Penerapan Metode Multi-Attribute Utility Theory (MAUT) pada Pemilihan Broadcasting Terbaik

Penerapan Metode Multi-Attribute Utility Theory (MAUT) pada Pemilihan Broadcasting Terbaik

Karya Suhada¹,*, Saludin², Abdurrahman Sadikin³, Indah Kusuma Dewi⁴, Fifto Nugroho⁵

1Program Studi Teknik Informatika, STMIK Rosma, Karawang, Indonesia Fakultas Teknik Informatika, Universitas Bina Insani, Bekasi, Indonesia

3 Fakultas Ekonomi Bisnis, Universitas Lambung Mangkurat, Banjarmasin, Indonesia

4 Program Studi Teknik Informatika, Fakultas Teknik, Universitas Ibnu Sina, Batam, Indonesia

5 Program Studi Sistem Komputer, Fakultas Ilmu Komputer, Universitas Bung Karno, Jakarta, Indonesia Email: ^1,*karya.suhada@dosen.rosma.ac.id, ²saludin@binainsani.ac.id,³abdurrahmansadikinih@ulm.ac.id ,

4indah.kusuma@uis.ac.id,⁵fiftonugroho@ubk.ac.id Email Penulis Korespondensi: karya.suhada@dosen.rosma.ac.id

Abstrak−Jaman yang semakin canggih dan kehidupan yang semakin medern menjadikan konten-konten yang menghibur menjadikan pekerjaan Broadcasting menjadi suatu lapangan pekerjaan yang menjanjikan. Hal tersebut mengakibatkan banyaknya masyarakat yang berminat menjadi Broadcasting. Broadcasting merupakan suatu pekerjaan yang berkaitan dengan penyiaran.

Semua pihak yang ikut serta dalam penyiaran, baik kameramen, pembawa acara, konten kreator, writer kreator dan sebagainya.

Broadcasting ini biasanya berguna bagi pihak yang ingin mengupload video baik ke youtobe, Tiktok, instagram dan lain sebagainya.

Pada pemilihan Broadcasting dilakukan secara manual akan membutuhkan waktu yang lama dan tenaga yang banyak. Oleh karena itu dibutuhkan suatu sisyem pendukung keputusan dalam rangka membantu pihak yang berkepentingan dalam memilih Broadcasting terbaik. Dalam penggunaan sistem pendukung keputusan menggunakan metode perangkingan ini metode yang digunakan yaitu metode Metode Multi-Attribute Utility Theory (MAUT). Berdasarkan hasil perhitungan dari metode MAUT maka diperoleh hasil sebesar 0.6731 dengan alternatif A7 Atas nama Bintang Simanjuntak sebagai alternatif terbaik yang pantas diterima sebagai Broadcasting.

Kata Kunci: Sistem Pendukung Keputusan; Metode MAUT; Broadcasting; Pemilihan

Abstract−In an increasingly sophisticated era and increasingly modern life, entertaining content makes Broadcasting a promising job field. This resulted in many people being interested in broadcasting. Broadcasting is a job related to broadcasting. All parties who participate in broadcasting, both cameramen, presenters, content creators, writer creators and so on. Broadcasting is usually useful for those who want to upload videos to YouTube, Tiktok, Instagram and so on. Broadcasting selection is done manually, it will take a long time and a lot of effort. Therefore a decision support system is needed in order to assist interested parties in choosing the best Broadcasting. In using a decision support system using this ranking method, the method used is the Multi-Attribute Utility Theory (MAUT) method. Based on the calculation results from the MAUT method, a result of 0.6731 is obtained with the alternative A7 On behalf of Bintang Simanjuntak as the best alternative that deserves to be accepted as Broadcasting.

Keywords: Decision Support System; MAUT Method; Broadcasting; Selection

1. PENDAHULUAN

Zaman yang semakin canggih dan kehidupan yang semakin medern menjadikan konten-konten yang menghibur menjadikan pekerjaan Broadcasting menjadi suatu lapangan pekerjaan yang menjanjikan. Hal tersebut mengakibatkan banyaknya masyarakat yang berminat menjadi Broadcasting[1]. Broadcasting merupakan suatu pekerjaan yang berkaitan dengan penyiaran. Semua pihak yang ikut serta dalam penyiaran, baik kameramen, pembawa acara, konten kreator, writer kreator dan sebagainya[2]. Broadcasting ini biasanya berguna bagi pihak yang ingin mengupload video baik ke youtobe, Tiktok, instagram dan lain sebagainya. Yang tujuan utamanya adalah untuk mencari penggemar atau pengikut. Dengan kata lain video tersebut bertujuan untuk meningkatkan follower dan dapat menarik peminat sehingga dapat meningkatkan jumlah tawaran edorse[3].

Banyaknya masyarakat yang berminat dalam bekerja diprofesi ini menjadikan menjadikan banyak orang yang berminat dan bahkan mempersiapkan diri sehingga bertindak mendaftarkan diri. Hal ini menjadikan pihak yang membutuhkan justru bingung harus memilih siapa yang akan diterima menjadi Broadcasting. Hal ini pada akhirnya menjadikan pemilihan Broadcasting ini memiliki kualifikasi atau kriteria-kriteria yang harus dimiliki oleh seseorang yang mendaftar menjadi Broadcasting.

Kriteria-kriteria tersebut adalah sebagai berikut : Kreatif berfikir, menguasai sosial media, bersedia tampil di layar kaca yang dapat terlihat dari kecakapan berbicara, menguasai beberapa aplikasi edit video, bersikap jujur, disiplin dan bertanggung jawab serta usia, Dan terakhir memiliki pengalaman kerja. Sehingga dengan adanya kriteria ini dapat menjadikan pemilihan Broadcasting ini menjadi lebih mudah. Namun jika pemilihan Broadcasting dilakukan secara manual akan membutuhkan waktu yang lama dan tenaga yang banyak. Oleh karena itu dibutuhkan suatu sisyem pendukung keputusan dalam rangka membantu pihak yang berkepentingan dalam memilih Broadcasting terbaik.

Sistem pendukung keputusan merupakan suatu sistem yang dirancang dan di terapkan pada komputer serta cara kerja yang dipakai pada SPK adalah sistem yang berbasis komputer. Kemajuan komputerisasi yang semakin canggih menghasilkan berbagai sistem yang dapat digunakan untuk membantu mempermudah pekerjaan manusia. Salah satu sistem tersebut adalah sistem pendukung keputusan[4][5]. SPK ini biasanya dan keseringan dipakai dalam membantu pekerjaan manusia yang berkaitan dengan pengambilan suatu keputusan yang sulit. Selain itu fungsi lain dari SPK ini adalah membantu pekerjaan manusia dalam memilih suatu hal dimana pilihan tersebut memiliki jumlah yang relatif besar dan jika dilakukan secara manual akan membutuhkan waktu yang relatif lama[6][7][8]. Selain itu jika pemilihan yang dilakukan adalah secara manual dapat menghasilkan suatu pemilihan yang rancu dan tidak objektif. Tidak objektif berarti subjektif yang artinya hasil tersebut hanya berdasarkan parameter seseorang sehingga dapat terjadi ketidakadilan[9]. Oleh karena itu, dengan adanya SPK ini dapat dijadikan alternatif dalam melakukan pengambilan keputusan. Dalam penggunaan SPK harus menggunakan metode penelitian ini metode yang digunakan adalah metode MAUT.

Metode Multi-Attribute Utility Theory (MAUT) adalah suatu metode yang digunakan untuk memperbandingkan kualitas dari banyak pilihan sehingga dengan dilakukannya perbandingan tersebut dapat memperoleh satu pilihan terbaik. Pilihan yang dihasilkan pada metode MAUT ini dapat dipastikan adalah hasil yang objektif dan tidak memihak pada siapaun dengan alasan yang tidak masuk akal[10]. Sehingga keputusan yang dihasilkan adalha keputusanyang adil dan sesuai dengan kualifikasi. Perbandingan pada metode MAUT ini dilakukan dengan menyatukan semua kriteria baik yang memiliki resiko dan biaya seta manfaat. sehingga setiap kriteria yang yang bernilai positif atau bermanfaat akan menambah penilaian dan setiap kriteria yang bernilai negatif atau beresiko akan mengurangi penilaian[11].

Berikut penelitian terkait mengenai SPK, metode MAUT, dan mengenai topik yang sedang diteliti. Penelitian yag dilakukan oleh C. F. Sianturi dkk pada tahun 2021 mengenai SPK dalam menentukan masyarakat yang layak mendapat kartu pra kerja dengan alternatif sebanyak 10 dan kriteria ada 8 dan hasil yang maksimal dan penelitian yang dilakukan berjalan dengan lancar[12]. Penelitian lain dilakukan oleh A. Perdana dkk pada tahun 2020 dalam menganalisa metode MAUT yang merupakan metode dati SPK dengan hasil yang diperoleh sebesar 0.8634 sebagai alternatif terbaik[13]. Selanjutnya jurnal yang dibuat oleh Z. Allah Bukhsh dkk pada tahun 2019 dimana pada penelitian tersebut penulis menggunakan metode MAUT dalam menentukan level jembatan dengan hasil sebesar 0.9124 sebagai alternatif terbaik [14]. Penelitian selanjutnya adalah jurnal yang dibuat pada tahun 2019 oleh Aldo dkk mengenai penilaian kinerja dosen dengan mengimplementasikan metode MAUT dengan hasil sebesar 0.8451 yang diperoleh A4 sebagai alternatif terbaik[15]. Penelitian lain menggunakan SPK yang dilakukan pada tahun 2018 mengenai pemilihan guru dan pegawai yang dilakukan dengan tujuan menganalisa metode MOORA[16].

2. METODOLOGI PENELITIAN

2.1 Tahapan Penelitian

Berikut gamabr 1 merupakan tahapan penelitian yang penulis lalui.

Gambar 1. Tahapan penelitian

Dari tahapan penelitian pada gambar 1 dapat dijelaskan secara singkat sebagai berikut.

a. Analisa Masalah

Tahapan analisa masalah adalah tahapan pertama dimana penulis mulai memahami permasalahan yang ada dan memikirkan solusi terbaik pada masalah tersebut. pada penelitian ini masalah yang terdapat adalah mengenai pemilihan broadcasting yang terbaik dengan solusi yaitu menggunakan SPK dengan mengimplementasikan metode MAUT

b. Pengumpulan data

Tahapan pengumpulan data adalah tahapan dimana peneliti mulai mencari data-data yang berkaitan dengan masalah yang sedang dihadapi. Pada penelitian ini data yang paling utama adalah objek yang akan diteliti yang dijadikan sebagai alternatif. Selain alternatif, data kriteria juga sangat dibutuhkan. Oleh karena itu peneliti diharuskan memperoleh data alternatif dan data kriteria.

c. Studi literatur

Studi literatur adalah tahapan penulis mempelajari SPK dan tahapan pada metode MAUT. Tahapan ini yauti mencari berbagai informasi dan berbagai referensi baik dari buku, jurnal, dan berbagai bentuk jenis penelitian lainnya.

d. Analisa dan penerapan

Tahapan selanjutnya adalah tahapan mengenai analisa dan penerapan. Pada tahapan ini penulis melakukan berbagai langkah pada metode MAUT sehingga menghasilkan suatu nilai yang akan menjadi sebuah keputusan.

e. Laporan Penelitian

Langkah terakhir adalah membuat laporan penelitian. Tahapan ini adalah tahapan dimana penulis diharuskan menuangkan semua hasil yang telah diperoleh dan akan dibuat dalam bentuk laporan atau jurnal ilmiah

2.2 Sistem Pendukung Keputusan

Sistem pendukung keputusan merupakan suatu sistem yang dirancang dan di terapkan pada komputer serta cara kerja yang dipakai pada SPK adalah sistem yang berbasis komputer. Kemajuan komputerisasi yang semakin canggih menghasilkan berbagai sistem yang dapat digunakan untuk membantu mempermudah pekerjaan manusia. Salah satu sistem tersebut adalah sistem pendukung keputusan. SPK ini biasanya dan keseringan dipakai dalam membantu pekerjaan manusia yang berkaitan dengan pengambilan suatu keputusan yang sulit. Selain itu fungsi lain dari SPK ini adalah membantu pekerjaan manusia dalam memilih suatu hal dimana pilihan tersebut memiliki jumlah yang relatif besar dan jika dilakukan secara manual akan membutuhkan waktu yang relatif lama. Selain itu jika pemilihan yang dilakukan adalah secara manual dapat menghasilkan suatu pemilihan yang rancu dan tidak objektif. Tidak objektif berarti subjektif yang artinya hasil tersebut hanya berdasarkan parameter seseorang sehingga dapat terjadi ketidakadilan [17]–[19].

2.3 Broadcasting

Broadcasting merupakan suatu pekerjaan yang berkaitan dengan penyiaran. Semua pihak yang ikut serta dalam penyiaran, baik kameramen, pembawa acara, konten kreator, writer kreator dan sebagainya. Broadcasting ini biasanya berguna bagi pihak yang ingin mengupload video baik ke youtobe, Tiktok, instagram dan lain sebagainya. Yang tujuan utamanya adalah untuk mencari penggemar atau pengikut. Dengan kata lain video tersebut bertujuan untuk meningkatkan follower dan dapat menarik peminat sehingga dapat meningkatkan jumlah tawaran edorse. Banyaknya masyarakat yang berminat dalam bekerja diprofesi ini menjadikan menjadikan banyak orang yang berminat dan bahkan mempersiapkan diri sehingga bertindak mendaftarkan diri. Hal ini menjadikan pihak yang membutuhkan justru bingung harus memilih siapa yang akan diterima menjadi Broadcasting. Hal ini pada akhirnya menjadikan pemilihan Broadcasting ini memiliki kualifikasi atau kriteria-kriteria yang harus dimiliki oleh seseorang yang mendaftar menjadi Broadcasting. Kriteria-kriteria tersebut adalah sebagai berikut : Kreatif berfikir, menguasai sosial media, bersedia tampil di layar kaca yang dapat terlihat dari kecakapan berbicara, menguasai beberapa aplikasi edit video, bersikap jujur, disiplin dan bertanggung jawab serta usia, Dan terakhir memiliki pengalaman kerja. Sehingga dengan adanya kriteria ini dapat menjadikan pemilihan Broadcasting ini menjadi lebih mudah.

2.4 Metode Multi-Attribute Utility Theory (MAUT)

Metode Multi-Attribute Utility Theory (MAUT) adalah suatu metode yang digunakan untuk memperbandingkan kualitas dari banyak pilihan sehingga dengan dilakukannya perbandingan tersebut dapat memperoleh satu pilihan terbaik. Pilihan yang dihasilkan pada metode MAUT ini dapat dipastikan adalah hasil yang objektif dan tidak memihak pada siapaun dengan alasan yang tidak masuk akal[20]. Sehingga keputusan yang dihasilkan adalha keputusanyang adil dan sesuai dengan kualifikasi. Perbandingan pada metode MAUT ini dilakukan dengan menyatukan semua kriteria baik yang memili9ki resiko dan biaya seta manfaat[21], [22]. sehingga setiap kriteria yang yang bernilai positif atau

bermanfaat akan menambah penilaian dan setiap kriteria yang bernilai negatif atau beresiko akan mengurangi penilaian. Berikut tahapan yang harus dilalui pada metode MAUT[23]–[28]:

a. Membentuk matriks Keputusan

X_ij= [

r₁₁ ⋯ r_1j ⋯ r_1n

⋮ ⋱ ⋮ ⋱ ⋮

r_i1 ⋯ r_ij ⋯ r_in

⋮ ⋱ ⋮ ⋱ ⋮

r_m1 ⋯ r_mj ⋯ r_mn]

; i = 1,…, m, j = 1,…,n (1)

b. Normalisasi matriks awal

Pencarian nilai normalisasi pada kriteria Benefit (Keuntungan) (r_ij^∗) = ^rij − min (rij)

max( r_ij)−min (r_ij) (2)

Pencarian normalisasi nilai pada kriteria Cost (Biaya) r_ij= ^∗ 1 + (_max(r^{min(rij)− rij}

ij)−min (r_ij)) (3)

c. Menghitung nilai marginal utilitas

𝑢_𝑖𝑗 = ^{𝑒(𝑟𝑖𝑗}

∗)²−1

1,71 (4)

d. Mendapatkan nilai utilitas akhir

𝑈_𝑖 =∑ =^𝑛_𝑗 1 𝑢_𝑖𝑗 . 𝑤_𝑗 (5)

3. HASIL DAN PEMBAHASAN

Pada penentuan Broadcasting terbaik dalalm menggunakan metode MAUT akan diperlihatkan pada penjelasan dibawah ini.

3.1 Penentuan Alternatif dan Kriteria

Berikut ini data yang ditemukan penulis mengenai alternatif yang dapat dilihat pada tabel 1 berikut.

Tabel 1. Data Alternatif Alternatif Keterangan

𝐴1 Rika Ayu

𝐴₂ Apriani

𝐴3 Zaza Mutiara

𝐴₄ Kiko Asra

𝐴₅ Dwi Ayunda

𝐴₆ Kayla Ambarita 𝐴₇ Bintang Simanjuntak

Pada Proses pemilihan Broadcasting terbaik dibutuhkan kriteria-kriteria yang dapat dilihan pada tabel 2 berikut ini:

Tabel 2. Data Kriteria

Kriteria Keterangan Jenis

𝐶1 Menguasai Beberapa Aplikasi Edit Video Benefit

𝐶₂ Menguasai Sosial Media Benefit

𝐶₃ Pengalaman Kerja Benefit

𝐶4 Kemampuan Bahasa Inggris Benefit

C5 Usia Cost

Berdasarkan pada tabel 2 diatas, terdapat beberapa kriteria yang dapat di jadikan sebagai acuan untuk memperkuat seleksi pertukaran mahasiswa. Berikut merupakan penjelasan dari beberapa kriteria tersebut:

Menguasai Beberapa Aplikasi Edit Video : Jumlah Aplikasi Edit Video yang dikuasai.

Menguasai Sosial Media : dapat memainkan Sosial media secara aktif.

Pengalaman Kerja : Lama waktu seseorang bekerja dibidang yang berkaitan dengan Broadcasting.

Kemampuan Bahasa Inggris : Nilai tambahan yang dimiliki agar mempermudah Seleksi tersebut.

Usia : Semakin muda usianya semakin produktif. Sehingga jika usianya lebih besar dapat mengurangi poin (dalam tahun).

Selanjutnya adalah menentukan bobot. Pada penelitian ini metode pembobotan yang digunakan adalah pembobotan dengan metode Rank Order Centroid (ROC) [29]–[31]. Nilai bobot dengan menggunakan metode ROC akan ditujukkan pada tabel 3 berikut:

Tabel 3. Data Kriteria

Kriteria Keterangan Bobot Jenis

𝐶₁ Menguasai Beberapa Aplikasi Edit Video 0.456 Benefit

𝐶2 Menguasai Sosial Media 0.256 Benefit

𝐶₃ Pengalaman Kerja 0.156 Benefit

𝐶4 Kemampuan Bahasa Inggris 0.09 Benefit

C5 Usia 0.04 Cost

Tahap berikutnya menentukan bata rating kecocokan alternatif dan kriteria yang dapat dilihat pada tabel berikut:

Tabel 4. Data Rating Kecocokan Alternatif dan Kriteria

Alternatif 𝑪𝟏 𝑪𝟐 𝑪𝟑 𝑪𝟒 𝑪𝟓

𝐴₁ 4 Sangat menguasai 4 tahun Baik 27 tahun 𝐴2 3 menguasai 2 tahun Sangat Baik 25 tahun 𝐴₃ 2 Kurang menguasai 3 tahun Baik 30 tahun 𝐴4 2 Sangat menguasai 4 tahun Cukup Baik 31 tahun 𝐴5 3 Sangat menguasai 3 tahun Baik 29 tahun 𝐴₆ 4 menguasai 2 tahun Sangat Baik 28 tahun

𝐴7 5 menguasai 5 tahun Baik 30 tahun

Pada tabel diatas masih terdapat kriteria dengan jenis linguistik yaitu C2 dan C4 sehingga harus diubah dalam bentuk nilai sesuai dengan tabel 5 dibawah ini:

Tabel 5. Nilai Bobot C2

Keterangan Bobot Sangat menguasai 3

menguasai 2 Kurang menguasai 1 Tabel 6. Nilai Bobot C4

Keterangan Bobot Sangat Baik 3

Baik 2

Kurang Baik 1

Setelah mendapatkan nilai bobot pada setiap kriteria bernilai linguistik, berikut hasilnya dapat dilihat pada tabel 7:

Tabel 7. Data Rating Kecocokan Alternatif dan Kriteria setelah dibobotkan Alternatif 𝑪𝟏 𝑪𝟐 𝑪𝟑 𝑪𝟒 𝑪𝟓

𝐴₁ 4 3 4 2 27 𝐴2 3 2 2 3 25 𝐴3 2 1 3 2 30 𝐴₄ 2 3 4 1 31 𝐴5 3 3 3 2 29

Alternatif 𝑪_𝟏 𝑪_𝟐 𝑪_𝟑 𝑪_𝟒 𝑪_𝟓 𝐴₆ 4 2 2 3 28 𝐴₇ 5 2 5 2 30 3.2 Penerapan Metode MAUT

a. Membentuk matriks Keputusan

𝑋_𝑖𝑗 =

[

4 3 4 2 27 3 2 2 3 25 2 1 3 2 30 2 3 4 1 31 3 3 3 2 29 4 2 2 3 28 5 2 5 1 30]

b. Normalisasi matriks Kriteria C1 (Benefit) 𝑟₁₁^∗= ⁴⁻²

5−2= 0.6667 𝑟₂₁^∗= ³⁻²

5−2= 0.3333 𝑟₃₁^∗= ²⁻²

5−2= 0 𝑟41∗= ²⁻²

5−2= 0 𝑟₅₁^∗= ⁴⁻²

5−2= 0.3333 𝑟₆₁^∗= ⁴⁻²

5−2= 0.6667 𝑟71∗= ⁵⁻²

5−2= 1.0000

Untuk C2 sampai dengan C4 dilakukan perhitungan yang sama dengan C1 karena merupakan kriteria benefit.

Sedangkan untuk C5 penjelasannya adalah sebagai berikut:

Kriteria C5 (Cost) 𝑟₁₅^∗ = 1 + ²⁵⁻²⁷

2−25 = 0.6667 𝑟₂₅^∗ = 1 + ²⁵⁻²⁵

2−25 = 1.0000 𝑟₃₅^∗ = 1 + ²⁵⁻³⁰

2−25 = 0.1667 𝑟45∗ = 1 + ²⁵⁻³¹

2−25 = 0 𝑟₅₅^∗ = 1 + ²⁵⁻²⁹

2−25 = 0.3333 𝑟65∗ = 1 + ²⁵⁻²⁸

2−25 = 0.5000 𝑟₇₅^∗ = 1 + ²⁵⁻³⁰

2−25 = 0.1667

Sesuai dengan hasil perhitungan diatas maka diperoleh tabel 8 berikut ini:

Tabel 8. Hasil Matriks Ternormalisasi

Alternatif C1 C2 C3 C4 C5

A1 0.6667 1.0000 0.6667 0.5000 0.6667 A2 0.3333 0.5000 0.0000 1.0000 1.0000 A3 0.0000 0.0000 0.3333 0.5000 0.1667 A4 0.0000 1.0000 0.6667 0.0000 0.0000 A5 0.3333 1.0000 0.3333 0.5000 0.3333 A6 0.6667 0.5000 0.0000 1.0000 0.5000 A7 1.0000 0.5000 1.0000 0.5000 0.1667 c. Menghitung nilai marginal utilitas

Untuk Kriteria 𝐶₁ 𝑈11= 𝑒^(0.6667)2− 1

1.71 = 0.3273

𝑈₂₁= 𝑒^(0.3333)2− 1

1.71 = 0.0687 𝑈31= 𝑒⁽⁰⁾²− 1

1.71 = 0 𝑈₄₁= 𝑒^(0.)2− 1

1.71 = 0 𝑈₅₁= 𝑒^(0.3333)2− 1

1.71 = 0.0687 𝑈61= 𝑒^(0.6667)2− 1

1.71 = 0.3273 𝑈₇₁= 𝑒^(1.0000)2− 1

1.71 = 1.0048

Dari proses perhitungan yang sama seperti diatas maka diperoleh perhitungan yang akan diperlihatkan di tabel 9:

Tabel 9. Hasil perhitungan nilai marginal utilitas

Alternatif C1 C2 C3 C4 C5

A1 0.3273 1.0048 0.3273 0.1661 0.3273 A2 0.0687 0.1661 0.0000 1.0048 1.0048 A3 0.0000 0.0000 0.0687 0.1661 0.0165 A4 0.0000 1.0048 0.3273 0.0000 0.0000 A5 0.0687 1.0048 0.0687 0.1661 0.0687 A6 0.3273 0.1661 0.0000 1.0048 0.1661 A7 1.0048 0.1661 1.0048 0.1661 0.0165 d. Mendapatkan nilai utilitas akhir

𝑈1 = (0.456 ∗ 0.3273) + (0.256 ∗ 1.0048) + (0.156 ∗ 0.3273) + (0.09 ∗ 0.1661) + (0.04 ∗ 0.3273) = 0.4856

𝑈2 = (0.456 ∗ 0.0687) + (0.256 ∗ 0.1661) + (0.156 ∗ 0.0000) + (0.09 ∗ 1.0048) + (0.04 ∗ 1.0048) = 0.2045

𝑈3= (0.456 ∗ 0.0000) + (0.256 ∗ 0.0000) + (0.156 ∗ 0.0687) + (0.09 ∗ 0.1661) + (0.04 ∗ 0.0165) = 0.0263

𝑈4 = (0.456 ∗ 0.0000) + (0.256 ∗ 1.0048) + (0.156 ∗ 0.3273) + (0.09 ∗ 0.0000) + (0.04 ∗ 0.0000) = 0.3083

𝑈₅= (0.456 ∗ 0.0687) + (0.256 ∗ 1.0048) + (0.156 ∗ 0.0687) + (0.09 ∗ 0.1661) + (0.04 ∗ 0.0687) = 0.3170

𝑈₆ = (0.456 ∗ 0.3273) + (0.256 ∗ 0.1661) + (0.156 ∗ 0.0000) + (0.09 ∗ 1.0048) + (0.04 ∗ 0.1661) = 0.2888

𝑈7 = (0.456 ∗ 1.0048) + (0.256 ∗ 0.1661) + (0.156 ∗ 1.0048) + (0.09 ∗ 0.1661) + (0.04 ∗ 0.0165) = 0.6731

Setelah mendapatkan nilai utilitas akhir yang nantinya akan dijadikan menjadi nilai akhir dan menjadi nilai perangkingan akan dilihat pada tabel 10 dibawah ini:

Tabel 10. Hasil perangkingan setiap alternatif Alternatif Keterangan N. Utilitas Peringkat

𝐴₁ Rika Ayu 0.4856 2

𝐴2 Apriani 0.2045 6

𝐴3 Zaza Mutiara 0.0263 7

𝐴₄ Kiko Asra 0.3083 4

𝐴5 Dwi Ayunda 0.3170 3

𝐴₆ Kayla Ambarita 0.2888 5

𝐴7 Bintang Simanjuntak 0.6731 1

Berdasarkan hasil perhitungan dari metode MAUT maka diperoleh hasil sebesar 0.6731 dengan alternatif A7

Atas nama Bintang Simanjuntak sebagai alternatif terbaik yang pantas diterima sebagai Broadcasting.

4. KESIMPULAN

Berdasarkan hasil penelitian yang dilakukan penulis dalam meneliti pemilihan Broadcasting dengan menerapkan metode MAUT disimpulkan bahwa Berdasarkan hasil perhitungan dari metode MAUT maka diperoleh hasil sebesar 0.6731 dengan alternatif A7 Atas nama Bintang Simanjuntak sebagai alternatif terbaik yang pantas diterima sebagai Broadcasting. Dengan adanya sistem pendukung keputusan menggunakan metode MAUT dapat membantu pihak yang bersangkutan dalam mengambil keputusan mengenai pemilihan Broadcasting.

REFERENCES

[1] J. Ma, H. Liu, C. Peng, and T. Qiu, “Unauthorized broadcasting identification: A deep LSTM recurrent learning approach,”

IEEE Trans. Instrum. Meas., vol. 69, no. 9, pp. 5981–5983, 2020.

[2] R. Briandana and M. Irfan, “Broadcasting management: The strategy of television production configuring for sustainability in the digital era,” Int. J. English Lit. Soc. Sci., vol. 4, no. 6, pp. 1879–1886, 2019.

[3] E. Ndruru, “Pemanfaatan Sistem Pendukung Keputusan Dalam Seleksi PKW Terbaik Dengan Metode Aras Pada LPK2- Pascom Medan,” J. Inf. Log., vol. I, no. 2, pp. 26–34, 2019.

[4] A. NURSYADANA, “ANALISIS EFEKTIVITAS PENERIMAAN PAJAK KENDARAAN BERMOTOR (PKB) PADA UPTB SAMSAT MAMUJU PROVINSI SULAWESI BARAT.” 2019.

[5] W. M. Kifti and I. Hasian, “Sistem Pendukung Keputusan Penentuan Merek Smartphone Terbaik Dalam Mendukung Belajar Online Mahasiswa Era Covid-19 Menggunakan Metode PSI ( Preference Selection Index ),” J. Media Inform. Budidarma, vol. 5, no. 1, pp. 762–768, 2021.

[6] G. Surya, K. Yota, and E. Aryanto, “SPK Penentuan Lokasi ATM Menggunakan Metode AHP dan SAW,” vol. 01, pp. 49–

56, 2019.

[7] K. Fatmawati, A. P. Windarto, and M. R. Lubis, “Analisa SPK Dengan Metode AHP Dalam Menentukan Faktor Konsumen Dalam Melakukan Kredit Barang,” Konf. Nas. Teknol. Inf. dan Komput., vol. I, pp. 314–321, 2017.

[8] D. Handoko, M. Mesran, S. D. Nasution, Y. Yuhandri, and H. Nurdiyanto, “Application Of Weight Sum Model (WSM) In Determining Special Allocation Funds Recipients,” IJICS (International J. Informatics Comput. Sci., vol. 1, no. 2, pp. 31–35, 2017.

[9] N. P. Rizanti, L. T. Sianturi, and M. Sianturi, “Sistem Pendukung Keputusan Pemilihan Siswa Pertukaran Pelajar Menggunakan Metode PSI (Preference Selection Index),” Semin. Nas. Teknol. Komput. dan Sains, pp. 263–269, 2019.

[10] K. Perencanaan et al., “Covid-19, New Normal, dan Perencanaan Pembangunan di Indonesia,” J. Perenc. Pembang. Indones.

J. Dev. Plan., vol. 4, no. 2, pp. 240–252, 2020.

[11] M. D. Saefudin and A. Mirza, “Sistem Penunjang Keputusan Penilaian Guru Terbaik Dengan Metode Multi-Attributive Border Approximation (MABAC),” OKTAL J. Ilmu Komput. dan Sains, vol. 1, no. 06, pp. 609–619, 2022.

[12] C. F. Sianturi, L. T. Sianturi, U. Hasanah, Khairunnisa, and Mesran, “Decision Support System for Accepting Pre- Employment Cards during the Covid-19 Pandemic Using the Method Multi Objective Optimization on The Basic of Ratio Analysis (MOORA),” IJICS (International J. Informatics Comput. Sci., vol. 5, no. 2, pp. 217–223, 2021.

[13] A. Perdana and A. Budiman, “Analysis of Multi-attribute Utility Theory for College Ranking Decision Making,” SinkrOn, vol. 4, no. 2, p. 19, 2020.

[14] Z. Allah Bukhsh, I. Stipanovic, G. Klanker, A. O’ Connor, and A. G. Doree, “Network level bridges maintenance planning using Multi-Attribute Utility Theory,” Struct. Infrastruct. Eng., vol. 15, no. 7, pp. 872–885, 2019.

[15] D. Aldo, N. Putra, and Z. Munir, “SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE MULTI ATTRIBUTE UTILITY THEORY ( MAUT ) Dasril,” J. Sist. Inf. dan Manaj., vol. 7, no. 2, 2019.

[16] S. Manurung, “Sistem Pendukung Keputusan Pemilihan Guru Dan Pegawai Terbaik Menggunakan Metode Moora,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 9, no. 1, pp. 701–706, 2018.

[17] T. Limbong et al., Sistem Pendukung Keputusan: Metode & Implementasi. Medan: Yayasan Kita Menulis, 2020.

[18] R. B. I. N. M Mesran, Syefudin, Sarif Surorejo, Muhammad Syahrizal, Aang Alim Murtopo, Zaenul Arif, Nugroho Adhi Santoso, Wresti Andriani, Soeb Aripin, Gunawan, Pengantar Teknologi Informasi. CV. Graha Mitra Edukasi, 2023.

[19] D. Nofriansyah and S. Defit, Multi Criteria Decision Making (MCDM) pada Sistem Pendukung Keputusan. 2018.

[20] A. S. Putra, D. R. Aryanti, and I. Hartati, “Metode SAW (Simple Additive Weighting) sebagai Sistem Pendukung Keputusan Guru Berprestasi ( Studi Kasus : SMK Global Surya),” Pros. Semin. Nas. Darmajaya, vol. 1, no. 1, pp. 85–97, 2018.

[21] Nia Komalasari, “Sistem Pendukung Keputusan Kelaikan Terbang (SPK2T),” J. Ind. Elektro dan Penerbangan 4, vol. 4, no.

1, pp. 1–11, 2016.

[22] R. T. Aldisa, Sanwani, D. M. Simanjuntak, S. Laia, and Mesran, “Penerapan Metode Metode Multy Attribute Utility Theory (MAUT) dalam Pemilihan Asisten Laboratorium Komputer,” J. MEDIA Inform. BUDIDARMA, vol. 6, no. 3, pp. 1782–

1788, 2022.

[23] Y. Ali and Aprina, “Penerapan Metode Preference Selection Index ( PSI ) Dalam Pemberian Dana BOS Pada Siswa Kurang Mampu,” Semin. Nas. Teknol. Komput. Sains, no. 1, pp. 590–597, 2019.

[24] Y. Setiawan and S. Budilaksono, “Sistem Pendukung Keputusan Pemilihan Mahasiswa Lulusan Terbaik Dengan Menggunakan Metode Multi Attribute Utility Theory (Maut) DiStmik Antar Bangsa,” Ikraith-Informatika, vol. 6, no. 2, pp.

12–20, 2021.

[25] H. R. Hatta, B. Pradana, and D. M. Khairina, “Kombinasi Metode Analytical Hierarchy Process (AHP) dan Multi-Attribute Utility Theory (MAUT) pada Lomba Balita Sehat untuk Usia 6-24 Bulan,” Pros. Semin. Nas. Sist. Inf. dan Teknol. ke 4 Tahun

2020, pp. 244–249, 2020.

[26] J. H. Lubis, S. Esabella, Mesran, Desyanti, and D. M. Simanjuntak, “Penerapan Metode Multi Attribute Utility Theory (MAUT) Dalam Pemilihan Karyawan yang di Non-Aktifkan di Masa Pandemi,” J. MEDIA Inform. BUDIDARMA, vol. 6, no. April, pp. 969–978, 2022.

[27] A. Triayudi, J. D. Rajagukguk, and Mesran, “Implementasi Metode MAUT Dalam Menentukan Prioritas Produk Unggulan Daerah Dengan Menerapkan Pembobotan ROC,” J. Comput. Syst. Informatics, vol. 3, no. 4, pp. 452–460, 2022.

[28] A. A. Kusuma, Z. M. Arini, U. Hasanah, and Mesran, “Analisa Penerapan Metode Multi Attribute Utility Theory (MAUT) dengan Pembobotan Rank Order Centroid (ROC) Dalam Pemilihan Lokasi Strategis Coffeshop Milenial di Era New Normal,”

J. Sist. Komput. dan Inform., vol. 3, no. 2, pp. 51–59, 2021.

[29] F. T. Waruwu and M. Mesran, “Comparative Analysis of Ranking Methods of WASPAS+ROC with Preference Selection Index (PSI) in Determining the Performance of Young Lecturers,” IJISTECH (International J. Inf. Syst. Technol., vol. 5, no.

2, pp. 207–214, 2021.

[30] A. G. Simorangkir, K. Andika, and Mesran, “Analisis Penerapan MOORA Dalam Penyeleksian Peserta Olimpiade Catur dengan Metode Pembobotan Rank Order Centroid,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 2, no. 2, pp. 49–59, 2021.

[31] S. Silvilestari, “Penerapan Kombinasi Metode Simple Additive Weighting (SAW) dan Rank Order Centroid (ROC) dalam Keputusan Pemberian Kredit,” J. Media Inform. Budidarma, vol. 3, no. 4, p. 371, 2019.