PERBANDINGAN METODE PENUNJANG KEPUTUSAN MCDM (MULTI CRITERIA DECISION MAKING) PADA PEMILIHAN SISWA UNGGULAN BIDANG INSTRUMENTASI LOGAM

Transkripsi

1 PERBANDINGAN METODE PENUNJANG KEPUTUSAN MCDM (MULTI CRITERIA DECISION MAKING) PADA PEMILIHAN SISWA UNGGULAN BIDANG INSTRUMENTASI LOGAM Ali Hidayat, Eneng Tita Tosida dan Boldson H.S free.vate@gmail.com Program Studi Ilmu Komputer FMIPA-Universitas Pakuan ABSTRAK Pemilihan siswa unggulan bidang instrumentasi logam dilakukan untuk menentukan kandidat siswa yang akan diikutsertakan pada sertifikasi siswa kejuruan yang biasa dilakukan oleh Balai Pengembangan Teknologi Pendidikan (BPTP) Jawa Barat ataupun yang dilakukan oleh perusahaan. Pada proses penilaian terkadang kepala program studi merasa kesulitan untuk memberi penilaian terutama dalam memberikan penilaian berdasarkan kriteria-kriteria tertentu dan biasanya Kepala Program Studi memilih berdasarkan absensi dan nilai akhir praktikum saja. Proses ini terkadang tidak akurat dalam memilih siswa unggulan. Pada penelitian ini dirancang sebuah Sistem Penunjang Keputusan (SPK) untuk memberikan kemudahan dalam proses penyeleksian siswa unggulan dengan menggunakan 2 metode penunjang keputusan yaitu SAW (Simple Additive Weighting) dan MPE (Metode Perbandingan Eksponensial). Penerapan dua metode penunjang keputusan ini menampilkan output dengan nilai yang berbeda pada tiap metode.. Dari kedua metode yang digunakan ini akan dicari perbandingan yaitu ketepatan urutan peringkat hasil perangkingan dan kecepatan proses tiap metode jika proses dilakukan dengan kompleksitas data yang tinggi atau data berjumlah sangat banyak. Kata Kunci : Siswa Unggulan, Sistem Penunjangg Keputusan (SPK ), Simple Additive Weighting (SAW), Metode Perbandingan Eksponensial (MPE). PENDAHULUAN Teknologi informasi menjadi sebuah tren baru di masyarakat dan tidak terkecuali dalam perkembangan implementasinya di bidang pendidikan. Termasuk dalam hal ini dalam dunia pendidikan Siswa Menengah Kejuruan Teknik Instrumentasi Logam dan Gelas. Teknik Instrumentasi Logam dan Gelas membutuhkan siswa-siswi yang ahli dalam menggunakan mesin-mesin perkakas yang biasa digunakan oleh industri. Pemilihan siswa unggulan bidang instrumentasi logam dilakukan untuk mengukur dan mengetahui sejauh mana siswa memiliki keahlian yang diharapkan sesuai dengan kompetensi bidang instrumentasi logam. Hasil pemilihan tersebut akan menentukan kandidat siswa yang akan diikutsertakan pada sertifikasi siswa kejuruan yang biasa dilakukan oleh Balai Pengembangan Teknologi Pendidikan (BPTP) Jawa Barat ataupun yang dilakukan oleh perusahaan. Pada proses penilaian terkadang kepala program studi merasa kesulitan untuk memberi penilaian terutama dalam memberikan penilaian berdasarkan kriteria-kriteria tertentu dan biasanya Kepala Program Studi memilih berdasarkan absensi dan nilai akhir praktikum saja. Proses ini terkadang tidak akurat dalam memilih siswa unggulan. Suatu sistem berbasis komputer diperlukan untuk dapat membantu penyeleksian siswa unggulan bidang instrumentasi logam, yaitu Sistem Penunjang Keputusan (SPK). SPK merupakan suatu sistem interaktif berbasis komputer yang dapat membantu dalam proses pengambilan keputusan menggunakan data dan model untuk 1

2 memecahkan persoalan yang bersifat tidak terstruktur (Turban et al,2007). Penelitian dilakukan untuk menyeleksi siswa unggulan yang kompeten di bidang instrumentasi logam pada SMKN 01 Gunung Putri Kabupaten Bogor dengan menggunakan metode Simple Additive Weighting (SAW) dan Metode Perbandingan Exponensial (MPE). Kedua metode tersebut akan digunakan untuk mencari perbandingan ukuran kompleksitas dan ketepatan urutan peringkat hasil perangkingan kedua metode tersebut. METODE PENELITIAN Metode penelitian yang digunakan dalam penelitian dengan judul perbandingan metode penunjang keputusan MCDM ( Multi criteria Decision Making) bidang instrumentasi logam adalah menggunakan Tahapan SDLC dengan perancangan Basis Model Keputusan (Decision Model Base). Tahapan-tahapan tersebut dijelaskan dalam skema seperti berikut ini : Tabel. 1. Alternatif yang Akan Diseleksi No Nama Siswa Tag 1 Abdurrohman A1 2 Zulfikar A2 3 Husain A3 4 Angga Riftanto A4 5 Asep A5 6 Rustandi A6 2. Menentukan Kriteria : Kriteria yang digunakan sebagai acuan penilaian dalam penelitian ini ada 5 buah kriteria yaitu: Tabel. 2. Kriteria No. Kriteria 1 Penerapan K3 Di Bengkel 2 Sikap kerja 3 Penguasaan alat ukur 4 Kemampuan membaca gambar kerja 5 Mengoperasikan mesin perkakas Gambar. 1. SDLC Tradisional (Turban, Aronson, Ting-Peng Liang, 2007) A. Penyeleksian dengan Metode SAW (Simple Additive Weighting), langkahlangkah yang perlu dilakukan adalah : 1. Menentukan Alternatif : 3. Penyelesaian dengan metode SAW. Hal yang pertama dilakukan adalah menentukan nilai rating kecocokan untuk tiap alternatif pada tiap kriteria, Proses rating ini dinilai dengan angka 1 sampai dengan 5. Berikut ini adalah kriteria dan nilai rating : Tabel. 3. Rating Untuk Tiap Kriteria Kriteria C1 C2 C3 C4 C5 Keterangan (5), (4), (3), Kurang (2), Kurang (1) (5), (4), (3), Kurang (2), Kurang (1) Menguasai (5), (4), Kurang Menguasai (3), Kurang (2), Tidak Menguasai (1) (5), (4), (3), Kurang (2), Kurang (1) Menguasai (5), (4), Kurang Menguasai (3), Kurang (2), Tidak Menguasai (1) 2

3 Setelah menentukan nilai rating pada tiap alternatif untuk tiap kriteria, selanjutnya adalah menentukan nilai tingkat kepentingan pada masingmasing kriteria dengan memberikan nilai bobot. Nilai bobot untuk kriteria diberikan secara subjektif (pembobotan secara langsung) yang merupakan hasil wawancara dengan Kepala Program Studi Teknik Instrumentasi Logam dan Gelas : Tabel. 4. Bobot Kriteria No. Kriteria Bobot Dalam % 1 C C C C C Langkah selanjutnya adalah rating kecocokan, dilakukan dengan penginputan dalam bentuk kategori : \ Tabel. 5. Rating Berdasarkan Kategori A C1 C2 C3 C4 C5 A1 A2 A3 Kurang A4 A5 baik baik A6 Kurang Menguasai Kurang Menguasai Kurang Jika kategori ditampilkan dalam bentuk angka adalah seperti berikut : Tabel. 6. Rating Dalam Bentuk Nilai A C1 C2 C3 C4 C5 A A A A A A X= Selanjutnya melakukan normalisasi matriks dengan perhitungan SAW, setiap kriteria merupakan kriteria benefit (keuntungan) : 11 = 21 = 31 = (4,3,2,5,5,3) = 4 5 = (4,5,4,4,5,3) = 3 5 = (4,3,3,4,5,5) = 2 5 = 0.4 Hasil normalisasi dengan metode SAW: Selanjutnya adalah melakukan perangkingan dengan mengalikan hasil normalisasi dengan tiap bobot pada masingmasing kriteria: A1:(0.8*0.1)+(0.8*0.2)+(0.8*0.1)+(0.8*0.2 )+(0.8*0.4) = 0.8 A2:(0.6*0.1)+(1*0.2)+(0.6*0.1)+(0.8*0.2)+ (1*0.4) = 0.88 A:(0.4*0.1)+(0.8*0.2)+(0.6*0.1)+(1*0.2)+( 0.8*0.4) = 0.78 A4:(1*0.1)+(0.8*0.2)+(0.8*0.1)+(0.8*0.2)+ (0.8*0.4) = 0.82 A5:(1*0.1)+(1*0.2)+(1*0.1)+(0.6*0.2)+(0. 4*0.4) = 0.68 Matriks keputusan X: 3

4 A6:(0.6*0.1)+(0.6*0.2)+(1*0.1)+(0.8*0.2)+ (0.8*0.4) = 0.76 Berdasarkan hasil perhitungan menggunakan SAW alternatif 2 sebagai alternatif yang memiliki nilai paling tinggi yaitu Alternatif 2 adalah Zulfikar. B. Penyeleksian Dengan Metode Perbandingan Eksponensial (MPE) Untuk penyeleksian menggunakan MPE (Metode Perbandingan Eksponensial) pada penelitian ini diasumsikan alternatiff dan kriteria serta nilai bobot kriteria yang digunakan adalah sama dengan penyeleksian dengan metode SAW ( Simple Additive Weighting) nilai bobot untuk kriteria diberikan secara subjektif yang merupakan hasil wawancara dengan Kepala Program Studi Teknik Instrumentasi Logam dan Gelas. Nilai bobot dan range untuk tiap kriteria adalah: Tabel. 6. Range MPE Pada Tiap Kriteria Kriteria Range Keterangan C1 1-5 (5), (4), (3), Kurang (2), Kurang (1) C2 1-5 (5), (4), (3), Kurang (2), Kurang (1) C3 1-5 Menguasai (5), (4), Kurang Menguasai (3), Kurang (2), Tidak Menguasai (1) C4 1-5 (5), (4), (3), Kurang (2), Kurang (1) C5 1-5 Menguasai (5), (4), Kurang Menguasai (3), Kurang (2), Tidak Menguasai (1) Tabel. 7. Nilai Alternatif dengan Angka Berdasarkan Metode MPE No A C1 C2 C3 C4 C5 1 A A A A A A Bobot Perhitungannya : 1 = = = = = = = = = = = = Berdasarkan hasil perhitungan menggunakan MPE alternatif 2 sebagai alternatif yang memiliki nilai paling tinggi yaitu alternatif 2 adalah Zulfikar. HASIL DAN PEMBAHASAN A. Hasil Hasil dari implementasi berupa aplikasi desktop yang dibangun dengan menggunakan bahasa pemrorgraman C# dengan menggunakan aplikasi pengolah database SQL Server Aplikasi yang telah dibuat terdiri dari beberapa form. 1. Tampilan Form Login Dan Halaman Utama Form login adalah tampilan pertama pada saat sistem dijalankan. Berfungsi untuk melindungi data yang hanya bisa diakses oleh admin dalam hal ini adalah Kepala Program Studi Instrumentasi Logam dan Gelas. Pada form login ini akan ada pemberitahuan apabila kata sandi yang 4

5 dimasukan salah seperti pada gambar berikut ini : persentase nilai bobot yang diinputkan adalah 100% apabila kriteria yang diinputkan lebih dari 10 atau total nilai bobot yang diinputkan lebih dari 100% maka akan ada peringatan bahwa kriteria tidak dapat ditambahkan. Gambar. 2. Form Login Gambar. 5. Form Input Kriteria Gambar. 3. Form Menu Utama Sedangkan form utama berfungsi sebagai form induk atau form untuk memilih menu yang ada pada sistem. Pada tampilan pertama admin akan diberikan arahan berupa urutan langkah yang harus dilakukan untuk proses penilaian. 2. Tampilan Form Alternatif (Siswa) Form ini berfungsi untuk mengolah data siswa sebagai alternatif yang akan dilakukan penilaian.\ 4. Tampilan Form Penilaian Alternatif Form penilaian alternatif digunakan untuk memberikan nilai pada tiap alternatif untuk tiap kriteria yang berbeda. Sebelum masuk ke form penilaian alternatif akan muncul form daftar alternatif untuk memilih alternatif mana yang akan diberikan penilaian. Pada form daftar alternatif terdapat filter yang bisa digunakan oleh admin apabila akan memilih alternatif tertentu saja. Gambar. 4. Form Alternatif (Siswa) 3. Tampilan Form Kriteria Form kriteria berfungsi untuk mengolah data kriteria yang akan digunakan dalam proses penilaian. admin bisa menambah kriteria baru dengan maksimal kriteria adalah 10 kriteria sedangkan untuk Gambar. 6. Form Penilaian Alternatif 5. Tampilan Form Hasil Perangkingan Form perangkingan berfungsi menampilkan hasil perangkingan dari proses penilaian sebelumnya. Sebelum masuk ke form perangkingan, admin akan masuk ke form keterangan nilai yang akan menunjukan penilaian terhadap alternatif berdasarkan 5

6 kategori. Pada form keterangan nilai akan diberikan pilihan sebelum melihat hasil perangkingan yaitu menampilkan hanya metode SAW, MPE atau menampilkan kedua metode secara bersamaan seperti pada gambar : 5.1. Jika Nilai Perangkingan Sama Setelah muncul pemberitahuan admin akan diarahkan untuk melakukan perangkingan tambahan. Dalam perangkingan tambahan ini alternatif dengan nilai yang sama akan ditampilkan pada form perangkingan tambahan. Penilaian yang dilakukan adalah berdasarkan kriteria dengan tingkat kepentingan paling tinggi seperti pada gambar : Gambar. 7. Form Keterangan Nilai Gambar. 10. Perangkingan Tambahan Gambar. 8. Hasil Perangkingan Proses penilaian terhadap alternatif tidak menutup kemungkinan akan ada nilai tertinggi yang sama. Oleh karena itu apabila sistem menemukan nilai tertinggi yang sama maka muncul pemberitahuan pada kolom analisis tabel perangkingan seperti gambar berikut : 5.2.Jika Nilai Seluruh Perangkingan Sama Apabila seluruh alternatif pada perangkingan perangkingan bernilai sama, maka sistem tidak dapat melakukan prosess perangkingan dan menyarankan untuk melakukan penilaian ulang. Gambar. 9. Pemberitahuan Jika Terdapat Nilai Yang Sama Gambar. 11. Peringatan Jika Seluruh Nilai Tertinggi Bernilai Sama 6. Tampilan Form Perbandingan Form perbandingan menampilkan hasil perangkingan dengan dua metode dalam satu form. Data ditampilkan untuk melihat hasil perangkingan secara 6

7 menyeluruh dengan metode SAW dan MPE. Gambar. 12. Form Perbandingan B. Pembahasan Dengan menggunakan dua metode yaitu metode SAW ( Simple Additive Weighting) dan MPE ( Metode Perbandingan Eksponensial) untuk kriteria penilaian dan alternatif yang digunakan sama dari decision maker. Hasil dari tahap perangkingan dari dua metode ini menghasilkan nilai dan peringkat yang berbeda. Analisis dilakukan dengan menginputkan alternatif dengan jumlah 10 alternatif, hasilnya dapat dilihat pada gambar berikut : Gambar. 13. Analisis Tabel Perangkingan MPE Gambar. 14. Analisis Tabel Perangkingan SAW Hasil dari analisis ini pada metode SAW menampilkan 7 peringkat dengan 3 peringkat yang berjumlah 2 ( peringkat 1, 5 dan 6 ), sedangkan metode MPE menampilkan 8 peringkat dengan 2 peringkat yang berjumlah 2 ( peringkat 5 dan 6 ). Ketika menampilkan urutan peringkat pada metode SAW terdapat peringkat ke-1 yang berjumlah 2, hal ini tentu saja membuat decision maker tidak dapat menentukan secara langsung alternatif yang akan dipilih. Berdasarkan analisis tersebut dalam ketepatan menampilkan urutan peringkat, metode MPE lebih unggul dibandingkan metode SAW. Selain ketepatan dalam menampilkan peringkat, pada penelitian ini juga akan membandingkan waktu proses kedua metode apabila data yang diinputkan berjumlah banyak. Pengujian dilakukan dengan memberi nama tiap alternatif dengan nama (A1) untuk alternatif 1 sampai dengan (A100000) untuk alternatif ke Waktu yang dicatat untuk melihat waktu proses kalkulasi data pada saat perangkingan dimulai dari 100, 500, 1000, 2000, 5000, 7000, 10000, 25000, 50000, dan data. Selain itu pengujian dilakukan dengan input range terkecil dan range terbesar pada penilaian alternatif. Hasil pencatatan waktu prosesnya dapat dilihat pada tabel berikut ini : 7

8 Tabel. 8. Perbandingan Waktu Proses Jumlah Data Range Terkecil (Second) Range Terbesar (Second) SAW MPE SAW MPE Proses kalkulasi perangkingan dilakukan dengan kondisi komputer hanya membuka satu aplikasi saja. Dari waktu proses kedua metode yang diuji, metode SAW sedikit lebih cepat waktu proses datanya dibandingkan dengan metode MPE, namun dilihat dari keseluruhan waktu proses pada SAW dan MPE tidak ada perbedaan waktu yang signifikan. Perbedaan waktu akan semakin terlihat setiap jumlah data yang diproses ditambahkan. Kedua metode diuji berdasarkan nilai range pada proses penilaian alternatif, range terkecil yaitu 1 dan range terbesar yaitu 5. Dari kedua pengujian yang dilakukan diatas, metode MPE (Metode Perbandingan Eksponensial) dipilih sebagai metode yang paling unggul dibandingkan dengan metode SAW (Simple Additive Weighting). Hal ini dikarenakan metode MPE menampilkan urutan perangkingan yang lebih efektif dibandingkan metode SAW walaupun dari segi waktu proses metode SAW sedikit lebih cepat namun perbedaan waktu proses tersebut tidak menunjukan perbedaan yang signifikan. KESIMPULAN DAN SARAN Kesimpulan Penelitian dilakukan dengan membandingkan dua metode penunjang keputusan MCDM (Multi Criteria Decision Making) yaitu metode SAW ( Simple Additive Weighting) dan MPE ( Metode Perbandingan Eksponensial) dengan studi kasus Sistem pemilihan siswa unggulan bidang instrumentasi logam. Salah satu dari tujuan penelitian ini adalah untuk menguji kompleksitas data pada tiap metode. Proses perangkingan dalam sistem ini admin bisa menampilkan hanya satu metode dari masing-masing metode maupun kedua metode secara bersamaan. Pengujian dilakukan dengan mencatat waktu proses yang dilakukan oleh masing-masing metode dengan jumlah data mulai dari 100 data sampai dengan data. Hasil dari pengujian tersebut didapat bahwa metode SAW memiliki waktu proses lebih cepat dibandingkan dengan metode MPE, namun dari segi output yang dihasilkan antara menggunakan metode SAW dan MPE dengan melihat hasil pada output penilaian sebelumnya metode MPE menghasilkan urutan perangkingan yang lebih efektif, sehingga untuk hasil urutan peringkat yang dihasilkan, metode MPE lebih unggul dari metode SAW. Berdasarkan seluruh pengujian yang dilakukan, metode MPE dipilih sebagai metode yang paling unggul walaupun metode SAW lebih cepat waktu prosesnya tetapi perbedaan waktu proses kedua metode tidak menampilkan perbedaan yang signifikan, dan dari segi hasil output perangkingan metode MPE menampilkan urutan peringkat yang lebih efektif. Saran Hasil dari penelitian ini adalah mencari metode Sistem Penunjang Keputusan yang terbaik untuk digunakan baik itu dari segi kecepatan maupun ketepatan urutan peringkat output perangkingan yang dihasilkan. Pada sistem yang telah dirancang ini metode yang 8

9 dibandingkan dan dianalisis yaitu SAW (Simple Additive Weighting) dan MPE Untuk pengembangan selanjutnya metode Sistem Penunjang Keputusan yang lain bisa ditambahkan untuk melihat lebih luas metode Sistem Penunjang Keputusan yang terbaik yang bisa diterapkan untuk kasus tertentu. DAFTAR PUSTAKA Anggraini, Lelly Hidayah Perbandingan Metode Bayes dan Analisis Gap Dalam Implementasi Sistem Pendukung Keputusan Untuk Pemilihan Sim Card. Basyaib, Fachmi, 2006, Teori Pembuatan Keputusan, Grasindo, Jakarta. Eniyati, Sri Perancangan Sistem Pendukung Pengambilan Keputusan untuk Penerimaan Beasiswa dengan Metode SAW (Simple Additive Weighting). Jurnal Teknologi Informasi DINAMIK Volume 16, No.2, Juli 2011 : Jakaria Sistem Pendukung Keputusan Penentuan Karyawan Teladan Menggunakan Metode Simple Additive Weighting (SAW) (Studi Kasus di Badan Kepegawaian Pendidikan dan Pelatihan (BKPP) Kab.Bogor). Juliyanti. Isa Irawan, Muhammad. Mukhlash, Imam. Pemilihan Guru Berprestasi menggunakan Metode AHP Dan TOPSIS. Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta. (Metode Perbandingan Eksponensial). Kusrini., 2007, Konsep dan Aplikasi Sistem Pendukung Keputusan, Andi Offset, Yogyakarta. Kusumadewi, Sri. Et al Fuzzy Multi- Atribute Decision Making (Fuzzy MADM). Yogyakarta. Graha Ilmu. Marimin Teknik Dan Aplikasi Pengambilan Keputusan Kriteria Majemuk. Grasindo. Jakarta. Nanda Pribadi, Didi Sistem Pendukung Keputusan Pemberian Reward Kepada Karyawan Menggunakan Metode Perbandingan Eksponensial (Studi Kasus: PT Hd Finance, Surabaya). Saaty, T.L. dan Vargas, L.G. 2006, Decision Making With The Analytic Network Process, Springer. United States of America. Subarkah, Imam. Atika, Linda. Dian Purnamasari, Susan Sistem Informasi Pendukung Keputusan Pemberian Reward Kepada Dosen Menggunakan Metode Perbandingan Eksponensial (MPE). Vol.1 No.1, Agustus 2012:1-11. Turban, E. Aronson, Jay. E. Ting-Peng Liang DECISION SUPPORT SYSTEMS AND INTELLIGENT SYSTEMS (Sistem Penunjang Keputusan Dan Sistem Cerdas). Andi Offset. Yogyakarta. Utami, Ema Langkah Belajar Logika dan Algoritma, Menggunakan bahasa C dan C++ di GNU/Linux. Andi Offset. Yogyakarta. 9