Implementasi Metode Pm-Saw

1
IMPLEMENTASI METODE PM-SAW UNTUK

REKOMENDASI GURU BERPRESTASI
SKRIPSI
Untuk memenuhi sebagian persyaratan mencapai gelar Sarjana Komputer
Disusun oleh:
HAPPY GAGAS TRI ATMOJO
NIM. 105060807111057
TEKNIK INFORMATIKA
PROGRAM TEKNOLOGI INFORMASI DAN ILMU
KOMPUTER
UNIVERSITAS BRAWIJAYA
MALANG
2015
2
LEMBAR PERSETUJUAN
IMPLEMENTASI METODE PM-SAW UNTUK REKOMENDASI GURU
BERPRESTASI
SKRIPSI
LABORATORIUM KOMPUTASI DAN SISTEM CERDAS
Disusun oleh:
NIM 105060807111057
Telah diperiksa dan disetujui oleh:

Dosen Pembimbing I Dosen Pembimbing II
Rekyan Regasari MP, ST.,MT Budi Darma S, S.Kom, M.Cs

NIK. 77041406120253 NIP. 198410152014041002
LEMBAR PENGESAHAN
IMPLEMENTASI METODE PM-SAW UNTUK REKOMENDASI GURU
BERPRESTASI
SKRIPSI
LABORATORIUM KOMPUTASI DAN SISTEM CERDAS
Disusun oleh:
NIM 105060807111057
Skripsi ini telah diuji dan dinyatakan lulus pada tanggal 29 Juni 2015
Penguji 1, Penguji 2,
Edy Santoso, S.Si., M.Kom. Hurriyatul Fitriyah, ST., M.Sc.

NIP. 197404142003121004 NIK.2013048510012001
Penguji 3,
Issa Arwani, S.Kom., M.Sc.

NIP.198309222012121003
Mengetahui
Ketua Program Studi Informatika/Ilmu Komputer
Drs. Marji, M.T.

NIP. 19670801 199203 1 001
PERNYATAAN
ORISINALITAS SKRIPSI
Saya menyatakan dengan sebenar-benarnya bahwa sepanjang

pengetahuanya, di dalam naskah SKRIPSI ini tidak terdapat karya ilmiah yang
pernah diajukan oleh orang lain untuk memperoleh gelar akademik di suatu
perguruan tinggi dan tidak terdapat karya atau pendapat yang pernah ditulis atau
diterbitkan oleh orang lain, kecuali yang secara tertulis dikutip dalam naskah ini
dan disebutkan dalam sumber kutipan dan daftar pustaka.
Apabila ternyata didalam naskah SKRIPSI ini dapat dibuktikan terdapat
unsur-unsur PLAGIASI, saya bersedia SKRIPSI ini digugurkan dan gelar
akademik yang telah saya peroleh (SARJANA) dibatalkan, serta diproses sesuai
dengan peraturan perundang-undangan yang berlaku. (UU No. 20 Tahun 2003,
Pasal 25
ayat 2 dan Pasal 70).
Malang, 07 Juli 2015

Mahasiswa,
Happy Gagas Tri Atmojo

NIM. 10506080711105
KATA PENGANTAR
Dengan nama Allah SWT Yang Maha Pengasih dan Penyayang. Segala
puji bagi Allah SWT atas berkat, taufik, dan hidayah-Nya, penyusunan Tugas
Akhir yang berjudul Implementasi Metode PM-SAW untuk Rekomendasi Guru
Berprestasi dapat diselesaikan dengan baik. Shalawat serta salam atas junjungan
besar kita Nabi Muhammad S.A.W. beserta keluarga dan para sahabat sekalian.
Tugas Akhir ini disusun untuk memenuhi sebagai persyaratan memperoleh gelar
Sarjana Komputer di Program Studi Informatika/Ilmu Komputer Program
Teknologi Informasi dan Ilmu Komputer Universitas Brawijaya Malang.
Penulis menyadari bahwa dalam proses penulisan skripsi ini banyak
mengalami kendala, namun berkat bantuan, bimbingan, kerjasama dari berbagai
pihak dan berkah dari Allah SWT sehingga kendala-kendala yang dihadapi
tersebut dapat diatasi. . Oleh karena itu, pada kesempatan ini penulis ingin
menyampaikan rasa hormat dan terima kasih penulis kepada :
1. Rekyan Regasari Mardi Putri, S.T.,M.T. , dan Budi Darma Setiawan,
S.Kom.,M.Cs. , selaku dosen pembimbing tugas akhir penulis.
2. Seluruh dosen Program Studi Informatika atas kesediaan membaginya ilmunya
kepada penulis.
3. Semua Asisten Praktikum, Laboran, dan Kepala Laboratorium pada Program
Teknologi Informasi dan Ilmu Komputer yang telah memberikan banyak bantuan
dan dukungan dalam menyelesaikan tugas akhir ini. Orang tua penulis dan seluruh
keluarga yang senantiasa tiada henti-hentinya memberikan doa demi terselesainya
tugas akhir ini.
4. Orang tua saya serta seluruh keluarga besarku yang tiada henti-hentinya
memberikan doa, semangat, dan kasih sayang demi terselesaikannya skripsi.
5. Semua pihak UPTD Pendidikan SD Kecamatan Sukomoro yang telah berkenan
membantu dalam proses penelitian skripsi
6. Seluruh rekan-rekan dari OPTIIK khususnya Rifqi Kurniawan dan Yulis Raga
Priyono yang telah memberikan banyak bantuan dan dukungan dalam
menyelesaikan tugas akhir ini.
7. Teman-teman kontrakan joyogrand 9128 yang memberi hiburan dalam pengerjaan
skripsi ini.
8. Sahabat-sahabat Informatika, PTIIK, LKM OPTIIK, LPM BIOS PTIIK, serta
semua pihak yang tidak dapat penulis sebutkan satu per satu yang telah
memberikan doa, bantuan serta semangat kepada penulis selama menempuh studi
di Teknik Informatika Universitas Brawijaya.
Penulis menyadari bahwa tugas akhir ini masih banyak kekurangan dan
masih jauh dari sempurna. Untuk itu, saran dan kritik yang membangun, sangat
penulis harapkan. Semoga tugas akhir ini membawa manfaat bagi penyusun
maupun pihak lain yang menggunakannya.
Malang, 10 Juni 2015
Penulis
ABSTRAK
Happy Gagas Tri Atmojo. 2015. Implementasi Metode PM-SAW

untuk Rekomendasi Guru Berprestasi. Skripsi Program Studi Teknik
Informatika, Program Teknologi Informasi dan Ilmu Komputer Universitas
Brawijaya. Pembimbing: Rekyan Regasari Mardi Putri, S.T, M.T dan Budi
Darma Setiawan, S.Kom, M.Cs.
Guru adalah pendidik yang menjadi tokoh, panutan bagi para peserta
didik. Pada sekolah dasar yang tersebar di wilayah Kecamatan Sukomoro setiap
tahunnya dilakukan pemilihan guru 5 berprestasi. Ada 14 subkriteria yang
menjadi dasar penilaian untuk guru berprestasi. Proses pemilihan guru berprestasi
selama ini masih dilakukan secara manual dan adanya subkriteria dari masing-
masing guru yang hampir sama maka akan menyulitkan pada saat penilaian.
Sehingga dibutuhkan aplikasi yang bisa menilai pada setiap kriteria dan
perangkingan sehingga dapat digunakan untuk menentukan guru mana yang
berprestasi dalam satu kecamatan secara cepat dan efisien. Pada penelitian ini
penulis memilih metode PM-SAW, karena metode PM-SAW melakukan penilaian
dengan memberikan tingkat nilai ideal untuk prestasi guru dan melakukan
penilaian secara lebih tepat karena didasarkan pada nilai subkriteria dan bobot
yang sudah ditentukan.
Penelitian menggunakan metode PM-SAW ini menghasilkan akurasi
sebesar 70%, pada pengujian bobot metode akurasi tertinggi sebesar 100% dengan
pemberian bobot yang sama lalu dikalikan sebanyak jumlah core factor dan
secondary factor pada masing-masing kriteria.
Kata Kunci : Guru, PM-SAW, Core Factor dan Secondary Factor

ABSTRACT
Happy Gagas Tri Atmojo. 2015. Implementation of PM-SAW method

for the best teacher recommendation. Thesis of Computer Science, Program
Teknologi Informasi dan Ilmu Komputer Universitas Brawijaya. Supervisor:
Rekyan Regasari Mardi Putri, S.T, M.T and Budi Darma Setiawan, S.Kom,
M.Cs.
Teachers are role models for their students. In the elementary schools
which are spread in sub-district Sukomoro every year do election 5 best teachers.
There are 14 sub-criteria on which to base assessment for best teachers. Until this
day, the selection of best teacher is still conducted manually. For the sub-criteria,
there are some of them that similar, therefore the difficulties are found during the
evaluation.
Based on the problem showed, the application which can grade and assess
on each criteria is needed. So, it can be used for deciding the appropriate best
teacher in a sub-district rapidly and efficiently. In this study the authors choose
PM-SAW method, because the PM-SAW method assessment by providing the ideal
value for the achievement levels of teachers and to assess more accurately
because it is based on the value of sub-criteria and weighting that have been
specified.
PM-SAW method is used for this research. This study results 70% on
accuracy. During the weight test method, the highest accuracy is 100% with the
same weight given then multiplied with a number of core factors and secondary
factors on each criteria.
Keywords: Teacher, PM-SAW, Core Factor and Secondary Factor
DAFTAR ISI
LEMBAR PERSETUJUAN.....................................................................................i
LEMBAR PENGESAHAN.....................................................................................ii
KATA PENGANTAR.............................................................................................iii
ABSTRAK..............................................................................................................iv
ABSTRACT.............................................................................................................v
DAFTAR ISI...........................................................................................................vi
DAFTAR TABEL..................................................................................................vii
DAFTAR GAMBAR............................................................................................viii
DAFTAR LAMPIRAN...........................................................................................ix
1 BAB I PENDAHULUAN.............................................................................1
1.1 Latar Belakang................................................................................................1
1.2 Rumusan Masalah..........................................................................................3
1.3 Batasan Masalah.............................................................................................3
1.4 Tujuan.............................................................................................................3
1.5 Manfaat...........................................................................................................3
1.6 Sistematika Penulisan.....................................................................................4
2 BAB II TINJAUAN PUSTAKA....................................................................6
2.1 Kajian Pustaka................................................................................................6
2.2 Kinerja Guru...................................................................................................7
2.3 Penilaian Kinerja Guru...................................................................................8
2.4 Guru Berprestasi...........................................................................................11
2.5 Profile Matching...........................................................................................11
2.6 Multi-Criteria Decision Making (MCDM)..................................................13
2.7 Multi-Attribut Decision Making (MADM)...................................................14
2.8 Simple Additive Weighting (SAW)................................................................14
2.8.1 Prosedur SAW..........................................................................................15
3 BAB III METODE PENELITIAN DAN PERANCANGAN......................17
3.1 Tahapan Penelitian........................................................................................17
3.1.1 Studi Literatur..........................................................................................18
3.1.2 Pengumpulan Data...................................................................................18
3.1.3 Perancangan.............................................................................................18
3.1.4 Implementasi............................................................................................18
3.1.5 Pengujian.................................................................................................18
3.1.6 Kesimpulan dan Saran.............................................................................19
3.2 Perancangan Sistem......................................................................................20
3.2.1 Perancangan Flowchart...........................................................................20
3.2.2 Manualisasi..............................................................................................27
3.2.3 Perancangan Antarmuka..........................................................................34
4 BAB IV IMPLEMENTASI..........................................................................44
4.1 Spesifikasi Sistem.........................................................................................44
4.1.1 Spesifikasi Perangkat keras.....................................................................44
4.1.2 Spesifikasi Perangkat Lunak....................................................................44
4.2 Implementasi Aplikasi..................................................................................45
4.2.1 Proses Menghitung Nilai GAP................................................................45
4.2.2 Proses Merubah GAP ke Nilai.................................................................45
4.2.3 Proses Menghitung Niliai Core Factor dan Secondary Factor...............46
4.2.4 Proses Normalisai dan Menghitung Nilai Akhir......................................48
4.3 Implementasi Antarmuka..............................................................................49
4.3.1 Implementasi Antarmuka Halaman Home...............................................49
4.3.2 Implementasi Halaman Input Data Guru.................................................50
4.3.3 Implementasi Halaman Update Data Guru..............................................51
4.3.4 Implementasi Halaman Lihat Data Guru.................................................51
4.3.5 Implementasi Halaman Bobot.................................................................52
4.3.5.1 Implementasi Nilai Target Profile Matching.......................................52
4.3.5.2 Implementasi Halaman Bobot SAW...................................................53
4.3.6 Implementasi Halaman Hasil PM-SAW..................................................53
4.3.7 Implementasi Halaman Pengujian...........................................................54
4.3.7.1 Implementasi Halaman pengujian Hasil Metode Profile Matching....55
4.3.7.2 Implementasi Halaman pengujian Hasil Metode SAW......................56
5 BAB V PENGUJIAN DAN ANALISA.......................................................57
5.1 Pengujian Akurasi.........................................................................................57
5.1.1 Hasil Pengujian Akurasi..........................................................................59
5.1.2 Analisa Pengujian Akurasi.......................................................................60
5.2 Pengujian Bobot Metode..............................................................................61
5.2.1 Hasil Pengujian Bobot Metode................................................................64
5.2.2 Analisa Pengujian Bobot Metode............................................................66
6 BAB VI PENUTUP......................................................................................67
6.1 Kesimpulan...................................................................................................67
6.2 Saran.............................................................................................................68
DAFTAR PUSTAKA...............................................................................................1
DAFTAR TABEL
Tabel 2.1 Penelitian Terdahulu Menggunakan Profile Matching............................6

Tabel 2.2 Penelitian Terdahulu Menggunakan SAW...............................................7
Tabel 2.3 Kompetensi dan Subkompetensi Guru....................................................9
Tabel 2.4 Bobot Nilai Gap.....................................................................................12
Tabel 3.1 Gambaran Umum Form Pengujian Akurasi..........................................19
Tabel 3.2 Gambaran Umum Pengujian Akurasi Terhadap Bobot Metode............19
Tabel 3.3 Data Guru dan Subkriteria Guru............................................................29
Tabel 3.4 Data Nilai Target....................................................................................29
Tabel 3.5 Hasil Perhitungan GAP.........................................................................30
Tabel 3.6 Data Perubahan GAP ke Nilai...............................................................30
Tabel 3.7 Penentuan Subkriteria yang Menjadi Core Factor dan Secondary
Factor.............................................................................................31
Tabel 3.8 Hasil Perhitungan Core Factor dan Secondary Factor.........................32
Tabel 3.9 Data Guru 1 Nilai Core dan Secondary.................................................33
Tabel 3.10 Hasil Normalisasi Matrix Guru 1........................................................33
Tabel 3.11 Bobot Metode PM-SAW......................................................................33
Tabel 3.12 Nilai Prevensi......................................................................................34
Tabel 4.1 Spesifikasi Perangkat Keras Komputer.................................................44
Tabel 4.2 Spesifikasi Software Komputer.............................................................45
Tabel 5.1 Hasil Pecocokan Pihak UPTD dengan Masing-Masing Metode Tahun
2013................................................................................................59
Tabel 5.2 Hasil Pecocokan pihak UPTD dengan Masing-Masing Metode Tahun
2014................................................................................................60
Tabel 5.3 Bobot Perbandingan Metode.................................................................62
Tabel 5.4 Hasil Pecocokan Pihak UPTD dengan Perhitungan Bobot 1 2 dan 3
Tahun 2013.....................................................................................64
Tabel 5.5 Hasil Pecocokan Pihak UPTD dengan Perhitungan Bobot 4 dan 5 Tahun
2013................................................................................................64
Tahun 2014.....................................................................................65
Tabel 5.7 Hasil Pecocokan Pihak UPTD dengan Perhitungan Bobot 4 dan 5 Tahun
2014................................................................................................65
DAFTAR GAMBAR
Gambar 3.1 Diagram Alir Penelitian....................................................................17

Gambar 3.2 Diagram Alir Sistem.........................................................................20
Gambar 3.3 Diagram PM-SAW...........................................................................21
Gambar 3.4 Diagram Perhitungan GAP...............................................................22
Gambar 3.5 Diagram Penentuan Nilai GAP.........................................................23
Gambar 3.6 Diagram Core Factor.......................................................................24
Gambar 3.7 Diagram Secondary Factor..............................................................25
Gambar 3.8 Diagram Normalisasi........................................................................26
Gambar 3.9 Diagram Perhitungan Hasil Akhir....................................................27
Gambar 3.10 Rancangan Antarmuka Home.........................................................35
Gambar 3.11 Rancangan Antarmuka Input Data Guru.........................................36
Gambar 3.12 Rancangan Antarmuka Update Data Guru.....................................37
Gambar 3.13 Rancangan Antarmuka Update Data Guru form Data Guru...........38
Gambar 3.14 Rancangan Antarmuka Lihat Data Guru........................................38
Gambar 3.15 Rancangan Antarmuka Nilai Target Profile Matching...................39
Gambar 3.16 Rancangan Antarmuka Bobot SAW...............................................40
Gambar 3.17 Rancangan Antarmuka Hasil PM-SAW.........................................41
Gambar 3.18 Rancangan Atarmuka Pengujian.....................................................42
Gambar 3.19 Rancangan Antarmuka Metode Profile Matching..........................43
Gambar 3.20 Rancangan Antarmuka Metode SAW.............................................43
Gambar 4.1 Antarmuka Halaman Home..............................................................50
Gambar 4.2 Antarmuka Halaman Input Data Guru..............................................50
Gambar 4.3 Antarmuka Halaman Update Data Guru...........................................51
Gambar 4.4 Antarmuka Halaman lihatt Data Guru..............................................52
Gambar 4.5 Antarmuka Halaman Nilai Target Profile Matching........................53
Gambar 4.6 Antarmuka Halaman Bobot SAW....................................................53
Gambar 4.7 Antarmuka Halaman Hasil PM-SAW...............................................54
Gambar 4.8 Antarmuka Halaman pengujian........................................................55
Gambar 4.9 Antarmuka Halaman Hasil Profile Matching...................................56
Gambar 4.10 Antarmuka Halaman Hasil SAW....................................................56
Gambar 5.1 Hasil Guru Berprestasi Pihak UPTD Tahun 2013............................57
Gambar 5.2 Hasil Guru Berprestasi Pihak UPTD Tahun 2014............................57
Gambar 5.3 Hasil Guru Berprestasi Metode PM-SAW Tahun 2013....................58
Gambar 5.4 Hasil Guru Berprestasi Metode PM-SAW Tahun 2014....................58
Gambar 5.5 Hasil Guru Berprestasi Metode Profile Matching Tahun 2013........58
Gambar 5.6 Hasil Guru Berprestasi Metode Profile Matching Tahun 2014........58
Gambar 5.7 Hasil Guru Berprestasi Metode SAW Tahun 2013...........................58
Gambar 5.8 Hasil Guru Berprestasi Metode SAW Tahun 2014...........................59
Gambar 5.9 Grafik Hasil Akurasi dari Masing-masing Metode Tahun 2013 dan
2014................................................................................................61
Gambar 5.10 Hasil Perhitungan dengan Bobot 1 tahun 2013..............................62
Gambar 5.20 Grafik Hasil Akurasi dari Masing-masing Bobot Metode Tahun
2013 dan 2014................................................................................66
DAFTAR LAMPIRAN
Lampiran 1 Contoh Penilaian Kinerja Guru....................................................L-1

Lampiran 2 Bobot Dari Masing-Masing Kriteria............................................L-3
Lampiran 3 Normalisasi Matrix Metode PM-SAW
1 BAB I
PENDAHULUAN
1.1 Latar Belakang

Guru adalah pendidik yang menjadi tokoh, panutan bagi para peserta
didik. Oleh karena itu, guru harus memiliki standar kualitas tertentu, yang
mencakup tanggung jawab, wibawa, dan disiplin. Kegiatan belajar peserta didik
dipengaruhi oleh berbagai faktor, seperti motivasi, kematangan, hubungan peserta
didik dengan guru, kemampuan verbal, dan keterampilan guru dalam
berkomunikasi. Jika faktor-faktor di atas dipenuhi, maka melalui pembelajaran
peserta didik dapat belajar dengan baik. Ada beberapa hal yang harus dilakukan
oleh seorang guru dalam pembelajaran, yaitu: membuat perencanaan
pembelajaran, memberi kegiatan pembelajaran yang aktif dan efektif, memberikan
penilaian untuk mengukur kemajuan dan keberhasilan peserta didik.
Pada sekolah dasar yang tersebar di wilayah Kecamatan Sukomoro setiap
tahunnya dilakukan pemilihan guru berprestasi. Pemilihan guru berprestasi ini
dilaksanakan untuk meningkatkan motivasi dan profesionalitas guru dalam
pelaksanaan tugas profesionalnya, membangun komitmen peningkatan mutu guru
dan peningkatan mutu pendidikan serta pembelajaran secara lebih merata.
Sehingga diharapkan dapat memberikan kontribusi pada peningkatan kualitas
pembelajaran yang dilakukan secara langsung, serta pengembangun karir guru
sebagai tenaga profesional dapat diwujudkan [NAS-12]
Proses pemilihan guru berprestasi selama ini masih dilakukan secara
manual dan adanya nilai dari subkriteria masing-masing guru yang hampir sama
maka akan menyulitkan pada saat penilaian. Karena dengan hanya menjumlahkan
nilai dari semua kriteria terus merata-ratanya (proses penilaian kinerja guru) pasti
ada nilai guru yang sama, missal apabila hanya diambil lima guru yang menjadi
guru berprestasi di kecamatan tersebut tapi ternyata nilai yang menjadi peringkat
ke empat sampai tujuh memiliki nilai yang sama pasti akan sulit untuk memberi
keputusan yang tepat. Sehingga dibutuhkan aplikasi yang bisa menilai pada setiap
kriteria dan perangkingan sehingga dapat digunakan untuk menentukan guru
mana yang berprestasi dalam satu kecamatan secara cepat dan efisien.
Terdapat beberapa metode yang dapat digunakan dalam pemecahan
masalah di atas, diantaranya Metode simple additive weighting (SAW), profile
matching, dll. Metode Profile Matching secara garis besar adalah metode dengan
proses membandingkan kompetensi individu dengan nilai suatu profil [BHA-10].
Pada penelitian sebelumnya yang dilakukan oleh Ferdian Benny Udyana dari
Universitas Komputer Indonesia mengenai metode profile matching untuk
perencanaan karir dan pemilihan karyawan berprestasi pada CV.SAS BANDUNG.
Sistem ini bertugas untuk melakukan analisis karyawan-karyawan yang menurut
perhitungan cocok dengan kriteria untuk pengisian jabatan yang kosong dan akan
menghasilkan ukuran kompetensi antar karyawan dengan jabatan berdasarkan
spesifikasi yang jelas [BEN-11]. Metode Simple Additive Weighting (SAW)
merupakan metode didasarkan pada pembobotan nilai rata-rata, dimana evaluasi
nilai dari mencari alternatif optimal dari sejumlah alternatif dengan kriteria
tertentu[ENS-11]. Pada penelitian tentang pemanfaatan metode Simple Additive
Weighting (SAW) dalam penentuan mahasiswa berprestasi tingkat Universitas
Sebelas Maret Surakarta (UNS). perhitungan seleksi mahasiswa berprestasi
tingkat fakultas dan universitas menggunakan metode Simple Additive Weighting
(SAW) karena sesuai dengan perhitungan dalam menentukan mahasiswa
berprestasi yakni dengan mencari penjumlahan terbobot dari rating kinerja pada
setiap alternatif pada semua atribut. Banyaknya mahasiswa yang diambil pada
tahap universitas disesuaikan dengan jumlah kandidat mahasiswa berprestasi
ditahap fakultas dengan nilai ketepatan (accuracy) 92% [RIZ-14]
Pada penelitian ini menggunakan gabungan metode Profile Matching dan
Simple Additive Weighting (SAW) untuk diimplementasikan dalam penentuan
guru berprestasi dalam satu kecamatan agar didapat kandidat guru yang memiliki
kompetensi. metode ini dipilih oleh penulis karena pada Profile Matching
melakukan penilaian dengan memberikan tingkat nilai ideal untuk prestasi guru
dan SAW melakukan penilaian secara lebih tepat karena didasarkan pada nilai
kriteria dan bobot syang sudah ditentukan.
Berdasarkan permasalah yang telah dipaparkan diatas maka penulis ingin
melakukan sebuah penelitian dengan judul Implementasi Metode PM-SAW
Untuk Rekomendasi Guru Berprestasi.
1.2 Rumusan Masalah

Dari latar belakang diatas, permasalahan yang akan dibahas pada penelitian
ini adalah sebagai berikut:
1. Bagaimana mengimplementasikan metode PM-SAW untuk
merekomendasikan guru berprestasi.
2. Bagaimana hasil perhitungan menggunakan manualisasi dengan perhitungan
menggunakan aplikasi.
3. Berapa tingkat akurasi dari metode PM-SAW untuk merekomendasikan
guru berprestasi.
1.3 Batasan Masalah

Batasan masalah dalam tugas akhir ini adalah sebagai berikut:
1. Untuk penelitian ini guru dibatasi dengan hanya guru umum di sekolah
dasar di Kecamatan Sukomoro sejumlah 11 sekolah.
2. Jumlah guru yang berprestasi hanya diambil 5.
3. Penentuan kriteria dan subkriteria diperoleh dari Permendiknas Nomor 16
tahun 2009 penilaian angka kredit.
4. Pemecahan masalah dibatasi hanya sampai memberikan rekomendasi
berupa alternatif keputusan yang dapat diimplementasikan oleh Dinas
Pendidikan di Kecamatan Sukomoro.
1.4 Tujuan
Tujuan dari penulisan proposal skripsi ini sebagai berikut :
1. Menerapkan metode PM-SAW untuk merekomendasikan guru berprestasi.
2. Memberikan alternatif guru mana yang berprestasi di Kecamatan
menggunakan metode PM-SAW.
1.5 Manfaat
Manfaat yang diperoleh dari penulisan skripsi sebagai berikut:
1. Penelitian ini diharapkan dapat membantu pihak UPTD dalam proses
menentukan guru berprestasi di sekolah dasar yang berada di kecamatan
Sukomoro dengan lebih cepat dan efisien.
2. Sebagai bahan pertimbangan dan acuan dalam penelitian selanjutnya.
1.6 Sistematika Penulisan

Sistematika penulisan laporan skripsi ini disesuaikan dengan tata cara
penulisan skripsi program studi Teknologi Informasi dan Ilmu Komputer, Fakultas
Teknik Informatika, Universitas Brawijaya.
BAB I PENDAHULUAN
Bab ini menjelaskan tentang latar belakang masalah yang
menyebabkan diadakannya penelitian, Rumusan masalah, Tujuan,
Batasan masalah,manfaat dan sistematika penulisan.
BAB II TINJAUAN PUSTAKA
Bab ini menjabarkan kajian pustaka dan teori-teori yang mendasari
perancangan pada pembuatan implementasi PM-SAW untuk
menentukan guru berprestasi, dan teknik pengujian.
BAB III METODE PENELITIAN DAN PERANCANGAN
Bab ini membahas tentang metode penelitian yang digunakan oleh
peneliti dalam menyelesaikan masalah serta langkah-langkah yang
digunakan untuk menyelesaikan penelitian ini. Selain itu
membahas perancangan yang meliputi analisa kebutuhan dan
perancangan sistem.
BAB IV IMPLEMENTASI
Bab ini menjelaskan tentang implementasi dari sistem yang sudah
dirancang pada bab sebelumnya serta menampilkan aplikasi yang
sudah dirancang.
BAB V PENGUJIAN DAN ANALISIS
Bab ini membahas tentang strategi dan teknik pengujian dari sistem
yang telah dirancang dan diimplementasikan. Selain itu dilakukan
analisis terhadap hasil pengolahan data. Analisis dilakukan pada
bab sebelumnya dalam hal pengumpulan data,pengolahan data,dan
hasil yang diperoleh.
BAB VI PENUTUP
Bab ini menjelaskan tentang kesimpulan dari uraian bab-bab
sebelumnya dan saran dari hasil yang diperoleh dan diharpkan
dapat bermanfaat dalam penelitian selanjutnya.
2 BAB II
TINJAUAN PUSTAKA
Pada bab ini akan diuraikan mengenai kajian pustaka serta dasar teori
pembuatan aplikasi Implementasi metode PM-SAW untuk rekomendasi guru
berprestasi.
2.1 Kajian Pustaka

penelitian sebelumnya yang dilakukan oleh Ferdian Benny Udyana dari
Universitas Komputer Indonesia mengenai metode profile matching untuk
perencanaan karir dan pemilihan karyawan berprestasi pada CV.SAS BANDUNG.
Sistem ini bertugas untuk melakukan analisis karyawan-karyawan yang menurut
perhitungan cocok dengan kriteria untuk pengisian jabatan yang kosong dan akan
menghasilkan ukuran kompetensi antar karyawan dengan jabatan berdasarkan
spesifikasi yang jelas [BEN-11]. Berikut tabel penjelasan tentang penelitian yang
terdahulu dijelaskan pada tabel 2.1.
Tabel 2.1 Penelitian Terdahulu Menggunakan Profile Matching
Author Judul Parameter Keterangan
[BUF- Sistem Pendukung 1. Kapasitas intelektual. Sistem yang dibangun dapat

11] Keputusan - Capability. memberikan kemudahan
Perencanaan Karir - Capacity. proses penempatan jabatan
dan Pemilihan - Konsentrasi tertentu dan pemilihan
Karyawan - Antisipasi karyawan berprestasi.
Berprestasi pada 2. Sikap kerja. Sistem pendukung keputusan
CV. SAS Bandung 3. Perilaku. yang dibangun mampu
4. Skill. mengukur kompetensi
antara karyawan dengan
jabatan berdasarkan
spesifikasi yang jelas.
Sumber: [BUF-11]
Pada penelitian tentang pemanfaatan metode Simple Additive Weighting
(SAW) dalam penentuan mahasiswa berprestasi tingkat Universitas Sebelas Maret
Surakarta (UNS). perhitungan seleksi mahasiswa berprestasi tingkat fakultas dan
universitas menggunakan metode Simple Additive Weighting (SAW) karena
sesuai dengan perhitungan dalam menentukan mahasiswa berprestasi yakni
dengan mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif
pada semua atribut. Banyaknya mahasiswa yang diambil pada tahap universitas
disesuaikan dengan jumlah kandidat mahasiswa berprestasi ditahap fakultas
dengan nilai ketepatan (accuracy) 92% [RIZ-14]. Berikut tabel penjelasan tentang
penelitian yang terdahulu dijelaskan pada tabel 2.2.
Tabel 2.2 Penelitian Terdahulu Menggunakan SAW
Author Judul Parameter Keterangan
[RIZ- Pemanfaatan 1. IPK Sistem yang dibangun dapat

14] Metode Simple 2. Pelatihan memberikan kemudahan
Additive Weighting 3. Karya untuk menentukan
(SAW) Dalam 4. Ekstra mahasiswa berprestasi.
Penentuan 5. Portofolio Sistem pendukung keputusan
Mahasiswa 6. Piagam yang dibangun memiliki
Berprestasi Tingkat nilai ketepatan sebesar 92%
Universitas Sebelas
Maret Surakarta
Sumber: [RIZ-14]
2.2 Kinerja Guru
Kinerja merupakan hasil dari fungsi pekerjaan atau kegiatan seseorang atau
kelompok dalam suatu organisasi yang dipengaruhi oleh berbagai faktor untuk
mencapai tujuan organisasi dalam periode waktu tertentu. Dengan adanya kinerja
yang baik maka tujuan dari suatu organisasi akan mudah dicapai [RIV-05]. Pada
dasarnya prestasi kinerja dari seseorang merupakan hasil dari kerja seseorang
dalam waktu tertentu yang telah ditentukan dan telah disepakati bersama.
Undang-undang nomor 14 Tahun 2005 tentang guru dan dosen menyatakan
bahwa Guru merupakan tenaga pendidik profesional yang mempunyai tugas
utama yaitu mendidik, mengajar, membimbing, mengarahkan, melatih, menilai
dan mengevaluasi peserta didik pada pendidikan anak usia dini melalui jalur
formal pendidikan dasar dan pendidikan menengah. Guru merupakan komponen
pendidikan yang penting dalam mewujudkan keberhasilan dalam suatu
pendidikan. Dalam kaitanya dengan kinerja, salah satu cara meningkatkan mutu
pendidikan yaitu dengan cara meningkatkan kinerja guru. Guru dituntut
semaksimal mungkin dalam upaya menjalankan profesinya sebaik mungkin.
Sebagai tenaga profesional maka dengan tugas guru sebagai pendidik, pengajar
dan pelatih dapat berpengaruh kepada peserta didik. Dalam hal ini diharapkan
guru dapat terus meningkatkan kinerjanya yang merupakan modal bagi
keberhasilan suatu pendidikan.
Dalam UU No. 14 Tahun 2005 Bab IV Pasal 20 (a) tentang Guru dan Dosen
menyatakan bahwa standar prestasi kerja guru dalam melaksanakan tugas
keprofesionalannya, guru berkewajiban merencanakan pembelajaran,
melaksanakan proses pembelajaran yang bermutu serta menilai dan
mengevaluasi hasil pembelajaran. Tugas pokok guru tersebut yang
diwujudkan dalam kegiatan belajar mengajar merupakan bentuk kinerja guru.
2.3 Penilaian Kinerja Guru

Penilaian terhadap kinerja guru merupakan suatu upaya yang bertujuan
untuk mengetahui tingkat profesionalitas seorang guru yang berkaitan dengan
input, proses dan output yang dilakukannya atas dasar kriteria tertentu [ROB-96].
Sehingga sistem penilaian kinerja guru merupakan sebuah sistem
pengelolaan kinerja berbasis guru yang didesain untuk mengevaluasi tingkatan
kinerja guru secara individu dalam rangka mencapai kinerja sekolah secara
maksimal yang
berdampak pada peningkatan prestasi peserta didik. Pada dasarnya sistem
penilaian kinerja guru bertujuan [NAS-12]:
1. Menentukan tingkat kompetensi seorang guru.
2. Meningkatkan efisiensi dan efektivitas kinerja guru dan sekolah.
3. Menyajikan suatu landasan untuk pengambilan keputusan dalam
mekanisme penetapan efektif atau kurang efektifnya kinerja guru.
4. Menyediakan landasan untuk program pengembangan keprofesian
berkelanjutan bagi guru.
5. Menjamin bahwa guru melaksanakan tugas dan tanggung-jawabnya
serta mempertahankan sikap-sikap yang positif dalam mendukung
pembelajaran peserta didik untuk mencapai prestasinya.
6. Menyediakan dasar dalam sistem peningkatan promosi dan karir guru
serta bentuk penghargaan lainnya.
Sesuai yang telah ditetapkan dalam Peraturan Menteri Pendidikan Nasional
Nomor 16 Tahun 2009 untuk guru kelas atau guru mata pelajaran dan guru
bimbingan atau guru konseling, kompetensi yang dijadikan sebagai dasar untuk
penilaian kinerja guru adalah perencanaan pembelajaran, pelaksanaan kegiatan
pembelajaran, dan penilaian pembelajaran dengan 14 (empat belas)
subkompetensi sebagaimana yang telah dirumuskan Oleh Badan Standar Nasional
Pendidikan (BSNP) [NAS-10]. Berikut adalah tabel kompetensi beserta
subkompetensinya yang dijelaskan di tabel 2.3.
Tabel 2.3 Kompetensi dan Subkompetensi Guru
Kriteria Subkriteria
Guru Memformulasikan tujuan pembelajaran
dalam RPP sesuai dengan kurikulum/silabus dan
memperhatikan karakteristik peserta didik.
Guru menyusun bahan ajar secara runut, logis,
Perencanaan
konstektual, dan mutakhir.
Pembelajaran
Guru merencanakan kegiatan pembelajaran
yang efektif.
Guru memilih sumber belajar/media
pembelajaran sesuai dengan materi dan strategi
pembelajaran.
Guru memulai pembelajaran dengan efektif.
Guru menguasai materi pembelajaran.
Guru menerapkan pendekatan/strategi
pembelajaran yang efektif.
Guru memanfaatkan sumber belajar/media
Pelaksanaan Kegiatan dalam pembelajaran.
Pembelajaran Guru memicu dan/atau memelihara ketertiban
siswa dalam pembelajaran.
Guru menggunakan bahasa yang benar dan tepat
dalam pembelajaran.
Guru mengakhiri pembelajaran dengan efektif.
Guru merancang alat evaluasi untuk mengukur
kemajuan dan keberhasilan belajar peserta didik.
Guru menggunakan berbagai strategi dan
metode penilaian untuk memantau kemajuan
dan hasil belajar peserta didik dalam mencapai
kompetensi tertentu sebagaimana yang tertulis
dalam RPP.
Penilaian Pembelajaran
Guru memanfaatkan berbagai hasil penilaian
untuk memberikan umpan balik bagi peserta
didik tentang kemajuan belajarnya dan bahan
penyusun rancangan pembelajaran selanjutnya.
Contoh Penilaian Kinerja Guru sesuai dengan tabel diatas ditunjukkan pada
lampiran 1.
Pelaksanaan penilaian kinerja guru dilakukan pada akhir rentang waktu 2
semester setelah pelaksanaan pengembangan keprofesian berkelanjutan sesuai
yang telah direncanakan. Pelaksanaan penilaianan kinerja guru ini harus
dilakasanakan dalam waktu 4-6 minggu diakhir rentang waktu 2 semester. Metode
yang digunakan dalam pelaksanaan penilaian kinerja guru kelas/mata pelajaran
dilakukan melalui pengamatan dan pemantauan. Pengamatan merupakan suatu
kegiatan penilaian kinerja guru sebelum, selama, dan setelah pelaksanaan
proses pembelajaran. Sedangkan pemantauan merupakan suatu kegiatan yang
bertujuan untuk menilai kinerja guru melalui pemeriksaan dokumen, wawancara
dengan guru yang dinilai, dan/atau wawancara dengan warga. Setelah nilai
penilaian kinerja guru diperoleh, selanjutnya Kepala sekolah atau madrasah wajib
melaporkan hasil penilaian kinerja guru kepada Dinas Pendidikan
Kabupaten/Kota dan Tim Penilai Angka Kredit kabupaten/kota, provinsi, atau
pusat sebagai dasar penetapan angka kredit (PAK) tahunan yang selanjutnya
dipertimbangkan untuk kenaikan pangkat dan jabatan fungsional guru sekolah
[NAS-12].
2.4 Guru Berprestasi

Guru berprestasi adalah guru profesional sebagaimana diamanatkan dalam
ketentuan Permennegpan dan RB Nomor 16 tahun 2009 tentang Jabatan
Fungsional Guru dan Angka Kreditnya, wajib melaksanakan kegiatan
Pengembangan Keprofesian Berkelanjutan (PKB) untuk menjaga dan
meningkatkan keprofesiannya dalam peningkatan karir dan kepangkatannya.
Dalam peraturan tersebut disebutkan bahwa PKB merupakan salah satu kegiatan
unsur utama dalam pemenuhan angka kredit kenaikan jenjang pangkat/jabatan
guru yang harus dipenuhi untuk Kenaikan Pangkat/Jabatan fungsional guru ke
jenjang berikutnya.
2.5 Profile Matching

Profile Matching merupakan sebuah mekanisme pengambilan keputusan
dengan mengasumsikan bahwa terdapat tingkat variabel prediktor yang ideal yang
harus dimiliki oleh individu, bukan tingkat minimal yang harus dipenuhi atau
dilewati. Dalam profile matching, dilakukan identifikasi terhadap suatu kelompok
yang baik maupun buruk. Para individu dalam kelompok tersebut diukur
menggunakan beberapa kriteria penilaian[KUS-07].
Prosedur metode Profile Matching :
1. Langkah pertama menentuan Bobot Nilai Gap. Pada tahap ini, akan ditentukan
bobot nilai masing-masing aspek dengan menggunakan bobot nilai yang telah
ditentukan bagi masing-masing aspek itu sendiri. Adapun inputan dari proses
pembobotan ini adalah selisih dari profil karyawan dan profil jabatan.
2. Langkah kedua dengan melakukan pemetaan Gap. Gap yang dimaksud adalah
perbedaan antara nilai target dengan nilai attribute. Perhitungan nilai gap dapat
ditunjukkan pada persamaan 2-1.
Gap=Nilai Attribut Nilai Target (2-1)
Sedangkan untuk pengumpulan gap-gap yang terjadi itu sendiri pada tiap
aspeknya mempunyai perhitungan yang berbeda-beda.
Range penilaian dapat disesuaikan dengan kebutuhan pada tempat
penelitianya, kemudian langkah selanjutnya adalah memaparkan tiap aspeknya
sehingga didapatkan gap (selisih) sesuai dengan persamaan gap. Setelah
didapatkan tiap gap masing-masing guru, maka tiap profil karyawan diberi bobot
nilai sesuai dengan patokan nilai pada tabel bobot nilai gap seperti yang dapat
dilihat pada tabel 2.4.
Tabel 2.4 Bobot Nilai Gap
No Selisih Bobo Keterangan

(Gap) t
Nilai
1 0 4 Tidak ada Gap (kompetensi sesuai yang dibutuhkan)
2 1 3.5 Kompetensi individu kelebihan 1 tingkat/level
3 -1 3 Kompetensi individu kurang 1 tingkat/level
Sumber: [KUS-07]
3. Melakukan perhitungan core factor dan secondary factor. Setelah
menentukan bobot nilai gap untuk ketiga aspek yang dibutuhkan, kemudian
tiap aspek dikelompokkan lagi menjadi dua kelompok yaitu core factor dan
secondary factor
a. Core Factor (Faktor Utama)
Core factor merupakan aspek (kompetensi) yang paling menonjol atau
paling dibutuhkan oleh suatu jabatan yang diperkirakan dapat
menghasilkan kinerja optimal. Perhitungan core factor dapat ditunjukkan
pada persamaan 2-2:
NCF=
NC
IC
(2-2)
Keterangan :
NCF : Nilai rata-rata core factor
NC : Jumlah total nilai core factor (subkriteria 1, subkriteria 3, dst.)
IC : Jumlah item core factor
b. Secondary Factor (Faktor Pendukung)
Secondary factor adalah item-item selain aspek yang ada pada core factor
(faktor pendukung). Perhitungan secondary factor dapat ditunjukkan pada
persamaan 2-3.
NSF=
NS
IS
(2-3)
Keterangan :
NSF : Nilai rata-rata secondary factor
NS : Jumlah total nilai secondary factor (subkriteria 2, subkriteria 4, dst.)
IS : Jumlah item secondary factor
c. Menghitung Nilai Total Aspek

Dari hasil perhitungan dari tiap aspek tersebut kemudian dihitung nilai
total berdasarkan presentase dari core factor dan secondary factor yang
diperkirakan berpengaruh terhadap kinerja tiap-tiap profil. Perhitungannya
dapat dilihat pada persamaan 2-4 [KUS-07].
nilai total=60 NCF+ 40 NSF (2-4)
Keterangan :
NCF : Nilai rata-rata core factor
NSF : Nilai rata-rata secondary factor
d. Menghitung hasil akhir (ranking)
Hasil akhir dari proses profile matching adalah ranking dari kandidat yang
dapat dijadikan karyawan yang dapat mengisi suatu jabatan tertentu.
Penentuan ranking mengacu pada hasil perhitungan tertentu, perhitungan
tersebut dapat ditunjukan pada persamaan 2-5.
Hasil Akhir=( x ) N 1+ ( x ) N 2+ ( x ) N 3+ ( x ) N 4+... (2-5)
Keterangan :
N1 : Nilai Total Kriteria 1
(x)% : Nilai persen rumus hasil akhir (total 100%)
2.6 Multi-Criteria Decision Making (MCDM)

Multi-Criteria Decision Making (MCDM) merupakan suatu metode
pengambilan keputusan yang didasarkan atas teori-teori, proses-proses, dan
metode analitik yang melibatkan ketidakpastian, dinamika, dan aspek kriteria
jamak. Dalam metode optimasi konvensional, cakupan umumnya hanya dibatasi
pada satu kriteria pemilihan (mono criteria), dimana pemilihan yang diambil
adalah pilihan yang paling memenuhi fungsi obyektif. Namum, masalah yang
dihadapi khususnya yang lebih bersifat praktis tidaklah sesederhana itu. Ada
kalanya pertimbangan-pertimbangan subjektif harus dimasukkan ke dalam proses
pembuatan keputusan. Kondisi ini menyebabkan pendekatan optimasi
konvensional tidak lagi dapat dipergunakan. Ada dua macam kategori dari Multi-
criteria decision making (MCDM), yaitu Multi-Objective Decision Making
(MODM) dan Multi-Attribute Decision Making (MADM) [KET-08].
2.7 Multi-Attribut Decision Making (MADM)

Multi-Attribut Decision Making (MADM) adalah suatu metode yang
digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan
kriteria tertentu. Inti dari MADM adalah menentukan nilai bobot untuk setiap
atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi
alternatif yang sudah diberikan. Pada dasarnya, ada 3 cara untuk mencari nilai
bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif dan pendekatan
integrasi antara subyektif & obyektif. Masing-masing pendekatan memiliki
kelebihan dan kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan
berdasarkan subyektifitas dari par pengambil keputusan, sehingga beberapa faktor
dalam proses perankingan alternatif bisa ditentukan secara bebas. Sedangkan pada
pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan
subyektifitas dari pengambil keputusan. Ada beberapa metode yang dapat
digunakan untuk menyelesaikan masalah FMADM antara lain [KUS-06]:
1. Simple Additive Weighting Method (SAW)
2. Weighted Product (WP)
3. ELECTRE
4. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
5. Analytic Hierarchy Process (AHP)
2.8 Simple Additive Weighting (SAW)

Simple Additive Weighting (SAW) merupakan metode yang paling dikenal
dan banyak digunakan orang dalam menghadapi situasi MADM. Metode ini
merupakan metode penjumlahan terbobot. Konsep dasar metode SAW adalah
mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada
semua kriteria [KUS-06]. Metode SAW mengenal adanya 2 (dua) atribut yaitu
kriteria keuntungan (benefit) dan kriteria biaya (cost). Perbedaan mendasar dari
kedua kriteria ini adalah dalam pemilihan kriteria ketika mengambil keputusan.
2.8.1 Prosedur SAW

Pada dasarnya langkah-langkah atau prosedur pada metode SAW adalah
[KUS-06]:
1. Menentukan alternatif, yaitu Ai.
2. Menentukan kriteria yang akan dijadikan acuan dalam pengambilan
keputusan, yaitu Cj.
3. Memberikan nilai rating kecocokan setiap alternatif pada setiap kriteria.
4. Menentukan bobot preferensi atau tingkat kepentingan (W) setiap
kriteria.
5. Membuat tabel rating kecocokan dari setiap alternatif pada setiap
kriteria.
6. Membuat matrik keputusan (X) yang dibentuk dari tabel rating
kecocokan dari setiap alternatif pada setiap kriteria. Nilai X setiap
alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan, dimana,
i=1,2,m dan j=1,2,n.
7. Melakukan normalisasi matrik keputusan dengan cara menghitung nilai
rating kinerja ternomalisasi (rij) dari alternatif Ai pada kriteria Cj
Apabila berupa artibut keuntungan maka nilai crisp (Xij) dari setiap
kolom atribut dibagi dengan nilai crisp MAX (MAX Xij) dari tiap
kolom, sedangkan untuk atribut biaya, nilai crisp MIN (MIN Xij) dari
tiap kolom atribut dibagi dengan nilai crisp (Xij) setiap kolom. Proses
normalisasi dapat ditunjukkan pada persamaan 2-6.
{
x ij
Max
, jika j adalah attribut keuntungan
r ij = x
i ij
Min (2-6)
x
i ij
, Jika j adalah attribut biaya (cost )
x ij
Keterangan :
r ij = nilai rating kinerja ternormalisasi.
x ij = nilai atribut yang dimiliki dari setiap kriteria.
Max x ij = nilai terbesar dari setiap kriteria i.
Min x ij = nilai terkecil dari setiap kriteria i.
Benefit = jika nilai terbesar adalah terbaik.
Cost = jika nilai terkecil adalah terbaik, dimana rij adalah Rating
kinerja ternormalisasi dari alternatif Ai pada atribut
C j ;i=1,2,...,m dan j=1,2,...,n.
8. Hasil dari nilai rating kinerja ternomalisasi ( r ij ) membentuk matrik
ternormalisasi (R).
9. Hasil akhir nilai preferensi ( V i ) diperoleh dari penjumlahan dari
perkalian elemen baris matrik ternormalisasi (R) dengan bobot
preferensi (W) yang bersesuaian eleman kolom matrik (W). Nilai
preferensi untuk setiap alternatif ( V i ) diberikan pada persamaan 2-
7.
n
V i= w j r ij (2-7)
j=1
Keterangan :
V i = ranking untuk setiap alternatif
Wj = nilai bobot dari setiap kriteria
Rij = nilai rating kinerja ternormalisasi Nilai Vi yang lebih besar
mengindikasikan bahwa alternatif Ai lebih terpilih.
10. Hasil perhitungan nilai Vi yang lebih besar mengindikasikan bahwa
alternatif A i merupakan alternatif terbaik
3 BAB III
METODE PENELITIAN DAN PERANCANGAN
Pada bab ini akan membahas mengenai metode penelitian yang digunakan
dan langkah-langkah yang dilakukan dalam melakukan penelitian mulai dari studi
literatur hingga pengujian berserta evaluasi.
3.1 Tahapan Penelitian

Adapun langkah-langkah yang dilakukan dapat dilihat pada gambar 3.1.
Studi Literatur
Pengumpulan Data
Perancangan
Implementasi
Pengujian dan Analisis
Kesimpulan dan Saran
Gambar 3.1 Diagram Alir Penelitian

Gambar 3.1 Diagram Alir Penelitian
Pada gambar 3.1 dapat diketahui diagram alir dari penelitian di mana tiap
langkahnya memiliki peran masing-masing dan saling berkaitan. Berikut
penjelasan tentang langkah-langkah dari alur penelitian:
3.1.1 Studi Literatur

Melakukan studi literatur mengenai guru, dan literatur lain yang
berhubungan dengan metode yang digunakan yaitu metode Profile Matching dan
Simple Additive Weighting. Studi literatur dilakukan dengan mencari sumber
berupa jurnal, buku, laporan penelitian, e-book untuk mendukung penyelesaian
masalah dan merealisasikan tujuan.
3.1.2 Pengumpulan Data

Melakukan pengumpulan dan analisis data guru. Data yang digunakan pada
penelitian ini merupakan data masing-masing guru, data kriteria dan subkriteria
guru. Selanjutnya untuk pembobotan masing-masing kriteria guru akan dilakukan
dengan cara mengisi quisioner yang akan di berikan kepada pihak UPTD data
bobot tersebut akan di tampilkan pada lampiran 2.
3.1.3 Perancangan
Melakukan perancangan sistem, menghitung manual, dan mendesain
antarmuka. Sistem dirancang untuk menentukan rekomendasi guru berprestasi
dalam satu kecamatan, Perhitungan manual dilakukan agar mengetahui bentuk
sederhana dari algoritma yang dijalankan pada perangkat lunak. Pembuatan
antarmuka memberikan kemudahan dan efisiensi waktu dalam melakukan
perancangan.
3.1.4 Implementasi
Mengimplementasikan perancangan dalam bentuk perangkat lunak yang

dapat memberikan rekomendasi guru berprestasi dalam satu kecamatan
menggunakan metode PM-SAW
3.1.5 Pengujian
Pengujian pada penelitian ini dilakukan agar dapat menunjukkan bahwa

sistem yang dibangun telah mampu bekerja sesuai dengan spesifikasi dari
kebutuhan yang melandasinya. Pada penelitian ini akan dilakukan pengujian
akurasi dan pengujian bobot metode. Pada pengujian akurasi akan dibandingkan
dengan metode profile matching dan simple additive weighting Penjelasan untuk
masing-masing prosedur pengujian yang dilakukan sebagai berikut:
a. Pengujian akurasi
Pengujian akurasi digunakan untuk mengetahui akurasi aplikasi dengan
manual. Nilai akurasi didapat dengan cara mencocokkan hasil yang
didapat pada aplikasi dengan hasil dari perhitungan dari pihak UPTD
Kecamatan. Untuk gambaran umum form pengujian yang akan dibuat
seperti yang ditunjukkan pada Tabel 3.1.
Tabel 3.5 Gambaran Umum Form Pengujian Akurasi
Manua Profile SAW

PM-SAW
l Matching
b. Pengujian bobot metode

Pada pengujian Bobot Metode ini akan mencari bobot yang paling optimal
untuk memperbaiki bobot sebelumnya dalam perhitungan metode PM-
SAW. Prosedur pengujian yang dilakukan pada pengujian ini yaitu dengan
cara mengubah bobot pada metode PM-SAW. Untuk gambaran umum
form pengujian yang akan dibuat seperti yang ditunjukkan pada Tabel 3.2.
Tabel 3.6 Gambaran Umum Pengujian Akurasi Terhadap Bobot Metode
Metode
Guru Bobot 1 Bobot 2 Bobot 3 Bobot 4 Bobot 5
3.1.6 Kesimpulan dan Saran

Pengambilan kesimpulan dilakukan setelah semua tahapan perancangan,
implementasi, dan pengujian. Kesimpulan diambil untuk menjawab rumusan
masalah yang telah ditetapkan sebelumnya. Tahap terakhir dari penulisan adalah
saran untuk memperbaiki kesalahan-kesalahan yang terjadi dan menyempurnakan
penulisan serta untuk memberikan pertimbangan atas pengembangan penelitian
selanjutnya.
3.2 Perancangan Sistem
Sistem yang dibuat bertujuan untuk memberikan rekomendasi guru

berprestasi dalam satu kecamatan dengan menggunakan metode PM-SAW.
3.2.1 Perancangan Flowchart

Perancangan terhadap program dijelaskan dengan diagram alir. Sehingga
proses secara keseluruhan dan jalannya aplikasi dapat lebih mudah dimengerti
dari awal proses hingga diperoleh hasil akhir. Diagrm alir sistem dapat dilihat
pada gambar 3.2.
Gambar 3.2 Diagram Alir Sistem

Dari Gambar 3.2. dapat dijelaskan sebagai berikut:
1. Proses penerimaan masukan /input dari user

Masukan berupa data nilai subkriteria masing-masing guru.
2. Proses pada metode PM-SAW
Setelah semua inputan data dari user dimasukkan maka data-data tersebut
di olah dengan metode PM-SAW.
3. Hasil
Pada proses yang terjadi pada PM-SAW nantinya akan dihasilkan
alternatif guru.
1. Diagram Alir Proses PM-SAW
Diagrm alir Proses PM-SAW dapat dilihat pada gambar 3.3.
Gambar 3.3 Diagram PM-SAW

Dari gambar 3.3 dapat dijelaskan sebagai berikut. PM-SAW diawali
dengan input Subkriteria guru. Kemudian dihitung selisih (gap) antara subkriteria
guru dengan nilai target sesuai dengan persamaan (2-1). Setelah itu, selisih GAP
akan dirubah ke nilai bobot sesuai dengan table 2.3. nilai bobot tiap-tiap
subkriteria akan dikelompokan ke dalam core factor dan secondary factor. Core
factor merupakan subkriteria yang utama dan secondary factor adalah subkriteria
pendukung perhitungan core factor akan ditunjukkan pada persamaan (2-2) dan
perhitungan secondary factor ditunjukkan pada persamaan (2-3). Pada tahap
selanjutnya matriks yang telah diperoleh dinormalisasikan sesuai dengan
Persamaan (2-6). Selanjutnya sesuai dengan persamaan (2.-7) untuk mencari nilai
prevensi dengan penjumlahan dari perkalian elemen baris matrik ternormalisasi
(R) dengan bobot preferensi (W) yang bersesuaian eleman kolom matrik.
Hasil akhir dari proses ini yaitu berupa hasil PM-SAW. Hasil akhir tersebut
dirangking.
1. Perhitungan GAP
Diagrm alir Perhitungan Gap dapat dilihat pada gambar 3.4.
Gambar 3.4 Diagram Perhitungan GAP

Dari gambar 3.4 dijelaskan yaitu proses perhitungan nilai gap diperoleh dari
selisih antara subkriteria guru dengan nilai target yang sudah di tentukan.
2. Penentuan Nilai Gap
Diagrm alir Penentuan Nilai Gap dapat dilihat pada gambar 3.5.
Gambar 3.5 Diagram Penentuan Nilai GAP
Dari gambar 3.5 dijelaskan setelah kita mendapatkan Gap kemudian dicari
nilai Gap dari setiap kriteria dan subkriteria. Nilai Gap didapat dari aturan tabel
nilai Gap yang sudah ditentukan pada table 2.3.
3. Perhitungan Core Factor dan Secondary Factor
Setelah didapat nilai Gap untuk semua kriteria, kemudian setiap kriteria
dibagi menjadi dua kelompok yaitu core factor dan secondary factor. Lalu
dilakukan perhitungan untuk masing-masing kelompok. Proses perhitungan
berbeda antara core factor dengan secondary factor. Alur perhitungan core factor
dapat dilihat pada gambar 3.6.
Gambar 3.6 Diagram Core Factor

Dari gambar 3.6 dapat dijelaskan perhitungan core factor ini berupa rata-
rata nilai Gap dari subkriteria yang sudah dikelompokkan masuk pada golongan
core factor. Proses perhitungan ini hanya akan diterapkan pada kriteria yang
memiliki subkriteria saja. Untuk alur perhitungan secondary factor dapat dilihat
pada gambar 3.7.
Gambar 3.7 Diagram Secondary Factor
Dari gambar 3.7 juga dijelaskan nilai Gap juga digunakan pada
penghitungan Secondary Factor. Perhitungan ini menggunakan nilai Gap yang
berasal dari subkriteria yang termasuk pada golongan secondary factor yang
sudah ditentukan sebelumnya. Secondary factor juga merupakan rata-rata nilai
Gap dari subkriteria.
4. Normalisasi
Setelah didapat nilai core factor dan secondary factor untuk semua kriteria.
Lalu dilakukan Normalisasi. Alur Normalisasi dapat dilihat pada gambar 3.8.
Gambar 3.8 Diagram Normalisasi
Dari gambar 3.8 dapat dijelaskan proses normalisasi dilakukan dengan cara
pembagian nilai kriteria yang menjadi core factor atau secondary factor dengan
nilai tertinggi dari kriteria core factor atau secondary factor.
5. Perhitungan Hasil Akhir
Setelah didapat nilai normalisasi untuk core factor dan secondary factor.
Lalu dilakukan perhitungan hasil akhir. Alur perhitungan hasil akhir dapat dilihat
pada gambar 3.9
Gambar 3.9 Diagram Perhitungan Hasil Akhir
Dari gambar 3.9 dapat dijelaskan proses perhitungan nilai akhir dilakukan
dengan cara penjumlahan dari nilai normalisasi dikalikan dengan bobot.
3.2.2 Manualisasi
Dalam bagian ini akan ditampilkan data, pengolahan data menggunakan
Metode PM-SAW. Langkah awal dalam pengolahan dan perhitungan Manual
yaitu menentukan kriteria dan subkriteria yang akan digunakan dalam penelitian
ini. Kriteria dan subkriteria mengacu pada penjelasan dalam bab sebelumnya
mengenai penilaian kinerja guru. Kriteria dan Subkriteria yang akan dipakai
dalam penelitian ini yaitu:
1. Kritria: Perencanaan Pembelajaran.
Kriteria Perencanaan Pembelajaran mempunyai 4 subkriteria. Untuk 4
subkriteria dari Perencanaan Pembelajaran sebagai berikut:
a. Subkriteria 1 : Guru Memformulasikan tujuan pembelajaran
dalam RPP sesuai dengan kurikulum/silabus dan memperhatikan
karakteristik peserta didik..
b. Subkriteria 2 : Guru menyusun bahan ajar secara runut, logis,
konstektual, dan mutakhir.
c. Subkriteria 3 : Guru merencanakan kegiatan pembelajaran yang
efektif.
d. Subkriteria 4 : Guru memilih sumber belajar/media pembelajaran
sesuai dengan materi dan strategi pembelajaran.
2. Kritria: Pelaksanaan Kegiatan Pembelajaran.
Kriteria Pelaksanaan Kegiatan Pembelajaran mempunyai 7 subkriteria.
Untuk 7 subkriteria dari kepribadian sebagai berikut:
a. Subkriteria 5 : Guru memulai pembelajaran dengan efektif.

b. Subkriteria 6 : Guru menguasai materi pembelajaran.
c. Subkriteria 7 : Guru menerapkan pendekatan/strategi pembelajaran
yang efektif.
d. Subkriteria 8 : Guru memanfaatkan sumber belajar/media dalam
pembelajaran.
e. Subkriteria 9 : Guru memicu dan/atau memelihara ketertiban siswa
dalam pembelajaran.
f. Subkriteria 10 : Guru menggunakan bahasa yang benar dan tepat
dalam pembelajaran.
g. Subkriteria 11 : Guru mengakhiri pembelajaran dengan efektif.
3. Kritria: Penilaian Pembelajaran.
Kriteria Penilaian Pembelajaran mempunyai 3 subkriteria. Untuk 3
subkriteria dari sosial sebagai berikut:
a. Subkriteria 12 : Guru merancang alat evaluasi untuk mengukur

kemajuan dan keberhasilan belajar peserta didik.
b. Subkriteria 13 : Guru menggunakan berbagai strategi dan metode
penilaian untuk memantau kemajuan dan hasil belajar peserta didik
dalam mencapai kompetensi tertentu sebagaimana yang tertulis dalam
RPP.
c. Subkriteria 14 : Guru memanfaatkan berbagai hasil penilaian untuk
memberikan umpan balik bagi peserta didik tentang kemajuan
belajarnya dan bahan penyusun rancangan pembelajaran selanjutnya.
Setelah menentukan kriteria dan subkriteria yang akan digunakan,
selanjutnya memasukkan nilai subkriteria masing-masing guru. Dalam contoh
berikut ini menggunakan 10 guru dalam perhitungan manual. Adapun sample
untuk data satu sekolah dapat dilihat pada tabel 3.3.
Tabel 3.7 Data Guru dan Subkriteria Guru
G1 4 4 3 3 4 3 3 4 4 4 4 3 3 4
G2 4 3 4 4 4 3 4 2 4 4 4 3 3 3
G3 4 4 3 3 4 4 3 3 4 3 4 3 4 4
G4 4 4 3 3 4 4 3 3 4 3 4 3 4 4
G5 4 4 3 3 4 4 3 3 4 3 4 3 4 4
G6 4 4 3 3 4 4 3 3 4 3 4 3 4 4
G7 4 3 4 3 4 3 4 3 4 4 4 3 3 3
G8 4 3 3 3 4 4 4 4 4 4 3 3 3 4
G9 3 3 4 4 4 3 4 4 4 3 4 3 3 4
G1
0 4 3 3 4 4 3 4 4 4 4 4 3 3 3
G = Guru
S = Subkriteria
= Kriteria Perencanaan Pembelajaran
= Kriteria Pelaksanaan Pembelajaran Yang Aktif dan Efektif
= Kriteria Penilaian Pembelajaran
3.2.2.1 PM-SAW
Data Nilai Target
Data nilai target yang dipilih adalah nilai yang paling tinggi. Berikut data
nilai target ditunjukkan pada tabel 3.4.
Tabel 3.8 Data Nilai Target
Nilai Target 4 4 4 4 4 4 4 4 4 4 4 4 4 4
1. Menghitung GAP
Menghitung nilai gap adalah dengan cara subkriteria dari guru dikurangi
dengan nilai target yang sudah ditentukan. Rumusnya dapat dilihat di persamaan
(2-1). Berikut adalah hasil dari menghitungan GAP akan di tunjukkan pada tabel
3.5.
Tabel 3.9 Hasil Perhitungan GAP
G1 0 0 -1 -1 0 -1 -1 0 0 0 0 -1 -1 0
-
G2 0 1 0 0 0 -1 0 -2 0 0 0 -1 -1 -1
G3 0 0 -1 -1 0 0 -1 -1 0 -1 0 -1 0 0
G4 0 0 -1 -1 0 0 -1 -1 0 -1 0 -1 0 0
G5 0 0 -1 -1 0 0 -1 -1 0 -1 0 -1 0 0
G6 0 0 -1 -1 0 0 -1 -1 0 -1 0 -1 0 0
-
G7 0 1 0 -1 0 -1 0 -1 0 0 0 -1 -1 -1
-
G8 0 1 -1 -1 0 0 0 0 0 0 -1 -1 -1 0
-
G9 -1 1 0 0 0 -1 0 0 0 -1 0 -1 -1 0
G1 -
0 0 1 -1 0 0 -1 0 0 0 0 0 -1 -1 -1
2. Mengubah GAP ke Nilai

Pada proses ini adalah mengubah GAP ke bobot yang dapat dilihat pada
tabel 2.2. berikut adalah hasil dari perubahan GAP ke nilai bobot dengan formula
= IF(B12=0,4,IF(B12=1,3.5,IF(B12=-1,3,IF(B12=2,2.5,IF(B12=-
2,2,IF(B12=3,1.5,IF(B12=-3,1))))))) ditunjukkan pada tabel 3.6.
Tabel 3.10 Data Perubahan GAP ke Nilai
G1 4 4 3 3 4 3 3 4 4 4 4 3 3 4
G2 4 3 4 4 4 3 4 2 4 4 4 3 3 3
G3 4 4 3 3 4 4 3 3 4 3 4 3 4 4
G4 4 4 3 3 4 4 3 3 4 3 4 3 4 4
G5 4 4 3 3 4 4 3 3 4 3 4 3 4 4
G6 4 4 3 3 4 4 3 3 4 3 4 3 4 4
G7 4 3 4 3 4 3 4 3 4 4 4 3 3 3
G8 4 3 3 3 4 4 4 4 4 4 3 3 3 4
G9 3 3 4 4 4 3 4 4 4 3 4 3 3 4
G1
0 4 3 3 4 4 3 4 4 4 4 4 3 3 3
3. Menghitung Core Factor dan Secondary Factor

Kita ambil contoh menghitung Core Factor dan Secondary Factor dari
guru 1. Berikut tabel penentuan subkriteria yang menjadi Core Factor dan
Secondary Factor ditunjukkan pada tabel 3.7.
Tabel 3.11 Penentuan Subkriteria yang Menjadi Core Factor dan Secondary
Factor
S1 S1 S1 S1
S1 S2 S3 S4 S5 S6 S7 S8 S9 0 S11 2 3 4
G
1 4 4 3 3 4 3 3 4 4 4 4 3 3 4
= Subkriteria yang merupakan Core Factor

= Subkriteria yang merupakan Secondary Factor
1. Menghitung Core Factor dan Secondary Factor Kriteria perencanaan
pembelajaran.
Sudah ditentukan yang menjadi Core factor adalah subkriteria S1dan S3
sedangkan Secondary Factor S2 dan S4. Berikut penghitunganya.
NCF=
NC = 4+ 3 =3.5
IC 2
NSF=
NS = 4 +3 =3.5
IS 2
2. Menghitung Core Factor dan Secondary Factor Kriteria Pelaksanaan
Pembelajaran Yang Aktif dan Efektif.
Sudah ditentukan yang menjadi Core factor adalah subkriteria S6, S7, S8
dan S9 sedangkan Secondary Factor S5, S10 dan S11. Berikut
penghitunganya.
NCF=
NC = 3+3+4 +4 =3.5
IC 4
NSF=
NS = 4 +4 +4 =4
IS 3
3. Menghitung Core Factor dan Secondary Factor Kriteria Penilaian

Pembelajaran.
Sudah ditentukan yang menjadi Core factor adalah subkriteria S12dan S13
sedangkan Secondary Factor S14. Berikut penghitunganya.
NCF=
NC = 3+3 =3
IC 2
NSF=
NS = 4 =4
IS 1
Hasil perhitungan core factor dan secondary factor akan ditunjukkan pada
tabel 3.8
Tabel 3.12 Hasil Perhitungan Core Factor dan Secondary Factor
Core Secondar Core Secondar Core Secondar

K1 y K1 K2 y K2 K3 y K3
G1 3.5 3.5 3.5 4 3 4
G2 4 3.5 3.25 4 3 3
G3 3.5 3.5 3.5 3.666667 3.5 4
G4 3.5 3.5 3.5 3.666667 3.5 4
G5 3.5 3.5 3.5 3.666667 3.5 4
G6 3.5 3.5 3.5 3.666667 3.5 4
G7 4 3 3.5 4 3 3
G8 3.5 3 4 3.666667 3 4
G9 3.5 3.5 3.75 3.666667 3 4
G10 3.5 3.5 3.75 4 3 3
K = Kriteria
4. Normalisasi
Normalisasi matriks dalam tahap ini dilakukan dengan cara menghitung
nilai rating kinerja ternormalisasi (rij) dari alternatif Ai pada atribut Cj
berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut
keuntungan/benefit = MAKSIMUM atau atribut biaya/cost = MINIMUM).
Apabila berupa artibut keuntungan maka nilai crisp (Xij) dari setiap kolom atribut
dibagi dengan nilai crisp MAX (MAX Xij) dari tiap kolom, sedangkan untuk
atribut biaya, nilai crisp MIN (MIN Xij) dari tiap kolom atribut dibagi dengan
nilai crisp (Xij) setiap kolom. Karena nilai setiap kriteria sama maka yang akan
digunakan dalam penelitian ini yaitu atribut keuntungan/benefit. Berdasarkan
Persamaan (2-7) yang digunakan akan dilakukan normalisasi nilai. Selanjutnya
dari hasil tersebut dibentuk matrik ternormaslisasi.
Kita ambil contoh menghitung normalisasi matrix hasil perhitungan core
factor dan secondary factor dari guru 1. ditunjukkan pada tabel 3.9.
Tabel 3.13 Data Guru 1 Nilai Core dan Secondary
Secondary Secondary Secondary

Core1 1 Core2 2 Core3 3
G
1 3.5 3.5 3.5 4 3 4
3.5 3.5 3.5

R 11= =0.875 R 21= =1 R 31= =0.875
4 3.5 4
4 3 4
R 41= =1 R 51= =0.857 R 61= =1
4 3.5 4
Hasil dari normalisasi matrix ditunjukkan pada tabel 3.10.
Tabel 3.14 Hasil Normalisasi Matrix Guru 1
Cor Secondar Cor Secondar Cor Secondar

e1 y1 e2 y2 e3 y3
G 0.87 0.87 0.85
1 1 1
1 5 5 7
Proses normalisasi dilakukan kepada semua guru sehingga menghasilkan

normalisasi keseluruhan guru yang akan di tunjukkan pada lampiran 3.
5. Menghitung Nilai Prevensi
Berikut adalah bobot kriteria metode PM-SAW ditunjukkan pada tabel 3.11.
Tabel 3.15 Bobot Metode PM-SAW
Kriteria Core dan Nilai Bobot(W)

Secondary
Kriteria 1 Core 1 0,0639
Secondary 1 0,0402
Secondary 2 0,0966
Secondary 3 0,1111
Bobot baru diatas didapat dari penjumlahan masing-masing bobot
subkriteria yang menjadi core factor dan secondary factor pada masing-masing
kriteria bobot awal dapat dilihat pada lampiran 2.
Langkah selanjutnya yaitu menentukan nilai preverensi untuk setiap
alternatif (Vi) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi
(R) dengan nilai bobot (W). Berdasarkan persamaan (2-7) hasil dari perhitungan
nilai prevensi. Nilai prevensi merupakan hasil dari proses PM-SAW. Hasil dari
proses ini ditunjukkan dalam Tabel 3.12.
Tabel 3.16 Nilai Prevensi
Guru Hasil
G1 0.915
G2 0.846
G3 0.939
G4 0.939
G5 0.939
G6 0.939
G7 0.862
G8 0.946
G9 0.930
G10 0.883
Dari perhitungan di atas didapatkan hasil perangkingan G8 = 0.946, G3 =

0.939, G4 = 0.939, G5 = 0.939, G6 = 0.939, G9 = 0.930, G1 = 0.915, G10 =
0.883, G7 = 0.862, G2 = 0.846.
3.2.3 Perancangan Antarmuka

Pada perancangan antarmuka ini dijelaskan melalui desain antarmuka tiap
halaman. Pertama kita akan menjelaskan halaman antarmuka home yang
ditunjukkan pada gambar 3.10.
Gambar 3.10 Rancangan Antarmuka Home
Berikut penjelasan dari rancangan antarmuka halaman Home.
1. Input data guru, menu yang berfungsi untuk menampilkan halaman yang
berisi form untuk memasukkan data guru dan data subkriteria guru.
2. Update data guru, menu yang berfungsi untuk menampilkan halaman
update berisi form untuk edit data guru dan subkriteria guru.
3. Lihat data guru, menu yang berfungsi untuk menampilkan halaman yang
berisi form untuk melihat keseluruhan data yang di input.
4. Bobot Metode, menu yang berfungsi menampilkan halaman untuk
pengisian bobot metode.
5. Hasil PM-SAW, menu yang berfungsi menampilkan halaman hasil
penghitungan dengan metode PM-SAW.
6. Pengujian, menu yang berfungsi menampilkan halaman pengujian.
7. Keluar, menu yang berfungsi untuk keluar dari aplikasi.
Selanjutnya setelah antarmuka Home, tampilan antarmuka Input Data Guru
Gambar 3.11 Rancangan Antarmuka Input Data Guru
Halaman Input data guru aka ditampilkan ketika pengguna memilih menu
Data Guru pada halaman home. Pada halaman ini pengguna dapat memasukkan
data guru, data subkriteria. Berikut penjelasan button pada halaman Input data
guru.
1. New, berfungsi untuk menampilkan form untuk mengisi data guru dan
subkriteria guru.
2. Save, Berfungsi menyimpan data yang sudah diisikan pada form data guru
dan subkriteria guru.
3. Cancel, berfungsi untuk membatalkan pengisian data.
4. Home, berfungsi untuk kembali kehalaman home.
Kemudian rancangan antarmuka dari Update Data Guru ditunjukkan pada
gambar 3.12 dan 3.13.
Gambar 3.12 Rancangan Antarmuka Update Data Guru
Halaman Update data guru ditampilkan ketika pengguna memilih menu
Update data guru Home. Pada halaman ini akan ditampilkan data guru yang telah
di masukkan, form edit data guru ketika pengguna memilih salah satu guru yang
ingin di update datanya. Selain itu juga terdapat fitur search untuk memudahkan
pencarian guru.
Berikut penjelasan dari rancangan antarmuka halaman Update data guru.
1. Data guru, menampilkan halaman update data guru.
2. Form data guru, menampilkan halaman update data guru form data guru.
3. Refresh, button yang di gunakan untuk me refresh data yang sudah di cari.
4. Delete, button untuk menghapus data guru yang di pilih.
Gambar 3.13 Rancangan Antarmuka Update Data Guru form Data Guru
Setelah pengguna memilih salah satu guru yang ingin di update datanya kita
klik form data guru. Kemudian kita bisa mengganti isi data yang mau kita update
setelah selesai mengganti kita bisa menekan button 5 update untuk merubah
datanya.
Kemudian rancangan antarmuka dari Lihat Data Guru ditunjukkan pada
gambar3.14.
Gambar 3.14 Rancangan Antarmuka Lihat Data Guru

Halaman Lihat Data Guru ditampilkan ketika pengguna memilih menu Lihat
Data Guru setelah pengguna memilih menu Data Guru pada halaman Home. Pada
halaman ini akan ditampilkan data guru yang telah di masukkan. Selain itu juga
terdapat fitur search untuk memudahkan pencarian guru.
Kemudian rancangan antarmuka dari Bobot Metode ditunjukkan pada
gambar 3.15 dan 3.16.
Gambar 3.15 Rancangan Antarmuka Nilai Target Profile Matching
Halaman Nilai target ditampilkan ketika pengguna memilih menu Nilai
target PM setelah pengguna memilih menu Bobot Metode pada halaman home.
Pada halaman ini akan ditampilkan input subkriteria, tampilan bobot yang sudah
dimasukkan sebelumnya serta keterangan subkriteria.
1. Insert, button untuk memasukan input nilai target ke dalam form.
2. Cancel, button untuk membatalkan pengisian subkriteria setelah kita
memasukannya.
Gambar 3.16 Rancangan Antarmuka Bobot SAW
Halaman Bobot SAW ditampilkan ketika pengguna memilih menu Bobot
SAW setelah pengguna memilih menu Bobot Metode pada halaman home. Pada
halaman ini akan ditampilkan input subkriteria, tampilan bobot yang sudah
dimasukkan sebelumnya serta keterangan subkriteria.
1. Insert, button untuk memasukan input bobot SAW ke dalam form tampil.
2. Cancel, button untuk membatalkan pengisian subkriteria setelah kita
memasukannya.
Kemudian rancangan antarmuka dari Hasil PM-SAW ditunjukkan pada
gambar 3.17.
Gambar 3.17 Rancangan Antarmuka Hasil PM-SAW

1. Data Guru, berisi form data guru dan subkriteria yang sudah di masukkan
sebelumnya.
2. Hasil PM-SAW, berisi form hasil penghitungan akhir metode SAW dan
perangkinganya.
Kemudian rancangan antarmuka dari Pengujian ditunjukkan pada gambar
3.18.
Gambar 3.18 Rancangan Atarmuka Pengujian
1. Metode Profile Matching, menu yang berfungsi menampilkan halaman
hasil penghitungan dengan metode Profile Matching.
2. Metode SAW, menu yang berfungsi menampilkan halaman hasil
penghitungan dengan metode SAW.
Kemudian rancangan antarmuka dari Metode Profile Matching
Gambar 3.19 Rancangan Antarmuka Metode Profile Matching
Halaman Hasil Profile Matching ditampilkan ketika pengguna memilih
memilih menu Hasil Profile Matching pada halaman home. Pada halaman ini akan
ditampilkan sebagai berikut.
sebelumnya.
2. Hasil Profile Matching, berisi form data guru dan hasil akhir dari Profile
Matching beserta perangkinganya.
Kemudian rancangan antarmuka dari Metode SAW ditunjukkan pada
gambar 3.20.
Gambar 3.20 Rancangan Antarmuka Metode SAW

Halaman Hasil SAW ditampilkan ketika pengguna memilih memilih menu
Hasil SAW pada halaman home. Pada halaman ini akan ditampilkan sebagai
berikut.
sebelumnya.
2. Hasil SAW, berisi form hasil penghitungan akhir metode SAW dan
perangkinganya
4 BAB IV
IMPLEMENTASI
Pada bab ini berisi tentang implementasi perangkat lunak berdasarkan

analisis kebutuhan dan perancangan perancangan perangkat lunak yang telah
dijabarkan pada Bab III sebelumnya. Pembahasan dalam bab ini terdiri dari
penjelasan tentang spesifikasi sistem, implementasi algoritma pada program, dan
implementasi antarmuka.
4.1 Spesifikasi Sistem

Analisis kebutuhan dan perancangan perangkat lunak yang telah dijabarkan
pada Bab III akan menjadi dasar untuk melakukan implementasi menjadi sistem
yang dapat digunakan sesuai dengan kebutuhan. Implementasi dari spesifikasi
sistem terdapat pada spesifikasi perangkat keras dan spesifikasi perangkat lunak.
4.1.1 Spesifikasi Perangkat keras

Implementasikan metode PM-SAW untuk merekomendasikan guru
berprestasi akan menggunakan komputer. Adapun spesifikasi perangkat keras dari
komputer tersebut akan dijabarkan pada Tabel 4.1.
Tabel 4.17 Spesifikasi Perangkat Keras Komputer
Nama Hardware Spesifikasi
Prosesor Intel Core i3 -3217U @ 2.1 Ghz

Memori (RAM) 4 GB
Hardisk 320 GB
VGA card NVIDIA Geforce
Monitor 14
4.1.2 Spesifikasi Perangkat Lunak

Implementasikan metode PM-SAW untuk merekomendasikan guru
berprestasi akan menggunakan spesifikasi perangkat lunak yang akan dijabarkan
pada Tabel 4.2.
Tabel 4.18 Spesifikasi Software Komputer
Nama Software Spesifikasi
Sistem Operasi Microsoft Windows 8 Enterprise

Bahasa Pemrograman Java
Tools Pemrograman NetBeans IDE 8.0
Server Localhost XAMPP Server Version 1.8.3
DBMS MySQL
4.2 Implementasi Aplikasi

Pada sub bab ini menjelaskan tentang implementasi program dalam
pembuatan aplikasi untuk Implementasikan metode PM-SAW untuk
merekomendasikan guru berprestasi. Pada aplikasi yang dibuat memiliki 5 proses
utama, yaitu proses mencari nilai GAP, proses merubah GAP ke nilai, proses
menghitung nilai core factor dan secondary factor, proses normalisasi dan proses
menghitung hasil akhir.
4.2.1 Proses Menghitung Nilai GAP

Pada proses ini akan dilakukan perhitungan nilai GAP dengan cara nilai
subkriteria dikurangi dengan nilai target. Implementasi menghitung nilai GAP
ditunjukkan pada source code 4.1.
1 for(int baris2=0;baris2<count;baris2++){
2 for(int kolom=0;kolom<14;kolom++){
3 Matriks_GAP[baris2]
4 [kolom]=Double.toString(Double.parseDouble(Matriks[baris2]
5 [kolom])-Double.parseDouble(Nilai_Target[kolom]));
6 }
7 }
8
Source Code 4.1 Implementasi Perhitungan Nilai GAP
4.2.2 Proses Merubah GAP ke Nilai

Pada proses ini data yang sudah dihitung sebelumnya yaitu nilai GAP akan
di panggil dan di rubah ke dalam nilai baru. Implementasi merubah GAP ke nilai
ditunjukkan pada source code 4.2
1 for(int kolom=0;kolom<14;kolom++)
2 { Matriks_GAP[0]
3 [0]=rs.getString(kolomDiDB[kolom+2])
4 Matriks_GAP_Nilai[baris][kolom]=AmbilNilai(Matriks_GAP);
5 }
6 baris++;
7 }
8 public String AmbilNilai(String [][]a){
9 if((a[0][0]).compareTo("3")==0){
10 return "1.5";
11 }
12 else if((a[0][0]).compareTo("2")==0){
13 return "2.5";
14 }
16 return "3.5";
17 }
19 return "4.0";
20 }
21 else if((a[0][0]).compareTo("-1")==0){
22 return "3.0";
23 }
25 return "2.0";
26 }
28 return "1.0";
29 }
30 else{
31 return "0.0";
} }
Source Code 4.2 Implementasi Mengubah GAP ke Nilai
4.2.3 Proses Menghitung Niliai Core Factor dan Secondary Factor

Pada proses menghitung nilai core factor dan secondary factor, nilai
subkriteria yang sudah ditentukan menjadi core factor dan secondary factor pada
masing-masing kriteria akan dibagi dengan jumlah core atau secondary factor
yang ada dalam kriteria tersebut. Implementasi menghitung nilai core factor dan
secondary factor ditunjukkan pada source code 4.3.
1 for(int baris2=0;baris2<count;baris2++){
2 for(int kolom=0;kolom<14;kolom++){
3 if(kolom==2){
4 Matriks_core_second[baris2][kolom-
5 2]=Double.toString((Double.parseDouble(Matriks_GAP_Nilai[bar
6 is2][0])+Double.parseDouble(Matriks_GAP_Nilai[baris2]
7 [kolom]))/2);
8 }
9 else if(kolom==3){
12 is2][kolom-2])+Double.parseDouble(Matriks_GAP_Nilai[baris2]
13 [kolom]))/2);
14 }
19 [kolom-2])+Double.parseDouble(Matriks_GAP_Nilai[baris2]
21 [kolom]))/4);
22 }
23 if(kolom==10){
28 [kolom]))/3);
29 }
34 [kolom]))/2);
35 }
39 is2][kolom]))/1);
40 }
41 }
42 }
43
44
45
46
Source Code 4.3 Implementasi Menghitung Nilai Core Factor dan Secondary
Factor
4.2.4 Proses Normalisai dan Menghitung Nilai Akhir

Melakukan normalisasi matrik dengan cara menghitung nilai pada kolom
dibagi dengan nilai maksimal dari kolom tersebut. Kemudian hasil normalisasi
tersebut dikalikan dengan masing-masing bobot dan dijumlahkan pada masing-
masing barisnya. Implementasi menghitung nilai normalisasi dan nilain akhir
ditunjukkan pada source code 4.4.
1 //----------------- Normalisasi ----------------------------

2 for(int baris=0;baris<count;baris++){
3 while (rs.next()) {
4 double hasil=0;
5 for(int kolom = 0; kolom <variabel.length; kolom++){
6 if(kolom==0||kolom==1||kolom==2){
7 var[baris][0] =new Integer(no).toString();
8 var[baris][1] =rs.getString(kolomDiDB1[0]);
9 var[baris][2] =rs.getString(kolomDiDB1[1]);
10 }else{ var2[baris]
11 [kolom]=Double.parseDouble(rs.getString(kolomDiDB1[kolom-
12 1]))/var1[kolom-3]; hasil_var[baris][kolom]=var2[baris]
13 [kolom]; tampil_normalisasi[baris][kolom]=var2[baris]
14 [kolom];
15 BigDecimal bd=new BigDecimal(tampil_normalisasi[baris]
16 [kolom]);
17 bd = bd.setScale(decimalPlaces, BigDecimal.ROUND_HALF_UP);
18 tampil_normalisasi[baris][kolom]=bd.doubleValue();
19 var[baris][kolom] = new Double(tampil_normalisasi[baris]
20 [kolom]).toString();
21
22 //------------------ Perhitungan Akhir --------------------
23 result[baris][kolom] = new Double(hasil_var[baris][kolom] *
24 bobot_pmsaw[kolom-3]).toString();
25 hasil=hasil+Double.parseDouble(result[baris][kolom]);
26 }
27 }
Source Code 4.4 Implementasi Normalisasi dan Menghitung Nilai Akhir
4.3 Implementasi Antarmuka

Antarmuka dalam Implementasikan metode PM-SAW untuk
merekomendasikan guru berprestasi ini berfungsi untuk mempermudah interaksi
pengguna yaitu admin dengan aplikasi. Dalam implementasi antarmuka pada
sistem ini dibagi menjadi implementasi antarmuka halaman input data guru,
update data guru, lihat data guru, bobot metode, hasil PM-SAW dan pengujian.
4.3.1 Implementasi Antarmuka Halaman Home

Halaman home merupakan tampilan awal ketika aplikasi ini dijalankan.
Halaman ini digunakan untuk mempermudah navigasi ke menu-menu lain yang
terdapat dalam aplikasi ini. Pada halaman home sendiri terdapat 6 menu yang
dapat dipilih yaitu diantaranya menu input data guru, update data guru, lihat data
guru, bobot metode, hasil PM-SAW dan pengujian. Menu input data guru
digunakan sebagai menu untuk memasukkan data guru-guru beserta nilai
subkriteria yang dimiliki oleh guru. Update data guru merupakan menu untuk
merubah data yang telah di masukkan sebelumnya. Menu lihat data guru
merupakan menu untuk melihat semua data yang sudah dimasukkan. Menu bobot
metode merupakan menu untuk memasukkan bobot untuk masing-masing metode.
Menu hasil PM-SAW merupakan menu yang digunakan untuk menampilkan hasil
dari metode PM-SAW. Menu pengujian digunakan untuk menampilkan hasil dari
metode Profile Matching dan SAW. Gambar 4.1 merupakan implementasi
antarmuka halaman home.
Gambar 4.21 Antarmuka Halaman Home
4.3.2 Implementasi Halaman Input Data Guru
Setelah memilih menu data pada halaman home, pengguna akan masuk pada
halaman input data guru. Dalam menu input data guru terdapat form data guru
yang digunakan untuk memasukkan data guru serta form subkriteria guru yang
digunakan untuk memasukkan nilai masing-masing guru. Gambar 4.2 merupakan
tampilan dari halaman input data guru.
Gambar 4.22 Antarmuka Halaman Input Data Guru

4.3.3 Implementasi Halaman Update Data Guru
Dalam menu update data guru terdapat form untuk mengedit data yang ingin
dirubah yaitu data guru dan data subkriteria guru, form tabel untuk menampilkan
data-data guru yang sudah dinputkan dan form cari yang digunakan untuk
mempermudah pengguna dalam mencari data yang ingin dirubah. Gambar 4.3
merupakan tampilan dari halaman update data guru.
Gambar 4.23 Antarmuka Halaman Update Data Guru

4.3.4 Implementasi Halaman Lihat Data Guru
Dalam menu Lihat data guru terdapat form untuk mecari data guru yang
ingin dilihat dan juga form tabel untuk menampilkan data yang ingin dilihat oleh
pengguna. Gambar 4.4 merupakan tampilan dari halaman lihat data guru.
Gambar 4.24 Antarmuka Halaman lihatt Data Guru

4.3.5 Implementasi Halaman Bobot
Setelah pengguna memilih menu bobot pada halaman home maka akan
tampil halaman bobot. Halaman ini digunakan sebagai proses memasukkan nilai
untuk bobot masing-masing metode. Dalam halaman bobot ini terdapat 2 menu
yang disediakan nilai target Profile Matching dan bobot SAW.
4.3.5.1 Implementasi Nilai Target Profile Matching

Halaman nilai target Profile Matching ini menampilkan proses input nilai
nilai target untuk metode Profile Matching. Terdapat form input untuk
memasukkan nilai target masing-masing kriteria. Selain itu terdapat form yang
menampilkan hasil dari proses input bobot tersebut. Gambar 4.5 merupakan
tampilan dari halaman Nilai Target Profile Matching.
Gambar 4.25 Antarmuka Halaman Nilai Target Profile Matching
4.3.5.2 Implementasi Halaman Bobot SAW
Dalam halaman bobot SAW ini menampilkan proses input nilai bobot
untuk metode SAW. Terdapat form input untuk memasukkan nilai bobot masing-
masing kriteria. Selain itu terdapat form yang menampilkan hasil dari proses input
bobot tersebut. Gambar 4.6 merupakan tampilan dari halaman bobot SAW .
Gambar 4.26 Antarmuka Halaman Bobot SAW

4.3.6 Implementasi Halaman Hasil PM-SAW
Dalam halaman hasil PM-SAW menampilkan 2 menu yang terdiri dari
menu untuk melihat data guru yang sebelumnya dimasukkkan, dan menu untuk
melihat hasil dari metode PM-SAW. Hasil yang ditampilkan yaitu berupa nama,
nip, hasil dan rangking dari masing-masing guru. Gambar 4.7 merupakan
tampilan dari halaman hasil PM-SAW.
Gambar 4.27 Antarmuka Halaman Hasil PM-SAW

4.3.7 Implementasi Halaman Pengujian
Setelah pengguna memilih menu hasil pada halaman pengujian maka akan
tampil halaman pengujian. Halaman ini digunakan untuk melihat hasil dari
metode profile matching dan SAW. Gambar 4.8 merupakan tampilan dari halaman
pengujian.
Gambar 4.28 Antarmuka Halaman pengujian
4.3.7.1 Implementasi Halaman pengujian Hasil Metode Profile Matching
Dalam halaman pengujian hasil metode profile matching hasil
menampilkan 2 menu yang terdiri dari menu untuk melihat data guru yang
sebelumnya dimasukkkan dan menu untuk melihat hasil metode profile matching.
Hasil yang ditampilkan yaitu berupa nama, nip, hasil dan rangking dari masing-
masing guru. Gambar 4.9 merupakan tampilan dari halaman hasil profile
matching.
Gambar 4.29 Antarmuka Halaman Hasil Profile Matching
4.3.7.2 Implementasi Halaman pengujian Hasil Metode SAW
Dalam halaman hasil SAW menampilkan 3 menu yang terdiri dari menu
untuk melihat data guru yang sebelumnya dimasukkkan, menu untuk melihat hasil
normalisasi dari nilai yang telah dimasukkan, dan menu untuk melihat hasil dari
metode SAW. Hasil yang ditampilkan yaitu berupa nama, nip, hasil dan rangking
dari masing-masing guru. Gambar 4.10 merupakan tampilan dari halaman hasil
SAW.
Gambar 4.30 Antarmuka Halaman Hasil SAW

5 BAB V
PENGUJIAN DAN ANALISA
Pada bab ini berisi tentang tahapan pengujian dan analisis Implementasi
Metode PM-SAW Untuk Rekomendasi Guru Berprestasi. Proses pengujian
dilakukan dengan 2 tahap, yaitu pengujian akurasi dan pengujian bobot metode.
Setelah dilakukan tahap pengujian, maka akan dilakukan analisis terhadap hasil
dari pengujian yang dilakukan.
5.1 Pengujian Akurasi

Pada pengujian akurasi ini akan membandingkan perhitungan dari pihak
UPTD dengan perhitungan menggunakan metode dalam aplikasi. Pengujian
akurasi ini dilakukan untuk mengetahui metode mana yang memiliki hasil akurasi
paling tinggi. Metode yang digunakan pada pengujian akurasi ini ada 3 yaitu
metode PM-SAW, metode Profile Matching dan Metode SAW. Berikut akan
menampilkan hasil dari perhitungan pihak UPTD tahun 2013 akan ditunjukkan
pada gambar 5.1.
Gambar 5.31 Hasil Guru Berprestasi Pihak UPTD Tahun 2013

Selanjutnya akan menampilkan hasil dari perhitungan pihak UPTD tahun
2014 akan ditunjukkan pada gambar 5.2.
Gambar 5.32 Hasil Guru Berprestasi Pihak UPTD Tahun 2014
Selanjutnya akan menampilkan hasil dari perhitungan metode PM-SAW

tahun 2013 akan ditunjukkan pada gambar 5.3.
Gambar 5.33 Hasil Guru Berprestasi Metode PM-SAW Tahun 2013

Selanjutnya akan menampilkan hasil dari perhitungan metode PM-SAW
tahun 2014 akan ditunjukkan pada gambar 5.4.
Gambar 5.34 Hasil Guru Berprestasi Metode PM-SAW Tahun 2014

Selanjutnya akan menampilkan hasil dari perhitungan metode Profile
Matching tahun 2013 akan ditunjukkan pada gambar 5.5.
Gambar 5.35 Hasil Guru Berprestasi Metode Profile Matching Tahun 2013
Selanjutnya akan menampilkan hasil dari perhitungan metode Profile
Matching tahun 2014 akan ditunjukkan pada gambar 5.6.
Gambar 5.36 Hasil Guru Berprestasi Metode Profile Matching Tahun 2014
Selanjutnya akan menampilkan hasil dari perhitungan metode SAW tahun
Gambar 5.37 Hasil Guru Berprestasi Metode SAW Tahun 2013

Selanjutnya akan menampilkan hasil dari perhitungan metode SAW tahun
Gambar 5.38 Hasil Guru Berprestasi Metode SAW Tahun 2014

5.1.1 Hasil Pengujian Akurasi
Berikut adalah tabel perbandingan dari perhitungan pihak UPTD dengan
masing-masing metode tahun 2013 ditunjukan pada tabel 5.1.
Tabel 5.19 Hasil Pecocokan Pihak UPTD dengan Masing-Masing Metode Tahun
2013
Pihak UPTD PM-SAW Profile Matching SAW

Sunaryo Sunaryo Sunaryo Sunaryo
Masyhari Masyhari Indrawati Masyhari
Werdiningsih Indrawati Santoso Indrayan
i
GURU Indrayani Santoso Masyhari Iksunu
Gatot Subroto Indrayani Gatot Subroto Santoso
Berdasarkan Tabel 5.1. dapat dihitung akurasi dari aplikasi untuk masing-
masing metode sebagai berikut :
(52)
Akurasi PM-SAW = 100 =60
5
( 52 )
Akurasi PM = 100 =60
5
(52)
Akurasi SAW = 100 =60
5
Selanjutnya adalah tabel perbandingan dari perhitungan pihak UPTD

dengan masing-masing metode tahun 2014 ditunjukan pada tabel 5.2.
Tabel 5.20 Hasil Pecocokan pihak UPTD dengan Masing-Masing Metode Tahun
2014
Pihak UPTD PM-SAW Profile SAW

Matching
Nur Kamiatun Nur Kamiatun Nur Kamiatun Nur Kamiatun
Lilik Muharsih Lilik Muharsih Lilik Muharsih M. Ibrahim
Indrawati M. Ibrahim M. Ibrahim Lilik Muharsih
M. Ibrahim Indrawati Sri Peni Dian Kartika
GURU Agung Wahyu Wiwik Yuni Suhartini Pariyati
Berdasarkan Tabel 5.2. dapat dihitung akurasi dari aplikasi untuk masing-
masing metode sebagai berikut :
(51)
Akurasi PM-SAW = 100 =80
5
( 52 )
Akurasi PM = 100 =60
5
(51)
Akurasi SAW = 100 =60
5
5.1.2 Analisa Pengujian Akurasi

Pada analisa pengujian akurasi ini digunakan data yang sama tetapi metode
yang digunakan berbeda-beda. Berdasarkan skenario uji coba yang dilakukan
didapatkan hasil akurasi yang berbeda-beda. Hal ini menunjukkan bahwa setiap
metode yang digunakan dapat mempengaruhi hasil akurasi. Dari perhitungan
akurasi diatas didapatkan rata-rata akurasi untuk masing-masing metode yaitu
untuk metode PM-SAW menghasilkan akurasi sebesar 70%, untuk Profile
Matching dan SAW sama-sama 60%. Hasil pengujian pengaruh metode terhadap
akurasi pada tahun 2013 dan 2014 dalam sebuah grafik ditunjukkan pada gambar
5.9.
Perbandingan Akurasi Masing-Masing Metode

80%
60% 60% 60%
PM-SAW PM SAW
Tahun 2013 Tahun 2014
Gambar 5.39 Grafik Hasil Akurasi dari Masing-masing Metode Tahun 2013 dan
2014
5.2 Pengujian Bobot Metode
Pada pengujian Bobot Metode ini akan mencari bobot yang paling optimal
untuk memperbaiki bobot sebelumnya dalam perhitungan metode PM-SAW.
Dalam pengujian bobot metode PM-SAW ini ada 5 variasi bobot yang digunakan
yaitu bobot 1, bobot 2, bobot 3, bobot 4, dan bobot 5. Bobot, 1 bobot yang
diberikan digolongkan pada masing-masing kriteria, kriteria 1 diberi bobot 10,
kriteria 2 diberi bobot 12 dan kriteria 3 diberi bobot 15. Bobot 2, bobot yang
menjadi core factor akan diberi bobot yang lebih tinggi dibandingkan secondary
factor dari masing-masing kriteria yang menjadi core factor akan diberi bobot 15
sedangkan secondary factor diberi bobot 12. Bobot 3, bobot yang menjadi
secondary factor akan diberi bobot yang lebih tinggi dibandingkan Core factor
dari masing-masing kriteria yang menjadi secondary factor akan diberi bobot 15
sedangkan Core factor diberi bobot 12. Bobot 4, bobot yang diberikan kepada
masing subkriteria sama. Bobot 5, bobot yang diberikan sama kemudian dikalikan
masing-masing jumlah subkriteria yang menjadi core factor dan secondary factor
pada masing-masing kriteria. 5 variasi bobot tersebut ditunjukkan pada Tabel 5.3.
Tabel 5.21 Bobot Perbandingan Metode
Bobot Perbandingan
Kriteria
1 2 3 4 5
Core Factor 1 10,00 15,00 12,00 15,00 10,00
Secondary F 1 10,00 12,00 15,00 15,00 10,00
Core Factor 2 12,00 15,00 12,00 15,00 20,00
Secondary F 2 12,00 12,00 15,00 15,00 15,00
Core Factor 3 15,00 15,00 12,00 15,00 10,00
Secondary F 3 15,00 12,00 15,00 15,00 5,00
Berikut akan menampilkan hasil dari perhitungan menggunakan bobot 1
data Tahun 2013 ditunjukkan pada gambar 5.10.
Gambar 5.40 Hasil Perhitungan dengan Bobot 1 tahun 2013

Selanjutnya akan menampilkan hasil dari perhitungan menggunakan bobot 1
data Tahun 2014 ditunjukkan pada gambar 5.11.

Tahun 2013 ditunjukkan pada gambar 5.12.







5.2.1 Hasil Pengujian Bobot Metode
Berikut adalah tabel perbandingan dari perhitungan pihak UPTD dengan
masing-masing bobot ditunjukan pada tabel 5.4 dan 5.5.
Tahun 2013
Pihak UPTD Bobot 1 Bobot 2 Bobot 3

Sunaryo Sunaryo Sunaryo Sunaryo
Masyhari Indrawati Masyhari Supartini
Werdiningsih Santoso Werdiningsih Gatot Subroto
GURU Indrayani Supartini Gatot Subroto Indrawati
Gatot Masyhari Indrawati Santoso
Subroto
Tabel 5.23 Hasil Pecocokan Pihak UPTD dengan Perhitungan Bobot 4 dan 5
Tahun 2013
Pihak UPTD Bobot 4 Bobot 5

Sunaryo Sunaryo Sunaryo
Masyhari Gatot Subroto Masyhari
Werdiningsih Masyhari Werdiningsih
GURU Indrayani Werdiningsih Gatot Subroto
Gatot Subroto Supartini Indrayani
Berdasarkan Tabel 5.4 dan 5.5 dapat dihitung akurasi dari aplikasi untuk
masing-masing metode sebagai berikut :
(53)
Akurasi Bobot 1 = 100 =40
5
( 51 )
5
( 53 )
5
( 51 )
5
( 50 )
5
Selanjutnya adalah tabel perbandingan dari perhitungan pihak UPTD
dengan masing-masing bobot ditunjukan pada tabel 5.6 dan 5.7.
Tahun 2014
Pihak UPTD Bobot 1 Bobot 2 Bobot 3

Nur Kamiatun Nur Kamiatun Nur Kamiatun Nur Kamiatun
Lilik Muharsih Lilik Muharsih Lilik Muharsih Lilik muharsih
Indrawati M. Ibrahim M. Ibrahim M. Ibrahim
GURU M. Ibrahim Nurwati Indrawati Heru Gaduh
Agung Wahyu Sri Peni Suhartini Indrawati
Tabel 5.25 Hasil Pecocokan Pihak UPTD dengan Perhitungan Bobot 4 dan 5
Tahun 2014
Pihak UPTD Bobot 4 Bobot 5

Nur Kamiatun Nur Kamiatun Nur Kamiatun
Lilik Muharsih Lilik Muharsih Lilik Muharsih
Indrawati M. Ibrahim Indrawati
GURU M. Ibrahim Indrawati M. Ibrahim
Agung Wahyu E Heru Gaduh Agung Wahyu
Berdasarkan Tabel 5.6 dan 5.7. dapat dihitung akurasi dari aplikasi untuk
masing-masing metode sebagai berikut :
(52)
5
( 51 )
5
( 51 )
5
( 51 )
5
( 50 )
5
5.2.2 Analisa Pengujian Bobot Metode

Pada analisa pengujian bobot ini digunakan data yang sama tetapi bobot
untuk metode PM-SAW yang digunakan berbeda-beda. Berdasarkan skenario uji
coba yang dilakukan didapatkan hasil akurasi yang berbeda-beda. Hal ini
menunjukkan bahwa setiap bobot yang digunakan dapat mempengaruhi hasil
akurasi. Dari perhitungan menggunakan bobot yang berbeda-beda diatas
didapatkan rata-rata akurasi untuk masing-masing bobot yaitu untuk bobot 1
menghasilkan akurasi sebesar 50%, bobot 2 80%, bobot 3 60%, bobot 4 80%,
bobot 5 100%. Dari hasil diatas dapat disimpulkan bahwa bobot 5 memiliki
akurasi yang paling tinggi. Sedangkan tingkat akurasi terendah rata-rata terjadi
pada variasi bobot metode 1. Sehingga dapat disimpulkan bahwa metode PM-
SAW tingkat akurasi yang dihasilkan tergantung pada bobot pada masing-masing
kriteria yang diberikan. Hasil pengujian bobot metode pada data tahun 2013 dan
2014 dalam sebuah grafik ditunjukkan pada gambar 5.20.
Perbandingan Bobot Metode

100%
80% 80% 80%
60%
40% 40%
Bobot 1 Bobot 2 Bobot 3 Bobot 4 Bobot 5

Tahun 2013 Tahun 2014
Gambar 5.50 Grafik Hasil Akurasi dari Masing-masing Bobot Metode Tahun
2013 dan 2014
6 BAB VI
PENUTUP
Pada bab ini berisi tentang kesimpulan yang dapat diambil dari hasil
pengujian dan analisis Implementasi Metode PM-SAW Untuk Rekomendasi Guru
Berprestasi dan juga saran yang dapat diberikan untuk pengembangan penelitian
berikutnya.
6.1 Kesimpulan
Berdasarkan hasil perancangan dan pengujian yang dilakukan, maka diambil
kesimpulan sebagai berikut:
1. Aplikasi dengan metode PM-SAW dapat diimplementasikan
berdasarkan 14 kriteria guru dan dapat digunakan untuk membantu
rekomendasi menentukan guru berprestasi.
2. Untuk secara keseluruhan hasil yang dihasilkan oleh aplikasi dalam
implementasinya sudah sesuai dengan hasil perhitungan manual yang
dilakukan sebelumnya.
3. Tingkat akurasi dari penelitian ini atau metode PM-SAW sudah cukup
bagus yaitu 70 %. Tingkat akurasi metode PM-SAW diatas metode
SAW dan Profile Matching yang menghasilkan rata-rata akurasi 60%.
4. Berdasarkan hasil pengujian untuk masing-masing bobot metode
memiliki tingkat akurasi yang berbeda tergantung bobot yag diberikan.
Proses pengujian terhadap variasi bobot yang berbeda menghasilkan
rata-rata akurasi terbesar adalah bobot 5 yaitu 100%. Hal ini
membuktikan bahwa implementasi Implementasi Metode PM-SAW
Untuk Rekomendasi Guru Berprestasi telah sesuai dengan
perancangan dan dapat membantu proses pemilihan guru berprestasi.
6.2 Saran
Penulisan skripsi ini tentu terdapat banyak kekurangan, yang mungkin
dapat disempurnakan lagi pada penelitian-penelitian berikutnya. Maka agar
aplikasi ini dapat lebih sempurna lagi, pengembangan aplikasi ini disarankan
agar menciptakan aplikasi yang lebih kompleks, sehingga semakin banyak
fitur dalam aplikasi ini yang bisa diberikan ke tingkat yang lebih tinggi
sebagai contoh penentuan guru berprestasi tingkat Kabupaten bahkan Nasional.
DAFTAR PUSTAKA
[NAS-12] Nasional, K. P., MUTU, D. J. P., & KEPENDIDIKAN, P. D. T.

(2012). Pedoman Pelaksanaan Penilaian Kinerja Guru (PK Guru).
[BHA-10] Bhakti, Bayu Khrisna. 2010. Pembangunan Sistem Penunjang

Keputusan Menggunakan Metode GAP Untuk Mengusulkan
Kenaikan Golongan Pegawai Negeri Dinas Pendapatan,
pengelolaan keuangan dan asset Provinsi Daerah Istimewa
Yogyakarta. Sekolah Tinggi Manajemen Informatika dan Komputer
(STMIK) AMIKOM : Yogyakarta.
[BEN-11] Benny, U, Ferdian. 2011, Sistem Pendukung Keputusan

Perencanaan Pemilihan Karyawan Berprestasi Pada CV. SAS
Bandung. Universitas Komputer Indonesia : Bandung.
[ARF-12] Arfyanti, Ita, Purwanto, Edy. 2012. Aplikasi Sistem Pendukung

Keputusan Pemberian Pinjaman Pada Bank Rakyat Indonesia Unit
Segiri Samarinda dengan Metode Fuzzy MADM (Multiple Attribute
Decission Making) Menggunakan SAW (Simple Additive
Weighting). Semantik, Vol. 90, No. 1, hal. 119-124.]
[RIZ-14] Rizkandari,Sekar Ayu.2014. Pemanfaatan Metode Simple Additive

Weighting (SAW) Dalam Penentuan Mahasiswa Berprestasi
Tingkat Universitas Sebelas Maret Surakarta. Universitas Sebelas
Maret : Surakarta.
[RIV-05] Rivai, Veithzal. 2005. Manajemen Sumber Daya Manusia Untuk

Perusahaan, Dari Teori Ke Praktek. PT. Rajagrafindo Persada:
Jakarta.
[ROB-96] Robbins, S.P., Perilaku Organisasi (Jakarta : Prenhallindo, 1996) ,

hlm. 24
DP-1
[NAS-10] Nasional, K. P., MUTU, D. J. P., & KEPENDIDIKAN, P. D. T.
(2010). Pedoman Pelaksanaan Penilaian Kinerja Guru (PK Guru).
[KUS-07] Kusrini. 2007. Konsep Dan Aplikasi Sistem Pendukung Keputusan.

Andi, Yogyakarta.
[KET-08] Artana, K.B., 2008. Pengambilan Keputusan Kriteria Jamak

(MCDM) Untuk Pemilihan Lokasi Floating Storage and
Regasification unit (FSRU): Studi Kasus Suplai LNG dari Ladang
Tangguh ke Bali. Institut Teknologi Sepuluh November : Surabaya.
[KUS-06] Kusumadewi,S & kawan.2006. Fuzzy Multi-Attribute Decision

Making. Graha Ilmu, Yogyakarta.
DP-2
L-1

Implementasi Metode Pm-Saw

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Implementasi Metode Pm-Saw

Diunggah oleh

Hak Cipta:

Format Tersedia

1

IMPLEMENTASI METODE PM-SAW UNTUK

Untuk memenuhi sebagian persyaratan mencapai gelar Sarjana Komputer

Untuk memenuhi sebagian persyaratan mencapai gelar Sarjana Komputer

Telah diperiksa dan disetujui oleh:

Rekyan Regasari MP, ST.,MT Budi Darma S, S.Kom, M.Cs

Untuk memenuhi sebagian persyaratan mencapai gelar Sarjana Komputer

Edy Santoso, S.Si., M.Kom. Hurriyatul Fitriyah, ST., M.Sc.

Issa Arwani, S.Kom., M.Sc.

Drs. Marji, M.T.

Saya menyatakan dengan sebenar-benarnya bahwa sepanjang

Malang, 07 Juli 2015

Happy Gagas Tri Atmojo

Malang, 10 Juni 2015

Happy Gagas Tri Atmojo. 2015. Implementasi Metode PM-SAW

Kata Kunci : Guru, PM-SAW, Core Factor dan Secondary Factor

Happy Gagas Tri Atmojo. 2015. Implementation of PM-SAW method

Tabel 2.1 Penelitian Terdahulu Menggunakan Profile Matching............................6

Gambar 3.1 Diagram Alir Penelitian....................................................................17

Lampiran 1 Contoh Penilaian Kinerja Guru....................................................L-1

1.1 Latar Belakang

1.2 Rumusan Masalah

1.3 Batasan Masalah

1.6 Sistematika Penulisan

2.1 Kajian Pustaka

Author Judul Parameter Keterangan

[BUF- Sistem Pendukung 1. Kapasitas intelektual. Sistem yang dibangun dapat

Author Judul Parameter Keterangan

[RIZ- Pemanfaatan 1. IPK Sistem yang dibangun dapat

2.3 Penilaian Kinerja Guru

2.4 Guru Berprestasi

2.5 Profile Matching

No Selisih Bobo Keterangan

c. Menghitung Nilai Total Aspek

2.6 Multi-Criteria Decision Making (MCDM)

2.7 Multi-Attribut Decision Making (MADM)

2.8 Simple Additive Weighting (SAW)

2.8.1 Prosedur SAW

3.1 Tahapan Penelitian

Pengujian dan Analisis

Kesimpulan dan Saran

Gambar 3.1 Diagram Alir Penelitian

3.1.1 Studi Literatur

3.1.2 Pengumpulan Data

Mengimplementasikan perancangan dalam bentuk perangkat lunak yang

Pengujian pada penelitian ini dilakukan agar dapat menunjukkan bahwa

Manua Profile SAW

b. Pengujian bobot metode

3.1.6 Kesimpulan dan Saran

Sistem yang dibuat bertujuan untuk memberikan rekomendasi guru

3.2.1 Perancangan Flowchart

Gambar 3.2 Diagram Alir Sistem

1. Proses penerimaan masukan /input dari user

Gambar 3.3 Diagram PM-SAW

Diagrm alir Perhitungan Gap dapat dilihat pada gambar 3.4.

Gambar 3.4 Diagram Perhitungan GAP

2. Penentuan Nilai Gap

Gambar 3.6 Diagram Core Factor

5. Perhitungan Hasil Akhir

a. Subkriteria 5 : Guru memulai pembelajaran dengan efektif.

a. Subkriteria 12 : Guru merancang alat evaluasi untuk mengukur

2. Mengubah GAP ke Nilai

3. Menghitung Core Factor dan Secondary Factor