Sistem
Pendukung
Keputusan
Penentuan Jurusan SMA Menggunakan
Metode ELECTRE
Rusito1, Hendri Surjani2
1Prodi Sistem Komputer, Sekolah Tinggi Elektronika dan Komputer PAT (STEKOM), Semarang, Indonesia 2Prodi Manajemen Informatika, Sekolah Tinggi Elektronika dan Komputer PAT (STEKOM), Semarang, Indonesia
1,2Jln. Majapahit 605, Semarang E-mail: rusito@stekom.ac.id1
Abstrak
Penjurusan siswa di sekolah menengah tidak saja ditentukan oleh kemampuan akademik tetapi juga harus didukung oleh faktor minat, karena karakteristik suatu ilmu menuntut karakteristik yang sama dari yang mempelajarinya. Sesuai kurikulum yang berlaku di seluruh Indonesia, Penjurusan yang tersedia di SMA meliputi Ilmu Alam (IPA), Ilmu Sosial (IPS), dan Ilmu Bahasa. Penjurusan akan disesuaikan dengan minat dan kemampuan siswa. Kriteria untuk menentukan jurusan ini berdasarkan nilai prestasi akademik, nilai tes kompetensi dan peminatan. Banyaknya siswa dan berbagai matapelajaran juga mempengaruhi kecepatan dalam menentukan penjurusan siswa. Dalam hal pemilihan jurusan perlu dilakukan dengan suatu metode matematika agar dapat berjalan dengan cepat dan fair, misalkan dengan metode ELECTRE. Metode ELECTRE (Elimination Et Choix Traduisant la realitE) merupakan salah satu metode yang efektif untuk MADM dengan fitur kualitatif dan kuantitatif. Melihat dari kasus diatas maka penulis berusaha menyelesaikan masalah pemilihan dengan model Multi Attribute Decision Making (MADM). Penelitian ini akan menerapkan suatu metode Electre untuk mengatasi penentuan jurusan secara cepat. Penelitian ini menggunakan metode pola research and development Borg & Gall (1987). Hasil dari penelitian ini adalah hasil validasi pakar sistem menunjukkan nilai 2,8 berada diantara 2,51-3,25 yakni tergolong dalam kategori Valid dan validasi dari para user menunjukkan nilai 3.22 berada diantara 2,51 – 3,25 yakni tergolong dalam kategori Efektif.
Kata Kunci: Sistem Pendukung Keputusan, Jurusan SMA, Metode Electre
Abstract
Student majors in secondary schools are not only determined by academic ability but must also be supported by interest factors, since the characteristics of a science demand the same characteristics of those who study them. In accordance with the applicable curriculum throughout Indonesia, the majors available in SMA include Natural Sciences (IPA), Social Sciences (IPS), and Linguistics. The majors will be tailored to the student's interests and abilities. The criteria for determining this department are based on the value of academic achievement, competency test scores and specialization. The number of students and various matapelajaran also affect the speed in determining student majors. In terms of selection of majors needs to be done with a mathematical method in order to run quickly and fairly, for example with the method of ELECTRE. The ELECTRE (Elimination Et Choix Traduisant la realitE) method is one of the most effective methods for MADM with qualitative and quantitative features. Looking from the above case then the author tries to solve the problem of selection with the model of Multi Attribute Decision Making (MADM). This research will apply an Electre method to address the determination of the majors quickly. This research uses Borg & Gall's method of research and development (1987). The results of this study is the results of expert system validation shows the value of 2.8 is between 2.51-3.25 which belongs to the category Valid and validation of the user shows the value of 3.22 is between 2.51 - 3.25 which belong to the category Effective .
Keywords: Decision Support System, High School, Electre Method
1. PENDAHULUAN
Kemajuan Teknologi Informasi Mengalami Pertumbuhan Sangat Cepat, Sehingga Dengan Pertumbuhan Ini Telah Mengubah Paradigma Masyarakat Dalam Mencari dan Medapatkan Informasi Yang Tidak Hanya Terbatas Pada Media Cetak Atau Elektronik Saja Tetapi Juga Menjadikan Teknologi Komputer Sebagai Salah Satu Sumber Informasi. Penjurusan Siswa Di Sekolah Menengah Tidak Saja Ditentukan Oleh Kemampuan Akademik Tetapi Juga Harus Didukung Oleh Faktor Minat, Karena karakteristik suatu ilmu menuntut karakteristik yang sama dari yang mempelajarinya. Dengan demikian, siswa yang mempelajari suatu ilmu yang sesuai dengan karakteristik kepribadiannya (minat terhadap suatu ilmu tertentu) akan merasa senang ketika mempelajari ilmu tersebut.
Di SMA Negeri 1 Limbangan Kendal siswa kelas X yang akan naik ke kelas XI mengalami kebingungan dalam memilih jurusan. Hal tersebut terjadi karena siswa tidak mengetahui jurusan yang sesuai dengan kemampuan dan keinginan siswa. Yang sering terjadi akibat siswa yang memisahkan antara kemampuan dan minat adalah siswa yang susah dalam penyerapan materi pelajaran. Sesuai kurikulum yang berlaku di seluruh Indonesia, maka siswa kelas X SMA yang naik ke kelas XI akan mengalami pemilihan jurusan/penjurusan. Penjurusan yang tersedia di SMA meliputi Ilmu Alam (IPA), Ilmu Sosial (IPS), dan Ilmu Bahasa. Penjurusan akan disesuaikan dengan minat dan kemampuan siswa. Kriteria untuk menentukan jurusan ini berdasarkan nilai prestasi akademik, nilai tes kompetensi dan peminatan.
Belum adanya alat untuk menentukan penjurusan siswa juga menjadi kendala para guru. Guru menginginkan suatu alat atau software untuk menentukan penjurusan secara tepat. Software atau sistem ini nanti diharapkan mampu mempercepat tugas guru untuk menentukan penjurusan siswa. Dalam hal pemilihan jurusan perlu dilakukan dengan suatu metode matematika agar dapat berjalan dengan cepat dan fair, misalkan dengan
metode ELECTRE.
Melihat dari kasus diatas maka penulis berusaha menyelesaikan masalah pemilihan dengan model Multi Attribute Decision Making (MADM). Medel MADM dapat membantu meningkatkan kualitas keputusan dengan membuat proses pengambilan keputusan lebih efisien dan rasional. Sedangkan metode ELECTRE merupakan metode yang digunakan untuk menentukan peringkat dan menentukan alternatif terbaik. ELECTRE (Elimination Et Choix Traduisant la realitE) merupakan salah satu metode yang efektif untuk MADM dengan fitur kualitatif dan kuantitatif. Jadi pengembangan metode ini untuk meningkatkan kemampuan membuat keputusan tersebut. [3][8-10].
Pada penelitian ini akan menyelesaikan masalah yaitu mencari alternative terbaik dalam melakukan penjurusan kelas XI berdasarkan kriteria-kriteria yang telah ditentukan dengan menggunakan metode ELECTRE, penulis akan mengembangkan sistem informasi pendukung keputusan dengan bahasa pemrograman PHP dan
MySQL agar proses perhitungan berjalan dengan cepat dan tepat. Proses penelitian menggunakan R&D Borg and Gall karena merupakan penelitian berbasis produk.
2. TEORITIS
2.1 Metode PengembanganMetode sistem pakar yang digunakan dalam penelitian ini adalah metode ELECTRE, sedangkan model pengembangan yang digunakan termasuk jenis penelitian dan pengembangan atau dikenal dengan istilah
Research and Development (R & D). (seperti Gambar 1.) Dalam penelitian ini peneliti hanya menggunakan sampai dengan tahap ke-6
Gambar 1. Tahapan penelitian R&D
2.1 Prosedur Pengembangan
Prosedur sistem pendukung keputusan penentuan jurusan menggunakan metode electre di SMAN 1 Limbangan dengan metode yang diadaptasi dari Borg & Gall dilaksanakan sesuai dengan tahap-tahap berikut :
a. Potensi dan Masalah
Potensi dan masalah yang ada dipenelitian ini adalah teknologi informasi yang berkembang sangat cepat digunakan untuk membuat sistem yang dapat membantu keputusan penjurusan di SMAN 1 Limbangan. Sistem ini mengitung dengan metode electre yang diaplikasikan dalam pemrograman sehingga berjalan cepat efective dan efisien.
b. Pengumpulan Data
Metode pengumupulan data yang digunakan untuk penelitian sini adalah :
1. Data primer yaitu pengumpulan data dilakukan kepada siswa termasuk penggolongan data nilai akademik, nilai kompetensi dan peminatan.
Tabel 1. Data kriteria dan nilai
Nilai Nilai Akademik C1 Nilai Tes Kompetensi C2 Peminatan C3 1 24-0 24-0 Tidak Minat 2 44-25 44-25 Kurang Minat 3 64-45 64-45 Minat Potensi dan Masala Pengum pulan Data Desai n Produ Validas i Desain Revisi Desai n Uji Coba Produ Revisi Produ k Uji Coba Pemak Revisi Produk Produksi Massal
4 84-65 84-65 Sangat Minat
5 100-85 100-85
Amat Sangat Minat
Tabel 2. Contoh data siswa
No. NISN Nama Peserta Didik Jenis Kelamin Kelas 1 0012345677 WULAN PUTRI INTANI P XI A 2 0012345441 THEDI ARDIANSYAH L XI B 3 0012345205 DIMAS ARVIADY L XI A 4 0012344969 HERMA NISA CHOERANI P XI A 5 0012344733 INDRIA LATIKA P XI B 6 0012344497 RESTU AYU PRAMESWARI P XI A 7 0012344261 RINDITA ARAFAH P XI A 8 0012344025 YASSHINTA IKE WIDIASTUTI P XI A 9 0012343789 FIKRI NUR FATONI L XI B 10 0012343553 RETNA DUWI SAFITRI P XI A
2. Data sekunder pengumpulan data dimana pengumpulan data ini diperoleh dari perpustakaan, buku-buku referensi dan jurnal yang sama dalam peneletian yang dibahas. Jurnal yang digunakan untuk kajian teori adalah Syeril Akshareari (2014) [6] dan Dian Veryana (2014) [3].
c. Desain Produk
Dalam hal ini dilakukan pengembangan sistem pendukung keputusan dengan menggunakan model pengembangan perancangan Unified Modeling Language (UML). Sedangkan bahasa pemrograman yang digunakan adalah PHP dan database MySQL. Software untuk merancang dengan Adobe Dreamweaver. d. Validasi Desain
Dalam proses validasi produk bertujuan untuk menilai apakah rancangan kerja baru atau produk baru secara rasional lebih baik dan efektif, dengan cara meminta penilaian ahli yang berpengalaman dan melalukan uji kuesioner, dalam peneitian ini adalah pakar sistem yaitu dosen di Stekom Semaang dan sekaligus sebagai pembimbing ke dua.
e. Revisi Desain
Setelah seorang pakar melakukan validasi produk selesai maka akan dimulailah tahap revisi produk, desain prototype ini akan melalui tahap revisi produk dimana revisi prototype ini dilakukan untuk menghilangkan error di dalam program tersebut. Jika tidak terjadi error maka program tersebut sudah bisa dijalankan dan dipakai oleh user.
f. Uji Coba Produk Akhir
Tahap uji coba program sistem pakar dapat dilakukan setelah desain prototype sudah jadi, lalu bebas dari error di dalam program tersebut. Kemudian dilakukan uji coba program berulang-ulang untuk memastikan tidak terjadi error di dalam program. Uji coba dilakukan oleh user di tempat penelitian, dalam hal ini adalah guru dan siswa.
3. ANALISA DAN PEMBAHASAN
3.1 Analisa Penerapan Metode ELECTREMetode ELECTRE merupakan salah satu metode pengambilan keputusan multikriteria berdasarkan pada konsep
yang sesuai. Metode ELECTRE digunakan pada kondisi dimana alternatif yang kurang sesuai dengan kriteria dieliminasi dan alternatif yang sesuai dapat dihasilkan. Dengan kata lain, ELECTRE digunakan untuk kasus-kasus dengan banyak alternatif(A) namun hanya sedikit kriteria(C) yang dilibatkan. Berikut data yang akan diuji coba : A1 : WULAN PUTRI INTANI
A2 : THEDI ARDIANSYAH A3 : DIMAS ARVIADY C1 : Nilai Akademik C2 : Nilai Uji Kompetensi C3 : Peminatan
Tabel 3. Penilaian terhadap alternatif ALTERNATIF KRITERIA
C1 C2 C3
A1 4 5 3
A2 5 4 2
A3 3 4 4
a. Normalisasi matriks keputusan.
Dalam prosedur ini, setiap atribut diubah menjadi nilai yang comparable. Setiap normalisasi dari nilai xij dapat dilakukan dengan rumus
(1) Sehingga didapat matriks R hasil normalisasi,
Tabel 4. Hasil matrik R ALTERNATIF KRITERIA
C1 C2 C3 A1 0.5657 0.6623 0.5571 A2 0.7071 0.5298 0.3714 A3 0.4243 0.5298 0.7428
b. Pembobotan pada matriks yang telah dinormalisasi.
Setelah dinormalisasi, setiap kolom dari matriks R dikalikan dengan bobot-bobot (wj) yang ditentukan oleh pembuat keputusan. Sehingga, weighted normalized matrix adalah V=RW yang ditulis sebagai:
dimana W adalah : C1 = 4, C2 = 3, C3 = 2
Tabel 5. Tabel matrik V V= W*R ALTERNATIF KRITERIA C1 C2 C3 A1 2.2627 1.9868 1.1142 A2 2.8284 1.5894 0.7428 A3 1.6971 1.5894 1.4856
c. Menentukan himpunan concordance dan disordance index.
Untuk setiap pasang dari alternatif k dan l (k, l= 1,2,3, …, m dan k ≠ l) kumpulan J kriteria dibagi menjadi dua himpunan bagian, yaitu concordance dan discordance. Sebuah kriteria dalam suatu alternatif termasuk
concordance jika:
(2) C12 = {2, 3}
C21 = {1}
C23 = {1}
C31 = {1}
C32 = {2, 3}
Sebaliknya, komplementer dari himpunan bagian concordance adalah himpunan discordance, yaitu bila: (3) D12 = {1} D13 = {3} D21 = {2, 3} D23 = {2, 3} D31 = {2, 3} D32 = {1}
d. Menghitung matriks concordance dan discordance. 1. Menghitung matriks concordance
Untuk menentukan nilai dari elemen-elemen pada matriks concordance adalah dengan menjumlahkan bobot-bobot yang termasuk pada himpunan concordance, secara matematisnya adalah sebagai berikut:
(4)
Concordance A1 A2 A3
A1 5 7
A2 4 4
A3 4 5
2. Menghitung matriks disordance
Untuk menentukan nilai dari elemen-elemen pada matriks disordance adalah dengan membagi maksimum selisih kriteria yang termasuk ke dalam himpunan bagian disordance dengan maksimum selisih nilai seluruh kriteria yang ada, secara matematisnya adalah sebagai berikut:
(5)
Discordance A1 A2 A3
A1 4 2
A2 5 2
A3 5 4
e. Menghitung matriks concordance
1. Menghitung matriks dominan concordance
Matriks F sebagai matriks dominan concordance dapat dibangun dengan bantuan nilai thershold, yaitu dengan membandingkan setiap nilai elemen matriks concordance dengan nilai threshold.
dengan nilai threshold (c) adalah:
(6)
C = 27, 333
sehingga elemen matriks F ditentukan sebagai berikut:
(7)
F A1 A2 A3
A1 0 1
A2 1 0
A3 0 1
Matriks G sebagai matriks dominan disordance dapat dibangun dengan bantuan nilai thershold :
(8) D = 20, 666
dan elemen matriks G ditentukan sebagai berikut:
(9)
G A1 A2 A3
A1 0 0
A2 1 0
A3 0 0
f. Menentukan aggregate dominance matrix.
Matriks E sebagai aggregate dominance matriks adalah matriks yang setiap elemennya merupakan perkalian antara elemen matriks F dengan elemen matriks G yang bersesuaian, secara matematis dapat dinyatakan sebagai: (10) E A1 A2 A3 A1 0 0 A2 1 0 A3 0 0
Kemudian dijumlah pada setiap baris alternatif (A), dan yang dirangking dari terbesar ke terkecil. Dalam hal ini terpilih A2 terbesar dengan jumlah 1. Maka yang terpilih adalah A2 yaitu THEDI ARDIANSYAH.
3.2 Perancangan sistem pendukung keputusan Use Case
Deskripsi Use Case merupakan penjelasan dari use case atau proses-proses yang berlangsung di dalam kegiatan Limbangan adalah sebagai berikut :
Gambar 2. Use case SPK penentuan jurusan SMA
System data user data siswa bobot jurusan penilaian proses electre lap. siswa lap. rekomendasi <<include>> <<include>> <<extend>> <<extend>> administrator
Deskripsi aktor merupakan penjelasan dari apa yang dilakukan oleh aktor-aktor yang terlibat dalam perangkat lunak yang akan dibangun. Adapun deskripsi dari aktor-aktor yang terlibat dalam sistem penjualan adalah sebagai berikut :
Tabel 6. Use case description
Nama Use Case Sistem pendukung keputusan penentuan jurusan menggunakan metode electre Aktor Administrator dan User (Guru dan Siswa)
Diskripsi
Aktor administrator memasukan data user, data siswa, jurusan. Kemudian melakukan penilaian siswa per jurusan. Sistem akan memproses penilaian dengan metode electre kemudian akan ditampilkan dalam laporan rekomendasi keputusan. User dalam ha ini guru dan siswa dapat melihat data siswa dan data rekomendasi jurusan.
Normal Course
melakukan penilaian berdasarkan kriteria yaitu, nilai akademik, uji kompetensi dan peminatan. Data yang dibutuhkan adalah
1. Data Siswa 2. Data Jurusan 3. Data bobot 4. Nilai akademik 5. Nilai uji kompetensi 6. Nilai peminatan
Alternate Course melakukan penilaian dengan metode electre dengan kriteria nilai akademik, nilai uji
kompetensi dan nilai peminatan.
Pre Condition Siswa membutuhkan hasil yang cepat untuk penentuan jurusan
Post Condition edit siswa, edit jurusan, penilaian siswa dan proses electre
Output Rekomendasi untuk menentukan jurusan berupa laporan rekomendasi jurusan.
4. IMPLEMENTASI
Berikut merupakan User Interface Sistem pendukung keputusan
a. Tampilan Utama
Tampilan utama ini menampilkan menu utama yang terdiri dari form manajemen user, manajemen adata siswa, bobot jurusan dan proses electre dilakukan oleh user admin.
Gambar 3. Tampilan Utama
Tampilan ini digunakan untuk laporan akhir keputusan pemilihan jurusan, setelah dilakukan penilaian dan proses dengan metode Electre.
Gambar 4. Tampilan Rekomendasi Keputusan
4.1 Pembahasan Produk Akhir
a. Pakar Sistem
Angket ini digunakan sebagai tingkat pengukuran sikap, pendapat, dan presepsi perseorangan.Selanjutnya hasil data penilaian angket dimasukkan dalam kriteria skala penilaian. Adapun kriteria skala nilai sebagai berikut : Nilai 4 = sangat tepat/sangat menarik/sangat layak/sangat sesuai
Nilai 3 = tepat/menarik/layak/sesuai
Nilai 2 = kurang tepat/kurang menarik/kurang layak/kurang sesuai Nilai 1 = tidak tepat/tidak menarik/tidak layak/tidak sesuai
Teknik analisis data yang digunakan untuk mengolah data nilai diperoleh dari penilaian sistem angket.Data kuantitatif dari setiap item dihitung dengan menggunakan teknik analisis nilai rata-rata. Berdasarkan penjabaran diatas, dapat dirumuskan validasinya :
µ=∑ 𝑥
𝑛 (11)
Keterangan :
µ = nilai rata-rata
∑x = jumlah total nilai validasi n = jumlah validator
Dengan kriteria penilaian validasi sebagai berikut :
Tabel 6. Kriteria Kevalidan
Nilai Kriteria Kevalidan
3,26-4,00 Sangat Valid 2,51-3,25 Valid
1,76-2,50 Kurang valid (revisi) 1,00-1,75 Tidak valid (revisi total)
Sehingga dapat dihitung nilai validasinya: µ=∑ x
n =
28
10= 2,8 (12)
Berdasarkan perhitungan diatas, dapat disimpulkan bahwa hasil validasi dari para ahli materi menunjukkan nilai 2,8 berada diantara 2,51-3,25 yakni tergolong dalam kategori Valid.
Nilai 1 0 10 20 30 1 2 3 4 5 JU M LA H RESPONDEN Nilai 1 Nilai 2 Nilai 3 Nilai 4 b. Validasi user
Gambar 5. Grafik Hasil pengisian angket oleh user
Jumlah total nilai sebanyak 5 responden yakni 161, maka dapat dihitung nilai rata-rata responden :
xresponden=jumlah total nilai respondenjumlah responden (13)
xresponden=161 5 xresponden= 32,2
Maka diperoleh nilai validasi dari responden sebagai berikut: µuser=∑ xresponden
n µuser=32,2
10 µuser= 3.22
Berdasarkan perhitungan diatas, dapat disimpulkan bahwa hasil validasi dari para user menunjukkan nilai 3.22 berada diantara 2,51 – 3,25 yakni tergolong dalam kategori Efektif.
5. KESIMPULAN
Berdasarkan dari hasil uji validasi oleh pakar dan pengguna dapat ditarik kesimpulan sebagai berikut : a. Hasil Uji Validasi Pakar Sistem
Dari hasil uji validasi yang dilakukan oleh pakar sistem menunjukkan nilai akhir perhitungan adalah 2,8 maka sistem dinyatakan valid. Dan pakar sistem menyimpulkan bahwa sistem sangat layak dipakai.
b. Hasil Validasi Pengguna
Dari uji validitas diperoleh hasil bahwa dari 10 item indikator penilaian, dengan kuisioner 5 user. Hasil tersebut berupa nilai 3,22 yang dikategori penggunaan sistem efektif
Berdasarkan kesimpulan di atas dan sistem yang telah dibuat, dapat diajukan beberapa saran yang dapat menjadi bahan pertimbangan dalam memanfaatkan sistem pendukung keputusan penilaian jurusan SMA :
a. Sistem ini dapat terus di kembangkan dengan menambahkan integrasi database dengan sistem informasi akademik.
b. Pengguna dapat diperluas dengan akses secara masal oleh seluruh siswa dan guru sehingga akan dijadikan sebagai standart operasional di SMAN 1 Limbangan.
REFERENCES
[1] Borg, W. R. dan Gall, M. D, 1983, Educational Research An introduction, New York: Longman. [2] Kusrini, M.Kom, 2007, Konsep dan Aplikasi Sistem Pendukung Keputusan, Penerbit Andi, Yogyakarta
[3] Dian Deryana, 2014, Penerapan Metode Electre Pada Pemilihan Calon Penerima Beasiswa PPA Di Universitas Brawijaya Malang, http://statistik.studentjournal.ub.ac.id/index.php/statistik/article/view/188, MIPA Universitas Brawijaya, Malang
[4] Muhammad, Arhami, 2005, Konsep Dasar Sistem Pakar, Andi Offset, Yogyakarta [5] Mulyanto, Agus, 2009, Sistem Informasi Konsep & Aplikasi, Pustaka Pelajar, Yogyakarta
[6] Syeril Akshareari, 2013, Sistem Pendukung Keputusan Pemilihan Produksi Sepatu Dan Sandal Dengan Metode Elimination Et Choix Traduisant La Realité (Electre) (Studi Kasus pada Produsen Sepatu dan Sandal “Obara Shoes” Cibaduyut Bandung), http://journal.fpmipa.upi.edu/index.php/eurekamatika/article/view/29, UPI , Bandung
[7] Sutarman, 2012, Buku Pengantar Teknologi Informasi, Bumi Aksara, Jakarta
[8] Mesran, G. Ginting, Suginam, R. Rahim, Implementation of Elimination and Choice Expressing Reality ( ELECTRE ) Method in Selecting the Best Lecturer ( Case Study STMIK BUDI DARMA ), Int. J. Eng. Res. Technol. (IJERT. 6 (2017) 141–144. http://www.ijert.org/view-pdf/16277/implementation-of-elimination-and-choice-expressing-reality-electre-method-in-selecting-the-best-lecturer-case-study-stmik-budi-darma.
[9] S. Sundari, A. Wanto, I. Gunawan, J.S. Informasi, P.S. Utara, P.S. Utara, P.S. Utara, M. Electre, Sistem Pendukung Keputusan Dengan Menggunakan Metode Electre Dalam Merekomendasikan Dosen Berprestasi Bidang Ilmu Komputer ( Study Kasus di AMIK & STIKOM Tunas Bangsa ), (2017) 1–6.
[10] I. Saputra, S.I. Sari, Mesran, PENERAPAN ELIMINATION AND CHOICE TRANSLATION REALITY ( ELECTRE ) DALAM PENENTUAN KULKAS TERBAIK, KOMIK (Konferensi Nas. Teknol. Inf. Dan Komputer). I (2017) 295–305.
[11] Sugiono, 2014, Metode Penelitian Kuantitatif Kualitatif dan R&D, Alfabeta, Bandung [12] Tata Sutabri, 2009, Analisa Sistem Informasi, Jogyakarta: Andi Offset.
[13] Keputusan dan Sistem Cerdas), Penerbit Andi, Yogyakarta
[14] Suhendar, HarimanGunadi,2002, Visual Modeling Menggunakan UML dan Rational Rose, Informatika Bandung. [15] Bunafit Nugroho, 2007, Trik dan Rahasia Membuat Aplikasi Web dengan PHP, Gava Media, Yogyakarta.
