Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) ISSN: Yogyakarta, Maret 2016

Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) Yogyakarta, 18-19 Maret 2016

ISSN: 2089-9815

SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN PESERTA STUDEPRENEUR MENGGUNAKAN METODE ANALYTIC HIERARCHIY PROCESS DAN TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION Kamil Arasyid[1], Gunawan Abdillah[2], Wisnu Uriawan[3] Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad Yani Jl. Terusan Sudirman, Cimahi [email protected]

ABSTRAK Program studepreneur adalah program yang dirancang oleh STIE EKUITAS dan KADIN Jabar untuk menghasilkan wirausaha baru dari para mahasiswa melalui hasil seleksi yang siap memasuki pasar dengan dibekali pengetahuan dan pendampingan. Tetapi terdapat masalah ketika panitia studepreneur dalam menyeleksi calon peserta, yaitu dalam menangani banyaknya kombinasi data kriteria tiap calon perserta yang didapat dari hasil registrasi, sehingga menyebabkan lamanya waktu proses dalam pengambilan keputusan. Sistem pendukung keputusan seleksi penerimaan peserta studepreneur dilakukan dengan menggunakan metode Analytic Hierarchy Process untuk menentukan bobot untuk setiap kriteria yang terdiri dari banyak outlet, banyak karyawan, omset, keuntungan owner, modal usaha dan lama usaha, serta penggunaan metode Technique for Order Preference by Similiry to Ideal Solution digunakan untuk melakukan perangkingan untuk alternatif alternatif data peserta. Hasil pengujian yang dilakukan dengan menggunakan blackbox testing pada sistem pendukung keputusan seleksi penerimaan peserta studepreneur memiliki penilaian sebesar 98,49% telah memenuhi uji kualitas dan memiliki kesesuaian dengan kebutuhan. Kata kunci : Studepreneur, Sistem Pendukung Keputusan, Ahp, Topsis

1. PENDAHULUAN 1.1. Pendahuluan Wirausaha baru sebagai pilar strategis yang senantiasa menciptakan peluang usaha bagi tumbuhnya ekonomi sudah merupakan kewajiban untuk memasuki wilayah penguatan wirausaha baru tersebut. Wirausaha baru membutuhkan sesuatu yang mampu menjadi alat dalam memperoleh, mempertahankan dan mengembangkan usahanya yang mampu memperkuat dan meningkatkan nilai wirausaha di mata stakeholdernya. Dituntut wirausaha baru yang memiliki sikap sebagai seorang entrapreneur dengan mental pemenang, selalu meningkatkan dan mengembangkan diri dan selalu mau terus belajar tentang hal-hal baru, berpikir dan bertindak yang tidak standar, paradigma yang fleksibel dan terbuka, memiliki etos kerja unggul, kreatif dan inovatif, dan selalu memiliki motivasi berprestasi yang optimal dan didukung oleh mental dan motivasi the winner dalam menghadapi berbagai tantangan bisnis di era global yang serba cepat. Program studepreneur adalah program yang dirancang oleh STIE EKUITAS dan KADIN Jabar untuk menghasilkan wirausaha baru dari para mahasiswa melalui hasil seleksi yang siap memasuki pasar dengan dibekali pengetahuan dan pendampingan. Dalam penyeleksian calon peserta baru studepreneur tahapan yang digunakan panitia studepreneur adalah membuka calon peserta baru studepreneur, registrasi calon peserta baru dan menyeleksi calon peserta mana yang akan menjadi

533

peserta studepreneur. Setelah melalui tahapan registrasi panitia menyeleksi calon peserta mana yang layak dikembangkan usahanya sesuai hasil dari kriteria yang telah didapat dari tahap registrasi. Dalam penyeleksian terdapat masalah ketika panitia studepreneur menangani banyaknya jumlah calon peserta dan kompleksnya kriteria calon peserta yang mempengaruhi kestabilitan usahanya, sehingga sulit bagi panitia untuk menyeleksi peserta dan kurang tepatnya penentuan peserta studepreneur sehingga ada beberapa peserta yang sudah terdaftar gagal dalam mengembangkan usahanya. Metode Technique for Order Preference by Similiry to Ideal Solution (TOPSIS) adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan oleh Yonn dan Hwang (1981). Dengan ide dasarnya adalah bahwa alternatif yang dipilih memiliki jarak terdekat dengan solusi ideal dan yang terjauh dari solusi ideal negatif. TOPSIS memperhatikan baik jarak ke solusi ideal maupun jarak ke solusi ideal negatif dengan mengambil hubungan kedekatan menuju solusi ideal. Dengan melakukan perbandingan pada keduanya, urutan pilihan dapat ditentukan. Beberapa penelitian yang mengguanakan TOPSIS seperti Menentukan Kenaikan Jabatan Bagi Karyawan[1]. Pemanfaatan Sistem Pendukung Keputusan Untuk Penentuan Alokasi Dana Kegiatan[2]. Aplikasi Pemilihan Operator Sumur Produksi[3]. Pengembangan Sistem Pendukung Keputusan Untuk Tender Proyek Pengadaan Barang[4]. Pemilihan Guru Berprestasi[5].


Penggunaan metode Analytic Hierarchiy Process (AHP) pada penelitian ini adalah pembobotan tiap kriteria yang telah ditentukan sebelumnya, yaitu banyak outlet, banyak karyawan, omset, keuntungan owner, modal, dan lama usaha, yang didapat dari hasil registrasi yang telah dilakukan tiap calon peserta baru studepreneur, penggunaan metode TOPSIS pada penelitian ini yaitu menyeleksi calon peserta baru studepreneur yang akan masuk menjadi peserta studepreneur. Pada dasarnya metode TOPSIS tidak memiliki inputan yang spesifik, dalam menyelesaikan suatu kasus metode TOPSIS mengadaptasi inputan dari metode lain, yang dimana dalam penelitian kali ini mengadaptasi dari metode AHP. Penggunaan kedua metode ini akan lebih efektif karena dapat memberikan rekomendasi alternatif calon peserta baru studepreneur dalam waktu yang singkat. 1.2. Landasan Teori 1.2.1. Entrepreneur Entrepreneur adalah kemampuan kreatif dan inovatif yang dijadikan dasar, kiat dan sumber daya untuk mencari peluang menuju sukses. Seorang wirausahawan tentunya harus memiliki beberapa karakter agar mampu menjadi wirausahawan yang handal dimasa yang akan datang. Ciri dan watak wirausahawan antara lain yaitu: 1. Percaya diri yaitu wirausahawan harus memiliki watak berkeyakinan tinggi, tidak tergantung pada orang lain, individualis dan optimis. 2. Berorientasi pada tugas dan hasil yaitu wirausahawan berwatak butuh berprestasi, berorientasi laba, tekun dan tabah, tekad bekerja keras, mempunyai dorongan kuat, energik dan inisiatif. 3. Pengambilan resiko dan suka tantangan yaitu wirausahawan mempunyai watak mampu mengambil resiko yang wajar. 4. Kepemimpinan yaitu wirausahawan berperilaku sebagai pemimpin, bergaul dengan orang lain, menanggapi saran dan kritik. 5. Keorisinilan yaitu wirausaha harus berwatak inovatif dan kreatif serta fleksibel. 6. Berorientasi ke masa depan yaitu wirausaha berpandangan ke depan, perspektif[6]. 1.2.2. Sistem Pendukung Keputusan Pada dasarnya sistem pendukung keputusan merupakan pengembangan lebih lanjut dari sistem informasi manajemen terkomputerisasi yang dirancang sedemikian rupa sehingga bersifat interaktif dengan pemakainya. Sifat interaktif dimaksudkan untuk memudahkan integrasi antara berbagai komponen dalam proses pengambilan keputusan seperti prosedur, kebijakan, teknik analisis, serta pengalaman dan wawasan manajerial guna membentuk suatu kerangka keputusan bersifat fleksibel. Konsep Sistem Pendukung Keputusan (SPK)/Decision Support Sistem (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision

534

ISSN: 2089-9815

Sistem. Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur. 1.2.3. Analytic Hierarchy Process (AHP) AHP merupakan suatu model pendukung keputusan yang dikembangkan oleh Thomas L. Saaty. Model pendukung keputusan ini akan menguraikan masalah multi faktor atau multi kriteria yang kompleks menjadi suatu hirarki, menurut Saaty (1993), hirarki didefinisikan sebagai suatu representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multi level dimana level pertama adalah tujuan, yang diikuti level faktor, kriteria, sub kriteria, dan seterusnya ke bawah hingga level terakhir dari alternatif. Apabila A adalah matriks perbandingan berpasangan, maka vektor bobot yang terbentuk: 1. Menormalkan setiap kolom j pada matriks A, sedemikian hingga : ………………………….(1) Dimana a : Matriks perbandingan berpasangan i : Baris pada matriks a j : Kolom pada matriks a 2.

Untuk setiap baris I dalam A’, hitunglah nilai rata-ratanya : ……………………….(2) Dimana n : Banyaknya kriteria wi : Rata-rata baris ke-i

Seperti pada penelitian sebelumnya prosedur dalam menggunakan metode AHP terdiri dari beberapa tahap yaitu : 1. Menyusun hirarki dari permasalahan yang dihadapi. Penyusunan hirarki yaitu dengan menentukan tujuan yang merupakan sasaran sistem secara keseluruhan pada level teratas. Level berikutnya terdiri dari kriteria-kriteria untuk menilai atau mempertimbangkan alternatifalternatif yang ada dan menentukan alternatifalternatif tersebut. Menyusun hirarki seleksi penerimaan peserta studepreneur dapat dilihat pada table 1.


ISSN: 2089-9815

Tabel 2. Skala Kuantitatif Dalam Sistem Pendukung Keputusan Kepentingan 1

3

Gambar 1. Struktur AHP seleksi penerimaan perseta studepreneur 2. a.

Menentukan prioritas elemen dengan langkahlangkah sebagai berikut: Membuat perbandingan berpasangan Langkah pertama dalam menentukan prioritas elemen adalah membuat perbandingan berpasangan, yaitu membandingkan elemen secara berpasangan sesuai kriteria yang diberikan. Untuk perbandingan berpasangan digunakan bentuk matriks. Untuk memulai proses perbandingan berpasangan, dimulai dari level paling atas hirarki untuk memilih kriteria, misalnya C, kemudian dari level di bawahnya diambil elemen-elemen yang akan dibandingkan, misal A1, A2, A3, A4, A5, maka susunan elemen-elemen pada sebuah matriks. Tabel matriks perbandingan berpasangan dapat dilihat pada Tabel 1. Tabel 1. Matriks Perbandingan Berpasangan C

A1

A1

1

A2 A3 A4 A5

b.

A2

A3

A4

A5

1 1 1 1

Mengisi matriks perbandingan berpasangan Untuk mengisi matrik perbandingan berpasangan yaitu dengan menggunakan bilangan untuk merepresentasikan kepentingan relatif dari satu elemen terhadap elemen lainnya yang dimaksud dalam bentuk skala dari 1 sampai dengan 9. Skala ini mendefinisikan dan menjelaskan nilai 1 sampai 9 untuk pertimbangan dalam perbandingan berpasangan elemen pada setiap level hirarki terhadap suatu kreteria di level yang lebih tinggi. Skala kuantitatif dalam sistem pendukung keputusan dapat dilihat pada Tabel 2.

535

5

7

9

2,4,6,8

Kebalikan

c.

Definisi

Penjelasan Dua elemen mempunyai Kedua elemen pengaruh yang sama sama pentingnya. besar terhadap tujuan Elemen yang satu Pengalaman dan sedikit lebih penilaian sedikit penting dari pada menyokong satu elemen elemen yang dibandingkan elemen lainnya yang lainnya Pengalaman dan Elemen yang satu penilaian sangat kuat lebih penting dari menyokong satu pada elemen yang elemen dibandingkan lainnya elemen yang lainnya Kriteria yang satu Salah satu kriteria jelas sangat sangat berpengaruh dan penting dari pada dominasinya tampak kriteria yang secara nyata.secara lainnya nyata. Bukti yang mendukung elemen yang satu Satu elemen terhadap elemen lain mutlak penting memiliki tingkat dari pada elemen penegasan tertinggi yang lainnya yang mungkin menguatkan Nilai-nilai antara 2 Nilai ini diberikan bila nilai pertimbangan ada dua kompromi yang berdekatan diantara 2 pilihan Jika aktifitas i mendapat satu angka dibanding aktifitas j, maka j mempunyai nilai kebalikkannya dibanding dengan i

Sintesis Pertimbangan-pertimbangan terhadap perbandingan berpasangan untuk memperoleh keseluruhan prioritas dengan langkah-langkah sebagai berikut: 1. Menjumlahkan nilai-nilai dari setiap kolom pada matriks. 2. Membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk memperoleh normalisasi matriks. 3. Menjumlahkan nilai-nilai dari setiap matriks dan membaginya dengan jumlah elemen untuk mendapatkan nilai rata-rata[8].

1.2.4. Technique For Order Preference By Similiarity To Ideal Solution (TOPSIS) TOPSIS adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan oleh Yoon dan Hwang. TOPSIS menggunakan prinsip bahwa alternatif yang terpilih harus mempunyai jarak terdekat dari solusi ideal positif dan jarak terpanjang (terjauh) dari solusi ideal negatif dari sudut pandang geometris dengan menggunakan jarak Euclidean (jarak antara dua titik) untuk menentukan kedekatan relatif dari suatu alternatif dengan solusi optimal. Solusi ideal positif didefinisikan sebagai jumlah dari seluruh nilai terbaik yang dapat dicapai untuk setiap atribut, sedangkan solusi negatif-ideal terdiri dari seluruh nilai terburuk


yang dicapai untuk setiap atribut. TOPSIS mempertimbangkan keduanya, jarak terhadap solusi ideal positif dan jarak terhadap solusi ideal negatif dengan mengambil kedekatan relatif terhadap solusi ideal positif. Berdasarkan perbandingan terhadap jarak relatifnya, susunan prioritas alternatif bisa dicapai. Metode ini banyak digunakan untuk menyelesaikan pengambilan keputusan secara praktis. Hal ini disebabkan konsepnya sederhana dan mudah dipahami, komputasinya efisien, dan memiliki kemampuan mengukur kinerja relatif dari alternatifalternatif keputusan. TOPSIS banyak digunakan dengan alasan: 1. Konsepnya sederhana dan mudah dipahami 2. Komputasinya efisien 3. Memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan dalam bentuk matematis yang sederhana Metode TOPSIS didasarkan pada konsep bahwa alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif tetapi juga memiliki jarak terpanjang dari solusi ideal negatif. Adapun langkah-langkah metode TOPSIS ini adalah: 1. Membuat matriks keputusan yang ternormalisasi. ………………………...….(3) dengan i = 1,2,…,m; dan j = 1,2,…,n; Dimana : = Elemen matriks ternormalisasi [i][j]. 2.

= Elemen matriks keputusan X. Membuat matriks keputusan ternormalisasi terbobot. …………………………....(4)

3.

dengan i = 1,2,…,m dan j = 1,2,…,n dimana : = Elemen matriks ternormalisasi terbobot [i][j] = Bobot [i] dari proses AHP. Menentukan matriks solusi ideal positif dan matriks solusi ideal negatif. ; …….......................(5)

dimana :

4.

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

536

ISSN: 2089-9815

Jarak antara alternatif ke-i dengan solusi ideal positif dirumuskan sebagai berikut: ;……................(6) dimana : = Jarak alternatif ke-i dengan solusi ideal positif = Elemen solusi ideal positif [i] = Elemen matriks ternormalisasi terbobot [i][j] Jarak antara alternatif ke-i dengan solusi ideal negatif dirumuskan sebagai berikut: ;………………(7)

5.

dimana : = Jarak alternatif ke-i dengan solusi ideal negative. = Elemen solusi ideal negatif [i]. = Elemen matriks ternormalisasi terbobot [i][j]. Menentukan nilai preferensi untuk setiap alternatif. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai berikut: (2.3) ……………………(8)

dimana : = Kedekatan tiap alternatif terhadap solusi ideal. = jarak alternatif ke-i dengan solusi ideal positif = jarak alternatif ke-i dengan solusi ideal (2.4) negatif. Nilai Vi yang lebih besar menunjukan bahwa alternatif ke-i lebih dipilih[7]. 2. PEMBAHASAN DAN HASIL 2.1. Perancangan Umum Sistem Tahap pertama dalam penelitian ini yaitu mengidentifikasi permasalahan yang ada di studepreneur dalam menyeleksi calon peserta yang akan dikembangkan usahanya, sehingga dapat merumuskan keputusan yang akan diambil. Tahap kedua dalam penelitian ini yaitu pengumpulan data kriteria dan pengelompokan jenis usaha, jenis usaha yang digunakan yaitu kuliner, fashion dan jasa. Data kriteria yang digunakan dapat dilihat pada Tabel 3.


Tabel 3. Kriteria yang digunakan No

Kriteria

1

Banyak Outlet

2

Banyak Karyawan

3 4

Omset Keuntungan Owner

5

Modal

6

Lama Usaha

Tahap ketiga dalam penelitian ini yaitu akan menceritakan alur dari penggunaan metode AHP dan TOPSIS. Gambaran umum sistem dapat dilihat pada Gambar 2.

ISSN: 2089-9815

dikerjakan dengan menggunakan metode Technique for Order Preference by Similiry to Ideal Solution (TOPSIS), tahapan - tahapan yang terdapat pada metode AHP dan metode TOPSIS terdiri dari: 1. Membuat struktur hirarki dan membuat matrix perbandingan Dalam proses penerimaan claon peserta studepreneur yang akan diseleksi meliputi persyaratan atau kriteria yang dimulai dengan prioritas kriteria terpenting terdiri dari: 1. Lama Usaha Definisi : Lebih Penting Nilai kepentingan : 5 2. Banyak Karyawan Keterangan : Sedikit Lebih Penting Nilai kepentingan : 3 3. Keuntungan Owner Keterangan : Sedikit Lebih Penting Nilai kepentingan : 3 4. Omset Keterangan : Sama Penting Nilai kepentingan : 1 5. Modal Usaha Keterangan : Sama Penting Nilai kepentingan : 1 6. Banyak Outlet Keterangan : Sama Penting Nilai kepentingan : 1 2.

Membuat matrix perbandingan dan melakukan perbandingan berpasangan Penentuan bobot kriteria dilakukan dengan cara melakukan pengisian matriks perbandingan berpasangan, serta membandingkan prioritas dari setiap kriteria berdasarkan Tabel Saaty, seperti pada Tabel 4. Gambar 2. Diagram Umum Sistem Tahap keempat dalam penelitian ini yaitu mengimplementasikan metode yang digunakan kedalam perangkat lunak untuk sistem pendukung keputusan seleksi penerimaan calon peserta. Tahap kelima dalam penelitian ini yaitu pengujian dan evaluasi, pengujian dilakukan terhadap fungsi yang terdapat pada sistem agar sesuai dengan yang diinginkan dan yang telah direncanakan. Sedangkan evaluasi dilakukan untuk meningkatkan kualitas dari sistem. Tahap keenam dalam penelitian ini yaitu pelaporan dan publikasi, pelaporan dari penelitian ini yaitu sebuah sistem yang diimplementasikan pada perangkat lunak, pembuatan laporan dilakukan selama penelitian berlangsung. 2.2. Hasil Perhitungan AHP dan TOPSIS Pada penelitian ini penyeleksian calon peserta studepreneur penentuan bobot kriterianya dilakukan dengan menggunakan metode Analytic Hierarchy Process (AHP), sedangkan untuk tahap perankingan

537

Tabel 4. Perbandingan berpasangan untuk Kriteria

Kriteria

Lama Usaha (Bulan) Banyak Karyaw an Keuntu ngan Owner Omset Modal Usaha Banyak Outlet

Lam a Usah a (Bul an)

Banya k Karya wan

Keuntun gan Owner

Om set

Mo dal Usa ha

Bany ak Outl et

1

3

3

5

5

5

1/3

1

1

3

3

3

1/3

1

1

3

3

3

1/5

1/3

1/3

1

1

1

1/5

1/3

1/3

1

1

1

1/5

1/5

1/3

1

1

1


Berdasarkan tabel 4 maka diperoleh matrix perbandingan berpasangan seperti dibawah ini.

Tabel 6. Daftar Data Alternatif dan Kriteria Altern atif

Tiap cell dari kolom dibagi dengan jumlah tiap kolom:

Matrix ternormalisasi merupakan proses normalisasi matrix perbandingan berpasangan, matrix ternormalisasi dilakukan dengan cara membagi dari setiap nilai matrik dengan jumlah dari baris untuk setiap matrix. Setalah proses normalisasi dilakukan, maka selanjutnya akan dilakukan pencarian nilai bobot untuk setiap kriteria. Nilai bobot untuk setiap kriteria didapatkan berdasarkan dari hasil rata-rata dari setiap penjumlahan nilai matrix secara horizontal.

Maka diperoleh bobot untuk setiap kriteria seperti pada Tabel 5. Tabel 5. Nilai bobot tiap kriteria Kriteria

Bobot

W1 ( Lama Usaha )

0,4192

W2 ( Banyak Karawan )

0,1870

W3 ( Keuntungan Owner )

0,1870

W4 ( Omset )

0,0687

W5 ( Modal Usaha )

0,0687

W6 ( Banyak Outlet )

0,0687

ISSN: 2089-9815

Asifa Fitriani Galih Prakos o Dani Ramdh ani Erwin Yazi M. Angga

Lama Usah a (Bula n)

Banya k Karya wan

Keuntu ngan Owner

Omset

Modal Usaha

Bany ak Outl et

24

2

3.000.00 0

7.500.0 00

4.5 00.000

1

10

2

1.600.00 0

6.600.0 00

5.000.0 00

1

18

4

2.000.00 0

8.000.0 00

6.000.0 00

2

12

5

6

1

2.500.00 0 1.600.00 0

6.500.0 00 3.600.0 00

4.000.0 00 2.000.0 00

1 1

Untuk memperkecil nilai pembobotan yang digunakan mengacu pada nilai dibawah ini: 1. Lama Usaha >24 bulan :5 6 – 12 bulan :3 <6 bulan :1 2. Banyak Karyawan >10 karawan :5 2 – 5 karyawan :3 <2 :1 3. Keuntungan Owner >5.000.000 :5 2.000.000-5.000.000 :3 <2.000.000 :1 4. Omset >10.000.000 :5 5.000.000-10.000.000 :3 <5.000.000 :1 5. Modal Usaha >10.000.000 :5 5.000.000-10.000.000 :3 <5.000.000 :1 6. Banyak Outlet >5 outlet :5 2-5 outlet :3 <2 outlet :1 Untuk nilai kriteria yang telah di perkecil dapat dilihat pada Tabel 7. Tabel 7. Pembobotan Altern atif

Setelah bobot untuk setiap kriteria diperoleh, proses selanjutnya yaitu dilakukan perankingan dengan menggunakan metode Technique for Order Preference by Similiry to Ideal Solution (TOPSIS). Tahapan- tahapan yang dilakukan pada metode Technique for Order Preference by Similiry to Ideal Solution (TOPSIS) Untuk data peserta yang mencakup kriteriakriteria dan alternatif dapat dilihat pada Tabel 6.

538

Altern atif 1 Altern atif 2 Altern atif 3 Altern atif 4 Altern atif 5


Banya k Karya wan

Keuntu ngan Owner

Omset

Modal Usaha

Banyak Outlet

5

3

2

3

1

1

3

3

1

3

3

1

3

3

3

3

3

3

3

3

3

3

1

1

1

1

1

1

1

1


Matriks keputusan ternormalisasi Matriks keputusan X mengacu terhadap m alternatif yang akan dievaluasi berdasarkan n kriteria. Untuk menghitung matriks keputusan ternormalisasi pada kasus ini digunakan rumus pada persamaan (3): Rumus normalisasi :

ISSN: 2089-9815

1.

= 0,1644 e.

Menghitung matriks keputusan ternormalisasi modal usaha = 0,2182 = 0,6546

a.

= 0,6546

Menghitung matriks keputusan ternormalisasi lama usaha

= 0,2182 = 0,2182

= 0,6868

f.

= 0,4120

Menghitung matriks keputusan ternormalisasi banyak outlet

= 0,4120 = 0,4120

= 0,2773

= 0,1373

= 0,2773 = 0,8320

b.

Menghitung matriks keputusan ternormalisasi banyak karyawan

= 0,2773 = 0,2773

= 0,4932 Nilai normalisasi yang didapat perhitungan dapat dilihat pada Tabel 8.

= 0,4932

dari

hasil

Ban yak Outl et

= 0,4932 Tabel 8. Data Normalisasi = 0,4932 = 0,1644 c.

Altern atif

Menghitung matriks keputusan ternormalisasi keuntungan owner = 0,4082 = 0,2041 = 0,6123 = 0,6123 = 0,2041

d.

Menghitung matriks keputusan ternormalisasi omset = 0,4932 = 0,4932 = 0,4932 = 0,4932

539

Altern atif 1 Altern atif 2 Altern atif 3 Altern atif 4 Altern atif 5

2.


Banya k Karya wan

Keuntu ngan Owner

Omset

Modal Usaha

0,686 8

0,4932

0,4082

0,4932

0,2182

0,27 73

0,412 0

0,4932

0,2041

0,4932

0,6546

0,27 73

0,412 0

0,4932

0,6123

0,4932

0,6546

0,83 20

0,412 0

0,4932

0,6123

0,4932

0,2182

0,27 73

0,137 3

0,1644

0,2041

0,1644

0,2182

0,27 73

Matriks keputusan ternormalisasi terbobot Membuat matriks keputusan ternormalisasi terbobot yang nilainya didapat dari hasil perkalian antara bobot kriteria yang didapat dari hasil pembobotan AHP dengan bobot subkriteria yang didapat dari hasil perhitungan ternormalisasi TOPSIS. Untuk menghitung matriks keputusan ternormalisasi terbobot pada kasus ini digunakan rumus pada persamaan (4):


Bobot kriteria didapat hasi dari perhitungan bobot AHP, dapat dilihat pada Tabel 9.

ISSN: 2089-9815

Nilai matriks keputusan ternormalisasi terbobot yang didapat dari hasil perhitungan dapat dilihat pada Tabel 10.

Tabel 9. Bobot Kriteria Lama

Banyak

Usaha

Karyawan

0,4192

0,1870

Keuntungan Owner

Omset

Modal

Banyak Outlet

Tabel 10. Matriks Keputusan Ternormalisasi Terbobot

Usaha 0,1870

0,0687

0,0687

0,0687

Rumus matriks keputusan ternormalisasi terbobot : (data normalisasi)x(bobot kriteria) a. Menghitung matriks keputusan ternormalisasi terbobot lama usaha = 0,4192 x 0,6868 = 0,2879 = 0,4192 x 0,4120 = 0,1727 = 0,4192 x 0,4120 = 0,1727 = 0,4192 x 0,4120 = 0,1727 = 0,4192 x 0,1373 = 0,0575 b. Menghitung matriks keputusan ternormalisasi terbobot banyak karyawan = 0,1870 x 0,4932 = 0,0922 = 0,1870 x 0,4932 = 0,0922 = 0,1870 x 0,4932 = 0,0922 = 0,1870 x 0,4932 = 0,0922 = 0,1870 x 0,1644 = 0,0307 c. Menghitung matriks keputusan ternormalisasi terbobot keuntungan owner = 0,1870 x 0,4082 = 0,0763 = 0,1870 x 0,2041 = 0,0381 = 0,1870 x 0,6123 = 0,1145 = 0,1870 x 0,6123 = 0,1145 = 0,1870 x 0,2041 = 0,0381 d. Menghitung matriks keputusan ternormalisasi terbobot omset = 0,0687 x 0,4932 = 0,0338 = 0,0687 x 0,4932 = 0,0338 = 0,0687 x 0,4932 = 0,0338 = 0,0687 x 0,4932 = 0,0338 = 0,0687 x 0,1644 = 0,0112 e. Menghitung matriks keputusan ternormalisasi terbobot modal usaha = 0,0687 x 0,2182 = 0,0149 = 0,0687 x 0,6546 = 0,0449 = 0,0687 x 0,6546 = 0,0149 = 0,0687 x 0,2182 = 0,0149 = 0,0687 x 0,2182 = 0,0149 f. Menghitung matriks keputusan ternormalisasi terbobot banyak outlet = 0,0687 x 0,2773 = 0,0190 = 0,0687 x 0,2773 = 0,0190 = 0,0687 x 0,8320 = 0,0571 = 0,0687 x 0,2773 = 0,0190 = 0,0687 x 0,2773 = 0,0190

Alter natif

Alter natif 1 Alter natif 2 Alter natif 3 Alter natif 4 Alter natif 5

3.

540

La ma Usa ha (Bul an)

Bany ak Kary awan

Keunt ungan Owner

Om set

Mo dal Usa ha

Ban yak Outl et

0,28 79

0,092 2

0,0763

0,0 338

0,0 149

0,01 90

0,17 27

0,092 2

0,0381

0,0 338

0,0 449

0,01 90

0,17 27

0,092 2

0,1145

0,0 338

0,0 149

0,05 71

0,17 27

0,092 2

0,1145

0,0 338

0,0 149

0,01 90

0,05 75

0,030 7

0,0381

0,0 112

0,0 149

0,01 90

Menentukan matriks solusi ideal positif dan matriks solusi ideal negative . a. Matriks solusi ideal positif Menentukan matriks solusi ideal positif (+), yaitu dengan mencari nilai maksimal dari setiap kolom yang ada di matriks keputusan ternormalisasi terbobot. Untuk menghitung matriks solusi ideal positif (+), pada kasus ini digunakan rumus pada persamaan (6): Nilai solusi ideal positif dari setiap kolom yang ada di matriks keputusan ternormalisasi, diambil dari matriks keputusan ternormalisasi yaitu nilai terbesar setiap kriteria. = 0,2879 = 0,0922 = 0,1145 = 0,0338 = 0,0449 = 0,0571


Rumus perhitungan solusi ideal positif

ISSN: 2089-9815

Rumus perhitungan solusi ideal negatif

Nilai solusi ideal positif yang didapat dari hasil perhitungan dapat dilihat pada Tabel 11. Nilai solusi ideal negatif yang didapat dari hasil perhitungan dapat dilihat pada Tabel 12.

Tabel 11. Solusi Idea Positif Alternative

Nilai solusi ideal positif

Tabel 12. Solusi Ideal Negatif

0,0608

Alternative

0,1428

Nilai solusi ideal negatif 0,2420

0,1187

0,1352

0,1244

0,1568

0,2555

0,1523 0

b.

Matriks solusi ideal negatif Menentukan matriks solusi ideal negatif (-), yaitu dengan mencari nilai minimal dari setiap kolom yang ada di matriks keputusan ternormalisasi terbobot. Untuk menghitung matriks solusi ideal negatif (-), pada kasus ini digunakan rumus pada persamaan (7): Nilai solusi ideal negatif dari setiap kolom yang ada di matriks keputusan ternormalisasi = 0,0575 = 0,0307 = 0,0381 = 0,0112 = 0,0149 = 0,0190

541

4.

Menghitung kedekatan terhadap solusi ideal positif Berdasarkan hasil perhitungan kedekatan terhadap solusi ideal positif, maka akan didapat calon peserta yang terbaik, yang mana nilai kedekatan solusi ideal positif yang lebih besar adalah prioritas calon peserta yang disarankan. Untuk menghitung kedekatan terhadap solusi ideal positif, pada kasus ini digunakan rumus pada persamaan (8):


5.

Merangking alternatif Mengurutkan alternatiif yang di rekomendasikan, yang mana calon peserta yang paling besar adalah prioritas calon peserta yang direkomendasikan. Alternatif yang direkomendasikan dapat dilihat pada Tabel 13.

0,7992

Dani Ramdhani (V3)

0,5691

Erwin Yazi (V4)

0,5504

Galih Prakoso (V2)

0,4845

M. Angga (V5)

0

PUSTAKA [1] Arbelia, Paryanta. Penerapan Metode Ahp Dan Topsis Sebagai Sistem Pendukung Keputusan Dalam Menentukan Kenaikan Jabatan Bagi Karyawan. STMIK AUB Surakarta. Volume 20 No. 1, ISSN : 1693-590x, juni 2014. [2] Rasyidah, Yance S, Meri A. Pemanfaatan Sistem Pendukung Keputusan Untuk Penentuan Alokasi Dana Kegiatan (Studi Kasus Unit Kegiatan Mahasiswa Politeknik Negeri Padang). Vol. 16 No. 1, ISSN : 1693-752x, 1 februaru 2014.

Tabel 13. Rekomendasi calon peserta Calon Peserta Rekomendasi Asifa Fitriani (V1)

ISSN: 2089-9815

[3] Heru C.R, Herry S, Rifki I.P. Aplikasi Pemilihan Operator Sumur Produksi Menggunakan Fuzzy Ahp Dan Fuzzy Topsis Di PT. Geotama Energi. Vol 12 No. 01, ISSN 1829-667x, 01 januari 2015.

3. KESIMPULAN 3.1. Kesimpulan Penelitian ini menghasilkan sistem yang dapat merekomendasikan calon peserta studepreneur berdasarkan kriteria yang telah ditetapkan sebelumnya. Untuk merancang sistem tersebut dilakukan analisa perancangan, implementasi beserta pengujian dalam menerapkan metode AHP sebagai pembobotan kriterianya sedangkan metode TOPSIS digunakan untuk merankingan alternatifnya. Keluaran yang dihasilkan pada penelitian ini yaitu dapat menghasilkan sistem yang dapat digunakan oleh panitia dalam melakukan penyeleksian calon peserta studepreneur. Hasil pengujian kualitas pada sistem ini mencapai nilai 98,49% sehingga telah membuktikan bahwa sistem telah memenuhi fungsionalitas sistem dan memiliki kesesuaian yang diharapkan. Hasil implementasi pengujian pada BAB IV telah membuktikan bahwa penerapan metode AHP sebagai pembobotan kriteria dan TOPSIS sebagai proses perankingan telah membuktikan bahwa kedua metode tersebut cukup memenuhi kesesuaian dengan penelitian ini. 3.2. Saran Saran yang dikemukakan dapat diharapkan untuk menjadi bahan evaluasi dan dapat dikembangkan pada penelitian selanjutnya. Saran yang dapat disampaikan sebagai masukan untuk penelitian selanjutnya yaitu. 1. Data kriteria sebagai pengukur penyeleksian peserta studepreneur sebaiknya lebih diperbanyak lagi tidak hanya dilihat dari lama usaha, banyak karyawan, keuntungan owner, omset, modal usaha dan banyak outlet. 2. Jenis usaha yang di ikut sertakan sebaiknya lebih diperbanyak lagi tidak hanya fashion, kuliner dan jasa.

542

[4] Ida Bagus Gede Palguna, Pengembangan Sistem Pendukung Keputusan Berbasis Metode Topsis (Technique For Order Preference By Similarty To Ideal Solution) Untuk Tender Proyek Pengadaan Barang (Studi Kasus Di Politeknik Kesehatan Denpasar). Volume 1, Nomor 5, ISSN 22529063, september 2012. [5] Juliyanti, I. I. Sistem Pendukung Keputusan Pemilihan Guru Berprestasi Menggunakan Metode Ahp Dan Topsis. Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta. ISSN: 978-979-99314-5-0,14 Mei 2011. [6] Eko Wahyu Widayat. Studi Kewirausahaan Pada Mahasiswa Universitas Pembangunan Panca Budi Medan. Vol 4 No. 1, ISSN : 1979-5408, Juni 2011. [7] Wilson, G. F. Penerapan Metode Topsis Dan Ahp Pada Sistem Penunjang Keputusan Penerimaan Anggota Baru, Studi Kasus: Ikatan Mahasiswa Sistem Informasi Stmik Mikroskil Medan. Program Studi Sistem Informasi, STMIK Mikroskil. Vol 15, no 2 ISSN:1412-0100, oktober 2014. [8] E. Darmanto and N. Latifah, "Penerapan Metode Analytical Hierarchy Process Untuk Menentukan Kualitas Gula Tumbu," SIMETRIS, Vols. 5 No:1 ISSN:2252-4983, April 2014.

Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) ISSN: Yogyakarta, Maret 2016

Recommend Documents