Modul - DSS - Bab 10 - Metode MAUT (Multi Attribute Utility Theory)

Modul Decision Support System / Sistem Pendukung Keputusan

Download Modul Bab 10

Bab 10 - Metode MAUT (Multi Attribute Utility Theory)

10.1 Pendahuluan Metode MAUT (Multi Attribute Utility Theory)
Metode MAUT (Multi Attribute Utility Theory) merupakan metode yang
fundamental selain metode MFEP(Multi Factor Evaluation Process). Metode ini terlihat
memiliki proses penyelesaian yang merupakan penggabungan metode Analythical
Hierarchy Process (AHP) dan metode Simple Additive Weighting (SAW). Adapun
algoritma penyelesaian metode ini yaitu:
Adapun algoritma penyelesaian metode Analythical Hierarchy Process (AHP) yaitu
sebagai berikut:
1. Langkah 1 : Mendefinisikan terlebih dahulu kriteria-kriteria yang akan di jadikan
sebagai tolak ukur penyelesaian masalah dan menentukan tingkat kepentingan dari
setiap kriteria.
2. Langkah 2 : Menghitung Nilai Matriks Perbandingan dari masing-masing kriteria
berdasarkan tabel nilai kepentingan (tabel saaty)
3. Langkah 3 : Menghitung nilai bobot kriteria (Wj)
4. Langkah 4 : Menghitung nilai bobot preferensi (Vi) : (lihat rumus yang digunakan
pada metode Simple Additive Weighting)
5. Langkah 5 : Perangkingkan
10.2 Contoh Soal Dan Penyelesainnya
Agar lebih memahami berikut ini adalah contoh soal untuk penyelesaian metode
Multi Attribute Utility Theory (MAUT) yaitu:
Contoh Soal: Pada bagian marketing di perusahaan yang bergerak di bidang perangkat
teknologi ingin ekspansi dan mengembangkan pangsa pasar di berbagai daerah. Adapun
perangkat teknologi yang sedang di analisis yaitu Handphone. Ada 4 tipe handphone
yang akan di analisis untuk melihat sejauh mana daya serap konsumen selama ini
terhadap 4 tipe handphone tersebut. Berikut ini adalah tabel properti dari handphone
tersebut. Adapun tipe kita sebut HP1, HP2, HP3 dan HP4.

Sumber : Modul Dicky Nofriansyah, S.Kom., M.Kom (STIMIK Triguna Dharma Medan) - Link

Modul - DSS - Bab 09 - Metode Analitychal Hierarchy Process (AHP)

Modul Decision Support System / Sistem Pendukung Keputusan

Download Modul Bab 09

Bab 09 - Metode Analitychal Hierarchy Process (AHP)

9.1 Pendahuluan Metode Analitychal Hierarchy Process (AHP)
Metode Analitychal Hierarchy Process (AHP) merupakan salah satu metode dalam
sistem pendukung keputusan yang memiliki keunikan di bandingkan yang lainnya. Hal
ini dikarenakan dalam pembobotan kriteria, bobot dari setiap kriteria bukan ditentukan
di awal tetapi ditentukan menggunakan rumus dari metode ini berdasarkan skala
prioritas (tingkat kepentingan) yang bersumber dari tabel saaty. Berikut ini adalah tabel
tingkat kepentingan yang digunakan yaitu:
Tabel 9.1: Tingkat Kepentingan
No Nilai
Kepentingan
Keterangan
1 1 Sama Penting
2 3 Cukup Penting (1 Level lebih penting di bandingkan kriteria lainnya)
3 5 Lebih Penting (2 Level lebih penting di bandingkan kriteria lainnya)
4 7 Sangat Lebih Penting ( 3 Level lebih penting di bandingkan kriteria lainnya)
5 9 Mutlak Lebih Penting ( 4 Level lebih penting di bandingkan kriteria lainnya
atau level tertinggi)
Dan dalam metode ini terdapat nilai Consistency Index.
Dinamakan metode Analythical Hierarchy Process dikarenakan dalam metode ini
proses penyelesaiannya dengan cara menyelesaikan setiap kasus dengan menyelesaikan
terlebih dahulu matriks bobot kriteria, kemudian alternatifnya. Keunikan metode ini
dibandingkan metode lainnya yaitu metode ini didalam menentukan bobot kriteria (Wj)
berdasarkan hasil evaluasi matriks bobot kriteria bukan di tentukan di awal oleh
stakeholder dibandingkan metode lainnya. Terdapat 3(tiga) elemen dalam metode AHP
yaitu:
- Masalah
- Kriteria
- Alternatif
Adapun algoritma penyelesaian metode Analythical Hierarchy Process (AHP) yaitu
sebagai berikut:
1. Langkah 1 : Mendefinisikan terlebih dahulu kriteria-kriteria yang akan di jadikan
sebagai tolak ukur penyelesaian masalah dan menentukan tingkat kepentingan dari
setiap kriteria.
2. Langkah 2 : Menghitung Nilai Matriks Perbandingan dari masing-masing kriteria
berdasarkan tabel nilai kepentingan
3. Langkah 3 : Menghitung nilai bobot kriteria (Wj)
4. Lankgah 4 : Menghitung nilai Consistency Indeks
5. Langkah 5 : Menghitung nilai Consistency Ratio.
Agar lebih memahami berikut ini adalah contoh soal untuk penyelesaian metode
Analythical Hierarchy Process (AHP) yaitu:
Contoh Soal: Pada bagian marketing di perusahaan yang bergerak di bidang perangkat
teknologi ingin ekspansi dan mengembangkan pangsa pasar di berbagai daerah. Adapun
perangkat teknologi yang sedang di analisis yaitu Handphone. Ada 3 tipe handphone
yang akan di analisis untuk melihat sejauh mana daya serap konsumen selama ini
terhadap 3 tipe handphone tersebut. Berikut ini adalah tabel properti dari handphone
tersebut. Adapun tipe kita sebut HP1, HP2, HP3 dan HP4.

Sumber : Modul Dicky Nofriansyah, S.Kom., M.Kom (STIMIK Triguna Dharma Medan) - Link

Modul - DSS - Bab 08 - Metode Profile Matching

Modul Decision Support System / Sistem Pendukung Keputusan

Download Modul Bab 08

Bab 08 - Metode Profile Matching

8.1 Pendahuluan Metode Profile Matching
Metode Profile Matching merupakan salah satu metode yang sederhana dalam
sistem pendukung keputusan dengan membandingkan GAP antara nilai Alternatif dan
kriteria. Ada beberapa hal yang diketahui tentang Analisis GAP, salah satu diantaranya
adalah tabel nilai bobot GAP. Selain itu analysis GAP ini juga harus memahami konsep
Skala Prioritas, karena di dalam pembuatan bobot dengan range 0-5 berdasakan
prioritas setiap kriteria.
Adapun algoritma penyelesaian metode Profile Matching yaitu sebagai berikut:
1. Langkah 1 : Mendefinisikan terlebih dahulu kriteria-kriteria yang akan di jadikan
sebagai tolak ukur penyelesaian masalah
2. Langkah 2 : Menghitung Nilai GAP antara Profile Subjek dengan Profile Yang
dibutuhkan
3. Langkah 3 : Menghitung Nilai Mapping GAP yang bersumber dari analisis GAP
4. Langkah 4 : Menghitung Nilai Akhir
5. Langkah 5 : Melakukan Perangkingan
Agar lebih memahami metode Profile Matching (Analysis GAP) berikut ini adalah
sampel dan contoh penyelesaian metode yaitu
Contoh Soal: Pada bagian marketing di perusahaan yang bergerak di bidang perangkat
teknologi ingin ekspansi dan mengembangkan pangsa pasar di berbagai daerah. Adapun
perangkat teknologi yang sedang di analisis yaitu Handphone. Ada 3 tipe handphone
yang akan di analisis untuk melihat sejauh mana daya serap konsumen selama ini
terhadap 3 tipe handphone tersebut. Berikut ini adalah tabel properti dari handphone
tersebut. Adapun tipe kita sebut HP1, HP2, dan HP3.

Sumber : Modul Dicky Nofriansyah, S.Kom., M.Kom (STIMIK Triguna Dharma Medan) - Link

Modul - DSS - Bab 07 - Metode TOPSIS

Modul Decision Support System / Sistem Pendukung Keputusan

Download Modul Bab 07

Bab 07 - Metode TOPSIS

7.1 Pendahuluan Metode TOPSIS
Metode ini juga merupakan salah satu metode yang digemari oleh peneliti di
dalam merancang sebuah Sistem Pendukung Keputusan, selain konsepnya sederhana
tetapi kompleksitas dalam pemecahan masalah baik itu di tandai dengan konsep
penyelesaian metode ini yaitu dengan memilih alternatif terbaik yang tidak hanya
memiliki jarak terpendek dari solusi ideal positif tetapi juga memiliki jarak terpanjang
dari solusi ideal negatif.
Adapun algoritma penyelesaian metode ini yaitu:
1. Langkah 1 : Mendefinisikan terlebih dahulu kriteria-kriteria yang akan di jadikan
sebagai tolak ukur penyelesaian masalah
2. Langkah 2 : Menormalisasi setiap nilai alternatif (matriks ternormalisasi) dan
matriks ternormalisasi terbobot
3. Langkah 3 : Menghitung nilai Solusi Ideal Positif atau Negatif
4. Langkah 4 : Menghitung Distance nilai terbobot setiap alternatif terhadap solusi
ideal positif dan Negatif.
5. Langkah 5 : Menghitung Nilai Preferensi dari setiap alternatif
6. Langkah 6 : Melakukan Perangkingan
Adapun rumus-rumus yang digunakan pada metode ini yaitu sebagai berikut:
- Menormalisasi setiap nilai alternatif (matriks ternormalisasi) dan matriks
ternormalisasi terbobot
- Menghitung nilai matriks kinerja terbobot
- Menghitung Distance nilai terbobot setiap alternatif terhadap solusi ideal positif
dan Negatif.

Sumber : Modul Dicky Nofriansyah, S.Kom., M.Kom (STIMIK Triguna Dharma Medan) - Link

Modul - DSS - Bab 06 - Metode Weight Product (WP)

Modul Decision Support System / Sistem Pendukung Keputusan

Download Modul Bab 06

Bab 06 - Metode Weight Product (WP)

6.1 Pendahuluan Metode Weight Product
Metode Weight Product (WP) merupakan salah satu metode yang sederhana
dengan perkalian untuk menghubungkan rating atribut, dimana setiap rating setiap
atribut harus dipangkatkan dengan bobot atribut yang bersangkutan. Hal tersebut di
atas dinamakan normalisasi.
Adapun algoritma penyelesaian dari metode Weight Product yaitu sebagai
berikut:
1. Langkah 1 : Mendefinisikan terlebih dahulu kriteria-kriteria yang akan di jadikan
sebagai tolak ukur penyelesaian masalah
2. Langkah 2 : Menormalisasi setiap nilai alternatif (nilai vektor)
3. Langkah 3 : Menghitung nilai bobot preferensi pada setiap alternatif
4. Langkah 4 : Melakukan perangkingan
Berikut ini adalah rumus untuk melakukan menormalisasi setiap nilai alternatif
(nilai vektor) yaitu sebagai berikut:

Adapun perpangkatan vektor bernilai positif untuk atribut keuntungan dan
bernilai negatif untuk atribut biaya.
6.2 Contoh Soal Dan Penyelesainnya
Untuk dapat lebih memahami metode ini berikut ini adalah contoh kasus dari
metode weight product (WP):
Contoh Soal: Pada bagian marketing di perusahaan yang bergerak di bidang perangkat
teknologi ingin ekspansi dan mengembangkan pangsa pasar di berbagai daerah. Adapun
perangkat teknologi yang sedang di analisis yaitu Handphone. Ada 3 tipe handphone
yang akan di analisis untuk melihat sejauh mana daya serap konsumen selama ini
terhadap 3 tipe handphone tersebut. Berikut ini adalah tabel properti dari handphone
tersebut. Adapun tipe kita sebut HP1, HP2, dan HP3. Adapun faktor-faktor dan kriteria
yang dijadikan sebagai acuan terlihat pada tabel di bawah ini yaitu:

Dan berdasarkan hasil penilaian oleh responden yang disebut alternatif berikut ini
adalah tabel nilai alternatifnya:
Penyelesaian:
- Menormalisasi setiap nilai alternatif (nilai vektor)
- Menghitung nilai bobot preferensi pada setiap alternatif
- Melakukan perangkingan
Berikut ini adalah tabel perangkingan dari nilai bobot preferensi dari setiap
alternatif. Adapun acuan dalam perangkingan ini adalah berdasarkan nilai tertinggi
(max) yang dijadikan rangking tertinggi.

Sumber : Modul Dicky Nofriansyah, S.Kom., M.Kom (STIMIK Triguna Dharma Medan) - Link

Modul - DSS - Bab 05 - Metode Simple Additive Weighting (SAW)

Modul Decision Support System / Sistem Pendukung Keputusan

Download Modul Bab 05

Bab 05 - Metode Simple Additive Weighting (SAW)

5.1 Pendahuluan Metode Simple Additive Weighting (SAW)

Berdasarkan namanya, metode Simple Additive Weighting dapat di artikan sebagai

metode pembobotan sederhana atau penjumlahan terbobot pada penyelesaian

masalah dalam sebuah sistem pendukung keputusan. Konsep metode ini adalah dengan

mencari rating kinerja (skala prioritas) pada setiap alternatif di semua atribut.

Adapun algoritma penyelesaian metode ini yaitu sebagai berikut:

1. Langkah 1 : Mendefinisikan terlebih dahulu kriteria-kriteria yang akan di jadikan

sebagai tolak ukur penyelesaian masalah

2. Langkah 2 : Menormalisasi setiap nilai alternatif pada setiap atribut dengan cara

menghitung nilai rating kinerja

3. Langkah 3 : Menghitung nilai bobot preferensi pada setiap alternatif

4. Langkah 4 : Melakukan perangkingan

Adapun rumus yang digunakan pada metode simple additive weighting yaitu:

- Menormalisasikan setiap alternating (menghitung nilai rating kinerja)

- Menghitung nilai bobot preferensi pada setia alternatif

5.2 Contoh Soal Dan Penyelesaiannya

Untuk dapat lebih memahami metode Simple Additive Weighting, berikut ini

adalah sampel kasus dan penyelesaiannya.

Contoh Soal: Pada bagian marketing di perusahaan yang bergerak di bidang perangkat

teknologi ingin ekspansi dan mengembangkan pangsa pasar di berbagai daerah. Adapun

perangkat teknologi yang sedang di analisis yaitu Handphone. Ada 3 tipe handphone

yang akan di analisis untuk melihat sejauh mana daya serap konsumen selama ini

terhadap 3 tipe handphone tersebut. Berikut ini adalah tabel properti dari handphone

tersebut. Adapun tipe kita sebut HP1, HP2, dan HP3. Adapun faktor-faktor dan kriteria

yang dijadikan sebagai acuan terlihat pada tabel di bawah ini yaitu:

Dan berdasarkan hasil penilaian oleh responden yang disebut alternatif berikut ini

adalah tabel nilai alternatifnya:

Penyelesaian:

- Menormalisasi setiap nilai alternatif pada setiap atribut dengan cara menghitung

nilai rating kinerja

- Melakukan Perangkingan berdasarkan nilai bobot preferensinya

Berikut ini adalah tabel perangkingan dari nilai bobot preferensi dari

setiap alternatif. Adapun acuan dalam perangkingan ini adalah berdasarkan nilai

tertinggi (max) yang dijadikan rangking tertinggi.

Sumber : Modul Dicky Nofriansyah, S.Kom., M.Kom (STIMIK Triguna Dharma Medan) - Link

Modul - DSS - Bab 04 - Metode SMART (Simple Multi Attribute Rating Technique)

Modul Decision Support System / Sistem Pendukung Keputusan

Download Modul Bab 04

Bab 04 - Metode SMART (Simple Multi Attribute Rating Technique)

SMART (Simple Multi Attribute Rating Technique) merupakan metode pengambilan
keputusan yang multiatribut yang dikembangkan oleh Edward pada tahun 1977. Teknik
pembuatan keputusan multiatribut ini digunakan untuk mendukung pembuat
keputusan dalam memilih antara beberapa alternatif. Setiap pembuat keputusan harus
memilih sebuah alternatif yang sesuai dengan tujuan yang telah dirumuskan.Setiap
alternatif terdiri dari sekumpulan atribut dan setiap atribut mempunyai nilai-nilai. Nilai
ini dirata-rata dengan skala tertentu.
Setiap atribut mempunyai bobot yang menggambarkan seberapa penting
dibandingkan dengan atribut lain. Pembobotan dan pemberian peringkat ini digunakan
untuk menilai setiap alternatif agar diperoleh alternatif terbaik. Pembobotan pada
SMART (Simple Multi Attribute Rating Technique) menggunakan skala antara 0 sampai
1, sehingga mempermudah perhitungan dan perbandingan nilai pada masing-masing
alternatif. Model yang digunakan dalam SMART (Simple Multi Attribute Rating
Technique) yaitu :
U(ai) =Σ 𝑊𝑗 𝑈𝑖 (𝑎𝑖) 𝑚𝐽
=1 ......................................................................................... [4.1 ]
Keterangan:
Wj = Nilai Pembobotan Kriteria ke- j dan K- kriteria
U(ai) = nilai Utility kriteria ke-i untuk kriteria ke-i
Dimana i= 1, 2,......m
Adapun algoritma penyelesaian dari Metode SMART (Simple Multi Attribute Rating
Technique) yaitu sebagai berikut:
1. Langkah 1 : Menentukan Jumlah Kriteria dari Keputusan yang akan di ambil
2. Langkah 2 : Sistem secara default memberikan nilai 0-100 berdasarkan prioritas
dengan melakukan normalisasi (Wj/ΣWj)
3. Langkah 3 : Memberikan nilai kriteria untuk setiap alternatif
4. Langkah 4 : Menghitung nilai Utility untuk setiap kriteria masing-masing
Ui (ai) = 100
(𝐶𝑚𝑎𝑥−𝐶𝑜𝑢𝑡 𝑖)
(𝐶𝑚𝑎𝑥−𝐶𝑚𝑖𝑛)
% .......................................................................[4.2]
Keterangan:
Ui (ai) = nilai utility kriteria ke-1 untuk kriteria ke-i
Cmax = nilai kriteria maksimal
Cmin = nilai kriteria minimal
Cout i = nilai kriteria ke-i
5. Langkah 5 : Menghitung nilai akhir dan melakukan Perangkingan
4.2 Contoh Soal dan Penyelesaiannya
Agar kita lebih memahami dari penjelasan metode ini berikut ini adalah contoh
soal dari Metode SMART (Simple Multi Attribute Rating Technique).
Contoh Soal: Pada bagian marketing di perusahaan yang bergerak di bidang perangkat
teknologi ingin ekspansi dan mengembangkan pangsa pasar di berbagai daerah. Adapun
perangkat teknologi yang sedang di analisis yaitu Handphone. Ada 3 tipe handphone
yang akan di analisis untuk melihat sejauh mana daya serap konsumen selama ini
terhadap 3 tipe handphone tersebut. Berikut ini adalah tabel properti dari handphone
tersebut. Adapun tipe kita sebut HP1, HP2, dan HP3. Adapun faktor-faktor dan kriteria
yang dijadikan sebagai acuan terlihat pada tabel di bawah ini yaitu:
Penyelesaian:
Dari hasil analisa dan sampel data yang di dapat oleh tim marketing menggunakan
kuesioner, berikut ini adalah penilaian konsumen terhadap HP1, HP2 dan HP3 dengan
range penilaian yaitu antara 1-100 yaitu:
1. Rangkuman Penilaian Responden terhadap HP tipe HP1
2. Rangkuman Penilaian Responden terhadap HP tipe HP2
3. Rangkuman Penilaian Responden terhadap HP tipe HP3
Maka berikut ini perhitung nilai Utility Ui (ai) = 100
(𝐶𝑚𝑎𝑥−𝐶𝑜𝑢𝑡 𝑖)
(𝐶𝑚𝑎𝑥−𝐶𝑚𝑖𝑛)
% yaitu sebagai
berikut:
1. Nilai Utility dari Tipe HP1
2. Nilai Utility dari Tipe HP2
3. Nilai Utility dari Tipe HP3
Kemudian menghitung nilai U(ai) =Σ 𝑊𝑗 ∗ 𝑈𝑖 (𝑎𝑖) 𝑚𝐽
=1 . Berikut ini adalah tabelnya yaitu:

1. Nilai Keseluruhan Utility U(ai) dari Tipe HP1
2. Nilai Keseluruhan Utility U(ai) dari Tipe HP2
3. Nilai Keseluruhan Utility U(ai) dari Tipe HP3

Melihat dari hasil di di atas berikut ini perangkingannya. Adapun sesuai dengan
kasus di atas yang dijadikan sebagai prioritas adalah yang memiliki nilai terendah yaitu
sebagai berikut.

Berdasarkan tabel di atas maka merk HP1 = 9.5 menjadi prioritas untuk di
promosikan dan ditingkatkan produksinya.

Sumber : Modul Dicky Nofriansyah, S.Kom., M.Kom (STIMIK Triguna Dharma Medan) - Link

Modul - DSS - Bab 03 - Metode MFEP (Multi Factor Evaluation Process)

Modul Decision Support System / Sistem Pendukung Keputusan

Download Modul Bab 03

Bab 03 - Metode MFEP (Multi Factor Evaluation Process)

3.1 Pendahuluan Metode MFEP (Multi Factor Evaluation Process)
Metode MFEP (Multi Factor Evaluation Process) merupakan metode yang menjadi
fundamental dari pengembangan metode pada Decision Support System (Sistem
Pendukung Keputusan). Teknik penyelesaian metode ini yaitu dengan penilaian
Subjektif dan Intuitif terhadap indikator atau faktor penyebab dari sebuah masalah yang
dianggap penting. Pertimbangan-pertimbangan tersebut yaitu dengan memberikan
pemberian bobot (weighting system) berdasarkan skala prioritas berdasarkan tingkat
kepentingannya. Adapun algoritma penyelesaian metode ini yaitu:
1. Langkah 1 : Mendefinisikan terlebih dahulu kriteria-kriteria atau faktor-faktor yang
menyebabkan masalah beserta bobotnya
2. Langkah 2 : Menghitung Nilai Bobot Evaluasi (NBE) :
3. Langkah 3 : Menghitung Total Bobot Evaluasi (TBE)
4. Langkah 4 : Lakukan perangkingan untuk mendapat keputusan.
Adapun rumus yang digunakan untuk Menghitung Nilai NBE pada Metode MFEP
(Multi Factor Evaluation Process) yaitu:
NBE = NBF * NEF .............................................................................................[3.1]
Keterangan:
NBE = Nilai Bobot Evaluasi
NBF = Nilai Bobot Factor
NEF = Nilai Evaluasi Factor
Dan adapun rumus yang digunakan untuk menghitung nilai TBE pada Metode
MFEP (Multi Factor Evaluation Process) yaitu:
TBE = NBE1 + NBE2 + NBE3 + .......NBEn ...................................................[3.2]
Keterangan:
TBE = Total Bobot Evaluasi
NBE = Nilai Bobot Evaluasi
3.2 Pendahuluan Metode MFEP (Multi Factor Evaluation Process)
Agar kita lebih memahami dari penjelasan metode ini berikut ini adalah contoh
soal dari Metode MFEP (Multi Factor Evaluation Process).
Contoh Soal : Pada bagian marketing di perusahaan yang bergerak di bidang perangkat
teknologi ingin ekspansi dan mengembangkan pangsa pasar di berbagai daerah.
Adapun perangkat teknologi yang sedang di analisis yaitu Handphone. Ada 3 tipe
handphone yang akan di analisis untuk melihat sejauh mana daya serap konsumen
selama ini terhadap 3 tipe handphone tersebut. Berikut ini adalah tabel properti dari
handphone tersebut. Adapun tipe kita sebut HP1, HP2, dan HP3. Adapun faktor-faktor
dan kriteria yang dijadikan sebagai acuan terlihat pada tabel di bawah ini yaitu:

Dari hasil analisa dan sampel data yang di dapat oleh tim marketing, berikut ini
adalah penilaian konsumen terhadap HP1, HP2 dan HP3 dengan range penilaian yaitu
antara 1-100 berdasarkan Data Kuesioner yaitu:

Maka berdasarkan tabel di atas berikut ini adalah penyelesaiannya:
1. Menghitung Nilai Bobot Evaluasi (NBE) dan Total Bobot Evaluasi (TBE) dari
alternatif HP1

2. Menghitung Nilai Bobot Evaluasi dari alternatif HP2

3. Menghitung Nilai Bobot Evaluasi dari alternatif HP3

Dari hasil penghitungan di atas berikut ini adalah tabel perangkingan dari nilai
TBE1 yaitu sebagai berikut:

Jadi berdasarkan tabel perangkingan di atas maka tipe HP1 menjadi alternatif
untuk bagi marketing untuk dikembangakan atau ekpansi ke berbagai daerah.

Sumber : Modul Dicky Nofriansyah, S.Kom., M.Kom (STIMIK Triguna Dharma Medan) - Link

STIKI - Analisa Dan Desain Sistem Informasi 2019 - Pertemuan 04

Download PDF - STIKI - Analisa dan Desain Sistem Informasi 2019 - Pertemuan 04

Mata Kuliah : Analisa dan Desain Sistem Informasi

Program Studi : Teknik Informatika

STIMIK STIKOM Indonesia

Tahun Ajaran 2018 – 2019

Pertemuan : 04

Kemampuan Akhir yang Diharapkan :

Mahasiswa memahami pengertian, tujuan, dan tahapan perancangan system serta personil yang terlibat dalam merancang sistem

Indikator:

·         Ketepatan menjelaskan tentang arti perancangan sistem

·         Ketepatan menjelaskan tujuan perancangan sistem

·         Ketepatan menjelaskan tentang personil yang terlibat

·         Ketepatan menjelaskan perancangan sistem secara umum (input, output, proses, database, kontrol, jaringan, komputer)

Materi Pembelajaran

·         Arti perancangan sistem

·         Tujuan perancangan sistem

·         Personil yang terlibat

·         Perancangan sistem secara umum (input, output, proses, database, kontrol, jaringan, komputer)

Daftar Pustaka

·         Jogiyanto, H. 1990. Analisis dan Desain Sistem Informasi. Yogyakarta : Andi Offset

·         Kendall, Keneth E.,Kendall, Julie E. 2010. Analisis dan Perancangan Sistem Edisi Kelima Jilid 1. Jakarta : Indeks

·         Kendall, Keneth E.,Kendall, Julie E. 2010. Analisis dan Perancangan Sistem Edisi Kelima Jilid 2. Jakarta : Indeks

·         Indrajani. 2017. Database Design. Jakarta : PT Elex Media Komputindo

STIKI - Analisa Dan Desain Sistem Informasi 2019 - Pertemuan 03

Download PDF - STIKI - Analisa dan Desain Sistem Informasi 2019 - Pertemuan 03

Mata Kuliah : Analisa dan Desain Sistem Informasi

Program Studi : Teknik Informatika

STIMIK STIKOM Indonesia

Tahun Ajaran 2018 – 2019

Pertemuan : 03

Kemampuan Akhir yang Diharapkan :

Mahasiswa mampu melaporkan hasil identifikasi masalah

Indikator:

·         Ketepatan menyampaikan hasil wawancara

·         Ketepatan menganalisa masalah

·         Ketepatan pembuatan laporan

Materi Pembelajaran

·         Menyampaikan hasil wawancara

·         Menganalisa masalah

·         Pembuatan laporan

Daftar Pustaka

·         Jogiyanto, H. 1990. Analisis dan Desain Sistem Informasi. Yogyakarta : Andi Offset

·         Kendall, Keneth E.,Kendall, Julie E. 2010. Analisis dan Perancangan Sistem Edisi Kelima Jilid 1. Jakarta : Indeks

·         Kendall, Keneth E.,Kendall, Julie E. 2010. Analisis dan Perancangan Sistem Edisi Kelima Jilid 2. Jakarta : Indeks

·         Indrajani. 2017. Database Design. Jakarta : PT Elex Media Komputindo

STIKI - Analisa Dan Desain Sistem Informasi 2019 - Pertemuan 02

Download PDF - STIKI - Analisa dan Desain Sistem Informasi 2019 - Pertemuan 02

Mata Kuliah : Analisa dan Desain Sistem Informasi

Program Studi : Teknik Informatika

STIMIK STIKOM Indonesia

Tahun Ajaran 2018 – 2019

Pertemuan : 02

Kemampuan Akhir yang Diharapkan :

Mahasiswa mampu memahami analisis sistem

Indikator:

·         Ketepatan menjelaskan tentang langkah-langkah di dalam analisis sistem

·         Ketepatan menjelaskan tentang mengidentifikasi masalah

·         Ketepatan menjelaskan tentang memahami kerja dari sistem

·         Ketepatan menjelaskan tentang teknik wawancara

·         Ketepatan membuat laporan hasil wawancara

Materi Pembelajaran

·         Langkah-langkah di dalam analisis system

·         Mengidentifikasi masalah

·         Memahami kerja dari system

·         Teknik wawancara

·         Membuat laporan hasil wawancara

Daftar Pustaka

·         Jogiyanto, H. 1990. Analisis dan Desain Sistem Informasi. Yogyakarta : Andi Offset

·         Kendall, Keneth E.,Kendall, Julie E. 2010. Analisis dan Perancangan Sistem Edisi Kelima Jilid 1. Jakarta : Indeks

·         Kendall, Keneth E.,Kendall, Julie E. 2010. Analisis dan Perancangan Sistem Edisi Kelima Jilid 2. Jakarta : Indeks

·         Indrajani. 2017. Database Design. Jakarta : PT Elex Media Komputindo

STIKI - Analisa dan Desain Sistem Informasi 2019 - Pertemuan 01

Download PDF - STIKI - Analisa dan Desain Sistem Informasi 2019 - Pertemuan 01

Mata Kuliah : Analisa dan Desain Sistem Informasi

Program Studi : Teknik Informatika

STIMIK STIKOM Indonesia

Tahun Ajaran 2018 – 2019

Pertemuan : 01

Kemampuan Akhir yang Diharapkan :

Mahasiswa mampu memahami konsep dasar analisis, sistem dan informasi

Indikator:

·         Ketepatan menjelaskan definisi analisis, sistem dan informasi

·         Ketepatan menjelaskan tentang karakteristik sistem

·         Ketepatan menjelaskan tentang pengertian analisis sistem

·         Ketepatan menjelaskan tentang fungsi analisis sistem

Materi Pembelajaran

·         Definisi analisis, sistem dan informasi

·         Karakteristik sistem

·         Pengertian analisis sistem

·         Fungsi analisis sistem

Daftar Pustaka

·         Jogiyanto, H. 1990. Analisis dan Desain Sistem Informasi. Yogyakarta : Andi Offset

·         Kendall, Keneth E.,Kendall, Julie E. 2010. Analisis dan Perancangan Sistem Edisi Kelima Jilid 1. Jakarta : Indeks

·         Kendall, Keneth E.,Kendall, Julie E. 2010. Analisis dan Perancangan Sistem Edisi Kelima Jilid 2. Jakarta : Indeks

·         Indrajani. 2017. Database Design. Jakarta : PT Elex Media Komputindo

STIKI - Bisnis Berbasis Teknologi 2019 - Pertemuan 05

Download PDF - STIKI - Bisnis Berbasis Teknologi  2019 - Pertemuan 05

Mata Kuliah : Bisnis Berbasis Teknologi

Program Studi : Teknik Informatika

STIMIK STIKOM Indonesia

Tahun Ajaran 2018 – 2019

Pertemuan : 05

Kemampuan Akhir yang Diharapkan :

Mampu memahami dan mengimplementasikan design thinking untuk membangun sebuah startup

Indikator:

·         Dapat menjelaskan definisi design thinking

·         Dapat menjelaskan setiap tahapan dalam design thinking

·         Dapat mengikuti game design thinking

Materi Pembelajaran

·         Definisi design thinking

·         Tahapan design thinking

·         Game design thinking

Daftar Pustaka

·         Ries Eric. 2015. The Lean Startup, Yogyakarta : Bentang

·         Yogaswara Arisatya. 2016. 101 of Successful Startup. Yogyakarta : Cakrawala

·         Uzzaman Anis. 2016. Startup Pedia. Yogyakarta : Benteng

·         Sutherland Jeff. 2017. Scrum. Yogyakarta : Benteng

·         Ostewalder Alexander. Pigneur Yves. 2014. Business Model Generation, Jakarta : PT Alex Media Komputindo.

STIKI - Bisnis Berbasis Teknologi 2019 - Pertemuan 04

Download PDF - STIKI - Bisnis Berbasis Teknologi  2019 - Pertemuan 04

Mata Kuliah : Bisnis Berbasis Teknologi

Program Studi : Teknik Informatika

STIMIK STIKOM Indonesia

Tahun Ajaran 2018 – 2019

Pertemuan : 04

Kemampuan Akhir yang Diharapkan :

Mampu memahami dan mengimplementasikan design thinking untuk membangun sebuah startup

Indikator:

·         Dapat menjelaskan definisi design thinking

·         Dapat menjelaskan setiap tahapan dalam design thinking

·         Dapat mengikuti game design thinking

Materi Pembelajaran

·         Definisi design thinking

·         Tahapan design thinking

·         Game design thinking

Daftar Pustaka

·         Ries Eric. 2015. The Lean Startup, Yogyakarta : Bentang

·         Yogaswara Arisatya. 2016. 101 of Successful Startup. Yogyakarta : Cakrawala

·         Uzzaman Anis. 2016. Startup Pedia. Yogyakarta : Benteng

·         Sutherland Jeff. 2017. Scrum. Yogyakarta : Benteng

·         Ostewalder Alexander. Pigneur Yves. 2014. Business Model Generation, Jakarta : PT Alex Media Komputindo.

STIKI - Bisnis Berbasis Teknologi 2019 - Pertemuan 03

Download PDF - STIKI - Bisnis Berbasis Teknologi  2019 - Pertemuan 03

Mata Kuliah : Bisnis Berbasis Teknologi

Program Studi : Teknik Informatika

STIMIK STIKOM Indonesia

Tahun Ajaran 2018 – 2019

Pertemuan : 03

Kemampuan Akhir yang Diharapkan :

Mampu memahami validasi ide menggunakan validation board

Indikator:

·         Dapat menjelaskan metode-metode yang bias digunakan untuk melakukan validasi ide

·         Dapat memetakan kompenen-komponen dari experiment board

·         Dapat menuangkan ide ke dalam experiment board

·         Dapat mempresentasikan ide menggunakan experiment board

Materi Pembelajaran

·         Validasi ide menggunakan board

·         Metode-metode untuk melakukan validasi

·         Komponen-komponen experiment board

·         Implementasi ide ke dalam experiment board

·         Presentasi ide menggunakan experiment board

Daftar Pustaka

·         Ries Eric. 2015. The Lean Startup, Yogyakarta : Bentang

·         Yogaswara Arisatya. 2016. 101 of Successful Startup. Yogyakarta : Cakrawala

·         Uzzaman Anis. 2016. Startup Pedia. Yogyakarta : Benteng

·         Sutherland Jeff. 2017. Scrum. Yogyakarta : Benteng

·         Ostewalder Alexander. Pigneur Yves. 2014. Business Model Generation, Jakarta : PT Alex Media Komputindo.

STIKI - Bisnis Berbasis Teknologi 2019 - Pertemuan 02

Download PDF - STIKI - Bisnis Berbasis Teknologi  2019 - Pertemuan 02

Mata Kuliah : Bisnis Berbasis Teknologi

Program Studi : Teknik Informatika

STIMIK STIKOM Indonesia

Tahun Ajaran 2018 – 2019

Pertemuan : 02

Kemampuan Akhir yang Diharapkan :

Mampu melakukan analisis permasalahan banyak orang dan memberikan asumsi-asumsi solusi dari masalah yang ada

Indikator:

·         Dapat menjelaskan secara umum masalah yang dialami banyak orang

·         Dapat memetakan masalah menjadi lebih spesifik

·         Dapat menjelaskan alternatif-alternatif solusi untuk memecahkan masalah

·         Dapat memutuskan solusi terbaik untuk memecahkan masalah

Materi Pembelajaran

·         Problem maping dan Ide Generation

·         Analisis permasalahan di masyarakat

·         Pemetaan masalah di masyarakat

·         Alternatif solusi untuk memecahkan masalah

·         Solusi terbaik untuk memecahkan masalah

Daftar Pustaka

·         Ries Eric. 2015. The Lean Startup, Yogyakarta : Bentang

·         Yogaswara Arisatya. 2016. 101 of Successful Startup. Yogyakarta : Cakrawala

·         Uzzaman Anis. 2016. Startup Pedia. Yogyakarta : Benteng

·         Sutherland Jeff. 2017. Scrum. Yogyakarta : Benteng

·         Ostewalder Alexander. Pigneur Yves. 2014. Business Model Generation, Jakarta : PT Alex Media Komputindo.

STIKI - Bisnis Berbasis Teknologi 2019 - Pertemuan 01

Download PDF - STIKI - Bisnis Berbasis Teknologi  2019 - Pertemuan 01

Mata Kuliah : Bisnis Berbasis Teknologi

Program Studi : Teknik Informatika

STIMIK STIKOM Indonesia

Tahun Ajaran 2018 – 2019

Pertemuan : 01

Kemampuan Akhir yang Diharapkan :

Mampu memahami definisi bentuk-bentuk startup

Indikator:

·         Dapat menjelaskan mengenai definisi dan bentuk-bentuk startup

·         Dapat menjelaskan bidang fokus startup

·         Dapat memberikan contoh perusahaan startup

Materi Pembelajaran

·         Pengantar Perusahaan pemula berbasis teknologi

·         Pengenalan startup

·         Bentuk-bentuk startup

·         Bidang fokus startup

Daftar Pustaka

·         Ries Eric. 2015. The Lean Startup, Yogyakarta : Bentang

·         Yogaswara Arisatya. 2016. 101 of Successful Startup. Yogyakarta : Cakrawala

·         Uzzaman Anis. 2016. Startup Pedia. Yogyakarta : Benteng

·         Sutherland Jeff. 2017. Scrum. Yogyakarta : Benteng

·         Ostewalder Alexander. Pigneur Yves. 2014. Business Model Generation, Jakarta : PT Alex Media Komputindo.