Skip to content
www.soetrisnogaleri.com

Berita, Tokoh, Wisata, Olahraga, Hobi, Catatan Perjalanan, Ilmu Pengetahuan, Komputer, dan Promosi

www.soetrisnogaleri.com

Berita, Tokoh, Wisata, Olahraga, Hobi, Catatan Perjalanan, Ilmu Pengetahuan, Komputer, dan Promosi

  • Tentang Kami
  • Galeri
    • Galeri Video
  • Wisata
    • Kuliner
    • Jalan-Jalan
      • Lewat Tol
  • Olahraga
    • Profil Pemain
    • Sepakbola
      • Timnas Indonesia
      • Liga Indonesia
    • Stadion di Indonesia
    • Badminton
  • Kursus Komputer
    • Kursus Singkat
    • Webinar
  • Promosi
    • Jual Rak Besi
    • Ayam Samaco
    • Asphalt Emulsion
    • Jual Bibit
      • Bibit Durian
      • Bibit Kelengkeng
      • Jual Bibit Alpukat Miki dan Aligator
      • Jual Bibit Jeruk Santhang Madu
    • Madu Murni Mulya Madu
    • Furniture dan Mebel
      • Spesial Furniture
      • Teakroot Furniture
      • Kaligrafi
      • Antique Furniture
      • Relief
      • Sculpture
    • Rumah Gebyog & Joglo
      • Promo Rumah Joglo
    • Jual Mobil
    • Properti
      • Rumah Subsidi di Cileungsi
    • Produk Digital
    • Internet Provider
      • Internet FO Global Media Pratama Solusindo
      • Internet Cepat CBN Fiber
      • Pandawa Global Telematika
  • Artikel
    • Info Kabupaten Pati
      • Puskom Pati
      • Universitas Safin Pati
      • Safin Pati Sport School
    • Budaya
      • Humaniora
      • Sejarah
    • Tokoh
      • Kisah Inspiratif
    • Geografi
    • Gamer
  • Belajar
    • Belajar Komputer
    • Matematika
    • Tutorial Komputer
      • Ms office
      • Web Programming
  • Info Pendidikan
    • Tempat Belajar Komputer
    • Club Belajar Ms Excel
    • INFO UMCI
    • Catatan Tugas Mahasiswa
    • Modul Kuliah
  • Properti
  • Tentang Kami
  • Galeri
    • Galeri Video
  • Wisata
    • Kuliner
    • Jalan-Jalan
      • Lewat Tol
  • Olahraga
    • Profil Pemain
    • Sepakbola
      • Timnas Indonesia
      • Liga Indonesia
    • Stadion di Indonesia
    • Badminton
  • Kursus Komputer
    • Kursus Singkat
    • Webinar
  • Promosi
    • Jual Rak Besi
    • Ayam Samaco
    • Asphalt Emulsion
    • Jual Bibit
      • Bibit Durian
      • Bibit Kelengkeng
      • Jual Bibit Alpukat Miki dan Aligator
      • Jual Bibit Jeruk Santhang Madu
    • Madu Murni Mulya Madu
    • Furniture dan Mebel
      • Spesial Furniture
      • Teakroot Furniture
      • Kaligrafi
      • Antique Furniture
      • Relief
      • Sculpture
    • Rumah Gebyog & Joglo
      • Promo Rumah Joglo
    • Jual Mobil
    • Properti
      • Rumah Subsidi di Cileungsi
    • Produk Digital
    • Internet Provider
      • Internet FO Global Media Pratama Solusindo
      • Internet Cepat CBN Fiber
      • Pandawa Global Telematika
  • Artikel
    • Info Kabupaten Pati
      • Puskom Pati
      • Universitas Safin Pati
      • Safin Pati Sport School
    • Budaya
      • Humaniora
      • Sejarah
    • Tokoh
      • Kisah Inspiratif
    • Geografi
    • Gamer
  • Belajar
    • Belajar Komputer
    • Matematika
    • Tutorial Komputer
      • Ms office
      • Web Programming
  • Info Pendidikan
    • Tempat Belajar Komputer
    • Club Belajar Ms Excel
    • INFO UMCI
    • Catatan Tugas Mahasiswa
    • Modul Kuliah
  • Properti
Close

Search

ArtikelModul Kuliah

SISTEM PENGAMBILAN KEPUTUSAN DAN ALGORITMA

By sutrisno
November 17, 2026 10 Min Read
0

1. Pengertian Sistem Pengambilan Keputusan

Sistem Pengambilan Keputusan atau Decision Making System adalah suatu sistem yang digunakan untuk membantu seseorang atau organisasi dalam menentukan pilihan terbaik berdasarkan data, kriteria, kondisi, aturan, dan tujuan tertentu.

Secara sederhana, proses pengambilan keputusan dapat digambarkan sebagai berikut:

Data → Analisis → Evaluasi → Keputusan → Hasil

Contoh penerapan:

Sebuah kampus ingin menentukan mahasiswa yang berhak mendapatkan beasiswa. Sistem dapat menggunakan beberapa data seperti:

  • IPK
  • Penghasilan orang tua
  • Prestasi
  • Kehadiran
  • Jumlah tanggungan orang tua

Berdasarkan data tersebut, sistem menghasilkan keputusan seperti:

Layak mendapatkan beasiswa atau Tidak layak mendapatkan beasiswa.


2. Tujuan Sistem Pengambilan Keputusan

Sistem pengambilan keputusan memiliki beberapa tujuan, yaitu:

  1. Membantu proses pengambilan keputusan.
  2. Mengurangi kesalahan dalam menentukan keputusan.
  3. Mengolah data menjadi informasi yang berguna.
  4. Membandingkan beberapa alternatif.
  5. Menentukan alternatif terbaik.
  6. Mempercepat proses pengambilan keputusan.
  7. Membantu pengambil keputusan dalam menghadapi masalah yang kompleks.

Sistem pengambilan keputusan tidak selalu menggantikan manusia. Dalam banyak kasus, sistem berfungsi sebagai alat bantu bagi pengambil keputusan.


3. Komponen Sistem Pengambilan Keputusan

Sebuah sistem pengambilan keputusan umumnya terdiri dari beberapa komponen.

A. Data

Data merupakan bahan dasar yang digunakan untuk melakukan analisis.

Contoh:

  • Nilai mahasiswa
  • IPK
  • Harga produk
  • Jumlah penjualan
  • Data pelanggan
  • Data karyawan

B. Kriteria

Kriteria adalah faktor yang digunakan untuk menilai atau membandingkan suatu alternatif.

Contoh dalam pemilihan laptop:

  • Harga
  • RAM
  • Processor
  • Kapasitas penyimpanan
  • Daya tahan baterai

C. Alternatif

Alternatif merupakan pilihan yang akan dibandingkan.

Contoh:

  • Laptop A
  • Laptop B
  • Laptop C

D. Bobot

Bobot menunjukkan tingkat kepentingan suatu kriteria.

Contoh:

  • Processor = 30%
  • RAM = 25%
  • Harga = 20%
  • Storage = 15%
  • Baterai = 10%

E. Algoritma atau Metode

Algoritma digunakan untuk mengolah data sehingga menghasilkan keputusan.

Contoh:

  • IF-THEN
  • Decision Tree
  • SAW
  • AHP
  • TOPSIS
  • KNN
  • Naive Bayes
  • Fuzzy Logic

F. Output

Output merupakan hasil akhir dari proses pengambilan keputusan.

Contoh:

Laptop A merupakan pilihan terbaik dengan nilai 89,5.


4. Tahapan Sistem Pengambilan Keputusan

Tahapan umum dalam sistem pengambilan keputusan adalah:

Tahap 1 — Identifikasi Masalah

Menentukan masalah yang membutuhkan keputusan.

Contoh:

Menentukan mahasiswa yang paling layak menerima beasiswa.

Tahap 2 — Pengumpulan Data

Mengumpulkan data yang berhubungan dengan masalah.

Contoh:

  • IPK
  • Penghasilan orang tua
  • Prestasi
  • Kehadiran

Tahap 3 — Menentukan Kriteria

Menentukan faktor yang digunakan untuk menilai alternatif.

Tahap 4 — Menentukan Alternatif

Menentukan pilihan yang akan dibandingkan.

Tahap 5 — Menentukan Metode

Memilih algoritma atau metode yang sesuai dengan masalah.

Tahap 6 — Pengolahan Data

Data diproses menggunakan algoritma yang telah ditentukan.

Tahap 7 — Menghasilkan Keputusan

Sistem menghasilkan keputusan atau ranking.

Tahap 8 — Evaluasi

Hasil keputusan dievaluasi untuk mengetahui apakah keputusan tersebut sudah sesuai.


5. Jenis-Jenis Algoritma dalam Sistem Pengambilan Keputusan

Algoritma yang digunakan dalam sistem pengambilan keputusan sangat beragam.

Secara umum dapat dikelompokkan menjadi:

A. Algoritma Berbasis Aturan

  • IF-THEN
  • IF-ELSE
  • AND
  • OR
  • Rule-Based System
  • Decision Tree

B. Algoritma Multi Criteria Decision Making

  • SAW
  • AHP
  • TOPSIS
  • Weighted Product
  • MOORA

C. Algoritma Machine Learning

  • K-Nearest Neighbor
  • Naive Bayes
  • Decision Tree
  • Random Forest
  • Support Vector Machine
  • Neural Network

D. Algoritma Optimasi

  • Genetic Algorithm
  • Simulated Annealing
  • Particle Swarm Optimization

E. Algoritma Kecerdasan Buatan

  • Fuzzy Logic
  • Neural Network
  • Expert System
  • Machine Learning

6. Algoritma IF-THEN

IF-THEN merupakan bentuk paling sederhana dari sistem pengambilan keputusan.

Prinsipnya:

Jika kondisi terpenuhi, maka lakukan tindakan tertentu.

Contoh:

Jika nilai ≥ 75, maka mahasiswa dinyatakan Lulus.

Jika nilai kurang dari 75:

Mahasiswa dinyatakan Tidak Lulus.

Algoritma IF-THEN sangat cocok untuk sistem yang memiliki aturan sederhana dan jelas.

Contoh penerapan

  • Penentuan kelulusan
  • Penentuan grade
  • Penentuan status pelanggan
  • Penentuan diskon
  • Validasi data

7. Algoritma AND

AND digunakan ketika semua kondisi harus terpenuhi.

Contoh:

Jika IPK ≥ 3,50 DAN penghasilan orang tua ≤ Rp4.000.000, maka mahasiswa layak mendapatkan beasiswa.

Apabila salah satu kondisi tidak terpenuhi, keputusan tidak dapat diberikan sebagai “Layak”.

Contoh:

  • IPK = 3,80
  • Penghasilan = Rp3.000.000

Maka:

Layak

Tetapi:

  • IPK = 3,80
  • Penghasilan = Rp5.000.000

Maka:

Tidak Layak


8. Algoritma OR

OR digunakan ketika minimal satu kondisi terpenuhi.

Contoh:

Jika memiliki prestasi ATAU memiliki rekomendasi akademik, maka mahasiswa masuk tahap seleksi.

Dengan OR, salah satu kondisi sudah cukup untuk menghasilkan kondisi benar.

Contoh:

  • Memiliki prestasi = Ya
  • Rekomendasi = Tidak

Hasil:

Masuk tahap seleksi


9. Kombinasi AND dan OR

Dalam sistem nyata, keputusan sering menggunakan kombinasi AND dan OR.

Contoh:

Jika IPK ≥ 3,50 DAN penghasilan orang tua ≤ Rp4.000.000 ATAU memiliki prestasi tingkat nasional, maka mahasiswa dapat masuk daftar prioritas.

Kombinasi logika seperti ini banyak digunakan dalam:

  • Sistem seleksi
  • Sistem administrasi
  • Sistem rekomendasi
  • Sistem keamanan
  • Sistem monitoring
  • Sistem informasi akademik

10. Decision Tree

Decision Tree atau pohon keputusan adalah algoritma yang menggunakan struktur seperti pohon untuk menentukan keputusan berdasarkan beberapa kondisi.

Contoh sederhana:

Apakah IPK ≥ 3,50?

Jika Ya → lanjut ke pertanyaan berikutnya.

Apakah penghasilan orang tua ≤ Rp4.000.000?

Jika Ya → Layak

Jika Tidak → Tidak Layak

Jika IPK kurang dari 3,50 → Tidak Layak

Decision Tree memiliki kelebihan karena proses pengambilan keputusannya mudah dipahami dan divisualisasikan.

Contoh penerapan:

  • Seleksi beasiswa
  • Seleksi karyawan
  • Prediksi pelanggan
  • Diagnosis
  • Persetujuan kredit
  • Klasifikasi data

11. Sistem Berbasis Aturan

Sistem berbasis aturan atau Rule-Based System menggunakan sekumpulan aturan untuk menentukan keputusan.

Contoh:

Rule 1:

Jika nilai ≥ 85 → Grade A

Rule 2:

Jika nilai ≥ 75 → Grade B

Rule 3:

Jika nilai ≥ 65 → Grade C

Rule 4:

Jika nilai < 65 → Grade D

Sistem akan memeriksa kondisi dari setiap aturan dan memilih keputusan yang sesuai.


12. Sistem Pendukung Keputusan dengan SAW

SAW (Simple Additive Weighting) merupakan salah satu metode yang populer dalam Sistem Pendukung Keputusan.

SAW digunakan untuk melakukan perangkingan alternatif berdasarkan beberapa kriteria.

Contoh kasus:

Menentukan mahasiswa penerima beasiswa.

Kriteria:

KriteriaBobot
IPK40%
Penghasilan Orang Tua30%
Prestasi20%
Kehadiran10%

Setiap mahasiswa mendapatkan nilai pada setiap kriteria.

Nilai tersebut kemudian dikalikan dengan bobot masing-masing kriteria.

Secara sederhana:

Nilai Akhir = Nilai Kriteria × Bobot

Kemudian seluruh nilai dijumlahkan.

Alternatif dengan nilai akhir terbesar menjadi alternatif dengan prioritas tertinggi.

Contoh:

Mahasiswa A:

  • IPK = 90
  • Penghasilan = 80
  • Prestasi = 90
  • Kehadiran = 95

Perhitungan:

90 × 40% + 80 × 30% + 90 × 20% + 95 × 10%

Hasil:

36 + 24 + 18 + 9 = 87

Nilai akhir Mahasiswa A adalah:

87


13. AHP

AHP (Analytical Hierarchy Process) merupakan metode untuk membantu menentukan prioritas berdasarkan beberapa kriteria.

AHP sangat berguna ketika kita perlu menentukan tingkat kepentingan suatu kriteria.

Contoh kasus:

Memilih laptop terbaik untuk mahasiswa.

Kriteria:

  • Harga
  • RAM
  • Processor
  • Storage
  • Baterai

AHP dapat digunakan untuk menentukan bobot setiap kriteria.

Misalnya:

  • Processor = 35%
  • RAM = 25%
  • Harga = 20%
  • Storage = 10%
  • Baterai = 10%

Setelah bobot diperoleh, bobot tersebut dapat digunakan untuk melakukan proses perangkingan.


14. TOPSIS

TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) merupakan metode pengambilan keputusan yang menentukan alternatif terbaik berdasarkan kedekatannya dengan solusi ideal.

TOPSIS menggunakan dua konsep:

Solusi Ideal Positif

Merupakan kondisi terbaik dari setiap kriteria.

Solusi Ideal Negatif

Merupakan kondisi terburuk dari setiap kriteria.

Alternatif terbaik adalah alternatif yang:

Paling dekat dengan solusi ideal positif

dan

Paling jauh dari solusi ideal negatif.

TOPSIS dapat digunakan untuk:

  • Pemilihan laptop
  • Pemilihan supplier
  • Pemilihan karyawan
  • Pemilihan penerima beasiswa
  • Pemilihan lokasi usaha

15. Weighted Product

Weighted Product (WP) merupakan metode pengambilan keputusan yang menggunakan proses perkalian nilai alternatif berdasarkan bobot masing-masing kriteria.

Contoh kriteria:

  • Harga
  • Kualitas
  • Pelayanan

Setiap kriteria diberikan bobot.

Kemudian nilai setiap kriteria diproses berdasarkan bobot tersebut.

Metode Weighted Product cocok digunakan untuk:

  • Pemilihan produk
  • Pemilihan supplier
  • Pemilihan karyawan
  • Pemilihan laptop
  • Pemilihan kendaraan

16. MOORA

MOORA (Multi-Objective Optimization on the Basis of Ratio Analysis) merupakan metode pengambilan keputusan yang digunakan untuk menyelesaikan masalah dengan banyak tujuan atau kriteria.

MOORA dapat menggunakan:

Kriteria Benefit

Semakin besar nilainya semakin baik.

Contoh:

  • IPK
  • Nilai ujian
  • Pengalaman
  • Kualitas

Kriteria Cost

Semakin kecil nilainya semakin baik.

Contoh:

  • Harga
  • Biaya
  • Jarak
  • Waktu

MOORA kemudian menghasilkan nilai untuk setiap alternatif dan menentukan ranking.


17. K-Nearest Neighbor

K-Nearest Neighbor (KNN) merupakan algoritma machine learning yang menentukan klasifikasi berdasarkan data yang memiliki karakteristik paling dekat.

Contoh:

Sistem ingin menentukan apakah seorang mahasiswa:

Berprestasi atau Tidak Berprestasi.

Data sebelumnya:

  • IPK
  • Kehadiran
  • Jumlah SKS
  • Nilai

Mahasiswa baru dibandingkan dengan data mahasiswa sebelumnya.

Jika sebagian besar data terdekat memiliki kategori Berprestasi, maka mahasiswa baru dapat diklasifikasikan sebagai:

Berprestasi

KNN banyak digunakan untuk:

  • Klasifikasi mahasiswa
  • Klasifikasi pelanggan
  • Sistem rekomendasi
  • Pengenalan pola
  • Klasifikasi data

18. Naive Bayes

Naive Bayes merupakan algoritma klasifikasi yang menggunakan konsep probabilitas.

Contoh penerapan:

Klasifikasi email Spam dan Bukan Spam.

Sistem dapat mempelajari karakteristik email seperti:

  • Kata tertentu
  • Jumlah link
  • Pengirim
  • Isi email
  • Pola tertentu

Kemudian sistem menghitung probabilitas apakah email tersebut termasuk:

Spam

atau

Bukan Spam

Naive Bayes juga dapat digunakan untuk:

  • Analisis sentimen
  • Klasifikasi dokumen
  • Klasifikasi pelanggan
  • Prediksi kategori
  • Filter spam

19. Fuzzy Logic

Fuzzy Logic digunakan untuk menangani kondisi yang tidak selalu dapat dinyatakan secara tegas antara 0 dan 1.

Logika biasa:

Panas = Ya atau Tidak

Fuzzy Logic dapat memberikan tingkat keanggotaan:

  • Dingin = 0,1
  • Normal = 0,4
  • Panas = 0,8

Contoh:

Suhu ruangan:

29°C

Sistem dapat menganggap kondisi tersebut sebagai:

Panas dengan tingkat keanggotaan 0,8

Kemudian sistem menentukan:

Kecepatan kipas = Tinggi

Fuzzy Logic banyak digunakan pada:

  • AC
  • Mesin cuci
  • Sistem kontrol
  • Robot
  • Kendaraan
  • Otomasi industri

20. Random Forest

Random Forest merupakan algoritma machine learning yang menggunakan banyak Decision Tree.

Setiap Decision Tree menghasilkan keputusan.

Kemudian hasil dari beberapa tree digabungkan untuk menghasilkan keputusan akhir.

Contoh:

  • Tree 1 → Layak
  • Tree 2 → Layak
  • Tree 3 → Tidak Layak
  • Tree 4 → Layak
  • Tree 5 → Layak

Mayoritas menghasilkan:

Layak

Random Forest dapat digunakan untuk:

  • Prediksi
  • Klasifikasi
  • Analisis pelanggan
  • Prediksi kelulusan
  • Deteksi risiko

21. Genetic Algorithm

Genetic Algorithm merupakan algoritma optimasi yang terinspirasi dari proses evolusi.

Tahapan utamanya:

Populasi Awal → Seleksi → Crossover → Mutasi → Populasi Baru → Evaluasi

Proses tersebut dilakukan berulang sampai diperoleh solusi yang dianggap optimal.

Genetic Algorithm dapat digunakan untuk:

  • Optimasi jadwal
  • Optimasi rute
  • Penjadwalan kuliah
  • Optimasi produksi
  • Penentuan kombinasi terbaik
  • Optimasi penggunaan sumber daya

Contoh:

Sebuah kampus memiliki banyak:

  • Dosen
  • Ruang
  • Mata kuliah
  • Hari
  • Jam

Masalahnya adalah bagaimana membuat jadwal kuliah tanpa terjadi bentrok.

Genetic Algorithm dapat digunakan untuk mencari kombinasi jadwal yang optimal.


22. Perbandingan Algoritma

AlgoritmaTujuanTingkat Kesulitan
IF-THENKeputusan sederhanaMudah
AND / ORKombinasi kondisiMudah
Decision TreeKlasifikasi dan keputusanMudah–Sedang
SAWPerangkinganSedang
AHPMenentukan bobotSedang
TOPSISMencari alternatif idealSedang
Weighted ProductPerangkinganSedang
MOORAMulti-kriteriaSedang
KNNKlasifikasiSedang
Naive BayesKlasifikasi probabilitasSedang
Fuzzy LogicKeputusan tidak pastiSedang
Random ForestPrediksi dan klasifikasiSedang
Genetic AlgorithmOptimasiSulit
Neural NetworkPrediksi kompleksSulit

23. Contoh Pemilihan Algoritma Berdasarkan Masalah

Kasus 1 — Menentukan Kelulusan

Masalah:

Apakah mahasiswa lulus?

Kriteria:

Nilai ≥ 75

Algoritma yang sesuai:

IF-THEN


Kasus 2 — Menentukan Penerima Beasiswa

Kriteria:

  • IPK
  • Penghasilan
  • Prestasi
  • Kehadiran

Algoritma yang dapat digunakan:

SAW, TOPSIS, MOORA, atau Weighted Product


Kasus 3 — Menentukan Bobot Kriteria

Masalah:

Apakah harga lebih penting daripada kualitas?

Algoritma yang sesuai:

AHP


Kasus 4 — Memprediksi Kelulusan

Data:

  • IPK
  • Kehadiran
  • Jumlah SKS
  • Nilai

Tujuan:

Memprediksi mahasiswa lulus tepat waktu atau tidak.

Algoritma yang dapat digunakan:

KNN, Decision Tree, Random Forest, atau Naive Bayes


Kasus 5 — Mengatur Kecepatan Kipas

Input:

  • Suhu
  • Kelembapan

Output:

  • Kecepatan kipas

Algoritma yang sesuai:

Fuzzy Logic


Kasus 6 — Menentukan Jadwal Kuliah

Input:

  • Dosen
  • Mata kuliah
  • Ruangan
  • Hari
  • Jam

Tujuan:

Menghasilkan jadwal optimal tanpa bentrok.

Algoritma yang dapat digunakan:

Genetic Algorithm


24. Hubungan Sistem Pengambilan Keputusan dengan AI

Sistem pengambilan keputusan memiliki cakupan yang luas.

Tidak semua sistem pengambilan keputusan merupakan Artificial Intelligence.

Contoh sederhana:

Jika nilai ≥ 75 maka Lulus.

Ini merupakan sistem berbasis aturan.

Sedangkan sistem yang mempelajari data untuk melakukan prediksi dapat menggunakan:

  • Machine Learning
  • Neural Network
  • Random Forest
  • KNN
  • Naive Bayes

Dengan demikian:

Sistem Pengambilan Keputusan → Sistem Berbasis Aturan → Machine Learning → Artificial Intelligence

merupakan salah satu gambaran perkembangan pendekatan dalam sistem pengambilan keputusan.


25. Decision Support System (DSS)

Istilah lain yang sangat erat dengan sistem pengambilan keputusan adalah Decision Support System (DSS) atau Sistem Pendukung Keputusan (SPK).

DSS merupakan sistem yang membantu manusia dalam mengambil keputusan dengan memanfaatkan:

  • Data
  • Model
  • Algoritma
  • Informasi
  • Kriteria
  • Alternatif

Contoh alur:

Data → Database → Analisis → Algoritma → Ranking → Rekomendasi → Pengambil Keputusan

Contoh:

Sistem menghasilkan:

  1. Mahasiswa A → 91
  2. Mahasiswa C → 88
  3. Mahasiswa B → 84
  4. Mahasiswa D → 79

Sistem memberikan rekomendasi berdasarkan perhitungan tersebut.

Keputusan akhir tetap dapat dilakukan oleh pihak yang berwenang.


26. Contoh Proyek Praktikum

Untuk memahami materi secara menyeluruh, mahasiswa dapat diberikan proyek:

Sistem Pendukung Keputusan Penerima Beasiswa

Input

  • Nama mahasiswa
  • IPK
  • Penghasilan orang tua
  • Prestasi
  • Kehadiran

Kriteria

  • IPK
  • Penghasilan
  • Prestasi
  • Kehadiran

Proses

Mahasiswa membuat sistem menggunakan beberapa metode:

Tahap 1

IF-THEN

Tahap 2

Decision Tree

Tahap 3

SAW

Tahap 4

AHP

Tahap 5

TOPSIS

Kemudian mahasiswa membandingkan hasil dari masing-masing metode.


27. Latihan Mahasiswa

Latihan 1 — IF-THEN

Buatlah program untuk menentukan status kelulusan mahasiswa.

Ketentuan:

  • Nilai ≥ 75 → Lulus
  • Nilai < 75 → Tidak Lulus

Latihan 2 — AND

Buatlah sistem seleksi beasiswa dengan ketentuan:

  • IPK ≥ 3,50
  • Penghasilan orang tua ≤ Rp4.000.000

Jika kedua kondisi terpenuhi:

Layak

Jika tidak:

Tidak Layak


Latihan 3 — OR

Buatlah sistem seleksi mahasiswa dengan ketentuan:

Mahasiswa masuk tahap seleksi jika:

  • Memiliki prestasi

ATAU

  • Mendapat rekomendasi dosen.

Latihan 4 — Decision Tree

Buatlah pohon keputusan untuk menentukan rekomendasi kursus:

  • Web Programming
  • Networking
  • Microsoft Office

Gunakan:

  • Nilai komputer
  • Minat programming
  • Minat networking

Latihan 5 — SAW

Buatlah Sistem Pendukung Keputusan untuk memilih mahasiswa penerima beasiswa.

Gunakan minimal:

5 mahasiswa

dan:

4 kriteria

Kemudian tentukan:

  • Bobot
  • Nilai masing-masing mahasiswa
  • Nilai akhir
  • Ranking

Latihan 6 — TOPSIS

Buatlah sistem untuk memilih laptop terbaik berdasarkan:

  • Harga
  • RAM
  • Processor
  • Storage
  • Baterai

Gunakan minimal:

5 alternatif laptop.

Kemudian tentukan laptop terbaik menggunakan metode TOPSIS.


28. Kesimpulan

Sistem pengambilan keputusan merupakan sistem yang digunakan untuk membantu manusia menentukan pilihan berdasarkan data, kriteria, aturan, dan metode tertentu.

Algoritma yang digunakan sangat beragam, mulai dari algoritma sederhana seperti:

IF-THEN, AND, OR

hingga metode pengambilan keputusan multi-kriteria seperti:

SAW, AHP, TOPSIS, Weighted Product, dan MOORA.

Untuk kebutuhan machine learning dapat digunakan:

KNN, Naive Bayes, Decision Tree, Random Forest, dan Neural Network.

Sedangkan untuk masalah yang membutuhkan pengendalian atau ketidakpastian dapat digunakan:

Fuzzy Logic.

Untuk masalah optimasi dapat digunakan:

Genetic Algorithm.

Pemilihan algoritma harus disesuaikan dengan jenis masalah yang dihadapi. Tidak ada satu algoritma yang selalu paling baik untuk semua jenis permasalahan.

Inti dari sistem pengambilan keputusan adalah mengubah data menjadi informasi, informasi menjadi analisis, dan analisis menjadi dasar pengambilan keputusan.

Views: 2

Tags:

sistem pengambilan keputusan
Author

sutrisno

Follow Me
Other Articles
Previous

PUSKOM PATI Gelar Distribusi Air Bersih di Dukuh Randumulyo, Dukuhsekti

No Comment! Be the first one.

Leave a Reply Cancel reply

Your email address will not be published. Required fields are marked *

Tentang Soetrisno Galeri

Website ini berisi beragam informasi menarik dan juga produk-produk yang reccomended untuk memenuhi kebutuhan Anda.

Produk:

  • Ayam Samaco
  • Kursus Komputer
  • Pusat Bibit Tanaman

Info Wisata, Jalan-Jalan, Seputar Olahraga Khususnya Timnas Indoonesia

  • Madu Murni Nektar Randu dari Pati Jateng
  • Jual Bibit
  • Belajar Komputer Privat
  • Info Ayam Karkas
  • Rumah Pemotongan Ayam
  • Jasa Pembuatan Website dan Sistem Informasi
  • Aspal Cair Water Proofing
  • Info Universitas Safin Pati
  • Konsultan Psikologi Holistic Consulting Cibubur
  • Info Kabupaten Pati
  • Puskom Pati
  • Info Stadion di Indonesia
  • Sejarah
  • Wisata
  • Jalan Jalan
  • Info Timnas Indonesia

Untuk Pemasangan Iklan Hubungi: 0821 2038 8854

«
Prev
1
/
134
Next
»
loading
play
Ready Bibit Durian Musang King, Bawor, Duri Hitam di Nayya Farm Cileungsi Bogor
play
Jual Kebun Durian dan Villa Siap Huni dan Di Sewakan di Puncak Dua
play
Hotel Safin Pati Bersih-Bersih Alun Alun Pati
play
Miliki Skill Digital dengan Sekolah di Madrasah Aliyah As Syafi'iyah 04 Bekasi
play
Literasi Digital: Pembuatan Bab dan Sub Bab
play
Mudah Membuat Channel Youtube Lengkap
play
EduWisata Day 2 SMP Islam Citra Nuansa Cileungsi Bogor
play
Daftar Kuliah di Universitas Muhammadiyah Cileungsi Bogor
play
Mau belajar Komputer? di rumah belajar komputer privat YMII Cileungsi sajaaa
play
Persiapkan Dirimu dengan menguasai ilmu komputer
play
Universitas Muhammadiyah Cileungsi Goes To School SMK Fatahillah Cileungsi
play
Helikopter Jatuh di Sungai Barito Saat Ambil Air Untuk Padamkan Karhutla
play
BELAJAR KOMPUTER PRIVAT DI RUMAH BELAJAR KOMPUTER YMII CILEUNGSI - INFO 0821 2038 8854
play
Yuk Kuliah Di Teknik Industri Universitas Muhammadiyah Cileungsi
play
PEMBAHASAN KONTEN KREATOR PART 1: BUAT LOGO, BANNER YOUTUBE DAN VIDEO INTRO DI CANVA
«
Prev
1
/
134
Next
»
loading
Copyright 2026 — www.soetrisnogaleri.com. All rights reserved.