SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 3 GARUT

SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 3 GARUT Asep Hendar Rustiawan1, Dini Destiani2, Andri Ikhwana3 Jurnal Algoritma Sekolah Tinggi Teknologi Garut Jl. Mayor Syamsu No. 1 Jayaraga Garut 44151 Indonesia Email : [email protected] 1

[email protected] [email protected] 3 [email protected] 2

Abstrak - Tujuan penelitian ini untuk untuk membangun sebuah aplikasi sistem pendukung keputusan penyeleksian calon siswa baru di SMA Negeri 3 Garut. Metodologi yang digunakan dalam proses sistem pendukung keputusan menggunakan model Simon dan untuk perhitungannya menggunakan model TOPSIS (Technique For Others Reference by Similarity to Ideal Solution). Hasil penelitian ini menunjukkan bahwa penggunaan sistem pendukung keputusan penyeleksian calon siswa baru di SMA Negeri 3 garut ini dapat membantu, mempermudah pekerjaan dan meminimalisir kesalahan yang dilakukan oleh panitia penyeleksi calon siswa baru di SMA Negeri 3 Garut dalam pengambilan keputusan penerimaan calon siswa baru. Selain itu sistem pendukung keputusan penyeleksian calon siswa baru ini juga dapat dilakukan dengan lebih optimal, dan waktu yang diperlukan untuk menyusun dan mengevaluasi penyeleksian calon siswa baru tersebut menjadi lebih efisien. Terkait dengan penerapan metode TOPSIS untuk sistem pendukung keputusan penyeleksian siswa baru, berdasar hasil akhir pada tahapan-tahapan yang dilakukan didapatkan bahwa sistem yang dibangun telah mampu untuk menentukan penyeleksian calon siswa baru berdasarkan pada aspek-aspek penilaian yang ada.

Kata Kunci - Sistem Pendukung Keputusan, Penyeleksian Siswa, TOPSIS.

I.

PENDAHULUAN

SMA Negeri 3 Garut merupakan salah satu lembaga pendidikan yang berada di kecamatan Cibatu kabupaten Garut, juga merupakan salah satu Sekolah Menengah Atas yang menuju Sekolah Standar Nasional. Suatu lembaga pendidikan membutuhkan sumber daya manusia yang berkualitas salah satunya adalah siswa yang dapat mendukung dan mewujudkan tujuan dari lembaga pendidikan tersebut menjadi suatu lembaga pendidikan yang berstandar nasional, maka diharapkan lembaga pendidikan dapat menjalankan semua proses belajar-mengajarnya dengan baik. SMA Negeri 3 Garut memiliki jumlah pendaftar yang cukup meningkat tiap tahunnya sehingga penyeleksian calon siswa baru di SMA Negeri 3 Garut menjadi sulit. Penyeleksian siswa baru adalah suatu proses, cara, penyaringan atau pemilihan siswa yang secara kemampuan akademis adalah calon terbaik untuk belajar disuatu lembaga pendidikan yang perlu ditentukan secara cepat dan tepat. Berdasarkan proses penyeleksian calon siswa baru yang sedang berjalan di SMA Negeri 3 Garut, masih dilakukan secara manual serta dalam proses pembuatan laporan masih menggunakan perangkat lunak aplikasi yaitu microsoft excel, sehingga pengolahan data dan penyeleksian calon siswa baru memerlukan waktu yang relatif lama. Tujuan penelitian ini untuk membangun sebuah aplikasi sistem pendukung keputusan penyeleksian calon siswa baru di SMA Negeri 3 Garut yang diharapkan mampu membantu, 1

ISSN : 2302-7339 Vol. 09 No. 20 2012

mempermudah dan meminimalisir kesalahan yang dilakukan oleh panitia penyeleksi dalam pengambilan keputusan penerimaan calon siswa baru. Selain itu penyeleksian calon siswa baru ini juga dapat dilakukan dengan lebih optimal, dan waktu yang diperlukan untuk menyusun dan mengevaluasi penyeleksian tersebut menjadi lebih efisien.

II.

LANDASAN TEORI

A.

Konsep Dasar Sistem Pendukung Keputusan Pada awal tahun 1970-an, Scott Morton pertama kali mengartikulasikan konsep penting sistem pendukung keputusan. Ia mendefinisikan sistem pendukung keputusan sebagai “sistem berbasis komputer interaktif, yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah-masalah tidak terstruktur”. (Gorry dan Scott Morton, 1971) dalam (Turban, 2005). Definisi klasik lainnya yaitu “Sistem pendukung keputusan memadukan sumber daya intelektual dari individu dengan kapabilitas komputer untuk meningkatkan kualitas keputusan. Sistem pendukung keputusan adalah sistem pendukung berbasis komputer bagi para pengambil keputusan manajemen yang menangani masalah-masalah tidak terstruktur”. (Keen dan Scott Morton, 1978) dalam (Turban, 2005). Sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan dan pemanipulasian data. Sistem itu 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. (Alter, 2002) dalam (Kusrini, 2007). Tujuan dari sistem pendukung keputusan adalah: (Kusrini, 2007) 1. Membantu manajer dalam pengambilan keputusan atas masalah semi terstruktur. 2. Memberikan dukungan atas pertimbangan manajer dan bukannya dimaksudkan untuk menggantikan fungsi manajer. 3. Meningkatkan efektivitas keputusan yang diambil manajer lebih dari pada perbaikan efisiensinya. 4. Kecepatan komputasi. Komputer memungkinkan para pengambil keputusan untuk melakukan banyak komputasi secara cepat dengan biaya yang rendah. 5. Peningkatan produktivitas. Membangun satu kelompok pengambil keputusan, terutama para pakar, bisa sangat mahal. Pendukung terkomputerisasi bisa mengurangi ukuran kelompok dan memungkinkan para anggotanya untuk berada diberbagai lokasi yang berbeda-beda (menghemat biaya perjalanan). Selain itu, produktivitas staf pendukung (misalnya analisis keuangan dan hukum) bisa ditingkatkan. Produktivitas juga bisa ditingkatkan menggunakan peralatan optimalisasi yang menentukan cara terbaik untuk menjalankan sebuah bisnis. 6. Dukungan kualitas. Komputer bisa meningkatkan kualitas keputusan yang dibuat. Sebagai contoh, semakin banyak data yang diakses makin banyak juga alternatif yang bisa dievaluasi. Analisis risiko bisa dilakukan dengan cepat dan pandangan dari para pakar (beberapa dari mereka berada dilokasi yang jauh) bisa dikumpulkan dengan cepat dan dengan biaya yang lebih rendah. Keahlian bahkan bisa diambil langsung dari sebuah sistem komputer melalui metode kecerdasan tiruan. Dengan komputer, para pengambil keputusan bisa melakukan simulasi yang kompleks, memeriksa banyak skenario yang memungkinkan, dan menilai bebagai pengaruh secara cepat dan ekonomis. Semua kapabilitas tersebut mengarah kepada keputusan yang lebih baik. 7. Berdaya saing. Manajemen dan pemberdayaan sumber daya perusahaan. Tekanan persaingan menyebabkan tugas pengambil keputusan menjadi sulit. Persaingan didasarkan tidak hanya pada harga, tetapi juga pada kualitas, kecepatan, kustomasi produk, dan dukungan pelanggan. Organisasi harus mampu secara sering dan cepat mengubah mode operasi, merekayasa ulang proses dan struktur, memberdayakan

http://jurnal.sttgarut.ac.id

2

Jurnal Algoritma Sekolah Tinggi Teknologi Garut

8.

karyawan, serta berinovasi. Teknologi pengambilan keputusan bisa menciptakan pemberdayaan signifikan dengan cara memperbolehkan seseorang untuk membuat keputusan yang baik secara cepat, bahkan jika mereka memiliki pengetahuan yang kurang. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan. Menurut Simon (1977), otak manusia memiliki kemampuan yang terbatas untuk memroses dan menyimpan informasi. Orang-orang kadang sulit mengingat dan menggunakan sebuah informasi dengan cara yang bebas dari kesalahan.

Aplikasi sistem pendukung keputusan bisa terdiri dari beberapa subsistem, yaitu: 1. Subsistem manajemen data Subsistem manajemen data memasukkan satu database yang berisi data yang relevan untuk suatu situasi dan dikelola oleh perangkat linak yang disebut sistem manajemen database (DBMS/Data Base Management System). Subsistem manajemen data bisa diinterkoneksikan dengan data warehouse perusahaan, suatu repositori untuk data perusahaan yang relevan dengan pengambilan keputusan. 2. Subsistem manajemen model Merupakan paket perangkat lunak yang memasukkan model keuangan, statistik, ilmu manajemen, atau model kuantitatif lain yang memberikan kapabilitas analitik dan manajemen perangkat lunak yang tepat. Bahasa-bahasa pemodelan untuk membangun model-model kustom juga dimasukkan. Perangkat lunak itu sering disebut sistem manjemen basis model (MBMS). Komponen tersebut bisa dikoneksikan ke penyimpanan korporat atau eksternal yang ada pada model. 3. Subsistem antarmuka pengguna Pengguna berkomunikasi dengan dan memerintahkan sistem pendukung keputusan melalui subsistem tersebut. Pengguna adalah bagian yang dipertimbabangkan dari sistem. Para peneliti menegaskan bahwa beberapa kontribusi unik dari sistem pendukung keputusan berasal dari interaksi yang intensif antara komputer dan pembuat keputusan. 4. Subsistem manajemen berbasis pengetahuan Subsistem tersebut mendukung semua subsistem lain atau bertindak langsung sebagai suatu komponen independen dan bersifat opsional. Selain memberikan inteligensi untuk memperbesar pengetahuan si pengambil keputusan, subsistem tersebut bisa diinterkoneksikan dengan repositori pengetahuan perusahaan (bagian dari sistem manajemen pengetahuan), yang kadang-kadang disebut basis pengetahuan organisasional. Berdasarkan definisi, sistem pendukung keputusan harus mencakup tiga komponen utama dari DBMS, MBMS, dan antarmuka penggua. Subsistem manajemen berbasis pengetahuan adalah opsional, tetapi bisa memberikan banyak manfaat karena memberikan inteligensi bagi ketiga komponen utama tersebut. Seperti pada semua sistem informasi manjemen, pengguna bisa dianggap sebagai komponen sistem pendukung keputusan. Komponen-komponen tersebut membentuk sistem aplikasi sistem pendukung keputusan yang bisa dikoneksikan ke intranet perusahaan, ekstranet, atau internet. Arsitektur dari sistem pendukung keputusan ditunjukkan dalam gambar 2.1 berikut.

3

© 2012 Jurnal STT-Garut All Right Reserved

ISSN : 2302-7339 Vol. 09 No. 20 2012

Internet, intranet, ekstranet

Sistem lainnya yang berbasis komputer

Data: eksternal dan internal Manajemen Data

Manajemen Model

Model Eksternal

Subsistem Berbasis Pengetahuan

Antarmuka Pengguna

Basis Pengetahuan Organisasional

Manajer (Pengguna)

Gambar 2.1 Arsitektur Sistem Pendukung Keputusan (Turban, 2005)

B. Penyeleksian Siswa Penyeleksian berasal dari kata seleksi yang berarti pemilihan (untuk mendapatkan yang terbaik) atau penyaringan. Dengan kata lain seleksi adalah metode dan prosedur yg dipakai oleh bagian personalia (kantor pemerintah, perusahaan, dan sebagainya) waktu memilih orang untuk mengisi lowongan pekerjaan. Jadi, penyeleksian adalah proses, cara, perbuatan menyeleksi, penyaringan atau pemilihan. (Kamus Besar Bahasa Indonesia v1.3).

C. Model TOPSIS (Technique For Order Preference By Similarity To Ideal Solution) Pada dasarnya, proses pengambilan keputusan adalah memilih suatu alternatif. Menurut Hwang dan Zeleny dalam (Kusumadewi, 2006), TOPSIS (Technique For Order Preference By Similarity To Ideal Solution) didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif ( ), namun juga memiliki jarak terpanjang dari solusi ideal negatif ( ). Konsep dasar dari TOPSIS yang tidak hanya mencari jarak terpendek dari tetapi juga jarak terpanjang dari , diharapkan satu-satunya kemungkinan solusi ideal terbaik. Karena apabila dicari jarak terpanjang dari dan jarak terpendek dari alternatif keputusan terbaik tidak akan dihasilkan. Menurut Hwang, Liang dan Yeh dalam (Kusumadewi, 2006), konsep ini banyak digunakan pada beberapa model MADM (Multi-Attribute Decision Making) untuk menyelesaikan masalah keputusan secara praktis. Hal ini disebabkan konsepnya sederhana, mudah dipahami, komputasinya efisien, dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan dalam bentuk matematis yang sederhana. Secara umum, prosedur atau langkah-langkah dalam metode TOPSIS (Technique For Order Preference By Similarity To Ideal Solution) meliputi: http://jurnal.sttgarut.ac.id

4


1. 2. 3. 4.

Membuat matriks keputusan yang ternormalisasi. Membuat matriks keputusan yang ternormalisasi terbobot. Menentukan matriks solusi ideal positif dan matriks solusi ideal negatif. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matriks solusi ideal negatif. 5. Menentukan nilai preferensi untuk setiap alternatif. TOPSIS membutuhkan rating kinerja setiap alternatif Ai pada setiap kriteria Cj yang ternormalisasi, yaitu: = ; dengan i = 1,2,…,m; dan j=1,2,…,n Solusi ideal positif dan solusi ideal negatif ternormalisasi ( ) sebagai: =( =(

dengan i = 1,2,…,m; dan j=1,2,…,n

;

=

, ,

dapat ditentukan berdasarkan rating bobot

,..., ,...,

) )

dengan =

=

j = 1,2,...,n. Jarak antara alternatif Ai dengan solusi ideal positif dirumuskan sebagai:

dengan i=1,2,...,m Jarak antara alternatif Ai dengan solusi ideal negatif dirumuskan sebagai:

dengan i=1,2,...,m Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai: = ; dengan i=1,2,...,m Nilai Vi yang lebih besar menunjukkan bahwa alternatif Ai lebih dipilih.

D. Metodologi Penelitian Metode sistem pendukung keputusan yang digunakan dalam hal ini yaitu model Simon. Berikut gambar dari pengembangan model Simon.

5


ISSN : 2302-7339 Vol. 09 No. 20 2012

Fase Inteligensi

Studi Pustaka

· · ·

Pernentuan kebutuhan dan data yang akan digunakan Pengumpulan data yang dibutuhkan Mempersiapkan bahan penelitian

Wawancara

Data Penelitian

Fase Desain Pemilihan Kriteria

Alternatif

Fase Pemilihan Penggunaan Model TOPSIS

Fase Implementasi Manual

Tugas akhir

Komputasi

Dokumen Teknis

Aplikasi

Model Proses 1. Analisis 2. Desain 3. Coding

Black Box 4. Testing

Gambar 2 Desain Penelitian

III. HASIL DAN PEMBAHASAN A. Fase Inteligensi Sasaran organisasional pada penyusunan sistem pendukung keputusan ini adalah institusi pendidikan yaitu SMA Negeri 3 Garut. Informasi yang akan dikaji berupa pendaftaran siswa baru yang berdasarkan nilai ujian nasional, nilai ujian sekolah, dan prestasi non akademik. Nilai tersebut jadi acuan menentukan passing grade dan kelulusan calon siswa. Pengumpulan data dan informasi menggunakan metode observasi dan wawancara. Setelah proses pengumpulan data, didapat informasi permasalahan penyeleksian calon siswa baru secara manual yang membutuhkan waktu http://jurnal.sttgarut.ac.id

6


yang relatif lama dan kemungkinan terjadi kesalahan perhitungan serta penentuan kelulusan calon siswa baru. B. Fase Desain 1) Pemilihan Kriteria Penerimaan calon siswa baru terdiri dari atas cara I dan cara II. Untuk cara I terdiri atas penilaian dengan kriteria berdasarkan nilai ujian nasional (NA) dan nilai ujian sekolah (NS). Sedangkan penilaian cara II menggunakan penambahan kriteria yaitu prestasi non akademik. Berdasarkan data yang diperoleh dari hasil wawancara didapatkan input kriteria/variabel terlihat pada tabel 3.1. Tabel 3.1 Input Kriteria Nama Kriteria/Variabel

Domain

Nilai Ujian Nasional (NA)

[1,100]

Nilai Ujian Sekolah (NS)

[1,100]

Prestasi Non Akademik

[1,100]

2) Pembobotan Kriteria Pada pendekatan ini digunakan pendekatan subjektif yaitu nilai bobot ditentukan berdasarkan subjektifitas dari para pengambil keputusan. Nilai bobot kepentingan tiap kriteria terlihat pada tabel 3.2. Tabel 3.2 Nilai Bobot Penilaian Cara I Nama Kriteria/Variabel

Bobot (W)


65%


35%

Penilaian Cara II Nama Kriteria/Variabel

7

Bobot (W)


60%


30%

Prestasi Non Akademik

10%


ISSN : 2302-7339 Vol. 09 No. 20 2012

C. Fase Pemilihan 1) Perhitungan TOPSIS Data seorang siswa 1 : Kriteria 1 Nilai Ujian Nasional = 30,90 dengan rata-rata NA = 7,70 Kriteria 2 Nilai Ujian Sekolah = 86,51 dengan rata-rata NS = 7,86 Kriteria 3 Prestasi Non akademik = Tidak ada Langkah-langkah perhitungan: 1. Membuat matriks keputusan yang ternormalisasi |x| = = 91,86 R1 = = = 0,336 R2 = = = 0,941 2. Membuat matriks keputusan yang ternormalisasi terbobot Y1 = W1 * R1 = 65% * 0,336 = 0,2186 Y2 = W2 * R2 = 35% * 0,941 = 0,3296 Keterangan : Nilai bobot (W) diambil dari penilaian cara I karena siswa tersebut tidak memiliki kriteria prestasi non akademik. 3. Menentukan solusi ideal positif dan solusi ideal negatif Y+ = max {0,2186 ; 0,3296} = 0,3296 = A+ Y- = min {0,2186 ; 0,3296} = 0,2186 = A4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matriks solusi ideal negatif. D+ = = 0,5741 D- = = 0,4675 5. Menentukan nilai preferensi V=

=

= 0,448

Jadi nilai total yang diperoleh adalah 0,448. 2) Analisis Sensitivitas Analisis sensitivitas mencoba menilai dampak suatu perubahan pada data input atau parameter pada solusi yang diusulkan (variabel hasil), dengan cara mengganti variabel. Data seorang siswa 2 : Kriteria 1 Nilai Ujian Nasional = 28,00 dengan rata-rata NA = 7,00 Kriteria 2 Nilai Ujian Sekolah = 85,91 dengan rata-rata NS = 7,60 Kriteria 3 Prestasi Non akademik = Tidak ada Langkah-langkah perhitungan: 1. Membuat matriks keputusan yang ternormalisasi http://jurnal.sttgarut.ac.id

8


|x| =

= 90,35

R1 = = = 0,31 R2 = = = 0,95 2. Membuat matriks keputusan yang ternormalisasi terbobot Y1 = W1 * R1 = 65% * 0,31 = 0,2015 Y2 = W2 * R2 = 35% * 0,95 = 0,3325 Keterangan : Nilai bobot (W) diambil dari penilaian cara I karena siswa tersebut tidak memiliki kriteria prestasi non akademik. 3. Menentukan solusi ideal positif dan solusi ideal negatif Y+ = max {0,2015 ; 0,3325} = 0,3325 = A+ Y- = min {0,2015 ; 0,3325} = 0,2015 = A4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matriks solusi ideal negatif. D+ = = 0,5766 D- = = 0,4488 5. Menentukan nilai preferensi V=

=

= 0,437.

Jadi nilai total yang diperoleh adalah 0,437. Berdasarkan hasil analisis sensitivitas yang didapat jumlah nilai preferensi yang dihasilkan lebih kecil dari nilai preferensi sebelumnya. Sehingga dapat disimpulkan bahwa alternatif 1 yang akan lebih dipilih. Dengan kata lain, siswa 1 yang akan diterima sebagai calon siswa baru di SMA 3 Garut.

D. Fase Implementasi 1) Analisis Kebutuhan Sistem a. Analisis Perangkat Keras b. Analisis Perangkat Lunak 2) Desain Sistem Dari hasil analisis terhadap sistem pendukung keputusan penyeleksian calon siswa baru, penulis menggunakan sebuah model yang dinamakan Data Flow Diagram (DFD) untuk memperlihatkan hubungan fungsional dari data yang diproses oleh sistem, termasuk data masukan, data keluaran serta tempat penyimpanan internal.

9


ISSN : 2302-7339 Vol. 09 No. 20 2012 Laporan

Memasukkan data dan nilai siswa

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA BARU

PENGGUNA

Passing Grade

KEPALA SEKOLAH

Akses Sistem

Gambar 3.1 Diagram Konteks Sistem Pendukung Keputusan Penyeleksian Siswa Baru 3) Desain Aplikasi

Gambar 3.2 Form Menu Utama

IV. KESIMPULAN/RINGKASAN Penggunaan sistem pendukung keputusan penyeleksian calon siswa baru di SMA Negeri 3 garut ini dapat membantu, mempermudah pekerjaan dan meminimalisir kesalahan yang dilakukan oleh panitia penyeleksi calon siswa baru di SMA Negeri 3 Garut dalam pengambilan keputusan penerimaan calon siswa baru. Selain itu sistem pendukung keputusan penyeleksian calon siswa baru ini juga dapat dilakukan dengan lebih optimal, dan waktu yang diperlukan untuk menyusun dan mengevaluasi penyeleksian calon siswa baru tersebut menjadi lebih efisien. Terkait dengan penerapan metode TOPSIS untuk sistem pendukung keputusan penyeleksian siswa baru, berdasar hasil akhir pada tahapan-tahapan yang dilakukan didapatkan bahwa sistem yang dibangun telah mampu untuk menentukan penyeleksian calon siswa baru berdasarkan pada aspek-aspek penilaian yang ada.

DAFTAR PUSTAKA [1] [2] [3]

Kusrini., 2007, “Konsep dan Aplikasi Sistem Pendukung Keputusan”, Andi Offset, Yogyakarta. Kusumadewi, S., dkk., 2006, “Fuzzy Multi-Attribute Decision Making (Fuzzy MADM)”, Graha Ilmu, Yogyakarta. Turban, E., dkk., 2005, “Decision Support systems and Intelligent Systems Edisi 7 Jilid 1”, Andi, Yogyakarta.

http://jurnal.sttgarut.ac.id

10

SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 3 GARUT

Recommend Documents