Maandag 08 Junie 2015

Metode TOPSIS dalam Sistem Pendukung Keputusan (SPK)

Metode TOPSIS

Metode TOPSIS adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan oleh Yoon dan Hwang pada tahun 1981. Metode ini merupakan salah satu metode yang banyak digunakan untuk menyelesaikan pengambilan keputusan secara praktis. TOPSIS memiliki konsep dimana alternatif yang terpilih merupakan alternatif terbaik yang memiliki jarak terpendek dari solusi ideal positif dan jarak terjauh dari solusi ideal negatif [4]. Semakin banyaknya faktor yang harus dipertimbangkan dalam proses pengambilan keputusan, maka semakin relatif sulit juga untuk mengambil
keputusan terhadap suatu permasalahan. Apalagi jika upaya pengambilan keputusan dari suatu permasalahan tertentu, selain mempertimbangkan berbagai faktor/kriteria yang beragam, juga melibatkan beberapa orang pengambil keputusan. Permasalahan yang demikian dikenal dengan permasalahan multiple criteria decision making (MCDM). Dengan kata lain, MCDM juga dapat disebut sebagai suatu pengambilan keputusan untuk memilih alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Metode TOPSISdigunakan sebagai suatu upaya untuk menyelesaikan permasalahan multiple criteria decision making. Hal ini disebabkan konsepnya sederhana dan mudah dipahami, komputasinya efisien dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan.

Langkah-langkah Metode TOPSIS

Langkah-langkah yang dilakukan dalam menyelesaikan suatu permasalahan menggunakan metode TOPSIS adalah sebagai berikut [4]:

Menggambarkan alternatif (m) dan kriteria (n) ke dalam sebuah matriks, dimana Xij adalah pengukuran pilihan dari alternatif ke-i dan kriteria ke-j.Matriks ini dapat dilihat pada persamaan satu.
Membuat matriks R yaitu matriks keputusan ternormalisasi Setiap normalisasi dari nilai rij dapat dilakukan dengan perhitungan menggunakan persamaan dua.
Membuat pembobotan pada matriks yang telah dinormalisasi Setelah dinormalisasi, setiap kolom pada matriks R dikalikan dengan bobotbobot (wj) untuk menghasilkan matriks pada persamaan tiga.
Menentukan nilai solusi ideal positif dan solusi ideal negatif. Solusi ideal dinotasikan A+, sedangkan solusi ideal negatif dinotasikan A-. Persamaan untuk menentukan solusi ideal dapat dilihat pada persamaan empat.
Menghitung separation measure. Separation measure ini merupakan
pengukuran jarak dari suatu alternatif ke solusi ideal positif dan solusi ideal
negatif.
– Perhitungan solusi ideal positif dapat dilihat pada persamaan lima :

– Perhitungan solusi ideal negatif dapat dilihat pada persamaan enam :
Menghitung nilai preferensi untuk setiap alternatif. Untuk menentukan ranking tiap-tiap alternatif yang ada maka perlu dihitung terlebih dahulu nilai preferensi dari tiap alternatif. Perhitungan nilai preferensi dapat dilihat melalui persamaan tujuh.
Setelah didapat nilai Ci+, maka alternatif dapat diranking berdasarkan urutan Ci+. Dari hasil perankingan ini dapat dilihat alternatif terbaik yaitu alternatif yang memiliki jarak terpendek dari solusi ideal dan berjarak terjauh dari solusi ideal negatif.

Penerapan Metode Sistem Pendukung Keputusan SAW

Posted on June 25, 2013 by Muhamad Burhanudin

Metode sistem pendukung keputusan SAW (Simple additive Weighting) merupakan salah satu metode Sistem Pendukung Keputusan yang menggunakan konsep penjumlahan terbobot. Pada tulisan kali ini saya akan memberikan contoh bagaimana cara Penerapan Metode Sistem Pendukung Keputusan SAW dengan PHP. Sebelumnya saya akan menjelaskan proses dari metode Simple additive weighting :

Siapkan terlebih dahulu data yang disimpan dalam Matrik Data.
Lakukan Normalisasi Matrik Data dengan formula :

Normalisasi Matrik SAW
Lakukan perangkingan dengan Formula

1

Vi = (rij * wi) + (rij * wi) + .. (rxx * wx)

Sebagai bahan Penerapan Metode SAW, berikut contoh kasus yang akan kita coba lakukan perhitungan dengan PHP.

Suatu Institusi Perguruan tinggi akan memilih seorang karyawan untuk dipromosikan sebagai kepala unit Sistem Informasi.
Ada empat kriteria yang digunakan untuk melakukan penilaian yaitu :

C1 = Tes Pengetahuan (Wawasan) Sistem Informasi.

C2 = Praktik Insatalasi Jaringan

C3 = Tes Kepripadian

C4 = Tes Pengetahuan Agama.

Pengambil keputusan memberikan bobot untuk setiap kriteria sebagai berikut: C1 = 35%; C2 = 25%; C3 = 25%; dan C4 = 15%.

Ada enam orang karyawan yang menjadi kandidat (alternatif) untuk dipromosikan sebagai kepala unit, yaitu:

A1 = Indra

A2 = Roni,

A3 = Putri,

A4 = Dani,

A5 = Ratna, dan

A6 = Mira.

Data diatas sekarang kita rubah ke dalam database, buat database kira2 seperti ini :
tbcalon :

Tabel Calon Sistem Pendukung Keputusan

Selanjutnya kita buat tabel untuk menyimpan matrik, misal tbmatrik :

Tabel Matrik Sistem Pendukung Keputusan

Setelah keduanya dibuat, silahkan isi data sehingga terbentuk data seperti ini :
tbcalon :

Data Calon SPK

dan data Matrik :

Data Matrik Calon SPK

Langkah-langkah perhitungan sistem pendukung keputusan dengan php :
Lakukan Langkah ke 2, yakni normalisasi :

//Lakukan Normalisasi dengan rumus pada langkah 2

    //Cari Max atau min dari tiap kolom Matrik

    $crMax = mysql_query("SELECT max(Kriteria1) as maxK1, 

                        max(Kriteria2) as maxK2,

                        max(Kriteria3) as maxK3,

                        max(Kriteria4) as maxK4 

            FROM tbmatrik");

    $max = mysql_fetch_array($crMax);

    //Hitung Normalisasi tiap Elemen

    $sql2 = mysql_query("SELECT * FROM tbmatrik");

    //Buat tabel untuk menampilkan hasil

    echo "<H3>Matrik Normalisasi</H3>

    <table width=500 style='border:1px; #ddd; solid; border-collapse:collapse' border=1>

        <tr>

            <td>No</td><td>Nama</td><td>C1</td><td>C2</td><td>C3</td><td>C4</td>

        </tr>

        ";

    $no = 1;

    while ($dt2 = mysql_fetch_array($sql2)) {

        echo "<tr>

            <td>$no</td><td>".getNama($dt2['idCalon'])."</td><td>".round($dt2['Kriteria1']/$max['maxK1'],2)."</td><td>".round($dt2['Kriteria2']/$max['maxK2'],2)."</td><td>".round($dt2['Kriteria3']/$max['maxK3'],2)."</td><td>".round($dt2['Kriteria4']/$max['maxK4'],2)."</td>

        </tr>";

    $no++;

    }

    echo "</table>";

Selanjutnya lakukan Perangkingan :

//Proses perangkingan dengan rumus langkah 3

    $sql3 = mysql_query("SELECT * FROM tbmatrik");

    //Buat tabel untuk menampilkan hasil

    echo "<H3>Perangkingan</H3>

    <table width=500 style='border:1px; #ddd; solid; border-collapse:collapse' border=1>

        <tr>

            <td>No</td><td>Nama</td><td>Rangking</td>

        </tr>

        ";

    $no = 1;

    //Kita gunakan rumus (Normalisasi x bobot)

    while ($dt3 = mysql_fetch_array($sql3)) {

        echo "<tr>

            <td>$no</td><td>".getNama($dt3['idCalon'])."</td>

            <td>"

            .round((($dt3['Kriteria1']/$max['maxK1'])*$bobot[0])+

            (($dt3['Kriteria2']/$max['maxK2'])*$bobot[1])+

            (($dt3['Kriteria3']/$max['maxK3'])*$bobot[2])+

            (($dt3['Kriteria4']/$max['maxK4'])*$bobot[3]),2)."</td>

        </tr>";

    $no++;

    }

    echo "</table>";

Selesai, berikut adalah perhitungan sistem pendukung keputusan dengan PHP :

Hasil Sistem Pendukung Keputusan

Fungsi Sistem Pendukung Keputusan (SPK)

Secara global dapat dikatakan bahwa fungsi dari Sistem Pendukung Keputusan (SPK) adalah untuk meningkatkan kemampuan para pengambil keputusan dengan memberikan alternatif-alternatif keputusan yang lebih banyak atau lebih baik, sehingga dapat membantu untuk merumuskan masalah dan keadaan yang dihadapi. Dengan demikian Sistem Pendukung Keputusan (SPK) dapat menghemat waktu, tenaga dan biaya. Jadi dapatlah dikatakan secara singkat bahwa tujuan Sistem Penunjang Keputusan adalah untuk meningkatkan efektivitas (do the right things) dan efesiensi (do the things right) dalam pengambilan keputusan. Walaupun demikian penekanan dari suatu Sistem Penunjang Keputusan (SPK) adalah pada peningkatan efektivitas dari pengambilan keputusan dari pada efisiensinya.

Karakteristik Sistem Pendukung Keputusan (SPK)

Sistem Pendukung Keputusan (SPK) memiliki 6 karakteristik antara lain sebagai berikut :

Mendukung proses pengambilan keputusan yang menitik beratkan pada manajemen dengan persepsi.
Adanya interface manusia atau mesin dimana manusia sebagai user tetap memegang kontrol proses pengambilan keputusan.
Mendukung pengambilan keputusan untuk membahas masalah terstruktur, semi terstruktur dan tidak terstruktur.
Memiliki kapasistas dialog untuk memperoleh informasi sesuai dengan kebutuhan.
Memiliki subsistem-subsistem yang terintegrasi sedemikian rupa sehingga dapat berfungsi sebagai kesatuan sistem.
Membutuhkan struktur data komprehensif yang dapat melayani kebutuhan informasi seluruh tahap manajemen.

Manfaat Sistem Pendukung Keputusan

SPK dapat memberikan berbagai manfaat dan keuntungan. Manfaat yang dapat diambil dari SPK adalah :

SPK memperluas kemampuan pengambil keputusan dalam memproses data / informasi bagi pemakainya.
SPK membantu pengambil keputusan untuk memecahkan masalah terutama barbagai masalah yang sangat kompleks dan tidak terstruktur.
SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.
Walaupun suatu SPK mungkin saja tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan, namun dia dapat menjadi stimulan bagi pengambil keputusan dalam memahami persoalannya,karena mampu menyajikan berbagai alternatif pemecahan.

Komponen Sistem Pendukung Keputusan

Secara umum Sistem Pendukung Keputusan dibangun oleh tiga komponen besar yaitu database Management, Model Base dan Software System/User Interface. Komponen SPK tersebut dapat digambarkan seperti gambar di bawah ini.

Komponen Sistem Pendukung Keputusan (SPK)

a. Database Management

Merupakan subsistem data yang terorganisasi dalam suatu basis data. Data yang merupakan suatu sistem pendukung keputusan dapat berasal dari luar maupun dalam lingkungan. Untuk keperluan SPK, diperlukan data yang relevan dengan permasalahan yang hendak dipecahkan melalui simulasi.

b. Model Base

Merupakan suatu model yang merepresentasikan permasalahan kedalam format kuantitatif (model matematika sebagai contohnya) sebagai dasar simulasi atau pengambilan keputusan, termasuk didalamnya tujuan dari permaslahan (objektif), komponen-komponen terkait, batasan-batasan yang ada (constraints), dan hal-hal terkait lainnya. Model Base memungkinkan pengambil keputusan menganalisa secara utuh dengan mengembangkan dan membandingkan solusi alternatif.

c. User Interfase / Pengelolaan Dialog

Terkadang disebut sebagai subsistem dialog, merupakan penggabungan antara dua komponen sebelumnya yaitu Database Management dan Model Base yang disatukan dalam komponen ketiga (user interface), setelah sebelumnya dipresentasikan dalam bentuk model yang dimengerti computer. User Interface menampilkan keluaran sistem bagi pemakai dan menerima masukan dari pemakai kedalam Sistem Pendukung Keputusan.

Pengertian Sistem Pendukung Keputusan

Ilustrasi Pendukung Keputusan

Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak terstruktur. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat (Turban, 2001).

SPK bertujuan untuk menyediakan informasi, membimbing, memberikan prediksi serta mengarahkan kepada pengguna informasi agar dapat melakukan pengambilan keputusan dengan lebih baik.

SPK merupakan implementasi teori-teori pengambilan keputusan yang telah diperkenalkan oleh ilmu-ilmu seperti operation research dan menegement science, hanya bedanya adalah bahwa jika dahulu untuk mencari penyelesaian masalah yang dihadapi harus dilakukan perhitungan iterasi secara manual (biasanya untuk mencari nilai minimum, maksimum, atau optimum), saat ini computer PC telah menawarkan kemampuannya untuk menyelesaikan persoalan yang sama dalam waktu relatif singkat.

Sprague dan Watson mendefinisikan Sistem Pendukung Keputusan (SPK) sebagai sistem yang memiliki lima karakteristik utama yaitu (Sprague et.al, 1993):

Sistem yang berbasis komputer.
Dipergunakan untuk membantu para pengambil keputusan
Untuk memecahkan masalah-masalah rumit yang mustahil dilakukan dengan kalkulasi manual
Melalui cara simulasi yang interaktif
Dimana data dan model analisis sebaai komponen utama.

Kuliah Sistem Pendukung Keputusan

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN BANK SEBAGAI TEMPAI MENABUNG DI KOTA MALANG DENGAN MENGGUNAKAN METODE SIMPLE MULTI ATTRIBUTE RATING TECHNIQUE (SMART)

Abstract — Perkembangan perekonomian Indonesia memberikan dampak yang sangat positif bagi dunia perbankan dalam negeri. Hal tersebut juga terjadi pada dunia perbankan di kota malang. Sebagai konsumen sudah seharusnya menentukan skala prioritas dalam menentukan bank sebagai tempat untuk menabung.

Dari banyak pilihan, diperlukan kesepakatan bahwa pilihan yang satu akan menjadi lebih baik dalam jangka tertentu. Penentuan bank sebagai tempat menabung di kota malang dipengaruhi oleh banyak faktor, diantaranya adalah lokasi, ketersediaan Automatic teller machine (ATM), jam kerja, layanan pelanggan dan perbankan online.

Dengan menggunakan metode pembobotan atau simple multi Attribute rating technique (SMART), sebagai salah satu system pendukung keputusan, kriteria–kriteria yang menjadi pengaruh faktor penentu tersebut dianalisa sehingga ditemukan hasil yang sesuai dengan prioritas kebutuhan konsumen.

Index Terms — Bank, tempat menabung, system pendukung keputusan, faktor prioritas, metode pembobotan.

I. Pendahuluan

Sebagai Negara yang sedang berkembang, Indonesia banyak mengalami pasang surut dunia kerja. Salah satu kegiatan yang saat ini sedang mengalami peningkatan adalah dunia perbankan. Lebih kompetitifnya dunia perbankan di Indonesia karena deregulasi peraturan membuat bank memiliki fleksibilitas pada layanan yang mereka tawarkan, lokasi tempat mereka beroperasi, dan tarif yang mereka bayar untuk simpanan deposan.

Dari pandangan konsumen atau nasabah, hal tersebut tentu sangat berpengaruh terhadap pengambilan keputusan dalam pemilihan bank sebagai tempat untuk menabung yang sesuai dengan keinginan dan kebutuhan. Hal ini juga terjadi di kota malang. Sebagai salah satu kota besar di jawa timur, kota malang telah menjadi sentra bisnis para perbankan lokal maupun internasional. Masyarakat malang sendiri harus benar-benar selektif dalam penentukan bank karena semakin banyaknya pilihan. Banyak faktor yang mempengaruhi pemilihan bank sebagai tempat untuk menabung, diantaranya adalah lokasi, ketersediaan Automatic teller machine (ATM), jam kerja, layanan pelanggan dan perbankan online. Dari kesekian faktor tersebut diperlukan system pendukung keputusan yang tepat untuk pemilihan bank karena setiap konsumen tentunya memiliki skala prioritas masing-masing.

II. lANDASAN TEORI

A. Pengertian Sistem Pendukung Keputusan

Sistem pendukung keputusan merupakan suatu penerapan sistem informasi yang ditujukan untuk membantu pimpinan dalam proses pengambilan keputusan. Sistem pendukung keputusan menggabungkan kemampuan komputer dalam pelayanan interaktif dengan pengolahan atau pemanipulasi data yang memanfaatkan model atau aturan penyelesaian yang tidak terstruktur (Turban, 2005:19).

Dapat disimpulkan bahwa, Sistem Pendukung Keputusan adalah sebuah sistem yang mendukung kerja seorang manager maupun sekelompok manager dalam memecahkan masalah semi-terstruktur dengan cara memberikan informasi ataupun usulan menuju pada keputusan tertentu.

B. Simple Multy Attribute Rating (SMART) Technique

Pada hakekatnya Simple Multy Attribute Rating (SMART) merupakan suatu model pengambil keputusan yang komprehensif dengan memperhitungkan hal-hal yang bersifat kualitatif dan kuantitatif. Dalam model pengambilan keputusan dengan SMART pada dasarnya berusaha menutupi setiap kekurangan dari model-model tanpa komputerisasi sebelumnya. SMART juga memungkinkan ke struktur suatu sistem dan lingkungan kedalam komponen saling berinteraksi dan kemudian menyatukan mereka dengan mengukur dan mengatur dampak dari komponen kesalahan sistem.

Peralatan utama dari model ini adalah sebuah hirarki fungsional dengan input utamanya adalah persepsi manusia. Jadi pada dasarnya tidak ada perbedaan yang mencolok pada model SMART dengan model lainnya sama sama terletak pada jenis inputnya, hanya saja terdapat persentase dari setiap pembobotan langsung yang ditentukan oleh hasil analisa permasalahan.

C. Metode Pembobotan Simple Multy Attribute Rating (SMART)

Merupakan metode pendukung keputusan yang paling sederhana. Dalam metode ini dilihat beberapa parameter yang menjadi penentu keputusan tersebut. Parameter tersebut mempunyai range nilai dan bobot yang berbeda-beda. Nilai tersebut nantinya akan menjadi penentu keputusan yang diambil.

III. PEMBAHASAN

3.1. Model dan Bobot Penilaian Sistem

Pendukung Keputusan

Model sistem pendukung keputusan pemilihan bank sebagai tempat menabung

dibuat dalam 4 jenis model yaitu model

lokasi, model ketersediaan Automatic teller machine (ATM), model jam kerja, model layanan pelanggan dan model perbankan online. Dimana masing-masing

model tersebut memiliki beberapa elemen yang akan menentukan hasil akhir sistem pendukung keputusan yang akan digunakan oleh para nasabah dalam menentukan suatu keputusan. Setiap elemen bobot penilaian yang berbeda-beda tergantung dari hasil jenis model.

Batasan penilaian dimulai dari 10 sebagai range terendah sampai dengan 100 sebagai range tertinggi, sehingga pada akhirnya kelayakan pemilihan bank diukur dengan nilai sebagai 80-100 untuk kategori

diterima oleh pengguna untuk menabung, 60-79 untuk kategori dipertimbangkan apakah ya atau tidak, 0-59 untuk kategori ditolak artinya tidak layak untuk tempat menabung bagi nasabah yang bersangkutan.

Penentuan bobot penilaian telah dilakukan berdasarkan kriteria yang telah ditetapkan dengan bersumber pada hasil penelitian, namun hal ini untuk seterusnya bias diadakan perubahan-perubahan searah dengan tuntutan kebutuhan. Bahwa sistem pada proses penilaiannya mengacu kepada pemenuhan kriteria-kriteria yang telah ditetapkan serta mengacu pada beberapa kasus yang telah terjadi, sehingga benar-benar mempunyai tolak ukur yang baik.

3.2. Perancangan Basis Model

Dalam mendukung proses pengambilan keputusan, digunakan model pembobotan yang dibangun untuk menentukan prioritas pemilihan bank dalam menghasilkan keluaran sistem secara keseluruhan dengan melakukan langkah-langkah sebagai berikut:

a. Input nilai kriteria masing-masing model.

b.Input bobot masing-masing kriteria.

c.Hitung normalisasi dari bobot.

Rancangan model untuk mengevaluasi pemilihan bank adalah sebagai berikut:

1. Kriteria lokasi

Model lokasi dimaksudkan untuk menentukan kenyamanan serta kemudahan penjangkauan bank yang akan digunakan sebagai tempat menabung oleh nasabah serta berapa besar nilai dari masing-masing point tersebut. Dengan pemberian nilai mulai dari terkecil 10 sampai terbesar 100.

Tabel 1. Kriteria lokasi

No	Kriteria Lokasi	Nilai	Bobot
1.	Dekat tempat tinggal	100	80 %
2.	Dekat tempat bekerja / study	80
3.	Dekat Sarana Umun	60
4.	Di Pusat Kota	40
5.	Dekat pusat perbelanjaan	20
6.	Dekat tempat hiburan	10

Nilai lokasi adalah:

2. Kriteria ketersediaan ATM

Model ketersediaan ATM dimaksudkan untuk memberikan kemudahan kepada nasabah dalam melakukan transaksi tanpa harus datang ke kantor pusat bank tersebut serta berapa besar nilai dari masing-masing point tersebut. Dengan pemberian nilai mulai dari terkecil 10 sampai terbesar 100.

Tabel 2. Kriteria ketersediaaan ATM

No	Kriteria Lokasi	Nilai	Bobot
1.	Dekat tempat tinggal	100	70 %
2.	Berada di dekat tempat customer bekerja / study	90
3.	Berada dijalur yang dilalui saat kegiatan	80
4.	Dekat Sarana Umun	70
5.	Di Pusat Kota	60
6.	Dekat pusat perbelanjaan	40
7.	Dekat tempat hiburan	20

Nilai ketersediaan ATM adalah:

3. Kriteria Jam Kerja

Model jam kerja dimaksudkan untuk memberikan kemudahan kepada nasabah dalam melakukan transaksi tanpa kwatir jam kerja bank telah usai serta berapa besar nilai dari masing-masing point tersebut. Dengan pemberian nilai mulai dari terkecil 10 sampai terbesar 100.

Tabel 3. Kriteria Jam Kerja Bank

No	Kriteria Lokasi	Nilai	Bobot
1.	Tidak bertabrakan dengan jam kerja nasabah	100	50 %
2.	Melayai nasabah di hari libur	80
3.	Waktu operasional bank lebih lama	60
4.	Melayani nasabah diluar jam operasional	40

Nilai jam kerja adalah:

4. model layanan pelanggan

Model layanan pelanggan dimaksudkan untuk memberikan bagaimana model layanan yang diberikan kepada nasabah bank tersebut serta berapa besar nilai dari masing-masing point tersebut. Dengan pemberian nilai mulai dari terkecil 10 sampai terbesar 100.

Tabel 4. Kriteria model layanan pelanggan

No	Kriteria Lokasi	Nilai	Bobot
1.	Pertugas dapat memprediksi keinginan nasabah	100	40 %
2.	Personalisasi interaksi dengan pelanggan	80
3.	Mempertahankan pelanggan yang berharga	60
4.	Mempu memberi solusi	40
5.	Dekat dengan nasabah	20

Nilai model layanan adalah:

5. Kriteria model perbankan on-line

Model perbankan online dimaksudkan untuk memberikan bagaimana model perbankan online yang diberikan kepada nasabah bank tersebut serta berapa besar nilai dari masing-masing point tersebut. Dengan pemberian nilai mulai dari terkecil 10 sampai terbesar 100.

Tabel 5. Kriteria model perbankan online

No	Kriteria Lokasi	Nilai	Bobot
1.	Mobile banking dan Layanan internet lain	100	30 %
2.	Hanya memiliki mobile banking	80
3.	Hanya memiliki layanan internet	60
4.	Mobile banking sulit diakses	40
5.	Layanan perbankan online tidak update	20
6.	Tidak memiliki perbankan online	10

Nilai model perbankan online adalah:

Proses perhitungan keseluruhan model berdasarkan rumus dari pembobotan yang di jelaskan di depan adalah sebagai berikut

Nilai akhir adalah:

Berdasarkan nilai akhir yang didapat yaitu 32,37 dimana rentan nilai tersebut berada antara 0-59 yang artinya bank tersebut tidak dipilih atau tidak layak dijadikan tempat untuk menabung bagi nasabah yang bersangkutan.