BAB II
LANDASAN TEORI
2.1. Sistem Pendukung Keputusan
2.1.1. Sejarah dan Perkembangan Sistem Pendukung Keputusan
Pada tahun 1970-an Michael S. Scott Morton pertama kali memperkenalkan Sistem Pendukung Keputusan, merupakan sistem informasi berbasis komputer interakfif, yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah β masalah tidak terstruktur.
Pada proses pengambilan data dan pengolahan data dalam Sistem Pendukung Keputusan diperoleh hasil yang bersifat alternatif dan tidak diharuskan untuk mengikutinya. Sistem pendukung keputusan yang merupakan penerapan dari sistem informasi ditujukan hanya sebagai sebuah alat untuk membantu pengguna dalam mengambil keputusan. Sistem pendukung keputusan tidak dimaksudkan untuk menggantikan fungsi pengambil keputusan dalam membuat keputusan, melainkan hanyalah sebagai alat bantu pengambil keputusan dalam melaksanakan tugasnya.
Saat ini, pengambilan keputusan dirasa lebih sulit karena kebutuhan akan kecepatan dalam pengambilan keputusan terus meningkat. kelebihan informasi merupakan masalah umum yang menyebabkan penyimpangan informasi. Sisi yang positif dalam permasalahan ini adalah harus adanya suatu penekanan lebih besar terhadap proses pengambilan keputusan. Dalam suatu pengambilan keputusan yang kompleks dibutuhkan suatu pendukung keputusan yang bersifat komputerisasi, yang
7
menyediakan bukti yang dirancang sebaik mungkin sesuai dengan penyimpanan data sistem komputer yang membantu pengambilan keputusan agar dapat mendorong dan meningkatkan kualitas suatu keputusan serta meningkatkan daya guna dan tepat guna dalam prosespengambilan keputusan. ( Power. J, Daniel. 2009)
P.G.W Keen dan Scott-Morton yang merupakan penggagas istilah sistem pendukung keputusan, mendefenisikan bahwa sistem pendukung keputusan itu adalah beberapa sistem keputusan intelektual yang bersumber daya individu dengan dibantu oleh kemampuan komputer untuk meningkatkan kualitas dari sebuah keputusan. (keen dan Scott-Morton, 1978)
Sistem Pendukung Keputusan dapat menyediakan analisis informatif untuk meningkatkan efisiensi pembuatan keputusan dalam sebuah organisasi. Sistem Pendukung Keputusan, termasuk model keputusan, data, dan antarmuka pengguna merupakan kesatuan yang sangat penting (Zhou, 2011)
Sistem Pendukung Keputusan merupakan sebuah alat bantu yang dapat membantu si pembuat keputusan dalam menetapkan sebuah keputusan. Perlu ditekankan bahwa Sistem Pendukung Keputusan hanyalah ditujukan untuk membantu bukan untuk membuat keputusan. Keputusan yang diambil merupakan tanggung jawab dari si pembuat keputusan.
2.1.2. Pengertian Sistem Pendukung Keputusan
Berikut pengertian sistem pendukung keputusan menurut beberapa para ahli (Turban, 2005):
1. Bonczek Menurut Bonczek mendefinisikan sistem pendukung keputusan sebagai sistem berbasis komputer yang terdiri dari tiga komponen yang saling berinteraksi yaitu sistem bahasa, sistem pengetahuan dan sistem pemrosesan masalah.
8
2. Raymond McLeod, Jr Menurut Raymond McLeod, Jr mendefinisikan sistem pendukung keputusan merupakan suatu sistem informasi yang ditujukan untuk membantu manajemen dalam memecahkan masalah yang dihadapinya (McLeod, 1998).
3. Man dan Watson Sistem Pendukung Keputusan merupakan suatu sistem interaktif, yang membantu pengambil keputusan melalui penggunaan data dan model-model keputusan untuk memecahkan masalah-masalah yang sifatnya semi terstruktur dan tidak terstruktur.
4. Litlle Menurut Litlle mengemukakan bahwa sistem pendukung keputusan adalah suatu sistem informasi berbasis
komputer yang menghasilkan berbagai
alternatif keputusan untuk membantu manajemen dalam menangani berbagai permasalahan yang terstruktur ataupun tidak terstruktur dengan menggunakan data atau model.
Dari semua pengertian Sistem Pendukung Keputusan yang dipaparkan oleh para ahli diatas dapat disimpulkan bahwa Sistem Pendukung Keputusan adalah sebuah sistem berbasis komputer yang dapat membantu sesorang dalam memecahkan masalah dari data yang ada serta mengambil keputusan dan melahirkan output yang bersifat alternatif. 2.1.3
Komponen Sistem Pendukung Keputusan
Adapun komponen-komponen dari Sistem
Pendukung Keputusan adalah sebagai
berikut:
1. Manajemen Data Manajemen Data mencakup database yang berisi data yang relevan untuk situasi dan dikelola oleh perangkat lunak yang disebut sistem manajemen database.
9
2. Manajemen Model Manajemen Model merupakan paket perangkat lunak yang memasukkan modelmodel finansial, statistik, ilmu manajemen, atau model kuantitatif yang lain yang menyediakan kemampuan analisis sistem dan management software yang terkait.
3. Antarmuka Pengguna Antarmuka Pengguna merupakan media interaksi antara pengguna dan sistem sehingga pengguna dapat memberikan inputan kepada sistem agar didapatkan keputusan yang diproses oleh sistem.
4. Subsistem Berbasis Pengetahuan Subsistem Berbasis Pengetahuan adalah subsistem yang dapat mendukung semua subsistem lain atau bertindak sebagai komponen yang berdiri sendiri.
Untuk lebih memahami komponen Sistem pendukung Keputusan yang telah dijelaskan diatas dapat dilihat pada gambar 2.1. (Turban, 2005).
Gambar 2.1. Komponen Sistem Pendukung Keputusan
10
2.1.4. Proses Pengambilan Keputusan
Berdasarkan definisi yang dikemukakan oleh Turban (1998), pengambilan keputusan merupakan suatu proses atau kegiatan memilih diantara beberapa alternatif untuk mencapai tujuan tertentu .
Menurut Suryadi dan Ramdhani(1998), terdapat beberapa pendekatan yang dapat digunakan dalam melakukan pengambilan keputusan, antara lain: pendekatan rasional analitis, pendekatan intuitif emosional, dan pendekatan perilaku politis. Untuk dapat lebih memahami pemodelan proses dalam pengambilan keputusan sebaiknya menggunakan beberapa tahapan/fase seperti yang telah dirumuskan, yaitu:
1. Tahap Intelligence Tahap ini merupakan proses penelusuran dan pendeteksian dari lingkup problematika serta proses pengenalan masalah. Data masukkan diperoleh, diproses, dan diuji dalam rangka mengindentifikasikan masalah.
2. Tahap Design Tahap ini merupakan proses menemukan, mengembangkan, dan menganalisis alternatif tindakan yang bisa dilakukan. Tahap ini meliputi proses untuk mengerti masalah, menurunkan solusi, menguji kelayakan solusi.
3. Tahap Choice Pada tahap ini dilakukan proses pemilihan diantara berbagai alternatif tindakan yang mungkin dijalankan. Tahap ini dimulai dengan mencari solusi dengan menggunakan model, melakukan analisis sensitivitas, menyeleksi alternatif yang terbaik, melakukan aksi atau rencana untuk mengimplementasikan, dan merancang sistem pengendalian.
Setelah
ketiga
tahap
tersebut
dilalui,
maka
selanjutnya
adalah
mengimplementasikan solusi yang didapat, apakah telah sesuai dengan kenyataan atau belum. Jika ternyata solusi yang diperoleh belum sesuai dengan kenyataan, maka
11
perlu diteliti ulang apakah terdapat error pada masing-masing fase dalam proses pengambilan keputusan.
2.1
Pendidikan di Indonesia
Pendidikan indonesia adalah pendidikan yang diselenggarakan di indonesia, baik secara terstruktur maupun tidak terstruktur. Pendidikan merupakan sarana yang dapat mempersatukan setiap warga negara menjadi suatu bangsa karena melalui pendidikan para peserta didik difasilitasi, dibimbing dan dibina untuk menjadi warga negara yang menyadari dan merealisasikan hak dan kewajibannya. Pendidikan juga merupakan alat yang ampuh untuk menjadikan para peserta didik dapat bersosialisasi. Melalui pendidikan, perbedaan kelas dan kasta dapat dihilangkan, karena dimata hukum setiap warga negara adalah sama dan harus mendapat perlakuan yang sama. Pendidikan juga dapat menjadi wahana untuk para peserta didik dapat mengembangkan diri sesuai dengan potensi yang dimilikinya.
Sejalan dengan apa yang telah ditetapkan dalam Undang-Undang Dasar Nomor 20 Tahun 2003 tentang sistem pendidikan nasional. Dalam Undang-Undang ini pendidikan dimaksudkan sebagai sarana untuk mewujudkan suasana belajar dan proses pembelajaran para peserta didik dapat secara aktif mengembangkan potensi dirinya untuk memiliki kekuatan spiritual keagamaan, pengendalian diri, kepribadian, kecerdasan, akhlak mulia secara keterampilan yang diperlukan dirinya, masyarakat dan bangsa.
Permasalahan mendasar pendidikan di
indonesia salah satunya adalah
lemahnya para guru dalam menggali potensi anak. Para pendidik seringkali memaksakan kehendaknya tanpa pernah memperhatikan minat dan bakat yang dimiliki siswanya. Proses pendidikan yang baik adalah dengan memberi kesempatan kepada anak untuk berfikir kreatif, itu harus dilakukan sebab pada dasarya gaya berfikir anak tidak bisa diarahkan. Ada beberapa faktor yang mempengaruhi pendidikan di indonesia, salah satunya adalah rendahnya kualitas guru. Kebanyakan guru belum memiliki profesionalisme yang memadai untuk menjalankan tugasnya
12
sebagaimana disebutkan dalam Pasal 39 UU No 20/2003 yaitu merencanakan pembelajaran, melaksanakan pembelajaran, menilai hasil pembelajaran, melakukan pembimbingan, melakukan pelatihan,
melakukan penelitian dan
melakukan
pengabdian masyarakat. Secara umum, para guru di indonesia kurang bisa memerankan
fungsinya
dengan
optimal,
karena
pemerintah
kurang
bisa
memperhatikan mereka, khususnya dalam upaya meningkatkan profesionalismenya (Syarifah, 2014).
2.2.
Weighted Product Model
Metode Weighted Product (WP) Merupakan metode pengambilan keputusan dengan cara perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan (Primarizky, A. 2013). Metode weighted Product (WP) merupakan salah satu metode penyelesaian yang ditawarkan untuk menyelesaikan masalah Multi Attribute Decision Making (MADM). Multi Attribute Decision Making adalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu (Kusumadewi, 2006). Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan. Weighted Product (WP) menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan (Kusumadewi, 2006). Setelah mendapat hasil dri bobot atribut, selanjutnya dihitung nilai vector V berdasarkan persamaan (1) sebagai berikut (Savitha, K. dan Chandrasekar, C. 2011): π½(π¨π ) = βππ=π πΏππ ππ β¦ (1) Dimana: π(π΄π )
= Nilai alternatif terbaik.
πππ
= Nilai atribut j pada criteria i
π€π
= Bobot kriteria j
13
Sebagai contoh implementasi metode weighted product, yakni : Diasumsikan para calon guru berprestasi ditentukan dengan memiliki nilai dari kriteria, yaitu: Kehadiran, Kedisiplinan, Peniliaian Kompetensi, Penilaian Pembelajaran dan Penilaian Sehari-hari. Alternatif pemilihan guru berprestasi yang disediakan adalah seperti tabel dibawah.
Tabel 2.1 Data Calon Guru Berprestasi Kriteria Alternatif
A1
A2
A3
A4
A5
A5
B1
80
80
80
70
80
70
B2
70
70
80
70
70
70
B3
75
70
75
80
70
80
Keterangan: A1 = Kehadiran
B1 = Nurizmah Adnan, S.Pd
A2 = Kedisiplinan
B2 = Rawiyah Yus, S.Pd
A3=PenilaianKompetensi
B3 = Juli Silaban, S.Pd
A4 = Penilaian Pembelajaran A5 = Penilaian Sehari-hari
Dimana data dari setiap kriteria yang didapat oleh masing-masing guru berdasarkan data yang ada di sekolah SMP Dr. Wahidin Sudirohusodo yang bersumber dari sekolah SMP Dr. Wahidin Sudirohusodo. Selanjutnya menentukan bobot untuk setiap kriteria, bobot kriteria akan ditentukan sebagai berikut:
Tabel 2.2. Pemberian Bobot Kriteria A1
A2
A3
A4
A5
Alternatif
0.3
0.1
0.1
0.2
0.2
B1
80
80
80
70
80
B2
70
70
80
70
70
B3
75
70
70
75
70
14
Berdasarkan tabel 2 diatas, dapat kita ketahui nilai bobot yang diberikan pada kriteria A1 adalah 0.3 atau 30 %, nilai bobot pada kriteria A2 adalah 0.1 atau 10 %, nilai bobot pada kriteria A3 adalah 0.1 atau 10 %, nilai bobot pada kriteria A4 adalah 0.2 atau setara dengan 20 % dan A5 adalah 0.2 atau setara dengan 20 %. Selanjutnya untuk menghitung nilai WPM dari setiap alternatif digunakan rumus (1) sehingga: B1= 800.3x 800.1 x 800.1 x 700.2 x 800.2 = 50.2553 B2 = 700.3x 700.1 x 800.1 x 700.2 x 700.2 = 46.3860 B3 = 750.3x 700.1 x 750.1 x 800.2 x 700.2 = 48.3250
Dari hasil diatas, maka B1 merupakan alternatif pilihan terbaik yaitu Nurizmah Adnan, S.Pd
2.3.
Profile Matching
Maksud dari model Profile Matching adalah sebuah mekanisme pengambilan keputusan dengan mengansumsikan bahwa terdapat tingkat variabel prediktor yang ideal yang harus dimiliki oleh pelamar, bukannya tingkat minimal yang harus dipenuhi atau dilewati. Profile Matching dilakukan dengan cara membandingkan antara kompetensi individu ke dalam kompetensi standar, dalam hal ini profil calon guru yang ideal sehingga dapat diketahui perbedaan kompetensinya (Gap). Semakin kecil Gap yang dihasilkan maka bobot nilainya semakin besar (Pambayun, KH., RA, Setyawan & BD, Setiawan. 2013). Dan berikut merupakan langkah-langkah perhitungan dalam Profile Matching.
2.3.1.
Pemetaan Gap Kompetensi
Gap yang dimaksud di sini adalah perbedaan/selisih nilai masing-masing aspek/atribut dengan profil target. Pemetaan Gap dapat dihitung dengan rumus persamaan (4) (Hidayat, AL & Pinandita, T. 2013) : Gap = Profil Atribut β Profil Target ... (2)
15
2.3.2.
Pembobotan
Setelah diperoleh Gap pada masing-masing calon guru, setiap profil calon guru diberi bobot nilai sesuai ketentuan pada Tabel Bobot Nilai Gap.
Tabel 2.3. Bobot Nilai Gap
2.3.3.
Selisih
Bobot Nilai Keterangan
0
5
Tidak ada selisih (sesuai yang dibutuhkan)
1
4.5
Kompetensi kelebihan 1 tingkat/level
-1
4
Kompetensi kekurangan 1 tingkat/level
2
3.5
Kompetensi kelebihan 2 tingkat/level
-2
3
Kompetensi kekurangan 2 tingkat/level
3
2.5
Kompetensi kelebihan 3 tingkat/level
-3
2
Kompetensi kekurangan 3 tingkat/level
4
1.5
Kompetensi kelebihan 4 tingkat/level
-4
1
Kompetensi kekurangan 4 tingkat/level
Perhitungan dan Pengelompokan Core factor dan Secondary Factor
Setelah menentukan bobot nilai Gap untuk semua kriteria dengan cara yang sama, lalu dibagi lagi menjadi dua kelompok yaitu kelompok Core Factor (faktor utama) dan Secondary Factor (faktor pendukung). Perhitungan core factor dapat ditunjukkan pada Persamaan (5) (Hidayat, AL & Pinandita, T. 2013).
NCF =
β ππ βπ π
. . . (3)
Keterangan: NCF
: Nilai rata-rata core factor
NC
: Jumlah total nilai core factor
IC
: Jumlah item core factor
Sedangkan untuk perhitungan secondary factor dapat ditunjukkan pada Persamaan (6) (Hidayat, AL & Pinandita, T. 2013)
16
NSF =
β ππ βπ π
. . . (4)
Keterangan: NSF
: Nilai rata-rata secondary factor
NS
: Jumlah total nilai secondary factor
IS
: Jumlah item secondary factor
2.3.4. Perhitungan Nilai Total
Dari hasil perhitungan dari tiap aspek di atas kemudian dihitung nilai total berdasarkan prosentase dari core dan secondary factor yang diperkirakan berpengaruh terhadap kinerja tiap-tiap profil. Contoh perhitungan dapat dilihat pada rumus dibawah ini (Hidayat, AL & Pinandita, T. 2013):
N = (x) % NCF + (y)% NSF = . . . (5)
Keterangan: NCF
: Nilai Rata-rata Core Factor
NSF
: Nilai Rata-rata Secondary Factor
N
: Nilai Total dari tiap kriteria
(x)%
: Nilai Persen Yang Diinputkan (60%)
(y)%
: Nilai Persen Yang Diinputkan (40%)
Sebagai contoh kasus Implementasi pemilihan guru berprestasi menggunkan metode Profile Matching, yakni : Diasumsikan para calon guru berprestasi ditentukan dengan memiliki nilai dari kriteria, yaitu: Kehadiran, Kedisiplinan, Peniliaian Kompetensi, Penilaian Pembelajaran dan Penilaian Sehari-hari.
Berdasarkan contoh kasus diatas, sesuai cara perhitungan dengan metode Profile Matching ini yang harus dilakukan adalah sebagai berikut:
17
a. Perhitungan Gap kompetensi Dimana Gap yang dimaksudkan disini adalah beda antara nilai ideal (target) dengan nilai calon guru berprestasi. Untuk pengumpulan Gap-Gap yang terjadi pada tiap aspeknya mempunyai perhitungan yang berbeda-beda. Berikut akan ditampilkan Tabel data guru SMP Dr. Wahidin Sudirohusodo, sebagai berikut:
Tabel 2.4. Data Guru Kriteria Alternatif
A1
A2
A3
A4
A5
A6
B1
80
80
80
70
80
70
B2
70
70
70
80
70
70
B3
75
70
75
80
70
80
Keterangan: A1
= Kehadiran
B1 = Nurizmah Adnan, S.Pd
A2
= Kedisiplinan
B2 = Rawiyah Yus, S.Pd
A3
= Penilaian Sehari-hari
B3 = Juli Silaban, S.Pd
A4
= Penilaian Pembelajaran
A5
= Penilaian Kompetensi
Nilai data guru diatas, kemudian dilakukan skala penilaian, dimana rating kecocokan dapat dilihat pada table dibawah ini:
Tabel 2.5. Skala Penilaian Nilai Angka
Rating Nilai
Keterangan
91-100
5
Sangat Baik
76-90
4
Baik
61-75
3
Cukup
51-60
2
Kurang
0-50
1
Sangat Kurang
Setelah menentukan nilai skala penilaian, selanjutnya dilakukan penentuan nilai Gap dari hasil penentuan nilai skala penilaian. Cara menentukan nilai Gap nya adalah
18
dengan mengurangkan nilai setiap alternatif (profil individu) dengan nilai profil target. Sesuai dengan rumus persamaan (2). Dimana si pengambil keputusan menetapkan nilai profil target sebagai berikut:
Tabel 2.6. Nilai Profile Target Kriteria
Nilai Profil Target
Kehadiran
5
Kedisiplinan
4
Penilaian Sehari-hari
4
Penilaian Pembelajaran
4
Penilaian Kompetensi
4
Berikut akan ditampilkan hasil perhitungan Gap pada setiap alternatif:
Tabel 2.7. Perhitungan Gap A1
A2
A3
A4
A5
B1
5
5
5
3
5
B2
3
3
3
5
3
B3
3
3
3
5
3
Profil Target
5
4
4
4
4
B1
0
1
2
-1
1
B2
-2
-1
-1
1
-1
B3
-2
-1
-1
1
-1
b. Pembobotan Hasil dari perhitungan Gap terhadap setiap kriteria, kemudian dilakukan pembobotan berdasarkan tabel pembobotan seperti berikut:
Tabel 2.8. Pembobotan Selisih
Bobot Nilai
Keterangan
0
5
Tidak ada selisih (sesuai yang dibutuhkan)
1
4.5
Kompetensi kelebihan 1 tingkat/level
-1
4
Kompetensi kekurangan 1 tingkat/level
19
2
3.5
Kompetensi kelebihan 2 tingkat/level
-2
3
Kompetensi kekurangan 2 tingkat/level
3
2.5
Kompetensi kelebihan 3 tingkat/level
-3
2
Kompetensi kekurangan 3 tingkat/level
4
1.5
Kompetensi kelebihan 4 tingkat/level
-4
1
Kompetensi kekurangan 4 tingkat/level
Berdasarkan table pembobotan diatas, maka didapat hasil pembobotan sebagai berikut: Tabel 2.9. Hasil Pembobotan A1
A2
A3
A4
A5
B1
5
4.5
3.5
4
4.5
B2
3
4
4
4.5
4
B3
3
4
4
4.5
4
c. Mengitung Core Factor dan Secondary Factor Setelah menentukan hasil pembobotan Gap, Maka ditentukan kriteria mana yang menjadi Core Factor dan Secondary Factor. Untuk perhitungan core factor dan secondary factor ditunjukkan pada persamaan (3) dan (4). Dalam contoh kasus ini, yang menjadi Core Factor adalah kriteria Kehadiran, Penilaian Kompetensi, Penilaian Pembelajaran. Sementara yang menjadi Secondary Factor nya adalah Kriteria Kedisiplinan dan Penilaian Sehari-hari. Sehingga di dapat nilai Core Factor dan Secondary Factor sebagai berikut.
Table 2.10. Tabel pengelompokan nilai Core Factor dan Secondary Factor Alternatif
A1
A2
A3
A4
A5
Core
Secondary
B1
5
4.5
3.5
4
4.5
4.625
3.5
B2
3
4
4
4.5
4
3.18
5
B3
3
4
4
4.5
4
3.75
5
20
Nilai Core Factor B1 = B2 = B3 =
5+4+4.5 3 3+4.5+4 3 3+4.5+4 3
Nilai Secondary Factor
= 4.5
B3 =
= 3.83
B2 =
= 3.83
B3 =
4.5+3.5 2 4+4 2 4+4 2
= 3.5
=4 =4
d. Perhitungan Nilai Total Dari nilai core factor dan secondary factor yang telah dilakukan,kemudian dihitung nilai total dengan menggunakan rumus persamaan (5). Dengan ketentuan nilai persen Core Factor adalah 60% dan nilai persen Secondary Factor adalah 40%
B1
= (60% x 4.5) + (40% x 3.5) = 4.175
B2
= (60% x 3.83) + (40% x4)
B3
= (60% x 3.83) + (40% x 4) = 3.898
= 3.898
Tabel 2.11. Tabel Hasil Akhir Nama guru
Hasil Akhir
Nurizmah Adnan, S,Pd
4.1
Rawiyah Yus, S,Pd
3.898
Juli Silaban, S,Pd
3.898
Dari tabel diatas, tampak bahwa guru bernama Nurizmah Adnan, S,Pd menempati urutan tertinggi pada kasus tersebut.
