OPTIMASI RANKING WEBOMETRICS MENGGUNAKAN METODE LOGARITMIC FUZZY PREFERENCE PROGRAMMING PADA...

Seminar Nasional Telekomunikasi dan Informatika (SELISIK 2016) Bandung, 28 Mei 2016

206

ISSN : 2503-2844

Tenia Wahyuningrum, Ridwan Pandiya

Seminar Nasional Telekomunikasi dan Informatika 2016

OPTIMASI RANKING WEBOMETRICS MENGGUNAKAN

METODE LOGARITMIC FUZZY PREFERENCE

PROGRAMMING PADA PERSPEKTIF COST


Program Studi Teknik Informatika

ST3 Telkom Purwokerto

Jl. DI Panjaitan 128 Purwokerto

[email protected], [email protected]

Abstrak Setiap perguruan tinggi, memiliki keinginan

untuk menjadi World Class University. Salah Satu

cara yang digunakan untuk menilai kualitas sebuah

universitas adalah dengan melakukan pengukuran

aktifitas civitas akademika di dunia maya, melalui

domain web universitas yang disebut webometrics.

Dalam rangka meningkatkan kinerja web universitas

untuk mendukung terciptanya World Class

University, maka diperlukan langkah-langkah

optimasi pencapaian ranking webometrics. Langkah

tersebut antara lain dengan menggunakan

perhitungan dan pembobotan berdasarkan 4 faktor

utama yaitu Visibility (V), Size (S), Rich Files (R) dan

Scholar (Sc) berdasarkan kemampuan financial

(perspektif cost) perguruan tinggi. Metode analisis

dan sintesis yang digunakan untuk membantu proses

pengambilan keputusan menggunakan metode

Analytical Hierarchy Process (AHP) dengan

pendekatan Logaritmic Fuzzy Preference (LFPP).

Metode LFPP ini melibatkan fungsi logaritma asli

untuk memperbaiki kekurangan metode FPP.

Pembobotan dilakukan dengan melibatkan pakar dan

akademisi untuk menentukan tingkat kepentingan

berdasarkan cost (biaya) yang dikeluarkan antara satu

kriteria dengan kriteria yang lain, sampai pada sub

kriteria terhadap sub kriteria yang lain. Penilaian

tersebut kemudian dibuat ke dalam skala angka

(biasanya skala 1 sampai 9), dan dibuat matriks

perbandingan berdasarkan hirarki yang telah

dibangun sesuai dengan persoalan yang akan

diselesaikan, dan sesuai dengan perhitungan bobot

prioritas. Dari hasil perhitungan, didapatkan ranking

tertinggi yang direkomendasikan dalam menentukan

langkah strategis pencapaian ranking webometrics

adalah faktor pemantauan ranking dari situs

ahrefs(C332), penambahan jumlah link dari website

lain (C321), penambahan jumlah halaman pada

domain (C111), mengunggah materi pembelajaran

dalam bentuk file pdf (C223) dan pemantauan ranking

dari situs Majesticseo (C331).

Kata kunci :

World Class University, Webometrics, Analytical

Hierarchy Process, Logaritmic Fuzzy Preference

Abstract

Each college has a desire to become a World Class

University. One ways used to assess the quality of a

university is by measuring activity of the academic

community in the virtual world, through the

university's Web domain called webometrics. In

order to improve the performance of web universities

to support the creation of the World Class University,

the necessary steps Webometrics ranking

optimization achievement. The measures include the

use of the calculations and the weighting is based on

four main factors, namely Visibility (V), Size (S), Rich

Files (R) and Scholar (Sc) is based on the ability of

financial (cost perspective) colleges. Methods of

analysis and synthesis that is used to help the

decision making process using Analytical Hierarchy

Process (AHP) approach Logaritmic Fuzzy

Preference (LFPP). LFPP method involves a

logarithmic function original to correct deficiencies

FPP method. Weighting is done with the involvement

of experts and scholars to determine the level of

interest based on cost (cost) incurred between the

criterias, and between sub-criterias. The assessment

is made into number scale (usually a scale of 1 to 9),

and made a comparison matrix based hierarchy that

has been built according to the issues to be resolved,

and in accordance with the calculation of weighted

priorities. From the calculation results, the highest

ranking recommended a decisive step in the strategic

ways is monitoring the ranking via ahrefs sites

(C332), increasing the number of links from other

websites (C321), increasing the number of pages on

the domain (C111), upload learning materials in pdf

mailto:[email protected]

mailto:[email protected]


207

ISSN : 2503-2844



file format (C223) and monitoring the ranking of

sites Majesticseo (C331).

Keywords :

World Class University, Webometrics, Analytical

Hierarchy Process, Logaritmic Fuzzy Preference

I. PENDAHULUAN

Pemeringkatan level World Class University

dinilai masih bersifat sangat subjektif. Beberapa

kendala dalam upaya pencapaian WCU, salah

satunya terkait dengan banyaknya perbedaan kriteria

penilaian (Altbach, 2012). Oleh karena itu,

pentingnya status WCU yang dimiliki sebuah

universitas unggulan (excellence) berstandar dunia

dan strategi yang digunakan untuk mencapainya,

menarik perhatian praktisi dan pengambil kebijakan

di bidang pendidikan (Jati, Irmawati, & Indrihapsari,

2012). Berbagai macam kriteria penilaian yang

digunakan untuk menentukan peringkat dan kinerja

sebuah universitas, salah satunya didapatkan dari

kualitas website universitas. Setiap tahun, satu juta

orang mengunjungi website universitas untuk

mencari informasi. Kegiatan yang dilakukan antara

lain mencari informasi perkuliahan, mengganti

jadwal kuliah, atau kontak informasi dosen. Istilah

baru dalam penilaian kualitas universitas berdasarkan

aktifitas di dunia maya, melalui web universitas

disebut webometrics. Sebuah terobosan dari

Cybermetrics Lab, sebuah kelompok riset dari Centro

de Ciencias Humanas Sociales (CCHS), yang

merupakan bagian dari Dewan Riset Nasional

Spanyol(Kargar, 2011).

Dalam rangka meningkatkan kinerja web

universitas untuk mendukung terciptanya World

Class University, maka diperlukan langkah-langkah

optimasi pencapaian ranking webometrics antara lain

dengan menggunakan perhitungan dan pembobotan

berdasarkan 4 faktor utama yaitu Visibility (V), Size

(S), Rich Files (R) dan Scholar (Sc). Metode analisis

dan sintesis yang digunakan untuk membantu proses

pengambilan keputusan menggunakan metode

Analytical Hierarcy Process (AHP). AHP merupakan

metode pengambil keputusan yang powerful dan

fleksibel, yang dapat membantu dalam menetapkan

prioritas dan membuat keputusan dengan

mempertimbangkan aspek kualitatif dan kuantitatif.

(Jati, Irmawati, & Indrihapsari, 2012) melakukan

pembobotan variabel webometrics dengan

menggunakan metode Fuzzy AHP, akan tetapi

metode tersebut belum dapat memfasilitasi variabel

penilaian berdasarkan sifat kepentingannya. Dengan

mengetahui faktor penting mana saja yang perlu

didahulukan, diharapkan muncul langkah-langkah

tepat yang diambil dalam rangka meningkatkan

ranking webometrics (Saaty, 2003). (Wang and Chin

2011) dalam penelitian pemilihan kapal yang sesuai

untuk pengiriman barang telah melakukan

pembobotan menggunakan fuzzy AHP dengan

pendekatan logarithmic fuzzy preference

programming. Metode ini dinilai cukup efektif

karena dapat menentukan prioritas variabel

berdasarkan kepentingannya, dan dapat mengatasi

kekurangan pada metode sebelumnya. Metode inilah

yang akan dipakai untuk melakukan pembobotan

pada variabel webometrics.

Perlunya optimasi ranking webometrics

merupakan strategi untuk mencapai sasaran mutu

pada aspek Internal Bussiness Process yang harus

dicapai oleh masing-masing Perguruan Tinggi di

bawah naungan Yayasan Pendidikan Telkom

(Wahyuningrum, 2015), ditinjau dari segi biaya

(cost). Masing-masing indikator diukur berdasarkan

tingkat kepentingannya menggunakan fungsi

keanggotaan fuzzy, sehingga diperoleh rekomendasi

kegiatan yang dilakukan agar lebih tepat dan terarah

untuk dalam rangka meningkatkan ranking

webometrics.

II. TINJAUAN PUSTAKA

Analytical Hierarchy Process

Persoalan-persoalan dalam dunia nyata pada

umumnya tidak dapat dimodelkan. Atau jika dapat

dimodelkan pun, akan banyak asumsi yang justru

membuat hasil akhir atau solusi yang dicari menjadi

tidak aplikatif. Oleh karena itu, metode-metode yang

mendukung ketidakjelasan dan ketidaktentuan

banyak diteliti dan dipelajari. (Saaty T. L., 1988)

pertama kali memperkenalkan metode yang disebut

dengan Proses Hirarki Analitik (The Analytical

Hierarchy Process). Metode ini menjadi sangat

menarik karena melibatkan penilaian (jugdgement)

manusia yang sifatnya subjektif. Penilaian tersebut

kemudian dibuat ke dalam skala angka (biasanya

skala 1 sampai 9), dan dibuat matriks perbandingan

berdasarkan hirarki yang telah dibangun sesuai

dengan persoalan yang akan diselesaikan, dan sesuai

dengan perhitungan bobot prioritas.


208

ISSN : 2503-2844



Seiring dengan semakin kompleksnya persoalan

yang harus diselesaikan, maka penggunaan skala 1

sampai 9 (crisp number) dirasa kurang representatif

(Wang & Chin, 2011). Untuk menjawab kekurangan

ini, maka para peneliti menggabungkan konsep

logika fuzzy dengan AHP sehingga bilangan yang

digunakan bukan lagi bilangan crisp akan tetapi

menggunakan bilangan fuzzy. Hal ini untuk

mengatasi persoalan yang sifatnya tidak jelas dan

kompleks. Fuzzy AHP sering dikombinasikan dengan

metode-metode lain, salah satunya adalah dengan

metode Fuzzy Preference Programming (FPP) untuk

menentukan nilai bobot kepentingannya. Akan tetapi,

pada penerapannya, banyak contoh kasus

menghasilkan solusi yang tidak tepat. Sehingga

metore tersebut diperbaiki dengan menggunakan

unsur logaritma natural pada FPP telah terbukti

efektif dan dapat menghasilkan solusi yang efektif

dan tepat.

Fuzzy Preference Programming

Penggunaan bilangan fuzzy dalam penilaian

dalam kuesioner oleh pakar atau akademisi yang

memiliki pengetahuan tentang permasalahan yang

akan diuji, dalam hal ini masalah pemeringkatan

webometrics, dapat dibentuk kedalam matriks

perbandingan tingkat kepentingan (1).

Bilangan fuzzy yang digunakan, didefinisikan

dalam Tabel 1.

12 12 12 1 1 1

21 21 21 2 2 2

1 1 1 2 2 2

1 ( , , ) ( , , )

( , , ) 1 ( , , )( )

( , , ) ( , , ) 1

k k k

k k k

ij k k

k k k k k k

l m u l m u

l m u l m uA a

l m u l m u

. (1)

Misalkan penilaian dari kriteria ke-i diantara ijl

dan iju kali lebih penting dibandingkan kriteria ke-j,

dimana 1/ , 1/ , 1/ij ji ij ji ij jil u m m u l dan

0 ij ij ijl m u untuk , 1,..., ,i j n j i . Untuk

menghitung bobot 1( ,..., ) 0T

kW w w dengan

1

1k

i

i

w

, dalam (Wang & Chin, 2011), telah

didefinisikan fungsi keanggotaan

( / ), ,

( / ), ,

i j ij iij

ij ij ji

j ij i j iij

ij ij j

w w l wm

m l ww

w u w w wm

u m w

(2)

Dimana ( / )ij i jw w adalah derajat keanggotaan

/i jw w dari penilaian ( , , )ij ij ij ija l m u . Misalkan

min ( / ) | 1,..., 1; 1,..., .ij i jw w i k j i k

Maka, adalah derajat keanggotaan minimum

dimana bobot yang dihasilkan memenuhi setiap

tingkat kepentingan fuzzy-nya. Bentuk nonlinear

programming dari kondisi diatas dapat dituliskan

sebagai

Maksimumkan

s.t.

1

( ) 0, 1,..., ; 1,..., ,

( ) 0, 1,..., ; 1,..., ,

1,

0, 1,..., .

i ij j ij ij j

i ij j ij ij jk

ii

i

w l w m l w i k j i k

w u w u m w i k j i k

w

w i k

Untuk menyempurnakan model ini (Wang &

Chin, 2011), telah melibatkan logaritma natural yang

disebut sebagai model LFPP (Logarithmic Fuzzy

Preference Programming).

Tabel 1. Definisi bilangan fuzzy yang digunakan

Konversi dari skala

AHP kedalam

bilangan Fuzzy

Definisi

1 = (1,1,1) Kedua elemen yang dibandingkan

sama pentingnya (equal)

2 = (1,2,3) Penilaian berada diantara sama

pentingnya dan sedikit lebih

penting

3 = (2,3,4) Elemen pertama sedikit lebih

penting dibandingkan elemen

kedua (moderate)

4 = (3,4,5) Penilaian berada diantara sedikit

lebih penting dan lebih penting

5 = (4,5,6) Elemen pertama lebih penting

dibandingkan dengan elemen

kedua (strong important)

6 = (5,6,7) Penilaian berada diantara lebih

penting dan jelas lebih penting

7 = (6,7,8) Elemen pertama jelas lebih

penting dibandingkan dengan

elemen kedua (very strong)

8 = (7,8,9) Penilaian berada diantara jelas

lebih penting dan mutlak lebih

penting


209

ISSN : 2503-2844



9 = (8,9,9) Elemen pertama mutlak lebih

penting dibandingkan dengan

elemen kedua (absolute strong

important)

2,4,6,8 Nilai-nilai diantara dua penilaian

yang berdekatan

Metode LFPP

Seperti telah dijelaskan diatas, metode LFPP ini

merupakan penyempurnaan dari metode FPP yang

pada beberapa contoh kasus menghasilkan nilai akhir

yang negatif yang tentu saja hal ini membuat solusi

yang diharapkan menjadi kurang valid. Metode LFPP

ini melibatkan fungsi logaritma asli untuk

memperbaiki kekurangan metode FPP. Metode LFPP

ini dapat diformulasikan menjadi

Minimumkan 1

2 2 2

1 1 1

(1 ) . ( )k k

ij ij

i j

J P

s.t.

ln( / ) ln , 1,..., 1; 1,..., ,

ln( / ) ln , 1,..., 1; 1,..., ,

, 0, 1,..., ,, 0, 1,..., 1; 1,..., ,

i j ij ij ij ij

i j ij ij ij ij

i

ij ij

x x m l l i k j i k

x x u m u i k j i k

x i ki k j i k

dengan perhitungan bobot menggunakan rumus

sebagai berikut. *

*

*

1

exp( ), 1,..., ,

exp( )

ii k

jj

xw i k

x

.

III. ANALISIS DAN PEMBAHASAN

Penelitian ini merupakan penelitian

eksperimental yang melibatkan 2 orang pakar

(akademisi dan praktisi) dalam bidang webometrics.

Kedua pakar berdiskusi menentukan bobot

kepentingan antar kriteria. Kriteria yang digunakan

dalam penelitian yaitu Size, Rich Files, Visibility, dan

Scholar, dimana masing-masing kriteria dibagi

menjadi beberapa sub kriteria kegiatan yang dapat

meningkatkan ranking webometrics. Selanjutnya,

dibuat struktur hirarki dari kriteria uji dan sub kriteria

berdasarkan perspektif cost (biaya) yang ditunjukkan

pada Gambar 1.

Cost

Visibility(C3)

Size (C1) Rich Files(C2)

Scholar (C4)

Metric to

measure

website size

(C11)

Submit

sitemaps

(C12)

Increase web

content (C13)

Size :

number of

pages in the

domain

(C111)

Submit to :

google

(C121)

Content

always

stay

fresh(C131)

Ways of

creating

new

content

(C132)

Cater to all

stakeholders

(C133)

Search Engine

Optimization

(C14)

Html

(C141)

Keyword

(C142)

Measured by web

analytics(C33)

All

stakeholders

involved (C31)

Backlinks

(C32)

Content

from

students

(C311)

Content

from staff

& lecturer

(C312)

Number of

unique

incoming links

from other

website(C321)

Ways to

generate

more traffic

(C322)

Majesticseo

(C331) Ahrefs (C332)

How to

increase rich

files (C21)

Volume od document

publications relevant to

academic level (C22)

Upload

more(C211)

Encourage staff,

lecturer and

students to publish

their works online

(C212)

Create

archive for

historical

reference

(C213)

Research

publications

, journal,

papers,

articles

(C224)

Research

projects,

conference,

seminars

(C225)

Corporate

documents

(C221)

News letter/

bulletins

(C222)

Learning

materials

(C223)

Measure the

number of scientific

papers (C41)

Google

scholar (C411)

Schimago

(C412)

How to improve

scholarly rank (C42)

Go open

access (C421)

Get listed in

OA directory

(C423)

Get indexed

by google

scholar (C422)

Encourage staff,

lecturer and

student to increase

visible publications

(C424) Gambar 1. Klasifikasi dari karakteristik cost ke dalam sub karakteristik size, rich files, visibility dan scholar


210

ISSN : 2503-2844



Perhitungan pembobotan kriteria dan sub kriteria

Tabel 2 Tingkat kepentingan dari empat kriteria

dilihat dari perspektif cost

Criteria C1 C2 C3 C4 LFPP

priorities

C1 (1, 1, 1) (2, 3, 4) (1/6,1/5,1/4) (8, 9, 9) 0.2301

C2 (1/4,1/3,1/2) (1, 1, 1) (1/8,1/7,1/6) (4, 5, 6) 0.1236

C3 (4, 5, 6) (6, 7, 8) (1, 1, 1) (6, 7, 8) 0.6056

C4 (1/9,1/9,1/8) (1/6,1/5,1/4) (1/8, 1/7, 1/6) (1, 1, 1) 0.0407

Minimize 3 4

2 2 2

1 1

(1 ) . ( )ij ij

i j i

R P

Subject to :

1 2 12

1 2 12

1 3 13

1 3 13

1 4 14

1 4 14

2 3 23

2 3 23

2

ln(3/ 2) ln 2

ln(4 /3) ln 4

ln(6 /5) ln(1/ 6)

ln(5/ 4) ln(1/ 4)

ln(9 /8) ln8

ln(1) ln9

ln(8/ 7) ln(1/8)

ln(7 / 6) ln(1/ 6)

x x

x x

x x

x x

x x

x x

x x

x x

x

4 24

2 4 24

3 4 34

3 4 34

1 2 3 4 12 13 14 23 24 34 12 13 14 23 24 34

ln(5/ 4) ln 4

ln(6 /5) ln 6

ln(7 / 6) ln 6

ln(8/ 7) ln8

, , , , , , , , , , , , , , , , 0

x

x x

x x

x x

x x x x

Solusi optimal :

*

1x 1.9464, *

2x 1.3252, *

3x 2.9142,

*

4x 0.2135, 0,

*

12 0.0719, *

13 0, *

14

0.3466, *

23 0, *

24 0.2746

*

34 0, *

12 0, *

13

0.4185, *

14 0, *

23 0.2027,

*

24 0, *

34 0.6212

Prioritas Normalized LPP :

4* * *

1 1 1

1

exp( ) / exp( )i

w x x

0.2301,

4

* * *

2 2 2

1

exp( ) / exp( )i

w x x

0.1236

4* * *

3 3 3

1

exp( ) / exp( )i

w x x

0.6056,

4

* * *

4 4 4

1

exp( ) / exp( )i

w x x

0.0407

Tabel 2 menunjukkan bahwa nilai LFPP

Priorities untuk C1, C2, C3, dan C4 berturut yaitu

0.2301, 0.1236, 0.6056, 0.0407.

Dengan menggunakan cara yang sama, dihitung

pula pembobotan dengan kriteria penilaian

perbandingan berpasangan antar sub kriteria,

sehingga didapatkan hasil sebagai berikut.

Tabel 3. Hasil perhitungan bobot kriteria

C1 0.2301

C11 0.5744 C111 1.0000 0.132169

C12 0.2105 C121 1.0000 0.048436

C13 0.1543

C131 0.5396 0.019158

C132 0.2969 0.010541

C133 0.1634 0.005801

C14 0.0608 C141 0.1250 0.001749

C142 0.8750 0.012241

C2 0.1236

C21 0.1251

C211 0.2553 0.003948

C212 0.6434 0.009948

C213 0.1013 0.001566

C22 0.8749

C221 0.2215 0.023952

C222 0.1226 0.013258

C223 0.6005 0.064937

C224 0.0554 0.005991

C3 0

.6056 C31 0.0751

C311 0.8750 0.039795

C312 0.1250 0.005685


211

ISSN : 2503-2844



C32 0.3575 C321 0.8750 0.189439

C322 0.1250 0.027063

C33 0.5675 C331 0.1667 0.057291

C332 0.8334 0.286421

C4 0

.0407

C41 0.8000 C411 0.8334 0.027136

C412 0.1667 0.005428

C42 0.1999

C421 0.1912 0.001556

C422 0.5514 0.004486

C423 0.1912 0.001556

C424 0.0663 0.000539

Tabel 3 menunjukkan hasil perhitungan bobot

masing-masing kriteria, kemudian pada Tabel 4

dilakukan pemeringkatan 10 sub kriteria tertinggi.

Dari hasil perhitungan, ranking 1 yaitu ahrefs, dan

ranking 10 yaitu upload more.

Tabel 4. 10 besar peringkat bobot sub kriteria

Ranking Bobot Sub Kriteria

1 0.286421 Ahrefs (C332)

2 0.189439

Number of unique incoming links from

other website(C321)

3 0.132169

Size : number of pages in the domain

(C111)

4 0.064937 Learning materials (C223)

5 0.057291 Majesticseo (C331)

6 0.048436 Submit to : google (C121)

7 0.039795 Content from students (C311)

8 0.027136 Google scholar (C411)

9 0.027063 Ways to generate more traffic (C322)

10 0.023952 Upload more(C211)

IV. KESIMPULAN

Berdasarkan hasil pemeringkatan bobot sub

kriteria pada perspektif cost, didapatkan rekomendasi

sebagai berikut.

1. Pemantauan ranking web universitas

dilakukan dengan cara memantau situs

ahrefs.com, dari segi cost, situs tersebut

menyediakan akses gratis bagi pengguna.

2. Jumlah link unik yang merujuk pada web

universitas, dapat dilakukan dengan

memanfaatkan resource siswa PKL atau

mahasiswa magang, untuk menekan biaya.

3. Menambahkan jumlah halaman web, dapat

dilakukan sendiri oleh unit atau bagian

sisfo, sehingga menghemat biaya yang

dikeluarkan.

4. Untuk menambah rich files, setiap dosen

diwajibkan mengunggah materi ajar ke blog

masing-masing dengan ekstensi .pdf. Hal

ini dirasa cukup murah, karena dapat

dilakukan sendiri oleh dosen yang

bersangkutan.

5. Selain menggunakan ahrefs.com,

pemantauan ranking webometrics dapat

dilakukan secara periodik melalui situs

majesticseo.com secara gratis.

REFERENSI

Altbach, P.G. "The costs and benefits of world-

class universities." Academe, Vol. 90, No. 1, 2012:

20-23.

Fruhling, A, and S Lee. "Assessing the

Reliability, Validity and Adaptability of PSSUQ." 9th

Americas Conference on Information Systems.

Omaha, Nebraska, 2005.

Jati, Handaru, Dessy Irmawati, and Yuniar

Indrihapsari. Laporan Akhir Penelitian Hibah

Fundamental. Yogyakarta: Universitas Negeri

Yogyakarta, 2012.

Kargar, Mohammad Javad. "University Website

Ranking from Usability Criteria Perspective."


212

ISSN : 2503-2844



International Journal of Advancements in Computing

Technology, Vol. 3 Issue 11, 2011: 246-251.

Lewis, R James. T12: Standardized Usability

Questionarry.

http://michaelyeap.blogspot.com/2009/10/oct-9-post-

study-system-usability.html (accessed December 10,

2014).

Saaty, Thomas Lorie. Decision Making : The

Analytical Hierarchy Process. United States of

America: University of Pittsburgh, 1988.

Saaty, Thomas Lorie. "Decision-making with

the AHP : Why is the principal eigenvector

necessary." European Journal of Operational

Research Vol. 145 No. 1, 2003: 85-91.

Sauro, Jeff. 8 Advantages of Standardized

Usability Questionnairres.

http//www.measuringusability.com/blog/standardized

-usability.php (accessed December 2013, 2014).

Wahyuningrum, Tenia. "Strategi peningkatan

visibility dalam upaya peningkatan ranking

webometrics." Seminar Nasional Teknologi

Informasi dan Komunikasi (SENTIKA). Yogyakarta:

Universitas Atma Jaya Yogyakarta, 2015. 151-155.

Wang, Ying Ming, and Kwai Sang Chin.

"Fuzzzy analytic hierarchy process : a logarithmic."

International Journal of Approximate Reasoning,

2011: 541-553.

OPTIMASI RANKING WEBOMETRICS MENGGUNAKAN METODE LOGARITMIC FUZZY PREFERENCE PROGRAMMING PADA...

Internet

Transcript of OPTIMASI RANKING WEBOMETRICS MENGGUNAKAN METODE LOGARITMIC FUZZY PREFERENCE PROGRAMMING PADA...