23-91-1-PB(1)

1

SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU

DI SMA NEGERI 3 GARUT

Asep Hendar Rustiawan1, Dini Destiani

2, Andri Ikhwana

3

Jurnal Algoritma

Sekolah Tinggi Teknologi Garut

Jl. Mayor Syamsu No. 1 Jayaraga Garut 44151 Indonesia

Email : [email protected]

1 [email protected]

2 [email protected]

3 [email protected]

Abstrak - Tujuan penelitian ini untuk untuk membangun sebuah aplikasi sistem pendukung

keputusan penyeleksian calon siswa baru di SMA Negeri 3 Garut. Metodologi yang digunakan

dalam proses sistem pendukung keputusan menggunakan model Simon dan untuk perhitungannya

menggunakan model TOPSIS (Technique For Others Reference by Similarity to Ideal Solution).

Hasil penelitian ini menunjukkan bahwa penggunaan sistem pendukung keputusan penyeleksian

calon siswa baru di SMA Negeri 3 garut ini dapat membantu, mempermudah pekerjaan dan

meminimalisir kesalahan yang dilakukan oleh panitia penyeleksi calon siswa baru di SMA Negeri 3

Garut dalam pengambilan keputusan penerimaan calon siswa baru. Selain itu sistem pendukung

keputusan penyeleksian calon siswa baru ini juga dapat dilakukan dengan lebih optimal, dan waktu

yang diperlukan untuk menyusun dan mengevaluasi penyeleksian calon siswa baru tersebut menjadi

lebih efisien. Terkait dengan penerapan metode TOPSIS untuk sistem pendukung keputusan

penyeleksian siswa baru, berdasar hasil akhir pada tahapan-tahapan yang dilakukan didapatkan

bahwa sistem yang dibangun telah mampu untuk menentukan penyeleksian calon siswa baru

berdasarkan pada aspek-aspek penilaian yang ada.

Kata Kunci - Sistem Pendukung Keputusan, Penyeleksian Siswa, TOPSIS.

I. PENDAHULUAN

SMA Negeri 3 Garut merupakan salah satu lembaga pendidikan yang berada di kecamatan

Cibatu kabupaten Garut, juga merupakan salah satu Sekolah Menengah Atas yang menuju Sekolah

Standar Nasional. Suatu lembaga pendidikan membutuhkan sumber daya manusia yang berkualitas

salah satunya adalah siswa yang dapat mendukung dan mewujudkan tujuan dari lembaga

pendidikan tersebut menjadi suatu lembaga pendidikan yang berstandar nasional, maka diharapkan

lembaga pendidikan dapat menjalankan semua proses belajar-mengajarnya dengan baik. SMA

Negeri 3 Garut memiliki jumlah pendaftar yang cukup meningkat tiap tahunnya sehingga

penyeleksian calon siswa baru di SMA Negeri 3 Garut menjadi sulit.

Penyeleksian siswa baru adalah suatu proses, cara, penyaringan atau pemilihan siswa yang

secara kemampuan akademis adalah calon terbaik untuk belajar disuatu lembaga pendidikan yang

perlu ditentukan secara cepat dan tepat.

Berdasarkan proses penyeleksian calon siswa baru yang sedang berjalan di SMA Negeri 3

Garut, masih dilakukan secara manual serta dalam proses pembuatan laporan masih menggunakan

perangkat lunak aplikasi yaitu microsoft excel, sehingga pengolahan data dan penyeleksian calon

siswa baru memerlukan waktu yang relatif lama.

ISSN : 2302-7339 Vol. 09 No. 21 2012

http://jurnal.sttgarut.ac.id 2

Tujuan penelitian ini untuk membangun sebuah aplikasi sistem pendukung keputusan

penyeleksian calon siswa baru di SMA Negeri 3 Garut yang diharapkan mampu membantu,

mempermudah dan meminimalisir kesalahan yang dilakukan oleh panitia penyeleksi dalam

pengambilan keputusan penerimaan calon siswa baru. Selain itu penyeleksian calon siswa baru ini

juga dapat dilakukan dengan lebih optimal, dan waktu yang diperlukan untuk menyusun dan

mengevaluasi penyeleksian tersebut menjadi lebih efisien.

II. LANDASAN TEORI

A. Konsep Dasar Sistem Pendukung Keputusan

Pada awal tahun 1970-an, Scott Morton pertama kali mengartikulasikan konsep penting

sistem pendukung keputusan. Ia mendefinisikan sistem pendukung keputusan sebagai “sistem

berbasis komputer interaktif, yang membantu para pengambil keputusan untuk menggunakan data

dan berbagai model untuk memecahkan masalah-masalah tidak terstruktur”. (Gorry dan Scott

Morton, 1971) dalam (Turban, 2005). Definisi klasik lainnya yaitu “Sistem pendukung keputusan

memadukan sumber daya intelektual dari individu dengan kapabilitas komputer untuk

meningkatkan kualitas keputusan. Sistem pendukung keputusan adalah sistem pendukung berbasis

komputer bagi para pengambil keputusan manajemen yang menangani masalah-masalah tidak

terstruktur”. (Keen dan Scott Morton, 1978) dalam (Turban, 2005).

Sistem pendukung keputusan 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 bagaimana keputusan seharusnya dibuat. (Alter, 2002)

dalam (Kusrini, 2007).

Tujuan dari sistem pendukung keputusan adalah: (Kusrini, 2007)

1. Membantu manajer dalam pengambilan keputusan atas masalah semi terstruktur.

2. Memberikan dukungan atas pertimbangan manajer dan bukannya dimaksudkan untuk

menggantikan fungsi manajer.

3. Meningkatkan efektivitas keputusan yang diambil manajer lebih dari pada perbaikan

efisiensinya.

4. Kecepatan komputasi. Komputer memungkinkan para pengambil keputusan untuk melakukan

banyak komputasi secara cepat dengan biaya yang rendah.

5. Peningkatan produktivitas. Membangun satu kelompok pengambil keputusan, terutama para

pakar, bisa sangat mahal. Pendukung terkomputerisasi bisa mengurangi ukuran kelompok dan

memungkinkan para anggotanya untuk berada diberbagai lokasi yang berbeda-beda

(menghemat biaya perjalanan). Selain itu, produktivitas staf pendukung (misalnya analisis

keuangan dan hukum) bisa ditingkatkan. Produktivitas juga bisa ditingkatkan menggunakan

peralatan optimalisasi yang menentukan cara terbaik untuk menjalankan sebuah bisnis.

6. Dukungan kualitas. Komputer bisa meningkatkan kualitas keputusan yang dibuat. Sebagai

contoh, semakin banyak data yang diakses makin banyak juga alternatif yang bisa dievaluasi.

Analisis risiko bisa dilakukan dengan cepat dan pandangan dari para pakar (beberapa dari

mereka berada dilokasi yang jauh) bisa dikumpulkan dengan cepat dan dengan biaya yang lebih

rendah. Keahlian bahkan bisa diambil langsung dari sebuah sistem komputer melalui metode

kecerdasan tiruan. Dengan komputer, para pengambil keputusan bisa melakukan simulasi yang

kompleks, memeriksa banyak skenario yang memungkinkan, dan menilai bebagai pengaruh

secara cepat dan ekonomis. Semua kapabilitas tersebut mengarah kepada keputusan yang lebih

baik.

7. Berdaya saing. Manajemen dan pemberdayaan sumber daya perusahaan. Tekanan persaingan

menyebabkan tugas pengambil keputusan menjadi sulit. Persaingan didasarkan tidak hanya

pada harga, tetapi juga pada kualitas, kecepatan, kustomasi produk, dan dukungan pelanggan.

Organisasi harus mampu secara sering dan cepat mengubah mode operasi, merekayasa ulang

Jurnal Algoritma Sekolah Tinggi Teknologi Garut

3 © 2012 Jurnal STT-Garut All Right Reserved

proses dan struktur, memberdayakan karyawan, serta berinovasi. Teknologi pengambilan

keputusan bisa menciptakan pemberdayaan signifikan dengan cara memperbolehkan seseorang

untuk membuat keputusan yang baik secara cepat, bahkan jika mereka memiliki pengetahuan

yang kurang.

8. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan. Menurut Simon (1977),

otak manusia memiliki kemampuan yang terbatas untuk memroses dan menyimpan informasi.

Orang-orang kadang sulit mengingat dan menggunakan sebuah informasi dengan cara yang

bebas dari kesalahan.

Aplikasi sistem pendukung keputusan bisa terdiri dari beberapa subsistem, yaitu:

1. Subsistem manajemen data

Subsistem manajemen data memasukkan satu database yang berisi data yang relevan untuk

suatu situasi dan dikelola oleh perangkat linak yang disebut sistem manajemen database

(DBMS/Data Base Management System). Subsistem manajemen data bisa diinterkoneksikan

dengan data warehouse perusahaan, suatu repositori untuk data perusahaan yang relevan

dengan pengambilan keputusan.

2. Subsistem manajemen model

Merupakan paket perangkat lunak yang memasukkan model keuangan, statistik, ilmu

manajemen, atau model kuantitatif lain yang memberikan kapabilitas analitik dan manajemen

perangkat lunak yang tepat. Bahasa-bahasa pemodelan untuk membangun model-model kustom

juga dimasukkan. Perangkat lunak itu sering disebut sistem manjemen basis model (MBMS).

Komponen tersebut bisa dikoneksikan ke penyimpanan korporat atau eksternal yang ada pada

model.

3. Subsistem antarmuka pengguna

Pengguna berkomunikasi dengan dan memerintahkan sistem pendukung keputusan melalui

subsistem tersebut. Pengguna adalah bagian yang dipertimbabangkan dari sistem. Para peneliti

menegaskan bahwa beberapa kontribusi unik dari sistem pendukung keputusan berasal dari

interaksi yang intensif antara komputer dan pembuat keputusan.

4. Subsistem manajemen berbasis pengetahuan

Subsistem tersebut mendukung semua subsistem lain atau bertindak langsung sebagai suatu

komponen independen dan bersifat opsional. Selain memberikan inteligensi untuk

memperbesar pengetahuan si pengambil keputusan, subsistem tersebut bisa diinterkoneksikan

dengan repositori pengetahuan perusahaan (bagian dari sistem manajemen pengetahuan), yang

kadang-kadang disebut basis pengetahuan organisasional.

Berdasarkan definisi, sistem pendukung keputusan harus mencakup tiga komponen utama

dari DBMS, MBMS, dan antarmuka penggua. Subsistem manajemen berbasis pengetahuan adalah

opsional, tetapi bisa memberikan banyak manfaat karena memberikan inteligensi bagi ketiga

komponen utama tersebut. Seperti pada semua sistem informasi manjemen, pengguna bisa dianggap

sebagai komponen sistem pendukung keputusan. Komponen-komponen tersebut membentuk sistem

aplikasi sistem pendukung keputusan yang bisa dikoneksikan ke intranet perusahaan, ekstranet, atau

internet. Arsitektur dari sistem pendukung keputusan ditunjukkan dalam gambar 2.1 berikut.

ISSN : 2302-7339 Vol. 09 No. 21 2012


Data: eksternal

dan internal

Gambar 2.1 Arsitektur Sistem Pendukung Keputusan (Turban, 2005)

B. Penyeleksian Siswa

Penyeleksian berasal dari kata seleksi yang berarti pemilihan (untuk mendapatkan yang

terbaik) atau penyaringan. Dengan kata lain seleksi adalah metode dan prosedur yg dipakai oleh

bagian personalia (kantor pemerintah, perusahaan, dan sebagainya) waktu memilih orang untuk

mengisi lowongan pekerjaan. Jadi, penyeleksian adalah proses, cara, perbuatan menyeleksi,

penyaringan atau pemilihan. (Kamus Besar Bahasa Indonesia v1.3).

C. Model TOPSIS (Technique For Order Preference By Similarity To Ideal Solution)

Pada dasarnya, proses pengambilan keputusan adalah memilih suatu alternatif.

Menurut Hwang dan Zeleny dalam (Kusumadewi, 2006), TOPSIS (Technique For Order

Preference By Similarity To Ideal Solution) didasarkan pada konsep dimana alternatif terpilih yang

terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif ( ), namun juga memiliki

jarak terpanjang dari solusi ideal negatif ( ).

Konsep dasar dari TOPSIS yang tidak hanya mencari jarak terpendek dari tetapi juga

jarak terpanjang dari , diharapkan satu-satunya kemungkinan solusi ideal terbaik. Karena apabila

dicari jarak terpanjang dari dan jarak terpendek dari alternatif keputusan terbaik tidak akan

dihasilkan.

Menurut Hwang, Liang dan Yeh dalam (Kusumadewi, 2006), konsep ini banyak digunakan

pada beberapa model MADM (Multi-Attribute Decision Making) untuk menyelesaikan masalah

keputusan secara praktis. Hal ini disebabkan konsepnya sederhana, mudah dipahami, komputasinya

efisien, dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan

dalam bentuk matematis yang sederhana.

Secara umum, prosedur atau langkah-langkah dalam metode TOPSIS (Technique For Order

Preference By Similarity To Ideal Solution) meliputi:

1. Membuat matriks keputusan yang ternormalisasi.

2. Membuat matriks keputusan yang ternormalisasi terbobot.

Sistem lainnya

yang berbasis

komputer

Internet,

intranet,

ekstranet

Manajemen

Data

Manajemen

Model

Model

Eksternal

Subsistem Berbasis

Pengetahuan

Antarmuka Pengguna

Manajer (Pengguna) Basis Pengetahuan

Organisasional



3. Menentukan matriks solusi ideal positif dan matriks solusi ideal negatif.

4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan

matriks solusi ideal negatif.

5. Menentukan nilai preferensi untuk setiap alternatif.

TOPSIS membutuhkan rating kinerja setiap alternatif Ai pada setiap kriteria Cj yang ternormalisasi,

yaitu:

= ; dengan i = 1,2,…,m; dan j=1,2,…,n

Solusi ideal positif dan solusi ideal negatif dapat ditentukan berdasarkan rating bobot

ternormalisasi ( ) sebagai:

= ; dengan i = 1,2,…,m; dan j=1,2,…,n

= ( , ,..., )

= ( , ,..., )

dengan

=

=

j = 1,2,...,n.

Jarak antara alternatif Ai dengan solusi ideal positif dirumuskan sebagai:

dengan i=1,2,...,m

Jarak antara alternatif Ai dengan solusi ideal negatif dirumuskan sebagai:

dengan i=1,2,...,m

Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai:

= ; dengan i=1,2,...,m

Nilai Vi yang lebih besar menunjukkan bahwa alternatif Ai lebih dipilih.

D. Metodologi Penelitian

Metode sistem pendukung keputusan yang digunakan dalam hal ini yaitu model Simon.

Berikut gambar dari pengembangan model Simon.

ISSN : 2302-7339 Vol. 09 No. 21 2012


Fase Desain

Fase Pemilihan

Fase Implementasi

Gambar 2 Desain Penelitian

III. HASIL DAN PEMBAHASAN

A. Fase Inteligensi

Sasaran organisasional pada penyusunan sistem pendukung keputusan ini adalah institusi

pendidikan yaitu SMA Negeri 3 Garut. Informasi yang akan dikaji berupa pendaftaran siswa baru

yang berdasarkan nilai ujian nasional, nilai ujian sekolah, dan prestasi non akademik. Nilai tersebut

jadi acuan menentukan passing grade dan kelulusan calon siswa. Pengumpulan data dan informasi

menggunakan metode observasi dan wawancara. Setelah proses pengumpulan data, didapat

informasi permasalahan penyeleksian calon siswa baru secara manual yang membutuhkan waktu

yang relatif lama dan kemungkinan terjadi kesalahan perhitungan serta penentuan kelulusan calon

siswa baru.

Fase Inteligensi

Black Box



B. Fase Desain

1) Pemilihan Kriteria

Penerimaan calon siswa baru terdiri dari atas cara I dan cara II. Untuk cara I terdiri atas

penilaian dengan kriteria berdasarkan nilai ujian nasional (NA) dan nilai ujian sekolah (NS).

Sedangkan penilaian cara II menggunakan penambahan kriteria yaitu prestasi non akademik.

Berdasarkan data yang diperoleh dari hasil wawancara didapatkan input kriteria/variabel terlihat

pada tabel 3.1.

Tabel 3.1 Input Kriteria

Nama Kriteria/Variabel Domain

Nilai Ujian Nasional (NA) [1,100]

Nilai Ujian Sekolah (NS) [1,100]

Prestasi Non Akademik [1,100]

2) Pembobotan Kriteria

Pada pendekatan ini digunakan pendekatan subjektif yaitu nilai bobot ditentukan berdasarkan

subjektifitas dari para pengambil keputusan. Nilai bobot kepentingan tiap kriteria terlihat pada tabel

3.2.

Tabel 3.2 Nilai Bobot

Penilaian Cara I

Nama Kriteria/Variabel Bobot (W)

Nilai Ujian Nasional (NA) 65%

Nilai Ujian Sekolah (NS) 35%

Penilaian Cara II

Nama Kriteria/Variabel Bobot (W)

Nilai Ujian Nasional (NA) 60%

Nilai Ujian Sekolah (NS) 30%

Prestasi Non Akademik 10%

ISSN : 2302-7339 Vol. 09 No. 21 2012


C. Fase Pemilihan

1) Perhitungan TOPSIS

Data seorang siswa 1 :

Kriteria 1 Nilai Ujian Nasional = 30,90 dengan rata-rata NA = 7,70

Kriteria 2 Nilai Ujian Sekolah = 86,51 dengan rata-rata NS = 7,86

Kriteria 3 Prestasi Non akademik = Tidak ada

Langkah-langkah perhitungan:

1. Membuat matriks keputusan yang ternormalisasi

|x| = = 91,86

R1 =

=

= 0,336

R2 =

=

= 0,941

2. Membuat matriks keputusan yang ternormalisasi terbobot

Y1 = W1 * R1

= 65% * 0,336

= 0,2186

Y2 = W2 * R2

= 35% * 0,941

= 0,3296

Keterangan :

Nilai bobot (W) diambil dari penilaian cara I karena siswa tersebut tidak memiliki kriteria

prestasi non akademik.

3. Menentukan solusi ideal positif dan solusi ideal negatif

Y+ = max {0,2186 ; 0,3296} = 0,3296 = A+

Y- = min {0,2186 ; 0,3296} = 0,2186 = A-



D+ = = 0,5741

D- = = 0,4675

5. Menentukan nilai preferensi

V = = = 0,448

Jadi nilai total yang diperoleh adalah 0,448.

2) Analisis Sensitivitas

Analisis sensitivitas mencoba menilai dampak suatu perubahan pada data input atau

parameter pada solusi yang diusulkan (variabel hasil), dengan cara mengganti variabel.

Data seorang siswa 2 :

Kriteria 1 Nilai Ujian Nasional = 28,00 dengan rata-rata NA = 7,00

Kriteria 2 Nilai Ujian Sekolah = 85,91 dengan rata-rata NS = 7,60

Kriteria 3 Prestasi Non akademik = Tidak ada

Langkah-langkah perhitungan:

1. Membuat matriks keputusan yang ternormalisasi

|x| = = 90,35



R1 =

=

= 0,31

R2 =

=

= 0,95

2. Membuat matriks keputusan yang ternormalisasi terbobot

Y1 = W1 * R1

= 65% * 0,31

= 0,2015

Y2 = W2 * R2

= 35% * 0,95

= 0,3325

Keterangan :

Nilai bobot (W) diambil dari penilaian cara I karena siswa tersebut tidak memiliki kriteria

prestasi non akademik.

3. Menentukan solusi ideal positif dan solusi ideal negatif

Y+ = max {0,2015 ; 0,3325} = 0,3325 = A+

Y- = min {0,2015 ; 0,3325} = 0,2015 = A-



D+ = = 0,5766

D- = = 0,4488

5. Menentukan nilai preferensi

V = = = 0,437.

Jadi nilai total yang diperoleh adalah 0,437.

Berdasarkan hasil analisis sensitivitas yang didapat jumlah nilai preferensi yang dihasilkan

lebih kecil dari nilai preferensi sebelumnya. Sehingga dapat disimpulkan bahwa alternatif 1 yang

akan lebih dipilih. Dengan kata lain, siswa 1 yang akan diterima sebagai calon siswa baru di SMA 3

Garut.

D. Fase Implementasi

1) Analisis Kebutuhan Sistem

a. Analisis Perangkat Keras

b. Analisis Perangkat Lunak

2) Desain Sistem

Dari hasil analisis terhadap sistem pendukung keputusan penyeleksian calon siswa baru,

penulis menggunakan sebuah model yang dinamakan Data Flow Diagram (DFD) untuk

memperlihatkan hubungan fungsional dari data yang diproses oleh sistem, termasuk data masukan,

data keluaran serta tempat penyimpanan internal.

ISSN : 2302-7339 Vol. 09 No. 21 2012


Gambar 3.1 Diagram Konteks Sistem Pendukung Keputusan Penyeleksian Siswa Baru

3) Desain Aplikasi

Gambar 3.2 Form Menu Utama

IV. KESIMPULAN/RINGKASAN

Penggunaan sistem pendukung keputusan penyeleksian calon siswa baru di SMA Negeri 3

garut ini dapat membantu, mempermudah pekerjaan dan meminimalisir kesalahan yang dilakukan

oleh panitia penyeleksi calon siswa baru di SMA Negeri 3 Garut dalam pengambilan keputusan

penerimaan calon siswa baru. Selain itu sistem pendukung keputusan penyeleksian calon siswa baru

ini juga dapat dilakukan dengan lebih optimal, dan waktu yang diperlukan untuk menyusun dan

mengevaluasi penyeleksian calon siswa baru tersebut menjadi lebih efisien. Terkait dengan

penerapan metode TOPSIS untuk sistem pendukung keputusan penyeleksian siswa baru, berdasar

hasil akhir pada tahapan-tahapan yang dilakukan didapatkan bahwa sistem yang dibangun telah

mampu untuk menentukan penyeleksian calon siswa baru berdasarkan pada aspek-aspek penilaian

yang ada.

DAFTAR PUSTAKA

[1] Kusrini., 2007, “Konsep dan Aplikasi Sistem Pendukung Keputusan”, Andi Offset,

Yogyakarta.

[2] Kusumadewi, S., dkk., 2006, “Fuzzy Multi-Attribute Decision Making (Fuzzy MADM)”,

Graha Ilmu, Yogyakarta.

[3] Turban, E., dkk., 2005, “Decision Support systems and Intelligent Systems Edisi 7 Jilid 1”,

Andi, Yogyakarta.

23-91-1-PB(1)

Documents

Transcript of 23-91-1-PB(1)