ANALISIS PERBANDINGAN METODE REGRESI LINIER - SIMPLE ADDITIVE WEIGHTING

ANALISIS PERBANDINGAN METODE REGRESI LINIER - SIMPLE ADDITIVE WEIGHTING (SAW) DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) UNTUK SELEKSI MAHASISWA BARU JALUR UNDANGAN

Skripsi Disusun Oleh: SEKAR AYU LESTARI NIM. M0508122

JURUSAN INFORMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SEBELAS MARET SURAKARTA Januari, 2013

ANALISIS PERBANDINGAN METODE REGRESI LINIER - SIMPLE ADDITIVE WEIGHTING (SAW) DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) UNTUK SELEKSI MAHASISWA BARU JALUR UNDANGAN

Oleh: SEKAR AYU LESTARI NIM. M0508122

SKRIPSI Ditulis dan diajukan untuk memenuhi sebagian persyaratan Memperoleh gelar Sarjana Informatika

JURUSAN INFORMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA Januari, 2013

MOTTO

Dan kami pasti akan menguji kamu dengan sedikit ketakutan, kelaparan, kekurangan harta, jiwa dan buah-buahan. Dan sampaikanlah kabar gembira kepada orang-orang yang sabar (yaitu) orang-orang yang apabila ditimpa masalah mereka berkata “Inna lillahi wa inna ilahi raji’un” (sesungguhnya kami milik Allah dan kepada-Nyalah kami kembali). (QS. Al Baqarah : 155-156) “Beranilah untuk bermimpi dan beranikan dirimu untuk mewujudkan impianmu, karena impian tidak akan tercapai tanpa keberanian” (Penulis) “Menjadi yang terbaik dari yang terbaik” (Penulis)

PERSEMBAHAN

Karya ini dipersembahkan kepada :

Bapak dan Ibu yang selalu menyayangi dan mencintaiku, terimakasih atas do’a, dukungan, kesabaran dan bimbingan disetiap langkah perjuangan skripsi ini hingga selesai.

Suamiku tercinta Havid Yulianto, terimakasih atas do’a, motivasi, semangat dan kasih sayang yang selalu diberikan kepada penulis. Semoga Allah selalu meridhoi kebersamaan kita. Amin...

Seluruh teman-teman dan keluarga besarku, terimakasih atas do’a dan dukungannya.

KATA PENGANTAR

Assalamu’alaikum Wr. Wb Alhamdulillahi Rabbil’alamin, puji syukur kehadirat Allah SWT yang telah melimpahkan segala rahmat dan karunia-Nya, sehingga penulis dapat menyelesaikan

skripsi

dengan

judul

“ANALISIS

PERBANDINGAN

METODE REGRESI LINIER - SIMPLE ADDITIVE WEIGHTING (SAW) DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) UNTUK SELEKSI MAHASISWA BARU JALUR UNDANGAN”, yang menjadi salah satu syarat mutlak untuk mendapatkan gelar Sarjana Informatika di Universitas Sebelas Maret (UNS) Surakarta. Dengan segala kerendahan hati, penulis menyadari bahwa dalam menyelesaikan skripsi ini tidak lepas dari peran berbagai pihak yang telah banyak memberikan bantuan, bimbingan dan dorongan. Dalam kesempatan ini penulis ingin mengucapkan terima kasih yang tak terhingga kepada: 1. Umi Salamah, M. Kom selaku Ketua Jurusan Informatika FMIPA UNS. 2. Ristu Saptono, S.Si., MT selaku Pembimbing Akademik dan dosen pembimbing I, terimakasih atas setiap diskusi, semangat, motivasi, ketelitian, koreksi, masukan dan kesabarannya selama proses penyelesaian skripsi ini. 3. Sari Widya Sihwi, S.Kom., MTI selaku dosen pembimbing II, terimakasih atas setiap diskusi, semangat, motivasi, ketelitian, koreksi, masukan dan kesabarannya selama proses penyelesaian skripsi ini. 4. Seluruh staf Pengajar jurusan Informatika FMIPA UNS yang telah memberikan ilmu dan pengalamannya yang berharga. 5. Teman-teman angkatan 2008 semuanya yang sedang berjuang dalam skripsinya. Senang menjadi salah satu anggota dari angkatan 2008, kalian teman-teman yang membanggakan. Tetap semangat buat kalian semua.

6. Semua pihak yang tidak bisa disebutkan satu-persatu yang telah memberikan bantuan dan dukungan terhadap penulis. Penulis menyadari sepenuhnya bahwa sebagai manusia biasa tentunya tidak akan luput dari kekurangan dan keterbatasan. Maka dengan segenap kerendahan

hati,

penulis

mengharapkan

saran

dan

kritik

yang

dapat

menyempurnakan penulisan ini sehingga dapat bermanfaat dan berguna untuk pengembangan ilmu pengetahuan. Akhir kata semoga laporan ini dapat bermanfaat bagi penulis dan semua pembaca. Wassalamu’alaikum Wr.Wb.

Surakarta, Januari 2013

Penulis

ABSTRACT Sebelas Maret University in selecting new students the invitation using two stages appraisement, namely appraisement school with a method of linear regression and judgment the end of the student with a method of Simple Additive Weighting (SAW) which later called Regresi-SAW that will determine whether students it is earned or rejected. In this research are between regresi-saw comparing the result with judgment and the end of the school a method of saw appraisement students a method of SAW which later called SAW. On a calculation saw 2011 uses accreditation school year to 2011 and 2012 2012, using accreditation school while reckoning with regresi-saw 2011 uses a score of school, accreditation school and proportions school two years ago and this year such as in 2009, 2010 and 2011, as well as reckoning with regresi-saw 2012, using the score school accreditation school and proportions school two years ago and this year is 2010 2011 and 2012. The results of tests indicating the result of reckoning saw not the same with the result of reckoning regresi-saw. The level of congruency saw with regresi-saw in 2011 level of congruency only 0,46 and the level of congruency saw with regresisaw in 2012 level of congruency only 0,56, the different levels of similarity saw with regresi-saw in 2011 and 2012 not too different far. The average value of report card students received at saw and regresi-saw in 2011 and 2012 show that average value of report card students received at saw always higher than in the average value of report card students received at regresi-saw. The time difference execution in 2011 and 2012 that is, the average time execution saw always faster than in the average time execution regresi-saw. Distinction the spread of the total of school students received suggests that in 2011 and 2012 the number of school students received saw always more than on the number of school students received regresi-saw. And the difference in value accreditation school students received in 2011 and 2012 produce the difference in value that is not very significant which only 0,706 and the average value of accrediting school students received saw always higher than in the average value of accrediting school students received regresi-saw. Keywords: Simple Additive Weighting (SAW), linear regression, SAW, Selection the invitation.

ABSTRAK Universitas Sebelas Maret dalam menyeleksi mahasiswa baru jalur undangan menggunakan dua tahap penilaian, yaitu penilaian sekolah dengan metode Regresi Linier dan penilaian akhir siswa dengan metode Simple Additive Weighting (SAW) yang selanjutnya disebut Regresi-SAW, yang akan menentukan apakah siswa itu diterima atau ditolak. Dalam penelitian yaitu membandingkan hasil antara Regresi-SAW dengan penilaian sekolah metode SAW serta penilaian akhir siswa metode SAW yang selanjutnya disebut SAW. Pada perhitungan SAW tahun 2011 menggunakan akreditasi sekolah tahun 2011 serta untuk tahun 2012 menggunakan akreditasi sekolah tahun 2012, sedangkan perhitungan dengan Regresi-SAW tahun 2011 menggunakan skor sekolah, akreditasi sekolah dan proporsi sekolah dua tahun lalu dan tahun ini yaitu tahun 2009, 2010 dan 2011, serta perhitungan dengan Regresi-SAW tahun 2012 menggunakan skor sekolah, akreditasi sekolah dan proporsi sekolah dua tahun lalu dan tahun ini yaitu tahun 2010, 2011 dan 2012. Hasil pengujian menunjukkan hasil perhitungan SAW tidak sama dengan hasil perhitungan Regresi-SAW. Tingkat kesamaan SAW dengan Regresi-SAW pada tahun 2011 tingkat kesamaan hanya 0,46 dan tingkat kesamaan SAW dengan Regresi-SAW pada tahun 2012 tingkat kesamaan hanya 0,56, perbedaan tingkat kesamaan SAW dengan Regresi-SAW pada tahun 2011 dan 2012 tidak terlalu berbeda jauh. Rata-rata nilai rapor siswa diterima pada SAW dan Regresi-SAW pada tahun 2011 dan 2012 menunjukkan bahwa rata-rata nilai rapor siswa diterima pada SAW selalu lebih tinggi dari pada rata-rata nilai rapor siswa diterima pada Regresi-SAW. Perbedaan waktu eksekusi pada tahun 2011 dan 2012 yaitu rata-rata waktu eksekusi SAW selalu lebih cepat dari pada rata-rata waktu eksekusi Regresi-SAW. Perbedaan penyebaran jumlah sekolah siswa yang diterima menunjukkan bahwa pada tahun 2011 dan 2012 jumlah sekolah yang siswanya diterima SAW selalu lebih banyak dari pada jumlah sekolah yang siswanya diterima Regresi-SAW. Dan perbedaan nilai akreditasi sekolah yang siswanya diterima tahun 2011 dan 2012 menghasilkan perbedaan nilai yang tidak terlalu signifikan yaitu hanya 0,706 dan rata-rata nilai akreditasi sekolah yang siswanya diterima SAW selalu lebih tinggi dari pada rata-rata nilai akreditasi sekolah yang siswanya diterima Regresi-SAW. Kata Kunci: Simple Additive Weighting (SAW), Regresi Linier, Seleksi jalur undangan.

DAFTAR ISI

HALAMAN JUDUL........................................................................................

i

HALAMAN PENGAJUAN.............................................................................

ii

HALAMAN PENGESAHAN..........................................................................

iii

HALAMAN MOTTO....................................................................................... iv HALAMAN PERSEMBAHAN.......................................................................

v

KATA PENGANTAR......................................................................................

vi

ABSTRACT...................................................................................................... viii ABSTRAK........................................................................................................ ix DAFTAR ISI..................................................................................................... x DAFTAR TABEL............................................................................................. xii DAFTAR GAMBAR........................................................................................

xiii

DAFTAR LAMPIRAN..................................................................................... xiv BAB I

PENDAHULUAN..........................................................................

1

1.1

Latar Belakang................................................................................ 1

1.2

Rumusan Masalah..........................................................................

3

1.3

Batasan Masalah.............................................................................

3

1.4

Tujuan dan Manfaat Penelitian....................................................... 3

1.5

Sistematika Penulisan.....................................................................

3

TINJAUAN PUSTAKA.................................................................

5

Dasar Teori.....................................................................................

5

2.1.1 Sistem Pendukung Keputusan (SPK)............................................

5

BAB II 2.1

2.1.2 Multi-Attribut Decision Making (MADM)..................................... 8 2.1.3 Regresi linier..................................................................................

10

2.2

Peneitian Terkait............................................................................. 12

2.3

Rencana Penelitian.........................................................................

14

BAB III

METODOLOGI PENELITIAN.....................................................

16

3.1

Tahap Pengumpulan Data............................................................... 17

3.2

Tahap Pemodelan Sistem...............................................................

18

3.3

Tahap Implementasi ......................................................................

18

3.3.1 Membangun database.....................................................................

19

3.3.2 Menulis Kode Program................................................................... 19 3.4

Tahap Pengujian.............................................................................

19

3.4.1 Pengujian Sistem......................................................................... 19 3.4.2 Pengujian Hasil........................................................................... 3.5 BAB IV

19

Analisis Output Sistem................................................................ 19 PEMBAHASAN.........................................................................

20

4.1

Penjelasan Mengenai Data..........................................................

20

4.2

Analisis Algoritma Perancangan................................................. 21

4.1.1 Algoritma Perancangan Sistem...................................................

21

4.1.2 Algoritma Perancangan Algoritma Skor Sekolah dengan Metode Regresi Linier Sederhana............................................... 23 4.1.3 Algoritma Perancangan Algoritma Skor Sekolah dengan Metode SAW............................................................................... 25 4.1.4 Algoritma Perancangan Algoritma Nilai Akhir Siswa dengan Metode SAW............................................................................... 26 4.2

Perbandingan Hasil SAW dengan Regresi-SAW.......................

27

4.2.1 Perbandingan Tingkat Kesamaan tahun 2011 dan 2012............

27

4.2.2 Perbandingan Nilai Rapor Siswa Diterima.................................

30

4.2.3 Perbandingan Waktu Eksekusi.................................................... 33 4.2.4 Perbandingan Statistik Jumlah Sekolah......................................

34

4.2.5 Nilai Akreditasi Sekolah Siswa Diterima...................................

38

BAB V

KESIMPULAN DAN SARAN..................................................

42

5.1

Kesimpulan.................................................................................

42

5.2

Saran............................................................................................ 42

DAFTAR PUSTAKA.......................................................................................

43

DAFTAR TABEL

Tabel 1.1

Matriks keputusan.................................................................. 9

Tabel 4.1

Tingkat kesamaan SAW dengan Regresi-SAW tahun 2011........................................................................................ 27

Tabel 4.2

Tingkat kesamaan SAW dengan Regresi-SAW tahun 2012........................................................................................ 27

Tabel 4.3

Nilai rapor siswa yang diterima SAW dan Regresi-SAW tahun 2011.............................................................................. 29

Tabel 4.4

Nilai rapor siswa yang diterima SAW dan Regresi-SAW tahun 2012.............................................................................. 30

Tabel 4.5

Data waktu eksekusi tahun 2011............................................ 32

Tabel 4.6

Data waktu eksekusi tahun 2012............................................ 32

Tabel 4.7

Jumlah Sekolah dari Siswa yang diterima tahun 2011..........

35

Tabel 4.8

Jumlah Sekolah dari Siswa yang diterima tahun 2012..........

35

Tabel 4.9

Nilai Akreditasi Sekolah dari Siswa yang diterima tahun 2011.......................................................................................

Tabel 4.10

38

Nilai Akreditasi Sekolah dari Siswa yang diterima tahun 2012........................................................................................ 38

DAFTAR GAMBAR

Gambar 1.1

Proses Pengambilan Keputusan...............................................

7

Gambar 3.1

Diagram Metode Penelitian Tugas Akhir................................

15

Gambar 4.1

Flowchart Sistem.....................................................................

20

Gambar 4.2

Flowchart Algoritma Skor Sekolah Dengan Metode Regresi Linier Sederhana......................................................................

22

Gambar 4.3

Flowchart Algoritma Skor Sekolah Dengan Metode SAW....

24

Gambar 4.4

Flowchart Algoritma Nilai Akhir Dengan Metode SAW........

25

Gambar 4.5

Rata-Rata Tingkat Kesamaan SAW Dengan Regresi-SAW Tahun 2011 Dan 2012.............................................................. 28

Gambar 4.6

Nilai Rapor Siswa Diterima Pada SAW Dan Regresi-SAW Tahun 2011..............................................................................

Gambar 4.7

30

Nilai Rapor Siswa Diterima Pada SAW Dan Regresi-SAW Tahun 2012..............................................................................

31

Gambar 4.8

Waktu Eksekusi SAW Dan Regresi-SAW Tahun 2011..........

33

Gambar 4.9

Waktu Eksekusi SAW Dan Regresi-SAW Tahun 2012..........

33

Gambar 4.10

Statistik Jumlah Sekolah Tahun 2011...................................... 36

Gambar 4.11

Statistik Jumlah Sekolah Tahun 2012.....................................

37

Gambar 4.12

Statistik Nilai Akreditasi Sekolah Tahun 2011.......................

39

Gambar 4.13

Statistik Nilai Akreditasi Sekolah Tahun 2012.......................

39

DAFTAR LAMPIRAN

Lampiran 1....................................................................................................... 43 Lampiran 2....................................................................................................... 50 Lampiran 3....................................................................................................... 53

BAB I PENDAHULUAN

1.1

Latar Belakang Universitas Sebelas Maret (UNS) sebagai salah satu Perguruan Tinggi Negeri terkemuka di Surakarta selalu peduli terhadap anak bangsa yang mempunyai prestasi akademik maupun non akademik yang berkeinginan besar untuk melanjutkan pendidikan yang lebih tinggi dengan penerimaan mahasiswa melalui Seleksi Nasional Masuk Perguruan Tinggi (SNMPTN) jalur tes tertulis juga SNMPTN jalur undangan. Untuk dapat menjaring calon mahasiswa yang mempunyai prestasi akademik tinggi di SLTA dari manapun asal daerahnya perlu dilakukan seleksi secara Nasional melalui suatu kepanitiaan SNMPTN jalur undangan dengan harapan mahasiswa yang diperoleh adalah mahasiswa yang mempunyai prestasi akademik tinggi di SLTA, selain itu memberi kesempatan kepada seluruh anak bangsa yang berprestasi akademik tinggi untuk memperoleh jenjang pendidikan yang lebih tinggi serta memberi kesempatan kepada sekolah untuk ikut berperan aktif. Berdasarkan sumber dari http://www.snmptn.ac.id, jalur undangan adalah mekanisme seleksi nasional berdasarkan penjaringan prestasi akademik tanpa ujian tertulis/ keterampilan. Jalur ini tidak termasuk jalur penelusuran minat dan bakat. Berdasarkan ketentuan umum dan persyaratan untuk SNMPTN jalur undangan yaitu sekolah yang berhak mengikuti Jalur Undangan adalah sekolah yang diundang oleh Panitia SNMPTN, kepala sekolah mengajukan nama-nama siswa kelas XII yang rangking 10 besar dari semester 3 sampai semester 5. Jadi seleksi awal sudah dimulai dengan ketat dari sekolah. Menyeleksi calon mahasiswa tersebut dapat menggunakan Sistem Pendukung Keputusan (SPK). Sistem Pendukung Keputusan (SPK)

merupakan sistem berbasis komputer yang interaktif, yang membantu pengambil keputusan memanfaatkan data dan model untuk menyelesaikan suatu masalah [10]. Jadi SPK adalah sistem yang sangat mendukung dalam mengambil suatu keputusan untuk menyelesaikan suatu permasalahan, agar suatu masalah dapat dipecahkan secara bijaksana sesuai dengan suatu kriteria-kriteria atau metode matematis tertentu. Salah satu metode yang dapat digunakan dalam SPK yaitu metode Simple Additive Weighting (SAW). Metode Simple Additive Weighting (SAW) adalah suatu metode yang digunakan untuk menyelesaikan masalah Multi-Attribut Decision Making (MADM) [5]. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua kriteria [10]. Oleh karena itu metode Simple Additive Weighting (SAW) sering juga dikenal sebagai metode penjumlahan terbobot. Saat ini, UNS dalam menyeleksi mahasiswa baru jalur undangan dengan melakukan dua penilaian, yaitu penilaian sekolah dengan metode Regresi Linier dan penilaian akhir siswa dengan metode SAW dimana disebut juga Regresi-SAW dengan menggunakan data dua tahun sebelumnya. Proses perhitungan penilaian tersebut masih menggunakan aplikasi microsoft office excel dan belum terkomputerisasi, sehingga proses input data dan output data dengan jumlah banyak akan menyebabkan kinerja pembuat keputusan menjadi lebih berat serta lambat. Oleh karena itu penulis ingin membangun suatu sistem SPK untuk seleksi mahasiswa baru jalur undangan metode Regresi-SAW serta membandingkan SPK untuk seleksi mahasiswa baru jalur undangan metode Regresi-SAW dengan SPK untuk seleksi mahasiswa baru jalur undangan metode SAW. Hal ini agar dapat membantu memudahkan dan mempercepat kinerja pembuat keputusan.

1.2

Perumusan Masalah Berdasarkan latar belakang masalah, dapat dirumuskan permasalahan pada penelitian ini adalah bagaimana membandingkan seleksi yang dihasilkan SPK menggunakan metode Regresi-SAW dengan SPK menggunakan metode SAW.

1.3

Batasan Masalah Batasan masalah dalam tugas akhir ini adalah kriteria-kriteria yang dimasukkan ke dalam sistem untuk melakukan seleksi sesuai dengan kriteria yang ditetapkan oleh pihak UNS, yaitu akreditasi sekolah, proporsi SPMB sekolah, nilai siswa dari semester tiga sampai dengan lima dan pilihan jurusan siswa.

1.4

Tujuan dan Manfaat Penelitian a. Tujuan penelitian ini adalah membandingkan seleksi yang dihasilkan SPK menggunakan metode Regresi-SAW dengan SPK menggunakan metode SAW. Selain itu untuk mempermudah dan mempercepat kinerja pembuat keputusan. b. Manfaat yang diperoleh dari penelitian ini adalah sistem penerimaan mahasiswa baru yang dibangun diharapkan dapat membantu mempercepat

kinerja

pembuat keputusan

pihak UNS

dalam

melakukan seleksi penerimaan mahasiswa baru melalui jalur undangan di UNS.

1.5

Sistematika Penulisan Berikut ini adalah urutan sistematika penulisan laporan tugas akhir yang dibuat. Bab I Pendahuluan memuat tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, dan sistematika penulisan laporan tugas akhir. Bab II Tinjauan Pustaka

menguraikan dasar teori yang mendasari pembahasan secara detail, penelitian terkait yang pernah dilakukan serta rencana penelitian yang akan dilakukan dalam tugas akhir. Bab III Metode Penelitian menguraikan tentang gambaran objek penelitian, serta gambaran langkah-langkah yang dilakukan untuk melaksanakan dan menyelesaikan penelitian ini. Bab IV Pembahasan menguraikan tentang bagaimana menyelesaikan masalah yang telah dirumuskan berdasarkan metode yang dipilih dan berusaha untuk mewujudkan tujuan dan manfaat yang ingin diraih. Bab V Penutup berisi kesimpulan dan saran. Kesimpulan berisi rumusan jawaban terhadap pertanyaan (perumusan masalah) dengan bukti-bukti yang ada dan telah dilakukan dalam penelitian ini. Saran merupakan sesuatu yang belum ditempuh dan layak untuk dilaksanakan pada penelitian selanjutnya.

BAB II TINJAUAN PUSTAKA

2.1

Landasan Teori

2.1.1 Sistem Pendukung Keputusan (SPK) 2.1.1.1 Pengertian SPK Sistem Pendukung Keputusan (SPK) merupakan sistem berbasis komputer

yang

interaktif,

yang

membantu

pengambil

keputusan

memanfaatkan data dan model untuk menyelesaikan suatu masalah. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan dibuat [1]. Jadi SPK itu adalah sistem yang sangat mendukung dalam mengambil suatu keputusan untuk menyelesaikan suatu permasalahan, agar suatu masalah dapat dipecahkan secara bijaksana sesuai dengan suatu kriteria-kriteria tertentu. Berikut ini adalah karakteristik SPK [1], yaitu: 1. Mendukung pengambilan keputusan secara cepat dan tepat 2. Menggunakan model matematis yang sesuai. Model tersebut merupakan salah satu cara dalam ilmu manajemen yang digunakan untuk memecahkan masalah dengan memakai notasi dan persamaan matematika yang kemudian direpresentasikan menjadi sebuah sistem. 3. Adanya interface manusia dan mesin dimana manusia yang mengontrol 4. Mempunyai kemampuan dialog

2.1.1.2 Komponen SPK Komponen SPK terdiri dari Manajemen Data, Manajemen Model dan Antarmuka [1], berikut penjelasan dari komponen SPK:

1. Manajemen Data, mencakup database yang berisi data yang relevan untuk situasi dan dikelola oleh perangkat lunak yang disebut DBMS (Database

Management

Sistem).

Manajemen

data

dapat

diinterkoneksikan dengan data warehouse perusahaan, suatu repisitori untuk data perusahaan yang relevan untuk mengambil keputusan. 2. Manajemen Model, merupakan paket perangkat lunak yang memasukkan berbagai macam model, di antaranya adalah model keuangan, statistik, ilmu manajemen, atau model kuantitatif lainnya yang memberikan kemampuan analitik dan manajemen perangkat lunak yang tepat. Perangkat lunak ini disebut sistem manajemen basis model. 3. Antarmuka,

antarmuka

penguna

memungkinkan

pengguna

berkomunikasi dan memerintahkan SPK. Web Browser memberikan struktur antarmuka pengguna grafis yang familier dan konsisten. Istilah antarmuka pengguna mencakup semua aspek komunikasi antara pengguna dengan sistem.

2.1.1.3 Fase-fase Pengambilan Keputusan Fase-fase

pengambilan

(Intelligence),

keputusan

Perancangan

terdiri

(Design),

dari

Tahap

Pemilihan

Penelusuran

(Choice)

dan

Implementasi (Implementation) [1], berikut penjelasan dari fase-fase pengambilan keputusan: 1. Tahap Penelusuran (Intelligence) Merupakan tahap pendefinisian masalah serta identifikasi informasi yang dibutuhkan yang berkaitan dengan persoalan yang dihadapi serta keputusan yang akan diambil. Langkah ini sangat penting karena sebelum mengambil suatu tindakan, harus merumuskan persoalan secara jelas terlebih dahulu. 2. Perancangan (Design) Merupakan tahap analisa dalam kaitan mencari atau merumuskan alternatif-alternatif

pemecahan

masalah.

Setelah

permasalahan

dirumuskan, tahap berikutnya adalah merancang atau membangun model

pemecahan masalahnya dan menyusun berbagai alternatif pemecahan masalah. 3. Pemilihan (Choice) Dengan mengacu pada rumusan tujuan serta hasil yang diharapkan, selanjutnya manajemen memilih alternatif solusi yang diperkirakan paling sesuai. Pemilihan alternatif ini akan mudah dilakukan jika hasil yang diinginkan memiliki nilai kuantitas tertentu. 4. Implementasi (Implementation) Merupakan tahap pelaksanaan dari keputusan yang telah diambil. Pada tahap ini perlu disusun serangkaian tindakan yang terencana, sehingga hasil keputusan dapat dipantau dan disesuaikan apabila diperlukan perbaikan-perbaikan.

Gambar 1.1 Proses pengambilan keputusan [1]

2.1.2 Multi-Attribut Decision Making (MADM) MADM adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu [2]. Inti dari MADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan 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 subyektif dan obyektif [2]. Masing-masing pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif bisa 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 MADM antara lain [2]: 1.

Simple Additive Weighting Method (SAW)

2.

Weighted Product (WP)

3.

Electre

4.

Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)

5.

Analytic Hierarchy Process (AHP)

2.1.2.1 Metode Simple Additive Weighting Method (SAW) SAW adalah suatu metode yang digunakan untuk menyelesaikan masalah MADM [2]. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua kriteria [1]. Metode Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan terbobot.

Tahapan metode SAW [3] adalah sebagai berikut: 1.

Mendefinisikan masalah dan menentukan solusi yang diinginkan. Solusi tersebut nantinya kita kembangkan lebih lanjut dalam tahap berikutnya.

2.

Menentukan kriteria yang digunakan untuk melakukan penilaian.

3.

Memberikan bobot berdasarkan tingkat kepentingan masing-masing kriteria yang dibutuhkan, sehingga akan menghasilkan vector bobot, yaitu W = [ Bobot kriteria 1, Bobot kriteria 2, …].

4.

Membangun matriks keputusan antara kriteria dengan alternatif. Tabel 1.1 Matriks keputusan [3]

5.

Kriteria 1

Kriteria 2

Kriteria 3

Kriteria 4

Alternatif 1

X11

…

…

X14

Alternatif 2

…

…

…

Alternatif 3

…

…

…

Membuat normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Normalisasi matriks keputusan dibangun dengan menggunakan matriks (m x n) yang berisi m alternatif dan n kriteria. Perhitungan untuk setiap data pada elemen matriks tersebut yaitu:

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

Max adalah nilai maksimum dari r yang ada di kolom j. Nilai kriteria yang dihasilkan kemudian dimasukkan ke dalam sel normalisasi matriks keputusan, seperti pada table matriks keputusan antara kriteria dengan alternatif di atas.

X34

6.

Melakukan perankingan terhadap semua alternatif yang ada, dengan cara mencari nilai preferensi untuk setiap alternatif (Ai), yaitu: .......................................................... (2)

Keterangan: -

Xij adalah nilai dari alternatif i yang berkaitan dengan kriteria j

-

W adalah bobot dari kriteria

Untuk Ai yang lebih besar mengindikasikan bahwa alternatif i lebih baik.

2.1.3 Regresi linier Regresi linier adalah metode statistika yang digunakan untuk membentuk model hubungan antara variabel terikat (dependen; respon; Y) dengan satu atau lebih variabel bebas (independen, prediktor, X) [4]. Apabila banyaknya variabel bebas hanya ada satu, disebut sebagai regresi linier sederhana, sedangkan apabila terdapat lebih dari 1 variabel bebas, disebut sebagai regresi linier berganda. Jika terdapat sebuah data yang terdiri dari dua atau lebih variabel maka dapat diketahui hubungan atau pengaruh antar variabel tersebut [5]. Hubungan dan pengaruh yang didapat pada umumnya dinyatakan dalam bentuk persamaan matematika yang menyatakan hubungan fungsional antara variabel. Studi yang menyangkut masalah ini dikenal dengan analisis regresi linier. Analisis regresi linier juga digunakan untuk meramalkan suatu variabel (variabel dependen) berdasar satu atau beberapa variabel lain (variabel independen) dalam suatu persamaan linier. Ada dua macam analisis regresi linier yaitu analisis regresi linier sederhana dan analisis regresi linier ganda [6]. Pada penelitian ini hanya menggunakan metode Regresi Linier Sederhana.

1.

Analisis Regresi Linier Sederhana

Analisis regresi linier sederhana terdiri dari satu variabel dependen (variabel terikat) dan satu variabel independen (variabel bebas). Analisis regresi linier sederhana dinyatakan dengan hubungan persamaan regresi linier sederhana [5] yang dapat dilihat pada persamaan (3). Bentuk umum Regresi Linier Sederhana : ^

Y

a

bX

...........................................................

(3)

Keterangan : X

: Variabel independen/Peubah bebas

Y

: Variabel dependen/ Peubah tak bebas

a

: Konstanta

b

: Koefisien regresi

Rumus untuk mencari a dan b yaitu :

.......................................................... (5)

............................................................. (6)

2. Analisis Regresi Linier Ganda Analisis regresi linier ganda terdiri dari satu variabel dependen dan beberapa variabel independen. [5]. Analisis regresi linier ganda dinyatakan dengan hubungan persamaan regresi:

............................................................. (7) a0

Y

a1 X 1

a2 X 2

................................................................ (8)

a1

a2

2

(

X 2i )( 2

(

(

X 1iYi ) (

X 1i )(

2

X 1i )( (

2

X 2i ) (

X 2iYi ) ( 2

X 1i )(

X 1i X 2i )( X 1i X 2i )

X 2iYi ) 2

X 1i X 2i )(

2

X 2i ) (

X 1i X 2i )

X 1iYi )

...................

(9)

..................

(10)

2

Keterangan : X1, X2, ..., Xk

: Variabel independen

Y

: Variabel dependen

a0

: Konstanta

a1 , a 2 ,..., a k

: Koefisien regresi

2.2 Penelitian Terkait Penelitian yang dilakukan oleh penulis ini mengacu pada penelitian sejenis yang sudah dilakukan sebelumnya. Beberapa penelitian tersebut akan diuraikan berikut ini. 1. Jurnal Nasional dengan judul “Sistem Pendukung Keputusan Kelulusan Ujian Saringan Masuk Jalur PMDK Berdasarkan Nilai Rata-Rata Matematika dan Bahasa Inggris” [7] Penelitian ini bertujuan untuk membangun sebuah sistem pendukung keputusan yang mempunyai kemampuan analisa penentuan penerimaan calon mahasiswa melalui jalur PMDK dengan menggunakan metode Fuzzy MADM (Multiple Attribute Decision Making). Pada penelitian ini menjelaskan suatu kasus untuk mencari alternatif terbaik berdasarkan kriteria-kriteria yang telah ditentukan. Kriteria-kriteria yang digunakan adalah kriteria asal SMA, nilai matematika, nilai bahasa inggris, dan nilai tes. Semua kriteria-kriteria tersebut dikonversikan ke dalam bilangan fuzzy untuk dikelompokkan ke dalam suatu skala tertentu. Untuk melakukan perhitungan pada kasus tersebut, metode FMADM menggunakan metode SAW (Simple Additive Weighting). Penelitian ini membangun sebuah sistem pendukung keputusan untuk membantu penentuan seseorang yang berhak mendapatkan beasiswa

berdasarkan kriteria-kriteria yang telah ditentukan, dimana kriteria tersebut diterjemahkan dari bilangan fuzzy ke dalam bentuk sebuah bilangan crisp, sehigga nilainya akan bisa dilakukan proses perhitungan untuk mencari alternatif terbaik. Dari penelitian tersebut diketahui bahwa semakin banyak sampel yang dipunyai maka tingkat validasinya akan cenderung naik. Dan hasil akhir dari penelitian ini adalah sebuah alternatif yang memiliki alternatif terbaik dari alternatif yang lain. 2. Jurnal Internasional dengan judul “Simple Additive Weighting approach to Personnel Selection problem” [8] Pada penelitian ini, metode SAW digunakan untuk menyelesaikan permasalah tentang pemilihan personalia. Metode ini diterapkan dengan menggunakan data dari kasus nyata di sektor Telekomunikasi Iran. Untuk meningkatkan efisiensi dan kemudahan penggunaan model yang diusulkan, perangkat lunak sederhana seperti MS Excel dapat digunakan. Evaluasi kandidat berdasarkan kriteria hanya akan cukup untuk aplikasi masa depan dari model dan pelaksanaan evaluasi ini melalui software sederhana akan mempercepat proses. Selain itu, beberapa kriteria bisa memiliki struktur kualitatif atau memiliki struktur yang tidak pasti yang tidak dapat diukur dengan tepat. Dalam kasus tersebut, bilangan fuzzy dapat digunakan untuk memperoleh matriks evaluasi dan model yang diajukan dapat diperbesar dengan menggunakan bilangan fuzzy. 3. Jurnal Internasional dengan judul “A Multi Objective Graph Based Model for Analyzing Survivability of Vulnerable Networks” [9]. Pada penelitian ini, metode SAW digunakan untuk memecahkan masalah dengan vektor bobot yang berbeda. Pada jurnal dijelaskan bahwa dalam berbagai bidang manajemen bencana, memilih lokasi terbaik sebagai Emergency Support & Supply Service Centers (ESSSCs) dan survivabilitas jaringan yang menyediakan hubungan ESSSCs tersebut, memiliki peranan besar yang harus diperhatikan. Jurnal ini memperkenalkan model berbasis

grafik untuk mengukur survivabilitas keterhubungan berbagai jaringan. Dengan menghitung nilai-nilai yang terkait dengan waktu dan biaya pemulihan kegagalan suatu link, maka dapat dilakukan perankingan terhadap lokasi-lokasi yang diusulkan untuk ESSSCs. Untuk menghindari konflik yang dapat timbul antara memaksimalkan survivabilitas jaringan dan meminimalkan waktu dan biaya pemulihan kegagalan link, maka akan digunakan metode Simple Additive Weighting (SAW). Sebuah contoh numerik diberikan dan diselesaikan untuk menggambarkan bagaimana algoritma bekerja. Setelah memecahkan masalah dengan vektor bobot yang berbeda, maka dilanjutkan dengan menganalisis sensitivitas dari solusi yang diterapkan tersebut.

2.3

Rencana Penelitian Penelitian yang akan dilakukan yaitu dengan berpedoman pada penelitian-

penelitian sebelumnya yang telah diuraikan di atas. Penelitian ini akan berkonsentrasi pada perancangan sistem untuk seleksi penerimaan mahasiswa baru melalui jalur undangan dengan membandingkan Regresi-SAW dengan SAW pada studi kasus UNS. Metode Simple Additive Weighting (SAW)

akan

digunakan sebagai model untuk pengolahan data sekolah sesuai dengan kriteriakriteria yang telah ditetapkan pihak UNS. Perbedaan penelitian yang akan dilakukan dengan penelitian-penelitian sebelumnya yaitu pada penelitian yang akan dilakukan menggunakan metode SAW untuk melakukan perankingan terhadap alternatif-alternatif sesuai dengan bobot yang telah ditentukan pihak Universitas Sebelas Maret.

BAB III METODOLOGI PENELITIAN

Metode penelitian yang digunakan dalam penulisan tugas akhir ini adalah melalui tahap pengumpulan data, tahap pemodelan sistem, tahap implementasi sistem dan tahap pengujian sistem. Metode yang digunakan adalah metode Regresi Linier dan metode SAW. Langkah-langkah yang dilakukan dalam penelitian tugas akhir ini dapat digambarkan pada diagram berikut ini.

Pengumpulan Data

Pemodelan Sistem SAW

Pemodelan Sistem Regresi-SAW

Implementasi Sistem

Pengujian Sistem

Analisis Output Sistem

Gambar 3.1 Diagram Metode Penelitian Tugas Akhir

3.1 Tahap Pengumpulan Data Metode pengumpulan data yang diperlukan untuk penulisan tugas akhir ini diperoleh dengan cara: a. Studi Literatur Cara pengumpulan materi studi literatur sebagian dilakukan melalui Internet, dan sebagian lagi melalui text book. Data yang didapat merupakan bahan materi yang berhubungan dengan permasalahan, perancangan dan implementasi sistem, di antaranya yaitu mengenai pengertian SPK, konsep model persamaan regresi linier sederhana dan konsep model persamaan SAW. b. Wawancara Wawancara, yaitu mewawancarai pihak-pihak yang terkait langsung dengan pembangunan sistem yang mendukung permasalahan dalam pengelolaan yang berhubunganan dengan masalah yang diteliti. Wawancara dilakukan kepada pengolah data SPMB jalur undangan sub bagian SPMB UNS di Sekretariat SPMB UNS. c. Pengambilan Data Data yang didapatkan meliputi data sekolah, data siswa dan bobot mata pelajaran tiap jurusan di Universitas Sebelas Maret. Data sekolah yaitu akreditasi sekolah tahun 2009-2012 dan proporsi sekolah 2009-2011. Data siswa yaitu nilai siswa semester 3-5 tahun 2009-2012 dan pilihan jurusan siswa tahun 2009-2012. Data siswa yang didapat ternyata tidak semua jurusan memiliki peminat yang banyak, ada pula jumlah peminat kurang dari kuota atau daya tampung jurusan tersebut, oleh sebab itu untuk data jurusan yang peminatnya sedikit maka jurusan tersebut dihilangkan. Hal ini untuk menjaga keakuratan sistem yang telah dibuat nantinya.

3.2 Tahap Pemodelan Sistem

Pada tahap pemodelan sistem, pertama dilakukan menghitung skor sekolah dengan pemilihan metode, yaitu metode Regresi Linier atau metode SAW. Metode Regresi Linier menggunakan perhitungan terdiri dari satu variabel dependen (proporsi) dan satu variabel independen (akreditasi). Sedangkan metode SAW menggunakan data akreditasi sekolah. Peneliti telah meneliti perbandingan nilai akhir antara menggunakan data tiga tahun sebelumnya dan dua tahun sebelumnya, dan hasil perbandingan nilai akhirnya tidak terlalu signifikan, maka peneliti menggunakan data dua tahun sebelumnya. Tahap kedua, dilakukan menghitung nilai akhir siswa berdasarkan asal sekolah dan jurusan yang dipilih. Dari hasil tahap kedua akan diperoleh nilai akhir siswa tersebut dan akan dilakukan kesimpulan siswa tersebut diterima atau ditolak. Untuk mengetahui perbedaan antara hasil Regresi-SAW dan SAW maka dilakukan percobaan dari kuota jurusan 10% dari kuota jurusan sebenarnya sampai kuota jurusan 100% atau sama dengan kuota yang sebenarnya.

3.3 Tahap Implementasi Sistem Ruang lingkup perangkat keras dan perangkat lunak yang akan digunakan untuk mengimplementasikan sistem, diantaranya yaitu: 1. Perangkat Keras: 

Intel(R) Cor(TM) i5 CPU M 321 @ 2.5GHz



RAM 4 GB



Harddisk dengan kapasitas 750GB

2. Perangkat Lunak: 

Programming

: NetBeans IDE 6.9.1



Database Server

: Appserv-win32-2.5.9



Supporting Tools

: Microsoft Office Excel



Operating Sistem

: Microsoft Windows 7 Home Basic 32-bit



Testing Tools

: Windows Internet Explorer

Tahapan-tahapan implementasi sistem yang akan dilakukan yaitu:

3.3.1 Membangun database Untuk penyimpanan data yang dibutuhkan, yaitu dengan menggunakan MySQL. 3.3.2 Menulis kode program Seluruh fungsi yang dibutuhkan diterjemahkan ke dalam rangkaian kode sumber aplikasi sehingga selanjutnya menjadi sebuah prototype sistem yang bisa digunakan. Rangkaian kode tersebut menggunakan bahasa pemograman Java. prototype sistem dapat dilihat pada Lampiran 1.

3.4 Tahap Pengujian 3.4.1 Pengujian Sistem Pengujian sistem ini dilakukan untuk mencari error yang masih terdapat pada program, untuk selanjutnya diperbaiki. 3.4.2 Pengujian Hasil Pengujian hasil ini dilakukan untuk menguji kesesuaian output yang dihasilkan oleh perhitungan Regresi-SAW dan perhitungan SAW.

3.5 Analisis Output Sistem Pengujian dilakukan dengan membandingkan hasil yang diperoleh SAW dan Regresi-SAW yaitu membandingkan nilai rata-rata nilai rapor siswa yang diterima, membandingkan jumlah sekolah siswa yang diterima, tingkat kesamaan SAW dengan Regresi-SAW, membandingkan kecepatan waktu eksekusi SAW dan Regresi-SAW dan membandingkan rata-rata nilai akreditasi sekolah siswa yang diterima.

BAB IV PEMBAHASAN

4.1 Penjelasan Mengenai Data Pada penelitian ini menggunakan 1000 data pendaftar, jadi total pilihan jurusan siswa ada 2000 pilihan jurusan, setiap jurusan memiliki kuota jurusan atau daya tampung yang berbeda-beda, tidak semua jurusan memiliki peminat yang lebih banyak dari kuota jurusan tersebut, ada beberapa jurusan yang memiliki sedikit peminat. Yaitu seperti jurusan sastra daerah dengan jumlah peminat 6 orang pada tahun 2011 dan 5 orang pada tahun 2012, padahal kuota jurusan sastra daerah tersebut adalah 13 orang, hal ini berarti mengakibatkan semua pendaftar tersebut dapat diterima semua. Oleh sebab itu peneliti menghilangkan atau memfilterisasi jurusan dengan peminat yang lebih sedikit atau sama dengan kuota jurusan tersebut. Untuk melihat nama jurusan dan peminat setiap jurusan pada tahun 2011 dan 2012 dapat dilihat dalam Lampiran 2. Nama jurusan yang dihilangkan atau difilterisasi sebanyak 21 jurusan yaitu jurusan sastra daerah, sastra indonesia, ilmu sejarah, kriya seni, ilmu hukum, argoteknologi, peternakan, fisika, kimia, pendidikan matematika, pendidikan fisika, pendidikan biologi, pendidikan luar biasa, pendidikan bahasa dan sastra Indonesia, pendidikan seni rupa, pendidikan geografi, pendidikan PPKn, pendidikan ekonomi, pendidikan jasmani dan rekreasi, PGSD Guru kelas Kebumen, dan pendidikan kimia. Setelah dilakukan filterisasi jurusan maka jumlah pilihan jurusan siswa menjadi 1753 pilihan jurusan dan hasil yang didapat juga akan lebih akurat.

4.2 Analisis Algoritma Perancangan 4.2.1 Algoritma Perancangan Sistem

Mulai

Mengambil data dari database

Menghitung skor sekolah

Menghitung dengan metode saw

Menghitung dengan metode regresi linier

Menghitung nilai akhir siswa dengan metode saw

Mendapatkan nilai akhir siswa

Diterima?

YA Mendapatkan detail jurusan

TIDAK

Selesai

Gambar 4.1 Flowchart Sistem

Pada sistem ini pertama kali sistem mengambil database untuk menghitung skor sekolah, untuk menghitung skor sekolah menggunakan dua pilihan yaitu dengan metode Regresi Linier atau dengan metode SAW, setelah mendapatkan hasil skor sekolah maka dilanjutkan dengan menghitung nilai akhir siswa dengan menggunakan metode SAW, setelah mendapatkan nilai akhir siswa maka akan diketahui siapa siswa yang diterima dan siapa siswa yang ditolak. Untuk siswa yang diterima, maka akan disimpan ke dalam database keterangan jurusan yang diterima.

4.2.2 Algoritma Perancangan Skor Sekolah dengan Metode Regresi Linier Mulai

Mengambil data 1 tahun lalu dan 2 tahun lalu dari database

Menghitung jumlah siswa diterima masing2 sekolah (m)

Menghitung jumlah siswa pendaftar masing2 sekolah (n)

Mencari proporsi (p0) sekolah tahun ini dari m/n

Mencari: ∑x1,∑y,∑xy,∑x2,∑y2 y=Proporsi x=Akreditasi

Mencari a: 2 a= (∑y)(∑x ) – (∑x)(∑xy) / 2

(n∑x ) – (∑x)

2

Mencari b : 2 b = n∑xy – (∑x)(∑y) / 2

(n∑x ) – (∑x)

2

Mencari Y (skor): Y = a + b*X1

Menghasilkan skor sekolah

Selesai

Gambar 4.2 Flowchart Algoritma Skor Sekolah dengan Metode Regresi

Untuk menghitung skor sekolah dengan metode regresi linier sederhana, terlebih dahulu sistem akan mengambil data satu dan dua tahun lalu dari database, kemudian mencari nilai proporsi tahun ini yaitu dari jumlah siswa yang diterima setiap sekolah dibagi jumlah siswa pendaftar setiap sekolah. Selanjutnya yaitu mencari jumlah nilai x (akreditasi) dan jumlah nilai y (proporsi), lalu mencari nilai a dan b, jika nilai b negatif maka menggunakan persamaan yang negatif dan jika nilai b positif maka menggunakan persamaan yang positif, kemudian akan didapatkan nilai skor sekolah dan akan disimpan ke dalam database.

4.2.3 Algoritma Perancangan Skor Sekolah dengan Metode SAW Mulai

Mengambil data 1 tahun lalu dan 2 tahun lalu dari database

Menghitung jumlah siswa diterima masing2 sekolah (m)

Menghitung jumlah siswa pendaftar masing2 sekolah (n)

Mencari proporsi (p0) sekolah tahun ini dari m/n

Normalisasi nilai akreditasi

Menghasilkan skor sekolah

Selesai

Gambar 4.3 Flowchart Algoritma Skor Sekolah dengan Metode SAW

Untuk menghitung skor sekolah dengan metode SAW, terlebih dahulu sistem akan mengambil data satu dan dua tahun lalu dari database, kemudian mencari nilai proporsi tahun ini yaitu dari jumlah siswa yang diterima setiap sekolah dibagi jumlah siswa pendaftar setiap sekolah. Selanjutkan sistem akan menormalisasi nilai akreditasi sekolah yang akan menjadi skor sekolah.

4.2.4 Algoritma Perancangan Nilai Akhir Siswa dengan Metode SAW Mulai

Mengambil data tahun ini, 1 tahun lalu dan 2 tahun lalu dari database

Mencari nilai pertama dari nilai per matpel (np) dikalikan skor sekolah (ss)

Mencari max nilai per matpel (np): Nilai per matpel / maksimum nilai per matpel

Mencari skor siswa (sw): Hasil nilai per matpel (np) dikalikan bobot np

Mencari skor akhir (sa): Jumlah hasil skor siswa (sw) per matpel

Memilh siswa dengan nilai tertinggi per jurusan berdasarkan kuota per jurusan

Memfilter siswa yang sudah diterima

Selesai

Gambar 4.4 Flowchart Algoritma Nilai Akhir dengan Metode SAW

Untuk menghitung nilai akhir dengan metode SAW, terlebih dahulu sistem akan mengambil data satu dan dua tahun lalu dari database, lalu sistem akan mengkalikan nilai setiap mata pelajaran dengan bobot mata pelajaran setiap jurusan yang dipilih. Kemudian mencari nilai maksimum nilai setiap mata pelajaran yaitu membagi nilai setiap mata pelajaran dengan maksimum nilai mata pelajaran. Selanjutnya mengkalikan nilai setiap mata pelajaran dengan bobot mata pelajaran jurusan, jumlahkan hasil setiap mata pelajaran tersebut maka akan mendapatkan nilai akhir siswa, kemudian dilakukan perangkingan untuk mengambil siswa dengan nilai terbaik.

4.3 Perbandingan Hasil SAW dan Regresi-SAW Perbandingan hasil SAW dengan Regresi-SAW dilakukan dengan menghitung tingkat kesamaan SAW dengan Regresi-SAW, perbedaan waktu eksekusi antara SAW dengan Regresi-SAW, perbedaan nilai rapor siswa yang diterima dan jumlah sekolah yang siswanya diterima antara SAW dengan RegresiSAW.

4.3.1 Perbandingan Tingkat Kesamaan tahun 2011 dan 2012 Untuk mengetahui perbedaan hasil perhitungan SAW dengan Regresi-SAW salah satunya dapat diukur dari tingkat kesamaan antara SAW dengan RegresiSAW. Tingkat kesamaan ini untuk mengetahui seberapa besar tingkat kesamaan hasil perhitungan SAW dengan Regresi-SAW. Tingkat kesamaan diperoleh dari menghitung jumlah kesamaan siswa yang diterima SAW dengan Regresi-SAW yang kemudian dibandingkan dengan jumlah kuota. Pada tabel dibawah ini merupakan persamaan siswa yang diterima dari hasil perhitungan SAW dengan Regresi-SAW berdasarkan kuota 10% sampai kuota 100% dari kuota yang sebenarnya pada tahun 2011 dan 2012. Data dibawah ini untuk menentukan tingkat kesamaan SAW terhada Regresi-SAW.

Tabel 4.1 Tingkat Kesamaan SAW dengan Regresi-SAW tahun 2011 Kuota Kuota 10% Kuota 20% Kuota 30% Kuota 40% Kuota 50% Kuota 60% Kuota 70% Kuota 80% Kuota 90% Kuota 100% Rata-rata

Tingkat Kesamaan 0,0862 0,1362 0,2179 0,3445 0,5572 0,61 0,649 0,653 0,667 0,714 0,4635

Dari data tingkat kesamaan pada Tabel 4.1 menunjukkan tingkat kesamaan yang terus meningkat setiap kuota. Dengan rata-rata tingkat kesamaan pada tahun 2011 yaitu 0,4635.

Tabel 4.2 Tingkat Kesamaan SAW dengan Regresi-SAW tahun 2012 Kuota Kuota 10% Kuota 20% Kuota 30% Kuota 40% Kuota 50% Kuota 60% Kuota 70% Kuota 80% Kuota 90% Kuota 100% Rata-rata

Tingkat Kesamaan 0,19 0,25 0,47 0,54 0,59 0,66 0,69 0,72 0,74 0,75 0,56

Dari data tingkat kesamaan pada Tabel 4.2 menunjukkan tingkat kesamaan yang terus meningkat setiap kuota. Dengan rata-rata tingkat kesamaan pada tahun

2011 yaitu 0,56. Tingkat kesamaan 2012 lebih tinggi dari pada tingkat kesamaan tahun 2012 dengan selisih 0,0965. Berikut ini adalah grafik tingkat kesamaan SAW dengan Regresi-SAW

RATA-RATA TINGKAT KESAMAAN

berdasarkan tabel 4.1 dan 4.2, yaitu:

0.8

Rata-rata Tingkat Kesamaan SAW dan Regresi-SAW tahun 2011 dan 2012

0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 10

20

30

40

50

60

70

80

90

100

KUOTA (%) Tingkat kesamaan 2011

Tingkat kesamaan 2012

Gambar 4.5 Rata-rata tingkat kesamaan SAW dengan Regresi-SAW tahun 2011 dan 2012

Dari Gambar 4.5 dapat diketahui bahwa pada tahun 2011 rata-rata tingkat kesamaan SAW dengan Regresi-SAW hanya 0,46. Tingkat kesamaan pada kuota 10% sangat kecil yaitu 0,086 selanjutnya dari kuota 10% sampai kuota 50% terus meningkat dengan jarak yang cukup jauh dan tingkat kesamaan dari kuota 50% sampai 100% juga naik sedikit demi sedikit sampai dengan kuota 100% tingkat kesamaan 0,71. Sedangkan pada tahun 2012, rata-rata tingkat kesamaan SAW dengan Regresi-SAW hanya 0,56. Tingkat kesamaan terlihat meningkat banyak dari kuota 20% menuju kuota 30%. Selanjutnya tingkat kesamaan semakin meningkat sedikit demi sedikit sampai kuota 100% dengan tingkat kesamaan 0,75.

Dari grafik rata-rata tingkat kesamaan SAW dengan Regresi-SAW tahun 2011 dan 2012, dapat dilihat bahwa pergeseran atau pergerakan grafik tiap kuota pada tahun 2011 dan 2012 hampir sama dan pada kuota 100% tingkat kesamaan tahun 2011 dan 2012 pun tidak terlalu berbeda jauh, pada tahun 2011 tingkat kesamaannya yaitu 0,71 sedangkan pada tahun 2012 tingkat kesamaannya yaitu 0,65.

4.3.2 Perbandingan Nilai Rapor Siswa Diterima Untuk mengetahui perbedaan hasil SAW dengan Regresi-SAW dapat juga dilihat dari rata-rata nilai rapor siswa yang diterima antara SAW dengan RegresiSAW. Membandingkan nilai rapor siswa yang diterima sangat penting, hal ini untuk mengetahui tingkat kesamaan nilai rapor siswa yang diterima antara SAW dengan Regresi-SAW. Berikut data nilai rapor siswa yang diterima SAW dan Regresi-SAW tahun 2011 dan data nilai rapor siswa yang diterima SAW dan Regresi-SAW tahun 2012.

Tabel 4.3 Nilai rapor siswa yang diterima SAW dan Regresi-SAW tahun 2011 Rata-rata Nilai Rapor Siswa Kuota

SAW

Regresi-SAW

Kuota 10%

80,22

79,36

Kuota 20%

79,75

78,86

Kuota 30%

79,29

78,6

Kuota 40%

79,09

78,71

Kuota 50%

79,03

78,65

Kuota 60%

78,93

78,54

Kuota 70%

78,81

78,48

Kuota 80%

78,74

78,46

Kuota 90%

78,69

78,49

Kuota 100%

78,66

78,46

Rata-rata

79,121

78,661

Tabel 4.4 Nilai rapor siswa yang diterima SAW dan Regresi-SAW tahun 2012 Rata-rata Nilai Rapor Siswa Kuota

SAW

Regresi-SAW

Kuota 10%

79,95

78,92

Kuota 20%

78,29

78,74

Kuota 30%

79,02

78,46

Kuota 40%

79,07

78,51

Kuota 50%

79,12

78,58

Kuota 60%

79,08

78,61

Kuota 70%

79,07

78,59

Kuota 80%

79,04

78,62

Kuota 90%

78,99

78,62

Kuota 100%

78,94

78,66

Rata-rata

79,057

78,631

Berdasarkan data pada Tabel 4.3 dan Tabel 4.4 dapat diketahui rata-rata nilai rapor siswa diterima pada SAW dan Regresi-SAW pada tahun 2011 dan 2012 menunjukkan bahwa rata-rata nilai rapor siswa diterima pada SAW selalu lebih tinggi dari pada rata-rata nilai rapor siswa diterima pada Regresi-SAW.

Berikut ini adalah statistik nilai rapor siswa yang diterima antara SAW dan Regresi-SAW tahun 2011 dan 2012:

Rata-rata Nilai Rapor Siswa Diterima tahun 2011 RATA-RATA NILAI RAPOR

80.5 80 79.5 79 78.5 78 77.5 10

20

30

40 SAW

50 60 KUOTA (%)

70

80

90

100

REGRESI-SAW

Gambar 4.6 Nilai rapor siswa diterima pada SAW dan Regresi-SAW tahun 2011 Dilihat dari grafik Gambar 4.6 yaitu nilai rapor siswa diterima pada SAW dan Regresi-SAW tahun 2011 tersebut menunjukkan bahwa nilai rapor siswa diterima pada SAW selalu lebih tinggi dari pada nilai rapor siswa diterima pada Regresi-SAW.

Rata-rata Nilai Rapot Siswa Diterima tahun 2012 80.5

Rata-rata nilai rapot

80 79.5 79 78.5 78 77.5 77 10

20

30

40

50 60 KUOTA (%)

SAW

70

80

90

100

REGRESI-SAW

Gambar 4.7 Nilai rapor siswa diterima pada SAW dan Regresi-SAW tahun 2012

Dari grafik Gambar 4.7 yaitu nilai rapor siswa diterima pada SAW dan Regresi-SAW tahun 2012 tersebut juga menunjukkan bahwa nilai rapor siswa diterima pada SAW selalu lebih tinggi dari pada nilai rapor siswa diterima pada Regresi-SAW, tetapi pada kuota 20% nilai rapor siswa diterima pada RegresiSAW sedikit lebih tinggi dari pada nilai rapor siswa diterima pada SAW.

4.3.3 Waktu Eksekusi Regresi-SAW dan SAW Untuk mengetahui perbedaan hasil SAW dengan Regresi-SAW dapat juga dilihat dari perbandingan waktu eksekusi SAW dengan Regresi-SAW, agar dapat mengetahui waktu eksekusi yang paling cepat antara SAW dengan Regresi-SAW. Berikut ini adalah tabel data waktu eksekusi setiap kuota pada tahun 2011 dan 2012.

Tabel 4.5 Data waktu eksekusi tahun 2011 Kuota Kuota 10% Kuota 20%

Waktu Eksekusi (detik) SAW Regresi-SAW 90,794 76,2585 73,6125 74,815

Kuota 30% Kuota 40% Kuota 50% Kuota 60% Kuota 70% Kuota 80% Kuota 90% Kuota 100% Rata-rata

73,856 74,8855 74,4625 74,5535 74,983 75,1635 75,387 76,7975 76,4495

74,9535 75,8035 76,3615 77,245 79,1415 77,488 80,442 77,6905 77,0199

Tabel 4.6 Data waktu eksekusi tahun 2012 Kuota Kuota 10% Kuota 20% Kuota 30% Kuota 40% Kuota 50% Kuota 60% Kuota 70% Kuota 80% Kuota 90% Kuota 100% Rata-rata

Waktu Eksekusi (detik) SAW Regresi-SAW 154,899 160,56 158,502 165,119 162,92 169,552 162,687 167,21 169,542 161,351 192,876 161,726 160,726 163,039 160,103 167,549 162,431 170,284 163,166 219,131 164,7852 170,5521

Berdasarkan Tabel 4.5 dan Tabel 4.6, pada tahun 2011 dan 2012 rata-rata waktu eksekusi SAW lebih cepat dari pada rata-rata waktu eksekusi RegresiSAW. Dari tabel data waktu eksekusi pada tabel 4.6 dan tabel 4.7, berikut statistik waktu eksekusi SAW dan Regresi-SAW setiap kuota pada tahun 2011 dan 2012

WAKTU EKSEKUSI (detik)

Waktu Eksekusi SAW dan Regresi-SAW tahun 2011 200 180 160 140 120 100 80 60 40 20 0 10

20

30

40

50 60 KUOTA (%)

SAW

70

80

90

100

REGRESI-SAW

Gambar 4.8 Waktu eksekusi SAW dan Regresi-SAW tahun 2011 Dilihat dari Gambar 4.8, waktu eksekusi SAW dan Regresi-SAW tahun 2011 pada kuota 10% waktu eksekusi Regresi-SAW lebih cepat dari pada waktu eksekusi SAW, tetapi pada kuota 20% sampai kuota 100% waktu eksekusi SAW selalu lebih cepat dari pada waktu eksekusi Regresi-SAW

Waktu Eksekusi SAW dan Regresi-SAW tahun 2012 WAKTU EKSEKUSI (detik)

250 200 150 100 50 0 10

20

30

40 SAW

50

60

KUOTA (%)

70

80

90

100

REGRESI-SAW

Gambar 4.9 Waktu eksekusi SAW dan Regresi-SAW tahun 2012

. Dan dari Gambar 4.9, waktu eksekusi SAW dan Regresi-SAW tahun 2011 pada kuota 50% dan kuota 60% waktu eksekusi Regresi-SAW lebih cepat dari pada waktu eksekusi SAW, tetapi pada kuota 10%, 20%, 30%, 40%, 70% sampai kuota 100% waktu eksekusi SAW selalu lebih cepat dari pada waktu eksekusi Regresi-SAW.

4.3.4 Perbandingan Statistik Jumlah Sekolah Untuk mengetahui perbedaan hasil SAW dengan Regresi-SAW dapat dilihat juga jumlah sekolah yang siswanya diterima antara SAW dengan Regresi-SAW. Menghitung jumlah sekolah yang siswanya diterima agar dapat mengetahui pemerataan sekolah yang diterima pada SAW dan Regresi-SAW. Untuk mencari statistik setiap sekolah diperlukan data jumlah sekolah yang yang siswanya diterima seluruh jurusan pada setiap kuota tahun 2011 dan 2012 yang terdapat pada tabel dibawah ini:

Tabel 4.7 Jumlah Sekolah dari Siswa yang diterima tahun 2011 Kuota Kuota 10%

Jumlah Sekolah Siswa Diterima SAW Regresi-SAW 84 79

Kuota 20%

175

170

Kuota 30%

258

252

Kuota 40%

341

335

Kuota 50%

421

413

Kuota 60%

478

469

Kuota 70%

531

526

Kuota 80%

572

567

Kuota 90%

614

606

Kuota 100%

647

640

Rata-rata

412

406

Tabel 4.8 Jumlah Sekolah dari Siswa yang diterima tahun 2012

Jumlah Sekolah Siswa Diterima SAW Regresi-SAW 80 72

Kuota Kuota 10% Kuota 20%

133

129

Kuota 30%

196

180

Kuota 40%

257

222

Kuota 50%

296

266

Kuota 60%

320

298

Kuota 70%

341

323

Kuota 80%

354

334

Kuota 90%

368

346

Kuota 100%

381

353

Rata-rata

272

252

Dari data jumlah sekolah yang siswanya diterima pada Tabel 4.7 dan Tabel 4.8 menunjukkan bahwa jumlah sekolah dengan SAW lebih banyak dari pada jumlah sekolah dengan Regresi-SAW. Dari Tabel 4.7 dan Tabel 4.8 maka dapat dibuat statistik jumlah sekolah yang terdapat pada gambar 4.10 dan gambar 4.11

Jumlah Sekolah Siswa Diterima tahun 2011 700

JUMLAH SEKOLAH

600

531 478

500 400

341 258

300 175

200 100

526

421

84

572 567

614 606

647 640

469 413

335

252

170

79 0 10

20

30 SAW

40

50 60 KUOTA (%)

70

80

REGRESI-SAW

90

100

Gambar 4.10 Statistik Jumlah Sekolah tahun 2011

Jumlah Sekolah yang diterima tahun 2012 450 400 Jumlah Sekolah

350

296

300

257

250 133

150 100 50

80

298

354

368

323

334

346

70

80

90

381 353

266

196

200

320

341

222 180

129

72

0 10

20

30

40

50

60

100

Kuota (%) SAW

.

REGRESI-SAW

Gambar 4.11 Statistik Jumlah Sekolah tahun 2012

Berdasarkan Gambar 4.10 dan Gambar 4.11 menunjukkan bahwa pada tahun 2011 dan 2012 jumlah sekolah yang siswanya diterima SAW selalu lebih banyak dari pada jumlah sekolah yang siswanya diterima Regresi-SAW. Hal ini berarti bahwa dengan SAW penyebaran sekolah yang diterima lebih meluas dari pada dengan Regresi-SAW.

4.3.5 Nilai Akreditasi Sekolah Siswa Diterima Untuk mengetahui perbedaan hasil SAW dengan Regresi-SAW dapat dilihat juga perbedaan nilai akreditasi sekolah yang siswanya diterima antara SAW dengan Regresi-SAW. Menghitung nilai akreditasi sekolah yang siswanya diterima ini dimaksudkan untuk seberapa penting nilai akreditasi sekolah dari pada nilai proporsi. Berikut ini adalah data nilai akreditasi sekolah yang siswanya diterima antara SAW dengan Regresi-SAW tahun 2011 dan 2012.

Tabel 4.9 Nilai Akreditasi Sekolah dari Siswa yang diterima tahun 2011

Kuota 10%

Nilai Akreditasi Sekolah Siswa Diterima SAW Regresi-SAW 93,79 89,19

Kuota 20%

93,2

90,08

Kuota 30%

92,65

90,28

Kuota 40%

92,27

90,34

Kuota 50%

91,86

90,56

Kuota 60%

91,69

90,43

Kuota 70%

91,36

90,38

Kuota 80%

91,15

90,42

Kuota 90%

90,97

90,43

Kuota 100%

90,88

90,5

Rata-rata

91,982

90,261

Kuota

Tabel 4.10 Nilai Akreditasi Sekolah dari Siswa yang diterima tahun 2012

Kuota 10%

Nilai Akreditasi Sekolah Siswa Diterima SAW Regresi-SAW 93,32 90,76

Kuota 20%

91,29

91,35

Kuota 30%

91,84

91,17

Kuota 40%

91,65

90,56

Kuota 50%

91,7

90,55

Kuota 60%

91,5

90,34

Kuota 70%

91,4

90,24

Kuota 80%

91,23

90,31

Kuota 90%

91,2

90,35

Kuota 100%

91

90,35

91,613

90,598

Kuota

Rata-rata

Berdasarkan Tabel 4.9 dan Tabel 4.10 menunjukkan bahwa rata-rata nilai akreditasi sekolah yang siswanya diterima tahun 2011 dan 2012 menghasilkan perbedaan nilai yang tidak terlalu signifikan dan rata-rata nilai akreditasi sekolah yang siswanya diterima SAW selalu lebih tinggi dari pada rata-rata nilai akreditasi sekolah yang siswanya diterima Regresi-SAW. Dari Tabel 4.9 dan Tabel 4.10 maka dapat dibuat statistik nilai akreditasi sekolah yang terdapat pada Gambar 4.12 dan Gambar 4.13

Rata-rata nilai akreditasi sekolah siswa diterima tahun 2011

RATA-RATA AKEDITASI SEKOLAH

95 94 93 92 91 90 89 88 87 86 10

20

30

40 SAW

50 60 KUOTA (%)

70

80

90

100

REGRESI-SAW

Gambar 4.12 Statistik nilai akreditasi Sekolah tahun 2011

Berdasarkan Gambar 4.12 dapat dilihat bahwa pada tahun 2011 nilai akreditasi sekolah SAW selalu jauh lebih tinggi dari pada nilai akreditasi sekolah Regresi-SAW akan tetapi dari kuota 10% sampai kuota 100% perbedaan nilai semakin mengecil yaitu pada SAW adalah 90,88 dan Regresi-SAW adalah 90,5.

Rata-rata nilai akreditas

Rata-rata nilai akreditasi sekolah siswa diterima tahun 2012 94 93.5 93 92.5 92 91.5 91 90.5 90 89.5 89 88.5 10

20

30

40 SAW

50 60 KUOTA(%)

70

80

90

100

REGRESI-SAW

Gambar 4.13 Statistik nilai akreditasi Sekolah tahun 2012 Pada Gambar 4.13 menunjukkan bahwa pada tahun 2012 nilai akreditasi sekolah yang siswanya diterima SAW selalu lebih tinggi dari pada nilai akreditasi sekolah yang siswanya diterima Regresi-SAW, tetapi pada kuota 20% nilai akreditasi Regresi-SAW sedikit lebih tinggi dari pada nilai akreditasi sekolah SAW.

BAB V PENUTUP

5.1 Kesimpulan Berdasarkan pada pembahasan, dapat disimpulkan bahwa ternyata dengan menggunakan metode SAW selain menghemat data juga banyak kelebihan dari hasil penilaian dengan menggunakan SAW dari pada Regresi-SAW. Kelebihan dengan menggunakan metode SAW antara lain akan diperoleh siswa dengan nilai rata-rata rapor yang tinggi yaitu dengan rata-rata nilai rapor 79,121 pada tahun 2011 dan 79,057 pada tahun 2012 dengan selisih nilai 0,426 lebih besar dari pada rata-rata nilai rapor dengan Regresi-SAW, penyebaran sekolah yang diterima punselisih 10 sampai 20 lebih banyak jumlah sekolah yang diterima dibanding dengan Regresi-SAW, nilai akreditasi sekolah yang diterima juga lebih tinggi yaitu selisih 1,721 dari pada nilai akreditasi sekolah yang diterima RegresiSAWdan waktu eksekusi yang sedikit lebih cepat yaitu selisih 5,77 lebih cepat dari Regresi-SAW.

5.2 Saran Diharapkan pada penelitian selanjutnya dapat dibandingkan dengan menggunakan metode lain yang setara dari MADM seperti WP, TOPSIS atau AHP, untuk dilihat hasilnya mana yang lebih baik dalam kasus seleksi penerimaan mahasiswa baru jalur undangan.

DAFTAR PUSTAKA

[1]

Turban, E. Et al. 2011. Decision Support and Business Intelligence Sistem: Ninth Edition. New Jersey : Pearson Education, inc.

[2]

Kusumadewi, Sri., Hartati, S., Harjoko, A., dan Wardoyo, R. 2006. MultiAttribute Decision Making (MADM). Yogyakarta: Graha Ilmu.

[3]

Gerdon. 2011. Sistem Pendukung Keputusan Untuk Menentukan Penerimaan beasiswa Bagi Mahasiswa. Publikasi Skripsi AMIKOM. Yogyakarta.

[4]

Asfi, Marsani., Purnama Sari, Ratna. 2010. Sistem Penunjang Keputusan Seleksi Mahasiswa Berprestasi Menggunakan Metode AHP (Studi Kasus: STMIK CIC Cirebon). Jurnal Informatika. Vol. 6 No. 2. ISSN 0216-4280. Bandung.

[5]

Sudjana. 2005. Metoda Statistika. Bandung: Tarsito.

[6]

Trihendradi, C. 2006. Langkah Mudah Menguasai Analisis Statistik Menggunakan SPSS 15. Yogyakarta: Andi Offset.

[7]

Rumaisa, F., dan Nurafianti, Tanti. 2010. Sistem Pendukung Keputusan Kelulusan Ujian Saringan Masuk Jalur PMDK Berdasarkan Nilai RataRata Matematika dan Bahasa Inggris. National Conference: Design and Application of Technology. Universitas Widyatama, Bandung.

[8]

Afshari, Alireza., Mojahed, Majid., dan Yusuff, Rosnah Mohd. 2010. Simple Additive Weighting approach to Personnel Selection problem. Vol. 1. ISSN: 2010-0248.

[9]

Kusumadewi, Sri., Hartati, S., Harjoko, A., dan Wardoyo, R. 2006. MultiAttribute Decision Making (MADM). Yogyakarta: Graha Ilmu.

LAMPIRAN 1 IMPLEMENTASI SISTEM

1. Halaman Utama Halaman ini merupakan halaman yang pertama kali muncul saat sistem dijalankan. Halaman ini berisi menu, yaitu: Master Sekolah, Master Siswa, Master Mata Pelajaran, Master Jurusan, Bobot Jurusan, Kuota Jurusan, Data Sekolah, Pilihan Jurusan Siswa, Data Nilai Siswa, Skor Sekolah SAW, Skor Sekolah Regresi dan Nilai Akhir Siswa.

2. Menu Master Sekolah Halaman ini merupakan halaman yang memuat form input data sekolah dan tabel data sekolah. Form input data sekolah meliputi Id Sekolah, Nama Sekolah, Akreditasi dan Alamat Sekolah. Sedangkan tabel data sekolah merupakan data sekolah yang telah ada dan disimpan di database.

3. Menu Master Siswa Halaman ini merupakan halaman yang memuat form input data siswa dan tabel data sekolah. Adanya tabel sekolah dikarenakan data sekolah dan data siswa mempunyai relasi, untuk mengisi Asal Sekolah maka pengolah harus memilih sekolah yang ada pada tabel data sekolah. Untuk input data siswa meliputi Id Siswa, Nama Siswa dan Asal Sekolah.

4. Menu Master Mata Pelajaran Halaman ini merupakan halaman yang memuat form input data mata pelajaran dan tabel data mata pelajaran. Form input data mata pelajaran meliputi Id Mata Pelajaran dan Nama Mata Pelajaran. Sedangkan tabel data mata pelajaran merupakan data mata pelajaran yang telah ada dan disimpan di database.

5. Menu Master Jurusan Halaman ini merupakan halaman yang memuat form input data jurusan dan tabel data jurusan. Form input data mata pelajaran meliputi Id Jurusan dan Nama Jurusan. Sedangkan tabel data jurusan merupakan data jurusan yang ada di database.

6. Menu Bobot Jurusan Halaman ini merupakan halaman yang memuat form input data bobot jurusan dan tabel bobot jurusan tiap mata pelajaran. Form input data bobot jurusan meliputi Nama Jurusan, Mata Pelajaran dan Bobot. Sedangkan tabel bobot jurusan merupakan data bobot jurusan setiap mata pelajaran yang ada di database.

7. Menu Kuota Jurusan Halaman ini merupakan halaman yang memuat form input kuota per jurusan dan tabel kuota jurusan. Form input data kuota jurusan meliputi Nama Jurusan, Tahun dan Kuota. Sedangkan tabel kuota jurusan merupakan data kuota jurusan yang ada di database.

8. Menu Data Sekolah Halaman ini merupakan halaman yang memuat tabel data perkembangan sekolah. Tabel ini hanya menampilkan data sekolah secara lengkap.

9. Menu Pilihan Jurusan Siswa Halaman ini merupakan halaman yang memuat form input data pilihan jurusan siswa dan tabel data jurusan. Form input data pilihan jurusan meliputi Id Siswa, Nama Siswa dan Pilihan Jurusan.

10. Menu Data Nilai Siswa Halaman ini merupakan halaman yang memuat form input data nilai siswa dan tabel data siswa. Form input data nilai siswa yaitu memasukkan nilai siswa dari semester tiga sampai semester lima sesuai data yang ada.

11. Menu Skor Sekolah SAW Halaman ini merupakan halaman yang memuat hasil proses perhitungan skor sekolah dengan metode SAW.

12. Menu Skor Sekolah Regresi Halaman ini merupakan halaman yang memuat hasil proses perhitungan skor sekolah dengan metode Regresi Linier.

13. Menu Akhir Siswa Halaman ini merupakan halaman yang memuat hasil proses perhitungan nilai akhir siswa dengan metode SAW.

LAMPIRAN 2 BOBOT MATA PELAJARAN SETIAP JURUSAN DAN DAFTAR PEMINAT PER JURUSAN

a. Bobot Mata Pelajaran Setiap Jurusan NAMA JURUSAN Sastra Daerah untuk Sastra Jawa Sastra Indonesia Sastra Inggris Ilmu Sejarah Seni Rupa Murni Desain Komunikasi Visual Desain Interior Kriya Seni (Desain Tekstil) Ilmu Administrasi Negara Ilmu Komunikasi Sosiologi Ilmu Hukum Ekonomi Pembangunan Manajemen Akuntansi Pendidikan Dokter Psikologi Agroteknologi / Agroekoteknologi Agribisnis Peternakan Ilmu Dan Teknologi Pangan Teknik Sipil Teknik Arsitektur Teknik Industri Teknik Mesin Teknik Kimia Perencanaan Wilayah & Kota Matematika Fisika Kimia Biologi Teknik Informatika Pendidikan Matematika Pendidikan Fisika Pendidikan Kimia Pendidikan Biologi Pendidikan Luar Biasa/Khusus

B1 (INDO) 4 4 4 4 3 3 3 3 3 3 3 2 2 2 2 1 1 1 1 1 1 1 1 2 1 1 2 1 1 1 1 1 1 1 1 1 1

B2 (ING) 3 3 4 3 3 3 3 3 3 3 3 3 2 2 2 2 2 2 2 2 2 2 2 3 2 2 2 1 1 1 1 2 2 2 2 2 2

BOBOT MATA PELAJARAN B3 B4 B5 (MTK) (FIS/EKO) (KIM/SOS) 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 2 2 3 2 2 2 2 3 1 2 3 1 2 3 1 2 4 2 2 2 2 2 1 3 2 1 3 1 1 1 2 2 1 2 2 2 1 3 3 1 2 2 1 3 2 2 4 3 3 1 3 3 1 3 3 1 4 4 2 4 2 3 3 3 1 4 2 1 2 4 1 2 2 3 1 2 2 4 2 1 4 2 1 2 4 1 2 2 4 1 2 2 2 1 2

B6 (BIO/GEO) 1 1 1 1 1 1 1 1 2 2 2 2 1 1 1 3 3 3 2 3 3 1 1 1 1 1 1 1 1 1 3 1 1 1 1 4 3

NAMA JURUSAN Pend.Bhs&Sastra Indonesia &Daerah Pendidikan Bhs Inggris Pendidikan Seni Rupa Pendidikan Geografi Pend. PPKn Pendidikan Ekonomi Pendidikan Sosiologi-Antropologi Pend.Jasmani Kesehatan & Rekreasi Pend.Kepelatihan Olah Raga PGSD Guru Kelas Surakarta Bimbingan dan Konseling PGSD Guru Kelas Surakarta PG-PAUD

B1 (INDO) 3 3 2 1 1 1 1 1 1 2 2 2 2

B2 (ING) 3 3 2 2 2 2 2 2 2 2 2 2 2

BOBOT MATA PELAJARAN B3 B4 B5 (MTK) (FIS/EKO) (KIM/SOS) 2 1 2 2 1 2 2 1 2 2 1 2 2 1 2 2 3 2 2 1 3 1 3 2 1 3 2 2 1 2 1 2 2 2 2 1 2 2 1

B6 (BIO/GEO) 2 2 3 3 3 2 2 2 2 3 3 3 3

b. Daftar Peminat Setiap Jurusan Id 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021

Jurusan Sastra Daerah Pendidikan Dokter Teknik Informatika Ekonomi Pembangunan Agribisnis Pend. Guru -PAUD Manajemen Ekonomi Sastra Indonesia Sastra Inggris Ilmu Sejarah Seni Rupa Murni Desain Komunikasi Visual Desain Interior Kriya Seni Ilmu Administrasi Negara Ilmu Komunikasi Sosiologi Ilmu Hukum Akuntansi Psikologi Agroteknologi Peternakan

Kuota 13 64 11 10 32 10 18 11 13 11 13 8 8 9 20 24 16 70 15 13 32 22

Peminat 2011 6 344 84 45 63 40 146 8 32 9 14 31 35 5 98 135 31 56 114 79 19 10

Peminat 2012 5 342 83 44 63 40 145 8 32 9 14 31 37 5 98 136 32 55 115 80 20 10

Id 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1038 1039 1040 1041 1043 1044 1045 1046 1047 1048 1049 1050 1051 1054

Jurusan Ilmu&Teknologi Pangan Teknik Sipil Teknik Arsitektur Teknik Industri Teknik Mesin Teknik Kimia Perencanaan Wilayah & Kota Matematika Fisika Kimia Biologi Pendidikan Matematika Pendidikan Fisika Pendidikan Biologi Pendidikan Luar Biasa Pend. Bahasa&Sastra Indonesia Pendidikan Bahasa Inggris Pendidikan Seni Rupa Pendidikan Geografi Pend. PPKn Pendidikan Ekonomi Pend. Sosiologi-Antropologi Pend. Jasmani Kes&Rek Pend. Kepelatihan Olahraga PGSD Guru Kelas Surakarta Bimbingan dan Konseling PGSD Guru Kelas Kebumen Pendidikan Kimia

Kuota 22 28 16 10 11 13 8 15 20 19 20 10 10 10 10 10 10 10 10 10 34 10 24 10 24 10 24 10

Peminat 2011 24 71 43 64 22 43 11 39 9 19 21 10 10 9 3 8 28 6 5 4 15 29 18 18 25 20 14 4

Peminat 2012 24 71 43 65 22 43 11 39 9 19 21 10 10 9 4 8 29 5 5 4 16 29 18 18 25 21 14 4

LAMPIRAN 3 DATA HASIL PENELITIAN TAHUN 2011 DAN 2012 a. Hasil penelitian Tahun 2011 - Kuota Jurusan 10% sampai 50% Id 1001 1002 1003 1004 1005 1006 1008 1010

1011 1012

1014

Kuota Asli

Kuota 10%

Kesamaan

Tingkat Kesamaan

Kuota 20%

Kesamaan

Tingkat Kesamaan

Kuota 30%

Kesamaan

Tingkat Kesamaan

Kuota 40%

Kesamaan

Tingkat Kesamaan

Kuota 50%

Kesamaan

Tingkat Kesamaan

64

6

0

0

13

0

0

19

4

0,210526

26

4

0,153846

32

16

0,5

11

1

0

0

2

0

0

3

0

0

4

0

0

6

2

0,333333

10

1

0

0

2

0

0

3

0

0

4

2

0,5

5

3

0,6

Agribisnis Pend. Guru PAUD Manajemen Ekonomi

32

3

0

0

6

0

0

10

3

0,3

13

4

0,307692

16

7

0,4375

10

1

0

0

2

0

0

3

0

0

4

0

0

5

5

1

18

2

0

0

4

0

0

5

0

0

7

0

0

9

4

0,444444

Sastra Inggris Seni Rupa Murni Desain Komunikasi Visual

13

1

0

0

3

1

0,333333

4

1

0,25

5

2

0,4

7

1

0,142857

13

1

0

0

3

1

0,333333

4

2

0,5

5

2

0,4

7

6

0,857143

8

1

0

0

2

0

0

2

0

0

3

0

0

4

1

0,25

Desain Interior Ilmu Administrasi Negara

8

1

1

1

2

1

0,5

2

1

0,5

3

1

0,333333

4

1

0,25

20

2

0

0

4

0

0

6

1

0,166667

8

2

0,25

10

5

0,5

Jurusan Pendidikan Dokter Teknik Informatika Ekonomi Pembangunan

Id

Kuota Asli

Kuota 10%

Kesamaan

Tingkat Kesamaan

Kuota 20%

Kesamaan

Tingkat Kesamaan

Kuota 30%

Kesamaan

Tingkat Kesamaan

Kuota 40%

Kesamaan

Tingkat Kesamaan

Kuota 50%

Kesamaan

Tingkat Kesamaan

1015

Jurusan Ilmu Komunikasi

24

2

0

0

5

0

0

7

0

0

10

2

0,2

12

6

0,5

1016

Sosiologi

16

2

1

0,5

3

2

0,666667

5

3

0,6

6

3

0,5

8

4

0,5

1018

Akuntansi

15

2

0

0

3

0

0

5

1

0,2

6

1

0,166667

8

3

0,375

1019

Psikologi Ilmu&Teknologi Pangan

13

1

0

0

3

0

0

4

0

0

5

1

0,2

7

4

0,571429

22

2

2

1

4

2

0,5

7

4

0,571429

9

5

0,555556

11

7

0,636364

28

3

0

0

6

1

0,166667

8

1

0,125

11

3

0,272727

14

8

0,571429

1024

Teknik Sipil Teknik Arsitektur

16

2

0

0

3

1

0,333333

5

2

0,4

6

5

0,833333

8

6

0,75

1025

Teknik Industri

10

1

0

0

2

0

0

3

0

0

4

2

0,5

5

3

0,6

1026

Teknik Mesin

11

1

0

0

2

0

0

3

1

0,333333

4

2

0,5

6

5

0,833333

1027

13

1

0

0

3

0

0

4

0

0

5

0

0

7

5

0,714286

1028

Teknik Kimia Perencanaan Wilayah & Kota

8

1

0

0

2

0

0

2

0

0

3

1

0,333333

4

1

0,25

1029

Matematika

15

2

0

0

3

2

0,666667

5

2

0,4

6

5

0,833333

8

7

0,875

1032

20

2

0

0

4

1

0,25

6

0

0

8

2

0,25

10

6

0,6

10

1

0

0

2

0

0

3

0

0

4

2

0,5

5

4

0,8

10

1

0

0

2

0

0

3

1

0,333333

4

1

0,25

5

2

0,4

10

1

0

0

2

0

0

3

2

0,666667

4

3

0,75

5

3

0,6

1049

Biologi Pendidikan Bahasa Inggris Pend. SosiologiAntropologi Pend. Kepelatihan Olahraga PGSD Guru Kelas Surakarta

24

2

0

0

5

1

0,2

7

3

0,428571

10

5

0,5

12

8

0,666667

1050

Bimbingan dan

10

1

0

0

2

0

0

3

1

0,333333

4

2

0,5

5

3

0,6

1022 1023

1040 1046

1048

Id

Jurusan Konseling

Kuota Asli

Kuota 10%

Kesamaan

Rata-rata Tingkat Kesamaan

1001 1002 1003 1004 1005 1006 1008 1010

Kesamaan

Kuota Asli

Tingkat Kesamaan

Kuota 30%

Kesamaan

0,136207

Tingkat Kesamaan

Kuota 40%

Kesamaan

0,217892

Tingkat Kesamaan

Kuota 50%

Kesamaan

0,344477

Tingkat Kesamaan

0,557199

Kuota Jurusan 60% sampai 100% Kuota 60%

Kesamaan

64

38

18

11

7

3

10

6

3

Agribisnis Pend. Guru PAUD Manajemen Ekonomi

32

19

8

10

6

5

18

11

5

Sastra Inggris Seni Rupa Murni

13

8

2

13

8

6

Jurusan Pendidikan Dokter Teknik Informatika Ekonomi Pembangunan

Kuota 20%

0,086207

Id

Tingkat Kesamaan

Tingkat Kesamaan 0,47 0,45 0,50 0,42 0,83 0,46 0,26 0,77

Kuota 70%

Kesamaan

Tingkat Kesamaan

Kuota 80%

Kesamaan

Tingkat Kesamaan

Kuota 90%

Kesamaan

Tingkat Kesamaan

Kuota 100%

Kesamaan

Tingkat Kesamaan

45

26

0,58

51

32

0,63

58

38

0,66

64

45

0,70

8

4

0,52

9

4

0,45

10

6

0,61

11

8

0,73

7

4

0,57

8

5

0,63

9

5

0,56

10

5

0,50

22

11

0,49

26

12

0,47

29

14

0,49

32

18

0,56

7

5

0,71

8

6

0,75

9

7

0,78

10

8

0,80

13

7

0,56

14

7

0,49

16

9

0,56

18

11

0,61

9

2

0,22

10

2

0,19

12

3

0,26

13

6

0,46

9

8

0,88

10

9

0,87

12

12

1,03

13

12

0,92

Id

1011 1012

Jurusan Desain Komunikasi Visual

1015

Desain Interior Ilmu Administrasi Negara Ilmu Komunikasi

1016

Sosiologi

1014

1018 1019 1022 1023 1024 1025 1026 1027 1028 1029 1032 1040 1046

Akuntansi Psikologi Ilmu&Teknologi Pangan Teknik Sipil Teknik Arsitektur Teknik Industri Teknik Mesin Teknik Kimia Perencanaan Wilayah & Kota Matematika Biologi Pendidikan Bahasa Inggris Pend. Sosiologi-

Kuota Asli

Kuota 60%

Kesamaan

8

5

2

8

5

3

20

12

7

24

14

8

16

10

4

Tingkat Kesamaan

Kuota 70%

Kesamaan

Tingkat Kesamaan

Kuota 80%

Kesamaan

Tingkat Kesamaan

Kuota 90%

Kesamaan

Tingkat Kesamaan

Kuota 100%

Kesamaan

Tingkat Kesamaan

6

4

0,71

6

4

0,63

7

4

0,56

8

6

0,75

6

3

0,54

6

4

0,63

7

4

0,56

8

5

0,63

14

10

0,71

16

13

0,81

18

13

0,72

20

14

0,70

17

11

0,65

19

12

0,63

22

13

0,60

24

15

0,63

0,42

11

4

0,36

13

7

0,55

14

5

0,35

16

9

0,56

5

0,56

11

6

0,57

12

7

0,58

14

4

0,30

15

7

0,47

0,51

9

4

0,44

10

5

0,48

12

6

0,51

13

7

0,54

15

13

0,84

18

18

1,02

20

18

0,91

22

18

0,82

20

11

0,56

22

13

0,58

25

14

0,56

28

21

0,75

0,42 0,63 0,58

15

9

13

8

4

22

13

11

28

17

10

16

10

7

10 11

6 7

0,80

13

10

0,78

14

11

0,76

16

14

0,88

3

7

4

0,57

8

5

0,63

9

7

0,78

10

9

0,90

6

0,91

8

6

0,78

9

7

0,80

10

7

0,71

11

9

0,82

0,77

9

6

0,66

10

6

0,58

12

6

0,51

13

8

0,62

8

5

3

0,63

6

4

0,71

6

4

0,63

7

6

0,83

8

7

0,88

8

0,89

11

8

0,76

12

10

0,83

14

13

0,96

15

13

0,87

0,92

14

13

0,93

16

16

1,00

18

15

0,83

20

14

0,70

7

5

0,71

8

6

0,75

9

7

0,78

10

10

1,00

7

4

0,57

8

5

0,63

9

7

0,78

10

6

0,60

20

12

11

10

6

3

6

0,73

9

6

10

0,60

11

8

9

0,83

0,50

13

15

0,56

4

0,50 0,67

Id

1048 1049 1050

Jurusan Antropologi Pend. Kepelatihan Olahraga PGSD Guru Kelas Surakarta Bimbingan dan Konseling Rata-rata Tingkat Kesamaan

Kuota Asli

Kuota 60%

Kesamaan

10

6

3

24

14

11

10

6

4

Tingkat Kesamaan

Kuota 70%

Kesamaan

Tingkat Kesamaan

Kuota 80%

Kesamaan

Tingkat Kesamaan

Kuota 90%

Kesamaan

Tingkat Kesamaan

Kuota 100%

Kesamaan

Tingkat Kesamaan

7

5

0,71

8

5

0,63

9

8

0,89

10

8

0,80

17

14

0,83

19

14

0,73

22

14

0,65

24

13

0,54

7

6

0,86

8

5

0,63

9

8

0,89

10

10

1,00

0,50 0,76 0,67 0,610046

0,649394

0,653786

0,667299

0,714356

b. Hasil penelitian Tahun 2012 - Kuota Jurusan 10% sampai 50% Id 1001 1002 1003 1004

Jurusan Pendidikan Dokter Teknik Informatika Ekonomi Pembangunan

Kuota Asli 64 11 10 32

1005

Agribisnis Pend. Guru PAUD

1006

Manajemen

18

10

Kuota 10%

Kesamaan

Tingkat Kesamaan

Kuota 20%

Kesamaan

Tingkat Kesamaan

Kuota 30%

Kesamaan

Tingkat Kesamaan

Kuota 40%

Kesamaan

Tingkat Kesamaan

Kuota 50%

6

4

0,67

13

2

0,15

19

11

0,58

26

10

0,38

32

1

0

0,00

2

1

0,50

3

0

0,00

4

2

0,50

6

1

0

0,00

2

0

0,00

3

1

0,33

4

1

0,25

5

3

0

0,00

6

0

0,00

10

4

0,40

13

5

0,38

16

1

0

0,00

2

1

0,50

3

2

0,67

4

2

0,50

5

2

1

0,50

4

0

0,00

5

3

0,60

7

5

0,71

9

Kesamaan 13 3 2 7 4 5

Tingkat Kesamaan 0,41 0,50 0,40 0,44 0,80 0,56

Id 1008

Jurusan Ekonomi

Kuota Asli

Sastra Inggris Seni Rupa Murni Desain Komunikasi Visual

13

8

1015

Desain Interior Ilmu Administrasi Negara Ilmu Komunikasi

1016

Sosiologi

1010

1011 1012

1014

13

Kuota 10%

Kesamaan

Tingkat Kesamaan

Kuota 20%

Kesamaan

Tingkat Kesamaan

Kuota 30%

Kesamaan

Tingkat Kesamaan

Kuota 40%

Kesamaan

Tingkat Kesamaan

Kuota 50%

Kesamaan

Tingkat Kesamaan

1

0

0,00

3

0

0,00

4

0

0,00

5

0

0,00

7

2

0,29

1

0

0,00

3

2

0,67

4

4

1

5

5

1

7

1

0

0,00

2

1

0,50

2

2

1

3

3

1

4

8

7

1 0,75

3 1

0

0,00

2

1

0,50

2

1

0,50

3

1

0,33

4

2

0

0,00

4

2

0,50

6

2

0,33

8

2

0,25

10

20

1

0,25 0,40

4 2

1

0,50

5

0

0,00

7

4

0,57

10

6

0,60

12

16

2

1

0,50

3

1

0,33

5

2

0,40

6

4

0,67

8

5

0,63

1

0,50

3

0

0,00

5

1

0,20

6

2

0,33

8

2

0,25

4

0,57

24

8

0,67

1018

Akuntansi

15

2

1019

Psikologi Ilmu&Teknologi Pangan

13

1

0

0,00

3

1

0,33

4

2

0,50

5

2

0,40

7

2

1

0,50

4

1

0,25

7

5

0,71

9

5

0,56

11

28

3

1

0,33

6

1

0,17

8

6

0,75

11

7

0,64

14

1024

Teknik Sipil Teknik Arsitektur

2

0

0,00

3

1

0,33

5

1

0,20

6

2

0,33

8

1025

Teknik Industri

10

1

0

0,00

2

0

0,00

3

2

0,67

4

2

0,50

5

2

0,40

1026

Teknik Mesin

11

1

0

0,00

2

2

1

3

2

0,67

4

3

0,75

6

4

0,67

1027

13

1

1

1

3

1

0,33

4

2

0,50

5

3

0,60

7

4

0,57

1028

Teknik Kimia Perencanaan Wilayah & Kota

1

0

0,00

2

1

0,50

2

0

0,00

3

2

0,67

4

1029

Matematika

15

2

0

0,00

3

1

0,33

5

3

0,60

6

2

0,33

8

1022 1023

22

16

8

8 8 2

3 6

0,73 0,57 0,25

0,75 0,75

Id

Jurusan

1032

Biologi Pendidikan Bahasa Inggris Pend. SosiologiAntropologi Pend. Kepelatihan Olahraga PGSD Guru Kelas Surakarta Bimbingan dan Konseling Rata-rata Tingkat Kesamaan

1040

1046

1048 1049 1050

Kuota Asli 20 10

1003

Jurusan Pendidikan Dokter Teknik Informatika Ekonomi Pembangunan

1004

Agribisnis

1001 1002

Kesamaan 0

Tingkat Kesamaan 0,00

Kuota 20% 4

Kesamaan 1

Tingkat Kesamaan 0,25

Kuota 30% 6

Kesamaan 3

Tingkat Kesamaan 0,50

Kuota 40% 8

Kesamaan 6

Tingkat Kesamaan 0,75

Kuota 50% 10

1

1

1

2

0

0,00

3

1

0,33

4

3

0,75

5

1

0

0,00

2

0

0,00

3

1

0,33

4

2

0,50

5

10 1

24 10

0

0,00

2

0

7 5

Tingkat Kesamaan 0,70 1 0,80

0,00

3

2

0,67

4

4

1

5

0,80 4

2

0

0,00

5

0

0,00

7

2

0,29

10

5

0,50

12

1

0

0,00

2

0

0,00

3

1

0,33

4

2

0,50

5

0,19

Kuota Asli

Kesamaan

4

10

Id

Kuota 10% 2

0,25

0,47

5 4

0,54

0,42 0,80 0,59

Kuota Jurusan 60% sampai 100% Kuota 60%

Kesamaan

64

38

18

11

7

4

10

6

3

32

19

10

Tingkat Kesamaan 0,47 0,61 0,50 0,52

Kuota 70%

Kesamaan

Tingkat Kesamaan

Kuota 80%

Kesamaan

Tingkat Kesamaan

Kuota 90%

Kesamaan

Tingkat Kesamaan

Kuota 100%

Kesamaan

Tingkat Kesamaan

45

24

0,54

51

29

0,57

58

32

0,56

64

36

0,56

8

4

0,52

9

5

0,57

10

5

0,51

11

6

0,55

7

3

0,43

8

4

0,50

9

4

0,44

10

5

0,50

22

15

0,67

26

19

0,74

29

21

0,73

32

22

0,69

Id 1005 1006 1008

Jurusan Pend. Guru PAUD Manajemen Ekonomi

Kuota Asli

Kuota 60%

Kesamaan

10

6

5

18

11

5

Tingkat Kesamaan 0,83 0,46 0,38

Kuota 70%

Kesamaan

Tingkat Kesamaan

Kuota 80%

Kesamaan

Tingkat Kesamaan

Kuota 90%

Kesamaan

Tingkat Kesamaan

Kuota 100%

Kesamaan

Tingkat Kesamaan

7

4

0,57

8

6

0,75

9

7

0,78

10

8

0,80

13

7

0,56

14

8

0,56

16

9

0,56

18

11

0,61

9

5

0,55

10

8

0,77

12

9

0,77

13

9

0,69

9

9

0,99

10

10

1

12

12

1

13

13

1

6

5

0,89

6

5

0,78

7

6

0,83

8

7

0,88

6

3

0,54

6

4

0,63

7

5

0,69

8

6

0,75

14

6

0,43

16

9

0,56

18

14

0,78

20

16

0,80

Sastra Inggris Seni Rupa Murni Desain Komunikasi Visual

13

8

3

13

8

8

8

5

4

8

5

2

20

12

4

1015

Desain Interior Ilmu Administrasi Negara Ilmu Komunikasi

24

14

10

17

12

0,71

19

13

0,68

22

16

0,74

24

18

0,75

1016

Sosiologi

16

10

7

0,73

11

8

0,71

13

11

0,86

14

11

0,76

16

14

0,88

1018

Akuntansi

15

9

3

0,33

11

5

0,48

12

5

0,42

14

7

0,52

15

9

0,60

1019

Psikologi Ilmu&Teknologi Pangan

13

8

5

0,64

9

4

0,44

10

6

0,58

12

9

0,77

13

8

0,62

22

13

10

15

13

0,84

18

17

0,97

20

18

0,91

22

17

0,77

28

17

10

20

14

0,71

22

15

0,67

25

15

0,60

28

17

0,61

1024

Teknik Sipil Teknik Arsitektur

16

10

3

11

6

0,54

13

11

0,86

14

12

0,83

16

14

0,88

1025

Teknik Industri

10

6

4

0,67

7

4

0,57

8

4

0,50

9

7

0,78

10

8

0,80

1026

Teknik Mesin

11

7

6

0,91

8

8

1

9

8

0,91

10

9

0,91

11

9

0,82

1027

Teknik Kimia

13

8

7

0,90

9

9

0,99

10

8

0,77

12

9

0,77

13

10

0,77

1010

1011 1012

1014

1022 1023

1 0,83 0,42 0,33 0,69

0,76 0,60 0,31

Id

Kuota Asli

Kuota 60%

Kesamaan

8

5

3

Tingkat Kesamaan

Kuota 70%

Kesamaan

Tingkat Kesamaan

Kuota 80%

Kesamaan

Tingkat Kesamaan

Kuota 90%

Kesamaan

Tingkat Kesamaan

Kuota 100%

Kesamaan

Tingkat Kesamaan

1028

Jurusan Perencanaan Wilayah & Kota

6

3

0,54

6

4

0,63

7

5

0,69

8

7

0,88

1029

Matematika

15

9

6

0,67

11

9

0,86

12

10

0,83

14

12

0,89

15

13

0,87

1032

Biologi Pendidikan Bahasa Inggris Pend. SosiologiAntropologi Pend. Kepelatihan Olahraga PGSD Guru Kelas Surakarta Bimbingan dan Konseling Rata-rata Tingkat Kesamaan

20

12

9

0,75

14

10

0,71

16

14

0,88

18

14

0,78

20

13

0,65

10

6

5

7

4

0,57

8

5

0,63

9

6

0,67

10

8

0,80

10

6

6

7

6

0,86

8

6

0,75

9

6

0,67

10

6

0,60

10

6

5

7

6

0,86

8

6

0,75

9

8

0,89

10

10

1

24

14

11

17

17

1

19

15

0,78

22

15

0,69

24

14

0,58

10

6

5

7

6

0,86

8

8

1

9

8

0,89

10

10

1,00

1040

1046

1048 1049 1050

0,63

0,83 1

0,83 0,76 0,83 0,66

0,69

0,72

0,74

0,75