SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN UNTUK SISWA MAN GRESIK DENGAN METODE PROFILE MATCHING

IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520



1

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN UNTUK SISWA MAN GRESIK DENGAN METODE PROFILE MATCHING Nur Afifah1, Andharini Dwi Cahyani2, Rika Yunitarini3 Program Studi Teknik Informatika, Universitas Trunojoyo Madura JL. Raya Telang, PO BOX 2, Kamal, Bangkalan-69162 e-mail: [email protected], [email protected], 3 [email protected] 123

Abstrak Siswa baru kelas X di MAN Gresik wajib memilih jurusan yang diminati. Selama ini proses penjurusan dilakukan secara manual sehingga perlu dibangun sistem pemberian rekomendasi penjurusan berbasis komputer. Untuk menentukan jurusan ada beberapa kriteria yang digunakan yaitu nilai tes tulis, nilai rapot SMP/MTs, nilai rata-rata ujian nasional SMP/MTs, minat siswa dan rekomendasi jurusan dari hasil tes psikologi. Dalam penelitian ini dilakukan penjurusan siswa baru berdasarkan kriteria tersebut dengan metode profile matching. Metode profile matching digunakan untuk membandingkan antara kompetensi individu ke dalam kompetensi ideal tiap jurusan. Siswa akan direkomendasikan ke jurusan yang memiliki nilai gap terkecil antara profil siswa dan profil ideal. Dalam penelitian ini juga digunakan metode SMARTER untuk melakukan pembobotan tiap kriteria. Pengujian aplikasi dilakukan dengan membandingkan data hasil rekomendasi dengan data di lapangan. Kata Kunci : Penjurusan, Sistem Pendukung keputusan, Profile Matching, SMARTER. Abstract New students of class X in MAN Gresik shall choose majors that they are interest in. During the years, this process is done manually, therefore we need to build a computer-based system to recommend the students major. To determine the students major, there are several criteria used namely: written test scores, score of SMP/MTs report, average score of the national exam SMP /MTs, student interest and majors recommendations from psychological tests. In this research, a new student majors is recommended based on these criteria with profile matching method. This profile matching method is used to match the students profile and the ideal profile of each major. Students will be recommended to the major that has the smallest gap between those profile. In this study we also used SMARTER method to weight each criterion. This application is tested by comparing the majors recommendation generated by the system and the real-world data. Keywords: Majors , decision support system , Profile Matching , SMARTER 1. PENDAHULUAN Perkembangan teknologi dan informasi saat ini berkembang dan berjalan sangat cepat di segala bidang kehidupan, salah satunya dalam bidang pendidikan. Dalam rangka meningkatkan mutu pendidikan banyak dari sekolah menerapakan sistem yang sudah terkomputerisasi yang dapat mempermudah dan lebih efesien. Proses penjurusan di MAN Gresik dilakukan pada saat siswa berada di awal kelas X. Dalam pemilihan jurusan untuk siswa kelas X masih dilakukan dengan manual, siswa diberikan angket minat yang kemudian akan dilakukan pencatatan oleh guru BK dan setelah itu dilakukan proses pengambilan keputusan. Pengambilan keputusan yang masih dilakukan dengan manual tersebut dirasa kurang ekonomis ditambah lagi banyaknya jumlah siswa pada kelas X pada

Received June 1st,2012; Revised June 25th, 2012; Accepted July 10th, 2012

2IJCCS

ISSN: 1978-1520



tahun ajaran 2014/2015 tercatat ± 280 siswa yang diproses, sehingga dapat memakan waktu yang lama. Pada penelitian ini dibuat sebuah aplikasi sistem pendukung keputusan penentuan jurusan untuk siswa. Dimana di MAN Gresik jurusan terbagi menjadi 4 yaitu Matematika dan Ilmu Alam (MIA), Ilmu-ilmu Sosial (IIS), Ilmu Bahasa dan Budaya (IBBU), dan Ilmu-ilmu Keagamaan (IIK). Dalam sistem pendukung keputusan ini menggunakan metode profile matching. Metode profile matching [1] merupakan proses membandingkan antara kompetensi individu ke dalam kompetensi ideal, dalam hal ini profil siswa akan dibandingkan dengan profil jurusan yang ideal sehingga dapat diketahui perbedaan kompetensi (gap). Semakin kecil gap yang dihasilkan maka bobot nilai semakin besar. Bobot profil siswa yang memiliki bobot tertinggi di profil jurusan akan dijadikan rekomendasi jurusan untuk setiap siswa. Dari latar belakang di atas, muncul beberapa permasalahan antara lain bagaimana membuat suatu sistem pendukung keputusan dalam penentuan jurusan untuk siswa kelas X di MAN Gresik dan bagaimana mengimplementasikan profile matching dalam menentukan jurusan yang tepat bagi siswa. 2. METODE PENELITIAN Pada aplikasi yang dibangun ini, ada 4 aktor yaitu Siswa, Admin, Guru BK dan Pimpinan. Adapun kegiatan yang dilakukan oleh keempat faktor tersebut dapat dilihat pada Gambar 1.

Gambar 1. Diagram Alur Sistem Aplikasi ini digunakan untuk membantu dalam menentukan jurusan yang cocok bagi para siswa-siswi MAN Gresik. Pertama kali siwa diberikan angket untuk mengisi biodata, nilai rapot SMP/MTs, serta mengisi jurusan yang dipilih. Kemudian admin atau guru bimbingan konseling akan menginputkan data pada sistem. Sebelumnya admin atau guru BK harus menginputkan kriteria penjurusan, komponen penilaian, bobot gapa setiap kriteria, klasifikasi nilai tiap kriteria, mengisi persentase core factor dan secondary factor, dan profile ideal setiap jurusan. Kriteria yang sudah dimasukkan akan dibobotkan dengan metode SMARTER. Bobot yang diperoleh dari metode SMARTER akan digunakan pada proses profile matching. A. Kriteria

Title of manuscript is short and clear, implies research results (First Author)

IJCCS

ISSN: 1978-1520

 3

Pada penelitian ini ada beberapa kriteria yang digunakan dalam menentukan jurusan untuk siswa, yaitu; 1. Nilai Tes Tulis Pada kriteria nilai tes tulis memiliki 5 komponen penilaian, yaitu nilai tes tulis Bahasa Inggris, nilai tes tulis Matematika, nilai tes tulis IPA, nilai tes tulis IPS, Nilai tes tulis dan nilai tes tulis PAI 2. Nilai Rapor SMP/MTs Pada kriteria nilai rapot SMP/MTs 36 komponen penilain, yang terdiri dari nilai selama 6 semester untuk mata pelajaran : 1. Nilai Bahasa Indonesia 2. Nilai Bahasa Inggris 3. Nilai Matematika 4. Nilai IPA 5. Nilai IPS 6. Nilai PAI 3. Nilai rata – rata Ujian Nasional SMP/MTs 4. Minat Siswa Komponen penilaian pada minat siswa yaitu minat Matematika dan Ilmu Alam (MIA), Ilmu-ilmu Sosial (IIS), Ilmu Bahasa dan Budaya (IBBU), dan Ilmu-ilmu Keagamaan (IIK). 5. Rekomendasi dari hasil Tes Psikologi B. Metode SMARTER (Simple Multi-Attribute Ratting Technique Exploiting Ranks) Metode SMARTER (Simple Multi-Attribute Rating Technique Exploiting Ranks) merupakan teknik pembobotan setiap kriteria dalam suatu pengambilan keputusan. Bobot setiap kriteria menentukan tingkat kepentingan dari kriteria tersebut. Rumus metode SMARTER secara umum : [2] ∑

,∀ = 1

……………………. (1)

Bobot W didapat dari : = ( )∑ ( ) …….……………… (2) Dimana Wj adalah nilai skala pembobotan kriteria ke-j dari k kriteria, dan Uij adalah nilai utility / alternatif i pada kriteria j. Ada 2 hal yang yang mendasari metode SMARTER yaitu : 1. Teknik yang sederhana lebih mudah digunakan sehingga lebih memungkinkan untuk digunakan oleh pembuat keputusan. 2. Teknik yang mudah lebih memungkinkan untuk mendapatkan keputusan yang dapat diandalkan. Pada metode SMARTER bobot tiap kriteria dihitung dengan menggunakan rumus pembobotan Rank Order Centroid (ROC). ROC ini didasarkan pada tingkat kepentingan atau prioritas dari kriteria. Pembobotan ROC didapat dengan prosedur matematika sederhana dari prioritas. Ide dasarnya dapat diilustrasikan dengan kasus 2 atribut A dan B. Jika A rangking pertama maka bobotnya harus berada antara 0,5 dan 1, sehingga titik tengah dari interval (0,75) diambil sebagai bobot perkiraan, yang merupakan dasar dari


4IJCCS

ISSN: 1978-1520



sebuah prinsip komitmen minimum. Seperti juga bobot B akan menjadi 0,25 (merupakan titik tengah antara 0,5 dan 0). Prosedur ini dapat dirumuskan sebagai berikut (jika ada k atribut) ; W1 > W2 > W3 > ………. > WK W1 = (1 + ½ + 1/3 + ……+ 1/k)/k W2 = (0 + ½ + 1/3 + ……+ 1/k)/k W3 = (0 + 0 + 1/3 + …….+ 1/k)/k …………. Wk = (0 + 0 + 0 + ……….+ 1/k)/k Contoh Kasus Perhitungan SMARTER Berikut ini merupakan contoh kasus perhitungan SMARTER dengan 5 atribut (kriteria); ( / / / / ) W1 = = 0,4567 W2 =

(

(

W3 = W4 = W5 =

/

/ /

/ /

(

/

(

/ ) / )

/ ) / )

= 0.2567 = 0.1567 = 0.09 = 0.04

C. Metode Profile Matching Profile Matching [3] merupakan sebuah mekanisme pengambilan keputusan dengan mengasumsikan bahwa terdapat tingkat variabel prediktor yang ideal yang harus dimiliki oleh pelamar, dan bukan merupakan tingkat minimal yang harus dipenuhi. Dalam proses profile matching, akan dilakukan proses perbandingan antara kompetensi individu ke dalam kompetensi standart, dalam hal ini profil jurusan yang ideal sehingga dapat diketahui perbedaan kompetensinya disebut juga dengan gap [4]. a. Langkah-langkah Metode Profile Matching Menurut Kusrini [5] langkah dalam melakukan metode ini terdiri dari lima langkah sebagai berikut: 1. Menentukan Bobot Nilai Gap. Pada tahap ini, akan ditentukan bobot nilai masing-masing aspek dengan menggunakan bobot nilai yang telah ditentukan bagi masing-masing aspek itu sendiri. 2. Melakukan pemetaan Gap. Gap yang dimaksud adalah perbedaan antara profil jurusan ideal dengan profil siswa. Gap = Profil Siswa - Profil Jurusan ……….. ( 3 ) 3. Melakukan pencocokan dengan table bobot gap hasil gap dari pengurangan profil siswa dan profil jurusan bila dicocokan dengan kolom selisih gap pada tabel bobot nilai yang dihasilkan sama. 4. Melakukan perhitungan core factor dan secondary factor. Setelah menentukan bobot nilai gap untuk setiap aspek yang dibutuhkan, kemudian tiap aspek dikelompokkan lagi menjadi dua kelompok yaitu core factor dan secondary factor. Core factor merupakan aspek (kompetensi) yang paling menonjol/paling. Untuk menghitung core factor digunakan rumus: =

∑ ∑

…………………………………(4)


IJCCS

ISSN: 1978-1520

 5

Keterangan: NRC = Nilai rata-rata core factor tiap aspek NC = Jumlah total nilai core factor tiap aspek IC = Jumlah item tiap aspek Secondary factor adalah item-item selai aspek yang ada pada core factor. Untuk menghitung secondary factor digunakan rumus: =

∑ ∑

…………………………………(5)

Keterangan: NRS = Nilai rata-rata core factor tiap aspek NS = Jumlah total nilai core factor tiap aspek IS = Jumlah item tiap aspek Perhitungan nilai total tiap aspek. Dari hasil setiap aspek di atas berikutnya dihitung nilai total berdasarkan presentasi dari nilai core factor dan secondary factor yang diperkirakan berpengaruh terhadap kinerja tiap-tiap profil. Untuk menghitung nilai total digunakan rumus: N = x% NRC + x%NRS ……………………. (6) Keterangan : N = Nilai total tiap aspek NRC = Nilai rata-rata core factor tiap aspek NRS = Nilai rata-rata core factor tiap aspek x% + Nilai persen yang diinputkan 5. Perhitungan rangking Hasil akhir dari proses profile matching adalah rangking dari profil siswa pada jurusan yang ada. Rangking = ∑ x%Ni …………………………(7) Keterangan : Ni = Nilai setiap aspek penilaian x%= Nilai persen yang diinputkan 3. HASIL DAN PEMBAHASAN A. Implementasi sistem 1. Menu Data Siswa Menu ini berisikan data-data siswa. Dalam menu ini terdapat menu untuk menambahkan, mengubah, dan menghapus data siswa serta terdapat menu penilaian siswa. Menu data siswa dapat dilihat pada Gambar 2.


6IJCCS

ISSN: 1978-1520



Menu tambah siswa

Menu penilaian siswa

Gambar 2. Menu Data Siswa 2. Menu Penilaian siswa Menu ini berisikan nilai-nilai siswa pada setiap komponen penilaian. Menu penilaian siswa dapat dilihat pada Gambar 3.

Kriteria

Komponen Peniliaan

Gambar 3. Menu Penilaian siswa 3. Menu Profile Ideal Menu ini berisikan profil ideal pada setiap jurusan. Menu ini mennetukan nilai ideal serta menentukan core factor dan secondary faktor untuk setiap komponen penilaian. Menu profile ideal dapat dilihat pada Gambar 4.


IJCCS

ISSN: 1978-1520

 7

Gambar 4. Menu Profile Ideal 4. Menu Proses Penjurusan Menu proses penjurusan digunakan untuk melihat rekomendasi jurusan pada siswa yang sudah diproses. Untuk memproses penjurusan pertama centang siswa yang akan diproses kemudian baru disubmit proses. Menu proses penjurusan dapat dilihat pada Gambar 5.

Gambar 5. Menu Proses Penjurusan B. Uji Coba Sistem dan Analisis Sistem Ujicoba aplikasi dilakukan untuk mengetahui seberapa baik kinerja aplikasi ini. Uji coba dilakukan dengan 2 skenario pengujian. 1. Skenario 1 Uji coba skenario pertama menggunakan 100 data siswa penjurusan ditunnjukkan pada Tabel 1.


8IJCCS



ISSN: 1978-1520 Tabel 1. Skenario 1

NIS

Nama

Rekom Sistem

Rangking

Manual

4158 414001 414004 414005 414007 …. 414008 414206 414208 414213

Dhita Nur Faizah Sri Haryani Abi Satrio Utomo Rosa Indah Rahmawati Adinda Fitriyah … Nawang Mawarsa Dicky Nugroho P Abror Aqomaddin Jihan Ilmiatul Chasanah

IIS IIS IIS IIK IIK … IIS MIA IIK IBBU

4.23231 3.64284 4.00006 2.97396 4.78228 … 3.68993 3.50414 3.61918 3.49094

MIA IIK IIS IIK IIS … IIS MIA IIK IBBU

Cek Kecocokan FALSE FALSE TRUE TRUE FALSE … TRUE TRUE TRUE TRUE

Pada uji coba skenario 1 dilakukan dengan membandingkan data hasil manual dari sekolah dengan hasil rekomendasi dari sistem dengan data siswa sebanyak 100. Dari uji coba skenario 1 dihasilkan akurasi dapat dilihat pada Tabel 2. Tabel 2 Akurasi Skenario 1 Jurusan

Jumlah

MIA IIS IBBU IIK

32 35 12 21

Jumlah data sama 10 25 8 17

Jumlah data beda 22 10 4 4

Akurasi 31.25% 71.43% 66.67% 80.95%

Setelah dilakukan perbandingan untuk mendapatkan akurasi pada proses penjurusan siswa baru, dengan cara mencocokkan data dari hasil sistem dengan data dari sekolah, didapatkan hasil akurasi data yang sesuai dengan data dari hasil penjurusan sekolah yaitu 10 data siswa yang sama untuk jurusan MIA dari 32 data siswa dengan akurasi sebesar 31.25%, untuk jurusan IIS ada 25 data siswa yang sama dari 35 data siswa dengan akurasi sebesar 71.43%, untuk jurusan IBBU ada 8 data siswa yang sama dari 12 data siswa dengan akurasi sebesar 66.67% dan untuk jurusan MIA ada 17 data siswa yang sama dari 21 data siswa dengan akurasi sebesar 80.95%. Pada jurusan IIK memliki keakuratan yang tinggi sedangkan keakuratan terendah terdapat pada jurusan MIA. Secara keseluruhan dapat dikatakan bahwa hasil akurasi menggunakan seleksi pada sistem dengan jumlah data 100 siswa adalah sebesar 62.57%. 2. Skenario 2 Uji coba skenario pertama menggunakan 200 data siswa penjurusan ditunjukkan pada Tabel 3. Tabel 3. Skenario 2 NIS

Nama

Rekom Sistem

Rangking

Manual

4158 414001 414004 414005 414007 ….

Dhita Nur Faizah Sri Haryani Abi Satrio Utomo Rosa Indah Rahmawati Adinda Fitriyah …

IIS IIS IIS IIK IIK …

4.23231 3.64284 4.00006 2.97396 4.78228 …

MIA IIK IIS IIK IIS …

NIS

Nama

Rekom Sistem

Rangking

Manual

Cek Kecocokan FALSE FALSE TRUE TRUE FALSE … Cek Kecocokan


IJCCS

 9

ISSN: 1978-1520

414515 414516 414517 4142012 414515

Khanifatus Sa'diyah Sandya Hilana A Neny Chadinatus S Erna Fahriana Khanifatus Sa'diyah

MIA IIK IIS IIK MIA

3.31789 3.17217 3.22028 4.65941 3.31789

MIA IIS IIS IIK MIA

TRUE FALSE TRUE TRUE TRUE

Pada uji coba skenario 2 dilakukan dengan membandingkan data hasil manual dari sekolah dengan hasil rekomendasi dari sistem dengan data siswa sebanyak 200. Dari uji coba scenario 2 dihasilkan akurasi dapat dilihat pada Tabel 4. Tabel 4. Akurasi Skenario 2 Jurusan

Jumlah

MIA IIS IBBU IIK

79 68 23 30

Jumlah data sama 23 58 15 27

Jumlah data beda 56 10 8 3

Akurasi 29.11% 85.29% 65.22% 90%

Setelah dilakukan perbandingan untuk mendapatkan akurasi pada proses penjurusan siswa baru, dengan cara mencocokkan data dari hasil sistem dengan data dari sekolah, didapatkan hasil akurasi data yang sesuai dengan data dari hasil penjurusan sekolah yaitu 23 data siswa yang sama untuk jurusan MIA dari 79 data siswa dengan akurasi sebesar 29.11%, untuk jurusan IIS ada 58 data siswa yang sama dari 68 data siswa dengan akurasi sebesar 85.29%, untuk jurusan IBBU ada 15 data siswa yang sama dari 23 data siswa dengan akurasi sebesar 65.22% dan untuk jurusan IIK ada 27 data siswa yang sama dari 30 data siswa dengan akurasi sebesar 90%. Pada jurusan IIK memliki keakuratan yang tinggi sedangkan keakuratan terendah terdapat pada jurusan MIA. Secara keseluruhan dapat dikatakan bahwa hasil akurasi menggunakan seleksi pada sistem dengan jumlah data 100 siswa adalah sebesar 67.41%. 3. Analisa Hasil Dari hasil uji coba yang dilakukan didapakan beberapa analisi hasil sebagai berikut. 1. Pada jurusan MIA dan jurusan IBBU ketika data yang digunakan uji coba sebanyak 100 data siswa, akurasi yang dihasilkan lebih besar dibandingkan pada saat uji coba sebanyak 200 data siswa. Sehingga dapat disimpulkan semakain banyak data yang digunakan pada jurusan MIA dan IBBU semakin kecil nilai akurasinya. 2. Pada jurusan IIS dan jurusan IIK ketika data yang digunakan uji coba sebanyak 200 data siswa, akurasi yang dihasilkan lebih besar dibandingkan pada saat uji coba sebanyak 100 data siswa. Sehingga dapat disimpulkan semakain banyak data yang digunakan pada jurusan IIS dan IIK semakin besar nilai akurasinya. 3. Pada uji coba skenario 1 dengan uji coba data sejumlah 100 siswa dapat dihasilkan 62.57% akurasi secara keseluruhan. 4. Pada uji coba skenario 2 dengan uji coba data sejumlah 200 siswa dapat dihasilkan 67.41% akurasi secara keseluruhan. 4. KESIMPULAN DAN SARAN Setelah menyelesaikan perancangan dan pembuatan aplikasi “Sistem Pendukung Keputusan Penentuan Jurusan Pada Siswa MAN Gresik dengan Metode Profile Matching ” dapat diambil beberapa kesimpulan sebagai berikut : Title of manuscript is short and clear, implies research results (First Author)

IJCCS 10

ISSN: 1978-1520



1. Sistem Pendukung Keputusan Penentuan Jurusan Pada Siswa MAN Gresik dengan Metode Profile Matching dapat dijadikan sebagai solusi atau bahan pertimbangan dalam penentuan jurusan bagi siswa. 2. Pada jurusan MIA dan jurusan IBBU ketika data yang digunakan uji coba sebanyak 100 data siswa, akurasi yang dihasilkan lebih besar dibandingkan pada saat uji coba sebanyak 200 data siswa. Sehingga dapat disimpulkan semakain banyak data yang digunakan pada jurusan MIA dan IBBU semakin kecil nilai akurasinya. 3. Pada jurusan IIS dan jurusan IIK ketika data yang digunakan uji coba sebanyak 200 data siswa, akurasi yang dihasilkan lebih besar dibandingkan pada saat uji coba sebanyak 100 data siswa. Sehingga dapat disimpulkan semakain banyak data yang digunakan pada jurusan IIS dan IIK semakin besar nilai akurasinya. 4. Pada uji coba skenario 1 dengan uji coba data sejumlah 100 siswa dapat dihasilkan 62.57% akurasi secara keseluruhan. 5. Pada uji coba skenario 2 dengan uji coba data sejumlah 200 siswa dapat dihasilkan 67.41% akurasi secara keseluruhan. DAFTAR PUSTAKA [1] Handojo, A., Setiabudi, D. H., Yunita, R., 2003, Pembuatan Aplikasi Sistem Pendukung Keputusan untuk Proses Kenaikan Jabatan dan Perencanaan Karir Pada PT.X, Jurnal Informatika, No.2, Vol.4, Hal.98-106. [2] Putri, R.S. Sistem Pendukung Keputusan Penentuan Bantuan Stimulan Perumahan Swadaya Menggunakan Metode SMARTER. Tugas Akhir [Skripsi]. Bangkalan: Universitas Trunojoyo Madura. 2013 [3] Pambayun, K.H., Setyawan, R.A., Setiawan, Budi.D. Sistem Pendukung Keputusan Seleksi Penerimaan Asisten Praktikum Menggunakan Metode Profile Matching. Malang : Universitas Brawijaya. 2013 [4] Hidayat, Arif,L., Pinandita, T. Sistem Pendukung Keputusan Evaluasi Kinerja Karyawan Untuk Promosi Jabatan struktural Pada Bimbingan Sciencemaster Menggunakan Metode Gap Kompetensi (Profile Matching). Jurnal Teknologi Technoscientia Vol. 5 No.2 Februari 2013 [5] Kusrini, 2007, Konsep dan Aplikasi Sistem Pendukung Keputusan, Andi, Yogyakarta.


SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN UNTUK SISWA MAN GRESIK DENGAN METODE PROFILE MATCHING

Recommend Documents