Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X

Vol. 2, No. 5, Mei 2018, hlm. 2109-2117 http://j-ptiik.ub.ac.id

Implementasi Metode Fuzzy Analytic Hierarchy Process (F-AHP) Dalam

Penentuan Peminatan di MAN 2 Kota Serang
Muhammad Fajri1, Rekyan Regasari Mardhi Putri2, Lailil Muflikhah3
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya
Email: 1mfajri20@gmail.com, 2rekyan.rmp@ub.ac.id, lailil@ub.ac.id

Abstrak
Program peminatan diperkenalkan sebagai upaya untuk lebih mengarahkan siswa berdasarkan bakat,
minat, dan kemampuan akademiknya. Terdapat empat kelompok peminatan di Madrasah Aliyah
Negeri 2 Kota Serang, yaitu IPA, IPS, Bahasa, dan Agama. Peminatan IPA diperuntukkan bagi siswa
yang memiliki kecenderungan dalam ilmu pasti. Peminatan IPS diperuntukkan bagi siswa yang
memiliki kecenderungan ilmu sosial. Peminatan Bahasa diperuntukkan bagi siswa yang memiliki
kecenderungan gemar berbahasa. Dan peminatan Agama diperuntukkan bagi siswa yang memiliki
kecenderungan ilmu agama. Dalam penentuan peminatan siswa, MAN 2 Kota Serang menggunakan
lima aspek peminatan diantaranya nilai penerimaan peserta didik baru (PPDB), nilai ujian nasional,
nilai rapor, hasil tes psikologi, dan minta peserta didik. Namun di dalam penentuan peminatan belum
ada standardisasi pembobotan dalam setiap aspek peminatan sehingga hasil yang diperoleh tidak
maksimal. Fuzzy Analytical Hierarchy Process (F-AHP) sanggup mengatasi kelemahan pada kriteria
yang memilki sifat subjektif lebih banyak pada metode AHP. Logika Fuzzy sendiri adalah logika yang
memiliki nilai kesamaran antara dua nilai. Pada penelitian ini, akurasi yang dihasilkan adalah 76,67%
dengan 30 data uji untuk penentuan peminatan di MAN 2 Kota Serang.
Kata kunci: Fuzzy, AHP, Fuzzy Analytical Hierarchy Process (F-AHP), Peminatan peserta didik

Abstract
Specialization programs are introduced as an effort to better lead students based on their talents,
interests, and academic abilities. There are four groups of specialization in Madrasah Aliyah Negeri 2
Kota Serang, namely IPA, IPS, Language, and Religion. The specialization of IPA is for students who
have a tendency in the science of certainty. IPS specialization is for students with social science
tendencies. Language specialization is for students who have a tendency to speak the language. And
religious interest is for students who have religious inclination. In the determination of student
interest, MAN 2 Kota Serang uses five aspects of specialization such as the value of acceptance of new
learners (PPDB), the value of national examination, the value of report cards, the results of
psychological tests, and ask students. But in the determination of specialization there is no
standardization of weighting in every aspect of specialization so that the results obtained are not
maximal. Fuzzy Analytical Hierarchy Process (F-AHP) is able to overcome the weaknesses in criteria
that have more subjective properties on the AHP method. Fuzzy logic itself is a logic that has a value
of disguise between two values. In this study, the resulting accuracy is 76.67% with 30 test data for the
determination of specialization in MAN 2 Kota Serang.
Keywords: Student interest, fuzzy, AHP, Fuzzy Analytical Hierarchy Process (F-AHP),.

disebabkan peminatan akan menggiring siswa

1. PENDAHULUAN
Penyelenggaraan program peminatan
kurikulum 2013 SMA/MA dilaksanakan di
kelas X semester satu. Pemilihan peminatan
yang diselenggarakan di SMA/MA merupakan
salah satu faktor yang sangat penting dan besar
dampaknya bagi masa depan siswa. Hal ini
untuk memilih jurusan di perguruan tinggi yang
kelak akan mengarahkan siswa untuk
menentukan dan memilih profesi kedepannya.
Program peminatan diperkenalkan sebagai
upaya untuk lebih mengarahkan siswa
berdasarkan bakat, minat, dan kemampuan
akademiknya. Terdapat empat kelompok

Fakultas Ilmu Komputer

Universitas Brawijaya 2109
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
peminatan di Madrasah Aliyah 2 Kota Serang,
yaitu IPA, IPS, Bahasa, dan Agama. Peminatan
IPA diperuntukkan bagi siswa yang memiliki
kecenderungan dalam ilmu pasti. Peminatan
IPS diperuntukkan bagi siswa yang memiliki
kecenderungan ilmu sosial. Peminatan Bahasa
diperuntukkan bagi siswa yang memiliki
kecenderungan gemar berbahasa. Dan
peminatan Agama diperuntukkan bagi siswa
yang memiliki kecenderungan ilmu agama.
Dalam penentuan peminatan siswa, MAN
2 Kota Serang menggunakan lima aspek
peminatan diantaranya nilai penerimaan peserta
didik baru (PPDB), nilai ujian nasional, nilai
rapor, hasil tes psikologi, dan minta peserta
didik. Namun di dalam penentuan peminatan
belum ada standardisasi pembobotan dalam
setiap aspek peminatan sehingga hasil yang
diperoleh tidak maksimal.
Oleh karena itu, pada penelitian ini
penentuan kelompok peminatan siswa
dilakukan dengan menggunakan model/sistem
pendukung keputusan yang dapat menentukan
kelompok peminatan siswa yang sesuai dengan
kriteria yang ditetapkan oleh pihak sekolah atau
pengambil keputusan. Salah satu metode yang
dapat digunakan untuk mendukung sistem
pendukung keputusan adalah Analytical
Hierarchy Process (AHP).
AHP ialah metode yang memperhatikan
faktor-faktor subyektifitas seperti persepsi,
preferensi, pengalaman, dan intuisi.
(Mahargiyak,2013) Metode AHP
memungkinkan individu untuk secara eksplisit
menentukan peringkat kriteria terhadap satu
sama lain untuk tujuan memilih prioritas,
penataan masalah dari tujuan utama untuk
tingkat sekunder kriteria dan alternatif (Chang
Dkk., 2008). Meskipun metode AHP banyak
digunakan untuk menyelesaikan permasalahan
dalam pengambilan keputusan (Cheng, 1997 ;
Chan dkk., 2000), namun metode AHP
memiliki kelemahan. Metode AHP memiliki
ketidakpastian dalam skala AHP yang
berbentuk nilai crisp.
Untuk menutupi kelemahan dari metode
AHP, terdapat suatu metode dengan pendekatan
konsep Triangular Fuzzy Number (TFN)
terhadap skala AHP, metode tersebut ialah
Fuzzy Analytical Hierarchy Process (F-AHP).
selain itu F-AHP sanggup mengatasi kelemahan
pada kriteriayang memiliki sifat subjektif lebih
banyak pada metode AHP.
Berdasarkan penelitian Sistem Pendukung
Keputusan sebelumnya yang menggunakan
Fakultas Ilmu Komputer, Universitas Brawijaya
2110
metode Fuzzy Analytical Hierarchy Process (F-
AHP), seperti Implementasi Metode Fuzzy
Analytical Hierarchy Process (F-AHP) untuk
Pemilihan Sumber Daya Manusia dalam
Kepanitiaan Organisasi Mahasiswa
(Mahargiyak, 2013). Dalam penelitian tersebut
membahas tentang pemilihan sumberdaya
manusia dalam kepanitiaan organisasi
mahasiswa dengan studi kasus pemilihan
Panitia PEMILWA 2013 PTIIK UB. Pada
penelitian tersebut mempunyai tingkat akurasi
keberhasilan yang cukup baik yaitu sebesar
89.28%.
Berdasarkan tulisan dan penelitian yang
sudah dijelaskan diatas dan kelebihan metode
serta keakuratan dari metode yang akan
digunakan, sehingga pada penelitian ini akan
dibuatlah sebuah sistem “Pendukung Penentuan
peminatan Menggunakan Metode Fuzzy
Analytical Hierarchy Process” di MAN 2 Kota
Serang. Dan diharpkan dapat membantu
Instansi dalam pengambilan keputusan
menentukan kelompok peminatan siswa yang
tepat sesuai dengan kemampuan, minat, dan
bakat serta prestasi akademik.
2. TINJAUAN PUSTAKA
2.1. Pengertian Peminatan Peserta Didik
Sebelum kurikulum 2013, pendidikan di
SMA dan SMK memiliki program penjurusan
peserta didik yang mana pada bangku SMA
dilaksanakan pada kelas XI dan pada bangku
SMK dilaksanakan pada awal penerimaan.
Peminatan peserta didik sendiri adalah
pemilihan peminatan pembelajaran berdasarkan
keinginan peserta didik yang terdapat dalam
suatu instansi pendidikan yang berfungsi untuk
membantu dan memfasilitasi peserta didik
dalam proses keberhasilan dalam belajar
mengajar sebagaimana juga merupakan tujuan
pendidikan nasional.
2.2. Macam Peminatan Peserta Didik
Pada peserta didik MAN 2 Kota Serang,
terdapat empat macam peminatan peserta didik
yaitu peminatan Ilmu Pengetahuan Alam (IPA)
, Peminatan ilmu pengetahuan sosial (IPS),
Peminatan ilmu budaya dan Bahasa (IBB),
Peminatan Agama.
2.3. Aspek Peminatan
Pada proses pemilihan dan penetapan
peminatan peserta didik yang dilakukan di
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2111

MAN 2 Kota Serang, aspek yang  menyusun matriks perbandingan

dipertimbangkan adalah aspek: hasil penilaian berpasangan, yaitu membandingkan elemen
penerimaan peserta didik baru yang terdiri dari secara berpasangan sesuai kriteria yang
nilai PPDB IPA, nilai PPDB IPS, nilai PPDB diberikan.
bahasa, dan nilai PPDB agama. Prestasi belajar  Matriks perbandingan berpasangan diisi
(rapor) terdiri dari nilai rapor IPS dan rapor dengan menggunakan bilangan untuk
agama, nilai ujian nasional yang terdiri dari merepresentasikan kepentingan relatif dari
nilai UN IPA, nilai UN matematika, nilai UN setiap elemen.
Bahasa Indonesia dan nilai UN Bahasa Inggris,
Tabel 2. Susunan Matriks Perbandingan
hasil psikotes, dan pernyataan minat peserta
Berpasangan
didik.
C1 C2 … Ci
2.4. Analytical Hierarchy Process (AHP) C1 1 C12 ... Cji
C2 Cij 1 ... Cji
Analytical Hierarchy Process (AHP)
diperkenalkan oleh DR.Thomas L. Saaty di ... ... ... … Cji
awal tahun 1970. Pada saat itu, AHP digunakan Cj Cij Cij Cij 1
untuk mendukung pengambilan keputusan pada
beberapa organisasi dan perusahaan. Formula perhitungan untuk mengisi kolom Cij
AHP merupakan prosedur yang memiliki adalah dengan Persamaan 1.
basis matematis sangat baik dan sesuai untuk 𝐶𝑖𝑗 =
1
(1)
mengevaluasi berbagai atribut kualitatif. 𝐶𝑗𝑖
Atribut-atribut tersebut secara matematik 4. Normalisasi Matriks
dikuantitatifkan dalam sebuah perbandingan Langkah normalisasi matriks adalah :
berpasangan, yang kemudian digunakan untuk  Menjumlahkan nilai-nilai dari setiap kolom
pengembangan berbagai prioritas secara pada matriks.
keseluruhan untuk penyusunan alternatif-  Membagi setiap nilai dari kolom dengan
alternatif pada urutan ranking/prioritas. total kolom yang bersangkutan untuk
memperoleh normalisasi matriks.
Langkah-langkah metode AHP, adalah sebagai
Perhitungan normalisasi matriks
berikut (Kusrini, 2007).
menggunakan persamaan 2.
1. Mendefinisikan masalah dan menentukan
solusi kedalam struktur hirarki. Nilai elemen matriks
2. Membuat perbandingan berpasangan. Nilai elemen baru = (2)
Jumlah kolom elemen

Tabel 1. Skala Penilaian Kepentingan

5. Pembobotan (Eigen Vektor)
Intensitas Pembobotan dengan menjumlahkan nilai
Keterangan
Kepentingan
1 Kedua elemen sama penting dari setiap baris dan membaginya dengan
3
Elemen yang satu lebih penting dari jumlah kriteria dengan persamaan 3.
elemen yang lainnya
Elemen yang satu lebih penting Jumlah baris
5
daripada yang lainnya Bobot Prioritas = (3)
Jumlah kriteria
Satu elemen jelas lebih mutlak
7
penting daripada elemen lainnya
Satu elemen mutlak penting penting
6. Mengukur konsistensi
9 Bertujuan untuk mengetahui seberapa baik
daripada elemen lainnya
Nilai diantara dua nilai konsistensi yang ada karena kita tidak
2, 4, 6, 8 pertimbangan-pertimbangan yang menginginkan keputusan berdasarkan
berdekatan pertimbangan dengan konsistensi yang rendah.
Nilai Kebalikan, A(I,j)=1/A(j,i).
Dimana A adalah matriks
Tahap-tahap dalam mengukur konsistensi
Kebalikan perbandingan berpasangan antar adalah sebagai berikut :
elemen baik kriteria, sub kriteria  Mengalikan setiap nilai pada kolom pertama
maupun alternatif tujuan. dengan prioritas relatif elemen pertama, nilai
kolom kedua dengan prioritas relatif elemen
3. Menentukan prioritas elemen. kedua, dan seterusnya.
Tahap dalam menentukan prioritas elemen  Tiap baris dijumlahkan dan hasilnya dibagi
adalah : dengan prioritas relatif yang bersangkutan.

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2112

 Hasil bagi tersebut dijumlahkan untuk hanya mempunyai dua kemungkinan, yaitu 0
mendapatkan nilai λmax. Untuk menghitung atau 1. Himpunan fuzzy menyediakan cara yang
λmax menggunakan persamaan (4). efektif untuk mengatasi ketidakpastian selain
teori probabilitas karena terdapat kemungkinan
𝑏𝑜𝑏𝑜𝑡 𝑝𝑟𝑖𝑜𝑟𝑖𝑡𝑎𝑠 (𝐴𝑋)
λ max = (4) terjadinya keangotaan sebagian.
𝑏𝑜𝑏𝑜𝑡 𝑘𝑟𝑖𝑡𝑒𝑟𝑖𝑎 (𝑋)
2.6. Fuzzy Analytical Hierarchy Process (F-
7. Menghitung Consistency Index (CI) AHP)
menggunakan persamaan (5).
F-AHP merupakan gabungan metode AHP
λ max − 𝑛 dengan pendekatan konsep Fuzzy. F-AHP
𝐶𝐼 = (5)
𝑛−1 menutupi kelemahan yang terdapat pada AHP,
8. Menghitung Consitency Ratio (CR) yaitu permasalahan terhadap kriteria yang
menggunakan persamaan (6). memiliki sifat subjektif lebih banyak.
𝐶𝐼 Ketidakpastian bilangan direpresentasikan
𝐶𝑅 = (6) dengan urutan skala. Penentuan derajat
𝑅𝐼
Dimana : keanggotaan Fuzzy AHP yang
CR = Consistency Ratio dikembangkan menggunakan fungsi
CI = Consistency Index
keanggotaan segitiga (Triangular Fuzzy
RI = Random Consistency Index
Ratio index (RI) yang umum digunakan untuk
Number/TFN). Fungsi keanggotaan segitiga
setiap ordo matriks ditunjukkan pada tabel 3. merupakan gabungan antara dua garis
(linear). langkah-langkah metode Fuzzy
Tabel 3. Tabel Random Consistency Index
AHP, adalah:
N RI
1 0
1. Membuat struktur hirarki masalah yang akan
diselesaikan dan menentukan perbandingan
2 0
matriks berpasangan antar kriteria dengan
3 0,58 skala TFN seperti pada Tabel 4.
4 0,9
5 1,12 Tabel 4. Tabel Fuzzifikasi Perbandingan antar Dua
Kriteria
6 1,24
Skala Skala Fuzzy Invers Skala
7 1,32
AHP Fuzzy
8 1,41 1 1= (1,1,1) = jika (1/3, 1/1, 1/1)
9 1,45 diagonal
(1,1,3) = selainnya
10 1,49
11 1,51 3 3 = (1,3,5) (1/5, 1/3, 1/1)
12 1,48 5 5 = (3,5,7) (1/7, 1/5, 1/3)
7 5 = (3,5,7) (1/9, 1/7, 1/5)
13 1,56
9 9 = (7,9,9) (1/9, 1/9, 1/7)
14 1,57
2 2 = (1,2,4) (1/4, 1/2, 1/1)
15 1,59 4 4 = (2,4,6) (1/6, 1/4, 1/2)
6 6 = (4,6,8) (1/8, 1/6, 1/4)
Memeriksa konsistensi hierarki 8 8 = (6,8,9) (1/9, 1/8, 1/6)
berdasarkan tabel ratio index. Jika nilai < 0,1
maka hasil perhitungan bisa dinyatakan benar, Skala fuzzifikasi perbandingan
namun jika > 0,1 maka penilaian data harus kepentingan antara dua kriteria dapat
diperbaiki. digambarkan dalam bentuk grafik seperti pada
gambar 1.
2.5. Logika Fuzzy
Logika fuzzy pertama kali dikenalkan oleh
Prof. Lotfi A. Zadeh pada tahun 1965. Logika
ini memiliki nilai kesamaran antara benar.
Dalam himpunan tegas, nilai keanggotaan

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2113

didefinisikan sebagai persamaan (12).

V( M ≥ M1, M2, ….., Mk) = V (M ≥ M1) dan
V(M ≥ M2) dan
V (M ≥ Mk) = min V(M ≥ Mi) (12)

Ordinat defuzzyfikasi didefinisikan pada

persamaan (13).
Gambar 1. Grafik Fuzzifikasi Skala F-AHP d’(Ai) = min V (Si ≥ Sk) (13)
2. Menentukan nilai sintesis fuzzy (Si)
untuk k = 1,2,…, n; k ≠ i, maka diperoleh
prioritas dengan persamaan 7 , 8, dan 9.
nilai bobot vektor seperti pada persamaan
𝒋 𝒋
𝑺𝒊 = ∑𝒎 𝒏 𝒎
𝒋=𝟏 𝑴𝒈𝒊 𝒙 [ ∑𝒋=𝟏 ∑𝒋=𝟏 𝑴𝒈𝒊 ]
−𝟏
(7) (14).
W’ = (d’(A1), d’(A2),…, d’(An)) T (14)
Dimana :
∑𝒎 𝒋 𝒎 𝒎 𝒎 Dimana Ai = 1,2,…n adalah vektor fuzzy
𝒋=𝟏 𝑴𝒈𝒊 = [ ∑𝒋=𝟏 𝒍𝒋 , ∑𝒋=𝟏 𝒎𝒋 , ∑𝒋=𝟏 𝒖𝒋 ] (8)
(W)
4. Normalisasi nilai bobot vektor fuzzy (W)
Sedangkan,
Setelah dilakukan normalisasi dari
𝟏 𝟏 𝟏 𝟏
𝒋 = ( ∑𝒏 , ∑𝒏 , ∑𝒏 (9) persamaan (2.20) maka nilai bobot vektor
∑𝒏 𝒎
𝒊=𝟏 ∑𝒋=𝟏 𝑴𝒊 𝒊=𝟏 𝒖𝒊 𝒊=𝟏 𝒎𝒊 𝒊=𝟏 𝒍𝒊
yang ternormalisasi adalah seperti
𝑗
persamaan (15):
Dimana ∑𝑚 𝑗=1 𝑀𝑔𝑖 adalah penjumlahan baris
pada matriks berpasangan, 𝑀𝑖 𝑗𝑚 𝑗=1 𝑛 𝑖=1 W (d(A1), d(A2),…, d(An),) T (15)
adalah penjumlahan kolom pada perbandingan
matriks berpasangan. 2.7. Akurasi
Keterangan : Akurasi merupakan seberapa dekat suatu angka
M = Objek (kriteria, subkriteria, atau hasil pengukuran terhadap angka sebenarnya.
alternatif) Dalam penelitian ini akurasi keputusan dihitung
i = baris ke-i, dari jumlah keputusan yang tepat dibagi dengan
j = kolom ke-j, jumlah data yang diuji. Tingkat akurasi
l = nilai lower, diperoleh dengan persamaan (16).
m = nilai medium,
∑ 𝐷𝑎𝑡𝑎 𝑈𝑗𝑖 𝐵𝑒𝑛𝑎𝑟
u = nilai upper 𝐴𝑘𝑢𝑟𝑎𝑠𝑖(%) = x 100% (16)
∑ 𝑇𝑜𝑡𝑎𝑙 𝐷𝑎𝑡𝑎 𝑈𝑗𝑖
3. Menentukan nilai vektor (V) dan nilai
ordinat defuzzifikasi (d’). jika hasil yang 3. METODOLOGI
didapatkan pada matriks fuzzy, M2 ≥ M1
menjelaskan metode mengenai langkah-
dimana M1 = (l1, m1, u1) dan M2 = (l2,
langkah yang digunakan dalam implementasi
m2, u2) maka nilai vektor dapat dilihat pada
metode fuzzy analytic hierarchy proces (F-
persamaan (10).
AHP) dalam penentuan peminatan di MAN 2
V(M2 ≥ M1) = Kota Serang. Untuk lebih jelas dalam
sup[min(µM1(x), min(µM2(y)))] (10) memahami alur penelitian dan cara kerja sistem
yang akan dibangun, Metode penelitian pada
Dimana sub merupakan batas atas bab ini dapat diilustrasikan pada gambar
terkecil dari hasil minimal vector. Atau berikut.
seperti yang ditunjukkan pada persamaan
(11) untuk menentukan nilai vektor.
𝟏 𝒊𝒇 𝒎𝟐≥𝒎𝟏
𝟎 𝒊𝒇 𝒍𝟏≥𝒖𝟐
𝑽(𝑴𝟐 ≥ 𝑴𝟏) = { 𝒍𝟏−𝒖𝟐 (11)
(𝒎𝟐−𝒖𝟐)−(𝒎𝟏−𝒍𝟏)
, 𝒍𝒂𝒊𝒏𝒏𝒚𝒂

Jika hasil nilai fuzzy lebih besar dari k,

Mi, (i=1,2,,k) maka nilai vektor dapat

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Gambar 2 Diagram alur metodologi penelitian
Penjelasan dari diagram alir penelitian adalah
sebagai berikut:
1. Studi literatur: menjelaskan dasar teori
yang digunakan untuk menunjang
penulisan penelitian.
2. Analisis kebutuhan dan pengumpulan data:
penentuan kebutuhan apa saja yang
diperlukan dalam penyelesaian masalah
untuk mementukan pemintan di MAN 2
Kota Serang
3. Perancangan sistem: menjelaskan
mengenai proses-proses yang berjalan pada
sistem
4. Implementasi: menjelaskan implementasi
dari penelitian ini sesuai dengan
perancangan.
5. Pengujian: menjelaskan pengujian yang
dilakukan untuk mendapatkan akurasi
sistem yang telah dibuat.
6. Kesimpulan: Melakukan evaluasi dan
analisis hasil pengujian terhadap sistem.
Kemudian menyimpulkan serta memberi
saran yang berkenaan dengan hasil yang
telah dicapai guna memperbaiki kesalahan
untuk pengembangan yang akan datau atau
pengembangan lebih lanjut
Secara umum alur proses penerapan metode F-
AHP untuk peminatan dapat digambarkan
kedalam bentuk flowchart pada gambar 3.
Fakultas Ilmu Komputer, Universitas Brawijaya
2114
Mulai
Kriteria_peminatan
Membuat Matriks Perbandingan Berpasangan
Transformasi TFN terhadap Skala
AHP
Menghitung Nilai Sintesis Fuzzy (Si)
Menghitung Nilai Vektor (V) dan
Ordinat Defuzzyfikasi (d’)
Normalisasi Bobot Vektor (W)
Menghitung Rasio Konsistensi (CR)
Tidak
Rasio ≤ 0.1
Ya
Menghitung Nilai Bobot Alternatif
Nilai Bobot Akhir Alternatif
Selesai
Gambar 3 Flowchart Perhitungan F-AHP.
4. HASIL PENELITIAN
Dalam hasil penelitian akan dijelaskan
mengenai proses pengujian sistem. sistem diuji
menggunakan pengujian fungsional dan
pengujian akurasi. Pada pengujian fungsional
digunakan untuk mengukur apakah metode
fuzzy-AHP yang diterapkan pada sistem
berjalan dengan baik. Dan pengujian akurasi
digunakan untuk mengukur tingkat akurasi dari
hasil yang dihasilkan oleh sistem dengan
membandingkan data pakar dengan data
keluaran dari sistem.data yang digunakan
4.1. Pengujian Fungsional
Pengujian fungsional dilakukan untuk
memastikan apakah metode fuzzy-AHP yang
diterapkan pada sistem berjalan baik dan
mencari kesalahan atau kekurangan pada sistem
dalam penentuan peminatan siswa di MAN 2
Kota Serang. Pengujian fungsional dilakukan
dengan pengujian black box. Pengujian black
box digunakan untuk menguji langkah-langkah
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2115

dari metode fuzzy-AHP dari sistem penentuan pengujian skenario pengaruh bobot kriteria
peminatan yang dirancang. Pengujian ini hanya terhadap akurasi untuk peminatan IPA
mengevaluasi hanya dari tampilan luarnya ditunjukkan pada tabel 5.
tanpa mengetahui apa yang sesungguhnya Tabel 5. Matriks Perbandingan Berpasangan
terjadi dalam proses detailnya. Peminatan IPA Percobaan 1
K1 K2 K3 K4 K5 K6 K7 K8 K9 K10 K11 K12 K13 K14 K15
4.2 Pengujian Akurasi Sistem K1 1 2 2 2 1 1 1 1 0,5 0,5 2 0,333 1 1 1
K2 0,5 1 1 1 0,333 0,333 0,333 0,333 0,25 0,25 0,333 0,167 0,2 0,2 0,2
Pengujian akurasi dilakukan untuk K3 0,5 1 1 1 0,333 0,333 0,333 0,333 0,25 0,25 0,333 0,167 0,2 0,2 0,2
K4 0,5 1 1 1 0,333 0,333 0,333 0,333 0,25 0,25 0,333 0,167 0,2 0,2 0,2
mengetahui performa implementasi metode F- K5 1 3 3 3 1 1 1 1 0,5 0,5 0,5 0,25 0,333 0,333 0,333
AHP dalam penentuan peminatan di MAN 2 K6
K7
1
1
3
3
3
3
3
3
1
1
1
1
1
1
1
1
0,5 0,5
0,5 0,5
0,5
0,5
0,25
0,25
0,333
0,333
0,333
0,333
0,333
0,333
Kota Serang. Pengujian dilakukan dengan K8 1 3 3 3 1 1 1 1 0,5 0,5 0,5 0,25 0,333 0,333 0,333
K9 2 4 4 4 2 2 2 2 1 1 3 0,5 2 2 2
membandingkan data hasil keputusan sistem K10 2 4 4 4 2 2 2 2 1 1 3 0,5 2 2 2
dengan data siswa baru MAN 2 Kota Serang K11 0,5 3 3 3 2 2 2 2 0,333 0,333 1 0,25 1 1 1
K12 3 6 6 6 4 4 4 4 2 2 4 1 3 3 3
tahun 2016/2017. Pengujian dilakukan dengan K13 1 5 5 5 3 3 3 3 0,5 0,5 1 0,333 1 1 1
cara memasukkan beberapa nilai matriks K14 1 5 5 5 3 3 3 3 0,5 0,5 1 0,333 1 1 1
K15 1 5 5 5 3 3 3 3 0,5 0,5 1 0,333 1 1 1
perbandingan yang berbeda-beda untuk
mengetahui seberapa besar pengaruh matriks keterangan:
perbandingan berpasangan terhadap nilai K1 = PPDB IPA K9 = UN Matematika
akurasi yang akan dihasilkan oleh sistem. K2 = PPDB Bahasa K10 = UN IPA
Diketahui hasil pengujian perbandingan K3 = PPDB IPS K11 = Psikotes
sistem penentuan peminatan siswa dengan hasil K4 = PPDB Agama K12 = Minat IPA
yang diperoleh dari data guru BK MAN 2 Kota K5 = Rapor IPS K13 = Minat IPS
Serang dengan tingkat akurasi sebesar 63,33%. K6 = Rapor Agama K14 = Minat Bahasa
Proses pengujian akurasi tersebut menggunakan K7 = UN B. Indonesia K15 = Minata Agama
data siswa baru MAN 2 Kota Serang tahun K8 = UN B. Inggris
2016/2017 sebanyak 30 data siswa. Dari hasil
peminatan 30 data siswa, keluaran yang Hasil pengujian percobaan pertama dan
dihasilkan sistem tedapat 19 data yang sesuai kedua dapat dilihat pada tabel 6 dan tabel 7.
dan 11 data siswa yang tidak sesuai dengan
hasil dari data guru BK MAN 2 Kota Serang. Tabel 6. Hasil Pengujian Pengaruh Bobot
Kriteria Terhadap Akurasi Percobaan 1
4.3. Pengujian Pengaruh Bobot Kriteria Data MAN 2
Data Sistem
Terhadap Akurasi Kota Serang
Hasil
No Pemiantan No Peminatan
Pada pengujian pengaruh bobot kriteria
terhadap akurasi dilakukan pengujian dengan Tidak
1 IBB 1
IPA sesuai
mengubah nilai bobot matriks perbandingan
2 IPA 2 Sesuai
berpasangan sebanyak dua kali dari masing- IPA
masing peminatan. Tujuan pengujian ini untuk 3 AGAMA 3 Sesuai
mendapatkan nilai akurasi yang lebih baik pada AGAMA
Tidak
penentuan peminatan siswa menggunakan 4 IPS 4
IPA sesuai
metode fuzzy-AHP. Sesuai
5 IPA 5
Pada pengujian ini bobot yang diubah pada IPA
setiap matriks perbandingan kriteria peminatan 6 IPS 6 Sesuai
IPS
adalah nilai bobot yang berhubungan dengan Sesuai
peminatan tersebut. contoh nilai bobot yang 7 IPS 7 IPS
diubah pada percobaan pertama peminatan IPA 8 IPA 8 Sesuai
IPA
ialah nilai bobot matriks perbandingan kriteria
9 IPA 9 Sesuai
1 terhadap kriteria 5 sampai kriteria 15, kriteria IPA
11 terhadap kriteria 1 sampai kriteria 15, 10 IBB 10 Sesuai
kriteria 9 terhadap kriteria 11 sampai kriteria IBB
Sesuai
15, kriteria 10 terhadap kriteria 11 sampai 11 IPA 11 IPA
kriteria 15, dan kriteria 12 terhadap kriteria 13 Sesuai
12 IPA 12 IPA
sampai kriteria 15. Contoh Matriks
perbandingan kriteria percobaan pertama 13 IPA 13 Sesuai
IPA

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2116

14 AGAMA 14 Sesuai 14 AGAMA 14 AGAMA Sesuai

AGAMA
15 IPS 15 Sesuai 15 IPS 15 IPS Sesuai
IPS
16 IBB 16 Sesuai 16 IBB 16 IBB Sesuai
IBB
17 IPS 17 Sesuai 17 IPS 17 IPS Sesuai
IPS
Tidak 18 IPA 18 IBB Tidak
18 IPA 18
IBB sesuai sesuai
Tidak 19 IBB 19 AGAMA Tidak
19 IBB 19
AGAMA sesuai sesuai
Sesuai 20 IBB 20 IBB Sesuai
20 IBB 20
IBB
Tidak 21 IPS 21 IPA Tidak
21 IPS 21
IPA sesuai sesuai
Sesuai 22 IPA 22 IPA Sesuai
22 IPA 22
IPA
Sesuai 23 IPA 23 IPA Sesuai
23 IPA 23
IPA
Tidak 24 IPS 24 IPA Tidak
24 IPS 24
IPA sesuai sesuai
Tidak 25 IPS 25 IBB Tidak
25 IPS 25
IBB sesuai sesuai
Sesuai 26 IPS 26 IPS Sesuai
26 IPS 26
IPS
Sesuai 27 AGAMA 27 AGAMA Sesuai
27 AGAMA 27
AGAMA
Sesuai 28 AGAMA 28 AGAMA Sesuai
28 AGAMA 28
AGAMA
Sesuai 29 AGAMA 29 AGAMA Sesuai
29 AGAMA 29
AGAMA
Sesuai 30 AGAMA 30 AGAMA Sesuai
30 AGAMA 30
AGAMA
Tabel 7. Hasil Pengujian Pengaruh Bobot
Kriteria Terhadap Akurasi Percobaan 2 Pada pengujian pengaruh nilai bobot kriteria
terhadap akurasi didapatkan bahwa pengujian
Data MAN 2 Data Sistem Hasil pada percobaan pertama dengan mengubah
Kota Serang
beberapa nilai bobot kriteria perbandingan
No Pemiantan No Peminatan
berpasangan yang sesuai dengan kriteria
1 IBB 1 IPA Tidak masing-masing peminatan menghasilkan
sesuai tingkat akurasi sebesar 76,67%. Dan pengujian
2 IPA 2 IPA Sesuai pada percobaan kedua dengan mengubah
3 AGAMA 3 AGAMA Sesuai beberapa nilai bobot kriteria perbandingan
berpasangan yang sesuai dengan kriteria
4 IPS 4 IPA Tidak masing-masing peminatan namun memiliki
sesuai
bobot nilai yang berbeda menghasilkan tingkat
5 IPA 5 IBB Tidak
sesuai akurasi sebesar 73,33%. Dari analisis tersebut,
6 IPS 6 IPS Sesuai dapat diketahui bahwa perubahan bobot kriteria
mempengaruhi akurasi yang dihasilkan dengan
7 IPS 7 IPS Sesuai akurasi terbesar 76,67% pada percobaan
8 IPA 8 IPA Sesuai pertama, sehingga dari hasil percobaan diatas
dapat membuktikan bahwa nilai bobot matriks
9 IPA 9 IPA Sesuai perbandingan berpasangan berpengaruh
10 IBB 10 IBB Sesuai
terhadap sistem penentuan peminatan siswa di
MAN 2 Kota Serang. Untuk mendapatkan hasil
11 IPA 11 IPA Sesuai akurasi yang lebih baik diperlukan metode
optimasi dalam menentukan nilai bobot matriks
12 IPA 12 IPA Sesuai
perbandingan berpasangan yang terbaik.
13 IPA 13 IPA Sesuai

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
5. KESIMPULAN
Berdasarkan penelitian yang dilakukan,
dapat disimpulan bahwa
1. metode fuzzy analytical hierarchy process
(F-AHP) dapat diimplementasikan dalam
penentuan peminatan siswa dengan
keluaran sistem hasil peminatan siswa
dengan tahapan yaitu, membuat matriks
perbandingan berpasangan dengan skala
AHP, transformasi matriks perbandingan
berpasangan ke dalam skala TFN,
menghitung nilai sintesis fuzzy (Si), nilai
vektor (V) dan ordinat defuzzyfikasi (d’),
normalisasi, menghitung rasio konsistensi,
dan menghitung nilai bobot alternatif
akhir.
2. Hasil pengujian fungsional sistem
penentuan peminatan di MAN 2 Kota
Serang memilliki tingkat presentase
sebesar 100%.
3. Hasil pengujian akurasi berdasarkan
perbandingan hasil penentuan peminatan dari
sistem dengan hasil penentuan peminatan dari
MAN 2 Kota Serang adalah sebesar 63,33%
dengan jumlah data yang sesuai sebanyak 21
data, dari total 30 data uji.
4. Pada pengujian pengaruh nilai bobot
matriks perbandingan berpasangan
dilakukan dua percobaan, percobaan
pertama menghasilkan akurasi sebesar
76,67% dan percobaan kedua
menghasilkan akurasi sebesar 73,33%.
Dapat disimpulkan bahwa perubahan nilai
bobot matriks perbandingan berpasangan
mempengaruhi akurasi sistem penentuan
peminatan di MAN 2 Kota Serang.
6. DAFTAR PUSTAKA
Ansori, Yusuf., 2012. Pendekatan Triangular
Fuzzy Number dalam Metode Analytic
Hierarchy Process. Jurnal Ilmiah
Foristek Vol. 2, No. 1.
Bhusan, N., Rai, K., 2004. Strategic Decision
Making Applying the Analytic
Hierarchy Process. Springer.
Fauziah M, I., 2014. Sistem pendukung
keputusan seleksi beasiswa ppa dan
bbm menggunakan metode fuzzy
AHP.Universitas Brawijaya.
Handayani, D., N,. dkk.,2014.Sistem pendukung
keputusan untuk pemilihan jurusan
menggunakan fuzzy multiple atribute
decision making dengan metode simple
Fakultas Ilmu Komputer, Universitas Brawijaya
2117
additive weighting studi kasus pada
sma islam sultan agung 1 semarang.
Kusumadewi, S., & Purnomo, H. 2010. Aplikasi
Logika Fuzzy untuk Pendukung
Keputusan. Yogyakarta: Graha Ilmu.
Kementerian Pendidikan dan Kebudayaan.
2013. Pedoman Peminatan Peserta
Didik. Jakarta.
Mahargiyak, E., 2013. Implementasi Metode
Fuzzy Analytical Hierarchy Process (F-
AHP) untuk Pemilihan Sumber Daya
Manusia dalam Kepanitiaan
Organisasi Mahasiswa. Univerista
Brawijaya.
Marimin, 2004. Teknik Dan Aplikasi
Pengambilan Keputusan Kriteria
Majemuk. Jakarta: PT. Grasindo.
Prabowo A., G., Novanita B., 2015. Sistem
Pendukung Keputusan Penentuan
Peminatan Peserta Didik Menggunakan
Metode Weighted Product Berbasis
Web (Studi Kasus : Sma Negeri 1
Purwodadi Grobogan). Universitas
Diponegoro.
Putri, Maharani., 2014. Sistem Pendukung
Keputusan Seleksi Penerimaan Siswa
Baru Menggunakan Metode Electre -
Weighted Product. Universitas
Brawijaya.
https://filkom.ub.ac.id/apps : Template
Proposal. (diakses pada tanggal 3
Februari 2016).
Susanti. A,. 2015. Perancangan sistem
pendukung keputusan penentuan
jurusan siswa sma negeri 2 kutacane
berbasis web dengan menggunakan
metode analytical hierarchy process
(AHP). Pelita Informatika Budi Darma
Volume : IX, Nomor: 1.