ISSN VOL 15, NO 2, OKTOBER 2014

ISSN. 1412-0100

VOL 15, NO 2, OKTOBER 2014

PENERAPAN METODE TOPSIS DAN AHP PADA SISTEM PENUNJANG KEPUTUSAN PENERIMAAN ANGGOTA BARU, STUDI KASUS: IKATAN MAHASISWA SISTEM INFORMASI STMIK MIKROSKIL MEDAN Gunawan1, Fandi Halim2, Wilson3 Program Studi Sistem Informasi, STMIK Mikroskil, Medan [email protected], [email protected], [email protected] Abstrak Penerimaan anggota baru merupakan salah satu kegiatan rutin tahunan yang dijalankan organisasi. Ikatan Mahasiswa Sistem Informasi (IMSI) sebagai organisasi di bawah naungan Program Studi S-1 Sistem Informasi STMIK Mikroskil juga memiliki sistem dalam menerima anggota baru, dimana mahasiswa mendaftar secara tertulis, mahasiswa datang ke kampus untuk mengikuti ujian dan melakukan interview, kemudian panitia memutuskan mahasiswa yang akan dipilih sebagai anggota. Beberapa masalah yang timbul adalah panitia tidak objektif dalam memutuskan mahasiswa yang akan dijadikan sebagai anggota serta panitia cepat jenuh dalam memutuskan mahasiswa yang akan dipilih sebagai anggota. Untuk mengatasi masalah tersebut, maka dikembangkan Sistem Penunjang Keputusan (SPK) penerimaan anggota baru dengan metode Analytical Hierarcy Process (AHP) untuk mencari alternatif terbaik berdasarkan kriteria-kriteria yang telah ditentukan, kemudian mencari solusi dengan metode Technique For Order Preference by Similarity to Ideal Solution (TOPSIS). Dengan menerapkan SPK tersebut diharapkan dapat menunjang peningkatan mutu penerimaan anggota baru pada organisasi IMSI. Kata kunci: SPK, AHP, TOPSIS 1.

Pendahuluan Kegiatan penerimaan anggota baru merupakan kegiatan yang dilaksanakan oleh organisasi Ikatan Mahasiswa Sistem Informasi (IMSI) STMIK Mikroskil setiap tahunnya. Kegiatan tersebut terdiri dari dua tahapan, yaitu tes tertulis dan interview. Pada tahap tes tertulis, peserta (calon anggota baru) harus mengisi kuesioner yang diberikan oleh panitia penerimaan anggota dan mengumpulkan kembali kepada panitia bila sudah selesai. Tahap selanjutnya, peserta yang telah mengikuti tes tertulis akan di-interview oleh panitia penerimaan anggota baru. Kuesioner dan juga hasil interview yang telah dikumpulkan akan dinilai oleh panitia yang terkait dan kemudian panitia akan memutuskan peserta yang diterima, ditolak, atau peserta yang masih dipertimbangkan. Panitia bisa saja memihak salah seorang peserta calon anggota baru dan tidak selalu objektif dalam menilai calon anggota baru serta panitia juga memiliki rasa jenuh dalam menentukan status peserta yang cukup banyak dengan kondisi yang telah dijabarkan sebelumnya. Masalah-masalah yang dialami oleh panitia membuat peneliti berinisiatif untuk mengembangkan sebuah sistem berbasis web yang diharapkan dapat membantu panitia dalam membuat keputusan status peserta secara objektif, tidak memihak, dan tidak memerlukan waktu yang lama dalam penentuannya. 1

Gunawan, S.Kom., M.T.I. Fandi Halim, S.Kom., M.Sc. 3 Wilson, S.Kom. 2

Gunawan, Fandi Halim, Wilson | JSM STMIK Mikroskil

101

ISSN. 1412-0100


Ada beberapa metode yang dapat digunakan untuk membangun Sistem Penunjang Keputusan (SPK), yaitu Technique For Order Preference by Similarity to Ideal Solution (TOPSIS) dan Analytical Hierarchy Process (AHP). Metode TOPSIS merupakan suatu bentuk metode penunjang keputusan yang didasarkan pada konsep bahwa alternatif yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, tetapi juga memiliki jarak terpanjang dari solusi ideal negatif yang dalam hal ini memberikan rekomendasi penerimaan anggota baru yang sesuai dengan yang diharapkan [1]. Metode AHP merupakan suatu bentuk model penunjang keputusan dimana peralatan utamanya adalah sebuah hierarki fungsional dengan input utamanya persepsi manusia yang dalam hal ini adalah orang yang mengerti permasalahan penerimaan anggota baru yang dilaksanakan IMSI. Permasalahan yang diangkat dalam penelitian ini adalah: 1. Panitia memihak calon anggota baru dan tidak objektif dalam menilai calon anggota baru untuk keputusan status dari calon anggota baru. 2. Panitia cepat jenuh dalam memutuskan status dari calon anggota baru karena terlalu banyak berkas calon anggota baru yang harus dibahas yang berakibat pada tidak maksimalnya keputusan yang didapat dalam pembahasan. Beberapa hal yang menjadi fokus di dalam penelitian ini adalah: 1. Sistem akan dikembangkan untuk dipakai oleh calon anggota baru dan panitia ujian. Hak akses untuk calon anggota baru adalah melakukan registrasi, melihat jadwal ujian, mengikuti ujian, dan melihat status calon anggota baru. Hak akses untuk panitia ujian adalah pengelolaan jadwal ujian, pengelolaan berkas calon anggota baru, pengelolaan soal dan jawaban ujian, pengelolaan pembobotan kriteria ujian dan interview, pengelolaan hasil interview, pengelolaan pembuatan laporan untuk stakeholder, perhitungan hasil ujian dan interview, dan penentuan status calon anggota baru. Panitia ujian mendapatkan laporan calon anggota yang diterima dan ditolak serta laporan pendaftaran calon anggota. 2. Dalam SPK yang dikembangkan terdapat proses pembobotan kriteria ujian dan interview, proses pengelolaan berkas, proses pengelolaan ujian, proses pengelolaan interview, proses perhitungan nilai akhir ujian dan interview, proses pengelolaan status pemilihan calon anggota baru, dan proses pencetakan laporan. 2.

Kajian Pustaka

2.1. Technique For Order Preference by Similarity to Ideal Solution (TOPSIS) TOPSIS adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan oleh Yoon dan Hwang pada tahun 1981. TOPSIS memberikan sebuah solusi dari sejumlah alternatif yang mungkin dengan cara membandingkan setiap alternatif dengan alternatif terbaik dan alternatif terburuk yang ada di antara alternatif-alternatif masalah. Metode ini menggunakan jarak untuk melakukan perbandingan tersebut. TOPSIS telah digunakan dalam banyak aplikasi, termasuk keputusan investasi keuangan, perbandingan performansi dari perusahaan, perbandingan performansi dalam suatu industri khusus, pemilihan operasi, evaluasi pelanggan, dan perancangan robot. Yoon dan Hwang mengembangkan metode TOPSIS berdasarkan intuisi, yaitu alternatif pilihan merupakan alternatif yang mempunyai jarak terkecil dari solusi ideal positif dan jarak terbesar dari solusi ideal negatif dari sudut pandang geometris dengan menggunakan jarak Euclidean. Namun, alternatif yang mempunyai jarak terkecil dari solusi ideal positif tidak harus mempunyai jarak terbesar dari solusi ideal negatif. Oleh karena itu, TOPSIS mempertimbangkan keduanya, jarak terhadap solusi ideal positif dan jarak terhadap solusi ideal negatif secara bersamaan. Solusi optimal dalam metode TOPSIS didapat dengan Gunawan, Fandi Halim, Wilson | JSM STMIK Mikroskil

102

ISSN. 1412-0100


menentukan kedekatan relatif suatu alternatif terhadap solusi ideal positif. TOPSIS akan merangking alternatif berdasarkan prioritas nilai kedekatan relatif suatu alternatif terhadap solusi ideal positif. Alternatif-alternatif yang telah dirangking kemudian dijadikan sebagai referensi bagi pengambil keputusan untuk memilih solusi terbaik yang diinginkan. Metode ini banyak digunakan untuk menyelesaikan pengambilan keputusan secara praktis. Hal ini disebabkan konsepnya sederhana dan mudah dipahami, komputasinya efisien, dan memiliki kemampuan mengukur kinerja relatif dari alternatif-alternatif keputusan [1]. Secara umum langkah-langkah yang harus dilakukan dalam menggunakan TOPSIS untuk memecahkan suatu masalah adalah sebagai berikut [1]: 1. Membangun sebuah matriks keputusan Matriks keputusan X mengacu terhadap m alternatif yang akan dievaluasi berdasarkan n kriteria. Matriks keputusan X dapat dilihat pada gambar berikut.

Gambar 1 Matriks Keputusan X Dimana ai( i = 1, 2, 3, …, m ) adalah alternatif-alternatif yang mungkin, x j( j = 1, 2, 3, …, n) adalah atribut dimana performansi alternatif diukur, dan xij adalah performansi alternatif ai dengan acuan atribut xj. 2. Membuat matriks keputusan yang ternormalisasi Persamaan yang digunakan untuk mentransformasikan setiap elemen x ij adalah: ij ij = 2 ∑ ij

Dengan i = 1, 2, 3, … , m; dan j = 1, 2, 3, …, n; dimana rijadalah elemen dari matriks keputusan yang ternormalisasi R dan xij adalah elemen dari matriks keputusan X. 3. Membuat matriks keputusan yang ternormalisasi terbobot Dengan bobot wj= (w1, w2, w3, …, wn), dimana wj adalah bobot dari kriteria ke-j dan ∑ j = 1, maka normalisasi bobot matriks V adalah: = Dengan i = 1, 2, 3, … , m; dan j = 1, 2, 3, …, n; dimana vijadalah elemen dari matriks keputusan yang ternormalisasi terbobot V, wjadalah bobot dari kriteria ke-j, dan rijadalah elemen dari matriks keputusan yang ternormalisasi R. 4. Menentukan matriks solusi ideal positif dan solusi ideal negatif Solusi ideal positif dinotasikan A+, sedangkan solusi ideal negatif dinotasikan A-. Berikut ini adalah persamaan dari A+ dan A-: a. A+= max |j ∈ J, min | j ∈ J ′ , i = 1, 2, 3, … , m} = % , &% , '% , … , % } Gunawan, Fandi Halim, Wilson | JSM STMIK Mikroskil

103

ISSN. 1412-0100


b. A- = max |j ∈ J, min | j ∈ J ′ , i = 1, 2, 3, … , m} = ( , &( , '( , … , ( } J = {j = 1, 2, 3, … , n dan J merupakan himpunan kriteria keuntungan (benefit criteria)}. J’ = { j = 1, 2, 3, …, n dan J’ merupakan himpunan kriteria biaya (cost criteria)}. Dimana vijadalah elemen dari matriks keputusan yang ternormalisasi terbobot V, % ( j = 1,

2, 3, … , n) adalah elemen matriks solusi ideal positif, dan ( ( j = 1, 2, 3, … , n) adalah elemen matriks solusi ideal negatif. 5. Menghitung Separasi a. S+ adalah jarak alternatif dari solusi ideal positif yang didefinisikan sebagai: )* %

= +,- − % / , dengan i = 1, 2, 3, … , m

&

b. S- adalah jarak alternatif dari solusi ideal negatif yang didefinisikan sebagai:

)* % adalah

) *(

= +,- − ( / , dengan i = 1, 2, 3, … , m

&

jarak alternatif ke-i dari solusi ideal positif, )* ( adalah jarak alternatif ke-i Dimana dari solusi ideal negatif, adalah elemen dari matriks keputusan yang ternormalisasi terbobot v, % adalah elemen matriks solusi ideal positif, dan ( adalah elemen matriks solusi ideal negatif. 6. Menghitung kedekatan relatif terhadap solusi ideal positif Kedekatan relatif dari setiap alternatif terhadap solusi ideal positif dapat dihitung dengan menggunakan persamaan berikut: )*( % 3* = ( , 0 ≤ 3*% ≤ 1, )* + )*% Dengan i = 1, 2, 3, …, m, dimana 3*% adalah kedekatan relatif dari alternatif ke-i terhadap solusi ideal positif, )*% adalah jarak alternatif ke-i dari solusi ideal positif, dan )*( adalah jarak alternatif ke-i dari solusi ideal negatif. 7. Merangking alternatif Alternatif diurutkan dari nilai 3*% terbesar ke nilai terkecil. Alternatif dengan nilai 3*% terbesar merupakan solusi yang terbaik. 2.2. Analytical Hierarchy Process (AHP) AHP merupakan suatu model pendukung keputusan yang dikembangkan oleh Thomas L. Saaty. AHP menguraikan masalah multifaktor atau multikriteria yang kompleks menjadi suatu hirarki. Hirarki merupakan suatu representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multilevel, dimana level pertama adalah tujuan, yang diikuti level faktor, kriteria, subkriteria, dan seterusnya hingga level terakhir dari alternatif. Dengan hirarki, suatu masalah yang kompleks dapat diuraikan ke dalam kelompok-kelompoknya yang kemudian diatur menjadi suatu bentuk hirarki sehingga permasalahan akan tampak lebih terstruktur dan sistematis [2]. Struktur hirarki digambarkan seperti Gambar 2 berikut ini.


104

ISSN. 1412-0100


Gambar 2 Struktur Hirarki AHP Adapun yang menjadi prinsip dasar AHP sebagai berikut [3]: 1. Membuat hierarki: Sistem yang kompleks bisa dipahami dengan memecahnya menjadi elemen-elemen pendukung, menyusun elemen secara hierarki, dan menggabungkannya atau mensintesisnya. 2. Penilaian kriteria dan alternatif: Kriteria dan alternatif dilakukan dengan perbandingan berpasangan. Menurut Saaty, untuk berbagai persoalan, skala 1 s.d. 9 adalah skala terbaik untuk mengekspresikan pendapat, seperti ditunjukkan pada Tabel 1 berikut ini. Tabel 1 Skala Penilaian Perbandingan Pasangan Intensitas Kepentingan 1 3 5 7 9 2, 4, 6, 8 Kebalikan

3.

4.

1.

2.

Keterangan Kedua elemen sama pentingnya Elemen yang satu sedikit lebih penting daripada elemen lainnya Elemen yang satu lebih penting daripada elemen yang lainnya Satu elemen jelas lebih mutlak penting daripada elemen lainnya Satu elemen mutlak penting daripada elemen laninnya Nilai-nilai antara dua nilai pertimbangan yang berdekatan Jika aktifitas i mendapat satu angka dibandingkan dengan aktivitas j, maka i memiliki nilai kebalikannya dibandingkan dengan j

Skala nilai di atas digunakan untuk mengisi nilai matriks perbandingan berpasangan yang akan menghasilkan prioritas (bobot/nilai kepentingan) masing-masing kriteria dan subkriteria. Synthesis of priority (menentukan prioritas): Untuk setiap kriteria dan alternatif, perlu dilakukan perbandingan berpasangan (pairwise comparisons). Nilai-nilai perbandingan relatif dari seluruh alternatif kriteria bisa disesuaikan dengan judgement yang telah ditentukan untuk menghasilkan bobot dan prioritas. Bobot dan prioritas dihitung dengan manipulasi matriks atau melalui penyelesaian persamaan matematika. Logical consistency (konsistensi logis): Konsistensi memiliki dua makna. Pertama, objekobjek yang serupa bisa dikelompokkan sesuai keseragaman dan relevansi. Kedua, menyangkut tingkat hubungan antara objek yang didasarkan pada kriteria tertentu. Terdapat beberapa langkah yang perlu diperhatikan dalam menggunakan matode AHP: Mendefinisikan masalah dan menentukan solusi yang diinginkan, lalu menyusun hirarki dari permasalahan yang dihadapi. Penyusunan hirarki adalah dengan menetapkan tujuan yang merupakan sasaran sistem secara keseluruhan pada level teratas. Menentukan prioritas elemen a. Langkah pertama adalah membuat perbandingan pasangan, yaitu membandingkan elemen secara berpasangan sesuai kriteria yang diberikan.


105

ISSN. 1412-0100

3.

4.

5. 6. 7.


b. Matriks perbandingan berpasangan diisi menggunakan bilangan untuk merepresentasikan kepentingan relatif dari suatu elemen terhadap elemen lainnya. Mensintesis Pertimbangan-pertimbangan terhadap perbandingan berpasangan disintesis untuk memperoleh keseluruhan prioritas. Hal-hal yang dilakukan dalam langkah ini adalah: a. Menjumlahkan nilai-nilai dari setiap kolom pada matriks. b. Membagi setiap nilai kolom dengan total kolom yang bersangkutan untuk memperoleh normalisasi matriks. c. Menjumlahkan nilai-nilai dari baris dan membaginya dengan jumlah elemen untuk mendapatkan nilai rata-rata. Mengukur konsistensi Dalam pembuatan keputusan, penting untuk mengetahui seberapa baik konsistensi yang ada, karena tidak diinginkan keputusan berdasarkan pertimbangan dengan konsistensi yang rendah. Hal-hal yang dilakukan dalam langkah ini adalah: a. Kalikan setiap nilai pada kolom pertama dengan prioritas relatif elemen pertama, nilai pada kolom kedua dengan prioritas relatif elemen kedua, dan seterusnya. b. Jumlahkan setiap baris. c. Hasil dari penjumlahan baris dibagi dengan elemen prioritas relatif yang bersangkutan. d. Jumlahkan hasil bagi di atas dengan banyaknya elemen yang ada, hasilnya disebut λ maks. Menghitung Consistency Index (CI), dengan rumus: CI = (λ maks – n ) / n, dimana n = banyaknya elemen. Menghitung Consistency Ratio (CR), dengan rumus: CR = CI / IR, dimana IR = Index Random Consistency. Nilai IR ditunjukkan pada Tabel 2. Memeriksa konsistensi hirarki Jika nilainya > 10%, maka penilaian data judgment harus diperbaiki. Jika rasio konsistensi (CI / CR) kurang atau sama dengan 0,1, maka hasil perhitungan bisa dinyatakan benar. Tabel 2 Daftar Index Random Consistency (IR) Ukuran Matriks 1,2 3 4 5 6 7 8

3.

Nilai IR 0.00 0.58 0.90 1.12 1.24 1.32 1.41

Ukuran Matriks 9 10 11 12 13 14 15

Nilai IR 1.45 1.49 1.51 1.48 1.56 1.57 1.59

Metode Penelitian

Penelitian ini akan dibagi dalam tiga tahapan utama. Tahapan pertama dari penelitian disebut sebagai tahapan pra-penelitian, yaitu tahapan untuk persiapan penelitian. Pada tahap ini diawali dengan pemilihan topik dan dilanjutkan dengan penyampaian proposal. Tahapan kedua adalah sebagai tahapan penelitian. Beberapa langkah yang ditempuh antara lain melakukan studi literatur, pengumpulan data, dan desain penelitian. Pada studi literatur, dilakukan pencarian bahan yang berhubungan dengan topik penelitian melalui buku, jurnal, dan website. Pada pengumpulan data dan desain penelitian akan dilakukan beberapa hal, yaitu menganalisis kebutuhan sistem, merancang proses sistem usulan, merancang basis data, dan merancang user interface aplikasi. Langkah berikutnya adalah mengembangkan Gunawan, Fandi Halim, Wilson | JSM STMIK Mikroskil

106

ISSN. 1412-0100


aplikasi SPK dengan menggunakan HTML5, CSS3, JavaScript, AJAX, JQuery, dan bahasa pemrograman web PHP, serta menggunakan MySqli sebagai Database Management System (DBMS) untuk menyimpan data dari website yang dikembangkan. Setelah itu, akan dilakukan pengujian terhadap aplikasi yang telah dikembangkan yang dilakukan secara localhost dengan web browser Opera 12. Tahapan ketiga adalah tahapan pasca penelitian. Pada tahap ini diambil kesimpulan dari pengujian-pengujian yang sudah dilakukan dan pemberian saran. 4.

Hasil dan Pembahasan

4.1. Analisis Kebutuhan Sistem Analisis kebutuhan sistem dimodelkan dengan menggunakan use case diagram yang menentukan perilaku sistem dan batasan-batasan dari sistem yang diusulkan seperti pada Gambar 3 berikut ini. uc Sistem Penunj ang Keputusan Penerimaan Anggota Ba... Sistem Penunjang Keputusan Penerimaan Anggota Baru

Melihat jadwal ujian

Mengelola soal dan jawaban ujian

«include»

Melihat status calon anggota baru

«include»

Mengelola bobot kriteria ujian & interview

«include» «include»

Peserta

Melakukan pendaftaran

Melakukan login

«include»

Mencetak laporan

«include»

«include»

«include»

Memutuskan status peserta

Panitia

«include»

Mengikuti ujian

Mengelola jadwal ujian «include»

Mengelola hasil interview

Menghitung hasil ujian dan interview

Gambar 3 Use Case Diagram Sistem Usulan Gunawan, Fandi Halim, Wilson | JSM STMIK Mikroskil

107

ISSN. 1412-0100


4.2. Rancangan Proses Sistem Usulan Adapun rancangan proses dari sistem usulan digambarkan dengan Data Flow Diagram (DFD) seperti Gambar 4 berikut ini. Data hasil interview Data Berkas dan Profil Peserta

Data Status Pemilihan Peserta

Data bobot kriteria ujian dan interview

Peserta

Data Jadwal Ujian Jawaban Ujian

Panitia

Data Soal dan Jawaban Ujian

0

Soal Ujian

Laporan Peserta Yang Ditolak Informasi Jadwal Ujian

Sistem Penunjang Keputusan Penerimaan Anggota Baru Pada Organisasi Ikatan Mahasiswa Sistem Informasi

Informasi Status Peserta

Laporan Pendaftaran Peserta

Laporan Peserta Yang Diterima

Laporan Peserta Yang Ditolak

Laporan Pendaftaran Peserta Laporan Peserta Yang Diterima

Laporan Pendaftaran Peserta

Pembina Laporan Peserta Yang Diterima

Ketua IMSI

Laporan Peserta Yang Ditolak

Gambar 4 Diagram Konteks Sistem Usulan 4.3. Implementasi Sistem Secara garis besar, alur kerja sistem dapat digambarkan seperti Gambar 5 berikut ini. 2

1

Login pengguna

3

Menjadwalkan daftar, ujian, interview dan proses nilai

Membuat kriteria

4

Membuat soal

5

Memasukkan nilai interview

8

7

Mencetak laporan

Melakukan keputusan status peserta

6

Melakukan pemosesan nilai

Gambar 5 Alur Kerja Sistem Beberapa tampilan dari sistem yang dikembangkan adalah sebagai berikut: 1. Halaman Dashboard Sistem Halaman dashboard merupakan halaman yang pertama ditampilkan pada saat pengguna berhasil masuk ke dalam sistem, seperti ditunjukkan pada Gambar 6. Gunawan, Fandi Halim, Wilson | JSM STMIK Mikroskil

108

ISSN. 1412-0100


Gambar 6 Halaman Dashboard Sistem 2. Halaman Kriteria Pengguna membuat kriteria yang akan digunakan sebagai acuan dalam mencari anggota baru yang sesuai dengan organisasi (Gambar 7). Setelah itu, pengguna melakukan perbandingan kriteria (Gambar 8).

Gambar 7 Halaman Menu Kriteria

Gambar 8 Halaman Perbandingan Kriteria

3. Halaman Pemrosesan Nilai dan Pemutusan Status Peserta Halaman ini merupakan pemosesan seluruh nilai dari peserta, baik nilai ujian maupun nilai interview, dimana seluruh nilai akan diproses sesuai dengan kriterianya masing-masing oleh sistem. Hasil proses dari sistem akan digunakan untuk menentukan peserta yang diterima dan ditolak seperti Gambar 9. Pengguna dapat memutuskan status peserta dengan menchecklist peserta yang akan diterima pada checkbox yang telah disediakan.

Gambar 9 Halaman Keputusan Status Peserta

4.4. Pengujian Sistem Pengujian sistem dilakukan dengan Microsoft Excel guna mencocokkan hasil antara hasil dari sistem dan perhitungan secara manual. Nilai yang didapatkan dalam ujian, interview, dan IPK akan dikonversikan ke nilai penting 1, 3, 5, 7, dan 9, dimana nilai paling tinggi merupakan nilai dengan tingkat kepentingan yang tinggi. Tabel 3 dan Tabel 4 merupakan tabel konversi nilai ujian, interview, dan IPK. Pada model SPK yang dikembangkan, metode AHP digunakan untuk mencari alternatif terbaik berdasarkan kriteriakriteria yang telah ditentukan, selanjutnya metode TOPSIS digunakan untuk mencari solusi. Gunawan, Fandi Halim, Wilson | JSM STMIK Mikroskil

109

ISSN. 1412-0100


Tabel 3 Tabel Konversi Nilai Ujian dan Interview

Tabel 4 Tabel Konversi IPK

Tabel 5 merupakan tabel perbandingan hasil pengujian nilai kedekatan antara hasil perhitungan dengan aplikasi dan perhitungan manual. Tabel 5 Perbandingan Hasil Pengujian Nilai Kedekatan NIM 112110023 121110011 122110002 122110023 132110001 132110002

Hasil Perhitungan Nilai Kedekatan Aplikasi Manual 0.473119 0.473118884 0.388563 0.388562562 0.529127 0.529126619 0.388169 0.388169396 0.390104 0.390103645 0.383460 0.383459751

Persentase Perbedaan 0.0000 0.0001 0.0001 0.0001 0.0001 0.0001

Dari pengujian yang telah dilakukan, dapat dilihat bahwa hasil perhitungan oleh aplikasi dan hasil perhitungan manual dengan Excel mendapatkan nilai yang hampir sama, sehingga model yang dikembangkan sudah berhasil dengan baik. 5.

Kesimpulan

SPK yang dikembangkan telah dapat mengatasi kelemahan panitia memihak peserta dan tidak objektif dalam menilai peserta untuk keputusan status dari peserta dengan sistem mencetak laporan hasil proses dari sistem. Laporan tersebut akan digunakan oleh panitia bersama dengan pembina untuk memutuskan peserta yang akan diterima. Sistem tersebut juga dapat mengatasi kelemahan panitia cepat jenuh dalam memutuskan status dari peserta dengan sistem melakukan proses perhitungan secara cepat sesuai dengan metode yang telah diterapkan pada sistem tersebut. Metode TOPSIS dan AHP dapat digunakan untuk memecahkan masalah penerimaan anggota baru pada IMSI. Pada pengembangan berikutnya, dapat dicoba untuk menggunakan metode penggabungan yang lain untuk mendukung keputusan yang lebih efektif. Referensi [1] Tzeng, G. H. and J. J. Huang, 2011, Multiple Attribute Decision Making: Methods and Applications, Taylor & Francis Group, Boca Raton. [2] Suryadi, K. dan Ramdhani, 1998, Sistem Pendukung Keputusan, PT Remaja Rosdakarya, Bandung. [3] Kusrini, 2007, Konsep dan Aplikasi Sistem Pendukung Keputusan, Penerbit Andi, Yogyakarta.


110

ISSN VOL 15, NO 2, OKTOBER 2014

Recommend Documents