SISTEM PENDUKUNG KEPUTUSAN UNTUK USULAN PRIORITAS PENERIMAAN

SERTIFIKASI GURU MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING

Donny Harwanto ,A11.2010.05405

Dra Yuniarsi Rahayu, M.Kom

S1 / JurusanTeknikInformatikaFakultasIlmuKomputer, Universitas Dian Nuswantoro Semarang

Abstract :” Good quality of education is the main requisite to actualize a modern and
prosperous country. Quality affect the effectiveness of education. The teacher certification
program is a method to incrase teacher’s quality in aim to increase the quality of education and
to affect student performance. The aim this research is to discuss the blueprint of teachers
certification graduation suppport system so that the certification team and the assessor able to
take decision on teacher certification easier than before. This research explain teacers
certification graduation suppport system using simple addditive weighting in aim to give good
data and result for teachers certification candidates“
Keywords: Teacher Certification, Simple Additive Weighting, education, priority”

Guru yang dapat mengikuti sertifikasi dilakukan untuk memenuhi kuota sertifikasi
adalah guru yang telah memenuhi persyaratan yang telah ditentukan dari Dinas
utama, yaitu memiliki ijazah akademik atau Kabupaten/kota, hal ini dilakukan agar
kualifikasi akademik minimum S1 atau D4. sertifikasi tepat sasaran.
Selain guru, kepala sekolah dalam hal ini juga Acuan seorang guru untuk bisa diusulkan
harus mengikuti sertifikasi. Dilihat dari agar mendapat tunjangan profesi atau
kewajiban mengajarnya, guru mempunyai sertifikasi adalah dengan tercapainya syarat
kewajiban 24 jam tatap muka. Sementara yang sudah ditentukan. Dengan menyelesaikan
kepala sekolah mempunyai kewajiban lebih syarat-syarat untuk mendapatkan sertifikasi,
sedikit, yaitu 6 jam tatap muka. setiap syarat memiliki berbagai macam point
Dinas pendidikan Kabupaten/kota angka tersendiri. Dengan membandingkan
melakukan ranking calon peserta kualifikasi syarat guru satu dengan guru yang lain, baru
dengan urutan kriteria usia, masa kerja, bisa diketahui guru mana yang layak mendapat
golongan, beban mengajar. Perangkingan usulan prioritas sertifikasi.

1
 Saat ini banyak guru yang mengeluhkan efisien dan menghasilkan keputusan yang
proses sertifikasi yang tidak transparan, objektif.
diantaranya guru yang usia muda serta masa SAW (Simple Additive Weighting) yang
kerja yang lebih sedikit mendapat kesempatan sering juga dikenal istilah metode penjumlahan
lebih dulu menjalani proses sertifikasi daripada terbobot. Menurut Fishburn dan M.Crimon
guru yang sudah mempunyai pengalaman kerja konsep dasar metode SAW adalah mencari
yang lama dan usia tua. Oleh karena itu penjumlahan terbobot dari rating kinerja pada
dibutuhkan suatu sitem yang dapat digunakan setiap alternatif pada semua attribut. Menurut
untuk mendukung proses pengambilan Thill Metode SAW membutuhkan proses
keputusan yang dapat digunakan untuk normalisasi matrik keputusan (X) ke suatu skala
menjadikan proses analisa data calon sertifikasi yang dapat diperbandingkan dengan semua
guru menjadi efisien. rating alternatif yang ada.
Dalam upaya meningkatkan efisiensi LANDASAN TEORI
pengambilan keputusan untuk menganalisa 1. Pengertian Sistem Pendukung Keputusan
data-data calon sertifikasi guru maka diperlukan Decision Support System atau Sistem
sistem pendukung keputusan yang akan Pendukung Keputusan yang selanjutnya kita
membantu Unit Pengelola Pendidikan singkat dalam skripsi ini menjadi SPK, secara
Kecamatan Pemalang dalam menentukan calon umum didefinisikan sebagai sebuah sistem yang
sertifikasi guru yang layak untuk mendapatkan mampu memberikan kemampuan baik
usulan prioritas sertifikasi berdasarkan syarat- kemampuan pemecahan masalah maupun
syarat utama yang harus dipenuhi calon kemampuan pemgkomunikasian untuk masalah
sertifikasi guru. Sistem pendukung keputusan semi-terstruktur. Secara khusus, SPK
merupakan sebuah tindakan atau aksi (diantara didefinisikan sebagai sebuah sistem yang
berbagai alternatif) dalam pemecahan masalah mendukung kerja seorang manajer maupun
yang diyakini akan memberikan solusi terbaik sekelompok manajer dalam memecahkan
untuk mencapai tujuan (kusrini, 2007).[12] masalah semi-terstruktur dengan cara
Sistem pendukung keputusan membantu memberikan informasi ataupun usulan menuju
meningkatkan proses dan kualitas hasil pada keputusan tertentu (Hermawan, 2005). [4].
pembuatan keputusan sehingga proses
pembuatan keputusan dapat berjalan dengan
2. Metode SAW ( Simple Additive Weighting )

2
 Metode SAW sering juga dikenal istilah metode Dimana rij adalah rating kinerja dari
penjumlahan terbobot. Konsep dasar metode alternative Ai pada atribut Cj; I = 1,2,……,m
SAW adalah mencari penjumlahan terbobot dan j= 1,2,……,n.Nilai preferensi untuk
dari rating kinerja pada setiap alternatif pada setiap alternative (Vi) di berikan sebagai :

Vi =∑Wj rij
semua atribut. Metode SAW membutuhkan
proses normalisasi matriks keputusan (X) ke
suatu skala yang dapat diperbandingkan dengan
J=1
semua rating alternatif yang ada.
Keterangan :
(BaasyaibFachma, 2005) [8]
Vi = Ranking untuk setiap alternative
Wj = Nilai bobot dari setiap kriteria
Rij = Nilai rating kinerjaternormalisasi
Nilai Vi yang lebih besar mengindikasikan
rij = bahwa alternative Ai lebih terpilih.

{ 3. Langkah Penyelesaian SAW

Dalam penelitian ini menggunakan model

Keterangan : FMADM dengan metode SAW. Adapun

Rij =Nilai Rating Kinerja ternormlisasi langkah-langkahnya adalah:

Xij =Nilai Atribut yang di miliki dari setiap 1. Memberikan nilai setiap alternatif (Ai)

criteria Dimana rij adalah rating kinerja pada setiap kriteria (Cj) yang sudah

ter normalisasi dari alternatif Ai pada ditentukan, dimana nilai i=1,2,…m dan

atribut Cj;i=1,2,...,m dan j=1,2,...,n. Nilai j=1,2,…n.

preferensi untuk setiap alternatif (Vi) 2. Memberikan nilai bobot (W) yang juga

diberikan sebagai: didapatkan berdasarkan nilai crisp.

3. Melakukan normalisasi matriks dengan

Max Xiji = Nilai Terbesar dari Setiap kriteria cara menghitung nilai rating kinerja

Min Xij I = Nilai Terkecil dari Setiap kriteria ternormalisasi (rij) dari alternatif Ai pada

Benefit = Jika Nilai Terbesar adalah Terbaik atribut Cj berdasarkan persamaan yang

Cost = Jika Nilai Terkecil adalah Terbaik disesuaikan dengan jenis atribut (atribut
keuntungan/benefit=MAKSIMUM atau
atribut biaya/cost=MINIMUM). Apabila

3
 berupa artibut keuntungan maka nilai Tabel 2 KriteriaUsia
crisp (Xij) dari setiap kolom atribut dibagi
Usia (C1) Bilangan Fuzzy Nilai
dengan nilai crisp MAX (MAX Xij) dari
tiap kolom, sedangkan untuk atribut 21-30 Rendah 0,25
biaya, nilai crisp MIN (MIN Xij) dari tiap
31-40 Sedang 0,5
kolom atribut dibagi dengan nilai crisp
(Xij) setiap kolom. 41-50 Tinggi 0,75
4. Melakukan proses perankingan untuk
51-60 SangatTinggi 1
setiap alternatif (Vi) dengan cara
mengalikan nilai bobor (wi) dengan nilai
rating kinerja ternormalisasi (rij).
Tabel 2 Kriteria Masa Kerja
4. Kriteria dan Bobot MasaKerja Bilangan Fuzzy Nilai
Model Fuzzy MADM dan metode SAW (C2)
memerlukan kriteria yang akan dijadikan bahan ≤5 SangatKurang 0,2
perhitungan pada proses perankingan.
6-10 Kurang 0,4
Tabel1 Kriteria
11-15 Cukup 0,6
Kriteria Keterangan
16-20 Baik 0,8
C1 Usia
21-30 SangatBaik 1
C2 MasaKerja

C3 Golongan

C4 Jabatan

C5 PendidikanTerakhir

4
 Tabel4 Kriteria Golongan Tabel6 Pendidikan Terakhir
Golongan Bilangan Fuzzy Nilai PendidikanTerakhir Bilangan Nilai
(C3) (C5) Fuzzy

2A Sangat Rendah 0,1 D1 SangatKurang 0,2

2B Rendah 0,2 D2 Kurang 0,4

2C SangatSedang 0,3 D3 Cukup 0,6

2D Sedang 0,4 S1 Baik 0,8

3A Cukup 0,5 S2 SangatBaik 1

3B SangatCukup 0,6
Tabel7 Data 5 Orang mengajukan usulan sertifikasi
3C Tinggi 0,7
guru
3D SangatTinggi 0,8 Nama Usia Masa Gol Jabat Pend
Kerja an
4A Istimewa 0,9
Sulechi 30 Thn 10 Thn III C Guru S1
4B Sangat Istimewa 1
Sofiyatmi 33 Thn 8 Thn III C Guru S1

Muktianah 31 Thn 7 Thn III C KS S1

Tabel5 Kriteria Jabatan
Jabatan (C4) Bilangan Nilai Alexander 49 Thn 29 Thn III D Guru S1
Fuzzy Muryanto
Guru Sedang 0,5 Nolowati 36 Thn 13 Thn III C Guru S1

KepalaSekolah SangatTinggi 1

5
5. Perhitungan hasil seleksi Sertifikasi Guru Tabel rating kecocokan kemudian diubah
kedalam matriks keputusan X.
1. Rating kecocokan alternative setiap
kriteria 0,25 0,4 0,7 0,5 0,8
Untuk menentukan Penerimaan
X= 0,5 0,4 0,7 0,5 0,8
beasiswa menggunakan Model Fuzzy
0,5 0,4 0,7 1 0,8
Multiple Attribute Descision Making
(FMADM) dengan metode Simple Additive 0,75 1 0,8 0,5 0,8

Weighting (SAW) dilakukan pemberian nilai 0,5 0,6 0,7 0,5 0,8
setiap alternatif (Ai) pada seetiap kriteria
(Cj) yang sudah ditentukan. 2. Memberikan nilai bobotVektor (W)
Tabel9 Tingkat Kepentingan masing
Tabel8 Rating kecocokan dari setiap
masing kriteria
alternative pada setiap kriteria.
Kriteria Bobot Nilai
Kriteria (Ci)
C1 SangatBaik 1
Ai C1 C2 C3 C4 C5
C2 Sangat Baik 1

A1 0,25 0,4 0,7 0,5 0,8

C3 SangatTinggi 1

A2 0,5 0,4 0,7 0,5 0,8

C4 Sedang 0,5

A3 0,5 0,4 0,7 1 0,8

C5 Baik 0,8

A4 0,75 1 0,8 0,5 0,8

Sehingga diperoleh vector bobot (W)

A5 0,5 0,6 0,7 0,5 0,8 dengan data

W = ( 1 ; 0,8 ; 1 ; 0,5 ; 0,8)

6
 Tabel10 PenggolonganKriteria

Kriteria Cost Benefit

Usia √

MasaKerja √

Golongan √

Jabatan √

PendidikanTerakhir √

3. Normalisasi Matrik X Ke Persamaan I:

7
 V5 = (1).(0,6) + (0,8).(0,6) + (1).(0,875)
+ (0,5).(0,5) + (1).(1)
= 0,6 + 0,48 + 0,875+ 0,25 + 1
= 3,205

Sehingga di dapat matrix nilai matrix R

V1 = 2,745 ; V2 = 3,045 ; V3 = 3,205 ; V4
0,3 0,4 0,875 0,5 1 = 5,03; V5 = 3,205
dapat dikatakan bahawa pelamar
0,6 0,4 0,875 0,5 1
R= alternative A4 adalah alternative yang
0,6 0,6 0,875 2 1
terpilih sebagai alternatif terbaik.
1,5 1,6 1 0,5 1

0,6 0,6 0,875 0,5 1 5. PerancanganSistem

1. Context Diagram
4. Melakukan proses perangkingan Project Name:
Project Path:
context
e:\buku\
Chart File: dfd00006.dfd
Chart Name: contextDiagraam
dengan menggunakan persamaan (2) Created On:
Created By:
Jun-28-2014
user
Modified On: Jun-28-2014
Modified By: user
V1 = (1).(0,3) + (0,8). (0,4) + (1).(0,875) data_kriteria

Trnsksi_kecocokan_alternatif
tim_seleksi

+ (0,5) .(0,5) + (1).(1) 1

Data_cln_guru
= 0,3 + 0,32 +0,875 + 0,25 + 1 Cln_guru SPK_pemilihan_cln_guru
Trnsksi_normalisasi

trnsksi_proses_perangkingan
= 2,745
V2 = (1).(0,66) + (0,8).(0,4) +
(1).(0,875) + (0,5).(0,5) + (1).(1)
Lap_hasil_seleksi

= 0,6 + 0,32 + 0,875 + 0,25 + 1 Kpla_bag_teknik

lap_data_cln_guru

kandidat_cln

= 3,045
V3 = (1).(0,6) + (0,8).(0,6) + (1).(0,875)
Gambar 1Context Diagram
+ (0,5).(0,5) + (1).(1)
= 0,6 + 0,48 + 0,875 + 0,25 + 1
= 3,205
V4 = (1).(1,5) + (0,8).(1,6) + (1).(1) +
(0,5).(0,5) + (1).(1)
= 1,5 + 1,28 + 1+ 0,25 + 1
= 5,03

8
a. Menu Utama Gambar 4. Desain Kecocokan Calon Guru
Sertifikasi
d. Form HasilTransaksi Ranking

Gambar 2 Desain Menu Utama

b. Form Pendataan Calon

Gambar 5 Desain Hasil Ranking Guru

Bersertifikasi

6. Kesimpulan
1. Memudahkan menentukan
pemilihan sertifikasi untuk guru
Gambar 3 Desain Pendataan Calon Guru
pada kecamatan Pemalang dalam
menginput data alternative,
c. Form Transaksi Kecocokan Calon Guru
kriteria,dan pembobotan ranking
Sertifikasi
transaksi SPK, dan membuat laporan
hasil transaksi Sistem Pendukung
Keputusan untuk usulan prioritas
penerimaan sertifikasi guru
menggunakan metode Simple
Additive Weighting.
2. Untuk Membangun dan
menghasilkan pendukung keputusan
untuk usulan prioritas penerimaan

9
 sertifikasi guru menggunakan metode 2. Erlianingrum hristina, 2012.”Pembangunan
Simple Additive Weighting berbasis Sistem Pendukung Keputusan Penentuan
komputer yang lebih baik dari sistem Sertifikasi Guru Menggunakan Metode K-
lama dalam hal kecepatan proses Nearst Neighbor”, Skripsi Teknik
pendataan dan laporan dengan tingkat Informatika Universitas Atma Jaya
kesalahan yang minimal. Yogyakarta .
3. Setiawan Edi, 2011,”Rancang Bangun
3. Saran Sistem Pendukung Keputusan Kelulusan
Dari kesimpulan di atas, penulis dapat Sertifikas Guru”, Tesis Universitas
memberikan saran-saran sebagai berikut: Diponegoro.
1. Penggunaan komputer sebagai alat bantu 4. Hermawan, Julius. 2005.”Membangun
untuk mengolah Metode Simple Additive Decision Support System”. Yogyakarta:
Weighting sudah selayaknya diterapkan. Andi.
2. Penggunaan tenaga ahli yang terampil akan 5. Iqbal dan Hasan. 2004.”Pokok-Pokok Materi
menjadikan system tersebut dapat Teori Pengambilan Keputusan”. Jakarta :
digunakan dengan maksimal. Tenaga ahli Ghalia Indonesia.
dapat diperoleh dari luar instansi atau 6. Efraim Turban, Decision Support Systems
melalui training dari karyawan yang ada. and Intelligent Systems, edisi. Bahasa
3. Pemakaian Metode Simple Additive Indonesia jilid 1, Penerbit ANDI,
Weighting.dalam instansi sudah waktunya Yogyakarta, 2005
diterapkan untuk meminimumkan 7. Surbakti, Ramlan, Memahami Ilmu Politik,
kesalahan serta menjamin keamanan dan Jakarta: PT Gramedia Widiasarana
sekaligus mempermudah pengawasan arus Indonesia,1992.
data. 8. Basyaib, Fachmi, Teori Pembuatan
Daftar Pustaka Keputusan, Jakarta: PT. Gramedia
Widiasarana Indonesia, 2006.
1. Rochmasari Lia, dkk. 2010.”Penentuan
9. Kusumadewi, Sri danHariPurnomo. 2004.
Prioritas Usulan Sertifikasi Guru Dengan
Aplikas iLogika Fuzzy Untuk Pendukung
Metode Analatic Hirarky Process”, Jurnal
Keputusan. Yogyakarta :GrahaIlmu.
Tehnologi Informasi ISSN.
10. Idmayanti Rika, Sistem Pendukung
Keputusan Penentuan Penerima Beasiswa

10
 BBM (Bantuan Belajar Mahasiswa) pada
Politeknik Negeri Padang Menggunakan
Metode Fuzzy Multiple Attribute Decision
Making, ISSN 2014.
11. BedjoSujanto.2009.”caraefektifmenujusertif
ikasi guru”.Depok : RaihAsaSukses.
12. Kusrini.2007. ”Konsepdan Aplikasi Sistem
Pendukung Keputusan”.yogyakarta :Andi
offset.

11