IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN TINGKAT KELULUSAN SISWA-SISWI DI SD SWASTA PENGHARAPAN DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)
Sitefanus Hulu Program Studi Teknik Informatika Sekolah Tinggi Teknik Harapan Jalan H.M. Joni No. 70c Medan Telpon : 061 7366804 E-mail : www.stth.medan.co.id ABSTRAK Ujian Nasional merupakan salah satu syarat kelulusan dari sekolah dasar menuju ke jenjang sekolah menengah pertama, tentu saja dalam kasus ini pihak sekolah memerlukan sebuah sistem pendukung keputusan yang tepat dan pasti untuk menentukan lulus dan tidaknya siswa-siswi di SD Swasta Pengharapan. Pada penelitian ini, penulis akan memberikan solusi dalam suatu kasus menentukan lulus dan tidaknya siswa-siswi di SD Swasta Pengharapan. Penelitian ini dilakukan dengan cara mencari nilai bobot terbaik dari setiap nilai siswa yang telah di ujikan dengan nilai kompetensi yang telah ditentukan, kemudian data yang diproses diinput dalam aplikasi sistem pendukung keputusanyang yang nantinya akan menghasilkan informasi Lulus dan tidaknya siswa-siswi SD Swasta Pengharapan. Kata kunci : Sistem pendukung keputusan, simple additive weighting (SAW), Sekolah, kriteria, informasi, bobot.
ABSTRACT National Examination is a requirement of graduation from primary school to secondary school level to the first, of course, in this case the school needs a support system and definitely the right decision to determine whether or not graduated and students in private primary schools hope. In this study, the authors will provide a solution in a case of determining whether or not graduated and students in private primary schools hope. The research was done by finding the best weight value of each value of students who have been in ujikan with competence predetermined value, then the processed data is inputted in the application keputusanyang support system that will produce information and whether or not graduated elementary school students Private Hope. Keywords: decision support system, simple additive weighting (SAW), Schools, criteria, information, weight.
1.
Latar Belakang
Ujian Nasional merupakan ujian penentu kelulusan bagi siswa Sekolah Dasar untuk melanjutkan ke Sekolah Menengah Pertama. Mata pelajaran yang diujikan adalah Matematika, Bahasa Indonesia, Ilmu Pengetahuan Alam dan Ilmu Pengetahuan Sosial. Keempat mata pelajaran tersebut dirata-rata sehingga dapat diketahui siswa yang lulus dan tidak lulus. Karena menjadi penentu lulus tidaknya, tentunya siswa-siswi SD Swasta Pengharapan dituntut untuk mempersiapkan Ujian Nasional sedini mungkin. Salah satu faktor yang dapat dijadikan tolak ukur kesiapan siswa SD Swasta Pengharapan adalah nilai raport per semester dari empat mata pelajaran tersebut. Sistem Pendukung Keputusan (SPK) adalah bagian dari sistem informasi berbasis komputer, termasuk sistem berbasis pengetahuan (manajemen pengetahuan) yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan, [6]. Tujuan dari sistem Pendukung Keputusan adalah : (1) Membantu manajer dalam pengambilan keputusan atas masalah. (2) Memberikan dukungan atas pertimbangan manajer dan bukan maksud menggantikan fungsi manajer. (3) meningkatkan efektifitas keputusan yang diambil manejer lebih pada perbaikan efesiensinya, [4]. Dari berbagai metode diatas penulis lebih tertarik menggunakan metode simple additive weighting (SAW). Konsep dasar dari metode simple additive weighting (SAW) adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative pada semua atribut, [11]. Kelebihan Metode Additive Weighting (SAW) terletak pada kemampuannya untuk melakukan penilaian secara lebih tepat karena didasarkan pada nilai kriteria dan bobot prefensi yang sudah ditentukan, Selain itu Simple Additive Weighting(SAW) juga dapat menyeleksi alternative terbaik dari sejumlah kriteria yang ada karena adanya proses perangkingan setelah menentukan nilai bobot untuk setiap atribut. Keputusan dibagi menjadi 3 yaitu : (1) Keputusan terstruktur adalah keputusan yang dilakukan secara berulang ulang dan bersifat rutin. Prosedur pengambilan keputusan ini sangat jelas. Keputusan ini terutama dilakukan pada managemen tingkat bawah. Keputusan pemesanan barang dan penagihan keputusan piutang merupakan contoh keputusan yang terstruktur. (2) Keputusan semiterstruktur adalah keputusan yang mempunyai sifat yakni sebagai keputusan dapat ditangani oleh komputer dan yang lain tetap harus dilakukan oleh pengambilan keputusan. Pengevaluasian kredit,
penjadwalan produksi, pengendalian sediaan merupakan beberapa contoh keputusan ini. (3) Keputusan tak terstruktur adalah keputusan yang penanganannya rumit, karena tidak terjadi berulang ulang atau tidak selalu terjadi, [3]. Normalisasi file adalah suatu proses pengelompokan elemen data ke dalam tabel yang menyatakan hubungan antara entitas sehingga terwujud suatu bentuk yang memudahkan adanya perubahan dengan dampak terkecil, [9]. Personal Home Page Tools (PHP) merupakan suatu bahasa pemrograman yang hanya dapat berjalan pada sisi server (server side scripting). PHP digunakan untuk membangun aplikasi berbasis web agar web tersebut dapat digunakan secara dinamis, seperti menambah, mengubah, membaca, serta menghapus suatu konten, [8]. Informasi merupakan salah satu sumber daya penting dalam suatu organisasi, digunakan sebagai bahan pengambilan keputusan. sehubungan dengan hal itu, informasi haruslah berkulitas, [3]. Sistem informasi yang digunakan untuk menyediakan informasi bagi para pemakai disuatu organisasi dapat dibedakan menurut dukungan terhadap berbagai level managemen maupun area fungsional (departemen). Menurt dukungan terhadap level managemen, terhadap jenis sistem informasi yang dinamakan TPS (Transaction Processing System), MIS ( Management Informasi System), DSS (Decision Support System), GSS (Group Support System ), dan ISS (Intelligent Support System), [3]. Tujuan yang ingin dicapai dalam penulisan penelitian ini adalah (1) Untuk mengimplementasikan metode Simple Additive Weighting (SAW) dalam proses pengolahan data, sehingga guru lebih mudah dalam proses pengolahan data untuk mendapatkan kelulusan siswa dan mengurangi kesalahan dalam kelayakan kelulusan siswa. (2) Untuk membantu pihak sekolah terutama guru dalam memutuskan kelulusan siswa sesuai dengan kriteria yang telah di tentukan. (3) Untuk mengetahui efektifitas dan efesiensi sistem pendukung keputusan layanan aplikasi dengan menggunakan metode Simple Additive Weighting (SAW). Pada dasarnya Entity Relationship Diagram (ERD) adalah sebuah diagram yang secara konseptual memetakan hubungan antar penyimpanan pada data flow diagram (DFD) di atas. Entity Relationship Diagram (ERD) ini digunakan untuk melakukan permodelan terhadap struktur data dan hubungannya. Penggunaan Entity Relationship Diagram (ERD) ini dilakukan untuk
mengurangi tingkat kerumitan penyusunan sebuah database yang baik, [12]. Database terdiri dari dua penggalan kata yaitu data dan base, yang artinya berbasiskan pada data. Tetapi secara konseptual, database diartikan sebuah koleksi atau kumpulan data yang saling berhubungan (relation), disusun menurut aturan tertentu secara logis, sehingga menghasilkan informasi. Sebuah informasi yang berdiri sendiri tidaklah dikatakan database, [10] My Structured Query Language (MySQL) adalah salah satu jenis database server yang sangat terkenal dan banyak digunakan untuk membangun aplikasi web yang menggunakan database sebagai sumber dan pengolahan data. My Structured Query Language (MySQL) sebenarnya merupakan turunan salah satu konsep utama Structured Query Language (SQL) dalam database sejak lama. MySQL memiliki beberapa kelebihan diantaranya : 1. MySQL sebagai Data Management System (DBMS) dan Relation Databese Management System (RDBMS). 2. MySQL adalah software database yang OpenSource, artinya program ini bersifat free atau bebas digunakan oleh siapa saja tanpa harus membeli dan membayar lisensi kepada pembuatnya. 3. MySQL merupakan database server , jadi dengan menggunakan database ini dapat menghubungkan ke media internet sehingga dapat diakses jarak jauh. 4. MySQL merupakan sebuah database client. Selain menjadi server yang melayani permintaan, MySQL juga dapat melakukan query yang mengakses database pada server, jadi MySQL dapat juga berperan sebagai Client. 5. MySQL mampu menerima query yang bertumpuk dalam satu permintaan atau yang disebut Multi-Threading. 6. MySQL merupakan sebuah database yang mampu menyimpan data berkapasitas sangat besar hingga berukuran Gigabyte sekalipun. 7. MySQL didukung oleh driver ODBC, artinya database MySQL dapat diakses menggunakan aplikasi apa saja termasuk berupa visual seperti Delphi maupun Visual Basic. 8. MySQL adalah database menggunakan enkripsi password. Jadi database ini cukup aman karena memiliki password untuk mengaksesnya. 9. MySQL dapat menciptakan lebih dari 16 kunci per tabel dan dalam satu kunci memungkinkan berisi belasan field . Serta MySQL mendukung field yang dijadikan sebagai kunci primer dan kunci unik atau (Unique). 10. MySQL memiliki kecepatan dalam pembuatan tabel maupun peng-update β an tabel, [1].
2.
Metode Penelitian
Metodologi penelitian yang akan dilakukan oleh penulis yaitu tahapan-tahapan yang dilakukan oleh penulis mulai dari
perumusan masalah sampai pada kesimpulan yang membentuk suatu alur yang sistematis. Metode ini dijadikan penulis sebagai pedoman penelitian penulisan ini, guna untuk mencapai hasil yang dicapai, tidak menyinggung dari permasalahan, tujuan yang telah ditentukan sebelumnya. Berikut adalah metode yang digunakan penulis : 1. Metode Pengumpulan Data (1)Metode Observasi mengadakan pengamatan langsung terhadap objek penelitian. (2) Metode Kepustakaan Yaitu dengan menggunakan buku, paper dan sumber ilmiah lain, seperti situs internet ataupun artikel teks dokumen yang berhubungan dengan penelitian. (3) Metode Wawancara Metode wawancara dilakukan dengan mengadakan tanya jawab langsung kepada pihak yang berhubungan langsung dengan objek yang diteliti, sehinga data yang didapat betul-betul objektif dan dapat dipertanggung jawabkan. 2. Metode Pengembangan Perangkat Lunak Pada tahapan ini, dalam proses pengembangan perangkat lunak, digunakan pendekatan berbasis dengan model proses yang digunakan adalah sekuensial linier/waterfall. 3. Pengujian perangkat lunak yang dibuat dan pembuatan kesimpulan Konsep dasar metode Simple Additive Weighting (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. πππ =
π ππ πππ₯ π ππ πππ π ππ π ππ
πππ₯ ππππ π πππππ ππ‘ππππ’π‘ πππ’ππ‘π’ππππ πππππππ‘ πππ ππππ π πππππ ππ‘ππππ’π‘ ππππ¦π πππ π‘
Keterangan : π
ππ = Nilai rating kinerja normalisasi πππ = Nilai atribut yang dimiliki dari setiap kriteria πππ₯ πππ = Nilai terbesar dari setiap kriteria πππ πππ = Nilai terkecil dari setiap kriteria Benefit = Nilai terbesar adalah terbaik Cost = Nilai Terkecil adalah terbaik Dimana πππ adalah rating kinerja ternormalisasi dari alternatif π΄π pada atribut πΆπ , i=1,2,.....,n dan j=1,2.....,n. Nilai preferensi untuk setiap alternatif (ππ ) diberikan sebagai : n Vi =
wj rij
J=1 Keteranga : ππ = Rangking untuk setiap alternatif ππ = Nilai bobot dari setiap kriteria πππ = Nilai rating kinerja ternormalisasi
Nilai ππ yang lebih besar mengindikasi bahwa alternatif Ai lebih terpilih. Langkah β langkah dari metode Simple Additive Weighting (SAW) adalah : 1.
2. 3.
4.
Menentukan kriteria β kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu C. Menentukan rating kecocokan setiap alternatif pada setiap kriteria. Membuat matriks keputusan berdasarkan kriteria (C), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. Hasil akhir diperoleh dari proses peranking yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vector bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (A) sebagai solusi.
Dalam penyeleksian Kelulusan Siswa Siswi dengan menggunakan dengan metode Simple Additive Weighting (SAW) diperlukan kriteriakriteria dan bobot untuk melakukan perhitungannya sehingga akan didapat alternative terbaik. 1. Kriteria dan Bobot Dalam metode Simple Additive Weighting (SAW) terdapat kriteria yang dibutuhkan untuk menentukan siapa yang akan terseleksi sebagai Siswa terbaik. Adapun kriteria dan bobot setiap mata pelajaran adalah sebagai berikut, seperti pada tabel 1. Setiap mata pelajaran diberikan bobot 25%
Kode Kriteria
Tabel 1. Kriteria Kriteria Bobot Kriteria
Tabel 2. Rating Kecocokan Tabel Rating Kecocokan Alternatif
C1
C2
C3
C4
A1
1
2
2
3
A2
2
3
4
3
A3
1
4
4
5
A4
1
3
2
3
Dari tabel 2 diatas data dapat diubah kedalam matriks keputusan X, sebagai berikut :
12 23 2343 X 1445 1323 Menormalisasikan matriks X menjadi r berdasarkan rumus persamaan 2.1 pada bab II. Nilai yang diberikan pada setiap alternatif dari criteria merupakan nilai kecocokan (nilai terbesar adalah terbaik) maka semua criteria yang diberikan diasumsikan sebagai kriteria keuntungan. Pertamatama, dilakukan normalisasi matriks X berdasarkan persamaan (1) sebagai berikut: a. Untuk Kriteria Matematika : π11= 1 1 = =0.5 πππ₯ 1;2;1;1
2
π21=
2 2 = =1 πππ₯ 1;2;1;1 2
π31=
1 1 = =0,5 πππ₯ 1;2;1;1 2
π41=
C1
Matematika
25%
C2
IPA
25%
C3
IPS
25%
C4
Bahasa 25% Indonesia Pencapaian Nilai Kompetensi : 1. Buruk , Jika Nilai : 0 β 54 (alternatif = 1) 2. Cukup, Jika Nilai : 55 β 79 (alternatif =2) 3. Baik, Jika Nilai : 70 β 85 (alternatif =3) 4. Sangat Baik, Jika Nilai : 85 β 100 (alternatif =4) Kelulusan >=75 2. Variabel Nilai Kriteria Dalam metode Simple Additive Weighting (SAW) terdapat kriteria yang dibutuhkan untuk menentukan siapa yang akan terseleksi sebagai Siswa yang lulus. Adapun rating kecocokan di ambil dari pencapaian nilai kompetensi adalah sebagai berikut.
1 1 = =0,5 πππ₯ 1;2;1;1 2
b. Untuk Kriteria IPA : 2 π12 = = Max {2; 3; 4; 3} 3 π22 = = Max {2; 3; 4; 3}
2 = 0.5 4 3 = 0.75 4
π32 =
4 4 = =1 Max {2; 3; 4; 3 } 4
π42 =
3 3 = = 0.75 Max {2; 3; 4; 3 } 4
c. Untuk Kriteria IPS: π13 =
2 2 = = 0.5 Max {2; 4; 4; 2} 4
π23 =
4 4 = =1 Max {2; 4; 4; 2 } 4
π33 =
4 4 = =1 Max {2; 4; 4; 2 } 4
π43 =
2 2 = = 0.4 Max {2; 4; 4; 2 } 4
d. Untuk Kriteria Bahasa Indonesia: 3 3 π14 = = = 0.6 Max {3; 3; 5; 3 } 5 π24 = π34 =
Hasil penilaian terbesar ada pada A2 sehingga A2 layak atau dapat di jadikan sebagai alternative dalam pemilihan Siswa yang lulus, terpilih sebagai alternatif terbaik.
3 3 = = 0.6 Max {3; 3; 5; 3; } 5
Alternatif
5 5 = =1 Max {3; 3; 5; 3 } 5
3 3 π44 = = = 0.6 Max {3; 3; 5; 3 } 5 Matrix R :
0.5 1 X 0.75 0.75
bobot normalisasi persamaan (2.1)
0.5 0.5 06 0.75 1 1 1 1 0.6 0.75 0.6 0.6 matriks
X
3.
berdasarkan
Tabel 3. Bobot Normalisasi Bobot Normalisasi Alternatif C1 C2 C3 A1 0.5 0.5 0.4 A2 1 0.75 1 A3 0.5 1 1 A4 0.5 0.75 0.4
C4 0.6 0.6 1 0.6
3. Melakukan proses perankingan berdasarkan rumus persamaan 2.2 ππ = ππ=1 π€π πππ Jadi : V1 = 0.5(25) + 1(25) + 0.5(25) + 0.5(25) = 12.5 + 25 + 12.5 + 12.5 = 62.5 V2 = 0.5(25) + 0.75(25) + 1(25) + 0.75(25) = 12.5 + 18.75 + 25 + 18.75 = 75 V3 = 0.4(25) + 1 (25) + 1 (25) + 0.4(25) = 10 + 25 + 25 + 10 = 70 V4 = 0.6(25) + 0.6(25) + 1(25) + 0.6 (25) =15 + 15 + 25 + 15 = 70 Hasil proses perangkingan berdasarkan hasil rumus persamaan 2.2. Tabel 4. Proses Perangkingan Proses Perangkingan Alternati f A1
C1
C2
C3
C4
25
12.5
18.7 5 25
12. 5 25
A3
12. 5 12. 5 10
A4
15
15
A2
Tabel 5. Alternatif Rangking
A2
75
A3
70
A4
70
A1
62.5
HASIL DAN PEMBAHASAN
Adapun hasil Implementasi Sistem Pendukung Keputusan Untuk Menentukan Tingkat Kelulusan Siswa-Siswi Di SD Swasta Pengharapan Dengan Menggunakkan Metode Simple Additive Weighting (SAW). Berikut adalah tampilan aplikasi Implementasi Sistem Pendukung Keputusan Untuk Menentukan Tingkat Kelulusan Siswa-Siswi Di SD Swasta Pengharapan Dengan Menggunakkan Metode Simple Additive Weighting (SAW).
Gambar 1. Form Utama Form utama ini adalah form interface antara user dan aplikasi.
Jumla h 62.5 75
25
18.7 5 10
25
15
70
70 Gambar 2. Halaman Kriteria
form ini seorang user dapat menambah, mengedit atau menghapus data kriteria pada aplikasi
Gambar 3. Halaman Alternatif Form ini akan tampil jika user memilih menu file lalu form alternatif yang ada pada menu atas form utama, pada form ini seorang user dapat menambah, mengedit atau menghapus data Gambar 6. Halaman output SAW Proses Form ini akan tampil jika user memilih menu file lalu SAW proses yang ada pada menu atas form utama, pada tampilan ini akan di tampilkan output dari proses input yang yang sudah ditentukan pada form penilaian, output akan tampil dengan format pdf, dimana fungsi dengan menggunakkan format pdf maka tidak akan bisa diedit lagi karena format tersebut berformat readonly, atau hanya bisa dibaca. Pada proses algoritma SAW. Gambar 4. Form Penilaian Form ini akan tampil jika user memilih menu file lalu form penilaian yang ada pada menu atas form utama, pada form ini seorang user dapat menambah, mengedit atau menghapus data penilaian, di dalam form penilaian ini user diharuskan memasukkan nilai-nilai alternatif di masing-masing kriteria dengan pilihan 1. BURUK, 2. CUKUP, 3. BAIK dan 4. SANGAT BAIK, dari proses ini nantinya akan didapatkan output pada aplikasi Implementasi Sistem Pendukung Keputusan Untuk Menentukan Tingkat Kelulusan Siswa-Siswi Di SD Swasta Pengharapan Dengan Menggunakkan Metode Simple Additive Weighting (SAW). Berikut tampilan dari hasil proses algoritma SAW Implementasi Sistem Pendukung Keputusan Untuk Menentukan Tingkat Kelulusan Siswa-Siswi Di SD Swasta Pengharapan Dengan Menggunakkan Metode Simple Additive Weighting (SAW).
Tahap- tahap prosesnya adalah : PROSES 1. Tabel Rating Kecocokan PROSES 2. Tabel Bobot Normalisasi PROSES 3. Proses Perangkingan PROSES 4. Hasil Seleksi
4.
Kesimpulan
Setelah menganalisis dan merancang Implementasi Sistem pendukung Keputusan Untuk Menentukan Tingkat Kelulusan Siswa-Siswi di SD Swasta Pengharapan Dengan Menggunakan Metode Simple Addittive Weightting (SAW), maka penulis dapat mengambil kesimpulan bahwa : Untuk menerapkan sistem keputusan dalam masalah menentukan kelulusan siswa yaitu, terlebih dahulu harus ditentukan nilai bobot pelajaran dan nilai tingkat pencapaian kompetensi lulusan, lalu nilai yang diperoleh siswa dihitung sesuai dengan cara kerja metode simple additive weighting (SAW). Untuk menerapkan metode simple additive weighting (SAW) dalam sistem keputusan, data nilai siswa yang sudah di olah secara manual harus di masukkan kedalam sistem pendukung keputusan, secara otomatis sistem akan mengolah data dan
menghasilkan informasi tentang kelulusan dan tidaknya siswa-siswi. Dengan menggunakan Sistem pendukung keputusan kelulusan siswa ini, sangat efektif dalam mengambil keputusan yang cepat, dapat memberikan manfaat untuk membantu meningkatkan kinerja guru dalam mengambil keputusan kelulusan siswa di SD Swasta Pengharapan. DAFTAR PUSTAKA [1]
Arief, 2011. Database Server Jakarta: Alex Media Komputindo.
Mysql,
[2]
Gatta, Windu, 2013, Sukses Membangun Aplikasi Penjualan dengan Java,Yokyakarta:Alex Media Komputindo.
[3]
Kadir, Abdul & Triwahyuni, Terra Ch, 2012. Pengenalan Teknologi Informasi, Yokyakarta: Andi
[4]
Karismariyanti, Magdalena, 2011. Konsep dan Aplikasi Sistem Pendukung Keputusan, Jakarta: Ghalia Indonesia.
[5]
Kusrini, 2007. Konsep dan Sistem Pendukung Keputusan, Yogyakarta: Andi Offset.
[6]
Nugroho Joko Usito, 2013. Sistem Pendukung Keputusan Penilaian Proses Belajar Mengajar Menggunakan Metose Simple Additive Weighting (SAW). Tesis Universitas Diponegoro Semarang.
[7]
Rismawan,Teddy, 2008. Aplikasi Algoritma Genetik untuk penentuan komposisi bahan pangan harian, Jurusan Teknik Informatika, Fakultas Teknologi Industri Universitas Islam Indonesia.
[8]
Saputra, Agus, 2012. Mambangun Aplikasi Toko Online dengan PHP dan SQL Server, Jakarta: PT. Alex Media Komputindo.
[9]
Uus, Rusmawan, 2010. Konsep dan Implementasi Visual Basic, Surabaya: Ghalia Indonesia.
[10]
Yuhefizard, 2008. 10 Jam Menguasai Komputer, Jakarta: PT. Elex Media Komputindo.
[11]
Youllia, Indrawaty, dkk, Implementasi Metode Simple Weighting, Yogyakarta: Offset.
[12]
Wahana, Komputer, 2010. Shortcours Sql Server 2008 Ekspress, Yokyakarta: Andi.
2011. Additive Andi
