PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MAHASISWA BERPRESTASI DI POLITEKNIK NEGERI SAMARINDA

Transkripsi

1 Topadang, dkk, Perancangan Sistem Pendukung Keputusan Pemilihan Mahasiswa Berprestasi di Politeknik Negeri Samarinda PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MAHASISWA BERPRESTASI DI POLITEKNIK NEGERI SAMARINDA Anton Topadang 1), Tien Rahayu Tulili 2) 1,2) Jurusan Teknologi Informasi Politeknik Negeri Samarinda 1), 2) Abstract The aim of this study was to draft a decision support system in determining the best students in Polytechnic Samarinda. The method used in determining student achievement is meotode Method Simple Additive weighting method (SAW) and Algorithms Fuzzy Multiple Attribute Decision Making (FMADM). The results of which can be obtained from the research is the design of a decision support system in the form of determination of student achievement that can be used as a reference for selecting the best performing student at the Polytechnic of Samarinda. Keywords: Decision Support System, SAW, FMADM, outstanding students. 1. Pendahuluan Pendidikan nasional berfungsi mengembangkan kemampuan dan membentuk watak serta peradaban bangsa yang bermartabat dalam rangka mencerdaskan kehidupan bangsa. Pendidikan nasional bertujuan untuk mengembangkan potensi peserta didik (mahasiswa) agar menjadi manusia yang beriman dan bertakwa kepada Tuhan Yang Maha Esa, berakhlak mulia, sehat, berilmu, cakap, kreatif, mandiri, dan menjadi warga negara yang demokratis serta bertanggungjawab. Perguruan tinggi secara terus-menerus mengembangkan iklim akademis yang demokratis agar dapat mendukung pelaksanaan proses pembelajaran yang mengarahkan mahasiswa menjadi insan cerdas, komprehensif, dan kompetitif. Mahasiswa diharapkan tidak hanya menekuni ilmu dalam bidangnya saja, tetapi juga beraktivitas untuk mengembangkan soft skills-nya agar menjadi lulusan yang mandiri, penuh inisiatif, bekerja secara cermat, penuh tanggung jawab dan gigih. Kemampuan ini dapat diperoleh mahasiswa melalui pembekalan secara formal dalam kurikulum pembelajaran, kokurikuler, dan ekstrakurikuler. Namun, tidak semua mahasiswa mau dan mampu untuk menjadi pembelajar yang sukses. Acapkali mahasiswa dengan nilai akademik yang tinggi tidak memanfaatkan peluang untuk menggunakan waktunya dalam kegiatan kokurikuler dan ekstrakurikuler. Sebaliknya mahasiswa yang aktif dalam organisasi kemahasiswaan dan kegiatan pengembangan softskills tidak memperoleh nilai akademik yang tinggi. Sementara itu, dalam era persaingan bebas dibutuhkan lulusan yang memiliki hardskills dan softskills yang seimbang. Oleh karenanya di tiap perguruan tinggi perlu diidentifikasi mahasiswa yang dapat melakukan keduanya dan yang terbaik perlu diberi penghargaan sebagai mahasiswa yang berprestasi. 2. Dasar Teori 2.1 Sistem Pendukung Keputusan Sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem itu digunakan untuk membantu pengambilan keputusan dalam situasi yang semitersruktur dan situasi yang tidak terstruktur, dimana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat (Alter, 2002). Aplikasi sistem pendukung keputusan menggunakan data, memberikan antarmuka pengguna yang mudah, dan dapat menggabungkan pemikiran pengambilan keputusan. Sistem pendukung keputusan lebih ditujukan untuk mendukung manajemen dalam 941

2 JUST TI Volume 8 Nomor 1, Januari 2016 : melakukan pekerjaan yang bersifat analitis dalam situasi yang kurang terstruktur dan dengan kriteria yang kurang jelas. Sistem pendukung keputusan terdiri atas 4 komponen, yaitu: Subsistem manajemen data, subsistem manajemen data memasukan satu database yang berisi data yang relevan untuk situasi dan dikelola oleh perangkat lunak yang disebut sistem manajemen database (DBMS). Subsistem manajemen data dapat diinterkoneksikan dengan data warehouse, suatu repository untuk data perusahaan yang relevan untuk pengambilan keputusan. Subsistem manajemen model, merupakan paket perangkat lunak yang memasukan model keuangan, statistik, ilmu manajemen, atau model kuantitatif lainnya yang memberikan kapabilitas analitik dan manajemen perangkat lunak yang tepat. Bahasa-bahasa pemodelan untuk membangun model-model kustom juga dimasukan. Perangkat lunak ini sering disebut sistem manajemen basis model (MBMS). Komponen ini dapat dikoneksikan ke penyimpanan korporat atau eksternal yang ada pada model. Sistem manajemen dan metode solusi model diimplementasikan pada sistem pengembangan Web (seperti Java) untuk berjalan pada server aplikasi. Subsistem antarmuka pengguna, pengguna berkomunikasi dengan dan memerintahkan sistem pendukung keputusan melalui subsistem ini. Pengguna adalah bagian yang dipertimbangkan dari sistem. Para peneliti menegaskan bahwa beberapa kontribusi unik dari sistem pendukung keputusan berasal dari interaksi yang intensif antara komputer dan pembuat keputusan. Browser Web memberikan struktur antarmuka pengguna grafis yang familier dan konsisten bagi kebanyakan sistem pendukung keputusan. Subsistem manajemen berbasispengetahuan, Subsistem ini dapat mendukung semua subsistem lain atau bertindak sebagai suatu komponen independen. Ia memberikan intelegensi untuk memperbesar pengetahuan si pengambil keputusan. Subsistem ini dapat diinterkoneksikan dengan repositori pengetahuan perusahaan (bagian dari sistem manajemen pengetahuan), yang kadang-kadang disebut basis pengetahuan organisasional. 942 Pengetahuan dapat disediakan via server Web. Banyak metode kecerdasan tiruan diimplementasikan dalam sistem pengembangan Web seperti Java, dan mudah untuk diintegrasikan dengan komponen sistem pendukung keputusan lainnya. 2.2 FMADM (Fuzzy Multiple Attribute Decision Making) Menurut J. Glemn Bruoksher terjemahan nirzam hardiansyah (2006 : 166), algoritma adalah tata urutan langkah-langkah yang tidak mengandung ambiguitas dan dapat diakses. Menurut Kusumadewi, dkk (2006 : 8), algoritma FMADM adalah tata urutan langkahlangkah yang digunakan untuk menyelelesaikan masalah model FMADM. Menurut Kusumadewi, dkk (2006 : 8), adapun algoritma yang digunakan pada FMADM adalah: 1. Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan, dimana nilai tersebut di peroleh berdasarkan nilai crisp; i=1,2, m dan j=1,2, n. 2. Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp. 3. Melakukan normalisasi matriks dengan cara menghitung nilai rating kinerja ternormalisasi (rij) dari alternatif Ai pada atribut Cj berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan/benefit = MAKSIMUM atau atribut biaya/cost = MINIMUM). Apabila berupa artibut keuntungan maka nilai crisp (Xij) dari setiap kolom atribut dibagi dengan nilai crisp MAX (MAX Xij) dari tiap kolom, sedangkan untuk atribut biaya, nilai crisp MIN (MIN Xij) dari tiap kolom atribut dibagi dengan nilai crisp (Xij) setiap kolom.` 4. Melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi (R) dengan nilai bobot (W). 5. Menentukan nilai preferensi untuk setiap alternatif (Vi) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W). Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih. 2.3 Defenisi Mahasiswa Berprestasi Mahasiswa Berprestasi adalah mahasiswa yang berhasil mencapai prestasi tinggi, baik kurikuler, kokurikuler, maupun ekstrakurikuler

3 Topadang, dkk, Perancangan Sistem Pendukung Keputusan Pemilihan Mahasiswa Berprestasi di Politeknik Negeri Samarinda sesuai dengan kriteria yang ditentukan. Adapun kriteria atau komponen Komponen Penilaian Pemilihan Mahasiswa Berprestasi merujuk pada kinerja individu mahasiswa yang memenuhi kriteria pemilihan dengan menggunakan beberapa unsur, yaitu prestasi akademik (Indeks Prestasi Kumulatif), karya tulis ilmiah, prestasi/kemampuan yang diunggulkan, kemampuan berbahasa Inggris/Asing, dan kepribadian. Adapun unsur-unsur yang dinilai pada pemilihan di tingkat perguruan tinggi adalah: 1. IP Kumulatif 2. Karya tulis ilmiah 3. Prestasi/kemampuan yang diunggulkan 4. Bahasa Inggris/Asing 5. Kepribadian berdasarkan penilaian psikotes. 3. Metode Penelitian Metode yang digunakan dalam penelitian ini adalah Metode Simple Additive Weighting Method (SAW). Menurut Kusumadewi (2006 : 12), metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Jika j adalah atribut keuntungan (benefit).(1) jika j adalah atribut biaya (cost) keterangan : rij = nilai rating kinerja ternormalisasi. Xij = nilai atribut yang dimiliki dari setiap kriteria. Max Xij = nilai terbesar dari setiap kriteria. i Min Xij = nilai terkecil dari setiap kriteria. i Benefit = jika nilai terbesar adalah terbaik. Cost = jika nilai terkecil adalah terbaik. Biasanya dalam melakukan proses perankingan, digunakan rumus persamaan 2 yaitu : 4. Hasil dan Pembahasan 4.1 Persyaratan umum mahasiswa berprestasi tingkat Politeknik Negeri Samarinda Persyaratan umum adalah persyaratan yang harus dipenuhi oleh peserta sebagai kelengkapan pemilihan mahasiswa beprestasi, yaitu: 1. Warga Negara Republik Indonesia. 2. Terdaftar di PD-Dikti dan aktif sebagai mahasiswa program Diploma maksimal semester VI dan pada saat pemilihan Mawapres di tingkat nasional belum dinyatakan lulus, serta berusia tidak lebih dari 22 tahun untuk D-3 dan23 tahun untuk D-4 pada tanggal 1 Januari 2015 yang dibuktikan dengan Kartu Tanda Mahasiswa (KTM) yang masih berlaku. 3. Indeks Prestasi Kumulatif (IP seluruh matakuliah yang lulus) rata-rata minimal 3, Surat Pengantar dari pimpinan perguruan tinggi bidang kemahasiswaan(wakil Rektor/Ketua) yang menyatakan bahwa mahasiswa yang diusulkan adalah pemenang pertama hasil seleksi perguruan tinggi yang bersangkutan. 5. Belum pernah menjadi finalis pemilihan Mawapres tingkat nasional pada tahuntahun sebelumnya 4.2 Persyaratan Khusus Persyaratan khusus adalah persyaratan yang harus dipenuhi oleh peserta pemilihan Mawapres, yang akan dinilai sesuai dengan prestasi calon Mawapres, yaitu: 1. Rekapitulasi Indeks Prestasi per semester. 943

4 JUST TI Volume 8 Nomor 1, Januari 2016 : Karya Tulis Ilmiah yang ditulis dalam bahasa Indonesia baku. 3. Ringkasan (bukan abstrak) karya tulis ilmiah yang ditulis dalam bahasa Inggris. 4. Prestasi/Kemampuan yang Diunggulkan (10 terbaik) yang dilengkapi dengan dokumen pendukung sebagai bukti. 5. Kemampuan berbahasa Inggris dan Bahasa PBB lainnya (bila ada/mampu). 4.3 Prosedur pemilihan di tingkat Polnes Prosedur pemilihan Mawapres pada tingkat perguruan tinggi (PTN/PTS) diatur sebagai berikut: 1. Pemilihan Mawapres tingkat jurusan/departemen/bagian; fakultas,dilaksanakan oleh panitia yang dibentuk dan disahkan oleh jurusan/departemen/bagian; fakultas. 2. Pemilihan Mawapres tingkat perguruan tinggi dilaksanakan oleh panitia yang dibentuk dan disahkan oleh pimpinan perguruan tinggi yang bersangkutan; 3. Hasil pemilihan pada setiap jenjang (jurusan/departemen/bagian; fakultas dan perguruan tinggi) dituangkan dalam Berita Acara Pemilihan. 4. Mawapres terbaik, 1 (satu) orang hasil dari pemilihan di PTN dikirimkan ke tingkat nasional. 5. Mawapres terbaik, 1 (satu) orang dari pemilihan di perguruan tinggi dikirimkan ke tingkat nasional. 4.4 Komponen Penilaian Pemilihan Mawapres merujuk pada kinerja individu mahasiswa yang memenuhi kriteria pemilihan yang terdiri atas lima unsur, yaitu: 1. IP Kumulatif, 2. Karya tulis ilmiah beserta ringkasan, 3. Prestasi/kemampuan yang diunggulkan, 4. Bahasa Inggris dan Bahasa PBB lainnya (bila ada), 5. Kepribadian. 4.5 Pelaksanaan Penilaian di Politeknik Negeri Samarinda Unsur-unsur yang dinilai pada seleksi di perguruan tinggi adalah sebagai berikut: 1. Indeks Prestasi Kumulatif (IPK), dengan bobot 20%; 2. Karya tulis ilmiah yang terdiri atas nilai tulisan dan presentasi, dengan bobot 30%; 3. Prestasi/Kemampuan yang diunggulkan, dengan bobot 30%; 4. Bahasa Inggris, dengan bobot 20%. Sementara persyaratan karya tulis ilmiah hanya dijadikan sebagai syarat saja untuk mengikuti seleksi ini tapi tidak dijadikan sebagai unsur yang dinilai. 4.6 Implementasi pada metode Simple Addictive Weight Setelah proses analisis kebutuhan masalah, selanjutnya adalah melakukan implementasi ke dalam metode Simple Addictive Weight yang meliputi: 1. Menentukan alternative Ai 2. Menentukan criteria yang akan dijadikan acuan dalam pengambilan keputusan(cj). 3. Menentukan nilai rating kecocokan setiap alternative pada setiap criteria. 4. Menentukan bobot preferensi atau tingkat kepentingan(w) setiap kriteria. 5. Membuat table rating kecocokan dari setiap alternatif pada setiap kriteria. 6. Membuat matrik keputusan(x) yang dibentuk dari table rating kecocockan dari setiap alternative pada setiap kriteria. 7. Melakukan normalisasi matrik keputusan dengan cara menghitung nilai rating kinerja ternormalisasi(rij) dari alternative Ai pada criteria Cj. 8. Hasil dari nilai rating kinerja ternormalisasi(rij) membentuk matrik ternormalisasi( R ). 9. Hasil akhir nilai presensi(vi) diperoleh dari penjumlahan dari perkalian elemen baris matrik(w). 944

5 Topadang, dkk, Perancangan Sistem Pendukung Keputusan Pemilihan Mahasiswa Berprestasi di Politeknik Negeri Samarinda Langkah selanjutnya adalah menentukan alternative mahasiswa yang akan dinilai yaitu dengan kode A1 sampai dengan A10 seperti terlihat pada table 1. Tabel 1. Alternatif Mahasiswa Pada table 1 alternatif mahasiwa terdiri dari kode mahasiswa dimulai dari A1 sampai dengan A10 yang mewakili masing-masing jurusan yang ada di Politeknik Negeri Samarinda. Penentuan wakil mahasiswa dari masing-masing jurusan diasumsikan telah dilakukan seleksi ditingkat jurusan kemudian hasilnya diajukan oleh masing-masing jurusan untuk mengikuti seleksi di tingkat Politeknik NegeriSamarinda. 4.8 Perancangan Sistem 1. Konteks Diagram Gambar 1. Konteks diagram aplikasi sistem pendukung keputusan 945

6 JUST TI Volume 8 Nomor 1, Januari 2016 : Pada gambar 1 Konteks diagram aplikasi sistem pendukung keputusan, terdapat dua entitas yaitu admin dan user. Dalam hal ini, admin yang bisa menginput dan mengedit data serta berita, sedangkan user hanya boleh mengakses berita pada sistem. 2. Diagram Nol Aplikasi Sistem Pendukung Keputusan Gambar 2. DFD Level Nol Aplikasi sistem pendukung keputusan Pada gambar 2 DFD level nol aplikasi sistem pendukung keputusan terdapat lima proses oleh admin yaitu login, pengolahan kriteria, saw, berita, dan mhs. Sedangkan user hanya dapat melihat berita. 3. Rancangan Basisdata Tabel 2. Mahasiswa Pada table 2 mahasiswa terdiri dari field nim_mhs sebagai primary key, filed nama_mhs dan password. Field-field inilah yang nantinya akan menyimpan data-data mahasiswa yang mengikuti seleksi sebagai mahasiswa berprestasi di lingkungan politeknik Negeri Samarinda. 946

7 Topadang, dkk, Perancangan Sistem Pendukung Keputusan Pemilihan Mahasiswa Berprestasi di Politeknik Negeri Samarinda Tabel 3. Nilai Pada tabel 4. Hasil terdiri dari bebearpa filed antara lain id_hasil, nim_mhs, nama_mhs, jurusan, dan total_nilai. 4. Rancangan Antarmuka Pada rancangan antarmuka sistem pendukung keputusan ini, dibuat form untuk interaksi user dengan sistem seperti yang ditunjukkan pada gambar-gambar 5.4 berikut ini. Pada table 3. nilai terdiri dari field id_nilai, nim_mhs, nama_mhs, jurusan, nilai_ipk, nilai, nilai_kti, nilai_pu, dan nilai_ba. Primary keynya adalah id_nilai. a. Form Login User Tabel 3. Kriteria Gambar 3. Form Login User Pada table kriteria terdiri dari field-field id_kriteria, kriteria_ipk, kriteria_kti, kriteria_pu, dan kriteria_ba. Id_kriteria sebagai primary keynya. Tabel 4. Hasil Pada gambar 3. Form login user merupakan formulir untuk menginputkan data pengguna sistem ini, antara lain memasukkan data user name dan password sebagai data identifikasi bagi sistem untuk memberikan hak akses terhadap sistem ini. b. Form Menu Utama Pada gambar 4 tentang menu utama sistem memiliki 5(lima) menu utama yaitu memiliki tampilan secara umum. Gambar 4. Menu Utama Sistem 947

8 JUST TI Volume 8 Nomor 1, Januari 2016 : c. Menu Input Nilai Pada gambar 5. berikut menggambarkan rancangan bentuk form masukan nilai mahasiswa dengan fasilitas simpan, edit dan cancel. Gambar 5. Menu Input Nilai Mahasiswa d. Menu Laporan Pada gambar 6. berisi rancangan menu laporan yang terdiri dari sub laporan; peserta, nilai dan hasil. Gambar 6. Menu Laporan 6. Kesimpulan dan Saran 6.1 Kesimpulan Adapun simpulan yang dapat diambil dari penelitian ini adalah sebagai berikut: 1. Diperlukan syarat-syarat untuk memperoleh predikat sebagai mahasiswa berprestasi dilihat dari nilai IPK tertinggi, Karya tulis ilmiah, Prestasi/kemampuan yang diunggulkan, Bahasa Inggris/Asing, dan Kepribadian berdasarkan penilaian psikotes 2. Penerapan(Fuzzy Multiple Atribute Decision Making) pada sebuah sistem pendukung keputusan dimulai dari penentuan kriteria, pemberian nilai bobot, melakukan proses normalisasi, perangkingan dan pemilihan nilai akhir tertinggi. 3. Perancangan sebuah sistem pendukung keputusan untuk menentukan mahasiswa berprestasi pada Politeknik Negeri Samarinda diperlukan untuk mempermudah dalam proses seleksi mahasiswa berprestasi di Politeknik Negeri Samarinda. 6.2 Saran Adapun saran-saran dari penulis adalah sebagai berikut: 1. Sistem pendukung keputusan ini perlu dikembangkan dengan metode lainnya: seperti Analytic Hierarchy Process(AHP), dan lain-lain. 2. Program ini sebaiknya dapat dikembangkan kapasitasnya yang lebih besar seperti untuk universitas yang memiliki banyak fakultas dan jurusan. Daftar Pustaka Alter, Analisis dan Perancangan Sistem Informasi dengan Metodologi Berorientasi Obyek. Bandung, Informatika. Apriansyah P, Penentuan Penerimaan Beasiswa dengan Menggunakan Fuzzy Multile Attribute Decission Making. Armadyah A Sistem Pendukung Keputusan Pemilihan Karyawan Berprestasi Berdasarkan Kinerja(Studi Kasus Pada Politeknik Gunadarma Depok). Gerdon Sistem Pendukung Keputusan untuk Menentukan Penerimaan Beasiswa Bagi Mahasiswa (Jurnal) STMIK AMIKOM Yogyakarta. Jogianto, H. M Sistem Teknologi Informasi. Andi Yogyakarta. 948

9 Topadang, dkk, Perancangan Sistem Pendukung Keputusan Pemilihan Mahasiswa Berprestasi di Politeknik Negeri Samarinda Kusumadewi, Sri.,dkk Fuzzy Multi- Atribute Decision Making (Fuzzy MADM). Yogyakarta. Graha Ilmu. Putra Sistem Pendukung Penilaian Kinerja Karyawan(Studi Kasus di PT. Multiterminal Indonesia Jakarta). Putra Deni, Sistem Pendukung Keputusan untuk Menentukan Penerima Beasiswa PT. Telkom Menggunakan Metode Simple Addive Weighting. Majalah Ilmiah Informasi dan Teknologi Ilmiah (INTI) ISSN : X Volume : III, Nomor : 2, Juni Putri, W. K. Sistem Penunjang Keputusan untuk Menentukan Calon Penerima Beasiswa Diknas Menggunakan Fuzzy Multi Atribute Decision Making. Jurusan Ilmu Komputer FMIPA Universitas Pakuan, Bogor(Skripsi). Sonatha Y, Azmi Mi. Penerapan Metode AHP dalam Menentukan Mahasiswa Berprestasi(Jurnal). Turban et al Pengertian Sistem Pendukung Keputusan (SPK) Januari 2013 pukul WIB. 949

10 JUST TI Volume 8 Nomor 1, Januari 2016 :