PERBANDINGAN SIMPLE ADDITIVE WEIGHTING DAN ELIMINATION AND

CHOICE TRANSLATION REALITY

PADA PEMERINGKATAN KELULUSAN SELEKSI PRESTASI AKADEMIK
PERGURUAN TINGGI KEAGAMAAN ISLAM NEGERI [SPAN-PTKIN]
(Studi Kasus: STAIN Jurai Siwo Metro)
Haris Setiaji
Informatics and Business Institute (IBI) Darmajaya
Jl. Z.A. Pagar Alam No.93 Gedong Meneng, Bandar Lampung
Telp. 0721-787214 Fax. 0721-700261 Kode Pos. 35142
E-mail : aguskomarudin689@gmail.com
ABSTRAK
Salah satu operasional perguruan tinggi adalah penerimaan mahasiswa baru. Kesulitan dalam meluluskan calon
mahasiswa baru adalah banyaknya peminat yang memiliki prestasi akademik maupun non akademik serta
terbatasnya kuota calon mahasiswa baru. Dalam menentukan kelulusan Calon Mahasiswa Baru Jalur Seleksi
Prestasi Akademik Nasional Perguruan Tinggi Keagamaan Islam Negeri (SPAN-PTKIN) maka dibutuhkan
banyak kriteria yang mencerminkan calon mahasiswa memiliki prestasi akademik dan non akademik dan perlu
sistem pendukung keputusan untuk membantu pemeringkatan dalam menentukan calon mahasiswa baru yang
layak diterima. Masalah seperti ini sering kali dikenal dengan istilah Multiple Attribute Decision Making
(MADM). Banyak sekali metode yang digunakan untuk membantu dalam pengambilan keputusan, salah satu
cara untuk menyelesaikannya dengan menggunakan metode Simple Additive Weighting (SAW) dan Metode
Elimination And Choice Translation Reality (ELECTRE). Permasalahannya adalah bagaimana menyelesaikan
masalah MADM untuk menentukan metode mana yang relevan pada kasus ini. Pada Penelitian ini akan dibahas
suatu kasus yaitu mencari alternatif terbaik berdasarkan kriteria-kriteria yang telah ditentukan dengan
menggunakan metode Simple Additive Weighting (SAW) dan metode Elimination And Choice Translation
Reality (ELECTRE) kemudian untuk menentukan metode mana yang relevan akan dilakukan sebuah uji
sensitivitas terhadap metode yang digunakan.
Kata Kunci :
Simple Additive Weighting, Elimination And Choice Translation Realit, Uji Sensitivitas,
SPAN-PTKIN, Alternatif.
1.

berbanding lurus dengan daya tampung dari 55

Perguruan Tinggi Keagamaan Islam (PTKIN)
di Indonesia, serta perbedaan akreditasi sekolah
sangatlah penting dalam menentukan kelulusan
maka untuk mendapatkan siswa siswi yang
terbaik dari yang terbaik maka dibutuhkan
kriteria dalam menentukan kelulusannya.
Berdasarkan pemaparan diatas, maka dalam
penelitian ini penulis
mengambil judul
Perbandingan Simple Additive Weighting dan
Elimination And Choice Translation Reality
Pada Pemeringkatan Kelulusan Seleksi Prestasi
Akademik Perguruan Tinggi Keagamaan Islam
Negeri [SPAN-PTKIN] (Studi Kasus: STAIN
Jurai Siwo Metro).

PENDAHULUAN

1.1 Latar Belakang Masalah

Berkembangan elektronik sangatlah pesat
terutama dibidang komputer baik software
maupun hardware sebagai alat pengolah data
untuk
membantu
pekerjaan
manusia.
Sebelumnya
manusia
mengolah
data
menggunakan alat tulis dan kemampuan
aritmatika untuk mengolah suatu data, selain
itu kemajuan dibidang telekomunikasi,
seseorang dapat mengakses informasi secara
real time dimanapun tanpa terbatas ruang dan
waktu.
Kemajuan
bidang
komputer
dan
telekomunikasi di manfaatkan Kementerian
Agama untuk menjaring siswa siswi berprestasi
dari penjuru tanah air untuk dapat meneruskan
studi di salah satu dari 55 Perguruan Tinggi
Keagamaan Negeri (PTKIN) yang ada di
Indonesia. Seleksi Prestasi Akademik Nasional
(SPAN) merupakan salah satu mekanisne jalur
penerimaan mahasiswa baru pada Perguruan
Tinggi
Keagamaan
Negeri
(PTKIN).
Banyaknya siswa siswi berprestasi baik
akademik maupun non akademik tidak

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah, maka
dirumuskan masalah sebagai berikut :
1. Kreteria
apasaja
yang
dijadikan
pertimbangan untuk meluluskan calon
mahasiswa.
2. Bagaimana hasil pemeringkatan Simple
Additive
Weighting (SAW)
dan
Elimination And Choice Translation Reality
(ELECTRE) dibandingkan dengan hasil
1

pemeringkatan oleh STAIN Jurai Siwo

Metro.
3. Bagaimana hasil uji sensitivitas terhadap
metode yang digunakan.
4. Bagaimana hasil analisis kreteria terhadap
metode yang digunakan.

2.

3.

1.3 Batasan Masalah

Data yang digunakan adalah data karyawan
PT Sumber Alfaria Trijaya, Tbk departement
Information Technology Branch Lampung.

1.5 Manfaat Penelitian

Pengolahan data keputusan ini diharapkan
dapat memberikan manfaat sebagai berikut :
1. Sebagai pengembangan Ilmu dibidang
sistem pendukung keputusan.
2. Membantu proses pemeringkatan SPANPTKIN.
3. Membantu proses penetuan kelulusan
SPAN-PTKIN.

1.4 Tujuan Penelitian

Batasan masalah pada penelitian ini antara
lain :
1. Data yang digunakan adalah data
pendaftar atau pemina Jalur SPAN-PTKIN
2.

pada STAIN Jurai Siwo Metro Tahun

2016.
Pemeringkatan menggunakan metode
Simple Additive Weighting (SAW).
Pemeringkatan menggunakan metode
Elimination And Choice Translation
Reality (ELECTRE).

LANDASAN TEORI

2.3 Metode Simple Additive Weighting (SAW)

Metode SAW sering juga dikenal istilah
metode penjumlahan terbobot. Konsep dasar
metode SAW adalah mencari penjumlahan
terbobot dari rating kinerja pada setiap
alternatif dari semua atribut. Metode SAW
membutuhkan proses normalisasi matriks
keputusan (X) ke suatu skala yang dapat
diperbandingkan dengan semua rating alternatif
yang ada. (Kusumadewi, 2005).

1.1 Tinjauan Pustaka

Berikut tabel Perbandingan Penelitian
terdahulu yang telah dilakukan :
Tabel 2.1 Perbandingan Penelitian Terdahulu
Dari Tabel diatas terdapat 4 (empat)
penelitian yang menggunakan Metode Simple
additive Weighting (SAW), 4 (empat)
Penelitian
yang
menggunaka
Metode
Elimination And Choice Translation Reality
(ELECTRE),
2
(dua)
Penelitian
membandingkan Metode SAW-ELECTRE
dengan uji sensitivitas dan 11 (sebelas)
penelitian menbandingkan Metode Sistem
Pendukung keputusan yang berkaian dengan
SAW-ELECTRE.

2.4

2.2 Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (SPK)
Adalah Sistem Berbasis Komputer Interaktif,
Yang Mengambil Para Keputusan Untuk
Menggunakan Data Dan Berbagai Model
Untuk Memecahkan Masalah Yang Tidak
Terstruktur. Sistem Pendukung Keputusan
Memadukan Sumber Daya Intelektual Dari
Individu Dengan Kepastian Komputer Untuk
Meninggalkan Kualitas Keputusan.
Menurut Alter (2002), Sistem Pendukung
Keputusan Merupakan Sistem Informasi
Interaktif Yang Menyeridakan Indormasi,
Pemodelan Dan Penipilasi Data. Sistem Itu
Digunakan Untuk Membantu Pengambilan
Keputusan Dalam Situasi Yang Semiterstruktur
Dan Situasi Yang Terstruktur, Dimana Tak
Seorangpun Tahu Secara Pasti Bagaimana
Keputusan Seharusnya Dibuat.

Metode Elimination And Choice Translation

Reality (ELECTRE)
Menurut Janko dan Bernoider (2005:11),
electre merupakan salah satu metode
pengambilan
keputusan
multikriteria
berdasarkan pada konsep outranking dengan
menggunakan perbandingan berpasangan dari
alternatif-alternatif berdasarkan setiap kriteria
yang sesuai. Metode electre digunakan pada
kondisi dimana alternatif yang kurang sesuai
dengan kriteria dieliminasi, dan alternative
yang sesuai dapat dihasilkan. Dengan kata lain,
electre digunakan untuk kasus-kasus dengan
banyak alternatif namun hanya sedikit kriteria
yang dilibatkan. Suatu alternatif dikatakan
mendominasi alternatif yang lainnya jika satu
atau lebih kriterianya melebihi (dibandingkan
dengan kriteria dari alternatif yang lain) dan
sama dengan kriteria lain yang tersisa
(Kusumadewi dkk, 2006).

2.5 Perbandingan Pemeringkatan Hasil SAW

dan ELECTRE
Dalam membandingkan hasil proses
menggunakan metode SAW dan ELECTRE,
penulis menggunakan sampel 3 (tiga) Program
Studi yang memiliki banyak peminat dan kuota
penerimaan yang sedikit. Berikut Tabel
2

program studi
pengujian.

yang

dijadikan

sample

Hitung prosentase perubahan ranking

dengan cara membandingkan berapa banyak
perubahan ranking
yang terjadi jika
dibandingkan dengan kondisi pada saat
bobotnya sama(bobot=1).

Tabel 2.5 Program Studi dan Kuota Penerima

No
1
2
3

Program Studi
Pend. Agama Islam (PAI)
Perbankan Syariah (S1PBS)
Ekonomi Syariah

Peminat
113
99

Kuota
49
31

80

19

3.

Dalam proses ini penulis akan menganalisis

perubahan peringkat pada setiap metode yang
digukanan terhadap hasil keputusan yang telah
di tetapkan oleh Ketua Panitia.
Penulis menggunakan Kriteria yang sama
pada Metode SAW dan Metode ELECTRE,
Menggunakan data peminat yang sama dan
hasil pemeringkatnya akan dianalisis kemudian
akan dibuatkan Tabel analis pemeringkatan
sebagai berikut:

3.1 Tempat dan Waktu Penelitian

Objek penelitian ini adalah data pendaftar
SPAN-PTKIN tahun 2016 Kementerian Agama
RI pada Sekolah Tinggi Agama Islam Negeri
(STAIN) Juarai Siwo Metro.
Sekolah Tinggi Agama Islam Negeri
(STAIN) Jurai Siwo Metro adalah salah satu
dari 55 Perguruan Tinggi Agama Islam Negeri
(PTKIN) dibawah Kementerian Agama
Republik Indonesia yang memiliki tugas
utamanya menyelenggarakan pendidikan tinggi
diantaranya penerima mahasiswa baru,
operasional
akademik,
dan
pelepasan
akademik. STAIN Jurai Siwo Metro beralamat
pada Jl. Ki Hajar Dewantara 15a Iringmulyo
Kota Metro Lampung memiliki 3 (Tiga)
Jurusan diantaranya Jurusan Tarbiyah dengan
program studi diantaranya Pendidikan Agama
Islam(PAI), Pendidikan Bahasa Arab(PBA),
Pendidikan Bahasa Inggris (PBI), Pendidikan
Guru Madrasah Ibtidaiyah (PGMI), Pendidikan
Guru Roudathul Atfal (PGRA), Jurusan
Syariah dan Ekonomi Islam dengan program
studi diantaranya Hukum Keluarga (HK),
Hukum Ekonomi Syariah (HESy), Ekonomi
Syariah (ESy), Perbankan Syariah (PBS), dan
Jurusan Dakwah dan Komunikasi Islam dengan
program studi diantaranya Komunikasi
Penyiran Islam (KPI), dan Bahasa dan Sastra
Arab (BSA)
Seleksi
prestasi
akademik
nasional
perguruan tinggi keagamaan islam negeri
(SPAN-PTKIN) adalah salah satu mekanisme
jalur penerimaan mahasiswa baru pada STAIN
Jurai Siwo Metro bersama 55 (lima puluh lima)
PTKIN. Data pada pendaftar SPAN-PTKIN
meliputi Biodata Siswa, Rapor Siswa, Prestasi
Akademik dan Non Akademik Siswa, Biodata
Sekolah, Nilai Akreditasi Sekolah, Nilai
Integritas Sekolah dan nilai Kriteria Ketuntasan
Minimal (KKM).
Pendaftar SPAN-PTKIN dapat memilih 2
(dua) PTKIN dari 55 (lima puluh lima) PTKIN,
Setiap PTKIN dapat memilih 2 (dua) program
studi yang berbeda.
Populasi data pada penelitian ini
menggunakan data peminat SPAN-PTKIN

Tabel 2.6 Tabel analis pemeringkatan

No

Peminat

1
P1
2
P2
3
P3
4
P4
5
P5
6
P6
7
P7
8
P8
9
P9
10
P10
% Kecocokan

SAW

Keputusa
n Ketua

Kepu
tusan
Ketu
a

ELE
CTR
E

METODELOGI PENELITIAN
Metode penelitian adalah sekumpulan
peraturan, kegiatan, dan prosedur yang
digunakan untuk menyusun penelitian ini. Ada
beberapa tahap yang dilakukan yaitu sebagai
berikut:

2.6 Uji Sensitivitas

Dalam melakukan Uji Sensitivitas penulis
menggunakan sampel yang tertera pada Tabel
3.6 Program studi dan kuota penerima. Uji
sensivitas dilakukan untuk mengetahui
seberapa sensitif dan mendapatkan hasil dari
perbandingan kedua metode yang digunakan,
semakin sensitif nilai yang diperoleh dari setiap
perubahan ranking pada setiap metode, maka
metode tersebut akan semakin dipilih.
Derajat sensivitas (Sj) setiap atribut
doperoleh melalui langkah-langkah sebagai
berikut :
1. Tentukan semua bobot atribut, wj=1 (bobot
awal), dengan j=1,2,... jumlah atribut
2. Ubah bobot atribut dalam range 1-2, naikan
bobot sebesar 0,1 sementara atribut lainnya
masih tetap bernilai 1.
3. Normalisasi bobot atribut tersebut dengan
cara membentuk nilai bobot sedemikian
sehingga = 1 .
4. terapkan pada metode SAW dan Metode
ELECTRE untuk bobot-bobot atribut yang
telah dibentuk pada langkah 3.
3

tahun 2016 pada STAIN Jurai Siwo Metro

sedangkan sampel data yang digunakan dalam
penelitian ini adalah data peminat yang
menempatkan pilihan PTKIN pertamanya pada
STAIN Jurai Siwo Metro sebanyak 651
peminat.

2. Nilai Maksimal (Benefit) setiap Kriteria

Tabel 3.5 Nilai Benefit SAW
Nilai Maksimal Setiap Kriteria
K1
5
benefit
K2
5
benefit
K3
4
benefit
K4
3
benefit
3. Hasil Normalisasi
dari Tabel 3.4 dibuat matrik X dan
dilakukan proses normalisasi berdasarkan
persamaan berikut :

Gambar 3.1 Rekapitulasi

3.2 Teknik Pengambilan Data
Teknik pengumpulan data pada penelitian
ini antara lain :
1. Studi Lapangan (Field Research)
Studi
lapangan
digunakan
untuk
memperoleh data dan informasi secara
langsung dari sumber data. Pengamatan
langsung dilakaukan untuk memperoleh data
pendaftar atau peminat STAIN Jurai Siwo
Metro Jalur SPAN-PTKIN.
2. Tinjauan Pustaka (Library Research)
Tinjuan pustaka dilakukan oleh penulis dengan
mengumpulkan data dari berbagai sumber
penelitian, literature, jurnal dan bahan pustaka
yang telah diterbitkan dengan cara membaca,
mengutip dan membuat catatan yang
mendukung dan berkaitan dengan penelitian
ini.

max
5 4
4 4
4 4
4 4
5 3
=
5 4
5 4
5 3
5 5
1 3
11 =
12 =
13 =
14 =
15 =
16 =

3.3 Kriteria Tolak Ukur

Kreteria yang digunakan sebagai tolok ukur
pada penelitian ini dalam menentukan
kelulusan diambil dari data peminat SPANPTKIN antara lain :
1. Capaian Prestasi (K1)
2. Rata-rata rapor (K2)
3. Akreditasi Sekolah (K3)
4. Rata-rata KKM (K4)
Tabel 3.1 Kreteria Penelitian

17 =
18 =
19 =
110 =
41 =

4
4
2
4
4
4
4
3
3
4

2
2
3
2
2
1
2
2
3
1

5
5
= =1
{5; 4; 4; 4; 5; 5; 5; 5; 5; 1} 5
4
4
= = 0.8
{5; 4; 4; 4; 5; 5; 5; 5; 5; 1} 5
4
4
= = 0.8
{5; 4; 4; 4; 5; 5; 5; 5; 5; 1} 5
4
4
= = 0.8
{5; 4; 4; 4; 5; 5; 5; 5; 5; 1} 5
5
5
= =1
{5; 4; 4; 4; 5; 5; 5; 5; 5; 1} 5
5
5
= =1
{5; 4; 4; 4; 5; 5; 5; 5; 5; 1} 5
5
5
= =1
{5; 4; 4; 4; 5; 5; 5; 5; 5; 1} 5
5
5
= =1
{5; 4; 4; 4; 5; 5; 5; 5; 5; 1} 5
5
5
= =1
{5; 4; 4; 4; 5; 5; 5; 5; 5; 1} 5
1
1
= = 0.2
{5; 4; 4; 4; 5; 5; 5; 5; 5; 1} 5
2
2
= = 0.6667
{2; 2; 3; 2; 2; 1; 2; 2; 3; 1} 3

dan seterusnya, sehingga diperoleh matriks

ternormalisasi R sebagai berikut :
Tabel 3.6 Hasil Normalisasi

3.4 Perhitungan Simple Additive Weighting

(SAW)
1. Alternatif (Pn) dan Kriteria (Kn)
Tabel 3.4 Alternatif dan Kriteria SAW

4. Hasil Preferensi
Tabel 3.7 Tabel Preferensi

Selanjutnya Matriks data diatas di beriakn

kepentingan bobot pada setiap kriteria yang
mengekspresikan kepentingan relatifnya (wj).
=

5. Hasil Pemeringkatan SAW

Proses
perankingan
bedasarkan pesamaan berikut :

diperoleh

( . ) ( . ) ( . ) ( )

)
)

( ) ( . ) ( ) ( .

( ) ( . ) ( ) ( .

( ) ( ) ( .

) ( .
) ( )

( . ) ( . ) ( ) ( .

( ) ( . ) ( ) ( .

( ) ( . ) ( .

1
2
3
4
5
6
7
8
9
10

( . ) ( . ) ( ) ( .

.
)

=1

X (data nilai)
5
4
4
4
4
4
4
4
5
3
5
4
5
4
5
3
5
5
1
3
14.1067
12.1655

4
4
2
4
4
4
4
3
3
4
11.5758

2
2
3
2
2
1
2
2
3
1
6.6332

Normalisasi Alternatif, setiap atribut diubah

menjadi nilai yang compareable. setiap
normalisasi dari nilai rij

.
)

Sehingga menghasilkan matrik :

Tabel 3.10 matrik data X

( . ) ( . ) ( ) ( . ,

1 = 5 +4 +4 +4 +5 +5 +5 +5 +5 +1
= 199 = 14,1067
2 = 4 +4 +4 +4 +3 +4 +4 +3 +5 +3
= 148 = 12,1655
3 = 4 +4 +2 +4 +4 +4 +4 +3 +3 +4
= 134 = 11,5758
4 = 2 +2 +3 +2 +2+1 +2 +2 +3 +1
= 044 = 06,6332

.
( ) ( . ) ( ) ( .

sehingga diperoleh hasil pemeringkatan

sebagai berikut :
Tabel 3.8 Hasil Pemeringkatan SAW

= 1,2,3, ,

= 1,2,3, ,

a. Normalisasi untuk P1
X1 | = 14,1067
=
=

|
|

5
= 0,3544
14,1067
4
=
= 0,2836
| 14,1067

b. Normalisasi untuk P2
X2 | = 12,1655
=
=

3.5 Perhitungan Elimination And Choice

Translation Reality (ELECTRE)
Dengan data yang sama penulis membentuk
Matriks perbandingan berpasangan setiap
alternatif di setiap kriteria (xij) sehingga
diperoleh table sebagai berikut :
Tabel 3.9 Matriks Perbandingan berpasangan
ELECTRE
Alternatif
P1
P2
P3
P4
P5
P6
P7
P8
P9
P10
W

K1
5
4
4
4
5
5
5
5
5
1
3

Kriteria
K2
K3
4
4
4
4
4
2
4
4
3
4
4
4
4
4
3
3
5
3
3
4
3
3

|
|

4
= 0,3288
12,1655
4
=
= 0,3288
| 12,1655

c. Normalisasi untuk P3
X3 | = 11,5758
=
=

|
|

4
= 0,3455
11,5758
4
=
= 0,3455
| 11,5758

Sehingga diperoleh matrik ternormalisasi:

Tabel 3.11 Tabel Matrik Ternormalisasi

K4
2
2
3
2
2
1
2
2
3
1
4

R (normalisasi)
1
2
3
4
5
6
7
8
9
10

0.3544
0.2836
0.2836
0.2836
0.3544
0.3544
0.3544
0.3544
0.3544
0.0709

0.3288
0.3288
0.3288
0.3288
0.2466
0.3288
0.3288
0.2466
0.4110
0.2466

0.3455
0.3455
0.1728
0.3455
0.3455
0.3455
0.3455
0.2592
0.2592
0.3455

0.3015
0.3015
0.4523
0.3015
0.3015
0.1508
0.3015
0.3015
0.4523
0.1508

b. discordance
Membagi maksimum selisih nilai kriteria yang
termasuk kedalam himpuan discordance
dengan nilai maksimum selisih nilai seluruh
kriteria yang ada.

Pembobotan Matrik Ternormalisasi, Matrik

ternormalisasi kemudian dihitung berdasarkan
persamaan sebagai berikut :
v_ij=w_j.x_ij
v_11=w_1.x_11=(3).0,3544=1,0633
v_21=w_2.x_21=(3).0,3288=0,9864
v_31=w_3.x_11=(3).0,3455=1,0366
v_41=w_4.x_11=(4).0,3015=1,2060
dan seterusnya,sehingga diperoleh matrik V:
Tabel.3.12 Matrik Ternomalisasi
1
2
3
4
5
6
7
8
9
10

p1
p1
p2
p3
p4
p5
p6
p7
p8
p9
p10

= 1,2,3,
= 1,2,3,4 = {1,2,3,4}
= 1,2,3,4 = {1,2,3}
= 1,2,3,4 = {1,2,3,4}

,
,
,

dan seterusnya hingga c109

b. discondance
= ,
= ,
= ,
= ,

<
<
<
<

,
,
,
,

= 1,2,3,
= 1,2,3,4 = { }
= 1,2,3,4 = {4}
= 1,2,3,4 = { }

p1
p2
p3
p4
p5
p6
p7
p8
p9
p10

4.3
3.1
4.3
4.3
4.3
4.3
4.3
2.1
4.3

2.9
4.1
3.2
3.2
3.2
3.2
1.0
4.1

p3
2.8
3.6
3.6
2.8
2.8
2.8
2.8
1.8
3.6

p4
3.2
4.1
2.9
3.2
3.2
3.2
3.2
1.0
4.1

3.3
3.3
4.0
2.1
4.0

p6
3.1
3.1
3.1
3.1
3.1
3.1
3.1
2.1
3.7

p7
4.3
4.3
3.1
4.3
4.3
4.3
4.3
2.1
4.3

0.86
0.86
0.43
0.86
0.43
1
0.43

p8
2.3
2.3
1.8
2.3
3.0
2.3
2.3
1.8
3.0

p9
4.1
4.1
4.9
4.1
4.1
4.1
4.1
4.9

p5
1
1
1
1

0.86
0.35
1
0.82
1
0

p6
1
1
1
1
1

0.40
1
0
1
0

p7
0
0
1
0
0
0

1
1
1
0

0
1
0

p8
1
1
1
1
1
0.43
1
1
0.30

p10
1
1
1
1
1
1
1
1
1

0.21

dan
dan

= 3,12

)
.

p9
0.43
0.43
0
0.43
0.43
0.21
0.43
0

)
.

.
(

+
= 4,3
= 3,1
+
= 4,3

p5
3.3
3.3
2.1
3.3

=
+
+
+

p4
1
0
1

+
+
+

p3
0.86
0.86

1
0
0.86
0.35
1
0.82
1
0

= 0,626

dari nila threshold c dan d maka digunakan

untuk
membentuk
matrik
dominan
corcondance dan discordance.

dan seterusnya sehingga menghasilkan matrik :

Tabel 3.13 Matrik concordance
p2
3.2

0
1
0
0
0
0
0
1
0

p1

p2
1

Menentukan Dominan Concordance

Discordance
nilai threshold concordance (c)
threshold discordance (d) diperoleh dari:

Selajutnya menghitung matrik concordance

dan discondance.
a. concordance
Menjumlahkan bobot yang termasuk dalam
subset concordance
=
=
=

Tabel 3.14 Matrik Discordance

Menentukan concordance dan discondance

a. concordance

max

_12 = max {|[1,2595 1,8895]; [1,6963

2,2624]| }/max {|[1,2595
1,8895]; [1,6968 2,2624]; [2,1192
2,1192]; [1,7556 1,4043] | }
max{|[0,63]; [0,5656]|}
=
max{|[0,63]; [0,5656]; [0]; [0,3513]|}
0,63
=
=1
0,63
_13 = max {|[1,2595 3,1495] | }/max {|[1,2595
3,1495]; [1,6968 2,2624]; [2,1192
1,5892]; [1,7556 1,4043] | }
max{|[1,89]|}
=
max{|[1,89]; [0]; [0,53]; [0,3513]|}
1,89
=
=1
1,89

V (normalisasi * bobot) (R*W)

1.0633 0.9864 1.0366 1.2060
0.8507 0.9864 1.0366 1.2060
0.8507 0.9864 0.5183 1.8091
0.8507 0.9864 1.0366 1.2060
1.0633 0.7398 1.0366 1.2060
1.0633 0.9864 1.0366 0.6030
1.0633 0.9864 1.0366 1.2060
1.0633 0.7398 0.7775 1.2060
1.0633 1.2330 0.7775 1.8091
0.2127 0.7398 1.0366 0.6030

= ,
= ,
= ,
= ,

max

1,
0,
1,
=
0,

p10
1.0
1.0
1.0
1.0
1.8
1.6
1.0
1.8
1.0

C
C
D
D

c
< c
d
< d

matrik dominan concordance dan discordance

Tabel 3.15 Matrik dominan concordance
Matriks Dominan Concordance (F)
F
P1
P2
P3
P4
P1
0
1
0
1
P2
1
0
1
1
P3
0
0
0
0
P4
1
1
1
0
P5
1
1
0
1
P6
1
1
0
1
P7
1
1
0
1
P8
1
1
0
1
P9
0
0
0
0
P10
1
1
1
1

4.1

P5
1
1
0
1
0
1
1
1
0
1

P6
0
0
0
0
0
0
0
0
0
1

P7
1
1
0
1
1
1
0
1
0
1

P8
0
0
0
0
0
0
0
0
0
0

P9
1
1
1
1
1
1
1
1
0
1

P10
0
0
0
0
0
0
0
0
0
0

Tabel 3.16 Matrik dominan discordance

4.

Matriks Dominan Disordance (G)

G
P1
P2
P3
P4
P5
P6
P7
P8
P9
P10

P1
0
0
1
0
0
0
0
0
1
0

P2
1
0
1
0
1
0
1
1
1
0

P3
1
1
0
1
1
0
1
0
1
0

P4
1
0
1
0
1
0
1
1
1
0

P5
1
1
1
1
0
0
1
0
1
0

P6
1
1
1
1
1
0
1
1
1
0

P7
0
0
1
0
0
0
0
0
1
0

P8
1
1
1
1
1
0
1
0
1
0

P9
0
0
0
0
0
0
0
0
0
0

P10
1
1
1
1
1
1
1
1
1
0

HASIL PENELITIAN DAN

PEMBAHASAN

4.1 Perbandingan Metode SAW dan ELECTRE

Dalam membandingkan metode ini
dibutuhkan hasil keputusan dari expert, dalam
kasus ini adalah Ketua Panitia selaku
pemegang kebijakan untuk meluluskan. Bobot
(W) preferensi yang diberikan W (0.5; 0.2; 0,2;
0,1). Dalam menganalisis kecocokan penulis
menggunakan persamaan:
%

Menentukan aggregate Domain Matrik

Setelah matrik dominan concordance dan
discordance
di
peroleh,
selanjutnya
menentukan
aggregate
domain
matrik
menggunakan persamaan sebagai berikut:
= x
Sehingga didapat matrik aggregate dominan
(E) sebagai berikut :
Tabel 3.17 Agregate Dominan Matrik
Agregate Dominance Matrix E
E
P1 P2 P3
P4
P1
0
1
0
1
P2
0
0
1
0
P3
0
0
0
0
P4
0
0
1
0
P5
0
1
0
1
P6
0
0
0
0
P7
0
1
0
1
P8
0
1
0
1
P9
0
0
0
0
P10
0
0
0
0

P5
1
1
0
1
0
0
1
0
0
0

P6
0
0
0
0
0
0
0
0
0
0

P7
0
0
0
0
0
0
0
0
0
0

P8
0
0
0
0
0
0
0
0
0
0

P9
0
0
0
0
0
0
0
0
0
0

P1
P2
P3
P4
P5
P6
P7
P8
P9
P10

Agg L

RANKING

3
2
0
2
2
0
3
2
0
0

0
4
2
4
4
0
0
0
0
0

3
-2
-2
-2
-2
0
3
2
0
0

1
7
7
7
7
4
1
3
4
4

penulis menggunakan program yang

dibangun untuk menangani perhitungan kedua
metode. Sehingga menghasilkan rata-rata hasil
perbandingan sebagai berikut.
Tabel. 4.1 Rata-rata Hasil Perbandingan
No
1

P10
0
0
0
0
0
0
0
0
0
0

2
3

Program Studi
Pend. Agama Islam
(PAI)
Perbankan Syariah
(S1-PBS)
Ekonomi Syariah
(Esy)
Rata-Rata

ELECTRE

SAW

12.24%

34.69%

32.26%

45.16%

26.32%

84.21%

23.61%

54.69%

4.2 Uji Sensitivitas

Dalam melakukan uji sensitivitas penulis
melakukan prosedur uji sensitifitas dengan
merubah Bobot Sebelum W(0,5; 0,2; 0,2; 0,1)
menjadi Bobot Baru W(4 4 4 4).
Penulis menggunakan persamaan berikut
untuk menghitung besarnya perubahan yang
terjadi pada uji sensitivitas.

Eliminasi alternatif yang less favourable

Matrik E memeberikan ururtan pilihan dari
setiap alternatif, yaitu bila ekl =1 maka
alternatif Ak merupakan pilihan yang lebih baik
daripada Al sehingga baris dala matrik E yang
memiliki jumlah ekl =1 paling sedikit dapat
dielementasi.
dengan demikian alternatif terbaik adalah yang
mendominasi alternatif lainnya. Pada matrik E,
ada baris ke-1, baris ke-2 dan baris ke-4 yang
memiliki elemen ekl=1, tetapi apabila matrik E
saling mendomanisasi, maka perbandingan
untuk mencari yang terbaik dilakukan dengan
mengambil perbandingan pada matrik V.
Tabel 3.18 Hasil Pemeringkatan
Agg K

Penulis menggunakan program yang

berbasis php mysql untuk menangani
perhitungan kedua metode yang digunakan.
Tabel 4.2 Hasil Uji Sensitivitas
No.

Program
Studi

Pend.
Agama
Islam (PAI)
Perbankan
2
Syariah
(S1-PBS)
Ekonomi
3
Syariah
(Esy)
Rata-Rata
1

ELECTRE

SAW

Sistem
saat
ini

93.81%

68.14%

19.47%

99.00%

99.00%

78.00%

98.75%

88.75%

68.75%

97.19%

85.30%

55.41%

4.3 Analisis Kreteria

Analisis kriteria digunakan untuk melihat
nilai kreteria peringkat teratas dari kedua
metode dibandingkan dengan niali kriteria
yang di inginkan oleh STAIN Jurai Siwo
Metro. Kreteria lulusan K1-Prestasi 50%(0.5),
K2-Rapor 20%(0.2), K3-Akreditasi 20%(0,2)
dan K4-KKM 10%(0.1).
Berikut hasil pemeringkatan SAW dan
ELECTRE :
Tabel 4.3 Hasil Ranking SAW dan ELECTRE

5.2 Saran
1 Agar
lebih
realable
dalam
hasil
pemeringkatan, Kriteria Rapor dan KKM
tidak dibuatkan nilai bobot sehingga hasil
pemeringkatan tidak menghasilkan nilai
yang sama.
2 Dapat ditambahkan kreteria sebagai
indikator penerimaan mahasiswa jalur
SPAN-PTKIN.
3 Dapat dilakukan lebih lanjut penelitian
tentang penggabungan Metode SAWELECTRE pada kasus yang sama.
6.

Dari tabel diatas menunjukan bahwa

alternatif terbaik menggunakan metode SAW
adalah no.daftar 1620273550 dengan kreteria
(5; 4; 4; 2) dan alternatif terbaik menggunkan
metode
ELECTRE
adalah
no.daftar
1620546169 dengan kreteria (5; 4; 3; 2).
Kreteria dari kedua alternatif menunjukan
bahwa kreteria alternatif terbaik dari metode
SAW lebih besar dari kreteria alternatif terbaik
dari metode ELECTRE.
V KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil penelitian yang sudah
dilakukan maka dapat disimpulkan sebagai
berikut:
1. Berdasarkan uji sensitivitas yang diterapkan
terhadap kedua metode yang digunakan,
pada
metode
ELECTRE
memiliki
prosentasi perubahan sebesar 97.19%,
metode
SAW
memiliki
prosentasi
perubahan 85.30% dan Perhitungan yang
sedang berjalan memiliki prosentase
55.41%.
2. Hasil Rata-rata uji sensitivitas kedua
metode dibandingkan dengan hasil rata-rata
uji sensitivitas perhitungan yang sedang
berjalan menunjukan metode Electre lebih
sensitif terhadap perubahan nilai preferensi
dibandingkan metode SAW.
3. Hal yang mendasari letak perbedaan hasil
Metode SAW-ELECTRE adalah pada
langkah ketiga electre yang membentuk
matrik concordance dan discordance ini
karean
ELECTRE
menghasilkan
perbandingan berpasangan.

DAFTAR PUSTAKA
1.

Alter. 2002. Analisis dan Perencanaan

Sistem Informasi dengan Metodologi
Berorientasi
Objek.
Bandung
:
Informatika.

2.

Alinezhad, A., Amini, A., & Alinezhad,

A. (2009). Sensitivity analysis of simple
additive weighting method (SAW): the
results of change in the weight of one
attribute on the final ranking of
alternatives. Journal of Industrial
Engineering, 4, 1318.

3.

Anomim. 2016. Panitia Pelaksana SPANPTKIN. Prosedur Operasional Baku.

Seleksi Prestasi Akademik Nasional
Perguruan Tinggi Keagamaan Islam
Negeri (SPAN-PTKIN) Tahun 2016.

4.

Apriansyah, D. P., Indriyati,. (2015).

Sistem Pendukung Keputusan Seleksi
Anggota Badan Eksekutif Mahasiswa
dengan Metode Elimination Et Choix
Traduisant La Realite (Electre). Jurnal
Masyarakat Informatika, Vol 6. 37-42.
Nomor 11, Universitas Diponegoro.ISSN
2086 4930.

5.

Dalam, T. Irawan,. R,.H. 2015. Uji

Sensitivitas Metode WP, SAW dan
TOPSIS Dalam Menentukan Titik Lokasi
Repeater Internet Wireless, Seminar
Nasional Teknologi Informasi dan
Multimedia 2015, 2(2), 8590, STMIK
AMIKOM Yogyakarta. ISSN : 2302-3805

6.

Damanik, O. O. (2015). Sistem

Pendukung Keputusan Pemilihan Siswa
Peserta Olimpiade Sma Negeri 1 Lubuk
Pakam Deliserdang Menerapkan Metode
Elimination And Choice Translation
Reality ( ELECTRE ), Jurnal Pelita
Informatika Budi Darma, Vol 9 No.1,
145153, STMIK Budi Darma Medan.
ISSN : 2301-9425.

7.

Erwinsyah. 2016. Sistem Pendukung

Keputusan Untuk Seleksi Mahasiswa
Baru (Studi Kasus: Program Khusus

Ulama IAIN Antasari Banjarmasin),

Jurnal Speed, Vol 8 No.1, 2935. IAIN
Antasari Banjarmasin. ISSN : 1979-9330.
8.

9.

and weighting techniques in multiple

attribute decision making Case Study (
priority public transport systems in Qom
), 36. ISSN: 1300-1949

Eniyati, S. 2011. Perancangan Sistem

Pendukung Pengambilan
Keputusan
untuk Penerimaan Beasiswa dengan
Metode SAW. Jurnal Teknologi Informasi
DINAMIK Volume 16, No. 2, Juli 2011,
hal 171-176, Universitas Stikubank.
ISSN:0854-9524

16. Mude,.
Muh.
Aliyazid.
2016.
Perbandingan Metode Saw Dan Topsis
Pada Kasus UMKM, Jurnal Ilmiah
ILKOM Vol.8 No.2, 7681. ISSN: 20871716
17. Podvezko, V. 2011. The Comparative
Analysis of MCDA Methods SAW and
COPRAS. Engineering Economics, 22(2),
134146.
http://doi.org/10.5755/j01.ee.22.2.310

Ermatita, Sri Hartati, Wardoyo, R., &

Harjoko, A. (2011). Electre Methods in
Solving Group Decision Support System
Bioinformatics on Gene Mutation
Detection
Simulation.
International
Journal of Computer Science and
Information Technology, 3(1), 4052,
AIRCC's.

18. Putro, Y. D., & Dayawati, R. N. 2007.

Metode Electre Dan Algoritma Genetika (
studi kasus: Pemilihan Supervisor Pada
Pt Mitsubishi Jaya Elevator And
Escalator), Universitas Telkom. Tugas
Akhir.

10. Gufron, E. 2015. Perbandingan Metode

Elimination And Choice Translation
Reality (ELECTRE) dan Metode Simple
Additive Weighting Method (SAW)
dalam Penentuan Penerima Beasiswa.
Skripsi.Universitas Jember.

19. Setiawan, F. Indriani, F. Muladi. 2015.

Implementasi Metode Electre pada Sistem
Pendukung Keputusan SNMPTN Jalur
Undangan. Kumpulan Jurnal Ilmu
Komputer Vol.02, No.02, September
2015, Universitas Lambung Mangkurat.
ISSN:2406-7857.

11. Hartini, D. C., Ruskan, E. L., Ibrahim, A.,

Sistem, J., Fakultas, I., & Komputer, I.
(2013). Sistem Pendukung Keputusan
Pemilihan Hotel Di Kota Palembang
Dengan
Metode
Simple
Additive
Weighting (SAW), 5(1), 546565,
Universitas Sriwijaya. ISSN: 2085-1588

20. Simanaviciene, R., & Ustinovichius, L.

2010. Sensitivity analysis for quantitative
decision making methods: TOPSIS and
SAW. Procedia - Social and Behavioral
Sciences, 2(6), 77437744. Retrieved
from
http://isd.ktu.lt/it2010/material/Proceedin
gs/1_AI_3.pdf

12. Henry, W. S., Amalia, R., Andi, F. M. &

Arivanty, K. 2009. Sistem Pendukung
Keputusan Untuk Menentukan Penerima
Beasiswa Bank BRI Menggunakan
FMADM. Seminar Nasional Aplikasi
Teknologi Informasi 2010 (SNATI 2010),
Universitas Islam Indonesia. ISSN: 19075022.

21. Sulviatin,
N.,
Sophan,
M.
K.,
Kustiyahningsih, Y., Informatika, P. T.,
Teknik, F., Madura, U. T.,Kamal,. 2014.
Model Enrollment Penerimaan Siswa
Baru Sekolah Menengah Pertama Negeri
Menggunakan Metode AHP & SAW (
Studi Kasus: Dinas Pendidikan Kab
Bangkalan ), 4(2), 7180, Universitas
Trunojoyo. ISSN 2088-2130.

13. Henry Wibowo S. 2010. Madm-Tool:

Aplikasi Uji Sensitivitas Untuk Model
Madm Menggunakan Metode Saw Dan
Topsis. Seminar Nasional Aplikasi
Teknologi Informasi 2010 (SNATI 2010),
Universitas Islam Indonesia. ISSN: 19075022.

22. Surya, C. 2015. Sistem Pendukung

Keputusan
Rekomendasi
Penerima
Beasiswa Menggunakan Fuzzy Multi
Attribut Decision Making ( FMADM )
dan Simple Additive Weighting ( SAW ),
11(4), AMIK Mitra Gama Duri. ISSN.
1412-4785.

14. Kusumadewi, S., & Hartati, S. (2007).

Sensitivity analysis of multi-attribute
decision making methods in Clinical
Group Decision Support System. 2007
International Conference on Intelligent
and
Advanced
Systems.
http://doi.org/10.1109/ICIAS.2007.46583
95

23. Turban, E., et.al. 2005. Sistem Pendukung

Keputusan dan Sistem Cerdas. Edisi 7.
Yogyakarta:Andi

15. Merati, H., & Sheikholeslami, A. 2015.

Sensitivity analysis Decision techniques

24. Tran, P. N., & Boukhatem, N. 2008.

Comparison
of
MADM
decision
9

algorithms for interface selection in

heterogeneous
wireless
networks.
SoftCom 2008: 16th International
Conference
on
Software,
Telecommuncations
and
Computer
Networks,
119124.
TELECOM
ParisTech.
DOI:
10.1109/SOFTCOM.2008.4669464.
ISBN: 978-953-6114-97-9.
25. Veryana, D., Matematika, J., &
Brawijaya, 2015. Penerapan Metode
Electre Pada Pemilihan Calon Penerima
Beasiswa Ppa Di Universitas Brawijaya
Malang, Vol 2, No 6 (2014), 405408,
Universitas Brawijaya Malang.
26. Yuliawati, D. (2013). Peningkatan
efektifitas penjurusan mahasiswa ilmu
komputer
menggunakan
otomatisasi
penerapan metode simple additive
weighting., 13(2), 149159, Informatics
& Business Institute Darmajaya.
27. Yusuf, A. A., Koniyo, M. H., & Novian,
D. (n.d.). metode gabungan AHP dan
TOPSIS
dengan
metode
TOPSIS
menggunakan studi kasus Penerimaan
Beasiswa Peningkatan Prestasi Akademik
( PPA ) dan Bantuan Belajar Mahasiswa (
BBM ) di Fakultas Teknik Universitas
Negeri Gorontalo ( UNG ), 2(2). 113,
Universitas Negeri Gorontalo.
28. Zak, J., & Kruszyski, M. (2015).
Application of AHP and ELECTRE III/IV
methods to multiple level, multiple
criteria evaluation of urban transportation
projects.
Transportation
Research
Procedia, 10(7), 820830. ScienceDirect.

10