen;
3) Penyusunan matriks dan Uji consistensi;
4) Penetapan prioritas pada masing-masing hirarki;
5) Sistesis dari prioritas; dan 
6) Pengambilan/penetapan keputusan. Berikut uraian singkatnya. 

Dekomposisis Masalah/Menyusun Hirarki

      Dekomposisi masalah adalah langkah dimana suatu tujuan (Goal) yang telah ditetapkan selanjutnya diuraikan secara sistematis kedalam struktur yang menyusun rangkaian sistem hingga tujuan dapat dicapai secara rasional. Dengan kata lain, sutu tujuan (goal) yang utuh, didekomposisi (dipecahkan) kedalam unsur penyusunnya. Apabila unsur tersebut merupakan kriteria yang dipilih seyogyanya mencakup semua aspek penting terkait dengan tujuan yang ingin dicapai. Namun kita harus tetap mempertimbangkan agar kriteria yang dipulih benar-benar mempunyai makna bagi pengambilan keputusan dan tidak mempunyai makna atau pengertian yang yang sama, shingga walaupun kriteria pilihan hanya sedikit namun mempunyai makna yang besar terhadap tujuan yang ingin dicapai. Setelah kriteria ditetapkan, selanjutnya adalah menentukan alternatif atau pilihan penyelesaian masalah. Sehingga apabila digambarkan kedalam bentuk bagan hierarki seperti ditunjukkan pada Gambar 1.
 
 
 
     Hirarki utama (Hirarki I) adalah tujuan/ fokus/ goal yang akan dicapai atau penyelesaian persoalah/ masalah yang dikaji. Hierarki kedua (Hirarki II) adalah kriteria, kriteria apa saja yang harus dipenuhi oleh semua alternatif (penyelesaian) agar layak untuk menjadi pilihan yang paling ideal, dan Hirarki III adalah alternatif aatau pilihan penyelesaian masalah. Ingat..!!! Penetapan hierarki adalah sesuatu yang sangat relatif dan sangat bergantung dari persoalan yang dihadapi. Pada kasus-kasus yang lebih kompleks, anda bisa saja menyusun beberapa hirarki (bukan hanya tiga), bergantung pada hasil dekomposisi yang telah anda lakukan, perhatikan contoh hierarki berikut.

 
 
 

Penilaian / Pembandingan Elemen

Apabila proses dekomposisi telah selasai dan hirarki telah tersusun dengan baik. Selanjutnya dilakukan penilaian perbandingan berpasangan (pembobotan) pada tiap-tiap hirarki berdasarkan tingkat kepentingan relatifnya. Pada contoh di atas, maka perbandingan dilakkukan pada Hirarki III (antara alternatif), dan pada Hirarki II (antara kriteria).

Penilaian atau pembobotan pada Hirarki III, dimaksudkan untuk membandingkan nilai atau karakter pilihan berdasarkan tiap kriteria yang ada. Misalnya antara pilihan 1 dan pilihan 2, pada kriteria 1, lebih penting pilihan 1, selanjutnya antara pilihan 1 dan pilihan 3, lebih penting pilihan 3 dan seterusnya hingga semua pilihan akan dibandingkan satu-persatu (secara berpasangan). Hasil dari penilaian adalah nilai/bobot yang merupakan karakter dari masing-masing alternatif.

Penilaian atau pembobotan pada Hierarki II, dimaksudkan untuk membandingkan nilai pada masing-masing kriteria guna mencapai tujuan. Sehingga nantinya akan diperoleh pembobotan tingkat kepentingan masing-masing kriteria untuk mencapai tujuan yang telah ditetapkan.

Prosedur penilaian perbandingan berpasangan dalam AHP, mengacu pada skor penilaian yang telah dikembangkan oleh Thomas L Saaty, sebagai berikut:
 
 

Dalam pembobotan tingkat kepentingan atau penilaian perbandingan berpasangan ini berlaku hukum aksioma reciprocal, artinya apabila suatu elemen A dinilai lebih esensial (5) dibandingkan dengan elemen B, maka B lebih esensial 1/5 dibandingakan dengan elemen A. Apabila elemen A sama pentingnya dengan B maka masing-masing bernilai = 1. 
Dalam pengambilan data, misalnya dengan menggunakan kuisioner, prosedur perbandingan berganda dapat dilakukan dengan menggunakan kuisioner berupa matriks atau semantik difrensial.
Contoh Kuisioner matriks:
 
 
Banyaknya sell yang harus diisi adalah n(n-1)/2 karena matriks reciprocal elemen diagonalnya bernilai = 1, jadi tidak perlu disi. Pada conoth di atas 4(4-1)/2 = 6, jadi bagian yang outih saja yang diisi.

Contoh Kuisioner semantik difrensial:
Pada jenis kuisioner ini, kecendrungan pembibitan dilingkari/silang berdasarkan bobot nya, jika sisi kiri lebih penting dari sisi kanan maka angka yang dilingkari adalah 9-1 pada ruas kiri dan sebaliknya.

Penyusunan Matriks dan Uji Konsistensi

Apabila proses pembobotan atau “pengisian kuisioner” telah selesai, langkah selanjutnya dalah penyusunan matriks berpasangan untuk melakukan normalisasi bobot tingkat kepentingan pada tiap-tiap elemen pada hirarkinya masing-masing. Pada tahapan ini analisis dapat dilakukan secara manual ataupun dengan menggunakan program komputer seperti CDPlus atau Expert Choice. Kali ini kita akan lanjut membahas pada prosedur analisis secara manual. Nilai-nilai yang diperoleh selanjutnya disusun kedalam matriks berpasangan serupa dengan matriks yang digunakan pada kuisioner matriks diatas. Hanya saja pada penyusunan matriks untuk analisis data ini, semua kotak harus diisi. 

Langkah pertama: adalah menyatukan pendapat dari beberapa kuisioner, jika kuisioner diisi oleh pakar, maka kita akan menyatukan pendapat para pakar kedangan menggunakan persamaan rata-rata geometri:
Langkah kedua: menyusun matriks perbandingan, sebagai berikut:
Sebelum melangkah lebh jauh ketahapan iterasi untuk penetapan prioritas pada pilihan alternatif atau penetapan tingkat kepentingan kriteria, maka sebelumnya dilakukan terlebih dahulu uji konsistensi. Uji konsistensi dilakukan pada masing kuisioner/pakar yang menilai atau memberikan pembobotan. Kuisioner atau pakar yang tidak memenuhi syrat konsisten dapat dianulir atau dipending untuk perbaikan. Prinsip dasar pada uji konsistensi ini adalah apabila A lebih penting dari B, kemudian B lebih penting dari C, maka tidak mungkin C lebih penting dari A. Tolak ukur yang digunakan adalah CI (Consistency Index) berbanding RI (Ratio Index) atau CR (Consistency Ratio). 
Ratio Indeks(RI) yang umum digunakan untuk setiap ordo matriks adalah sebagai berikut:
 
 
Langkah ketiga: uji konsistensi terlebih dahulu dilakukan dengan menyusun tingkat kepentingan relatif pada masing-masing kriteria atau alternatif yang dinyatakan sebagai bobot relatif ternormalisasi (normalized relative weight). Bobot relatif yang dinormalkan ini merupakan suatu bobot nilai relatif untuk masing-masing elemen pada setiap kolom yang dibandingkan dengan jumlah masing-masing elemen:
Maka bobot relatif ternormalisasi adalah:
Selanjutnya dapat dihitung Eigen faktor hasil normalisasi dengan merata-ratakan penjumlahan tiap baris pada matriks di atas.
Selanjutnya tentukan nilai CI (consistency Index) dengan persamaan:
Dimana CI adalah indeks konsistensi dan Lambda maksimum adalah nilai eigen terbesar dari matriks berordo n. 
Nilai eigen terbesar adalah jumlah hasil kali perkalian jumlah kolom dengan eigen vaktor utaman. Sehingga dapat diperoleh dengan persamaan:
Setelah memperoleh nilai lambda maksismum selanjutnya dapoat ditentukan nilai CI. Apabila nilai CI bernilai nol (0) berarti matriks konsisten. Jika nilai CI yag diperoleh lebih besar dari 0 (CI>0) selanjutnya diuji batas ketidak konsistenan yang diterapkan oleh Saaty. Pengujian diukur dengan menggunakan Consistency Ratio (CR), yaitu nilai indeks, atau perbandingan antara CI dan RI:
Nilai RI yang digunakan sesuai denan ordo n matriks. Apabila CR matriks lebih kecil 10% (0,1) berarti bahwa ketidak konsistenan pendapat masing dianggap dapat diterima.

Penetapan prioritas pada masing-masing hirarki

Penetapan prioritas pada tiap-tiap hierarki dilakukan melalui proses Iterasi (perkalian matriks). Langkah pertama yang dilakukan adalah merubah bentuk fraksi nilai-nilai pembiobotan kedalam bentuk desimal. Agar lebih mudah difahami, kita menggunakan salah satu contoh data hasil penilaian salah seorang pakar seperti contoh berikut:
Data Matriks di atas dirubah dari bentuk fraksi kedalam bentuk desimal (Matriks 1):
Mengkuadratkan matriks 1 (jumlah baris x kolom) (Iterasi I):
Selanjutnya jumlahkan angka dalam matriks menurut barisnya:
Langkah berikutnya adalah pengolahan bentuk Matriks 2 dengan jalan sama dengan Matriks 1 (Iterasi II), kemudian jumlahkan kembali hasil perkalian silang matriks berdasarkan baris:
Selanjutnya dihitung selisih antara vektor Matriks 1 dan 2 dalam Iterasi II

Lekukan kembali iterasi untuk Matriks 3. Langkah ini diulang,  hingga nilai selisih antar iterasi tidak mengalami perubahan (=0), nilai iterasi yang diperoleh tersebut selanjutan menjadi urutan prioritas sebagaimana berikut:
Metode yang sama diteruskan pada tingkatan hierarki selanjutnya, atau pilihan-pilihan alternatif. Adapun cara yang lebih mudah dalam melakukan pembobotan ini adalah dengan menggunakan bantuan program komputer seperti Criterium Decision Plus (CD+) atau Expert Choice.

Penarikan Kesimpulan

Penarikan kesimpulan dilakukan dengan mengakumulasi nilai/ bobot global yang merupakan nilai sensitivitas masing-masing elemen. Seperti pada contoh diatas, maka kesimpulan nutamanya adlah aspek kekuatan perlu diperhatikan karena merupakan prioritas utama, kemudian aspek kelemahan, ancaman dan peluang.
Diposting oleh di Tidak ada komentar:

Penjelasan Mengenai Kasus dan Penerapan Metode Saw Dalam Sistem Pendukung Keputusan (SPK)

     Sebelum saya menuliskan tulisan inti dari post saya ini mungkin saya harus mengaku jika tulisan ini saya tulis untuk keperluan tugas kuliah saya. Jujur sebenarnya saya belum terlalu mengerti dengan metode SAW (Simple Additive Weighting) ini, jadi jika ada yang tidak setuju dengan konten tulisan saya mohon koreksinya.
Definisi SAW
Metode SAW merupakan metode yang juga dikenal dengan metode penjumlahan berbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Fishburn, 1967) (MacCrimmon, 1968).

Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.  Metode ini merupakan metode yang paling terkenal dan paling banyak digunakan dalam menghadapi situasi Multiple Attribute Decision Making (MADM). MADM itu sendiri merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu.
Masih dari blog yang sama ada beberapa tahapan untuk menyelesaikan suatu kasus menggunakan metode SAW ini.
1.  Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci.
2.  Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
3.  Membuat matriks keputusan berdasarkan kriteria(Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R.
4.  Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai)sebagai solusi.
Agar lebih jelas tentang pengimplementasian algoritma tersebut lebih baik kita belajar dengan studi kasus, karena saya beranggapan jika studi kasus akan lebh mudah menjawab semua teori yang sulit dimengerti.
Contoh Kasus :
Seorang perusahaan akan melakukan rekrutmen kerja terhadap 5 calon pekerja untuk posisi operator mesin. Posisi yang saat ini luang hanya ada 2 posisi. Nah dengan metode SAW kita diharuskan menentukan calon pekerja tersebut.
Sebelum kita dibingungkan oleh itungan matematika kita tentukan dulu mana yang menjadi kriteria benefit dan kriteria cost

Kriteria benefit-nya adalah
–      Pengalaman kerja (saya simbolkan C1)
–      Pendidikan (C2)
–      Usia (C3)

Sedangkan kriteria cost-nya adalah
–      Status perkawinan (C4)
–      Alamat (C5)

Kriteria dan Pembobotan
Teknik pembobotan pada criteria dapat dilakukan dengan beragai macam cara dan metode yang abash. Pase ini dikenal dengan istilah pra-proses. Namun bisa juga dengan cara secara sederhana dengan memberikan nilai pada masing-masing secara langsung berdasarkan persentasi nilai bobotnya. Se dangkan untuk yang lebih lebih baik bisa digunakan fuzzy logic. Penggunaan Fuzzy logic, sangat dianjurkan bila kritieria yang dipilih mempunyai sifat yang relative, misal Umur, Panas, Tinggi, Baik atau sifat lainnya.
Di tahap ini kita mengisi bobot nilai dari suatu alternatif dengan kriteria yang telah dijabarkan tadi. Perlu diketahui nilai maksimal dari pembobotan ini adalah ‘1’
Calon Pegawai
kriteria
C1
C2
C3
C4
C5
A1 0,5 1 0,7 0,7 0,8
A2 0,8 0,7 1 0,5 1
A3 1 0,3 0,4 0,7 1
A4 0,2 1 0,5 0,9 0,7
A5 1 0,7 0,4 0,7 1

Pembobotan (w)

Pembobotan ini ialah pembobotan tiap-tiap kriteria. Berdasarkan pemahaman saya pembobotan ini ialah pembobotan atas suatu kriteria. Jadi jika kita memilih istri maka berdasarkan agama dan wajah maka kita harus mengutamakan agama maka agama kita beri bobot lebih tinggi daripada wajah. Bingung kan! Saya juga bingung sebenarnya hehehehe J 

  
Kriteria
Bobot
C1 0,3
C2 0,2
C3 0,2
C4 0,15
C5 0,15
Total 1

Tabel pertama (pembobotan alternatif terhadap kriteria) kita ubah kedalam bentuk matriks. Nah dibawah ini penampakannya.


0,5 1 0,7 0,7 0,8
0,8 0,7 1 0,5 1
1 0,3 0,4 0,7 1
0,2 1 0,5 0,9 0,7
1 0,7 0,4 0,7 1

Sampai tahap ini saya sarankan anda mulai membaca doa agar tidak kebingungan nantinya hehehehe
Pertama kita ingat-ingat kembali kriteria benefitnya yaitu (C1, C2 dan C3). Untuk normalisai nilai, jika faktor kriteria benefit digunakanan rumusan
Rii = ( Xij / max{Xij})

Dari kolom C1 nilai maksimalnya adalah ‘1’ , maka tiap baris dari kolom C1 dibagi oleh nilai maksimal kolom C1

R11 = 0,5 / 1 = 0,5
R21 = 0,8 / 1 = 0,8
R31 = 1 / 1 = 1
R41 = 0,2 / 1 = 0,2
R51 = 1 / 1 = 1

Dari kolom C2 nilai maksimalnya adalah ‘1’ , maka tiap baris dari kolom C2 dibagi oleh nilai maksimal kolom C2

R12 = 1 / 1 = 1
R22 = 0,7/ 1 = 0,7
R32 = 0,3 / 1 = 0,3
R42 = 1 / 1 = 1
R52 = 0,7 / 1 = 0,7

Dari kolom C3 nilai maksimalnya adalah ‘1’ , maka tiap baris dari kolom C3 dibagi oleh nilai maksimal kolom C3

R13 = 0,7 / 1 = 0,7
R23 = 1/ 1 = 1
R33 = 0,4 / 1 = 0,4
R43 = 0,5 / 1 = 0,5
R53 = 0,4 / 1 = 0,4

Nah sekarang ingat-ingat kembali kriteria costnya yaitu (C4 dan C5). Untuk normalisai nilai, jika faktor kriteria cost digunakanan rumusan
Rii = (min{Xij} /Xij)

Dari kolom C4 nilai minimalnya adalah ‘0,5’ , maka tiap baris dari kolom C5 menjadi penyebut  dari  nilai maksimal kolom C5

R14 = 0,5/ 0,7 = 0,714
R24 = 0,5 / 0,5 = 1
R34 = 0,5 / 0,7 = 0,714
R44 = 0,5 / 0,9 = 0,556
R54 = 0,5 / 0,7  = 0,714

Dari kolom C5 nilai minimalnya adalah ‘0,7’ , maka tiap baris dari kolom C5 menyadi penyebut dari nilai maksimal kolom C5

R15= 0,7/ 0,8 = 0,875
R25 = 0,7 / 1= 0,7
R35 = 0,7 / 1= 0,7
R45 = 0,7 / 0,7 = 1
R55= 0,7/ 1= 0,7
Masukan semua hasil penghitungan tersebut kedalam tabel yang kali ini disebut tabel faktor ternormalisasi


0,5 1 0,7 0,714
0,875
0,8 0,7 1 1 0,7
1 0,3 0,4 0,714 0,7
0,2 1 0,5 0,556 1
1
 0,7 0,4
0,714
0,7

Setelah mendapat tabel seperti itu barulah kita mengalikan setiap kolom di tabel tersebut dengan bbot kriteria yang telah kita deklarasikan sebelumnya. Yah kalo di internet-internet sih rumusnya kayak gini.
d
Nah tambah bingung atau tambah jelas sodara-sodara kalo masih bingung liat aja itung itungan ane dibawah ini.

A1 =  (0,5 * 0,3) + (1 * 0,2) + (0,7 * 0,2 ) + (0, 714 * 0,15) + (0, 875 * 0,15)
A1 = 0,72835
A2 =  (0,8  * 0,3) + (0,7 * 0,2) + (  1* 0,2 ) + ( 1 * 0,15) + (0,7 * 0,15)
A2 =  0,835
A3 =  (1  * 0,3) + ( 0,3* 0,2) + ( 0,4 * 0,2 ) + (0,714 * 0,15) + (0,7 * 0,15)
A3 = 0,6521
A4 =  (0,2  * 0,3) + ( 1 * 0,2) + (  0,5* 0,2 ) + (0,556 * 0,15) + ( 1* 0,15)
A4 =  0,5934
A5 =  ( 1 * 0,3) + ( 0,7 * 0,2) + (0,4 * 0,2 ) + (0,714  * 0,15) + ( 0,7 * 0,15)
A5 =  0,7321

Nah dari perbandingan nilai akhir maka didapatkan nilai sebagai berikut.

A1 =  0,72835
A2 =  0,835
A3 =  0,6521
A4 =  0,5934
A5 = 0,7321

     Maka alternatif yang memiliki nilai tertinggi dan bisa dipilih adalah alternatif A2 dengan nilai 0,835 dan alternatif A5 dengan nilai 0,7321.
Wah cukup panjang juga perhitungan tulisan saya kali ini. Jika ada yang kurang berkenan mohon maaf ya pemirsa. Saranya ditunggu jika ada kesalahan atau koreksia dari teman-teman. Wassalam.


Diposting oleh di Tidak ada komentar:

Minggu, 31 Mei 2015

Quiz Online Sistem Pendukung Keputusan


 Alternatif
Kriteria
C1
C2
C3
C4
Hendro
3
4
1
2
Joko
2
5
1
2
Doni
2
3
2
2
Dono
3
4
4
2
Kasino
2
3
2
2


V1 = √32 + 22 + 22 + 32 + 22 = 5,477             V3 = √12 + 12 + 22 + 42 + 22 = 5,099
R11 = 3/5,477 = 0,547                                    R13 = 1/5,099 = 0,196
R21 = 2/5,477 = 0,365                                    R23 = 1/5,099 = 0,196
R31 = 2/5,477 = 0,365                                    R33 = 2/5,099 = 0.392
R41 = 3/5,477 = 0,547                                    R43 = 4/5,099 = 0,784
R51 = 2/5,477 = 0,365                                    R53 = 2/5,099 = 0,392      

V2 = √42 + 52 + 32 + 42 + 32 = 8,66                V4 = √12 + 12 + 22 + 42 + 22 = 4,472
R12 = 4/8,66 = 0,461                                       R14 = 2/4,472 = 0,447
R22 = 5/8,66 = 0,577                                       R24 = 2/4,472 = 0,447
R32 = 3/8,66 = 0,346                                       R34 = 2/4,472 = 0,447
R42 = 4/8,66 = 0,461                                       R44 = 2/4,472 = 0,447
R52 = 3/8,66 = 0,346                                       R54 = 2/4,472 = 0,447

Matrik R
0,547   0,461   0,196  0,477
0,356   0,577   0,196  0,477
0,365   0,346   0,392  0,477
0,547   0,461   0,784  0,477
0,365   0,346   0,392  0,477
                                                           
Y11 = W. r11  = 4 * 0,547 = 2,188                            Y13 = W. r13= 4 * 0,196 = 0,784
Y21 = W. r21 = 4 * 0,365 = 1,46                              Y23 = W. r23 = 4 * 0,196 = 0,784
Y31 = W. r31 = 4*  0,365 = 1,46                              Y33 = W. r33 = 4*  0,392 = 1,568
Y41 = W. r41 = 4*  0, 537 = 2,186                           Y43 = W. r43 = 4*  0,784 = 3,316
Y51 = W. r51 = 4 * 0,365 = 1,46                              Y53 = W. r53 = 4 * 0,39 = 1,56

Y12 = W. r12  = 5*0,461= 2,305                               Y14 = W. r14= 3 *0,447 = 1,341
Y22 = W. r22=5*0,577= 2,305                                 Y24 = W. r24 = 3 *0,447 = 1,341
Y 32 = W. r32 = 5*0,346= 1,73                                Y34 = W. r34 = 3*0,477 = 1,341
Y42 = W. r42 = 5*0, 461= 2,305                              Y44 = W. r44 = 3*0,477 =1,341
Y52 = W. r52 = 5*0,346= 1,73                                 Y54 = W. r54 = 3* 0,477= 1,341

Matrik y
2,188    2,305   0,784   1,341
1,46      2,885   0,784   1,341
1,46      1,73     1,568   1,341
1,186    2,305   3,136   1,341
1,146    1,73     1,56     1,341

Y1+= max=2,186                                                    Y1- = min = 1,146
Y2+=max=2,885                                                     Y2- = min = 1,73
Y3+=max=3,136                                                     Y3- = min = 0,784
Y4+=max=1,341                                                     Y4- = min = 1,341
A+=  { 2,186 ; 2.885 , 3,136, 1,341 }                     A-  =  { 1,146 ; 1,73 ; 0,784 ; 1,341 }


D1+ = √(2,188 – 2,186)2 + (2,305 – 2,885)2 + (0,784 – 3,136)2 + (1,341 – 1,341)2
       = 5,870
D2+ = √(1,46 – 2,186)2 + (2,885 – 2,885)2 + (0,784 – 3,136)2 + (1,341 – 1,341)2
       = 4,805
D3+ = √(1.46 – 2,186)2 + (1,73 – 2,885)2 + (1,568 – 3,136)2 + (1,341 – 1,341)2
       = 3,006
D4+ = √(2,186 – 2,186)2 + (2,305 – 2,885)2 + (3,136 – 3,136)2 + (1,341 – 1,341)2
       = 0,336
D5+ = √(1,146 – 2,186)2 + (1,73 – 2.885)2 + (1,56 – 3,136)2 + (1,341 – 1,341)2
       = 2,777

D1-  = (2,188 – 1,146)2 + (2,305 – 1,73) 2  + (0,784 – 0,784)2 + (1,341 – 1,341)2
          = 1,372
D2-  = (1,46 – 1,46)2 + (2,885 – 1,73) 2  + (0,784 – 0,784)2 + (1,341 – 1,341)2
          = 3,244
D3-  = (1,146 – 1,146)2 + (1,73 – 1,73) 2  + (1,568 – 0,784)2 + (1,341 – 1,341)2
          = 0,928
D4-  = (2,186 – 1,146)2 + (2,305 – 1,73) 2  + (3,136 – 0,784)2 + (1,341 – 1,341)2
          = 6,902
D5-  = (1,146 – 1,146)2 + (1,73 – 1,73) 2  + (1,56 – 0,784)2 + (1,341 – 1,341)2
          = 0,602
V1 = 1,372 / (1,372 + 5,870) = 0,189

V2 = 3,244 / (3,244 + 4,805) = 0,403

V3 = 0,928  / (0,928 + 3,066) = 0,232

V4 = 6,902 / (6,902 + 0,336) = 0,953

V5 = 0,602 / (0,602 + 2,777) = 0,178
Diposting oleh di Tidak ada komentar:

Senin, 16 Desember 2013

Gaji Pegawai Telkom



 Public Class Form1
    Private Sub Form1_Load(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles MyBase.Load
        NamaPeg.Items.Add("maijor Josua")
        NamaPeg.Items.Add("Andy Pratama")
        NamaPeg.Items.Add("Maulana")
        GolPeg.Items.Add("A")
        GolPeg.Items.Add("B")
        GolPeg.Items.Add("c")
        StaPeg.Items.Add("Menikah")
        StaPeg.Items.Add("Tidak Menikah")
    End Sub
    Private Sub Button1_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles BtnProses.Click
        Pajak.Text = 0.1 * GaPo.Text
        TG.Text = GaPo.Text - Pajak.Text + TK.Text
    End Sub
    Private Sub GolPeg_SelectedIndexChanged(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles GolPeg.SelectedIndexChanged
        Select Case GolPeg.Text
            Case "A"
                GaPo.Text = "1500000"
            Case "B"
                GaPo.Text = "2500000"
            Case "C"
                GaPo.Text = "3500000"
        End Select
    End Sub
    Private Sub StaPeg_SelectedIndexChanged(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles StaPeg.SelectedIndexChanged
        Select Case StaPeg.Text
            Case "Menikah"
                TK.Text = 0.05 * GaPo.Text
            Case "Tidak Menikah"
                TK.Text = GaPo.Text
        End Select
    End Sub
End Class
Diposting oleh di Tidak ada komentar:
Langganan: Postingan (Atom)