Jurnal Teknologi Informasi, Volume 9 Nomor 2, Oktober 2013, ISSN

Jurnal Teknologi Informasi, Volume 9 Nomor 2, Oktober 2013, ISSN 1414-9999

PENCARIAN LOKASI STRATEGIS PENDIRIAN LEMBAGA PENDIDIKAN NON FORMAL BERBASIS FUZZY MULTIPLE ATTRIBUTE DECISSION MAKING DENGAN METODE SIMPLE ADDITIVE WEIGHTING Wahyu Setianto, dan M. Arief Soeleman Pascasarjana Teknik Informatika Universitas Dian Nuswantoro ABSTRACT Fuzzy Multiple Attributes Decision Making (FMADM) SAW method is the method used in the decision process to determine the location of the establishment of non-formal education institutions, there are several methods that can be used for location determination method is the method of Analytical Hierarchy Process (AHP) to implement the system Geographic Information (GIS). By giving weight to each of the criteria used for the calculation of Fuzzy Multiple Attributes Decision Making (FMADM) will be obtained weights are functional and efficient. The weight of the results of the process FMADM SAW method will be used to determine the location of an alternative non-formal education institutions. This study aims to make an application to assist in determining an appropriate location to establish a non-formal educational institutions. For the development of applications using Fuzzy Multiple Attributes Decision Making (FMADM) SAW method. Applications are developed with the ability to determine the location of the establishment of non-formal educational institutions as appropriate. Keywords: FMADM, SAW, Establishment Institute Course, Location

1.

PENDAHULUAN

1.1. Latar Belakang Masalah 1)

Masalah Umum

Di era globalisasi yang makin maju ini dunia Pendidikan makin berkembang maka kebutuhan akan Pendidikan makin meluas hal ini juga dipengaruhi oleh peningkatan taraf hidup dan perkembangan penghasilan dari masyarakat. Tidak bisa dipungkiri lagi bahwa perkembangan tersebut selain bisa menunjukkan bahwa tingkat kesejahteraan penduduk meningkat dan juga bisa mengakibatkan kebutuhan akan Pendidikan di segala bidang makin berkembang dan meningkat. Sebuah Lembaga Pendidikan Non Formal saat ini sangat di butuhkan di kalangan masyarakat baik untuk masyarakat kelas atas maupun masyarakat kelas menengah kebawah. Dunia pendidikan merupakan sarana bagi masyarakat untuk meningkatkan sumber daya manusia agar dapat bersaing di era yang penuh kompetisi saat ini. Selain sektor pendidikan formal, misalnya SD, SMP, SMU, SMK, Universitas dan sebagainya, sektor pendidikan non formal seperti Lembaga Kursus dan Lembaga Pelatihan dan Keterampilan (LPK) juga punya peran yang besar terhadap pembagunan sumber daya manusia. Mengenai pendidikan non-formal ini dijelaskan dalam UU No 20 th 2003 tentang Sistem Pendidikan Nasional , pasal 26 ayat (4) satuan pendidikan non-formal terdiri atas lembaga kursus, lembaga pelatihan kelompok belajar, pusat kegiatan belajar masyarakat, dan majelis taklim serta satuan pendidikan yang sejenis, ayat (5) Kursus dan Pelatihan diselenggarakan 70

http://research.pps.dinus.ac.id


bagi masyarakat yang memerlukan bekal pengetahuan, keterampilan, kecakapan hidup, dan sikap untuk mengembangkan diri, mengembangkan profesi, bekerja, usaha mandiri, atau melanjutkan pendidikan ke jenjang yang lebih tinggi. Lembaga pendidikan bahasa Inggris yang saat ini menjamur di perkotaan misalnya, mereka mempunyai komitmen dan fokus terhadap skill berbahasa Inggris para pesertanya. Lalu lembaga bimbingan belajar dengan komitmennya untuk meningkatkan nilai siswa. Hingga dalam program marketingnya berani menjamin kepada siswa bahwa mengikuti bimbingan belajar di tempat tersebut akan lulus. Jika tidak maka uang kembali. Masih banyak lagi jenis pendidikan non-formal lainnya seperti lembaga pelatihan berdasarkan skill tertentu. Misalnya lembaga pelatihan menjahit, pelatihan salon, pelatihan pertanian, pelatihan berbisnis jamur, pelatihan sablon, dan lainnya. Oleh karena itu, pihak-pihak swasta penyelenggara pendidikan non-formal tersebut perlu mendapatkan izin pendirian lembaga agar terlindungi oleh pemerintah. Pihak pemerintah lewat undang-undang mengatur hal tersebut, yaitu UU No 20 Tahun 2003 (Pelatihan, www.infokursus.net/perijinan.php, 2012) tentang Sistem Pendidikan Nasional, pasal 62 ayat (1) setiap satuan pendidikan formal dan non-formal yang didirikan wajib memperoleh izin pemerintah atau pemerintah daerah. Sejalan dengan itu, dimanfaatkan penggunaan komputer yang dewasa ini perkembangannya sangat cepat dan akurat. Dalam hal ini pemanfaatan teknologi komputer berhubungan dengan bagaimana membuat suatu program komputer yang mampu membantu pihak tertentu guna menentukan pendirian sebuah lembaga pendidikan non formal yang tentunya tepat guna baik bagi pengembang maupun untuk memenuhi kebutuhan masyarakat guna memenuhi perkembangan dunia pendidikan secara umum. Menurut data dari Direktorat Pembinaan Kursus dan Pelatihan, yang di ambil dari (Pelatihan, www.infokursus.net, t.thn.) Data Lembaga Kursus di Kota Pekalongan Propinsi Jawa Tengah adalah sebanyak 36 Lembaga Pendidikan Non Formal dari banyaknya Lembaga Pendidikan Non Formal Kota Pekalongan di atas maka persaingan di bidang pendidikan non formal makin Meningkat, untuk itu pihak–pihak swasta yang berkeinginan untuk menyelenggarakan pendidikan non formal tentunya perlu untuk mencari suatu Lokasi guna mendirikan sebuah lembaga pendidikan non formal yang tepat agar dapat bermanfaat bagi masyarakat sekirat baik dari kalangan ekonomi menengah keatas ataupun menengah kebawah dan tentunya agar mendukung perkembangan bagi lembaga tersebut berikutnya. Dibutuhkan sebuah Sistem Penunjang Keputusan “DSS Untuk Mencari Lokasi Pendirian Lembaga Pendidikan Non Formal” dirancang secara khusus sehingga dapat mempercepat pihak – pihak penyelenggara dalam mengambil keputusan mengenai dimana harus mendirikan lembaga pendidikan non formal yang tepat guna baik bagi pengembang maupun masyarakat yang berdasarkan keadaan lingkungan dan tingkat ekonomi masyarakat sekitarnya. Sistem Pendukung Keputusan (SPK) yang dirancang adalah sistem pendukung keputusan dengan menggunakan Fuzzy Multiple Attribute Decission Making (MADM) dengan metode Simple Additive Weighting (SAW) yang memungkinkan adanya penambahan dan pengurangan model untuk masalah yang lebih kompleks. Selain itu sistem ini juga memungkinkan untuk beradaptasi dengan perubahan lingkungan dimasa yang akan datang. Penilaian kelayakan pendirian Lembaga Pendidikan Non formal ini didasarkan pada 3 aspek yaitu bisnis, teknologi dan aspek ekonomi. Rancangan DSS ini Dalam implementasi SPK tersebut menggunakan software Matlab sebagai software yang sangat cepat dan mudah digunakan Fuzzy Multiple Attribute Decission Making (MADM) dengan metode Simple Additive Weighting (SAW) dan hasilnya pun akan lebih cepat dan tepat. http://research.pps.dinus.ac.id

71

Jurnal Teknologi Informasi, Volume 9 Nomor 2, Oktober 2013, ISSN 1414-9999 2)

Identifikasi Masalah

Dari latar belakang yang telah di paparkan di atas, dapat diidentifikasikan permasalahan yang ada adalah mancari lokasi yang strategis untuk mendirikan sebuah Lembaga Pendidikan Non Formal, yang selama ini masih menggunakan pemikiran sendiri atau kelompok, sehingga membutuhkan waktu yang relatif lebih lama dan hasil penilaiannya belum bisa maksimal dikarenakan belum adanya sistem atau metode yang di gunakan untuk penentukan lokasi mendirikan lembaga pendidikan non formal. Pada paper Penentuan Lokasi Pembukaan Cabang Baru LBB dengan Metode AHP - GIS (Afrida Helen, 2010) dikatakan bahwa untuk menetukan lokasi Lembaga Bimbingan Belajar (LBB) membutuhkan kriteria yaitu mulai dari ukuran lahan, sambungan telepon hingga lokasi yang cukup strategis. Sedangkan untuk paper Penentuan Lokasi Terminal Angkutan Barang di Kabupaten Bangli Profinsi Bali di butuhkan beberapa Faktor seleksi penentu lokasi yaitu jenis tanah, kelerengan, ketersediaan lahan kosong, kelestarian lingkungan hidup dan ketersediaan jaringan jalan, yang di implementasikan dengan menggunakan Analytical Hierarchy Process (AHP). Dari penelitian tersebut ada beberapa kekurangan yaitu dalam menentukan kriteria yang bisa di tambahkan diantaranya lokasi apakah dekat dengan angkutan kota, kepdatan penduduk, jarak dari kota, kedekatan dengan lembaga sejinis, kriteria – kriteria tersebut tentunya akan lebih mempertajam dalam masalah menentukan lokasi untuk mendirikan sebuah lebaga maupun usaha, sedangkan kelemahannya adalah dalam penerapannya harus melibatkan orang–orang yang memiliki pengetahuan yang cukup tentang permasalahan dan metode Analytical Hierarchy Process (AHP) sendiri. Pada paper Perancangan Model Pendukung Keputusan Untuk Penentuan Lokasi Industri Berdasarkan Proses Hierarki Analitik, dikatakan bahwa untuk menganbil kepitusan tersebut dibutuhkan beberapa faktor diataranya Faktor Endowment, Pasar & Harga, Bahan Baku & Energi, Biaya Angkutan/Transportasi dan Kebijakan Pemerintah. Selain faktor – faktor tersebut tentunyaperlu meperhatikan faktor lain yang diantaranya dengan melihat kepadatan penduduk sekitar. Untuk paper Penentuan Lokasi Rumah Pompa Kota Surabaya, guna mengatasi permasalahan banjir maka dibutuhkan pembuatan rumah pompa yang diharapkan mampu mengguranggi jumlah banjir yang terjadi di kota Surabaya. Rumah Pompa sendiri merupakan tempat yang digunakan oleh pompa air untuk memindahkan atau menaikkan debit air serta mengatur besarnya air yang dapat dikeluarkan oleh pompa tersebut. Sistem Informasi Geografis (SIG) akan sangat berperan dalam proses pemetaan, dan dengan bantuan metode Analytical Hierarchy Process (AHP) diharapkan akan berperan dalam proses pengambilan keputusan lokasi rumah pompa yang tepat, yang tentunya perlu adanya penambahan benerapa kriteria diantaranya dengan melihat kepadatan penduduk sekitar lokasi. Permasalahan tersebut akan lebih mudah di selesaikan dengan Fuzzy Multiple Attribute Decission Making (MADM) dengan metode Simple Additive Weighting (SAW) mempunyai kemampuannya untuk melakukan penilaian secara lebih tepat karena didasarkan pada nilai kriteria dan bobot prefensi yang sudah ditentukan yang memungkinkan adanya penambahan dan pengurangan model untuk masalah yang lebih kompleks. 3) Analisis Masalah Dalam mendirikan sebuah lambaga pendidikan non formal kebanyakan pengusaha kurang memperhatikan lokasi sehingga mengakibatkan kurang optimalnya target yang di harapkan. Dalam hal ini untuk menentukan lokasi mendirikan lembaga pendidikan non formal yang di harapkan tepat guna, stratigis dan cepet, untuk menyelesaikan masalah tersebut dapat di gunakan dengan beberapa pendekatan diantaranya dingan Analytic Hierarchy Process (AHP) yaitu metode yang dapat digunakan untuk pengambilan keputusan dengan multi kriteria dan alternatif, Sistem Informasi Geografis (SIG) merupakan sistem informasi yang mampu memvisualisasikan pola penyebaran konsumen untuk dapat diketahui dan dianalisa. Dari beberapa pendekatan yang memungkinkan akan digunakan pendekatan baru dengan menggunakan Fuzzy Multiple Attribute Decission Making (FMADM) dengan metode Simple Additive Weighting (SAW). Dengan melibatkan dari beberapa aspek kriteria dan pembobotan dimana metode ini dapat digunakan untuk pengambilan keputusan dengan multi kriteria dan multi alternatif. Kriteria yang diambil diantaranya Melihat kepadatan penduduk sekitar lokasi, berada di tepi 72


Jurnal Teknologi Informasi, Volume 9 Nomor 2, Oktober 2013, ISSN 1414-9999 jalan raya, dekat dengan jalur angkutan kota, Jarak dari pusat kota, dan kedekatan dengan lembaga – lembaga lain yang sejenis, kriteria tersebut diambil dari study dan pengamatan dilapangan, diantaranya lewat Dinas Pendidikan Kota, Cabang Lembaga HIPKI ( Himpunan Penyelengara Kursus Indonesia) dan Dinas Tata Kota untuk menentukan jarak.

1.2. Rumusan Masalah 1) Rumusan masalah umum Dari latar belakang yang telah dipaparkan di atas, dapat diidentifikasikan permasalahan umum yang ada adalah belum adanya sistem pendukung keputusan yang digunakan untuk menentukan lokasi yang strategis untuk pendirian Lembaga Pendidikan non Formal, penentuan lokasi pendirian lembaga pendidikan yang selama ini dilakukan hanya dengan pemikiran sendiri ataupun kelompok yang tentunya membutuhkan waktu yang relatif lebih lama dan hasilnya punnya pun kurang tepat. 2) Rumusan masalah spesifik Dengan menggunakan metode SAW dapat meningkatkan dan kemudahan dan efisien dalam melakukan penentuan lokasi strategis, namun SAW mengabaikan fuzziness of executives selama proses pengambilan keputusan. Selain itu, beberapa kriteria dapat memiliki struktur kualitatif atau memiliki struktur yang tidak pasti dan tidak dapat diukur dengan tepat.

1.3. Tujuan Penelitian 1) Tujuan Umum Dapat mempermudah pengusaha atau lembaga dalam penyelesaian masalah menentukan lokasi guna mendirikan lembaga pendidikan non formal dengan tepat dan cepat. Yang tentunya sesuai dengan target yang di harapkan. 2) Tujuan Spesifik

Memanfaatkan Sistem Pendukung Keputusan berbasis Fuzzy Multiple Attribute Decision Making (MADM) dengan metode Simple Additive Weighting (SAW) dapat membantu pengusaha dalam menentukan Lokasi Pendirian Lebaga Pendidikan Non Formal yang strategis dengan lebih cepat dan tepat. Yang tentunya dengan menambakan beberapa kriteria diantaranya, kepdatan penduduk sekitar lokasi, dekat dengan angkutan kota, kepdatan penduduk, jarak dari kota, kedekatan dengan lembaga sejinis, dari pengujian ini akan di hasilkan perankingan yang tepat. 1.4. Manfaat Penelitian Manfaat dari penelitian ini adalah : 1) Manfaat secara umum dari penelitian ini adalah agar seorang pengusaha yang ingin mendirikan Lembaga Pendidikan Non Formal dapat menentukan lokasi usahanya dengan lebih baik dan cepat. 2) Manfaat bagi ilmu pengetahuan, dari hasil penelitian ini diharapkan dapat memberikan gambaran dan pemahaman tentang penerapan Metode Fuzzy Multi Attribut Decision Making (FMADM) dengan metode Simple Additive Weighting (SAW) untuk Sistem Pendukung Keputusan Penentuan Lokasi Pendirian Pendidikan Non formal. 2. TINJAUAN PUSTAKA 2.1. Penelitian Terkait Penelitian yang terkait sistem pendukung keputusan dengan penentuan lokasi antara lain adalah : 2.1.1. Studi Penentuan Lokasi Terminal Angkutan Barang di Kabupaten Bangli Profinsi Bali. Studi tentang pemilihan Lokasi Terminal Angkutan Barang ini menggunakan metode Analisis Hirarki Proses (AHP). Metode AHP ini merupakan suatu metode pengambilan keputusan dengan beberapa kriteria yang dalam studi ini dilakukan dengan menggunakan pengukuran melalui struktur hirarki. Tujuannya adalah menentukan bobot yang disebut prioritas. Dalam penentuan lokasi terminal, Faktor seleksi penentuan lokasi yaitu meliputi jenis tanah, kelerengan, ketersediaan lahan kosong layak bangun, kelestarian lingkungan hidup, pola pergerakan angkutan regional dan ketersediaan jaringan jalan (Try Agus Sudarmadi, 2007). http://research.pps.dinus.ac.id

73

Jurnal Teknologi Informasi, Volume 9 Nomor 2, Oktober 2013, ISSN 1414-9999 2.1.2. Penentuan Lokasi Rumah Pompa Kota Surabaya Menggunakan Metode Analytical Hierarchy Process (AHP) Dalam lokasi rumah pompa, dengan cara memberikan bobot pada data elevasi dan titik terdekat dengan saluran pembuangan air. Dari perhitungan Analytical Hierarchy Process (AHP) akan diperoleh bobot yang fungsional dan efisien. Bobot dari hasil proses AHP akan digunakan untuk menentukan alternatif lokasi rumah pompa yang efektif dan tepat guna. Dan dengan menggunakan pendekatan Sistem Informasi Geografis, yaitu dengan mempergunakan analisis spasial yang digunakan untuk mempermudah para pengambil keputusan untuk mengetahui lokasi rumah pompa yang ada di Kota Surabaya. Dengan Sistem informasi geografis ini nantinya akan didapatkan suatu informasi secara detail dan visualisasi dalam bentuk Web yang dapat digunakan sebagai referensi untuk para pengambil keputusan terutama dalam pencarian lokasi rumah pompa yang ada di Kota Surabaya (Ira Prasetyaningrum, 2010). 2.1.3. Penentuan Lokasi Pembukaan Cabang Baru LBB dengan Metode AHP - GIS Banyak sekali LBB (Lembaga Bimbingan Belajar) yang bermunculan dengan tujuan membantu para pelajar dari SD hingga SMU dalam mencari ilmu. Seiring dengan banyaknya cabang LBB yang didirikan maka semakin banyak pula persaingan dalam memikat konsumen (pelajar), salah satu faktornya adalah lokasi cabang yang tepat dan strategis. Kadangkala LBB kurang memperhatikan pola penyebaran konsumen sehingga cabang baru yang dibuka tidak seramai cabang utama dari LBB tersebut.Sistem Informasi Geografis (SIG) adalah sistem informasi yang mampu memvisualisasikan pola penyebaran konsumen untuk dapat diketahui dan dianalisa, sedangkan Analytic Hierarchy Processing (AHP) adalah metode yang dapat digunakan untuk pengambilan keputusan dengan multi kriteria dan multi alternatif. Kriteria yang dapat digunakan antara lain jarak dengan jalan raya, jarak dengan lokasi perumahan, jumlah sekolah terdekat, dan ada atu tidaknya cabang LBB di daerah tersebut. Dengan visualisasi penyebaran konsumen LBB menggunakan GIS serta ditambahkan metode AHP dapat menentukan rekomendasi lokasi cabang yang akan dibuka selanjutnya. Penentuan hierarki, kriteria serta ranking prioritas yang diberikan dapat mempengaruhi hasil rekomendasi lokasi cabang yang baru (Afrida Helen, 2010). 2.1.4. Perancangan Model Pendukung Keputusan Untuk Penentuan Lokasi Industri Berdasarkan Proses Hierarki Analitik (AHP) Menjelaskan tentang prioritas faktor penentu lokasi industri. Adapun faktor-faktor yang mempengaruhi di dalam penentuan lokasi industri antara lain Faktor Endowment, Pasar & Harga, Bahan Baku & Energi, Aglomerasi, Kebijakan Pemerintah, Kebijakan Pemerintah. Dari faktor – faktor tersebut tentunya perusahaan atau industri akan berusahan untuk memilih lokasi industri yang tepat dan dapat memberikan kesejahteraan masyarakat setempat serta menghindarkan adanya dampak lingkungan (Kusumaningrum, 2006). 2.2. Landasan Teori 2.2.1 Fuzzy Multiple Attribute Decision Making (MADM) Pada dasarnya proses MADM dilakukan melalui 3 tahapan yaitu: penyusunan komponen-komponen situasi, analisis dan sintesis informasi. (Kusumadewi, Fuzzy Multi-Attribute Decision Making, 2006) Pada tahap penyusunan komponen, komponen situasi akan dibentuk tabel taksiran yang berisi identifikasi alternatif dan spesifikasi tujuan, kriteria dan tribut. Salah satu cara untuk menspesifikasikan tujuan situasi |Oi, i=1,...,t | adalah dengan cara mendaftar konsekuensi-konsekuensi yang mungkin dari alternatif yang telah teridentifikasi | Ai, i=1,...,n|. Selain itu juga disusun atributatribut yang akan digunakan |ak, k=1,...,n|. Tahap analisis dilakukan melalui 2 langkah, yaitu: a. Mendatangkan taksiran dari besaran yang potensial, kemungkinan dan ketidakpastian yang berhubungan dengan dampak-dampak yang mungkin pada setiap alternatif. b. Meliputi pemilihan dari preferensi pengambil keputusan untuk setiap nilai dan ketidakpedulian terhadap resiko yang timbul. Pada langkah pertama, beberapa metode menggunakan fungsi distribusi |Pj(x)| yang menyatakan probabilitas kumpulan attribut |ak| terhadap setiap alternatif |Ai|. Konsekuen juga dapat ditentukan secara langsung dari agregasi sederhana yang dilakukan pada informasi terbaik yang tersedia. 74


Jurnal Teknologi Informasi, Volume 9 Nomor 2, Oktober 2013, ISSN 1414-9999 Demikian pula, ada beberapa cara untuk menentukan preferensi pengambil keputusan pada setiap konsekuen yang dapat dilakukan pada langkah kedua. Metode yang paling sederhana adalah untuk menurunkan bobot atribut dan kriteria adalah dengan fungsi utilitas atau penjumlahan terbobot. Sebagian besar pendekatan MADM dilakukan melalui 2 langkah, yaitu: a. Melakukan agregasi terhadap keputusan-keputusan yang tanggap terhadap semua tujuan pada setiap alternatif. b. Melakukan perangkingan alternatif-alternatif keputusan tersebut berdasarkan hasil agregasi keputusan. Dengan demikian bisa dikatakan bahwa masalah multi-attribute decision making (MADM) adalah mengevaluasi m alternatif Ai (i=1,2,...,m) terhadap sekumpulan atribut atau kriteria Cj (j=1,2,...,n), dimana setiap atribut saling tidak bergantung satu dengan yang lainnya. Matriks keputusan setiap alternatif terhadap setiap atribut X, diberikan sebagai :

Dimana Xij merupakan rating kinerja alternatif ke-i terhadap atribut ke-j. Nilai bobot yang menunjukkan tingkat kepentingan relatif setiap atribut, diberikan sebagai W. W = {W1,W2,...,Wn} Rating kinerja (X) dan nilai bobot (W) merupakan nilai utama yang merepresentasikan preferensi absolut dari pengambil keputusan. Masalah MADM diakhiri dengan proses perangkingan untuk mendapatkan alternatif terbaik yang diperoleh berdasarkan nilai keseluruhan preferensi yang diberikan. 2.2.2 Simple Additive Weighting (SAW)

Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. (Kusumadewi, Fuzzy Multi-Attribute Decision Making, 2006) Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.

(2.1)

dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2,...,m dan j=1,2,...,n. Nilai preferensi untuk setiap alternatif (Vi)diberikan sebagai: (2.2) Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.


75


2.3 Fuzzy Multiple Attribute Decission Making dan Metode Simple Additive Weighting Guna Pencarian Lokasi Strategis Pendirian Lembaga Pendidikan Non Formal

Permasalahan Penentuan Lokasi Pendirian Lembaga Pendidikan Non Formal

Pengumpulan Data

Eksperimen Fuzzy Multiple Attributes Decision Making (FMADM). Metode Simple Additive Weighting (SAW)

Pengembangan Sistem Object Oriented, Notasi UML Perangkat Lunak : J2EE Dan Matlab

Desain Program, Pengujian Black Box, White Box

Implementasi Sistem Pendukung Keputusan Menentukan Lokasi Pendirian Lembaga Pendidikan Non Formal

Pengukuran 1. Grafik perbandingan Pretest dan Posttest 2. Pengujian statistik t-Test

Hasil 1. Memudahkan pihak – pihak Swasta dalam menentukan Pendirian Lembaga Pendidikan Non Formal. 2. Menanggulangi permasalahan yang pernah terjadi dengan penilaian sebelumnya 3. Mempercepat dalam menentukan Lokasi Pendirian

76


Jurnal Teknologi Informasi, Volume 9 Nomor 2, Oktober 2013, ISSN 1414-9999 3. METODE PENELITIAN 3.1. Pengumpulan data Data yang dikumpulkan adalah data yang hubungannya dengan masalah yang diteliti. Data tersbut adalah data yang bersumber dari pihak terkait, yaitu semua pihak yang berhubungan dengan Dinas Pendidikan dan Lembaga pendidikan Non Formal yang berada di Kota Pekalongan Pihak tersebut adalah Himpunan Penyelenggara Kursus Indonesia (HIPKI) Cabang di Kota Pekalongan. Data tersebut adalah data mengenai informasi Lembaga Pendidikan Non Formal yang berada di Kota Pekalongan dan informasi lokasi-lokasi Lembaga Pendidikan Non Formal di Kota Pekalongan. 3.2. Experimen Penerapan penelitian dengan Fuzzy Multiple Attributes Decision Making (FMADM) yang dalam hal ini menggunakan Metode Simple Additive Weighting (SAW) untuk menentukan lokasi Pendirian Lembaga Pendidikan Non formal di Kota Pekalongan dan sekitarnya. 3.3. Developmen Pengujian Merupakan kegiatan untuk melakukan pengujian terhadap sampel data. Sistem pengujian menggunakan pengujian black box dan white box. 3.4. Impelmentasi Setelah Aplikasi untuk Penentuan Lokasi Lembaga Pendidikan Non formal berhasil di ciptakan dengan pengembangan FMADM menggunakan Metode SAW, yg di terapkan dengan Java Standart Edition (J2SE), selanjutnya adalah penerapan aplikasi pada object penelitian untuk pengambilan keputusan terhadap beberapa lokasi. 3.5. Evaluasi Evaluasi dengan melakukan komparasi dengan data data yang ada. Pengujian akurasi dan kecepatan penerapan Fuzzy Multiple Attributes Decision Making (FMADM) menggunakan Metode Simple Additive Weighting (SAW) untuk menentukan lokasi Pendirian Lembaga Pendidikan Non Formal di Kota Pekalongan dilakukan melalui penelitian baik melalui masyarakat sekitar ataupun dengan pihak Dinas Pendidikan Kota Pekalongan. 4. 4.1.

PENERAPAN DAN PENGEMBANGAN Penerapan FMADM Dengan Pengembangan untuk Mencari Lokasi Pendirian Lembaga Pendidikan Non formal Pada dasarnya proses MADM dilakukan melalui 3 tahapan yaitu: penyusunan komponen-komponen situasi, analisis dan sintesis informasi. (Kusumadewi, Fuzzy Multi-Attribute Decision Making, 2006). Fuzzy Multi Attribut Decision Making (MADM) berdasarkan tipe data yg di gunakan pada setiap kinerja alternatif-alternatifnya, FMADM dapat di bagi menjadi 3 kelompok, yaitu : semua data yang di gunakan adalah data Fuzzy, semua data yang di gunakan adalah data crisp, atau data yang di gunakan merupakan campuran antara data fuzzy dan crisp. Mekanisme untuk menyelesaikan masalah Fuzzy MADM adalah dengan mengaplikasikan MADM klasik SAW, WP, TOPSIS untuk melakukan perangkingan setelah terlebih dahulu di lakukan konversi data fuzzy ke data crisp, Chen (1992). 4.2. Representasi Masalah Masalah dalam Multi Attribut Decision Making (MADM) bisa di katakan bahwa m alternatif A1 (i=1,2,...,m) terhadap sekumpulan atribut atau kriteria Cj (j=1,2,...,n), dimana setiap atribut saling tidak tergantung satu dengan yang lainnya. Contoh kasus masalah pengusaha yang ingin mendirikan sebuah lembaga pendidikan non formal harus menentukan lokasi yang strategis dari 3 buah pilihan lokasi. Lokasi yang akan menjadi alternatif yaitu : A1 = Bojong, A2 = Buaran, A3 = Kedungwuni. Ada 5 atribut atau kriteria pengambilang keputusan, yaitu : C1 = Kepadatan penduduk. C2 = Ditepi Jalan raya. C3 = Jalur Angkutan Kota. C4 = Jarak Dengan Pusat Kota. C5 = Kedekatan dengan Lambaga Sejenis http://research.pps.dinus.ac.id

77

Jurnal Teknologi Informasi, Volume 9 Nomor 2, Oktober 2013, ISSN 1414-9999 Tabel 3. 1. Hubungan alternatif dengan atribut/kriteria

Alternatif

A1 A2 A3

Kepadatan penduduk

C1 Sangat padat jarang padat

Tepi raya

jalan

Atribut / Kriteria Jalur Jarak dari pusat angkutan kota kota

Jauh

C3 dekat

cukup

Kedekatan dengan lembaga sejenis C5 dekat

cukup dekat

cukup Jauh

dekat sangat dekat

cukup jauh

C2

C4

Bobot setiap atribut-atribut diberikan sebagai berikut : W = [ Dekat, Cukup, Cukup, Jauh, Sangat Jauh ]

Sehingga untuk mendistribusikan bilangan fuzzy tersebut mengacu pada tabel Hubungan alternatif dengan atribut di atas maka dapat di bentuk matrik keputusan X sebagai berikut :

Dari matriks keputusan (X) tersebut kemudian dilakukan proses normalisasi ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada sesuai dengan persamaan 2.1, dan hasilnya sebagai berikut : Proses normalisasi kriteria C1 :

Proses normalisasi kriteria C2 :


78


Jurnal Teknologi Informasi, Volume 9 Nomor 2, Oktober 2013, ISSN 1414-9999 Proses normalisasi kriteria C4 :


Akan diperoleh matriks ternormalisasi R sebagai berikut :

Proses Perangkingan diperoleh dengan SAW sebagai berikut : Setelah dilakukan proses normalisasi, kemudian dihitung nilai preferensi untuk setiap alternatif (Vi) sesuai dengan persamaan 2.2 dengan vector bobot W = [0,25; 0,5; 0,5; 0,75; 1] V1 = (1)(0,25) + (0,75)(0,5) + (0,333)(0,5) + (0,5)(0,75) + (0,333)(1) = 0,25 + 0,375 + 0,167 + 0,375 + 0,333 = 1,5 V2 = (0,25)(0,25) + (1)(0,5) + (0,667)(0,5) + (0,25)(0,75) + (0,667)(1) = 0,0625 + 0,5 + 0,3335 + 0,187l + 0,667 = 1,7501 V3 = (0,75)(0,25) + (0,25)(0,5) + (1)(0,5) + (1)(0,75) + (1)(1) = 0,1871 + 0,125 + 0,5 + 0,7 + 1 = 2,5125 Nilai terbesar pada V3 sehingga alternatif A3 adalah alternatif yang terpilih sebagai alternatif terbaik. Dengan kata lain, Lokasi Kedungwuni akan terpilih sebagai lokasi yang tepat untuk mendirikan Lembaga Pendidikan Non Formal. 4.3. Desain Sistem Desain sistem pada penelitian ini akan menggunakan permodelan UML perancangan basis data, perancangan antar muka. Untuk permodelan UML akan menggunakan Diagram Use Case, Diagram Activity, Diagram Class, Diagram Sequence. Untuk perancangan basis data menggunakan struktur tabel dan relasi tabel. Pada perancangan antar muka akan menjelaskan rancangan tampilan perangkat lunak yang akan digunakan oleh pengguna.


79

Jurnal Teknologi Informasi, Volume 9 Nomor 2, Oktober 2013, ISSN 1414-9999 4.4.

Pengembangan Sistem

Sistem di kembangkan dengan menggunakan Java. Pada tampilan perhitungan akan menampilkan data lokasi dan nilai dari perhitungan. 4.5. Hasil evaluasi terhadap aplikasi yang dibangun

Evaluasi terhadap aplikasi yang dibangun ditujukan untuk mendapatkan penilaian dari segi kemudahan, kompatibilitas, reuseable. Dalam pembuatan angket menggunakan skala Likert berbentuk skala penilaian dari 1 sampai 5 dengan deskripsi sebagai berikut : Tabel 4.5.1. Skala Penilaian

No Skala Likert Keterangan Singkatan 1 Angka 1 Sangat Tidak Setuju STS 2 Angka 2 Tidak Setuju TS 3 Angka 3 Ragu R 4 Angka 4 Setuju S 5 Angka 5 Sangat Setuju SS Adapun hasil dari angket yang telah ditabulasikan terhadap tabel skala penilaian adalah sebagai berikut : Tabel 4.5.2. Tabulasi hasil angket terhadap aplikasi

Pertanyaan Rerata 1 2 3 4 5 Responden 1 5 5 5 4 4 4.60 Responden 2 4 5 4 5 4 4.40 Responden 3 4 5 4 5 5 4.60 Responden 4 4 5 4 4 5 4.40 Responden 5 5 5 5 4 4 4.60 Responden 6 5 5 5 4 4 4.60 4.5 5 4.5 4.3 4.3 4.53 Rerata Dari tabel 4 tersebut diatas dapat disimpulkan bahwa nilai rerata tertinggi adalah 5, sedangkan nilai rerata dari hasil angket tersebut adalah 4.53 apabila dikonversikan dalam bentuk prosentase aplikasi ini diterima dengan nilai prosentase sebesar 90.6%. Nama

80


Jurnal Teknologi Informasi, Volume 9 Nomor 2, Oktober 2013, ISSN 1414-9999 4.6.

Hasil Pengamatan sebelum implementasi

Data dari yang di peroleh dari beberapa lembaga pendidikan non formal : Tabel 4.6.1 Tabel Pre test Nama INTAN

SATATA HUTAMA

MARIA SUSANA

AGUS ILIAS

PONIJAN

RINA ARISANTI

4.7.

Lokasi Bojong Buaran Kedungwuni Bojong Buaran Kedungwuni Bojong Buaran Kedungwuni Bojong Buaran Kedungwuni Bojong Buaran Kedungwuni Bojong Buaran Kedungwuni

Pretest 4 4 5 4 5 4 3 3 4 3 4 5 4 3 4 3 4 5

Hasil Pengamatan sesudah implementasi

Setelah aplikasi sistem pendukung keputusan pencarian lokasi strategis pendirian lembaga pendidikan non formal dengan metode FMADM diimplementasikan pada beberapa lebaga maupun pendiri lebaga pendirikan non formal maka di pertanyaan responden yang sama untuk mengukur dampak implementasi sistem dan hasilnya adalah sebagai berikut : Tabel 4.7.1 Tabel Post test Nama INTAN

SATATA HUTAMA

MARIA SUSANA

AGUS ILIAS

PONIJAN

RINA ARISANTI


Lokasi Bojong Buaran Kedungwuni Bojong Buaran Kedungwuni Bojong Buaran Kedungwuni Bojong Buaran Kedungwuni Bojong Buaran Kedungwuni Bojong Buaran Kedungwuni

PostTest 3 3 5 4 3 4 4 4 4 3 4 5 3 4 5 4 4 5

81


4.8. Hasil perbandingan pre test dan post test Tabel 4.8.1 Tabel perbandingan pre test dengan post test Nama Lokasi Pretest PostTest Kesesuaian Bojong 4 3 Tidak INTAN Buaran 4 3 Tidak Kedungwuni 5 5 Sesuai Bojong 4 4 Sesuai SATATA HUTAMA Buaran 5 3 Tidak Kedungwuni 4 4 Sesuai Bojong 3 4 Tidak MARIA SUSANA Buaran 3 4 Tidak Kedungwuni 4 4 Sesuai Bojong 3 3 Sesuai AGUS ILIAS Buaran 4 4 Sesuai Kedungwuni 5 5 Sesuai Bojong 4 3 Tidak PONIJAN Buaran 3 4 Tidak Kedungwuni 4 5 Tidak Bojong 3 4 Tidak RINA ARISANTI Buaran 4 4 Sesuai Kedungwuni 5 5 Sesuai Apabila table hasil pre test dan post test tersebut digambarkan dalam bentuk grafik, akan tampak perbedaan terhadap penggunaan sistem pendukung keputusan penetuan lokasi stratigis pendirian lembaga ppendidikan non formal dengan metode FMADM.

Gambar 4.8.Error! Bookmark not defined.. Grafik hasil pre test dan post test Hasil dari pretest dan posttest selanjutnya diuji dengan t_test untuk mengevaluasi hasil penerapan terhadap sistem pendukung keputusan penentuan lokasi strategis lembaga pendirikan non formal. Ttest dilakukan dengan menggunakan fungsi yang terdapat didalam aplikasi Microsoft Excel 2010.

82


Jurnal Teknologi Informasi, Volume 9 Nomor 2, Oktober 2013, ISSN 1414-9999 Tabel 4.8.2. Tabel perbandingan t-Test

t-Test: Paired Two Sample for Means Mean Variance Observations Pearson Correlation Hypothesized Mean Difference df t Stat P(T<=t) one-tail t Critical one-tail P(T<=t) two-tail t Critical two-tail

Variable 1 3,944444444 0,526143791 18 0,329192547 0 17 0 0,5 1,739606726 1 2,109815578

Variable 2 3,944444444 0,526143791 18

Dari tabel 5.6 tersebut dapat dilihat bahwa t Critical two-tail bernilai 2,109815578 sedangkan nilai dari t Stat bernilai 0 hal ini menunjukan bahwa terjadi perbedaan, hal ini berarti sebelum dan sesudah implementasi aplikasi penentuan lokasi pendirian lambaga non formal dengan FMADM Dengan Pengembangan cukup signifikan. 5. 5.1.

PENUTUP Kesimpulan

Penelitian yang telah dilakukan baik dari awal sampai evaluasi dan penerapan aplikasi Menentukan Lokasi Pendirian Lembaga Pendidikan Non Formal dengan FMADM metode SAW dengan Pengembangan yang diimplementasikan, didapat kesimpulan sebagai berikut : Sistem penentuan Lokasi Pendirian Lembaga Pendidikan Non Formal dapat membantu Onwer (Pemodal) dalam menentukan Lokasi untuk mendirikan (membuka cabang) sebuh Lembaga Pendidikan Non Formal berjalan dengan baik dan dapat menghasilkan analisis dan informasi yang akurat dan cepat terlihat dari hasil t-test yang sudah dilakukan, dimana dihasilkan t critical one-tail 2,109815578 sedangkan nilai t start adalah 0. sehingga sitem tersebut dapat di gunakan oleh para pemodal maupun lembaga pendidikan yang berkeinginan mendirikan caban. 5.2.

Saran

Berdasarkan hasil penelitian tersebut maka Beberapa hal yang perlu disarankan, antara lain : 1. Obyek penelitian dapat di gunakan untuk Lokasi mana saja. 2. Jumlah lokasi yang di harapkan bisa di tambah sesuai dengan kebutuhan. 3. Penerapan FMADM dengan metode SAW juga ini dapat diterapkan ke banyak hal guna penelitian.


83

Jurnal Teknologi Informasi, Volume 9 Nomor 2, Oktober 2013, ISSN 1414-9999 DAFTAR PUSTAKA

[1] Direktorat Pembinaan Kursus dan Pelatihan. (2012) www.infokursus.net/perijinan.php. [Online]. HYPERLINK "http://www.infokursus.net" http://www.infokursus.net [2] Direktorat Pembinaan Kursus dan Pelatihan. www.infokursus.net. [Online]. HYPERLINK "http://www.infokursus.net" http://www.infokursus.net [3] Devy Trisnawati Putri, Arna Fariza Afrida Helen, "Penentuan Lokasi Pembukaan Cabang Baru LBB dengan Metode AHP - GIS," 2010. [4] Nusa Sebayang, Yutadi. Try Agus Sudarmadi, "Studi Penentuan Lokasi Terminal Angkutan Barang di Kabupaten Bangli Profinsi Bali.," 2007. [5] Lutfiyah Rahmawati, Arna Fariza. Ira Prasetyaningrum, "Penentuan Lokasi Rumah Pompa Kota Surabaya Menggunakan Metode Analytical Hierarchy Process (AHP)," 2010. [6] Retno Kusumaningrum, "Perancangan Model Pendukung Keputusan Untuk Penentuan Lokasi Industri Berdasarkan Proses Hierarki Analitik (AHP)," 2006. [7] E. Turban, J.E. Aronson, and T. Liang, Decision Support System and Intelligent System. New Jersey: Pearson Prantice Hall, 2005. [8] Kusrini, Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta: Andi Offset, 2007. [9] Sri Kusumadewi and Hari Purnomo, Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu, 2010. [10] H.J. Zimmerman, Fuzzy Sets Theory and Its Applications.: Kluwer Publishing Company, 1985. [11] Wiiliam Siller and James J. Buckley, Fuzzy Expert System and Fuzzy Reasoning. New Jersey: Jhon Willey and Son, Inc., 2005. [12] Et. Al Sinavandam S.N., Introduction to Fuzzy Logic Using MATLAB. Berlin: SpringlerVerlag, 2007. [13] Sri Kusumadewi, Fuzzy Multi-Attribute Decision Making. Yogyakarta: Graha Ilmu, 2006.

84


Jurnal Teknologi Informasi, Volume 9 Nomor 2, Oktober 2013, ISSN

Recommend Documents