Upload
khangminh22
View
1
Download
0
Embed Size (px)
Citation preview
18
DECISION SUPPORT SYSTEM DENGAN METODEAHP, SAW DAN ROC UNTUK PENENTUAN
PEMBERIAN BEASISWA(STUDI KASUS : STMIK STIKOM INDONESIA)
I Gede Iwan SudipaProdi Teknik Informatika, STMIK STIKOM Indonesia
ABSTRACTSTIKOM STIMIK Indonesia (STIKI) is one of the university that provides scholarships forstudents, manual assessment have the weakness that is inefficient and potentially not objective, inaddition to supporting the principles of the right on target scholarships then the selection criteriashould be in detailed model so that the scholarship grantee is a student in accordance with thecriteria or requirements that have been determined. In fulfilling the principles of the right ontarget and objective assessment, this research used MADM model by combining the AnalyticHierarchy Process (AHP), Rank Order Centroid (ROC) and Simple Additive Weighting (SAW).AHP is used to determine the weighting of criteria and sub criteria, the ROC is used to determinethe scoring championship level and championship field,interpolation is used to determine thevalue of salary data and electrical power, while SAW is used to find the final result anddetermining the rank. Result of this research show thats the same best alternative for scholarshipreceipts between manual calculations, system calculations and STIKI calculations. Differencesresult of the rank on some alternate sequence due to difference in weight is given and differencecriteria used. Resulted of rank in this research that can serve as recommendations for Puket IIItodetermining scholarship PPA and BBP recipients.Keywords: MADM, AHP, ROC, SAW,Linear Interpolation, Scholarship
ABSTRAKSTIKOM Indonesia (STIKI) merupakan salah satu lembaga pendidikan perguruan tinggi yangmemberikan beasiswa PPA dan BBP kepada mahasiswanya, penilaian secara manual memilikikelemahan yaitu tidak efisien dan berpotensi tidak obyektif, disamping itu untuk menunjangprinsip tepat sasaran pemberian beasiswa maka kriteria yang digunakan dalam seleksi harusdimodelkan dengan detail sehingga penerima beasiswa merupakan mahasiswa yang sesuai dengankriteria-kriteria atau persyaratan yang telah ditentukan. Dalam mendukung prinsip tepat sasarandan penilaian lebih obyektif maka penelitian ini menggunakan model MADM denganmenggabungkan Analytic Hierarchy Process (AHP), Rank Order Centroid (ROC) dan SimpleAdditive Weighting (SAW). AHP digunakan untuk menentukan bobot kriteria dan sub kriteria,ROC digunakan untuk menentukan skoring data tingkat kejuaraan dan bidang kejuaraan,interpolasi digunakan untuk menentukan nilai dari data gaji dan daya listrik, sedangkan metodeSAW digunakan untuk mencari nilai akhir dan perankingan. Hasil dari penelitian inimenunjukkan alternatif terbaik yang sama untuk perhitungan sistem, perhitungan manual, sertaperhitungan yang dilakukan pada STIKI. Perbedaan perankingan pada beberapa urutan alternatifdisebabkan karena perbedaan bobot yang diberikan dan perbedaan kriteria yang digunakan. Hasilperankingan penelitian dapat dijadikan rekomendasi untuk Puket III dalam menentukan mahasiswapenerima beasiswaKata Kunci : MADM, AHP, ROC, SAW, Interpolasi Linear, Beasiswa
19 Jurnal Teknologi Informasi dan Komputer, Volume 4, Nomor 1, Januari 2018
PENDAHULUANSalah satu permasalahan pendidikan di
Indonesia adalah tingginya biaya pendidikankhususnya untuk memperoleh gelar sarjana,sehingga pemerintah melalui perguruantinggi negeri atau swasta, yayasan atauperusahaan swasta, mengalokasikan danauntuk memberikan bantuan biaya pendidikankepada mahasiswa yang orangtuanya tidakmampu untuk membiayai dan mahasiswayang mempunyai prestasi tinggi, baikakademik maupun non akademik dalambentuk beasiswa, salah satunya beasiswabeasiswa Peningkatan Prestasi Akademik(PPA) dan Bantuan Biaya PendidikanPeningkatan Prestasi Akademik (BBP PPA).Pelaksanaan program beasiswa ini sesuaidengan prinsip 3T yaitu Tepat Sasaran,Tepat Jumlah, dan Tepat Waktu.
STIKOM Indonesia (STIKI) merupakansalah satu lembaga pendidikan perguruantinggi yang memberikan beasiswa PPA danBBP kepada mahasiswanya, penilaian secaramanual yang masih dilakukan memilikikelemahan yaitu tidak efisien, sehinggadiperlukan sistem yang dapat meningkatkanefektivitas dalam proses seleksi denganbanyak atribut kriteria untuk menjadipenentu dalam proses seleksi alternatifpenerima beasiswa, maka diperlukan sistempendukung keputusan guna meningkatkanefektifitas pengambilan keputusan,mengakomodasi pemodelan yang sesuaidengan prinsip tepat sasaran dan penilaianlebih obyektif.SPK biasanya dibangun untukmendukung solusi atas suatu masalah ataumengevaluasi suatu peluang [1].
Pengambilan keputusan dalampermasalahan beasiswa PPA dan BBMmenggunakan kriteria prestasi akademik,kegiatan pendukung lainnya dan faktorekonomi, dimana setiap kriteria memilikisubkriteria yang menentukan hasil keputusanpemberian beasiswa. Pengambilankeputusan menajerial yang tepat dapatmemberikan alternatif keputusan penerimabeasiswa sehingga membantu PembantuKetua III (Puket III) STIKI Indonesia dalam
proses pengambilan keputusan denganmempertimbangkan berbagai faktor-faktoryang harus dipertimbangkan secara obyektif,rasional dan proporsional dalam penilaianpemberian beasiswa.
Penelitian mengenai seleksi pemberianbeasiswa pernah dilakukan oleh Yeh danWillis[2] yang menjelaskan menjelaskanseleksi pemberian beasiswa dari beberapaalternatif atau kandidat merupakan suatuproses pembuatan keputusan yangkompleks, karena beberapa kriteria harusdipertimbangkan secara bersamaan dalamproses pemilihan, sehingga masalah seleksipemberian beasiswa dirumuskan sebagaimasalah MADM, pendekatan pembuatankeputusan dengan model MADM telahterbukti efektif untuk melakukanperankingan atau menyeleksi satu atau lebihdari sejumlah alternatif yang terbatasterhadap beberapa kriteria atau atribut yangbiasanya bertentangan. Keeney dan Raiifa[3] menjelaskan bahwa pengambilankeputusan dimulai dengan membangunmodel MADM yaitu mengidentifikasitujuan, menurunkan kriteria-kriteria,menentukan bobot dan perankingan.
Pada penelitian ini menggunakan modelMADM dengan perbandingan metode AHP-SAW dan metode ROC-SAW. Metode AHPdan ROC digunakan untuk menentukanbobot kriteria dan subkriteria,serta metodeSAW digunakan untuk mencari nilai akhiralternatif penerima beasiswa danperankingan. Metode AHP dipilih karenadapat membantu dalam menentukan bobotpreferensi terhadap kriteria dan subkriteriayang digunakan yang akan digunakan dalamproses perhitungan metode SAW agar lebihefektif, perhitungan ROC selain sangatsederhana namun dapat digunakan dalampenentuan bobot dengan banyak atributkriteria sehingga nilainya diperoleh dandapat digunakan dalam proses perhitungannilai akhir. Metode SAW digunakan karenadapat melakukan perankingan secara cepatdan tepat, namun tetap memperhitungan sifatatribut yang saling bertentangan[5].
TINJAUAN PUSTAKASistem Pendukung Keputusan
Sistem pendukung keputusanmenunjukkan sebuah sistem yangmendukung para pengambil keputusan untukmemperluas kapabilitas mereka, namun
tidak menggantikan penilaian mereka.Sistem pendukung keputusan merupakansistem informasi interaktif yangmenyediakan informasi, pemodelan danmanipulasi data. Sistem itu digunakan untukmembantu pengambil keputusan dalamsituasi yang semistruktural dan situasi yang
Sudipa, Decision Support System Dengan Metode Ahp, Saw Dan Roc Untuk Penentuan… 20
tidak terstruktural, dimana tidak seorangpuntahu secara pasti bagaimana keputusanseharusnya dibuat [6].
Ada tiga tujuan yang harus dicapaidalam sebuah sistem pendukung keputusan[7], yaitu : Membantu manajer membuat
keputusan untuk memecahkanmasalah semistruktural denganalternatif keputusan yang diberikan.
Mendukung penilaian manajer,bukan mencoba menggantikannya.
Meningkatkan efektifitaspengambilan keputusan manajerdaripada efisiensinya.
AHP (Analytic Hierarchy Process)Saaty menyatakan bahwa AHP adalah
suatu metode yang unggul untuk memilih
aktifitas bersaing dengan menggunakankriteria khusus. Kriteria dapat bersifat
kuantitatif dan kualitatif. KelebihanAHP diantaranya adalah berdasar padamatriks perbandingan berpasangan danmelakukan analisis konsistensi [8].Perbandingan berpasangan merupakanbagian yang terpenting dari metode AHP,dimana pemberian nilai perbandinganberpasangan ini harus dilakukan oleh yangahli di bidangnya [9]. Prosedur AHP
Prosedur yang dilakukan pada tahap iniadalah : menentukan kriteria dari alternatif-alternatif yang kemudian menyusunnyamenjadi satu hirarki. Membuat matrikspairwise comparison berdasarkan kriteriadan alternatif dengan skala penilaiansehingga akan diperoleh nilai pendapatdalam bentuk angka, skala perbandinganberdasarkan [3], berikut tabel 1 dibawah ini :
Tabel 1. Skala Matriks Pairwaise Comparation
Prosedur dasar AHP terdiri dari beberapalangkah sebagai berikut[10]:
1. Membuat matriks perbandinganberpasangan
Tabel 2. Matriks PerbandinganBerpasangan
K K1 K2 ... KnK1 b11 b12 ... b1nK2 b21 b22 ... b2n... ... ... bij ...Kn bn1 bn2 ... bnn
Mengalikan masing-masing elementpada masing-masing baris matriks
perbandingan, dan hasilnya adalah Mi
dengan menggunakan persamaan Mi =∏ , i = 1,2,...,n
2. Menghitung n akar pangkat dari Midengan persamaan
= √ i , i = 1,2,...,n3. Melakukan normalisasi terhadap i
dengan persamaanWi = i / ∑ j , i = 1,2,...,n
21 Jurnal Teknologi Informasi dan Komputer, Volume 4, Nomor 1, Januari 2018
4. Mencari nilai lamda maks. MenurutSaaty[8], mencari λmaks dapat meng-gunakaan persamaan
λmaks = ∑ ∗5. Cek Consistency Index (CI)Mencari nilai CI (Consistency Index) dengan
persamaan CI =
6. Mencari Nilai RI disesuaiakan dengannilai Random Index yang dapat dilihatpada Tabel 3 dibawah ini.
7. Mencari CR (Consistency Ratio)CR = , Jika nilai CR < 0.1 berarti data
perbandingan yang dibuat sudahkonsisten.
ROC (Rank Order Centroid)Barron dan Barret menjelaskan
bahwa perhitungan ROC untuk menentukanbobot pengganti (elicitation weight) dariurutan prioritas atribut yang ditentukan olehpengambil keputusan, ROC didasarkan padatingkat kepentingan atau prioritas yangbiasanya dibentuk dengan pernyataan“atribut ke-1 lebih penting dari atribut ke-2,yang lebih penting dari kriteria ke-3 danseterusnya hingga atribut ke-n” [10].
Dalam perhitungan ROC , untukmenentukan bobot maka diberikanaturan :
W1 ≥ W2 ≥ W3 ≥ ... ≥ Wn ≥0; ∑ j = 1Dimana W1 merupakan bobot untuk
semua kriteria C1, sehingga nilai W1 sampaiWj dapat ditentukan sebagai berikut :
W1 = (1 + + + … + )/K
W2 = (0 + + + … + )/K
Wj = (0 + … + 0 + )/KSecara umum jika K adalah jumlah
kriteria, maka nilai bobot kriteria ke-jdirumuskan dengan mengalikan 1/K denganjumlah total 1/i, dimana i = 1,2,3..,j, sebagaiberikut :
Wj = ( )Wj = nilai pembobotan atribut ke-jK = jumlah atributi = nilai urutan prioritas atribut
SAW (Simple Additive Weighting)Konsep dasar metode SAW adalah
mencari penjumlahan terbobot dari ratingkinerja pada setiap alternatif pada semuaatribut. Metode SAW membutuhkan prosesnormalisasi matriks keputusan (X) ke dalamsuatu skala yang dapat diperbandingkandengan semua rating alternatif yang ada.Metode SAW mengharuskan pembuatkeputusan menentukan bobot bagi setiapatribut. Skor total untuk alternatif diperolehdengan menjumlahkan seluruh hasilperkalian antara rating dan bobot tiapatribut. Rating tiap atribut harulah dimensi
dalam arti telah melewati proses normalisasimatriks sebelumnya [11].
Pada penelitian ini tentang seleksipemberian beasiswa, maka mahasiswa yangmemiliki nilai akhir tertinggi yang akanmenjadi prioritas sebagai alternatif terbaikpenerima beasiswa PPA ataupun BBP.Terdapat tahapan-tahapan yang harusdilakukan, yaitu :1. Penentuan nilai kriteria
Perhitungan dilakukan denganmenggunakan persamaan := ∑( ∗ )Keterangan :NK: Nilai total tiap kriteriaSK : Nilai subkriteria
Tabel 3. Random Index (RI)
Sudipa, Decision Support System Dengan Metode Ahp, Saw Dan Roc Untuk Penentuan… 22
X : Besar bobot preferensi2. Membuat matriks keputusan
Matriks keputusan dibuat berdasarkanjumlah elemen (n) kriteria dan jumlahalternatif.
3. Normalisasi MatriksMetode SAW membutuhkan prosesnormalisasi matriks keputusan X kesuatu skala yang dapatdiperbandingkan dengan semua ratingalternatif yang ada. Perhitungan untukmelakukan normalisasi matriksdisesuaikan dengan persamaan
rij =
jika atribut termasuk keuntunganrij =
jika atribut termasuk biayaKeterangan :
rij = rating kinerja ternormalisasiMaxXij = nilai maksimum elemen tiapkriteria
MinXij = nilai minimumelemen tiap kriteriaBenefit = jika nilaiterbesar adalah yang terbaikCost = jika nilaiterkecil adalah yang terbaik
4. Perhitungan nilai akhir dan perankinganDimana rij adalah rating kinerjaternormalisasi dari setiap alternatif Aipada atribut Cj, i = 1,2,...m dan j =1,2,..,n. Nilai preferensi untuk setiapalternatif (Vi) diberikan sebagai berikut :
= ∑Keterangan :Vi = rangking untuk setiap alternatifwj = nilai bobot dari setiap kriteriarij = nilai rating kinerja
ternormalisasiNilai Vi lebih besar mengindikasikan bahwaalternatif Ai lebih terpilih.Interpolasi Linear
Pada penelitian nilai penghasilanorangtua dan daya listrik akan dirubahmenggunakan interpolasi linier, Persamaandari interpolasi linear sebagai berikut := ( − ) +Dimana y1 merupakan batas atas skor, y0adalah batas bawah skor, x1 adalah batasbawah penghasilan orangtua, x0 adalah batasbawah penghasilan orangtua, dan x adalahnilai penghasilan orangtua yang akanditentukan nilai interpolasinya.
ANALISIS DAN PERANCANGANPengumpulan DataTahap pengumpulan data dilakukan denganobservasi, wawancara dan studi pustaka.Observasi dan wawancara dilakukan untukmengumpulkan data dan informasi langsungdari STIKI Indonesia seperti data mahasiswapemohon beasiswa PPA dan BBM, datakriteria-kriteria dan bobot. Wawancaradilakukan dengan Pembantu Ketua III(Puket III) STIKI Indonesia. Sedangkanuntuk studi pustaka dalam memahamikonsep dan penerapan metode AHP, SAWdan ROC, penulis melakukan studi literaturmelalui internet dan buku-buku yangrelevan.
Tahap Analisa awalPada tahap ini dilakukan analisa kriteria dansubkriteria yang digunakan dan penerapanmetode dalam studi kasus pemberianbeasiswa PPA dan BBM. Terdapat duapenerapan metode dalam studi kasus yaitumetode AHP-SAW dan ROC-SAW,kemudian kedua hasil metode akandibandingkan dihitung akurasinya sehinggaakan diketahui metode yang tepat dan akuratdalam menghasilkan alternatif penerimabeasiswa yang paling sesuai dengan kriteriadan subkriteria penilaian. Berikut tabel 4penjelasan kriteria dan subkriteria yangdigunakan dalam penelitian :
23 Jurnal Teknologi Informasi dan Komputer, Volume 4, Nomor 1, Januari 2018
Tabel 4. Sifat kriteria dan sub kriteriaVariabel Kriteria Sub kriteria Sifat
K1 Prestasi akademikSK1 IPK BenefitSK2 Kejuaraan akademik BenefitSK3 Lama studi BenefitK2 Kegiatan Pendukung Lainnya
SK4 Prestasi non akademik BenefitSK5 Keaktifan organisasi BenefitSK6 Banyaknya seminar BenefitK3 Faktor ekonomi
SK7 Penghasilan orangtua CostSK8 Tanggungan orangtua BenefitSK9 Daya listrik Cost
Proses Perancangan model KeputusanPada proses ini dilakukan dengan
menyusun hirarki seleksi pemberianbeasiswa yaitu mendefinisikan masalah danmembentuk solusi yang di inginkan,
dilanjutkan dengan membuat hirarkiyang diawali dengan tujuan umum, kriteria,sub kriteria dan alternatif-alternatif, sepertiyang dijelaskan pada Gambar 1 sebagaiberikut :
Gambar 1. Hirarki seleksi pemberian beasiswa BBPGambar 1 menunjukkan hirarki seleksi
pemberian beasiswa PPA dan BBP sehinggadapat diketahui bahwa tujuan yang ingindicapai dalam sistem ini adalah pemberianbeasiswa PPA kepada mahasiswa. Adapunkriteriayang digunakan dalam proses seleksipemberian beasiswa terdiri dari prestasiakademik, kegiatan pendukung lainnya danfaktor ekonomi. Untuk kriteria prestasiakademik memiliki atribut subkriteria yaituIPK, kejuaraan atau lomba akademik danlama studi.Kriteria kegiatan pendukunglainnya memiliki atribut sub kriteria yaituprestasi non akademik, keaktifan organisasidan banyaknya seminar yang diikuti.Kriteria faktor ekonomi memiliki atribut sub
kriteria yaitu penghasilan orangtua,tanggungan orangtua dan daya listrik.Model Sistem Pendukung Keputusan
Model yang digunakan dalam penelitianini adalah model MADM dengan metodeAHP untuk menentukan bobot kriteria, subkriteria yang akan digunakan untukperhitungan nilai akhir. Perhitungan ROCuntuk menentukan nilai bobot untuk tingkatkejuaraan dan bidang kejuaraan. MetodeSAW digunakan perhitungan nilai akhir danperangkingan alternatif penerima beasiswa.Gambaran umum model SPK untukpemberian beasiswa PPA dan BBP dapatdilihat pada Gambar 2.
Sudipa, Decision Support System Dengan Metode Ahp, Saw Dan Roc Untuk Penentuan… 24
Gambar 2. Gambaran umum model SPK pemberian beasiswa PPA dan BBP
Berdasarkan Gambar 2 maka dapatdijelaskan Perhitungan ROC digunakanuntuk scoring data teks tingkat kejuaraandan bidang kejuaraan yaitu denganmenentukan bobot tingkat kejuaraan, nilaibobot tingkat kejuaraan nantinya akandikalikan dengan indikator juara sehinggamenghasilkan nilai subkriteria prestasiakademik. Kriteria yang memiliki subkriteria akan dicari bobot sub kriterianyaterlebih dahulu menggunakan metode AHP,hasil pembobotan sub kriteria tersebut akandigunakan untuk mendapatkan nilai kriteria.Nilai kriteria yang memiliki sub kriteriadiperoleh dengan melakukan normalisasinilai subkriteria berdasarkan jenissubkriteria, kemudian menjumlahkan hasilkali nilai subkriteria yang telahternormalisasi dengan bobot subkriteria yang
dihasilkan dari perhitungan metode AHP.Kriteria prestasi akademik, kegiatanpendukung lainnya dan faktor ekonomidihitung bobotnya dengan metode AHPsehingga menghasilkan nilai bobot kriteria.Hasil pembobotan tiap kriteria akandigunakan dalam proses perhitungan nilaiakhir menggunakan metode SAW. Prosesperhitungan nilai akhir metode SAW yaitumelakukan proses pembuatan matrikskeputusan berdasarkan alternatif mahasiswadan nilai kinerja mahasiswa dari tiapkriteria. Melakukan normalisasi matriksberdasarkan sifat kriteria, hasil normalisasimatriks akan digunakan untuk perhitungannilai akhir dengan cara menjumlahkan hasilkali antara nilai matriks normalisasi denganbobot dari tiap kriteria yang didapat dariproses perhitungan metode AHP, kemudianmelakukan hasil akhir dan melakukanperankingan berdasarkan hasil akhir.
HASIL DAN PEMBAHASANPerhitungan Bobot Kriteria dengan AHP
Berdasarkan pada prosedur AHP, makalangkah 1 akan dibuat matriks perbandinganberpasangan kriteria, dapat dilihat padaTabel 5 berikut :
25 Jurnal Teknologi Informasi dan Komputer, Volume 4, Nomor 1, Januari 2018
Tabel 5. Matriks Perbandingan Berpasangan Kriteria
Kriteria Kegiatan pendukunglainnya
Prestasiakademik Faktor ekonomi
Kegiatan pendukunglainnya
1 0,5 2
Prestasi akademik 2 1 2Faktor ekonomi 0,5 0,5 1
Untuk menentukan bobot prioritaskriteria menggunakan Persamaan 3,sehingga bobot yang dihasilkan sebagaiberikut :
- Bobot Kegiatan PendukungLainnya = 0,31081
- Bobot Prestasi Akademik =0,49339
- Bobot Faktor Ekonomi =0,1958
Untuk mencari nilai λmaks menggunakanPersamaan 4, perhitungannya sebagaiberikut :
λmaks = (( 1 + 2 + 0,5) x 0,31081) + ((0,5+ 1 + 0,5) x0,49339) + ((2+ 2 + 1) x 0,1958) = 3,05
Selanjutnya menghitung ConsistencyIndex (CI) menggunakan Persamaan 5,perhitungannya sebagai berikut := 3,05 − 33 − 1 = 0,02Menghitung Consistency Ratio (CR)menggunakan Persamaan 6. Ratioindex (RI) yang digunakan adalah 0,58karena jumlah kriteria (n) = 3,perhitungan CR sebagai berikut :
CR = ,, = 0,04 , nilai CRmenunjukkan ≤ 0,1 yang menunjukkankonsisten.
Dengan cara yang sama menggunakanmetode AHP untuk menentukan nilai bobotsubkriteria.
Model Perhitungan Bobot TingkatKejuaraan dan Bidang Kejuaraan denganROC
Tingkat kejuaraan digunakan untukmenentukan nilai subkriteria prestasiakademik = (nilai indikator juara x bobottingkat kejuaraan ), untuk menentukan bobotdengan ROC maka urutan peringkat atributatau kriteria sudah diketahui secara bynature. Dalam penelitian ini urutan prioritastingkat kejuaraan dimulai dengan tingkatInternasional, kemudian nasional, propinsi,lokal hingga non prestasi.
Perhitungan bobot tingkat kejuaraansesuai dengan Persamaan 7, W1menunjukkan nilai bobot untuk atributurutan prioritas ke-1 dengan perhitungan1/banyak atribut kemudian dikalikan denganjumlah total dari 1/i, karena menggunakan 5atribut maka nilai i dimulai dari 1 sampai 5,sehingga untuk menentukan nilai W1 makajumlah total 1/i dimulai dari 1/1 hingga 1/5,kemudian untuk W2 dimulai dari 1/2 hingga1/5, dan seterusnya untuk menentukan W3sampai W5. Perhitungan bobot tingkatkejuaraan dapat dilihat pada Tabel 3.2berikut :
Tabel 6. Perhitungan Bobot Tingkat KejuaraanUrutan prioritas tingkat kejuaraan Bobot
Internasional W1 = x ( + + + + ) = 0,45667
Nasional W2 = x (0 + + + + ) = 0,25667
Propinsi W3 = x (0 + 0 + + + ) = 0,15667
Lokal W4 = x (0 + 0 + 0 + + )= 0,09
Non prestasi W5 = x (0 + 0 + 0 + 0 + ) = 0,04Dengan cara yang sama maka bobot
bidang kejuaraan ditentukan dengan ROC,pada penelitian ini urutan prioritas bidangkejuaraan ditentukan oleh pengambil
keputusan dengan urutan bidang olahraga,kemudian seni, budaya, dan lain-lain, hingganon prestasi.
Sudipa, Decision Support System Dengan Metode Ahp, Saw Dan Roc Untuk Penentuan… 26
Model Penilaian Keaktifan Organisasidan Indikator Juara
Keaktifan organisasi mahasiswa dilihatdari keikut sertaan didalam organisasi intrakampus, maka penilaiannya ditentukandengan skala 1 sampai 5, untuk jabatanorganisasi ketua BEM atau UKM diberi nilai5, wakil ketua BEM atau UKM diberi nilai4, bendahara atau sekretaris BEM atau UKMdiberi nilai 3, hanya sebagai anggota BEMatau UKM diberi nilai 2, dan tidakmengikuti organisasi manapun diberikannilai 1.
Dengan cara yang sama maka modelpenilaian indikator juara ditentukan denganmenggunakan nilai skala 4 untuk indikatorjuara 1, nilai 3 untuk indikator juara 2, nilai2 untuk indikator juara 3, nilai 1 untukindikator hanya berpartisipasi.
Model Penilaian Penghasilan Orangtuadan Daya Listrik
Pada penelitian ini penilaianpenghasilan orangtua dan daya listrikmenggunakan interpolasi linier yang sesuaidengan Persamaan 12 dimana diketahuinilai y1 = 3, y0 =1, x1 = 5000000 dan x0 =500000, contoh perhitungannya sebagaiberikut :
Nilai penghasilan Rp.2000.000 =( ) (2000000 − 500000) + 1= 1,6813187Perhitungan Metode SAW
Untuk melakukan perhitungan metodeSAW maka digunakan data mahasiswapemohon beasiswa PPA yang berjumlah 22mahasiswa dapat dilihat pada Tabel 7 dandata mahasiswa pemohon beasiswa BBPberjumlah 20 orang dapat dilihat pada Tabel8 sebagai berikut :
Tabel 7. Data Mahasiswa Pemohon Beasiswa PPANama K1 K2 K3
SK1 SK2 SK3 SK4 SK5 SK6 SK7 SK8 SK9Christopher 3,86 non prestasi 6 juara 3 olahraga anggota UKM 1 Rp2.000.000 2 1200
Ester 3,95 partisipasi propinsi 6 non prestasi anggota BEM 2 Rp3.000.000 1 1200Adi 3,37 non prestasi 6 non prestasi anggota UKM 1 Rp2.000.000 2 1200
Juliana 3,34 non prestasi 6 non prestasi anggota UKM 1 Rp2.000.000 1 1200Alit 3,7 partisipasi lokal 6 non prestasi anggota UKM 1 Rp3.000.000 2 900Putu 3,36 partisipasi lokal 6 non prestasi anggota BEM 2 Rp3.000.000 2 1200Sisca 3,58 non prestasi 6 juara 3 budaya anggota UKM 2 Rp500.000 1 1200
Dian 3,48 non prestasi 6 partisipasibudaya anggota UKM 2 Rp1.200.000 1 1200
Jonathan 3,38 non prestasi 6 juara 1 olahraga anggota UKM 1 Rp1.300.000 1 1200
Mahesa 3,81 partisipasiinternasional 6 non prestasi anggota BEM 1 Rp4.166.667 1 1200
Ana 3,69 partisipasi propinsi 4 non prestasi anggota BEM 2 Rp2.000.000 2 1200Ayudani 3,88 juara 3 propinsi 4 non prestasi anggota BEM 2 Rp3.000.000 2 1200
Eka 3,96 partisipasi lokal 4 non prestasi anggota UKM 2 Rp2.000.000 3 1200Dessie 3,51 non prestasi 4 juara 3 seni anggota BEM 2 Rp5.000.000 2 1200Ayu 3,71 partisipasi nasional 4 non prestasi anggota BEM 2 Rp2.000.000 2 1200
Julius 3,79 non prestasi 4 partisipasibudaya anggota BEM 1 Rp1.500.000 3 1200
Ita 3,65 non prestasi 4 juara 2 olahraga bendaharaBEM 2 Rp1.500.000 3 1200
Lina 3,9 non prestasi 4 juara 2 seni anggota UKM 2 Rp2.500.000 2 1200Yusuf 3,52 juara 1 nasional 4 non prestasi anggota BEM 2 Rp2.083.333 2 1200
Yulia 3,66 non prestasi 4 partisipasibudaya anggota UKM 2 Rp2.500.000 2 1200
Meilina 3,82 non prestasi 4 juara 3 seni anggota BEM 2 Rp1.333.333 2 1200
Yoseph 3,75 non prestasi 2 partisipasibudaya anggota BEM 2 Rp2.750.000 3 1200
Tabel 8. Data Mahasiswa Pemohon Beasiswa BBP
27 Jurnal Teknologi Informasi dan Komputer, Volume 4, Nomor 1, Januari 2018
Nama K1 K2 K3SK1 SK2 SK3 SK4 SK5 SK6 SK7 SK8 SK9
Rizal 3,85 non prestasi 6 non prestasi anggota UKM 3 Rp800.000 1 450Wayan Tony 3,59 non prestasi 6 non prestasi anggota BEM 1 Rp1.000.000 4 450Dewa Ray 3,75 non prestasi 6 non prestasi anggota BEM 1 Rp1.666.667 1 450SamsulHakim 3,09 non prestasi 6 non prestasi anggota UKM 2 Rp1.200.000 3 900KomangDodik 3,29 non prestasi 6 non prestasi anggota UKM 2 Rp1.200.000 2 900Putu Etin H 3,54 non prestasi 6 non prestasi anggota UKM 1 Rp666.667 4 450Putu Armita 3,53 non prestasi 6 non prestasi anggota BEM 1 Rp1.000.000 2 900Made Anyar 3,7 non prestasi 6 non prestasi anggota BEM 2 Rp1.500.000 2 900MadeAdiguna 3,34 non prestasi 6 non prestasi anggota BEM 1 Rp1.833.333 2 450RofinusSeran 3,44 non prestasi 4 non prestasi anggota BEM 1 Rp1.333.333 4 900Gede Sri 3,45 non prestasi 4 non prestasi anggota UKM 1 Rp1.200.000 1 900Suci Astiti 3,84 non prestasi 4 non prestasi anggota BEM 1 Rp1.500.000 1 900Arnoldena 3,62 non prestasi 4 non prestasi anggota UKM 2 Rp500.000 4 450Ni Kadek W 3,71 non prestasi 4 non prestasi anggota BEM 2 Rp500.000 2 450Dewa Made 3,22 non prestasi 4 non prestasi anggota BEM 2 Rp1.800.000 4 900Ni Kadek W 3,28 non prestasi 4 non prestasi anggota BEM 2 Rp916.667 1 900Anggreni 3,46 non prestasi 4 non prestasi anggota UKM 1 Rp1.500.000 5 450Putu Eka P 3,3 non prestasi 2 non prestasi anggota BEM 2 Rp833.333 4 450Ernawati 3,25 non prestasi 2 non prestasi anggota BEM 2 Rp1.500.000 4 900Maria Polly 3,7 non prestasi 2 non prestasi anggota UKM 2 Rp1.000.000 4 900
Keterangan :K1 : Prestasi akademik SK1 : IPK SK6: BanyaknyaseminarK2 : Kegiatan pendukung lainnya SK2 : Kejuaraan akademik SK7: PenghasilanorangtuaK3 : Faktor ekonomi SK3 : Lama studi SK8: Tanggunganorangtua
SK5 : Keaktifan organisasi SK9: Daya listrik
Berdasarkan Tabel 7 dan Tabel 8 makadapat dilihat data mahasiswa pemohonbeasiswa PPA dan BBP, namun masihterdapat data dalam bentuk teks, sehinggaperlu dilakukan skoring menjadi angka,contohnya alternatif christopher memilikinilai SK1 yaitu non prestasi maka akandilakukan skoring sesuai dengan penjelasanSub bab 3.3, tingkat kejuaraan non prestasiakan dirubah menjadi nilai 0,04, untuk nilaiSK4 adalah juara 3 olahraga maka akandirubah dengan mengalikan indikator juara 3yaitu nilai 3 dengan bobot bidang kejuaraanolahraga sehingga menjadi nilai 1,04167,kemudian nilai SK5 adalah anggota UKMakan dirubah dalam skala nilai 1, nilai SK7
yaitu penghasilan Rp.1200.000 akandirubah menggunakan interpolasi liniersehingga menghasilkan nilai 1,6813187 dannilai SK9 yaitu daya listrik 1200 akandirubah menggunakan interpolasi liniersehingga menghasilkan nilai 1,491803279.Dengan cara yang sama maka nilai alternatifyang lain yang masih dalam bentuk teksakan dirubah kedalam angka.Matriks Keputusan dan PerankinganMetode SAW
Perhitungan metode SAW untukmendapatkan nilai akhir dan perankingan.Perhitungan metode SAW dengan membuatmatriks keputusan, dapat dilihat pda Tabel 9.berikut :
Sudipa, Decision Support System Dengan Metode Ahp, Saw Dan Roc Untuk Penentuan… 28
Tabel 9. Matriks Keputusan Alternatif Beasiswa PPASK1 SK2 SK3 SK4 SK5 SK6 SK7 SK8 SK9
Christopher 3,86 0,04 6 1,041666667 2 1 1,681318681 2 1,491803279Ester 3,95 0,156666667 6 0,0625 2 2 2,120879121 1 1,491803279Adi 3,37 0,04 6 0,0625 2 1 1,681318681 2 1,491803279
Juliana 3,34 0,04 6 0,0625 2 1 1,681318681 1 1,491803279Alit 3,7 0,09 6 0,0625 2 1 2,120879121 2 1,295081967Putu 3,36 0,09 6 0,0625 2 2 2,120879121 2 1,491803279Sisca 3,58 0,04 6 0,541666667 2 2 1,021978022 1 1,491803279Dian 3,48 0,04 6 0,270833333 2 2 1,32967033 1 1,491803279
Jonathan 3,38 0,04 6 2,083333333 2 1 1,373626374 1 1,491803279Mahesa 3,81 0,456666667 6 0,0625 2 1 2,63369978 1 1,491803279
Ana 3,69 0,156666667 4 0,0625 2 2 1,681318681 2 1,491803279Ayudani 3,88 0,313333333 4 0,0625 2 2 2,120879121 2 1,491803279
Eka 3,96 0,09 4 0,0625 2 2 1,681318681 3 1,491803279Dessie 3,51 0,04 4 0,291666667 2 2 3 2 1,491803279Ayu 3,71 0,256666667 4 0,0625 2 2 1,681318681 2 1,491803279
Julius 3,79 0,04 4 0,270833333 2 1 1,461538462 3 1,491803279Ita 3,65 0,04 4 1,5625 3 2 1,461538462 3 1,491803279
Lina 3,9 0,04 4 0,4375 2 2 1,901098901 2 1,491803279Yusuf 3,52 1,026666667 4 0,0625 2 2 1,717948571 2 1,491803279Yulia 3,66 0,04 4 0,270833333 2 2 1,901098901 2 1,491803279
Meilina 3,82 0,04 4 0,291666667 2 2 1,388278242 2 1,491803279Yoseph 3,75 0,04 2 0,270833333 2 2 2,010989011 3 1,491803279
Matriks keputusan diperoleh dari datamahasiswa yang sudah dirubah kedalamangka, selanjutnya matriks keputusan akandinormalisasi sesuai dengan Persamaan 9yaitu sifat benefit untuk SK1, SK2, SK3,SK4, SK5,SK6 dan SK8 serta sifat costuntuk SK7 dan SK9 untuk beasiswa PPA,
setelah didapatkan matriks ternorma-lisasimaka akan ditentukan nilai kriteria sesuaidengan Persamaan 8 yaitu dengan me-ngalikan matriks ternormalisasi denganbobot subkriteria yang telah ditentukandengan metode AHP.
Tabel 10. Matriks Keputusan Alternatif Beasiswa PPASK1 SK2 SK3 SK4 SK5 SK6 SK7 SK8 SK9
Rizal 3,85 0,04 6 0,0625 2 3 1,153846154 1 1Wayan Tony 3,59 0,04 6 0,0625 2 1 1,241758242 4 1Dewa Ray 3,75 0,04 6 0,0625 2 1 1,534798681 1 1SamsulHakim 3,09 0,04 6 0,0625 2 2 1,32967033 3 1,295081967
KomangDodik 3,29 0,04 6 0,0625 2 2 1,32967033 2 1,295081967
Putu Etin H 3,54 0,04 6 0,0625 2 1 1,095238242 4 1Putu Armita 3,53 0,04 6 0,0625 2 1 1,241758242 2 1,295081967Made Anyar 3,7 0,04 6 0,0625 2 2 1,461538462 2 1,295081967MadeAdiguna 3,34 0,04 6 0,0625 2 1 1,608058462 2 1
RofinusSeran 3,44 0,04 4 0,0625 2 1 1,388278242 4 1,295081967
Gede Sri 3,45 0,04 4 0,0625 2 1 1,32967033 1 1,295081967Suci Astiti 3,84 0,04 4 0,0625 2 1 1,461538462 1 1,295081967Arnoldena 3,62 0,04 4 0,0625 2 2 1,021978022 4 1Ni Kadek W 3,71 0,04 4 0,0625 2 2 1,021978022 2 1
29 Jurnal Teknologi Informasi dan Komputer, Volume 4, Nomor 1, Januari 2018
SK1 SK2 SK3 SK4 SK5 SK6 SK7 SK8 SK9Dewa Made 3,22 0,04 4 0,0625 2 2 1,593406593 4 1,295081967Ni Kadek W 3,28 0,04 4 0,0625 2 2 1,205128352 1 1,295081967Anggreni 3,46 0,04 4 0,0625 2 1 1,461538462 4 1Putu Eka P 3,3 0,04 2 0,0625 2 2 1,168498022 4 1Ernawati 3,25 0,04 2 0,0625 2 2 1,461538462 4 1,295081967Maria Polly 3,7 0,04 2 0,0625 2 2 1,241758242 4 1,295081967
Proses akhir metode SAW sesuaidengan Persamaan 10, yaitu denganmengalikan nilai kriteria dengan bobotkriteria yang telah ditentukan padapenjelasan Sub Bab 3.2, sehinggadidapatkan nilai akhir (Vi) untuk setiapalternatif terhadap setiap kriteria dan
dilakukan perankingan dengan mengurutkannilai terbesar hingga terkecil. Nilai akhir(Vi) dan perankingan alternatif mahasiswapemohon beasiswa PPA dapat dilihat padaTabel 11 sebagai berikut :
Tabel 11. Nilai Akhir dan Perankingan Alternatif Beasiswa PPAAlternatif Vi Rank
Christopher 0,742104157 5Ester 0,680632613 12Adi 0,625655857 20
Juliana 0,599814837 22Alit 0,646053234 18Putu 0,651842526 17
Sisca 0,742304214 4Dian 0,682613566 11
Jonathan 0,789919815 3Mahesa 0,674918592 13
Ana 0,665929713 15Ayudani 0,689485639 8
Eka 0,697220651 6Dessie 0,618195393 21Ayu 0,684302265 9
Julius 0,671474942 14Ita 0,841592201 1
Lina 0,68318399 10Yusuf 0,800060313 2Yulia 0,652422964 16
Meilina 0,691063003 7Yoseph 0,642055449 19
Nilai akhir (Vi) dan perankinganalternatif mahasiswa pemohon beasiswa
BPP dapat dilihat pada Tabel 12 sebagaiberikut :
Tabel 12. Nilai Akhir dan Perankingan Alternatif Beasiswa BBPAlternatif Vi Rank
Rizal 0,862381 8Wayan Tony 0,822919 3Dewa Ray 0,680255 18Samsul Hakim 0,779378 10Komang Dodik 0,755586 14Putu Etin H 0,854446 2Putu Armita 0,730328 11Made Anyar 0,75519 15Made Adiguna 0,683855 16Rofinus Seran 0,733958 9Gede Sri 0,642296 19
Sudipa, Decision Support System Dengan Metode Ahp, Saw Dan Roc Untuk Penentuan… 30
Suci Astiti 0,640872 20Arnoldena 0,900733 1Ni Kadek W 0,83721 17Dewa Made 0,747747 12Ni Kadek W 0,712604 17Anggreni 0,77899 6Putu Eka P 0,812455 5Ernawati 0,73422 13Maria Polly 0,795685 7Rizal 0,862381 8Wayan Tony 0,822919 19
SIMPULANSistem yang dikembangkan menggunakanmetode AHP, ROC dan SAW sudah mampuberjalan dengan benar, sehingga sistem inidapat digunakan sebagai rekomendasi bagiPuket III untuk menentukan alternatifmahasiswa terbaik penerima beasiswa PPAdan BBP. Perbandingan pengujian yangdilakukan pada penelitian menunjukkanbahwa perhitungan model SPK yangdilakukan sistem menghasilkan keputusanyang lebih baik dikarenakan adanyapenambahan kriteria yang digunakan padapenelitian dan pemberian bobot yangdilakukan dengan perhitungan metode yangdigunakan pada penelitian. Semakin banyakkriteria penilaian yang digunakan untukseleksi akan menghasilkan alternatifkeputusan paling sesuai dengan persyaratanyang telah ditentukan.
DAFTAR PUSTAKA
[1] Kusrini, 2007, Konsep dan AplikasiSistem Pendukung Keputusan,Yogyakarta, C.V Andi Offset.
[2] Yeh,C.H., 2003, The Selection ofMultiattribute Decision MakingMethods for Scholarship StudentSelection, International Journal ofSelection and Assessment, vol 4, hal289-296.
[3] Keeney, R, L. dan Raiffa, H., 1976,Decision With Multiple Objective :preference and value tradeoffs,John Wiley and Sons, Inc., NewYork.
[4] Lengkong, S.P., 2016, SistemPendukung Keputusan DinamisUntuk Seleksi Penerima BeasiswaMenggunakan Kombinasi MetodeAHP dan VIKOR, Tesis, Program
Pasca Sarjana Teknologi Informasi,Univ. Gadjah Mada, Yogyakarta.
[5] Afshari, A., Mohajed, M. danYusuff, R.M., 2010, SimpleAdditive Weighting approach toPersonnel Selection Problem,International Journal of InnovationManagement and Technology, vol1, 511-515.
[6] Turban, E., Aronson, J.E. danLiang, P.T., 2005, DecisionSupport System and IntelligentSystem (Sistem PendukungKeputusan dan Sistem Cerdas),Vol1, Ed. 7, diterjemahkan oleh DwiPrabantini, Andi Offset,Yogyakarta.
[7] McLeod, R.Jr., Schell, G.P,. 2007,Management Information System,Ed. 10, Prentice Hall Inc, UpperSaddle River, New Jersey.
[8] Saaty, T.L, 2007, Fundamentals ofDecision Making and PriorityTheory with the Analytic HierarchyProcess, Vol 6, RWS Publication,America.
[9] Kusumadewi, S., Hartati, S.,Harjoko, A. dan Retantyo, W.,2006,Fuzzy Multi-Attribute DecisionMaking (FUZZY MADM), GrahaIlmu, Yogyakarta
[10] Barron, F.H. dan Barret, B.E.,1996, Decision quality using rankedattributes weights, ManagementScience, vol 4, hal 1515-1523.
[11] Fishburn, P.C., 1967, AdditiveUtilities with Incomplete ProductSet : Application to Priorities andAssigments, Institute forOperations Research and theManagement Sciences, vol 3, hal537-542..