Docstoc

makalah - Download Now DOC

Document Sample
makalah - Download Now DOC Powered By Docstoc
					Rancang Bangun Sistem Pengolahan Administrasi Berbasis Web Pada Kemahasiswan
                                             STIKOM Surabaya


                                       Julianto Lemantara (05410100018)
                    Sekolah Tinggi Manajemen Informatika dan Teknik Komputer Surabaya
                                           Email: julianto@stikom.edu


                                                     Abstract
As a department of college that works to serve student in nonacademic field, STIKOM Surabaya’s Student
Affair often faces various of administration problems. Those problems are problems which related with
maintenance of achievement, maintenance of organization history, maintenance of interest, maintenance of
event, maintetnace of event participant, maintenance of SSKM, and maintenance of 0 SKS lecture. In relation
with event, student affair also faces difficulty in deciding student that is sent to the event because a lot of
student that has competency in that event. Because there is not decision support system, then so far sending
student to the event is still intuitive and subjective. Student Affair needs an application that can solve dan
handle administration problems well. Besides, student affair needs decision support system that can give
solution or suggestion for deciding the best student that will be sent to the event. In this case, the application
use AHP and TOPSIS as method of decision support system. In application, user will be asked to decide
criteria and its weight, then user will compare all alternative in each criteria. After that, application will
produce an order of alternative. So, this system or this application can make student affair to choose the best
student that will be sent to the event more objectively. Besides, this system can also help student affair to solve
administration problems well and quickly.

Keyword: AHP, TOPSIS, Administration, Student Affair

     Kemahasiswaan merupakan salah satu Unit                  yang diraih berdasarkan bakat dan minat juga
Pelaksana Teknis (UPT) di STIKOM Surabaya                     sangat menentukan keberhasilan seseorang untuk
dimana sebagian besar tugasnya adalah mengurusi               terjun di masyarakat. National Association of
dan mengolah masalah administrasi mahasiswa.                  Colleges and Employers (NACE) pada 2005
Namun, selama ini bagian kemahasiswaan tidak                  melaporkan bahwa pada umumnya para pengguna
dapat mengolah beberapa masalah administrasi                  lulusan membutuhkan keahlian kerja berupa soft
tersebut dengan baik. Hal ini disebabkan karena               skill 82 persen dan hard skill 18 persen
tidak adanya aplikasi yang membantu bagian                    (Abdurachman, 2007). Karena pengalaman
kemahasiswaan, padahal banyak sekali data dan                 organisasi maupun prestasi individu ini sangat
masalah administrasi yang harus dihadapi.                     penting, instansi pendidikan harus menyimpan
Masalah administrasi yang tidak dapat dikelola                semua histori mengenai kedua hal tersebut dengan
secara maksimal, yaitu masalah bakat minat                    baik. Namun, selama ini bagian kemahasiswaan
mahasiswa, prestasi mahasiswa, pengalaman                     STIKOM Surabaya yang mengurusi hal tersebut
organisasi    mahasiswa,     rekapitulasi       event,        hanya menyimpan pengalaman organisasi dan
pengiriman mahasiswa berprestasi ke event, dan                semua bukti prestasi yang dicetak oleh setiap
masalah perkuliahan 0 SKS.                                    mahasiswa secara manual dan tidak tertata dengan
     Bakat dan minat merupakan potensi yang ada               baik.
pada setiap individu yang diciptakan oleh Tuhan.                   Dalam kaitannya dengan bakat dan minat
Bakat dan minat yang dikembangkan secara                      mahasiswa, suatu instansi pendidikan tidak akan
intensif akan menghasilkan sebuah prestasi yang               terlepas dari penyelenggaraan event, baik itu event
nantinya dapat memberikan nilai tambah bagi                   dalam instansi sendiri maupun event dari luar
individu tersebut. Selain hard skill, soft skill yang         instansi. Untuk saat ini, bagian kemahasiswaan
berupa pengalaman organisasi maupun prestasi                  belum menyimpan dan mengolah data event




                                                         1
tersebut dengan baik sehingga kesulitan dalam               administrasi       kemahasiswaan      mengenai
melakukan rekapitulasi event. Di samping itu,               perkuliahan 0 SKS, bakat minat, pengalaman
untuk keperluan event, khususnya penentuan                  organisasi, prestasi mahasiswa, dan rekapitulasi
mahasiswa yang akan dikirim merupakan                       event dengan baik.
pekerjaan        yang       menyulitkan       bagian
kemahasiswaan selama ini. Hal ini disebabkan                METODE
karena dalam institusi itu tentu memiliki banyak            Administrasi Kemahasiswaan
mahasiswa yang berprestasi di suatu bidang yang                  Yang     dimaksud      dengan     administrasi
berkaitan dengan event tersebut.                            kemahasiswaan di sini adalah hal-hal yang
     Untuk pemilihan mahasiswa berprestasi ini,             berkaitan dengan mahasiswa yang lebih
bagian kemahasiswaan tentu tidak boleh                      ditekankan      pada     kegiatan     nonakademis
sembarangan melakukannya karena hal itu akan                mahasiswa. Jadi kegiatan ekstrakurikuler, bakat
menimbulkan ketidakadilan bagi mahasiswa yang               minat mahasiswa, prestasi akademis dan
lebih berprestasi di bidang tersebut. Selain itu, hal       nonakademis mahasiswa, pengalaman organisasi
tersebut akan merugikan institusi itu sendiri               mahasiswa, event-event eksternal dan internal
karena pengiriman peserta yang kurang berpotensi            organisasi, pengiriman mahasiswa berprestasi ke
akan mengurangi peluang untuk mencetak prestasi.            suatu event, maintenance SSKM dan kegiatan
Namun,       realitanya     penentuan    mahasiswa          sejenis lainnya adalah hal-hal administratif yang
berprestasi yang akan dikirim ke suatu event oleh           harus diurus dan dikelola dengan baik oleh bagian
bagian kemahasiswaan STIKOM Surabaya masih                  kemahasiswaan. SSKM adalah angka satuan
bersifat    intuitif    dan    subjektif   sehingga         ukuran untuk menilai seluruh kegiatan, prestasi
kemungkinan terjadi kesalahan pengiriman                    mahasiswa dan kemajuan dalam segala bidang
peserta event cukup besar.                                  non akademik, baik kegiatan di dalam kampus
     Selain masalah pemilihan mahasiswa                     maupun kegiatan di luar kampus sehingga
berprestasi, sebenarnya bagian kemahasiswaan                mencapai jumlah tertentu sebagai salah satu syarat
juga menghadapi berbagai masalah administrasi               dinyatakan yudisium. Jika semua masalah
lainnya. Salah satunya            adalah    masalah         administrasi kemahasiswaan tersebut dapat
perkuliahan 0 SKS. Selama ini, bagian                       ditangani dan dikelola dengan baik, maka kualitas
kemahasiswaan membutuhkan waktu yang cukup                  pelayanan kepada mahasiswa dapat ditingkatkan.
lama dalam memberikan informasi kehadiran                        Tugas dan tanggung jawab bagian
mahasiswa untuk perkuliahan 0 SKS. Hal ini                  kemahasiswaan dalam hal mengurus administrasi
disebabkan karena penanganan kehadiran masih                kemahasiswaan, khususnya kegiatan nonakademis
dilakukan dalam aplikasi excel sehingga butuh               ini diatur dalam keputusan Menteri Pendidikan
banyak waktu untuk melakukan rekapitulasi data              dan Kebudayaan Nomor: 155/U/1998 tanggal 30
kehadiran. Dampak lainnya adalah sulit                      Juni 1998, tentang Pedoman Umum Organisasi
melakukan penulusuran apabila terjadi kesalahan             Kemahasiswaan di Perguruan Tinggi. Dalam
pengisian kehadiran mahasiswa. Selain kehadiran,            keputusan tersebut dikatakan bahwa tugas bagian
penilaian perkuliahan 0 SKS juga belum ditangani            kemahasiswaan adalah memberikan wadah bagi
dengan baik. Inilah yang menyebabkan sulitnya               kegiatan-kegiatan nonakademis mahasiswa, antara
evaluasi terhadap jalannya perkuliahan 0 SKS.               lain meningkatkan penalaran, minat, bakat dan
     Aplikasi di kemahasiswaan tersebut akan                kegemaran, kesejahteraan dan pengabdian
dibuat berbasis web sehingga mudah diakses oleh             mahasiswa kepada masyarakat dalam kehidupan
pengguna. Salah satu program PPTI di                        kemahasiswaan pada perguruan tinggi sehingga
kemahasiswaan, yaitu program Standart Softskill             diharapkan dapat mewujudkan kualitas generasi
Kegiatan Mahasiswa (SSKM) juga dibuat berbasis              muda yang eksistensinya menjadi aset bangsa
web sehingga proses memasukkan SSKM dapat                   yang tidak ternilai harganya.
dilakukan di mana saja.                                          Selain kegiatan nonakademis di atas, ada juga
     Berdasarkan permasalahan di atas, bagian               kegiatan     akademis     yang     diurus   bagian
kemahasiswaan             STIKOM           Surabaya         kemahasiswaan. Namun, tujuan dari kegiatan
membutuhkan aplikasi yang mampu memberikan                  akademis       tersebut     adalah      membentuk
alternatif atau saran dalam menentukan                      karakter/watak mahasiswa unggul, seperti:
mahasiswa berprestasi yang akan dikirim ke suatu            entrepreneurship, intrapreneurship, management,
event. Selain itu, bagian kemahasiswaan juga                net life, dan lain-lain. Kegiatan akademis ini
membutuhkan aplikasi yang dapat mengolah                    dinamakan perkuliahan 0 SKS. Untuk masalah



                                                        2
perkuliahan 0 SKS yang diberikan kepada bagian          situasi konflik (Saaty, 1993). Jadi, AHP
kemahasiswaan ini sudah merupakan kebijakan             merupakan analisis yang digunakan dalam
internal organisasi STIKOM Surabaya. Masalah            pengambilan keputusan dengan pendekatan sistem,
administrasi yang berkaitan dengan perkuliahan 0        dimana pengambil keputusan berusaha memahami
SKS adalah pembagian regu/patma, kehadiran              suatu kondisi sistem dan membantu melakukan
perkuliahan, dan nilai perkuliahan.                     prediksi dalam mengambil keputusan.
                                                             Model AHP memakai persepsi manusia yang
Konsep Dasar Sistem Pendukung Keputusan                 dianggap ‘ekspert’ sebagai input utamanya.
     Definisi sistem adalah sekumpulan hal atau         Kriteria ekspert disini bukan berarti bahwa orang
kegiatan atau elemen atau subsistem yang saling         tersebut haruslah jenius, pintar, bergelar doktor
bekerja sama atau yang dihubungkan dengan cara-         dan sebagainya tetapi lebih mengacu pada orang
cara tertentu sehingga membentuk satu kesatuan          yang mengerti benar permasalahan yang
untuk melaksanakan suatu fungsi guna mencapai           dilakukan, merasakan akibat suatu masalah atau
suatu tujuan (Sutanta, 2003) dalam is.its-              punya kepentingan terhadap masalah tersebut.
sby.edu/subjects/dss/Buku_Panduan_SPK.pdf.              Pengukuran hal-hal kualitatif merupakan hal yang
     Secara umum, sistem pendukung keputusan            sangat penting mengingat makin kompleksnya
(SPK) adalah sistem berbasis komputer yang              permasalahan di dunia dan tingkat ketidakpastian
interaktif, yang membantu pengambil keputusan           yang makin tinggi. Selain itu, AHP juga menguji
memanfaatkan       data   dan    model    untuk         konsistensi penilaian. Bila terjadi penyimpangan
menyelesaikan masalah-masalah yang tak                  yang terlalu jauh dari nilai konsisten sempurna
terstruktur dan semi terstruktur. Sebenarnya            maka penilaian perlu diperbaiki atau hirarki harus
definisi awalnya, SPK adalah sistem berbasis            distruktur ulang.
model yang terdiri dari prosedur-prosedur dalam              Dalam menyelesaikan persoalan dengan AHP
pemrosesan data dan pertimbangannya untuk               ada beberapa prinsip dasar yang harus dipahami
membantu manajer dalam mengambil keputusan.             antara lain:
Agar berhasil mencapai tujuannya maka sistem            1. Dekomposisi.         Setelah     mendefinisikan
tersebut harus sederhana, mudah untuk dikontrol,             permasalahan/persoalan,       maka       perlu
mudah beradaptasi, lengkap pada hal-hal penting,             dilakukan dekomposisi, yaitu: memecah
dan mudah berkomunikasi dengannya.                           persoalan yang utuh menjadi unsur-unsurnya.
                                                             Jika ingin mendapatkan hasil yang akurat,
Analytical Hierarchy Process                                 maka pemecahan terhadap unsur-unsurnya
     Metode Analytical Hierarchy Process (AHP)               dilakukan hingga tidak memungkinkan
dikembangkan awal tahun 1970-an oleh Thomas                  dilakukan      pemecahan      lebih    lanjut.
L. Saaty, seorang ahli matematika dari                       Pemecahan tersebut akan menghasilkan
Universitas Pittsburg. AHP pada dasarnya                     beberapa tingkatan dari suatu persoalan. Oleh
didesain untuk menangkap secara rasional                     karena itu, proses analisis ini dinamakan
persepsi orang yang berhubungan sangat erat                  hierarki (hierachy). Struktur hierarki AHP
dengan permasalahan tertentu melalui prosedur                dapat dilihat pada Gambar 1.
yang didesain untuk sampai pada suatu skala
preferensi di antara berbagai set alternatif.
Analisis ini ditujukan untuk membuat suatu
model permasalahan yang tidak mempunyai
struktur, biasanya ditetapkan untuk memecahkan
masalah yang terukur (kuantitatif), masalah yang
memerlukan pendapat (judgement) maupun pada
situasi yang kompleks atau tidak terkerangka,
pada situasi dimana data statistik sangat minim
atau tidak ada sama sekali dan hanya bersifat
kualitatif    yang    didasari   oleh   persepsi,
pengalaman ataupun intuisi.
                                                                Gambar 1 Struktur Hierarki AHP.
     AHP ini juga banyak digunakan pada
                                                        2.   Penilaian     Komparasi       (Comparative
keputusan untuk banyak kriteria, perencanaan,
                                                             Judgement). Prinsip ini berarti membuat
alokasi sumberdaya dan penentuan prioritas dari
                                                             penilaian tentang kepentingan relatif dua
strategi-strategi yang dimiliki pemain dalam



                                                    3
     elemen pada suatu tingkat tertentu dalam                    Tabel 1 Skala Penilaian Perbandingan
     kaitannya dengan tingkatan di atasnya.                      Intensitas
                                                                                        Keterangan
     Penilaian ini merupakan inti dari AHP,                     Kepentingan
     karena akan berpengaruh terhadap prioritas                                Kedua elemen sama
     elemen-elemen. Hasil dari penilaian ini lebih                    1
                                                                               pentingnya
     mudah disajikan dalam bentuk matriks                                      Elemen yang satu sedikit
     perbandingan         berpasangan   (Pairwise                     3        lebih penting daripada
     Comparison).                                                              elemen yang lainnya
3. Penentuan Prioritas (Synthesis of Priority).                                Elemen yang satu lebih
     Dari setiap matriks pairwise comparison akan                     5        penting daripada yang
     didapatkan prioritas lokal. Karena matriks                                lainnya
     pairwise comparison terdapat pada setiap                                  Satu elemen jelas lebih
     tingkat, maka untuk menentukan prioritas                         7        mutlak penting daripada
     global harus dilakukan sintesis di antara                                 elemen lainnya
     prioritas lokal. Prosedur melakukan sintesis                              Satu elemen mutlak penting
     berbeda menurut bentuk hierarki.                                 9
                                                                               daripada elemen lainnya
4. Konsistensi Logis (Logical Consistency).                                    Nilai-nilai antara dua nilai
     Konsistensi memiliki dua makna. Pertama                       2,4,6,8     pertimbangan-pertimbangan
     adalah bahwa objek-objek yang serupa dapat                                yang berdekatan
     dikelompokkan sesuai keseragaman dan                             Apabila suatu elemen dibandingkan
     elevansinya. Kedua adalah tingkat hubungan                dengan dirinya sendiri maka diberi nilai 1.
     antara objek-objek yang didasarkan pada                   Jika elemen i (Ai) dibandingkan dengan
     kriteria tertentu.                                        elemen j (Aj) mendapatkan nilai tertentu,
     Sebagaimana langkah yang dijelaskan oleh                  maka Aj dibandingkan dengan Ai merupakan
Saaty                   (2001)              dalam              kebalikannya.
www.scribd.com/doc/2908406/Modul-6-Analytic-              4.   Membuat peringkat prioritas dari matriks
Hierarchy-Process, metode AHP dapat digunakan                  pairwise dengan menentukan eigenvector.
untuk membantu pengambilan keputusan dengan                    Caranya yaitu sebagai berikut:
cara sebagai berikut:                                          a. Mengkuadratkan         matriks    pairwise
1. Menentukan tujuan, kriteria, dan alternatif                     comparison
     keputusan                                                     Prinsip umum perkalian matriks adalah
2. Membuat “pohon hierarki” (hierarchical tree)                    perkalian antara baris dari matriks
     untuk berbagai kriteria dan alternatif                        pertama dengan kolom dari matriks
     keputusan. Contoh pohon hierarki dapat                        kedua.
     dilihat pada Gambar 2.                                    b. Menjumlahkan setiap baris dari matriks
                                                                   hasil penguadratan cara (a), kemudian
                                                                   dinormalisasi, caranya yaitu membagi
                                                                   jumlah baris dengan total baris hingga
                                                                   diperoleh nilai eigenvector (1)
                                                               c. Untuk mengecek ulang nilai eigenvector,
                                                                   matriks hasil penguadratan cara (a)
                                                                   dikuadratkan kembali dan lakukan
             Gambar 2 Pohon Hierarki.                              kembali cara (b), hingga diperoleh
3.   Membentuk sebuah matriks perbandingan                         eigenvector yang baru. Kemudian,
     berpasangan (pairwise comparison), misalnya                   bandingkan eigenvector pertama dan
     diberi nama matriks A. Angka di dalam baris                   kedua. Jika di antara keduanya, tidak ada
     ke-i dan kolom ke-j (Ai,j) merupakan relative                 perubahan nilai atau hanya sedikit
     importance Ai dibandingkan dengan Aj.                         mengalami perubahan maka nilai
     Untuk berbagai persoalan, skala 1 sampai 9                    eigenvector pertama sudah benar. Akan
     adalah skala terbaik dalam mengekspresikan                    tetapi, jika sebaliknya, maka nilai
     pendapat. Nilai dan definisi pendapat                         eigenvector pertama masih salah dan
     kualitatif dari skala perbandingan Saaty dapat                lakukan kembali cara (a) sampai dengan
     dilihat pada Tabel 1.




                                                      4
          (c), hingga nilai eigenvector tidak                  dengan mengalikan baris pertama
          berubah atau hanya sedikit berubah.                  matriks prioritas dengan kolom pertama
5.   Membuat peringkat alternatif dari matriks                 matriks perbandingan, kemudian baris
     pairwise masing-masing alternatif dengan                  kedua matriks prioritas dikalikan dengan
     menentukan eigenvector setiap alternatif.                 kolom kedua matriks perbandingan,
     Cara yang digunakan sama ketika membuat                   selanjutnya mengalikan baris ketiga
     peringkat prioritas di atas.                              matriks prioritas dengan kolom ketiga
     a. Menentukan            matriks     pairwise             matriks perbandingan, dan seterusnya.
          comparisons masing-masing alternatif                 Kemudian hasil perkalian tersebut
     b. Menentukan nilai eigenvector masing-                   dijumlahkan untuk setiap baris atau
          masing alternatif                                    secara mendatar.
     c. Menentukan peringkat alternatif                   b.   Menghitung Vektor Konsistensi (VK)
          Peringkat alternatif dapat ditentukan                Langkah berikutnya adalah membagi
          dengan mengalikan nilai eigenvector                  masing-masing elemen VJT dengan
          alternatif dengan nilai eigenvector                  masing-masing        elemen       matriks
          kriteria.                                            PRIORITAS.
6.   Konsistensi Logis                                    c.   Menghitung Lambda dan Indeks
          Semua elemen dikelompokkan secara                    Konsistensi
     logis dan diperingatkan secara konsisten                  Lambda (λ) adalah nilai rata-rata Vektor
     sesuai dengan suatu kriteria yang logis.                  Konsistensi.
     Matriks bobot yang diperoleh dari hasil              d.   Formula untuk menghitung Indeks
     perbandingan secara berpasangan tersebut                  Konsistensi adalah:
     harus mempunyai hubungan kardinal dan
     ordinal. Hubungan tersebut dapat ditunjukkan                                ………....................(1)
     sebagai berikut:
     Hubungan kardinal: aij . ajk = aik                        dimana n adalah jumlah faktor yang
     Hubungan ordinal : Ai > Aj, Aj > Ak maka Ai               sedang dibandingkan.
     > Ak                                                 e.   Perhitungan rasio konsistensi.
     Hubungan diatas dapat dilihat dari dua hal                Rasio Konsistensi merupakan Indeks
     sebagai berikut :                                         Konsistensi dibagi dengan Indeks
     a. Dengan melihat preferensi multiplikatif,               Random/Acak (IR). Untuk lebih jelasnya,
          misalnya bila anggur lebih enak empat                lihat formula berikut ini.
          kali dari mangga dan mangga lebih enak
          dua kali dari pisang maka anggur lebih                                 ……………………(2)
          enak delapan kali dari pisang.
     b. Dengan melihat preferensi transitif,                   Indeks Random adalah fungsi langsung
          misalnya anggur lebih enak dari mangga               dari jumlah alternatif atau sistem yang
          dan mangga lebih enak dari pisang maka               sedang diperbandingkan. Indeks Random
          anggur lebih enak dari pisang.                       disajikan pada Tabel 2.
          Pada keadaan sebenarnya akan terjadi                  Tabel 2 Nilai Indeks Random.
     beberapa penyimpangan dari hubungan                           Ukuran          Nilai RI
     tersebut, sehingga matriks tersebut tidak                    Matriks
     konsisten sempurna. Hal ini terjadi karena                      1,2             0,00
     ketidakkonsistenan        dalam     preferensi                   3              0,58
     seseorang. Untuk mengetahui apakah hasil                         4              0,90
     penilaian bersifat konsisten, maka ada                           5              1,12
     beberapa langkah untuk menghitung rasio
                                                                      6              1,24
     inkonsitensi untuk menguji konsistensi
                                                                      7              1,32
     penilaian atau konsistensi logis.
                                                                      8              1,41
          Penghitungan konsistensi logis dilakukan
     dengan mengikuti langkah-langkah sebagai                         9              1,45
     berikut:                                                         10             1,49
     a. Menentukan vektor jumlah tertimbang                           11             1,51
          (weighted sum vector). Hal ini dilakukan                    12             1,48




                                                      5
            Ukuran          Nilai RI
            Matriks                                                                                                    …(3)
              13              1,56
              14              1,57
              15              1,59                              Dimana:
         Untuk metode AHP, tingkat inkonsistensi                rij = matriks ternormalisasi [i][j]
    yang masih dapat diterima adalah sebesar                    xij = matriks keputusan [i][j]
    10% ke bawah. Jadi jika nilai RK <= 0,1                2.   Pembobotan pada matriks yang telah
    (10%), maka hasil perbandingan preferensi                   dinormalisasi
    konsisten dan sebaliknya jika RK > 0,1 (10%),                     Diberikan bobot W = (W1, W2, ..., Wn),
    maka hasil perbandingan preferensi tidak                    sehingga weighted normalised matrix V dapat
    konsisten. Apabila tidak konsisten, maka                    dihasilkan sebagai berikut:
    terdapat 2 pilihan, yaitu mengulang
    perbandingan preferensi atau melakukan
    proses autokoreksi.

Technique For Order Preference By Similarity
To Ideal Solution
     Technique for Order Preference by Similarity
to Ideal Solution (TOPSIS) adalah salah satu                          Secara matematis, weighted normalised
metode pengambilan keputusan multikriteria yang                 matrix ini dapat diperoleh dengan rumus
pertama kali diperkenalkan oleh Yonn dan Hwang                  berikut ini:
pada tahun 1981. Ide dasar dari metode ini adalah                       Vij = Wj . rij .....................................(4)
bahwa alternatif yang dipilih memiliki jarak                    Dimana:
terdekat dengan solusi ideal dan yang terjauh dari              vi,j = matriks normalisasi terbobot [i][j]
solusi ideal negatif. TOPSIS memperhatikan jarak                wj = vektor bobot [j]
ke solusi ideal maupun jarak ke solusi ideal                    rij = matriks ternormalisasi [i][j]
negatif dengan mengambil hubungan kedekatan                3.   Menentukan solusi ideal positif dan solusi
menuju solusi ideal. Dengan melakukan                           ideal negatif
perbandingan pada keduanya, urutan pilihan dapat                      Solusi ideal positif dinotasikan dengan
ditentukan. Berikut ini adalah matriks keputusan                A+ dan solusi ideal negatif dinotasikan
C yang memiliki m alternatif dengan n kriteria,                 dengan A-. Untuk lebih jelasnya, dapat dilihat
dimana xij adalah pengukuran pilihan dari                       dibawah ini:
alternatif ke-i dalam hubungannya dengan kriteria               A+={(max Vij| j Є J),(min Vij| j Є J’),
ke-j                                                            i=1,2,3,...,m}={V1+, V2+, ..., Vn+}                .........(5)
       X 11       X 12     X 13   ... X 1n                    A- ={(min Vij| j Є J),(max Vij| j Є J’),
      X           X 22     X 23   ... X 2 n 
                                                                i=1,2,3,...,m}={V1-, V2-, ..., Vn-}                .........(6)
   C=                                       
          21                                                    Dimana:
                                                             J = {1, 2, ..., n dan j berhubungan dengan
                                                              benefit criteria}
       X m1       X m2    X m3    ... X mn                    J’= {1, 2, ..., n dan j berhubungan dengan cost
    Langkah-langkah yang dilakukan dalam                        criteria}
penyelesaian masalah menggunakan metode                         Vj+ = solusi ideal positif [j]
TOPSIS adalah sebagai berikut:                                  Vj- = solusi ideal negatif [j]
1. Normalisasi matriks keputusan                                      Pembangunan A+ dan A- adalah untuk
        Setiap elemen pada matriks C                            mewakili alternatif yang most preferable ke
    dinormalisasi untuk mendapatkan matriks                     solusi ideal dan yang least preferable secara
    normalisasi R. Setiap normalisasi dari nilai rij            berurutan.
    dapat dilakukan dengan perhitungan sebagai             4.   Menghitung Separation Measure
    berikut:                                                          Separation measure ini merupakan
                                                                pengukuran jarak dari suatu alternatif ke
                                                                solusi ideal positif dan solusi ideal negatif.




                                                       6
     Perhitungan matematisnya adalah sebagai                                event, sistem ini menggunakan metode AHP dan
     berikut:                                                               TOPSIS. Secara garis besar, proses yang akan
     a. Rumus pengukuran jarak dari suatu                                   dilakukan oleh sistem untuk menangani masalah
         alternatif ke solusi ideal positif                                 tersebut dapat dilihat pada blok diagram seperti
                                n                                           Gambar 3.
                             (v
                                                
           Si+     =                   ij    v j )2        ,   untuk                                                                         Bobot Kriteria

                                j 1
                                                                                                                            Vektor Eigen
        i=1,2,3,...,m       ............................... (7)                                                            Alternatif Pada
                                                                                                                           Masing-Masing
        Dimana:                                                                   Kriteria                                     Kriteria

        Si+ = jarak alternatif Ai dengan sokusi                               Alternatif/
                                                                                                          Proses AHP                          Proses TOPSIS    Urutan/prioritas
                                                                                                                                                                  alternatif
                                                                            Calon Peserta
        ideal positif                                                           Event
        Vij = matriks normalisasi terbobot[i][j]                            Gambar 3 Blok Diagram Proses Metode AHP dan
        Vj+ = solusi ideal positif [j]                                                          TOPSIS.
     b. Rumus pengukuran jarak dari suatu                                       Secara lebih detail, proses untuk metode AHP
        alternatif ke solusi ideal negatif                                  dapat digambarkan seperti yang tampak pada
                                n                                           Gambar 4.
                             (v
                                                
           Si-     =                   ij    v j )2        ,   untuk                                  mulai
                            j 1
         i=1,2,3,...,m       ............................... (8)                              Penentuan kriteria dan
                                                                                                  bobot kriteria
         Dimana:
         Si- = jarak alternatif Ai dengan sokusi
                                                                                             Penentuan alternatif/calon
         ideal negatif                                                                            peserta event
         Vij = matriks normalisasi terbobot[i][j]
         Vj- = solusi ideal negatif [j]                                                      Perbandingan preferensi
                                                                                               antar alternatif pada
5.   Menghitung kedekatan relatif dengan solusi                                               masing-masing kriteria

     ideal
                                                                                                      Matriks
         Kedekatan relatif dari alternatif Ai                                                      perbandingan
     dengan      solusi      ideal          positif           A+                                   berpasangan

     direpresentasikan dengan:
                                                                                              Mencari vektor eigen
                   Si
     Ci+   =               
                                 , dimana 0 <       Ci+ <   1 dan i =
                 Si  Si                                                                           Vektor Eigen
   1, 2, 3, ..., m         ............................... (9)
   Dimana:
   Ci+ = kedekatan tiap alternatif terhadap                                                     Cek/uji konsistensi

   solusi ideal positif
   Si+ = jarak alternatif Ai dengan sokusi ideal
                                                                                                                       Y
   positif                                                                                          RK <= 0.1 ?
                                                                                                                                             Vektor Eigen
                                                                                                                                              Konsisten
                                                                                                                                                                 selesai
   Si- = jarak alternatif Ai dengan sokusi ideal
                                                                                                            N
   negatif
        Dikatakan alternatif Ai dekat dengan                                                       Vektor Eigen
                                                                                                      Tidak
   solusi ideal positif apabila Ci+ mendekati 1.                                                    Konsisten

   Jadi Ci+ =1 jika Ai = A+ dan Ci-=0 jika Ai = A-
6. Mengurutkan pilihan                                                                             Auto koreksi        Y
                                                                                                                                       Proses autokoreksi
        Pilihan akan diurutkan berdasarkan pada                                                         ?

   nilai Ci+ sehingga alternatif yang memiliki                                                              N
   jarak terpendek dengan solusi ideal positif                                                  Melakukan ulang
   adalah alternatif yang terbaik. Dengan kata                                               perbandingan preferensi
                                                                                                 antar alternatif
   lain, alternatif yang memiliki nilai Ci+ yang
   lebih besar itulah yang lebih dipilih.                                                            Matriks
                                                                                                  perbandingan
   Jadi, dalam menangani masalah penentuan                                                      berpasangan baru
mahasiswa berprestasi yang akan dikirim ke suatu                                   Gambar 4 Bagan Alir Proses Metode AHP




                                                                        7
        Untuk proses mencari vektor eigen pada
metode AHP dapat digambarkan seperti yang                  Untuk proses autokoreksi pada metode AHP
tampak pada Gambar 5.                                  dapat digambarkan seperti yang tampak pada
                         mulai                         Gambar 7.
                                                                               mulai

              Mengkuadratkan matriks
             perbandingan berpasangan
                                                              Bagi matriks prioritas elemen baris ke-
                                                                i dengan matriks prioritas elemen
              Menjumlahkan tiap baris                            kolom ke-j untuk masing-masing
              dari hasil kuadrat matriks                         elemen i,j matriks perbandingan
             perbandingan berpasangan
                                                                          berpasangan

                 Menghitung total dari
                jumlah tiap baris hasil
                   kuadrat matriks
                                                                 Kurangi nilai matriks berpasangan
              Membagi jumlah tiap baris
                                                                elemen i,j dengan hasil bagi matriks
               dengan total dari jumlah                        prioritas di atas dan beri tanda mutlak
                     tiap baris



                     Vektor Eigen
                                                                  Cari nilai selisih terbesar pada
                                                                  masing-masing elemen matriks
                                                                   perbandingan berpasangan
                        selesai

  Gambar 5 Bagan Alir Proses Mencari Vektor
           Eigen Pada Metode AHP.
    Untuk proses cek/uji konsistensi pada metode                 Ganti nilai matriks perbandingan
AHP dapat digambarkan seperti yang tampak                     berpasangan elemen i,j yang memiliki
                                                              selisih terbesar dengan nilai hasil bagi
pada Gambar 6.                                                         matriks prioritas di atas
                          mulai


              Menentukan Vektor Jumlah                                        selesai
               Tertimbang (VJT) dengan
               cara mengalikan matriks
              perbandingan berpasangan                   Gambar 7 Bagan Alir Proses Autokoreksi Pada
                 dengan vektor eigen                                      Metode AHP.
                                                            Setelah proses metode AHP dilakukan, hasil
                  Menghitung Vektor
               Konsistensi (VK) dengan
                                                       dari proses metode AHP yaitu vektor eigen yang
                cara membagi masing-                   konsisten akan dijadikan input pada proses
                 masing elemen VJT                     metode TOPSIS. Untuk proses metode TOPSIS
               dengan masing-masing
                 elemen Vektor Eigen                   lebih detail dapat dilihat pada Gambar 8.

              Menghitung Lambda (λ) à
                 nilai rata-rata VK


                  Menghitung Indeks
                  Konsistensi (IK) à
                   IK=(λ-n) / (n-1)

                 Menghitung Rasio
                 Konsistensi (RK) à
              RK= IK / IR (dari nilai tabel)


                         selesai

Gambar 6 Bagan Alir Proses Uji/Cek Konsistensi
            Pada Metode AHP.




                                                   8
                                               mulai                                                                                                                     Penyelenggara
                                                                                                                                                                             Event
                                                                                                                                                                                             Bukti Prestasi Event PE
                                          Vektor                                                                                          Data Persyaratan Tervalidasi
                                          Eigen
                                                                                                                                                                                  Data Event
                                         Konsisten                                                                                                         Surat Rekomendasi Peserta


                                                                                                  Form Bakat Terisi
                          Normalisasi matriks keputusan                                                                                                                          0
                                                                                                                                                                                                                          Data Kebijakan Kriteria
                                                                                                                      Bukti Prestasi Event Mhs

                                                                                                                      Data Persyaratan Event                                                                                Data Kebijakan Nilai

                                                                                                                       Kupon Presensi Terisi                                                                               Data Kebijakan Materi
                                                                                                                         Data Yang Dinilai                                                                                 Data Kebijakan Bakmi
                                                                                                                      Form Pengajuan SSKM
                                                                                                                                                                                                                Laporan Pengalaman Organisasi
                                                                                                                           Form Bakat Kosong
                                                                                                   Mahasiswa                                                                                                                                        Pimpinan
                                                                                                                             Data Event ACC                                                                             Laporan Rekomendasi

                                                                                                                           Hasil Peserta Event                                                                           Laporan Nilai 0 SKS

         Pembobotan pada matriks yang telah dinormalisasi                                                                     Info Nilai Mhs                                                                              Laporan Prestasi
                                                                                                                            Info Presensi Mhs                                                                           Laporan Rekap Event
                                                                                                                           Info Jadwal Ke Mhs
                                         Vij = Wj . rij                                                                      Info SSKM Mhs
                                                                                                                                                                                                                       Laporan Presensi 0 SKS

                                                                                                                         Kupon Presensi Kosong                                                                             Laporan SSKM
                                                                                                                                                                Sistem Pengolahan Administrasi Pada
                                                                                                                            Data Mhs                             Kemahasiswaan STIKOM Surabaya                         Laporan Peminat UKM
                                                                                                                         Data His Mhs
                                                                                                                         Data Kurikulum                                                                                    Info Nilai Ke KY
                                                                                                                                                                                                                                                     Kolega
       Menentukan solusi ideal positif dan solusi ideal negatif                                                            Data Kuliah                                                                                   Info Presensi Ke KY
                                                                                                                                                                                                                                                     Yunior
                                                                                                                            Data KRS
                                                                                                                                                                                                                          Info SSKM Ke KY
                                                                                                                           Data Grade

A+={(max Vij| j Є J),(min Vij| j Є J’), i=1,2,3,...,m}={V1+, V2+, ..., Vn+}                          AAK
                                                                                                                           Data Rekap                                                                                     Info Jadwal Ke KY

                                                                                                                          Data Presensi
 -
A ={(min Vij| j Є J),(max Vij| j Є J’),              i=1,2,3,...,m}={V1-,      -        -
                                                                            V2 , ..., Vn }                                Data Fakultas
                                                                                                                                                                                                                                                     PSDM
                                                                                                                         Data Semester                                                                                         Data Karyawan
                                                                                                                             Data Kul Upd
                                                                                                                             Data KRS Upd
                                                                                                                            Data Rekap Upd                                                            +
                      Menghitung Separation Measure                                                                       Data Presensi Upd
                          n                                                                                                 Data Nilai Akhir


                           (v
                                                                                                                                                                 Info Presensi Ke KS
                                        v j ) 2 , untuk i=1,2,3,...,m
                                                                                                                                                                                         Info Jadwal Ke KS
              Si+ =               ij
                          j 1                                                                                                                          Info SSKM Ke KS

                          n                                                                                                                                                       Kolega Senior       Info Nilai Ke KS
              Si- =
                                                                                                                                                   Data Nilai

                           (v          v j ) 2 , untuk i=1,2,3,...,m
                                            
                                  ij
                          j 1
                                                                                                                        Gambar 9. Gambaran Umum Sistem

          Menghitung kedekatan relatif dengan solusi ideal
                                                                                                 HASIL DAN PEMBAHASAN
                      
                  Si                                                                                  Data kriteria yang diambil pada percobaan ini
     C i+ =          
                                      +
               Si  Si , dimana 0 < Ci < 1 dan i = 1, 2, 3, ..., m                               sebanyak 3, yaitu: teamwork dengan bobot 5,
                                                                                                 dribble dengan bobot 3, dan shooting dengan
                                                                                                 bobot 4. Sementara itu, data alternatif (calon
                                 Mengurutkan alternatif
                                                                                                 peserta event) yang diambil juga sebanyak 3,
                                                                                                 yaitu: Julianto Lemantara, Johan Agus Susanto,
                                               selesai                                           dan Eric Wijaya. Berikut ini adalah daftar
  Gambar 8 Bagan Alir Proses Metode TOPSIS.                                                      penilaian alternatif untuk masing-masing kriteria.
     Untuk masalah administrasi lainnya, seperti:                                                Penilaian alternatif pada kriteria teamwork dapat
maintenance prestasi mahasiswa, maintenance                                                      dilihat pada Gambar 10.
histori organisasi mahasiswa, maintenance minat
mahasiswa, maintenance event, maintenance
peserta event, maintenance SSKM, dan
maintenance kuliah 0 SKS diselesaikan dengan
melakukan query select, insert, update, dan delete
terhadap basis data Oracle.
     Dari hasil analisis yang telah dilakukan, maka
secara umum sistem yang dibuat ini dapat
digambatkan seperti yang tampak pada Gambar 9.




                                                                                                       Gambar 10 Penilaian Alternatif Pada Kriteria
                                                                                                                      Teamwork.




                                                                                             9
     Penilaian alternatif pada kriteria dribble dapat
dilihat pada Gambar 11.




                                                                          Gambar 13. Hasil SPK.

  Gambar 11 Penilaian Alternatif Pada Kriteria               SIMPULAN
                     Dribble.                                    Dari makalah ini dapat ditarik kesimpulan
    Penilaian alternatif pada kriteria shooting              sebagai berikut:
dapat dilihat pada Gambar 12.                                1. Sistem yang dibuat ini sudah dapat
                                                                 menangani proses pengolahan administrasi
                                                                 kemahasiswaan, khususnya proses SSKM,
                                                                 proses pembentukan regu/patma, proses nilai
                                                                 dan presensi kuliah 0 SKS, serta proses-
                                                                 proses yang berkaitan dengan maintenance
                                                                 peserta      event,    maintenance   prestasi
                                                                 mahasiswa, maintenance kriteria dan detail
                                                                 kriteria, maintenance histori organisasi,
                                                                 maintenance bakat minat, dan maintenance
                                                                 event.
                                                             2. Sistem ini sudah dapat memberikan laporan
                                                                 histori organisasi mahasiswa, laporan minat
                                                                 mahasiswa, laporan rekomendasi peserta
  Gambar 12 Penilaian Alternatif Pada Kriteria                   event, laporan prestasi mahasiswa, laporan
                    Shooting.                                    rekapitulasi event, laporan nilai 0 SKS,
    Setelah penilaian alternatif selesai dilakukan,              laporan presensi 0 SKS, dan laporan SSKM
maka aplikasi akan berlanjut ke proses TOPSIS                    kepada pimpinan secara cepat dan akurat.
dan menghasilkan urutan/prioritas alternatif.                    Sebelumnya,         bagian     kemahasiswaan
Lebih jelasnya dapat dilihat pada Gambar 13.                     membutuhkan waktu yang lama atau bahkan
                                                                 tidak dapat menghasilkan laporan-laporan
                                                                 tersebut.
                                                             3. Sistem ini juga dapat memberikan informasi
                                                                 SSKM, nilai 0 SKS, presensi 0 SKS, dan
                                                                 jadwal 0 SKS kepada mahasiswa, KS, dan
                                                                 KY secara cepat melalui web sehingga hal ini
                                                                 memudahkan proses monitoring KS dan KY
                                                                 terhadap mahasiswa binaannya mengenai
                                                                 kuliah 0 SKS.
                                                             4. Sistem ini sudah memperbaharui struktur
                                                                 tabel aplikasi SSKM terdahulu yang belum
                                                                 mampu menangani perubahan target SSKM
                                                                 dan perubahan prosentase materi/bidang
                                                                 SSKM pada setiap tahun angkatan.




                                                        10
5.   Sistem ini sudah berbasis web sehingga                  informasi SSKM, jadwal kuliah 0 SKS, nilai
     proses memasukkan nilai SSKM dan proses-                kuliah 0 SKS, dan presensi kuliah 0 SKS.
     proses lainnya dapat dilakukan oleh pegawai        7.   Sistem selanjutnya sebaiknya sudah dapat
     kemahasiswan di semua tempat asalkan                    mengisi nilai perbandingan antar alternatif
     mempunyai koneksi atau akses internet.                  secara otomatis berdasarkan data-data yang
     Selain itu, pihak yang membutuhkan                      ada sehingga bagian kemahasiswan tidak
     informasi tidak harus melihat informasi di              perlu mencari lagi data-data yang berkaitan
     papan pengumuman lagi, tetapi melalui web.              dengan kriteria yang menjadi dasar
     Dengan kata lain, proses cetak pengumuman               pertimbangan pengiriman mahasiswa.
     dapat dihilangkan dan otomatis dapat
     menghemat biaya cetak.                             RUJUKAN
6.   Sistem ini juga sudah mampu memberikan             Abdurachman. 2007. Kualitas PT, Kualitas Soft
     saran kepada bagian kemahasiswaan untuk            Skills-nya.
     pemilihan mahasiswa berprestasi yang akan          http://rumahpengetahuan.web.id/kualitas-pt-
     dikirim ke suatu event berdasarkan bakat           kualitas-soft-skills-nya.html diakses tanggal 20
     minat menggunakan metode AHP dan                   Agustus 2009.
     TOPSIS. Dengan adanya sistem pendukung
     keputusan ini, bagian kemahasiswaan dapat          is.its-
     memilih mahasiswa yang dikirim ke suatu            sby.edu/subjects/dss/Buku_Panduan_SPK.pdf
     event dengan lebih objektif.                       diakses tanggal 22 Agustus 2008.

SARAN                                                   Saaty, Thomas. 1993. Pengambilan Keputusan
    Adapun beberapa saran yang dapat diberikan          Bagi Para Pemimpin, Proses Hirarki Analitik
kepada peneliti berikutnya apabila ingin                untuk Pengambilan Keputusan dalam Situasi yang
mengembangkan sistem yang telah dibuat ini agar         Kompleks. Jakarta: Pustaka Binama Pressindo.
menjadi lebih baik adalah sebagai berikut:
1. Tampilan web untuk sistem yang dibuat ini            www.scribd.com/doc/2908406/Modul-6-Analytic-
    masih sederhana sehingga perlu ditingkatkan         Hierarchy-Process diakses tanggal 25 Agustus
    lagi kualitasnya.                                   2008
2. Aplikasi mendatang harus bisa menangani
    kriteria dan alternatif yang berjumlah lebih
    dari 15 untuk proses AHP. Oleh karena itu,
    peneliti berikutnya harus mencari referensi
    untuk mendapatkan nilai indeks random,
    tidak hanya melihat pada daftar tabel yang
    tersedia.
3. Aplikasi mendatang sebaiknya menggunakan
    enkripsi data atau teknologi lainnya untuk
    keamanan data di internet.
4. Proses       pembagian     kelompok     untuk
    mahasiswa baru seharusnya dapat dilakukan
    secara otomatis tanpa memasukkan data
    mahasiswa satu per satu. Masalah ini dapat
    diselesaikan dengan menggunakan metode
    genetika algoritma, koloni semut, atau
    metode sistem pakar lainnya.
5. Aplikasi      mendatang     sebaiknya   dapat
    menangani perkuliahan 0 SKS apabila
    diselenggarakan pada waktu semester pendek
    (SP) dan perkuliahan 0 SKS tersebut wajib
    diikuti oleh mahasiswa yang tidak lulus
    kuliah pada semester reguler sebelumnya.
6. Sistem juga dapat dikembangkan ke arah
    aplikasi berbasis mobile, terutama untuk



                                                   11

				
DOCUMENT INFO
Shared By:
Categories:
Tags: makalah
Stats:
views:550
posted:5/31/2012
language:
pages:11
Description: makalah