P-ISSN: 2723-8202
E-ISSN: 2503-1171
Volume 9.
No 1.
April 2024.
Page: 1-10
OPTIMASI PEMILIHAN MAHASISWA BERPRESTASI
MENGGUNAKAN METODE WP (WEIGHTED PRODUCT) BERBASIS
WEB DALAM SISTEM PENDUKUNG KEPUTUSAN
Fhatiah Adiba .
Abdul Rifai Wadjidi .
Andi Mawaddah Sumardi .
1,2,.
Program Studi Teknik Komputer.
Fakultas Teknik.
Universitas Negeri Makassar e-mail: adibafhatiah@unm.
* Abstract [Optimizing the Selection of Outstanding Students Using the Weighted Product (WP) Method in a Web-Based Decision Support Syste.
Students as learning agents and seekers of knowledge need to be encouraged to explore their potential, including in aspects of hard skills and soft skills.
This research focuses on building a Decision Support System (SPK) with the Weighted Product (WP) method to determine the best students.
Improving students' future existence depends not only on the excellence of hard skills, but also the balance of soft skills.
The research involved four journals related to SPK student selection, and WP was chosen as an evaluation method.
The research process begins with literature collection and system design, including design procedures, system usage, relationships between tables, use case diagrams, and WP method flowcharts.
The implementation of the system includes a login page, input of criteria and alternative values, and the process of calculating student rankings.
WP gives an accurate ranking, with Alternative 9 (Rifa.
as the best student.
Testing shows a high degree of accuracy between manual results and system results.
This DSS provides an objective evaluation of student achievement, with the potential for further development related to data integration with academic systems and user interface improvement.
The conclusion of this study is that SPK with the WP method can provide student rankings efficiently and accurately, helping to support decision making related to the selection of the best students.
Further development suggestions involve feature enhancements, data maintenance, and further integration with academic systems to improve system reliability.
Keywords: decision support system.
Weighted Product.
Selection of the Best Student Abstrak Mahasiswa sebagai agen pembelajaran dan pencari ilmu pengetahuan perlu didorong untuk menggali potensinya, termasuk dalam aspek hard skills dan soft skills.
Penelitian ini fokus pada pembangunan Sistem Pendukung Keputusan (SPK) dengan metode Weighted Product (WP) untuk menentukan mahasiswa terbaik.
Peningkatan eksistensi masa depan mahasiswa tidak hanya bergantung pada keunggulan hard skills, tetapi juga keseimbangan kemampuan soft skills.
Penelitian melibatkan empat jurnal terkait SPK pemilihan mahasiswa, dan WP dipilih sebagai metode evaluasi.
Proses penelitian dimulai dengan pengumpulan literatur dan perancangan sistem, termasuk prosedur perancangan, penggunaan sistem, relasi antar tabel, use case diagram, dan flowchart metode WP.
Implementasi sistem mencakup halaman login, input nilai kriteria dan alternatif, serta proses perhitungan peringkat mahasiswa.
WP memberikan peringkat yang akurat, dengan Alternatif 9 (Rifa.
sebagai mahasiswa Pengujian menunjukkan tingkat akurasi yang tinggi antara hasil manual dan hasil sistem.
SPK ini memberikan evaluasi objektif terhadap prestasi mahasiswa, dengan potensi pengembangan lebih lanjut terkait integrasi data dengan sistem akademik dan peningkatan antarmuka pengguna.
Kesimpulan dari penelitian ini adalah bahwa SPK dengan metode WP dapat memberikan peringkat mahasiswa secara efisien dan akurat, membantu mendukung pengambilan keputusan terkait pemilihan mahasiswa terbaik.
Saran pengembangan selanjutnya melibatkan peningkatan fitur, pemeliharaan data, dan integrasi lebih lanjut dengan sistem akademik guna meningkatkan kehandalan sistem.
Kata Kunci: Sistem Pendukung Keputusan.
Weighted Product.
Pemilihan Mahasisiwa Terbaik.
Jurnal TIKA Fakultas Ilmu Komputer Universitas Almuslim.
Vol.
No.
Fhatiah Adiba Ae Optimasi Pemilihan Mahasiswa Berprestasi Menggunakan Metode Wp (Weighted Produc.
Berbasis Web Dalam Sistem Pendukung Keputusan Pendahuluan Mahasiswa adalah orang yang tengah belajar dan mengejar ilmu pengetahuan, baik itu di institusi pendidikan tinggi seperti perguruan tinggi, politeknik, sekolah tinggi, institut, atau universitas (Qosim & Hamid, 2.
Siswoyo pada 2007 mengemukakan bahwa mahasiswa bisa diartikan sebagai individu yang sedang mengejar ilmu di tingkat pendidikan tinggi, baik itu di perguruan tinggi negeri, swasta, atau lembaga setingkat perguruan tinggi lainnya.
Mahasiswa dinilai memiliki tingkat kecerdasan yang tinggi, kemampuan berpikir kritis, dan keterampilan merencanakan aksi dengan baik.
Kemampuan untuk berpikir secara kritis dan merespons dengan cepat dan tepat dianggap sebagai karakteristik yang melekat pada setiap mahasiswa, dan prinsip-prinsip ini dianggap saling melengkapi (Shahib & Bachri, 2.
Setiap mahasiswa secara tak langsung diminta untuk memiliki keterampilan teknis .
ard skill.
dan interpersonal .
oft skill.
yang mampu mendukung perkembangan masa depannya.
Namun, tidak semua mahasiswa menyadari sepenuhnya potensi yang dimilikinya, dan terkadang kurang memiliki motivasi dan ketrampilan untuk menggali secara optimal potensi-potensi tersebut (Novita et al.
, 2.
Di zaman persaingan bebas saat ini, keberhasilan lulusan tidak hanya dilihat dari kemampuan hard skills, tetapi juga oleh kemampuan soft skills yang seimbang.
Oleh karena itu, mahasiswa dihadapkan pada tuntutan untuk tidak hanya aktif dalam prestasi akademik, tetapi juga dalam pencapaian di bidang non-akademik (Indayani, 2.
Dengan demikian, penting bagi perguruan tinggi untuk mengetahuai adanya mahasiswa berprestasi dan memberikan apresiasi melalui seleksi mahasiswa terbaik tingkat perguruan tinggi.
Langkah ini bertujuan untuk mendorong motivasi mahasiswa, memacu mereka untuk mengembangkan potensi secara optimal, baik dalam aspek akademis maupun non-akademis.
Penelitian ini dilakukan dengan tujuan membangun web Sistem Pendukung Keputusan dengan menggunakan metode Weighted Product (WP) untuk menentukan mahasiswa terbaik.
Metode WP dipilih sebagai alat penyelesaian dalam pengambilan keputusan, di mana kriteria dan bobot menjadi pertimbangan utama dalam proses evaluasi (Yoni & Mustafidah, 2.
Metode ini menawarkan kecepatan dan ketepatan dalam pemilihan mahasiswa terbaik sesuai dengan kriteria yang diinginkan ataupun minimal mendekati kriteria tersebut.
Sebelumnya, penelitian kinerja Simple Additive Weighting (SAW) dan Weighted Product (WP) telah dilakukan oleh Kusumawati pada tahun 2015.
Hasilnya menyimpulkan bahwa penerapan SAW dan WP memiliki potensi besar sebagai Sistem Pendukung Keputusan (SPK) dalam pemilihan mahasiswa terbaik Metode Prosedur Perancangan Mengumpulkan referensi dari studi literatur serta data tentang tools yang akan dipakai adalah langkah pertama dalam penelitian ini.
Referensi yang digunakan berasal dari 4 jurnal yaitu Implementasi Metode MABAC Dalam Pemilihan Mahasiswa Terbaik dengan Teknik Pembobotan Rank Sum oleh Sihombing & Cahyadi tahun 2023.
Yani tahun 2016 berjudul Sistem Pendukung Keputusan Pemilihan Mahasiswa Berprestasi di STMIK Atma Luhur Pangkalpinang dengan Menggunakan Metode Analytical Hierarchy Process (AHP).
Penerapan Metode AHP-WP Dalam Penentuan Lulusan Terbaik Profesi Ners UMKT Tahun 2023 oleh Pallah et , dan Purnomo & Rozi tahun 2018 dengan jurnal Rekomendasi Pemilihan Mahasiswa Terbaik Menggunakan Fuzzy MADM Dengan Simple Additive Weighting (SAW).
Selanjutnya, proses pemodelan sistem melibatkan pembuatan skenario, perancangan database, pembuatan aplikasi, dan pengujian sistem.
Tahap ini merupakan langkah awal dalam penelitian.
Hasil akhirnya didasarkan pada evaluasi dan pengujian sistem.
Gambar 1.
Flowchart Prosedur Perancangan Jurnal TIKA Fakultas Ilmu Komputer Universitas Almuslim.
Vol.
9 No.
Fhatiah Adiba Ae Optimasi Pemilihan Mahasiswa Berprestasi Menggunakan Metode Wp (Weighted Produc.
Berbasis Web Dalam Sistem Pendukung Keputusan Penggunaan Sistem Gambar 2.
Flowchart Penggunaan Sistem Gambar 2 merupakan proses sistem yang dimulai dengan login agar dapat menambahkan kriteria, menambahkan bobot, menambahkan alternatif dan memasukkan nilai dari alternatif.
Setelah nilai alternatif dimasukkan maka dilakukan validasi.
Pada proses hitung nilai dengan metode WP terdiri dari menghitung vektor S lalu dilakukan perhitungan vektor V.
Dari vektor V didapatkan hasil perankingan mahasiswa terbaik dan hasilnya dapat dicetak baik itu dalam bentuk cetak dan laporan saja.
Relasi Antar Tabel Gambar 3.
Relasi Tabel Database Gambar 3 menunjukkan susunan database yang digunakan untuk menyimpan data pada suatu situs web.
Database ini terdiri dari beberapa tabel yang saling terkait, dan data disusun sesuai dengan nama tabelnya.
Jurnal TIKA Fakultas Ilmu Komputer Universitas Almuslim.
Vol.
9 No.
Fhatiah Adiba Ae Optimasi Pemilihan Mahasiswa Berprestasi Menggunakan Metode Wp (Weighted Produc.
Berbasis Web Dalam Sistem Pendukung Keputusan Use Case Diagram Gambar 4.
Use Case Diagram Dari gambar 4, proses akses dibatasi untuk satu peran saja, yaitu admin.
Sebagai admin, ia memiliki hak akses CRUD (Create.
Read.
Update.
Delet.
di dalam situs web dan juga dapat melakukan fungsi cetak Flowchart Metode WP Gambar 5.
Flowchart Metode Pada gambar 5, terlihat urutan langkah dalam metode Weighted Product (WP).
Langkah-langkah tersebut meliputi menentukan kriteria, menyusun penilaian tingkat kesesuaian, melakukan normalisasi bobot, menghitung nilai vektor s, dan menghitung nilai vektor v.
Hasil dan Pembahasan Kriteria dan Sub Kriteria Dalam sistem pendukung keputusan ini, kriteria dan subkriteria yang akan digunakan untuk perhitungan dan penilaian mahasiswa berprestasi telah ditentukan.
Berikut adalah kriteria dan subkriteria tersebut:
Kriteria Jurnal TIKA Fakultas Ilmu Komputer Universitas Almuslim.
Vol.
9 No.
Fhatiah Adiba Ae Optimasi Pemilihan Mahasiswa Berprestasi Menggunakan Metode Wp (Weighted Produc.
Berbasis Web Dalam Sistem Pendukung Keputusan Terdapat 5 kriteria yang digunakan dalam penelitian ini yaitu IPK.
Surat Peringatan (SP).
Prestasi.
Kegiatan Mahasiswa, dan Masa Studi.
Tabel 1.
Penilaian Kriteria
Kode
Nama Kriteria
Jenis Kriteria
Bobot
IPK
Benefit Surat Peringatan (SP) Cost Prestasi Benefit Kegiatan Mahasiswa Benefit Masa Studi Cost .
Sub Kriteria Terdapat 3 sub kriteria dari Surat Peringatan (SP) sebagai berikut.
Tabel 2.
Sub Kriteria Surat Peringatan (SP) Kriteria
Sub Kriteria
Nilai Tidak Pernah Mendapat SP
(TPM-SP)
Surat
Peringatan Mendapat Peringatan Lisan
(SP)
(MPL)
Mendapat SP-1 (M-SP-.
Terdapat 4 sub kriteria dari Prestasi sebagai berikut.
Tabel 3.
Sub Kriteria Prestasi Kriteria Sub Kriteria Nilai Internasional Nasional Prestasi Regional Tidak Ada Terdapat 3 sub kriteria dari Kegiatan Mahasiswa sebagai berikut.
Tabel 4.
Sub Kriteria Kegiatan Mahasiswa Kriteria Sub Kriteria Nilai Himpunan Kegiatan BEM, dan Himpunan Mahasiswa BEM.
Himpunan.
UKM
Alternatif
Kode
A10
A11
Tabel 5.
Data Alternatif Kriteria Alternatif Awal Novera Rhuby Anwar Wanda Fahmi Wulan Windri Rifai Hamzah 3.
Tegar Dalam Tabel 5 terdapat data mahasiswa sebanyak 11 dataset dengan nilai-nilai yang telah diberikan berdasarkan kriteria yang telah dipilih.
Setiap entri data mahasiswa memiliki nilai yang akan digunakan dalam perhitungan lanjutan.
Normalisasi Bobot Perhitungan pertama yang akan dilakukan yakni normalisasi bobot (W).
Normalisasi bobot dilakukan untuk memperbaiki bobot sehingga total bobot W = 1 dengan rumus sebagai berikut.
ycycnyc = Oc ycn yc yc Maka diperoleh hasil sebagai berikut:
Jurnal TIKA Fakultas Ilmu Komputer Universitas Almuslim.
Vol.
9 No.
Fhatiah Adiba Ae Optimasi Pemilihan Mahasiswa Berprestasi Menggunakan Metode Wp (Weighted Produc.
Berbasis Web Dalam Sistem Pendukung Keputusan Tabel 6.
Bobot Ternormalisasi Dalam Tabel 6 terdapat hasil perhitungan bobot ternormalisasi, di mana setiap nilai kriteria dibagi dengan jumlah bobot kriteria sehingga menghasilkan nilai bobot yang ternormalisasi.
Nilai-nilai ini akan digunakan untuk menentukan nilai vektor s yang akan dihubungkan dalam langkah-langkah selanjutnya.
Hasil Vektor S Vektor preferensi S dihitung dari setiap alternatif yang ada dengan rumus:
ycIycn = Ocycuyc=1 ycUycnyc yc Maka diperoleh perhitungan masing-masing alternatif sebagai berikut.
Tabel 7.
Hasil Vektor S Kode Alternatif
Awal Novera
Rhuby Anwar
Wanda
Fahmi
Wulan
Windri
Rifai A10
Hamzah
A11
Tegar Total Dalam Tabel 7, terdapat hasil vektor S, di mana perhitungan dilakukan dengan mengalikan setiap nilai dari mahasiswa dengan nilai bobot ternormalisasi, dan hasilnya dipangkatkan sesuai dengan bobot ternormalisasi.
Hasil ini menciptakan vektor S yang merepresentasikan nilai kecocokan untuk setiap alternatif.
Hasil Vektor V Vektor preferensi V dihitung dari setiap alternatif yang ada dengan rumus:
Oaycu yc=1 ycUycnyc ycOycn = Oaycu atau ycOycn = ycIycn Oc ycIycn Maka diperoleh perhitungan masing-masing alternatif sebagai berikut.
Tabel 8.
Hasil Vektor V
Kode Alternatif
Awal Novera
Rhuby Anwar
Wanda
Fahmi
Wulan
Windri
Rifai A10
Hamzah
A11
Tegar Tabel 8 menampilkan output dari vektor V, di mana masing-masing nilai vektor S untuk setiap mahasiswa dibagi dengan total nilai vektor S dari seluruh mahasiswa.
Tahap ini menghasilkan nilai vektor V yang nantinya akan digunakan untuk menentukan peringkat bagi setiap mahasiswa.
yc ycUycnyc OycOyc Menentukan Peringkat Tabel 9.
Hasil Perangkingan Kode Alternatif Rank Rifai Wanda Jurnal TIKA Fakultas Ilmu Komputer Universitas Almuslim.
Vol.
9 No.
Fhatiah Adiba Ae Optimasi Pemilihan Mahasiswa Berprestasi Menggunakan Metode Wp (Weighted Produc.
Berbasis Web Dalam Sistem Pendukung Keputusan Fahmi
A10
Hamzah
Awal Novera
A11
Tegar Windri Wulan Rhuby Anwar Dalam Tabel 9, terdapat hasil perangkingan berdasarkan nilai vektor V, yang diurutkan dari nilai terbesar hingga terkecil.
Hasil ini memberikan peringkat atau ranking bagi setiap mahasiswa.
Implementasi Sistem .
Halaman Login Gambar 6.
Halaman Login Gambar 6 menampilkan halaman login dengan kolom yang akan berisi username dan password, serta button "Login" dan "Cancel".
Halaman Home Gambar 7.
Halaman Home Gambar 7 menampilkan halaman home yang berisi bobot kriteria, kriteria yang digunakan, nilai referensi atau bobot kriteria, dan alternatif kriteria.
Halaman Input Nilai Data Kriteria Gambar 8.
Halaman Input Data Kriteria Jurnal TIKA Fakultas Ilmu Komputer Universitas Almuslim.
Vol.
9 No.
Fhatiah Adiba Ae Optimasi Pemilihan Mahasiswa Berprestasi Menggunakan Metode Wp (Weighted Produc.
Berbasis Web Dalam Sistem Pendukung Keputusan Gambar 8 menampilkan halaman input data kriteria dengan fungsi CRUD.
Pengguna dapat memasukkan Nama Kriteria beserta Jenis Kriteria.
Tombol CRUD (Create.
Read.
Update.
Delet.
memberikan kemampuan untuk menambah, melihat, mengedit, dan menghapus data kriteria.
Halaman Input Nilai Data Alternatif Gambar 9.
Halaman Input Data Alternatif Gambar 9 menampilkan halaman input data alternatif dengan fungsi CRUD.
Pengguna dapat memasukkan Kode Alternatif beserta Nama Alternatif.
Tombol CRUD (Create.
Read.
Update.
Delet.
memberikan kemampuan untuk menambah, melihat, mengedit, dan menghapus data alternatif.
Halaman Input Nilai Data Bobot Gambar 10.
Halaman Input Data Bobot Gambar 10 menampilkan halaman input data bobot dengan fungsi CRUD.
Pengguna dapat memasukkan Nilai Bobot dari kriteria yang telah dipilih dan hasil normalisasi bobotnya otomatis muncul.
Tombol CRUD (Create.
Read.
Update.
Delet.
memberikan kemampuan untuk menambah, melihat, mengedit, dan menghapus data bobot.
Halaman Proses Gambar 11.
Halaman Proses Memasukkan Nilai Alternatif Gambar 11 menampilkan halaman proses menambahkan nilai kriteria dari alternatif dengan menggunakan fungsi Create dari CRUD.
Jurnal TIKA Fakultas Ilmu Komputer Universitas Almuslim.
Vol.
9 No.
Fhatiah Adiba Ae Optimasi Pemilihan Mahasiswa Berprestasi Menggunakan Metode Wp (Weighted Produc.
Berbasis Web Dalam Sistem Pendukung Keputusan .
Halaman Hasil Akhir Gambar 12.
Lihat Semua Data Gambar 12 menampilkan seluruh data yang telah ditambahkan seperti alternatif, kriteria, dan nilai kriteria dari masing-masing alternatif.
Gambar 13.
Grafik Perangkingan Gambar 13 menunjukkan grafik perankingan dari alternatif yang memiliki nilai vector V tertinggi ke terendah yang ditunjukkan dengan warna balok diagram grafik yang berbeda.
Halaman Laporan Gambar 14.
Laporan Perankingan Gambar 14 menunjukkan halaman dari laporan perankingan dengan alternatif A9 sebagai mahasiswa berprestasi pertama.
Laporan ini dapat dicetak dengan mengklik halaman cetak laporan 1.
Pengujian Metode Tabel 10.
Pengujian Metode Kode Alternatif Hasil Manual Hasil Sistem Perbedaan Awal Novera Rhuby Anwar Wanda Fahmi Wulan Windri Rifai Jurnal TIKA Fakultas Ilmu Komputer Universitas Almuslim.
Vol.
9 No.
Fhatiah Adiba Ae Optimasi Pemilihan Mahasiswa Berprestasi Menggunakan Metode Wp (Weighted Produc.
Berbasis Web Dalam Sistem Pendukung Keputusan A10
Hamzah
A11
Tegar Tabel 10 menunjukkan hasil pengujian metode, dengan membandingkan nilai hasil manual dan hasil sistem untuk setiap alternatif.
Kolom "Perbedaan" memberikan informasi tentang sejauh mana hasil sistem berkorelasi dengan hasil manual.
Perbedaan yang dihasilkan terlihat minimal, menunjukkan tingkat akurasi dan konsistensi yang baik dari sistem.
Evaluasi lebih lanjut terhadap metode atau algoritma dapat diperlukan untuk memastikan kehandalan sistem dalam memberikan nilai yang sesuai dengan nilai manual.
Kesimpulan Dari hasil penelitian dan pembahasan di atas maka kesimpulan yang didapatkan sebagai berikut:
Hasil perhitungan menggunakan metode WP didapat mahasiswa terbaik yaitu Alternatif 9 (Rifa.
dengan nilai vektor V untuk perhitungan manual sebesar 0.
144969438 dan untuk perhitungan menggunakan sistem Hasil pengujian menunjukkan bahwa sistem dapat memberikan peringkat mahasiswa dengan akurasi tinggi.
Pentingnya aplikasi ini terletak pada kemampuannya dalam memberikan evaluasi objektif terhadap prestasi Saran pengembangan melibatkan peningkatan fitur, pemeliharaan data, dan integrasi lebih lanjut dengan sistem akademik.
Perlu dilakukan pengembangan lebih lanjut pada integrasi data dengan sistem akademik, pembenahan antarmuka pengguna, dan penambahan fitur evaluasi kinerja.
Evaluasi rutin terhadap metode atau algoritma juga perlu dilakukan untuk menjaga kehandalan sistem.
Daftar Pustaka