Fakultas Ilmu Komputer
Universitas Brawijaya
3373
Sistem Pendukung Keputusan Pemilihan Varietas Unggul Jagung Hibrida
Menggunakan Metode AHP-SMART
R Moh Andriawan Adikara1, Muhammad Tanzil Furqon2, Achmad Arwan3
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1[email protected], 2[email protected], 3[email protected]
Abstrak
Dari tahun ke tahun produksi jagung di Indonesia terus meningkat. Meskipun pada tahun 2016 Indonesia telah memproduksi jagung hingga 16 juta ton, namun produksi tersebut masih kalah dengan produksi jagung Amerika Serikat sebesar 355 juta ton. Banyaknya produksi jagung akan mempengaruhi tingkat ekspor dan impor yang berdampak langsung pada ekonomi suatu negara. Peningkatan produksi jagung dapat dilakukan dengan berbagai cara, salah satunya adalah perbaikan teknik budidaya dengan penggunaan varietas unggul. Menurut data yang tersedia di Kementrian Pertaninan Indonesia, terdapat 100 varietas jagung hibrida, namun dari sekian banyak varietas jagung tersebut masih terdapat varietas yang belum mampu untuk meningkatkan produksi jagung yang signifikan. Pemilihan varietas jagung tersebut menjadi permasalahan tersendiri karena terdapat banyak kriteria yang perlu dipertimbangkan. Solusi dari pemilihan varietas jagung dapat diselesaikan dengan metode sistem pendukung keputusan dengan metode AHP dan SMART. Metode AHP digunakan untuk memberi pembobotan pada kriteria-kriteria yang digunakan pada metode SMART. Metode SMART digunakan untuk melakukan perangkingan varietas unggul jagung. Kedua metode tersebut dipilih karena mampu menghasilkan keputusan yang akurat dan komputasi cepat. Hasil dari sistem adalah berupa peringkat varietas jagung mulai dari yang terbaik hingga terburuk. Pengujian pada sistem dilakukan dengan menggunakan korelasi
Spearman Rank dengan nilai 𝜌 = 0,99754 yang berarti terdapat hubungan antara hasil sistem dan hasil pakar adalah mendekati sempurna.
Kata kunci: Jagung, Varietas, Hibrida, AHP, SMART, Spearman Rank
Abstract
Corn proudction in Indonesia is still continue to rise. Although in 2016 Indonesian corn production is currently at 17 million tons, it is still behind the United States with 365 million tons in corn production. The amount of corn production will affect the level of exports and imports that directly affect the country’s economy. Increased corn production can be done in various ways, one of which is the improvement of cultivation techniques with the use of superior varieties. According to available data from the Indonesian Ministry of Agriculture, there are 100 hybrid corn varieties, but of the many varieties of corn, there are still varieties that have not been able to increase the corn’s production significantly. Selection of corn varieties becomes a problem because there are many criteria to consider. Solutions from the selection of corn varieties can be solved by decision support system method called AHP and SMART method. The AHP method is used to give weighting to the criteria used in the SMART method. The SMART method is used to rank superior corn varieties. Both methods are selected for being able to produce accurate and fast computing decisions. The result of the system is in the form of rank of corn varieties ranging from the best to the worst.System validation is done by using Spearman Rank correlation with 𝜌 = 0,99754 which means a relationship between result system and expert result is near perfect.
Keywords: Corn, Varieties, AHP, SMART, Spearman Rank
1. LATAR BELAKANG
sumber karbohidrat, sebagian orang mengonsumsi jagung sebagai makanan sehari-hari. Di Indonesia jagung merupakan bahan makanan terpenting kedua setelah beras. Selain sebagai makanan pokok, jagung digunakan untuk berbagai macam olahan diantaranya: sayuran, tepung, etanol, minyak goreng, gula, pakan ternak, dan bahan baku industri.
Produksi jagung di Indonesia terus meningkat dari tahun ke tahun. Data yang didapat dari kementrian pertanian mencatat bahwa produksi jagung pada tahun 2017 akan mengalami kelebihan produksi. Produksi jagung di Indonesia ditargetkan akan mencapai 17 juta ton (kementan, 2017). Produksi jagung di Indonesia masih kalah jauh dengan Amerika Serikat yang memproduksi sebesar 360 juta ton (FAO, 2016). Semakin banyaknya produksi jagung akan mempengaruhi tingkat ekspor-impor, dengan nilai eksor yang meningkat dan impor yang menurun akan berdampak langsung pada ekonomi. Berbagai upaya dapat dilakukan untuk meningkatkan produksi jagung antara lain dengan perbaikan teknik budidaya, yaitu dengan penggunaan varietas unggul.
Di Indonesia terdapat 2 jenis varietas unggul jagung yang berkembang di tingkat petani. Varietas unggul tersebut adalah varietas
komposit dan hibrida. Kedua jenis varietas unggul tersebut memiliki keunggulan masing-masing. Varietas unggul hibrida memiliki kelebihan dalam hasil namun jenis ini tidak dapat ditanam kembali sebagai sumber benih. Sedangkan varietas unggulan komposit dapat ditanam kembali sebagi sumber benih. Di Indonesia terdapat 100 varietas unggul hibrida
yang memiliki karakteristik yang berbeda-beda (Balitsereal, 2016). Dengan banyaknya berbagai macam varietas tersebut membuat para petani jagung cukup kebingungan dalam memilih varietas terbaik. Banyak sekali pertimbangan yang harus diperhatikan agar mendapatkan hasil panen yang baik dan menghasilkan keuntungan yang memuaskan. Algoritma pendukung keputusan menjadi sangat penting dalam mengatasi permasalahan ini.
Pendukung keputusan dapat dilakukan pada banyak hal, salah satunya adalah pendukung keputusan dalam pemilihan tanaman pertanian. Salah satu penelitian yang membantu dalam pemilihan tanaman adalah penelitian yang dilakukan oleh Faizal Nugraha pada tahun 2017. Dalam penelitiannya dilakukan pemilihan varietas kelapa sawit dengan metode Fuzzy C-Means (Nugraha et al., 2017). Penelitian lainnya
adalah penelitian yang dilakukan oleh Muhammad Rendra pada tahun 2017. Penelitian yang dilakukan adalah pemilihan varietas pada tanaman padi menggunakan metode AHP dan TOPSIS (Rendra et al., 2017). Salah satu metode yang dapat digunakan untuk melakukan rekomendasi data adalah metode yang bernama
Simple Multi Attribute Rating Technique
(SMART). Metode SMART ini diusulkan pertama kali oleh Edwards pada tahun 1977, dalam penelitiannya metode SMART digunakan untuk memecahkan masalah Multi-Attribute Utility Theory (MAUT) (Olson, 1996). Metode SMART ini merupakan metode yang dapat menyelesaikan masalah pendukung keputusan dengan multikriteria dan selain itu metode ini merupakan metode yang fleksibel dan cukup efektif (Honggowibowo, 2015).
Penelitian yang dilakukan pada tahun 2015 oleh Yohan Sitepu menghasilkan perbandingan antara metode SMART dan AHP. Pada penelitiannya disebutkan bahwa metode SMART lebih baik daripada metode AHP karena memiliki tingkat akurasi yang sama namun SMART lebih unggul dalam kecepatan komputasi. Penelitian tersebut memberikan hasil keputusan dalam memilih perusahaan asuransi terbaik di Kota Medan (Sitepu, 2015). Metode SMART lebih baik dari metode Weighted Product (WP), Simple Additive Weighting (SAW), Analytics Hierarchy Process (AHP) dan beberapa metode pendukung keputusan lainnya karena metode SMART merupakan metode yang sederhana dalam menyelesaikan permasalahan yang memiliki banyak kriteria (Honggowibowo, 2015). Namun dalam penyelesaiannya metode SMART masih mungkin terdapat human error
dalam penentuan tingkat kriteria. Dalam mengurangi permasalahan human error, dapat dilakukan dengan cara memvalidasi konsistensi. Salah satu cara untuk mengurangi atau bahkan menghilangkan human error adalah dengan menggunakan metode AHP. Metode AHP akan menentukan apakah terdapat ketidakkonsistenan pada penentuan tingkat kriteria (Whitaker, 2007). Metode AHP bekerja dengan cara mengubah tingkat kepentingan verbal kedalam tingkat kepentingan numerik.
terhadap hama dan penyakit. Dengan adanya sistem pendukung keputusan pemilihan varietas unggul jagung hibrida menggunakan metode AHP dan SMART ini dapat memberikan pilihan jagung terbaik.
Penelitian ini dibagi menjadi 6 bagian, yaitu: Pendahuluan, Dasar Teori, Metodologi Penelitian, Perancangan, Pengujian dan Analisis serta Kesimpulan.
2. DASAR TEORI
2.1 Varietas Unggul Jagung Hibrida
Varietas hibrida adalah generasi pertama persilangan antara dua atau lebih populasi yang memiliki keunggulan sifat masing-masing untuk mendapatkan kombinasi yang lebih baik dari generasi sebelumnya. Varietas hibrida memberikan hasil yang lebih tinggi daripada varietas komposit karena varietas hibrida menggabungkan gen-gen dominan karakter yang diinginkan dari individu penyusunnya. Varietas hibrida memberikan keuntungan lebih tinggi bila di tanam pada lahan berproduktivitas tinggi.
Produktivitas varietas unggul jagung masing-masing ditentukan oleh faktor genetik dan lingkungan tumbuh. Varietas hibrida merupakan varietas yang dihasilkan dengan hati-hati dalam lingkungan yang terkendali. Terdapat beberapa jenis varietas, yaitu:
1. Silang tunggal, yaitu hasil persilangan antara dua galur murni yang tidak berhubungan satu sama lain.
2. Silang tiga-jalur, yaitu hasil persilangan antara silang tunggal dengan satu galur murni.
3. Silang ganda, yaitu persilangan antara 2 silang tunggal. Silang ganda melibatkan empat galur murni yang tidak berhubungan satu sama lain.
4. Silang puncak, yaitu persilangan melalui penyerbukan suatu galur murni dengan suatu populasi yang menghasilkan serbuk sari yang tercampur secara genetik.
2.2 Analytical Hierarchy Process (AHP)
Analytical Hierarchy Process (AHP) merupakan metode khusus dari Multi Criteria Decision Making (MCDM) yang diusulkan pertama kali oleh Thomas Saaty. AHP digunakan dalam memecahkan masalah pada situasi yang kompleks. Masalah kompleks ini berarti bahwa terdapat banyak kriteria dalam
suatu masalah (multikriteria), struktur masalah yang belum jelas, ketidakpastian pendapat dari
decision maker, pengambil keputusan lebih dari satu orang, serta tidak akuratnya data yang tersedia (Saaty, 2008). AHP berguna sebagai alat dalam analisis pengambilan keputusan dan telah digunakan dengan baik dalam berbagai bidang seperti peramalan, pemilihan produk, pemilihan alat transportasi dan lain-lain.
2.2.1 Tahapan-Tahapan AHP
Tahapan-tahapan pengambilan keputusan dengan metode AHP adalah sebagai berikut (Saaty, 2008):
1. Pendefinisian masalah dan menetukan solusi apa yang diperlukan.
2. Pembuatan struktur hirarki dengan menentukan tujuan umum, kriteria, sub-kriteria dan alternatif pilihan yang ingin dilakukan perangkingan.
3. Pemindahan tingkat kepentingan verbal ke dalam tingkat kepentingan numerik untuk dimasukkan kedalam matriks perbandingan berpasangan atau pairwise comparison
dengan menggunakan skala 1 sampai 9. Nilai skala ditunjukkan pada Tabel 1.
Tabel 1. Skala Perbandingan AHP
elemen Resiprokal Kebalikan Nilai
kebalikan dari
perbandingan kebalikannya.
Pembuatan matriks perbadingan ditunjukkan pada Tabel 2.
Tabel 2 Matriks Perbandingan
C A1 A2 ... An A1 a11 a11 ... a11 A2 a11 a11 ... a11
⋮ ⋮ ⋮ ⋱ ⋮
An a11 a11 ... a11 4. Menghitung bobot kriteria dengan
melakukan normalisasi nilai setiap kolom matriks perbandingan berpasangan dengan membagi setiap nilai pada kolom matriks dengan hasil penjumlahan kolom yang bersesuaian.
5. Menghitung nilai eigen vector dan menguji konsistensinya. Nilai eigen vector yang dimaksud adalah nilai eigen vector terbesar. Persamaan eigen vector akan ditunjukkan pada Persamaan 1.
𝜆 = 𝐴. 𝑋 (1)
Dimana:
𝜆 = Eigen Vector
A = Matriks Perbandingan
X = Hasil pembobotan kriteria
6. Menguji konsistensi hirarki. Jika konsistensi bernilai kurang dari 0,1 maka penelitian perlu diulang kembali. Langkah pertama dalam menghitung konsistensi adalah menghitung eigen maksimum yang akan ditunjukkan pada Persamaan 2.
𝑒𝑖𝑔𝑒𝑛 𝑚𝑎𝑘𝑠𝑖𝑚𝑢𝑚 = 𝜆/𝑋 (2)
Dimana:
𝜆 = Eigen Vector
X = Hasil pembobotan kriteria
7. Setelah didapatkan nilai eigen maksimum
langkah selanjutnya adalah mengitung Konsistensi Indeks yang akan ditunjukkan pada Persamaan 3.
𝐶𝐼 =(𝜆𝑚𝑎𝑥−𝑛)
(𝑛−1) (3)
Dimana:
CI = Rasio peyimpangan (deviasi) konsistensi (consistency index)
𝜆𝑚𝑎𝑥 = Nilai eigen terbesar dari
matriks berordo n n = Ordo matriks
8. Setelah diketahui nilai CI maka langkah selanjutnya adalah menghitung konsistensi rasio yang akan ditunjukkan pada Persamaan 4.
𝐶𝑅 =𝐶𝐼𝐼𝑅 (4)
Dimana:
CR = Konsistensi Rasio
IR = Indeks Random
Nilai CI tidak akan berarti bila tidak terdapat acuan untuk menyatakan apakah CI
menunjukkan suatu matriks yang konsisten atau tidak konsisten. Saaty mendapatkan nilai rata-rata Indeks Random (IR) seperti pada Tabel 3.
Tabel 3 Nilai Indeks Random
Ordo
ketidakkonsistenan pendapat dari decision maker masih dapat diterima jika tidak maka penilaian perlu diulang.
2.3 Simple Multi-Attribute Rating Technique (SMART)
SMART (Simple Multi-Attribute Rating Technique) merupakan metode pengambilan keputusan multi kriteria yang dikembangkan oleh Edward pada tahun 1977 (Bray, 2015). Teknik pengambilan keputusan multi kriteria ini didasarkan pada teori bahwa setiap alternatif terdiri dari sejumlah kriteria yang memiliki nilai-nilai dan setiap kriteria memiliki bobot yang menggambarkan seberapa penting antara kriteria satu dengan kriteria lain. Pembobotan ini digunakan untuk menilai setiap alternatif agar diperoleh alternatif terbaik.
2.3.1 Proses Permodelan SMART
Edwards mendefinisikan ada sepuluh langkah dalam penyelesaian metode SMART
adalah sebagai berikut (Bray, 2015):
1. Mengidentifikasi keputusan masalah. Pendefinisian masalah harus dilakukan untuk mencari akar masalah dan batasan-batasan yang ada. Keputusan seperti apa yang akan diambil harus didefinisikan terlebih dahulu, sehingga proses pengambilan keputusan dapat terarah dan tidak menyimpang dari tujuan yang akan dicapai. Pendefinisian pembuat keputusan (decision maker) dilakukan agar pemberian nilai terhadap kriteria dapat sesuai dengan kepentingan kriteria tersebut terhadap alternatif.
2. Mengidentifikasi kriteria-kriteria yang digunakan dalam membuat keputusan.
3. Mengidentifikasi alternatif-alternatif yang akan di evaluasi. Pada tahap ini akan dilakukan proses pengumpulan data.
4. Mengidentifikasi batasan kriteria yang relevan untuk penilaian alternatif. Kriteria perlu dibatasi dengan menghilangkan tujuan yang kurang penting. Edwards berpendapat bahwa tidak perlu memiliki daftar lengkap suatu tujuan.
5. Melakukan peringkat terhadap kedudukan kepentingan kriteria. Dalam hal ini dinilai cukup mudah dibandingkan dengan pengembangan bobot. Hal ini perlu dilakukan untuk dapat memberikan bobot
pada setiap kriteria. Karena bobot yang diberikan pada kriteria akan bergantung pada perangkingan kriteria.
6. Memberi bobot pada setiap kriteria. Pemberian bobot diberikan dengan nilai yang dapat ditentukan oleh pengambil keputusan. Dalam hal ini akan dilakukan pembobotan yaitu berdasarkan kriteria yang dianggap paling penting dan berdasarkan kriteria yang dianggap paling tidak penting.
7. Menghitung normalisasi bobot kriteria. Bobot kriteria yang diperoleh akan dinormalkan dimana bobot setiap kriteria yang diperoleh akan dibagi dengan hasil jumlah setiap bobot kriteria. Normalisasi juga akan dilakukan berdasarkan kriteria yang paling penting dan kriteria yang paling tidak penting.
8. Menormalisasi data pada masing-masing kriteria. Proses normalisasi data digunakan untuk mensetarakan nilai-nilai pada data agar memiliki range yang sama yaitu 0-1. Proses normalisasi akan ditunjukkan pada Persamaan 5.
𝑋′ =𝑋𝑚𝑎𝑥−𝑋𝑚𝑖𝑛𝑋−𝑋𝑚𝑖𝑛 (5)
Dimana:
X’ = Nilai normalisasi X = Nilai aktual
Xmin = Nilai terkecil dari keseluruhan data
Xmax = Nilai terbesar dari keseluruhan data
9. Menghitung penilaian/utilitas terhadap setiap alternatif. Perhitungan dilakukan dengan menggunakan Persamaan 6.
𝑆𝑀𝐴𝑅𝑇 = ∑𝑘𝑗=1𝑤𝑗𝑋′ (6)
Dimana:
Wj adalah nilai pembobotan kriteria ke-j dan k kriteria
10. Nilai utilitas dari setiap alternatif akan diperoleh pada langkah 9. Jika suatu alternatif tunggal yang akan dipilih, maka pilih alternatif dengan nilai utilitas terbesar.
3. METODOLOGI PENELITIAN
1. Mempelajari berbagai literatur yang berisikan tentang jagung dan varietasnya serta metode Analytical Hierarchy Process (AHP) dan Simple Multi-Attribute Rating Technique (SMART).
2. Mengumpulkan data varietas jagung yang akan dijadikan rekomendasi.
3. Melakukan perancangan sistem dari hasil analisis data agar dapat diterapkan menggunakan metode Analytical Hierarchy Process (AHP) dan Simple Multi-Attribute Rating Technique (SMART).
4. Melakukan pembangunan sistem sesuai dengan hasil kebutuhan dan perancangan sistem.
5. Melakukan pengujian dan analisis sistem pada metode agar memastikan bahwa metode SMART dapat berjalan sesuai dengan yang diinginkan.
6. Pengambilan keputusan berdasarkan hasil yang didapat dari analisis sistem.
4. IMPLEMENTASI
Proses penyelesaian permasalahan Sistem Pendukung Keputusan Pemilihan Keputusan Pemilihan Varietas Unggul Jagung Hibrida
Menggunakan Metode AHP-SMART ditunjukkan pada alur kerja sistem yang dapat dilihat pada Gambar 1.
Langkah-langkah penyelesaian metode AHP-SMART dalam melakukan pemilihan jagung terbaik adalah sebagai berikut:
1. Mengumpulkan data jagung varietas unggul. 2. Memasukkan kepentingan masing-masing
kriteria.
3. Membuat tabel perbandingan sesuai dengan tabel 2.
4. Menghitung bobot kriteria dengan melakukan normalisasi nilai setiap kolom matriks perbandingan berpasangan dengan membagi setiap nilai pada kolom matriks dengan hasil penjumlahan kolom yang bersesuaian.
5. Menguji konsistensi hirarki. Jika konsistensi bernilai kurang dari 0,1 maka penelitian perlu diulang kembali.
6. Menormalisasi data jagung agar semua data berada pada range yang sama yaitu 1-0. 7. Melakukan perhitungan SMART untuk
mendapatkan nilai akhir dari masing-masing jagung.
8. Mengurutkan data jagung yang bernilai terbesar hingga terkecil sesuai dengan nilai SMART.
Gambar 1 Diagram Alir Proses AHP-SMART
Pengujian dilakukan untuk memeriksa kesesuaian hasil akhir perangkingan yang didapatkan dari sistem dengan hasil perangkingan oleh pakar. Pengujian yang dilakukan pada penelitian ini adalah pengujian korelasi dengan Spearman Rank.
Pengujian korelasi Spearman Rank
digunakan untuk mencari hubungan atau untuk menguji signifikansi hipotesis asosiatif bila masing-masing variabel yang dihubungkan berbentuk ordinal. Pada pengujian korelasi ini akan membandingkan antara hasil perangkingan antara sistem dan pakar. Sebelum membuat perbandingan, langkah pertama adalah pembuatan hipotesis. Hipotesis yang digunakan adalah hipotesis nol (H0) yang berarti tidak ada hubungan antara hasil dari sistem dan pakar. Hipotesis lainnya adalah hipotesis alternatif (Ha) yang merupakan alternatif dari hipotesis nol jika tidak terpenuhi. Hipotesis alternatifnya adalah terdapat hubungan antara hasil dari sistem dan penelitian ini ditentukan taraf signifikansi adalah 5%. Nilai z pada penelitian ini adalah 9,92539. Dengan taraf signifikansi 5% maka didapatkan bahwa batas bawah dari tabel z adalah -1,96 dan batas atas dari tabel z adalah +1,96. Dengan membandingkan nilai z = 9,92539 dan tabel z = -1,96 dan +1,96 maka dapat disimpulkan bahwa tidak memenuhi hipotesis nol H0 dan berlaku hipotesis alternatif Ha yang berarti bahwa ada hubungan antara hasil perangkingan sistem dan hasil perangkingan pakar. Hubungan kedua sampel adalah Hubungan mendekati sempurna.
6. KESIMPULAN
Berikut adalah kesimpulan yang dapat diambil dari hasil yang telah didapatkan dari proses perancangan, implementasi dan pengujian adalah sebagai berikut:
1. Metode AHP-SMART dapat diterapkan dalam mendukung pengambilan keputusan pada pemilihan varietas hunggul jagung yang akan ditanam oleh petani.
2. Pemilihan varietas alternatif dilakukan dengan memperhitungkan peringkat alternatif yang disesuaikan dengan kemampuan serta kebutuhan pengambil keputusan.
3. Dari hasil pengujian yang dilakukan dengan
spearman rank membuktikan bahwa hasil dari sistem memiliki hubungan yang yang mendekati sempurna dengan hasil dari pakar.
7. DAFTAR PUSTAKA
Balai Penelitian Tanaman Serealia. 2016.
Jagung Hibrida di Indonesia. Tersedia di:<http://balitsereal.litbang.pertanian.go.i d/varietas-jagung/>. Diakses 1 Oktober 2017.
Bray, Robert. 2015. Developing a participative multi criteria decision making technique: a case study. International Journal of Management and Decision Making.
Food and Agriculture Organization. Produksi Data Jagung Amerika Serikat. 2016. Tersedia
di:<http://www.fao.org/faostat/en/?#data/ QC>. Diakses 1 Oktober 2017.
Food and Agriculture Organization. Produksi Data Jagung Indonesia. 2016. Tersedia di:<http://www.fao.org/faostat/en/?#data/ QC>. DIakses 1 Oktober 2017.
Honggowibowo, A.S., 2015. Sistem Pendukung Keputusan Penerimaan Calon Mahasiswa Baru Jalur Prestasi Di Sekolah Tinggi Teknologi Adisitjipto Menggunakan Simple Multi Attribute Rating Technique. Jurnal Angkasa, Vol. VII, No. 2, Novermber, Halaman 31-38.
Kementrian Pertanian. Varietas Hibrida Jagung Indonesia. Tersedia di:< http://aplikasi.pertanian.go.id>. Diakses 6 Oktober 2017.
Nugraha, F.W., Fauziati, S., Permanasari, A.E., 2017. Sistem Pendukung Keputusan Pemilihan Varietas Kelapa Sawit Dengan Metode Fuzzy C-Means. Prosiding SENIATI. iSSN 2085-4218.
Rendra, M. 2017. Sistem Pendukung Keputusan Untuk Pemilihan Penanaman Varietas Unggul Padi Menggunakan Metode AHP-TOPSIS. Jurnal Teknologi Informasi Dan Ilmu Komputer.
Saaty, Thomas L. 2008. Decision Making With The Analytic Hierarchy Process, Int. J. Services Sciences, Vol. 1, No. 1, 2008.
Sitepu, Y. B., 2015. Perbandingan Metode Analytic Hierarchy Process (AHP) dengan Simple Multi Attribute Rating Technique (SMART) dalam Menentukan Perusahaan Asuransi Terbaik. Universitas Sumatera Utara.
