Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 2, No. 5, Mei 2018, hlm. 2109-2117
e-ISSN: 2548-964X http://j-ptiik.ub.ac.id
Implementasi Metode Fuzzy Analytic Hierarchy Process (F-AHP) Dalam Penentuan Peminatan di MAN 2 Kota Serang Muhammad Fajri1, Rekyan Regasari Mardhi Putri2, Lailil Muflikhah3 Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email:
[email protected],
[email protected],
[email protected] Abstrak Program peminatan diperkenalkan sebagai upaya untuk lebih mengarahkan siswa berdasarkan bakat, minat, dan kemampuan akademiknya. Terdapat empat kelompok peminatan di Madrasah Aliyah Negeri 2 Kota Serang, yaitu IPA, IPS, Bahasa, dan Agama. Peminatan IPA diperuntukkan bagi siswa yang memiliki kecenderungan dalam ilmu pasti. Peminatan IPS diperuntukkan bagi siswa yang memiliki kecenderungan ilmu sosial. Peminatan Bahasa diperuntukkan bagi siswa yang memiliki kecenderungan gemar berbahasa. Dan peminatan Agama diperuntukkan bagi siswa yang memiliki kecenderungan ilmu agama. Dalam penentuan peminatan siswa, MAN 2 Kota Serang menggunakan lima aspek peminatan diantaranya nilai penerimaan peserta didik baru (PPDB), nilai ujian nasional, nilai rapor, hasil tes psikologi, dan minta peserta didik. Namun di dalam penentuan peminatan belum ada standardisasi pembobotan dalam setiap aspek peminatan sehingga hasil yang diperoleh tidak maksimal. Fuzzy Analytical Hierarchy Process (F-AHP) sanggup mengatasi kelemahan pada kriteria yang memilki sifat subjektif lebih banyak pada metode AHP. Logika Fuzzy sendiri adalah logika yang memiliki nilai kesamaran antara dua nilai. Pada penelitian ini, akurasi yang dihasilkan adalah 76,67% dengan 30 data uji untuk penentuan peminatan di MAN 2 Kota Serang. Kata kunci: Fuzzy, AHP, Fuzzy Analytical Hierarchy Process (F-AHP), Peminatan peserta didik Abstract Specialization programs are introduced as an effort to better lead students based on their talents, interests, and academic abilities. There are four groups of specialization in Madrasah Aliyah Negeri 2 Kota Serang, namely IPA, IPS, Language, and Religion. The specialization of IPA is for students who have a tendency in the science of certainty. IPS specialization is for students with social science tendencies. Language specialization is for students who have a tendency to speak the language. And religious interest is for students who have religious inclination. In the determination of student interest, MAN 2 Kota Serang uses five aspects of specialization such as the value of acceptance of new learners (PPDB), the value of national examination, the value of report cards, the results of psychological tests, and ask students. But in the determination of specialization there is no standardization of weighting in every aspect of specialization so that the results obtained are not maximal. Fuzzy Analytical Hierarchy Process (F-AHP) is able to overcome the weaknesses in criteria that have more subjective properties on the AHP method. Fuzzy logic itself is a logic that has a value of disguise between two values. In this study, the resulting accuracy is 76.67% with 30 test data for the determination of specialization in MAN 2 Kota Serang. Keywords: Student interest, fuzzy, AHP, Fuzzy Analytical Hierarchy Process (F-AHP),. disebabkan peminatan akan menggiring siswa untuk memilih jurusan di perguruan tinggi yang kelak akan mengarahkan siswa untuk menentukan dan memilih profesi kedepannya. Program peminatan diperkenalkan sebagai upaya untuk lebih mengarahkan siswa berdasarkan bakat, minat, dan kemampuan akademiknya. Terdapat empat kelompok
1. PENDAHULUAN Penyelenggaraan program peminatan kurikulum 2013 SMA/MA dilaksanakan di kelas X semester satu. Pemilihan peminatan yang diselenggarakan di SMA/MA merupakan salah satu faktor yang sangat penting dan besar dampaknya bagi masa depan siswa. Hal ini Fakultas Ilmu Komputer Universitas Brawijaya
2109
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
peminatan di Madrasah Aliyah 2 Kota Serang, yaitu IPA, IPS, Bahasa, dan Agama. Peminatan IPA diperuntukkan bagi siswa yang memiliki kecenderungan dalam ilmu pasti. Peminatan IPS diperuntukkan bagi siswa yang memiliki kecenderungan ilmu sosial. Peminatan Bahasa diperuntukkan bagi siswa yang memiliki kecenderungan gemar berbahasa. Dan peminatan Agama diperuntukkan bagi siswa yang memiliki kecenderungan ilmu agama. Dalam penentuan peminatan siswa, MAN 2 Kota Serang menggunakan lima aspek peminatan diantaranya nilai penerimaan peserta didik baru (PPDB), nilai ujian nasional, nilai rapor, hasil tes psikologi, dan minta peserta didik. Namun di dalam penentuan peminatan belum ada standardisasi pembobotan dalam setiap aspek peminatan sehingga hasil yang diperoleh tidak maksimal. Oleh karena itu, pada penelitian ini penentuan kelompok peminatan siswa dilakukan dengan menggunakan model/sistem pendukung keputusan yang dapat menentukan kelompok peminatan siswa yang sesuai dengan kriteria yang ditetapkan oleh pihak sekolah atau pengambil keputusan. Salah satu metode yang dapat digunakan untuk mendukung sistem pendukung keputusan adalah Analytical Hierarchy Process (AHP). AHP ialah metode yang memperhatikan faktor-faktor subyektifitas seperti persepsi, preferensi, pengalaman, dan intuisi. (Mahargiyak,2013) Metode AHP memungkinkan individu untuk secara eksplisit menentukan peringkat kriteria terhadap satu sama lain untuk tujuan memilih prioritas, penataan masalah dari tujuan utama untuk tingkat sekunder kriteria dan alternatif (Chang Dkk., 2008). Meskipun metode AHP banyak digunakan untuk menyelesaikan permasalahan dalam pengambilan keputusan (Cheng, 1997 ; Chan dkk., 2000), namun metode AHP memiliki kelemahan. Metode AHP memiliki ketidakpastian dalam skala AHP yang berbentuk nilai crisp. Untuk menutupi kelemahan dari metode AHP, terdapat suatu metode dengan pendekatan konsep Triangular Fuzzy Number (TFN) terhadap skala AHP, metode tersebut ialah Fuzzy Analytical Hierarchy Process (F-AHP). selain itu F-AHP sanggup mengatasi kelemahan pada kriteriayang memiliki sifat subjektif lebih banyak pada metode AHP. Berdasarkan penelitian Sistem Pendukung Keputusan sebelumnya yang menggunakan Fakultas Ilmu Komputer, Universitas Brawijaya
2110
metode Fuzzy Analytical Hierarchy Process (FAHP), seperti Implementasi Metode Fuzzy Analytical Hierarchy Process (F-AHP) untuk Pemilihan Sumber Daya Manusia dalam Kepanitiaan Organisasi Mahasiswa (Mahargiyak, 2013). Dalam penelitian tersebut membahas tentang pemilihan sumberdaya manusia dalam kepanitiaan organisasi mahasiswa dengan studi kasus pemilihan Panitia PEMILWA 2013 PTIIK UB. Pada penelitian tersebut mempunyai tingkat akurasi keberhasilan yang cukup baik yaitu sebesar 89.28%. Berdasarkan tulisan dan penelitian yang sudah dijelaskan diatas dan kelebihan metode serta keakuratan dari metode yang akan digunakan, sehingga pada penelitian ini akan dibuatlah sebuah sistem “Pendukung Penentuan peminatan Menggunakan Metode Fuzzy Analytical Hierarchy Process” di MAN 2 Kota Serang. Dan diharpkan dapat membantu Instansi dalam pengambilan keputusan menentukan kelompok peminatan siswa yang tepat sesuai dengan kemampuan, minat, dan bakat serta prestasi akademik. 2. TINJAUAN PUSTAKA 2.1. Pengertian Peminatan Peserta Didik Sebelum kurikulum 2013, pendidikan di SMA dan SMK memiliki program penjurusan peserta didik yang mana pada bangku SMA dilaksanakan pada kelas XI dan pada bangku SMK dilaksanakan pada awal penerimaan. Peminatan peserta didik sendiri adalah pemilihan peminatan pembelajaran berdasarkan keinginan peserta didik yang terdapat dalam suatu instansi pendidikan yang berfungsi untuk membantu dan memfasilitasi peserta didik dalam proses keberhasilan dalam belajar mengajar sebagaimana juga merupakan tujuan pendidikan nasional. 2.2. Macam Peminatan Peserta Didik Pada peserta didik MAN 2 Kota Serang, terdapat empat macam peminatan peserta didik yaitu peminatan Ilmu Pengetahuan Alam (IPA) , Peminatan ilmu pengetahuan sosial (IPS), Peminatan ilmu budaya dan Bahasa (IBB), Peminatan Agama. 2.3. Aspek Peminatan Pada proses pemilihan dan penetapan peminatan peserta didik yang dilakukan di
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
MAN 2 Kota Serang, aspek yang dipertimbangkan adalah aspek: hasil penilaian penerimaan peserta didik baru yang terdiri dari nilai PPDB IPA, nilai PPDB IPS, nilai PPDB bahasa, dan nilai PPDB agama. Prestasi belajar (rapor) terdiri dari nilai rapor IPS dan rapor agama, nilai ujian nasional yang terdiri dari nilai UN IPA, nilai UN matematika, nilai UN Bahasa Indonesia dan nilai UN Bahasa Inggris, hasil psikotes, dan pernyataan minat peserta didik.
2111
menyusun matriks perbandingan berpasangan, yaitu membandingkan elemen secara berpasangan sesuai kriteria yang diberikan. Matriks perbandingan berpasangan diisi dengan menggunakan bilangan untuk merepresentasikan kepentingan relatif dari setiap elemen. Tabel 2. Susunan Matriks Perbandingan Berpasangan C1
C2
…
Ci
2.4. Analytical Hierarchy Process (AHP)
C1
1
C12
...
Cji
Analytical Hierarchy Process (AHP) diperkenalkan oleh DR.Thomas L. Saaty di awal tahun 1970. Pada saat itu, AHP digunakan untuk mendukung pengambilan keputusan pada beberapa organisasi dan perusahaan. AHP merupakan prosedur yang memiliki basis matematis sangat baik dan sesuai untuk mengevaluasi berbagai atribut kualitatif. Atribut-atribut tersebut secara matematik dikuantitatifkan dalam sebuah perbandingan berpasangan, yang kemudian digunakan untuk pengembangan berbagai prioritas secara keseluruhan untuk penyusunan alternatifalternatif pada urutan ranking/prioritas.
C2
Cij
1
...
Cji
...
...
...
…
Cji
Cj
Cij
Cij
Cij
1
Langkah-langkah metode AHP, adalah sebagai berikut (Kusrini, 2007). 1. Mendefinisikan masalah dan menentukan solusi kedalam struktur hirarki. 2. Membuat perbandingan berpasangan. Tabel 1. Skala Penilaian Kepentingan Intensitas Kepentingan 1 3 5 7 9 2, 4, 6, 8
Kebalikan
Keterangan Kedua elemen sama penting Elemen yang satu lebih penting dari elemen yang lainnya Elemen yang satu lebih penting daripada yang lainnya Satu elemen jelas lebih mutlak penting daripada elemen lainnya Satu elemen mutlak penting penting daripada elemen lainnya Nilai diantara dua nilai pertimbangan-pertimbangan yang berdekatan Nilai Kebalikan, A(I,j)=1/A(j,i). Dimana A adalah matriks perbandingan berpasangan antar elemen baik kriteria, sub kriteria maupun alternatif tujuan.
3. Menentukan prioritas elemen.
Tahap dalam menentukan prioritas elemen adalah : Fakultas Ilmu Komputer, Universitas Brawijaya
Formula perhitungan untuk mengisi kolom Cij adalah dengan Persamaan 1. 1 𝐶𝑖𝑗 = (1) 𝐶𝑗𝑖
4. Normalisasi Matriks
Langkah normalisasi matriks adalah : Menjumlahkan nilai-nilai dari setiap kolom pada matriks. Membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk memperoleh normalisasi matriks. Perhitungan normalisasi matriks menggunakan persamaan 2. Nilai elemen baru =
Nilai elemen matriks Jumlah kolom elemen
(2)
5. Pembobotan (Eigen Vektor)
Pembobotan dengan menjumlahkan nilai dari setiap baris dan membaginya dengan jumlah kriteria dengan persamaan 3. Bobot Prioritas =
Jumlah baris Jumlah kriteria
(3)
6. Mengukur konsistensi
Bertujuan untuk mengetahui seberapa baik konsistensi yang ada karena kita tidak menginginkan keputusan berdasarkan pertimbangan dengan konsistensi yang rendah. Tahap-tahap dalam mengukur konsistensi adalah sebagai berikut : Mengalikan setiap nilai pada kolom pertama dengan prioritas relatif elemen pertama, nilai kolom kedua dengan prioritas relatif elemen kedua, dan seterusnya. Tiap baris dijumlahkan dan hasilnya dibagi dengan prioritas relatif yang bersangkutan.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Hasil bagi tersebut dijumlahkan untuk mendapatkan nilai λmax. Untuk menghitung λmax menggunakan persamaan (4). λ max =
𝑏𝑜𝑏𝑜𝑡 𝑝𝑟𝑖𝑜𝑟𝑖𝑡𝑎𝑠 (𝐴𝑋) 𝑏𝑜𝑏𝑜𝑡 𝑘𝑟𝑖𝑡𝑒𝑟𝑖𝑎 (𝑋)
7. Menghitung
Consistency Index menggunakan persamaan (5). 𝐶𝐼 =
(4) (CI)
λ max − 𝑛 𝑛−1
(5)
8. Menghitung
Consitency Ratio (CR) menggunakan persamaan (6). 𝐶𝐼 𝐶𝑅 = (6) 𝑅𝐼 Dimana : CR = Consistency Ratio CI = Consistency Index RI = Random Consistency Index Ratio index (RI) yang umum digunakan untuk setiap ordo matriks ditunjukkan pada tabel 3. Tabel 3. Tabel Random Consistency Index N
RI
1
0
2
0
3
0,58
4
0,9
5
1,12
6
1,24
7
1,32
8
1,41
9
1,45
10
1,49
11
1,51
12
1,48
13
1,56
14
1,57
15
1,59
Memeriksa konsistensi hierarki berdasarkan tabel ratio index. Jika nilai < 0,1 maka hasil perhitungan bisa dinyatakan benar, namun jika > 0,1 maka penilaian data harus diperbaiki. 2.5. Logika Fuzzy Logika fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Logika ini memiliki nilai kesamaran antara benar. Dalam himpunan tegas, nilai keanggotaan Fakultas Ilmu Komputer, Universitas Brawijaya
2112
hanya mempunyai dua kemungkinan, yaitu 0 atau 1. Himpunan fuzzy menyediakan cara yang efektif untuk mengatasi ketidakpastian selain teori probabilitas karena terdapat kemungkinan terjadinya keangotaan sebagian. 2.6. Fuzzy Analytical Hierarchy Process (FAHP) F-AHP merupakan gabungan metode AHP dengan pendekatan konsep Fuzzy. F-AHP menutupi kelemahan yang terdapat pada AHP, yaitu permasalahan terhadap kriteria yang memiliki sifat subjektif lebih banyak. Ketidakpastian bilangan direpresentasikan dengan urutan skala. Penentuan derajat
keanggotaan Fuzzy AHP yang dikembangkan menggunakan fungsi keanggotaan segitiga (Triangular Fuzzy Number/TFN). Fungsi keanggotaan segitiga merupakan gabungan antara dua garis (linear). langkah-langkah metode Fuzzy AHP, adalah: 1. Membuat struktur hirarki masalah yang akan diselesaikan dan menentukan perbandingan matriks berpasangan antar kriteria dengan skala TFN seperti pada Tabel 4. Tabel 4. Tabel Fuzzifikasi Perbandingan antar Dua Kriteria Skala AHP 1
3 5 7 9 2 4 6 8
Skala Fuzzy 1= (1,1,1) = jika diagonal (1,1,3) = selainnya 3 = (1,3,5) 5 = (3,5,7) 5 = (3,5,7) 9 = (7,9,9) 2 = (1,2,4) 4 = (2,4,6) 6 = (4,6,8) 8 = (6,8,9)
Invers Skala Fuzzy (1/3, 1/1, 1/1)
(1/5, 1/3, 1/1) (1/7, 1/5, 1/3) (1/9, 1/7, 1/5) (1/9, 1/9, 1/7) (1/4, 1/2, 1/1) (1/6, 1/4, 1/2) (1/8, 1/6, 1/4) (1/9, 1/8, 1/6)
Skala fuzzifikasi perbandingan kepentingan antara dua kriteria dapat digambarkan dalam bentuk grafik seperti pada gambar 1.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
2113
didefinisikan sebagai persamaan (12). V( M ≥ M1, M2, ….., Mk) = V (M ≥ M1) dan V(M ≥ M2) dan V (M ≥ Mk) = min V(M ≥ Mi) (12)
Ordinat defuzzyfikasi didefinisikan pada persamaan (13). Gambar 1. Grafik Fuzzifikasi Skala F-AHP
2. Menentukan nilai sintesis fuzzy (Si) prioritas dengan persamaan 7 , 8, dan 9. 𝒋 𝒋 𝒏 𝒎 −𝟏 𝑺𝒊 = ∑𝒎 𝒋=𝟏 𝑴𝒈𝒊 𝒙 [ ∑𝒋=𝟏 ∑𝒋=𝟏 𝑴𝒈𝒊 ]
(7)
d’(Ai) = min V (Si ≥ Sk)
(13)
untuk k = 1,2,…, n; k ≠ i, maka diperoleh nilai bobot vektor seperti pada persamaan (14). W’ = (d’(A1), d’(A2),…, d’(An)) T
Dimana : 𝒋 𝒎 𝒎 𝒎 ∑𝒎 𝒋=𝟏 𝑴𝒈𝒊 = [ ∑𝒋=𝟏 𝒍𝒋 , ∑𝒋=𝟏 𝒎𝒋 , ∑𝒋=𝟏 𝒖𝒋 ]
(8)
Sedangkan, 𝟏 𝒋
𝒎 ∑𝒏 𝒊=𝟏 ∑𝒋=𝟏 𝑴𝒊
= ( ∑𝒏
𝟏
𝒊=𝟏 𝒖𝒊
, ∑𝒏
𝟏
𝒊=𝟏 𝒎𝒊
𝟏
, ∑𝒏
(9)
𝒊=𝟏 𝒍𝒊
𝑗
Dimana ∑𝑚 adalah penjumlahan baris 𝑗=1 𝑀𝑔𝑖 pada matriks berpasangan, 𝑀𝑖 𝑗𝑚 𝑗=1 𝑛 𝑖=1 adalah penjumlahan kolom pada perbandingan matriks berpasangan. Keterangan : M = Objek (kriteria, subkriteria, atau alternatif) i = baris ke-i, j = kolom ke-j, l = nilai lower, m = nilai medium, u = nilai upper
𝟏 𝟎
𝒊𝒇 𝒎𝟐≥𝒎𝟏 𝒊𝒇 𝒍𝟏≥𝒖𝟐
𝒍𝟏−𝒖𝟐 , 𝒍𝒂𝒊𝒏𝒏𝒚𝒂 (𝒎𝟐−𝒖𝟐)−(𝒎𝟏−𝒍𝟏)
W (d(A1), d(A2),…, d(An),) T
(15)
2.7. Akurasi
𝐴𝑘𝑢𝑟𝑎𝑠𝑖(%) =
(10)
Dimana sub merupakan batas atas terkecil dari hasil minimal vector. Atau seperti yang ditunjukkan pada persamaan (11) untuk menentukan nilai vektor. 𝑽(𝑴𝟐 ≥ 𝑴𝟏) = {
Dimana Ai = 1,2,…n adalah vektor fuzzy (W) 4. Normalisasi nilai bobot vektor fuzzy (W) Setelah dilakukan normalisasi dari persamaan (2.20) maka nilai bobot vektor yang ternormalisasi adalah seperti persamaan (15):
Akurasi merupakan seberapa dekat suatu angka hasil pengukuran terhadap angka sebenarnya. Dalam penelitian ini akurasi keputusan dihitung dari jumlah keputusan yang tepat dibagi dengan jumlah data yang diuji. Tingkat akurasi diperoleh dengan persamaan (16).
3. Menentukan nilai vektor (V) dan nilai ordinat defuzzifikasi (d’). jika hasil yang didapatkan pada matriks fuzzy, M2 ≥ M1 dimana M1 = (l1, m1, u1) dan M2 = (l2, m2, u2) maka nilai vektor dapat dilihat pada persamaan (10). V(M2 ≥ M1) = sup[min(µM1(x), min(µM2(y)))]
(14)
(11)
Jika hasil nilai fuzzy lebih besar dari k, Mi, (i=1,2,,k) maka nilai vektor dapat Fakultas Ilmu Komputer, Universitas Brawijaya
∑ 𝐷𝑎𝑡𝑎 𝑈𝑗𝑖 𝐵𝑒𝑛𝑎𝑟 ∑ 𝑇𝑜𝑡𝑎𝑙 𝐷𝑎𝑡𝑎 𝑈𝑗𝑖
x 100%
(16)
3. METODOLOGI menjelaskan metode mengenai langkahlangkah yang digunakan dalam implementasi metode fuzzy analytic hierarchy proces (FAHP) dalam penentuan peminatan di MAN 2 Kota Serang. Untuk lebih jelas dalam memahami alur penelitian dan cara kerja sistem yang akan dibangun, Metode penelitian pada bab ini dapat diilustrasikan pada gambar berikut.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
2114 Mulai
Kriteria_peminatan
Membuat Matriks Perbandingan Berpasangan Transformasi TFN terhadap Skala
AHP Menghitung Nilai Sintesis Fuzzy (Si)
Menghitung Nilai Vektor (V) dan Ordinat Defuzzyfikasi (d’) Normalisasi Bobot Vektor (W)
Menghitung Rasio Konsistensi (CR) Tidak
Gambar 2 Diagram alur metodologi penelitian
Penjelasan dari diagram alir penelitian adalah sebagai berikut: 1. Studi literatur: menjelaskan dasar teori yang digunakan untuk menunjang penulisan penelitian. 2. Analisis kebutuhan dan pengumpulan data: penentuan kebutuhan apa saja yang diperlukan dalam penyelesaian masalah untuk mementukan pemintan di MAN 2 Kota Serang 3. Perancangan sistem: menjelaskan mengenai proses-proses yang berjalan pada sistem 4. Implementasi: menjelaskan implementasi dari penelitian ini sesuai dengan perancangan. 5. Pengujian: menjelaskan pengujian yang dilakukan untuk mendapatkan akurasi sistem yang telah dibuat. 6. Kesimpulan: Melakukan evaluasi dan analisis hasil pengujian terhadap sistem. Kemudian menyimpulkan serta memberi saran yang berkenaan dengan hasil yang telah dicapai guna memperbaiki kesalahan untuk pengembangan yang akan datau atau pengembangan lebih lanjut Secara umum alur proses penerapan metode FAHP untuk peminatan dapat digambarkan kedalam bentuk flowchart pada gambar 3.
Fakultas Ilmu Komputer, Universitas Brawijaya
Rasio ≤ 0.1 Ya Menghitung Nilai Bobot Alternatif Nilai Bobot Akhir Alternatif
Selesai
Gambar 3 Flowchart Perhitungan F-AHP.
4. HASIL PENELITIAN Dalam hasil penelitian akan dijelaskan mengenai proses pengujian sistem. sistem diuji
menggunakan pengujian fungsional dan pengujian akurasi. Pada pengujian fungsional digunakan untuk mengukur apakah metode fuzzy-AHP yang diterapkan pada sistem berjalan dengan baik. Dan pengujian akurasi digunakan untuk mengukur tingkat akurasi dari hasil yang dihasilkan oleh sistem dengan membandingkan data pakar dengan data keluaran dari sistem.data yang digunakan 4.1. Pengujian Fungsional Pengujian fungsional dilakukan untuk memastikan apakah metode fuzzy-AHP yang diterapkan pada sistem berjalan baik dan mencari kesalahan atau kekurangan pada sistem dalam penentuan peminatan siswa di MAN 2 Kota Serang. Pengujian fungsional dilakukan dengan pengujian black box. Pengujian black box digunakan untuk menguji langkah-langkah
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
dari metode fuzzy-AHP dari sistem penentuan peminatan yang dirancang. Pengujian ini hanya mengevaluasi hanya dari tampilan luarnya tanpa mengetahui apa yang sesungguhnya terjadi dalam proses detailnya. 4.2 Pengujian Akurasi Sistem Pengujian akurasi dilakukan untuk mengetahui performa implementasi metode FAHP dalam penentuan peminatan di MAN 2 Kota Serang. Pengujian dilakukan dengan membandingkan data hasil keputusan sistem dengan data siswa baru MAN 2 Kota Serang tahun 2016/2017. Pengujian dilakukan dengan cara memasukkan beberapa nilai matriks perbandingan yang berbeda-beda untuk mengetahui seberapa besar pengaruh matriks perbandingan berpasangan terhadap nilai akurasi yang akan dihasilkan oleh sistem. Diketahui hasil pengujian perbandingan sistem penentuan peminatan siswa dengan hasil yang diperoleh dari data guru BK MAN 2 Kota Serang dengan tingkat akurasi sebesar 63,33%. Proses pengujian akurasi tersebut menggunakan data siswa baru MAN 2 Kota Serang tahun 2016/2017 sebanyak 30 data siswa. Dari hasil peminatan 30 data siswa, keluaran yang dihasilkan sistem tedapat 19 data yang sesuai dan 11 data siswa yang tidak sesuai dengan hasil dari data guru BK MAN 2 Kota Serang.
pengujian skenario pengaruh bobot kriteria terhadap akurasi untuk peminatan IPA ditunjukkan pada tabel 5. Tabel 5. Matriks Perbandingan Berpasangan Peminatan IPA Percobaan 1 K1 K2 K3 K4 K5 K6 K7 K8 K9 K10 K11 K12 K13 K14 K15
K1 1 0,5 0,5 0,5 1 1 1 1 2 2 0,5 3 1 1 1
Fakultas Ilmu Komputer, Universitas Brawijaya
K2 2 1 1 1 3 3 3 3 4 4 3 6 5 5 5
K3 2 1 1 1 3 3 3 3 4 4 3 6 5 5 5
K4 K5 K6 K7 K8 K9 K10 2 1 1 1 1 0,5 0,5 1 0,333 0,333 0,333 0,333 0,25 0,25 1 0,333 0,333 0,333 0,333 0,25 0,25 1 0,333 0,333 0,333 0,333 0,25 0,25 3 1 1 1 1 0,5 0,5 3 1 1 1 1 0,5 0,5 3 1 1 1 1 0,5 0,5 3 1 1 1 1 0,5 0,5 4 2 2 2 2 1 1 4 2 2 2 2 1 1 3 2 2 2 2 0,333 0,333 6 4 4 4 4 2 2 5 3 3 3 3 0,5 0,5 5 3 3 3 3 0,5 0,5 5 3 3 3 3 0,5 0,5
keterangan: K1 = PPDB IPA K2 = PPDB Bahasa K3 = PPDB IPS K4 = PPDB Agama K5 = Rapor IPS K6 = Rapor Agama K7 = UN B. Indonesia K8 = UN B. Inggris
K11 2 0,333 0,333 0,333 0,5 0,5 0,5 0,5 3 3 1 4 1 1 1
K12 0,333 0,167 0,167 0,167 0,25 0,25 0,25 0,25 0,5 0,5 0,25 1 0,333 0,333 0,333
K13 1 0,2 0,2 0,2 0,333 0,333 0,333 0,333 2 2 1 3 1 1 1
K14 1 0,2 0,2 0,2 0,333 0,333 0,333 0,333 2 2 1 3 1 1 1
K15 1 0,2 0,2 0,2 0,333 0,333 0,333 0,333 2 2 1 3 1 1 1
K9 = UN Matematika K10 = UN IPA K11 = Psikotes K12 = Minat IPA K13 = Minat IPS K14 = Minat Bahasa K15 = Minata Agama
Hasil pengujian percobaan pertama dan kedua dapat dilihat pada tabel 6 dan tabel 7. Tabel 6. Hasil Pengujian Pengaruh Bobot Kriteria Terhadap Akurasi Percobaan 1
4.3. Pengujian Pengaruh Bobot Kriteria Terhadap Akurasi Pada pengujian pengaruh bobot kriteria terhadap akurasi dilakukan pengujian dengan mengubah nilai bobot matriks perbandingan berpasangan sebanyak dua kali dari masingmasing peminatan. Tujuan pengujian ini untuk mendapatkan nilai akurasi yang lebih baik pada penentuan peminatan siswa menggunakan metode fuzzy-AHP. Pada pengujian ini bobot yang diubah pada setiap matriks perbandingan kriteria peminatan adalah nilai bobot yang berhubungan dengan peminatan tersebut. contoh nilai bobot yang diubah pada percobaan pertama peminatan IPA ialah nilai bobot matriks perbandingan kriteria 1 terhadap kriteria 5 sampai kriteria 15, kriteria 11 terhadap kriteria 1 sampai kriteria 15, kriteria 9 terhadap kriteria 11 sampai kriteria 15, kriteria 10 terhadap kriteria 11 sampai kriteria 15, dan kriteria 12 terhadap kriteria 13 sampai kriteria 15. Contoh Matriks perbandingan kriteria percobaan pertama
2115
Data MAN 2 Kota Serang
Data Sistem Hasil
No
Pemiantan
No
Peminatan
1
IBB
1
2
IPA
2
IPA
3
AGAMA
3
AGAMA
4
IPS
4
5
IPA
5
IPA
6
IPS
6
IPS
7
IPS
7
IPS
8
IPA
8
IPA
9
IPA
9
IPA
10
IBB
10
IBB
11
IPA
11
IPA
12
IPA
12
IPA
13
IPA
13
IPA
IPA
Tidak sesuai Sesuai Sesuai
IPA
Tidak sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 14
AGAMA
14
AGAMA
15
IPS
15
IPS
16
IBB
16
IBB
17
IPS
17
IPS
18
IPA
18
19
IBB
19
20
IBB
20
21
IPS
21
22
IPA
22
23
IPA
23
24
IPS
24
25
IPS
25
26
IPS
26
27
AGAMA
27
28
AGAMA
28
29
AGAMA
29
30
AGAMA
30
IBB AGAMA
Sesuai
14
AGAMA
14
AGAMA
Sesuai
Sesuai
15
IPS
15
IPS
Sesuai
Sesuai
16
IBB
16
IBB
Sesuai
Sesuai
17
IPS
17
IPS
Sesuai
Tidak sesuai Tidak sesuai Sesuai
18
IPA
18
IBB
19
IBB
19
AGAMA
20
IBB
20
IBB
Tidak sesuai Tidak sesuai Sesuai
Tidak sesuai Sesuai
21
IPS
21
IPA
22
IPA
22
IPA
Tidak sesuai Sesuai
Sesuai
23
IPA
23
IPA
Sesuai
Tidak sesuai Tidak sesuai Sesuai
24
IPS
24
IPA
25
IPS
25
IBB
26
IPS
26
IPS
Tidak sesuai Tidak sesuai Sesuai
Sesuai
27
AGAMA
27
AGAMA
Sesuai
Sesuai
28
AGAMA
28
AGAMA
Sesuai
Sesuai
29
AGAMA
29
AGAMA
Sesuai
Sesuai
30
AGAMA
30
AGAMA
Sesuai
IBB IPA IPA IPA IPA IBB IPS AGAMA AGAMA AGAMA AGAMA
Tabel 7. Hasil Pengujian Pengaruh Bobot Kriteria Terhadap Akurasi Percobaan 2 Data MAN 2 Kota Serang No Pemiantan
2116
Data Sistem No
Peminatan
Hasil
1
IBB
1
IPA
2
IPA
2
IPA
Tidak sesuai Sesuai
3
AGAMA
3
AGAMA
Sesuai
4
IPS
4
IPA
5
IPA
5
IBB
6
IPS
6
IPS
Tidak sesuai Tidak sesuai Sesuai
7
IPS
7
IPS
Sesuai
8
IPA
8
IPA
Sesuai
9
IPA
9
IPA
Sesuai
10
IBB
10
IBB
Sesuai
11
IPA
11
IPA
Sesuai
12
IPA
12
IPA
Sesuai
13
IPA
13
IPA
Sesuai
Fakultas Ilmu Komputer, Universitas Brawijaya
Pada pengujian pengaruh nilai bobot kriteria terhadap akurasi didapatkan bahwa pengujian pada percobaan pertama dengan mengubah beberapa nilai bobot kriteria perbandingan berpasangan yang sesuai dengan kriteria masing-masing peminatan menghasilkan tingkat akurasi sebesar 76,67%. Dan pengujian pada percobaan kedua dengan mengubah beberapa nilai bobot kriteria perbandingan berpasangan yang sesuai dengan kriteria masing-masing peminatan namun memiliki bobot nilai yang berbeda menghasilkan tingkat akurasi sebesar 73,33%. Dari analisis tersebut, dapat diketahui bahwa perubahan bobot kriteria mempengaruhi akurasi yang dihasilkan dengan akurasi terbesar 76,67% pada percobaan pertama, sehingga dari hasil percobaan diatas dapat membuktikan bahwa nilai bobot matriks perbandingan berpasangan berpengaruh terhadap sistem penentuan peminatan siswa di MAN 2 Kota Serang. Untuk mendapatkan hasil akurasi yang lebih baik diperlukan metode optimasi dalam menentukan nilai bobot matriks perbandingan berpasangan yang terbaik.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
additive weighting studi kasus pada sma islam sultan agung 1 semarang.
5. KESIMPULAN Berdasarkan penelitian yang dilakukan, dapat disimpulan bahwa 1. metode fuzzy analytical hierarchy process (F-AHP) dapat diimplementasikan dalam penentuan peminatan siswa dengan keluaran sistem hasil peminatan siswa dengan tahapan yaitu, membuat matriks perbandingan berpasangan dengan skala AHP, transformasi matriks perbandingan berpasangan ke dalam skala TFN, menghitung nilai sintesis fuzzy (Si), nilai vektor (V) dan ordinat defuzzyfikasi (d’), normalisasi, menghitung rasio konsistensi, dan menghitung nilai bobot alternatif akhir. 2. Hasil pengujian fungsional sistem penentuan peminatan di MAN 2 Kota Serang memilliki tingkat presentase sebesar 100%. 3. Hasil pengujian akurasi berdasarkan perbandingan hasil penentuan peminatan dari sistem dengan hasil penentuan peminatan dari MAN 2 Kota Serang adalah sebesar 63,33% dengan jumlah data yang sesuai sebanyak 21 data, dari total 30 data uji.
4. Pada pengujian pengaruh nilai bobot matriks perbandingan berpasangan dilakukan dua percobaan, percobaan pertama menghasilkan akurasi sebesar 76,67% dan percobaan kedua menghasilkan akurasi sebesar 73,33%. Dapat disimpulkan bahwa perubahan nilai bobot matriks perbandingan berpasangan mempengaruhi akurasi sistem penentuan peminatan di MAN 2 Kota Serang. 6. DAFTAR PUSTAKA Ansori, Yusuf., 2012. Pendekatan Triangular Fuzzy Number dalam Metode Analytic Hierarchy Process. Jurnal Ilmiah Foristek Vol. 2, No. 1. Bhusan, N., Rai, K., 2004. Strategic Decision Making Applying the Analytic Hierarchy Process. Springer. Fauziah M, I., 2014. Sistem pendukung keputusan seleksi beasiswa ppa dan bbm menggunakan metode fuzzy AHP.Universitas Brawijaya. Handayani, D., N,. dkk.,2014.Sistem pendukung keputusan untuk pemilihan jurusan menggunakan fuzzy multiple atribute decision making dengan metode simple Fakultas Ilmu Komputer, Universitas Brawijaya
2117
Kusumadewi, S., & Purnomo, H. 2010. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu. Kementerian Pendidikan dan Kebudayaan. 2013. Pedoman Peminatan Peserta Didik. Jakarta. Mahargiyak, E., 2013. Implementasi Metode Fuzzy Analytical Hierarchy Process (FAHP) untuk Pemilihan Sumber Daya Manusia dalam Kepanitiaan Organisasi Mahasiswa. Univerista Brawijaya. Marimin, 2004. Teknik Dan Aplikasi Pengambilan Keputusan Kriteria Majemuk. Jakarta: PT. Grasindo. Prabowo A., G., Novanita B., 2015. Sistem Pendukung Keputusan Penentuan Peminatan Peserta Didik Menggunakan Metode Weighted Product Berbasis Web (Studi Kasus : Sma Negeri 1 Purwodadi Grobogan). Universitas Diponegoro. Putri, Maharani., 2014. Sistem Pendukung Keputusan Seleksi Penerimaan Siswa Baru Menggunakan Metode Electre Weighted Product. Universitas Brawijaya. https://filkom.ub.ac.id/apps : Template Proposal. (diakses pada tanggal 3 Februari 2016). Susanti.
A,. 2015. Perancangan sistem pendukung keputusan penentuan jurusan siswa sma negeri 2 kutacane berbasis web dengan menggunakan metode analytical hierarchy process (AHP). Pelita Informatika Budi Darma Volume : IX, Nomor: 1.
