STUDENT ADMISSION DECISION SUPPORT SYSTEM

Transkripsi

1 STUDENT ADMISSION DECISION SUPPORT SYSTEM Andri Sukmaindrayana Prodi Teknik Informatika STMIK DCI Kp. Cibinuang RT/RW 17/03 Ds Sukamahi Kec. Sukaratu Kab. Tasikmalaya ABSTRACT An education institutions often require a system of decision-making in determining admissions. So it takes a decision support system that can determine which students may be accepted by considering the abilities, talents and interests of students, which can help decision-makers nature where the decision results can be used as material to assist teachers in making decisions. In line with the development of information technology, so does the ability of the computer to help solve problems in shared areas, including computer-based decision support systems (Computer Based Decision Support System). The system is designed to improve the effectiveness of decision makers in solving problems faced by both the problem of semi-structured or unstructured. Kata Kunci : DSS I. PENDAHULUAN Sejalan dengan perkembangan teknologi informasi, semakin bertambah pula kemampuan komputer dalam membantu menyelesaikan permasalahanpermasalahan di berbagi bidang, diantaranya sistem pendukung keputusan berbasis komputer (Computer Based Decision Support System). Sistem ini dirancang untuk meningkatkan efektivitas pengambil keputusan dalam memecahkan suatu permasalahan yang dihadapi baik masalah semi-terstruktur maupun tidak terstruktur. Suatu lembaga pendidikan sering membutuhkan suatu sistem pengambilan keputusan dalam menentukan penerimaan siswa. Sehingga dibutuhkan suatu sistem pendukung keputusan yang dapat menentukan siswa yang dapat diterima dengan mempertimbangkan kemampuan, bakat dan minat siswa, yang sifatnya dapat membantu pengambil keputusan dimana hasil keputusan dapat dijadikan sebagai bahan untuk membantu guru dalam mengambil keputusan. II. LANDASAN TEORI A. Sistem Pendukung Keputusan Sistem Pendukung Keputusan atau Decision Support Systems (DSS) adalah sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan manajerial dalam situasi keputusan semiterstruktur. SPK dimaksudkan untuk menjadi alat bantu bagi para pengambil keputusan untuk memperluas kapabilitas mereka, namun tidak untuk menggantikan penilaian mereka. SPK ditujukan untuk keputusan-keputusan yang sama sekali tidak didukung oleh algoritma. B. Definisi Sistem Pendukung Keputusan Definisi SPK sebagai sekumpulan prosedure berbasis model untuk data pemrosesan dan penilaian guna membantu 23

2 para manajer mengambil keputusan. Dia menyatakan bahwa untuk sukses, sistem tersebut haruslah sederhana, cepat, mudah dikontrol, adaptif, lengkap dengan isu-isu penting, dan mudah berkomunikasi Menurut (Litte (1970)). SPK sebagai sistem yang dapat diperluas untuk mendukung analisis data dan pemodelan keputusan, berorientasi terhadap perencanaan masa depan, dan di gunakan pada interfal yang tidak regular dan terencana (Menurut Moore dan Chang (1980)). Pengertian DSS sebagai sistem berbasis komputer yang terdiri dari tiga komponen yang saling berinteraksi: sistem bahasa (mekanisme untuk memberikan komunikasi antara pengguna dan komponen DSS lain), sistem pengetahuan (reposirori pengetahuan domain masalah yang ada pada DSS entah sebagai data atau sebagai prosedur), dan sistem pemrosesan masalah (hubungan antara dua komponen lainnya, terdiri dari satu atau lebih kapabilitas manipulasi masalah umum yang diperlukan untuk pengambilan keputusan), (Menurut Bonczek (1980)). DSS untuk situasi dimana sistem final dapat dikembangkan hanya melalui suatu proses pembelajaran dan evolusi yang adaptif. Jadi, ia mendefinisikan DSS sbagia suatu produk dari proses pengembangan di mana pengguna DSS, pembangun DSS, dan DSS itu sendiri mampu memengaruhi satu dengan yang lainnya, dan menghasilkan evolusi sistem dan pola-pola penggunaan. (Itu yang diterapkan Menurut Keen (1980)). C. Komponen Sistem Pendukung Keputusan 1. DataManagement. Termasuk database yang mengandung data yang relevan untuk berbagai situasi dan diatur oleh software yang disebut Database Management Systems (DBMS). 2. Model Management. Melibatkan model finansial, statistikal, management sience, atau berbagai model kuantitatif lainnya, sehingga dapat memberikan suatu kemampuan analisis pada sistem dan manajemen software yang diperlukan. 3. Communication (dialog subsystem). User dapat berkomunikasi dan memberikan perintah pada DSS melalui subsistem ini. Ini berarti menyediakan antarmuka. 4. Knowledge Management. Subsistem optional ini dapat mendukung subsistem lain atau bertindak sebagai komponen yang berdiri sendiri. D. Fase Pengambilan Keputusan Langkah-langkah dalam pengambilan keputusan terdiri dari empat buah fase, yaitu: 1. Fase Inteligence Inteleigensi dalam pengambilan keputusan meliputi scanning (pemindaian) lingkungan, entah secara intermiten ataupun terus menerus. Inteligensi mencakup berbagai aktivitas yang menekankan identifikasi situasi atau peluang-peluang masalah. (Bisa jadi juga meliputi monitoring hasil-hasil fase implementasi dari suatu proses pengambilan keputusan). 2. Fase Desain Fase desain meliputi penemuan atau mengembangkan dan menganalisis tindakan yang mungkin untuk dilakukan. Hal ini meliputi pemahaman terhadap masalah dan menguji solusi yang layak. Sebuah model masalah pengambilan keputusan dikonstruksi, dites dan divalidasi. 3. Fase Choice Fase pilihan adalah fase di mana dibuat suatu keputusan yang nyata dan diambil suatu komitmen untuk 24

3 mengikuti tindakan tertentu. Fase pilihan meliputi pencarian, evaluasi, dan rekomendasi terhadap suatu solusi yang tepat untuk model. 4. Fase Implementasi Definisi implementasi sedikit rumit karena implementasi merupakan sebuah proses yang panjang dan melibatkan batasan-batasan yang tidak jelas. E. Entropy Metode pembobotan entropy merupakan metode pengambilan keputusan yang memberikan sekelompok kriteria dan menaksir preferensi suatu bobot menurut Jean-Charles dan Sergio Barba (1996) adalah pengukuran j melalui fungsi tertentu sesuai kuantitas informasi yang diberikan dan penilaian bobot kriteria dilakukan melalui pengukuran Dispersy Dj. Metode Entropy cukup powerful untuk menghitung bobot suatu kriteria. Alasanya adalah karena metode ini biasa digunakan untuk berbagai jenis data, baik kuantitatif maupun kualitatif. Selain itu metode ini juga tidak mensyaratkan bahwa satuan maupun range dari tiap kreteria harus sama. Hal ini dimungkinkan karena sebelum diolah, semua data akan dinormalisas dulu sehingga akan bernilai antara 0-1. Pada dasarnya, data yang mempunyai range nilai yang besar (relative terhadap criteria itu sendiri) dan mempunyai variasi nilai yang tinggi untuk tiap alternative, akan memperoleh bobot yang tinggi. Artinya, criteria tersebut dianggap mampu untuk membedakan perfomasi tiap alternative. Dengan menggunakan metode entropy, peneliti bisa memberikan bobot yang tinggi, artinya kreteria tersebut dianggap mampu untuk membedakan performansi tiap alternative.selain itu dengan menggunakan metode entropi, peneliti bisa memberikan bobot (tingkat kepentingan ) awal pada tiap kreteria. F. Konsep Metode Pembobotan Entropy Saat ini entropy tidak terbatas penggunaannya hanya dalam ilmu termodinamika saja, tetapi juga dapat diterapkan dalam bidang lainnya. Entropy dapat diaplikasikan untuk pembobotan atribut-atribut, hal ini dilakukan oleh Hwang dan Yoon (1981). Menurut Jean Charles Pomerol dan Sergio Barba Romero, konsep utama dari metode ini adalah pengukuran kriteria j melalui fungsi tertentu sesuai dengan kuantitas informasi yang diberikan. Bobot kriteria j dinilai melalui pengukuran dispersi aksi aj. Kriteria yang paling penting adalah criteria yang paling kuat mendiskriminasikan tiap nilai dalam aksi-aksi aj tersebut. Langkah-langkah yang digunakan dalam metode ini adalah sebagai berikut: 1. Membuat TabelData Kriteria Kriteria yang diidentifikasi bias berupa kreteria kualitatif maupun kuantitatif, namun semuanya harus bisa terukur. Satuan tiap kreteria boleh berbedabeda 2. Normalisasi Tabel Data Kreteria Rumus normalisasi adalah sebagai berikut: 25

4 3. Perhitungan Ranking Entropy Setelah mendapatkan bobot Entropy untuk masing-masing kreteria jika sebelumnya telah ada bobot awal atau bobot yang telah ditentukan sebelumnya maka hasil bobot Entropy yang sebenarnya untuk tiap kreteria akan didapat dengan perhitungan berikutnya: III. PERANCANGAN SISTEM DFD merupakan alat bantu yang dapat menggambarkan sistem secara lengkap dan jelas, baik sistem yang sudah ada maupun sistem yang masih dalam rancangan. Data Flow Diagarm (DFD) ini menjelaskan mengenai aliran data, informasi proses, basis data dan sumber tujuan data yang dilakukan oleh sistem. Diagram Konteks - Seleksi Penerimaan Siswa Sistem Pendukung Keputusan Penerimaan SiswaDengan Menggunakan Metode Entropy SISWA - Laporan Data Pengaturan Rangking Kriteria - Laporan Data Siswa - Laporan Data Penilaian Kriteria 26

5 DFD Level 1 dari Diagram Konteks 1 Pengolahan Data Tabel_Kriteria Tabel_Siswa - Seleksi Penerimaan Siswa Tabel_BatasPerangkingan 2 Seleksi Penerimaan Siswa Tabel_Penilaian Tabel_Keputusan - Laporan Data Pengaturan Rangking Kriteria - Laporan Data Siswa - Laporan Data Penilaian Kriteria - Data Hasil Seleksi Penerimaan Siswa 3 Laporan - Data Hasil Seleksi Penerimaan Siswa SISWA DFD Level 1 dari Proses 1 Pengolahan Data Tabel_Kriteria 1.1 Pengolahan Data Pengaturan Rangking Kriteria Tabel_Siswa 1.2 Pengolahan Data Siswa Tabel_BatasPerangkingan 1.3 Pengolahan Data Batas Perangkingan Penerimaan Siswa 1.4 Pengolahan Data Penilaian Kriteria Tabel_Penilaian 27

6 DFD Level 1 dari Proses 1.1 Pengolahan Data Pengaturan Rangking Kriteria Tambah Tabel_Kriteria Perbaiki Hapus DFD Level 1 dari Proses 1.2 Pengolahan Data Siswa Tambah Tabel_Siswa Perbaiki Hapus DFD Level 1 dari Proses 1.3 Pengolahan Data Batas Perangkingan Penerimaan Siswa Tambah Tabel_BatasPerangkingan Perbaiki Hapus 28

7 DFD Level 1 dari Proses 1.4 Pengolahan Data Penilaian Kriteria Tabel_Kriteria Tabel_Siswa Tambah Tabel_Penilaian Perbaiki Hapus DFD Level 1 dari Proses 2 Proses Seleksi Penerimaan Siswa Tabel_Penilaian Tabel_Keputusan - Data Seleksi Penerimaan Siswa 2.1 Proses Seleksi Penerimaan Siswa - Data Hasil Seleksi Penerimaan Siswa DFD Level 1 dari Proses 3 Pengolahan Laporan [admin] - Laporan Data Pengaturan Rangking Kriteria Tabel_Kriteria 3.1 Laporan Data Pengaturan Rangking Kriteria - Laporan Data Siswa Tabel_Siswa Tabel_Penilaian 3.2 Laporan Data Siswa - Laporan Data Penilaian Kriteria Tabel_Keputusan 3.3 Laporan Data Penilaian Kriteria - Data Hasil Seleksi Penerimaan Siswa 3.4 Laporan Data Hasil Seleksi Penerimaan Siswa 29

8 DFD Level 1 dari Proses 3 Pengolahan Laporan [siswa] Tabel_Keputusan - Data Hasil Seleksi Penerimaan Siswa 3.1 Laporan Data Hasil Seleksi Penerimaan Siswa SISWA IV. PEMBAHASAN Form Login Form Data Pengaturan Rangking Kriteria Form Data Siswa Form Data Penilaian Kriteria Form Data Batas Perangkingan Form Proses Seleksi Penerimaan Penerimaan Siswa Siswa [Proses 1] 30

9 Form Proses Seleksi Penerimaan Form Proses Seleksi Penerimaan Siswa [Proses 2] Siswa [Proses 3] Form Proses Seleksi Penerimaan Form Proses Seleksi Penerimaan Siswa [Proses Siswa [Proses 5] V. KESIMPULAN Dari Sistem Pendukung Keputusan Penerimaan Siswa Dengan Menggunakan Metode Entropy ini, kemudian melakukan evaluasi hasil analisis, perancangan serta implementasi sistem tersebut maka dapat diambil kesimpulan sebagai berikut: 1. Dapat memanipulasi data pengaturan rangking kriteria, data siswa dan data batas perangkingan penerimaan dalam arti dapat ditambah dan dikurangi sesuai dengan kebutuhan, tetapi perubahan tersebut harus diikuti dengan melakukan proses penilaian kriteria terhadap masingmasing siswa untuk setiap kriteria penilaian supaya proses seleksi hasil keputusan penerimaan siswa dapat dilakukan; 2. Dapat memberikan informasi keputusan berupa data yang menentukan penerimaan siswa ditunjukkan dengan keterangan diterima atau tidak diterima; 3. Data-data yang diolah dalam sistem ini dapat ditampilkan ke layar atau dapat juga di cetak yang merupakan laporanlaporan dari data-data yang kita butuhkan; 4. Sistem ini hanya dapat digunakan oleh satu orang pengguna saja dan bersifat stand alone. 31

10 VI. DAFTAR PUSTAKA Bunafit Nugroho, Database Ralational dengan MySql, Andi Offset, Yogyakarta, Fathansyah, Ir, Basis Data, Bandung: Informatika, Inge Martina, Ir., 36 Jam Belajar Komputer Delphi 5.0, PT Elex Media Komputindo, Jakarta, Rinaldi Munir, Algoritma dan Pemrograman Dalam Bahasa Pascal dan C, Informatika Bandung, Bandung, Widodo Nugroho, Tip dan Trik Pemrograman Delphi, PT Elex Media Komputindo, Jakarta,