BAB I PENDAHULUAN. dinyatakan diterima di di universitas, institut atau akademi, yang masuk dari berbagai

Transkripsi

1 BAB I PENDAHULUAN 1.1 Latar Belakang Mahasiswa baru adalah peserta seleksi penerimaan mahasiswa baru yang telah dinyatakan diterima di di universitas, institut atau akademi, yang masuk dari berbagai jalur penerimaan seleski mahasiswa baru seperti Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN), Seleksi Bersama Masuk Perguruan Tinggi Negeri (SBMPTN) dan berbagai jalur masuk lainnya baik yang diselenggarakan secara nasional maupun secara lokal oleh universitas negeri maupun swasta. Dalam prosesnya mahasiswa baru diwajibkan untuk membayar biaya masuk diawal yang dinamakan uang kuliah pangkal. Nominal dari uang pangkal ini sangat bervariatif bergantung pada program studi dan jalur masuk yang diikuti oleh mahasiswa baru serta terus mengalami peningkatan dari tahun ke tahun. Hal ini tentunya tidak sesuai dengan amanat UUD 1945 pasal 31 tentang pendidikan, oleh karena itu pemerintah sejak tahun 2013 memberlakukan kebijakan yang dinamakan Uang Kuliah Tunggal (UKT) untuk meringankan uang masuk perkuliahan. UKT (Uang Kuliah Tunggal) yaitu merupakan sebagian Biaya Kuliah Tunggal (BKT) yang ditanggungkan kepada setiap mahasiswa berdasarkan kemampuan ekonominya. Biaya kuliah Tunggal merupakan seluruh biaya operasional per mahasiswa per semester pada program studi di perguruan tinggi negeri dan UKT itu ditetapkan berdasarkan BKT dikurangi dengan biaya yang ditanggung oleh 1

2 2 pemerintah yang akan dilaksanakan oleh perguruan tinggi negeri, kebijakan ini bertujuan untuk meringankan beban uang kuliah yang harus dibayarkan oleh mahasiswa dari awal masuk perkuliahan hingga lulus nanti. Dasar hukum dari UKT itu sendiri ialah Peraturan Menteri Pendidikan dan Kebudayaan (Permendikbud) No. 55 Tahun 2013 tertanggal 23 Mei Universitas Udayana merupakan Perguruan Tinggi Negeri terbesar di Bali dan telah menerapkan sistem UKT dari tahun ajaran 2013/2014. Dalam menerapkan UKT, Universitas Udayana membagi kedalam 5 (lima) kategori kelompok. Hal tersebut berdasarkan surat edaran DIKTI Nomor 272/E1.1/KU/2013 yang menjelaskan bahwa sebaiknya tarif UKT dibagi atas 5 kelompok, dari kelompok yang paling rendah (kelompok 1) sampai kelompok paling tinggi (kelompok 5). Kemudian untuk menentukan kelompok UKT untuk setiap mahasiswa baru, Universitas Udayana memerlukan gambaran latar belakang kondisi sosial ekonomi orangtua setiap mahasiswa. Hasilnya, jumlah kelompok dibagi menjadi 5 (lima) kelompok dengan jumlah kelompok 1 dan kelompok 2 masing-masing sebanyak 5% dari jumlah mahasiswa baru. Pada saat ini Universitas Udayana telah memberlakukan sistem UKT secara terkomputerisasi yang dapat diakses secara online oleh calon mahasiswa baru. Namun dalam proses penentuan kelompok UKT mahasiswa baru di Universitas Udayana masih menggunakan proses pembobotan yang kurang ideal karena banyaknya kriteria yang ditentukan dan tidak adanya skala prioritas untuk kriteria tersebut, sehingga hasilnya banyak diantara calon mahasiswa baru yang merasa keberatan dengan penentuan UKT oleh pihak Universitas Udayana karena merasa tidak sesuai dengan

3 3 kemampuan ekonomi dari orang tua mereka. Ini dibuktikan dari data yang telah diperoleh melalui Unit Sumber Daya Informasi Universitas Udayana bahwa setidaknya sebanyak 63 mahasiswa baru tahun ajaran 2015/2016 telah disetujui oleh pihak Universitas Udayana untuk diturunkan kelompok UKTnya, tentunya proses penurunan ini telah melalui verifikasi dan mempertimbangkan kondisi ekonomi orang tua dari mahasiswa baru tersebut. Sementara itu, informasi yang dihimpun dari media online menyebutkan bahwa permasalahan penentuan UKT mahasiswa baru banyak yang tidak sesuai dengan kemampuan ekonomi mahasiswa baru, salah satunya seperti dikutip melalui portal berita online Sebanyak 84 mahasiswa baru Universitas Brawijaya mundur dari universitas tersebut karena tidak mampu membayar uang kuliah tunggal yang diterapkan oleh kampus setempat dan sebanyak mahasiswa baru mengajukan keringanan karena UKT yang ditetapkan tidak sesuai dengan kemampuan ekonomi masing-masing, berita online pelaksanaan UKT di Unila (Universitas Negeri Lampung) tidaklah berjalan mulus, banyak persoalan yang terjadi di lapangan sebagaimana terungkap dalam reportase khusus tabloid kampus. Terutama banyaknya mahasiswa yang merasa sangat keberatan dengan status UKT yang ditanggungnya karena memang sangat tidak sesuai dengan kemampuan Dari beberapa informasi tersebut di atas mengenai permasalahan penentuan UKT di Univeritas Udayana dan dibeberapa universitas negeri lainnya, maka dibutuhkan adanya suatu sistem yang dapat mendukung proses penentuan kelompok UKT mahasiswa baru, sehingga dapat meningkatkan nilai keadilan yang sesuai

4 4 dengan kemampuan ekonomi dari orang tua para calon mahasiswa baru. Metode yang dapat digunakan adalah dengan mengkombinasikan teknik clustering untuk mengelompokkan UKT dari calon mahasiswa baru dan perangkingan terhadap hasil clustering dengan menggunakan Multi Attribute Decision Making dengan melihat kriteria-kriteria yang merupakan gambaran kondisi ekonomi dari orang tua calon mahasiswa baru. Penggunaan proses clustering sebagai awal proses pengelompokkan UKT dikarenakan clustering akan mempartisi suatu set objek menjadi dua kelompok atau lebih berdasarkan kesamaan sehingga akan terbagi beberapa kelompok UKT berdasarkan kemiripan data dari calon mahasiswa baru, kemudian penggunaan MADM sebagai perangkingan dimaksudkan untuk melakukan perangkingan terhadap hasil cluster awal sehingga jika suatu kelompok UKT mempunyai quota seperti dalam UKT kelompok 1 dan 2 yang berjumlah 5% dari jumlah mahasiswa maka proses perangkingan hanya dilakukan pada data yang berada di kelompok UKT 1 dan 2 tidak pada keseluruhan data. Metode Fuzzy C-Means (FCM) adalah suatu teknik clustering data dimana keberadaan tiap titik data dalam suatu cluster ditentukan oleh derajat keanggotaan. Fuzzy C-Means adalah algoritma pengelompokan yang terawasi, karena pada algoritma Fuzzy C-Means jumlah cluster yang akan dibentuk perlu diketahui terlebih dahulu. Teknik ini pertama kali diperkenalkan oleh J. C. Bezdek pada tahun 1981 (Sediyono dkk, 2006); (Luthfi, 2007). Output dari FCM menghasilkan informasi yang dapat digunakan dalam membangun suatu fuzzy inference system (Sediyono dkk, 2006).

5 5 Beberapa penelitian yang telah dilakukan dengan menggunakan FCM untuk pengelompokan data telah banyak dilakukan, antara lain : Agus Widodo dan Purhadi (2013) penelitian ini membandingkan metode FCM dan fuzzy c-shell clustering untuk mengelompokkan kabupaten/kota di pulau Jawa berdasarkan indeks pembangunan manusianya, Sarita Budiyani Purnamasari dkk. (2014) menggunakan FCM untuk mengelopokan kabupaten/kota di provinsi Jawa Tengah berdasarkan indikator indeks pembangunan manusia dan menggunakan index Xie Beni untuk menentukan cluster optimum, T. Jatipaningrum (2014) menggunakan FCM untuk menentukan segmentasi pelanggan PLN, R. Syaiful dan R.B. F. Hakim (2015) membandingkan metode FCM dengan fuzzy k-means untuk mengelompokkan indeks Pembangunan Manusia di Kawasan Indonesia Timur tahun 2012, Aidina Ristyawan dkk. (2015) pemanfaatan algoritma FCM dalam pengelompokan kinerja akademik mahasiswa digunakan untuk melihat posisi atau keadaan kinerja akademik mahasiswa, dan dapat pula dikembangkan sebagai dasar pertimbangan dalam memilih profesi. Berdasarkan beberapa penelitian menggunakan metode FCM yang telah disebutkan maka ditemukan beberapa kelebihan dari metode ini sehingga dapat digunakan sebagai metode pengclusteran UKT mahasiswa baru diantaranya ialah FCM mempunyai komputasi yang lebih cepat di bandingkan dengan beberapa metode clustering lainnya seperti metode fuzzy c-shell clustering (Agus Widodo dkk, 2013) dan metode fuzzy k-means (R. Syaiful dkk, 2015) hal ini dikarenakan dalam metode FCM penentuan cluster tidak menggunakan jarak antar pusat cluster dengan titik data

6 6 melainkan dengan menggunakan derajat keanggotaan fuzzy. Kemudian dengan menggunakan index Xie Beni untuk menentukan cluster optimum hasil dari FCM ini akan didapatkan kelompok UKT dari tiap cluster yang dihasilkan. Multi Attribute Decision Making (MADM) merupakan metode pengambilan keputusan yang banyak digunakan dalam melakukan penilaian atau seleksi terhadap beberapa alternatif dan digunakan untuk menyeleksi alternatif terbaik dari sejumlah alternatif (Shinta Wimatsari dkk.,2013). Metode MADM dapat membantu meningkatkan kualitas keputusan dengan membuat proses pengambilan keputusan lebih efisien dan rasional. Salah satu jenis MADM adalah ELECTRE (Ellimination And Choice Translation Reality) digunakan untuk menyelesaikan kasus-kasus yang mempunyai alternatif pilihan yang banyak namun hanya sedikit kriteria yang dilibatkan, hal inilah yang menjadi alasan utama metode ELECTRE digunakan dalam penelitian ini karena penentuan rangking dalam satu cluster UKT hanya melibatkan beberapa kriteria sebagai penggambaran dari kemampuan ekonomi orang tua calon mahasiswa baru sedangkan dalam cluster tersebut teradapat beberapa alternatif pilihan calon mahasiswa baru. Penelitian ini juga merujuk pada beberapa penelitian sebelumnya yang menggunakan metode ELECTRE, antara lain : oleh Made Sudarma dkk. (2015) menggunakan metode ELECTRE untuk penentuan jurusan di universitas bagi calon mahasiswa baru, Prasenjit Chatterjee dkk. (2014) menggunakan metode ELECTRE untuk mengurangi cost dalam melakukan inspeksi/pengecekkan hasil akhir dari produk manufaktur, Heri Anggiat Tambunan (2014) menggunakan metode

7 7 ELECTRE untuk pemilihan mahasiswa berprestasi di SMA Parulian 2 Medan, Ermatita dkk. (2011) melakukan analisis dengan mensimulasikan mutasi gen untuk mendeteksi penyebabnya suatu penyakit, Adel Hatami-Marbini (2013) menggunakan fuzzy ELECTRE untuk menentukan standar keamanan dan keselamatan fasilitas tempat daur ulang. Sedangkan beberapa penelitian yang menggabungkan metode FCM atau metode clustering dengan MADM ataupun metode lainnya untuk mendapatkan hasil pengelompokkan yang lebih optimal ialah : Omar López-Ortega, Marco-Antonio Rosales (2011) penelitian ini menggunakan FCM dan Analytic Hierarchy Process (AHP) sebagai penunjang keputusan penentuan pemilihan agen,t. Sandhika Jaya dkk. (2011) mengkombinasikan FCM dan Simple Additive Weighting (SAW) untuk sistem pemilihan perumahan, Harliana dan Azhari (2012) menggunakan FCM dan metode Takagi Sugeno Kang (TSK) sebagai penentuan rulebase dalam pemberian rekomendasi program bantuan untuk daerah rawan pangan di Kabupaten Cirebon, Herditomo dkk. (2015) menggunakan FCM dan Particle Swarm Optimization (PSO) untuk segmentasi citra geografis. Berdasarkan permasalahan yang ada maka penulis mengimplementasikan suatu kombinasi teknik pengelopokkan menggunakan FCM dan ELECTRE dalam menentukan kelompok UKT mahasiswabaru sehingga dapat memberikan hasil sebagai pendukung keputusan di Universitas Udayana dalam membagi golongan UKT mahasiswa sesuai dengan kemampuan ekonomi orang tua calon mahasiswa baru.

8 8 Untuk menguji hasil dari penelitian ini akan dilakukan uji coba diantaranya ialah uji coba antar muka sistem, uji coba hasil perhitungan FCM-ELECTRE, uji coba perbandingan hasil perhitungan FCM-ELECTRE dengan hasil penentuan UKT Universitas Udayana dan usability tes untuk menguji kelayakan sistem. 1.2 Rumusan Masalah Berdasarkan latar belakang tersebut maka dapati dirumuskan beberapa permasalahan dalam penelitian ini diantaranya : 1. Bagaimana merancang dan membangun suatu sistem pendukung keputusan penentuan kelompok UKT calon mahasiswa baru. 2. Bagaimana penerapan kombinasi Fuzzy C-Means dan ELECTRE dalam proses penentuan golongan UKT mahasiswa baru Universitas Udayana. 1.3 Tujuan Tujuan yang ingin dicapai dari penelitian ini ialah, mampu merancang dan membangun suatu sistem pendukung keputusan penentuan kelompok UKT calon mahasiswa baru dengan menerapkan kombinasi metode Fuzzy C-Means dan ELECTRE.

9 9 1.4 Manfaat 1. Manfaat Akademis Pembuatan sistem ini dapat membantu peneliti mengerti konsep FCM dan ELECTRE yang nantinya bisa akan digunakan untuk melakukan penelitian lainnya. 2. Manfaat Praktis Penelitian ini dapat memberikan manfaat kepada mahasiswa baru Universitas Udayana dalam menentukan besaran uang kuliah tunggal yang lebih proposional dan memenuhi rasa keadilan sesuai dengan kondisi ekonomi mahasiswa. Penelitian ini juga dapat berperan untuk membantu universitas udayana dalam menetapkan golongan UKT pada mahasiswa yang semakin murah dari tahun ke tahun sesuai dengan landasan hukum yang telah ada. 1.5 Batasan Masalah Melihat luasnya cakupan yang ditemukan dalam tulisan ini serta keterbatasan waktu dan pengetahuan penulis maka agak pembahasan tidak menyimpang dari tujuan, dilakukan pembatasan masalah sebagai berikut : 1. Penelitian dilakukan pada mahasiswa baru Universitas Udayana tahun ajaran 2015/ Metode yang digunakan ialah FCM dan ELECTRE untuk menentukan rangking tiap cluster.

10 Keaslian Penelitian Posisi penelitian ini dapat digambarkan dengan diagram fishbone seperti pada gambar 1.1. Kajian penelitian ini mengkombinasikan metode clustering dan MADM. Salah satu jenis dari teknkik clustering ialah FCM yang pada penelitian ini mengacu pada Agus Widodo dan Purhadi (2013),Sarita Budiyani Purnamasari dkk.(2014), M. T. Jatipaningrum(2014), R. Syaiful dan R.B. F. Hakim (2015), Aidina Ristyawan dkk. (2015), sedangkan salah satu jenis metode MADM ialah ELECTRE yang pada penelitian ini mengacu pada Made Sudarma dkk. (2015), Heri Anggiat Tambunan(2014), Ermatita dkk. (2011), Adel Hatami-Marbini (2013). Penelitian ini juga membandingkan penggunaan FCM dengan metode MADM lainnya yang mengacu pada Omar López-Ortega, Marco-Antonio Rosales (2011) T. Sandhika Jaya dkk (2011), Harliana dan Azhari (2012), Herditomo dkk. (2015). DSS MADM Bioinformatika dalam simulasi deteksi mutasi gen Beasiswa Pemilihan Jurusan Universitas Uang Kuliah Tunggal TOPSIS AHP Partitional ELECTRE SAW Penerapan Kombinasi Fuzzy C-Means dan ELECTRE(Ellimination and Choice Translation Reality) untuk Sistem Pendukung Keputusan Penentuan Besar Uang Kuliah Tunggal Mahasiswa Baru Universitas Udayana Hierarchical Fuzzy Exclusive Fuzzy C-Means Clustering Gambar 1.1Keaslian penelitian dengan diagram fishbone