SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU

DI SMA NEGERI 3 GARUT

Asep Hendar Rustiawan1, Dini Destiani2, Andri Ikhwana3
Jurnal Algoritma
Sekolah Tinggi Teknologi Garut
Jl. Mayor Syamsu No. 1 Jayaraga Garut 44151 Indonesia
Email : jurnal@sttgarut.ac.id
1

Barandotz@ymail.com
Ddsitifatimah@yahoo.co.id
3
Andri_ikhwan@yahoo.com
2

Abstrak - Tujuan penelitian ini untuk untuk membangun sebuah aplikasi sistem pendukung
keputusan penyeleksian calon siswa baru di SMA Negeri 3 Garut. Metodologi yang digunakan
dalam proses sistem pendukung keputusan menggunakan model Simon dan untuk perhitungannya
menggunakan model TOPSIS (Technique For Others Reference by Similarity to Ideal Solution).
Hasil penelitian ini menunjukkan bahwa penggunaan sistem pendukung keputusan penyeleksian
calon siswa baru di SMA Negeri 3 garut ini dapat membantu, mempermudah pekerjaan dan
meminimalisir kesalahan yang dilakukan oleh panitia penyeleksi calon siswa baru di SMA Negeri 3
Garut dalam pengambilan keputusan penerimaan calon siswa baru. Selain itu sistem pendukung
keputusan penyeleksian calon siswa baru ini juga dapat dilakukan dengan lebih optimal, dan waktu
yang diperlukan untuk menyusun dan mengevaluasi penyeleksian calon siswa baru tersebut menjadi
lebih efisien. Terkait dengan penerapan metode TOPSIS untuk sistem pendukung keputusan
penyeleksian siswa baru, berdasar hasil akhir pada tahapan-tahapan yang dilakukan didapatkan
bahwa sistem yang dibangun telah mampu untuk menentukan penyeleksian calon siswa baru
berdasarkan pada aspek-aspek penilaian yang ada.

Kata Kunci - Sistem Pendukung Keputusan, Penyeleksian Siswa, TOPSIS.

I.

PENDAHULUAN

SMA Negeri 3 Garut merupakan salah satu lembaga pendidikan yang berada di kecamatan
Cibatu kabupaten Garut, juga merupakan salah satu Sekolah Menengah Atas yang menuju Sekolah
Standar Nasional. Suatu lembaga pendidikan membutuhkan sumber daya manusia yang berkualitas
salah satunya adalah siswa yang dapat mendukung dan mewujudkan tujuan dari lembaga
pendidikan tersebut menjadi suatu lembaga pendidikan yang berstandar nasional, maka diharapkan
lembaga pendidikan dapat menjalankan semua proses belajar-mengajarnya dengan baik. SMA
Negeri 3 Garut memiliki jumlah pendaftar yang cukup meningkat tiap tahunnya sehingga
penyeleksian calon siswa baru di SMA Negeri 3 Garut menjadi sulit.
Penyeleksian siswa baru adalah suatu proses, cara, penyaringan atau pemilihan siswa yang
secara kemampuan akademis adalah calon terbaik untuk belajar disuatu lembaga pendidikan yang
perlu ditentukan secara cepat dan tepat.
Berdasarkan proses penyeleksian calon siswa baru yang sedang berjalan di SMA Negeri 3
Garut, masih dilakukan secara manual serta dalam proses pembuatan laporan masih menggunakan
perangkat lunak aplikasi yaitu microsoft excel, sehingga pengolahan data dan penyeleksian calon
siswa baru memerlukan waktu yang relatif lama.
1

ISSN : 2302-7339 Vol. 09 No. 21 2012

Tujuan penelitian ini untuk membangun sebuah aplikasi sistem pendukung keputusan
penyeleksian calon siswa baru di SMA Negeri 3 Garut yang diharapkan mampu membantu,
mempermudah dan meminimalisir kesalahan yang dilakukan oleh panitia penyeleksi dalam
pengambilan keputusan penerimaan calon siswa baru. Selain itu penyeleksian calon siswa baru ini
juga dapat dilakukan dengan lebih optimal, dan waktu yang diperlukan untuk menyusun dan
mengevaluasi penyeleksian tersebut menjadi lebih efisien.

II.

LANDASAN TEORI

A. Konsep Dasar Sistem Pendukung Keputusan

Pada awal tahun 1970-an, Scott Morton pertama kali mengartikulasikan konsep penting
sistem pendukung keputusan. Ia mendefinisikan sistem pendukung keputusan sebagai sistem
berbasis komputer interaktif, yang membantu para pengambil keputusan untuk menggunakan data
dan berbagai model untuk memecahkan masalah-masalah tidak terstruktur. (Gorry dan Scott
Morton, 1971) dalam (Turban, 2005). Definisi klasik lainnya yaitu Sistem pendukung keputusan
memadukan sumber daya intelektual dari individu dengan kapabilitas komputer untuk
meningkatkan kualitas keputusan. Sistem pendukung keputusan adalah sistem pendukung berbasis
komputer bagi para pengambil keputusan manajemen yang menangani masalah-masalah tidak
terstruktur. (Keen dan Scott Morton, 1978) dalam (Turban, 2005).
Sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan
informasi, pemodelan dan pemanipulasian data. Sistem itu digunakan untuk membantu
pengambilan keputusan dalam situasi yang semiterstruktur dan situasi yang tidak terstruktur, di
mana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat. (Alter, 2002)
dalam (Kusrini, 2007).
Tujuan dari sistem pendukung keputusan adalah: (Kusrini, 2007)
1. Membantu manajer dalam pengambilan keputusan atas masalah semi terstruktur.
2. Memberikan dukungan atas pertimbangan manajer dan bukannya dimaksudkan untuk
menggantikan fungsi manajer.
3. Meningkatkan efektivitas keputusan yang diambil manajer lebih dari pada perbaikan
efisiensinya.
4. Kecepatan komputasi. Komputer memungkinkan para pengambil keputusan untuk melakukan
banyak komputasi secara cepat dengan biaya yang rendah.
5. Peningkatan produktivitas. Membangun satu kelompok pengambil keputusan, terutama para
pakar, bisa sangat mahal. Pendukung terkomputerisasi bisa mengurangi ukuran kelompok dan
memungkinkan para anggotanya untuk berada diberbagai lokasi yang berbeda-beda
(menghemat biaya perjalanan). Selain itu, produktivitas staf pendukung (misalnya analisis
keuangan dan hukum) bisa ditingkatkan. Produktivitas juga bisa ditingkatkan menggunakan
peralatan optimalisasi yang menentukan cara terbaik untuk menjalankan sebuah bisnis.
6. Dukungan kualitas. Komputer bisa meningkatkan kualitas keputusan yang dibuat. Sebagai
contoh, semakin banyak data yang diakses makin banyak juga alternatif yang bisa dievaluasi.
Analisis risiko bisa dilakukan dengan cepat dan pandangan dari para pakar (beberapa dari
mereka berada dilokasi yang jauh) bisa dikumpulkan dengan cepat dan dengan biaya yang lebih
rendah. Keahlian bahkan bisa diambil langsung dari sebuah sistem komputer melalui metode
kecerdasan tiruan. Dengan komputer, para pengambil keputusan bisa melakukan simulasi yang
kompleks, memeriksa banyak skenario yang memungkinkan, dan menilai bebagai pengaruh
secara cepat dan ekonomis. Semua kapabilitas tersebut mengarah kepada keputusan yang lebih
baik.
7. Berdaya saing. Manajemen dan pemberdayaan sumber daya perusahaan. Tekanan persaingan
menyebabkan tugas pengambil keputusan menjadi sulit. Persaingan didasarkan tidak hanya
pada harga, tetapi juga pada kualitas, kecepatan, kustomasi produk, dan dukungan pelanggan.
Organisasi harus mampu secara sering dan cepat mengubah mode operasi, merekayasa ulang
http://jurnal.sttgarut.ac.id

Jurnal Algoritma Sekolah Tinggi Teknologi Garut

proses dan struktur, memberdayakan karyawan, serta berinovasi. Teknologi pengambilan

keputusan bisa menciptakan pemberdayaan signifikan dengan cara memperbolehkan seseorang
untuk membuat keputusan yang baik secara cepat, bahkan jika mereka memiliki pengetahuan
yang kurang.
8. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan. Menurut Simon (1977),
otak manusia memiliki kemampuan yang terbatas untuk memroses dan menyimpan informasi.
Orang-orang kadang sulit mengingat dan menggunakan sebuah informasi dengan cara yang
bebas dari kesalahan.
Aplikasi sistem pendukung keputusan bisa terdiri dari beberapa subsistem, yaitu:
1. Subsistem manajemen data
Subsistem manajemen data memasukkan satu database yang berisi data yang relevan untuk
suatu situasi dan dikelola oleh perangkat linak yang disebut sistem manajemen database
(DBMS/Data Base Management System). Subsistem manajemen data bisa diinterkoneksikan
dengan data warehouse perusahaan, suatu repositori untuk data perusahaan yang relevan
dengan pengambilan keputusan.
2. Subsistem manajemen model
Merupakan paket perangkat lunak yang memasukkan model keuangan, statistik, ilmu
manajemen, atau model kuantitatif lain yang memberikan kapabilitas analitik dan manajemen
perangkat lunak yang tepat. Bahasa-bahasa pemodelan untuk membangun model-model kustom
juga dimasukkan. Perangkat lunak itu sering disebut sistem manjemen basis model (MBMS).
Komponen tersebut bisa dikoneksikan ke penyimpanan korporat atau eksternal yang ada pada
model.
3. Subsistem antarmuka pengguna
Pengguna berkomunikasi dengan dan memerintahkan sistem pendukung keputusan melalui
subsistem tersebut. Pengguna adalah bagian yang dipertimbabangkan dari sistem. Para peneliti
menegaskan bahwa beberapa kontribusi unik dari sistem pendukung keputusan berasal dari
interaksi yang intensif antara komputer dan pembuat keputusan.
4. Subsistem manajemen berbasis pengetahuan
Subsistem tersebut mendukung semua subsistem lain atau bertindak langsung sebagai suatu
komponen independen dan bersifat opsional. Selain memberikan inteligensi untuk
memperbesar pengetahuan si pengambil keputusan, subsistem tersebut bisa diinterkoneksikan
dengan repositori pengetahuan perusahaan (bagian dari sistem manajemen pengetahuan), yang
kadang-kadang disebut basis pengetahuan organisasional.
Berdasarkan definisi, sistem pendukung keputusan harus mencakup tiga komponen utama
dari DBMS, MBMS, dan antarmuka penggua. Subsistem manajemen berbasis pengetahuan adalah
opsional, tetapi bisa memberikan banyak manfaat karena memberikan inteligensi bagi ketiga
komponen utama tersebut. Seperti pada semua sistem informasi manjemen, pengguna bisa dianggap
sebagai komponen sistem pendukung keputusan. Komponen-komponen tersebut membentuk sistem
aplikasi sistem pendukung keputusan yang bisa dikoneksikan ke intranet perusahaan, ekstranet, atau
internet. Arsitektur dari sistem pendukung keputusan ditunjukkan dalam gambar 2.1 berikut.

2012 Jurnal STT-Garut All Right Reserved

ISSN : 2302-7339 Vol. 09 No. 21 2012

Internet,
intranet,
ekstranet

Sistem lainnya
yang berbasis
komputer

Data: eksternal
dan internal
Manajemen
Data

Manajemen
Model

Model
Eksternal

Subsistem Berbasis
Pengetahuan

Antarmuka Pengguna

Basis Pengetahuan
Organisasional

Manajer (Pengguna)

Gambar 2.1 Arsitektur Sistem Pendukung Keputusan (Turban, 2005)

B. Penyeleksian Siswa
Penyeleksian berasal dari kata seleksi yang berarti pemilihan (untuk mendapatkan yang
terbaik) atau penyaringan. Dengan kata lain seleksi adalah metode dan prosedur yg dipakai oleh
bagian personalia (kantor pemerintah, perusahaan, dan sebagainya) waktu memilih orang untuk
mengisi lowongan pekerjaan. Jadi, penyeleksian adalah proses, cara, perbuatan menyeleksi,
penyaringan atau pemilihan. (Kamus Besar Bahasa Indonesia v1.3).

C. Model TOPSIS (Technique For Order Preference By Similarity To Ideal Solution)

Pada dasarnya, proses pengambilan keputusan adalah memilih suatu alternatif.
Menurut Hwang dan Zeleny dalam (Kusumadewi, 2006), TOPSIS (Technique For Order
Preference By Similarity To Ideal Solution) didasarkan pada konsep dimana alternatif terpilih yang
terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif ( ), namun juga memiliki
jarak terpanjang dari solusi ideal negatif ( ).
Konsep dasar dari TOPSIS yang tidak hanya mencari jarak terpendek dari
tetapi juga
jarak terpanjang dari , diharapkan satu-satunya kemungkinan solusi ideal terbaik. Karena apabila
dicari jarak terpanjang dari
dan jarak terpendek dari
alternatif keputusan terbaik tidak akan
dihasilkan.
Menurut Hwang, Liang dan Yeh dalam (Kusumadewi, 2006), konsep ini banyak digunakan
pada beberapa model MADM (Multi-Attribute Decision Making) untuk menyelesaikan masalah
keputusan secara praktis. Hal ini disebabkan konsepnya sederhana, mudah dipahami, komputasinya
efisien, dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan
dalam bentuk matematis yang sederhana.
Secara umum, prosedur atau langkah-langkah dalam metode TOPSIS (Technique For Order
Preference By Similarity To Ideal Solution) meliputi:
1. Membuat matriks keputusan yang ternormalisasi.
2. Membuat matriks keputusan yang ternormalisasi terbobot.
http://jurnal.sttgarut.ac.id

Jurnal Algoritma Sekolah Tinggi Teknologi Garut

3. Menentukan matriks solusi ideal positif dan matriks solusi ideal negatif.
4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan
matriks solusi ideal negatif.
5. Menentukan nilai preferensi untuk setiap alternatif.
TOPSIS membutuhkan rating kinerja setiap alternatif Ai pada setiap kriteria Cj yang ternormalisasi,
yaitu:
=
;
dengan i = 1,2,,m; dan j=1,2,,n
Solusi ideal positif
dan solusi ideal negatif
ternormalisasi ( ) sebagai:
;

=
=(
=(

,
,

dapat ditentukan berdasarkan rating bobot

dengan i = 1,2,,m; dan j=1,2,,n

,...,
,...,

)
)

dengan
=

j = 1,2,...,n.
Jarak antara alternatif Ai dengan solusi ideal positif dirumuskan sebagai:

dengan i=1,2,...,m
Jarak antara alternatif Ai dengan solusi ideal negatif dirumuskan sebagai:

dengan i=1,2,...,m
Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai:
=
; dengan i=1,2,...,m
Nilai Vi yang lebih besar menunjukkan bahwa alternatif Ai lebih dipilih.

D. Metodologi Penelitian
Metode sistem pendukung keputusan yang digunakan dalam hal ini yaitu model Simon.
Berikut gambar dari pengembangan model Simon.

2012 Jurnal STT-Garut All Right Reserved

ISSN : 2302-7339 Vol. 09 No. 21 2012

Fase Inteligensi

Fase Desain

Fase Pemilihan

Fase Implementasi

Black Box

Gambar 2 Desain Penelitian

III. HASIL DAN PEMBAHASAN

A. Fase Inteligensi
Sasaran organisasional pada penyusunan sistem pendukung keputusan ini adalah institusi
pendidikan yaitu SMA Negeri 3 Garut. Informasi yang akan dikaji berupa pendaftaran siswa baru
yang berdasarkan nilai ujian nasional, nilai ujian sekolah, dan prestasi non akademik. Nilai tersebut
jadi acuan menentukan passing grade dan kelulusan calon siswa. Pengumpulan data dan informasi
menggunakan metode observasi dan wawancara. Setelah proses pengumpulan data, didapat
informasi permasalahan penyeleksian calon siswa baru secara manual yang membutuhkan waktu
yang relatif lama dan kemungkinan terjadi kesalahan perhitungan serta penentuan kelulusan calon
siswa baru.
http://jurnal.sttgarut.ac.id

Jurnal Algoritma Sekolah Tinggi Teknologi Garut

B. Fase Desain
1) Pemilihan Kriteria
Penerimaan calon siswa baru terdiri dari atas cara I dan cara II. Untuk cara I terdiri atas
penilaian dengan kriteria berdasarkan nilai ujian nasional (NA) dan nilai ujian sekolah (NS).
Sedangkan penilaian cara II menggunakan penambahan kriteria yaitu prestasi non akademik.
Berdasarkan data yang diperoleh dari hasil wawancara didapatkan input kriteria/variabel terlihat
pada tabel 3.1.
Tabel 3.1 Input Kriteria
Nama Kriteria/Variabel

Domain

Nilai Ujian Nasional (NA)

[1,100]

Nilai Ujian Sekolah (NS)

[1,100]

Prestasi Non Akademik

[1,100]

2) Pembobotan Kriteria
Pada pendekatan ini digunakan pendekatan subjektif yaitu nilai bobot ditentukan berdasarkan
subjektifitas dari para pengambil keputusan. Nilai bobot kepentingan tiap kriteria terlihat pada tabel
3.2.
Tabel 3.2 Nilai Bobot
Penilaian Cara I
Nama Kriteria/Variabel

Bobot (W)

Nilai Ujian Nasional (NA)

65%

Nilai Ujian Sekolah (NS)

35%

Penilaian Cara II
Nama Kriteria/Variabel

Bobot (W)

Nilai Ujian Nasional (NA)

60%

Nilai Ujian Sekolah (NS)

30%

Prestasi Non Akademik

10%

2012 Jurnal STT-Garut All Right Reserved

ISSN : 2302-7339 Vol. 09 No. 21 2012

C. Fase Pemilihan
1) Perhitungan TOPSIS
Data seorang siswa 1 :
Kriteria 1 Nilai Ujian Nasional = 30,90 dengan rata-rata NA = 7,70
Kriteria 2 Nilai Ujian Sekolah = 86,51 dengan rata-rata NS = 7,86
Kriteria 3 Prestasi Non akademik = Tidak ada
Langkah-langkah perhitungan:
1. Membuat matriks keputusan yang ternormalisasi
|x| =
= 91,86
R1 =
=
= 0,336
R2 =
=
2.

3.

4.

5.

= 0,941
Membuat matriks keputusan yang ternormalisasi terbobot
Y1 = W1 * R1
= 65% * 0,336
= 0,2186
Y2 = W2 * R2
= 35% * 0,941
= 0,3296
Keterangan :
Nilai bobot (W) diambil dari penilaian cara I karena siswa tersebut tidak memiliki kriteria
prestasi non akademik.
Menentukan solusi ideal positif dan solusi ideal negatif
Y+ = max {0,2186 ; 0,3296} = 0,3296 = A+
Y- = min {0,2186 ; 0,3296} = 0,2186 = AMenentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan
matriks solusi ideal negatif.
D+ =
= 0,5741
D- =
= 0,4675
Menentukan nilai preferensi
V=

= 0,448

Jadi nilai total yang diperoleh adalah 0,448.

2) Analisis Sensitivitas
Analisis sensitivitas mencoba menilai dampak suatu perubahan pada data input atau
parameter pada solusi yang diusulkan (variabel hasil), dengan cara mengganti variabel.
Data seorang siswa 2 :
Kriteria 1 Nilai Ujian Nasional = 28,00 dengan rata-rata NA = 7,00
Kriteria 2 Nilai Ujian Sekolah = 85,91 dengan rata-rata NS = 7,60
Kriteria 3 Prestasi Non akademik = Tidak ada
Langkah-langkah perhitungan:
1. Membuat matriks keputusan yang ternormalisasi
|x| =
= 90,35
http://jurnal.sttgarut.ac.id

Jurnal Algoritma Sekolah Tinggi Teknologi Garut

R1 =
=
= 0,31
R2 =
=
= 0,95
2. Membuat matriks keputusan yang ternormalisasi terbobot
Y1 = W1 * R1
= 65% * 0,31
= 0,2015
Y2 = W2 * R2
= 35% * 0,95
= 0,3325
Keterangan :
Nilai bobot (W) diambil dari penilaian cara I karena siswa tersebut tidak memiliki kriteria
prestasi non akademik.
3. Menentukan solusi ideal positif dan solusi ideal negatif
Y+ = max {0,2015 ; 0,3325} = 0,3325 = A+
Y- = min {0,2015 ; 0,3325} = 0,2015 = A4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan
matriks solusi ideal negatif.
= 0,5766
D+ =
D- =
= 0,4488
5. Menentukan nilai preferensi
V=

= 0,437.

Jadi nilai total yang diperoleh adalah 0,437.

Berdasarkan hasil analisis sensitivitas yang didapat jumlah nilai preferensi yang dihasilkan
lebih kecil dari nilai preferensi sebelumnya. Sehingga dapat disimpulkan bahwa alternatif 1 yang
akan lebih dipilih. Dengan kata lain, siswa 1 yang akan diterima sebagai calon siswa baru di SMA 3
Garut.

D. Fase Implementasi
1) Analisis Kebutuhan Sistem
a. Analisis Perangkat Keras
b. Analisis Perangkat Lunak
2) Desain Sistem
Dari hasil analisis terhadap sistem pendukung keputusan penyeleksian calon siswa baru,
penulis menggunakan sebuah model yang dinamakan Data Flow Diagram (DFD) untuk
memperlihatkan hubungan fungsional dari data yang diproses oleh sistem, termasuk data masukan,
data keluaran serta tempat penyimpanan internal.

2012 Jurnal STT-Garut All Right Reserved

ISSN : 2302-7339 Vol. 09 No. 21 2012

Gambar 3.1 Diagram Konteks Sistem Pendukung Keputusan Penyeleksian Siswa Baru
3) Desain Aplikasi

Gambar 3.2 Form Menu Utama

IV. KESIMPULAN/RINGKASAN
Penggunaan sistem pendukung keputusan penyeleksian calon siswa baru di SMA Negeri 3
garut ini dapat membantu, mempermudah pekerjaan dan meminimalisir kesalahan yang dilakukan
oleh panitia penyeleksi calon siswa baru di SMA Negeri 3 Garut dalam pengambilan keputusan
penerimaan calon siswa baru. Selain itu sistem pendukung keputusan penyeleksian calon siswa baru
ini juga dapat dilakukan dengan lebih optimal, dan waktu yang diperlukan untuk menyusun dan
mengevaluasi penyeleksian calon siswa baru tersebut menjadi lebih efisien. Terkait dengan
penerapan metode TOPSIS untuk sistem pendukung keputusan penyeleksian siswa baru, berdasar
hasil akhir pada tahapan-tahapan yang dilakukan didapatkan bahwa sistem yang dibangun telah
mampu untuk menentukan penyeleksian calon siswa baru berdasarkan pada aspek-aspek penilaian
yang ada.

DAFTAR PUSTAKA
[1]
[2]
[3]

Kusrini., 2007, Konsep dan Aplikasi Sistem Pendukung Keputusan, Andi Offset,
Yogyakarta.
Kusumadewi, S., dkk., 2006, Fuzzy Multi-Attribute Decision Making (Fuzzy MADM),
Graha Ilmu, Yogyakarta.
Turban, E., dkk., 2005, Decision Support systems and Intelligent Systems Edisi 7 Jilid 1,
Andi, Yogyakarta.

http://jurnal.sttgarut.ac.id

10