Sistem Pendukung Keputusan Pemilihan Dosen Berprestasi Menggunakan Metode Simple Additive Weighting di Lingkungan Universitas Lampung

Vol. 3, No. 2, 2015

Jurnal Komputasi

©2014 Ilmu Komputer Unila Publishing Network all right reserved

Sistem Pendukung Keputusan Pemilihan Dosen Berprestasi Menggunakan Metode Simple Additive Weighting di Lingkungan Universitas Lampung 1

Didik Kurniawan, 2Wamiliana dan 3Rizqi Chandra Aditya 1

Jurusan Ilmu Komputer FMIPA Unila 2 Jurusan Matematika FMIPA Unila 3 Jurusan Ilmu Komputer FMIPA Unila

Abstract The selection of good achievement lecturers is a recognition for those lecturers who already had been conducting three principles of higher education with very good results. The selection of those lecturers in The University of Lampung is conducted annually. In the process of selection, the university will appoint assessing team to conduct assessments to the candidates. However, this assessment process is still conducted manually so that it will take a time to process the data. In addition, the assessment is still subjective in nature and is not yet relevant to the real conditions. Based on this background, the objective of this research was to build a decision support system to use in conducting selection process of good achievement lecturers in The University of Lampung. This decision support system was built based on web by using PHP programming language and MySQL as database, and Simple Additive Weighting method for making the decision. This method was used to determine point values of each criterion, and then ranked score was made to determine the best solution. The testing of the application using black box showed that this system was able to run properly. The results also influence the academic atmosphere and institutional quality. Keywords: decision support system, selection of good achievement lecturers , simple additive weighting

1

Pendahuluan

Dosen merupakan tenaga akademik yang bertugas merencanakan dan melaksanakan proses pembelajaran, menilai hasil pembelajaran, melakukan pembimbingan dan pelatihan, serta melakukan penelitian serta pengabdian kepada masyarakat. Berdasarkan UU RI No. 14 tahun 2005 tentang Guru dan Dosen, Pasal 51 Ayat (1) Butir b, bahwa dosen berhak mendapatkan promosi dan penghargaan sesuai dengan kinerja akademiknya. Pemilihan dosen berprestasi adalah pemberian pengakuan kepada dosen yang secara nyata dan luar biasa melakukan kegiatan Tridharma Perguruan Tinggi yang hasilnya dapat dibanggakan dan bermanfaat bagi kemajuan peningkatan kualitas akademik dan kelembagaan [1]. Pemilihan dosen berprestasi di lingkungan Universitas Lampung (Unila) dilakukan setiap tahun dengan proses berjenjang dimulai dari tingkat fakultas kemudian di tingkat universitas. Dosen yang terpilih sebagai dosen berprestasi nantinya akan mendapat reward finansial dan reward non-finansial. Dosen yang terpilih juga berkesempatan mewakili universitas untuk berlomba menjadi dosen berprestasi di tingkat nasional. Dalam proses penilaian dosen berprestasi, fakultas dan universitas menunjuk tim penilai untuk melakukan penilaian terhadap kandidat dosen. Namun, proses penilaian tersebut masih dilakukan secara manual, sehingga memerlukan waktu yang cukup lama untuk melakukan pengolahan data. Selain itu, penilaian masih bersifat subyektif dan belum relevan dengan keadaan yang sebenarnya. Berdasarkan hal tersebut pada penelitian ini dibangun sistem pendukung keputusan yang digunakan untuk melakukan proses seleksi pemilihan dosen beprestasi di Universitas Lampung. Sistem pendukung keputusan yang dibangun berbasis web dengan menggunakan bahasa pemrograman PHP dan MySQL sebagai basis data.

http://jurnal.fmipa.unila.ac.id/index.php/komputasi

Hal. 90 dari 168

Vol. 3, No. 2, 2015

Jurnal Komputasi


Pada penelitian ini digunakan penyelesaian masalah Multiple Attribute Decision Making (MADM) dengan metode Simple Additive Weighting (SAW). Metode ini dipilih karena dapat menentukan nilai bobot dari setiap kriteria, yang kemudian dilakukan proses perangkingan untuk menentukan alternatif terbaik dari sejumlah alternatif [2]. Dengan metode perangkingan tersebut, diharapkan penilaian dapat lebih tepat karena didasarkan pada nilai kriteria dan bobot yang sudah ditentukan sehingga mendapat hasil penilaian yang lebih akurat terhadap siapa yang mendapat predikat dosen berprestasi. Kriteria yang digunakan dalam penilaian dosen berprestasi mengikuti kriteria yang telah ditentukan oleh Direktorat Jenderal Pendidikan Tinggi melalui buku “Pedoman Umum Pemilihan Dosen Berprestasi” tahun 2014 [1]. Dengan adanya sistem pendukung keputusan penentuan dosen berprestasi di lingkungan Universitas Lampung menggunakan metode Simple Additive Weighting diharapkan dapat membantu menyelesaikan permasalahan penentuan dosen berpretasi, sehingga proses penyeleksian dapat berlangsung lebih cepat dan tepat serta meminimalisir terjadinya penilaian bersifat subyektif dan tidak relevan. Sistem pendukung keputusan (SPK) merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi yang semiterstruktur dan situasi yang tidak terstruktur, di mana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat [3]. Untuk membuat sistem ini digunakan metode 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. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada [4]. Menurut Kusumadewi [4] langkah pengambilan keputusan dengan metode Simple Additive Weighting (SAW) sebagai berikut : 1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci. 2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria. 3. Membuat matriks keputusan berdasarkan kriteria (Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan 1 yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. xij Max xij

jika j adalah atribut keuntungan (benefit)

i

rij =

(1) Min xij i

jika j adalah atribut biaya (cost)

xij 4. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot berdasarkan persamaan 2. Sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi. n

Vi =

∑w r

j ij

(2)

j=1


Hal. 91 dari 168

Vol. 3, No. 2, 2015

Jurnal Komputasi


2

Metode Penelitian

Metode penelitian yang digunakan adalah studi literatur dengan membaca buku-buku dan jurnaljurnal yang berkaitan dengan sistem pendukung keputusan, dan metode pengambilan keputusan Multiple Attribute Decision Making (MADM) dengan metode Simpple Additive Weighting (SAW). Tujuan studi literatur adalah memperoleh sumber referensi untuk memudahkan pelaksanaan penelitian ini. Metode pengembangan sistem yang digunakan mengikuti kerangka kerja System Development Life Cycle (SDLC), dengan metode waterfall. Tahap-tahap pada metode waterfall adalah perencanaan sistem, analisis, desain dan implementasi.

2.1

Perancangan Sistem

Tahapan perancangan sistem meliputi diagram konteks, data flow diagram, dan entity relationship diagram (ERD).

Diagram Konteks Diagram Konteks menggambarkan aliran data dari sistem pendukung keputusan yang dibuat secara keseluruhan. Diagram Konteks memiliki satu proses utama, melibatkan eksternal entity dan arus datanya. Diagram Konteks dari Sistem Pendukung Keputusan Pemilihan Dosen Beprestasi ditampilkan pada Gambar 1.

Gambar 1 Diagram Konteks

Data Flow Diagram (DFD) Data Flow Diagram menggambarkan proses-proses yang terjadi pada diagram konteks secara terperinci dan melibatkan data store untuk menyimpan dan memperoleh informasi dari proses yang dilakukan. DFD dari Sistem Pendukung Keputusan Pemilihan Dosen Beprestasi ditampilkan pada Gambar 2.

Gambar 2 Data Flow Diagram


Hal. 92 dari 168

Vol. 3, No. 2, 2015

Jurnal Komputasi


Entity Relationship Diagram (ERD) Entitiy Relationship Diagram merupakan tahapan pemodelan data dari suatu sistem, untuk menjelaskan hubungan antar data dalam database berdasarkan objek-objek dasar data yang mempunyai hubungan antar relasi. ERD digunakan untuk memodelkan struktur data dan hubungan antar data. ERD dari Sistem Pendukung Keputusan Pemilihan Dosen Beprestasi ditampilkan pada Gambar 3.

Gambar 3 Entity Relationship Diagram

3 3.1

Pembahasan Implementasi Metode SAW

Dalam penerapan SPK menggunakan metode Simple Additive Weighting terdapat beberapa proses sebagai berikut. 1.

Menentukan kriteria. Kriteria yang dijadikan acuan dalam pengambilan keputusan, yaitu Ci beserta bobot masingmasing kriteria yaitu (W). Kriteria dan bobot yang dijadikan acuan untuk menentukan pemilihan dosen berprestasi dapat dilihat pada Tabel 1 . Tabel 1 Kriteria Pemilihan Dosen Berprestasi No 1

2

3

4 5

Kriteria Karya Prestasi Unggul a. Materi Prestasi b. Presentasi c. Wawancara/Tanya Jawab d. Kepribadian/Integritas Pengajaran a. Penelitian Internasional b. Penelitian Nasional Pengajaran a. Ijazah b. Mengajar c. Membimbing Skripsi Pengabdian Penunjang


Bobot (%) 75 18,75 18,75 18,75 18,75 11,25 6 5,25 8,75 2,95 2,9 2,9 2,5 2,5

Atribut Benefit Benefit Benefit Benefit Benefit Benefit Benefit Benefit Benefit Benefit Benefit

Hal. 93 dari 168

Vol. 3, No. 2, 2015

Jurnal Komputasi


Jumlah

2.

100%

Menentukan himpunan kriteria. Setiap kriteria memiliki himpunan dan nilai himpunan yang berbeda-beda. Himpunan dari masingmasing kriteria dapat dilihat pada Tabel 2 sampai dengan Tabel 12. Tabel 2 Himpunan Kriteria Materi Prestasi (C1) No 1 2 3 4 5 6 7

Himpunan Nilai 96-100 Nilai 91-95 Nilai 86-90 Nilai 81-85 Nilai 76-80 Nilai 70-75 Nilai <70

Nilai 10 9 8 7 6 5 4

Tabel 4 Himpunan Kriteria Wawancara/Tanya Jawab (C3) No 1 2 3 4 5 6 7


Himpunan >3 Penelitian 3 Penelitian 2 Penelitian 1 Penelitian Tidak Ada

No 1 2 3 4 5 6 7


Nilai 10 9 8 7 6 5 4

Tabel 5 Himpunan Kriteria Kepribadian/Integritas (C4) No 1 2 3 4 5 6 7

Nilai 10 9 8 7 6 5 4

Tabel 6 Himpunan Kriteria Penelitian Internasional (C5) No 1 2 3 4 5

Tabel 3 Himpunan Kriteria Presentasi (C2)


Nilai 10 9 8 7 6 5 4

Tabel 7 Himpunan Kriteria Penelitian Nasional (C6)

Nilai 10 8 6 4 0

No 1 2 3 4 5 2

Himpunan >3 Penelitian 3 Penelitian 2 Penelitian 1 Penelitian Tidak Ada Tidak

Nilai 10 8 6 4 0 1

Tabel 8 Himpunan Kriteria Ijazah (C7) No 1 2

Himpunan S3 S2

Nilai 10 5

Tabel 9 Himpunan Kriteria Mengajar (C8) No 1 2 3 4 5

Tabel 10 Himpunan Kriteria Membimbing Skripsi (C9) No 1 2 3 4 5

Himpunan Sangat Baik Baik Cukup Kurang Sangat Kurang

Nilai 10 8 6 4 2

Himpunan Bergelar Profesor

Nilai 10 8 6 4 2

Tabel 11 Himpunan Kriteria Pengabdian (C10)

Tabel 12 Himpunan Kriteria Penunjang (C11) No 1


Nilai 10


No 1 2 3 4 5


Nilai 10 8 6 4 2

Hal. 94 dari 168

Vol. 3, No. 2, 2015

Jurnal Komputasi


3.

Menentukan rating kecocokan setiap alternatif pada setiap kriteria. Data penilaian dosen yang digunakan adalah data yang dibangkitkan dan hanya untuk simulasi. Data penilaian dosen ditampilkan pada Tabel 13. Dari tabel penilaian tersebut, maka dapat dibuat data rating kecocokan setiap alternatif pada setiap kriteria yang ditampilkan pada Tabel 14. Tabel 13 Data Penilaian Dosen ID Dosen 1 Dosen 2 Dosen 3 Dosen 4 Dosen 5 Dosen 6 Dosen 7 Dosen 8 Dosen 9 Dosen 10 Dosen 11 Dosen 12

C1 Nilai 96 - 100 Nilai 76 - 80 Nilai 70 - 75 Nilai 76 - 80 Nilai 91 - 95 Nilai 70 - 75 Nilai 91 - 95 Nilai 81 - 85 Nilai 91 - 95 Nilai 91 - 95 Nilai 76 - 80 Nilai 70 - 75



C4 Nilai 91- 95 Nilai 86 - 90 Nilai 70 - 75 Nilai 91- 95 Nilai 70 - 75 Nilai 91- 95 Nilai 86 - 90 Nilai 86 - 90 Nilai 70 - 75 Nilai 91- 95 Nilai 70 - 75 Nilai 76 - 80

C5

C6

C7

C8

C9

C10

C11

Baik

Baik

Tidak

Sangat Sangat Baik Baik Baik

Tidak

1 Penelitian 2 Penelitian S2 Baik 2 Penelitian 3 Penelitian S2

1 Penelitian 1 Penelitian S2 Cukup

Baik Cukup Tidak

Tidak Ada 1 Penelitian S2 Baik Kurang Cukup Tidak 1 Penelitian 2 Penelitian S3

Sangat Baik

Baik

Baik

Bergelar Prof.

3 Penelitian 1 Penelitian S2 Kurang Kurang Baik

Tidak

2 Penelitian Tidak Ada S3 Baik Kurang Baik

Bergelar Prof.

Sangat Cukup Tidak Baik Bergelar S3 Cukup Kurang Baik Prof. Sangat S3 Kurang Cukup Tidak Baik Sangat S2 Cukup Cukup Tidak Baik Sangat Sangat Bergelar S3 Kurang Baik Baik Prof.

3 Penelitian 1 Penelitian S3 Cukup Tidak Ada 3 Penelitian >3 Penelitan 2 Penelitan 1 Penelitian 3 Penelitian 2 Penelitian 2 Penelitian

Tabel 14 Data Rating Kecocokan ID Dosen1 Dosen2 Dosen3 Dosen4 Dosen5 Dosen6 Dosen7 Dosen8 Dosen9 Dosen10 Dosen11 Dosen12

4.

C1 C2 C3 10 5 5 6 8 6 5 5 8 6 8 9 9 6 9 5 8 7 9 5 7 7 5 5 9 8 9 9 6 7 6 5 5 5 5 8

C4 9 8 5 9 5 9 8 8 5 9 5 6

C5 4 6 4 0 4 8 6 8 0 10 4 6

C6 6 8 4 4 6 4 0 4 8 6 8 6

C7 5 5 5 5 10 5 10 10 10 10 5 10

C8 8 10 6 8 10 4 8 6 6 4 10 10

C9 C10 C11 8 8 1 10 8 1 8 6 1 4 6 1 8 8 10 4 8 1 4 8 10 10 6 1 4 8 10 10 6 1 6 6 1 4 10 10

Melakukan normalisasi matriks berdasarkan Persamaan 1. Normalisasi disesuaikan dengan jenis atribut (atribut benefit ataupun atribut cost) sehingga diperoleh matriks ternormalisasi R. Proses normalisasi ditampilkan pada Tabel 15. Hasil normalisasi ditampilkan pada Tabel 16.


Hal. 95 dari 168

Vol. 3, No. 2, 2015

Jurnal Komputasi


Tabel 15 Proses Normalisasi ID Dosen1 Dosen2 Dosen3 Dosen4 Dosen5 Dosen6 Dosen7 Dosen8 Dosen9 Dosen10 Dosen11 Dosen12

C1 10/10 6/10 5/10 6/10 9/10 5/10 9/10 7/10 9/10 9/10 6/10 5/10

C2 5/8 8/8 5/8 8/8 6/8 8/8 5/8 5/8 8/8 6/8 5/8 5/8

C3 5/9 6/9 8/9 9/9 9/9 7/9 7/9 5/9 9/9 7/9 5/9 8/9

C4 9/9 8/9 5/9 9/9 5/9 9/9 8/9 8/9 5/9 9/9 5/9 6/9

C5 4/10 6/10 4/10 0/10 4/10 8/10 6/10 8/10 0/10 10/10 4/10 6/10

C6 6/8 8/8 4/8 4/8 6/8 4/8 0/8 4/8 8/8 6/8 8/8 6/8

C7 5/10 5/10 5/10 5/10 10/10 5/10 10/10 10/10 10/10 10/10 5/10 10/10

C8 8/10 10/10 6/10 8/10 10/10 4/10 8/10 6/10 6/10 4/10 10/10 10/10

C9 8/10 10/10 8/10 4/10 8/10 4/10 4/10 10/10 4/10 10/10 6/10 4/10

C10 8/10 8/10 6/10 6/10 8/10 8/10 8/10 6/10 8/10 6/10 6/10 10/10

C11 1/10 1/10 1/10 1/10 10/10 1/10 10/10 1/10 10/10 1/10 1/10 10/10

Tabel 16 Hasil Normalisasi ID Dosen1 Dosen2 Dosen3 Dosen4 Dosen5 Dosen6 Dosen7 Dosen8 Dosen9 Dosen10 Dosen11 Dosen12

C1 1 0.6 0.5 0.6 0.9 0.5 0.9 0.7 0.9 0.9 0.6 0.5

C2 0.625 1 0.625 1 0.75 1 0.625 0.625 1 0.75 0.625 0.625

C3 0.556 0.667 0.889 1 1 0.778 0.778 0.556 1 0.778 0.556 0.889

C4 1 0.889 0.556 1 0.556 1 0.889 0.889 0.556 1 0.556 0.667

C5 0.4 0.6 0.4 0 0.4 0.8 0.6 0.8 0 1 0.4 0.6

C6 0.75 1 0.5 0.5 0.75 0.5 0 0.5 1 0.75 1 0.75

C7 0.5 0.5 0.5 0.5 1 0.5 1 1 1 1 0.5 1

C8 0.8 1 0.6 0.8 1 0.4 0.8 0.6 0.6 0.4 1 1

C9 0.8 1 0.8 0.4 0.8 0.4 0.4 1 0.4 1 0.6 0.4

C10 0.8 0.8 0.6 0.6 0.8 0.8 0.8 0.6 0.8 0.6 0.6 1

C11 0.1 0.1 0.1 0.1 1 0.1 1 0.1 1 0.1 0.1 1

Proses perangkingan diperoleh berdasarkan Persamaan 2 yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi. 5.

Mencari alternatif terbaik menggunakan Persamaan 2 : V1 = (1 x 18,75) + (0,625 x 18,75) + (0,556 x 18,75) + (1 x 18,75) + (0,4 x 6) + (0,75 x 5,25) + (0,5 x 2,95) + (0,8 x 2,9) + (0,8 x 2,9) + (0,8 x 2,5) + (0,1 x 2,5) = 74,346 V2 = (0,6 x 18,75) + (1 x 18,75) + (0,667 x 18,75) + (0,889 x 18,75) + (0,6 x 6) + (1 x 5,25) + (0,5 x 2,95) + (1 x 2,9) + (1 x 2,9) + (0,8 x 2,5) + (0,1 x 2,5) = 77,55 V3 = (0,5 x 18,75) + (0,625 x 18,75) + (0,889 x 18,75) + (0,556 x 18,75) + (0,4 x 6) + (0,5 x 5,25) + (0,5 x 2,95) + (0,6 x 2,9) + (0,8 x 2,9) + (0,6 x 2,5) + (0,1 x 2,5) = 60,498 V4 = (0,6 x 18,75) + (1 x 18,75) + (1 x 18,75) + (1 x 18,75) + (0 x 6) + (0,5 x 5,25) + (0,5 x 2,95) + (0,8 x 2,9) + (0,4 x 2,9) + (0,6 x 2,5) + (0,1 x 2,5) = 76,83 V5 = (0,9 x 18,75) + (0,75 x 18,75) + (1 x 18,75) + (0,556 x 18,75) + (0,4 x 6) + (0,75 x 5,25) + (1 x 2,95) + (1 x 2,9) + (0,8 x 2,9) + (0,8 x 2,5) + (1 x 2,5) = 79,12 V6 = (0,5 x 18,75) + (1 x 18,75) + (0,778 x 18,75) + (1 x 18,75) + (0,8 x 6) + (0,5 x 5,25) + (0,5 x 2,95) + (0,4 x 2,9) + (0,4 x 2,9) + (0,8 x 2,5) + (0,1 x 2,5) = 74,933


Hal. 96 dari 168

Vol. 3, No. 2, 2015

Jurnal Komputasi


V7 = (0,9 x 18,75) + (0,625 x 18,75) + (0,778 x 18,75) + (0,889 x 18,75) + (0,6 x 6) + (0 x 5,25) + (1 x 2,95) + (0,8 x 2,9) + (0,4 x 2,9) + (0,8 x 2,5) + (1 x 2,5) = 74,38 V8 = (0,7 x 18,75) + (0,625 x 18,75) + (0,556 x 18,75) + (0,889 x 18,75) + (0,8 x 6) + (0,5 x 5,25) + (1 x 2,95) + (0,6 x 2,9) + (1 x 2,9) + (0,6 x 2,5) + (0,1 x 2,5) = 68,703 V9 = (0,9 x 18,75) + (1 x 18,75) + (1 x 18,75) + (0,556 x 18,75) + (0 x 6) + (1 x 5,25) + (1 x 2,95) + (0,6 x 2,9) + (0,4 x 2,9) + (0,8 x 2,5) + (1 x 2,5) = 80,4 V10 = (0,9 x 18,75) + (0,75 x 18,75) + (0,778 x 18,75) + (1 x 18,75) + (1 x 6) + (0,75 x 5,25) 2,95) + (0,4 x 2,9) + (1 x 2,9) + (0,6 x 2,5) + (0,1 x 2,5) = 82,937

+ (1 x

V11 = (0,6 x 18,75) + (0,625 x 18,75) + (0,556 x 18,75) + (0,556 x 18,75) + (0,4 x 6) + (1 x 5,25) + (0,5 x 2,95) + (1 x 2,9) + (0,6 x 2,9) + (0,6 x 2,5) + (0,1 x 2,5) = 59,334 V12 = (0,5 x 18,75) + (0,625x 18,75) + (0,889 x 18,75) + (0,667 x 18,75) + (0,6 x 6) + 5,25) + (1 x 2,95) + (1 x 2,9) + (0,4 x 2,9) + (1 x 2,5) + (1 x 2,5) = 69,816

(0,75 x

Nilai yang terbesar terdapat pada V10, sehingga alternatif A10 yaitu dosen dengan id Dosen10 yang terpilih sebagai alternatif terbaik. Dengan kata lain, Dosen10 merupakan dosen yang menjadi pemenang pertama pada pemilihan dosen berprestasi di Universitas Lampung pada tahun ini.

3.2

Deskripsi Program

Hasil implementasi dalam penelitian ini terdiri dari tampilan antarmuka sistem dan fungsi-fungsi sistem. Halaman yang dihasilkan yaitu halaman data kriteria, data himpunan, data dosen, perhitungan, dan hasil seleksi. Halaman yang menampilkan hasil perankingan dari perhitungan SPK yaitu halaman hasil seleksi. Halaman hasil seleksi ditampilkan pada Gambar 4.

Gambar 4 Halaman Hasil Seleksi


Hal. 97 dari 168

Vol. 3, No. 2, 2015

Jurnal Komputasi


3.3

Pengujian

Pengujian sistem ini menggunakan metode pengujian black box testing, dimana pengujian black box testing berfokus pada output yang dihasilkan dari input. Metode pengujian black box yang digunakan pada penelitian ini adalah metode equivalen partitioning (EP). Pengujian ini dilakukan dengan membagi domain input ke dalam kelas-kelas sehingga test case pada sistem dapat diperoleh. Hasil pengujian yang dilakukan dengan black box testing menggunakan metode equivalent partitioning didapatkan bahwa Sistem Pendukung Keputusan Pemilihan Dosen Berprestasi menggunakan Metode Simple Additive Weighting di Universitas Lampung telah berhasil dan berjalan dengan baik. Pengujian fungsional yang dilakukan tidak menemukan kendala dalam sistem. Berdasarkan pengujian equivalen partitioning didapat hasil sebagai berikut : 1. Sistem dapat menampilkan seluruh proses perhitungan metode Simple Additive Weighting dengan lengkap, mulai dari proses data penilaian dosen, proses menentukan rating kecocokan alternatif pada kriteria, hasil normalisasi, dan hasil preferensi 2. Sistem dapat menampilkan hasil seleksi berupa tabel lengkap dan juga berupa teks deskriptif untuk memudahkan tim seleksi yang pada sistem disebut pengguna/admin dalam membaca data dan menentukan pemenang pemilihan dosen berprestasi. Sistem juga dapat mencetak hasil seleksi tersebut. 3. Sistem dapat menampilkan data peserta pada tahun sebelumnya. Sistem juga dapat mencetak data peserta tersebut. 4. Sistem dapat menampilkan, menambah, menghapus, dan mengupdate Data Kriteria, Data Himpunan, dan Data Dosen dengan baik. 5. Sistem dapat mengubah password pengguna. Proses penghitungan yang ditampilkan oleh sistem pendukung keputusan memiliki hasil yang sama dengan proses penghitungan manual. Maka dapat disimpulkan bahwa perhitungan sistem pendukung keputusan sudah benar dan akurat sehingga bisa digunakan sebagai dasar acuan dalam proses pemilihan dosen berprestasi di Universitas Lampung.

4. Kesimpulan Berdasarkan hasil penelitian yang telah dilakukan dapat disimpulkan beberapa hal sebagai berikut : 1. Sistem pendukung keputusan pemilihan dosen berprestasi menggunakan metode Simple Additive Weighting di lingkungan Universitas Lampung telah berhasil dibangun untuk membantu menyelesaikan permasalahan penentuan dosen berpretasi sesuai kebutuhan. 2. Metode Simple Additive Weighting (SAW) dapat diimplementasikan sebagai salah satu alternatif dalam proses pengambilan keputusan. 3. Sistem ini sedapat mungkin menjalankan proses seleksi secara objektif berdasarkan kriteria yang ada.

5. [1] [2]

[3] [4]

Referensi Direktorat Jendral Pendidikan Tinggi, Departemen Pendidikan Nasional., Pedoman Umum Pemilihan Dosen Berprestasi. Depdiknas, Jakarta (2014). Eniyati, Sri., Perancangan Sistem Pendukung Pengambilan Keputusan untuk Penerimaan Beasiswa dengan Metode SAW (Simple Additive Weighting), Jurnal Teknologi Informasi DINAMIK, Vol.16, No.2, 171-177 (2011). Alter, Steven., Information System, Foundation of E-busines. Prentice Hall, London (2002). Kusumadewi, Sri., Hartati, S., Harjoko, A., dan Wardoyo, R., Fuzzy Multi Attribute Decision Making (FUZZY MADM). Penerbit Graha Ilmu, Yogyakarta (2006).


Hal. 98 dari 168

Sistem Pendukung Keputusan Pemilihan Dosen Berprestasi Menggunakan Metode Simple Additive Weighting di Lingkungan Universitas Lampung

Recommend Documents