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.
 Jurnal Pelita Informatika, Volume 16, Nomor 3, Juli 2017
ISSN 2301-9425 (Media Cetak)
Hal: 298-301

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
preferensi untuk setiap kriteria dengan mernusatkan F5 = Kriteria Loyal A3 = Karyawan ke 3
pada nilai (value), tanpa memikirkan tentang metode F6 = Kriteria Tanggung Jawab A4 = Karyawan ke 4
perhitungannya. Pada fase pertama, nilai hubungan Pada proses pemilihan peserta secara manual,
outranking berdasarkan pertimbangan dominasi koordinator seleksi akan membandingkan
masing-masing kriteria. Indeks preferensi ditentukan berdasarkan jumlah hasil test terlebih dahulu
dan nilai outranking secara grafis disajikan apabila masih sama kemudian akan
berdasarkan preferensi dan pengambil keputusan. membandingkan dengan nilai pada kriteria Jujur
(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
untuk Pemilihan Karyawan terbaik ini didukung basis A3 2
data dimana hasil yang diperoleh dapat memudahkan A4 1
dalam pencarian data karyawan yang ingin 3. Perangkingan Peserta Dengan Sistem
dipromosikan untuk mendapatkan kenaikan pangkat, a. Saat admin menginputkan data karyawan yang
subsidi Haji ataupun balas jasanya dinaikkan. Dalam telah mengikuti test maka otomatis akan
hal ini terdapat beberapa tahapan yang harus dilalui terdaftar sebagai alternatif.
yaitu : b. Sistem akan membaca data kriteria yang akan
1. Perhitungan Bobot Secara Manual digunakan sebagai test.
Tabel 1. Bobot Kriteria c. Sistem akan membaca data test dari setiap
No Kriteria Bobot karyawan.
1 Jujur 0,354 d. Sistem menghitung selisih nilai test yang telah
2 Penampilan 0,172 dikalikan dengan bobot nya dari masing-
3 Kepribadian 0,172 masing karyawan dengan rumus :
4 Kehadiran 0,067 d = f (ai) – f (aj)
5 Loyalitas 0,067 dimana :
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
Kriteria A1 A2 A3 A4 Preferensi
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
F2(.) 7 11 9 10 F3 (0,172) 1,72 1,376 1,892 1,72 Quasi q = 0,172
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 -
F4(.) 8 7 6 9 F6 (0,067) 0,536 0,603 0,402 0,536 Biasa -
F5(.) 8 6 8 8 F7 (0,067) 0,469 0,603 0,402 0,536 Biasa -
F8 (0,028) 0 0,028 0 0,028 Biasa -
 Jurnal Pelita Informatika, Volume 16, Nomor 3, Juli 2017
ISSN 2301-9425 (Media Cetak)
Hal: 298-301


4. Proses Perhitungan Preferensi Untuk Tiap Peserta Net Flow Rangking

Kriteria. A4 0,292 1
Berikut adalah perhitungan indeks preferensi Berdasarkan proses perhitungan diatas nilai net
multikriteria untuk contoh kasus 4 karyawan diatas : flow dijadikan acuan untuk menentukan

a , a    P a a ;  a , a  
k peringkatnya dan didapat hasil peringkat pertama
diduduki oleh A4
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 suatu program, dari form login ini maka akan
b. Φ (A1,A3) = ( 0 + 0 + 0 + 1 + 0 + 1 + 1 + 0 ) / 8 = 0,375
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 ini :
Φ (A4,A1) = ( 0 + 1 + 0 + 1 + 0 + 0 + 1 + 1 ) / 8 = 0,5
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 :

a x  x  
1
  a 
n 1
1 1,

b. Entering flow :

a x  x  
1
 a 


n 1
1 1,

c. Net flow :
a    (a )    (a )
1 1 1 Gambar 2 Menu Utama
Tabel 5. Promethee Rangking
A1 A2 A3 A4 Φ+ Φ- Φ
C. Form Input Karyawan
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 Form ini digunakan untuk melakukan proses
A3 0,160 0,339 0 0,125 0,208 0,5 - 0,292 pemilihan pemasukan data karyawan, seperti
A4 0,5 0,375 0,5 0 0,458 0,166 0,292
terlihat pada gambar dibawah ini :
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
A3 - 0,292 4 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 past i bagaimana keputusan seharusnya dibuat. [2]
 1. Pecah sebuah keputusan ke dalam dimensi yang
DSS lebih ditujukan untuk mendukung manajemen berbeda
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.
dirumuskan sebagai berikut :

III. METODOLOGI PENELITIAN

Penulis memilih menggunakan model

pengembangan sistem waterfall untuk membangun sistem
Dimana vi(x) merupakan nilai evaluasi dari sebuah pendukung keputusan dalam menentukan penerima kredit
objek ke i dan wi merupakan bobot yang menentukan nilai menggunakan metode MAUT. Waterfall (berarti air terjun)
dari seberapa penting elemen ke i terhadap elemen lainnya. karena memang diagram tahapan prosesnya mirip dengan air
Sedangkan n merupakan jumlah elemen. Total dari bobot terjun yang bertingkat dan kelebihannya adalah
adalah 1. pengaplikasian dalam pengembangan software mudah,
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
pihak yang kompeten dan yang berpengalaman dalam hal
penentuan pemberian kelayakan kredit sepeda motor yaitu
Keterangan : bagian Credit Analyst serta melakukan observasi,
V(x) = nilai evaluasi wawancara dari sumber- sumber yang dapat dipercaya untuk
n = Jumlah elemen/kriteria mendapatkan informasi mengenai detail dari sistem
i = Total bobot adalah 1 pendukung keputusan dan kelayakan pemberian kredit
Ai = himpunan semua atribut yang sesuai dengan kriteria yang ada.
relevan Vai (l (a)) = evaluasi dari tingkat aktual
Wai = bobot yang menentukan dampak Kriteria-kriteria yang telah ditetapkan oleh pihak perusahaan
dari evaluasi atribut pada dimensi adalah :
vi = nilai keseluruhan dari alternatif pilihan
suatu kriteria C1 = Pendidikan : keterangan yang berisi tentang informasi
a = kriteria pendidikan calon nasabah
C2 = Tempat Tinggal : keterangan yang berisi tentang
informasi data-data tempat tinggal nasabah dilihat
Secara ringkas langkah-langkah dalam metode dari keterangan \ kepemilikan rumah apakah milik
MAUT adalah sebagai berikut : sendiri, kontrak/kos, milik orang tua, instansi atau
angsuran KPR
C3 = Kualitas Bangunan : keterangan yang berisi tentang i
 Informasi keadaan bangunan rumah nasabah apakah Tempat tinggal 35
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

A. Metode Pengembangan Sistem Konfigurasi nilai kriteria

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

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 :

Tabel 1. Pemberian bobot kriteria

Nama kriteria Bobot
Pendidikan 15
 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

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
3. Construction Kriteria, Nilai bobot, penilaian hasil survei dan hasil maut.
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).
 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
SISITEM PENUNJANG KEPUTUSAN analyst bisa mengubah dan menghapus data nilai bobot.
PENERIMA KEREDIT Tampilan Halaman Nilai Bobot dapat diitah pada Gambar.4
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

Gambar 2 Halaman Alternatif
c. Kriteria
Gambar.3 adalah tampilan Halaman Kriteria yang
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.
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
analyst dapat melihat dan mencetak hasil penentuan penerima
kredit pada PT. XYZ sehingga manager dapat melihat dan
memberikan suatu keputusan dalam menentukan penerima
kredit yang baik dan tepat. Gambar.5 dapat dilihat dibawah
ini :
PT XYZ

PT XYZ

Gambar 5 Halaman Hasil Maut

Gambar 3 Halaman Kriteria

 V. KESIMPULAN Metode Analytical Hierarchy Process (AHP)
dan Multi- Attribute Utility Theory
1. Kesimpulan (MAUT),,(Studi Kasus pada PT. Ginsa Inti
Berikut ini adalah simpulan dari penelitian yang telah di Pratama)”,Universitas Indonesia.
lakukan oleh penulis.
[6] Fitho, Galandi, (2016). Metode Waterfall :
1. Dengan adanya aplikasi Sistem Pendukung keputusan Definisi, Tahapan, Kelebihan dan Kekurangan
dalam menentukan penerima kredit pada PT. XYZ ”, diakses 02 januari 2018,
menggunakan metode Multi Attribute Utility Theory http://www.pengetahuandanteknologi.com/2016
(MAUT), maka Manager PT. XYZ dapat lebih objektif /09/metode-waterfall definisi-tahapan.html
dalam penilaian penentuan penerima kredit, sehingga
dapat meminimalisir adanya resiko kredit macet pada
perusahaan.
2. Metode MAUT menggunakan skala antara 0 sampai 1,
sehingga mempermudah penilaian dalam menentukan
penerima kredit pada PT. XYZ dan perbandingan nilai
pada masing-masing alternnatif.

A. Saran
Dalam perancangan dan pembangunan sistem
pendukung keputusan ini, Diharapkan aplikasi ini dapat
agar:
1. Terus dijalankan oleh perusahaan agar bagian surveyor
dan credit analyst lebihmudah melakukan penilaian
dalam menentukan penerima kredit yang baik dan
cepat, dengan adanya system pendukung keputusan
ini juga bisa membantu manager dalam
menentukan penerima kredit dengan lebih tepat.

2. Diharapkan aplikasi ini agar dapat

dilakukanpemeliharaan serta dikembangkan
sehingga mengurangi tingkat kesalahan dan
penyempurnaan kembali agar dapat berjalan
secara maksimal, bila perlu dibuat sistem
keamanan agar tidak disalah gunakan oleh
pihak yang tidak bertanggung jawab.

DAFTAR PUSTAKA

[1] Kusrini, (2007), Konsep dan Aplikasi Sistem

Pendukung Keputusan, Yogyakarta : Andi.
[2] Resa Ari siswo, Ulya anisatur rosyidah, (2017).
Sistem Pendukung Keputusan Untuk
Penerimaan Karyawan PT Pln Jember
Menggunakan Metode Multi Attribute
Utility Theory (Maut), (Studi kasus pada PT
PLN Jember).
[3] Kusrini, (2007), Konsep dan Aplikasi Sistem
Pendukung Keputusan, Yogyakarta : Andi.
[4] Schaefer, 2012, Multi Attribute Utility Theory,
diakses pada 04 desember 2017,
darihttp://digilib.tes.telkomuniversity.ac.id/meto
de-multiattribute-utility- theory-maut.
[5] M Gusdha, Eka Andrita, dkk, (2010).“Sistem
Promosi Jabatan Karyawan dengan
 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 I. PENDAHULUAN

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.
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
 dapat mengubah, menghapus, ataupun memilih tahun data
nilai. Gambar tampilan antarmuka halaman data nilai dapat
dilihat pada Gambar 4.11.

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. 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. 9 Antarmuka Halaman Data Alternatif

D. Antarmuka Halaman Data Kriteria Gambar. 12 Antarmuka Halaman Data Hasil

Pada tampilan antarmuka halaman data kriteria, user dapat
melihat data kriteria yang tersimpan dari database, dan user G. Hasil Pengujian Black Box
dapat menambah, mengubah, menghapus, mencari, ataupun
memilih tahun data kriteria. Gambar tampilan antarmuka Pengujian black box dilakukan dengan cara menjalankan
halaman data kriteria dapat dilihat pada Gambar 10. 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.
Gambar. 10 Antarmuka Halaman Data Kriteria
Fungsi Username atau
Username Salah Tidak Berhasil
Login Password salah
E. Antarmuka Halaman Data Nilai Username atau
Password Salah Tidak Berhasil
Password salah
Pada tampilan antarmuka halaman data nilai, user dapat Username dan
melihat data nilai yang tersimpan dari database, dan user 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
Mahasiswa STIKOM Tunas Bangsa, Pematangsiantar Sumatera Utara 2,3,4Dosen
STIKOM Tunas Bangsa, Pematangsiantar Sumatera Utara
1,2,3
Jln. Jenderal Sudirman blok A. No. 1/2/3 Pematangsiantar
e-mail: *sitisundari@gmail.com , 2anjarwanto@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 e kl = 1 maka alternatif Ak
merupakan alternatif yang lebih baik daripada A1. 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 e kl = 4. Dari hasil perhitungan di atas dosen dengan nama
Dedy Hartama, Agus Perdana Windarto dan Solikhun mempunyai nilai ekl = 1 dengan jumlah yang sama.
Maka pemilihan dosen berprestasi diambil dari nilai ekl = 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
NS : Jumlah total nilai secondary factor
IS : Jumlah item secondary factor
Gambar 1. Prosedur penelitian internal
Selanjutnya perhitungan nilai total berdasar nilai dari
core dan secondary factor yang digunakan sebagai Tabel
No 2. Kriteria penilaian proposal
Kriteria
Skor
(Max)
kriteria penilaian yang berpengaruh terhadap kelulusan
1 Abstrak (ringkasan penelitian) 50
proposal penelitian. Perhitungan dapat dilakukan 2 Pendahuluan (latarbelakang, rumusan
menggunakan persamaan (4). masalah, tujuan penelitian, manfaat 100
penelitian dan luaran yang dihasilkan)
(4)
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 Total 400
NT : Nilai total kriteria penilaian 3. Metode Penelitian
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:
N1, N2, Nn : Nilai total per kriteria
(x)% : Persentase nilai kriteria
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 Gambar 2. Teknik waterfall (Pressman,2010)
mengacu capaian yang telah ditetapkan lembaga
Data yang digunakan dalam penelitian ini meliputi data
penelitian dan pengabdian maysarakat (LPPM) STMIK
primer dan data sekunder. Metode yang digunakan
El Rahma. Capaian yang akan dituju dituangkan dalam
dalam pengumpulan data menggunakan tiga cara yaitu
rencana induk penelitian (RIP). Sedangkan prosedur
dokumentasi, wawancara (interview) dan observasi.
pengajuan dan penilaian setiap proposal yang masuk
ditetapkan dalam standar operasional prosedure (SOP) 4. Implementasi dan Pembahasan
penelitian sebagaimana disajikan pada Gambar 1. Implementasi sistem sendukung keputusan penerimaan
Penilaian yang menjadi rujukan reviewer dalam proposal usulan penelitian internal dosen STMIK El
menilai/seleksi proposal yang diajukan berdasarkan Rahma ditentukan dalam beberapa tahap.
beberapa kriteria, sebagaimana disajikan pada Tabel 2.
Proposal dinyatakan lulus dan didanai apabila
mencapai skor ≥ 250 point.
4.1 Menentukan nilai bobot kriteria Nilai Range Skor
Penentuan bobot kriteria digunakan untuk menenetukan Hak peten > 13-20 3
tingkat kepentingan suatu kriteria. Pembobotan kriteria Publikasi internasional >7-13 2
di sajikan pada Tabel 3. Publikasi nasional 0-7 1
Tabel 3. Bobot kriteria
Tabel 10. Penilaian kriteria NT
No Kriteria Bobot (%)
1 Abstrak (NA) 12.5 Nilai Range Skor
2 Pendahuluan (NP) 25 Luas dan update >75-100 4
3 Tinjauan pustaka (NT) 25 Luas >50-75 3
4 Metode penelitian (NM) 25 Kurang luas >25-50 2
Anggaran dan jadwal penelitian (NJ) Sempit 0-25 1
5 12.5

Total 100 Tabel 11. Penilaian kriteria NM

4.2 Penilaian kriteria dan sub kriteria Nilai Range Skor
Setiap kriteria dan sub kriteria akan digunakan untuk Sangat jelas >75-100 4
melakukan perhitungan gap. berdasarkan lima kriteria Jelas >50-75 3
yang digunakan, terdapat satu penilaian yang memiliki Kurang jelas >25-50 2
sub kriteria yaitu kriteria pendahuluan. Skor masing- Tidak jelas 0-25 1
masing kriteria dan sub kriteria disajikan pada Tabel
Tabel 11. Penilaian kriteria NJ
4,5,6,7,8,9,10,11 dan Tabel 12.
Nilai Range Skor
Tabel 4. Penilaian kriteria NA
Realistis >30-50 50
Nilai Range Skor
Kurang realistis >15-30 30
Sangat baik >37-50 4
Tidak realistis 0-15 15
Baik >25-37 3
Cukup >12-35 2
1.1 Perhitungan gap dan pembobotan kriteria
Kurang baik 0-12 1
Perhitungan nilai gap dilakukan menggunakan
Kriteria pendahuluan dibagi menjadi sub kriteria core persamaan (1) sehingga diperoleh bobot masing-
factor dan secondary faktor. Sub kriteria yang masing kriteria berdasarkan Tabel 1. Untuk perhitngan
termasuk core factor adalah latarbelakang masalah core factor dan secondary factor menggunakan
(LB), rumusan masalah (RM) dan tujuan penelitiaan persamaan (2) dan persamaan (3). Contoh perhitngan
(TP). Sedangkan yang termasuk dalam secondary nilai gap dan pembobotan kriteria disajikan pada Tabel
factor adalah manfaat penelitian (MP) dan luaran yang 12,13,14,15 dan Tabel 16.
dihasilkan (LP). Tabel 12. Gap dan bobot NA
Tabel 5. Penilaian sub kriteria LB No ID_Prop Skor
Nilai
Proposal
Nilai Range Skor Nilai Proposal
Sangat jelas > 13-20 3
1 PR001 3
Jelas >7-13 2
2 PR002 2
Tidak jelas 0-7 1 3 PR003 4
Tabel 6. Penilaian sub kriteria RM 4 PR004 2
Nilai Range Skor 5 PR005 1
Profil Ideal 4
Baik > 13-20 3
Cukup baik >7-13 2 Nilai GAP Bobot
1 PR001 -1 4
Tidak baik 0-7 1
2 PR002 -2 3
Tabel 7. Penilaian sub kriteria TP 3 PR003 0 5
Nilai Range Skor 4 PR004 -2 3
Realistis > 13-20 3 5 PR005 -3 2
Kurang realistis >7-13 2 Tabel 14. Gap dan bobot NT
Tidak realistis 0-7 1
Nilai
Tabel 8. Penilaian sub kriteria MP No ID_Prop Skor
Proposal
Nilai Range Skor Nilai Proposal
Baik > 13-20 3 1 PR001 3
Kurang baik >7-13 2 2 PR002 2
Tidak baik 0-7 1 3 PR003 2
4 PR004 2
Tabel 9. Penilaian sub kriteria LP 5 PR005 1
Profil Ideal 3
 Nilai GAP Bobot
1 PR001 0 5
2 PR002 -1 4
3 PR003 -1 4
4 PR004 -1 4
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
pendukung keputusan yang dikembangkan
dalam penelitian ini dapat dilihat pada Gambar
3 (tampilan form Perhitungan GAP dan bobot)
dan Gambar 4 (tampilan form Perhitungan
nilai total dan rangking).
Gambar 3. Perhitungan GAP dan bobot
Gambar 4. Perhitungan nilai total dan
rangking
5.1 Kesimpulan
Berdasarkan penelitian yang telah dilakukan
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
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.
[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
PEMILIHAN KARYAWAN BARU DENGAN METODE AHP (ANALYTIC HIERARCHY PROCESS)

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 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 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.
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.
Gambar 5. Tampilan Form Perbandingan
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
nilai penjumlahan tiap baris.
Gambar 6. Tampilan Form Prioritas Kriteria
Setelah didapatkan nilai prioritas
maka
berikutnya dibagian bawah tampilan prioritas
kriteria terdapat tampilan untuk nilai penjumlahan
tiap baris, dapat dilihat pada gambar 7.
Gambar 7. Tampilan Form Matriks
Penjumlahan 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 8.
 Terdapat 4 aksioma-aksioma yang terkandung B. Use Case Diagram
dalam model AHP (Saaty, 2001) : Perancangan use case diagram merupakan tahap
1. Reciprocal Comparison artinya pengambilan awal dan utama dalam proses pengembangan sistem,
keputusan harus dapat memuat perbandingan dimana dalam tahapan ini dijelaskan dan didefinisikan
dan menyatakan preferensinya. Prefesensi fungsi-fungsi serta fitur-fitur apa saja yang dapat
tersebut harus memenuhi syarat resiprokal disediakan oleh sistem. Pada Use case diagram
yaitu apabila A lebih disukai daripada B mempunyai aktor, yaitu admin, yang memiliki
beberapa cabang aktivitas yang dilakukan setelah
dengan skala x, maka B lebih disukai daripada
melakukan aktivitas login seperti olah jenis pekerjaan,
A dengan skala 1/x. olah data pelamar, mengolah kriteria, penilaian
2. Homogenity artinya prefernsi seseorang harus pelamar, hasil pelamar serta pelaporan bisa dilihat
dapat dinyatakan dalam skala terbatas atau melalui use case diagram berikut. Lihat gambar 1.
dengan kata lain elemen-elemennya dapat
dibandingkan satu sama lainnya. Kalau
aksioma ini tidak dipenuhi maka elemen-
elemen yang dibandingkan tersebut tidak
homogen dan harus dibentuk cluster (kelompok
elemen) yang baru.
3. Independence artinya prefernsi dinyatakan
dengan mengasumsikan bahwa kriteria tidak
dipengaruhi 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 Gambar 1. Use Case diagram sistem
dianggap tidak lengkap. Pada gambar 1 terlihat bahwa terdapat masing-
masing use case dimana ditunjukan untuk admin.
3. HASIL DAN Disini admin berfungsi untuk me-manage data seperti
menambah, menghapus, dan mengubah data, mengisi
PEMBAHASAN bobot dari setiap kriteria, melihat data dari sistem
Sistem Pemilihan Pemilihan Karyawan Baru sesuai dengan kriteria yang dimasukkan, mengolah
dengan Metode Analytical Hierarchy Process jenis pekerjaan, olah data pelamar, olah kriteria
memiliki beberapa tahapan proses untuk mendapatkan pelamar, penilaian, hasil dan laporan hasil pelamar.
hasil rekomendasi alternatif terbaik karyawan baru.
Tahapan pertama admin menentukan jenis pekerjaan
apa yang akan diperhitungkan dan nantinya nama C. Implementasi Sistem
pelamar akan ditampilkan sesuai dengan jenis Berdasarkan hasil analisis dan perancangan sistem
pekerjaan yang dipilih, selanjutnya admin dapat yang telah dilakukan, maka dilakukan implementasi
mengisikan penilaian dari masing- masing kriteria sistem penerapan metode analytic hierarchy process
yaitu ijazah, pengalaman kerja, rekomendasi, dalam pemilihan karyawan baru dengan
wawancara, penampilan, keadaan fisik, tulisan menggunakan bahasa pemrograman PHP. Saat admin
tangan. Kemudian dilanjutkan dengan proses sistem mengakses halaman admin, maka secara otomatis
perhitungan menggunakan metode Analytical admin akan diarahkan ke halaman login, yang berarti
Hierarchy Process agar memberikan output berupa admin harus melakukan login terlebih dahulu untuk
perangkingan karyawan baru terbaik. dapat masuk ke halaman admin.
Sistem ini akan memberikan rekomendasi untuk
memilih karyawan baru yang nantinya akan menjadi
pertimbangan admin serta menjadi salah satu
alternatif dalam memilih karyawan baru yang akan
membantu admin untuk memutuskan pelamar mana
yang tepat untuk dijadikan karyawan baru.
Perancangan sistem pendukung keputusan (SPK) ini
menggunakan UML (Unified Modelling Language).
Komponen-komponen yang digunakan untuk
merancang sistem ini menggunakan use case diagram.
 dengan mengklik tombol hitung nilai maka secara
otomatis data-data yang telah diinputkan seperti
berikut.

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 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 Gambar 10. Tampilan Form Proses - AHP
nilai kriteria. Tampilan halaman input data nilai
Setelah mendapatkan hasil dari proses
kriteria dapat dilihat pada gambar 9.
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 terendah. Tampilan form hasil
penilaian dapat dilihat pada gambar 10 .

Gambar 11. Hasil Penilaian

Gambar 9. Tampilan Form Input Data Nilai Kriteria 4. KESIMPULAN

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
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
 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
Melihat perkembangan dunia usaha yang sedemikian
cepatnya mengakibatkan perusahaan berlomba-lomba
menjadi yang terbaik untuk memenuhi permintaan pasar
global. Megah Gracindo Jaya adalah sebuah toko penyedia
bahan-bahan bangunan berskala kecil menengah.
Beragamnya permintaan akan bahan-bahan bangunan dari
konsumen menyebabkan Megah Gracindo Jaya harus selalu
menyediakan dan memberikan pelayanan yang terbaik bagi
para konsumennya. Dalam usaha menenangkan persaingan
dimata para konsumen Megah Gracindo Jaya menggunakan
berbagai cara diantaranya meningkatkan kepuasan
pelanggan melalui produk berkualitas, ketepatan waktu
pengiriman dan efisiensi biaya.
Pemilihan supplier merupakan salah satu hal yang
penting dalam aktivitas pembelian bagi perusahaan, karena
pemilihan supplier ini sangat berpengaruh pada harga jual,
kualitas dan ketersediaan suatu produk. Oleh karena itu,
setiap perusahaan perlu menilai supplier secara cermat dan
tepat. 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
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 harus melakukan pemilihan supplier
yang handal sesuai dengan kriteria yang
dibutuhkann oleh perusahaan. Hal mendasari penelitian
ini adalah untuk membantu Megah Gracindo Jaya dalam
membuat sebuah keputusan dalam usaha untuk supplier-
supplier yang dapat menguntungkan dan memberikan
pelayanan jangka panjang terhadap Megah Gracindo Jaya
itu sendiri.
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.
Metode ini memiliki tingkat selektifitas yang baik dalam
menentukan suatu alternatif. Pendekatan yang dilakukan
MOORA didefinisikan sebagai suatu proses secara
bersamaan guna mengoptimalkan dua atau lebih yang
saling bertentangan pada beberapa kendala [1].
Diharapkan dari penelitian ini dapat memberikan sebuah
cara pemilihan yang ideal kepada toko Megah Gracindo
Jaya dalam memilih supplier-supplier yang akan menjadi
mitra dagang.
II. TINJAUAN PUSTAKA
A. Sistem Pendukung Keputusan
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 [2]. SPK merupakan
penggabungan sumber–sumber kecerdasan individu dengan
kemampuan komponen untuk memperbaiki kualitas
keputusan [3].
 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
𝑋11 𝑋12 𝑋1𝑛
𝑥𝑖𝑗 = 𝑋21. 𝑋22 𝑋2𝑛
𝑋𝑚1 . .
𝑋𝑚2 𝑋𝑚𝑛
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 yj
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 :
 TABEL I A2 5 4 4 4 5
PENDEFINISIAN KRITERIA
Kriterian Keteragan Nilai Jenis A3 5 5 4 5 5
Bobot
C1 Harga 25% Benefit A4 3 3 5 4 4

C2 Kualiatas 25% Benefit A5 5 5 4 3 4

C3 Pelayanan 15% Benefit

Berdasarkan data di atas dapat diperoleh matriks keputusan
dalam tabel berikut :
C4 Ketepatan Pengiriman 20% Benefit
TABEL IV
C5 Ketepatan Jumlah 15% Benefit MATRIKS KEPUTUSAN
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 :
sesuai dengan kualitas = 5 5 5 4 3 4
cukup sesuai =4
Kurang sesuai =3
Tidak sesuai =2 C1 :
Penilaian pada setiap kriteria tentunya berdasarkan : 10,000
kepuasan daripada toko Megah Gracindo Jaya. A11 : 4/10,000
Data Penilaian Alternati berdasarkan kriteria di atas dapat : 0,4000
dilihat pada tabel berikut : A21 : 5/10,000
: 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
A31 : 0,15 x 0,4041 = 0,0606
C4 : A41 : 0,15 x 0,5051 = 0,0758
: 9,0554 A51 : 0,15 x 0,4041 = 0,0606
A11 : 4/9,0554
: 0,4417 C4 = A11 : 0,20 x 0,4417 = 0,0883
A21 : 4/9,0554 A21 : 0,20 x 0,4417 = 0,0883
: 0,4417 A31 : 0,20 x 0,5522 = 0,1104
A31 : 5/9,0554 A41 : 0,20 x 0,4417 = 0,0883
: 0,5522 A51 : 0,20 x 0,3313 = 0,0663
A41 : 4/9,0554
: 0,4417 C5 = A11 : 0,15 x 0,4834 = 0,0725
A51 : 3/9,0554 A21 : 0,15 x 0,4834 = 0,0725
: 0,3313 A31 : 0,15 x 0,4834 = 0,0725
A41 : 0,15 x 0,3867 = 0,0580
A51 : 0,15 x 0,3867 = 0,0580
C5 :
: 10,344
A11 : 4/10,344 Maka hasilnya dapat dilihat pada matriks di bawah ini :
: 0,4417
A21 : 4/10,344 TABEL VI
: 0,4417 HASIL MATRIKS TERNORMALISASI TERBOBOT
A31 : 5/10,344 0,1000 0,1048 0,0758 0,0883 0,0725
: 0,5522
A41 : 4/10,344 0,1250 0,1048 0,0606 0,0883 0,0725
: 0,4417 0,1250 0,1310 0,0606 0,1140 0,0725
A51 : 3/10,344
: 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 Selanjutnya pencarian nilai Yi seperti berikut :
0,4000 0,4193 0,5051 0,4417 0,4834
TABEL VII
0,5000 0,4193 0,4041 0,4417 0,4834 PENCARIAN NILAI Yi
0,5000 0,5241 0,4041 0,5522 0,4834 Alternatif Max (C1+C2+C3+ C4+C5) Min Yi =
(0) Max –
0,3000 0,3145 0,5051 0,4417 0,3867 Min
0,5000 0,5241 0,4041 0,3313 0,3867 A1 (0,1000+0,1048+0,0758+ 0 0.4414
0,0883+0,0725)
Selanjutnya menghitung matriks ternormalisasi terbobot : A2 (0,1250+0,1048+0,0606+ 0 0,4512
0,0883+0,0725)
C1 = A11 : 0,25 x 0,4000 = 0,1000 A3 (0,1250+0,1310+0,0606+ 0 0,5031
A21 : 0,25 x 0,5000 = 0,1250 0,1140+0,0725)
A31 : 0,25 x 0,5000 = 0,1250 A4 (0,0750+0,0786+0,0758+ 0 0,3757
A41 : 0,25 x 0,3000 = 0,0750 0,0883+0,0580)
A51 : 0,25 x 0,5000 = 0,1250 A5 (0,1250+0,1310+0,0606+ 0 0,4409
C2 = A11 : 0,25 x 0,4193 = 0,1048 0,0663+0,0580)

Adapun hasil perangkingan seperti berikut :

TAB
EL VIII
 PERAN
GKING
AN
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 terkomputerisasi. Proses seleksi yang dilakukan

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
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 berdasarkan fakta dan data yang ada (Sugiyono,
wawancara, melakukan perhitungan hasil 2013).
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 Gambar 1. Model Penelitian
metode Simple Additive Weighting (SAW) dan
metode Technique for Order Preference by 2.2 Tinjauan Pustaka
Similiarity to Ideal Solution (TOPSIS) pada Menurut Pratiwi (2016) Pengambilan
kasus UMKM yang diteliti oleh Mude, M. A. keputusan dilakukan pimpinan untuk
(2016) perbandian metode Simple Additive menyelesaikan masalah yang dihadapi dalam
Weighting (SAW) dan metode Weighted organisasi yang dipimpinnya dengan melakukan
Aggregated Sum Product Assessment pemilihan satu alternative pemecahan masalah
(WASPAS) dalam pemilihan bibit manga terbaik dengan berdasarkan pertimbangan-
terunggul oleh Soeb Aripin, Agus Adi Pramadi, pertimbangan tertentu. Menurut Fitriyani (2012)
Mulia Syahputra, A. M. S. (2018). dan Pengambilan keputusan merupakan proses
penelitian sebelumnya dengan melakukan pemilihan alternatif tindakan untuk mencapai
perbandingan metode SAW, WP dan Topsis tujuan atau sasaran tertentu. Pengambilan
dalam pemilihan supplier material yang diterliti keputusan dilakukan dengan pendekatan
oleh Hamberto, A., Katili, P. B., & Ummi, N. sistematis terhadap
(2013). permasalahan melalui proses pengumpulan data
menjadi informasi serta ditambah dengan faktor-
2. Metode Penelitian faktor yang perlu dipertimbangkan dalam
2.1 Konsep Model Penelitian pengambilan keputusan.
Penelitian dirancang untuk menentukan Menurut Pratiwi (2016) Tujuan Sistem
Pendukung Keputusan terdiri dari tiga tujuan
penerima beasiswa PMDK dengan
yang akan dicapai yaitu :
menggunakan metode pengembangan sistem
1. Membantu manajer membuat keputusan
fase Rational Unified Process (RUP) mulai
untuk memecahkan masalah semi
tahap Inception, Elaboration, Construction,
terstruktur.
Transition. Menganalisa perhitungan dengan
2. Mendukung penilaian manajer bukan
perbandingan metode Weighted Product (WP)
mencoba menggantikannya.
metode Simple Additive Weighting (SAW) dan
3. Meningkatkan efektifitas pengambilan
metode Simple Additive Weighting (SAW) dan
keputusan manajer dari pada efisiensinya.
metode Weighted Aggregated Sum Product
(WASPAS). Penelitian menggunakan metode
Menurut Kusrini (2007) keputusan yang
wawancara dimana dilakukan wawancara
diambil untuk menyelesaikan suatu masalah
langsung dengan pihak pengelola beasiswa
dilihat dari keterstukturannya yang dibagi
PMDK, Wawancara dilakukan guna
menjadi menjadi tiga yaitu keputusan terstruktur
mendapatkan informasi lebih lengkap mengenai
(structured decision), keputusan semiterstuktur
permasalahan yang akan diteliti. Penelitian ini
(semistructured decision), keputusan tak
menggunakan penelitian bersifat kualitatif
terstuktur (unstructured decision).
sering disebut metode penelitian naturalistik
a. Keputusan terstruktur (structured
karena penelitiannya dilakukan pada kondisi
decision)
alamiah (natural setting), dengan cara
memahami dan menjabarkan
permasalahan-permasalahan yang ada
 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 terjadi SAW mengharuskan pembuat keputusan
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 2. Menentukan rating kecocokan setiap
digunakan untuk memilih calon penerima alternatif pada setiap kriteria..
beasiswa yaitu: 1) aspek akademik 2) aspek 3. Membuat matrik keputusan berdasarkan (Ci),
kepribadian dan 3) aspek keluarga (Junaidi & kemudian melakukan normalisasi matrik
Visella, 2017) berdasarkan persamaan jenis atribut benefit
atau atribut cost sehingga diperoleh matrik
2.3 Metode Weighted Product (WP) ternomalisasi R dengan rumus:
Weighted Product (WP) merupakan salah Untuk Benefit
satu metode sistem pendukung keputusan, 𝑿𝒊𝒋
R ij =
dimana perkalian digunakan untuk 𝑴𝒂𝒙 𝑿𝒊𝒋
menghubungkan rating atibut, dan rating setiap Untuk Cost
atribut harus dipangkatkan dulu dengan bobot
atribut yang bersangkutan (Agus, 2017). 𝑴𝒊𝒙 𝑿𝒊𝒋
R ij = 𝑿𝒊𝒋
Langkah-langkah metode Weighted Product
(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 𝑿𝒊𝒋 : Baris dan kolom dari matrik
kriteria dengan rumus
𝑾𝒋
𝑾𝒋 =
∑ 2.5 Metode Weighted Aggregated Sum
𝑾𝒋
4. Menetukan nilai preferensi untuk Product Assessment (WASPAS)
alternatif Si dengan rumus Metode penilaian jumlah pengumpulan
𝒏
berbobot WASPAS adalah kombinasi unik
𝑺𝒊 = ∏ 𝑿𝒊𝒋 𝑾𝒋
𝒋=𝟏 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
𝑿 dan evaluasi alternative. Langkah proses
∏𝒏 𝑾
𝒊𝒋
𝒋=𝟏 𝒋
Vi = perhitungan menerapkan metode WASPAS
∏𝒏 (𝑾𝒋 )𝑾𝒋
𝒋=𝟏
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
 𝑋11 𝑋12 . 𝑋1𝑛 2.7 Teknik Analisa Data
𝑋 𝑋11 .𝑋2𝑛 Analisa data yang dilakukan yaitu
x = [ 21 ]
. . . . membuat instrument penelitian saat melakukan
𝑋𝑚1 𝑋𝑚1 . 𝑋𝑚𝑛 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 membangun suatu sistem pendukung keputusan
𝑋𝑖𝑗 penentuan penerimaan beasiswa
𝑋 ̈ 𝑖𝑗 =
maXi 𝑥𝑖𝑗 program Penelusuran Minat dan
Kemampuan (PMDK) dengan mengguna-
Kriteria Cost kan metode terbaik hasil dari komparasi
𝑚𝑖𝑛𝑖𝑋𝑖𝑗 metode Weighted Product (WP), metode Simple
𝑋𝑖𝑗 = Additive Weighting (SAW) dan metode
𝑥𝑖𝑗
Weighted Aggregated Sum Product (WASPAS)
Menghitung nilai Qi
dalam menentukan penerima
Qi= 0,5 ∑n X w + 0,5 ∏𝑛 (𝑥𝑖𝑗) 𝑤𝑗 beasiswa PMDK. Penelitian ini mengguna-
j=1 ij 𝑗=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).
2. Elaboration (perluasan/perencanaan) Tahap Tabel 1. Data Kriteria
ini lebih pada analisis dan desain sistem
serta implementasi sistem yang focus pada Prestasi Status
purwarupa sistem (prototype). Nama Pekerjaan Peng Tanggu Akademi Tempat
3. Contruction (kontruksi) Ortu hasil ngan k & Non Tinggal
Tahap ini lebih pada implentasi dan an
pengujian sistem yang focus pada V1 PNS 3 3 Ada M
implementasi perangkat lunak pada kode V2 Swasta 2,3 2 Ada M
program. Tahap ini menghasilkan produk V3 Petani 2 3 Ada M
perangkat lunak dimana menjadi syarat dari V4 Petani 2 2 Ada S
Intial Operational Capability Milestone atau
V5 Wiraswasta 2,5 3 - MS
batas/tonggak kemampuan operasional awal.
4. Transition (Transisi) V6 Swasta 2 2 Ada S

Tahap ini lebih pada deployment atau V7 PNS 3 4 - MS

instalasi sistem agar dapat dimengerti oleh V8 Petani 3 3 Ada S
user V9 Swasta 3 4 Ada S
V10 Wiraswasta 2,8 3 - S
3.2 Pembobotan 3.3 Rating Kecocokan
Berdasarkan data kriteria dan pembobotan diatas
Pembobotan dari kriteria tersebut diatas maka langkah berikutnya membuat rating kecocokan
sebagai berikut : seperti tabel berikut ini :
1. Pekerjaan Orang Tua, dibobotkan menjadi :
Tabel 7. Rating Kecocokan
Tabel 2. Pembobotan Nama
Pekerjaa Penghasi Tanggun
Prestasi
Akademik
Status
Tempat
n Ortu lan gan
Pekerjaan Orang Tua & Non Tinggal
V1 4 4 3 8 7
V2 5 4 2 8 7
Pekerjaan Nilai
V3 7 5 3 8 7
PNS/TNI/POLRI 4
V4 7 5 2 8 8
Karyawan Swasta 5
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
V10 6 4 3 7 8
menjadi :
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 menggunakan persamaan (1) :
≤ 4 Juta 3
≤ 10 Juta 2
Tabel 8. Bobot
W 0.3 0.2 0.15 0.2 0.15
3. Tanggungan Orang Tua, dibobotkan
menjadi : 2) Menetukan nilai preferensi untuk alternatif
Si menggunakan persamaan (2)
Tanggungan Orang Tua Nilai
Tabel 4.
1
Pembobotan1 S1=(40,3) (4-0,2) (30,15) (80,2) (70,15)=2.748
S2=(50,3) (4-0,2) (20,15) (80,2) (70,15)=2.765
2 Tanggungan
2 S3 dsb..... S10
3 Orang Tua3 3) Menghitung nilai preferensi Vi untuk setiap
4 4
alternative menggunakan persamaaan (3)
≥5 5
𝟐.𝟕𝟒𝟖 = 0.0926
V1=
4. Prestasi Akademik dan Non Akademik, 𝟐.𝟕𝟒𝟖+𝟐.𝟕𝟔𝟓+𝟑.𝟏𝟎𝟗+𝟐.𝟗𝟖𝟓+𝟑.𝟎𝟐𝟐+𝟐.𝟔𝟗𝟖+𝟐.𝟕𝟗𝟒+𝟑.𝟑𝟏𝟕+𝟑.𝟏𝟑𝟎+𝟑.𝟎𝟖𝟑

dibobotkan menjadi : V2= 𝟐.𝟕𝟔𝟓

= 0.0932
𝟐.𝟕𝟒𝟖+𝟐.𝟕𝟔𝟓+𝟑.𝟏𝟎𝟗+𝟐.𝟗𝟖𝟓+𝟑.𝟎𝟐𝟐+𝟐.𝟔𝟗𝟖+𝟐.𝟕𝟗𝟒+𝟑.𝟑𝟏𝟕+𝟑.𝟏𝟑𝟎+𝟑.𝟎𝟖𝟑

Tabel 5. Pembobotan V3 dsb.... V10

Prestasi Akademik dan
Non Akademik 4) Hasil perangkingan dari yang tertinggi
Prestasi Akademik Non Nilai hingga yang terendah metode WP
Akademik
Ada 8 Tabel 9. Tabel Perangkingan WP
Tidak Ada 7 Alternatif Hasil
V8 0.1118
5. Status tempat tinggal, dibobotkan menjadi V9 0.1055
V3 0.1048
Tabel 6. Pembobotan Status V10 0.1039
tempat
tinggal V5 0.1019
Status Tempat Tinggal V4 0.1006
Nilai

Milik Sendiri (MS) 7

Sewa (S) 8
 1) Buat sebuah matriks keputusan
V7 0.0942 menggunakan persamaan [7] :
V2 0.0932
V1 0.0926 4 4 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 2) Melakukan normalisasi terhadap matrik x
0.714 1 0.5 1 0.875
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 0.8751
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] :
V1 3) Menghitung Nilai Q i atarelatif dari
=(0.3)(0.571)+(0.2)(1)+(0.15)(0.75)+(0. alternative menggunakan persamaan
2)(1)+(0.15)(0.875)= 0.8150 [10] :
V2 Q 1=
=(0.3)(1)+(0.2)(0.6)+(0.15)(0.5)+(0.2)(0 (0,5) ∑(0.571∗0.3)(1*0.2)(0.75*0.15)(1*0.2)(0.875*0.15)
.875)+(0.15)(1)= 0.82 (0,5)∑(0.1713 + 0.2 + 0.1125 + 0.2 + 0.1312)
V3 dsb.... 0,5 * 0.815 =0.4076
(0,5)∏ (0.571)0.3*(1)0.2*(0.75)0.15*(1)0.2*(0.875)0.15 (0,5) ∏
V10 (0.8452*1*0.958*1*0.9801)
0,5 * 0.7937 = 0.3968
3) Hasil perangkingan dari yang tertinggi 0.4076+0.3968=0.8044
hingga yang terendah metode SAW
Q 2=
Tabel 10. Tabel Perangkingan (0,5)∑(0.714 ∗0.3)(1*0.2)(0.5*0.15)(1*0.2)(0.875*0.15)
SAW (0,5)∑(0.2142 + 0.2 + 0.075 + 0.2 +
0.1312)
Alternatif Hasil
0,5 * 0.8204 = 0.4102
V8 0.965
V9 0.914 (0,5) (0.714)0.3*(1)0.2*(0.5)0.15*(1)0.2*(0.87
V3 0.903 5)0.15
V10 0.893 (0,5) ∏ (0.9038*1*0.9012*1*0.9801)
V4 0.885 0,5 * 0.7984 = 0.3992
V5 0.875 0.4102+0.3992 = 0.8094
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 :
 perhitungan yang lebih sederhana dari
Tabel 10. Perangkingan pada metode WP seperti penelitian
WASPAS yang dilakukan [10] dengan hasil nilai
Alternatif Hasil eksekusi metode metode SAW sebesar
0.4106 detik sedangankan untuk waktu
V8 0.9601
eksekusi metode WP sebesar 0.92
V9 0.9091 detik.
V3 0.9008 Metode WASPAS, merupakan
gabungan untuk mendapatkan
V10 0.8925
optimalitas berdasarkan kriteria dengan
V5 0.8743
menggunakan metode WSM dan
V4 0.8735 metode WPM. Dari penelitian yang
V7 0.8173 dilakukan oleh [11] telah diamati
V2 0.8095 bahwa metode WSM dan WPM
V1 0.8044 menghasilkan hasil peringkat yang
V6 0.7892 berbeda. Dengan demikian metodologi
untuk evalusi akurasi yang berdasarkan
3.7 Komparasi Metode WP, SAW, dan WASPAS pada nilai kriteria awal dikembangkan
Perbandingan metode WP, SAW dan WASPAS dari dengan menerapkan gabungan dari
hasil analisa perhtungan seperti ditampilakan pada tabel metode WSM dan WPM yaitu metode
berikut : WASPAS untuk meningkatkan akurasi
estimasi yang menerapkan WSM,
Tabel 11. Komparasi Metode WP, WPM dan WASPAS untuk evaluasi.
SAW, WASPAS Diperkirakan akurasi menerapkan
Rangking WP SAW WASPAS metode WASPAS meningkat hingga
1 V8=0.1118 V8=0.965 V8=0.9601 1,3 kali dibandingakan untuk WPM
2 V9=0.1055 V9=0.914 V9=0.9091 dan hingga 1,6 kali dibandingan WSM.
3 V3=0.1048 V3=0.903 V3=0.9008 Metode WASPAS diusulkan untuk
4 V10=0.1039 V10=0.893 V10=0.8925 optimasi tertimbang dengan fungsi
5 V5=0.1019 V4=0.885 V5=0.8743 agregat yang memungkinkan untuk
6 V4=0.1006 V5=0.875 V4=0.8735
dijangkau akurasi estimasi tertinggi.
7 V7=0.0942 V7=0.827 V7=0.8173
8 V2=0.0932 V3=0.820 V2=0.8095
9 V1=0.0926 V1=0.815 V1=0.8044
Referensi
10 V6=0.0909 V6=0.799 V6=0.7892 Agus, N. A. F. (2017). Penerapan
Metode Weighted Product dan
4. Kesimpulan Analitic Hierachy Process Untuk
Sistem Pendukung Keputusan Penentuan Pemilihan Koperasi Berprestasi.
Penerima Beasiswa PMDK dibuat dengan Nur Aini; Fahrul Agus, Volume 9
menggunakan analisa perhitungan metode SAW No.2.
dikarenakan hasil dari analisa perhitungan metode
SAW memperoleh nilai preperensi tertinggi dengan Ali. (n.d.). Kamus Lengkap Bahasa
nilai Vektor atau V8=0.965 dari metode WP dengan Indonesia Moderen. Pustaka
nilai V8=0.1118 dan metode WASPAS dengan hasil Amani Jakarta.
nilai Total kepentingan Alternatif atau Q8=0.9601 Mude, M. A. (2016). Perbandingan
yang dapat dilihat pada tabel hasil perangkingan Metode Saw Dan Topsis Pada
5.3 diatas. Perolehan hasil analisa yang sama Kasus Umkm. Jurnal Ilmiah
dilakukan oleh peneliti terdahulu [9] yang melakukan ILKOM, 8(2), 76–81.
perhitungan dengan pengujian data menggunakan
metode SAW dan metode WP dengan hasil Aripin, S., Pramadi, A. A., Syahputra,
perangkingan tertinggi diperoleh dari metode SAW M., & Silitonga, A. M. (2018).
dengan nilai 0.79965 dengan metode WP nilai Sistem Pendukung Keputusan
tertinggi 0.18434. Sementara dari waktu eksekusi Pemilihan Bibit Mangga
metode SAW membutuhkan waktu eksekusi lebih Terunggul Menerapkan Metode
cepat dari pada metode WP dikarenakan metode SAW dan WASPAS. Paper
SAW memiliki proses 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