SISTEM PENUNJANG KEPUTUSAN SELEKSI PENERIMAAN SISWA BARU MENGGUNAKAN METODE SIMPLE ADICTIVE WEIGHTING (SAW) STUDI KASUS PADA SMKN 1 RAWAJITU TIMUR Hermannuddin Jurusan Sistem Informasi STMIK Pringsewu Jl. Wisma Rini No.09 Pringsewu Lampung website: www.stmikpringsewuac.id Email:
[email protected] ABSTRAK SMKN 1 Rawajitu Timur merupakan satu satunya sekolah kejuruan yang ada di daerah Rawajitu Timur, Setiap tahun ajaran baru, sekolah mengadakan penerimaan dan penyeleksian calon siswa, untuk menentukan proses penyeleksian siswa di SMKN 1 Rawajitu Timur. Dalam proses penyeleksian ini sering timbul permasalahan seperti terbatasnya panitia seleksi yang menyebabkan kesalahan menganalisis calon siswa yang diterima atau ditolak , serta lamanya hasil seleksi siswa. Pada penelitian ini akan diangkat suatu kasus yaitu mencari alternative terbaik bedasarkan kriteria-kriteria yang telah ditentukan dengan menggunakan metode Simple Additive Weighting (SAW). Penelitian dilakukan dengan mencari nilai bobot untuk setiap atribut, kemudian dilakukan proses perankingan yang akan menentukan alternatif yang optimal, yaitu siswa terbaik. Kata Kunci: sistem pendukung keputusan, metode SAW, nilai bobot 1.
PENDAHULUAN
menyeleksi calon siswa, sehingga dapat lebih efisien
1.1.
Latar Belakang Masalah
dalam pelaksanaannya.
Sistem pengambilan keputusan adalah alat bantu bagi
Sesuai dengan peraturan yang sudah ditentukan oleh
pengambilan
tetapi
pihak SMKN 1 Rawajitu Timur untuk menyeleksi
pengambilan keputusan memiliki beragam konteks
calon siswa, maka diperlukan kriteria–kriteria untuk
yang berbeda dimana tidak semua pengambilan
menentukan siapa yang akan terpilih untuk masuk
keputusan adalah bergantung dan memuaskan hanya
disekolah. Berdasarkan hal tersebut untuk membantu
kepada satu pihak, pada umumnya pengambilan
penentuan dalam menetapkan seorang siswa baru,
keputusa haruslah bersifat memuaskan semua pihak.
maka
keputusan
manajerial,
dibutuhkan
sebuah
sistem
pendukung
keputusan dengan metode Multi-Attribute Decission Kegiatan seleksi siswa yang masuk merupakan
Making (MADM) dengan metode Simple Additive
kegiatan yang dilaksanakan oleh SMKN 1 Rawajitu
Weighting (SAW).
Timur setiap tahunnya. Kenyataan dilapangan bahwa pihak sekolah kurang siap dalam menyeleksi calon
MADM adalah model yang dapat mencari suatu
siswa. Masalah penghitungan nilai yang bersifat
alternatif terbaik dari berbagai alternatif berdasarkan
manual mengakibatkan kurang efisiennya kegiatan
kriteria–kriteria yang telah ditentukan. Intinya bahwa
seleksi kelas. Oleh karena itu, penulis berinisiatif
metode tersebut menentukan nilai bobot pada setiap
untuk merancang suatu sistem yang dapat membantu
kriteria. Metode tersebut menggunakan SAW(Simple
pihak
sekolah
dalam
pengambil
keputusan
195
additive weighting) untuk melakukan perhitungan
Kriteria
Keterangan
MADM. Alternatif terbaik yang dimaksud adalah
C1
Nilai rata-rata ijazah
yang berhak masuk disekolah berdasarkan kriteria
C2
Nilai Tes Matematika
yang telah ditentukan. Penelitian dilakukan dengan
C3
Nilai Tes Bahasa Inggris
mencari nilai bobot untuk setiap kriteria, kemudian
C4
Nilai Tes Bahasa Indonesia
dilakukan
proses
perangkingan
yang
akan
1.4. Tujuan Penelitian
menentukan alternatif optimal yaitu calon siswa
Tujuan dari penelitian sebagai berikut:
terbaik yang akan dipertimbangkan oleh pengambil
1.
keputusan untuk menyeleksi siswa.
Merancang suatu perangkat lunak yang dapat membantu pihak sekolah dalam menentukan siapa calon calon siswa yang layak masuk atau
Berdasarkan
hal-hal
diatas,
penulis
ingin
tidak dengan sistem yang terkomputerisasi
menggunakan model MADM dengan metode Simple
sehingga proses pengambilan keputusan ini
Additive Weighting (SAW) di dalam penelitian
dapat lebih efisien.
penulis yakni untuk menentukan siswa mana yang
2.
Membuat Sistem Pendukung keputusan seleksi
layak masuk disekolah SMKN 1 Rawajitu Timur
siswa baru dengan data yang terstukturisasi,
dengan mempertimbangkan kriteria-kriteria yang
dapat diakses secara cepat, langsung, dan
telah ditentukan oleh pihak sekolah tersebut. Adapun
akurat.
kriteria-kriteria yang menjadi dasar pengambilan keputusan oleh pihak sekolah dalam menentukan
1.5. Manfaat Penelitian
calon
1.
siswa
adalah
nilai
terakhir
setiap
Memperbaiki
tahunnya.Walaupun pemilihan calon siswa yang akan
menyeleksi
masuk tetap ditentukan sepenuhnya oleh pihak
unggulan. 2.
sistem siswa
akademik
untuk
masuk
dalam dikelas
Membantu panitia penerimaan siswa baru dalam
1.2. Rumusan Masalah
menyeleksi siswa yang akan dididik untuk
Berdasarkan uraian latar belakang maka yang
memaksimalkan potensi sumber daya manusia.
menjadi perumusan masalah sebagai berikut:
3.
Dapat membantu peningkatan kinerja program
1.
Bagaimana proses seleksi pemilihan calon siswa
pendidikan khusus siswa unggul karena siswa
2.
Bagaimana penerapan metode Simple Additive
yang
Weighting
berdasarkan kriteria yang digunakan
(SAW)
dapat
membantu
terpilih
adalah
siswa
yang
unggul
penyeleksian calon siswa. 3.
2. TINJAUAN PUSTAKA 2.1. Pengertian Sistem
Bagaimana membuat aplikasi untuk membantu dalam pengambilan keputusan yang optimal
Karakteristik sebuah sistem adalah terdiri dari
dengan beberapa kriteria menggunakan Simple
bagian-bagian yang saling berkaitan dan beroperasi
Additive Weighting (SAW).
untuk mencapai suatu tujuan. Sebuah system
1.3. Rumusan Masalah
bukanlah seperangkat unsur yang tersusun secara
Kriteria Kriteria inputan yang di gunakan untuk
tidak teratur, namun sistem terdiri dari unsur yang
penyeleksian siswa baru
dapat dikenal untuk saling melengkapi karena
196
memiliki maksud, tujuan dan sasaran tertentu. Terkait
diselesaikan atau tidak dapat diselesaikan secara
dengan pengertian sistem, Jogiyanto [2] berpendapat
memuaskan oleh sistem terkomputerisasi lain
bahwa sistem adalah suatu kesatuan yang terdiri dari
seperti EDP (Electronic Data Processing) atau
dua atau lebih komponen atau subsistem yang
MIS (Management Information System), tidak
berinteraksi untuk mencapai suatu tujuan.
juga dengan metode atau tool kuantitatif standar. 2. Dukungan disediakan bagi individu dan juga bagi
2.2. Sistem Pendukung Keputusan (SPK). Pengertian Sistem Pendukung Keputusan menurut
group. Berbagai masalah organisasi melibatkan
para ahli sebagai berikut :
pengambilan keputusan dari orang dalam group.
1. Menurut Turban dkk.. (2005), “SPK adalah
Untuk masalah yang strukturnya lebih sedikit
pendekatan berbasis komputer atau metodologi
seringkali
untuk mendukung pengambilan keputusan”.
beberapa individu dari departemen dan level
2. Menurut Moore and Chang (2011) “SPK adalah suatu
sistem
yang
dirancang
hanya
membutuhkan
keterlibatan
organisasi yang berbeda.
untuk
3. SPK
menyediakan dukungan ke berbagai
mengkomunikasikan masalah dan menyelesaikan
keputusan yang berurutan atau saling berkaitan
pemecahan masalah yang dilakukan manajer
untuk memudahkan dalam melakukan kegiatan
bersifat semi struktur yang spesifik untuk
yang dilakukan.
mengambil suatu keputusan”.
4. SPK sangat mendukung berbagai fase proses
3. Menurut Wibowo (2011) “SPK adalah proses
pengambilan keputusan : intelligence, design,
pengambilan keputusan dibantu menggunakan
choice dan implementation.
komputer untuk membantu pengambil keputusan
5. Dukungan
disediakan yang
untuk berbeda,
berbagai
dengan menggunakan beberapa data dan model
levelmanajerial
mulai dari
tertentu untuk menyelesaikan beberapa masalah
pimpinan puncak sampai manajer lapangan.
yang tidak terstruktur”. Dari pendapat yang dikemukakan di atas dapat disimpulkan bahwa
2.4. Multi-Attribute Decision Making (MADM)
Sistem Pendukung Keputusan
MADM adalah suatu metode yang digunakan untuk
(SPK) adalah suatu sistem informasi berbasis
mencari alternatif optimal dari sejumlahal ternatif
komputer yang menghasilkan berbagai alternatif keputusan untuk membantu manajemen
dengan kriteria (atribut) tertentu. Inti dari MADM
dalam
adalah menentukan nilai bobot untuk setiap atribut,
menangani berbagai permasalahan yang terstruktur
kemudian dilanjutkan dengan proses perangkingan
ataupun tidak terstruktur dengan menggunakan data
yang akan menyeleksi alternatif yang sudah diberikan
dan model.
(Wibowo S, 2009). 2.3. Karakteristik dan Kemampuan SPK Sebagian
1. SPK menyediakan dukungan bagi pengambil
besar
pendeketan
MADM
dilakukan
keputusan utamanya pada situasi semi terstruktur
melalui 2 langkah, yaitu : pertama, membuat rating
dan
memadukan
pada setiap alternatif berdasarkan agregasi drajat
informasi
kecocokan pada semua kriteria; kedua melakukan
terkomputerisasi. Berbagai masalah tidak dapat
perangkingan alternative – alternative keputusan
tak
terstruktur
pertimbangan
manusia
dengan dan
197
tersebut. Dengan demikian, bisa dikatakan bahwa,
2.5. Metode Simple Additive Weighting (SAW)
masalah MADM adalah mengevaluasi m alternatif
Metode SAW sering juga dikenal istilah metode
Ai(i=1,2,...,m) terhadap
sekumpulan atribut atau
penjumlahan terbobot. Konsep dasar metode SAW
kriteria Cj(j=1,2,...,n), dimana setiap atribut saling
adalah mencari penjumlahan terbobot dari rating
tidak bergantung satu dengan yang lainnya. Matriks
kinerja pada setiap alternatif pada semua atribut.
keputusan setiap alternatif terhadap setiap atribut, X,
Metode SAW membutuhkan proses normalisasi
diberikan sebagai
matriks keputusan (X) ke suatu skala yang dapat
: [1].
diperbandingkan dengan semua rating alternatif yang ada[1]. Metode SAW merupakan metode yang banyak digunakan dalam pengambilan keputusan yang memiliki banyak atribut.
Dimana Xij merupakan rating kinerja alternatif ke-i terhadap atribut ke-j. Nilai bobo yang menunjukkan Di mana :
tingkat kepentingan relatif setiap atribut, diberikan sebagai, W :
r i j = rating kinerja ternormalisasi. Max, = nilai maksimum dari setiap baris dan
W = { w1, w2, ... , wn }.....................2.2
kolom.
Rating kinerja (X), dan nilai bobot (W) merupakan
min, = nilai minimum dari setiap baris dan
nilai
kolom.
utama
absolute
yang
dari
merepresentasikan preferensi
pengambil
keputusan.
Masalah
Xij = baris dan kolom dari matriks
FMADM diakhiri dengan proses perangkingan untuk
(rij) adalah rating kinerja ternormalisasi dari
mendapatkan
alternatif
berdasarkan
alternatif nilai
terbaik
keseluruhan
yang
diperoleh
preferensi
yang
Ai pada atribut Ci
diberikan[1].
i=1,2,....m dan j=1,2,....,n
Ada beberapa metode yang dapat digunakan untuk
Nilai preferensi untuk setiap alternatif
menyelesaikan masalah MADM, antara lain [1]:
diberikan sebagai:
1.
Simple Additive Weighting (SAW)
Vi =∑n j = 1................ 2.4
2.
Weighted Product (WP)
Dimana:
3.
ELECTRE
Vi = Nilai akhir dari alternatif
4.
Technique for Order Preference by Similarity to
Wi = Bobot yang telah ditentukan
Ideal Solution (TOPSIS)
r ij = Normalisasi matriks
5.
Analytic Hierarchy Process (AHP)
Vi
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih. Adapun langkah-langkah dalam menyeleksi
198
sebuah kasus MADM dengan SAW adalah: 1.
Menentukan kriteria-kriteria yang aan dijadikan acuan dalam pengambilan keputusan yaitu Cj
2.
Menentukan rating kecocokan setiap alternatif pada setiap criteria.
3.
Membuat
matriks
keputusan
berdasarkan
Selanjutnya dilakukan normalisasi matriks X sebagai
kriteria, Cj kemudian melakukan normalisasi matriks
berdasarkan
persamaan
dengan
atribu
disesuaikan
jenis
berikut ;
yang sehingga
diperoleh matriks ternormalisasi R. 4.
Hasil akhir diperoleh dari proses perangkingan yaitu
penjumlahan
dari
perkalian
matriks
ternormalisasi R dengan nilai bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi. Dari hasil Normalisasi di atas terbentuk matriks R 3. Analisa dan Perancangan 3.1. Analisa
sebagai berikut Dari hasil Normalisasi di atas terbentuk matriks R sebagai berikut :
Dalam penyeleksian siswa dengan menggunakan
Tabel 2 : Preferensi
metode Multi Atribut Decision Making diperlukan kriteria-kriteria
dan
bobot
untuk
1 1 1 1 1
melakukan
perhitungannya sehingga akan didapat alternatif terbaik. 3.2. Analisa System Multi-Attribute Decision
1 0,75 1 0,75 0,75
0,75 0,75 0,75 1 0,75
0,7 1 0,5 1 1
R=
Making (MADM)
V1 ={(1 x 1) + (0.75 x 1) + (1 x 0.75) + (0.75 x 0.5) = 1 + 0.75 + 0.75 + 0.375 = 2.875 V2 ={(1 x 1) + (0.75 x 0.75) + (1 x 0.75) + (0.75 x 1) = 1 + 0.5625 + 0.75 + 0.75 = 3.0625 V3 = {(1 x 1) + (0.75 x 1) + (1 x 0.75) + (0.75 x 0.5) = 1 + 0.75 + 0.75 + 0.375 = 2.875 V4 = {(1 x 1) + (0.75 x 0.75) + (1 x 1) + (0.75 x 1) = 1 + 0.5625 + 1 + 0.75 = 3.3125 V5 ={(1 x 1) + (0.75 x 0.75) + (1 x 0.75) + (0.75 x 1) = 1 + 0.5625 + 0.75 + 0.75 = 3.0625
Dalam MADM terdapat kriteria dan bobot yang dibutuhkan untuk menentukan siapa yang akan terseleksi sebagai calon peserta lomba bidang studi. Adapun kriterianya adalah sebagai berikut : Tabel 1 : Kriteria Kriteria Keterangan C1 Nilai rata-rata ijazah C2 Nilai Tes Matematika C3 Nilai Tes Bahasa Inggris C4 Nilai Tes Bahasa Indonesia Dari masing-masing kriteria tersebut akan ditentukan bobot-bobotnya. Pada bobot terdiri dari enam bilangan, yaitu sangat rendah (SR), rendah (R), tengah (T1), tinggi (T2), dan sangat tinggi (ST) .
199
4.
If Rij = Nilai Bobot
Algoritma dan Implementasi
4.1. Algoritma
Else Xij = Nilai Bobot Kriteria
Algoritma adalah suatu cara yang digunakan untuk
Then
memperoleh ataupun menerangkan suatu keadaan tertentu sehingga bisa lebih mudah dimengerti.
Elseif Wj = Bobot Ternormalisasi
Dalam skripsi ini penulis membuat algoritma untuk
Else Rij = Nilai Bobot
menjelaskan kepada pembaca bagaimana sistem yang
Vi = Jumlah Perhitungan SPK
dibangun agar dapat berjalan. Untuk lebih memahami
The
skripsi ini, maka akan dijelaskan dalam bentuk 3 algoritma yangmenjelaskan isi dari program yang
4.4 . Implementasi
dibuat, antara lain :
Pada tampilan menu utama berisi semua form yang
1.
Algoritma Data Siswa
terkait dengan Sistem Pendukung Keputusan Seleksi
2.
Algoritma Pembobotan
Tenaga Kerja dengan Menggunakan Metode SAW
3.
Algoritma Metode SAW
antara lain ( file, penelusuran, keluar dan tentang).
4.2. Algoritma Data Siswa Untuk lebih menengatahui proses atau langkah pengerjaan pada form kriteria dan calon peserta, berikut akan dijelaskan melalui sebuah algoritma. Adapun algoritma kriteria dan calon peserta adalah Gambar 4.1. Tampilan Menu Utama
sebagai berikut :
Input
Pada form ini berisi tempat pengisian data siswa
: Data Siswa
Output : Data Siswa Proses : If Nomor = 001 Then Nama Siswa = Hermannuddin Else Jenis Kelamin = Laki-laki Else Nilai Rata-Rata Ijazah = 8.0 Else Nilai Tes Matematika = 8.0 Gambar 4.2. Tampilan Form Data Siswa
Else Nilai Tes Bahasa Inggris = 7.0 Else Nilai Tes Bahasa Indonesia = 8.5
Pada form ini berisi tempat pembobotan
Next Nis End.
4.3. Algoritma Metode SAW Input : Nilai bobot Output : Hasil Keputusan Proses
Gambar 4.3. Tampilan Bobot
: Normalisasi
200
Pada form ini berisi tempat pengisian data Sekolahan
2.
Penggunaan seleksi
sistem
calon
pendukung
siswa
ini
keputusan seharusnya
dikembangkan dan perlu ditambah dengan informasi yang lebih akurat dan jelas sehingga sistem seperti ini dapat dipergunakan di sekolah manapun. 3.
Hasil pengembangan lebih lanjut terhadap sistem adalah membangun sistem yang lebih
Gambar 4.4. Tampilan Perusahaan 5.
aman dan user-friendly dengan memperhatikan aspek - aspek Interaksi Manusia dan Komputer.
PENUTUP
5.1. Kesimpulan Berdasarkan penjelasan pada bab-bab sebelumnya,
Daftar Pustaka
maka penulis memberikan kesimpulan antara lain:
Afshari, M. and Rosnah M.,” Simple Additive
1.
Aturan
kriteria
penyeleksian
Weighting approach to personnel selection
dilakukan berdasarkan syarat tertentu seperti
problem”. International journal of Innovation
nilai rata-rata ijazah, nilai matematika, nilai tes
Management and Technology, No 5, ISSN :
bahasa inggris, dan nilai tes bahasa indonesia.
2010-0248, 2010
Syarat
2.
pada
tersebut
proses
ditentukan
Azizollah, J., Zaerpour, F., ”Using Fuzzy Delphi
berdasarkan
kebutuhan dan survei terhadap siswa.
Method in Maintenance Strategy Selection
Penerapan metode Simple Additive Weighting
Problem”. Journal of Uncertain Systems No 4,
dilakukan dengan cara penentuan bobot pada
ISSN : 289-298, 2008
setiap kriteria dan pemenuhan syarat-syarat
Ilhamsyah.(2014).STMIK
Budidarma,
Medan.
yang ada sehingga akan diperoleh nilai bobot
www.stmik-budidarma.ac.id
dari semua kriteria dan akan diperoleh hasil
//Email:
[email protected]
dengan nilai dan jumlah bobot yang paling
Jogiyanto. (2005). Analisis dan Desain Sistem Informasi”, Yogyakarta.
tinggi.
Krismelan Ade, “Sistem Pendukung Keputusan 5.2. Saran
Penerimaan Siswa Baru”, Jurnal Teknik
Untuk pengembangan jurnal ini maka penulis
Informatika, Semarang, 2012.
memberikan saran kepada semua
pihak yang
Kusumadewi
membaca: 1.
Admin
Sri. (2006). Fuzzy Multi-Atttibute
Decision diharapkan
dapat
menerima
dan
Making
(FUZZY
MADM),
Yogyakarta : GRAHA ILMU.
menjalankan sistem pendukung keputusan ini
Moore, and Chang “Decision Support System”
secara maksimal dan baik sehingga tidak terjadi
Penerbit Andi Offset, Jogjakarta, 2011.
kesalahan
dalam
proses
pemilihan
dan
Mufizar, Teuku. 2014. Sistem Pendukung Keputusan
penempatan .
Penerimaan
Mahasiswa
Baru
Program
Beasiswa D3 TKJ Dengan Metode SAW
201
(Simple
Additive
Weighting).
Konferensi
Nasional Sistem Informasi 2014 (KNSI2014215). Halaman 1066-1070. Sutarman, “Pengertian Sistem Informasi”, Malang, 2009:13-14. Wibowo, “Perancangan Sistem Keputusan” Depok, 2011.
Pendukung
Supranto, J.M.A., Riset Oprasi untuk Pengambilan Keputusan. Penerbit -UI, edisi kedua 2005. Supranto, M.A., Teknik Pengambilan Keputusan. Penerbit APU. Edisi revisi. Kuntoro Mangkusubroto dan lestiarini Trisnadi, Analisis Keputusan: Pendekatan Sistem dalam Menejemen Usaha dan Proyek, Penerbit Ganeca Exact Bandung. Cetidakan Ketiga, Maret 1985.
202
