PENENTUAN SISWA BERPRESTASI PADA SMK WIDYA YAHYA GADINGREJO DENGAN METODE SAW RATIH ERNAWATI
Jurusan Sistem Informasi, Sekolah Tinggi Manajemen dan Informatika STMIK Pringsewu Lampung Jl. Wismarini no.09 (0729) 22240 Pringsewu 35373 E-mail:
[email protected]
ABSTRAK
SMK Widya Yahya Gadingrejo merupakan Sekolah Menengah Kejuruan yang unggul dalam bidang teknologi. Dengan dibantu tenaga pengajar serta dilengkapi sarana dan prasarana yang optimal dalam kegiatan belajar mengajar, menghasilkan siswa yang terampil dan berwawasan luas. Sehingga menghasilkan kandidat-kandidat siswa yang berpeluang mendapatkan prestasi. Prestasi yang mereka peroleh dapat berupa prestasi akademik maupun nonakademik. Semua itu masuk dalam kriteria siswa yang dianggap berprestasi. Untuk membantu penentuan dalam penetapan siswa yang dianggap berprestasi maka dibutuhkan sebuah Sistem Pendukung Keputusan. Dalam proses pembangunan system pendukung keputusan untuk menentukan siswa berprestasi pada SMK Widya Yahya Gadingrejo digunakan metode Fuzzy Multiple Attribut Decission Making (FMADM) dengan metode Simple Additive Weighting (SAW). Metode ini dipilih karena mampu menyeleksi alternative terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksudkan yaitu siswa yang dikatakan mendapatkan prestasi berdasarkan atas kriteria-kriteria tertentu. Penelitian dilakukan dengan mencari nilai bobot untuk setiap atribut, kemudian dilakukan proses perankingan yang akan menentukan alternative yang optimal, yaitu siswa berprestasi.
Kata Kunci: Sistem Pendukung Keputusan, FMADM, SAW, Kriteria.
1.
1.3
PENDAHULUAN
Tujuan Penelitian
Tujuan yang dicapai dalam penelitian ini 1.1
adalah :
Latar Belakang
Teknologi diciptakan untuk memberikan
a. Untuk relatif
memudahkan para guru
kemudahan pada manusia. Salah satu contoh
dalam menyeleksi siswa yang paling
teknologi
adalah
berprestasi.
memiliki
suatu
kemampuan
komputer. sistem
membantu
Komputer
yang
memiliki
manusia
dalam
memecahkan masalah. Dan salah satu sistem tersebut
adalah
Keputusan.
Sistem
Fuzzy
Multiple
Pendukung Atrtribute
b. Untuk mendapatkan hasil yang lebih akurat terhadap siapa yang dianggap siswa berprestasi. c. Menerapkan
metode
Fuzzy
Multiple
Attribute Decision Making (FMADM)
Decision Making (FMADM) merupakan
dengan
salah
Weighting (SAW) untuk menentukan
satu
metode
dalam
mengambil
keputusan untuk mencari alternatif yang optimal
dari
kriteria-kriteria
metode
Simple
Additive
penerima siswa berprestasi.
yang
berhubungan dengan sistem. Salah satu
1.4 Batasan Masalah
metode dari FMADM adalah metode Simple
Pada
Additive Weighting (SAW). Dengan alur
menentukan siswa berprestasi ini cukup
algoritma yang sederhana tetapi dapat
luas,
menjadi bahan solusi terhadap permasalahan
direncanakan
dalam menentukan tingkatan prestasi dari
batasan-batasan agar tujuan penelitian dapat
para siswa.
tercapai. Adapun batasan-batasan dalam
dasarnya
tetapi
permasalahan
agar
sesuai
sebelumnya
yang
dalam
telah
diperlukan
penelitian ini adalah sebagai berikut : 1.2
1. Data yang dianalisa merupakan data
Rumusan Masalah
Bagaimana cara mengaplikasikan model
yang diperoleh dari SMK Widya
Fuzzy Multiple Attribute Decision Making
Yahya Gadingrejo.
(FMADM) dengan metode Simple Additive
2. Metode pengambilan data diperoleh
Weighting (SAW) untuk menentukan siswa
dengan menggunakan nilai raport
berprestasi
dan prestasi non akademik.
pada
SMK
Widya
Yahya
Gadingrejo sesuai dengan bobot dari kriteria yang sudah ditentukan.
3. Model
yang
digunakan
untuk
pengambilan keputusan yaitu model
Fuzzy Multiple Attribute Decision
yang sudah diberikan. Pada dasarnya, ada 3
Making (FMADM) dengan metode
pendekatan untuk mencari nilai bobot
Simple Additive Weighting (SAW).
atribut,
yaitu
pendekatan 2.
pendekatan
objektif
subjektif,
dan
pendekatan
integrasi antara subjektif dan objektif.
TINJAUAN PUSTAKA
Masing-masing
pendekatan
memiliki
2.1 Sistem Pendukung Keputusan
kelebihan dan kelemahan. Pada pendekatan
Menurut Raymond McLeod (1998), Sistem
subjektif, nilai bobot ditentukan berdasarkan
Pendukung
sistem
subjektivitas dari para pengambil keputusan,
penghasil informasi spesifik yang ditujukan
sehingga beberapa factor dalam proses
untuk memecahkan suatu masalah tertentu
perankingan
yang harus dipecahkan oleh manager pada
secara bebas. Pada pendekatan objektif, nilai
berbagai tingkatan. Menurut Litle, Sistem
bobot
Pendukung Keputusan adalah suatu sistem
pengambil keputusan, dalam jurnal (Henry,
informasi
Riska, Andi, Kunia, 2009).
Keputusan
berbasis
adalah
computer
yang
alternative
dihitung
secara
bias
ditentukan
matematis
dari
menghasilkan berbagai alternative keputusan
Ada beberapa metode yang dapat digunakan
untuk
untuk menyelesaikan masalah FMADM
membantu
manajemen
dalam
menangani berbagai permasalahan yang
yaitu:
terstruktur dengan menggunakan data dan
a. Simple Additive Weighting (SAW)
model, dalam jurnal (Verina, Yohana, &
b. Weighted Product (WP)
Kartina, 2012).
c. ELECTRE d. TOPSIS
(Technique
for
Order
Preference by Similarity to Ideal
2.2 FMADM
Solution)
Fuzzy Multiple Attribute Decision Making (FMADM) adalah suatu metode
e. Analytic Hierarchy Process (AHP)
yang
digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan criteria tertentu.
Inti
dari
FMADM
dilanjutkan
dengan
Algoritma FMADM adalah :
adalah
menentukan nilai bobot untuk setiap atribut, kemudian
2.2.1 Algoritma FMADM
proses
perankingan yang akan menyeleksi alternatif
1.
Memberikan nilai setiap alternatif (Ai) pada setiap
kriteria (Cj) yang sudah
ditentukan, Dimana nilai tersebut di
peroleh
berdasarkan
nilai
crisp;
Ai
i=1,2,…m dan j=1,2,…n. 2.
Memberikan
nilai
lebih
terpilih,
dalam
jurnal
(Kusumadewi,2007 dalam jurnal Abadi bobot
(W)
2010).
yang juga didapatkan berdasarkan nilai crisp. 3.
2.2.2 Langkah Penyelesaian
Melakukan
normalisasi
matriks
Dalam
menggunakan
FMADM metode SAW. Adapun langkah-
kinerja
langkahnya adalah:
ternormalisasi
(rij)
pada
Ai
berdasarkan
atribut
persamaan
dari Cj
1.
keuntungan/benefit atau atribut Apabila maka
=
MAKSIMUM
keputusan, yaitu Ci.
nilai
crisp
keuntungan
(Xij)
kolom atribut dibagi crisp MAX
2.
biaya/cost=MINIMUM).
berupa artibut
(MAX
Xij)
dari
Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
3.
dari setiap
dengan
Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan
yang
disesuaikan dengan jenis atribut (atribut
5.
ini
dengan cara menghitung nilai rating
alternatif
4.
penelitian
Membuat
matriks
berdasarkan
keputusan
kriteria
(Ci),
nilai
kemudianmelakukan
tiap
matriks berdasarkan persamaan yang
normalisasi
kolom, sedangkan untuk atribut biaya,
disesuaikan
nilai crisp MIN (MIN Xij) dari tiap
(atribut keuntungan ataupun atribut
kolom atribut dibagi dengan nilai crisp
biaya)
(Xij) setiap kolom.
ternormalisasi R.
perankingan yaitu penjumlahan
dari
(R) dengan nilai bobot (W).
perkalian matriks ternormalisasi
Menentukan
dengan
untuk setiap alternatif
(Vi)
dengan
diperoleh
matriks
cara mengalikan matriks ternormalisasi
preferensi
akhir
diperoleh
atribut
proses
nilai
Hasil
sehingga
jenis
dari
Melakukan proses perankingan dengan
4.
dengan
vektor
bobot
sehingga
diperoleh nilai terbesar yang dipilih
cara menjumlahkan hasil kali antara
sebagai alternatif terbaik (Ai) sebagai
matriks
solusi.
nilai
ternormalisasi
bobot
(R)
dengan
(W). Nilai Vi yang lebih
besar mengindikasikan bahwa alternatif
R
Simple Additive Weighting (SAW)
2.3
Metode SAW sering sering juga dikenal istilah Konsep
metode
penjumlahan
dasar
SAW
Nilai Vi yang lebih besar mengindikasikan bahwa alternative Ai lebih terpilih.
terbobot.
adalah
mencari
3.
HASIL DAN PEMBAHASAN
penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut.
3.1. Perancangan Sistem FMADM
Metode
proses
Penilaian dilakukan dengan melihat nilai-
normalisasi matriks keputusan (X) ke suatu
nilai terhadap indicator yaitu nilai raport
skala yang dapat diperbandingkan dengan
rata-rata, organisasi, prestasi akademik, dan
semua
ada,
prestasi ekstrakulikuler. Selanjutnya masing-
(Kusumadewi 2007 dalam jurnal Asep
masing indicator tersebut dianggap sebagai
Kamaludin, 2012).
criteria yang akan dijadikan sebagai factor
Formula
SAW
membutuhkan
rating
alternatif
untuk
melakukan
yang
normalisasi
untuk menentukan siswa berprestasi dan himpunan fuzzy nya adalah Sangat Rendah,
tersebut adalah sebagai berikut :
Rendah, Sedang, Tengah, Tinggi, dan Sangat Tinggi. Himpunan ini kemudian diperlakukan sebagai input kedalam system FMADM (dalam hal ini disebut Ci). Dimana
rij
adalah
rating
kinerja
ternormalisasi dari alternatif Ai pada atribut
3.2. Analisis Kebutuhan Input
Cj:
Input
i=1,2,…,m
dan
j=1,2,…n.
Nilai
untuk
melakukan
pengambilan
preferensi untuk setiap alternative (Vi)
keputusan dari beberapa alternative ini
diberikan sebagai :
dilakukan dengan pengumpulan data. 1. Data berupa data siswa. 2. Variable yang dibutuhkan adalah sebagai berikut :
Keterangan :
a. Nilai rata-rata raport
Vi = rangking untuk setiap alternatif
b. Organisasi
Wj = nilai bobot dari setiap criteria
c. Prestasi akademik
rij
d. Prestasi ekstrakulikuler
= nilai rating kinerja ternormalisasi.
e. Kelas
3.3. Analisis Kebutuhan Output
6. Sangat Tinggi (ST) = 1
Keluaran yang dihasilkan dari penelitian ini
Untuk mendapat variabel tersebut harus
adalah sebuah alternatif yang memiliki nilai
dibuat dalam sebuah grafik supaya lebih
tertinggi dibandingkan dengan alternatif
jelas pada gambar 1.
nilai yang lain. Pada penelitian ini hasil keluarannya diambil dari urutan alternatif tertinggi ke alternatif terendah. Alternatif yang dimaksud adalah prestasi siswa. 3.4. Kriteria Yang Dibutuhkan 3.4.1. Bobot Dalam metode penelitian ini ada bobot dan kriteria yang dibutuhkan untuk menentukan siapa yang akan terseleksi sebagai penerima prestasi terbaik. Adapun kriterianya adalah : C1 = Nilai rata-rata raport C2 = Organisasi C3 = Prestasi akademik C4 = Prestasi ekstrakulikuler C5 = Kelas Dari masing-masing bobot tersebut, maka dibuat suatu variabel-variabelnya. Dimana dari suatu variabel tersebut akan dirubah kedalam bilangan fuzzynya. Berikut adalah bilangan fuzzy dari bobot. 1. Sangat Rendah (SR) = 0 2. Rendah (R) = 0.2 3. Sedang (S) = 0.4 4. Tengah (T1) = 0.6 5. Tinggi (T2) = 0.8
Gambar 1. Grafik Bobot
3.4.2. Kriteria Nilai Raport Rata-Rata Variabel nilai raport rata-rata dikonversikan dengan bilangan fuzzy dibawah ini. Table 1. Nilai Raport Rata-Rata Nilai Raport Rata-Rata (C1)
Nilai
C1 ≤ 75
0.25
C1 < 81
0.5
C1 < 86
0.75
C1 ≥ 86
1
3.4.3. Kriteria Organisasi Variabel organisasi dikonversikan dengan bilangan fuzzy dibawah ini. Table 2. Organisasi Organisasi Yang Diikuti (C2)
Nilai
C2 = 1
0.25
C2 = 2
0.5
C2 = 3
0.75
C2 ≥ 4
1
3.4.4. Kriteria Prestasi Akademik
3.4.7. Masukan Data
Variabel prestasi akademik dikonversikan
Nilai dari setiap atribut yang merupakan
dengan bilangan fuzzy dibawah ini.
hasil proses penginputan data dari siswa
Table 3. Prestasi Akademik
yang sudah dikonfersikan berdasarkan bobot
Prestasi Akademik (C3)
criteria yang sudah ditentukan melalui
Nilai
proses perhitungan.
Ranking I
1
Ranking II
0.75
Tabel 4. Nilai setiap alternatif pada setiap
Ranking III
0.5
atribut setelah dikonfersikan berdasarkan
Ranking IV
0.25
bobot kriteria. Nama
3.4.5. Kriteria Prestasi Ekstrakulikuler Variabel
prestasi
dikonversikan
dengan
ekstrakulikuler bilangan
fuzzy
dibawah ini. Table 3. Prestasi Ekstrakulikuler
Agustin Ferdi Annisa Yulia Patricia Arman
C1 0.25 0.5 1 0.25 0.75 0.25
Atribut (Kriteria) C2 C3 C4 0.5 0.25 0.5 0.25 0.25 0.25 0.5 0.75 0.75 0.75 0.25 0.25 0.5 0.5 0.5 0.75 0.25 0.75
C5 0.25 0.5 1 0.25 0.5 1
Juara Lomba (C4) (kali)
Nilai
3.4.8. Hasil Seleksi
C4 = 1
0.25
Menampilkan alternatif siswa mulai dari
C4 > 1
0.5
hasil tertinggi sampai terendah.
C4 ≥ 4
0.75
Tabel 5. Hasil Proses Perankingan
C4 ≥ 6
1
Nama
3.4.6. Kriteria Kelas Variabel
kelas
dikonversikan
bilangan fuzzy dibawah ini.
dengan
Annisa Arman Patricia Agustin Yulia Ferdi
C1 1.00 0.25 0.75 0.25 0.25 0.50
Atribut (Kriteria) C2 C3 C4 0.67 1.00 1.00 1.00 0.33 1.00 0.67 0.67 0.67 0.67 0.33 0.67 1.00 0.33 0.33 0.33 0.33 0.33
C5 1.00 1.00 0.50 0.25 0.25 0.50
Hasil 4.67 3.58 3.25 2.17 2.17 2.00
Table 3. Kelas Kelas (C5)
Nilai
Perhitungan hasil akhir dengan mengambil
C5 = X
0.25
sample
C5 = XI
0.5
C5 = XII
1
nilai
X= Vector bobot :
atribut
dari
tiga
siswa.
Dari informasi yang ada, kemudian dibuat sebuah matrik hasil normalisasi R dari matrik
X
yang
dibuat
berdasarkan
persamaan (2.1).
R= Gambar 1. Tampilan Utama Hasil akhir diperoleh dari perkalian matrik berdasarkan persamaan (2.2).
4.2. Tampilan Hasil Seleksi
V1 = (0.25*0.8) + (1*0.4) + (0.33*1) + (0.66*0.6) + (0.25*0.2) = 1.38 V2 = (0.5*0.8) + (0.5*0.4) + (0.33*1) + (0.33*0.6) + (0.5*0.2) = 1.23 V3 = (1*0.8) + (1*0.4) + (1*1) + (1*0.6) + (1*0.2) = 3 Langkah terakhir adalah proses perankingan. Hasil perankingan diperoleh:
Gambar 2. Hasil Seleksi
V1 1.38; V2 1.23; V3 3. Jadi siswa yang berprestasi adalah siswa
5.
PENUTUP
yang memiliki hasil maksimum berdasarkan kriteria-kriteria yang ada. Dalam hal ini V3
5.1. Kesimpulan
memiliki nilai terbesar, sehingga siswa atas
Dibangunnya system pendukung keputusan
nama Annisa merupakan siswa berprestasi
untuk
pada SMK Widya Yahya.
berprestasi dengan menggunakan logika
membantu
menentukan
siswa
FMADM dengan menggunakan metode 4.
IMPLEMENTASI
Simple Additive Weighting (SAW) dapat mempercepat
4.1. Tampilan Program
proses
penentuan
siswa
berprestasi dengan perhitungan yang akurat. Pemberian
skala
preferensi
dari
konversi setiap
dan
bobot
bobot criteria
mempengaruhi
penilaian
dan
hasil
perhitungan SAW.
5.2. Saran Untuk selanjutnya dibangun aplikasi untuk system pendukung keputusan untuk perhitungan metode FMDAM dengan SAW.
DAFTAR PUSTAKA
Abadi, S. 2010. International Seminar On Business And Information Technology. Apriansyah,Diana.2011.Penentuan Penerima Beasiswa
dengan
Menggunakan
FuzzyMADM. SemnasIF. Asep. 2012. Sistem Pendukung Keputusan Dalam
Pemilihan
Kontrasepsi
Alternatif
Menggunakan
Alat Simple
Additive Weighting. Dani. 2012. Sistem Pendukung Keputusan Pemberian Beasiswa di PT.Indomarco Prismatama Cabang Bandung. Henry, Riska, Andi, Kurnia. 2009. Sistem Pendukung
Keputusan
Untuk
Menentukan Penerima Beasiswa Bank BRI Menggunakan FMADM. SNATI. Verina, Yohana, Kartina. 2012. Aplikasi Tutorial Sistem Pendukung Keputusan Menggunakan Metode Simple Additive Weighting. Jurnal teknik Informatika. Vol 1.
