Jurnal Majalah Ilmiah https://jmi-upiyptk.
org/ojs Vol.
No.
Hal: 1-7 p-ISSN: 1412-5854, e-ISSN: 2502-8774 Sistem Pendukung Keputusan Penentuan Dosen Terfavorit Pilihan Mahasiswa Menggunakan Metode Simple Additive Weighting (SAW) FransAos Alfiando.
Jordi Esa Putra2.
Muhammad Fiqran.
1, 2, 3 Ilmu Komputer.
Universitas Putra Indonesia YPTK Padang fransalfiando@gmail.
Abstract Lecturers are academic staff who are in charge of planning and implementing the learning process, guidance and training, and are able to bring students into activities held by the University, both official and non-official.
Selection of favorite lecturers chosen by students can encourage lecturers to communicate more with students to be able to invite students to take part in groups or organizations involving students and lecturers.
However, in reality.
Universitas Putra Indonesia YPTK Padang is still not actively conducting this election.
To overcome these problems, a Decision Support System was designed to determine the student's favorite lecturers by using the simple additive weighting method.
The Decision Support System for Determining Favorite Lecturers of Student Choice is a system that is able to increase the ease of decision making in determining lecturers who have student attractiveness so that students are more active and more competent in the guidance of the selected lecturers.
In this system the lecturer's assessment is based on 5 criteria.
The criteria used are responsibility, discipline, attitude, initiative, and presence.
To get the final conclusion as an alternative decision to determine the lecturer of this choice requires the calculation process stage on each variable that has been determined based on the criteria.
The position of the decision support system in this study is as a decision supporter, not replacing the role of the decision maker, so that the decision maker has the right to fully refer to the decision support system or not.
The research results from the calculated simple additive weighting method can be concluded that the favorite lecturer of the student's choice is lecturer 2 with a score of 1.
00 which is the result of the highest ranking and can be used as an alternative for determining the favorite lecturer of the student's choice.
Keyword : System.
Lecturer Selection.
Decision Support System.
Research Method.
Simple Additive Weighting Abstrak Dosen merupakan tenaga akademik yang bertugas merencanakan dan melaksanakan proses pembelajaran, bimbingan dan pelatihan, serta mampu untuk membawa mahasiswa ke dalam kegiatan-kegiatan yang diadakan dari pihak Universitas baik resmi maupun non-resmi.
Pemilihan dosen favorit pilihan mahasiswa dapat memacu dosen untuk lebih berkomunikasi pada mahasiswa untuk dapat mengajak mahasiswa berperan dalam kelompok atau organisasi melibatkan mahasiswa dan Namun, pada kenyataannya.
Universitas Putra Indonesia YPTK Padang masih belum aktif melaksanakan pemilihan Untuk mengatasi permasalahan tersebut, maka dirancang sebuah Sistem Pendukung Keputusan penentuan dosen favorit pilihan mahasiswa dengan menggunakan metode simple additive weighting.
Sistem Pendukung Keputusan Penentuan Dosen Favorit Pilihan Mahasiswa ini merupakan suatu sistem yang mampu meningkatkan kemudahan dalam pemberi keputusan dalam penentuan Dosen yang memiliki daya tarik mahasiswa agar mahasiswa lebih aktif dan lebih kompeten dalam bimbingan Dosen pilihan tersebut.
Pada sistem ini penilaian dosen berdasarkan 5 kriteria.
Kriteria yang digunakan yaitu tanggung jawab, kedisiplinan, sikap, inisiatif, dan presensi.
Untuk mendapatkan hasil kesimpulan akhir sebagai alternatif keputusan untuk menentukan dosen pilihan ini membutuhkan tahap proses perhitungan pada setiap variabel yang sudah ditentukan berdasarkan kriteria.
Posisi sistem pendukung keputusan dalam penelitian ini adalah sebagai pendukung keputusan bukan menggantikan peran pengambill keputusan .
ecision make.
, sehingga decision maker berhak mengacu sepenuhnya pada sistem pendukung keputusan atau tidak.
Hasil penelitian dari metode simple additive weighting yang telah diperhitungkan dapat disimpulkan bahwa dosen favorit pilihan mahasiswa adalah dosen 2 dengan hasil skor 1,00 yang merupakan hasil ranking tertinggi dan dapat dijadikan alternatif untuk penentuan dosen favorit pilihan mahasiswa.
Keywords: Sistem.
Pemilihan Dosen.
Metode Penelitian.
Sistem Pendukung Keputusan.
Simple Additive Weighting Pendahuluan Memiliki dosen atau staf pengajar yang disukai oleh mahasiswa adalah keharusan dalam menciptakan proses belajar yang nyaman dan kelancaran di kelas yang membuat mahasiswa akan semangat mengikuti proses perkuliahan sehingga Diterima: 29-04-2021 | Revisi: 28-05-2021 | Diterbitkan: 30-06-2021 | DOI: 10.
35134/jmi.
FransAos Alfiando.
Jordi Esa Putra.
Muhammad Fiqran pengambilan suatu keputusan dalam penentuan penilaian sebuah objek.
Metode yang digunakan dalam penelitian ini adalah Simple Additive Weighting (SAW).
Tujuan dari penelitian ini adalah menghasilkan suatu prediksi penentuan penilaian dengan metode SAW sebagai alternatif penyelesaian masalah dalam analisis penilaian dosen terfavorit pada jurusan teknik informatika universitas putra indonesia yptk padang.
terciptanya proses belajar yang lebih efektif.
Untuk menjadi seorang dosen favorit tidaklah mudah untuk dijalani.
Tidak hanya harus kuliah tinggitinggi dan memiliki otak yang cemerlang, dosen harus bisa mengambil hati para mahasiswanya agar mereka mampu menyerap mata kuliah yang Universitas Putra Indonesia AuYPTKAy Padang merupakan lembaga pendidikan yang selalu berupaya untuk meningkatkan kualitas dalam proses pembelajaran sehingga dapat menghasilkan lulusan yang mempunyai kompetensi di bidangnya, untuk itu UPI YPTK Padang menentukan pemilihan dosen favorit, hal ini dilakukan untuk memotivasi dosen lebih meningkatkan kualitas dan Dalam penentuan dosen favorit di UPI YPTK terdapat beberapa faktor yang menjadi penilaian kinerja yaitu, keterlibatan dosen dalam kampus meliputi pelaksanaan proses belajar mengajar, kuesoner, bimbingan, penelitian dan pengabdian pada masyarakat.
Seperti penelitian yang telah dilakukan S.
Siti.
Lestari .
merancang sistem pendukung keputusan untuk melakukan penilaian guru terbaik menggunakan metode SAW, sedangkan S.
Nurlela dkk .
menggunakan metode SAW untuk menyeleksi jurusan terfavorit pada SMK Sirajul Dan A.
Windarto .
menggunakan SAW untuk menentukan penilaian kerja karyawan PTPN i Pematangsiantar .
Pada proses pengambilan keputusan, pengolahan data dan informasi dilakukan untuk menghasilkan berbagai alternatif keputusan yang dapat diambil.
SPK yang merupakan penerapan dari sistem informasi yang ditujukan hanya sebagai alat bantu manajemen dalam pengambilan keputusan.
SPK
tidak dimaksudkan untuk menggantikan fungsi pengambil keputusan dalam membuat keputusan, melainkan hanyalah sebagai alat bantu pengambil keputusan dalam melaksanakan tugasnya .
Di dalam era teknologi seperti ini dibutuhkan suatu system pengambil keputusan untuk mendapatkan Sistem Pendukung Keputusan sebagai sekumpulan tools komputer yang terintegrasi yang mengijinkan seorang decision maker untuk berinteraksi langsung dengan komputer.
Sistem Pendukung Keputusan (SPK) salah satu bidang ilmu teknologi yang dapat digunakan sebagai sarana pendukung dalam sebuah organisasi untuk memperoleh sebuah keputusan.
Penggunaan SPK biasanya dilakukan dengan memadukan sebuah satu atau beberapa metode.
Metode Penelitian Penelitian ini menggunakan sistem pendukung keputusan dengan metode SAW.
Dimana kriteria yang digunakan sebanyak 5 yaitu : Kedisiplinan, prestasi, tanggung jawab, inisiatif, presensi.
Pada penelitian ini sampel yang dipakai sebagai bahan pengujian sebanyak 5 sampel.
Penelitian yang menggunakan Fuzzy Multiple Attribute Decision Making (FMADM) dapat memutuskan satu atau lebih dari beberapa alternatif yang harus diambil sebagai bahan pertimbangan.
Banyak peneliti terdahulu yang telah menggunakan sistem ini untuk mengatasi permasalahanpermasalahan yang ada pada penelitian mereka dengan menerapkan metode seperti Analytical Hierarchy Process (AHP).
Weighted Product (WP), dan metode FMADM lainnya.
1 Simple Addtive Weight Metode SAW sering juga dikenal istilah metode penjumlahan terbobot.
Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut .
Metode SAW merupakan salah satu metode Fuzzy Multi Attribute Decision Making (MADM) yang paling sederhana dan paling banyak Selain itu, metode ini juga merupakan metode yang paling mudah diaplikasikan karena mempunyai algoritma yang tidak terlalu rumit .
Metode ini mengharuskan pembuat keputusan menentukan bobot dari setiap atribut.
Skor total untuk pembuat alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating .
ang dapat dibandingkan lintas atribu.
Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.
Formula untuk melakukan normalisasi tersebut adalah sebagai berikut:
Dari uraian masalah diatas, maka perlu adanya sebuah sistem pendukung keputusan yang dapat membantu proses pengambilan keputusan suatu masalah sehingga keputusan yang diberikan atau dihasilkan diharapkan dapat memenuhi batasan yang ditentukan.
Pada penelitian ini menggunakan Fuzzy Multiple Attribute Decision Making (FMADM), ada beberapa metode yang digunakan akan tetapi penggunaan Simple Additive Weighting (SAW) yang akan dipilih dalam menyelesaikan permasalahan ini.
Salah satu penerapan Fuzzy Multiple Attribute Decision Making (FMADM) adalah dalam Majalah Ilmiah UPI YPTK Vol.
28 No.
FransAos Alfiando.
Jordi Esa Putra.
Muhammad Fiqran E x ij x ij E Max E i rij A E E Min x ij E i EE x ij Menentukan data sampel jika j adalahatributkeuntungan.
Terdapat 5 orang dosen yang akan dinilai berdasarkan kriteria-kriteria yang sudah ditentukan.
5 orang dosen yang menjadi kandidat (Alternati.
tersebut adalah :
jika j adalahatributbiaya.
Tabel 5.
Data Sampel Dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj.
i=1,2,.
,m dan j=1,2,.
,n.
Keterangan :
R ij = nilai rating kinerja ternormalisasi Xij = nilai atribut yang dimiliki dari setiap Max xij = nilai terbesar dari setiap kriteria i Min xij= nilai terkecil dari setiap kriteria i Benefit= jika nilai terbesar adalah terbaik Cost = jika nilai terkecil adalah terbaik Kriteria atau atribut dapat dibagi menjadi dua kategori, yaitu:
Kriteria keuntungan adalah kriteria yang nilainya akan dimaksimumkan, misalnya:
IPK .
ntuk kasus pemilihan mahasiswa berprestas.
, dll.
Kriteria biaya adalah kriteria yang nilainya akan diminimumkan, misalnya: harga produk yang akan dibeli, biaya produksi, dll.
Nilai preferensi untuk setiap alternatif (V.
diberikan sebagai:
Kode Nama Dosen Rini Sovia S.
Kom.
Kom Eka Praja Wiyata Mandala Kom.
Kom Devia Kartika S.
Kom.
Kom Guslendra S.
Kom.
Kom Pradani Ayu Widya Purnama Kom.
Kom Menentukan kriteria dan bobot Selain data sampel, kriteria dan bobot merupakan bagian terpenting dalam metode SAW.
Hal ini dikarenakan kriteria dan bobot digunakan untuk penghitungan terhadap data sampel.
Tabel 5.
Data Kriteria dan Bobot Vi A Eu w j rij jA1 Keterangan :
Wj = Nilai bobot dari setiap kriteria Rij = Nilai rating kinerja ternormalisasi Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
Kode
Kriteria
Bobot
Kedisiplinan 0,25 Sikap
Tanggung Jawab Inisiatif
0,15
Presensi Dalam perhitungan ini, dikarenakan semakin tinggi nilainya semakin baik, maka setiap kriteria dihitung menggunakan atribut benefit dari metode SAW.
Hasil Dan Pembahasan Hasil dari penelitian ini adalah sebuah rancangan sistem pendukung keputusan berbasis web yang pelaksanaan pemilihan dosen terfavorit.
Selain itu sistem pendukung keputusan ini menggunakan metode SAW yang digunakan untuk memberikan alternatif perangkingan hasil pemilihan dosen terfavorit dari proses perhitungan nilai dari beberapa kriteria pemilihan dosen terfavorit, diantaranya kedisiplinan, sikap, tanggung jawab, inisiatif, dan presensi.
Pemberian nilai kriteria dosen Dari proses penilaian terhadap 5 orang dosen (Alternati.
berdasarkan kriteria-kriteria yang telah ditentukan, didapatkan hasil sebagai berikut:
Tabel 5.
Nilai Kriteria Dosen 1 Proses Penghitungan Pada bagian ini akan dijelaskan langkah-langkah atau tahapan dari penilaian dosen terfavorit dengan menggunakan metode SAW.
Adapun tahapan yang dimaksud sebagai berikut:
Alternatif Majalah Ilmiah UPI YPTK Vol.
28 No.
FransAos Alfiando.
Jordi Esa Putra.
Muhammad Fiqran Perhitungan Normalisasi Setelah didapatkan nilai untuk masing-masing kriteria dari setiap alternatif, maka selanjutnya adalah menghitung nilai normalisasi sebagai = 0,988889 = 0,955556 = 0,922222 = 0,966667 = 0,920455 = 0,977273 = 0,920455 = 0,965517 = 0,965909 = 0,954023 = 0,896552 = 0,977011 = 0,943182 = 0,988636 = 0,897727 Dari hasil r11 sampai r55 maka dibuatkan normalisasi matriks R sebagai berikut:
Tabel 5.
Hasil Normalisasi
= 0,954545
NORMALISASI
= 0,977273
= 0,977273
= 0,909091
= 0,977273
Penghitungan pembobotan Hasil normalisasi yang didapat akan dikalikan dengan nilai bobot pada setiap kriteria penilaian dan kemudian dijumlahkan menggunakan rumus :
Majalah Ilmiah UPI YPTK Vol.
28 No.
FransAos Alfiando.
Jordi Esa Putra.
Muhammad Fiqran
Vi = ranking untuk setiap alternatif
0,973963
0,968269
0,956817
0,910375
Wj = nilai bobot dari setiap kriteria rij = nilai rating kinerja ternormalisasi Sehingga dengan demikian nilai terbaik ada pada V2 dengan alternatif A2 adalah alternatif yang terpilih sebagai alternatif terbaik.
Dengan kata lain, bapak Eka Praja Wiyata Mandala S.
Kom.
Kom (A.
akan terpilih sebagai Dosen Terfavorit.
Dengan persamaan diatas, maka akan didapat :
= .
,920.
= 0,956817
= .
= 1
2 Perancangan Antar Muka
= 0,973963
Merupakan halaman pertama yang akan muncul pada saat mengakses web/aplikasi sistem pendukung keputusan dosen terfavorit.
,896.
0,910375
= 0,968269
Halaman Utama / Home Tabel 5.
Perhitungan Bobot
Halaman Login
PERHITUNGAN BOBOT
Merupakan halaman untuk melakukan login bagi HASI Perangkingan Halaman Dashboard Langkah terakhir adalah proses perangkingan berdasarkan nilai V terbesar.
Hasil perangkingan tersebut adalah sebagai berikut :
Merupakan halaman utama user setelah melakukan Tabel 3.
Perangkingan Rangking Alternatif Total Nilai Majalah Ilmiah UPI YPTK Vol.
28 No.
FransAos Alfiando.
Jordi Esa Putra.
Muhammad Fiqran Halaman Input Data Alternatif Merupakan halaman yang berfungsi menginputkan data Alternatif .
Halaman Normalisasi Merupakan halaman yang menampilkan hasil dari proses normalisasi.
Halaman Input Kriteria Halaman Penghitungan Bobot Merupakan halaman yang berfungsi untuk menginputkan kriteria dan bobot untuk digunakan dalam proses penghitungan.
Merupakan halaman yang menampilkan hasil dari penghitungan pembobotan.
Halaman Perangkingan Halaman Input Data Penilaian Merupakan halaman yang menampilkan hasil perangkingan dari setiap alternatif berdasarkan proses penghitungan yang telah dilakukan.
Disini akan menampilkan alternatif dengan total nilai tertinggi dan terpilih menjadi alternatif terbaik.
Merupakan halaman untuk menginputkan nilai yang didapatkan dari proses penilaian terhadap dosen (Alternati.
berdasarkan kriteria-kriteria yang telah ditentukan.
Majalah Ilmiah UPI YPTK Vol.
28 No.
FransAos Alfiando.
Jordi Esa Putra.
Muhammad Fiqran PENENTUAN GURU BERPRESTASI di SD Negeri 04 WATUAGUNG MENGGUNAKAN METODE SAW,Ay Prociding Kmsi, vol.
5, no.
1, pp.
539Ae545, .
Utara-indonesia.
Au2 , 3 , 4,Ay vol.
1, 2016.
Kesimpulan Adapun kesimpulan pada peneltiian ini adalah Sistem Pendukung Pengambilan Keputusan pemilihan dosen terfavorit telah berhasil dibuat SAW (Simple Additive Weightin.
Dimana didapatkan bahwa jumlah rata-rata %skor aktual dari kemudahan penggunaan metode adalah 78% digolongkan kategori Setuju dan manfaat sistem adalah 82% digolongkan kategori sangat setuju.
Secara umum Sistem Pendukung Pengambilan Keputusan dosen terfavorit dapat berfungsi dengan baik dengan memberikan hasil rekomendasi terbaik sesuai dengan kebutuhan user.
DAFTAR PUSTAKA