BAB II

TINJAUAN PUSTAKA DAN LANDASAN TEORI

2.1 Tinjauan Pustaka.

Ahmadi (2014), dalam penelitian yang dilakukan dengan judul Implementasi

Weighted Product (WP) dalam Penentuan Bantuan Langsung Masyarakat PNPM

Mandiri Perdesaan menyatakan bahwa metode Weighted Product mampu

melakukan pengelompokan untuk data yang tersebar secara tidak teratur. Selain itu,

pengelompokan layak atau tidaknya suatu sampel yang diambil dapat dilakukan

terlebih dahulu sebelum melakukan perangkingan yang sebenarnya. Peneliti juga

menyimpulkan metode Weighted Product sangat efektif digunakan karena lebih

efisien dalam hal menyelesaikan masalah MADM (Multi Attribute Decision

Making) yang membutuhkan perhitungan waktu yang lebih singkat, sehingga

metode Weighted Product disimpulkan efektif untuk permasalahan optimasi.

Distriawan dan Rizqa (n.d.), dalam penelitian dengan judul Implementasi

Algoritma Weighted Product dalam Menentukan Penjadwalan Dosen di Universitas

Dian Nuswantoro menyimpulkan bahwa metode Weighted Product adalah

algoritma sistem pendukung keputusan dengan hasil yang memiliki tingkat akurasi

hingga 70%. Peneliti mengambil studi kasus tentang penentuan jadwal dosen yang

mengajar pada program studi TI - SI di Universitas Dian Nuswantoro menggunakan

20 sampel. Peneliti menggunakan metode ini dengan beberapa kriteria yaitu status

dosen, jabatan dosen, tingkat pendidikan dosen, masa kerja, jenis mata kuliah, SKS

matakuliah dan kebutuhan ruang.

Lestari (2013), dalam penelitian dengan judul Penerapan Metode Weighted

Product untuk Seleksi Calon Karyawan menyatakan bahwa metode Weighted

Product dapat menyelesaikan masalah multi dimensi dan juga masalah dengan satu

dimensi dimana nilai yang dihasilkan akan menjadi optimal. Peneliti menerapkan

seleksi karyawan terdiri dari tiga tahapan tes. Tahapan itu memiliki kriterianya

masing – masing. Pada tahap yang pertama terdiri dari tujuh kriteria. Tahap kedua

terdiri dari empat kriteria dan tahap ketiga terdiri dari 20 kriteria. Sehingga, dari

4

proses ketiga tahapan itu akan diperoleh nilai yang tertinggi Peneliti juga

menyatakan bahwa metode Weighted Product ini memiliki kelemahan pada

penerapan studi kasus yang diambil yaitu belum adanya batasan nilai minimal

masing – masing kriteria jika calon karyawan hanya satu orang sebagai ketentuan

syarat lulus.

Solikhun (2017), dalam penelitiannya dengan judul Perbandingan Metode

Weighted Product dan Weighted Sum Model dalam Pemilihan Perguruan Swasta

Terbaik Jurusan Komputer mengambil studi kasus pemilihan kualitas perguruan

tinggi swasta dengan beberapa kriteria yaitu jumlah jurusan komputer, biaya kuliah,

lingkungan kampus, jumlah program beasiswa dan akreditasi BAN PT. Peneliti

menyatakan bahwa penggunaan kombinasi kedua algoritma Metode Weighted

Product dan Weighted Sum Model dapat menghasilkan perangkingan data yang

baik, sehingga dapat diambil kesimpulan yang baik. Kesimpulan peneliti juga

adalah hasil yang diperoleh dari metode ini dapat dimanfaatkan oleh para siswa

dalam memilih perguruan tinggi swasta yang baik.

Noor dan Siregar (2017), dalam penelitian dengan judul Implementasi

Weighted Product (WP) dalam Menentukan Pemilihan Sepeda Motor Sport

Berbasis SPK. Peneliti menggunakan acuan beberapa kriteria penilaian. Kriteria

tersebut terdiri atas harga motor, kapasitas mesin, konsumsi BBM, desain, suku

cadang dan bengkel service. Peneliti mengkonversikan data mentah dari institusi

studi kasusnya menjadi bilangan fuzzy yang lalu dikonversikan lagi ke bilangan

crisp dimana penentuan bilangan crisp menggunakan teori penalaran. Bila

mendekati angka 1 maka tingkat ketergantungan semakin tinggi, sebaliknya

mendekati angka 0 tingkat ketergantungannya semakin rendah. Peneliti

menyatakan bahwa penggunaan metode ini dapat lebih efisien dan praktis pada

perhitungannya. Selain itu, penelitian ini menghasilkan hasil yang sama pada

perhitungan sistem dengan hasil perhitungan manual.

Gintings (2018), dalam penelitian dengan judul Implementasi Sistem

Pendukung Keputusan Pemilihan Server dengan Metode Weighted Product (Studi

Kasus di PT WM Technology Indonesia) menggunakan acuan kriteria penilaian

batasan performa server, jumlah pengunjung harian, biaya sewa server per bulan

5

dan tingkat keahlian teknis pengguna. Kriteria-kriteria ini dipilih berdasarkan

wawancara dan pengisian kuisioner kepada staf system administrator dan technical

support pada PT WM Technology Indonesia.

Perbedaan mendasar antara penelitian sebelumnya dengan penelitian ini

secara garis besar dijelaskan pada Tabel 2.1 berikut ini.

Tabel 2.1 Perbedaan penelitian

No Judul Fokus Penelitian

1

Implementasi Weighted Product

(WP) dalam Penentuan Bantuan

Langsung Masyarakat PNPM

Mandiri Perdesaan

(Ahmadi, 2014)

1. Pengelompokan kelayakan sampel

dilakukan terlebih dahulu sebelum

melakukan perangkingan.

2. Menggunakan metode Weighted Product

2

Implementasi Algoritma

Weighted Product dalam

Menentukan Penjadwalan

Dosen di Universitas Dian

Nuswantoro

(Distriawan dan Rizqa, n.d.)

1. Penentuan jadwal mengajar dosen di

fakultas TI dan SI.

2. Menggunakan Metode Weighted Product

3

Penerapan Metode Weighted

Product untuk Seleksi Calon

Karyawan

(Lestari, 2013)

1. Membantu pemilihan karyawan berdasarkan

tiga tahapan dengan masing-masing kriteria

di setiap tahapan.

2. Menggunakan metode Weighted Product

4

Perbandingan Metode Weighted

Product dan Weighted Sum

Model dalam Pemilihan

Perguruan Swasta Terbaik

Jurusan Komputer

(Solikhun, 2017)

1. Membantu pemilihan perguruan tinggi

terbaik.

2. Menggunakan metode Weighted Product

dan Weighted Sum.

5

Implementasi Weighted Product

(WP) dalam Menentukan

Pemilihan Sepeda Motor Sport

Berbasis SPK

(Noor dan Siregar, 2017)

1. Membantu pemilihan sepeda motor terbaik

berdasarkan kriteria yang dibutuhkan.

2. Menggunakan metode Weighted Product.

6

6

Implementasi Sistem Pendukung

Keputusan Pemilihan Server

dengan Metode Weighted

Product (Studi Kasus di PT WM

Technology Indonesia)

(Gintings, 2018)

1. Membantu pemilihan server bagi orang

awam.

2. Menggunakan metode Weighted Product.

2.2 Landasan Teori.

2.2.1 Definisi Server

Server merupakan sebuah perangkat yang digunakan dalam sebuah jaringan

komputer dan berguna untuk mengendalikan setiap kegiatan yang ada dalam

jaringan tersebut (Hasim dan Riadi, 2013). Memilih server untuk membangun

sebuah jaringan harus sangat teliti agar fungsi dari server yang digunakan menjadi

tepat guna. Memilih server pun membutuhkan beberapa pertimbangan yang cukup

banyak agar tidak terjadi ketidaksesuaian antara kebutuhan dengan server yang

telah dibangun tersebut. Karena kebanyakan saat ini banyak orang tidak memilih

server secara tepat guna.

Jika diamati lebih detail, rata-rata penyedia layanan server memberikan

spesifikasi yang berbeda-beda untuk setiap jenis server, mulai dari harga sewa,

performa, aksesoris fitur tambahan, dll.

2.2.2 Kinerja dan Kebutuhan Perawatan Server.

Server dituntut untuk dapat menyediakan layanan continue tanpa downtime

dan sistem penyimpanan (storage) yang baik untuk memenuhi kebutuhan bisnis

(Hasim dan Riadi, 2013). Ketika terjadi masalah yang menyebabkan server tidak

dapat memberikan layanan, perusahaan akan menderita kerugian. Kerugian tersebut

akibat terhentinya operasi perusahaan yang mengandalkan layanan pada server.

Server yang dapat memberikan layanan tanpa gangguan penting untuk mendukung

kelangsungan bisnis suatu perusahaan. Maintenance server merupakan rutinitas

yang tidak dapat dihindari oleh divisi TI pada sebuah perusahaan. Maintenance

dilakukan untuk menjaga performa server dan mengakomodir kebutuhan bisnis

perusahaan. Maintenance server dapat dikategorikan kepada maintenance

perangkat lunak dan perangkat keras. maintenance perangkat lunak dapat berupa

7

patching dan debugging sedangkan maintenance perangkat keras dapat berupa

penambahan Random Access Memory (RAM), disk, dan prosesor. (Hasim, 2013)

2.2.3 Monitoring Performa server.

Server memiliki peran sentral dalam sebuah sistem informasi pada suatu

jaringan, oleh karena itu stabilitas performa server harus tetap terjaga agar selalu

dalam kondisi optimal. Namun kerap timbul masalah yang dapat mengganggu

fungsionalitas dan stabilitas pada host server. Masalah umum yang sering

ditemukan ditandai dengan gejala yang berbeda-beda, seperti PC host server

mengalami error akibat dari beban penggunaan CPU yang terlalu berat, atau secara

tiba-tiba seluruh komputer dalam jaringan tidak dapat mengakses sebuah web yang

disebabkan oleh mesin web server mengalami down, hal tersebut mengakibatkan

seluruh pengguna menjadi terganggu. Untuk menunjang stabilitas performa host

server perlu dilakukan perawatan secara berkala dan melakukan pemantauan setiap

saat terhadap seluruh sumber daya yang bekerja pada host server. Ada baiknya

pemantauan yang dilakukan adalah dengan menerapkan teknik-teknik monitoring

menggunakan sistem komputerisasi, yang dapat memberikan informasi terbaru

mengenai sumber daya host server kepada administrator. (Ichwan, 2012)

2.2.4 Sistem Pendukung Keputusan.

Sistem pendukung keputusan merupakan sistem berbasis komputer yang

menyatukan beragam informasi dari berbagai sumber, menyajikannya dalam

bentuk terorganisasi dan menganalisis serta memfasilitasi evaluasi asumsi yang

berdasarkan pada penggunaan model – model tertentu (Solikhun, 2017). Sebuah

keputusan dapat didefinisikan sebagai sebuah pilihan yang telah diambil dari dua

atau beberapa alternatif yang tersedia. Sistem Pendukung Keputusan juga dapat

diartikan sebagai sebuah sistem informasi berbasis komputer yang menggabungkan

model dan data sehingga dapat memecahkan masalah semi terstruktur dan beberapa

masalah yang tidak terstruktur dengan bantuan user (Solikhun, 2017).

Sistem Pendukung Keputusan atau disingkat dengan SPK memiliki tahapan

dalam proses pengambilan keputusan. Langkah – langkah yang diperlukan dalam

8

proses pengambilan keputusan menurut (Basyaib, 2006) yang dikutip oleh

(Solikhun, 2017) adalah :

1. Intelijen

a. Pembentukan persepsi terhadap situasi yang dihadapi ialah mengenali

situasi keputusan dan pendefinisian karakteristik utama yang ada pada

situasi tersebut.

a. Membangun model yang mewakili situasi sebuah model merupakan

kendaraan yang membantu dalam mengestimasi hasil yang mungkin

terjadi dari sebuah situasi keputusan.

b. Penentuan ukuran kuantitatif terhadap biaya (disbenefits) dan manfaat

yang paling tepat untuk situasi yang dihadapi sistem ukuran seragam

yang akan digunakan dalam membandingkan alternatif langkah

keputusan

2. Desain

a. Penentuan dengan spesifik alternatif yang dimiliki dengan mengenali dan

merumuskan dengan jelas langkah – langkah yang mungkin dilakukan.

3. Pilihan

a. Evaluasi manfaat dan biaya dari semua langkah alternatif ialah penilaian

akibat penerapan setiap langkah alternatif dengan menggunakan ukuran

biaya dan manfaat.

b. Menetapkan kriteria dalam memilih langkah terbaik adalah penetapan

peraturan dengan mengaitkan hasil dengan tujuan pembuatan keputusan.

c. Penyelesaian situasi keputusan ialah mengambil sebuah langkah dengan

dasar kriteria yang dapat diterima.

9

2.2.5 Skala Likert

Rensis Likert telah mengembangkan sebuah skala untuk mengukur sikap

masyarakat di tahun 1932 yang sekarang terkenal dengan nama Skala Likert.

Djaali (2008) dalam penelitiannya menjelaskan bahwa skala Likert

digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau

sekelompok orang tentang fenomena sosial. Dengan skala Likert, variabel yang

akan diukur dijabarkan menjadi indikator variabel. Kemudian indikator tersebut

dijadikan sebagai titik tolak untuk menyusun item-item instrumen yang dapat

berupa pertanyaan atau pernyataan. Jawaban setiap item instrumen yang

menggunakan Skala Likert mempunyai gradasi dari sangat positif sampai sangat

negatif, yang dapat berupa kata-kata antara lain: Sangat Penting (SP), Penting (P),

Ragu-ragu (R), Tidak Penting (TP), Sangat Tidak Penting (STP).

Skala Likert adalah suatu skala psikometrik yang umum digunakan dalam

kuesioner, dan merupakan skala yang paling banyak digunakan dalam riset berupa

survei. Sewaktu menanggapi pertanyaan dalam Skala Likert, responden

menentukan tingkat persetujuan mereka terhadap suatu pernyataan dengan memilih

salah satu dari pilihan yang tersedia. Ada dua bentuk pertanyaan yang

menggunakan Likert yaitu pertanyaan positif untuk mengukur minat positif, dan

13 bentuk pertanyaan negatif untuk mengukur minat negatif. Pertanyaan positif

diberi skor 5, 4, 3, 2, dan 1, sedangkan bentuk pertanyaan negatif diberi skor 1, 2,

3, 4, dan 5. Bentuk jawaban Skala Likert terdiri dari sangat setuju, setuju, ragu-

ragu, tidak setuju, dan sangat tidak setuju. Biasanya disediakan lima pilihan skala

dengan format seperti:

1. Sangat tidak setuju

2. Tidak setuju

3. Netral

4. Setuju

5. Sangat setuju

Penskalaan ini apabila dikaitkan dengan jenis data yang dihasilkan adalah

data Ordinal. Selain pilihan dengan lima skala tersebut, kadang digunakan juga

skala dengan tujuh atau sembilan tingkat. Suatu studi empiris menemukan bahwa

10

beberapa karakteristik statistik hasil kuesioner dengan berbagai jumlah pilihan

tersebut ternyata sangat mirip. Skala Likert merupakan metode skala bipolar yang

mengukur baik tanggapan positif ataupun negatif terhadap suatu pernyataan. Empat

skala pilihan juga kadang digunakan untuk kuesioner Skala Likert yang memaksa

orang memilih salah satu kutub karena pilihan "netral" tak tersedia. Jenis data ada

empat NOIR (Nominal, Ordinal, Interval, Rasio) keempat jenis data ini memiliki

ciri sebagai berikut:

a. Nominal: Bersifat mengklasifikasikan saja, tanpa ada jenjang di antara

klasifikasi. Angka hanya bermakna sebagai variasi jenis tanpa bermakna

tingkatan. Misal: laki-laki – perempuan, 1 untuk kode laki-laki dan 2

untuk kode perempuan, angka 1 dan 2 bukan merupakan tingkatan, yang

artinya 2 bukan berarti lebih tinggi daripada 1. Data jenis ini belum bisa

dilakukan operasi matematis.

b. Ordinal: Bersifat mengklasifikasikan, dan klasifikasi tersebut sudah

merupakan tingkatan. Sehingga dengan data ordinal ini angka sudah

menunjukkan mana yg lebih besar dan mana yang lebih kecil. Tetapi

masing-masing klasifikasi yang berupa tingkatan tersebut tidak memiliki

jarak yang sama. Misal : juara dalam perlombaan balap sepeda. Ada juara

1, juara 2, dan juara 3. Angka 1, 2, 3 tersebut 14 sudah memiliki makna

tingkatan, bahwa juara 1 lebih cepat daripada juara 2 dan juara 3. Juara 2

lebih cepat daripada juara 3. Juara 1 waktu tempuahnya 5 menit, Juara 2

waktu tempuhnya 7 menit dan juara 3 waktu tempuhnya 12 menit. Yang

dimaksud tidak memiliki jarak yang sama adalah antara juara 1 dan 2

selisih waktunya 2 menit, antara juara 2 dan juara 3 selisih waktunya 5

menit. Dengandemikian kita masih belum bisa menggunakan operasi

matematis, karena angka 1, 2 dan 3 itu hanya berupa ranking saja.

c. Interval: Bersifat mengklasifikasikan, dan klasifikasi tersebut sudah

merupakan tingkatan yang masing-masing tingkatan memiliki jarak yang

sama. Misal: nomor sepatu. Sepatu dengan nomor 39, 40, 41, 42. Angka

nomor sepatu tersebut sudah bermakna tingkatan bahwa nomor 42 lebih

tinggi daripada nomor 41 dan seterusnya. Pada data interval masing-

11

masing tingkatan tersebut memiliki jarak yang sama. Sepatu nomor 39

memiliki panjang 30cm, nomor 40 memiliki

panjang 31cm, nomor 41 memiliki panjang 32cm, nomor 42 memiliki

panjang 33cm. dengan contoh tersebut berarti setiap tingkatan memiliki

interval 1cm, interval inilah yang dimaksud dengan jarak yang sama di

masing-masing tingkatan. Dengan adanya interval yang diketahui

tersebut, bisa dimaknai bahwa nomor sepatu 42 adalah nomor 39

ditambah 3cm, tapi belum bisa dimaknai bahwa nomor 42 adalah nomor

39 dikali 3. Dengan demikian bisa disimpulkan

bahwa data interval sudah bisa dikenai operasi matematis penjumlahan

dan pengurangan, namun belum bisa dikenai operasi matematis perkalian

dan pembagian. Hal ini karena data interval tidak memiliki angka nol

mutlak.

d. Rasio: ini adalah data dengan tingkatan yang tertinggi karena telah

memiliki angka nol mutlak. Misal ukuran panjang atau tinggi, dan ukuran

berat. Berat 0 kg berarti memang tidak ada massa yang ditimbang. Berat

3kg lebih besar daripada berat 2kg, berat 2kg lebih besar daripada berat

1kg. Sehingga berdasarkan contoh tersebut kita bisa memaknai bahwa

3kg adalah 2kg + 1kg atau 3kg adalah 3 x 1kg. Dengan demikian data

rasio sudah bisa dikenai semua operasi matematis: +, -, x, dan :. Skala

Likert termasuk data ordinal, karena sangat setuju pasti lebih tinggi

daripada yang setuju. Yang setuju pasti lebih tinggi daripada yang netral,

yang 15

netral pasti lebih tinggi daripada yang tidak setuju, sedangkan yang tidak

setuju pasti lebih tinggi daripada yang sangat tidak setuju. Namun jarak

antara sangat setuju ke setuju dan dari setuju ke netral dan seterusnya

tentunya tidak sama, oleh karena itu data yang dihasilkan oleh skala

Likert adalah data ordinal. Sedangkan cara scoring bahwa Sangat setuju

5, setuju 4, netral 3, tidak setuju 2 dan sangat tidak setuju 1 hanya

merupakan kode saja untuk mengetahui mana yang lebih tinggi

dan mana yang lebih rendah (Niswarni, 2010).

12

2.2.6 XAMPP

XAMPP merupakan paket PHP yang berbasis open source yang

dikembangkan oleh sebuah komunitas Open Source. Dengan menggunakan

XAMPP tidak dibingungkan dengan penginstalan program-program lain, karena

semua kebutuhan terlah tersedia oleh XAMPP. Yang terdapat pada XAMPP di

antaranya: Apache, MySQL, PHP, FilZilla FTP Server, PHPmyAdmin dan lain-lain.

Fungsi XAMPP adalah sebagai server yang berdiri sendiri (localhost),

yang terdiri atas program Apache HTTP Server, MySQL database, dan

penerjemah bahasa yang ditulis dengan bahasa pemrograman PHP dan Perl.

XAMPP adalah perangkat lunak bebas, yang mendukung banyak sistem operasi,

merupakan kompilasi dari beberapa program. Fungsinya adalah sebagai server

yang berdiri sendiri (localhost), yang terdiri atas program Apache HTTP Server,

MySQL database, dan penerjemah bahasa yang ditulis dengan bahasa

pemrograman PHP dan Perl. Nama XAMPP merupakan singkatan dari X (empat

sistem operasi apapun), Apache, MySQL, PHP dan Perl. Program ini tersedia

dalam GNU General Public License dan bebas, merupakan web server yang

mudah digunakan yang dapat melayani tampilan halaman web yang dinamis.

XAMPP adalah singkatan yang masing-masing hurufnya adalah:

1. X: Program ini dapat dijalankan dibanyak sistem operasi, seperti

Windows, Linux, Mac OS, dan Solaris.

2. A: Apache, merupakan aplikasi web server. Tugas utama Apache adalah

menghasilkan halaman web yang benar kepada user berdasarkan kode PHP

yang dituliskan oleh pembuat halaman web.

3. M: MySQL, merupakan aplikasi database server. Perkembangannya

disebut SQL yang merupakan kepanjangan dari Structured Query

Language. SQL merupakan bahasa terstruktur yang digunakan untuk

mengolah database. MySQL dapat digunakan untuk membuat dan

mengelola database beserta isinya. User dapat memanfaatkan MySQL

untuk menambahkan, mengubah, dan menghapus data yang

berada dalam database.

13

4. P: PHP, bahasa pemrograman web. Bahasa pemrograman PHP

merupakan bahasa pemrograman untuk membuat web yang bersifat server-

side scripting.

5. P: Perl, bahasa pemrograman

2.2.7 Weighted Product.

Weighted Product atau yang diringkas dengan WP adalah metode yang

menggunakan perkalian untuk meranking alternatif. Setiap alternatif dibandingkan

dengan yang lainnya dengan mengalikan bilangan ratio, satu untuk tiap kriteria.

Tiap rasio dinaikkan untuk kekuatan dari bobot relatif dari kriteria yang cocok.

Setiap alternatif keputusan dibandingkan dengan yang lain dengan mengalikan

sejumlah rasio, satu untuk setiap kriteria keputusan. Setiap rasio diangkat ke

kekuasaan setara dengan berat relative dari kriteria yang sudah sesuai (Arsyitahadi,

2014).

Metode WP merupakan salah satu metode yang digunakan untuk masalah

keputusan Multi Attribute Decision Making (MADM). MADM adalah suatu

metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif

dengan kriteria tertentu. Inti dari MADM adalah menentukan nilai bobot untuk

setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan

menyeleksi alternatif yang sudah diberikan (Distriawan dan Rizqa, n.d.). Konsep

permasalahan dari WP ini adalah mengevaluasi m alternatif 𝐴𝑖 = (𝑖 = 1,2, … , 𝑚)

terhadap ssekumpulan atribut atau kriteria 𝐶𝑗 = (𝑗 = 1,2, … , 𝑛) dimana setiap

atribut tidak saling bergantung satu dengan yang lainnya. Metode ini mengharuskan

pembuat keputusan menentukan bobot bagi setiap atribut.

Berikut ini adalah konsep dari metode Weighted Product (Mulyanto, 2009):

1. Melakukan perhitungan bobot W, dengan persamaan sebagai beriku :

𝑊𝑗 =𝑊𝑗

∑ 𝑊𝑗………………………………............................. Persamaan 2.1

dengan j = 1,2,...,m dimana ΣWj adalah jumlah bobot baru.

2. Menentukan preferensi Ai dapat dilihat persamaan berikut :

wj

iS

n

1j

ji ………………………………………….. Persamaan 2.2

14

dengan i = 1,2,…,m dimana Σwj = 1. wj adalah pangkat bernilai positif untuk

dari atribut keuntungan, dan bernilai negatif dari atribut biaya.

3. Setelah menentukan jarak Ai kemudian langkah selanjutnya menentukan

preferensi untuk setiap alternatif.

wj

wj

n

jj

jij

i

x

xV

1

*

n

1 ………………………………………..... Persamaan 2.3

dengan i = 1,2,…,m

Vi = preferensi untuk setiap

Wj = bobot kriteria

Xij = Nilai variable dari alternatif pada setiap atribut

N = Banyaknya kriteria

i = Nilai Alternatif

j = Nilai kriteria

* = Banyaknya kriteria yang telah dinilai pada vector S

Metode WP menggunakan proses normalisasi, dimana rating setiap atribut

harus dipangkatkan terlebih dahulu dengan bobot atribut yang bersangkutan, proses

ini diberikan dengan persamaan (2.4).

𝑆𝑖 = ∏ = 𝑋𝑖𝑗𝑤𝑗𝑛𝑗=1 …………………………............….. Persamaan 2.4

dengan I = 1, 2, …, m dimana;

𝑆 = preferensi alternatif

𝑥 = nilai kriteria

w = bobot kriteria

n = banyaknya kriteria

𝑤𝑗 adalah pangkat bernilai positif untuk atribut keuntungan dan bernilai negative

untuk atribut biaya.

15

2.2.7.1 Alternatif (𝐀𝐢).

Alternatif 𝐴𝑖 dengan i = 1, 2, … m adalah objek – objek yang berbeda dan

memiliki kesempatan yang sama untuk dipilih oleh pengambil keputusan. Data

yang digunakan adalah data server yang akan dipilih yaitu ada 5 jenis server.

Selanjutnya preferensi alternatif dihitung dengan persamaan (2.5).

𝑉𝑖 =∏ 𝑥𝑖𝑗𝑤𝑗𝑛

𝑗=1

∏ (𝑥𝑗)𝑤𝑗𝑛𝑗 =1

…………………………............….. Persamaan 2.5

dimana :

V = preferensi alternatif

x = nilai kriteria

w = bobot kriteria.

Alternatif yang akan dipilih adalah yang memiliki nilai preferensi tertinggi.

2.2.7.2 Kriteria.

Untuk memilih satu server prioritas diantara jenis server yang lain, maka

dibutuhkan kriteria pengambilan keputusan. Kriteria (Cj) yang ditetapkan boleh

lebih dari pada satu, tergantung dari faktor – faktor yang mempengaruhi

pengambilan keputusan.

2.2.7.3 Bobot.

Bobot adalah nilai atau tingkat kepentingan relative dari setiap kriteria (Cj)

yang diberikan oleh decision maker. Nilai bobot harus memenuhi persamaan

(2.6).

𝑤 = {𝑤1, 𝑤2, 𝑤3, … 𝑤𝑛}…………………………........... Persamaan 2.6

dimana nilai ∑ 𝑤𝑗 = 1.

2.2.7.4 Flowchart WP.

Langkah – langkah analisa permasalahan dengan metode WP dapat

dilustrasikan di dalam sebuah flowchart pada Gambar 2.1.

16

Gambar 2.1 Flowchart WP