PEMILIHAN JURUSAN SISWA SMA MENGGUNAKAN METODE PENDUKUNG KEPUTUSAN FUZZY MADM

Transkripsi

1 A24 Seminar Nasional Teknologi Informasi 2016 PEMILIHAN JURUSAN SISWA SMA MENGGUNAKAN METODE PENDUKUNG KEPUTUSAN FUZZY MADM Fata Nidaul Khasanah 1), Rita Wahyuni Arifin 2) 1)2) Teknik Informatika STMIK Bina Insani Jalan Raya Siliwangi No.6 Rawa Panjang-Bekasi ABSTRACT The major selection of high school student is one effort to steer students based on academic ability and students interest. The purpose of this study is to optimize the process of major selection on the level of senior high school. The model used in the system of decision support was Multiple Attribute Decision Making (FMADM) by the method of Simple Additive Weighting (SAW). SAW method was selected for this decision support system because this method determines weights for each attribute, then it was followed by ranking process that will select the best alternative from a number of alternatives. The results of the calculation process in the research indicates methods FMADM SAW capable of delivering the results of the major selection of the high school students with a number of matches against reality as much as 21 data from 30 students who are to be tested. So the FMADM SAW has a accuracy rate against the real yield of 70%. Key words, FMADM, SAW, Major Selection 1. Pendahuluan Pengarahan jurusan sejak dini dapat memudahkan siswa memilih bidang ilmu yang akan ditekuninya di akademik atau universitas yang tentunya akan mengarah pula kepada karirnya kelak. Kurikulum yang digunakan saat ini penjurusan dilakukan di awal kelas X. Penjurusan siswa SMA merupakan salah satu upaya untuk mengarahkan siswa berdasarkan kemampuan akademik dan minat siswa. Proses penjurusanmelibatkan beberapa kriteria yang digunakan sebagai bahan pertimbangan, yaitu nilai akademik siswa, hasil psikotes dan angket keinginan (minat) siswa. Satuan pendidikan dapat menambah kriteria penjurusan sesuai dengan karakteristik dan kebutuhansetiap satuan pendidikan [1]. Sistem penjurusan yang selama ini digunakan oleh guru masih dilakukan secara manual. Guruharusmenyeleksi satu persatu dalam menentukan jurusan untuk setiap siswa berdasarkan nilai akademiksiswa, nilai placement test siswa dan angketkeinginan (minat) siswa, sehingga menyebabkan proses penentuan jurusan siswa tersebut memakan waktu yang cukup lama untuk mendapatkan hasil penjurusan. Model yang digunakan dalam sistem pendukung keputusan ini adalah Multiple Atribute DecisionMaking (FMADM) dengan metode Simple Additive Weighting (SAW). Metode SAW dipilih untuk sistem pendukung keputusan ini karena metode ini menentukan bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perangkingan yang akan menyeleksi alterantif terbaik dari sejumlah alterantif. Alternatif yang dimaksud adalah siswa yang akan masuk jurusan IPA atau IPS. Metode ini diharapkan mendapatkan hasil yang lebih akurat karena didasarkan pada nilai kriteria dan bobot yang sudah ditentukan. Beberapa penelitian telah banyak dilakukan dalam menerapkan teknik FMADM, seperti penentuan manajer pada perusahaan MAPNA yang bergerak dalam pengembangan minyak, gas dan industri-industri lainnya peneliti menerapkan metode SAW sebagai solusi penyelesaian masalah [2]. Widayanti (2013) [3] pada penelitiannya mengenaianalisis dan implementasi Multi-Attribute Decision Making penyeleksian siswa berprestasi menggunakan metode Simple Additive Weighting (SAW). Teknik FMADM dengan menggunakan metode SAW diterapkan sebagai pendukung keputusan untuk menentukan siswa-siswi yang layak untuk menerima beasiswa di SMAN 2 Semarang [4]. Penerapan teknik FMADM digunakan sebagai pendukung keputusan dalam melakukan perangkinganterhadap layanan website [5]. Karena itu, untuk mengoptimalkan proses penjurusan sesuai dengan kurikulum yang berdasarkan minat dan keinginan siswa di Sekolah Menengah Atas (SMA) diperlukan penelitian dan pengembangan suatu sistem pendukung keputusan untuk menentukan jurusan berdasarkan minat siswa. Sistem ini akanmenjadi alat pendukung keputusan bagi pihakpihak yang terkait dengan menggunakan kriteria nilai rapor, nilai ujian sekolah, nilai ujian nasional, nilai hasil penempatan dan minat siswa. 2. Tinjauan Pustaka a. Penjurusan Sekolah Menengah Atas (SMA) Penjurusan siswa SMA merupakan salah satu upaya untuk mengarahkan siswa berdasarkan kemampuan akademik dan minat siswa meliputi Ilmu Alam (IPA), Ilmu Sosial (IPS), dan Ilmu Bahasa [1]. Penjurusan akan 138

2 Seminar Nasional Teknologi Informasi 2016 A24 disesuaikan dengan minat dan kemampuan siswa. Tujuannya agar kelak di kemudian hari, pelajaran yang akan diberikan kepada siswa menjadi lebih terarah karena telah sesuai dengan minatnya. Selain itu dalam melakukan penjurusan yang tepat dapat memberikan manfaat seperti mengelompokkan siswa sesuai kecakapan, kemampuan, bakat, dan minat yang relatif sama, membantu mempersiapkan siswa melanjutkan studi dan memilih dunia kerja, dan membantu memperkokoh keberhasilan dan kecocokan atas prestasi yang akan dicapai di waktu mendatang (kelanjutan studi dan dunia kerja). Proses penjurusan melibatkan beberapa kriteria yang digunakan sebagai bahan pertimbangan, yaitu nilai akademik siswa, hasil psikotes dan angket keinginan (minat) siswa. Satuan pendidikan dapat menambah kriteria penjurusan sesuai dengan karakteristik dan kebutuhan setiap satuan pendidikan b. Sistem Pendukung Keputusan Sistem Pendukung Keputusan (SPK) adalah suatu sistem informasi yang spesifik yang ditujukan untuk membantu manajemen dalam mengambil keputusan yang berkaitan dengan persoalan yang bersifat semi terstruktur, dan tidak menggantikan fungsi pengambil keputusan dalam membuat keputusan. Sistem Pendukung Keputusan memadukan sumber daya intelektual dari individu dengan kapabilitas komputer untuk meningkatkan kualitas keputusan [6]. Beberapa komponen dalam SPK antara lain: 1. Subsistem manajemen data 2. Subsistem manajemen model 3. Subsistem antarmuka pengguna 4. Subsistem manajemen berbasis pengetahuan c. Multi Attribute Decision Making (FMADM) Multi Attribute Decision Making (FMADM) adalah metode yang digunakan untuk mencari alternatif yang optimal dari beberapa alternatif untuk kriteria tertentu. FMADM adalah inti dari menentukan nilai dari bobot untuk setiap atribut, diikuti oleh proses peringkat yang akan memilih alternatif yang telah diberikan. Pada dasarnya, ada tiga pendekatan untuk menemukan bobot atribut, yaitu pendekatan pendekatan subjektif dan objektif dan pendekatan integrasi antara subjektif dan objektif. Setiap pendekatan mempunyai kelebihan dan kekurangan. Dalam pendekatan subjektif, bobot ditentukan berdasarkan subjektivitas para pengambil keputusan, sehingga beberapa faktor dalam peringkat alternatif dapat ditentukan secara mandiri. Sementara pendekatan objektif, bobot dihitung secara matematis yang mengabaikan subjektivitas pengambil keputusan. Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah FMADM. Antara lain [7]: a. Simple Additive Weighting (SAW) b. Weighted Product (WP) c. ELECTRE d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) e. Analytic Hierarchy Process (AHP) d. Simple Additive Weighting (SAW) Simple Additive Weighting (SAW) merupakan metode yang paling dikenal dan digunakan secara luas untuk pengambilan keputusan multi atribut MADM. Karena kesederhanaannya metode SAW merupakan metode yang popular dalam menangani masalah MADM [3]. Metode Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Untuk menghitung atribut keuntungan (Benefit) digunakan rumus seperti tertera dalam persamaan 1. x ij r ij = (1) Max x ij Untuk menghitung atribut biaya (Cost) digunakan rumus seperti tertera dalam persamaan 2. dengan: r ij i j Max x ij Min x ij x ij r ij = Min x ij x ij (2) : rating kinerja ternormalisasi dari alternatif Ai pada attribute Cj : 1,2,3,.m : 1,2,3,..n : nilai maksimum dari setiap baris dan kolom : nilai minimum dari setiap baris dan kolom : baris dan kolom dari matriks Untuk menghitung nilai preferensi untuk setiap alternatif digunakan rumus seperti tertera dalam persamaan 3. n Vi = w j r ij j=1. (3) dengan: V i : nilai akhir dari alternatif w ij : bobot yang telah ditentukan : normalisasi matriks r ij Penelitian ini menggunakan metode FMADM SAW. Langkah-langkah meliputi: Langkah 1: Menentukan kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci. 139

3 A24 Seminar Nasional Teknologi Informasi 2016 Langkah 2: Menentukan penilaian kesesuaian dari setiap alternatif pada setiap kriteria. Langkah 3: Membuat matriks keputusan berdasarkan kriteria (Ci). Langkah 4: Normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut keuntungan (Benefit) atau atribut biaya (Cost) sehingga diperoleh matriks ternormalisasi R. Langkah 5:Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi. 3. Metodologi Diagram alir pada penelitian ditunjukkan pada Gambar 1. Tahapan pertama adalah studi pustaka yang berkaitan dengan penelitian. Tahapan kedua menentukan kriteria yang akan dijadikan acuan dalam penjurusan. Kriteria meliputi nilai rapot, nilai UN, nilai US, nilai placement test, dan angket keminatan siswa. Tahapan selanjutnya menentukan penilaian kesesuaian dari setiap alternatif pada setiap kriteria berdasarkan FMADM. Bobot preferensi dan menghitung matriks keputusan dan membentuk matriks ternormalisai (R) berdasarkan atribut keuntungan (Benefit) Max, nilai maksimum dari setiap baris dan kolom sehingga diperoleh matriks ternormalisasi (R). Proses perangkingan dari matriks ternormalisasi (R). Sehingga diperoleh nilai terbesar yang akan menjadi pilihan terbaik. 140

4 Seminar Nasional Teknologi Informasi 2016 A24 4. HASIL DAN PEMBAHASAN a. Menentukan Prioritas Kriteria Dalam metode penelitian ini ada bobot dan kriteria yang dibutuhkan untuk menentukan siswa yang akan masuk kelas IPA maupun IPS. Adapun kriteria yang dijadikan acuan dalam pemilihan jurusan siswa SMA seperti Tabel 1. Tabel 1. Kriteria Penjurusan Kriteria C1 C2 C3 C4 C5 Nilai rapor Minat Nilai US Nilai UN Nilai tes penempatan Kriteria pertama yang dipertimbangkan dalam pemilihan jurusan adalah nilai rata-rata rapor siswa. Pada kriteria nilai rapor dibuat rentang nilai sesuai dengan kebijakan, yang kemudian dikonversikan dengan bilangan fuzzy seperti pada Tabel2. Tabel 2. Nilai Rapor Batas Rapor (C1) Sangat Kurang 0-60 (SK) Kurang (K) 0, Cukup (C) 0, Baik (B) 0, Sangat Baik (SB) 1 Kriteria kedua dalam pemilihan jurusan mempertimbangkan minat siswa terhadap jurusan yang diinginkannya, yaitu jurusan Ilmu Pengetahuan Alam (IPA) atau jurusan Ilmu Pengetahuan Sosial (IPS). Berdasarkan data minat siswa, kemudian dikonversikan ke bilangan fuzzy pada Tabel 3. Tabel 3. Minat Siswa Angket Siswa (C2) 1 IPA 1 Tabel 4. Nilai Ujian Sekolah (US) Batas Nilai US (C3) 0-54 Sangat Kurang (SK) Kurang (K) 0, Cukup (C) 0, Baik (B) 0,75 Sangat Baik (SB) 1. Kriteria keempat yang dipertimbangkan dalam pemilihan jurusan adalah rata-rata nilai hasil Ujian Nasional Siswa (UN). Berdasarkan nilai yang ada dikonversikan dengan bilangan fuzzy seperti pada Tabel 5. Tabel 5. Nilai Ujian Nasional Batas Nilai UN (C4) 0-54 Sangat Kurang (SK) Kurang (K) 0, Cukup (C) 0, Baik (B) 0,75 Sangat Baik (SB) 1 Kriteria terakhir yang digunakan dalam pemilihan jurusan adalah nilai hasil tes penempatan yang dilakukan oleh pihak sekolah. Dari nilai hasil tes tersebut dikonversikan dengan bilangan fuzzy sesuai dengan pearturan yang telah ditentukan seperti pada Tabel 6. Tabel 6. Nilai Tes Penempatan Batas Tes Penempatan (C5) 0-50 Kurang (K) Cukup (C) 0, Baik (B) 1 b. Hasil Seleksi Proses penjurusan siswa Sekolah Menengah Atas (SMA) menggunakan 30 data yang telah diuji, dengan memasukkan alternatif serta kriteria. Alternatif yang dimasukkan adalah siswa SMA, sedangkan kriteria yang dimasukkan berupa nilai UN, nilai placement test, nilai US, nilai rapor serta minat siswa. 2 IPS 0,5 Nilai Ujian Sekolah (US) merupakan kriteria ketiga yang perlu dipertimbangkan dalam pemilihan jurusan. Rentang nilai US yang telah ditentukan dikonversikan dengan bilangan fuzzy seperti pada Tabel

5 A24 Seminar Nasional Teknologi Informasi 2016 Tabel 7. Data Uji Siswa Siswa C1 C2 C3 C4 C5 Siswa 1 82,11 IPA 90 86,25 54,5 Siswa 2 78,04 IPS 70,3 58,75 15,5 Siswa 3 82,89 IPS 83,1 61,25 49 Siswa 4 82,82 IPA 93,3 72,5 60 Siswa 5 76,40 IPA 80,6 46,25 31 ::::::: :::::: ::::: ::::: ::::: ::::: Siswa 29 85,27 IPA 97 92,5 82,5 Siswa 30 73,51 IPA 85,7 53,75 35,5 Dari sample uji siswa sperti pada Tabel 7, tahapan selanjutnya adalah menentukan penilaian kesesuaian dari setiap alternatif ke dalam bilangan fuzzy yang telah ditentukan terhadap masing-masing kriteria. Tahapan penilaian kesesuaian seperti pada Tabel 8. Tabel 8. Penilaian Kesesuaian FMADM Siswa C1 C2 C3 C4 C5 Siswa 1 0,5 0, ,5 Siswa 2 0,25 0,5 0,5 0,25 0 Siswa 3 0,5 0,5 0,75 0,5 0 Siswa 4 0,5 0,5 1 0,75 0,5 Siswa 5 0,25 0,5 0, ::::::: :::::: ::::: ::::: ::::: ::::: Siswa 29 0,75 0, Siswa 30 0,25 0,5 0, Setelah menentukan penilaian kesesuaian dari setiap alternatif ke dalam bilangan yang telah ditentukan terhadap masing-masing kriteria tahapan selanjutnya adalah menentukan matriks keputusan (X): 0,5 0, ,5 0,25 0,5 0,5 0,25 0 0,5 0,5 0,75 0,5 0 0,5 0,5 1 0,75 0,5 X = 0,25 0,5 0, :::::: ::::: ::::: ::::: ::::: 0,75 0, ,25 0,5 0, Matriks keputusan (X) yang telah ditentukan tahapan selanjutnya menentukan matriks ternormalisasi (R) dengan menggunakan rumus Persamaan (1). Contoh perhitungan matriks normalisasi baris satu kolom satu (r 11 )dari matriks keputusan (X) : r 11 = 0,5 0,75 = 0,667 Hasil perhitungan normalisasi didapatkan matriks ternormalisasi (R): 0, ,5 0, ,25 0 0, ,5 0,5 0 R= 0, ,75 0,5 0, ,5 0 0 ::::::: :::::: ::::: ::::: ::::: , ,5 0 0 Langkah terakhir dalam penjurusan siswa SMA menggunakan teknik FMADM dengan metode SAW adalah menentukan perangkingan atau menentukan nilai prefererensi dari masing-masing alternatif. Nilai preferensi dapat dihitung dengan menggunakan rumus Persamaan (3) yaitu dengan menjumlahkan hasil perkalian antara matriks ternormalisasi (R) dengan vektor bobot (W). Vektor bobot yang telah ditentukan yaitu W = [ ]. Berdasarkan perhitungan nilai preferensi atau perangkingan didapatkan hasil akhir dari masing-masing alternatif seperti pada Tabel 9. c. Uji Validitas Tabel 9. Hasil Penilaian Siswa Nilai Siswa Siswa Siswa Siswa Siswa ::::::: :::::: Siswa Siswa Berdasarkan hasil nilai preferensi yang dihasilkan untuk setiap alternatif (Vi) dengan cara menjumlahkan hasil perkalian antara matriks ternormalisasi (R) dengan vektor bobot (W). Proses selanjutnya adalah menentukan penjurusan dari masing-masing alternatif. Untuk menentukan penjurusan siswa IPA atau IPS pihak pengambil keputusan telah menentukan rentang nilai yang sudah ditentukan. Dimana siswa yang mendapatkan nilai akhir lebih dari sama dengan 60 akan dijuruskan pada keminatan Ilmu Pengetahuan Alam (IPA), sedangkan untuk siswa yang mendapatkan nilai kurang dari 60 akan dijuruskan pada keminatan Ilmu Pengetahuan Sosial (IPS). 142

6 Seminar Nasional Teknologi Informasi 2016 A24 Hasil penelitian menunjukkan proses perhitungan seleksi jurusan menggunakan teknik FMADM dengan metode SAW memiliki kecocokan hasil dengan kondisi di lapangan sebanyak 21 data siswa dari 30 data siswa yang telah diujikan. Sehingga teknik FMADM dengan metode SAW memperoleh kecocokan nilai akurasi sebesar 70%. 4. Kesimpulan Berdasarkan penelitian yang telah dilakukan menggunakan teknik Multi Attribute Decision Making (FMADM) dapat disimpulkan bahwa teknik FMADM dengan metode SAW dapat digunakan dalam proses penjurusan siswa Sekolah Menengah Atas. Meskipun menggunakan perhitungan pembobotan sederhana metode ini mampu memberikan hasil keputusan dalam proses perhitungannya. Hasil keputusan penelitian dengan teknik FMADM SAW memiliki kecocokan hasil dengan kondisi di lapangan sebanyak 21 data siswa dari 30 data siswa yang telah diujikan. Sehingga teknik FMADM dengan metode SAW memperoleh kecocokan nilai akurasi sebesar 70%. REFERENSI [1] Departemen Pendidikan Nasional, Panduan Penilaian Penjurusan Kenaikan Kelas dan Pindah Sekolah. Jakarta: Direktorat Pendidikan Menengah Umum, 2004 [2] A. R. Afshari, R. Yusuff, and A. R. Derayatifar, Project manager selection by using fuzzy simple additive weighting method, ICIMTR Int. Conf. Innov. Manag. Technol. Res., pp , [3] W. Deni, O. Sudana, and A. Sasmita, Analysis and Implementation Multi-Attribute Decision Making SAW Method for Selection of High Achieving Students in Faculty Level, Int. J. Comput. Sci. Issues, vol. 10, no. 1, pp , [4] A. N. Safitri, Sistem Pendukung Keputusan Beasiswa Berbasis Web Pada SMA Negreri 2 Semarang Menggunakan Metode Multiple Attribute Decission Making (FMADM) Dan Metode Simple Additive Weighting (SAW), pp. 1 6, [5] R. Mohanty, V. Ravi, and M. R. Patra, Application of fuzzy multi attribute decision making analysis to rank web services, 2010 Int. Conf. Comput. Inf. Syst. Ind. Manag. Appl. CISIM 2010, no. i, pp , [6] M. Kusrini, Kom. Konsep dan Aplikasi Sistem Pendukung Keputusan, Penerbit ANDI, Yogyakarta, Ed., vol. 1, [7] S. Kusumadewi, S. Hartati, A. Harjoko, and R. Wardoyo, Multi-Attribute Decision Making (FUZZY MADM), Yogyakarta Graha Ilmu, Rita Wahyuni Arifin, memperoleh gelar Sarjana Komputer (S.Kom.), memperoleh gelar Sarjana Komputer (S.Kom.), Jurusan Sistem Informasi STMIK Bina Mulya Jakarta, Lulus tahun Dan memperoleh Gelar M.Kom pada tahun 2010 dengan jurusan Ilmu Komputer di STMIK Nusa Mandiri Jakarta. 143