MODEL SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN METODE FMADM UNTUK SELEKSI BEASISWA-PPA DAN BBP-PPA PADA PERGURUAN TINGGI

Transkripsi

1 MODEL SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN METODE FMADM UNTUK SELEKSI BEASISWA-PPA DAN BBP-PPA PADA PERGURUAN TINGGI Kisworo 1) Agung Deni Wahyudi 2) 1),2) Sistem Informasi Universitas Teknokrat Indonesia Jl. ZA Pagaralam No Labuhanratu, Bandar Lampung 2) kisworo@teknokrat.ac.id, 2) agungwahyudi57@gmail.com ABSTRACT This research comes from the real world of education in Indonesia, especially in level of university, relates to determining candidates of fund receivers of Beasiswa-PPA (Scholarship for Academic Education Increase) and BBP- PPA (Education Cost Help for Academic Education Increase). Motivation of this research is to give certainty assurance and fund transfer based on the right object, amount, and time as with principles had by General Directorate for Learning and Studentship of Research & Technology Ministry reflected on its policy: Pedoman Umum Beasiswa dan Bantuan Biaya Pendidikan Peningkatan Prestasi Akademik (PPA) Significance value that would be retrieved is a basic pattern for its later development, i.e. information system that always takes a account its subject-oriented principle: students. To answer the meant problem, a DSS (Decision Support System) model is determined, i.e. FMADM (Fuzzy Multi-Attribute Decision Making) via specifically Yager model that would be proved as capable on giving decision alternatives effectively, accurately, and in speedily. Keywords Decision Support System, Yager model, Beasiswa-PPA, BBP-PPA, Fuzzy Multi-Attribute Decision Making. 1. Pendahuluan Setiap warga negara berhak mendapatkan pengajaran [3]. Pemerintah dan Pemerintah Daerah wajib memberikan layanan dan kemudahan dalam peningkatan mutu pendidikan tanpa diskriminasi, dan masyarakat wajib memberikan dukungan sumber daya untuk terlaksananya penyelenggaraan pendidikan [1]. Esensinya adalah pemenuhan hak mahasiswa [4]. Realitas di Perguruan Tinggi (PT) amat nyata terlihat bahwa beasiswa dan bantuan biaya pendidikan sangat dibutuhkan mahasiswa. Karenanya, sesuai amanah konstitusi sebagaimana dipaparkan di atas, Pemerintah melalui baik Perguruan Tinggi Negeri (PTN) maupun Perguruan Tinggi Swasta (PTS) via Koordinator Perguruan Tinggi Swasta (Kopertis) sejak tahun 2010 mengadakan program Beasiswa Peningkatan Pendidikan Akademik (Beasiswa-PPA) bagi mahasiswa yang memiliki prestasi tinggi dan Bantuan Biaya Pendidikan Peningkatan Pendidikan Akademik (BBP-PPA) bagi mahasiswa yang memiliki latar belakang ekonomi lemah/tidak mampu [1]. Penyaluran dana Beasiswa-PPA dan BBP-PPA membutuhkan seleksi. Dalam lingkupnya, pengelompokan sesuai persyaratan-persyaratan seleksi dilakukan atas dasar latar belakang prestasi tinggi dan ekonomi lemah/tidak mampu. Panitia seleksi sebagai perekomendasi keputusan kepada decision maker memiliki tugas penyaringan sesuai lingkupnya [1]. Untuk melakukan hal tersebut, pada tingkat panitia seleksi masih sering ada kendala terkait efisiensi, akurasi, dan kecepatan. Jika kendala tidak diatasi, maka masalah akan semakin merugikan, apalagi ketika mahasiswa yang mengikuti seleksi semakin bertambah tak hanya puluhan namun bahkan ratusan. Motivasi penelitian ini hendak memberikan jaminan kepastian atas prinsip 3T (Tepat Sasaran, Tepat Jumlah, dan Tepat Waktu) sebagaimana sudah dicanangkan sejak dasar acuannya, yakni Pedoman Umum Beasiswa dan Bantuan Biaya Pendidikan Peningkatan Prestasi Akademik (PPA) 2015 yang dikeluarkan Direktorat Jenderal Pembelajaran dan Kemahasiswaan Kemenristek & Dikti [1]. Signifikansi model yang dilahirkan penelitian ini dimaksudkan menjadi pola dasar pembangunannya 49

2 kelak, yakni sistem informasi yang senantiasa mengedepankan subjek sasaran (student-oriented) sebagai calon penerimanya. Untuk menjawab hal tersebut, penelitian ini menitik beratkan pada pencapaian tujuan, yakni bagaimana seleksi beasiswa dan penyaluran dananya dapat efisien, akurat, dan cepat. Decision Support System (DSS) penelitian ini karenanya dipilih dan metode Fuzzy Multi-Attribute Decision Making (FMADM): Yager model pun ditentukan untuk langkah-langkah pemecahan masalah pengambilan keputusan [5][6]. 2. Objek Penelitian Objek penelitian dibatasi lingkupnya pada Universitas Teknokrat Indonesia di Bandar Lampung. 3. Variabel yang Diukur Variabel sebagai simbol berangka atau bernilai dapat berupa alternatif dan atribut atau kriteria [2: 12 s.d 21]. Untuk penelitian ini, maka: a. Alternatif yang tersedia adalah mahasiswa calon penerima Beasiswa-PPA atau BBP-PPA. Jumlah mahasiswa yang ikut seleksi tak hanya puluhan tetapi bahkan ratusan. b. Atribut atau kriteria yang digunakan sebagai berikut: Tabel 1 Kriteria Kriteria Singkatan Keterangan C1 U Usia C2 JPO Jumlah Penghasilan Orang Tua C3 JTO Jumlah Tanggungan Orang Tua C4 JSK Jumlah Saudara Kandung C5 IPK Nilai IPK C6 PRS Rataan Nilai Presensi Perkuliahan Diambil C7 KKK Nilai Keaktifan dalam Kegiatan Kemahasiswaan c. Derajat keanggotaan setiap alternatif pada setiap atribut atau kriteria yang digunakan ada dalam format seperti berikut: Tabel 2 Usia Usia (th) Singkatan Bilangan Fuzzy Nilai U0 <= C1 <= U1 SSP U1 < C1 <= U2 SP Sangat N4 U2 < C1 <= U3 P N3 U3 < C1 <= U4 CP Cukup N2 U4 < C1 <= U5 TP Tidak N1 C1 > U5 STP Keterangan terkait U dan N: 1. Untuk U angkanya menaik: U1 = Batas usia terendah mahasiswa dalam range. U5 = Batas usia tertinggi mahasiswa dalam range. U0 s.d. U5 masing-masing mendapat bagian nilai yang ditentukan dalam bilangan bulat mulai dari batas usia terendah. 2. Untuk N angkanya menurun: s.d. masing-masing mendapat bagian nilai yang ditentukan dalam bilangan desimal dengan range antara 1,00 s.d. 0,00. Tabel 3 Jumlah Penghasilan Orang Tua JPO (Rp) Singkatan Bilangan Fuzzy Nilai JPO0 <= C2 <= JPO1 SSP JPO1 < C2 <= JPO2 SP Sangat N4 JPO2 < C2 <= JPO3 P N3 JPO3 < C2 <= JPO4 CP Cukup N2 JPO4 < C2 <= JPO5 TP Tidak N1 C2 > 5 STP Keterangan terkait JPO dan N: 1. Untuk JPO angkanya menaik: JPO0 = JPO terendah dalam range. JPO5 = JPO tertinggi dalam range. JPO0 s.d. JPO5 masing-masing mendapat bagian nilai dalam range yang ditentukan dalam bilangan desimal mulai dari 0, Untuk N angkanya menurun: s.d. masing-masing mendapat bagian nilai yang ditentukan dalam bilangan desimal dengan range dari 1,00 s.d. 0,00. Tabel 4 Jumlah Tanggungan Orang Tua JTO (orang) Singkatan Bilangan Fuzzy Nilai C3 = JTO0 STP C3 = JTO1 TP Tidak N1 C3 = JTO2 CP Cukup N2 C3 = JTO3 P N3 C3 = JTO4 SP Sangat N4 C3 >= JTO5 SSP Keterangan terkait JTO dan N: 1. Untuk JTO angkanya menaik: JTO0 = JTO terendah. JTO5 = JTO tertinggi. JTO0 s.d. JTO5 masing-masing mendapat bagian nilai yang ditentukan dalam bilangan cacah mulai dari 0. Tabel 5 Jumlah Saudara Kandung JSK (orang) Singkatan Bilangan Fuzzy Nilai C4 = JSK0 STP C4 = JSK1 TP Tidak N1 C4 = JSK2 CP Cukup N2 C4 = JSK3 P N3 C4 = JSK4 SP Sangat N4 C4 >= JSK5 SSP Keterangan terkait JSK dan N: 1. Untuk JSK angkanya menaik: JSK0 = JSK terendah. JSK5 = JSK tertinggi. 50

3 JSK0 s.d. JSK5 masing-masing mendapat bagian nilai yang ditentukan dalam bilangan cacah mulai dari 0. Tabel 6 Nilai IPK Nilai IPK Singkatan Bilangan Fuzzy Nilai IPK0 <= C5 <= IPK1 STP IPK1 < C5 <= IPK2 TP Tidak N1 IPK2 < C5 <= IPK3 CP Cukup N2 IPK3 < C5 <= IPK4 P N3 IPK4 < C5 <= IPK5 SP Sangat N4 IPK5 < C5 <= IPK6 SSP Keterangan terkait IPK dan N: 1. Untuk IPK angkanya menaik: IPK0 = IPK terendah dalam range. IPK6 = IPK tertinggi dalam range. IPK0 s.d. IPK6 masing-masing mendapat bagian nilai dalam range yang ditentukan dalam bilangan desimal dengan range dari 0,00 s.d. 4,00. Tabel 7 Rataan Nilai Presensi Perkuliahan Diambil Rataan Nilai PRS Singkatan Bilangan Fuzzy Nilai PRS0 <= C6 <= PRS1 STP PRS1 < C6 <= PRS2 TP Tidak N1 PRS2 < C6 <= PRS3 CP Cukup N2 PRS3 < C6 <= PRS4 P N3 PRS4 < C6 <= PRS5 SP Sangat N4 PRS5 < C6 <= PRS6 SSP Keterangan terkait PRS dan N: 1. Untuk PRS angkanya menaik: PRS0 = PRS terendah dalam range. PRS6 = PRS tertinggi dalam range. PRS0 s.d. PRS6 masing-masing mendapat bagian nilai dalam range yang ditentukan dalam bilangan desimal dari 0,00 s.d. 100,00. Tabel 8 Nilai Keaktifan dalam Kegiatan Kemahasiswaan Nilai KKK Singkatan Bilangan Fuzzy Nilai KKK0 <= C7 <= KKK1 STP KKK1 < C7 <= KKK2 TP Tidak N1 KKK2 < C7 <= KKK3 CP Cukup N2 KKK3 < C7 <= KKK4 P N3 KKK4 < C7 <= KKK5 SP Sangat N4 KKK5 < C7 <= KKK6 SSP Keterangan terkait KKK dan N: 1. Untuk KKK angkanya menaik: KKK0 = KKK terendah dalam range. KKK6 = KKK tertinggi dalam range. KKK0 s.d. KKK6 masing-masing mendapat bagian nilai dalam range yang ditentukan dalam bilangan desimal dari 0,00 s.d. 100,00. d. Supaya poin a s.d. c di atas bisa bekerja secara komprehensif dan definitif, maka perlu adanya kecocokan fuzzy sebagai tolok ukur seleksi. Kecocokan fuzzy yang diberikan seperti berikut: STP TP CP P SP SSP N1 N2 N3 N4 Gambar 1 Grafik Kecocokan Fuzzy Yang menarik dari semua tabel derajat keanggotaan setiap alternatif pada setiap atribut atau kriteria dan grafik kecocokan fuzzy di atas adalah unsur fleksibilitas dan kemampuannya mengakomodasi perubahan-perubahan kebutuhan yang tercermin pada setiap variabel untuk nilai yang bisa dimasukkan. Dalam lingkupnya, isi untuk setiap variabel karenanya dapat disesuikan. Kondisi seperti dimaksud sesuai statement yang sudah disampaikan penelitian ini pada sub 2.2 poin e. 4. Metodologi Pengembangan Sistem Metodologi yang digunakan dalam penelitian ini adalah Extreme Programming (XP) [7: Bab 3]. Berikut ini prosesnya: 51

4 user st ories values accept ance t est crit eria it erat ion plan simple design CRC cards spike solut ions prot ot ypes terhadap atribut diekspresikan dengan derajat keanggotaan m c (X i ). Maka, keputusan akhir diambil berdasarkan interaksi dari semua atribut fuzzy melalui formula sebagai berikut: refact oring pair programming Release software increment unit t est project velocity computed cont inuous int egrat ion accept ance t est ing Gambar 2 Proses Extrem Programming [7: 74] sebagai alternatif optimal yang didefinisikan sedemikian rupa sehingga alternatif tersebut memberikan kontribusi derajat keanggotaan tertinggi pada. Langkah-langkah penyelesaian model ini sebagai berikut: a. menentapkan matriks perbandingan berpasangan antaratribut, M, berdasarkan prosedur hirarki Saaty: 5. Metode FMADM: Yager Model Metode yang digunakan untuk menyelesaikan masalah lingkup penelitian ini adalah Fuzzy Multi-Attribute Decision Making (FMADM). Bersama Fuzzy Multi- Objective Decision Making (FMODM), metode FMADM ini memiliki induk Fuzzy Multi-Criteria Decision Making (FMCDM) [9, p. 1-18][10]. Khusus tentang FMADM, Kusumadewi [2: 135 s.d 143] mencatat bahwa alternatif-alternatif pada FMADM harus sudah diketahui dan ditentukan sebelumnya. Pengambil keputusan mesti menentukan prioritas atau ranking berdasarkan kriteria yang diberikan. Tujuan yang hendak dicapai model ini adalah menyeleksi alternatif dengan atribut atau kriteria yang memiliki ciri terbaik dan mengklasifikasikan alternatif berdasarkan peran tertentu. Untuk menyelesaikan masalah, terdapat dua tahap: a. membuat rating pada setiap alternatif berdasarkan agregasi derajat kecocokan pada semua kriteria; dan b. meranking semua alternatif untuk mendapatkan alternatif terbaik. Untuk itu ada dua cara yang dapat digunakan, yakni defuzzy dan relasi preferensi fuzzy. Yang digunakan penelitian ini adalah relasi preferensi fuzzy karena lebih menjamin ketidakpastian yang melekat pada bilangan fuzzy hingga proses perankingan. Ada dua model FMADM, yakni FMADM model Yager dan FMADM model Bass & Kwakernaak. Model FMADM pertama merupakan standar FMADM [2: 137], sedangkan model FMADM kedua bukan merupakan standar FMADM [2: 144]. Penelitian ini menggunakan model FMADM pertama. Dalam penjelasannya tentang model FMADM pertama, Kusumadewi [2: 137 s.d. 138] menjelaskan dalam misal A = {a 1,, a n } adalah himpunan alternatif, dengan J = 1,, m adalah himpunan fuzzy sebagai atribut atau kriteria, w j adalah notasi untuk bobot yang menunjukkan tingkat kepentingan atribut ke-j, dan nilai capaian alternatif a i dengan adalah kepentingan relatif atribut a i terhadap atribut a j ; b. menentukan bobot w j yang konsisten untuk setiap atribut berdasarkan metode eigenvector dari Saaty [8]; c. menghitung nilai: d. menentukan interaksi dari semua, sebagai: e. memilih X i dengan derajat keanggotaan terbesar dalam, yang ditetapkan sebagai alternatif optimal. 6. Analisa dan Perancangan Sistem a. Use Case Diagram Gambar 3 Use Case Diagram 52

5 b. Activity Diagram 7. Hasil Simulasi FMADM: Yager Model a. Menentukan Pairwise Comparisons (M) b. Menentukan Bobot (w j ) Gambar 4 Activity Diagram c. Class Diagram c. Menentukan CR untuk Uji Konsistensi Vektor Bobot W d. Sequence Diagram Gambar 5 Class Diagram d. Menghitung Nilai Gambar 6 Sequence Diagram 53

6 e. Menentukan f. Menentukan X i dengan derajat keanggotaan terbesar dalam 8. Kesimpulan Medode FMADM terbukti mampu menyeleksi alternatif dengan atribut atau kriteria yang memiliki ciri terbaik dan mengklasifikasikan alternatif berdasarkan peran tertentu. Melalui Yager model, defuzzy dan relasi preferensi fuzzy dapat memberikan hasil sesuai harapan: efektif, akurat, dan cepat. Relasi preferensi fuzzy lebih menjamin ketidakpastian yang melekat pada bilangan fuzzy hingga proses perankingan. Kedepan model bisa diimplementasikan. [4] Mahkamah Konstitusi. UU Nomor 12 Tahun Pasal 76. Tersedia: elaw/mg58ufsc89hrsg/1f32ffaa83555e001038d1e0cda7b acef2d.pdf, pada 17 Mei 2015, pk AM. [5] Savitha, K. dan Chandrasekar, C., Trusted Nerwork Selection Using SAW and TOPSIS Algorithms for Heterogeneous Wireless Networks, International Journal of Computer Applications ( ), Volume 26-No.8, July [6] Turban, Aronson, dan Liang, Decision Support Systems and Intelligent Systems, 7th Edition, Prentice Hall, New Jersey, [7] Pressman, R.S Software Engineering A Practitioner s Approach. USA, New York: McGraw-Hill. 7th Edition. [8] Saaty, T. L. (1994). Fundamentals of Decision Making and Priority Theory with the Analytic Hierarchy Process (Vol. 4922). Pittsburg : RWS Publications. [9] Kahraman, C (Ed.). (2008). Fuzzy Multi-Criteria Decision Making: Theory and Applications with Recent Developments. USA, New York: Springer Science + Business Media, LLC. [10] Kahraman, C., Onar, S. C., dan Ostaysi, B. (2015). Fuzzy Multicriteria Decision-Making: A Literature Review. International Journal of Computational Intelligence Systems, Vol. 8, No. 4 (2015) Tersedia [Online] pada tanggal 12 September Kisworo, memperoleh gelar S.Kom pada Teknik Informatika Perguruan Tinggi Teknokrat (kini Universitas Teknokrat Indonesia), Bandar Lampung, tahun 2011 dan gelar M.Kom. pada Ilmu Komputer Universitas Budi Luhur, Jakarta, tahun Kini sebagai dosen pada Sistem Informasi Universitas Teknokrat Indonesia, Bandar Lampung. Agung Deni Wahyudi, memperoleh gelar S.Kom pada Sistem Informasi Perguruan Tinggi Teknokrat (kini Universitas Teknokrat Indonesia), Bandar Lampung, tahun 2011 dan gelar M.Kom. pada Ilmu Komputer Universitas Budi Luhur, Jakarta, tahun Kini sebagai dosen pada Sistem Informasi Universitas Teknokrat Indonesia, Bandar Lampung. REFERENSI [1] Dirjen Pembelajaran dan Kemahasiswaan Kemenristek & Dikti, Pedoman Umum Mahasiswa dan Bantuan Biaya Pendidikan Peningkatan Prestasi Akademik (PPA), [2] Sri Kusumadewi, Sri Hartati, Agus, H., dan Retantyo, W., Fuzzy Multi-Attribute Decision Making, Graha Ilmu, Yogyakarta, [3] BPK. UUD RI Pasal 31 (1). Tersedia: age_ pdf, pada 17 Mei 2015, pk AM. 54