ANALISIS PEMILIHAN JURUSAN FAVORIT MENGGUNAKAN METODE PROMETHEE (Studi Kasus pada STMIK El Rahma Yogyakarta)

ANALISIS PEMILIHAN JURUSAN FAVORIT MENGGUNAKAN METODE PROMETHEE (Studi Kasus pada STMIK El Rahma Yogyakarta) Edi Faizal Program Studi Manajemen Informatika STMIK El Rahma Yogyakarta e-mail: [email protected]

Abstract Choosing a course at a college is an important decision. As a first step is to adjust the interest and talent. It is also to note is expected career, whether the courses that will be selected in accordance with the career projection. Problems of decision making requires precision and special methods that the decision was the right decision. There have been many studies done in determining a computer-based decision. method of determining a decision that can be used is Promethee (Preference Ranking Organization Method for Enrichment Evaluation). The Results of the analysis showed that the Promethee method can be used as an alternative method in determining the selection of courses on STMIK El Rahma appropriately. Promethee method of use based on a sample survey of data shows that the courses most in interest of students is IT (Teknik Informatika). Keywords— SPK, pemilihan jurusan, Promethee PENDAHULUAN Memilih jurusan kuliah adalah satu keputusan penting. Sebagai langkah awal memilih jurusan harus disesuakan dengan minat dan bakat. Hal lain yang perlu di perhatikan adalah menentukan karier yang diinginkan selanjutnya apakah jurusan yang dipilih sesuai proyeksi karier tersebut. Beberapa jurusan bisa jadi mengharuskana belajar ekstra keras, melakukan banyak praktikum atau membaca banyak buku, sehingga diperlukan untuk mengetahui persyaratan kuliah di jurusan tersebut. [1] STMIK El Rahma Yogyakarta adalah sebuah perguruan tinggi yang memiliki visi “menjadi perguruan tinggi komputer yang unggul, mandiri dan qur’ani di tingkat nasional”. Misi yang di emban STMIK El Rahma adalah (1) Menyelenggarakan tridharma perguruan tinggi yang berkualitas sesuai dengan standar akreditasi (2) Menyiapkan lulusan yang mandiri, berani mengembangkan potensi diri, kreatif dan bertanggungjawab dan (3) Menyelenggarakan pendidikan tinggi yang berlandaskan pada nilai-nilai Al quran. Sedangkan tujuan yang akan dicapai dari penyelenggaraan STMIK El Rahma adalah (1) Berkembangnya potensi mahasiswa dan dihasilkannya lulusan yang memiliki kompetensi dan keunggulan bidang teknologi informasi, berjiwa wirausaha dan berakhlak qurani (2) Menghasilkan penelitian yang mendukung pengembangan teknologi informasi dan meningkatkan kualitas pembelajaran dan (3) Terwujudnya pengabdian masyarakat berbasis penalaran dan karya penelitian yang bermanfaat bagi masyarakat [2]. Saat ini STMIK El Rahma memiliki lima jurusan, terdiri dari dua jurusan program Sarjana (S1) dan tiga jurusan program Diploma 3 (D3). Mahasiswa yang memilih untuk melanjutkan pendidikan pada STMIK El Rahma, baik S1 maupun D3 berasal dari berbagai daerah di Indonesia. Tidak sedikit dari mahasiswa yang merasa memilih perguruan tingginya dengan tepat, tetapi masih terdapat beberapa mahasiswa yang merasa salah pilih jurusan. Dampak negatif yang terjadi adalah kualitas berlajar yang tidak maksimal bahkan terkesan “ogah-ogahan”. Hal ini sangat disayangkan mengingat visi, misi dan tujuan pendidikan tinggi dan harapan keberlangsungan Bangsa dan Negara terletak di tangan generasi muda. Berbagai permasalahan yang terkait dengan penentuan keputusan memerlukan

FAHMA – Jurnal Teknologi Informasi dan Ilmu Komputer Vol. 13, No. 2, Mei 2015

ketelitian dan metode khusus agar keputusan yang diambil adalah keputusan yang tepat. Berbagai metode yang dapat di gunakan dalam menentukan keputusan telah banyak di teliti dan kembangkan, terutama penentuan keputusan berbasis komputer (Computer Based Decision Making). Salah satu metode penentuan keputusan yang dapat di gunakan adalah metode Promethee (Preference Ranking Organization Method for Enrichment Evaluation). Beberapa penelitian yang pernah dilakukan dengan menggunakan pendekatan metode Promethee antara lain penelitian [3], yang membahas tentang rancang bangun sistem pendukung keputusan pemilihan mahasiswa berprestasi menggunakan metode AHP dan Promethee. Metode AHP dan Promethee digunakan untuk membantu bagian kemahasiswaan dalam menentukan mahasiswa berprestasi untuk dikirim ke sebuah event. Penelitian yang berbeda dilakukan [4], yang membahas tentang sistem pendukung keputusan untuk penentuan pemenang tender, dalam hal ini metode Promethee digunakan sebagai program aplikasi yang dapat dioperasikan dan digunakan untuk menentukan pemenang tender secara lebih efektif, transparan dan akuntabel. Data berupa nilai-nilai kriteria, tipe preferen dan parameter yang digunakan disusun dalam matriks analisa Promethee terlebih dahulu. Sedangkan [5], membahas tentang sistem pendukung keputusan penentuan pendirian SPBU berbasis web dengan menggunakan metode Promethee yang mana metode ini diusulkan sebagai model dan acuan tambahan yang disajikan dengan menggunakan sistem. Sistem menghasilkan untuk menunjukan bahwa sistem bekerja dengan baik dalam membuat keputusan. Berdasarkan beberapa permasalahan yang telah diuraikan terkait pemilihan jurusan pada sebuah perguruan tinggi dan mempelajari beberapa penelitian sebelumnya, maka penelitian ini dilakukan untuk menemukan model analisis pemilihan jurusan kuliah menggunakan metode Promethee. Data dan kriteria yang digunakan berdasarkan studi kasus pada STMIK El Rahma Yogyakarta. METODE PENELITIAN Metode penelitian ini melibatkan dua hal utama yaitu pengembangan sistem pendukung keputusan dan metode promethe untuk mengetahui jurusan yang tepat. 1. Sistem Pendukung Keputusan Sistem pendukung keputusan adalah suatu sistem informasi spesifik yang ditujukan untuk membantu menejemen dalam mengambil keputusan yang berkaitan dengan persoalan yang bersifat semi terstruktur. Sistem pendukung keputusan merupakan Computer Based Information System (CBIS) yang interaktif, fleksibel, mudah disesuaikan (dapat beradaptasi) yang secara khusus dikembangkan untuk mendukung penyelesaian dari masalah yang tidak tertruktur untuk meningkatkan pembuatan keputusan. Dalam suatu sistem pendukung keputusan ada tiga komponen utama yang menentukan kapasitas teknis sistem pendukung keputusan tersebut yaitu sub sistem manajemen basis data, sub sistem manajemen basis model dan sub sistem perangkat lunak penyelenggara dialog [6]. a. Subsistem Manajemen Basis Data Dalam sub sistem ini sumber data ada dua macam, yaitu eksternal dan internal. Ada beberapa perbedaan antara database untuk sistem pendukung keputusan dan non sistem pendukung keputusan dimana data harus berasal dari luar dan dari dalam karena proses pengambilan keputusan, terutama dalam level manajemen puncak sangat berrgantung pada sumber data dari luar, seperti data ekonomi. b. Subsistem Manajemen Basis Model (Model Base Management System)

27


Salah satu keunggulan sistem pendukung keputusan adalah kemampuan untuk mengintegrasikan akses data dan model-model keputusan. Hal ini dapat dilakukan dengan menambahkan model-model keputusan kedalam sistem informasi yang menggunakan database sebagai mekanisme integrasi dan komunikasi diantara modelmodel.

Gambar 1 Komponen SPK c. Subsistem Perangkat Lunak Penyelenggara Dialog Fleksibilitas dan kekuatan karakteristik Sistem pendukung keputusan timbul dari kemampuan interaksi antara sistem dan pemakai, yang dinamakan subsistem dialog. Melalui sistem dialog inilah system diimplementasikan sehingga pengguna atau pemakai dapat berkomunikasi dengan sistem yang dirancang. 2. Metode Promethee Preference Ranking Organization Method for Enrichment Evaluation (Promethee) merupakan salah satu metode penentuan ranking dalam Multi Criteria Decision Making (MCDM). Pengertian dari metode Promethee adalah suatu metode penentuan urutan (prioritas) dalam analisis multikriteria. Masalah pokoknya adalah kesederhanaan, kejelasan dan kestabilan. Dugaan dari dominasi kriteria yang digunakan dalam Promethee adalah penggunaan nilai dalam hubungan outranking. Semua parameter yang dinyatakan mempunyai pengaruh nyata menurut pandangan ekonomi [7]. Prinsip yang digunakan adalah penetapan prioritas alternatif berdasarkan pertimbangan ∀iƒi(.)→ℜ dengan ℜ : Real world dan kaidah dasar (Suryadi dan Ramdhani, 1998), sebagaimana yang ditunjukan pada persamaan (1). Max{f1(x), f2(x), f3(x), …, fj(x), …, fk(x) | x є ℜ}

(1)

Dengan K adalah sejumlah kumpulan alternatif dan ƒi (i = 1, 2, 3,…, K) merupakan nilai atau ukuran relatif kriteria untuk masing-masing alternatif. Dalam aplikasinya sejumlah kriteria telah ditetapkan untuk menjelaskan K yang merupakan penilaian dari ℜ (real world). Promethee termasuk dalam keluarga dari metode outranking yang meliputi 2 fase, yaitu (1) Membangun hubungan outranking dari K dan (2) Eksploitasi dari hubungan ini memberikan jawaban optimasi kriteria dalam paradigma permasalahan multikriteria. 28


Dalam fase pertama, nilai hubungan outranking berdasarkan pertimbangan dominasi masing-masing kriteria. Indeks preferensi ditentukan dan nilai outranking secara grafis disajikan berdasarkan preferensi dari pembuat keputusan. Data dasar untuk evaluasi dengan metode Promethee disajikan pada Tabel 1.

a1 a2 ai an

f1(.) f1(a1) f1(a2) fi(ai) fi(an)

Tabel 1 f2(.) f2(a1) f2(a2) f2(ai) f2(an)

Data dasar Promethee …….. fj(.) …….. …….. fj(a1) …….. …….. fj(a2) …….. …….. fj(ai) …….. …….. fj(an) ……..

fk(.) fk(a1) fk(a2) fk(ai) fk(an)

Keterangan: a1, a2,….. an = alternatif potensial f1, f2,….., fj, fk = kriteria evaluasi Struktur preferensi yang dibangun atas dasar kriteria [7], sebagaimana yang ditunjukan pada persamaan (2). (2) Dominasi kriteria Nilai f merupakan nilai nyata dari suatu kriteria: ƒ:K ℜ, dan tujuan berupa prosedur optimasi Untuk setiap alternatif a є K, ƒ(a) merupakan evaluasi dari alternatif tersebut untuk suatu kriteria. Penyampaian intensitas (P) dari preferensi alternatif a terhadap b sedemikian rupa sehingga: 1. P(a,b) = 0, berarti tidak ada beda antara a dan b, (tidak ada preferensi). 2. P(a,b) ~ 0, berarti lemah preferensi a lebih baik dari b. 3. P(a,b) ~ 1, berarti kuat preferensi a lebih baik dari b. 4. P(a,b) = 1, berarti mutlak preferensi a lebih baik dari b. Dalam metode ini, fungsi preferensi seringkali menghasilkan nilai fungsi yang berbeda antara dua evaluasi [7], sebagaimana yang ditunjukan pada persamaan (3). P(a,b) = P(f(a) – f(b))

(3)

Untuk semua kriteria, suatu alternatif akan dipertimbangkan memiliki nilai kriteria yang lebih baik ditentukan oleh f dan akumulasi dari nilai ini menentukan nilai preferensi atas masing-masing alternatif yang akan dipilih. Rekomendasi fungsi preferensi untuk keperluan aplikasi Untuk memberikan gambaran yang lebih baik terhadap area yang tidak sama digunakan fungsi selisih nilai kriteria antar alternatif H(d). Hal ini mempunyai hubungan langsung dengan fungsi preferensi P. Dalam Promethee disajikan enam fungsi preferensi kriteria: a. Kriteria biasa (usual criterion) Kriteria biasa adalah tipe dasar, yang tidak memiliki nilai threshold atau kecenderungan dan tipe ini jarang digunakan. Pada tipe ini dianggap tidak ada beda antara alternatif a dan alternatif b jika a=b atau f(a)=f(b), maka niliai preferensinya bernilai 0 (nol) atau H(d)=0. Apabila nilai kriteria pada masing-masing alternatif memiliki nilai berbeda, maka pembuat keputusan membuat preferensi mutlak benilai 1 (satu) atau H(d)=1 untuk 29


alternatif yang memiliki nilai lebih baik [7]. Sebagaimana yang ditunjukan pada persamaan (4). (4) Keterangan: 1. H(d) : fungsi selisih kriteria antar alternatif 2. d : selisih nilai kriteria {d = f(a) – f(b) Fungsi H(d) untuk fungsi preferensi ini disajikan pada Gambar 2.

Gambar 2 Kriteria biasa b. Kriteria quasi (quasi criterion) Dalam fungsi preferensi kriteria quasi, selisih hasil evaluasi untuk masing-masing nilai kriteria antar alternatif H(d) berpreferensi mutlak jika nilai H(d) dapat melebihi nilai q [7]. Sebagaimana yang ditunjukan pada persamaan (5). (5) Keterangan: 1. H(d) : fungsi selisih kriteria antar alternatif 2. d : selisih nilai kriteria {d = f(a) – f(b)} 3. Paramater (q) : Harus merupakan nilai yang tetap Gambar 3 menjelaskan 2 alternatif memiliki preferensi yang sama penting selama selisih atau nilai H(d) dari masing-masing alternatif untuk kriteria tertentu tidak melebihi nilai q, dan apabila selisih hasil evaluasi untuk masing-masing alternatif melebihi nilai q maka terjadi bentuk preferensi mutlak.

Gambar 3 Kriteria quasi c. Kriteria dengan preferensi linier

30


Kriteria preferensi linier dapat menjelaskan bahwa selama ini selisih memiliki nilai yang lebih rendah dari P, preferensi dari pembuat keputusan meningkat secara linier dengan nilai d [7]. Sebagaimana yang ditunjukan pada persamaan (6). (6) Keterangan : 1. H(d) : fungsi selisih kriteria antar alternatif 2. d : selisih nilai kriteria {d = f(a) – f(b)} 3. p : nilai kecenderungan atas Jika nilai d lebih besar dibandingkan dengan nilai p, maka terjadi preferensi mutlak, fungsi kriteria ini digambarkan pada Gambar 4.

Gambar 4 Kriteria dengan preferensi linier Pada saat pembuat keputusan mengidentifikasi beberapa kriteria untuk tipe ini, pembuat keputusan harus menentukan nilai dari kecenderungan atas (nilai p). Dalam hal ini nilai d diatas p telah dipertimbangkan akan memberikan preferensi mutlak dari suatu alternatif. d. Kriteria level Dalam kasus ini kecenderungan tidak berbeda dengan q dan kecenderungan preferensi p ditentukan secara simultan. Jika d berbeda diantara nilai p dan q, hal ini berarti situasi preferensi yang lemah (H(d) = 0,5). Fungsi ini [7] disajikan pada persamaan (7). (7) Keterangan : 1. H(d) : fungsi selisih kriteria antar alternatif 2. p : nilai kecenderungan atas 3. Parameter (q) : Harus merupakan nilai yang tetap Gambar 5 menjelaskan kecenderungan untuk kriteria ini.

pembuat

keputusan

telah

menentukan

kedua

31


Gambar 5 Kriteria level e. Kriteria dengan preferensi linier dan area yang tidak berbeda Pada kasus ini, pengambilan keputusan mempertimbangkan peningkatan preferensi secara linier dari tidak berbeda hingga preferensi mutlak dalam area antara dua kecenderungan q dan p [7]. Sebagaimana yang ditunjukan pada persamaan (8). (8) Keterangan : 1. H(d) : fungsi selisih kriteria antar alternatif 2. d : Selisih nilai Kriteria {d=f(a) – f(b)} 3. Parameter (p) : nilai kecenderungan atas 4. Parameter (q) : Harus merupakan nilai yang tetap Dua parameter p dan q telah ditentukan nilainya. Fungsi H adalah hasil perbandingan antar alternatif, seperti pada Gambar 6.

Gambar 6 Kriteria preferensi linier dan area yang tidak berbeda f. Kriteria gaussian Fungsi ini bersyarat apabila telah ditentukan nilai σ, dimana dapat dibuat berdasarkan distribusi normal dalam statistik. Nilai H(d) tidak akan bernilai satu [7]. Sebagaimana yang ditunjukan pada persamaan (9). (9) Pada penerapannya kriteria gaussian akan digunakan pada distribusi normal statistik seperti penilaian terhadap tingkat keamanan lingkungan. Nilai σ merupakan batas antara keamanan buruk sampai dengan tingkat aman sekali. Pada kriteria gaussian tidak ada parameter yang tetap dalam menentukan nilai batas parameter (σ). Lebih lanjut, dapat dilihat pada Gambar 7.

32


Gambar 7 Kriteria Gaussian Adapun untuk mencari nilai q ditunjukan pada persamaan (10). (10) dimana : Ā = Rata-rata nilai variable A Ai = Nilai variabel A n = Jumlah nilai q = Nilai yang menjelaskan pengaruh yang signifikan dari suatu kriteria qmin = Nilai q terkecil tetapi bukan nilai minus Sedangkan untuk mencari nilai p ditunjukan pada persamaan (11).

(11)

dimana : d = A 1 - A2 p = Nilai kecenderungan atas preferensi Begitu juga untuk mencari nilai σ ditunjukan pada persamaan (12). (12) dimana : σ = Deviasi standar populasi huruf yunani sigma Ai = Nilai variabel µ = Rata-rata nilai variabel A n = Jumlah nilai Indeks preferensi multikriteria Tujuan pembuat keputusan adalah menetapkan fungsi preferensi P, dan πi untuk semua kriteria fi (i=1,2,…,k) dari masalah optimasi kriteria majemuk. Bobot (weight) πi merupakan ukuran relatif dari kepentingan kriteria fi, jika semua kriteria memiliki nilai kepentingan yang sama dalam pengambilan keputusan maka semua nilai bobot adalah sama. Indeks preferensi multikriteria ditentukan berdasarkan rata-rata bobot dari fungsi preferensi Pi, sebagaimana yang ditunjukan pada persamaan (13) [7].

33


(13) Pada persamaan diatas δ(a, b) merupakan intensitas preferensi pembuat keputusan yang menyatakan bahwa alternatif a lebih baik daripada alternatif b dengan pertimbangan secara simultan dari seluruh kriteria. Hal ini dapat disajikan dengan nilai antara 0 dan 1, dengan ketentuan sebagai berikut: 1. δ(a, b) = 0, menunjukan preferensi yang lemah untuk alternatif a lebih dari alternatif b berdasarkan semua kriteria. 2. δ(a, b) = 1, menunjukan preferensi yang kuat untuk alternatif a lebih dari alternatif b berdasarkan semua kriteria. Indeks preferensi ditentukan berdasarkan nilai hubungan outranking pada sejumlah kriteria dari masing-masing alternatif. Hubungan ini dapat disajikan sebagai grafik nilai outranking, node-node merupakan alternatif berdasarkan penilaian kriteria tertentu. Pemeringkatan dalam Promethee Untuk setiap node a dalam grafik nilai outranking ditentukan berdasarkan Leaving flow, dengan persamaan [7] sebagaimana yang ditunjukan pada persamaan (14). Φ ( ) =

1 n−1

δ ( , )

(14)

є

Dengan δ(x,a) menunjukan preferensi bahwa alternatif a lebih baik dari alternatif x. Leaving flow adalah jumlah dari nilai garis lengkung yang memiliki arah menjauh dari node a dan hal ini merupakan karakter pengukuran outranking. Entering flow dapat ditentukan dengan persamaan [7] sebagaimana yang ditunjukan pada persamaan (15). Φ ( ) =

1 n−1

δ ( , )

(15)

є

Sehingga pertimbangan dalam penentuan net flow diperoleh dengan persamaan [7] sebagaimana yang ditunjukan pada persamaan (16). Φ (a) = Φ+(a) – Φ-(a)

(16)

Penjelasan dari hubungan outranking dibangun atas dasar pertimbangan untuk masing-masing alternatif, berupa urutan parsial (Promethee I) atau urutan lengkap (Promethee II) pada sejumlah alternatif yang mungkin, yang dapat diusulkan kepada pembuat keputusan untuk memperkaya penjelasan masalah.

Promethee I Nilai terbesar pada Leaving flow dan nilai kecil dari Entering flow merupakan alternatif yang terbaik. Promethee I menampilkan partial preorder, partial preorder ditujukan kepada pembuat keputusan, untuk membantu pengambilan keputusan masalah yang dihadapinya. Dengan menggunakan metode Promethee I masih menyisakan bentuk incomparible atau dengan kata lain hanya memberikan solusi partial preorder (sebagian).

Promethee II Pada kasus complete preorder adalah penghindaran dari bentuk incomparible, melalui complete order informasi bagi pembuat keputusan lebih realistik. 34


HASIL DAN PEMBAHASAN 1. Analisis Masalah Pada penelitian ini membahas tentang sistem pendukung keputusan yang berfungsi untuk mendukung pengambilan keputusan menentukan jurusan favorit yang paling banyak diminati menggunakan metode Promethee. Setelah dilakukan pendataan baik dengan wawancara dengan beberapa mahasiswa dan calon mahasiswa tentang ditemukan beberapa permasalahan. Adapun permasalahan yang akan diangkat dalam penelitian ini adalah bagaimana menetukan jurusan favorit yang paling banyak diminati menggunakan metode Promethee. 2. Analisis Kebutuhan Berikut merupakan beberapa kebutuhan sistem pendukung keputusan yang akan dibangun untuk menentukan jurusan favorit yang paling banyak diminati, a. Kebutuhan input Data input yang digunakan untuk membangun Sistem Pendukung Keputusan adalah data master dan data analisis. Data master berupa data kriteria dan data alternative sedangkan data analisis berupa data matriks hasil kuisioner dan data indeks preferensi. b. Kebutuhan proses Beberapa proses dibutuhkan untuk memproses data input menjadi data output berupa informasi yang diinginkan yaitu, Proses menghitung untuk nilai parameter, Proses menghitung nilai Leaving flow, Proses menghitung nilai Entering flow dan Proses menghitung nilai net flow c. Kebutuhan output Output yang diinginkan adalah berupa informasi yang akan disampaikan kepada calon mahasiswa dan pengambil kebijakan untuk pengembangan jurusan yang ada di STMIK El Rahma. 3. Sumber Data Sumber data merupakan sebuah data yang akurat baik itu data yang didapat dari internal dan eksternal yang akan dijadikan sebuah acuan untuk menghasilkan informasi yang valid. Data internal bisa di peroleh dari mahasiswa dan pengelola dan data external bisa di peroleh dari calon mahasiswa. Kedua data tersebut dapat di ekstraksi menjadi database yang dapat dijadikan dasar penentuan keputusan. 4. Rancangan Model Sistem Pendukung Keputusan Proses analisa yang diperlukan dalam membangun sistem pendukung keputusan. Langkah-langkah yang dikerjakan adalah. a. Pemodelan Promethee Pemodelan Promethee dilakukan untuk mengetahui nilai yang diperoleh ketika melakukan proses perhitungan dari data mentah menjadi data hasil perhitungan. b. Tahapan proses Promethee Tahapan ini dilakukan terhadap kebutuhan baik fungsional ataupun non-fungsional yang dibutuhkan dalam penerapan metode Promethee untuk menentukan jurusan favorit yang paling banyak diminati menggunakan metode Promethee. Disini, suatu metode Promethee diusulkan sebagai model dan acuan tambahan yang disajikan dengan menggunakan sistem. Masing-masing fungsi dapat terpilih oleh pembuat keputusan untuk menghitung derajat tingkat pilihan dari tiap alternatif dan menentukan rankingnya. Sistem kemudian akan mengeluarkan satu set alternatif diatur, dimana merupakan aturan yang terbaik, dapat dipilih oleh pembuat keputusan sebagai pemilihan yang tepat.

35


5. Penentuan Jurusan Favorite yang paling diminati Sebelum menentukan jurusan favorit maka perlu di lakukan penyebaran kuisioner terlebih dahulu kepada pengelola, mahasiswa dan calon mahasiswa sebagai acuan jurusan apa yang nantinya paling banyak diminati. a. Alternatif jurusan Terdapat beberapa alternatif jurusan yang digunakan peneliti dalam menentukan jurusan apa yang paling banyak diminati diantaranya jurusan Teknik Informatika (TI), Sistem Informasi (SI), Manajemen Informatika (MI), Teknik Komputer (TK) dan Komputerusasi Akuntansi (KA). b. Kaidah maximum dan minimum Penentuan kaidah maksimum dan minimum pada tiap-tiap kriteria ada yang berlainan dan ada juga yang sama, misalnya kriteria kepuasan terhadap jurusan yang ditetapkan adalah kaidah maximum, karena untuk kepuasan terhadap jurusan salah satu pertimbangannya adalah jurusan ini benar-benar diminati mahasiswa. Begitu juga dengan alternatif yang lainnya. c. Penentuan parameter Parameter yang berlaku pada setiap preferensi akan berbeda, mengikuti preferensi yang dipilih, misalnya preferensi II parameter hanya satu buah adalah q, sedangkan preferensi IV dan V parameternya ada dua yaitu q dan p. Nilai parameter dari tiap preferensi ditentukan oleh decision maker dengan memperhatikan batasan yang sesuai untuk masingmasing kriteria. Pada Tabel 2 diberikan desain kuisioner untuk pengambilan sampel data. Tabel 2 Kuisioner No 1 2 3 4 5

Jurusan

Biaya

Matakuliah

Kriteria Jenjang Fasilitas

Akreditasi

Lulusan

TI SI MI TK KA

Setelah hasil kuisioner didapat maka data tersebut dimasukan kedalam beberapa kriteria yang sudah ditentukan, adapun kriterianya sebagai berikut: f1(.) : Biaya, f2(.) : Matakuliah, f3(.) : Jenjang, f4(.) : Fasilitas, f5(.) : Akreditasi, f6(.) : Lulusan. Data dapat dilihat pada Tabel 3. Tabel 3 Nilai kriteria masing-masing alternatif data hasil kuisioner Alternatif Tipe Min/Ma Paramete Kriteria TI SI MI TK KA Preferens x r i Biaya Max 6 2 1 1 1 3 p = -188 Matakulia Max 8 6 1 4 3 3 p = -232 h Jenjang Max 7 4 2 3 2 2 q = 0,8 Fasilitas Max 6 2 1 2 2 2 q = 1,1 Akreditasi Max 5 3 1 2 3 3 p= -218 Lulusan Max 9 4 2 2 2 2 q = 0,6

36


d. Penentuan indeks preferensi Setelah data didapat maka dibuatkanlah matriks data indeks preferensi yang sudah melalui tahapan-tahapan perhitungan dalam menentukan nilai indeks preferensi yang disajikan pada Tabel 4.

TI SI MI TK KA

Tabel 4 Matriks indeks preferensi TI SI MI TK KA 1.000 1.000 1.000 1.000 0.000 0.833 0.833 0.667 0.000 0.000 0.000 0.000 0.000 0.000 0.500 0.333 0.000 0.000 0.333 0.167 -

e. Penentuan Nilai Leaving Flow, Entering Flow dan Net Flow Setelah perhitungan indeks preferensi selesai berdasarkan data matriks diatas maka selanjutnya menghitung nilai Leaving flow, Entering flow dan net flow. Adapun nilai-nilainya dapat dilihat pada Tabel 5. Tabel 5 Nilai Leaving flow, Entering Φ+ ΦTI 0.854 0.088 SI 0.547 0.264 MI 0.126 0.482 TK 0.347 0.376 KA 0.318 0.383

flow dan Net flow Φ 0.766 0.283 -0.356 -0.029 -0.065

f. Penentuan Promethee I Selanjutnya adalah menentukan Promethee I, untuk Leaving flow dan Entering flow biasa disebut dengan Promethee I. Dimana dalam Leaving flow nilai terbesar merupakan nilai yang terbaik sedangkan pada Entering flow nilai terkecil merupakan nilai yang terbaik, datanya dapat dilihat pada Tabel 6. Tabel 6 Promethee I Alternatif Leaving flow Rank Entering flow Rank TI 0.854 8 0.088 6 SI 0.547 26 0.264 25 MI 0.126 51 0.482 47 TK 0.347 33 0.376 31 KA 0.318 35 0.383 33

g. Penentuan Promethee II Setelah proses Promethee I selesai maka dilanjutkan dengan menghitung Promethee II, yang mana pada Promethee II merupakan hasil dari nilai Leaving flow di kurang nilai Leaving flow dan biasa disebut net flow. Pada net flow nilai terbesar merupakan nilai terbaik, datanya dapat dilihat pada Tabel 7. Tabel 7 Promethee II Alternatif Net flow Rank

37


TI SI MI TK KA

0.766 0.283 -0.356 -0.029 -0.065

7 26 49 32 35

Sehingga berdasarkan contoh Tabel 3 sampai dengan Tabel 7 dapat diketahui jurusan favorit yang paling diminati sesuai dengan perankingan menggunakan Promethee II adalah Jurusan TI (Teknik Informatika). KESIMPULAN Berdasarkan hasil analisa penentuan keputusan pemilihan jurusan dapat diketahui bahwa metode Promethee dapat di gunakan sebagai alternatif metode dalam menentukan pemilihan jurusan pada STMIK El Rahma dengan tepat. Hasil analisa menggunakan Promethee berdasarkan data sampel hasil survey menunjukan bahwa jurusan yang paling banyak di minati mahasiswa adalah jurusan TI (Teknik Informatika). SARAN Analisa penentuan keputusan ini hanya menggunakan satu metode, yaitu metode Promethee sehingga tidak dapat di bandingkan tingkat efektifitas dan efisiensi dengan metode yang lain. Sehingga untuk mengetahui perbedaan dengan metode lain, pada penelitian selanjutnya perlu menambahkan metode yang berbeda untuk dapat melihat perbedaan atau persamaan hasil analisa dengan data yang sama. DAFTAR PUSTAKA [1] Anonim, 2015, Cara tepat milih jurusan kuliah, http://www.jurnalasia.com/2015/01/23/cara-tepat-milih-jurusan-kuliah/ , diakses tanggal 22 Juni 2015. [2] Tim Penyusun, 2010, Kebijakan Mutu, STMIK El Rahma, Yogyakarta. [3] Lemantara, J., 2013, Rancang Bangun Sistem Pendukung Keputusan Pemilihan Mahasiswa Berprestasi Menggunakan Metode AHP dan Promethee, Tesis S2, Ilmu Komputer UGM, Yogyakarta. [4] Setiawan, M. A., 2006, Sistem Pendukung Keputusan dengan Metode Promethee Untuk Penentuan Pemenang Tender (Studi Kasus Pengadaan Bahan Habis Pakai di Politeknik Negeri Malang), Tesis S2, Ilmu Komputer UGM, Yogyakarta. [5] Tampake, F. M., 2007, Sistem Pendukung Keputusan Penentuan Pendirian SPBU Berbasis Web dengan Menggunakan Metode Promethee, Tesis S2, Ilmu Komputer UGM, Yogyakarta. [6] Turban, E., Aronson, J.E. dan Liang, T.P., 2005, Decision Support System and Inteligent System,edisi 7 jilid 1, Andi, Yogyakarta. [7] Suryadi, K. dan Ramdhani, A., 1998, Sistem Pendukung Keputusan: Suatu Wacana Struktural Idealisasi dan Implementasi Konsep Pengambilan Keputusan, PT Remaja Rosdakarya, Bandung.

38


39

ANALISIS PEMILIHAN JURUSAN FAVORIT MENGGUNAKAN METODE PROMETHEE (Studi Kasus pada STMIK El Rahma Yogyakarta)

Recommend Documents