IJCCS, Vol.x, No.x, July xxxx, pp.

1~5
ISSN: 1978-1520  1

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN UNTUK

SISWA MAN GRESIK DENGAN METODE PROFILE MATCHING

Nur Afifah1, Andharini Dwi Cahyani2, Rika Yunitarini3

123
Program Studi Teknik Informatika, Universitas Trunojoyo Madura
JL. Raya Telang, PO BOX 2, Kamal, Bangkalan-69162
e-mail: 1afifah0692@gmail.com, 2andharini.dwi.cahyani@gmail.com,
3
rika_yunitarini@yahoo.com

Abstrak
Siswa baru kelas X di MAN Gresik wajib memilih jurusan yang diminati. Selama ini
proses penjurusan dilakukan secara manual sehingga perlu dibangun sistem pemberian
rekomendasi penjurusan berbasis komputer. Untuk menentukan jurusan ada beberapa kriteria
yang digunakan yaitu nilai tes tulis, nilai rapot SMP/MTs, nilai rata-rata ujian nasional
SMP/MTs, minat siswa dan rekomendasi jurusan dari hasil tes psikologi. Dalam penelitian ini
dilakukan penjurusan siswa baru berdasarkan kriteria tersebut dengan metode profile matching.
Metode profile matching digunakan untuk membandingkan antara kompetensi individu ke
dalam kompetensi ideal tiap jurusan. Siswa akan direkomendasikan ke jurusan yang memiliki
nilai gap terkecil antara profil siswa dan profil ideal. Dalam penelitian ini juga digunakan
metode SMARTER untuk melakukan pembobotan tiap kriteria. Pengujian aplikasi dilakukan
dengan membandingkan data hasil rekomendasi dengan data di lapangan.

Kata Kunci : Penjurusan, Sistem Pendukung keputusan, Profile Matching, SMARTER.

Abstract
New students of class X in MAN Gresik shall choose majors that they are interest in. During the
years, this process is done manually, therefore we need to build a computer-based system to
recommend the students major. To determine the students major, there are several criteria used
namely: written test scores, score of SMP/MTs report, average score of the national exam SMP
/MTs, student interest and majors recommendations from psychological tests. In this research, a
new student majors is recommended based on these criteria with profile matching method. This
profile matching method is used to match the students profile and the ideal profile of each
major. Students will be recommended to the major that has the smallest gap between those
profile. In this study we also used SMARTER method to weight each criterion. This application
is tested by comparing the majors recommendation generated by the system and the real-world
data.

Keywords: Majors , decision support system , Profile Matching , SMARTER

1. PENDAHULUAN

Perkembangan teknologi dan informasi saat ini berkembang dan berjalan sangat cepat di
segala bidang kehidupan, salah satunya dalam bidang pendidikan. Dalam rangka meningkatkan
mutu pendidikan banyak dari sekolah menerapakan sistem yang sudah terkomputerisasi yang
dapat mempermudah dan lebih efesien.
Proses penjurusan di MAN Gresik dilakukan pada saat siswa berada di awal kelas X.
Dalam pemilihan jurusan untuk siswa kelas X masih dilakukan dengan manual, siswa diberikan
angket minat yang kemudian akan dilakukan pencatatan oleh guru BK dan setelah itu dilakukan
proses pengambilan keputusan. Pengambilan keputusan yang masih dilakukan dengan manual
tersebut dirasa kurang ekonomis ditambah lagi banyaknya jumlah siswa pada kelas X pada

Received June 1st,2012; Revised June 25th, 2012; Accepted July 10th, 2012
2IJCCS ISSN: 1978-1520 

tahun ajaran 2014/2015 tercatat ± 280 siswa yang diproses, sehingga dapat memakan waktu
yang lama.
Pada penelitian ini dibuat sebuah aplikasi sistem pendukung keputusan penentuan jurusan
untuk siswa. Dimana di MAN Gresik jurusan terbagi menjadi 4 yaitu Matematika dan Ilmu
Alam (MIA), Ilmu-ilmu Sosial (IIS), Ilmu Bahasa dan Budaya (IBBU), dan Ilmu-ilmu
Keagamaan (IIK). Dalam sistem pendukung keputusan ini menggunakan metode profile
matching. Metode profile matching [1] merupakan proses membandingkan antara kompetensi
individu ke dalam kompetensi ideal, dalam hal ini profil siswa akan dibandingkan dengan profil
jurusan yang ideal sehingga dapat diketahui perbedaan kompetensi (gap). Semakin kecil gap
yang dihasilkan maka bobot nilai semakin besar. Bobot profil siswa yang memiliki bobot
tertinggi di profil jurusan akan dijadikan rekomendasi jurusan untuk setiap siswa.
Dari latar belakang di atas, muncul beberapa permasalahan antara lain bagaimana
membuat suatu sistem pendukung keputusan dalam penentuan jurusan untuk siswa kelas X di
MAN Gresik dan bagaimana mengimplementasikan profile matching dalam menentukan
jurusan yang tepat bagi siswa.

2. METODE PENELITIAN

Pada aplikasi yang dibangun ini, ada 4 aktor yaitu Siswa, Admin, Guru BK dan
Pimpinan. Adapun kegiatan yang dilakukan oleh keempat faktor tersebut dapat dilihat pada
Gambar 1.

Gambar 1. Diagram Alur Sistem

Aplikasi ini digunakan untuk membantu dalam menentukan jurusan yang cocok bagi para
siswa-siswi MAN Gresik. Pertama kali siwa diberikan angket untuk mengisi biodata, nilai rapot
SMP/MTs, serta mengisi jurusan yang dipilih. Kemudian admin atau guru bimbingan konseling
akan menginputkan data pada sistem. Sebelumnya admin atau guru BK harus menginputkan
kriteria penjurusan, komponen penilaian, bobot gapa setiap kriteria, klasifikasi nilai tiap kriteria,
mengisi persentase core factor dan secondary factor, dan profile ideal setiap jurusan. Kriteria
yang sudah dimasukkan akan dibobotkan dengan metode SMARTER. Bobot yang diperoleh dari
metode SMARTER akan digunakan pada proses profile matching.
A. Kriteria

Title of manuscript is short and clear, implies research results (First Author)
IJCCS ISSN: 1978-1520  3

Pada penelitian ini ada beberapa kriteria yang digunakan dalam menentukan jurusan untuk
siswa, yaitu;
1. Nilai Tes Tulis
Pada kriteria nilai tes tulis memiliki 5 komponen penilaian, yaitu nilai tes tulis Bahasa
Inggris, nilai tes tulis Matematika, nilai tes tulis IPA, nilai tes tulis IPS, Nilai tes tulis
dan nilai tes tulis PAI

2. Nilai Rapor SMP/MTs

Pada kriteria nilai rapot SMP/MTs 36 komponen penilain, yang terdiri dari nilai selama
6 semester untuk mata pelajaran :
1. Nilai Bahasa Indonesia
2. Nilai Bahasa Inggris
3. Nilai Matematika
4. Nilai IPA
5. Nilai IPS
6. Nilai PAI

3. Nilai rata – rata Ujian Nasional SMP/MTs

4. Minat Siswa
Komponen penilaian pada minat siswa yaitu minat Matematika dan Ilmu Alam (MIA),
Ilmu-ilmu Sosial (IIS), Ilmu Bahasa dan Budaya (IBBU), dan Ilmu-ilmu Keagamaan
(IIK).

5. Rekomendasi dari hasil Tes Psikologi

B. Metode SMARTER (Simple Multi-Attribute Ratting Technique Exploiting Ranks)

Metode SMARTER (Simple Multi-Attribute Rating Technique Exploiting Ranks)
merupakan teknik pembobotan setiap kriteria dalam suatu pengambilan keputusan. Bobot
setiap kriteria menentukan tingkat kepentingan dari kriteria tersebut.
Rumus metode SMARTER secara umum : [2]

∑ ,∀ = 1 ……………………. (1)

Bobot W didapat dari :

= ( )∑ ( ) …….……………… (2)
Dimana Wj adalah nilai skala pembobotan kriteria ke-j dari k kriteria, dan Uij adalah
nilai utility / alternatif i pada kriteria j.
Ada 2 hal yang yang mendasari metode SMARTER yaitu :
1. Teknik yang sederhana lebih mudah digunakan sehingga lebih memungkinkan untuk
digunakan oleh pembuat keputusan.
2. Teknik yang mudah lebih memungkinkan untuk mendapatkan keputusan yang dapat
diandalkan.

Pada metode SMARTER bobot tiap kriteria dihitung dengan menggunakan rumus
pembobotan Rank Order Centroid (ROC). ROC ini didasarkan pada tingkat kepentingan
atau prioritas dari kriteria. Pembobotan ROC didapat dengan prosedur matematika
sederhana dari prioritas. Ide dasarnya dapat diilustrasikan dengan kasus 2 atribut A dan B.
Jika A rangking pertama maka bobotnya harus berada antara 0,5 dan 1, sehingga titik
tengah dari interval (0,75) diambil sebagai bobot perkiraan, yang merupakan dasar dari

Title of manuscript is short and clear, implies research results (First Author)
4IJCCS ISSN: 1978-1520 

sebuah prinsip komitmen minimum. Seperti juga bobot B akan menjadi 0,25 (merupakan
titik tengah antara 0,5 dan 0).

Prosedur ini dapat dirumuskan sebagai berikut (jika ada k atribut) ;

W1 > W2 > W3 > ………. > WK
W1 = (1 + ½ + 1/3 + ……+ 1/k)/k
W2 = (0 + ½ + 1/3 + ……+ 1/k)/k
W3 = (0 + 0 + 1/3 + …….+ 1/k)/k
………….
Wk = (0 + 0 + 0 + ……….+ 1/k)/k

Contoh Kasus Perhitungan SMARTER

Berikut ini merupakan contoh kasus perhitungan SMARTER dengan 5 atribut (kriteria);
( / / / / )
W1 = = 0,4567
( / / / / )
W2 = = 0.2567
( / / / )
W3 = = 0.1567
( / / )
W4 = = 0.09
( / )
W5 = = 0.04

C. Metode Profile Matching

Profile Matching [3] merupakan sebuah mekanisme pengambilan keputusan dengan
mengasumsikan bahwa terdapat tingkat variabel prediktor yang ideal yang harus dimiliki
oleh pelamar, dan bukan merupakan tingkat minimal yang harus dipenuhi. Dalam proses
profile matching, akan dilakukan proses perbandingan antara kompetensi individu ke
dalam kompetensi standart, dalam hal ini profil jurusan yang ideal sehingga dapat diketahui
perbedaan kompetensinya disebut juga dengan gap [4].

a. Langkah-langkah Metode Profile Matching

Menurut Kusrini [5] langkah dalam melakukan metode ini terdiri dari lima langkah
sebagai berikut:
1. Menentukan Bobot Nilai Gap.
Pada tahap ini, akan ditentukan bobot nilai masing-masing aspek dengan
menggunakan bobot nilai yang telah ditentukan bagi masing-masing aspek itu sendiri.

2. Melakukan pemetaan Gap.

Gap yang dimaksud adalah perbedaan antara profil jurusan ideal dengan profil siswa.
Gap = Profil Siswa - Profil Jurusan ……….. ( 3 )

3. Melakukan pencocokan dengan table bobot gap hasil gap dari pengurangan profil
siswa dan profil jurusan bila dicocokan dengan kolom selisih gap pada tabel bobot
nilai yang dihasilkan sama.

4. Melakukan perhitungan core factor dan secondary factor.

Setelah menentukan bobot nilai gap untuk setiap aspek yang dibutuhkan, kemudian
tiap aspek dikelompokkan lagi menjadi dua kelompok yaitu core factor dan secondary
factor.
Core factor merupakan aspek (kompetensi) yang paling menonjol/paling. Untuk
menghitung core factor digunakan rumus:
∑
= ∑
…………………………………(4)

Title of manuscript is short and clear, implies research results (First Author)
IJCCS ISSN: 1978-1520  5

Keterangan:
NRC = Nilai rata-rata core factor tiap aspek
NC = Jumlah total nilai core factor tiap aspek
IC = Jumlah item tiap aspek

Secondary factor adalah item-item selai aspek yang ada pada core factor. Untuk
menghitung secondary factor digunakan rumus:
∑
= ∑
…………………………………(5)

Keterangan:
NRS = Nilai rata-rata core factor tiap aspek
NS = Jumlah total nilai core factor tiap aspek
IS = Jumlah item tiap aspek

Perhitungan nilai total tiap aspek. Dari hasil setiap aspek di atas berikutnya dihitung
nilai total berdasarkan presentasi dari nilai core factor dan secondary factor yang
diperkirakan berpengaruh terhadap kinerja tiap-tiap profil. Untuk menghitung nilai
total digunakan rumus:
N = x% NRC + x%NRS ……………………. (6)

Keterangan :
N = Nilai total tiap aspek
NRC = Nilai rata-rata core factor tiap aspek
NRS = Nilai rata-rata core factor tiap aspek
x% + Nilai persen yang diinputkan

5. Perhitungan rangking
Hasil akhir dari proses profile matching adalah rangking dari profil siswa pada jurusan
yang ada.
Rangking = ∑ x%Ni …………………………(7)
Keterangan :
Ni = Nilai setiap aspek penilaian
x%= Nilai persen yang diinputkan

3. HASIL DAN PEMBAHASAN

A. Implementasi sistem
1. Menu Data Siswa
Menu ini berisikan data-data siswa. Dalam menu ini terdapat menu untuk
menambahkan, mengubah, dan menghapus data siswa serta terdapat menu penilaian
siswa. Menu data siswa dapat dilihat pada Gambar 2.

Title of manuscript is short and clear, implies research results (First Author)
6IJCCS ISSN: 1978-1520 

Menu tambah siswa

Menu penilaian siswa

Gambar 2. Menu Data Siswa

2. Menu Penilaian siswa

Menu ini berisikan nilai-nilai siswa pada setiap komponen penilaian. Menu
penilaian siswa dapat dilihat pada Gambar 3.

Kriteria

Komponen Peniliaan

Gambar 3. Menu Penilaian siswa

3. Menu Profile Ideal

Menu ini berisikan profil ideal pada setiap jurusan. Menu ini mennetukan nilai ideal
serta menentukan core factor dan secondary faktor untuk setiap komponen
penilaian. Menu profile ideal dapat dilihat pada Gambar 4.

Title of manuscript is short and clear, implies research results (First Author)
IJCCS ISSN: 1978-1520  7

Gambar 4. Menu Profile Ideal

4. Menu Proses Penjurusan

Menu proses penjurusan digunakan untuk melihat rekomendasi jurusan pada siswa
yang sudah diproses. Untuk memproses penjurusan pertama centang siswa yang
akan diproses kemudian baru disubmit proses. Menu proses penjurusan dapat dilihat
pada Gambar 5.

Gambar 5. Menu Proses Penjurusan

B. Uji Coba Sistem dan Analisis Sistem

Ujicoba aplikasi dilakukan untuk mengetahui seberapa baik kinerja aplikasi ini. Uji
coba dilakukan dengan 2 skenario pengujian.
1. Skenario 1
Uji coba skenario pertama menggunakan 100 data siswa penjurusan ditunnjukkan
pada Tabel 1.

Title of manuscript is short and clear, implies research results (First Author)
8IJCCS ISSN: 1978-1520 

Tabel 1. Skenario 1
Cek
NIS Nama Rekom Sistem Rangking Manual
Kecocokan
4158 Dhita Nur Faizah IIS 4.23231 MIA FALSE
414001 Sri Haryani IIS 3.64284 IIK FALSE
414004 Abi Satrio Utomo IIS 4.00006 IIS TRUE
414005 Rosa Indah Rahmawati IIK 2.97396 IIK TRUE
414007 Adinda Fitriyah IIK 4.78228 IIS FALSE
…. … … … … …
414008 Nawang Mawarsa IIS 3.68993 IIS TRUE
414206 Dicky Nugroho P MIA 3.50414 MIA TRUE
414208 Abror Aqomaddin IIK 3.61918 IIK TRUE
414213 Jihan Ilmiatul Chasanah IBBU 3.49094 IBBU TRUE

Pada uji coba skenario 1 dilakukan dengan membandingkan data hasil manual
dari sekolah dengan hasil rekomendasi dari sistem dengan data siswa sebanyak 100.
Dari uji coba skenario 1 dihasilkan akurasi dapat dilihat pada Tabel 2.

Tabel 2 Akurasi Skenario 1

Jumlah data Jumlah data
Jurusan Jumlah Akurasi
sama beda
MIA 32 10 22 31.25%
IIS 35 25 10 71.43%
IBBU 12 8 4 66.67%
IIK 21 17 4 80.95%

Setelah dilakukan perbandingan untuk mendapatkan akurasi pada proses

penjurusan siswa baru, dengan cara mencocokkan data dari hasil sistem dengan data
dari sekolah, didapatkan hasil akurasi data yang sesuai dengan data dari hasil
penjurusan sekolah yaitu 10 data siswa yang sama untuk jurusan MIA dari 32 data
siswa dengan akurasi sebesar 31.25%, untuk jurusan IIS ada 25 data siswa yang sama
dari 35 data siswa dengan akurasi sebesar 71.43%, untuk jurusan IBBU ada 8 data
siswa yang sama dari 12 data siswa dengan akurasi sebesar 66.67% dan untuk jurusan
MIA ada 17 data siswa yang sama dari 21 data siswa dengan akurasi sebesar 80.95%.
Pada jurusan IIK memliki keakuratan yang tinggi sedangkan keakuratan terendah
terdapat pada jurusan MIA. Secara keseluruhan dapat dikatakan bahwa hasil akurasi
menggunakan seleksi pada sistem dengan jumlah data 100 siswa adalah sebesar
62.57%.

2. Skenario 2
Uji coba skenario pertama menggunakan 200 data siswa penjurusan ditunjukkan
pada Tabel 3.

Tabel 3. Skenario 2
Cek
NIS Nama Rekom Sistem Rangking Manual
Kecocokan
4158 Dhita Nur Faizah IIS 4.23231 MIA FALSE
414001 Sri Haryani IIS 3.64284 IIK FALSE
414004 Abi Satrio Utomo IIS 4.00006 IIS TRUE
414005 Rosa Indah Rahmawati IIK 2.97396 IIK TRUE
414007 Adinda Fitriyah IIK 4.78228 IIS FALSE
…. … … … … …
Cek
NIS Nama Rekom Sistem Rangking Manual
Kecocokan

Title of manuscript is short and clear, implies research results (First Author)
IJCCS ISSN: 1978-1520  9

414515 Khanifatus Sa'diyah MIA 3.31789 MIA TRUE

414516 Sandya Hilana A IIK 3.17217 IIS FALSE
414517 Neny Chadinatus S IIS 3.22028 IIS TRUE
4142012 Erna Fahriana IIK 4.65941 IIK TRUE
414515 Khanifatus Sa'diyah MIA 3.31789 MIA TRUE

Pada uji coba skenario 2 dilakukan dengan membandingkan data hasil manual
dari sekolah dengan hasil rekomendasi dari sistem dengan data siswa sebanyak 200.
Dari uji coba scenario 2 dihasilkan akurasi dapat dilihat pada Tabel 4.

Tabel 4. Akurasi Skenario 2

Jumlah Jumlah
Jurusan Jumlah Akurasi
data sama data beda
MIA 79 23 56 29.11%
IIS 68 58 10 85.29%
IBBU 23 15 8 65.22%
IIK 30 27 3 90%

Setelah dilakukan perbandingan untuk mendapatkan akurasi pada proses

penjurusan siswa baru, dengan cara mencocokkan data dari hasil sistem dengan data
dari sekolah, didapatkan hasil akurasi data yang sesuai dengan data dari hasil
penjurusan sekolah yaitu 23 data siswa yang sama untuk jurusan MIA dari 79 data
siswa dengan akurasi sebesar 29.11%, untuk jurusan IIS ada 58 data siswa yang sama
dari 68 data siswa dengan akurasi sebesar 85.29%, untuk jurusan IBBU ada 15 data
siswa yang sama dari 23 data siswa dengan akurasi sebesar 65.22% dan untuk jurusan
IIK ada 27 data siswa yang sama dari 30 data siswa dengan akurasi sebesar 90%. Pada
jurusan IIK memliki keakuratan yang tinggi sedangkan keakuratan terendah terdapat
pada jurusan MIA. Secara keseluruhan dapat dikatakan bahwa hasil akurasi
menggunakan seleksi pada sistem dengan jumlah data 100 siswa adalah sebesar
67.41%.

3. Analisa Hasil
Dari hasil uji coba yang dilakukan didapakan beberapa analisi hasil sebagai
berikut.
1. Pada jurusan MIA dan jurusan IBBU ketika data yang digunakan uji coba
sebanyak 100 data siswa, akurasi yang dihasilkan lebih besar dibandingkan pada
saat uji coba sebanyak 200 data siswa. Sehingga dapat disimpulkan semakain
banyak data yang digunakan pada jurusan MIA dan IBBU semakin kecil nilai
akurasinya.
2. Pada jurusan IIS dan jurusan IIK ketika data yang digunakan uji coba sebanyak
200 data siswa, akurasi yang dihasilkan lebih besar dibandingkan pada saat uji
coba sebanyak 100 data siswa. Sehingga dapat disimpulkan semakain banyak
data yang digunakan pada jurusan IIS dan IIK semakin besar nilai akurasinya.
3. Pada uji coba skenario 1 dengan uji coba data sejumlah 100 siswa dapat
dihasilkan 62.57% akurasi secara keseluruhan.
4. Pada uji coba skenario 2 dengan uji coba data sejumlah 200 siswa dapat
dihasilkan 67.41% akurasi secara keseluruhan.

4. KESIMPULAN DAN SARAN

Setelah menyelesaikan perancangan dan pembuatan aplikasi “Sistem Pendukung

Keputusan Penentuan Jurusan Pada Siswa MAN Gresik dengan Metode Profile Matching ”
dapat diambil beberapa kesimpulan sebagai berikut :

Title of manuscript is short and clear, implies research results (First Author)
IJCCS
10 ISSN: 1978-1520 

1. Sistem Pendukung Keputusan Penentuan Jurusan Pada Siswa MAN Gresik dengan
Metode Profile Matching dapat dijadikan sebagai solusi atau bahan pertimbangan
dalam penentuan jurusan bagi siswa.
2. Pada jurusan MIA dan jurusan IBBU ketika data yang digunakan uji coba sebanyak
100 data siswa, akurasi yang dihasilkan lebih besar dibandingkan pada saat uji coba
sebanyak 200 data siswa. Sehingga dapat disimpulkan semakain banyak data yang
digunakan pada jurusan MIA dan IBBU semakin kecil nilai akurasinya.
3. Pada jurusan IIS dan jurusan IIK ketika data yang digunakan uji coba sebanyak 200
data siswa, akurasi yang dihasilkan lebih besar dibandingkan pada saat uji coba
sebanyak 100 data siswa. Sehingga dapat disimpulkan semakain banyak data yang
digunakan pada jurusan IIS dan IIK semakin besar nilai akurasinya.
4. Pada uji coba skenario 1 dengan uji coba data sejumlah 100 siswa dapat dihasilkan
62.57% akurasi secara keseluruhan.
5. Pada uji coba skenario 2 dengan uji coba data sejumlah 200 siswa dapat dihasilkan
67.41% akurasi secara keseluruhan.

DAFTAR PUSTAKA

[1] Handojo, A., Setiabudi, D. H., Yunita, R., 2003, Pembuatan Aplikasi Sistem Pendukung
Keputusan untuk Proses Kenaikan Jabatan dan Perencanaan Karir Pada PT.X, Jurnal
Informatika, No.2, Vol.4, Hal.98-106.
[2] Putri, R.S. Sistem Pendukung Keputusan Penentuan Bantuan Stimulan Perumahan
Swadaya Menggunakan Metode SMARTER. Tugas Akhir [Skripsi]. Bangkalan: Universitas
Trunojoyo Madura. 2013
[3] Pambayun, K.H., Setyawan, R.A., Setiawan, Budi.D. Sistem Pendukung Keputusan Seleksi
Penerimaan Asisten Praktikum Menggunakan Metode Profile Matching. Malang :
Universitas Brawijaya. 2013
[4] Hidayat, Arif,L., Pinandita, T. Sistem Pendukung Keputusan Evaluasi Kinerja Karyawan
Untuk Promosi Jabatan struktural Pada Bimbingan Sciencemaster Menggunakan Metode
Gap Kompetensi (Profile Matching). Jurnal Teknologi Technoscientia Vol. 5 No.2 Februari
2013
[5] Kusrini, 2007, Konsep dan Aplikasi Sistem Pendukung Keputusan, Andi, Yogyakarta.

Title of manuscript is short and clear, implies research results (First Author)