TUGAS

Mata Kuliah : Sistem Pendukung Keputusan

Dosen Pengampuh : Siti Nurhayati, S.Kom., M.Kom

NAMA : CHRISTIAN HARTO

NPM : 17-621-015

FAKULTAS TEKNIK DAN SISTEM INFORMASI

PROGRAM STUDI SISTEM INFORMASI
UNIVERSITAS YAPIS PAPUA
2019
 Jurnal Pelita Informatika, Volume 16, Nomor 3, Juli 2017
ISSN 2301-9425 (Media Cetak)
Hal: 298-301

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARYAWAN

TERBAIK DENGAN METODE PROMETHEE
(STUDI KASUS: PT. KARYA ABADI MANDIRI)

Setya Pami

Mahasiswa Teknik Informatika STMIK Budi Darma

Jl. Sisingamangaraja No. 338 Simpang Limun Medan

ABSTRAK
Dalam pengambilan keputusan seleksi tenaga kerja penulis menggunakan metode Promethee. Dimana prometheeadalah salah
satu metode penentuan urutan atau prioritas dalam MCDM (Multi-CriterionDecision Making). Penggunaan Prometheeadalah
menentukan dan menghasilkan keputusan dari beberapa alternatif. Di dalamnya semua data digabung menjadi satu dengan bobot
penilaian yang telah diperoleh melalui penilaian terhadap hasil tes. Sistem pendukung keputusan bukan merupakan alat
pengambilan keputusan, melainkan merupakan sistem yang membantu pengambil keputusan dengan melengkapi mereka dengan
informasi dari data yang telah diolah dengan relevan dan diperlukan untuk membuat keputusan tentang suatu masalah dengan
lebih cepat dan akurat. Sehingga sistem ini tidak dimaksudkan untuk menggantikan pengambil keputusan dalam proses
pembuatan keputusan.

Kata Kunci: Model Promethee, Sistem Pendukung Keputusan, Visual Basic

I. PENDAHULUAN dengan solusi yang lain. Dengan mempertimbangkan

Di dalam sebuah perusahaan tentu saja akan
dihadapkan pada beberapa pilihan yang dapat
menentukan keberhasilan perusahaan tersebut di
masa yang akan datang. Karena itu, diperlukan
sebuah pengambilan keputusan dalam memilih
alternatif yang ada ataupun yang disediakan.
Mengambil keputusan adalah salah satu bagian dari
kegiatan manusia yang dapat dilakukan sehari-hari,
termasuk dalam dunia bisnis.
Pengambilan keputusan pada perusahaan ini
diambil langsung oleh pemilik perusahaan itu sendiri
dengan menggunakan beberapa pertimbangan dan
kriteria yang telah ditentukan. Metode yang
digunakan dalam perancangan dan pembuatan
aplikasi ini yaitu metode PROMETHEE (Preference
Ranking Organization Method for Enrichment
Evaluation). Promethee adalah suatu metode
penentuan urutan atau prioritas dalam analisis
multikriteria. Dari prioritas yang ada digunakan
penilaian dalam hubungan outranking, dimana untuk
mengindikasi prioritasnya dan preferensi bagi setiap
kriteria metode ini memusatkan pada nilai (value)
tanpa memikirkan mengenai metode perhitungannya.
Dipilihnya metode promethee karena mudah
dalam penggunaan aplikasinya, tingkat efisiensinya,
dan inter-aktivitas, dimana metode ini memiliki
pengaruh transparan terhadap setiap kriteria dan
bobot dari solusi yang ada. Keuntungan utama lain
yang dimiliki oleh metode ini adalah metode
Promethee didasarkan pada pentingnya perbedaan
hasil antara dua solusi, dimana penjelasan terbaik
adalah apakah sebuah solusi dapat dibandingkan
faktor-faktor tersebut, promethee dipilih sebagai
bantuan untuk mengambil keputusan dalam
penyelesaian masalah.
II. TEORITIS
A. Sistem Pendukung Keputusan
Sistem Pendukung Keputusan merupakan
suatu sistem interaktif yang mendukung keputusan
dalam proses pengambilan keputusan melalui
alternatif–alternatif yang diperoleh dari hasil
pengolahan data, informasi dan rancangan model.
Sistem Pendukung Keputusan merupakan
penggabungan sumber–sumber kecerdasan individu
dengan kemampuan komponen untuk memperbaiki
kualitas keputusan
Dengan pengertian sebelumnya dapat
dijelaskan bahwa sistem pendukung keputusan bukan
merupakan alat pengambilan keputusan, melainkan
merupakan sistem yang membantu pengambil
keputusan dengan melengkapi sebuah informasi dari
data yang telah diolah dengan relevan dan diperlukan
untuk membuat keputusan tentang suatu masalah
dengan lebih cepat dan akurat.
B. Method for Enrichment Evaluation
Promethee adalah salah satu metode
penentuan urutan atau prioritas dalam analisis
multikriteria atau MCDM (Multi Criterion Decision
Making). Dugaan dari dominasi kriteria yang
digunakan dalam promethee adalah penggunaan nilai
dalam hubungan outrangking. Masalah pokoknya
adalah kesederhanaan, kejelasan dan kestabilan.
Semua parameter yang dinyatakan mempunyai Kriteria A1 A2 A3 A4
pengaruh nyata menurut pandangan ekonomi. F6(.) 8 9 6 8
Promethee menyediakan kepada user untuk F7(.) 7 9 6 8
rnenggunakan data secara langsung dalam bentuk F8(.) 0 1 0 1
tabel multikriteria sederhana. Selain itu Promethee Jumlah 71 71 71 72
mempunyai kemampuan untuk menangani banyak F1 = Kriteria Jujur F7 = Kriteria Disiplin
perbandingan, pengambil keputusan hanya F2 = Kriteria Penampilan F8 = Kriteria Prestasi
mendefinisikan skala ukurannya sendiri tanpa F3 = Kriteria Kepribadian A1 = Karyawan ke 1
batasan, untuk mengindikasi prioritasnya dan F4 = Kriteria Kehadiran A2 = Karyawan ke 2
F5 = Kriteria Loyal A3 = Karyawan ke
preferensi untuk setiap kriteria dengan mernusatkan 3 F6 = Kriteria Tanggung Jawab A4 = Karyawan ke 4
pada nilai (value), tanpa memikirkan tentang metode Pada proses pemilihan peserta secara manual,
perhitungannya. Pada fase pertama, nilai hubungan koordinator seleksi akan membandingkan
outranking berdasarkan pertimbangan dominasi berdasarkan jumlah hasil test terlebih dahulu
masing-masing kriteria. Indeks preferensi ditentukan apabila masih sama kemudian akan
dan nilai outranking secara grafis disajikan membandingkan dengan nilai pada kriteria Jujur
berdasarkan preferensi dan pengambil keputusan. (F1) apabila masih sama kemudian akan
membandingkan nilai kriteria penampilan (F2)
III. ANALISA DAN PEMBAHASAN dan apabila masih sama kemudian akan
Pembangunan Sistem Pendukung Keputusan membandingkan nilai krirteria kepribadian (F3).
untuk Pemilihan Karyawan terbaik dengan Pada contoh kasus diatas maka diperoleh :
menggunakan. Metode Promethee ini bertujuan Tabel 3. Rangking Peserta Secara Manual
menghasilkan perangkat lunak untuk menentukan Karyawan Rangking
Karyawan terbaik yang sesuai dengan kriteria – A1 3
kriteria. A2 4
Perangkat lunak Sistem Pendukung Keputusan A3 2
untuk Pemilihan Karyawan terbaik ini didukung basis A4 1
data dimana hasil yang diperoleh dapat memudahkan 3. Perangkingan Peserta Dengan Sistem
dalam pencarian data karyawan yang ingin a. Saat admin menginputkan data karyawan yang
dipromosikan untuk mendapatkan kenaikan pangkat, telah mengikuti test maka otomatis akan
subsidi Haji ataupun balas jasanya dinaikkan. Dalam terdaftar sebagai alternatif.
hal ini terdapat beberapa tahapan yang harus dilalui b. Sistem akan membaca data kriteria yang akan
yaitu : digunakan sebagai test.
1. Perhitungan Bobot Secara Manual c. Sistem akan membaca data test dari setiap
Tabel 1. Bobot Kriteria karyawan.
No Kriteria Bobot d. Sistem menghitung selisih nilai test yang telah
1 Jujur 0,354 dikalikan dengan bobot nya dari masing-
2 Penampilan 0,172 masing karyawan dengan rumus :
3 Kepribadian 0,172 d = f (ai) – f (aj)
4 Kehadiran 0,067 dimana :
5 Loyalitas 0,067 f (a1) :nilai karyawan ke i terhadap suatu test.
6 Tanggung jawab 0,067 f (a2) :nilai karyawan ke j terhadap suatu test.
7 Disiplin 0,067 d :selisih nilai antar dua karyawan terhadap
8 Prestasi 0,028 suatu test.
2. Perangkingan Karyawan Dengan Hasil Berikut adalah data test dari contoh kasus 4
Dipertimbangkan Secara Manual. Berikut ini karyawan pada tabel 4 yang sudah dikali dengan
adalah data test dari 4 karyawan yang memiliki bobot masing-masing kriteria sesuai dengan tabel.
hasil dipertimbangkan: Tabel 4. Data Test 4 Karyawan Dengan Bobot nya
Tabel 2. Data Test 4 Karyawan Kriteria A1 A2 A3 A4 Tipe Parameter
Preferensi
Kriteria A1 A2 A3 A4 F1 (0,354) 8,165 7,1 8,875 6,39 Linier p = 2,485
F1(.) 23 20 25 18 F2 (0,172) 1,204 1,892 1,548 1,72 Quasi q = 0,172
F3 (0,172) 1,72 1,376 1,892 1,72 Quasi q = 0,172
F2(.) 7 11 9 10 F4 (0,067) 0,536 0,469 0,402 0,603 Biasa -
F3(.) 10 8 11 10 F5 (0,067) 0,536 0,402 0,536 0,536 Biasa -
F6 (0,067) 0,536 0,603 0,402 0,536 Biasa -
F4(.) 8 7 6 9 F7 (0,067) 0,469 0,603 0,402 0,536 Biasa -
F5(.) 8 6 8 8 F8 (0,028) 0 0,028 0 0,028 Biasa -
 4. Proses Perhitungan Preferensi Untuk Tiap Peserta Net Flow Rangking
A4 0,292 1
Kriteria.
Berikut adalah perhitungan indeks Berdasarkan proses perhitungan diatas nilai net
preferensi multikriteria untuk contoh kasus flow dijadikan acuan untuk menentukan
4 karyawan diatas : peringkatnya dan didapat hasil peringkat pertama

  P a ;  a , a
diduduki oleh A4
a , a   k
a  
1 2 i 1, 2 1 2
i 1 IV. IMPLEMENTASI
A. Form Login
a. Φ (A1,A2) = ( 0,428 + 0 + 1 + 1 + 1 + 0 + 0 + 0 ) / 8 = 0,428 Form login ini merupakan awal dari pembukaan
Φ (A2,A1) = ( 0 + 1 + 0 + 0 + 0 + 1 + 1 + 1 ) / 8 = 0,5
b. Φ (A1,A3) = ( 0 + 0 + 0 + 1 + 0 + 1 + 1 + 0 ) / 8 = 0,375 suatu program, dari form login ini maka akan
Φ (A3,A1) = ( 0,285 + 1 + 0 + 0 + 0 + 0 + 0 + 0 ) / 8 = 0,16 masuk ke Menu Utama. Seperti gambar dibawah
c. Φ (A1,A4) = ( 0,7 14 + 0 + 0 + 0 + 0 + 0 + 0 + 0 ) / 8 = 0,089
Φ (A4,A1) = ( 0 + 1 + 0 + 1 + 0 + 0 + 1 + 1 ) / 8 = 0,5 ini :
d. Φ (A2,A3) = ( 0 + 1 + 0 + 1 + 0 + 1 + 1 + 1 ) / 8 = 0,625
Φ (A3,A2) = ( 0,714 + 0 + 1 + 0 + 1 + 0 + 0 + 0 ) / 8 = 0,339
e. Φ (A2,A4) = ( 0,285 + 0 + 0 + 0 + 0 + 1 + 1 + 0 ) / 8 = 0,285
Φ (A4,A2) = ( 0 + 0 + 1 + 1 + 1 + 0 + 0 + 0 ) / 8 = 0,375
f. Φ (A3,A4) = ( 1 + 0 + 0 + 0 + 0 + 0 + 0 + 0 ) / 8 = 0,125
Φ (A4,A3) = ( 0 + 0 + 0 + 1 + 0 + 1 + 1 + 1 ) / 8 = 0,5

5. Proses Perhitungan Promethee

Sistem menghitung leaving flow (Φ+), entering
flow (Φ-), dan net flow (Φ) untuk masing-masing Gambar 1 Form Login
peserta berdasarkan nilai indeks preferensi
multikriteria yang sudah didapat. Berikut adalah B. Form Menu Utama
perhitungan leaving flow, entering flow, dan net Form ini digunakan untuk menjalankan program
flow untuk contoh kasus 4 karyawan diatas : pengambilan keputusan, seperti terlihat pada
a. Leaving flow : gambar dibawah ini :
1
  a   a x  x  
1 1,
n1
b. Entering flow :
1
 a    a x  x  


1 1,
n1
c. Net flow :
a    (a )    (a )
1 1 1 A3 - 0,292 4
Tabel 5. Promethee Rangking
A1 A2 A3 A4 Φ+ Φ- Φ
A1 0 0,428 0,375 0,089 0,297 0,386 - 0,089
A2 0,5 0 0,625 0,285 0,47 0,380 0,09
A3 0,160 0,339 0 0,125 0,208 0,5 - 0,292
A4 0,5 0,375 0,5 0 0,458 0,166 0,292
6. Hasil Akhir Perangkingan
Sistem menampilkan peringk at dengan cara
mengurutkan nilai net flow secara ascending.
Nilai net flow didapat melalui pengurangan
leaving flow dengan entering flow.
a. Leaving Flow : besar ke kecil
b. Entering flow : kecil ke besar
c. Net Flow : terbesar
Untuk contoh kasus 4 karyawan diatas dapat
diperoleh rangking dengan net flow nya :
Tabel 6. Rangking Karyawan
Peserta Net Flow Rangking
A1 - 0,089 3
A2 0,09 2
 Gambar 2 Menu Utama

C. Form Input Karyawan

Form ini digunakan untuk
melakukan proses pemilihan
pemasukan data karyawan,
seperti terlihat pada gambar
dibawah ini :

Gambar 3 Form Input Karyawan

D. Form Kriteria
Form ini digunakan untuk pemasukan nama
kriteria dan pemasukan nilai kriteria. Dapat
dilihat seperti gambar dibawah ini :
Gambar 4 Form Kriteria
E. Form SPK Pemilihan Karyawan Terbaik
Form SPK ini adalah form hasil ranking dari
nilai perbandingan dari setiap kiteria, dapat
dilihat seperti gambar dibawah ini.
Gambar 5 Form SPK Pemilihan Karyawan Terbaik
IV. KESIMPULAN
Kesimpulan yang dapat diambil dari penelitian ini
adalah sebagai berikut:
1. Proses penentuan ranking karyawan yang
dilakukan melalui perhitungan dengan metode
Promethee dimulai dengan pemberian nilai
kriteria untuk masing-masing kriteria, input nilai
karyawan dan selanjutnya perhitungan nilai
leaving flow, entering flow dan net flow.
2. Sistem pendukung keputusan ini memberikan
masukan berupa ranking pengambil keputusan
dalam mempertimbangkan karyawan terbaik yang
akan diterima.
3. Sistem pendukung keputusan yang dibangun
dengan mengimplementasikan metode Promethee
pada prinsipnya dapat membantu manajemen
dalam pemilihan karyawan terbaik di PT. Karya
Abadi Mandiri.
DAFTAR PUSTAKA
1. Kusrini (2007) “Konsep dan Aplikasi Sistem Pendukung
Keputusan”, Penerbit Andi, Yogyakarta.
2. Srikusuma Dewi (2006) “Fuzzy Multi-Attribute Decision
Making (Fuzzy MADM), Penerbit Graha Ilmu, Yogyakarta
3. Sugiarti Yuni, (2013) “ Analisa dan Perancangan UML”,
Penerbit Pustakarya, Jakarta
4. Yuswanto (2006), “Pemrograman Dasar Visual Basic.net”,
Jakarta
5. M. Sadeli, “Pengenalan Visual Basic Net.2008”,
Perpustakaan Nasional, Jakarta
6. http://www.sman2lubukpakam.sch.id
7. Rahmat Prianto (2009) “Visual Programming”, Penerbit
Andi, Yogyakarta
8. Jogianato. H.K (1991) ”Perancangan Sistem”, Penerbit Andi,
Yogyakarta
9. Mesran, G. Ginting, Suginam, and R. Rahim, “Implementation
of Elimination and Choice Expressing Reality ( ELECTRE )
Method in Selecting the Best Lecturer ( Case Study STMIK
BUDI DARMA ),” Int. J. Eng. Res. Technol. (IJERT, vol. 6,
no. 2, pp. 141–144, 2017.
10. Risawandi and R. Rahim, “Study of the Simple Multi-
Attribute Rating Technique For Decision Support,” IJSRST,
vol. 2, no. 6, pp. 491–494, 2016.
11. E. Triantaphyllou and S. H. Mann, “USING THE ANALYTIC
HIERARCHY PROCESS FOR DECISION MAKING IN
ENGINEERING APPLICATIONS : SOME CHALLENGES,”
Inter’l J. Ind. Eng. Appl. Pract., vol. 2, no. 1, pp. 35–44, 1995.
12. K. Bin Sumardi, M. Simaremare, and A. P. U. Siahaan,
“Decision Support System in Selecting The Appropriate
Laptop Using Simple Additive Weighting,” IJRTER, 2016.
13. H. A. Hasibuan, R. Purba, and A. P. U. Siahaan, “Productivity
Assessment (Performance, Motivation, and Job Training)
using Profile Matching,” SSRG Int. J. Econ. andManagement
Stud., vol. 3, no. 6, 2016.
14. C.-L. Yoon, K.P., & Hwang, “Multiple Attribute Decision
Making: An Introduction,” Sage Univ. Pap. Ser. Quantative
Appl. Soc. Sci., pp. 47–53, 1995.
15. K. Safitri, F. T. Waruwu, and M. Mesran, “SISTEM
PENDUKUNG KEPUTUSAN PEMILIHAN KARYAWAN
BERPRESTASI DENGAN MENGGUNAKAN METODE
ANALYTICAL HIEARARCHY PROCESS (Studi Kasus :
PT.Capella Dinamik Nusantara Takengon),” MEDIA Inform.
BUDIDARMA, vol. 1, no. 1, Feb. 2017.
16. Brans, J. P., Vinckle and B. Mareschal. 1986. How to Select
and How to Rank Projects; The Promethee Method. European
Journal of Operational Research, Elsevier Science
Publisher B.V., Holland. P.228-238
17. Brans, J.P. and Mareschal, Bertrand. How to Decide with
PROMETHEE. PDF
 Implementasi Metode Multi Attribute Utility
Theory (MAUT) Pada Sistem Pendukung
Keputusan dalam Menentukan Penerima Kredit
Novri Hadinata
Fakultas Ilmu Komputer, Universitas Bina Darma
Jl. A.Yani No 12 Palembang
Novri_hadinata@binadarma.ac.id
Abstrak— PT. XYZ merupakan perusahaan pembiayaan
otomotif yang ada di Indonesia, tempat penelitian penulis
merupakan salah satu cabang yang ada di kota Palembang.
Penentuan penerima kredit pada perusahaan tersebut masih
manual dan memerlukan waktu yang lama dalam mengambil
keputusan, darimaka itu untuk menyelesaikan masalah
tersebut penulis memilih untuk membuat sistem pendukung
keputusan menggunakan metode Multi Attribute Utility Theory
(MAUT). SPK merupakan sistem informasi interaktif yang
menyediakan informasi, pemodelan, dan pemanipulasian data.
Multi Attribute Utility Theory (MAUT) adalah suatu metode
perbandingan kuantitatif yang biasanya mengkombinasikan
pengukuran atas biaya resiko dan keuntungan yang berbeda.
Metode MAUT digunakan untuk merubah dari beberapa
kepentingan kedalam nilai numerik dengan skala 0-1 dengan 0
mewakili nilai terburuk dan 1 nilai terbaik. SPK ini dapat
membantu surveyor dan credit analyst dalam melakukan
proses penilaian penentuan penerima kredit (calon nasabah)
pada PT. XYZ.
Kata Kunci— PT. XYZ, Sistem Pendukung Keputusan, SPK,
Metode Multi Attribute Utility Theory.
I. PENDAHULUAN
PT. XYZ adalah Penyedia layanan kredit otomotif di
indonesia. Dengan dilatar belakangi oleh reputasi dan
pengalaman serta komitmen pendiri PT. XYZ. yang telah
mendalami usaha pemasaran dan pembiayaan otomotif
diikuti dengan pengetahuan bisnis dan profesionalisme
pelayananan dan setiap Sumber Daya Manusianya, maka
perusahaan akan menjadi salah satu pelaku utama dan ikut
memotori perkembangan industri pembiayaan, khususnya
pembiayaan otomotif baik secara Sewa Guna Usaha
maupun Pembiayaan Konsumen di Indonesia. Akhirnya
keberadaan dan aktivitas bisnis PT.XYZ dapat “Melayani
Lebih Baik”. Kredit merupakan perjanjian pinjam
meminjam uang antar bank sebagai kreditur dengan nasabah
sebagai debitur. Dalam melakukan pembiayaan motor
secara kredit di PT. XYZ, calon nasabah wajib memenuhi
beberapa persyaratan yang telah ditentukan perusahaan.
Perusahaan memberikan kredit motor dengan ketentuan
kriteria-kriteria yang harus dicapai oleh calon konsumen.
Pada proses pembiayaan kredit di perusahaan mengalami
beberapa
masalah. Saat ini sistem yang digunakan masih kurang
tepat dan masih manual sehingga membutuhkan waktu
yang lama dan hasil keputusan terkadang tidak tepat
sehingga terjadinya resiko kredit macet. Agar dapat
mengatasi masalah yang terjadi dalam perusahaan
tersebut maka dibutuhkan suatu teknologi komputer
menggunakan sebuah Sistem Pendukung Keputusan
(SPK) untuk membantu memudahkan proses kredit dan
tidak terjadi kesalahan sehingga proses yang lama bisa
menjadi lebih cepat dan akurat. Dari beberapa penjelasan
diatas penulis merumuskan permasalahan penelitian yaitu
Bagaimana membangun sistem pendukung keputusan
dengan metode MAUT pada PT XYZ guna untuk
memudahkan penilaian dalam penentuan penerima kredit?
Ada beberapa batasan yang ada yaitu : Menentukan
konsumen dibidang kredit di PT. XYZ dan metode yang
digunakan dalam menentukan penerima kredit adalah
metode Multi Attribute Utility Theory (MAUT). Tujuan
dan manfaat penelitian adalah Membangun sistem
pendukung keputusan untuk menentukan penerima kredit
pada PT. XYZ dan Mengimplementasikan metode MAUT
dalam menentukan penerima kredit pada PT
.XYZ sehingga membantu mempermudah bagian
surveyor dan credit analyst dalam melakukan penilaian
dan manager lebih mudah dalam melakukan suatu
keputusan yang tepat.
II. LANDASAN TEORI
A. Pengambilan Keputusan
Keputusan merupakan kegiatan memilih suatu strategi
atau tindakan dalam pemecahan masalah tersebut.
Tindakan memilih strategi atau aksi yang diyakini manajer
akan memberikan solusi terbaik atas sesuatu itu disebut
pengambilan keputusan. Tujuan dari keputusan adalah
untuk mencapai target atau aksi tertentu yang harus
dilakukan. [1]
B. Sistem Pendukung Keputusan / Decision Support
Sistem (DSS)
DSS merupakan sistem informasi interaktif yang
menyediakan informasi, pemodelan, dan pemanipulasian
data. Sistem itu digunakan untuk membantu pengambilan
keputusan dalam situasi yang semiterstruktur dan situasi
yang tidak terstruktur, di mana tak seorang pun tahu Secara ringkas langkah-langkah dalam metode
MAUT adalah sebagai berikut :
secara past i bagaimana keputusan seharusnya dibuat. [2]
1. Pecah sebuah keputusan ke dalam dimensi yang
berbeda
DSS lebih ditujukan untuk mendukung manajemen
dalam melakukan pekerjaan yang bersifat analitis dalam 2. Tentukan bobot relatif pada masing-masing
situasi yang kurang terstruktur dan dengan kriteria yang dimensi
kurang jelas.[3] 3. Daftar semua alternative
4. Menghitung nilai Utility normalisasi matriks
C. Metode Multi Attribute Utility Theory (MAUT) untuk masing-masing alternatif sesuai
atributnya.
Multi Attribute Utility Theory (MAUT) merupakan suatu
skema yang evaluasi akhir, v(x), dari suatu objek x
didefinisikan sebagai bobot yang dijumlahkan dengan suatu
nilai yang relevan terhadap nilai dimensinya. Ungkapan
yang biasa digunakan untuk menyebutnya adalah nilai Keterangan :
utilitas.[4] = Normalisasi bobot alternative
nilai kriteria minimal (bobot
MAUT digunakan untuk merubah dari beberapa terburuk)
kepentingan kedalam nilai numerik dengan skala 0-1
dengan 0 mewakili pilihan terburuk dan 1 terbaik. Hal ini = nilai kriteria maksimal (bobot terbaik)
memungkinkan perbandingan langsung yang beragam x = Bobot alternative
ukuran.[5] Untuk perhitungannya Nilai evaluasi seluruhnya 5. Kalikan utility dengan bobot untuk menemukan nilai
dapat didefinisikan dengan beberapa persamaan, masing-masing alternatif.

III. METODOLOGI PENELITIAN

dirumuskan sebagai berikut :
Penulis memilih menggunakan model
pengembangan sistem waterfall untuk membangun sistem
pendukung keputusan dalam menentukan penerima kredit
Dimana vi(x) merupakan nilai evaluasi dari sebuah
menggunakan metode MAUT. Waterfall (berarti air terjun)
objek ke i dan wi merupakan bobot yang menentukan nilai
karena memang diagram tahapan prosesnya mirip dengan air
dari seberapa penting elemen ke i terhadap elemen lainnya.
terjun yang bertingkat dan kelebihannya adalah
Sedangkan n merupakan jumlah elemen. Total dari bobot
pengaplikasian dalam pengembangan software mudah,
adalah 1.
semua kebutuhan sistem dapat didefinisikan di awal sistem
secara eksplisit dan benar di awal project, perubahan di
tengah-tengah proses pengembangan software sangat sedikit
yang dikarenakan telah dikonsep dengan baik di awal
proses.
Untuk setiap dimensi, nilai evaluation vi(x)
Analisis kebutuhan adalah menganalisis pihak
didefinisikan sebagai penjumlahan dari atribut-atribut yang
perusahaan untuk menentukan kebutuhan-kebutuhan yang
relevan.
diperlukan oleh sistem tersebut. Adapun petunjuk yang
digunakan sebagai bahan untuk menganalisis kebutuhan
sistem diperoleh dengan melakukan wawancara dengan
Keterangan : pihak yang kompeten dan yang berpengalaman dalam hal
V(x) = nilai evaluasi penentuan pemberian kelayakan kredit sepeda motor yaitu
n = Jumlah elemen/kriteria bagian Credit Analyst serta melakukan observasi,
i = Total bobot adalah 1 wawancara dari sumber- sumber yang dapat dipercaya untuk
Ai = himpunan semua atribut yang mendapatkan informasi mengenai detail dari sistem
relevan Vai (l (a))= evaluasi dari tingkat aktual pendukung keputusan dan kelayakan pemberian kredit
Wai = bobot yang menentukan dampak sesuai dengan kriteria yang ada.
dari evaluasi atribut pada dimensi
vi = nilai keseluruhan dari alternatif pilihan Kriteria-kriteria yang telah ditetapkan oleh pihak perusahaan
suatu kriteria adalah :
a = kriteria
C1 = Pendidikan : keterangan yang berisi tentang informasi
pendidikan calon nasabah
 C2 = Tempat Tinggal : keterangan yang berisi tentang
informasi data-data tempat tinggal nasabah dilihat
dari keterangan \ kepemilikan rumah apakah milik Tabel 1. Pemberian bobot kriteria
sendiri, kontrak/kos, milik orang tua, instansi atau Nama kriteria Bobot
angsuran KPR Pendidikan 15
C3 = Kualitas Bangunan : keterangan yang berisi tentang i
Tempat tinggal 35
Informasi keadaan bangunan rumah nasabah apakah
mendukung nasabah dalam pengambilan kredit. Kualitas bangunan 20
C4 = Sikap : keterangan yang berisi tentang informasi Sikap 30
karakter atau reputasi calon nasabah menurut
tetangga sekitar seperti rt, rw, lurah Jumlah 100

Konfigurasi nilai kriteria

A. Metode Pengembangan Sistem
Metode pengembangan sistem yang digunakan yaitu
model waterfall. model waterfall adalah model klasik yang
bersifat sistematis, berurutan dalam membangun software
[6].
Berikut ini tahapan-tahapan yang digunakan dalam
menggunakan waterfall yaitu terdiri dari :
Memberikan nilai kriteria pada semua parameter.
Untuk nilai yang masih bersifat kuantitatif diberi alternatif
dan merubah dari beberapa kepentingan kedalam nilai
numerik dengan skala 0-1 dengan 0 merupakan nilai
terburuk dan 1 nilai terbaik dapat dilihat pada tabel
dibawah ini :

1. Communication Tabel 2. Konfigurasi nilai kriteria

Langkah ini merupakan analisis terhadap kebutuhan
software, dan tahap untuk mengadakan pengumpulan Kriteria Parameter bobot
data dengan melakukan pertemuan dengan customer, kriteria
maupun mengumpulkan data-data tambahan baik yang SD 1
ada di jurnal, artikel, maupun dari internet. SMP 2
SMA
Pendidikan 3
D3
2. Planning S1 4
Proses planning merupakan lanjutan dari proses 5
communication (analysis requirement). Tahapan ini Milik sendiri 5
akan menghasilkan dokumen user requirement atau Tempat
Milik ortu/Keluarga 4
bisa dikatakan sebagai data yang berhubungan dengan Kontrak/Kos 3
tinggal Instansi Angsuran
keinginan user dalam pembuatan software, termasuk 2
KPR
rencana yang akan dilakukan. 1
Mewah 4
Dalam penerapan metode MAUT untuk menentukan Kualitas Menengah 3
penerima kredit motor pada PT. XYZ ada beberapa hal yang bangunan Sederhana 2
perlu dilakukan, yaitu : Semi permanen
1
Sanga baik 5
a. Kriteria Baik 4
Dalam sistem menentukan penerima kredit ada 6 kriteria Sikap Cukup
Kurang 3
yang didapatkan melalui interview langsung dengan pihak 2
pembiayaan kredit PT. XYZ tersebut kriteria bisa dilihat Sangat kurang
1
pada tabel dibawah ini :
1. Pendidikan
2. Tempat tinggal
3. Kualitas bangunan Tabel 3. Data alternatif
4. Sikap

b. Pemberian bobot kriteria

Pemberian bobot berdasarkan kepentingan dari setiap
kriteria yang ada, dengan bobot terbesar hingga terkecil
dengan interval 0-100 seperti tabel dibawah ini :
 Memberikan pembobotan pada setiap alternatif dan
kriteria nilai bobot nya. Selanjutnya konfigurasi nilai kriteria
dari data pembobotan pada gambar dibawah ini :
Tabel 4. Isi bobot nilai kriteria
3. Construction
Construction merupakan proses membuat kode. Coding
atau pengkodean merupakan penerjemahan desain
dalam bahasa yang bisa dikenali oleh komputer.
Programmer akan menerjemahkan transaksi yang
diminta oleh user. Tahapan inilah yang merupakan
tahapan secara nyata dalam mengerjakan suatu software
artinya penggunaan komputer akan dimaksimalkan
dalam tahapan ini. Setelah pengkodean selesai maka
akan dilakukan testing terhadap sistem yang telah dibuat
tadi. Tujuan testing adalah menemukan kesalahan-
kesalahan terhadap sistem tersebut untuk kemudian bisa
diperbaiki.
4. Deployment
Tahapan ini bisa dikatakan final dalam pembuatan
sebuah software atau sistem. Setelah melakukan
analisis, desain dan pengkodean maka sistem yang
sudah jadi akan digunakan oleh user. Kemudian
software yang telah dibuat harus dilakukan pemeliharaan
secara berkala.
IV. HASIL DAN PEMBAHASAN
A. Hasil
Hasil akhir dari penelitian ini adalah membuat sistem
pendukung keputusan yang dapat membantu manager untuk
menentukan keputusan dalam penentuan penerima kredit
dengan metode MAUT, yang mana akan membantu bagian
surveyor dan credit analyst dalam melakukan proses penilaian
penentuan penerima kredit (calon nasabah) pada PT. XYZ
agar lebih mudah dan tepat sehingga membantu
meminimalisir adanya kesalahan seperti kredit
macet. Bahasa pemrograman yang digunakan
dalam membangun program ini adalah PHP
(Hypertext Processor).
Tujuan pembuatan Sistem Pendukung Keputusan ini
adalah untuk mempermudah bagian surveyor dan credit
analyst dalam melakukan penilaian penentuan penerima kredit
(calon nasabah) serta meminimalisir kesalahan dalam
penilaian penentuan penerima kredit pada PT. XYZ.
B. Pembahasan
Berikut ini adalah pembahasan dan informasi tentang
aplikasi SPK yang telah di rancang.
a. Login Credit Analyst
Pada Gambar.1 dapat dilihat halaman login yang digunakan
untuk mengakses aplikasi dengan cara memasukan Username
dan memasukan Password. Akses login bisa dilakukan oleh
surveyor dan credit analyst, credit analyst dapat mengakses
Kriteria, Nilai bobot, penilaian hasil survei dan hasil maut.
 PT XYZ
C. Nilai Bobot
Halaman Nilai bobot menampilkan range nilai dari kriteria
yang di gunakan dalam metode MAUT, pada proses isi nilai
bobot bisa menambahkan nilai bobot dan nama bobot sesuai
yang di inginkan perusahaan, pada halaman ini juga credit
analyst bisa mengubah dan menghapus data nilai bobot.
SISITEM PENUNJANG KEPUTUSAN Tampilan Halaman Nilai Bobot dapat diitah pada Gambar.4
PENERIMA KEREDIT berikut ini

PT XYZ

Gambar 1 Halaman Login Credit Analyst

b. Alternatif
Halaman Alternatif menampilkan data Calon nasabah
yang ada di PT. XYZ, yang akan di ambil penilaian data calon
nasabah, di halaman ini kita bisa menambahkan input data
alternatif, ubah data dan menghapus data nasabah. Form
Halaman Alternatif Dapat dilihat pada Gambar.2 berikut ini :
Gambar 4 Halaman Nilai Bobot

d. Hasil Maut
Halaman Hasil maut yaitu tampilan hasil penilaian
dari kriteria, tampilan dari total keseluruhan nilai kriteria
setiap calon nasabah dan telah di urutkan berdasarkan nilai
tertringgi. Setelah melakukan penilaian nilai bobot, kriteria,
nilai hasil survei maka akan muncul nilai utility dan hasil
akhir. dengan memlih menu proses seperti contoh di bawah
maka sistem akan menampilkan hasil nilai dari pembobotan,
nilai normalisasi matriks dan perkalian nilai utility dengan
bobot dan hasil perangkingan. Dalam laporan inilah credit
Gambar 2 Halaman Alternatif analyst dapat melihat dan mencetak hasil penentuan penerima
kredit pada PT. XYZ sehingga manager dapat melihat dan
memberikan suatu keputusan dalam menentukan penerima
c. Kriteri kredit yang baik dan tepat. Gambar.5 dapat dilihat dibawah
a ini :

Gambar.3 adalah tampilan Halaman Kriteria yang

PT XYZ
berisikan penilaian terhadap kriteria yang digunakan dalam
perhitungan metode MAUT, terdapat 4 kriteria yang di
gunakan dalam aplikasi ini yaitu Pendidikan, Tempat tinggal,
Kualitas bangunan dan Sikap. Untuk kriteria dapat ditentukan
sesuai dengan kebutuhan perusahaan.

PT XYZ

Gambar 5 Halaman Hasil Maut

Gambar 3 Halaman Kriteria

 V. KESIMPULAN keamanan agar tidak disalah gunakan oleh
pihak yang tidak bertanggung jawab.
1. Kesimpulan
Berikut ini adalah simpulan dari penelitian yang telah di
lakukan oleh penulis.
DAFTAR PUSTAKA
1. Dengan adanya aplikasi Sistem Pendukung keputusan
dalam menentukan penerima kredit pada PT. XYZ
menggunakan metode Multi Attribute Utility Theory [1] Kusrini, (2007), Konsep dan Aplikasi Sistem
(MAUT), maka Manager PT. XYZ dapat lebih objektif Pendukung Keputusan, Yogyakarta : Andi.
dalam penilaian penentuan penerima kredit, sehingga [2] Resa Ari siswo, Ulya anisatur rosyidah, (2017).
dapat meminimalisir adanya resiko kredit macet pada
Sistem Pendukung Keputusan Untuk
perusahaan.
2. Metode MAUT menggunakan skala antara 0 sampai 1,
Penerimaan Karyawan PT Pln Jember
sehingga mempermudah penilaian dalam menentukan Menggunakan Metode Multi Attribute
penerima kredit pada PT. XYZ dan perbandingan nilai Utility Theory (Maut), (Studi kasus pada PT
pada masing-masing alternnatif. PLN Jember).
[3] Kusrini, (2007), Konsep dan Aplikasi Sistem
A. Saran Pendukung Keputusan, Yogyakarta : Andi.
Dalam perancangan dan pembangunan sistem [4] Schaefer, 2012, Multi Attribute Utility Theory,
pendukung keputusan ini, Diharapkan aplikasi ini dapat diakses pada 04 desember2017,
agar: darihttp://digilib.tes.telkomuniversity.ac.id/meto
1. Terus dijalankan oleh perusahaan agar bagian surveyor
dan credit analyst lebihmudah melakukan penilaian
de-multiattribute-utility- theory-maut.
dalam menentukan penerima kredit yang baik dan [5] M Gusdha, Eka Andrita, dkk, (2010).“Sistem
cepat, dengan adanya system pendukung keputusan Promosi Jabatan Karyawan dengan
ini juga bisa membantu manager dalam Metode Analytical Hierarchy Process (AHP)
menentukan penerima kredit dengan lebih tepat. dan Multi- Attribute Utility Theory (MAUT),,
(Studi Kasus pada PT. Ginsa Inti
2. Diharapkan aplikasi ini agar dapat Pratama)”,Universitas Indonesia.
dilakukanpemeliharaan serta dikembangkan [6] Fitho, Galandi, (2016). Metode Waterfall :
sehingga mengurangi tingkat kesalahan dan Definisi, Tahapan, Kelebihan dan Kekurangan
penyempurnaan kembali agar dapat berjalan ”, diakses 02 januari 2018,
secara maksimal, bila perlu dibuat sistem http://www.pengetahuandanteknologi.com/2016
/09/metode-waterfall definisi-tahapan.html

Vol. 7, No. 1, Januari 2019

p-ISSN : 2460-3562 / e-ISSN : 2620-8989

Sistem Pendukung Keputusan Pemilihan Daerah

Prioritas Penanganan Stunting pada Balita
Menggunakan Metode TOPSIS
(Studi Kasus : Kota Pontianak)
Mahmud Syafi’ie#1, Tursina#2, Yulianti#3
#
Program Studi Informatika Universitas Tanjungpura
Jl. Prof. Dr. H. Hadari Nawawi, Pontianak, Kalimantan Barat 78115
1
mahmud.syafiie@gmail.com
2
tursina@informatika.untan.ac.id
3
y_suanda@gmail.com

Abstrak–– Stunting adalah kondisi gagal tumbuh pada anak balita
akibat dari kekurangan gizi kronis sehingga tinggi atau panjang
badan anak terlalu pendek untuk usianya. Pada tahun 2017 dari
hasil Pantauan Status Gizi (PSG) yang dilakukan oleh pemerintah
pusat di Kota Pontianak tercatat sebanyak 28% balita dinyatakan
terkena stunting. Hasil PSG 2017 tersebut mengalami perbaikan
dengan angka persentase penurunan stunting sebanyak 4% dari
tahun sebelumnya, yaitu 32% di tahun 2016. Untuk dapat
mendukung dalam mengurangi angka persentase stunting di Kota
Pontianak, dibuatlah sebuah aplikasi sistem pendukung keputusan
pemilihan daerah prioritas penanganan stunting pada balita.
Sistem Pendukung Keputusan (SPK) merupakan suatu sistem
berbasis komputer yang menghasilkan berbagai alternatif
keputusan untuk membantu pihak pengambil keputusan. Sistem
pendukung keputusan bukan merupakan alat pengambilan
keputusan, melainkan sebagai sistem yang membantu pengambil
keputusan yang dilengkapi informasi dari data yang telah diolah
dengan relevan dan diperlukan untuk membuat keputusan tentang
suatu masalah dengan lebih cepat dan akurat. Metode TOPSIS
merupakan metode yang digunakan pada aplikasi ini. Metode
TOPSIS adalah suatu metode alternatif terbaik yang memiliki
jarak terpendek dari solusi ideal positif dan jarak terjauh dari
solusi ideal negatif. Hasil keluaran dari aplikasi ini adalah urutan
nilai preferensi dari nilai terbesar hingga terkecil berdasarkan
alternatif yang menjadi pilihan. Adapun hasil pengujian kuesioner
yang sudah dilakukan responden memberi tanggapan dengan rata-
rata nilai 80% dari tiga aspek penilaian yaitu aspek rekayasa
perangkat lunak, aspek fungsionalitas perangkat lunak, dan aspek
visual perangkat lunak, sehingga aplikasi ini layak untuk
diimplementasikan.
Kata kunci–– Kuesioner, Metode TOPSIS, Nilai Preferensi, SPK,
Stunting.
I. PENDAHULUAN
Stunting adalah kondisi gagal tumbuh pada anak balita akibat
dari kekurangan gizi kronis sehingga tinggi atau panjang badan
anak terlalu pendek untuk usianya. Kekurangan gizi terjadi sejak
bayi dalam kandungan dan pada masa awal bayi lahir, tetapi
kondisi stunting baru tampak setelah bayi berusia 2 tahun. Balita
dikatakan pendek (stunted) atau sangat pendek (severely stunted)
adalah balita dengan Panjang Badan/Usia (PB/U) atau Tinggi
Badan/Usia (TB/U) dengan nilai z- scorenya kurang dari -2
SD/Standar Deviasi (stunted) dan kurang dari -3 SD/Standar
Deviasi (severely stunted) berdasarkan bidang ilmu kesehatan
[1].
Pada tahun 2017 dari hasil Pantauan Status Gizi (PSG) yang
dilakukan oleh pemerintah pusat di Kota Pontianak tercatat
sebanyak 28 persen balita dinyatakan terkena stunting. Hasil
PSG 2017 tersebut mengalami perbaikan dengan angka
persentase penurunan stunting sebanyak 4 persen dari tahun
sebelumnya, yakni 32 persen di tahun 2016. Badan organisasi
kesehatan dunia atau WHO merekomendasikan angka
persentase stunting dikatakan ideal apabila hasil pantauan status
gizinya dengan angka persentase dibawah 15 persen [2]. Hal
tersebut mendapat dukungan dari Dinas Kesehatan Kota
Pontianak dengan memasang target penurunan persentase
stunting di Kota Pontianak di angka kurang dari 26 persen pada
tahun 2019 dan kurang dari 20 persen pada tahun 2024
mendatang. Adapun solusi untuk mengurangi angka persentase
yang terkena stunting di Kota Pontianak, Dinas Kesehatan Kota
Pontianak telah bekerja sama dengan pihak-pihak terkait seperti
puskesmas atau posyandu yang ada di lingkungan Kota
Pontianak. Untuk dapat mendukung dalam mengurangi angka
persentase stunting di Kota Pontianak diperlukan adanya suatu
sistem pendukung keputusan pemilihan daerah prioritas yang
ada di Kota Pontianak dalam hal penanganan stunting pada
balita. Adapun daerah alternatif yang akan menjadi prioritas
untuk pemilihan daerah prioritas penanganan stunting yaitu
daerah kecamatan se-Kota Pontianak. Pemilihan daerah
prioritas penanganan stunting ini merupakan sebuah solusi
dari Dinas Kesehatan Kota Pontianak dengan tujuan untuk
memudahkan kerja sama dengan pihak terkait seperti
puskesmas atau posyandu agar penanganannya dapat berjalan
lebih efektif dan dapat lebih difokuskan, serta untuk
menghindari terjadinya tumpang tindih dengan kegiatan
program lainnya dan kriteria untuk menentukan pemilihan
daerah penanganan stunting ini berasal dari Dinas Kesehatan
Kota yang digunakan sebagai indikator untuk penanganan
stunting pada balita dalam hal mendukung pengambilan
keputusan. Pengambilan keputusan adalah pemilihan beberapa
tindakan alternatif yang ada untuk mencapai satu atau
beberapa tujuan yang telah diterapkan dengan adanya sistem
pendukung keputusan [3]. Sistem pendukung keputusan bukan
merupakan alat pengambilan keputusan, melainkan sebagai
sistem yang membantu pengambil keputusan yang dilengkapi
informasi dari data yang telah diolah dengan relevan dan
diperlukan untuk membuat keputusan tentang suatu masalah
dengan lebih cepat dan akurat. Sehingga sistem ini tidak
dimaksudkan untuk menggantikan pengambilan keputusan
dalam proses pembuatan keputusan [4]. Maka dari itu,
diberikan sebuah solusi untuk membuat dan membangun suatu
aplikasi sistem pendukung keputusan pemilihan daerah
prioritas penanganan stunting pada balita. Sistem ini akan
dibangun dengan menggunakan metode TOPSIS berbasiskan
website, karena dengan menggunakan website masing-masing
pengguna tidak perlu lagi menginstal diperangkat komputer.
Metode TOPSIS merupakan suatu metode pengambilan
keputusan multikriteria yang banyak digunakan dalam
menyelesaikan pengambilan keputusan secara praktis. Metode
TOPSIS memiliki beberapa keunggulan yaitu konsep yang
sederhana atau mudah dipahami, komputasi yang efisien, dan
mampu dijadikan sebagai pengukur kinerja alternatif dari
sebuah bentuk output komputasi yang sederhana, serta dapat
digunakan sebagai metode pengambilan keputusan yang lebih
cepat dengan memiliki jarak terpendek dari solusi ideal positif
dan jarak terjauh dari solusi ideal negatif [9].
Berdasarkan uraian permasalahan yang telah dijelaskan,
maka dilakukan penelitian mengenai masalah pemilihan
daerah prioritas penanganan stunting pada balita di Dinas
Kesehatan Kota Pontianak untuk merekomendasikan daerah
kecamatan mana yang lebih diprioritaskan dalam melakukan
penanganan stunting. Adapun judul yang diteliti adalah
“Sistem Pendukung Keputusan Pemilihan Daerah Prioritas
Penanganan Stunting Pada Balita Menggunakan Metode
TOPSIS (Studi Kasus: Kota Pontianak)”.
II. URAIAN PENELITIAN
A. Sistem Pendukung Keputusan (SPK)
Menurut Little konsep Sistem Pendukung Keputusan atau
SPK dapat berupa sebuah sistem berbasis komputer yang
menghasilkan berbagai alternatif keputusan untuk membantu
manajemen dalam menangani berbagai permasalahan yang
terstruktur maupun tidak terstruktur dengan menggunakan
data dan model [3]. SPK sejak awal telah dirancang agar
mampu untuk menunjang seluruh tahapan pembuatan
keputusan,
seperti tahap pengidentifikasian masalah, pemilihan data,
penentuan pendekatan hingga kegiatan untuk mengevaluasi
pemilihan alternatif [5]. Keunikan dari SPK adalah
kemampuannya dalam mengintegrasikan data dengan model-
model keputusan [11].
Sistem pendukung keputusan merupakan penggabungan
sumber-sumber kecerdasan individu dengan kemampuan
komponen untuk memperbaiki kualitas keputusan [10]. Sistem
pendukung keputusan juga merupakan sistem informasi
berbasis komputer untuk manajemen pengambilan keputusan
yang menangani masalah-masalah semi struktur [13]. Dari
definisi diatas dapat dijelaskan bahwa SPK bukan merupakan
alat pengambilan keputusan, melainkan merupakan sistem
yang membantu pengambil keputusan yang dilengkapi
informasi dari data yang telah diolah dengan relevan dan
diperlukan untuk membuat keputusan tentang suatu masalah
dengan lebih cepat dan akurat. Sehingga sistem ini tidak
dimaksudkan untuk menggantikan pengambilan keputusan
dalam proses pembuatan keputusan [4].
1. Komponen Sistem Pendukung Keputusan
Sistem pendukung keputusan mempunyai komponen-
komponen yang terdiri dari 4 subsistem, yaitu [6] :
- Data manajemen : meliputi database yang mengandung
data yang relevan untuk berbagai situasi dan diatur oleh
software yang disebut Database Management System
(DBMS).
- Model manajemen : merupakan paket software yang berisi
model-model seperti finansial, statistikal, management
science, atau berbagai model kuantitatif lainnya, sehingga
dapat memberikan ke sistem suatu kemampuan analitis,
dan management software yang diperlukan.
- Komunikasi (dialog subsistem) : pengguna dapat
berkomunikasi dan memberikan perintah pada SPK
melalui subsistem ini. Ini berarti menyediakan antarmuka.
- Knowledge management : merupakan subsistem pilihan
yang dapat mendukung subsistem lain atau bertindak
sebagai komponen yang berdiri sendiri.
2. Proses Pengambilan Keputusan
Pengambilan keputusan adalah pemilihan beberapa
tindakan alternatif yang ada untuk mencapai satu atau
beberapa tujuan yang telah diterapkan [3]. Untuk
memelakukan pengambilan keputusan harus melewati
beberapa tahapan atau proses pengambilan keputusan. Proses
pengambilan keputusan meliputi empat tahapan yang saling
berhubungan dan berurutan, yaitu sebagai berikut [7] :
- Intelligence
Tahap ini merupakan proses penelusuran dan pendeteksian
dari lingkup problematika serta proses pengenalan masalah.
Data masukkan yang diperoleh, diproses, dan diuji dalam
rangka mengidentifikasi masalah.
- Design
Tahap ini merupakan proses untuk menemukan,
mengembangkan, dan menganalisis suatu alternatif tindakan
yang bisa dilakukan. Tahap ini meliputi proses untuk mengerti
masalah, menurunkan solusi, dan menguji kelayakan solusi.
- Choice
Pada tahap ini dilakukan proses pemilihan diantara
berbagai alternatif tindakan yang mungkin akan dijalankan.
Tahap ini meliputi pencarian, evaluasi, dan rekomendasi solusi
yang sesuai untuk model yang telah dibuat. Solusi dari model
merupakan nilai spesifik untuk variabel hasil pada alternatif
yang dipilih.
- Implementation
Tahap implementasi adalah tahap pelaksanaan dari
keputusan yang telah diambil. Pada tahap ini diperlukan untuk
menyusun serangkaian tindakan yang terencana, sehingga
hasil keputusan dapat dipantau dan disesuaikan apabila
diperlukan perbaikan.
B. Stunting
Stunting adalah kondisi gagal tumbuh pada anak balita
(bayi dibawah lima tahun) akibat dari kekurangan gizi kronis
sehingga tinggi atau panjang badan anak terlalu pendek untuk
usianya. Kekurangan gizi terjadi sejak bayi dalam kandungan
dan pada masa awal setelah bayi lahir akan tetapi, kondisi
stunting baru nampak setelah bayi berusia 2 tahun. Balita
pendek (stunted) dan sangat pendek (severely stunted) adalah
balita dengan panjang badan (PB/U) atau tinggi badan (TB/U)
menurut umurnya dibandingkan dengan standar baku WHO-
MGRS (Multicentre Growth Reference Study) 2006 [14].
Sedangkan definisi stunting menurut Kementerian Kesehatan
R.I adalah anak balita dengan nilai z-scorenya kurang dari -2
SD/Standar Deviasi (stunted) dan kurang dari -3 SD/Standar
Deviasi (severely stunted) [1]. Adapun faktor-faktor yang
menyebabkan anak mengalami stunting yaitu faktor gizi yang
buruk, kurangnya pengetahuan ibu mengenai kesehatan dan
gizi anak, masih terbatasnya layanan kesehatan dan kurangnya
akses kepada makanan bergizi, dan yang terakhir kurangnya
air bersih dan juga kurangnya sanitasi/belum maksimalnya
usaha untuk membina dan menciptakan suatu keadaan yang
lebih baik di bidang kesehatan.
C. Balita
Balita merupakan anak yang berada dalam rentan usia 1-5
tahun kehidupan. Pada masa balita merupakan periode penting
dalam proses tumbuh kembang manusia. Pertumbuhan dan
perkembangan dimasa itu menjadi penentu keberhasilan
pertumbuhan dan perkembang anak diperiode selanjutnya.
Masa tumbuh kembang di usia ini merupakan masa yang
berlangsung cepat dan tidak akan pernah terulang, karena itu
sering disebut golden age atau masa keemasan. Pada masa ini
juga pertumbuhan dan perkembangan anak sangat pesat baik
secara fisik, psikologi, mental, maupun sosialnya [15]. Balita
juga merupakan kelompok anak yang rentan terhadap
berbagai penyakit. Salah satu upaya untuk meningkatkan
kesehatan anak dengan memberikan makanan yang sehat dan
imunisasi [16]. Pada usia balita, anak-anak membutuhkan
dukungan nutrisi yang lengkap untuk pertumbuhan dan
perkembangan tubuh dan otak mereka. Masa balita adalah
masa kritis, maka kebutuhan nutrisi bagi balita harus
seimbang, baik dalam jumlah maupun kandungan gizi [17].
Peningkatkan pembangunan kesehatan dapat dilakukan
melalui pemberdayaan masyarakat. Salah satu wujud dari
pemberdayaan masyarakat tersebut adalah posyandu [18].
D. Metode TOPSIS
TOPSIS (Technique for Order Preference by Similarity to
Ideal Solution) adalah salah satu metode pengambilan
keputusan multikriteria yang pertama kali diperkenalkan oleh
Yoon dan Hwang tahun 1981. TOPSIS didasarkan pada
konsep dimana alternatif yang terpilih atau terbaik tidak hanya
mempunyai jarak terdekat dari solusi ideal positif, namun juga
memiliki jarak terjauh dari solusi ideal negatif dari sudut
pandang geometris dengan menggunakan jarak Euclidean
untuk menentukan kedekatan relatif dari suatu alternatif
dengan solusi optimal. Solusi ideal positif didefinisikan
sebagai jumlah dari seluruh nilai terbaik yang dapat dicapai
untuk setiap atribut, sedangkan solusi negatif ideal terdiri dari
seluruh nilai terburuk yang dicapai untuk setiap atribut.
TOPSIS mempertimbangkan keduanya, jarak terhadap solusi
ideal positif dan jarak terhadap solusi ideal negatif dengan
mengambil kedekatan relatif terhadap solusi ideal positif.
Berdasarkan perbandingan terhadap jarak relatifnya, susunan
prioritas alternatif bisa dicapai. Metode ini banyak digunakan
pada beberapa model MADM (Multi Attribute Decision
Making) untuk menyelesaikan masalah pengambilan
keputusan secara praktis. Hal ini disebabkan konsepnya
sederhana dan mudah dipahami, komputasinya efisien, dan
memiliki kemampuan mengukur kinerja relatif dari alternatif-
alternatif keputusan dalam bentuk matematis yang sederhana
[7].
Ada beberapa langkah-langlah metode TOPSIS dalam
menyelesaikan suatu masalah sebagai berikut [12]:
- Membuat matriks keputusan yang ternormalisasi.
Keterangan :
rij = Matriks ternormalisasi [i] [j]
xij = Matriks keputusan [i] [j]
i = 1,2,3,...m
j = 1,2,3,...n.
- Membuat matriks keputusan yang ternormalisasi terbobot.
Solusi ideal positif A+ dan solusi ideal negatif A- dapat
ditentukan berdasarkan rumus rating bobot ternormalisasi
(yij):
Keterangan :
yij = Matriks keputusan ternormalisasi terbobot
w = Bobot preferensi
rij = Matriks ternormalisasi.
- Membuat matriks solusi ideal positif dan solusi ideal
negatif.
Solusi ideal positif (A+) dapat dihitung dengan rumus :
Keterangan :
A+ = Solusi maksimal ideal positif
yj+ = Solusi ideal positif.
Solusi ideal negatif (A-) dapat dihitung dengan rumus :
Keterangan :
A- = Solusi minimum ideal negatif
yj - = Solusi ideal negatif.
Catatan untuk menghitung nilai solusi ideal :
*Solusi Ideal Positif = Jika Benefit maka nilainya max dan
jika Cost maka nilainya Min.
*Solusi Ideal Negatif = Jika Benefit maka nilainya min dan
jika Cost maka nilainya Max.
- Menentukan jarak antara nilai setiap alternatif dengan
matriks solusi ideal positif dan matriks ideal negatif.
Jarak antara alternatif dengan solusi ideal positif dirumuskan
sebagai berikut :
Keterangan :
Di + = Jarak alternatif Ai dengan solusi ideal positif
yi + = Solusi ideal positif
yij = Matriks ternormalisasi terbobot.
Jarak antara alternatif dengan solusi ideal negatif dapat
dirumuskan sebagai berikut :
Keterangan :
Di - = Jarak alternatif Ai dengan solusi ideal negatif
yi - = Soluli ideal negatif
yij = Matriks ternormalisasi terbobot.
- Menentukan nilai preferensi untuk setiap alternatif.
Kedekatan setiap alternatif terhadap solusi ideal dihitung
berdasarkan rumus:
Keterangan :
Vi = Kedekatan tiap alternatif terhadap solusi ideal
Di - = Jarak alternatif Ai dengan solusi ideal negatif
Di + = Jarak alternatif Ai dengan solusi ideal positif.
E. Laravel
Laravel adalah framework bahasa pemrograman Hypertext
Preprocessor (PHP) yang ditujukan untuk pengembangan
aplikasi berbasis web dengan menerapkan konsep Model View
Controller (MVC). Framework ini dibuat oleh Taylor Otwell
dan pertama kali dirilis pada tanggal 9 Juni 2011. Laravel
berlisensi open source yang artinya bebas digunakan tanpa
harus melakukan pembayaran. Alamat website resmi dari
framework laravel adalah https://laravel.com [19].
F. Pengujian Black Box
Pengujian black box merupakan salah satu metode
pengujian yang berfokus pada persyaratan fungsional
perangkat lunak [20]. Maka dari itu, pengujian black box
memungkinkan perekayasa perangkat lunak mendapatkan
serangkaian kondisi input yang sepenuhnya menggunakan
semua persyaratan fungsional untuk suatu program. Pengujian
black box berusaha juga untuk menemukan kesalahan dalam
beberapa kategori sebagai berikut:
1. Fungsi-fungsi yang salah atau hilang
2. Kesalahan desain interface
3. Kesalahan dalam struktur data atau akses database
eksternal
4. Kesalahan kinerja (bisa sistem atau manusia)
5. Kesalahan inisialisasi.
G. Pengujian Kuesioner
Kuesioner adalah suatu daftar yang berisi pertanyaan-
pertanyaan yang harus dijawab atau dikerjakan oleh
responden atau orang tua/anak yang ingin diselidiki [21].
H. Perancangan Arsitektur Sistem
Perancangan arsitektur pada sistem pendukung keputusan
pemilihan daerah prioritas penanganan stunting ini dibangun
berbasiskan website dengan 2 level hak akses yaitu user dan
admin, dimana user dan admin dapat mengaksesnya melalui
komputer/laptop yang terkoneksi dengan jaringan internet.
User dapat memasukan data alternatif, data kriteria, dan data
nilai. Kemudian server menerima data inputan yang telah
dimasukkan oleh user. Setelah itu, server merespon dan
mengirim data ke user atau admin berupa informasi data
alternatif, data kriteria, dan data hasil nilai proses SPK. Selain
menerima informasi data alternatif, data kriteria, dan data hasil
nilai proses SPK, admin juga dapat memasukan data users dan
menerima informasi data users. Perancangan arsitektur sistem
dapat dilihat pada Gambar 1 sebagai berikut.
Gambar. 1 Arsitektur Sistem
I. Diagram Konteks
Diagram konteks adalah diagram yang memberikan
gambaran umum terhadap kegiatan yang berlangsung dalam
sistem. Diagram konteks dapat dilihat pada Gambar 2.
Gambar. 2 Diagram Konteks
J. Diagram Overview Sistem
Diagram overview sistem adalah diagram yang
menjelaskan urutan-urutan proses dari diagram konteks.
Diagram overview sistem dapat dilihat pada Gambar 3.
 sebagai foreign key ditabel nilai ini berfungsi juga untuk
menampilkan data kriteria pada saat mengubah dan
menampilkan data nilai.
M. Antarmuka Aplikasi
Struktur antarmuka aplikasi dapat ditunjukkan pada
Gambar 6.

Gambar. 3 Diagram Overview Sistem

K. Entity Relationship Diagram (ERD)

Entity Relationship Diagram (ERD) merupakan suatu
model untuk menjelaskan hubungan antar data dalam basis
data berdasarkan objek-objek dasar data yang mempunyai Gambar. 6 Struktur Antarmuka Aplikasi
hubungan antar relasi. Entity Relationship Diagram (ERD)
dapat dilihat pada Gambar 4.
III. HASIL PERANCANGAN DAN ANALISIS
A. Antar Muka Halaman Login
Pada tampilan antarmuka halaman login terdapat dua level
pengguna, yaitu admin dan user. Pada level admin, admin
dapat melihat dashboard, data dokumentasi, dan data users.
Sedangkan pada level user, user dapat melihat dashboard,
data alternatif, data kriteria, data nilai, dan pengaturan data
user. Gambar antarmuka halaman login dapat dilihat pada
Gambar. 4 Entity Relationship Diagram (ERD)
Gambar 7.
Keterangan : * merupakan primary key
** merupakan foreign key.
L. Relasi Antar Tabel
Relasi antar tabel merupakan gambaran hubungan antar
tabel yang dipergunakan dalam perancangan sistem. Relasi
antar tabel dapat dilihat pada Gambar 5.

Gambar. 7 Antarmuka Halaman Login

B. Antarmuka Halaman Data Detail Dokemntasi

Pada tampilan antarmuka halaman data detail dokumentasi,
Gambar. 5 Relasi Antar Tabel admin dapat melihat data kriteria, data alternatif, data nilai,
data hasil dan data nilai preferensi. Gambar tampilan
Berdasarkan pada Gambar 5 dapat dijelaskan yaitu antarmuka halaman data detail dokumentasi dapat dilihat pada
id_alternatif sebagai primary key ditabel alternatif memiliki Gambar 8.
relasi dengan id_alternatif yang sebagai foreign key ditabel
nilai. Relasi antara id_alternatif dan id_nilai ini berfungsi
untuk menampilkan data alternatif pada saat mengubah dan
menampilkan data nilai. Adapun id_kriteria sebagai primary
key ditabel kriteria memiliki relasi dengan id_kriteria yang

Gambar. 8 Antarmuka Halaman Data Detail Dokumentasi
C. Antarmuka Halaman Data Alternatif
Pada tampilan antarmuka halaman data alternatif, user
dapat melihat data alternatif yang tersimpan dari database,
dan user dapat menambah, mengubah, menghapus, mencari,
ataupun memilih tahun pemilihan data alternatif. Gambar
tampilan antarmuka halaman data alternatif dapat dilihat pada
Gambar 9.
Gambar. 9 Antarmuka Halaman Data Alternatif
D. Antarmuka Halaman Data Kriteria
Pada tampilan antarmuka halaman data kriteria, user dapat
melihat data kriteria yang tersimpan dari database, dan user
dapat menambah, mengubah, menghapus, mencari, ataupun
memilih tahun data kriteria. Gambar tampilan antarmuka
halaman data kriteria dapat dilihat pada Gambar 10.
Gambar. 10 Antarmuka Halaman Data Kriteria
E. Antarmuka Halaman Data Nilai
Pada tampilan antarmuka halaman data nilai, user dapat
melihat data nilai yang tersimpan dari database, dan user
dapat mengubah, menghapus, ataupun memilih tahun data
nilai. Gambar tampilan antarmuka halaman data nilai dapat
dilihat pada Gambar 4.11.
Gambar. 11 Antarmuka Halaman Data Nilai
F. Antarmuka Halaman Hasil
Pada tampilan antarmuka halaman nilai matriks, user
dapat melihat informasi nilai matriks keputusan yang
didapatkan dari data nilai. Gambar tampilan antarmuka
halaman nilai matriks keputusan dapat dilihat pada Gambar 12.
Gambar. 12 Antarmuka Halaman Data Hasil
G. Hasil Pengujian Black Box
Pengujian black box dilakukan dengan cara menjalankan
aplikasi dengan tujuan untuk menemukan kesalahan serta
memeriksa apakah sistem dapat berjalan dengan baik sesuai
dengan kebutuhan. Pada jurnal ini pengujian black box yang
dilampirkan pada proses login dan ubah data nilai. Berikut
adalah tabel hasil pengujian black box pada proses login
terlampir pada Tabel 1 dan untuk proses ubah data nilai pada
Tabel 2.
TABEL I
HASIL PENGUJIAN PROSES LOGIN
Fungsi Contoh Fungsi Hasil Eksekusi Keterangan
Username dan Please fill out
Tidak Berhasil this field.
Password kosong
Mengosongkan salah Please fill out
satu kolom Tidak Berhasil this field.
 Username atau
Username Salah Tidak Berhasil
Password salah
Username atau
Password Salah Tidak Berhasil
Fungsi Password salah
Login Username dan
Berhasil
Password Benar
 TABEL II
HASIL PENGUJIAN PROSES UBAH DATA NILAI
Fungsi Contoh Fungsi Hasil Eksekusi Keterangan
Kolom Nilai Tidak Boleh Kosong
Mengosongkan semua kolom isian
Fungsi Proses Ubah Tidak Berhasil atau 0
Data Nilai Kolom Nilai Tidak Boleh Kosong
Mengosongkan salah satu kolom
Tidak Berhasil atau 0
Tidak ada kolom isian yang kosong Data Berhasil di Simpan
Berhasil

H. Analisis Hasil Uji

Berikut ini merupakan analisis hasil perancangan dan pengujian sistem pendukung keputusan pemilihan daerah prioritas
penanganan stunting pada balita menggunakan metode TOPSIS yaitu :
1. Hasil pengujian menggunakan metode black box menunjukan bahwa saat dilakukan input data dengan salah satu data kosong
atau dengan keseluruhan data kosong akan menampilkan notifikasi kesalahan pada aplikasi, sehingga kegagalan pada program
aplikasi dapat ditangani.
2. Hasil pengujian kuesioner dari 3 (tiga) aspek penilaian yang dilakukan yaitu untuk aspek rekayasa perangkat lunak dengan
persentase penilaian 80%, untuk aspek fungsionalitas perangkat lunak dengan persentase penilaian 80%, dan terakhir untuk
aspek komunikasi visual perangkat lunak dengan persentase penilaian 80%, sehingga dapat disimpulkan dengan nilai rata-rata
80%.

IV. KESIMPULAN
Berdasarkan hasil uji dan analisis hasil uji, maka dapat disimpulkan bahwa :
1. Sistem yang dihasilkan dengan menggunakan metode TOPSIS dapat merekomendasikan pemilihan daerah prioritas
penanganan stunting pada balita dari nilai preferensi terbesar sampai dengan nilai preferansi terkecil.
2. Sistem pendukung keputusan pemilihan daerah prioritas penanganan stunting pada balita ini dapat diterapkan di daerah lain
dengan sesuai standar kriteria dari Dinas Kesehatan yang telah ditentukan..
3. Hasil pengujian kuesioner dengan nilai rata-rata 80% dari tiga aspek penilaian yaitu aspek rekayasa perangkat lunak, aspek
fungsionalitas perangkat lunak, dan aspek visual perangkat lunak, sehingga aplikasi ini layak untuk diimplementasikan.
4.

REFERENSI
[1] Kementerian Kesehatan R.I. 2013. Riset Kesehatan Dasar (RISKESDAS) 2013. Jakarta: Badan Penelitian dan Pengembangan Kesehatan.
[2] DINKESKOT Pontianak. 2017. Prevalensi Balita Stunting (TB/U) Menurut Wilayah Kelurahan Kota Pontianak Tahun 2017. Pontianak: Dinas Kesehatan
Kota Pontianak.
[3] Turban, Efraim, et al. 2005. Decision Support Systems and Intelligent Systems 7th Ed. New Jersey: Pearson Education.
[4] Syahputra, Riky Andi. 2011. Sistem Pendukung Keputusan Penentuan Penerima Beasiswa Menggunakan Metode Fuzzy Multiple Attribute Decision Making
Pada SMA Taman Siswa Sawit Seberang. Fakultas Matematika dan Ilmu Pengetahuan Alam. Medan: Universitas Sumatera Utara.
[5] Setyono, Ariesandi. 2007. Mathemagics. Jakarta: PT Gramedia Pustaka Utama.
[6] Nasution, Fadliansyah. 2011. Perancangan Aplikasi Sistem Pendukung Keputusan Investasi Untuk Penentuan Potensi Batubara Pada Suatu Area Dengan
Metode Forward Chaining Berbasis Web. Fakultas Matematika dan Ilmu Pengetahuan Alam. Medan: Universitas Sumatera Utara.
[7] Suryadi, Kadarsah dan M. Ali Ramdhani. 2002. Sistem Pendukung Keputusan. Bandung: PT. Remaja Rosdakarya.
[8] Elviwani. 2012. Analisis Komputasi Metode TOPSIS Dalam Pengabilan Keputusan. Tesis. Program Studi Magister (S2) Teknik Informatika. Medan:
Universitas Sumatera Utara.
[9] Sugianto, Herik. 2016. Sistem Pendukung Keputusan Pemilihan Tempat Kost Khusus Mahasiswa dengan Metode AHP dan TOPSIS Berbasis Web (Studi
Kasus: Kota Pontianak). Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 1, 2016.
[10] Sidoi, Leander. 2015. Rancang Bangun Sistem Pendukung Keputusan Pemilihan Bujang Dare Menggunakan Metode Technique for Order Preference by
Similarity to Ideal Solution (TOPSIS) (Studi kasus: Dinas Kebudayaan dan Pariwisata Kota Pontianak). Jurnal Sistem dan Teknologi Informasi (JUSTIN)
Vol 3, No 1, 2015.
[11] Haryanti, Dwi. 2016. Sistem Pendukung Keputusan Seleksi Penerimaan Mahasiswa Pengganti Beasiswa Penuh Bidikmisi Universitas Tanjungpura
Dengan Menerapkan Metode SMARTER. Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 1, 2016.
[12] Sanada, Alfin Bundiono. 2015. Perancangan Sistem Pendukung Keputusan Pemilihan Pelanggan Terbaik Dengan Metode TOPSIS (Studi Kasus : PD.
Istana Duta). JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 3, No 2, 2015.
[13] Akhirina, Tri Yani, 2016. Komparasi Metode Simple Additive Weighting dan Profile Matching pada Pemilihan Mitra Jasa Pengiriman Barang. Jurnal
Edukasi dan Penelitian Informatika (JEPIN). Vol. 2, No. 1, 2016.
[14] World Health Organization. 2006. WHO Child Growth Standards, Length/Height For-Age, Weight-For-Age, Weight-For-Length, Weight- For-Height And
Body Mass Index-For-Age, Methods And Development. Department of Nutrition for Health and Development. Geneva: World Health Organization.
[15] Muaris, H. 2006. Lauk Bergizi Untuk Anak Balita. Jakarta: Gramedia Pustaka Utama.

[16] Ruslianti. 2006. Menu Sehat Untuk Balita. Jakarta: Kawan Pustaka.
[17] Sutomo B., dan Anggraini D. Y. 2010. Makanan Sehat Pendamping ASI. Jakarta: Demedia.
[18] Fithria., dan Nurul Azmi. Hubungan Pemanfaatan Posyandu dengan Status Gizi Balita di Kecamatan Kota Jantho. Fakultas Keperawatan. Aceh:
Universitas Syiah Kuala.
 Pendukung Keputusan Dengan Menggunakan Metode Electre Dalam
Merekomendasikan Dosen Berprestasi Bidang Ilmu Komputer (Study
Kasus di AMIK & STIKOM Tunas Bangsa)
Siti Sundari1, Anjar Wanto2, Saifullah3, Indra Gunawan4
1,2,3,4
Jurusan Sistem Informasi, STIKOM Tunas Bangsa, Pematangsiantar Sumatera Utara
1 2,3,4
Mahasiswa STIKOM Tunas Bangsa, Pematangsiantar Sumatera Utara Dosen
STIKOM Tunas Bangsa, Pematangsiantar Sumatera Utara
1,2,3
Jln. Jenderal Sudirman blok A. No. 1/2/3 Pematangsiantar
2
e-mail: *sitisundari@gmail.com , anjarwanto@amiktunasbangsa.ac.id,
3
saifullah@amiktunasbangsa.ac.id, indragunawan@amiktunasbangsa.ac.id

Abstrak - Dosen merupakan tenaga akademik yang bertugas merencanakan dan melaksanakan
proses pembelajaran, menilai hasil pembelajaran, melakukan pembimbingan dan pelatihan, serta
melakukan penelitian serta pengabdian kepada masyarakat. AMIK & STIKOM Tunas Bangsa
merupakan pelopor sarjana komputer di Pematangsiantar yang melaksanakan suatu agenda
pemilihan dosen berprestasi. Kegiatan ini bertujuan untuk memberikan penghargaan kepada
Dosen sesuai dengan UU No 14 tahun 2005 tentang Guru dan Dosen, Pasal 51 Ayat (1) Butir b,
bahwa Dosen berhak mendapatkan promosi dan penghargaan sesuai dengan kinerja
akademiknya. Melalui penghargaan ini setiap dosen diharapkan akan termotivasi untuk menjadi
lebih baik dan selalu meningkatkan kualitas. Adapun permasalahan yang dihadapi yaitu adanya
kesulitan dalam menentukan keputusan siapa yang terpilih menjadi dosen berprestasi dengan
kriteria-kriteria yang memiliki sifat subjektif atau tidak pasti dengan cepat. Untuk mengatasi
permasalahan tersebut maka dirancang sebuah sistem pendukung keputusan (SPK) untuk
pemilihan dosen berprestasi menggunakan Metode ELECTRE. Metode Electre merupakan metode
pengambilan keputusan multikriteria berdasarkan pada konsep Outranking dengan menggunakan
perbandingan berpasangan dari alternative-alternatif berdasarkan setiap kriteria yang sesuai.
Adapun kriteria yang dipakai yaitu: Penilaian Mahasiswa, Penilaian Dosen sejawat, Penilaian
Pimpinan/Manajemen, Kualifikasi Pendidikan, Penelitian, Jurnal, Pelatihan, Seminar,
Pengabdian kepada Masyarakat, dan Jabatan Akademik. Hasil akhir dari penelitian ini
diharapkan dapat membantu merekomendasikan dosen yang layak di beri penghargaan dari segi
prestasi yang diperolehnya. Dari alternatif dan kriteria yang ada maka yang mendapat nilai
tertinggi ialah Dedy Hartama, Agus Perdana Windarto dan Solikhun.

Kata kunci : Dosen, SPK, Metode Electre, Berprestasi dan Ilmu Komputer

1. PENDAHULUAN
Perguruan tinggi berkewajiban menyelenggarakan pendidikan, penelitian dan pengabdian kepada
masyarakat. Salah satu unsur dalam penyelenggaraan pendidikan tinggi adalah dosen. Dosen merupakan
tenaga akademik yang bertugas merencanakan dan melaksanakan proses pembelajaran, menilai hasil
pembelajaran, melakukan pembimbingan dan pelatihan, serta melakukan penelitian serta pengabdian kepada
masyarakat. Berdasarkan Undang-undang Republik Indonesia No. 14 tahun 2005 tentang Guru dan Dosen,
Pasal 51 Ayat (1) Butir b, bahwa dosen berhak mendapatkan promosi dan penghargaan sesuai dengan kinerja
akademiknya [1].
Sistem penghargaan terkait dengan aspirasi dan motivasi di kalangan dosen ini diharapkan menjadi
salah satu cara dalam pengembangan manajemen akademik di AMIK & STIKOM Tunas Bangsa
Pematangsiantar. Selain itu sistem penghargaan merupakan salah satu unsur penting dan memiliki peran
dalam menumbuh kembangkan suasana akademik. Sistem
penghargaan ini harus sejalan dan sesuai dengan harkat dan martabat dosen sebagai penggali dan
pengembang ilmu, teknologi, peneliti dan pengabdi pada masyarakat. Merujuk pada pemikiran di atas,
sudah selayaknya pemberian penghargaan diberikan kepada dosen yang memiliki prestasi yang
dibanggakan oleh Perguruan Tingginya dalam bidang tridarma Perguruan Tinggi. Pemberian penghargaan
akan mendorong dosen untuk berprestasi secara lebih produktif.
Pada penelitian ini dibangun Sistem Pendukung Keputusan dengan menggunakan metode analisis
pengambilan keputusan multikriteria yaitu Electre. Menggunakan metode Electre karena permasalahan
ini sesuai dan cocok pada konsep perangkingan berdasarkan alternatif dan kriteria yang telah ditetapkan.
Metode Electre ini dapat digunakan pada kondisi dimana alternatif yang kurang sesuai dengan kriteria
dieliminasi dan alternatif yang sesuai dapat dihasilkan. Keluaran dari sistem ini berupa laporan hasil
perankingan dosen berprestasi di AMIK & STIKOM Tunas Bangsa.

2. METODE PENELITIAN
2.1. Dosen
Dosen adalah pendidik profesional dan ilmuwan dengan tugas utama mentranformasikan,
mengembangkan, dan menyebarluaskan ilmu pengetahuan,teknologi dan seni melalui pendidikan,
penelitian dan pengabdian kepada masyarakat(UU-RI No. 1 tahun 2005 pasal 1(2) Tentang Guru dan
Dosen)[2].

2.2. Sistem Pendukung Keputusan(SPK)

Sistem Pendukung Keputusan (SPK) adalah salah satu cara mengorganisir informasi yang
dimaksudkan untuk digunakan dalam membuat keputusan. Ada yang mendefinisikan bahwa system
pendukung keputusan merupakan suatu pendekatan untuk mendukung pengambilan keputusan.Sistem
pendukung keputusan menggunakan data, memberikan antarmuka pengguna yang mudah dan dapat
menggabungkan pemikiran pengambil keputusan [3]

2.3. Elimination Et Choix Traduisant la Realite (ELECTRE)

Electre merupakan salah satu metode pengambilan keputusan multi kriteria berdasarkan pada
konsep Outranking dengan menggunakan perbandingan berpasangan dari alternatif- alternatif
berdasarkan setiap kriteria yang sesuai [4]. Metode Electre digunakan pada kondisi dimana alternatif yang
kurang sesuai dengan kriteria dieliminasi, dan alternatif yang sesuai dapat dihasilkan. Dengan kata lain,
Electre digunakan untuk kasus-kasus dengan banyak alternatif namun hanya sedikit kriteria yang
dilibatkan. Suatu alternatif dikatakan mendominasi alternatif yang lainnya jika satu atau lebih kriterianya
melebihi (dibandingkan dengan kriteria dari alternatif yang lain) dan sama dengan kriteria lain yang
tersisa [5]
Langkah-langkah yang dilakukan dalam penyelesaian masalah menggunakan metode
Electre adalah sebagai berikut:
1. Normalisasi matriks keputusan
Dalam prosedur ini, setiap atribut diubah menjadi nilai comparable. Setiap normalisasi dari nilai x ij
dapat dilakukan dengan rumus:

, untuk i =1,2,3...,m dan j =1,2,3...,n. ...(1)

Sehingga didapat matriks R hasil normalisasi,

R adalah matriks yang telah di normalisasi, dimana m menyatakan alternatif, n menyatakan

kriteria dan adalah normalisasi pengukuran pilihan dari alternatif ke-i dalam hubungannya dengan

kriteria ke-j.
2. Pembobotan pada matriks yang telah dinormalisasi

Setelah dinormalisasi, setiap kolom dari matriks R dikalikan dengan bobot-bobot ) yang
ditentukan oleh pembuat keputusan. Sehingga V=RW yang ditulis sebagai:
V = R .W

= ...(2)

Dimana W adalah

3. Menentukan concordance dan discordance

Untuk setiap pasang dari alternatif k dan l ( k,l = 1,2,3,…,m dan k ≠ l ) kumpulan kriteria J
dibagi menjadi dua subsets, yaitu concordance dan discordance. Bilamana sebuah kriteria
dalam suatu alternatif termasuk concordance adalah :
,untuk =1,2,3,...n. ....
(3.1)
Sebaliknya, komplementer dari himpunan concordance adalah himpunan discordance, yaitu
bila:
,untuk =1,2,3,...n. ...(3)

4. Hitung matriks concordance dan discordance

a. Menghitung matriks concordance
Untuk menentukan nilai dari elemen-elemen pada matriks concordance adalah dengan
menjumlahkan bobot-bobot yang termasuk pada himpunan concordance, secara matematis:

...(4)
b. Menghitung matriks discordance
Untuk menentukan nilai dari elemen-elemen pada matriks discordance adlah dengan membagi
maksimum selisih kriteria yang termasuk ke dalam himpunan bagian discordance dengan
maksimum selisih nilai seluruh yang ada, secara matematis:

...(5)
A. Menentukan matriks dominan concordance dan discordance
a. Menentukan matriks dominan concordance
 Matriks F sebagai matriks dominan concordance dapat dibangun dengan bantuan nilai threshold,
yaitu membandingkan setiap nilai elemen matriks concordance dengan nilai threshold.
...(6)
Dengan nilai threshold (c) adalah:

Sehingga elemen matriks F ditentukan sebagai berikut:

b. Menentukan matriks dominan discordance

Untuk membangun matriks dominan discordance juga menggunakan bantuan nilai
threshold, yaitu :
...(7)
Sehingga elemen matriks G ditentukan sebagai berikut:

c. Menentukan aggregate dominance matriks

Langkah selanjutnya adalah menentukan aggregate dominance matrix sebagai matriks E, yang
setiap elemennya merupakan perkalian antara elemen matriks F dengan elemen matriks G,
sebagai berikut :
...(8)
d. Eliminasi alternatif yang less favourable
Matriks E memberikan urutan pilihan dari setiap alternatif, yaitu bila ekl = 1 maka alternatif Ak
merupakan pilihan yang lebih baik dari pada Al. Sehingga baris dalam matriks E yang memiliki
jumlah ekl = 1 paling sedikit dapat dieliminasi. Dengan demikian alternatif terbaik adalah yang
mendominasi alternatif lainnya [6]

3. HASIL DAN PEMBAHASAN

Adapun kriteria yang dipakai dalam merekomendasikan dosen berprestasi pada Amik & Stikom
Tunas Bangsa ialah Penilaian Mahasiswa (C1), Penilaian Dosen Sejawa t(C2), Penilaian
Atasan/manajement (C3), Kualifikasi Pendidikan (C4), Jumlah Penelitian Non DPRM (C5), Jumlah
Penelitian DPRM (C6), Jumlah Paper Skala Nasional Tidak Terakreditasi (C7), Jumlah Paper Skala
Nasional Terakreditasi (C8), Jumlah Paper Skala Internasional Tidak Bereputasi (C9), Jumlah Paper Skala
Internasional Bereputasi (C10), Pelatihan Khusus yang diikuti (C11), Seminar yang diikuti (C12),
Pengabdian kepada Masyarakat Non DPRM (C13), Pengabdian kepada Masyarakat DPRM (C14), dan
Jabatan Akademik (C15).
Dalam penelitian ini dipakai data sampel 7 dosen berprestasi dalam bidang ilmu komputer sebagai
alternatif untuk melakukan perhitungan manual dengan metode Electre, yaitu :
A1= Dedy Hartama,S.T,M.Kom
A2= Agus Perdana Windarto, M.Kom A3=
M.Ridwan Lubis, M.Kom
A4= Eka Irawan, M.Kom A5=
Indra Gunawan, M.Kom
A6= Sundari Retno Andani, M.Kom A7=
Solikhun, M.Kom
Sedangkan tingkat kepentingan kriteria (bobot preferensi) juga dinilai antara 0 dan 1, yaitu Sangat
Baik (0,9), Baik (0,7), Cukup (0,5), Kurang (0,3) dan Sangat kurang (0,2)
 Tabel 1 Menentukan rating kecocokan setiap alternatif pada setiap kriteria
C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12 C13 C14 C15
A1 0,9 0,7 0,9 0,5 0,9 0,2 0,9 0,2 0,75 0,2 0,9 0,75 0,75 0,2 0,5
A2 0,7 0,7 0,7 0,5 0,9 0,4 0,9 0,2 0,9 0,4 0,9 0,4 0,4 0,2 0,3
A3 0,7 0,7 0,7 0,5 0,5 0,2 0,2 0,2 0,2 0,2 0,4 0,35 0,4 0,2 0,3
A4 0,7 0,7 0,7 0,5 0,5 0,2 0,2 0,2 0,2 0,2 0,4 0,35 0,4 0,2 0,25
A5 0,7 0,7 0,7 0,5 0,5 0,2 0,4 0,2 0,2 0,2 0,4 0,35 0,4 0,2 0,25
A6 0,7 0,7 0,7 0,5 0,5 0,2 0,2 0,2 0,2 0,2 0,4 0,35 0,4 0,2 0,3
A7 0,7 0,7 0,7 0,5 0,5 0,4 0,9 0,2 0,4 0,2 0,4 0,35 0,4 0,2 0,5
Tabel 1 menunjukkan rating kecocokan dari setiap alternatif pada setiap kriteria. Karena setiap nilai
yang diberikan pada setiap alternatif di setiap kriteria merupakan nilai kecocokkan dimana nilai
terbesar adalah terbaik, maka semua kriteria yang diberikan diasumsikan sebagai kriteria keuntungan.
Pengambil keputusan memberikan bobot preferensi sebagai:
W={0.5,0.5,0.5,0.7,0.5,0.9,0.7,0.9,0.5,0.9,0.7,0.7,0.7,0.9,0.9}

Langkah-langah selanjutnya yang harus dilakukan adalah:

a. Normalisasi matriks keputusan.

Tabel 2. Hasil Normalisasi Matriks Keputusan
0,234 0,192 0,234 0,25 0,304 0,294 0,321 0,455 0,399 0,357 0,359 0,493 0,439 0,454 0,4367
0,182 0,192 0,182 0,25 0,304 0,588 0,321 0,455 0,478 0,714 0,3589 0,263 0,234 0,454 0,262
0,182 0,192 0,182 0,25 0,169 0,294 0,071 0,455 0,106 0,357 0,159 0,229 0,234 0,454 0,262
0,182 0,192 0,182 0,25 0,169 0,294 0,071 0,455 0,106 0,357 0,159 0,229 0,234 0,454 0,2183
0,182 0,192 0,182 0,25 0,169 0,294 0,143 0,455 0,106 0,357 0,159 0,229 0,234 0,454 0,2183
0,182 0,192 0,182 0,25 0,169 0,294 0,071 0,455 0,106 0,357 0,159 0,229 0,234 0,454 0,262
0,182 0,192 0,182 0,25 0,169 0,588 0,321 0,455 0,213 0,357 0,159 0,229 0,234 0,454 0,4367

b. Pembobotan pada matriks yang telah dinormalisasi

Hasil perkalian bobot preferensi setiap kriteria dengan matriks keputusan yang telah
dinormalisasi dapat dilihat pada tabel berikut ini:
Tabel 3. Pembobotan Pada Matriks setelah normalisasi
0,117 0,096 0,117 0,175 0,152 0,265 0,225 0,409 0,199 0,321 0,251 0,345 0,307 0,409 0,393
0,091 0,096 0,091 0,175 0,152 0,529 0,225 0,409 0,239 0,643 0,251 0,184 0,1637 0,409 0,236
0,091 0,096 0,091 0,175 0,084 0,265 0,05 0,409 0,053 0,321 0,112 0,161 0,1637 0,409 0,236
0,091 0,096 0,091 0,175 0,084 0,265 0,05 0,409 0,053 0,321 0,112 0,161 0,1637 0,409 0,196
0,091 0,096 0,091 0,175 0,084 0,265 0,1 0,409 0,053 0,321 0,112 0,161 0,1637 0,409 0,196
0,091 0,096 0,091 0,175 0,084 0,265 0,05 0,409 0,053 0,321 0,112 0,161 0,1637 0,409 0,236
0,091 0,096 0,091 0,175 0,084 0,529 0,225 0,409 0,106 0,321 0,112 0,161 0,1637 0,409 0,393

c. Menentukan himpunan concordance dan disordance index.

1. Concordance
 Sebuah kriteria dalam suatu alternatif termasuk concordance jika:

Hasil concordance yang didapat, yaitu:

C12={1,2,3,4,5,7,8,11,12,13,14,15}
C13={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}
C14={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}
C15={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}
C16={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}
C17={1,2,3,4,5,,7,8,9,10,11,12,13,14,15}
C21={2,4,5,6,7,8,9,10,11,14}
C23={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}
C24={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}
C25={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}
C26={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}
C27={1,2,3,4,5,,7,8,9,10,11,12,13,14}
C31={2,4,6,8,10,14}
C32={1,2,3,4,8,13,14,15}
C34={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}
C35={1,2,3,4,5,6,8,9,10,11,12,13,14,15}
C36={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}
C37={1,2,3,4,5}
C41={2,4,6,8,10,14}
C42={1,2,3,4,8,9,13,14}
C43={1,2,3,4,5,6,7,8,9,10,11,12,13,14}
C45={1,2,3,4,5,6,8,9,10,11,12,13,14,15}
C46={1,2,3,4,5,6,7,8,9,10,11,12,13,14}
C47={1,2,3,4,5,8,10,11,12,13,14}
C51={2,4,6,8,10,14}
C52={1,2,3,4,8,13,14}
C53={1,2,3,4,5,6,7,8,9,10,11,12,13,14}
C54={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}
C56={1,2,3,4,5,6,7,8,9,10,11,12,13,14}
C57={1,2,3,4,5,8,10,11,12,13,14}
C61={2,4,6,8,10,14}
C62={1,2,3,4,8,13,14,15}
C63={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}
C64={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}
C65={1,2,3,4,5,6,8,9,10,11,12,13,14,15}
C67={1,2,3,4,5,8,10,11,12,13,14}
C71={2,4,6,7,8,10,14,15}
C72={1,2,3,4,6,7,8,13,14,15}
C73={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}
C74={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}
C75={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}
C76={1,2,3,4,5,,7,8,9,10,11,12,13,14,15}

2. Discordance
Sebuah kriteria dalam suatu alternatif termasuk discordance jika:

Hasil discordance yang didapat, yaitu:

D12={6,9,10}
D13={}
D14={}
D15={}
D16={}
D17={6}
D21={1,3,12,13,15}
D23={}
D24={}
D25={}
D26={}
D27={15}
D31={1,3,5,7,9,11,12,13,15}
 D32={5,6,7,9,10,11,12}
D34={}
D35={7}
D36={}
D37={6,7,8,9,10,11,12,13,14,15}
D41={1,3,5,7,9,11,12,13}
D42={5,6,7,9,10,11,12,15}
D43={15}
D45={7}
D46={15}
D47={6,7,9,15}
D51={1,3,5,7,9,11,12,13,15}
D52={5,6,7,9,10,11,12,15}
D53={15}
D54={}
D56={15}
D57={6,7,9,11,12,13,15}
D61={1,3,5,7,9,11,12,13,15}
D62={5,6,7,9,10,11,12}
D63={}
D64={}
D65={7}
D67={6,7,9,15}
D71={1,3,5,7,9,11,12,13}
D72={5,9,10,11,12}
D73={}
D74={}
D75={}
D76={}
d. Menghitung matriks concordance dan discordance.
1. Menghitung matriks concordance

Sehingga diperoleh matriks concordance yang dinyatakan dalam tabel di bawah ini:
Tabel 4. Matriks Concordance
- 8,2 10,5 10,5 10,5 10,5 9,6
7,2 - 10,5 10,5 10,5 10,5 9,6
4,8 5,6 - 10,5 9,8 10,5 2,7
4,8 4,7 9,6 - 9,8 9,6 8,9
4,8 4,7 9,6 10,5 - 9,6 8,9
4,8 5,6 10,5 10,5 9,8 - 8,9
6,4 7,2 10,5 10,5 10,5 10,5 -
2. Menghitung Matriks discordance
 Sehingga diproleh matriks discordance:
Tabel 5. Matriks Discordance
- 1 0 0 0 0 1
0,489 - 0 0 0 0 0,49
0,855 0,321 - 0 1 0 0,9
0,729 0,321 1 - 1 1 0,74
1 0,321 0,79 0 - 0,187 0,74
0,855 0,321 0 0 1 - 0,59
0,541 0,321 0 0 0 0 -

a. Menentukan matriks dominan concordance dan disordance

3. Menghitung matriks dominan concordance
Nilai threshold (c) adalah

Sehingga elemen matriks F ditentukan sebagai berikut :

Sehingga matriks dominan concordance adalah

Tabel 6. Matriks Dominan Concordance
- 0 1 1 1 1 1
0 - 1 1 1 1 1
0 0 - 1 1 1 0
0 0 1 - 1 1 1
0 0 1 1 - 1 1
0 0 1 1 1 - 1
0 0 1 1 1 1 -
4. Menghitung matriks dominan disordance
Nilai threshold (d) adalah

Sehingga elemen matriks g ditentukan sebagai berikut :

Sehingga matriks dominan disordance jika di tampilkan dalam tabel adalah sebagai berikut:
Tabel 7. Matriks Dominan Disordance
- 0 1 1 1 1 0
0 - 1 1 1 1 0
0 1 - 1 0 1 0
0 1 0 - 0 0 0
0 1 0 1 - 1 0
 0 1 1 1 0 - 0
0 1 1 1 1 1 -

b. Menentukan aggregate dominance matrix.

Rumus umum untuk anggota matriks aggregate dominance adalah

Sehingga matriks aggregate dominance jika di tampilkan dalam tabel adalah sebagai berikut:
Tabel 8. Matriks Aggregate Dominance
- 0 1 1 1 1 0
0 - 1 1 1 1 0
0 0 - 1 0 1 0
0 0 0 - 0 0 0
0 0 0 1 - 1 0
0 0 1 1 0 - 0
0 0 1 1 1 1 -

c. Eliminasi alternatif yang less favourable

Matriks E memberikan urutan pilihan dari setiap alternatif, yaitu bila ekl = 1 maka alternatif Ak
merupakan alternatif yang lebih baik daripada A 1. Sehingga, baris dalam matriks E yang memiliki jumlah
ekl = 1 paling sedikit dapat dieliminasi. Pada tabel 8, baris dengan nama Dedy Hartama, Agus Perdana
Windarto dan Solikhun yang memiliki elemen ekl = 4. Dari hasil perhitungan di atas dosen dengan nama
Dedy Hartama, Agus Perdana Windarto dan Solikhun mempunyai nilai e kl = 1 dengan jumlah yang sama.
Maka pemilihan dosen berprestasi diambil dari nilai e kl = 4 yang paling dekat dari kanan. Artinya baris
dengan nama Dosen yang memiliki nilai e kl = 1 paling jauh dari arah kanan dapat dieliminasi.Dengan
demikian, berdasarkan hasil perhitungan manual dan program,dapat disimpulkan bahwa berdasarkan
metode ELECTRE pemilihan dosen berprestasi terbaik adalah Dedy Hartama, Agus Perdana Windarto
dan Solikhun

4. KESIMPULAN
Berdasarkan penelitian yang dilakukan oleh penulis maka dapat disimpulkan bahwa metode
ELECTRE merupakan suatu metode penentuan prioritas yang bisa dibilang cukup sederhana. Dalam
urutan prioritas tebaik dipengaruhi oleh tipe preferensi yang digunakan. Dengan membandingkan nilai
alternatif menggunakan metode ELECTRE maka didapat urutan alternatif terbaik dengan hasil yang
objektif. Berdasarkan hasil penelitian juga dapat disimpulkan bahwa Dedy Hartama,S.T,M.Kom, Agus
Perdana Windarto,M.Kom dan Solikhun,M.Kom yang berhak direkomendasikan menjadi dosen
berprestasi dalam bidang ilmu komputer di Amik & Stikom Tunas Bangsa

DAFTAR PUSTAKA
[1] Undang-undang No 14 tahun 2005 tentang Guru dan Dosen
[2] Puspito Rini, Puput., 2015. Sistem Pendukung Keputusan Pemilihan Dosen Terbaik
Berbasis Web Dengan Metode SAW (Studi Kasus : STMIK Global Tangerang). Jurnal
Sisfotek Global, No.2, Vol.5
[3] Agus Perdana Windarto, “Implementasi Metode Topsis Dan Saw Dalam Memberikan
Reward Pelanggan”, Klik-Kumpulan Jurnal Ilmu Komputer, 4 (1), pp. 88-101
[4] Fahmi Setiawan, Sistem Pendukung Keputusan SNMPTN Jalur Undangan
dengan Metode ELECTRE, Skripsi Program Studi Ilmu Komputer, Universitas
Lambung Mangkurat, Banjarbaru, 2015.

[5] Kusumadewi dkk. 2006. Fuzzy Multi-Attribute Decision Making (Fuzzy

MADM). Yogyakarta: Graha Ilmu.
[6] Fahmi Setiawan, Sistem Pendukung Keputusan SNMPTN Jalur Undangan
dengan Metode ELECTRE, Skripsi Program Studi Ilmu Komputer, Universitas
Lambung Mangkurat, Banjarbaru, 2015.
 Implementasi Metode Profile matching untuk Penentuan Penerimaan Usulan Penelitian
Internal Dosen STMIK El Rahma
Edi Faizal
Manajemen Informatika STMIK El Rahma Yogyakarta
edsoftku@gmail.com

Abstrack – Lecturer is one of the essential components in a system in higher education. Universities are obliged
conducts research and community service, in addition to implementing education as mandated by Law No. 20 of
2003 on National Education System Article 20. STMIK El Rahma through research institutions and community
service (LPPM) held for faculty research. Management, appraisal and financing fully implemented professionally
and proportionately. This research is to design a decision support system application on the merits of internal faculty
research proposals using profile matching method. Assessment and calculation of the value gap based on five
criteria: abstract, introduction, literature review, research methods and suitability of the research budget and
schedule. research results show that the method of matching profiles can be implemented in a decision support
system to assess the feasibility of the proposed research proposal accurately, professionally and proportionately
based on predetermined evaluation criteria.
Key Words: DSS, profile matching, internal research

Abstrak – Dosen adalah salah satu komponen esensial dalam suatu sistem pendidikan di perguruan tinggi.
Perguruan tinggi berkewajiban menyelenggarakan penelitian dan pengabdian kepada masyarakat, disamping
melaksanakan pendidikan sebagaimana diamanahkan oleh Undang-undang Nomor 20 Tahun 2003 tentang Sistem
Pendidikan Nasional Pasal 20. STMIK El Rahma melalui lembaga penelitian dan pengabdian masyarakat (LPPM)
menyelenggarakan penelitian bagi dosen. Pengelolaan, penilaian dan pendanaan sepenuhnya dilaksanakan secara
profesional dan proporsional. Penelitian ini merancang sebuah aplikasi sistem pendukung keputusan penentuan
kelayakan proposal penelitian internal dosen menggunakan metode profile matching. Penilaian dan perhitungan nilai
gap berdasarkan lima kriteria yaitu abstrak, pendahuluan, tinjauan pustaka, metode penelitian dan kesesuaian
anggaran dan jadwal penelitian. hasil penelitian menunjukan bahwa metode profil matching dapat diimplementasi
dalam sebuah sistem pendukung keputusan untuk melakukan penilaian kelayakan proposal usulan penelitian dengan
akurat, profesional dan proporsional berdasarkan kriteria penilaian.
Kata Kunci: SPK, profile matching, penelitian internal

1. Latar Belakang kewajiban tersebut, Undang-undang Nomor 12 Tahun

Dosen adalah salah satu komponen esensial dalam
suatu sistem pendidikan di perguruan tinggi. Peran,
tugas, dan tanggungjawab dosen sangat penting dalam
mewujudkan tujuan pendidikan nasional, yaitu
mencerdaskan kehidupan bangsa dan meningkatkan
kualitas manusia Indonesia, meliputi kualitas
iman/taqwa, akhlak mulia, dan penguasaan ilmu
pengetahuan, teknologi, dan seni, untuk mewujudkan
masyarakat Indonesia yang maju, adil, makmur, dan
beradab. Untuk melaksanakan fungsi, peran, dan
kedudukan yang sangat strategis tersebut, diperlukan
dosen yang professional (Zainudin dkk, 2014).
Perguruan tinggi berkewajiban menyelenggarakan
penelitian dan pengabdian kepada masyarakat
disamping melaksanakan pendidikan
sebagaimana diamanahkan oleh Undang- undang
Nomor 20 Tahun 2003 tentang Sistem Pendidikan
Nasional Pasal 20. Sejalan dengan
ISSN : 1979-9330 (Print) - 2088-0154 (Online)
2012 tentang Pendidikan Tinggi Pasal 45 menegaskan
bahwa penelitian di perguruan tinggi diarahkan untuk
mengembangkan ilmu pengetahuan dan teknologi, serta
meningkatkan kesejahteraan masyarakat dan daya saing
bangsa. Agar amanah tersebut dapat dilaksanakan
dengan baik, pelaksanaan penelitian dan pengabdian
kepada masyarakat di perguruan tinggi harus diarahkan
untuk mencapai tujuan dan standar tertentu. Secara
umum tujuan penelitian di perguruan tinggi adalah (a)
menghasilkan penelitian yang sesuai dengan prioritas
nasional yang ditetapkan oleh Pemerintah; (b)
menjamin pengembangan penelitian unggulan spesifik
berdasarkan keunggulan komparatif dan kompetitif; (c)
mencapai dan meningkatkan mutu sesuai target dan
relevansi hasil penelitian bagi masyarakat Indonesia;
dan (d) meningkatkan diseminasi hasil

penelitian dan perlindungan HKI secara nasional dan
internasional.
Setiap perguruan tinggi diharapkan dapat mengelola
penelitian yang memenuhi standar arah, standar proses,
standar hasil, standar kompetensi, standar pendanaan,
standar sarana dan prasarana standar outcome.
STMIK El Rahma sebagai sebuah perguruan tinggi,
melalui lembaga penelitian dan pengabdian masyarakat
(LPPM) menyelenggarakan penelitian bagi dosen tetap
dengan pengelolaan, penilaian serta pendanaan
sepenuhnya dilaksanakan secara professional dan
proporsional. Proses penilaian proposal penelitian
dilakukan dengan mempertimbangkan beberapa kriteria
yang sudah ditentukan dalam standar operasional
prosedur (SOP) penelitian internal. Penentuan nilai dan
kelulusan proposal sepenuhnya menjadi hak reviewer
yang ditunjuk LPPM dengan berbagai kriteria yang
sudah ditentukan. Permasalahan yang perlu menjadi
perhatian adalah objektifitas dalam penilaian masing-
masing reviewer, hal ini mungkin terjadi karena hanya
didasarkan pada persepsi dan cara pandang reviewer
terhadap proposal yang dinilai. Perkembangan
teknologi komputer sangat memungkinkan
pemanfaatanya pada berbagai bidang kehidupan.
Penilaian proposal yang sebelumnya dilakukan secara
manual, sangat dimungkinkan untuk dilakukan secara
terkomputerisasi. Salah satu teknik yang dapat dapat
digunakan adalah sistem pendukung
keputusan/decision support system (SPK/DSS). Pada
penelitian ini, dirancangan sebuah aplikasi sistem
pendukung kuputusan penentuan kelayakan/kelulusan
proposal penelitian internal dosen menggunakan
metode profile matching.
2. Kajian Pustaka
Penelitian dalam mengembangkan sistem pendukung
keputusan menggunakan metode profile matching telah
banyak dilakukan. Objek dan faktor penilaian yang
digunakan sangat beragam, mulai dari penentuan
penerima beasiswa, penetuan kenaikan jabatan
karyawan sampai penentuan lokasi penempatan bidan
PTT. Penelitian dilakukan (Darmawan, 2012), untuk
mengembangkan sistem pendukung keputusan
pemilihan beasiswa bagi mahasiswa STMIK Widya
Pratama dengan metode profile matching. Sedangkan
penelitian (Sherly, 2013) menggunakan tiga aspek
(kapasitas intelektual, sikap kerja dan perilaku) dalam
sistem pendukung keputusan pemberian bonus
karyawan PT. Sanghyang seri persero. Penilaian
menggunakan profile matching analisys yang
diterapkan dalam sistem pendukung keputusan.
Berbeda dengan penelitian (Iqbal & Hartati, 2011) yang
menggunakan empat kriteria (jarak, evaluasi diri,
pengalaman kerja dan uji kompetensi) untuk
penempatan bidan PTT (pegawai tidak tetap) pada
Kabupaten Bireuen. Penelitian ini juga menggunakan
profile matching dalam proses perhitungan yang
diterapkan dalam sebuah sistem pendukung keputusan.
2.1 Sistem Pendukung Keputusan
Pada dasarnya pengambilan keputusan adalah suatu
pendekatan sistematis pada hakekat suatu masalah,
pengumpulan fakta-fakta, penentuan yang matang dari
alternatif yang dihadapi, dan pengambilan tindakan
yang menurut perhitungan merupakan tindakan yang
paling tepat (Daihani, 2001). Sedangkan sistem
pendukung keputusan adalah sistem informasi yang
membantu untuk mengidentifikasi kesempatan
pengambilan keputusan atau menyediakan informasi
untuk membantu pengambilan keputusan (Kusrini,
2007).
2.2 Profile matching
Menurut Kusrini (2007), metode profile matching atau
pencocokan profil adalah metode yang sering
digunakan sebagai mekanisme dalam pengambilan
keputusan dengan mengasumsikan bahwa terdapat
tingkat variable predictor yang ideal yang harus
dipenuhi oleh subyek yang diteliti, bukannya tingkat
minimal yang harus dipenuhi atau dilewati. Dalam
proses profile matching secara garis besar merupakan
proses membandingkan antara setiap kriteria setiap
penilaian dalam sebuah proposal usulan penelitian yang
diajukan sehingga diketahui perbedaan skornya
(disebut juga gap), semakin kecil gap yang dihasilkan
maka bobot nilainya semakin besar yang berarti
memiliki peluang lebih besar untuk prioritas
kelayakan/kelulusan. Nilai gap dapat dihitung
menggunakan persamaan (1). Sedangkan pembobotan
nilai gap ditentukan berdasarkan Tabel 1.
(1)
Langkah selanjutnya adalah menghitung nilai core
factor dan secondary factor. Core factor merupakan
kriteria penilaian yang paling utama harus terkandung
dalam sebuah proposal penelitian. Perhitungan core
factor menggunakan persamaan (2).
Tabel 1. Pembobotan nilai gap
No Selisih Bobot Keterangan
1 0 5 Tidak ada selisih skor kriteria
2 1 4,5 Kriteria kelebihan 1 level
3 -1 4 Kriteria kekurangan 1 level
4 2 3,5 Kriteria kelebihan 2 level
5 -2 3 Kriteria kekurangan 2 level
6 3 2,5 Kriteria kelebihan 3 level
7 -3 2 Kriteria kekurangan 3 level

(2)

Keterangan:

NCT : Nilai rata–rata core factor

NC : Jumlah total nilai core factor
IC : Jumlah item core factor
Sedangkan secondary factor merupakan item- item
selain yang ada pada faktor utama (core factor).
Secondary factor dihitung menggunakan persamaan
(3).

(3)
Keterangan:
NST Nilai rata–rata secondary factor
: Jumlah total nilai secondary factor
NS Jumlah item secondary factor
:
IS
:
Gambar 1. Prosedur penelitian internal
Selanjutnya perhitungan nilai total berdasar nilai dari
core dan secondary factor yang digunakan sebagai Tabel 2. Kriteria penilaian proposal Skor
No Kriteria
kriteria penilaian yang berpengaruh terhadap kelulusan (Max)
proposal penelitian. Perhitungan dapat dilakukan 1 Abstrak (ringkasan penelitian) 50
menggunakan persamaan (4). 2 Pendahuluan (latarbelakang, rumusan
masalah, tujuan penelitian, manfaat 100
(4) penelitian dan luaran yang dihasilkan)
3 Tinjauan pustaka 100
Keterangan: 4 Metode penelitian 100
NCT : Nilai rata–rata core factor 5 Anggaran dan jadwal penelitian 50
NST : Nilai rata–rata secondary factor 3. Metode Penelitian Total 400
NT : Nilai total kriteria penilaian

Langkah terakhir adalah perhitungan ranking, yang Metode pengembangan sistem pendukung keputusan
dilakukan dengan menggunakan persamaan (5). dalam penelitian ini menggunakan teknik waterfall
(5) (Gambar 2).
Keterangan: : Nilai total per kriteria
N1, N2, Nn : Persentase nilai kriteria
(x)%

2.3 Penelitian internal
Penelitian internal adalah penelitian yang sepenuhnya
di danai oleh STMIK El Rahma yang diperuntukan
bagi para dosen. Penelitian internal di arahkan untuk
mengacu capaian yang telah ditetapkan lembaga
penelitian dan pengabdian maysarakat (LPPM) STMIK
El Rahma. Capaian yang akan dituju dituangkan dalam
rencana induk penelitian (RIP). Sedangkan prosedur
pengajuan dan penilaian setiap proposal yang masuk
ditetapkan dalam standar operasional prosedure (SOP)
penelitian sebagaimana disajikan pada Gambar 1.
Penilaian yang menjadi rujukan reviewer dalam
menilai/seleksi proposal yang diajukan berdasarkan
beberapa kriteria, sebagaimana disajikan pada Tabel 2.
Proposal dinyatakan lulus dan didanai apabila mencapai
skor ≥ 250 point.
 Gambar 2. Teknik waterfall (Pressman,2010)
Data yang digunakan dalam penelitian ini meliputi data
primer dan data sekunder. Metode yang digunakan
dalam pengumpulan data menggunakan tiga cara yaitu
dokumentasi, wawancara (interview) dan observasi.
4. Implementasi dan Pembahasan
Implementasi sistem sendukung keputusan penerimaan
proposal usulan penelitian internal dosen STMIK El
Rahma ditentukan dalam beberapa tahap.
4.1 Menentukan nilai Tidak realistis 0-7 1
bobot kriteria Tabel 8. Penilaian sub kriteria MP
Penentuan bobot kriteria digunakan untuk menenetukan
tingkat kepentingan suatu kriteria. Pembobotan kriteria Nilai Range Skor
di sajikan pada Tabel 3. Baik > 13-20 3
Kurang baik >7-13 2
Tabel 3. Bobot kriteria
Tidak baik 0-7 1
No Kriteria Bobot (%)
1 Abstrak (NA) 12.5 Tabel 9. Penilaian sub kriteria LP
2 Pendahuluan (NP) 25
3 Tinjauan pustaka (NT) 25
4 Metode penelitian (NM) 25
Anggaran dan jadwal penelitian (NJ)
5 12.5
Total 100
4.2 Penilaian kriteria dan sub kriteria
Setiap kriteria dan sub kriteria akan digunakan untuk
melakukan perhitungan gap. berdasarkan lima kriteria
yang digunakan, terdapat satu penilaian yang memiliki
sub kriteria yaitu kriteria pendahuluan. Skor masing-
masing kriteria dan sub kriteria disajikan pada Tabel
4,5,6,7,8,9,10,11 dan Tabel 12.
Tabel 4. Penilaian kriteria NA
Nilai Range Skor
Sangat baik >37-50 4
Baik >25-37 3
Cukup >12-35 2
Kurang baik 0-12 1

Kriteria pendahuluan dibagi menjadi sub kriteria core

factor dan secondary faktor. Sub kriteria yang
termasuk core factor adalah latarbelakang masalah
(LB), rumusan masalah (RM) dan tujuan penelitiaan
(TP). Sedangkan yang termasuk dalam secondary
factor adalah manfaat penelitian (MP) dan luaran yang
dihasilkan (LP).
Tabel 5. Penilaian sub kriteria LB
Nilai Range Skor
Sangat jelas > 13-20 3
Jelas >7-13 2
Tidak jelas 0-7 1

Tabel 6. Penilaian sub kriteria RM

Nilai Range Skor
Baik > 13-20 3
Cukup baik >7-13 2
Tidak baik 0-7 1

Tabel 7. Penilaian sub kriteria TP

Nilai Range Skor
Realistis > 13-20 3
Kurang realistis >7-13 2
 Nilai Range Skor 1.1 Perhitungan gap dan pembobotan kriteria
Hak peten > 13-20 3 Perhitungan nilai gap dilakukan menggunakan
Publikasi internasional >7-13 2 persamaan (1) sehingga diperoleh bobot masing-
Publikasi nasional 0-7 1 masing kriteria berdasarkan Tabel 1. Untuk perhitngan
core factor dan secondary factor menggunakan
Tabel 10. Penilaian kriteria NT
persamaan (2) dan persamaan (3). Contoh perhitngan
Nilai Range Skor nilai gap dan pembobotan kriteria disajikan pada Tabel
Luas dan update >75-100 4 12,13,14,15 dan Tabel 16.
Luas >50-75 3
Tabel 12. Gap dan bobot NA
Kurang luas >25-50 2
Sempit 0-25 1 Nilai
No ID_Prop Skor
Proposal
Nilai Proposal
Tabel 11. Penilaian kriteria NM
1 PR001 3
Nilai Range Skor 2 PR002 2
Sangat jelas >75-100 4 3 PR003 4
Jelas >50-75 3 4 PR004 2
Kurang jelas >25-50 2 5 PR005 1
Tidak jelas 0-25 1 Profil Ideal 4
Nilai GAP Bobot
Tabel 11. Penilaian kriteria NJ 1 PR001 -1 4
Nilai Range Skor 2 PR002 -2 3
3 PR003 0 5
Realistis >30-50 50
4 PR004 -2 3
Kurang realistis >15-30 30
5 PR005 -3 2
Tidak realistis 0-15 15
Tabel 14. Gap dan bobot NT

Nilai
No ID_Prop Skor
Proposal
Nilai Proposal
1 PR001 3
2 PR002 2
3 PR003 2
4 PR004 2
5 PR005 1
Profil Ideal 3
 Nilai GAP Bobot
1 PR001 0 5
2 PR002 -1 4
34 PR003
PR004 -1
-1 44
5 PR005 -2 3

Tabel 13. Gap dan bobot NP

No ID_Prop Core_Factor Secondary_Factor
Nilai Proposal LB RM TP MP LP
1 PR001 2 2 1 3 2
2 PR002 3 2 1 2 3
3 PR003 3 1 2 1 1
4 PR004 2 2 3 2 1
5 PR005 1 2 2 2 2
Profil Ideal 3 2 3 3 2
Nilai GAP Bobot GAP Bobot GAP Bobot GAP Bobot GAP Bobot
1 PR001 -1 4 0 5 -2 3 0 5 0 5
2 PR002 0 5 0 5 -2 3 -1 4 1 4,5
3 PR003 0 5 -1 4 -1 4 -2 4 -1 4
4 PR004 -1 4 0 5 0 5 -1 4 -1 4
5 PR005 -2 3 0 5 -1 4 -1 4 0 5

Tabel 15. Gap dan bobot NM

Nilai
No ID_Prop Skor Proposal
Nilai Proposal
1 PR001 3
2 PR002 1
3 PR003 2
4 PR004 1
5 PR005 3
Profil Ideal 3
Nilai GAP Bobot
1 PR001 0 5
2 PR002 -2 3
3 PR003 -1 4
4 PR004 -2 3
5 PR005 0 5

Tabel 16. Gap dan bobot NJ

No ID_Prop Skor Nilai Proposal
Nilai Proposal
1 PR001 3
2 PR002 2
3 PR003 2
4 PR004 3
5 PR005 1
Profil Ideal 3
Nilai GAP Bobot
1 PR001 0 5
2 PR002 -1 4
3 PR003 -1 4
4 PR004 0 5
5 PR005 -2 3

1.1 Penggabungan nilai sub kriteria

Proses ini bertujuan untuk memperoleh perhitungan nilai total kriteria. Perhitungan nilai core dan secondary factor hanya
dilakukan pada kriteria pendahuluan. Berdasarkan Tabel 3 dapat dilakukan perhitungan nilai total menggunakan persamaan
(4). Penggunaan persentase pada core factor (CF) dan secondary factor (SF) masing-masing adalah 60% dan 40% maka
 diperoleh nilai kriteria pendahuluan (NP) sebagaimana disajikan pada Tabel 17.
Tabel 17. Nilai total kriteria NP
No ID_Prop CF SF NP
1 PR001 4,00 5,00 4,4
2 PR002 4,33 4,25 4,3
3 PR003 4,33 4,00 4,2
4 PR004 4,67 4,00 4,4
5 PR005 4,00 4,50 4,2

1.1 Perhitungan nilai total dan rangking Perhitungan dilakukan pada semua nilai total kriteria dan bobot kriteria,
untuk menghasilkan perangkingan nilai kelayakan. Berdasarkan persentase setiap kriteria (dari Tabel 3),
maka dapat dihitung nilai akhir (nilai total) dan perangkingan nilai sebagaimana disajikan
pada Tabel 18. Semakin besar nilai akhir maka semakin tinggi prioritas kelulusan proposal tersebut dan sebaliknya.
Mengingkat kuota yang terbatas pada setiap periode penyelenggaraan
penelitian internal, maka pemilihan proposal yang dinyatakan lulus dan di biayai
dipilih dengan pengurutan rangking nilai.

Tabel 18. Nilai total dan rangking

Nilai Rang
No ID_ Prop NA NP NT NM NJ Akhir king
1 PR001 4 4,4 5 5 5 4,73 1
2 PR002 3 4,3 4 3 4 3,70 4
3 PR003 5 4,2 4 4 4 4,18 2
4 PR004 3 4,4 4 3 5 3,85 3
5 PR005 2 4,2 3 5 3 3,68 5
Implementasi sistem pendukung keputusan penentuan penerimaan proposal penelitian internal di lakukan dengan
menggunakan bahasa pemrograman Visual Basic 6.0 dan database MySQL. Dengan menggunakan data yang telah
dibahas sebelumnya, maka diperoleh nilai yang sama antara perhitungan secara manual dan perhitungsn
menggunakan sistem. Tampilan

antarmuka (interface) aplikasi sistem Gambar 4. Perhitungan nilai total dan

pendukung keputusan yang dikembangkan rangking
dalam penelitian ini dapat dilihat pada Gambar
3 (tampilan form Perhitungan GAP dan bobot) 5.1 Kesimpulan
dan Gambar 4 (tampilan form Perhitungan Berdasarkan penelitian yang telah dilakukan
nilai total dan rangking). dapat ditarib beberaa kesimpulan.
1. Metode profil matching dapat di
implementasi dalam sebuah sistem
pendukung keputusan untuk melakukan
penilaian kelayakan/ kelulusan proposal
usulan penelitian.
2. Pengguanaan sistem pendukung keputusan
dengan menerapkan metode profil matcing
dapat dapat meningkatkan akurasi
penilaian proposal secara profesional dan
proporsional berdasarkan kriteria penilaian
Gambar 3. Perhitungan GAP dan bobot yang telah ditentukan.

5.2 Saran
Penentuan kelulusan hanya berdasarkan
terhadap konten yang terkandung dalam
proposal usulan penelitian yang diajuakan
berdasar penilaian kriteria. Sementara
perhitungan aspek non teknis lainya belum
diperhitungkan. Sehingga pada penelitian
mendatang dapat di tambahkan aspek-aspek
non teknis lainya untuk menentukan kelulusan
proposal penelitian.
 6. Pustaka
[1] Daihani, D.U. (2001). Komputerisasi
Pengambilan Keputusan, Elex Media
Komputindo, Jakarta.
[2] Darmawan, A.S. (2012). Pemilihan
Beasiswa Bagi Mahasiswa STMIK
Widya Pratama dengan Metode Profile
Matching, Jurnal ilmiah Ictech Vol. X
No.1, Pekalongan.
[3] Iqbal & Hartati, S. (2011). Aplikasi
Sistem Pendukung Keputusan
Penempatan Bidan PTT (Pegawai Tidak
Tetap) Pada Kabupaten Bireuen.
Prosiding–Seminar Nasional Ilmu
Komputer GAMA ISBN: 978-602-
19406-0-0, Yogyakarta.
[4] Kusrini. (2007). Konsep dan Aplikasi
Sistem Pendukung Keputusan. Penerbit
Andi, Yogyakarta.
[5] Pressman, R.S. (2010). Software
Engineering: A Practitioner’s Approach,
Seventh
Edition. The McGraw-Hill Companies,
Inc, New York.
PEMILIHAN KARYAWAN BARU DENGAN METODE AHP (ANALYTIC HIERARCHY PROCESS)
[6] Sherly, N. (2013). Penerapan Metode
Profile Matching Dalam Sistem
Pendukung Keputusan Pemberian Bonus
Karyawan (Studi Kasus: PT. Sanghyang
Seri Persero). Majalah Ilmiah Informasi
dan Teknologi Ilmiah (INTI) Volume : I,
Nomor : 1, ISSN : 2339-210X, Medan
[7] Masriah ., Bambang Eka Purnama, Masriah
., Bambang Eka Purnama, Vol 3, No 2
(2011): Jurnal Speed 10 – 2011
[8] Adhinta Nicho Pratama, Sukadi, Sistem Pakar
Untuk Mendiagnosis Hama Dan Penyakit
Tanaman Padi, Vol 4, No 1 (2012):
Jurnal Speed 13 – 2012
[9] Nugroho Agung Prabowo, Sistem Pendukung
Keputusan Sebagai Analisis Pemilihan Rekanan
Pengadaan Barang Dan Jasa Di Politeknik Negeri
Semarang, Vol 1, No 3
(2009): Jurnal Speed 3 – 2009
[10]Lutfi Syafirullah, Penerapan Analityc Hierarchy
Process(Ahp) Dalam Menentukan Kelayakan
Bakal Calon Presiden Ri 2014 Studi Kasus Smk N
3 Purwokerto, Vol 1, No
1 (2013): Jurnal Evolusi 2013

Aji Sasongko 1), Indah Fitri Astuti 2), Septya Maharani 3)

1, 2, 3)Program Studi Ilmu Komputer,Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Mulawarman Alamat Jl.
Panajam Kampus Gunung Kelua Universitas Mulawarman Samarinda
Email : aegis.dreion@gmail.com1), indahfitriastuti@yahoo.com2), septyamaharani@gmail.com3)

ABSTRAK

Pemilihan karyawan baru dalam suatu perusahaan merupakan suatu hal yang sangat penting karena menentukan kualitas
perusahaan tersebut di masa yang akan datang, dalam memilih karyawan baru diperlukan ketelitian yang tinggi dalam
menseleksi satu per satu pelamar yang telah mendaftar. Salah satu cara yang efektif dalam menseleksi karyawan adalah dengan
cara menerapkan sistem penunjang keputusan sehingga dapat memutuskan dengan hasil yang tepat dalam menseleksi karyawan
baru. Aplikasi ini menerapkan metode Analytical Hierarchy Process (AHP), yaitu dengan melakukan pembobotan terhadap
kriteria dan pelamar. Hasil penelitian berupa aplikasi sistem pemilihan karyawan baru berbasis web yang memberikan
rekomendasi sebagai bahan pertimbangan untuk mengambil keputusan secara tepat dan diharapkan dapat mempermudah proses
seleksi karyawan baru.

Kata Kunci : Pemilihan Karyawan Baru, AHP, Perusahaan

1. PENDAHULUAN
Penentuan karyawan baru oleh Departemen Sumber Daya Manusia di PT. NOREEN SURYA PERDANA melibatkan beberapa
faktor yang menjadi penilaian. Penilaian ini berdasarkan penilaian dari ijazah sekolah dengan jumlah nilainya, surat keterangan
pengalaman kerja, refrensi atau rekomendasi dari pihak yang dapat dipercaya, wawancara langsung dengan yang bersangkutan,
penampilan fisik pelamar, dan tulisan tangan pelamar
Demi efisiensi dan efektifitas kerja maka pengambilan keputusan yang tepat sangat diperlukan. Penulisan ini bertujuan untuk
membangun sebuah sistem pendukung keputusan yang mempunyai kemampuan analisa pemilihan karyawan baru dengan
menggunakan metode Analytic Hierarchy Process (AHP), dimana masing- masing kriteria dalam hal ini faktor- faktor penilaian
dan alternatif dalam hal ini para pelamar kerja dibandingkan satu dengan yang lainnya sehingga memberikan output nilai
intensitas prioritas yang menghasilkan suatu sistem yang memberikan penilaian terhadap setiap pelamar kerja.
Sistem pendukung keputusan ini membantu melakukan penilaian setiap karyawan, melakukan perubahan kriteria, dan perubahan
nilai bobot. Hal ini berguna untuk memudahkan pengambil keputusan yang terkait dengan masalah pemilihan karyawan baru,
sehingga akan di dapatkan karyawan yang paling layak diterima diperusahaan atau tidak. Sistem Pendukung Keputusan (SPK)
adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk
masalah dengan kondisi semi terstruktur dan tak terstruktur. Sistem ini

digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak
seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat (Turban, 2001). Proses sistem pendukung keputusan
pemilihan karyawan baru nantinya akan dilakukan dengan menggunakan metode Analytic Hierarchy Process.
Berdasarkan penelitian terdahulu yang berjudul Penerapan Metode Analytic Hierarchy Process (AHP) Pada Sistem Pendukung
Keputusan Pemilihan Laptop oleh Saragih pada tahun 2013 dimana komponen utamanya adalah sebuah hirarki fungsional
dengan input utamanya persepsi manusia, yakni dalam hal ini adalah orang yang mengerti permasalahan laptop. Dalam
karyawan baru dibutuhkan juga proses struktur hierarki dengan melakukan pembobotan terhadap kriteria dan pelamar. Maka
penulis ingin membangun “pemilihan karyawan baru dengan metode AHP (Analytic Hierarchy Process) (Study Kasus PT.
NOREEN SURYA PERDANA)” yang dapat memberikan rekomendasi sebagai bahan pertimbangan untuk pengambilan
keputusan secara tepat dan diharapkan dapat mempermudah proses keputusan yang terbaik.

2. TINJAUAN PUSAKA
Sistem penunjang keputusan adalah sistem interaktif berbantuan komputer yang mendukung pemakai dalam kemudahan akses
terhadap data dan model keputusan dalam upaya membantu proses pengambilan keputusan yang efektif dalam memecahkan
masalah yang bersifat semi terstruktur dan tidak terstruktur, karena itu harus mampu: (Daihani, 2001
1. Ditambah atau dikembangkan
2. Mendukung analisis data dan model desisi
3. Berorientasi pada masa yang akan datang
4. Digunakan dalam waktu yang tidak terjadwal
Sistem pendukung keputusan (SPK) merupakan sistem
informasi interaktif yang menyediakan informasi,
pemodelan, dan pemanipulasian data. Sistem ini digunakan
untuk membantu pengambilan keputusan dalam situasi
yang semiterstruktur dan situasi yang tidak terstruktur
(Kusrini, 2007).
Dari pengertian diatas, dapat diambil kesimpulan
bahwa Sistem Penunjang Keputusan (SPK) adalah suatu
sistem informasi berbasis komputer yang melakukan
pendekatan untuk menghasilkan berbagai alternatif
keputusan untuk membantu pihak tertentu dalam
menangani permasalahan dengan
menggunakan data dan model. Suatu SPK hanya
memberikan alternatif keputusan dan selanjutnya
diserahkan kepada user untuk mengambil keputusan.
Pengambilan keputusan merupakan hasil suatu proses
pemilihan dari berbagai alternatif tindakan yang mungkin
dipilih dengan mekanisme tertentu, dengan tujuan untuk
menghasilkan keputusan yang terbaik. Dimana proses
keputusan secara bertahap, sistematik, konsisten dan
dalam setiap langkah sejak awal telah mengikutsertakan
semua pihak, akan
memberikan hasil yang baik
A. Analytical Hierarchy
Process (AHP)
Metode Analytical Hierarchy Process (AHP)
dikembangkan awal tahun 1970-an oleh Dr. Thomas
L. Saaty, seorang ahli matematika dari Universitas
Pittsburg. AHP pada dasarnya didesain untuk menangkap
secara rasional persepsi orang yang berhubungan sangat
erat dengan permasalahan tertentu melalui prosedur yang
didesain untuk sampai pada suatu skala preferensi di
antara berbagai set alternatif. Analisis ini ditunjukan untuk
membuat suatu model permasalahan yang tidak
mempunyai struktur, biasanya ditetapkan untuk
memecahkan masalah yang terukur (kuantitatif), masalah
yang memerlukan pendapat (judgement) maupun pada
situasi yang kompleks atau tidak terkerangka, pada situasi
dimana data statistik sangat minim atau tidak ada sama
sekali dan hanya bersifat kualitatif yang didasari oleh
persepsi, pengalaman ataupun intuisi, Sistem penunjang
keputusan bertujuan untuk menyediakan informasi,
membimbing, memberikan prediksi serta mengarahkan
kepada pengguna informasi agar dapat melakukan
pengambilan keputusan dengan lebih baik.
Beberapa teknik pengambilan keputusan/ optimasi
Multivariate yang di gunakan dalam analisis
kebijaksanaan. Pada hakekatnya AHP merupakan suatu
model pengambil keputusan yang komprehensif dengan
memperhitungkan hal-hal yang bersifat kualitatif dan
kuantitatif. Dalam model pengambilan keputusan dengan
AHP pada dasarnya berusaha menutupi semua kekurangan
dari model- model sebelumnya. AHP juga memungkinkan
ke
struktur suatu sistem dan lingkungan kedalam komponen
saling berinteraksi dan kemudian menyatukan mereka
dengan mengukur dan mengatur dampak dari komponen
kesalahan sistem (Saaty, 2001)
Keuntungan yang diperoleh bila seseorang
memecahkan masalah dan mengambil keputusan
menggunakan AHP antara lain (Saaty, 1993) :
1. AHP memberi satu model tunggal yang mudah
dimengerti, luwes untuk keanekaragam persoalan
tak terstruktur.
2. AHP memadukan ancangan deduktif dan ancangan
berdasarkan sistem dalam memecahkan persoalan
kompleks.
3. AHP dapat menangani saling ketergantungan
elemen-elemen dalam suatu sistem dan tak
memaksakan pemikirang linear.
4. AHP mencerminkan kecenderungan alami pikiran
untuk memilah-milah elemen-elemen suatu sistem
dalam berbagai tingkat berlainan dan
 mengelompokkan unsur yang serupa dalam setiap
tingkat.
5. AHP memberi suatu skala untuk mengukur hal-
hal dan mewujudkan metode penetapan prioritas.
6. AHP melacak konsistensi logis dan pertimbangan-
pertimbangan yang digunakan dalam
menggunakan berbagai prioritas.
7. AHP menuntun ke suatu taksiran menyeluruh
tentang kebaikan sistem alternatif.
8. AHP mempertimbangkan prioritas relatif dari
berbagai faktor sistem dan memungkinkan
organisasi memilih alternatif terbaik berdasarkan
tujuan-tujuan mereka.
9. AHP tidak memaksakan konsensus tetapi
mensintesiskan suatu hasil yang representatif dari
berbagai penilaian.
10. AHP memungkinkan organisasi memperhalus
definisi mereka pada suatu persoalan dan
Gambar 2. Halaman Login Admin
Gambar 2 merupakan tampilan dari halaman
Setelah login dan berhasil, maka admin akan diarahkan
menuju halaman utama admin. Dalam menu utama
terdiri dari berbagai menu, yaitu menu pilih jenis
pekerjaan, data pelamar, kriteria penilaian, matriks
penilaian,penilaian pelamar,hasil penilaian dan menu
laporan.
Gambar 3. Menu Pada Halaman Admin
Halaman ini berisikan data kriteria yang akan di
bandingkan dan menjadi tolak ukur penilaian. Tampilan
halaman kriteria penilaian dapat dilihat pada gambar 4.
memperbaiki pertimbangan serta pengertian
mereka melalui pengulangan.
Prinsip kerja AHP adala penyederhanaan suatu
persoalan kompleks yang tidak terstruktur, stratejik, dan
dinamik menjadi bagian-bagiannya, serta menata dalam
suatu hierarki. Kemudian tingkat kepentingan setiap
variabel diberi nilai numerik secara subjektif tentang arti
penting variabel tersebut secara relatif dibandingkan
dengan variabel lain. Dari berbagai pertimbangan
tersebut kemudian dilakukan sintesa untuk menetapkan
variabel yang memiliki prioritas tinggi dan berperan
untuk mempengaruhi hasil pada sistem tersebut. Menurut
Saaty (1993), terdapat tiga prinsip dalam memecahkan
persoalan dengan AHP, yaitu prinsip menyusun hirarki
(Decomposition), prinsip menentukan prioritas
(Comparative Judgement), dan prinsip konsistensi logis
(Logical Consistency).
Gambar 4. Tampilan Halaman Kriteria Penilaian
Halaman matriks penilaian berisikan
perhitungan matriks kriteria, berdasarkan hasil dari
wawancara kepada narasumber, perhitungan matriks
kriteria ini untuk membandingkan dengan data-data
kriteria lainnya berdasarkan skala penilaian
perbandingan berpasangan. Tampilan halaman matriks
kriteria penilaian dapat dilihat pada gambar 5 sebagai
berikut.
 berikutnya dibagian bawah tampilan prioritas kriteria
terdapat tampilan untuk nilai penjumlahan tiap baris,
Gambar 5. Tampilan Form Perbandingan dapat dilihat pada gambar 7.
Berpasangan
Pada tampilan matriks kriteria penilaian ini, admin
melakukan perbandingan berpasangan kriteria, dimana
matriks segitiga atas merupakan inputan nilai
perbandingan kriteria dan matriks segitiga bawah adalah
hasil perbandingan matriks segitiga atas. Nilai masukan
yang dapat digunakan hanya dari 1-5. Tombol hitung
nilai berfungsi untuk menampilkan hasil matriks nilai
kriteria yaitu nilai prioritas dan sekaligus menampilkan Gambar 7. Tampilan Form Matriks Penjumlahan
nilai penjumlahan tiap baris. Tiap Baris
Setelah didapatkan nilai prioritas kriteria dan nilai
penjumlahan tiap baris maka berikutnya dibagian bawah
tampilan matriks penjumlahan tiap baris akan
memberikan hasil pengukuran konsistensi nilai, jika nilai
CR < 0,1 maka nilai tersebut dapat diterima, tapi jika
nilai CR > 0,1 maka nilai input perbandingan
berpasangan kriteria ditinjau kembali. Dapat dilihan pada
Gambar 6. Tampilan Form Prioritas Kriteria Setelah gambar 8.
didapatkan nilai prioritas maka

Terdapat 4 aksioma-aksioma yang terkandung dalam dan nantinya nama pelamar akan ditampilkan sesuai dengan
model AHP (Saaty, 2001) : jenis pekerjaan yang dipilih, selanjutnya admin dapat
1. Reciprocal Comparison artinya pengambilan mengisikan penilaian dari masing- masing kriteria yaitu
keputusan harus dapat memuat perbandingan dan ijazah, pengalaman kerja, rekomendasi, wawancara,
menyatakan preferensinya. Prefesensi tersebut harus penampilan, keadaan fisik, tulisan tangan. Kemudian
memenuhi syarat resiprokal yaitu apabila A lebih dilanjutkan dengan proses sistem perhitungan menggunakan
disukai daripada B dengan skala x, maka B lebih metode Analytical Hierarchy Process agar memberikan output
disukai daripada A dengan skala 1/x. berupa perangkingan karyawan baru terbaik.
2. Homogenity artinya prefernsi seseorang harus dapat Sistem ini akan memberikan rekomendasi untuk memilih
dinyatakan dalam skala terbatas atau dengan kata lain karyawan baru yang nantinya akan menjadi pertimbangan
elemen-elemennya dapat dibandingkan satu sama admin serta menjadi salah satu alternatif dalam memilih
lainnya. Kalau aksioma ini tidak dipenuhi maka karyawan baru yang akan membantu admin untuk
elemen- elemen yang dibandingkan tersebut tidak memutuskan pelamar mana yang tepat untuk dijadikan
homogen dan harus dibentuk cluster (kelompok karyawan baru. Perancangan sistem pendukung keputusan
elemen) yang baru. (SPK) ini menggunakan UML (Unified Modelling Language).
3. Independence artinya prefernsi dinyatakan dengan Komponen-komponen yang digunakan untuk merancang
mengasumsikan bahwa kriteria tidak dipengaruhi sistem ini menggunakan use case diagram.
oleh alternatif-alternatif yang ada melainkan oleh
objektif keseluruhan. Ini menunjukan bahwa pola
ketergantungan dalam AHP adalah searah,
maksudnya perbandingan antara elemen-elemen
dalam satu tingkat dopengaruhi atau tergantung oleh
elemen- elemen pada tingkat diatasnya.
4. Expectation artinya untuk tujuan pengambil
keputusan. Struktur hirarki diasumsikan lengkap.
Apabila asumsi ini tidak dipenuhi maka pengambil
keputusan tidak memakai seluruh kriteria atau
objectif yang tersedia atau diperlukan sehingga
keputusan yang diambil dianggap tidak lengkap.

3. HASIL DAN
PEMBAHASAN
Sistem Pemilihan Pemilihan Karyawan Baru dengan
Metode Analytical Hierarchy Process memiliki beberapa
tahapan proses untuk mendapatkan hasil rekomendasi
alternatif terbaik karyawan baru. Tahapan pertama admin
menentukan jenis pekerjaan apa yang akan diperhitungkan
 B. Use Case Diagram
Perancangan use case diagram merupakan tahap
awal dan utama dalam proses pengembangan sistem,
dimana dalam tahapan ini dijelaskan dan didefinisikan
fungsi-fungsi serta fitur-fitur apa saja yang dapat
disediakan oleh sistem. Pada Use case diagram
mempunyai aktor, yaitu admin, yang memiliki beberapa
cabang aktivitas yang dilakukan setelah melakukan
aktivitas login seperti olah jenis pekerjaan, olah data
pelamar, mengolah kriteria, penilaian pelamar, hasil
pelamar serta pelaporan bisa dilihat melalui use case
diagram berikut. Lihat gambar 1.
Gambar 8. Tampilan Form Hasil Pengukuran
Konsistensi Kriteria
Setelah dilakukan perbandingan prioritas antara
kriteria dan kriteria, langkah selanjutnya adalah admin
melakukan inputan data kriteria di halaman penilaian
pelamar.
1. Halaman Penilaian Pelamar
Halaman penilaian pelamar bertujuan untuk
melakukan proses perhitungan pendukung keputusan
menggunakan metode Analytic Hierarchy Process. Halaman
ini terhubung dengan halaman data jenis pekerjaan dan data
pelamar secara otomatis masuk kehalaman penilaian
pelamar untuk dilakukan perhitungan pendukung keputusan
Gambar 1. Use Case diagram sistem
Pada gambar 1 terlihat bahwa terdapat masing- masing
use case dimana ditunjukan untuk admin. Disini admin
berfungsi untuk me-manage data seperti menambah,
menghapus, dan mengubah data, mengisi bobot dari setiap
kriteria, melihat data dari sistem sesuai dengan kriteria yang
dimasukkan, mengolah jenis pekerjaan, olah data pelamar,
olah kriteria pelamar, penilaian, hasil dan laporan hasil
pelamar.
C. Implementasi Sistem
Berdasarkan hasil analisis dan perancangan sistem yang
telah dilakukan, maka dilakukan implementasi sistem
penerapan metode analytic hierarchy process dalam
pemilihan karyawan baru dengan menggunakan bahasa
pemrograman PHP. Saat admin mengakses halaman admin,
maka secara otomatis admin akan diarahkan ke halaman
login, yang berarti admin harus melakukan login terlebih
dahulu untuk dapat masuk ke halaman admin.
menggunakan metode Analytic Hierarchy Process untuk
mencari alternatif terbaik karyawan baru, dengan mengklik
halaman penilaian pelamar maka akan muncul tampilan
penilaian pelamar dan memilih jenis pelamar yang akan
diperhitungkan.
selanjutnya adalah dengan mengklik tombol entry nilai,
maka akan muncul halaman input data nilai kriteria.
Tampilan halaman input data nilai kriteria dapat dilihat pada
gambar 9.
Gambar 9. Tampilan Form Input Data Nilai Kriteria
Pada tampilan form input data nilai kriteria, admin
dapat menginputkan data berdasarkan masing-masing
alternatif sesuai dengan kriteria yang dibutuhkan. Apabila
admin sudah menginputkan data berdasarkan masing-masing
alternatif sesuai dengan kriterianya, langkah selanjutnya
adalah melakukan proses perhitungan metode AHP, yaitu
dengan mengklik tombol hitung nilai maka secara terendah. Tampilan form hasil penilaian dapat dilihat pada
otomatis data-data yang telah diinputkan seperti berikut. gambar 10 .

Gambar 11. Hasil Penilaian

4. KESIMPULAN
Berdasarkan hasil penelitian pemilihan karyawan baru,
dapat diambil kesimpulan :
1. Proses pembuatan Sistem Pemilihan Karyawan Baru
dapat dilakukan dengan metode Analytic Hierarchy
Process (AHP) dengan kriteria dan bobot yang telah
ditentukan oleh PT. Noreen Surya Perdana yang
diperoleh dari hasil

Gambar 10. Tampilan Form Proses - AHP Setelah

mendapatkan hasil dari proses
perhitungan AHP, maka langkah selanjutnya yaitu dengan
mengklik tombol simpan, maka data akan tersimpan pada
database dan muncul halaman hasil penilaian dengan
bentuk perankingan dari nilai yang tertinggi hingga nilai

wawancara kemudian diproses oleh sistem sehingga menghasilkan output perangkingan karyawan baru.
2. Berdasarkan hasil pengujian sistem perhitungan metode AHP (Analytic Hierarchy Proces) dengan perhitungan manual,
maka didapatkan hasil akhir yang mendekati sama.

5. DAFTAR PUSTAKA
[1]. Daihani, D, U. 2001. Komputerisasi Pengambilan Keputusan. Bogor: Ghalia Indonesia.)
[2]. Heliza Rahmania Hatta, Dimas Adi Saputra, Dyna Marisa Khairina. 2016. "Pemilihan Supplier Bahan Pokok Dengan
Metode Analytic Hierarchy Process". Jurnal Ilmu Komputer. Samarinda.
[3]. Hence Beedwel Lumentut, Sri Hartati. 2015. "Sistem Pendukung Keputusan untuk Memilih Budidaya Ikan Air Tawar
Menggunakan AF- TOPSIS". Jurusan Ilmu Komputer dan Elektronika, Fakultas Matematika dan Ilmu Pengtahuan Alam,
Universitas Gadjah Mada.
[4]. Hend. 2006. Object Oriented System Analysis and Design Using UML. New York.
[5]. Hirin, A.M. 2011. Cepat Mahir Pemrograman Web Dengan PHP dan MySQL, Jakarta : Prestasi Pustaka.
[6]. Informatika. 2017. "Arsitektur Sistem Pendukung Keputusan".
http://informatika.web.id/arsitektur-sistem- pendukung-keputusan.htm (diakses tanggal 7 Februari 2017).
[7]. Kadir, Abdul. 2008. Dasar Pemrograman Web Dinamis Menggunakan PHP – Edisi Revisi, ANDI, Yogyakarta.
[8]. Made Astradanta, I Made Agus Wirawan, I Ketut Resika Arthana. 2016. "Pengembangan Sistem Penunjang Keputusan
Pemilihan Tempat Kuliner Dengan Menggunakan Metode AHP Dan SAW Studi Kasus : Kecamatan Buleleng". Jurusan
Pendidikan Teknik Informatika, Universitas Pendidikan Ganesha.
[9]. Pustaka, Kajian. 2017. " Sistem Penunjang Keputusan (SPK)".
http://www.kajianpustaka.com/2013/09/sistem- pendukung-keputusan-spk.html (diakses tanggal 1 April 2017).
[10]. Saaty, T. L, The Analytic Hierarchy Process, New York : McGraw- Hill, 1980.
 ANALISIS PERHITUNGAN METODE MOORA DALAM PEMILIHAN SUPPLIER
BAHAN BANGUNAN DI TOKO MEGAH GRACINDO JAYA
Sri Wardani1, Iin Parlina2, Ahmad Revi3
1,3
Mahasiswa Sistem Informasi, STIKOM Tunas Bangsa Pematangsiantar
2
Dosen AMIK Tunas Bangsa Pematangsiantar
1,2,3
Jln.Jenderal Sudirman Blok A No.1/2/3 Pematangsiantar
sriwardani90804@gmail.com, iin@amiktunasbangsa.ac.id, ahmadrevi98@gmail.com

Abstrak— Sistem pendukung keputusan didefinisikan sebagai sebuah sistem yang dimaksudkan untuk mendukung para
pengambil keputusan manajerial dalam situasi situasi tertentu. Sistem pendukung keputusan dimaksudkan untuk menjadi alat
bantu bagi para pengambil keputusan untuk memperluas kapabilitas mereka, namun tidak untuk menggantikan penilaian
mereka. Penentuan supplier merupakan kegiatan strategis, terutama apabila supplier tersebut akan memasok item yang penting
dan akan digunakan dalam jangka panjang. Untuk mendapatkan bahan baku yang efektif dan efisien maka Megah Gracindo
Jaya harus melakukan pemilihan supplier yang handal sesuai dengan kriteria yang dibutuhkann oleh perusahaan. Salah satu
metode dalam pemilihan keputusan dalah metode Multi-Objective Optimization by Ratio Analysis Atau biasa disingkat dengan
metode MOORA. Metode MOORA adalah metode yang memiliki perhitungan dengan kalkulasi yang minimum dan sangat
sederhana. Dari penelitian yang dilakukan dengan metode MOORA didapatkan bahwa A3 adalah supplier yang paling tepat.

Keywords— Sistem Pendukung Keputusan, Supplier, Multi-Objective Optimization by Ratio Analysis (MOORA)

I. PENDAHULUAN dibutuhkann oleh perusahaan. Hal mendasari penelitian

ini adalah untuk membantu Megah Gracindo Jaya dalam
Melihat perkembangan dunia usaha yang sedemikian
membuat sebuah keputusan dalam usaha untuk supplier-
cepatnya mengakibatkan perusahaan berlomba-lomba
supplier yang dapat menguntungkan dan memberikan
menjadi yang terbaik untuk memenuhi permintaan pasar
pelayanan jangka panjang terhadap Megah Gracindo Jaya
global. Megah Gracindo Jaya adalah sebuah toko
itu sendiri.
penyedia bahan-bahan bangunan berskala kecil
Salah satu metode dalam pemilihan keputusan dalah
menengah. Beragamnya permintaan akan bahan-bahan
metode Multi-Objective Optimization by Ratio Analysis
bangunan dari konsumen menyebabkan Megah Gracindo
Atau biasa disingkat dengan metode MOORA. Metode
Jaya harus selalu menyediakan dan memberikan
MOORA adalah metode yang memiliki perhitungan
pelayanan yang terbaik bagi para konsumennya. Dalam
dengan kalkulasi yang minimum dan sangat sederhana.
usaha menenangkan persaingan dimata para konsumen
Metode ini memiliki tingkat selektifitas yang baik dalam
Megah Gracindo Jaya menggunakan berbagai cara
menentukan suatu alternatif. Pendekatan yang dilakukan
diantaranya meningkatkan kepuasan pelanggan melalui
MOORA didefinisikan sebagai suatu proses secara
produk berkualitas, ketepatan waktu pengiriman dan
bersamaan guna mengoptimalkan dua atau lebih yang
efisiensi biaya.
saling bertentangan pada beberapa kendala [1].
Pemilihan supplier merupakan salah satu hal yang
Diharapkan dari penelitian ini dapat memberikan sebuah
penting dalam aktivitas pembelian bagi perusahaan, cara pemilihan yang ideal kepada toko Megah Gracindo
karena pemilihan supplier ini sangat berpengaruh pada
Jaya dalam memilih supplier-supplier yang akan menjadi
harga jual, kualitas dan ketersediaan suatu produk. Oleh mitra dagang.
karena itu, setiap perusahaan perlu menilai supplier
secara cermat dan tepat. Penentuan supplier merupakan II. TINJAUAN PUSTAKA
kegiatan strategis, terutama apabila supplier tersebut
A. Sistem Pendukung Keputusan
akan memasok item yang penting dan akan digunakan
Sistem pendukung keputusan didefinisikan sebagai
dalam jangka panjang. Untuk mendapatkan bahan baku
sebuah sistem yang dimaksudkan untuk mendukung para
yang efektif dan efisien maka Megah Gracindo Jaya
pengambil keputusan manajerial dalam situasi situasi
Sistem pendukung keputusan didefinisikan sebagai
tertentu. Sistem pendukung keputusan dimaksudkan
sebuah sistem yang dimaksudkan untuk mendukung para
untuk menjadi alat bantu bagi para pengambil keputusan
pengambil keputusan manajerial dalam situasi situasi
untuk memperluas kapabilitas mereka, namun tidak
tertentu. Sistem pendukung keputusan dimaksudkan
untuk menggantikan penilaian mereka [2]. SPK
untuk menjadi alat bantu bagi para pengambil keputusan
merupakan penggabungan sumber–sumber kecerdasan
untuk memperluas kapabilitas harus melakukan
individu dengan kemampuan komponen untuk
pemilihan supplier yang handal sesuai dengan kriteria
memperbaiki kualitas keputusan [3].
yang

Sistem Pendukung Keputusan (SPK) adalah salah satu
cara mengorganisir informasi yang dimaksudkan untuk
digunakan dalam membuat keputusan. Ada yang
mendefinisikan bahwa system pendukung keputusan
merupakan suatu pendekatan untuk mendukung
pengambilan keputusan.Sistem pendukung keputusan
menggunakan data, memberikan antarmuka pengguna yang
mudah dan dapat menggabungkan pemikiran pengambil
keputusan [4].
B. Manajemen Rantai Pasokan
Manajemen rantai pasokan atau Supply Chain
Management merupakan kegiatan pengelolaan kegiatan-
kegiatan dalam rangka memperoleh bahan mentah,
mentransformasikan bahan mentah tersebut menjadi barang
dalam proses dan barang jadi, dan mengirimkan produk
tersebut ke konsumen melalui sistem distribusi. Kegiatan-
kegiatan ini mencakup fungsi pembelian tradisional
ditambah kegiatan-kegiatan lainnya yang penting bagi
hubungan antara pemasok dengan distributor [5].
C. Pemilihan Supplier
Pemilihan supplier biasanya mempertimbangkan
kualitas dari produk, service/pelayanan dan ketepatan
waktu pengiriman adalah hal yang penting, meskipun ada
beberapa faktor lain yang harus dipertimbangkan. Dengan
banyak kriteria-kriteria yang ada dalam pemilihan supplier,
namun keputusan dalam penentuan kriteria yang akan
digunakan dalam suatu perusahaan ditentukan oleh
perusahaan itu sendiri. Perusahaan akan memilih beberapa
kriteria yang ada, pemilihan kriteria biasanya tergantung
dari item-item bahan baku yang dipasok ke perusahaan [6].
III. METODE PENELITIAN
Metode Multi-Objective Optimization by Ratio
Analysis ( MOORA) adalah metode yang diperkenalkan
oleh Brauers dan Zavadkas (2006). Metode yang relatif
baru ini pertama kali digunakan oleh Brauers dalam suatu
pengambilan dengan multi- kriteria. Metode MOORA
memiliki tingkat fleksibilitas dan kemudahan untuk
dipahami dalam memisahkan bagian subjektif dari suatu
proses evaluasi kedalam kriteria bobot keputusan dengan
beberapa atribut pengambilan keputusan [7].
Metode MOORA mudah dipahami dan fleksibel dalam
memisahkan objek hingga proses evaluasi kriteria bobot
keputusan. Metode MOORA juga memiliki tingkat
selektifitas yang baik karena dapat menentukan tujuan dan
kriteria yang bertentangan, yaitu kriteria yang bernilai
menguntungkan (Benefit) atau yang tidak menguntungkan
(Cost) [8].
Langkah – langkah penyelesaian masalah menggunakan
metode MOORA, antara lain [9]:
1. Pembentukan Matriks
�11 �12 �1�
𝑥𝑖� = �21. �22 �2�
��1 . .
��2 ���
x adalah nilai kriteria masing-masing kriteria yang
direpresentasikan sebagai matriks.
2. Menetukan Matriks Normalisasi
Rasio Xij menunjukan ukuran ke i dari alternatif pada
kriteria ke j, m menunjukan banyaknya jumlah alternatif
dan n menunjukan jumlah kriteria. Brauers et al. (2008)
menyimpulkan bahwa untuk denominator, pilihan
terbaik dari akar kuadrat dari penjumlahan kuadrat dari
setiap alternatif perkriteria.
3. Menentukan Matriks Normalisasi terbobot
Dalam beberapa kasus, sering mengamati bahwa
beberapa kriteria lebih penting daripada lainnya. Untuk
menandakan bahwa sebuah kriteria lebih penting, itu
bisa dikalikan dengan bobot yang sesuai. Dimana Wj
adalah bobot dari kriteria ke – j.
4. Menentukan Nilai Preferensi yi
=
Dengan demikian, alternatif terbaik memiliki nilai yi
tertinggi, sedangkan alternatif terburuk memiliki nilai y j
terendah.
IV.HASIL DAN PEMBAHASAN
Pada permasalahan ini akan di bahas pemilihan
supplier bahan bangunan dengan menggunakan metode
MOORA, adapun langkah pertama yang akan di lakukan
dalam melakukan perhitungan maka harus menentukan
kriteria-kriteria penilaian yang sudah di tentukan. Kriteria-
kriteria yang dipakai dapat dilihat pada table berikut :
 A2 5 4 4 4 5
TABEL I PENDEFINISIAN KRITERIA
A3 5 5 4 5 5
Kriterian Keteragan Nilai Jenis
Bobot A4 3 3 5 4 4
C1 Harga 25% Benefit A5 5 5 4 3 4
C2 Kualiatas 25% Benefit
Berdasarkan data di atas dapat diperoleh matriks keputusan
C3 Pelayanan 15% Benefit dalam tabel berikut :
C4 Ketepatan Pengiriman 20% Benefit TABEL IV
MATRIKS KEPUTUSAN
C5 Ketepatan Jumlah 15% Benefit 4 4 5 4 5
Kriteria yang memakai penilaian bukan nilai angka akan
di sesuaikan dengan skala penilaian seperti di bawah ini : 5 4 4 4 5
Sangat Baik =5
Baik =4 5 5 4 5 5
Cukup =3
Kurang =2 3 3 5 4 4
Adapun keterangan untuk kriteria harga sebagai berikut : 5 5 4 3 4
sesuai dengan kualitas = 5
cukup sesuai =4
Kurang sesuai =3
C1 :
Tidak sesuai =2
: 10,000
Penilaian pada setiap kriteria tentunya berdasarkan
A11 : 4/10,000
kepuasan daripada toko Megah Gracindo Jaya.
: 0,4000
Data Penilaian Alternati berdasarkan kriteria di atas dapat
A21 : 5/10,000
dilihat pada tabel berikut :
: 0,5000
TABEL II A31 : 5/10,000
PEMBERIAN NILAI SETIAP ALTERNATIF : 0,5000
Alternatif C1 C2 C3 C4 C5 A41 : 3/10,000
: 0,3000
A1 Cukup Baik Sangat Baik Sangat A51 : 5/10,000
sesuai baik baik : 0,5000
A2 Sesuai Baik Baik Baik Sangat
dengan baik
C2 :
kualitas
: 9,5394
A3 Sesuai Sangat Baik Sangat Sangat A11 : 4/9,5394
dengan baik baik baik : 0,4193
kualitas
A21 : 4/9,5394
A4 Kurang Cukup Sangat Baik Baik
: 0,4193
sesuai baik
A31 : 5/9,5394
A5 Sesuai Sangat Baik Cukup Baik
: 0,5241
dengan baik
A41 : 3/9,5394
kualitas
: 0,3145
A51 : 5/9,5394
Adapaun di peroleh perubahan alternatif sebagai berikut : : 0,5241
TABEL III
PERUBAHAN NILAI SETIAP ALTERNATIF C3 :
Alternatif C1 C2 C3 C4 C5 : 9,8995
A11 : 5/9,8995
A1 4 4 5 4 5
: 0,5051
A21 : 4/9,8995
 : 0,4041 A21 : 0,25 x 0,4193 = 0,1048
A31 : 4/9,8995 A31 : 0,25 x 0,5241 = 0,1310
: 0,4041 A41 : 0,25 x 0,3145 = 0,0786
A41 : 5/9,8995 A51 : 0,25 x 0,5241 = 0,1310
: 0,5051
A51 : 4/9,8995 C3 = A11 : 0,15 x 0,5051 = 0,0758
: 0,4041 A21 : 0,15 x 0,4041 = 0,0606

C4 : A31 : 0,15 x 0,4041 = 0,0606

: 9,0554 A41 : 0,15 x 0,5051 = 0,0758
A11 : 4/9,0554 A51 : 0,15 x 0,4041 = 0,0606
: 0,4417
A21 : 4/9,0554 C4 = A11 : 0,20 x 0,4417 = 0,0883
: 0,4417 A21 : 0,20 x 0,4417 = 0,0883
A31 : 5/9,0554 A31 : 0,20 x 0,5522 = 0,1104
: 0,5522 A41 : 0,20 x 0,4417 = 0,0883
A41 : 4/9,0554 A51 : 0,20 x 0,3313 = 0,0663
: 0,4417
A51 : 3/9,0554 C5 = A11 : 0,15 x 0,4834 = 0,0725
: 0,3313 A21 : 0,15 x 0,4834 = 0,0725
A31 : 0,15 x 0,4834 = 0,0725
A41 : 0,15 x 0,3867 = 0,0580
C5 : A51 : 0,15 x 0,3867 = 0,0580
: 10,344
A11 : 4/10,344
: 0,4417 Maka hasilnya dapat dilihat pada matriks di bawah ini :
A21 : 4/10,344
: 0,4417 TABEL VI
A31 : 5/10,344 HASIL MATRIKS TERNORMALISASI TERBOBOT
: 0,5522 0,1000 0,1048 0,0758 0,0883 0,0725
A41 : 4/10,344
: 0,4417 0,1250 0,1048 0,0606 0,0883 0,0725
A51 : 3/10,344 0,1250 0,1310 0,0606 0,1140 0,0725
: 0,3313
0,0750 0,0786 0,0758 0,0883 0,0580
Maka dapat dilihat matriks ternormalisasi berikut, yaitu :
0,1250 0,1310 0,0606 0,0663 0,0580
TABEL V
MATRIKS NORMALISASI
0,4000 0,4193 0,5051 0,4417 0,4834 Selanjutnya pencarian nilai Yi seperti berikut :
0,5000 0,4193 0,4041 0,4417 0,4834 TABEL VII
0,5000 0,5241 0,4041 0,5522 0,4834 PENCARIAN NILAI Yi

0,3000 0,3145 0,5051 0,4417 0,3867

0,5000 0,5241 0,4041 0,3313 0,3867

Selanjutnya menghitung matriks ternormalisasi terbobot :

C1 = A11 : 0,25 x 0,4000 = 0,1000

A21 : 0,25 x 0,5000 = 0,1250
A31 : 0,25 x 0,5000 = 0,1250
A41 : 0,25 x 0,3000 = 0,0750
A51 : 0,25 x 0,5000 = 0,1250
C2 = A11 : 0,25 x 0,4193 = 0,1048
Alternatif Max (C1+C2+C3+ C4+C5) Min Yi =
(0) Max –
Min
A1 (0,1000+0,1048+0,0758+ 0 0.4414
0,0883+0,0725)
A2 (0,1250+0,1048+0,0606+ 0 0,4512
0,0883+0,0725)
 A3 (0,1250+0,1310+0,0606+ 0 0,5031
0,1140+0,0725)
A4 (0,0750+0,0786+0,0758+ 0 0,3757
0,0883+0,0580)
A5 (0,1250+0,1310+0,0606+ 0 0,4409
0,0663+0,0580)

Adapun hasil perangkingan seperti berikut :

TABEL VIII
PERANGKINGAN
Alternatif Yi Rangking
A1 0,4414 3
A2 0,4512 2
A3 0,5031 1
A4 0,3757 5
A5 0,4409 4
Dari peroses tersebut maka dapat di hasilkan bahwa A3
adalah alternatif terbaik.

V. KESIMPULAN DAN SARAN

Kesimpulan yang dapat di ambil dari hasil penelitian
bahwa kita dapat menggunakan metode Multi-Objective
Optimization by Ratio Analysis(MOORA) untuk
menentukan nilai bobot

REFERENSI
[1] S. Rokhman, I. F. Rozi, and R. A. Asmara, “Pengembangan
Sistem Penunjang Keputusan Penentuan UKT Mahasiswa
Dengan Menggunakan Metode MOORA Studi Kasus Politeknik
Negeri Malang,” J. Inform. Polinema, vol. 3, pp. 36–42, 2017.
[2] Habibah Jayanti Damanik, I. Parlina, H. S. Tambunan, and E.
Irawan, “Sistem Pendukung Keputusan dalam Seleksi Penyiar
Radio Boss FM 102.8 Pematangsiantar Menggunakan Metode
ELECTRE,” Konf. Nas. Teknol. Inf. dan Komput., vol. I, pp. 38–
44, 2017.
[3] Vita, E. S. Astuti, and R. A. Asmara, “PASKIBRAKA
MENGGUNAKAN METODE TOPSIS,” J. Inform. Polinema,
pp. 51–55.
[4] S. Sundari, A. Wanto, Saifullah, and Indra Gunawan, “Sistem
Pendukung Keputusan Dengan Menggunakan Metode Electre
Dalam Merekomendasikan Dosen Berprestasi Bidang Ilmu
Komputer (Study Kasus di AMIK & STIKOM Tunas Bangsa),”
Semin. Nas. Multi Disiplin Ilmu, pp. 1–6, 2017.
[5] I. I. Alifatin, “Analisis Pemilihan Supplier Dengan Metode
Analisis Hirarki Proses Pada Toko Pertanian dan Bangunan UD
Mansur Jalan Raya Papar Pare Kediri,” Artik. Skripsi Univ.
Nusant. PGRI Kediiri, pp. 1–15, 2016.
[6] S. Widiyanesti, R. Setyorini, L. Cost, and Q. Respon, “No
Title.”
[7] M. Ashari and F. Mintarsih, “Aplikasi Pemilihan Bibit Budidaya
Ikan Air Tawar dengan Metode MOORA – Entropy,” J. Sist.
Inf., vol. 5341, pp. 63–73, 2017.
[8] L. Olivianita et al., “Sistem pendukung keputusan kelayakan
hasil cetakan buku menggunakan metode moora,” no. 9.
[9] A. Septi, R. Anggreani, H. Rotua, B. Hutapea, M. Syahrizal, and
N. Kurniasih, “Sistem Pendukung Keputusan Penentuan
Handphone Bekas Terbaik Menggunakan Metode Multi-
Objective Optimization on The Basis of Ratio Analysis (
MOORA ),” J. Ris. Komput., vol. 5, no. 1, pp. 61–65, 2018.
 Komparasi Metode WP SAW dan WASPAS Dalam
Penentuan Penerima Beasiswa Penelusuran Minat dan
Kemampuan
Veradilla Amalia1, Dedy Syamsuar2, Linda Atika3
1
Program Studi Magister Teknik Informatika, Universitas Bina Darma, Palembang
veradillaamalia@gmail.com
2,3
Dosen Universitas Bina Darma Palembang
dedy_syamsuar@binadarma.ac.id, linda.atika@binadarma.ac.id

Abstrak
STMIK Bina Nusantara Jaya Lubuklinggau menawarkan beasiswa Penelusuran Minat dan Kemampuan (PMDK)
kepada calon mahasiswa baru, dalam hal ini untuk melakukan proses seleksi penentuan penerima beasiswa PMDK
pengolahan data masih dilakukan secara manual dengan melakukan tes wawancara dan melakukan perhitungan
hasil dari wawancara. Proses seleksi yang dilakukan secara manual memiliki beberapa kelemahan sehingga besar
kemungkinan akan terjadinya kesalahan dalam pengolahan data. Untuk Itu diperlukannya suatu Sistem Pendukung
Keputusan yang dapat mempermudah dalam penentuan penerima beasiswa PMDK. Pada penelitian ini
menggunakan analisa perhitungan komparasi metode WP, SAW dan WASPAS dalam penentuan penerima
beasiswa penelusuran minat dan kemampuan (PMDK). Sistem dibuat menggunakan metode SAW karena
memberikan nilai Alternatif tertinggi dan memberikan hasil perangkingan yang terbaik.

Kata kunci : Sistem Pendukung Keputusan, WP, SAW, WASPAS.

Abstract

STMIK Bina Nusantara Jaya Lubuklinggau offers scholarships for Searching for Interest and Capability (PMDK)
for prospective new students, in this case to conduct a selection process for determining recipients of PMDK
scholarship data processing is still done manually by conducting interview tests and calculating the results of
interviews. The manual selection process has several disadvantages, so there is a high probability of errors in
data processing. For this reason, a Decision Support System is needed that can facilitate the determination of
PMDK scholarship recipients. In this study, the analysis of the comparative calculation of the WP, SAW and
WASPAS methods was used in determining scholarship recipients to explore interests and abilities (PMDK). The
system is made using the SAW method because it provides the highest Alternative value and gives the best ranking
results.

Keywords : Decision Support System, WP, SAW, WASPAS

1. Pendahuluan
Proses seleksi penerima beasiswa merupakan
tahapan penting yang membutuhkan ketelitian dan
ketepatan agar beasiswa dapat diberikan kepada
penerima yang tepat. Beasiswa itu sendiri
merupakan uang yang diberikan untuk biaya belajar
Ali. (n.d.). Proses seleksi penentuan penerima
beasiswa Penelusuran Minat dan Kemampuan
(PMDK) pengolahan data masih dilakukan secara
manual dan belum
terkomputerisasi. Proses seleksi yang
dilakukan secara manual memiliki
beberapa kelemahan sehingga besar
kemungkinan akan terjadinya
kesalahan dalam pengolahan data
dikarenakan kurang efisensinya
waktu yang digunakan, proses seleksi dan
pengolahan data calon penerima beasiswa PMDK
pada STMIK Bina Nusantara Jaya Lubuklinggau
selama ini dilakukan dengan beberapa tahapan,
yakni; menyeleksi berkas calon mahasiswa
penerima beasiswa PMDK, melakukan tes
wawancara, melakukan perhitungan hasil
wawancara,dan terakhir membuat range nilai
hasil yang telah dihitung untuk dilaporkan
kepada ketua.
Dalam menerapkan sistem pendukung
keputusan sudah banyak cara atau metode yang
telah digunakan seperti metode Simple Additive
Weighting (SAW), Weighted Product (WP) dan
metode Analytical Hierarchy Process (AHP)
ada juga yang mengkomparasi atau
membandingkan metode sistem pengambilan
keputusan seperti yang dilakukan penetiti
sebelumnya dengan melakukan perbandingan
metode Simple Additive Weighting (SAW) dan
metode Technique for Order Preference by
Similiarity to Ideal Solution (TOPSIS) pada
kasus UMKM yang diteliti oleh Mude, M. A.
(2016) perbandian metode Simple Additive
Weighting (SAW) dan metode Weighted
Aggregated Sum Product Assessment
(WASPAS) dalam pemilihan bibit manga
terunggul oleh Soeb Aripin, Agus Adi Pramadi,
Mulia Syahputra, A. M. S. (2018). dan
penelitian sebelumnya dengan melakukan
perbandingan metode SAW, WP dan Topsis
dalam pemilihan supplier material yang diterliti
oleh Hamberto, A., Katili, P. B., & Ummi, N.
(2013).
2. Metode Penelitian
2.1 Konsep Model Penelitian
Penelitian dirancang untuk menentukan
penerima beasiswa PMDK dengan
menggunakan metode pengembangan sistem
fase Rational Unified Process (RUP) mulai
tahap Inception, Elaboration, Construction,
Transition. Menganalisa perhitungan dengan
perbandingan metode Weighted Product (WP)
metode Simple Additive Weighting (SAW) dan
metode Simple Additive Weighting (SAW) dan
metode Weighted Aggregated Sum Product
(WASPAS). Penelitian menggunakan metode
wawancara dimana dilakukan wawancara
langsung dengan pihak pengelola beasiswa
PMDK, Wawancara dilakukan guna
mendapatkan informasi lebih lengkap mengenai
permasalahan yang akan diteliti. Penelitian ini
menggunakan penelitian bersifat kualitatif
sering disebut metode penelitian naturalistik
karena penelitiannya dilakukan pada kondisi
alamiah (natural setting), dengan cara
memahami dan menjabarkan
permasalahan-permasalahan yang ada
berdasarkan fakta dan data yang ada (Sugiyono,
2013).
Gambar 1. Model Penelitian
2.2 Tinjauan Pustaka
Menurut Pratiwi (2016) Pengambilan
keputusan dilakukan pimpinan untuk
menyelesaikan masalah yang dihadapi dalam
organisasi yang dipimpinnya dengan melakukan
pemilihan satu alternative pemecahan masalah
terbaik dengan berdasarkan pertimbangan-
pertimbangan tertentu. Menurut Fitriyani (2012)
Pengambilan keputusan merupakan proses
pemilihan alternatif tindakan untuk mencapai
tujuan atau sasaran tertentu. Pengambilan
keputusan dilakukan dengan pendekatan
sistematis terhadap
permasalahan melalui proses pengumpulan data
menjadi informasi serta ditambah dengan faktor-
faktor yang perlu dipertimbangkan dalam
pengambilan keputusan.
Menurut Pratiwi (2016) Tujuan Sistem
Pendukung Keputusan terdiri dari tiga tujuan
yang akan dicapai yaitu :
1. Membantu manajer membuat keputusan
untuk memecahkan masalah semi terstruktur.
2. Mendukung penilaian manajer bukan
mencoba menggantikannya.
3. Meningkatkan efektifitas pengambilan
keputusan manajer dari pada efisiensinya.
Menurut Kusrini (2007) keputusan yang
diambil untuk menyelesaikan suatu masalah
dilihat dari keterstukturannya yang dibagi
menjadi menjadi tiga yaitu keputusan terstruktur
(structured decision), keputusan semiterstuktur
(semistructured decision), keputusan tak
terstuktur (unstructured decision).
a. Keputusan terstruktur (structured
decision)
 Keputusan terstruktur adalah keputusan yang X : Nilai alternative setiap kriteria
dilakukan secara berulang-ulang dan bersifat W: Bobot kriteria
rutin. I : Alternatif
b. Keputusan semiterstruktur (semistructured j : Kriteria
decision) n : Banyaknya kriteria
Keputusan semiterstuktur adalah keputusan
yang memiliki dua sifat. Sebagian keputusan 2.4 Metode Simple Additive Weighting
biasa ditangani oleh komputer dan yang lain (SAW)
tetap harus dilakukan oleh pengambil Simple Additive Weighting (SAW) sering
keputusan. juga dikenal metode Penjumlahan terbobot.
c. Keputusan tak tersturktur (unstructured Konsep dasar metode SAW adalah mencari
decision) penjumlahan terbobot dari rating kinerja pada
Keputusan tak terstuktur adalah keputusan setiap alternatif pada semua atribut. Metode
yang penanganannya rumit karena tidak SAW mengharuskan pembuat keputusan
terjadi berulang-ulang atau tidak selalu terjadi. menentukan bobot bagi setiap atribut.
Keputusan tersebut menuntut pengalaman dan Langkah-langkah menggunakan metode SAW
berbagai sumber yang bersifat eksternal adalah sebagai berikut (Targiono, 2017) :
1. Menentukan kriteria-kriteria yang akan
Dalam penentuan calon penerima beasiswa
dijadikan acuan dalam pengambilan
yang kurang mampu, peneliti memper-
keputusan yaitu Ci.
timbangkan kriteria-kriteria yang akan
digunakan untuk memilih calon penerima 2. Menentukan rating kecocokan setiap
beasiswa yaitu: 1) aspek akademik 2) aspek alternatif pada setiap kriteria..
kepribadian dan 3) aspek keluarga (Junaidi & 3. Membuat matrik keputusan berdasarkan (Ci),
Visella, 2017) kemudian melakukan normalisasi matrik
berdasarkan persamaan jenis atribut benefit
2.3 Metode Weighted Product (WP) atau atribut cost sehingga diperoleh matrik
Weighted Product (WP) merupakan salah ternomalisasi R dengan rumus:
satu metode sistem pendukung keputusan, Untuk �Benefit
𝒊�
dimana perkalian digunakan untuk R ij =
𝑴𝒂� �𝒊�
menghubungkan rating atibut, dan rating setiap Untuk Cost
atribut harus dipangkatkan dulu dengan bobot
atribut yang bersangkutan (Agus, 2017).
𝑴𝒊� �𝒊�
Langkah-langkah metode Weighted Product R ij = �𝒊�
(WP) : Keterangan :
1. Menentukan kriteria-kriteria yang akan Rij : Rating ternormalisasi
dijadikan acuan dalam pengambilan Maxij : Nilai maksimum dari setiap
keputusan baris dan kolom
2. Mengkonversi inputan data kriteria Minij : Nilai minimum dari setiap baris dan
menjadi nilai rating kecocokan kolom
3. Melakukan perbaikan nilai bobot dari setiap �𝒊� : Baris dan kolom dari matrik
kriteria dengan rumus
�� ��
= ∑ 2.5 Metode Weighted Aggregated Sum
��
4. Menetukan nilai preferensi untuk Product Assessment (WASPAS)
alternatif Si dengan rumus Metode penilaian jumlah pengumpulan
�
berbobot WASPAS adalah kombinasi unik
�𝒊 = ∏ �𝒊� ��
�=� WSM dan metode WPM. Metode WASPAS
5. Menghitung nilai preferensi Vi untuk digunakan untuk memecahkan berbagai masalah
setiap alternatif menggunakan rumus seperti pada pembuatan keputusan
�
∏� �
𝒊� dan evaluasi alternative. Langkah proses
�=� � perhitungan menerapkan metode WASPAS
Vi = ∏� (�� )��
Keterang �=�
(Barus, Sitorus et al. 2018), yaitu:
an :
S :Preferensi alternatif diabalogikan 1. Buat sebuah matriks keputusan
sebagai vector S
V : Nilai vector untuk perangkingan
 �11 �12 . �1�
2.7 Teknik Analisa Data
� �11 . �2� Analisa data yang dilakukan yaitu
x = [ 21 ]
. . . . membuat instrument penelitian saat melakukan
��1 ��1 . ���
wawancara kemudian mengobservasi kecocokan
dari hasil wawancara untuk pengembangan
2. Melakukan normalisasi terhadap matrik x
perangkat lunak dengan mengunakan fase- fase
RUP (Rational Unified Process) Untuk
Kriteria Benefit
�𝑖� membangun suatu sistem pendukung keputusan
�̈ = penentuan penerimaan beasiswa
𝑖�
maXi 𝑥𝑖� program Penelusuran Minat dan
Kemampuan (PMDK) dengan mengguna-
Kriteria Cost kan metode terbaik hasil dari komparasi

�𝑖� = �𝑖�𝑖�𝑖� metode Weighted Product (WP), metode Simple

Additive Weighting (SAW) dan metode
Menghitung nilai Qi 𝑥𝑖�
Weighted Aggregated Sum Product (WASPAS)
dalam menentukan penerima
Qi= 0,5 ∑n X w + 0,5 ∏� 𝑤� beasiswa PMDK. Penelitian ini mengguna-
(𝑥𝑖�)
j=1 ij �=1 kan penelitian bersifat kualitatif sering disebut
metode penelitian naturalistik
Dimana : karena penelitiannya dilakukan pada kondisi
Qi : Nilai dari Q ke i alamiah (natural setting), dengan cara
Xijw : Perkalian nilai Xij dengan bobot memahami dan menjabarkan permasala- han-
(w) permasalahan yang ada berdasarkan fakta dan
0,5 : Ketetapan data yang ada (Sugiyono, 2013)
Alternatif yang terbaik merupakan
alternatif yang memiliki nilai Qi tertinggi.
3. Hasil dan Pembahasan
3.1 Kriteria
2.6 Fase Rational Unified Process (RUP) Tahap awal adalah menganalisa kriteria
Rational Unified Process (RUP) memiliki sebagai dasar proses dilakukannya seleksi.
empat fase yang dapat dilakukan secara iterative Penentuan kriteria ini berdasarkan hasil
A. S., Rosa dan M.Shalahudin (2018). wawancara dengan pihak pengelola beasiswa
1. Inception (permulaan) PMDK. Adapun kriteria yang digunakan adalah
Tahap ini lebih pada memodelkan proses pekerjaan orang tua, penghasilan orang tua,
bisnis yang dibutuhkan (business modeling) jumlah tanggungan, prestasi akademik dan non
dan mendefinisikan kebutuhan akan sistem akademik, dan status tempat tinggal.
yang akan dibut (requiremets).
Tabel 1. Data Kriteria
2. Elaboration (perluasan/perencanaan) Tahap
ini lebih pada analisis dan desain sistem
serta implementasi sistem yang focus pada
purwarupasistem (prototype).
3. Contruction (kontruksi)
Tahap ini lebih pada implentasi dan
pengujian sistem yang focus pada
implementasi perangkat lunak pada kode
program. Tahap ini menghasilkan produk
perangkat lunak dimana menjadi syarat dari
Intial Operational Capability Milestone atau
batas/tonggak kemampuan operasional awal.
4. Transition (Transisi)
Tahap ini lebih pada deployment atau
instalasi sistem agar dapat dimengerti oleh
user
 Prestasi Status
Nama Pekerjaan Peng Tanggu Akademi Tempat
Ortu hasil ngan k & Non Tinggal
an
V1 PNS 3 3 Ada M
V2 Swasta 2,3 2 Ada M
V3 Petani 2 3 Ada M
V4 Petani 2 2 Ada S

V5 Wiraswasta 2,5 3 - MS
V6 Swasta 2 2 Ada S
V7 PNS 3 4 - MS
V8 Petani 3 3 Ada S
V9 Swasta 3 4 Ada S
V10 Wiraswasta 2,8 3 - S
3.2 Pembobotan 3.3 Rating Kecocokan
Pembobotan dari kriteria tersebut diatas Berdasarkan data kriteria dan pembobotan diatas
sebagai berikut : maka langkah berikutnya membuat rating
kecocokan seperti tabel berikut ini :
1. Pekerjaan Orang Tua, dibobotkan menjadi :
Tabel 7. Rating Kecocokan
Tabel 2. Pembobotan Pekerjaa Penghasi Tanggun
Prestasi Status
Nama
Pekerjaan Orang Tua n Ortu lan gan
Akademik
& Non
Tempat
Tinggal
V1 4 4 3 8 7
Pekerjaan Nilai V2 5 4 2 8 7
PNS/TNI/POLRI 4 V3 7 5 3 8 7
Karyawan Swasta 5 V4 7 5 2 8 8
Wiraswasta 6 V5 6 4 3 7 7
Petani/Buruh/Ojek 7 V6 5 5 2 8 8
Tidak Bekerja 8 V7 4 4 4 7 7
V8 7 4 3 8 8
2. Penghasilan Orang Tua, dibobotkan V9 5 4 4 8 8
menjadi : V10 6 4 3 7 8

Tabel 3. Pembobotan
3.4 Perhitungan Metode Weighted Product
Penghasilan Orang Tua (WP)
Proses perhitungan menggunakan
Penghasilan Orang Tua Nilai langkah-langkah metode WP yang telah
≤ 1 Juta 6 dijelaskan diatas :
≤ 2 Juta 5
1) Bobot yang digunakan sebagai berikut
≤ 3 Juta 4
≤ 4 Juta 3
menggunakan persamaan (1) :
≤ 10 Juta 2
Tabel 8. Bobot
3. Tanggungan Orang Tua, dibobotkan W 0.3 0.2 0.15 0.2 0.15

menjadi :
2) Menetukan nilai preferensi untuk alternatif
Si menggunakan persamaan (2)
Tabel 4. Pembobotan
Tanggungan Orang Tua Nilai S1=(40,3) (4-0,2) (30,15) (80,2) (70,15)=2.748
1 Tanggungan
1 S2=(50,3) (4-0,2) (20,15) (80,2) (70,15)=2.765
2 Orang Tua2 S3 dsb..... S10
3 3 3) Menghitung nilai preferensi Vi untuk setiap
4 4 alternative menggunakan persamaaan (3)
≥5 5
�.𝟕𝟒�
V1= = 0.0926
4. Prestasi Akademik dan Non Akademik,
dibobotkan menjadi : Tabel 6. Pembobotan Status tempat
tinggal
Tabel 5. Pembobotan �.𝟕𝟒�+�.𝟕𝟔�+�.�𝟎�+�.���+�.𝟎��+�.𝟔��+�.𝟕�𝟒+�.��𝟕+�.��𝟎+�.𝟎��

�.𝟕𝟔�
Prestasi Akademik dan V2=
�.𝟕𝟒�+�.𝟕𝟔�+�.�𝟎�+�.���+�.𝟎��+�.𝟔��+�.𝟕�𝟒+�.��𝟕+�.��𝟎+�.𝟎��
= 0.0932

Non Akademik
Prestasi Akademik Non Nilai V3 dsb.... V10
Akademik
Ada 8 4) Hasil perangkingan dari yang tertinggi
Tidak Ada 7 hingga yang terendah metode WP

5. Status tempat tinggal, dibobotkan menjadi

Tabel 9. Tabel Perangkingan WP
Status Tempat Tinggal Alternatif Hasil
Nilai V8 0.1118
Milik Sendiri (MS) 7 V9 0.1055
Sewa (S) 8 V3 0.1048
V10 0.1039
V5 0.1019
V4 0.1006
1) Buat sebuah matriks keputusan
menggunakan V7
persamaan 0.0942
[7] :
V2 0.0932
4 4 V1 0.0926 3 8 7
V6 0.0909 5 4 2 8 7
7 5 3 8 7
3.5 Perhitungan Metode Simple Additive 7 5 2 8 8
Weighting (SAW) 6 4 3 7 7
Proses perhitungan menggunakan langkah- 5 5 2 8 8
langkah metode SAW yang telah dijelaskan 4 4 4 7 7
diatas : 7 4 3 8 8
1) Membuat Matriks Keputusan menggunakan 5 4 4 8 8
persamaan [4] dan [5] : [6 4 3 7 8]
0.571 1 0.75 1 0.875
0.714 1 0.5 1 0.875 2) Melakukan normalisasi terhadap matrik x
menggunakan persamaan [8] dan [9] :
1 0.8 0.75 1 0.875
1 0.8 0.5 1 1 0.571 1 0.75 1 0.875
0.857 1 0.75 0.875 0.875 0.714 1 0.5 1 0.875
0.714 0.8 0.5 1 1 1 0.8 0.75 1 0.875
0.571 1 1 0.875 0.875 1 0.8 0.5 1
1 1 0.75 1 1 0. 857 1 0.75 0.875 0.875 1
0.714 1 1 1 1 0.714 0.8 0.5 1 1
[0.857 1 0.75 0.875 1 ] 0.571 1 1 0.875 0.875
1 1 0.75 1 1
2) Menghitung skor setiap alternatif untuk 0.714 1 1 1 1
mencari alternatif terbaik menggunakan [0.857 1 0.75 0.875 1 ]
persamaan [6] : 3) Menghitung Nilai Q i atarelatif dari
V1 alternative menggunakan persamaan
=(0.3)(0.571)+(0.2)(1)+(0.15)(0.75)+(0. [10] :
2)(1)+(0.15)(0.875)= 0.8150 Q1=
V2 (0,5) ∑(0.571 ∗0.3)(1*0.2)(0.75*0.15)(1*0.2)(0.875*0.15)
=(0.3)(1)+(0.2)(0.6)+(0.15)(0.5)+(0.2)(0 (0,5)∑(0.1713 + 0.2 + 0.1125 + 0.2 + 0.1312)
.875)+(0.15)(1)= 0.82 0,5 * 0.815 =0.4076
V3 dsb.... (0,5)∏ (0.571)0.3*(1)0.2*(0.75)0.15*(1)0.2*(0.875)0.15
(0,5) ∏ (0.8452*1*0.958*1*0.9801)
V10 0,5 * 0.7937 = 0.3968
0.4076+0.3968=0.8044
3) Hasil perangkingan dari yang tertinggi
hingga yang terendah metode SAW Q2=
(0,5)∑(0.714 ∗0.3)(1*0.2)(0.5*0.15)(1*0.2)(0.875*0.15)
Tabel 10. Tabel Perangkingan (0,5)∑(0.2142 + 0.2 + 0.075 + 0.2 +
SAW 0.1312)
0,5 * 0.8204 = 0.4102
Alternatif Hasil
V8 0.965 (0,5) (0.714)0.3*(1)0.2*(0.5)0.15*(1)0.2*(0.87
V9 0.914 5)0.15
V3 0.903 (0,5) ∏ (0.9038*1*0.9012*1*0.9801)
V10 0.893 0,5 * 0.7984 = 0.3992
V4 0.885 0.4102+0.3992 = 0.8094
V5 0.875
V7 0.827 Q3 dsb.... Q10
V2 0.820
V1 0.815 4) Hasil perangkingan dari yang tertinggi hingga
V6 0.799 yang terendah metode WASPAS

3.6 Perhitungan Metode Weight Aggregated

Sum Product Assesment (WASPAS)
Proses perhitungan menggunakan langkah-
langkah metode WASPAS yang telah dijelaskan
diatas :
 Tabel 10. Perangkingan perhitungan yang lebih sederhana dari
WASPAS pada metode WP seperti penelitian
Alternatif Hasil yang dilakukan [10] dengan hasil nilai
V8 0.9601 eksekusi metode metode SAW sebesar
0.4106 detik sedangankan untuk waktu
V9 0.9091 eksekusi metode WP sebesar 0.92
V3 0.9008 detik.
V10 0.8925 Metode WASPAS, merupakan
V5 0.8743 gabungan untuk mendapatkan
V4 0.8735 optimalitas berdasarkan kriteria dengan
menggunakan metode WSM dan
V7 0.8173
metode WPM. Dari penelitian yang
V2 0.8095
dilakukan oleh [11] telah diamati
V1 0.8044
bahwa metode WSM dan WPM
V6 0.7892
menghasilkan hasil peringkat yang
berbeda. Dengan demikian metodologi
3.7 Komparasi Metode WP, SAW, dan WASPAS untuk evalusi akurasi yang berdasarkan
Perbandingan metode WP, SAW dan WASPAS dari pada nilai kriteria awal dikembangkan
hasil analisa perhtungan seperti ditampilakan pada tabel dengan menerapkan gabungan dari
berikut : metode WSM dan WPM yaitu metode
WASPAS untuk meningkatkan akurasi
Tabel 11. Komparasi Metode WP, estimasi yang menerapkan WSM,
SAW, WASPAS WPM dan WASPAS untuk evaluasi.
Rangking WP SAW WASPAS
1 V8=0.1118 V8=0.965 V8=0.9601
Diperkirakan akurasi menerapkan
metode WASPAS meningkat hingga
2 V9=0.1055 V9=0.914 V9=0.9091
3 V3=0.1048 V3=0.903 V3=0.9008 1,3 kali dibandingakan untuk WPM
4 V10=0.1039 V10=0.893 V10=0.8925
dan hingga 1,6 kali dibandingan WSM.
Metode WASPAS diusulkan untuk
5 V5=0.1019 V4=0.885 V5=0.8743
optimasi tertimbang dengan fungsi
6 V4=0.1006 V5=0.875 V4=0.8735
agregat yang memungkinkan untuk
7 V7=0.0942 V7=0.827 V7=0.8173 dijangkau akurasi estimasi tertinggi.
8 V2=0.0932 V3=0.820 V2=0.8095
9 V1=0.0926 V1=0.815 V1=0.8044
10 V6=0.0909 V6=0.799 V6=0.7892 Referensi
4. Kesimpulan Agus, N. A. F. (2017). Penerapan
Sistem Pendukung Keputusan Penentuan Metode Weighted Product dan
Penerima Beasiswa PMDK dibuat dengan Analitic Hierachy Process Untuk
menggunakan analisa perhitungan metode SAW Pemilihan Koperasi Berprestasi.
dikarenakan hasil dari analisa perhitungan metode Nur Aini; Fahrul Agus, Volume 9
SAW memperoleh nilai preperensi tertinggi dengan No.2.
nilai Vektor atau V8=0.965 dari metode WP dengan Ali. (n.d.). Kamus Lengkap Bahasa
nilai V8=0.1118 dan metode WASPAS dengan hasil Indonesia Moderen. Pustaka
nilai Total kepentingan Alternatif atau Q8=0.9601 Amani Jakarta.
yang dapat dilihat pada tabel hasil perangkingan
5.3 diatas. Perolehan hasil analisa yang sama Mude, M. A. (2016). Perbandingan
dilakukan oleh peneliti terdahulu [9] yang melakukan Metode Saw Dan Topsis Pada
perhitungan dengan pengujian data menggunakan Kasus Umkm. Jurnal Ilmiah
metode SAW dan metode WP dengan hasil ILKOM, 8(2), 76–81.
perangkingan tertinggi diperoleh dari metode SAW Aripin, S., Pramadi, A. A., Syahputra,
dengan nilai 0.79965 dengan metode WP nilai M., & Silitonga, A. M. (2018).
tertinggi 0.18434. Sementara dari waktu eksekusi Sistem Pendukung Keputusan
metode SAW membutuhkan waktu eksekusi lebih Pemilihan Bibit Mangga
cepat dari pada metode WP dikarenakan metode Terunggul Menerapkan Metode
SAW memiliki proses SAW dan WASPAS. Paper
presented at the Seminar Nasional
Sains dan Teknologi Informasi
(SENSASI).
A. S., Rosa dan M.Shalahudin (2018).
Rekayasa Perangkat Lunak
 Terstuktur dan Berorientasi
Objek.
Barus, S., V. M. Sitorus, D.
Napitupulu, M. Mesran and S.
Supiyandi (2018). "Sistem
Pendukung Keputusan
Pengangkatan Guru Tetap
Menerapkan Metode Weight Aggregated Sum
Product Assesment (WASPAS)." MEDIA
INFORMATIKA BUDIDARMA 2.
Hamberto, A., Katili, P. B., & Ummi, N. (2013).
Pemilihan Supplier Material Berdasarkan Multi
Attribute Decision Making (MADM)
Menggunakan Metode SAW, WP dan TOPSIS.
Hamberto, Arlius, 1(3).

Junaidi, A., & Visella, F. (2017). Pemilihan

Penerima Beasiswa Menggunakan Metode
Profile Matching. Paradigma, 19(2).
Melia, Y (2016), Multi Attribute Decision
Making Using Simple Additive Weighting and
Weighted Product in Inverstment. Internasional
Academic Journal Of Business Management 3.
Setyawan, A., Arini, F.Y., & Akhlis, I. (2017).
Comparative Analysis Of Simple Additive
Weighting Method and Weighted Product
Method to New Employee Recruitment Decision
Support System (DSS) at PT. Warta Media
Nusantara. Scirntific Journal of Informatics, 4,
40-41.
Targiono, U. L. M. (2017). Sistem Pendukung
Keputusan Klasifikasi Keluarga Miskin
Menggunakan Metode SAW sebagai Acuan
Penerima Bantuan Dana Pemerintah. Uning
Lestari; Muhammad Targiono, 8 No 1

Zavadskas, E.K., Turskis, Z.,

Antucheviciene, J., Zakarevicius, A. (2012),
Optimization of Weighted Aggregated Sum
Product Assessment. Elektronika ir
Elektrotechnika (6