Komparasi Metode Profile Matching

Transkripsi

1 Seminar Nasional Peranan Ipteks Menuju Industri Masa Depan (PIMIMD-4) Institut Teknologi Padang (ITP), Padang, 27 Juli 2017 ISBN: Komparasi Metode Profile Matching dan Topsis dalam Seleksi Penerimaan Asisten Pratikum Studi Kasus (Laboratorium Teknik Informatika Institut Teknologi Padang) Eva Yulianti*, Donna Sari Jurusan Teknik Informatika, Institut Teknologi Padang Jalan Gajah Mada Kandis Nanggalo Padang, Indonesia *Correspondence should be addressed to Abstract Each laboratory has its own policies in determining the election lab assistant. To support the learning process in practical activities, it is necessary lab assistant. Student lab assistant was selected as an assistant lecturer lab activity that have gone through several stages of selection. During the assessment process in the selection of assistants are subjective, especially if there are several candidate s assistants have etensive knowledge, the same values and capabilities that are not much different. To solve the problems this study used a profile matching method and topsis method, designed a web-based programming language PHP and uses a MySQL database. Comparing the admission selection lab assistant with the actual data. Selection of testing using the comparative method lab assistant profile matching and topsis, this method used where appropriate showing the same end result and the same data as well, so that both methods can be applied to consideration materials for lecturers in choosing a lab assistant. Keywords: Profile matching method, topsis method, comparison, lab assistant, web based. 1. Introduction Tiap laboratorium memiliki kebijakan sendiri dalam menentukan pemilihan asisten praktikum. Untuk mendukung proses pembelajaran dalam kegiatan praktikum, maka diperlukan asisten praktikum. Asisten praktikum adalah mahasiswa yang terpilih sebagai asisten tenaga pengajar kegiatan praktikum yang telah melalui beberapa tahap seleksi. Selama ini proses penilaian dalam pemilihan asisten masih bersifat subyektif terutama jika ada beberapa calon asisten memiliki wawasan yang luas, nilai yang sama dan kemampuan yang tidak jauh berbeda. Masalah umum yang sering terjadi dalam proses pemilihan calon asisten diantaranya adalah pemilihan asisten praktikum berdasarkan pemilihan mahasiswa oleh dosen yang dirasa bisa untuk menjadi asisten dan tidak adanya bobot pada kriteria pemilihan asisten yang diprioritaskan. Oleh karena itu asisten praktikum dipilih karena dosen membutuhkan asisten pratikum yang berkompeten dan bisa di andalkan di suatu pratikum mata kuliah, yang nantinya akan sangat berguna bagi mahasiswa untuk menguasai suatu keahlian. Pada penelitian ini penulis memilih dua metode yaitu metode topsis dan profil matching untuk dibandingkan dalam penerimaan seleksi asisten praktikum. Metode topsis membutuhkan proses rangking tiap alternatif pada setiap kriteria yang ternormalisasi sehingga diperoleh matriks keputusan ternormalisasi terbobot, didapatkan dari perkalian matriks R dengan bobot preferensi. Solusi ideal positif dan negatif dapat ditentukan berdasarkan rangking bobot ternormalisasi sehingga didapat jarak dengan solusi ideal. Hasil akhir diperoleh dari proses kedekatan setiap alternatif terhadap solusi ideal sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik sebagai solusi. Adapun kelebihan metode topsis yaitu dapat menentukan nilai preferensi untuk setiap alternatif, sedangkan kekurangan metode topsis yaitu memerlukan bobot awal untuk mengolah data dan perhitungan metode topsis harus lebih dari 1 nilai. Untuk mendapatkan hasil yang maksimal dalam pemilihan atlternatif, penulis mengkomparasi data yang sama dengan metode profile matching. Metode profile matching merupakan proses membandingkan antara nilai data aktual dari suatu profil yang akan dinilai dengan nilai profil yang diharapkan, sehingga dapat diketahui perbedaan 2017 ITP Press. All rights reserved. DOI /PIMIMD

2 Prosiding Seminar Nasional PIMIMD-4, ITP, Padang 79 kompetensinya (disebut juga gap), semakin kecil gap yang dihasilkan maka bobot nilainya semakin besar. Adapun kelebihan metode profile matching yaitu menentukan kemampuan antara profile individu dengan profile lainnya, sedangkan kekurangan metode profile matching yaitu memerlukan bobot awal untuk mengolah data dan tidak mempunyai kemampuan untuk memecahkan masalah yang diteliti dalam multi kriteria. Kedua metode ini dipilih oleh penulis karena kedua metode ini dalam melakukan proses untuk mencari nilai akhirnya harus menggunakan suatu nilai target, yang berupa kriteria dan bobotnya, namun dalam proses perhitungannya menggunakan cara masing masing. Perbandingan dua metode ini bertujuan untuk mengetahui tingkat alternatif terbaik dengan menggunakan data dan kriteria yang sama. 2. Metodologi A. Sistem Pendukung Keputusan Sistem pendukung keputusan didefinisikan sebagai sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan manajerial dalam situasi tertentu. Sistem pendukung keputusan dimaksudkan untuk menjadi alat bantu bagi para pengambil keputusan untuk memperluas kapabilitas mereka, namun tidak untuk menggantikan penilaian mereka. Sistem pendukung keputusan merupakan sistem berbasis komputer interaktif yang membantu pengambil keputusan memanfaatkan data dan model untuk menyelesaikan masalahmasalah yang tak terstruktur. Ada beberapa hal yang menjadi alasan digunakannya Sistem Pendukung Keputusan, yaitu keadaan ekonomi yang tidak stabil, peningkatan persaingan yang terjadi dalam dunia bisnis, kebutuhan akan informasi baru yang akurat, penyediaan informasi yang tepat waktu dan usaha untuk mengurangi biaya operasi. Selain itu, alasan lain dalam pengembangan Sistem pendukung Keputusan adalah perubahan perilaku komputasi end-user, end-user bukanlah programmer, sehingga mereka membutuhkan alat dan prosedur yang mudah untuk digunakan. B. Pencocokan Profil (profile matching) Pencocokan profil (profile matching) adalah sebuah mekanisme pengambilan keputusan dengan mengansumsikan bahwa terdapat tingkat variabel prediktor yang ideal yang harus dimiliki oleh pelamar, bukannya tingkat minimal yang harus dipenuhi atau dilewati. Dalam proses profile matching, akan dilakukan proses pembandingan antara kompetensi individu ke dalam kompetensi standar, dalam hal ini profil asisten praktikum yang ideal sehingga dapat diketahui perbedaan kompetensinya (disebut juga gap). Semakin kecil gap yang dihasilkan maka bobot nilainya semakin besar. Calon yang memiliki bobot nilai yang besar berarti memiliki peluang lebih besar untuk dapat menempati posisi sebagai asisten praktikum. Langkah-langkah perhitungan dalam profile matching dijelaskan pada bagian selanjutnya. 1. Pemetaan Gap Kompetensi Gap yang dimaksud disini adalah perbedaan/selisih value masing - masing aspek / atribut dengan value target. Contoh: perbedaan value Profil calon asisten dengan value Profil Ideal. Gap =Value Atribut Value Target Tabel 1 Bobot nilai gap Selisih Bobot Keterangan Nilai 0 5 Tidak ada selisih (kompetensi sesuai yang dibutuhkan ) 1 4,5 Kompetensi individu kelebihan 1 tingkat / level -1 4 Kompetensi individu kekurangan 1 tingkat / level 2 3,5 Kompetensi individu kelebihan 2 tingkat / level -2 3 Kompetensi individu kekurangan 2 tingkat / level 3 2,5 Kompetensi individu kelebihan 3 tingkat / level -3 2 Kompetensi individu kekurangan 3 tingkat / level 4 1,5 Kompetensi individu kelebihan 4 tingkat / level -4 1 Kompetensi individu kekurangan 4 tingkat / level

3 80 2. Pembobotan Setelah diperoleh Gap pada masingmasing calon asisten, setiap profil calon asisten diberi bobot nilai sesuai ketentuan pada Tabel Bobot Nilai Gap. 3. Perhitungan dan Pengelompokan Core dan Secondary Factor Setelah menentukan bobot nilai gap untuk semua aspek dengan cara yang sama, setiap aspek dibagi lagi menjadi dua kelompok yaitu kelompok Core Factor (faktor utama) dan Secondary Factor (faktor pendukung). Perhitungan core factor dapat ditunjukkan pada rumus: NC (t, m, w ) NCF = IC Keterangan: NCF : Nilai rata-rata core factor NC : Jumlah total nilai core factor (tes tulis, microteaching, wawancara,) IC : Jumlah item core factor Sedangkan untuk perhitungan secondary factor dapat ditunjukkan pada rumus di bawah ini: NS (t, m, w ) NSF = IS Keterangan: NSF : Nilai rata-rata secondary factor NS : Jumlah total nilai secondary factor (tes tulis, microteaching, wawancara) IS : Jumlah item secondary factor 4. Perhitungan dan Pengelompokan Dari hasil perhitungan dari tiap aspek di atas kemudian dihitung nilai total berdasarkan presentasi dari core factor dan secondary factor yang diperkirakan berpengaruh terhadap kinerja tiap - tiap profil. perhitungannya dapat dilihat pada rumus dibawah ini: Prosiding Seminar Nasional PIMIMD-4, ITP, Padang bahwa alternative yang dipilih memiliki jarak terdekat dengan solusi ideal positif dan memiliki jarak terjauh dasi solusi ideal negatif. Namun, alternatif yang mempunyai jarak terkecil dari solusi ideal positif, tidak harus mempunyai jarak terbesar dari solusi ideal negatif. Maka dari itu, topsis mempetimbangkan keduanya, jarak terhadap solusi ideal positif dan jarak terhadap solusi ideal negatif secara bersamaan. Solusi optimal dalam metode topsis didapat dengan menentukan kedekatan relatif suatu altenatif terhadap solusi ideal positif. topsis akan merangking alternatif berdasarkan prioritas nilai kedekatan relatif suatu alternatif terhadap solusi ideal positif. Alternatif-alternatif yang telah dirangking kemudian dijadikan sebagai referensi bagi pengambil keputusan untuk memilih solusi terbaik yang diinginkan. Langkah-Langkah Metode Topsis Berikut adalah langkah-langkah dari metode topsis : 1. Rangking Tiap Alternatif Topsis membutuhkan ranking kinerja setiap alternatif Ai pada setiap kriteria Cj yang ternormalisasi yaitu : r ij ij= m 2 i=1 ij dengan i = 1, 2, 3,..., m; dan j = 1, 2, 3,..., n; 2. matriks keputusan ternormalisasi terbobot. y ij = w i r ij dengan i = 1, 2,..., m; dan j = 1, 2,..., n. 3. Solusi Ideal Positif Dan Negatif Solusi ideal positif A+ dan solusi ideal negatif A- dapat ditentukan berdasarkan ranking bobot ternormalisasi (yij) sebagai berikut : Nilai (t,m,w) = 60 % NCF + 40 % NSF Keterangan: NCF : Nilai Rata-rata Core Factor NSF : Nilai Rata-rata Secondary Factor N(t,m,w) : Nilai Total dari tiap aspek ()% : Nilai Persen Yang Diinputkan (60%) (y)% : Nilai Persen Yang Diinputkan (40%) C. Metode Topsis Topsis adalah salah satu metode pengambilan keputusan multi criteria yang pertama kali diperkenalkan oleh Yonn dan Hwang (1981) dengan ide dasarnya adalah 4. Jarak Dengan Solusi Ideal Jarak adalah alternatif A i dengan solusi ideal positif dirumuskan sebagai : D i + = (yi + yij ) 2 j 1 ; i = 1,2,, m Jarak adalah alternatif A i dengan solusi ideal negatif dirumuskan sebagai :

4 Prosiding Seminar Nasional PIMIMD-4, ITP, Padang 81 Admin data mahasiswa,dosen,metode profile matching, metode topsis Hasil penilaian Komparasi Metode Profile Matching Dan Topsis Penerimaan Asisten Pratikum Penilaian 1. metode profile matching 2. metode topsis Dosen D i = yij yi ) 2 j 1 Hasil penilaian metode profil Macthing dan metode topsis Mahasiswa = 1,2,, m 5. Nilai Preferensi Untuk Setiap Alternatif Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai : i=1,2,...,m Nilai Vi yang lebih besar menunjukkan bahwa alternatif Ai lebih dipilih. Contet Diagram Pada contet seperti ditunjukkan pada gambar 1 menggambarkan garis besar dari integrasi komparasi metode profile macthing dan metode topsis dalam seleksi penerimaan asisten pratikum di Institut Teknologi Padang. 3. Pembahasan A. Halaman Utama Halaman utama merupakan halaman yang pertama kali ditampilkan pada website program komparasi metode profile matching dan metode topsis dalam seleksi penerimaan asisten praktikum. Yang dapat dilihat pada tampilan gambar 2a. B. Halaman Login Halaman Login merupakan halaman yang dapat digunakan oleh admin, dosen dan mahasiswa untuk masuk ke dalam sistem. Dengan menginputkan username dan password yang telah ada dan benar, maka admin, dosen ataupun mahasiswa dapat mengakses menunya masing-masing. Tampilan Login dapat dilihat seperti gambar 2b. C. Halaman admin Halaman Admin terdapat beberapa menu yaitu home, mahasiswa, dan dosen. Halaman admin dapat dilihat seperti gambar 2c. login login Gambar 1 Contet diagram ; i D. Tambah Mahasiswa Menampilkan form input data mahasiswa, berupa nomor bp, nama, jurusan, tempat lahir, tanggal lahir, jenis kelamin dan alamat (gambar 2d). E. Data Mahasiswa Pada halaman data mahasiswa terdapat data dari tabel mahasiswa berupa no bp, nama, jurusan, jenkel, action yang terdiri dari edit, hapus dan detail yang dapat dilihat seperti gambar 2e. F. Tambah Dosen Menampilkan informasi data dosen, berupa NIDN, nama, mata kuliah, tempat lahir, tanggal lahir, jenis kelamin dan alamat (gambar 2f). G. Data Dosen Pada halaman data dosen terdapat data dosen berupa nidn, nama, mata kuliah, jenkel, action dapat dilihat seperti gambar 2g. H. Halaman Dosen Pada halaman dosen ini terdapat penilaian terhadap mahasiswa seperti gambar 2h. I. Menu Mahasiswa Menu mahasiswa (gambar 2i) menampilkan data mahasiswa yang ingin di nilai dengan mengklik nilai, seperti gambar dibawah ini. Setelah nilai diklik lalu tampil dan pilih nilai targetnya No BP, nama, test tulis, penyampaian, pemahaman, alokasi waktu, motivasi, problem solving dan matakuliah. Untuk nilai kriterianya 1 (sangat buruk), 2 (buruk), 3 (cukup), 4 (baik), 5 (sangat baik). J. Nilai Target Pada halaman nilai target ini berupa mata kuliah, test tulis, penyampaian, pemahaman, alokasi waktu, motivasi, problem solving. nilai untuk setiap nilai target 1 (sangat buruk), 2 (buruk), 3(cukup), 4 (baik), 5(sangat baik) seperti gambar 2j. K. Penilaian Profil Matching Pada halaman profile matching ini berupa No BP, nama, test tulis, penyampaian, pemahaman, alokasi waktu, motivasi, problem solving, nilai, action lalu mengklik proses seperti gambar 2k. Setelah mengklik proses dan tampil proses penilaian profile matching, untuk proses penilaiannya : perhitungan gap kompetensi nilai-nilai target, hasil pembobotan semakin kecil selisihnya maka semakin besar bobot nilainya, perhitungan core factor (faktor

5 82 Prosiding Seminar Nasional PIMIMD-4, ITP, Padang (a) (b) (c) (d) (e) (f) (d) (h) (i) (j) (k) (l) Gambar 2 Tampilan sistem utama) dan secondary factor (faktor pendukung) dibagi 3, perhitungan nilai total 60%*NCF + 40%*NSF seperti gambar 2k. Perhitungan GAP Kompetensi GAP = Profile Karyawan Profile Jabatan Tabel 2. Perhitungan GAP Bp TT Pemah Penya A Mot aman mpaian L ivasi S Nilai target GAP Pembobotan Setelah dihitung nilai GAP mahasiswa, lalu tentukan bobot nilai GAP sesuai dengan bobot yang sudah ditentukan. Tabel 3. Bobot Nilai GAP Bobot 3 4 4,5 3,5 3,5 4 Perhitungan Core Factor dan Secondary Factor Perhitungan core factor dan secondary factor untuk nilai mahasiswa dilakukan dengan terlebih dahulu menentukan mana yang menjadi core factor nilai mahasiswa dan sisanya akan menjadi secondary factor. Kemudian nilai core factor dan secondary factor tersebut dijumlahkan. NC(tt + pem + penyam) NCF = IC = ,5 = 3,833 3 NS(aw + mot + ps) NSF = IS 3,5 + 3,5 + 4 = = 3,667 3 PerhitunganNilai Total Dari perhitungan nilai mahasiswa yang diatas, berikutnya dihitung nilai total berdasarkan

6 Prosiding Seminar Nasional PIMIMD-4, ITP, Padang 83 presentase dari core factor dan secondary factor. Nilai Total = 60 % NCF + 40 % NSF NT = (60% 3,833)+(40% 3,667) = 3,767 Penilaian Topsis Pada halaman ini berupa proses penilaian mahasiswa menggunakan metode topsis. Matriks keputusan tentukan mahasiswanya lalu nilai setiap kriteria, normalisasi matriks keputusan nilai setiap kriteria dibagi akar dari matriks keputusan, normalisasi terbobot matriks keputusan hasil normalisasi matriks keputusan dikali nilai target, solusi ideal positif nilai tertinggi dan negatif nilai terendah dari setiap nilai kriteria normalisasi terbobot matriks keputusan, hasil perbandingan separasi posotif dan negatif dari solusi ideal, kedekatan setiap alternatif hasil solusi ideal negatif dibagi dengan hasil ideal negatif ditambah ideal positif seperti gambar 3. Rangking Kecocokan Alternatif Tabel 4 berikut menunjukkan rangking kecocokan dari setiap alternatif pada setiap kriteria. Rumus : r ij ij= m i=1 2 ij X1 = = 6,164 r11 = X11 X1 = 2 6,164 = 0,324 r21 = X21 X1 = 3 6,164 = 0,487 r31 = X31 X1 = 5 6,164 = 0,811 X2 = = 5,385 r12 = X12 X2 = 5 5,385 = 0,371 r22 = X22 X2 = 4 5,385 = 0,743 r32 = X32 X2 = 3 5,385 = 0,557 X3 = = 6,557 r13 = X13 X3 = 3 6,557 = 0,458 r23 = X23 X3 = 3 6,557 = 0,458 r33 = X33 X3 = 5 6,557 = 0,763 Gambar 3 Tampilan Proses Penilaian Metode Topsis Tabel 4 Rangking Kecocokan Kriteria Kriteria Alternatif C1 C2 C3 C4 C5 C X4 = = 5,831 r14 = X14 X4 = 4 5,831 = 0,686 r24 = X24 X4 = 3 5,831 = 0,514 r34 = X34 X4 = 3 5,831 = 0,514 X5 = = 7,681 r15 = X15 X5 = 5 7,681 = 0,651 r25 = X25 X5 = 3 7,681 = 0,391 r35 = X35 X5 = 5 7,681 = 0,651 X6 = = 6,403 r16 = X16 X6 = 3 6,403 = 0,469 r26 = X26 X6 = 4 6,403 = 0,625 r36 = X36 X6 = 4 6,403 = 0,625 Maka diperoleh nila R : 0,324 0,371 0,458 0,686 0,651 0,469 0,487 0,743 0,458 0,514 0,391 0,625 0,811 0,557 0,763 0,514 0,651 0,625

7 84 Matriks Keputusan Ternormalisasi Terbobot Bobot preferensi untuk setiap kriteria C1,C2,C3,...,C6 = (4,3,2,2,3,4) matriks keputusan yang dibentuk dari tabel rangking kecocokan yaitu: Matriks keputusan ternormalisasi terbobot di dapatkan dari perkalian matriks R dengan bobot preferensi (4,3,2,2,3,4) dengan menggunakan rumus : y ij = w i r ij Maka diperoleh nilai Y : 1,296 1,113 0,916 1,372 1,953 1,876 1,948 2,229 0,916 1,028 1,173 2,5 3,244 1,671 1,526 1,028 1,952 2,5 4. Solusi Ideal Positif dan Negatif A. Solusi Ideal Positif Rumus : y1 + = ma {1,296; 1,948; 3,244 } = 3,244 y2 + = ma {1,113; 2,229; 1,671 } = 2,229 y3 + = ma {0,916; 0,916; 1,526 } = 1,526 y4 + = ma {1,372; 1,028; 1,028 } = 1,372 y5 + = ma {1,953; 1,173; 1,953} = 1,953 y6 + = ma {1,876; 2,5; 2,5} = 2,5 A + = {3,244; 2,229; 1,526; 1,372; 1,953; 2,5} B. Solusi Ideal Negatif Rumus : Prosiding Seminar Nasional PIMIMD-4, ITP, Padang D i + = (yi + yij ) 2 D1 + j 1 ; i = 1,2,, m = (1,296 3,244)2 +(1,113 2,229) 2 +(0,916 1,526) 2 +(1,372 1,372) 2 +(1,953 1,953) 2 +(1,876 2,5) 2 = 2,409 D2 + = (1,948 3,244)2 +(2,229 2,229) 2 +(0,916 1,526) 2 +(1,028 1,372) 2 +(1,173 1,953) 2 +(2,5 2,5) 2 = 1,667 D3 + = (3,244 3,244)2 +(1,671 2,229) 2 +(1,526 1,526) 2 +(1,028 1,372) 2 +(1,953 1,953) 2 +(2,5 2,5) 2 = 0,656 Jarak antara nilai terbobot setiap alternatif terhadap solusi ideal negatif : D i = yij yi ) 2 D1 j 1 ; i = 1,2,, m = (1,296 1,296)2 +(1,113 1,113) 2 +(0,916 0,916) 2 +(1,372 1,028) 2 +(1,953 1,173) 2 +(1,876 1,876) 2 = 0,852 D2 = (1,948 1,296)2 +(2,229 1,113) 2 +(0,916 0,916) 2 +(1,028 1,028) 2 +(1,173 1,173) 2 +(2,5 1,876) 2 = 1,435 D3 = (3,244 1,296)2 +(1,671 1,113) 2 +(1,526 0,916) 2 +(1,028 1,028) 2 +(1,953 1,173) 2 +(2,5 1,876) 2 = 2,340 Kedekatan Alternatif terhadap Solusi Ideal Rumus : y1 = min {1,296; 1,948; 3,244 } = 1,296 y2 = min {1,113; 2,229; 1,671 } = 1,113 y3 = min {0,916; 0,916; 1,526 } = 0,916 y4 = min {1,372; 1,028; 1,028 } = 1,028 y5 = min {1,953; 1,173; 1,953} = 1,173 y6 = min {1,876; 2,5; 2,5} = 1,876 A = { 1,296; 1,113; 0,916; 1,028; 1,173; 1,876} Jarak Nilai Terbobot Alternatif Jarak antara nilai terbobot setiap alternatif terhadap solusi ideal positif : 0,857 V1 = 0, ,409 = 0,852 3,261 = 0,261 1,435 V2 = 1, ,667 = 1,435 3,102 = 0,463 2,340 V3 = 2, ,656 = 2,340 2,996 = 0,781 Komparasi Metode Profile Matching dan Topsis Pada halaman ini berupa komparasi metode profile matching dan topsis seperti gambar 4 di bawah ini.

8 Prosiding Seminar Nasional PIMIMD-4, ITP, Padang 85 Mahasiswa Menampilkan informasi mahasiswa, berupa nomor bp, nama, jurusan, tempat lahir, tanggal lahir, jenis kelamin dan alamat seperti gambar 7 di bawah ini. Gambar 4 Tampilan Komparasi Metode Profile Matching dan Topsis Tabel 5 Komparasi metode Profile matching dan Topsis Metode Profile MetodeTopsis Pering Matching kat Alterna tif Nilai Akhir Alternat if Nilai Akhir , , , , , ,261 Berdasarkan implementasi metode profile matching dan topsis maka diperoleh hasil komparasi dari kedua metode tersebut pada tabel 5. Terdapat persamaan pada alternatif ke -1, ke -2 dan ke -3 yaitu untuk metode profile matching dan metode topsisperingkat kesatu , kedua dan peringkat ketiga akan tetapi tujuan dari penelitan ini adalah mencari alternatif terbaik, dan menggunakan data dan kriteria yang sama. Setelah mengklik pilih dan tampil hasil seleksi lulus atau tidak lulusnya mahasiswa dalam komparasi metode profile matching dan topsis seperti gambar 5. Gambar 7 Tampilan Data Mahasiswa Nilai Mahasiswa Pada halaman nilai mahasiswa terdapat hasil nilai metode profile matching dan topsis untuk mahasiswa yang sudah di nilai berupa no bp, mata kuliah, test tulis, penyampaian, pemahaman, alokasi waktu, motivasi, problem solving dan keterangan dapat dilihat seperti gambar 8 di bawah ini. Gambar 8 Tampilan Nilai Mahasiswa Hasil Seleksi Pada halaman ini berupa hasil akhir mahasiswa lulus seleksi asisten pratikum. Adapun keputusannya tergantung dosen layak atau tidakseorang mahasiswa menjadi asisten praktikum seperti gambar 9. Gambar 5 Tampilan Hasil Seleksi Komparasi Metode Profile Matching Halaman Mahasiswa Pada halaman mahasiswa ini terdapat tampilan mahasiswa seperti gambar 6. Gambar 9 Tampilan hasil akhir seleksi Gambar 6 Tampilan Mahasiswa

9 86 Gambar 9 Tampilan hasil akhir seleksi (lanjutan) 5. Simpulan Kedua metode yang telah dilakukan perhitungan dapat menunjukkan persamaan pada alternatif diperoleh berdasarkan kriteria dan data yang sama yang bertujuan mencari alternatif terbaik. Metode profile matching lebih tepat untuk menyelesaikan permasalahan seleksi penerimaan asisten pratikum, karena calon yang memiliki nilai yang besar berarti memiliki peluang lebih besar atau ideal. Referensi [1] Akhirina, Tri Yani, Komparasi Metode Simple Additive Weighting dan Profile Matching pada Pemilihan Mitra Jasa Pengiriman Barang. Prosiding Seminar Nasional PIMIMD-4, ITP, Padang [2] Anhar, 2010, Panduan Menguasai PHP dan My SQL secara Otodidak, Jakarta: Mediakitta. [3] Fathansyah, 2007, Basis Data, Bandung: Informatika. [4] Fitri, Boy Ahmad. Sistem Pendukung Keputusan Pemilihan Menu Makanan Pada Penderita Obesitas Dengan Menggunakan Metode Topsis, Jurnal Saintikom : STMIK Triguna Dharma: september 2015 [5] Hermawan, Julius, 2005, Membangun Decision Support System, Yogyakarta: Andi. [6] Kusrini, 2007, Konsep dan Aplikasi Sistem Pendukung Keputusan, Yogyakarta: Andi [7] Kusrini, 2007, strategi perancangan dan pengelolaan basis data, Yogyakarta: Andi. [8] Nuryanti, Wiwit, 2011,Topsis (Technique For Others Reference by Similarity to Ideal Solution) [9] Sari, Bety Wulan. Perbandingan Metode Profile Matching Dan Simple Additiv Weighting Pada Penentuan Jurusan Siswa Kelas X SMA N 2 Ngaglik, Jurnal Ilmiah DASI : STMIK AMIKOM yogyakarta: maret 2015 [10] Setyawan, Raden Arief, 2013, Sistem pendukung keputusan seleksi penerimaan asisten praktikum menggunakan metode profile matching. [11] Suryadi, K, Ramdhani, A, 2003., Sistem Pendukung Keputusan, Bandung: Rosda. [12] Turban,E. dkk, 2005, Decision Support System And Inteligence System. Yogyakarta. Andi