See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/302586555

METODE FUZZY AHP DAN FUZZY TOPSIS

UNTUK PEMILIHAN DISTRO LINUX

Article · January 2013

CITATIONS READS

2 625

1 author:

Ahmad Sabiq
Universitas YARSI
13 PUBLICATIONS 2 CITATIONS

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Development of Emotion Detection Application for Enhancing Psychological State Quality (Case
Study: Programming Learning) View project

All content following this page was uploaded by Ahmad Sabiq on 19 September 2017.

The user has requested enhancement of the downloaded file.

ORBITH VOL. 9 NO. 2 JULI 2013 : 78 – 83

METODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN

DISTRO LINUX
Oleh : Ahmad Sabiq
Teknik Informatika Politeknik Purbaya Tegal
Jl. Pancakarya No.1 Talang Tegal 52193

Abstrak

Pada penelitian ini dikembangkan suatu metode pengambilan keputusan dengan menggunakan Fuzzy
AHP untuk menentukan bobot dari kritreria yang ditentukan, yaitu dukungan terhadap hardware,
layanan, update, repository, aplikasi dan komunitas serta menggunakan Fuzzy TOPSIS untuk
menentukan peringkat dari alternatif distro Linux yang akan dipilih. Pada paper ini dijelaskan urutan
metode eksperimen yang dilakukan untuk menentukan peringkat dari beberapa distribusi Sistem Operasi
Linux yang dijadikan alternatif untuk dipilih.
Kata kunci : Fuzzy AHP, TOPSIS, Sistem Operasi, distro Linux.

1. Pendahuluan distro, dimana masing-masing distro

Tuntutan untuk menggunakan software
legal sekarang ini sudah menjadi keharusan
yang tidak dapat dihindari lagi. Adanya
Undang-undang HAKI (Hak Atas
Kekayaan Intelektual) serta meningkatnya
peran aparat penegak hokum dalam
menegakan hukum atas pelanggaran
terhadap HAKI semakin menguatkan
tuntutan untuk menggunakan software yang
legal. Akan tetapi, mahalnya harga software
propietary membuat sebagian masyarakat
masih enggan untuk menggunakan software
berbayar yang legal, namun beberapa
masyarakat cenderung untuk memilih
masih menggunakan software bajakan.
Sistem Operasi Linux merupakan software
sistem operasi yang berlisensi bebas dan
terbuka (Free/open Source), yang
memungkinkan setiap orang dapat
menggunakan, menyebarkan dan bahkan
memodifikasinya tanpa harus melanggar
HAKI. Dewasa ini Sistem Operasi Linux
menjadi sistem operasi alternatif yang
dipilih oleh beberapa kalangan untuk
digunakan pada sistem komputer.
Kebebasan untuk merekayasa sistem
operasi linux membuat sistem operasi ini
cepat berkembang dan banyak pengembang
yang mengembangkan sistem operasi linux
yang dipaketkan dengan beberapa program
aplikasi dan program pendukung lainnya
yang lebih biasa disebut distributor atau
mempunyai kelebihan-kelebihan tersendiri.
Akan tetapi, banyakannya pilihan distro
yang beredar malah dapat membuat
bingung bagi sebagian masyarakat ataupun
institusi untuk menentukan distro linux
mana yang tepat digunakan. Apalagi
dengan tingkat kebutuhan dan tingkat
pengetahuan yang berbeda.
Untuk itu, dibutuhkan suatu metode untuk
menentukan distro linux manakah yang
paling sesuai digunakan sesuai dengan
tingkat kebutuhan masing-masing.
Diantaranya adalah dengan menggunakan
teknik pengambilan keputusan multi
kriteria (seperti TOPSIS, ELECTRE,
Analytic Hierarchy Process (AHP),
Promethee dan sebagainya).
Teknik Pengambilan keputusan multi
kriteria berguna untuk mencari pilihan yang
terbaik dari semua pilihan alternative
dengan beberapa criteria yang mungkin
biasanya satu dan lainnya bertentangan.
Teknik AHP merupakan teknik
pengambilan keputusan multi kriteria yang
dibuat oleh Saaty. Meskipun AHP dapat
menunjukan pengetahuan pakar, namun
tidak dapat menggambarkan pemikiran
manusia, sehingga teknik Fuzzy AHP
dikembangkan. TOPSIS merupakan metode
yang dikembangkan oleh Hwang dan Yoon,
teknik ini merupakan teknik untuk memilih

78
Metode Fuzzy AHP Dan Fuzzy Topsis Untuk Pemilihan Distro Linux…………..Ahmad Sabiq

alternative terbaik dari beberapa pilihan Tabel 1. Nilai variabel linguistik dengan
yang paling dekat dengan solusi ideal bilangan triangular fuzzy
positif dan paling jauh dari solusi ideal Variable
Keterangan
Nilai Invers Nilai
negative. linguistic TF TF
A dan B sama
SP 1 1 1 1 1 1
pentingnya
Fuzzy AHP dan TOPSIS dapat digunakan
secara bersama-sama untuk pengambilan ALP
A agak / sedikit
1 3 5 1/5 1/3 1
lebih penting dari B
keputusan yang komplek. Namun pem
berian nilai secara crips terkadang dapat A lebih penting dari
LP 3 5 7 1/7 1/5 1/7
B
membuat kebingungan dan ketidaksesuaian
A sangat lebih
pada saat pemberian nilai untuk masing- SLP
penting dari B
5 7 9 1/9 1/7 1/5
masing kriteria. Pada penelitian ini,
A sangat-sangat
dilakukan pemilihan beberapa distro linux MLP
lebih penting dari B
8 9 10 1/10 1/9 1/8
yang ada dengan beberapa kriteria
menggunakan Fuzzy AHP dan Fuzzy Bilangan triangular fuzzy pada tabel 1
TOPSIS. dinotasikan dengan M={l, m, u}, dimana M
merupakan himpunan bilangan fuzzy yang
2. Metode Penelitian terdiri dari l, m dan u yang masing-masing
Pada penelitian ini dikembangkan suatu menyatakan nilai kemuingkinan terkecil,
metode pengambilan keputusan dengan nilai yang paling mendekati, dan nilai
menggunakan Fuzzy AHP untuk kemungkinan terbesar.
menentukan bobot dari kritreria yang
ditentukan dan menggunakan Fuzzy
TOPSIS untuk menentukan peringkat dari
alternatif yang akan dipilih,

2.1. Fuzzy AHP

Tujuan
Gambar 2. Bilangan Triangular Fuzzy
Jika X = { x1, x 2, x 3, ... x n} menyatakan suatu
himpunan objek, dan
Kriteria 1 Kriteria 2 Kriteria 3 Kriteria k
G= {g 1, g 2, g 3, ... , g n} menyatakan himpunan
tujuan. Jika terdapat sejumlah m kriteria
Alternatif 1 Alternatif 2 Alternatif n yang akan digunakan untuk dianalisa, maka
1 2 3 m
didapatkan M gi , M gi , M gi. ... M gi.
i= 1,2 , ... , n , dimana M j (j=1, 2,…,n)
Gambar 1. Struktur hierarki permasalahan gi

merupakan bilangan triangular fuzzy.

Pada metode ini, terlebih dahulu ditentukan
penilaian terhadap perbandingan dari Langkah-langkah yang digunakan untuk
masing-masing kriteria yang ada dengan menganalisa lebih lanjut adalah sebagai
menggunakan nilai triangular fuzzy yang berikut:
menunjukan perbandingan kepentingan Langkah 1 : didefinisikan nilai fuzzy
antar kriteria, pada tabel ditunjukan nilai synthetic extent (Si) dengan kriteria ke i
perbandingan antara kriteria A dan kriteria dengan persamaan 1.
B. −1
m n m 
S i = ∑ M × ∑∑ M gij 
j
gi (1)
j =1  i =1 j −1 

79
ORBITH VOL. 9 NO. 2 JULI 2013 : 78 – 83

m
V (M ≥ M 1 , M 2 ,..., M k )
untuk mendapatkan ∑ M gij , dilakukan = V [(M ≥ M 1 )dan(M ≥ M 2 )dan...dan(M ≥ M k )] (7)
j= 1
operasi penjumlahan nilai fuzzy dari nilai m = minV (M ≥ M i ), i = 1,2,...., k
pada matriks menggunakan persamaan 2. Dengan mengasumsikan
m  m m m  d ( Ai )= minV (S i ≥ S k ) untuk
∑ M gij =  ∑ l j ,∑ m j ,∑ u j  (2)
k = 1,2,...k ; k ≠ i . Sehingga didapatkan nilai
j =1  j =1 j =1 j =1 
−1 vektor bobot pada persamaan (8).
 n m 
∑∑ M gi  , W ' = (d ' ( A1 ), d ' ( A2 ),...., d ' ( An ))
j T
Untuk mendapatkan (8)
 j =1 j =1 
dilakukan operasi penjumlahan fuzzy dari Setelah vector bobot pada persamaan (8)
nilai M gij (j=1, 2,…,n) dengan dinormalisasi, didapatkan vector bobot
menggunakan persamaan 3. ternormalisasi yang ditunjukan pada
n m  n n n  persamaan (9).
∑∑ M j
gi = 
 ∑ l j , ∑ m j , ∑ u j

 (3) W = (d ( A1 ), d ( A2 ),...., d ( An ))
T
(9)
j =1 j =1  j =1 j = 1 j = 1 
Kemudian dihitung invers dari vektor Dimana W bukan merupakan bilangan
dalalm persamaan diatas menggunakan fuzzy.
persamaan 4.
2.2. Fuzzy TOPSIS
  Setelah didapatkan nilai bobot untuk
−1  
 n m
j   1 1 1  masing-masing kriteria, kemudian
∑∑ M gi  =  n , n , n  (4)
dilakukan perhitungan dengan
 j = 1 j =1   ∑ l j ∑ m j ∑ u j  menggunakan metode TOPSIS yang telah
 j =1 j =1 j =1  di-fuzzy-kan, Berbeda dengan metode
Langkah 2: menghitung derajat TOPSIS yang langusng menentukan nilai
~
kemungkinan, dimana M 1 = (l1 , m1 , u1 ) dan kriteria untuk masing-msing alternatif, pada
~ Fuzzy TOPSIS digunakan bilangan
M 2 = (l 2 , m2 , u 2 ) adalah dua buah bilangan
triangular fuzzy seperti pada gambar 3
triangular fuzzy, sehingga derajat
~ untuk merepresentasikan nilai untuk setiap
kemungkinan M 2 = (l 2 , m2 , u 2 ) ≥ kriteria dari masing-masing alternatif yang
~
M 1 = (l1 , m1 , u1 ) didapatkan dari persamaan akan dipilih.
(5) dan (6)
SK = Sangat Kurang
~ ~ ~ ~ K = Kurang
V = ( M 2 ≥ M 1 ) = hgt ( M 1 ∩ M 2 ) = µ M~ 2 (d ) C = Cukup
(5) B = Bagus
SB = Sangat Bagus

 , if m2 ≥ m1
 0  Gambar 3 Bilangan Fuzzy untuk penilaian
 ,if l1 ≥ u2 kriteria.
= 1 
 l1 − u 2 ,otherwise
 (m − u ) − (m − l )  Setelah masing-masing kriteria pada
 2 2 1 1 
(6) alternatif diberi nilai, kemudian dihitung
nilai total integeral untuk setiap alternatif
Langkah 3: membandingkan derajat menggunakan persamaan (10).
kemungkinan antar kriteria antar bilangan x = I ( F ) = 1 / 2(αc + b + (1 − α )a ) (10)
fuzzy M i = (i = 1,2,..., k ) melalui persamaan
(7). Dengan α adalah h derajat tingkat
keoptimisan dengan nilai antara 0 sampai 1.

80
Metode Fuzzy AHP Dan Fuzzy Topsis Untuk Pemilihan Distro Linux…………..Ahmad Sabiq

Setelah didapatkan nilai total integral pada Untuk setiap kriteria yang digunakan,
setiap kriteria, dilakukan normalisasi diberikan nilai M yang merepresentasikan
melalui persamaan (11). perbandingan antara kriteria satu dan
xij lainnya. Sehingga setelah dilakukan
rij = (11) perbandingan antar semua kriteria yang ada,
m

∑x 2
ij
didapatkan suatu matriks perbandingan
i =1 berpasangan seperti pada tabel 2.
Kemudian dilakukan perhitungan untuk
mendapatkan matrix bobot yang Tabel 2. Matrix Perbandingan Nilai Fuzzy
ternormailisasi melalui persamaan (12). Berpasangan
vij = Wij ∗ rij (12) Kriteria
Dukung
an h/w
Layanan Update
Reposito
ry
Aplikasi &
tools
Komunitas

Dukungan 1 1 1 1 1 1
111 135 135 111
Kemudian dihitung nilai solusi ideal positf h/w 7 5 3 5 3 1
dan nilai solusi ideal negatif menggunakan Layanan 357 111 111 135
1 1 1
111
5 3 1
persamaan (13).
{
A + = v1+ , v2+ ,...., vn+ } (13)
Update
1 1 1
5 3 1
111 111 357
1 1 1
5 3 1
1 1 1
7 5 3

A− = {v
− − −
1 , v 2 ,...., v n } Repositroy
1 1 1 1 1 1 1 1 1
111
1 1 1 1 1 1
5 3 1 5 3 1 7 5 3 7 5 3 5 3 1
Jarak antara alternatif dengan solusi ideal Aplikasi &
111 135 135 357 111 111
positif dihiutng dengan persamaan (14). tools

komunitas 135 111 357 135 111 111

∑ (v )
n
+ + 2
D =
i ij −v j (14)
j =1 Dari nilai perbandingan antar kriteria yang
sudah ditentukan seperti pada tabel 2,
Sedangkan jarak alternatif dengan solusi dilakukan perhitungan untuk mencari nilai
ideal negatif dihitung dengan persamaan fuzzy synthetic extent (Si) menggunakan
(15). persamaan (1), sehingga didapatkan matriks
seperti pada tabel 3.
∑ (v
n
Di− = ij − v −j )
2
(15)
j =1
Tabel 3. Nilai Fuzzy Synthetic Extent
L m U
Dengan membandingkan jarak dengan Dukungan hardware 0,0509 0,1468 0,3813
solusi ideal positif dan negatif, maka Layanan 0,0844 0,195 0,4575
didapatkan nilai preferensi untuk setiap Update 0,065 0,1353 0,3241
alternatif melalui persamaan (16). Repository 0,0221 0,0413 0,1334
D−
CCi = − i + (16) Aplikasi & tools 0,0938 0,2408 0,5719
Di + Di Komunitas 0,0938 0,2408 0,5719
Nilai CC yang didapatkan dari persamaan
(16) merupakan nilai akhir yang digunakan Kemudian dihitung derajat kemungkinan
untuk menentukan peringkat dari beberapa antar kriteria dengan menggunakan
alternatif yang akan dipilih dengan nilai persamaan (3), sehingga didapatkan matriks
urutan peringkat awal dimulai dari nilai CC V yang merupakan nilai derajat
yang terbesar. kemungkinan antar kriteria

3. Hasil Dan Pembahasan

Tahap pertama dalam melakukan penelitian
ini adalah menentukan kriteria dari distro
Linux yang akan dipilih, diantaranya adalah
dukungan terhadap hardware, layanan,
update, repository, aplikasi dan komunitas.

81
ORBITH VOL. 9 NO. 2 JULI 2013 : 78 – 83

Tabel 4. Nilai Derajat Kemungkinan Fuzzy TOPSIS. Setiap kriteria dari masing-
Kriteria masing distro linux diberikan nilai
Kriteria
Dukung
Layanan Update
Reposito Aplikasi
Komunitas menggunakan bilangan triangular fuzzy,
an h/w ry & tools

Dukungan
seperti pada tabel 7.
h/w 1 1 0,3811 0,1331 1 1

Layanan 0,3347 1 0,2849 0,0659 1 1 Tabel 7. Penilaian Kriteria Pada Alternatif

Update 1 1 1 0,1242 1 1 Menggunakan Bilangan Triangular Fuzzy
Repositroy 1 1 1 1 1 1 Kriteria Dukungan Aplikasi &
Layanan Update Repository Komunitas
Aplikasi & h/w tools
0,2746 0,3383 0,23 0,0439 1 1 Distro
tools
Ubuntu 0.5 0.75 1 0.5 0.75 1 0.75 1 1 0.75 1 1 0.25 0.5 0.75 0.75 1 1
komunitas 0,2746 0,3383 0,23 0,0439 1 1
Fedora 0.5 0.75 1 0.5 0.75 1 0.75 1 1 0.75 1 1 0.5 0.75 1 0.5 0.75 1

Mandriva 0.75 1 1 0.25 0.5 0.75 0.25 0.5 0.75 0.5 0.75 1 0.75 1 1 0.25 0.5 0.75
Nilai vektor bobot yang dihasilkan dari
Debian 0.5 0.75 1 0.25 0.5 0.75 0 0 25 0.5 0.5 0.75 1 0.75 1 1 0 0.25 0.5
tabel 4 di atas setelah dihitung
menggunakan persamaan (8) ditunjukan
pada tabel 5. Matriks nilai triangular fuzzy yang
didapatkan pada tabel 7 dihitung nilai total
Tabel 5. Nilai Bobot Masing-Masing integralnya menggunakan persamaan (10),
Kriteria sehingga didapatkan matriks X pada
gambar 4.
Kriteria W’

Dukungan hardware 0,1331 0.75 0.75 0.94 0.94 0.5 0.94

0.75 0.75 0.94 0.94 0.75 0.75
Layanan 0,0659 X=
0.94 0.5 0.5 0.75 0.94 0.5
Update 0,1242 0.75 0.5 0.25 0.75 0.94 0.25
Gambar 4. Nilai Total Integral
Repositroy 1

Aplikasi & tools 0,0439 Dengan menggunakan persamaan (11) dan

Komunitas 0,0439 (12) dari matriks pada gambar 4,
didapatkan matriks bobot yang
ternormalisasi v pada gambar 5.
Setelah dinormalisasi untuk setiap kriteria,
maka nilai vector bobot yang dihasilkan 0.0442 0.0275 0.0573 0.3914 0.0097 0.0220
menjadi seperti yang ditunjukan pada tabel
v= 0.0442 0.0275 0.0573 0.3914 0.0145 0.0176
6. 0.0552 0.0183 0.0306 0.3131 0.0182 0.0117
0.0442 0.0183 0.0153 0.3131 0.0182 0.0059
Tabel 6. Nilai Bobot Masing-Masing Gambar 5. Matriks Bobot Ternormalisasi.
Kriteria Yang Ternormalisasi
Kriteria W
Matriks bobot ternormalisasi pada gambar 5
nilai solusi ideal positf dan nilai solusi ideal
Dukungan hardware 0,1331 negatif menggunakan persamaan (13),
Layanan 0,0659 kemudian jarak antara alternatif dengan
solusi ideal positif dihiutng dengan
Update 0,1242
persamaan (14), sedangkan jarak alternatif
Repositroy 1 dengan solusi ideal negatif dihitung dengan
Aplikasi & tools 0,0439 persamaan (15). Dengan membandingkan
jarak dengan solusi ideal positif dan negatif,
Komunitas 0,0439 maka didapatkan nilai preferensi untuk
setiap alternatif pada tabel 8 melalui
Nilai vektor bobot yang dihasilkan dari persamaan (16)
metode Fuzzy AHP digunakan untuk
melakukan perhitungan dengan metode

82
 Metode Fuzzy AHP Dan Fuzzy Topsis Untuk Pemilihan Distro Linux…………..Ahmad Sabiq

Tabel 8. Nilai Akhir Alternatif Distro Linux berdasarkan nilai bobot yang dihasilkan
dan Peringkatnya. dari metode Fuzzy AHP dan penilaian
Sistem Operasi Cc i Rangking terhadap setiap kriteria pada masing-masing
alternatif distro linux yang
Ubuntu 0.8670 2
direpresentasikan dengan bilangan
Fedora 0.8789 1 Triangular Fuzzy.
Mandriva 0.2041 3
Debian 0.0849 4 DAFTAR PUSTAKA
Balli, Serkan and Korukoğlu, Serdar.
“Operating System Selection Using
Pada penelitian ini, telah dibangung sebuah
Fuzzy AHP and TOPSIS Methods”.
program menggunakan matlab untuk
Mathematical and Computational
menghitung peringkat beberapa alternatif
Applications, Vol. 14, No. 2, pp. 119-
distro linux menggunakan metode Fuzzy
130, 2009.
AHP dan Fuzzy TOPSIS.
Chang, D.-Y., “Applications of the extent
analysis method on fuzzy AHP”,
Antarmuka program yang dibuat
European Journal of Operational
menggunakan Graphical User Interface
Research.649–655, 1996.
(GUI) seperti pada gambar 6, sehingga
T.L. Saaty, “The Analytic Hierarchy
diharapkan dapat memudahkan dalam
Process”, McGraw Hill Company,
penggunaan. Pada program tersebut
New York, 1980.
diberikan form untuk memilih nilai
Zadeh L. A., Fuzzy sets, Information
perbandingan antara kriteria satu dengan
Control, 8, 338–353, 1965.
kriteria yang lain, dan juga diberikan form
untuk memilih tingkat penilain kriteria
terhadap semua alternatif distro yang ada.

Gambar 6. Tampilan program untuk

menentukan peringkat Distro Linux
menggunakan metode Fuzzy AHP dan
Fuzzy TOPSIS

4. Kesimpulan
Pada penelitian ini telah dibangun sebuah
sistem untuk memilih distro linux dengan
menggunakan metode Fuzzy AHP dan
Fuzzy TOPSIS. Metode Fuzzy AHP
digunakan untuk menentukan bobot setiap
kriteria berdasarkan perbandingan antar
masing-masing kriteria yang ada
menggunakan bilangan Triangular Fuzzy,
sedangkan metode Fuzzy TOPSIS
digunakan untuk menentukan peringkat
distro linux yang menjadi alternatif

83

View publication stats