Abstrak
Penjadwalan ujian skripsi merupakan kegiatan rutin yang dilakukan oleh koordinator KPTA. Penjadwalan ini
meliputi dua kegiatan yaitu melakukan pemilihan dosen penguji dan kemudian melakukan penjadwalan ujian.
Kedua kegiatan biasanya memakan waktu yang cukup lama, apalagi jika terdapat banyak skripsi yang harus
dijadwalkan, sementara jadwal dosen cukup padat. Oleh karena itu, alangkah baiknya jika terdapat sistem yang
dapat mengatur jadwal ujian skripsi dengan melihat kesesuaian topik skripsi yang diujikan dengan bidang
penguasaan dosen penguji serta jadwal dosen yang menjadi penguji maupun pembimbing dalam suatu ujian
skripsi. Algoritma Fuzzy Multi-Attribute Decision Making akan digunakan sebagai metode dalam pemilihan
dosen penguji yang sesuai dengan topik dari skripsi yang akan diuji. Fuzzy MADM akan menghitung kecocokan
dari atribut pada alternatif-alternatif yang ada dengan atribut pada skripsi yang akan diuji untuk memperoleh
alternatif dosen penguji yang terbaik. Setelah ditemukan alternatif-alternatif terbaik, maka akan dilakukan
penjadwalan dengan terlebih dahulu menjadwalkan ujian skripsi yang memiliki nilai prioritas tinggi.
Penjadwalan dilakukan pada sesi yang sesuai dengan nilai optimasi terbaik.
Kata kunci : Fuzzy Muti-Attribute Decsion Making, pemilihan penguji, penjadwalan
1.
Pendahuluan
Kajian Pustaka
an relasi preferensi fuzzy lebih menjamin ketidakpastian yang melekat pada bilangan fuzzy hingga
proses perankingan.
Metode MADM klasik memiliki beberapa
kelemahan, yaitu tidak cukup efisien untuk menyelesaikan masalah-masalah pengambilan keputusan
yang melibatkan data-data yang tidak tepat dan tidak
pasti, biasanya diasumsikan bahwa keputusan akhir
terhadap alternatif-alternatif diekspresikan dengan
bilangan real, sehingga tahap perankingan menjadi
kurang mewakili beberapa permasalahan tertentu
dan penyelesaian masalah hanya terpusat pada tahap
agregasi FMADM dapat mengatasi hal tersebut.
Penyelesaian permasalahan FMADM bisa
dilakukan dengan dua cara, yaitu dengan metode
MADM klasik dan dengan metode pengembangan.
Metode MADM klasik yang dapat digunakan untuk
menyekesaikan permasalahan FMADM adalah
metode SAW, WP, atau TOPSIS untuk melakukan
perankingan, setelah terlebih dahulu dilakukan
konversi data fuzzy ke data crisp. Apabila data fuzzy
diberikan dalam bentuk linguistik, maka data
tersebut harus dikonversi terlebih dahulu ke bentuk
bilangan fuzzy, baru kemudian dikonversi lagi ke
bilangan crisp.
Metode pengembangan untuk menyelesaikan
masalah FMADM dikembangkan oleh Joo pada
tahun 2004 dalam tiga langkah penting penyelesaian,
yaitu: representasi masalah, evaluasi himpunan fuzzy
dan menyeleksi alternatif yang optimal.
1. Merepresentasikan masalah. Terdapat tiga
aktivitas yang harus dilakukan, yaitu mengidentifikasi tujuan dan kumpulan alternatif
keputusan. Tujuan keputusan dapat direpresentasikan menggunakan bahasa alami atau nilai
numeris sesuai karakteristik dari masalah. Jika
ada n alternatif keputusan dari suatu masalah,
maka alternatif-alternatif tersebut dapat ditulis
sebagai A = {Ai | i= 1, 2, ..., n}. Selanjutnya
diakukan, identifikasi kumpulan kriteria. Jika
ada k kriteria, maka dapat dituliskan C ={Ct | t = 1,
2, ..., k}. Setelah itu, dibangun struktur hirarki
dari masalah berdasarkan pertimbangan tertentu.
2. Mengevaluasi himpunan fuzzy. Terdapat tiga
aktivitas yang dilakukan, yaitu (1) Memilih
himpunan rating untuk bobot-bobot kriteria dan
derajat kecocokan setiap alternatif dengan
kriterianya. Secara umum, himpunan-himpunan
rating terdiri atas tiga elemen, yaitu: variabel
linguistik (x) yang merepresentasikan bobot
kriteria dan derajat kecocokan setiap alternatif
dengan kriterianya; T(x) yang merepresentasikan rating dari variabel linguistik dan fungsi
keanggotaan yang berhubungan dengan setiap
elemen dari T(x). Misal, rating untuk bobot pada
Variabel Penting untuk suatu kriteria didefinisikan sebagai: T(penting) = {SANGAT RENDAH,
RENDAH, CUKUP, TINGGI, SANGAT TINGGI}.
Sesudah himpunan rating ditentukan, maka
harus ditentukan fungsi keanggotaan untuk se-
3.
(4)
(5)
i = 1, 2, ..., n.
Menyeleksi alternatif yang optimal. Pada
langkah ini terdapat dua aktivitas yang dilakukan.
Pertama, memprioritaskan alternatif keputusan
berdasarkan hasil agregrasi. Prioritas dari hasil
agregrasi dibutuhkan dalam rangka proses
perankingan alternatif keputusan. Karena hasil
agregrasi ini direpresentasikan dengan menggunakan bilangan fuzzy segitiga maka dibutuhkan
metode perankingan untuk bilangan fuzzy segitiga. Salah satu metode yang dapat digunakan
adalah metode nilai total integral. Misalkan F
adalah bilangan fuzzy segitiga, F=(a,b,c), maka
nilai total integral dapat dirumuskan sebagai:
1
(6)
I ( F ) = (c + b + (1 )a )
T
4.
Perancangan Aplikasi
Nama Data
Nama Ruang
Rating Kecocokan
C3
C1
C2
C4
0.46 0.53 0.6
0.26 0.33 0.33
0.7 0.8 0.9
0.63 0.66 0.83
derajat keoptimisannya, sehingga alternatif A4 menjadi alternatif terpilih di antara alternatif yang ada.
Setelah setiap alternatif terbaik untuk semua
skripsi telah terpilih, maka disusun prioritas kepentingan dalam penjadwalan. Prioritas dalam penjadwalan
tersebut memiliki dua kriteria sebagai penentu, yaitu
apakah skripsi tersebut membutuhkan ruang khusus
atau tidak, jika skripsi membutuhkan ruang khusus,
maka lebih diprioritaskan daripada skripsi yang lain,
kriteria kedua adalah jumlah sesi yang bisa diisi oleh
skripsi tersebut, semakin banyak sesi yang bisa diisi,
maka semakin kecil nilai prioritasnya. Setelah
disusun dalam susunan prioritas, maka ujian skripsi
akan dijadwalkan sesuai dengan sesi yang bisa diikuti oleh ujian skripsi. Sebelum menempatkan ujian
skripsi pada sebuah sesi, akan dilihat terlebih dahulu
apakah dosen yang berpartisipasi dalam ujian skripsi
juga berpartisipasi dalam sesi sebelum atau sesudah
sesi tersebut. Jika dosen yang berpartisipasi dalam
ujian skripsi juga berpartisipasi dalam sesi sebelum
atau sesudahnya, maka akan dicari alternatif lain,
namun jika tidak ditemukan sesi yang cocok dengan
ketentuan tersebut, maka sesi tersebut akan dipilih.
Hal ini dilakukan untuk menghindari perulangan
yang terlalu banyak [2].
C5
0.8
0.5
0.2
0.6
002
003
004
005
Judul
Analisis dan Perancangan
Routing Jaringan WAN
pada INHERENT di
UKSW
Desain dan Imple-mentasi
Penjadwalan Matakuliah
Berbasis Web dengan
Database Processing
Klasifikasi Sidik Jari
Menggunakan Wavelet
Symlet 6
Replikasi Asinkronisasi
pada Sistem Informasi
Administrasi Kependudukan
(SIAK) Offline Salatiga
Perancangan Aplikasi
Web Enkripsi dan Dekripsi
dengan Algoritma RC4 untuk Pengiriman Data
Pemb
Bidang Minat
Rg.
1. E1
2. I2
Jaringan (ST)
1. D1
2. T1
Web (T)
Basis Data (T)
RO (T)
1. E1
2. Y1
Steganografi
& Kripto (ST)
1. A2
2. A4
SI(ST)
Basis Data
(ST)
1. Y1
2. I2
Web (T)
Steganografi
& Kripto (ST)
Jaringan (T)
10
L1
11
M1
12
S1
13
T1
14
W1
15
Y1
Keterangan :
1
2
3
4
5
6
SM
SM
M
CM
CM
= Jaringan
= Web
= Basis Data
= Riset Operasi
= Steganografi & Kripto
= Sistem Informasi
M
M
M
M
M
SM
SM = Sangat Menguasai
M = Menguasai
CM = Cukup Menguasai
Output aplikasi telah sesuai dengan ketentuanketentuan yang harus dipenuhi dalam pemilihan
dosen penguji dan penjadwalan ujian skripsi, seperti
terlihat pada Tabel 15.
Tabel 15. Output Aplikasi (Jadwal Ujian Skripsi)
NIM
Pemb.
Penguji
Sesi
Ruang
D1
K1, M1, 19 Juni 2009
002
X
T1
S1
08.00-09.30
Y1
I1, L1,
19 Juni 2009
005
Y
I2
M1
08.00-09.30
E1
I1, I2,
19 Juni 2009
001
X
I2
W1
09.30-11.00
A2
A1, A3, 19 Juni 2009
Y
004
A4
D1
09.30-11.00
E1
L1, M1, 19 Juni 2009
003
X
Y1
I1
11.00-12.30
6.
Ruang
X
Y
X
Y
X
Simpulan
Fuzzy Multi-Attribut Decision Making bisa digunakan dalam pemilihan dosen penguji sesuai dengan
topik skripsi, Dengan menerapkan konsep algoritma
genetika, penjadwalan ujian skripsi dapat dilakukan
dengan baik. Semakin lengkap data yang dimasukkan, seperti data bidang minat skripsi dan data
bidang minat dosen, maka semakin mudah dilakukan
pemilihan dosen penguji dan penjadwalan, serta
semakin banyak pilihan sesi yang dibuat, akan
semakin memudahkan dalam proses penjadwalan
Daftar Pustaka
[1] Kusumadewi, S., Hartati, S., Harjoko, A., &
Wardoyo, R., 2006, Fuzzy Multi-Attribute
Decision Making (FUZZY MADM), Yogyakarta:
Penerbit Graha Ilmu.
[2] Kusumadewi, S., & Purnomo, H., 2005,
Penyelesaian Masalah Optimasi dengan Teknikteknik Heuristik, Yogyakarta:Penerbit Graha Ilmu.
[3] Taliwang, Teddy C., 2005, Optimasi Penjadwalan Sidang Tugas Akhir dengan Menggunakan
Metode Fuzzy Relation dan Genetic Algorithm,
http://dewey.petra.ac.id/jiunkpe_dg_2561.html.
Diakses 5 Maret 2009.