18. Mhd riki

Pelita Informatika Budi Darma, Volume : V, Nomor: 2, Desember 2013 SSN : 2301-9425

Sistem Pendukung Keputusan Penentuan Jurusan Pada Sekolah Menengah Atas Sma Setia Budi Abadi Perbaungan Dengan Menggunakan Metode Simple Additive Weighting (SAW). Oleh : Mhd Riki Prayoko

84

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN PADA SEKOLAH MENENGAH ATAS SMA SETIA BUDI ABADI

PERBAUNGAN DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

Mhd Riki Prayoko (0911664)

Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan

Jl. Sisingamangaraja No.338 Simpang Limun Medan www.stmik-budidarma.ac.id // Email: [email protected]

ABSTRAK

Sebagian besar siswa lulusan SMP berkeinginan untuk melanjutkan keinginannya khususnya ke SMA, hal

tersebut dapat dibuktikan dengan banyaknya siswa lulusan SMP yang mengikuti ujian masuk ke SMA. Hal yang patut disayangkan adalah kurang matangnya mereka memilih jurusan yang ada di sekolah kejuruan yang dituju. Situasi semacam ini berdampak pada biaya pendidikan yang terlanjur di keluarkan, baik pada orang tua siswa maupun pemerintah yang mensubsidi sekolah menjadi tidak bermanfaat karna siswa tersebut tidak memiliki kemampuan yang memadai untuk jurusan yang sudah dipilihnya, akibat negatif lainya adalah para siswa yang drop out.

Berdasarkan informasi yang diperoleh dari team penerimaan siswa kejuruan jumlah jurusan yang ada pada SMA Setia Budi Abadi Perbaungan terdiri dari dua jurusan yaitu jurusan Ilmu Pengetahuan Alam (IPA) dan Ilmu Pengetahuan Sosial (IPS) penjurusan didasarkan pada pilihan siswa saat melakukan pendaftaran dengan mencatumkan minat untuk jurusan 1 dan jurusan 2 selain itu penjurusan ditentukan oleh nilai yang disyaratkan pada masing-masing jurusan.

Sistem pendukung keputusan pemilihan jurusan dengan metode fuzzy Multi-Attribute Decision Making. Diharapkan dapat membantu team penerimaan siswa baru dalam menentukan jurusan bagi tiap siswa. Sistem pendukung keputusan ini mengunakan metode Simple Additive Weighting (SAW) sehingga dapat dengan mudah menentukan dimana yang cocok untuk siswa siswi dengan menggunkan nilali yang sudah ada dan dapat diketahui perangkingan dari setiap lokasi, kemudian data akan diolah untuk menentukan jurusan yang tepat untuk masing-masing siswa. Kata Kunci : Sistem Pendukkung Keputusan, Fuzzy Multi-Attribute Decision Making, Simple Additive Weighting 1. Pendahuluan 1.1 Latar Belakang

Yayasan perguruan Setia Budi Abadi Perbaungan adalah suatu sekolah atau jenjang pendidikan yang terdiri dari Sekolah Menengah Pertama (SMP), Sekolah Menengah Atas (SMA). Pada Sekolah Menengah Atas (SMA) Setia Budi Abadi Perbaungan, dalam hal pemilihan jurusan Ilmu Pengetahuan Alam (IPA) ataupun pemilihan jurusan Ilmu Pengetahuan Sosial ( IPS ), bagi siswa siswi kelas satu yang naik ke kelas dua dilakukan dengan cara memberikan pertanyaan kepada para siswa jurusan apa yang diinginkan oleh para murid tersebut. Tanpa melihat hasil akademik dari siswa sesuai dengan bidang jurusan yang yang diinginkan.

Untuk menjadikan pemilihan jurusan pada sekolah menengah atas Setia Budi Abadi Perbaungan lebih objektif dan sesuai dengan kemampuan siswa siswinya maka perlu dirancang suatu sistem. Dimana sistem tersebut adalah sistem pendukung keputusan.

Sistem pendukung keputusan yang akan dirancang ini menggunakan metode Simple Additive Weighting (SAW). Dimana, Metode Simple Additive Weighting (SAW) sering juga dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode Simple Additive Weighting (SAW) membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. 1.2 Rumusan Masalah

Dari urain latar belakang masalah sebelumnya, maka dapat diambil suatu perumusan masalah, yaitu : 1. Bagaimana proses dan aturan pemilihan

jurusan pada Sekolah Menengah Atas Setia Budi Abadi Perbaungan.

2. Bagaimana menerapkan metode simple additive weighting (SAW) dalam sistem pendukung keputusan untuk pemilihan jurusan



85

pada Sekolah Menengah Atas Setia Budi Abadi Perbaungan.

3. Bagaimana merancang sistem pendukung keputusan untuk penentuan jurusan pada sekolah menengah atas setia budi abadi perbaungan dengan Aplikasi Visual Basic.Net 2008 dan Mysql sebagai Data Base.

1.3 Batasan Masalah

Dengan rumusan masalah yang telah disebutkan diatas, maka penulis membatasi masalah yang akan

dianalisa mengingat adanya keterbatasan waktu dalam proses penyususan, yaitu :

1. Perancangan sistem pendukung keputusan ini hanya dirancang untuk pemilihan jurusan Ilmu Pengetahuan Alam (IPA).

2. Kriteria nilai yang digunakan untuk menentukan siswa siswi yang berhak masuk kejurusan ilmu pengetahuan alam adalah nilai dari mata pelajaran kimia, Biologi, fisika dan nilai tambahan ujian angket yang disediakan oleh sekolah.

3. Kriteria pembobotan pada sistem ini mengunakan metode simple additive weighting (SAW).

4. Aplikasi yang digunakan adalah Visual Basic.Net 2008 dan Mysql sebagai Data Base.

2. Landasan Teori 2.1 Sistem Pendukung Keputusan

Decision Support System (DSS) merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem itu digunakan untuk membantu pengambilan keputusan dalam situasi yang semiterstruktur dan situasi yang tidak terstruktur, di mana tak seorang pun tahu secara pasti bagaiman keputusan seharusnya dibuat

Decision Support System DSS biasanya dibangun untuk mendukung solusi atau suatu masalah atau untuk mengevaluasi suatu peluang. Decision Support System (DSS) yang seperti itu disebut aplikasi Decision Support System (DSS). Aplikasi Decision Support System (DSS) digunakan dalam pengambilan keputusan. Aplikasi Decision Support System (DSS) menggunakan CBIS (Computer Based Information Systems) yang Fleksibel, Interaktif, dan dapat di adaptasi yang telah dikembangkan untuk mendukung solusi atau masalah manajemen spesifik yang tidak terstruktur Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) merupakan suatu cara untuk memenuhi kebutuhan informasi yang tidak memadai untuk membuat suatu keputusan yang spesifik yang dapat memecahkan permasalahan yang spesifik. Penambahan terbaru Decision Support System (DSS) adalah sistem pendukung keputusan (SPK) berkelompok GDSS, dimana

GDSS berusaha untuk memperbaiki komunikasi di antara para anggota kelompok dengan menyediakan lingkungan yang mendukung. 2.2 Fuzzzy multiple Attribute Decision Making

(FMADM) Fuzzzy multiple Attribute Decision Making

(FMADM) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perengkingan yang akan menyeleksi alternatif yang sudah diberikan. Pada dasarnya, ada tiga pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyekti dan obyektif. Masing-masing pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perengkingan alternatif dapat ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan . Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah FMADM, antara lain 1. Simple Additive Weighting (SAW) 2. Weighted Product (WP) 3. ELECTRE 4. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) 5. Analitic Hierarchy Process (AHP) 2.3 Metode Simple Additive Weighting (SAW)

Metode SAW juga sering dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap altenatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu yang dapat diperbandingkan dengan semua rating alternatif yang ada.

Keterangan : rij = nilai rating kinerja ternormalisasi xij = nilai atribut yang dimiliki dari setiap kriteria Max xij = nilai terbesar dari setiap kriteria Min xij = nilai terkecil dari setiap kriteria

)1.........(..........

(cost) biayaatribut adalah j jika

(benefit) keuntunganatribut adalah j

⎪⎪⎪

⎩

⎪⎪⎪

⎨

⎧

=

ij

iji

iji

ij

ij

x

xMin

jikaxMaxx

r



86

benefit = jika nilai terbesar adalah terbaik cost = jika nilai terkecil adalah terbaik dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2,...,m dan j=1,2,...,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai:

Keterangan : Vi = rangking untuk setiap alternatif wj = nilai bobot dari setiap kriteria rij = nilai rating kinerja ternormalisasi

Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.

Adapun langkah-langkah dalam metode SAW adalah sebagai berikut : Langkah-langkah penyelesaian metode SAW a. Membentuk matriks dari setiap nilai kriteria. b. Menormalisasikan nilai input dari kriteria

tersebut. c. Memberi nilai pembobotan pada setiap

kriteria. 1. Keuntungan (Benefit). 2. Biaya (Cost).

d. Menentukan Perangkingan. 3. Analisa

Acuan dalam membangun Sistem Pengambilan Keputusan (SPK) ini berdasarkan penilaian secara umum dilakukan pada proses penentuan kejurusan. Dimana dalam penilaian ini setiap siswa akan dinilai berdasarkan kriteria dan alternatif, dibawah ini adalah tabel kriteria dan alternatif yang akan di uji dengan metode Simple Additive Weighting (SAW).

Metode Simple Additive Weighting (SAW) diperlukan kreteria-kreteria dan bobot untuk melakukan perhitungannya sehingga akan didapat alternative terbaik, dalam hal ini alternatif yang dimaksud adalah siswa-siswi yang diterima masuk ke jurusan Ilmu Pengetahuan Alam (IPA).

Contoh kasus :

SMA Setia Budi Abadi Perbaungan akan memulai pemilihan jurusan untuk kelas 10 ke kelas 11, maka dari itu siswa/i harus menentukan jurusan mana yang diinginkannya, dimana yang dinilai dari siswa/i ada beberapa kriteria seperti nilai dari mata pelajaran kelas 10 dengan matapelajaran Fisika, Biologi, Kimia dan nilai Angket.

3.1 Kriteria Dan Bobotan

Dalam metode Simple Additive Weighting (SAW) terdapat kriteria yang akan dijadikan bahan perhitungan pada proses perangkingan. Hal itu dimaksud untuk menentukan siapa yang akan

terseleksi sebagai siswa yang tidak dapat masuk ke jurusan Ilmu Pengetahuan Alam (IPA). Adapun kreteria yang menjadi bahan pertimbangan pihak sekolah yang ingin masuk ke jurusan Ilmu Pengetahuan Alam (IPA) .

Data-Data tiap siswa/i dimasukkan kedalam tabel yang ada dibawah ini. Berikut Tabel 4.3 Data-data siswa\siswi dalam Penentuan Kriteria dan Alternatif.

Tabel 1. Tabel Data-Data siswa/siswi Penentuan

Kriteria dan Alternatif

Tabel 2. Kriteria Kriteria Keterangan

C1 Nilai Fisika C2 Nilai Biologi C3 Nilai Kimia

C4 Nilai Angket Dibawah ini adalah tabel Pembobotan yang

akan dibuat dengan keterangan masing-masing. Berikut Tabel 3

Tabel 3. Pembobotan

Sangat Rendah 1 50 – 60

Rendah 2 61 – 70

Cukup 3 71 – 80

Tinggi 4 81 – 90

Sangat Tinggi 5 91 – 100

Dibawah ini adalah tabel Kriteria Pembobotan

untuk menentukan nilai Fisika yang akan dibuat dengan keterangan masing-masing. Berikut Tabel 4

Tabel 4. Kriteria Nilai Fisika (C) 91 – 100 Sangat Tinggi

81 – 90 Tinggi

71 – 80 Cukup

( )2..............................1

∑=

=n

jijji rwV



87

61 – 70 Rendah

50 – 60 Sangat Rendah

Dibawah ini adalah tabel Kriteria Pembobotan untuk menentukan nilai Biologi yang akan dibuat dengan keterangan masing-masing. Berikut Tabel 5

Tabel 5.Kriteria Nilai Biologi (ST) 91 – 100 Sangat Tinggi

81 – 90 Tinggi

71 – 80 Cukup

61 – 70 Rendah

50 – 60 Sangat Rendah

Dibawah ini adalah tabel Kriteria Pembobotan untuk menentukan nilai Kim yang akan dibuat dengan keterangan masing-masing. Berikut Tabel 6

Tabel 6 Kriteria Nilai Kimia (T) 91 – 100 Sangat Tinggi

81 – 90 Tinggi

71 – 80 Cukup

61 – 70 Rendah 50 – 60 Sangat Rendah

Dibawah ini adalah tabel Kriteria Pembobotan

untuk menentukan nilai Angket yang akan dibuat dengan keterangan masing-masing. Berikut Tabel 7

Tabel 7. Kriteria Nilai Angket (T) 91 – 100 Sangat Tinggi

81 – 90 Tinggi

71 – 80 Cukup

61 – 70 Rendah 50 – 60 Sangat Rendah

Dibawah ini adalah Tabel Rating Pembobotan

Dari Setiap Alternatif Pada Setiap Kriteria dimana nilai dari kriteria langsung diubah kedalam nilai pembobotan. Berikut tabel 8

Tabel 8. Rating Pembobotan Dari Setiap

Alternatif Pada Setiap Kriteria.

1. Penentuan Normalisasi / Merubah Matriks

X ke R dengan menggunakan dua Ketentuan yaitu :

3 3 2 3 2 2 3 4 X = 3 3 2 4

3 3 3 2 2 2 2 3

Memberikan nilai bobot (W). Untuk menentukan bobot dari nilai hasil

dibentuk dalam tabel di bawah ini. Dibawah ini adalah Tabel nilai pembobotan

dimana nilai di dapat dari hasil prioritas setiap kriteria yang sudah di tentukan pembobotannya.

Tabel 9.Nilai Pembobotan (W)

Kriteria Bobot Nilai

C1 Cukup 3

C2 Sangat Tinggi 5

C3 Tinggi 4

C4 Tinggi 4

Dari Tabel 9 diperoleh nilai bobot (W) dengan

data: W =[ 3 , 5 , 4 , 4]

a. Untuk nilai Fisika termasuk kedalam atribut keuntungan (benefit). Dibawah ini adalah perhitungan nilai Fisika

dari setiap siswa diproses dengan Metode Simple Additive Weighting (SAW)

133

}2,3,3,2,3{311 ===

Maxr

66,032

}2,3,3,2,3{212 ===

Maxr

133

}2,3,3,2,3{313 ===

Maxr

133

}2,3,3,2,3{314 ===

Maxr

66,032

}2,3,3,2,3{215 ===

Maxr

b. Untuk nilai Biologi termasuk kedalam atribut

keuntungan (benefit).



88

Dibawah ini adalah perhitungan nilai Biologi dari setiap siswa diproses dengan Metode Simple Additive Weighting (SAW).

133

}2,3,3,2,3{321 ===

Maxr

66,032

}2,3,3,2,3{222 ===

Maxr

133

}2,3,3,2,3{323 ===

Maxr

133

}2,3,3,2,3{324 ===

Maxr

66,032

}2,3,3,2,3{225 ===

Maxr

c. Untuk nilai Kimia termasuk kedalam atribut

keuntungan (benefit). Dibawah ini adalah perhitungan nilai Kimia

dari setiap siswa diproses dengan Metode Simple Additive Weighting (SAW)

66,032

}2,3,2,3,2{231 ===

Maxr

133

}2,3,2,3,2{332 ===

Maxr

66,032

}2,3,2,3,2{233 ===

Maxr

133

}2,3,2,3,2{334 ===

Maxr

66,032

}2,3,2,3,2{235 ===

Maxr

d. Untuk nilai Angket termasuk kedalam atribut keuntungan (benefit).

Dibawah ini adalah perhitungan nilai Angket dari setiap siswa diproses dengan Metode Simple Additive Weighting (SAW).

75,043

}3,2,4,4,3{341 ===

Maxr

1

44

}3,2,4,4,3{442 ===

Maxr

144

}3,2,4,4,3{441 ===

Maxr

5,0

42

}3,2,4,4,3{241 ===

Maxr

75,043

}3,2,4,4,3{341 ===

Maxr

Dari hasil perhitungan yang dibuat diatas

maka mendapatkan hasil dari setiap perhitungan yang ada, hasil dari perhitungan di atas dimasukkan kedalam Matriks R, maka dari itu hasilnya adalah :

2. Hasil Normalisasi Matriks R:

1 1 0,66 0,75

0,66 0,66 1 1

R = 1 1 0,66 1

1 1 1 0,5

0,66 0,66 0,66 0,75

3. Penentuan proses Prangkingan dengan

menggunakan bobot yang telah diberikan oleh pengambil keputusan : Weigthing (3,5,4,4)

Vi1 = (3)*(1) + (5)*(1) + (4)*(0,66) + (4)*(0,75) = 3 + 5 + 2,64 + 3 = 13,64 Vi2 = (3)*(0,66) + (5)*(0,66) + (4)*(1) + (4)*(1) = 1,98 + 3,3 + 4 + 4 = 13,28 Vi3 = (3)*(1) + (5)*(1) + (4)*(0,66) + (4)*(1) = 3 + 5 + 2,64 + 4 = 14,64 Vi4 = (3)*(1) + (5)*(1) + (4)*(1) + (4)*(0,5) = 3 + 5 + 4 + 2 = 14 Vi5 = (3)*(0,66) + (5)*(0,66) + (4)*(0,66) +

(4)*(0,75) = 1,98 + 3.3 + 2,64 + 3 = 10,92

Dibawah ini adalah Tabel Hasil Pengujian

dimana Nilai awal siswa di proses menggunakan metode Simple Additive Weighting (SAW) dan mendapatkan nilai hasil akhir dalam perhitungan seperti di atas, berikut Tabel 4.12 dibawah ini.

Tabel 10. Hasil Pengujian

NO NAMA

Nilai Fisik

a

Nilai Biolo

gi

Nilai Kimi

a

Nilai

Angk

et

Hasil Akhir

1 Siti Efrina 3 5 2,64 3 13,64

2 Anto 1,98 3,3 4 4 13,28

3 Bobby Awal 3 5 2,64 4 14,64

4 Bagus Triyadi 3 5 4 2 14

5 David Chandra 1,98 3,3 2,64 3 10,92

Dari Tabel 10 sudah jelas bahwa Nilai

terbesar ada pada Vi3 sehingga alternatif A3 (Siswa ke 3) adalah alternatif yang terpilih sebagai alternatif terbaik dengan hasil akhir = 14,64. Namun pada kasus ini alternative yang terbaik adalah beberapa siswa yang lulus seleksi ujian Angket kejuruan. 4. Kesimpulan Dan Saran



89

4.1 Kesimpulan Berdasarkan uraian pembahasan dari

penelitian yang telah dilakukan, maka dapat diperolah kesimpilan sebagai berikut : 1. Sistem pendukung keputusan yang sudah ada

dapat mempermudah panitia penentuan jurusan untuk mempercepat proses perangkingan siswa dengan cara menginput nilai-nilai dan langsung mendapatkan hasilnya, dibandingkan dengan sebelumnya penentuan jurusan masih dengan cara manual di SMA Setia Budi Abadi Perbaungan.

2. Dengan adanya normalisasi di dalam pembahasan maka dapat disimpulkan bahwasanya metode ini tidak hanya untuk keputusan semata melainkan mutlak ,

3. Sistem pendukung keputusan yang dibangun dapat memberikan informasi yang cepat dan akurat tentang penentuan jurusan pada SMA Setia Budi Abadi Perbaungan dengan menggunakan program Visual Basic.Net 2008

4.2 Saran

Berdasarkan kesimpulan diatas, maka saran yang diharapkan adalah 1. Sistem pendukung keputusan di SMA Setia

Budi Abadi Perbaungan ini bisa dikembangkan seiring dengan perkembangan spesifikasi kebutuhan pengguna sistem yang harus dipenuhi dalam mencapai tahap yang lebih tinggi dan kinerja sistem yang lebih baik serta optimal.

2. Sistem pendukung keputusan yang dibangun sesuai dengan metode yang dipilih untuk menentukan kejuruan pada sekolah menengah atas.

3. Sistem yang dibangun bukan system yang seharusnya digunakan untuk selamanya, maka dari itu penulis mensarankan adanya perbaikan tiap tahunya di karenakan seiring perkembangan zaman.

Daftar pustaka: [1]. Kusrini. 2007. Konsep dan Aplikasi Sistem

Pendukung Keputusan. Yogyakarta. Penerbit Andi.

[2]. Sri Kusumadewi dan Sri Hartati. 2006. Fuzzy Multi Attribute Decision Making (Fuzzy-MADM). Yogyakarta. Penerbit GRAHA ILMU.

[3]. Rosa A.S dan M. Shalahuddin. 2011. Modul Pembelajaran Rekayasa Perangkat Lunak. Bandung. Penerbit MODULA.

[4]. Yeni Kustiyahningsih Dan Devie Rosa Anamisa. 2011. Pemrograman Basis Data Berbasis Web Menggunakan PHP & MySQL. Yogyakarta. Penerbit GRAHA ILMU.

[5]. Nandang Hermanto. 2012. Sistem Pendukung Keputusan Menggunakan Metode Simple

Additive Weighting (SAW) Untuk Menentukan Jurusan Pada SMK Bakti Purwokerto, Semarang, 11, 52-62.

[6]. Turban,Efraim,Decision Support and Expert Systems,1995

[7]. http//google.com,Simbol Use Case Diagram [8]. http://justinusdipo.blogspot.com/2012/07/

caramembuatkalkulatormenggunakan.html [9]. http://id.wikipedia.org/wiki/MySQL [10]. http://www.sarjanaku.com/2012/11/pengerti

an-sistem-menurut-paraahli.html [11]. http://fridasuaraangin.blogspot.com/2012/11/ [12]. sistempendukungkeputusan.html

18. Mhd riki

Documents

Transcript of 18. Mhd riki