SISTEM PENDUKUNG PENENTUAN KEPUTUSAN HAKIM …

Seminar Nasional Teknologi Informasi dan Multimedia 2016STMIK AMIKOM Yogyakarta, 6-7 Februari 2016

ISSN : 2302-3805

3.4-37

SISTEM PENDUKUNG PENENTUAN KEPUTUSAN HAKIMPADA PENGADILAN NEGERI DI INDONESIA DENGAN

MENGGUNAKAN FUZZY MULTIPLE ATTRIBUTEDECISION MAKING

Fachrina Ramlah Rumodar1), Marco Boudewin Hukunala2), Ramli Sukunora3)

1), 2), 3) Teknik Informatika STMIK AMIKOM YogyakartaJl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281

Email : [email protected] 1), [email protected]), ramli.su@students amikom.ac.id3).

Abstrak

Profesi hakim merupakan profesi hukum, karena padahakekatnya merupakan pelayanan kepada manusia danmasyarakat dibidang hukum. Oleh karenanya hakimdituntut memiliki moralitas dan tanggung jawab yangtinggi. Kekuasaan kehakiman adalah kekuasaan negarayang merdeka untuk menyelenggarakan peradilan gunamenegakkan hukum dan keadilan berdasarkan Pancasila.Sehingga dalam pengambilan keputusan yang tepat danjujur, membutuhkan sebuah penengah untuk pemberiinformasi yang lebih akurat dari sekian banyakkeputusan yang diambil oleh 3 hakim kuasa. salahsatunya adalah pengambilan penetuan keputusan hakimpada sebuah kasus di pengadilan negeri di Indonesia.Informasi yang diolah tidaklah sedikit, sehinggadibutuhkan sebuah sistem yang tepat pula. Banyakmetode yang dapat digunakan dalam pengambilankeputusan, salah satunya ialah metode Fuzzy MultipleAttribute Decision Making (FMADM) merupakan salahsatu metode solusi yang tepat untuk menenetukan sebuahkeputusan.Proses pengambilan informasi diawali dengan perkaraapa yang dilakukan tersangka, kemudian dilakukanpemeriksaan lanjut lalu mengambil informasi dari saksi,penggugat dan juga tersgugat yang kemudian akan mulaimasuk dalam persidangan dan keputusan hakim akan ditentukan dari setiap informasi yang di berikan baikpenuntut maupun pembela. Kemudain akan dikalkulasikan dengan persamaan yang telah di tetapkanoleh UUD dan juga Keputusan Hakim. Pada akhirnyadengan metode FMADM akan sangat membantu parahakim dalam menentukan keputusan secara tepat danjujur pada sebuah kasus di Pengadilan Negeri diIndonesia.

Kata kunci: Fuzzy, Penentuan Keputusan Hakim,multiple attribute, decision making.

1. Pendahuluan

Seiring berkembangnya jaman, pengolahan informasiyang tepat sangat diperlukan, sehingga dibutuhkan suatumetode komputasi tepat guna.Teknologi informasi saatini menjadi hal pokok dalam mengembangkan suatu

bidang. Dalam hal ini adalah metode Sistem PendukungKeputusan atau Decision SupportSystem (DSS). Suatu bentuk dari sistem informasimanajemen yang secara khusus dibuat untuk mendukungperencana dan stake holders dalam pengambilankeputusan. DSS dapat mencerminkan berbagai konsepdari pengambilan keputusan dan kondisi yang berbeda-beda, dan akan sangat berguna untuk semi-structured atauunstructured problems dimana proses pengambilankeputusan ditingkatkan dengan dialog interaktif antaraDSS dengan pengguna.Dalam dunia hukum terutama dalam peradilan yangterjadi di Pengadilan di Indonesia, Hukum adalah sistemyang paling penting dalam pelaksanaan serangkaiankekuatan institusional. Dalam mengambil suatukeputusan, diperlukan seorang hakim ketua dalampersidangan yang dimana bertugas sebagai kunci utamapengambilan keputusan dalam sebuah perkara. Yangdimana keputusan hakim haruslah selalu didasarkan atassurat pelimpahan perkara yang memuat seluruh dakwaanatas kesalahan terdakwa. Penelitian ini di lakukan disebuah instasi Pengadilan Negeri Kota Sorong, PapuaBarat, pada Hakim yang berada di instansi tersebut Untukmengambil sebuah keputusan akhir bersalah atautidaknya seorang tergugat. Dalam sebuah persidanganakhir akan di umumkan keputusan akhir atau utamaHakim ketua kepada peserta sidang. Namun dalammengambil sebuah keputusan akhir, seorang Hakimdalam menyelesaikan suatu perkara, khususnya perkarapidana, bahwa untuk menyelesaikan satu perkara tersebutmemerlukan waktu yang cukup panjang, bisa sampaiberminggu-minggu atau bahkan berbulan-bulan danmungkin bisa sampai satu tahun lamanya baru bisaterselesaikan satu perkara di pengadilan. Sehingga dalampengambilan keputusan, seorang hakim sangatmembutuhkan informasi sebanyak-banyaknya.

Dalam pengumpulan informasi untuk penentuankeputusan hakim dalam persidangan membutuhkanwaktu yang sangat lama, ketika informasi tersebut tidakmasuk dalam beberapa kriteria pengambilan keputusan.Sehingga tanpa adanya sistem informasi, seorang hakimakan sangat kesulitan dan dapat menunda keputusannyadalam jangka waktu yang lama, dan juga keputusan yangdiambil dapat saja tidak akurat dan tidak jujur. Padapenelitian ini studi kasus dilakukan pada seorang hakim


ISSN : 2302-3805

3.4-38

ketua dalam persidangan. Adapun kriteria yangditetapkan pada studi kasus ini adalah : perkara ataukasus yang terjadi, hasil pemeriksaan tergugat/terdakwa,hasil pemeriksaan penggugat, dan hasil pemeriksaansaksi.Hal diatas tersebut yang melatar belakangi penulistertarik melakukan sebuah penelitian untuk membangunsebuah sistem Penentuan Keputusan Hakim padaPengadilan Negeri di Indonesia dengan perbandinganalternatif dan kriteria yang telah ditentukan. Tidak lepasdari fungsi utama Sistem Penentuan Keputusan bahwasistem nantinya akan membantu para pembuat keputusandalam hal pertimbangan terhadap obyektifitas penentuankeputusan Hakim pada Pengadilan Negeri, sehinggaproses pengambilan keputusan dapat lebih tepat, jujurdan tidak memakan waktu yang lama. Apabila nantinyakeputusan yang diperoleh dipertanyakan oleh banyakpihak baik dari pihak intern seperti para jaksa, parapengacara atau pihak tergugat maupung penggugat,ataupun pihak ekstern seperti peserta sidang, media danmasyarakat umum lainnya. Hal tersebut bisadipertanggung jawabkan dikemudian hari, karena adapunkriteria dan ketentuan yang akan diuji pada SistemPenentuan Keputusan ini.

Pengambilam Keputusan merupakan suatu proses dimanabeberapa kemungkinan dapat dipertimbangkan dandiprioritaskan, yang hasilnya dipilih berdasarkan pilihanyang jelas dari salah satu alternatif kemungkinan yangada. Dapat dikatakan juga sebagai pendekatan yangsistematis dalam mengambil sebuah keputusan yangdalam perhitungannya memiliki perolehan nilai tertinggiatau terbanyak. ada dua jenis pengambilan keputusanyaitu : (1) non-Programmed Decision Making; (2)Programmed Decision Making [1].Banyak metode yang dapat dilakukan dalam PenentuanKeputusan Hakim pada Pengadilan di Indonesia ini,namun yang di lihat lebih akurat dalam penentuannyaialah Fuzzy Multiple Attribute Decision Making(FMADM).

2. Pembahasan

2.1 Fuzzy Multiple Attribute Decision Making

Fuzzy adalah suatu metode yang di gunakan untukmenjelaskan keambiguan dan merupakan suatu cara yangtepat untuk memetakan suatu ruang input ke dalam suaturuang output[2]. Sistem fuzzy mengandung teknik-teknikuntuk pertimbangan di bawah ketidakpastian, telahdigunakan secara meluas dalam industri modern dansistem kendali produk konsumen. Logika Fuzzy adalahpeningkatan dara logika boelan yang berhadapan dengankonsep kebenaran sebagian.

Fuzzy Multiple Attribute Decision Making (FMADM)merupakan metode yang di gunakan untuk mencarialternatif optimal dan sejumlah alternatif tertentu.FMADM berfungsi menentukan nilai bobot untuk semuaatribut yang di lanjutkan dengan proses perangkinganyang akan menyeleksi alternatif yang sudah di berikanserta merupakan metodeyang di gunakan untuk

menyelesaikan masalah ketidakpastian atauketidaktepatan yang bisa di sebabkan oleh : 1. Informasiyang tidak dapat di hitung; 2. Informasi yang tidaklengkap; 3. Informasi yang tidak jelas; 4. Pengabaianparsal[3]

Pada dasarnya, ada 3 cara untuk mencari nilai bobotatribut yaitu, pendekatan subyektif, obyektif danintegrasi. Pendekatan subyektif dan obyektif memilikikelebihan dan kelemahan masing masing, padapendekatan subyektif nilai bobot di tentukan oleh parapengambil keputusan secara subyektifitas, sehinggabeberapa faktor dalam proses perangkingan alternatif bisadi tentukan secara bebas. Sedangkan pada pendekatanobyektif, nilai bobot di hitung secara matematis sehinggamengabaikan subyektif dalam penentuan keputusan[2].

Ada beberapa metode yang di gunakan untukmenyelesaikan masalah FMADM[3]. Yaitu :

a. Simple Additive Weighting Method (SAW)

b. Weighted Product (WP)

c. ELECTRE

d. Technique for Order Preference by Similarity toIdeal Solution (TOPSIS)

e. Analytic Hierarchy Process (AHP)

Proses pengambilan keputusan sering di hadapkandengan masalah memilih alternatif yang berkaitan denganatribut yang tidak sesuai dan atribut yangbertentangan[4].

2.2 Sistem Kerja Program

Sepeti yang telah dipaparkan sebelumnya padapendahuluan bahwa sistem pendukung pengambilankeputusan hakim ini menggunakan FMADM sebagaiinference engine yang berfungsi untuk mengolah danmemberikan keputusan atau hasil akhir berdasarkan datayang di inputkan user dan data yang telah di tanamkankedalam basis data sebagai knowledge base dari programsehingga memperoleh hasil keputusan yang tepat danvalid. Inference Engine merupakan otak dari SistemPakar atau di kenal juga sebagai penerjemah aturan (ruleinterpreter). Komponen ini berupa program yangmenyediakan suatu metodologi untuk memikirkan danmemformulasi kesimpulan. Kerja Inferensi Enginemeliputi :

1.Menentukan aturan mana yang di pakai

2.Menyajikan pertanyaan kepada pemakai, ketikadiperlukan.

3.Menambahkan jawaban kedalam memori sistem pakar

4.Menyimpulkan fakta baru dari sebuah aturan

5.Menambahkan fakta kedalam memori.

Knowledge Base merupakan representasi pengetahuandari seorang pakar yang di perlukan untuk memahami,memformulasikan dan memcahkan masalah. Terdiri daridua elemen dasar, yaitu :


ISSN : 2302-3805

3.4-39

1.Fakta yang berupa informasi tentang situasipermasalahan, teori dari area permasalahan atauinformasi tentang objek.

2.Spesial heuristik yang merupakan informasi tentangcara bagaimana membangkitkan fakta baru dari faktayang sudah di ketahui.

Pada sistem pendukung pengambilan keputusan hakimini, penulis memberikan batasan masalah pengolahan danpengambilan keputusan hanya untuk perkarapembunuhan dan penyalahgunaan narkoba sebagailangkah awal dalam pengujian sistem yang jika kerjasistem memberikan hasil yang memuaskan bagimasyarakat seperti yang di harapkan maka penulis akanmengembangkan algoritma kerja sistem menjadi lebihkompleks sehingga mampu menangani segala bentuktindak kejahatan dan kriminalitas yang terjadi dimasyarakat.

2.2.1 Flowchart Program

Berikut adalah gambar alur kerja (Flowchart) programyang di implementasikan ke dalam komputer;

Gambar 1. Flowchart ProgramSeperti yang tertera pada gambar, tahap awal sistemadalah user menginputkan data berupa biodata pelakukriminal, kemudian memilih bentuk kejahatan yang dilakukan, selanjutnya mengisi/memilih kategori kejahatanyang di lakukan berdasarkan bentuk kejahatan, sistemakan memproses data yang di inputkan berdasarkanknowledge base menggunakan sistem fuzzy yang padatahap akhirnya sistem akan memberikan output berupabentuk hukuman yang akan di terima pelaku.

2.2.2 Data Base

Bahasa pemrograman yang di gunakan untuk membagunsistem adalah bahasa pemrograman Java, sedangkanuntuk membangun data base penulis menggunakanbahasa pemograman SQL (Structured Query Language).Data base berisi data-data yang berfungsi sebagaiknowledge base pada program yang digunakan dalampengolahan dan pengambilan keputusan.

Berikut tabel yang di gunakan sebagai Knowledge base;

Tabel 1.UU PembunuhanID_Pasal No.

PasalBunyi Pasal

P001 338 Barang siapa dengan sengajamerampas nyawa orang lain

P002 340 Pembunuhan yang bersifat direncanakan secara sengaja.

P003 341 Seorang ibu yang ketahuanmelahirkan kemudian, dengansengaja merampas nyawaanaknya,

P004 344 Barang siapa merampasnyawa orang lain ataspermintaan orang itu sendiri.

P005 345 Barang siapa sengajamendorong orang lain untukbunuh diri, menolongnya ataumemberi sarana kepadanyauntuk itu

Tabel 2.Sanksi PembunuhanID_Pasal No.

PasalSanksi

SP001 338 pidana penjara paling lama 15tahun.

SP002 340 pidana mati/ penjara seumurhidup/ paling lama 20 tahun.

SP003 341 pidana penjara paling lama 7tahun.

SP004 344 pidana penjara paling lama 12tahun

SP005 345 pidana penjara paling lama 4tahun

Tabel 3.UU Penyalahgunaan NarkobaID_Pasal No.

PasalBunyi Pasal

N001 78 memiliki, menyimpan untukdimiliki atau untukpersediaan, atau menguasainarkotika Golongan I bukantanaman.

N002 79 memiliki, menyimpan untukdimiliki atau untukpersediaan, atau menguasainarkotika Golongan II,

N003 80 memproduksi, mengolah,mengekstraksi, mengkonversi,merakit, atau menyediakannarkotika Golongan I,

N004 81 membawa, mengirim,mengangkut, atau mentransitonarkotika Golongan I,

N005 112 memiliki,menyimpan,menguasai atau menyediakannarkotika golongan I bukantanaman lebih dari 5 gram


ISSN : 2302-3805

3.4-40

Tabel 4.Sanksi Penyalahgunaan NarkobaID_Pasal No.

PasalSanksi

SN001 78 pidana penjara paling lama 10tahun dan denda palingbanyak Rp500.000.000,.

SN002 79 pidana penjara paling lama 7tahun dan denda palingbanyak Rp 250.000.000,00

SN003 80 pidana mati atau penjaraseumur hidup, atau palinglama 20 tahun dan dendapaling banyak Rp1.000.000.000,00;

SN004 81 pidana penjara paling lama 15tahun dan denda palingbanyak Rp 750.000.000,00

SN005 112 penjara paling singkat 5 tahun,dan paling lama 20 tahun danpidana denda paling banyakRp 8.000.000.000,00.

Data pasal dan sanksi yang di tampilkan di atas hanyasebagian dari jumlah total data pasal dan sanksi yang diinputkan kedalam Knowledge base karena di batasi olehjumlah halaman sehingga tidak memungkinkan untuk ditampilkan semuanya. Data pada tabel diatas merupakansampel yang menggambarkan secara singkat mengenaiKnowledge Base yang di miliki program dalam mengolahdata untuk memperoleh output yang sesuai.

2.2.3 Algoritma Fuzzy Multiple Attribute DecisionMaking

Adapun algoritma yang di gunakan dalam sistempendukung pengambilan keputusan hakim ini adalah :1. Memberikan nilai setiap alternatif (AI) pada setiapkriteria (CJ) yang sudah di tetapkan, dimana nilai tersebutdiperoleh berdasarkan nilai crisp; i=1,2...m dan j=1,2...n.2. Memberikan nilai bobot (W) yang juga di dapatkanberdasarkan nilai crisp.3. Melakukan normalisasi matriks dengan caramenghitung nilai rating kinerja ternormalisasi (rij) darialternatif (Ai) pada atribut (Cj) berdasarkan persamaanyang disesuaikan dengan jenis atribut (atribut keuntungan// benefit = MAKSIMUM atau atribut biaya / cost =MINIMUM). Apabila berupa atribut keuntungan makanilai crisp (xij) dari setiap kolom atribut dibagi dengannilai crisp MAX (MAX xij) dari tiap kolom, sedangkanuntuk atribut biaya, nilai crisp MIN (MIN xij) dari tiapkolom atribut dibagi dengan nilai crisp (xij) setiap kolom.4. Melakukan proses perankingan dengan caramengalikan matriks ternormalisasi (R) dengan nilai bobot(W).5. Melakukan nilai preferensi untuk setiap alternatif (Vi)dengan cara menjumlahkan hasil kali antara matriksternormalisasi (R) dengan nilai bobot (W). Nilai Vi yang

lebih besar mengindikasikan bahwa alternatif lebihterpilih [5].

Berdasarkan algoritma di atas maka diperolehperhitungan sebagai berikut:1.Ai = Cj2.Normalisasi Matriks

......(1)

3.Rating kerja ternormalisasi (rij)

rij= .......(2)

Berdasarkan alur kerja program, atribut yang di gunakanadalah atribut keuntungan / beneffit = maksimum, yangjika diterjemahkan berdasarkan output maka maksimalyang diperoleh adalah maksimal penjara dan maksimaldenda yang diberikan kepada tersangka.4.Perangkingan dan penentuan nilai preferensi

.......(3)

Vi adalah hasil akhir dari perhitungan yang kemudian ditampilkan sebagai output pada program. Vi di hasilkansesuai dengan atribut dan kriteria yang di pilih oleh user.Berikut ini ada contoh perhitungan manual berdasarkanrumus di atas pada sebuah contoh kasus penyalahgunaannarkoba yang di lakukan oleh seorang pelaku bernamaRamdhany Adriansyah yang mengedar narkoba golongan1 dengan jenis morfin = 9 gram, ganja = 12 gram danecstasy = 8 gram. Nilai bobot yang ditetapkanberdasarkan kriteria(C1)= 15%, Golongan(C2)= 15%,Opium(C3)= 10%, Morfin(C4)= 10%, Heroin(C5)= 10%,Ganja(C6)= 10%, Kokain(C7)= 10%, Ecstasy(C8)= 10%dan Sedatif(C9)= 10%.

Tabel 5.Kriteria Penyalahgunaan Narkoba(C1)Kriteria Bobot Nilai Bobot preferensiPemakai 2

15%Pengedar 3Tabel 6.Golongan Penyalahgunaan Narkoba(C2)

Golongan Bobot Nilai Bobot preferensiG-1 2

15%G-3 3G-4 4

Tabel 7.Kriteria Jenis Morfin(C4)Morfin Bobot Nilai Bobot preferensi<5 gram 2

10%5-10 gram 3>10 gram 4

Tabel 8.Kriteria Jenis Ganja(C6)Ganja Bobot Nilai Bobot preferensi


ISSN : 2302-3805

3.4-41

<5 gram 210%5-10 gram 3

>10 gram 4Tabel 9.Kriteria Jenis Ecstasy(C8)

Golongan Bobot Nilai Bobot preferensi<5 gram 2

10%5-10 gram 3>10 gram 4

Tabel 10.Alternatif berdasarkan pasalPasal C1 C2 C4 C6 C8

A1(112) 3 2 3 4 3A2(115) 3 1 1 1 3A3(117) 1 2 1 4 3

Berdasarkan tabel diatas diperoleh Matriks:

Angka 1 yang diberi warna merah merupakan Matriksbayangan atau matriks dasar agar tidak diperoleh nilai takhingga. Kemudian menghitung nilai rij

Sehingga diperoleh hasil matriks ternormalisasi (R)

Langkah selanjutnya, melakukan prosesperankingan dengan cara mengalikan matriksternormalisasi (R) dengan nilai bobot preferensi (W)

V1 = (0.15)(1) + (0.15)(2) + (0.1)(3) +(0.1)(4) +(0,1)(1) = 1,25V2 = (0.15)(1) + (0.15)(2) + (0.1)(1) +(0.1)(1) +(0,1)(1) = 0,6V3= (0.15)(3) + (0.15)(2) + (0.1)(1) +(0.1)(4) +(0,1)(1) = 0,945Hasil dari perangkingan diperoleh nilai terbesar pada V1sehingga alternatif A1 adalah alternatif yang terpilihsebagai output pada program.

2.2.4 Pengujian Program

Gambar 1.Menu Dakwaan input data

Pada gambar di atas merupakan interface dari programyang telah di buat. Pada menu awal ini yaitu menudakwaan, user di minta untuk menginputkan data diri daripelaku kriminal dan memilih bentuk kejahatan apa yangtelah di lakukan oleh pelaku, kemudian klik next untukmenuju ke menu pengisian atau pemilihan kategorikejahatan dan berasarkan bentuk kejahatan yang dilakukan. Dalam pengujian kali ini penulis mengujiprogram dalam menyelesaikan perkara penyalahgunaannarkoba.

Gambar 1.Menu dakwaan

Menu selanjutnya berupa form isian atau dialog antarauser dengan program, terkait kategori dari bentukkejahatan yang dilakukan serta macam-macam perkarapelanggaran hukum terkait penyalahgunaan narkoba yang


ISSN : 2302-3805

3.4-42

dilakukan pelaku kriminal. Pada menu ini user diperbolehkan untuk mengisi semua atau hanya sebagiandari data yang di minta sesuai dengan kadar kejahatanyang di lakukan, algoritma fuzzy akan menggunakan datakejahatan yang di inputkan kemudian mengolah datatersebut berdasarkan Knowledge base yang di milikiprogram sehingga dapat menghasilkan otput yang validdan tepat sesuai dengan data inputan.

Gambar 1.Menu dakwaan, hasil pengolahan

Pada gambar di atas merupakan output yang di hasilkandari pengolahan data oleh algoritma fuzzy. Data yang ditampilkan adalah nama pelaku pelanggaran hukum dansanksi pasti akan yang di terima berdasarkan kadartindakan kejahatan yang di inputkan. Pada tampilan akhirdi lengkapi juga dengan tombol “Deskripsi”.

Gambar 1.Menu Uundang-undang terkait

Ketika tombol Deskripsi di klik, maka sistem akanmenampilkan pasal-pasal yang terkait dengan bentukkejahatan yang di lakukan yang menjerat ataumemberatkan pelaku, sistem juga akan menampilkansanksi yang di berikan dari setiap pasal yang di langgar.

3. Kesimpulan

3.1 KesimpulanTelah dibangun sebuah sistem penentuan keputusanuntuk membantu para pembuat keputusan dalam hal iniHakim Ketua dalam menentukan pengambilan keputusanakhir sesuai dengan syarat ketentuan/kriteria yang telah

ditentukan, dimana kriteria tersebut diterjemahkan daribilangan fuzzy kedalam bentuk sebuah bilangan crisp.Setiap keputusan yang di berikan oleh sistem merupakanhasil olahan dari data yang inputkan yang kemudian disesuaikan dengan data yang terdapat dalam knowledgebase.

3.2 SaranPada aplikasi sistem penentuan keputusan ini belumterdapat kriteria yang spesifik dalam menangani beberapakasus/perkara yang terjadi di pengadilan negeri diIndonesia pada kebanyakan, sehingga para peneliti dapatmengembangkan sistem ini agara menjadi sebuah sistemdengan kriteria yang lebih spesifik. Namun perlu diketahui bahwa sistem ini di buat bukan untukmenggantikan hakim tetapi hanya membantu dalampengambilan keputusan sehingga lebih cepat dan tepat,akan tetapi segalah keputusan pada akhirnya harus dikembalikan pada sang hakim, karena pengambilankeputusan mengenai nasib hidup seseorang tidak bisa ditentukan dengan algortitma yang hanya bekerjaberdasarkan data yang tersimpat dalam memori dan datayang di inputkan, namun yang paling di butuhkan adalahhati nurani seorang manusia yang hingga saat ini belumbisa di implementasikan dalam sebuah algoritma yangbisa di mengerti oleh mesin.

Daftar Pustaka[1] M.J. George, G.R. Jones, “Understanding and Managing

Organizational Behavior”, 2008.[2] Kusumadewi S dan Purnomo H. Aplikasi Logika Fuzzy Untuk

Pendukung Keputusan. Yogyakarta : Graha Ilmu, 2004.[3] Kusumadewi, Sri. Artificial Intelligence (Teknik dan

Aplikasinya) Graha Ilmu, Yogyakarta, 2002.[4] Zhiping Fan, Jian Ma, “An Approach Decision Making Based On

Incomplete Information On Alternative” IEEE Trans. SystemSciences, vol., no. 6, pp. 6014, January 1999.

[5] Algoritma Fuzzy Multiple Attribute Decision Makinghttp://dhee-arh.blogspot.co.id/2013/01/laporan-spk-menggunakan-metode-fmadm.html. Diakses pada tanggal 28 November 2015.

Biodata PenulisFachrina Ramlah Rumodar, Mahasiswa semester 5(Lima), Program Studi S1 Pendidikan Teknik Informatikadi STMIK AMIKOM Yogyakarta, angkatan tahun 2013.Marco Boudewin Hukunala, Mahasiswa semester 5(Lima), Program Studi S1 Pendidikan Teknik Informatikadi STMIK AMIKOM Yogyakarta, angkatan tahun 2013.Ramli Sukunora, Mahasiswa semester 5 (Lima),Program Studi S1 Pendidikan Teknik Informatika diSTMIK AMIKOM Yogyakarta, angkatan tahun 2013.

Documents

SISTEM PENDUKUNG PENENTUAN KEPUTUSAN HAKIM …