[VOL.
VII NO.
1 FEBRUARI 2.
JURNAL SISTEM INFORMASI
STMIK ANTAR BANGSA
Penerapan Metode Simple Additive Weighting (SAW) pada Pemilihan Mahasiswa Terbaik (Studi Kasus : STMIK Antar Bangs.
Kusuma Hati AbstractAi The best student selection in STMIK Antar Bangsa is still done by manual using Microsoft Excel, which is seen based on academic criteria, that is Cumulative Achievement Index (GPA), student's study period, and No D value.
In addition there are criteria tahfidz value taken in the last semester.
When the data Students to be selected have a large number, it will take a long time and can allow the occurrence of errors in the processing of data used in the process of selecting the best Student.
In this research, it is proposed a decision support system for the selection of the best Student at STMIK Antar Bangsa which is done by using Simple Additive Weighting (SAW) method, which is expected to result in the decision of the best student data ranking IntisariAi Pemilihan Mahasiswa terbaik di STMIK Antar Bangsa masih dilakukan dengan cara manual yaitu dengan menggunakan Microsoft excel, yang dilihat berdasarkan kriteria akademik, yaitu Index Prestasi Kumulatif (IPK), masa studi mahasiswa, dan Tidak ada nilai D.
Selain itu terdapat kriteria nilai tahfidz yang diambil pada semester Bila data Mahasiswa yang akan dipilih memiliki jumlah yang banyak, maka akan membutuhkan waktu yang lama dan dapat memungkinkan terjadinya kesalahan dalam proses pengolahan data yang digunakan dalam proses pemilihan Mahasiswa terbaik.
Pada penelitian ini diusulkan suatu sistem pendukung keputusan untuk pemilihan Mahasiswa terbaik di STMIK Antar Bangsa yang dilakukan dengan menggunakan metode Simple Additive Weighting (SAW), yang diharapkan dapat menghasilkan keputusan berupa daftar perangkingan data Mahasiswa terbaik.
Kata KunciAi Mahasiswa terbaik.
Simple Additive Weighing (SAW) PENDAHULUAN Setiap Perguruan Tinggi baik Negeri Maupun Swasta memiliki mahasiswa lulusan yang dibekali dengan kemampuan sesuai dengan bidang ilmunya.
Mahasiswamahasiswa terbaik pasti dipilih disetiap periode lulusan.
Dan pemilihan Mahasiswa terbaik tersebut memiliki kriteria yang sudah ditentukan.
Untuk pemilihan tersebut, diperlukan suatu sistem yang dapat digunakan untuk membantu proses penentuan lulusan terbaik.
Sistem pendukung keputusan merupakan suatu sistem yang dapat membantu proses penentuan lulusan mahasiswa Jurusan Sistem Informasi STMIK Antar Bangsa.
Kawasan Bisnis CBD Ciledug.
JL.
HOS Cokroaminoto.
Blok A5 No.
Karang Tengah.
Ciledug.
Tangerang INDONESIA, .
email: kusumahati.
antarbangsa@gmail.
terbaik, karena sistem pendukung keputusan dapat menentukan alternatif terbaik dengan kriteria yang sudah ditentukan .
Pemilihan Mahasiswa terbaik di STMIK Antar Bangsa masih dilakukan dengan cara manual menggunakan Microsoft excel, yang dilihat berdasarkan kriteria akademik, yaitu Index Prestasi Kumulatif (IPK), masa studi mahasiswa, dan Tidak ada nilai D.
Selain itu terdapat kriteria nilai tahfidz yang diambil dari semester terakhir, yaitu semester delapan.
Bila data Mahasiswa yang akan dipilih memiliki jumlah yang banyak, maka akan membutuhkan waktu yang sangat lama dan dapat memungkinkan terjadinya kesalahan dalam proses pengolahan data yang digunakan dalam proses pemilihan Mahasiswa terbaik.
Karena itu diperlukan suatu sistem pendukung keputusan untuk pemilihan mahasiswa terbaik di STMIK Antar Bangsa.
Pada penelitian ini, metode sistem pendukung keputusan yang digunakan adalah Simple Additive Weighting (SAW).
Penelitian ini bertujuan untuk membuat suatu sistem pendukung keputusan yang dapat membantu bagian akademik STMIK Antar Bangsa dalam menghasilkan keputusan berupa hasil pemilihan mahasiswa terbaik yang lebih akurat dan tepat.
II.
TEORI PENDUKUNG
Sistem Pendukung Keputusan Sistem Pendukung Keputusan (SPK) adalah salah satu cara mengorganisir informasi untuk digunakan dalam membuat keputusan.
Ada yang mendefinisikan bahwa sistem pendukung keputusan merupakan suatu pendekatan untuk mendukung pengambilan keputusan.
Sistem pendukung keputusan menggunakan data, memberikan menggabungkan pemikiran pengambil keputusan.
Sistem Pendukung Keputusan (SPK) biasanya dibangun untuk mendukung solusi atau suatu masalah atau untuk suatu peluang.
Metode Simple Additive Weighting (SAW) Metode Simple Additive Weighting (SAW) sering juga dikenal dengan istilah metode penjumlahan terbobot.
Konsep dasar metode Simple Additive Weighting (SAW) adalah mencari penjumlahan terbobot dari rating kinerja setiap alternative pada semua atribut.
Metode ini sangat ISSN 2098-8711 | Penerapan Metode Simple A JURNAL SISTEM INFORMASI STMIK ANTAR BANGSA [VOL.
VII NO.
1 FEBRUARI 2.
disarankan untuk menyelesaikan masalah penyeleksian dalam sistem pengambilan keputusan multi proses.
Metode Simple Additive Weighting (SAW) merupakan metode yang banyak digunakan dalam pengambilan keputusan yang memiliki banyak atribut.
METODE PENELITIAN
Metode Penelitian yang digunakan untuk menentukan pemilihan mahasiswa terbaik di STMIK Antar Bangsa dengan metode SAW dapat dilihat pada Gbr 1.
Langkah-langkah metode dalam metode SAW adalah .
Memberikan nilai bobot preferensi (W) oleh pengambil keputusan untuk masing-masing kriteria yang sudah W = [W1.
W2.
W3 AAW.
Menentukan kriteria setiap alternatif untuk mahasiswa terbaik Menentukan Nilai Bobot Prioritas .
Melakukan normalisasi matriks keputusan Z dengan cara menghitung nilai rating kinerja ternormalisasi .
dari alternatif Ai pada atribut Cj Membuat matriks keputusan ycUycnyc ycycnyc = { ycAyaycUycn.
cUycny.
ycAyaycAycn .
cUycny.
Menghitung normalisasi ycUycnyc Keterangan :
rij = nilai rating kinerja ternormalisasi Xij = nilai atribut yang dimiliki dari setiap kriteria Max i = nilai terbesar dari setiap kolom kriteria Min i = nilai terkecil dari setiap kolom kriteria Apabila atribut berupa atribut keuntungan, maka nilai (Xi.
dari setiap kolom atribut dibagi dengan nilai (MAX xi.
dari tiap kolom, sedangkan bila atribut merupakan atribut biaya, nilai (MIN xi.
dari tiap kolom atribut dibagi dengan nilai (Xi.
setiap kolom.
Hasil dari nilai rating kinerja ternormalisasi .
membentuk matriks ternormalisasi (R) yc11 yc12 A A ycycnyc
U ]
ycI= [ U ycycn1 ycycn2 A A ycycnyc Keterangan:
Vi = Nilai akhir dari alternatif Wj = Bobot yang telah ditentukan rij = Normalisasi matriks Sumber : Data penelitian Gbr.
1 Metode penelitian menentukan mahasiswa terbaik IV.
HASIL DAN PEMBAHASAN
Penerapan Metode SAW Langkah yang dilakukan pada penelitian ini adalah menentukan kriteria setiap alternatif untuk pemilihan mahasiswa terbaik serta penentuan bobot kualitas dari setiap kriteria seperti yang terdapat pada Tabel 1.
TABEL 1
KRITERIA PEMILIHAN MAHASISWA TERBAIK
Melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi (N) dengan nilai bobot preferensi (W).
Menentukan nilai preferensi untuk setiap alternatif (V.
dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (N) dengan nilai bobot preferensi (W).
Nilai Vi yang terbesar mengindikasikan bahwa alternatif Ai tersebutlah yang terpilih.
ycOycn = Ocycuyc=1 ycOyc ycycnyc Melakukan proses perankingan .
Kode
Kriteria
Kriteria
IPK
Masa studi .
Tidak ada nilai D Nilai Tahfidz Kode Bobot Bobot Sumber : Data Penetilian Ketentuan Bobot berdasarkan skala rating kepentingan :
5 = Sangat Penting 4 = Penting 3 = Cukup Penting 2 = Kurang Penting 1 = Tidak Penting Langkah berikutnya adalah menentukan matrik keputusan dengan memasukkan nilai alternatif pada semua kriteria seperti pada Tabel 2.
ISSN 2098-8711 | Penerapan Metode SimpleA [VOL.
VII NO.
1 FEBRUARI 2.
JURNAL SISTEM INFORMASI
STMIK ANTAR BANGSA
TABEL 2
MATRIKS KEPUTUSAN
Alternatif
Kriteria
3,38
2,98
2,85
3,64
3,08
3,41
3,64
3,75
3,39
3,40
Mahasiswa 1
Mahasiswa 2
Mahasiswa 3
Mahasiswa 4
Mahasiswa 5
Mahasiswa 6
Mahasiswa 7
Mahasiswa 8
Mahasiswa 9
Mahasiswa 10
TABEL 4
MATRIKS TERNORMALISASI
Mahasiswa 1
Mahasiswa 2
Mahasiswa 3
Mahasiswa 4
Mahasiswa 5
Mahasiswa 6
Mahasiswa 7
Mahasiswa 8
Mahasiswa 9
Mahasiswa 10
TABEL 3
MATRIKS KEPUTUSAN DAN NILAI MAKSIMAL
Kriteria
Mahasiswa 1
Mahasiswa 2
Mahasiswa 3
Mahasiswa 4
Mahasiswa 5
Mahasiswa 6
Mahasiswa 7
Mahasiswa 8
Mahasiswa 9
Mahasiswa 10
MAKSIMAL
Sumber : Data Penelitian 3,38 2,98 2,85 3,64 3,08 3,41 3,64 3,75 3,39 3,40 8/8 = 1
8/8 = 1
8/8 = 1
8/8 = 1
8/8 = 1
8/8 = 1
8/8 = 1
8/8 = 1
8/8 = 1
8/8 = 1
0,84
0,76
0,81
0,95
0,62
0,95
0,86
1,00
0,97
0,71
0,84
0,76
0,81
0,95
0,62
0,95
0,86
1,00
0,97
0,71
Langkah selanjutnya adalah melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi (N) dengan nilai bobot preferensi (W) W = .
0,90 x 5 = 4,51 0,79 x 5 = 3,97 0,76 x 5 = 3,80 0,97 x 5 = 4,85 0,82 x 5 = 4,11 0,91 x 5 = 4,55 0,97 x 5 = 4,85 1,00 x 5 = 5,00 0,90 x 5 = 4,52 0,91 x 5 = 4,53 0,84 x 3 = 2,52 0,76 x 3 = 2,27 0,81 x 3 = 2,42 0,95 x 3 = 2,85 0,62 x 3 = 1,85 0,95 x 3 = 2,85 0,86 x 3 = 2,58 1,00 x 3 = 3,00 0,97 x 3 = 2,91 0,71 x 3 = 2,12 Sehingga didapatkan hasil dari perankingan seperti pada Tabel 5 Atribut pada penelitian ini merupakan atribut keuntungan, karena itu untuk menghitung normalisas makai nilai (Xi.
dari setiap kolom atribut dibagi dengan nilai (MAX xi.
dari setiap kolom.
3,38/3,75 = 0,90
2,98/3,75 = 0,79
2,85/3,75 = 0,76
3,64/3,75 = 0,97
3,08/3,75 = 0,82
3,41/3,75 = 0,91
3,64/3,75 = 0,97
3,75/3,75 = 1,00
3,39/3,75 = 0,90
3,40/3,75 = 0,91
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,90
0,79
0,76
0,97
0,82
0,91
0,97
1,00
0,90
0,91
Dari Tabel 2 maka ditentukan nilai maksimal dari setiap kriteria seperti pada Tabel 3
3,38
2,98
2,85
3,64
3,08
3,41
3,64
3,75
3,39
3,40
3,75
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
Sumber : Data Penelitian Sumber : Data Penelitian Alternatif
0,90
0,79
0,76
0,97
0,82
0,91
0,97
1,00
0,90
0,91
83/99 = 0,84
75/99 = 0,76
80/99 = 0,81
94/99 = 0,95
61/99 = 0,62
94/99 = 0,95
85/99 = 0,86
99/99 = 1,00
96/99 = 0,97
70/99 = 0,71
TABEL 5
PERANKINGAN
Mahasiswa 1
Mahasiswa 2
Mahasiswa 3
Mahasiswa 4
Mahasiswa 5
Mahasiswa 6
Mahasiswa 7
Mahasiswa 8
Mahasiswa 9
Mahasiswa 10
4,51
3,97
3,80
4,85
4,11
4,55
4,85
5,00
4,52
4,53
4,00
4,00
4,00
4,00
4,00
4,00
4,00
4,00
4,00
4,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
2,52
2,27
2,42
2,85
1,85
2,85
2,58
3,00
2,91
2,12
Sumber : Data Penelitian ISSN 2098-8711 | Penerapan Metode Simple A JURNAL SISTEM INFORMASI STMIK ANTAR BANGSA [VOL.
VII NO.
1 FEBRUARI 2.
Dari proses perankingan maka langkah selanjutnya adalah menentukan nilai preferensi untuk setiap alternatif dengan cara menjumlahkan hasil kali antara matriks ternormalisasi dengan nilai bobot preferensi.
TABEL 6
HASIL NILAI PREFERENSI
Alternatif Mahasiswa 1 Mahasiswa 2 Mahasiswa 3 Mahasiswa 4 Mahasiswa 5 Mahasiswa 6 Mahasiswa 7 Mahasiswa 8 Mahasiswa 9 Mahasiswa 10 Hasil Nilai (V.
11,02 10,25 10,22 11,70 9,96 11,40 11,43 12,00 11,43 10,65
Sumber : Data Penelitian Nilai Vi yang terbesar mengindikasikan bahwa Mahasiswa
tersebutlah yang dipilih, yaitu Mahasiswa 8
KESIMPULAN
Dari hasil penelitian yang telah dilakukan, maka penulis mengambil kesimpulan bahwa Sistem Pendukung Keputusan (SPK) Pemilihan Mahasiswa terbaik di STMIK Antar Bangsa dapat dilakukan dengan menggunakan metode Simple Additive Weighting (SAW) yang menghasilkan keputusan berupa daftar perangkingan data Mahasiswa terbaik.
Dengan menerapkan metode ini, dapat memberikan hasil pemilihan yang lebih akurat dan tepat.
REFERENSI