Optimasi Pemilihan Paket Internet Dengan Menggunakan Metode AHP

(1)

Optimasi Pemilihan Paket Internet Dengan Menggunakan Metode AHP

Wiwiek Katrina1_{, Solikhun}2_{, M.Safii}3_{, Sumarno}4

1,2,3,4_{Jurusan Sistem Informasi, STIKOM Tunas Bangsa, Pematangsiantar Sumatera Utara} 1_{Mahasiswa STIKOM Tunas Bangsa, Pematangsiantar Sumatera Utara}

2,3,4_{Dosen STIKOM Tunas Bangsa, Pematangsiantar Sumatera Utara} 1,2,3,4_{Jln. Jenderal Sudirman blok A. No. 1/2/3 Pematangsiantar}

Email : wiwiekkatrina25@gmail.com, solikhun@amiktunasbangsa.ac.id , m.safii@amiktunasbangsa.ac.id , sumarno@gmail.com

Abstrak - Pada umumnya internet merupakan salah satu teknologi yang sangat pesat perkembangannya dan sudah merupakan simbol dari cara berkomunikasi masyarakat secara bebas, tanpa dibatasi jarak, ruang, dan waktu. Internet kini menjadi alternatif utama untuk memenuhi segala kebutuhan terutama kebutuhan akan informasi dan pendidikan yang akan memberi nilai positif untuk semua aktifitas di kalangan masyarakat. Bagi para pengguna android dalam memenuhi kebutuhan nya untuk keperluan sosial media, chatting, browsing, streaming dan download pastinya merasa tidak lengkap tanpa registrasi paket internet, dikarenakan selain hemat dari segi keuangan jika dibandingkan dengan menggunakan pulsa reguler.Sekarang ini sudah banyak paket internet yang disediakan oleh perusahaan telekomunikasi untuk membatu memudahkan pengguna dalam mengakses internet. Namun berdasarkan hasil survey yang telah dilakukan dengan 30 responden didapatkan hasil bahwa 90% responden mengalami kesulitan untuk mengambil keputusan dalam memilih paket layanan internet. Sebuah sistem yang akan mempermudah pengambilan keputusan untuk memilih paket layanan internet, salah satunya yaitu dengan adanya decision support system untuk membantu pengambilan keputusan. Dalam kasus ini penulis menggunakan metode AHP yang merupakan metode yang lebih tepat dalam menyederhanakan dan mempercepat proses pengambilan keputusan dengan memecahkan persoalan tersebut ke dalam bagian-bagiannya. Dari hasil penelitian diperoleh pemilihan paket internet yang tertinggi dengan nilai 0,328 (32,8%) adalah Axis. Dengan metode AHP ini diharapkan dapat membantu masyarakat dalam menentukan alternatif-alternatif mana yang akan dipilih sebagai suatu keputusan akhir dalam pemilihan paket internet android sesuai dengan kebutuhan.

Kata kunci: Paket Internet, SPK,Metode AHP, Masyarakat

1. PENDAHULUAN

Internet tak lagi dipandang sebagai kebutuhan sekunder tetapi sudah menjadi kewajiban dikalangan masyarakat. Pemilihan studi kasus untuk memilih paket layanan internet dimasa sekarang ini dilatarbelakangi oleh meningkatnya pengguna internet dengan sangat pesat. Terjadi peningkatan jumlah dari ISP di Indonesia dan banyaknya paket layanan internet yang ditawarkan di pasar Indonesia dengan berbagai jenis yang berbeda dari segi kuota maupun lama pemakaian. ISP (Internet Service Provider) adalah Penyedia Jasa Internet, yaitu suatu lembaga atau perusahaan yang menghubungkan komputer penggunan dengan internet. Dan kebanyakan operator telekomunikasi adalah ISP. Kini jasa penyedia layanan internet merupakan solusi bagi masyarakat dalam memenuhi kebutuhan akan layanan internet. Misalnya untuk keperluan sosial media, chatting, browsing, streaming dan download masyarakat pastinya tidak lepas tanpa registrasi paket internet, dikarenakan hemat dari segi keuangan dibandingkan dengan menggunakan pulsa reguler. Dan beberapa provider kartu lokal kebanyakan menawarkan kuota dengan paket yang disesuaikan dengan durasi pemakaian sebulan dengan selisih harga yang lumayan jauh. Semua paket layanan yang ditawarkan oleh ISP harus dapat disesuaikan dengan kebutuhan pengguna layanan. Setiap tipe pengguna mempunyai kebutuhanyang berbeda beda, sehingga memerlukan paket layanan internet yang berbeda beda pula. Dengan beragamnya paket yang ditawarkan ISP, berdasarkan hasil survey yang telah dilakukan dengan 30 responden didapatkan hasil bahwa 90% responden mengalami kesulitan untuk mengambil keputusan dalam memilih paket layanan internet.

(2)

Proses pemilihan paket internet ini merupakan permasalahan yang melibatkan banyak komponen atau kriteria yang dinilai (multi kriteria), sehingga dalam penyelesaiannya diperlukan sebuah sistem pendukung keputusan. Sebuah sistem yangakan mempermudah pengambilan keputusan untuk memilih paket layananinternet, salah satunya yaitu dengan adanya decision support system untukmembantu pengambilan keputusan. Dalam kasus ini penulis menggunakan metode AHP yang merupakan metode yang lebih tepat dalam menyederhanakan dan mempercepat proses pengambilan keputusan dengan memecahkan persoalan tersebut ke dalam bagian-bagiannya. Dengan metode AHP ini diharapkan dapat membantu masyarakat dalam menentukan alternatif-alternatif mana yang akan dipilih sebagai suatu keputusan akhir dalam pemilihan paket internet android sesuai dengan kebutuhan.

2. METODE PENELITIAN 2.1. Sistem Pendukung Keputusan

Sistem pendukung keputusan atau decision support sistem (DSS) merupakan sistem informasi interakif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem Pendukung keputusan merupakan suatu perangkat sistem yang mampu memecahkan masalah secara efisien dan efektif, yang bertujuan untuk membantu pengambilan keputusan memilih berbagai alternatif keputusan yang merupakan hasil pengolahan informasi yang diperoleh dengan menggunakan model pengambilan keputusan[1]

2.2. Metode Analytic Hierarchy Process (AHP)

Pada dasarnya SPK dirancang untuk mendukung seluruh tahap pengambilan keputusan mulai dari mengidentifikasikan masalah, memilih data yang relevan, menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai mgevaluasi pemilihan[2]. Sistem Pendukung Keputusan menggunakan konsep keputusan terprogram dan tidak terprogram dengan phase pengambilan keputusan yang merefleksikan terhadap pemikisan Decision Support Systems (DSS) saat ini. Sistem tersebut adalah suatu sistemyang berbasis komputer yang ditujukan untuk membantu pengambil keputusan denganmemanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidakterstruktur.Permasalahan pengambilan keputusan dapat menjadi kompleks karena adanya pelibatan beberapa tujuan maupun kriteria. Salah satu tool (alat bantu) yang cocok digunakan untuk pemilihan kandidat atau pengurutan prioritas adalah Analytic Hierarchy Process (AHP) yang dikembangkan oleh Thomas L. Saaty [3].

Secara umum pengambilan keputusan dengan metode AHP didasarkan pada langkah langkah berikut:

1. Mendefinisikan masalah dan menentukan solusi yang diinginkan.

2. Membuat struktur hirarki yang diawali dengan tujuan umum, dilanjutkan dengan kriteria kriteria dan alternaif alternatif pilihan yang ingin di rangking.

3. Membentuk matriks perbandingan berpasangan yang menggambarkan kontribusi relatif atau pengaruh setiap elemen terhadap masing masing tujuan atau kriteria yang setingkat diatasnya. Perbandingan dilakukan berdasarkan pilihan atau judgement dari pembuat keputusan dengan menilai tingkat tingkat kepentingan suatu elemen dibandingkan elemen lainnya.

4. Menormalkan data yaitu dengan membagi nilai dari setiap elemen di dalam matriks yang berpasangan dengan nilai total dari setiap kolom.

5. Menghitung nilai eigen vector dan menguji konsistensinya, jika tidak konsisten maka pengambilan data (preferensi) perlu diulangi. Nilai eigen vector yang dimaksud adalah nilai eigen vector maksimum yang diperoleh dengan menggunakan matlab maupun dengan manual.

6. Mengulangi langkah 3, 4, dan 5 untuk seluruh tingkat hirarki.

7. Menghitung eigen vector dari setiap matriks perbandingan berpasangan. Nilai eigen vector merupakan bobot setiap elemen. Langkah ini untuk mensintesis pilihan dalam penentuan prioritas elemen elemen pada tingkat hirarki terendah sampai pencapaian tujuan.

8. Menguji konsistensi hirarki. Jika tidak memenuhi dengan CR < 0, 100; maka penilaian harus diulang kembali [4].

(3)

Metode ini adalah sebuah kerangka untuk mengambil keputusan dengan efektif atas persoalan dengan menyederhanakan dan mempercepat proses pengambilan keputusan dengan memecahkan persoalan tersebut kedalam bagianbagiannya, menata bagian atau variabel ini dalam suatu susunan hirarki, memberi nilai numerik pada pertimbangan subjektif tentang pentingnya tiap variabel dan mensintesis berbagai pertimbangan ini untuk menetapkan variabel yang mana yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil pada situasi tersebut [5-7].

Tabel 1. Skala Saaty (Saaty, 1980)[5]

Intensitas

Kepentingan Keterangan

1 Kedua elemen sama pentingnya

3 Elemen yang satu lebih penting daripada _lainnya 5 Elemen yang satu esensial atau sangat _{penting daripada elemen yang lainnya} 7 Satu elemen jeles lebih penting dari _{elemen lainnya} 9 Satu elemen mutlak lebih penting _{daripada elemen lainnya} 2, 4, 6, 8 Nilai-nilai tengah diantara 2 _{pertimbangan yang berdekatan}

kebalikannya

Jika untuk aktifitas i mendapat satu angka bila dibandingkan dengan satu aktifitas j, maka j mempunyai nilai kebalikannya bila dibandingkan dengan aktifitas i

2.3. Jenis Penelitian

Jenis penelitian ini adalah Penelitian Kuantitatif, karena menggunakan pengukuran data dan statistik objektif melalui perhitungan ilmiah berasal dari sampel masyarakat dengan memberikan jawaban atas sejumlah pertanyaan yang dituangkan ke dalam kuesioner menggunakan metode pendekatan Analytical Hierarchy Process (AHP).

2.4. Pemilihan Sampel

Responden yang diambil dalam pemilihan sampel ini adalah responden ahli yang berasal dari masyarakat khususnya yang akan membeli dan sudah mempunyai paket internet android. Disini penulis mengambil sampel sebanyak 30 orang.Pengumpulan data penelitian dilakukan dengan cara pengisian kuisioner untuk memperoleh data sesuai dengan tujuan penelitian.Kuesioner disusun dalam bentuk pertanyaan dengan mengacu kepada hierarki yang telah dibuat dari kriteria-kriteria.

3. HASIL DAN PEMBAHASAN 3.1. Struktur Hirarki AHP

Gambar 1. Struktur Hirarki dalam Pemilihan Paket Internet Keterangan :

A. Terdapat 4 kriteria, yaitu : 1) Kualitas Koneksi (A1)

2) Harga (A2)

(4)

4) Layanan (A4) B. Terdapat 4 alternatif, yaitu :

1) Simpati 2) Axis 3) XL 4) IM3

3.2. Perhitungan Faktor Pembobotan Hirarki Untuk Semua Kriteria

Tabel 2. Matriks Faktor Pembobotan Hirarki untuk Semua Kriteria A1 A2 A3 A₄ A 1 1 3 5 7 A 2 1/ 3 1 2 3 A 3 1/ 5 1/ 2 1 2 A 4 1/ 7 1/ 3 1/ 2 1

Tabel 3. Matriks Faktor Pembobotan Hirarki untuk Semua Kriteria yang disederhanakan A1 A2 A3 A4 A 1 1,00 0 3,00 0 5,00 0 7,000 A 2 0,33 3 1,00 0 2,00 0 3,000 A 3 0,20 0 0,50 0 1,00 0 2,000 A 4 0,14 2 0,33 3 0,50 0 1,000 ∑ 1,67 5 4,83 3 8,50 0 13,00 0

Tabel 4.Matriks Faktor Pembobotan Hirarki untuk Semua Kriteria yang dinormalkan A1 A2 A3 A4 ∑ Eigen Vector A1 0,597 0,621 0,588 0,538 2,344 0,587 A2 0,199 0,207 0,235 0,231 0,872 0,218 A3 0,199 0,103 0,118 0,154 0,494 0,123 A4 0,085 0,069 0,059 0,077 0,289 0,072

Nilai eigen maksimum (λmaksimum) dapat dicari dengan cara menjumlahkan hasil perkalian jumlah kolom dengan vektor eigen. Maka nilai eigen maksimum yang dapat diperoleh yaitu :

∝max _{= ( 1,675 x 0,587 ) + ( 4,833 x 0,218 ) + ( 8,500X 0,123 ) + (13,000 x 0,072 )} = 0,982 + 1,053 + 1,050 + 0,941 = 4,026 CI =

∝

max

−

n

−

1

=

0,026

₃

= 0,09

(5)

Tabel 5.Nilai Random Indeks (RI)

n 1 2 3 4 5 6 7 8 9 10

RI 0,000 0,000 0,580 0,900 1,120 1,240 1,320 1,410 1,450 1,490

Untuk n = 4, RI = 0.900 (tabel Saaty), maka: CR =

CI

_RI

=

0,09

0,900

= 0.010

Karena CR < 0,100 berarti preferensi responden adalah konsisten. 3.3. Vektor Prioritas

Tabel 6. Matriks Faktor Pembobotan Hirarki untuk Semua Kriteria

A1 A2 A3 A4 A 1 1,00 0 3,00 0 5,00 0 7,00 0 A 2 0,33 3 1,00 0 2,00 0 3,00 0 A 3 0,20 0 0,50 0 1,00 0 2,00 0 A 4 0,14 2 0,33 3 0,50 0 1,00 0 Dengan demikian dapat diperoleh vektor posisinya, yaitu :

4

√

1 x

3 x

5 x

7

_{= 3,201} 4

√

0,333

x

1 x

2 x

3

_{= 1,188} 4

√

0,200

x

0,500

x

1 x

2

_=0,668 4

√

0,142

x

0,333

x

0,500

x

1

_{= 0,392} ∑ = 5,449 Vektor Prioritasnya : 3,201 : 5,449=0,587 1,188 : 5,449 = 0,218 0,668 : 5,449 = 0,123 0,392: 5,449= 0,072

3.4. Perhitungan Faktor Evaluasi untuk Kriteria Kualitas Koneksi

Tabel 7. Matriks Faktor Evaluasi untuk Kriteria Kualitas Koneksi Simpat i Axi s X L IM 3 Simpat i 1 1/3 1/3 2 Axis 3 1 2 2 XL 3 1/2 1 2 IM3 1/2 1/2 1/2 1

Tabel 8. Matriks Faktor Evaluasi untuk Kriteria Kualitas Koneksi yang disederhanakan Simpat

i Axis XL IM3

Simpat

(6)

Axis 3,000 1,00₀ 2,00₀ 2,00₀ XL 3,000 0,50₀ 1,00₀ 2,00₀ IM3 0,500 0,50 0 0,50 0 1,00 0 ∑ 7,500 2,33₃ 3,83₃ 7,00₀

Tabel 9. Matriks Faktor Evaluasi untuk Kriteria Kualitas Koneksi yang dinormalkan Simpat

i Axis XL IM3 ∑ Vector Eigen

Simpat i 0,133 0,14 3 0,08 7 0,28 6 0,64 9 0,162 Axis 0,400 0,42₉ 0,52₂ 0,28₆ 1,63₆ 0,409 XL 0,400 0,21₄ 0,26₁ 0,28₆ 1,16₁ 0,290 IM3 0,067 0,21 4 0,13 0 0,14 3 0,55 4 0,139

∝

max

_{= ( 7,500 x 0,162 ) + ( 2,333 x 0,409 ) + (3,833 x 0,290 ) + (7,000 x 0,139 )} = 1,217 + 0,954 + 1,113 + 0,970 = 4,253 CI =

∝

max

_n

₋

₁

−

n

=

0,253

₃

= 0,084

CI

_RI

=

0,084

_0,900

= 0,094

Karena CR < 0,100 berarti preferensi responden adalah konsisten. 3.5. Perhitungan Faktor Evaluasi untuk Kriteria Harga

Tabel 10. Matriks Faktor Evaluasi untuk Kriteria Harga Simpat i Axi s X L IM 3 Simpat i 1 2 5 5 Axis 1/2 1 4 2 XL 1/5 1/4 1 1/3 IM3 1/5 1/2 3 1

(7)

Simpat i Axis XL IM3 Simpat i 1,000 2,00 0 5,000 5,00 0 Axis 0,500 1,00 0 4,000 2,00 0 XL 0,200 0,25₀ 1,000 0,33₃ IM3 0,200 0,50₀ 3,000 1,00₀ ∑ 1,900 3,75 0 13,00 0 8,33 3

Tabel 12. Matriks Faktor Evaluasi untuk Kriteria Harga yang dinormalkan Simpat

i Axis XL IM3 ∑ Eigen Vector

Simpat i 0,526 0,53 3 0,38 5 0,60 0 2,04 4 0,511 Axis 0,263 0,26 7 0,30 8 0,24 0 1,07 8 0,269 XL 0,105 0,06₇ 0,07₇ 0,04₀ 0,28₉ 0,072 IM3 0,105 0,13₃ 0,23₁ 0,12₀ 0,58₉ 0,147

∝

max

_{= (1,900 x 0,511 ) + (3,750 x 0,269 ) + ( 13,000 x 0,072 ) + (8,333 x 0,147 )} = 0,971 + 1,010 + 0,939 + 1,228 = 4,148 CI =

∝

max

−

n

−

1

=

0,148

₃

= 0,049

CI

_RI

=

0,049

_0,900

= 0,055

Karena CR < 0,100 berarti preferensi responden adalah konsisten. 3.6. Perhitungan Faktor Evaluasi untuk Kriteria Masa Aktif

Tabel 13. Matriks Faktor Evaluasi untuk Kriteria Masa Aktif Simpat i Axi s X L IM 3 Simpat i 1 5 5 7

(8)

Axis 1/5 1 2 3

XL 1/5 1/2 1 3

IM3 1/7 1/3 1/3 1

Tabel 14. Matriks Faktor Evaluasi untuk Kriteria Masa Aktif yang disederhanakan Simpat i Axis XL IM3 Simpat i 1,000 5,00 0 5,00 0 7,000 Axis 0,200 1,00 0 2,00 0 3,000 XL 0,200 0,50₀ 1,00₀ 3,000 IM3 0,143 0,33₃ 0,33₃ 1,000 ∑ 1,543 6,83 3 8,33 3 14,00 0

Tabel 15. Matriks Faktor Evaluasi untuk Kriteria Harga yang dinormalkan Simpat

Simpat i 0,648 0,73 2 0,60 0 0,50 0 2,48 0 0,620 Axis 0,130 0,14₆ 0,24₀ 0,21₄ 0,73₀ 0,183 XL 0,130 0,07₃ 0,12₀ 0,21₄ 0,53₇ 0,134 IM3 0,093 0,04 9 0,04 0 0,07 1 0,25 3 0,063

∝

max

_{= (1,543 x 0,620 ) + (6,833 x 0,183 ) + (8,333 x 0,134 ) + ( 14,000 x 0,063 )} = 0,957 + 1,248 + 1,119 + 0,885 = 4,208 CI =

∝

max

−

n

−

1

=

0,208

₃

= 0,069

CI

_RI

=

0,069

_0,900

= 0,077

(9)

3.7. Perhitungan Faktor Evaluasi untuk Kriteria Layanan

Tabel 16. Matriks Faktor Evaluasi untuk Kriteria Layanan Simpat i Axi s X L IM 3 Simpat i 1 2 2 1/3 Axis ½ 1 1/2 1/5 XL ½ 2 1 1/3 IM3 3 5 3 1

Tabel 17. Matriks Faktor Evaluasi untuk Kriteria Layanan yang disederhanakan Simpat i Axis XL IM3 Simpat i 1,000 2,000 2,00 0 0,33 3 Axis 0,500 1,000 0,50₀ 0,20₀ XL 0,500 2,000 1,00 0 0,33 3 IM3 3,000 5,000 3,00₀ 1,00₀ ∑ 5,000 10,00₀ 6,50₀ 1,87₆

Tabel 18. Matriks Faktor Evaluasi untuk Kriteria Layanan yang dinormalkan Simpat

Simpat i 0,200 0,20 0 0,30 8 0,17 9 0,88 6 0,222 Axis 0,100 0,10 0 0,07 7 0,10 7 0,38 4 0,096 XL 0,100 0,20 0 0,15 4 0,17 9 0,63 2 0,158 IM3 0,600 0,50₀ 0,46₂ 0,53₆ 2,09₇ 0,524

∝

max

_{= (5,000 x 0,222) + (10,000 x 0,096) + (6,500 x 0,158) + (1,876 x 0,524)} = 1,108 + 0,960 + 1,028 + 0,979 = 4,074 CI =

∝

max

_n

₋

₁

−

n

=

0,074

₃

= 0,025

CI

_RI

(10)

=

0,025

_0,900

= 0,028

Karena CR < 0,100 berarti preferensi responden adalah konsisten. 3.8. Perhitungan Total Ranking / Prioritas Global

Tabel 19. Matriks Hubungan antara Kriteria dengan Alternatif

A1 A2 A3 A4 Simpat i 0,162 0,511 0,620 0,222 Axis 0,40₉ 0,26₉ 0,18₃ 0,09₆ XL 0,29 0 0,07 2 0,13 4 0,15 8 IM3 0,13 9 0,14 7 0,06 3 0,52 4 3.9. Total Ranking

Langkah selanjutnya yaitu mencari total rangking untuk masing-masing paket internet dengan cara mengalikan faktor evaluasi masing-masing alternatif dengan faktor bobot

Tabel 20. Total Rangking untuk Simpati Faktor Evaluasi Faktor Bobot Bobot Evaluasi Kualitas Koneksi 0,162 0,587 0,095 Harga 0,511 0,218 0,111 Masa Aktif 0,620 0,123 0,076 Layanan 0,222 0,072 0,016 ∑ 1,000 0,299

Tabel 21.Total Rangking untuk Axis Faktor Evaluasi Faktor Bobot Bobot Evaluasi Kualitas Koneksi 0,409 0,587 0,240 Harga 0,269 0,218 0,059 Masa Aktif 0,183 0,123 0,023 Layanan 0,096 0,072 0,007 ∑ 1,000 0,328

Tabel 22. Total Rangking untuk XL Faktor Evaluasi Faktor Bobot Bobot Evaluasi Kualitas Koneksi 0,290 0,587 0,170 Harga 0,072 0,218 0,016 Masa Aktif 0,134 0,123 0,016 Layanan 0,158 0,072 0,011 ∑ 1,000 0,214

Tabel 23. Total Rangking untuk IM3

(11)

Evaluasi Bobot Evaluasi Kualitas Koneksi 0,139 0,587 0,082 Harga 0,147 0,218 0,032 Masa Aktif 0,063 0,123 0,008 Layanan 0,524 0,072 0,038 ∑ 1,000 0,159

Setelah dilakukan perhitungan maka pada masing-masing tabel diperoleh hasil : Simpati = 0,299

Axis = 0,328 XL = 0,214 IM3 = 0,159

Dari hasil diatas dapat disimpulkan bahwa paket internet yang banyak dipilih oleh masyarakat dalam memenuhi kebutuhan nya yaitu : Axis, Simpati, XL, IM3

4. KESIMPULAN

Setelah dilakukannya penelitian ini dengan 30 responden maka dapat diketahui total ranking masing-masing paket internet dan urutan prioritas dapat dibuat berdasarkan total ranking paket internet yang disukai masyarakat dilihat dari :

Urutan

Prioritas Kualitas Koneksi Harga Masa Aktif Layanan

1 Axis Simpati Simpati IM3

2 XL Axis Axis Simpati

3 Simpati IM3 XL XL

4 IM3 XL IM3 Axis

Sedangkan untuk urutan prioritas dalam pemilihan paket internet yang diminati mahasiswa dengan mempertimbangkan seluruh kriteria yaitu :

1. Axis : 0,328 (32,8 %) 2. Simpati : 0,299 (29,9 %) 3. XL : 0,214 (21,4 %) 4. IM3 : 0,159 (15,9 %) DAFTAR PUSTAKA

[1] Agus Perdana Windarto, “Implementasi Metode Topsis Dan Saw Dalam Memberikan Reward Pelanggan”, Klik-Kumpulan Jurnal Ilmu Komputer, 4 (1), pp. 88-101

[2] Suryadi. K, Ramdhani. A, 2002, Sistem Pendukung Keputusan Suatu Wacana Struktural Idealisasi Dan Implementasi Konsep Pengambilan Keputusan, PT. Rosdakarya, Bandung. [3] Latifah, Siti. 2005. Prinsip – prinsip dasar Analytical Hierarchy Process. Jurnal Studi Kasus

Fakultas Pertanian, Universitas Sumatera Utara (USU), Medan.

[4] Mulyono. 2004. P335. 4 Prinsip dasarAnalytical Hierarchy Process (AHP)

[5] Alonso, J. A., dan Lamata, M. T., 2006, Concistency In The Analytical Hierarchy Process: A New Approach, International Journal of Uncertainty, no 4, volume 14, hal.445-459

[6] Prasetyo, B., Laksito, W., & Siswanti,S. (2014). Sistem Pendukung Keputusan Pemilihan Paket Internet Operator Telekomunikasi Dengan Metode Ahp (Analytical Hierarchy Process). Jurnal TIKomSiN, 7–12.

[7] Susila, W dan Munadi, Ernawati. 2007. “Penggunaan Analytic Hierarchy Process Untuk Penyusunan Prioritas Proposal Penelitian”, Jurnal Informatika Pertanian Vol. 16, No. 2. Departemen Pertanian.