BAB II

LANDASAN TEORI

2.1. Sistem Pendukung Keputusan

2.1.1. Sejarah dan Perkembangan Sistem Pendukung Keputusan

Pada tahun 1970-an Michael S. Scott Morton pertama kali memperkenalkan Sistem
Pendukung Keputusan, merupakan sistem informasi berbasis komputer interakfif,
yang membantu para pengambil keputusan untuk menggunakan data dan berbagai
model untuk memecahkan masalah – masalah tidak terstruktur.

Pada proses pengambilan data dan pengolahan data dalam Sistem Pendukung
Keputusan diperoleh hasil yang bersifat alternatif dan tidak diharuskan untuk
mengikutinya. Sistem pendukung keputusan yang merupakan penerapan dari sistem
informasi ditujukan hanya sebagai sebuah alat untuk membantu pengguna dalam
mengambil keputusan. Sistem pendukung keputusan tidak dimaksudkan untuk
menggantikan fungsi pengambil keputusan dalam membuat keputusan, melainkan
hanyalah sebagai alat bantu pengambil keputusan dalam melaksanakan tugasnya.

Saat ini, pengambilan keputusan dirasa lebih sulit karena kebutuhan akan
kecepatan dalam pengambilan keputusan terus meningkat. kelebihan informasi
merupakan masalah umum yang menyebabkan penyimpangan informasi. Sisi yang
positif dalam permasalahan ini adalah harus adanya suatu penekanan lebih besar
terhadap proses pengambilan keputusan. Dalam suatu pengambilan keputusan yang
kompleks dibutuhkan suatu pendukung keputusan yang bersifat komputerisasi, yang
 7

menyediakan bukti yang dirancang sebaik mungkin sesuai dengan penyimpanan data
sistem komputer yang membantu pengambilan keputusan agar dapat mendorong dan
meningkatkan kualitas suatu keputusan serta meningkatkan daya guna dan tepat guna
dalam prosespengambilan keputusan. ( Power. J, Daniel. 2009)

P.G.W Keen dan Scott-Morton yang merupakan penggagas istilah sistem

pendukung keputusan, mendefenisikan bahwa sistem pendukung keputusan itu adalah
beberapa sistem keputusan intelektual yang bersumber daya individu dengan dibantu
oleh kemampuan komputer untuk meningkatkan kualitas dari sebuah keputusan. (keen
dan Scott-Morton, 1978)

Sistem Pendukung Keputusan dapat menyediakan analisis informatif untuk

meningkatkan efisiensi pembuatan keputusan dalam sebuah organisasi. Sistem
Pendukung Keputusan, termasuk model keputusan, data, dan antarmuka pengguna
merupakan kesatuan yang sangat penting (Zhou, 2011)

Sistem Pendukung Keputusan merupakan sebuah alat bantu yang dapat

membantu si pembuat keputusan dalam menetapkan sebuah keputusan. Perlu
ditekankan bahwa Sistem Pendukung Keputusan hanyalah ditujukan untuk membantu
bukan untuk membuat keputusan. Keputusan yang diambil merupakan tanggung
jawab dari si pembuat keputusan.

2.1.2. Pengertian Sistem Pendukung Keputusan

Berikut pengertian sistem pendukung keputusan menurut beberapa para ahli (Turban,
2005):

1. Bonczek
Menurut Bonczek mendefinisikan sistem pendukung keputusan sebagai sistem
berbasis komputer yang terdiri dari tiga komponen yang saling berinteraksi
yaitu sistem bahasa, sistem pengetahuan dan sistem pemrosesan masalah.
 8

2. Raymond McLeod, Jr
Menurut Raymond McLeod, Jr mendefinisikan sistem pendukung keputusan
merupakan suatu sistem informasi yang ditujukan untuk membantu
manajemen dalam memecahkan masalah yang dihadapinya (McLeod, 1998).

3. Man dan Watson

Sistem Pendukung Keputusan merupakan suatu sistem interaktif, yang
membantu pengambil keputusan melalui penggunaan data dan model-model
keputusan untuk memecahkan masalah-masalah yang sifatnya semi terstruktur
dan tidak terstruktur.

4. Litlle
Menurut Litlle mengemukakan bahwa sistem pendukung keputusan adalah
suatu sistem informasi berbasis komputer yang menghasilkan berbagai
alternatif keputusan untuk membantu manajemen dalam menangani berbagai
permasalahan yang terstruktur ataupun tidak terstruktur dengan menggunakan
data atau model.

Dari semua pengertian Sistem Pendukung Keputusan yang dipaparkan oleh para ahli
diatas dapat disimpulkan bahwa Sistem Pendukung Keputusan adalah sebuah sistem
berbasis komputer yang dapat membantu sesorang dalam memecahkan masalah dari
data yang ada serta mengambil keputusan dan melahirkan output yang bersifat
alternatif.

2.1.3 Komponen Sistem Pendukung Keputusan

Adapun komponen-komponen dari Sistem Pendukung Keputusan adalah sebagai

berikut:

1. Manajemen Data
Manajemen Data mencakup database yang berisi data yang relevan untuk situasi dan
dikelola oleh perangkat lunak yang disebut sistem manajemen database.
 9

2. Manajemen Model
Manajemen Model merupakan paket perangkat lunak yang memasukkan model-
model finansial, statistik, ilmu manajemen, atau model kuantitatif yang lain yang
menyediakan kemampuan analisis sistem dan management software yang terkait.

3. Antarmuka Pengguna
Antarmuka Pengguna merupakan media interaksi antara pengguna dan sistem
sehingga pengguna dapat memberikan inputan kepada sistem agar didapatkan
keputusan yang diproses oleh sistem.

4. Subsistem Berbasis Pengetahuan

Subsistem Berbasis Pengetahuan adalah subsistem yang dapat mendukung semua
subsistem lain atau bertindak sebagai komponen yang berdiri sendiri.

Untuk lebih memahami komponen Sistem pendukung Keputusan yang telah

dijelaskan diatas dapat dilihat pada gambar 2.1. (Turban, 2005).

Gambar 2.1. Komponen Sistem Pendukung Keputusan

 10

2.1.4. Proses Pengambilan Keputusan

Berdasarkan definisi yang dikemukakan oleh Turban (1998), pengambilan keputusan

merupakan suatu proses atau kegiatan memilih diantara beberapa alternatif untuk
mencapai tujuan tertentu .

Menurut Suryadi dan Ramdhani(1998), terdapat beberapa pendekatan yang

dapat digunakan dalam melakukan pengambilan keputusan, antara lain: pendekatan
rasional analitis, pendekatan intuitif emosional, dan pendekatan perilaku politis.
Untuk dapat lebih memahami pemodelan proses dalam pengambilan keputusan
sebaiknya menggunakan beberapa tahapan/fase seperti yang telah dirumuskan, yaitu:

1. Tahap Intelligence
Tahap ini merupakan proses penelusuran dan pendeteksian dari lingkup problematika
serta proses pengenalan masalah. Data masukkan diperoleh, diproses, dan diuji dalam
rangka mengindentifikasikan masalah.

2. Tahap Design
Tahap ini merupakan proses menemukan, mengembangkan, dan menganalisis
alternatif tindakan yang bisa dilakukan. Tahap ini meliputi proses untuk mengerti
masalah, menurunkan solusi, menguji kelayakan solusi.

3. Tahap Choice
Pada tahap ini dilakukan proses pemilihan diantara berbagai alternatif tindakan yang
mungkin dijalankan. Tahap ini dimulai dengan mencari solusi dengan menggunakan
model, melakukan analisis sensitivitas, menyeleksi alternatif yang terbaik, melakukan
aksi atau rencana untuk mengimplementasikan, dan merancang sistem pengendalian.

Setelah ketiga tahap tersebut dilalui, maka selanjutnya adalah

mengimplementasikan solusi yang didapat, apakah telah sesuai dengan kenyataan atau
belum. Jika ternyata solusi yang diperoleh belum sesuai dengan kenyataan, maka
 11

perlu diteliti ulang apakah terdapat error pada masing-masing fase dalam proses
pengambilan keputusan.

2.1 Pendidikan di Indonesia

Pendidikan indonesia adalah pendidikan yang diselenggarakan di indonesia, baik

secara terstruktur maupun tidak terstruktur. Pendidikan merupakan sarana yang dapat
mempersatukan setiap warga negara menjadi suatu bangsa karena melalui pendidikan
para peserta didik difasilitasi, dibimbing dan dibina untuk menjadi warga negara yang
menyadari dan merealisasikan hak dan kewajibannya. Pendidikan juga merupakan alat
yang ampuh untuk menjadikan para peserta didik dapat bersosialisasi. Melalui
pendidikan, perbedaan kelas dan kasta dapat dihilangkan, karena dimata hukum setiap
warga negara adalah sama dan harus mendapat perlakuan yang sama. Pendidikan juga
dapat menjadi wahana untuk para peserta didik dapat mengembangkan diri sesuai
dengan potensi yang dimilikinya.

Sejalan dengan apa yang telah ditetapkan dalam Undang-Undang Dasar

Nomor 20 Tahun 2003 tentang sistem pendidikan nasional. Dalam Undang-Undang
ini pendidikan dimaksudkan sebagai sarana untuk mewujudkan suasana belajar dan
proses pembelajaran para peserta didik dapat secara aktif mengembangkan potensi
dirinya untuk memiliki kekuatan spiritual keagamaan, pengendalian diri, kepribadian,
kecerdasan, akhlak mulia secara keterampilan yang diperlukan dirinya, masyarakat
dan bangsa.

Permasalahan mendasar pendidikan di indonesia salah satunya adalah

lemahnya para guru dalam menggali potensi anak. Para pendidik seringkali
memaksakan kehendaknya tanpa pernah memperhatikan minat dan bakat yang
dimiliki siswanya. Proses pendidikan yang baik adalah dengan memberi kesempatan
kepada anak untuk berfikir kreatif, itu harus dilakukan sebab pada dasarya gaya
berfikir anak tidak bisa diarahkan. Ada beberapa faktor yang mempengaruhi
pendidikan di indonesia, salah satunya adalah rendahnya kualitas guru. Kebanyakan
guru belum memiliki profesionalisme yang memadai untuk menjalankan tugasnya
 12

sebagaimana disebutkan dalam Pasal 39 UU No 20/2003 yaitu merencanakan

pembelajaran, melaksanakan pembelajaran, menilai hasil pembelajaran, melakukan
pembimbingan, melakukan pelatihan, melakukan penelitian dan melakukan
pengabdian masyarakat. Secara umum, para guru di indonesia kurang bisa
memerankan fungsinya dengan optimal, karena pemerintah kurang bisa
memperhatikan mereka, khususnya dalam upaya meningkatkan profesionalismenya
(Syarifah, 2014).

2.2. Weighted Product Model

Metode Weighted Product (WP) Merupakan metode pengambilan keputusan

dengan cara perkalian untuk menghubungkan rating atribut, dimana rating setiap
atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan (Primarizky,
A. 2013).

Metode weighted Product (WP) merupakan salah satu metode penyelesaian yang
ditawarkan untuk menyelesaikan masalah Multi Attribute Decision Making (MADM).
Multi Attribute Decision Making adalah suatu metode pengambilan keputusan untuk
menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria
tertentu (Kusumadewi, 2006). Kriteria biasanya berupa ukuran-ukuran, aturan-aturan
atau standar yang digunakan dalam pengambilan keputusan.

Weighted Product (WP) menggunakan perkalian untuk menghubungkan rating

atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut
yang bersangkutan (Kusumadewi, 2006). Setelah mendapat hasil dri bobot atribut,
selanjutnya dihitung nilai vector V berdasarkan persamaan (1) sebagai berikut
(Savitha, K. dan Chandrasekar, C. 2011):

𝑽(𝑨𝒊 ) = ∏𝒏𝒋=𝟏 𝑿𝒊𝒋 𝒘𝒋 … (1)

Dimana: 𝑉(𝐴𝑖 ) = Nilai alternatif terbaik.

𝑋𝑖𝑗 = Nilai atribut j pada criteria i
𝑤𝑗 = Bobot kriteria j
 13

Sebagai contoh implementasi metode weighted product, yakni : Diasumsikan

para calon guru berprestasi ditentukan dengan memiliki nilai dari kriteria, yaitu:
Kehadiran, Kedisiplinan, Peniliaian Kompetensi, Penilaian Pembelajaran dan
Penilaian Sehari-hari. Alternatif pemilihan guru berprestasi yang disediakan adalah
seperti tabel dibawah.

Tabel 2.1 Data Calon Guru Berprestasi

Kriteria
Alternatif A1 A2 A3 A4 A5 A5
B1 80 80 80 70 80 70
B2 70 70 80 70 70 70
B3 75 70 75 80 70 80

Keterangan:
A1 = Kehadiran B1 = Nurizmah Adnan, S.Pd
A2 = Kedisiplinan B2 = Rawiyah Yus, S.Pd
A3=PenilaianKompetensi B3 = Juli Silaban, S.Pd
A4 = Penilaian Pembelajaran
A5 = Penilaian Sehari-hari

Dimana data dari setiap kriteria yang didapat oleh masing-masing guru
berdasarkan data yang ada di sekolah SMP Dr. Wahidin Sudirohusodo yang
bersumber dari sekolah SMP Dr. Wahidin Sudirohusodo. Selanjutnya menentukan
bobot untuk setiap kriteria, bobot kriteria akan ditentukan sebagai berikut:

Tabel 2.2. Pemberian Bobot

Kriteria
A1 A2 A3 A4 A5
Alternatif 0.3 0.1 0.1 0.2 0.2
B1 80 80 80 70 80
B2 70 70 80 70 70
B3 75 70 70 75 70
 14

Berdasarkan tabel 2 diatas, dapat kita ketahui nilai bobot yang diberikan pada
kriteria A1 adalah 0.3 atau 30 %, nilai bobot pada kriteria A2 adalah 0.1 atau 10 %,
nilai bobot pada kriteria A3 adalah 0.1 atau 10 %, nilai bobot pada kriteria A4 adalah
0.2 atau setara dengan 20 % dan A5 adalah 0.2 atau setara dengan 20 %. Selanjutnya
untuk menghitung nilai WPM dari setiap alternatif digunakan rumus (1) sehingga:

B1= 800.3x 800.1 x 800.1 x 700.2 x 800.2 = 50.2553

B2 = 700.3x 700.1 x 800.1 x 700.2 x 700.2 = 46.3860
B3 = 750.3x 700.1 x 750.1 x 800.2 x 700.2 = 48.3250

Dari hasil diatas, maka B1 merupakan alternatif pilihan terbaik yaitu Nurizmah
Adnan, S.Pd

2.3. Profile Matching

Maksud dari model Profile Matching adalah sebuah mekanisme pengambilan

keputusan dengan mengansumsikan bahwa terdapat tingkat variabel prediktor yang
ideal yang harus dimiliki oleh pelamar, bukannya tingkat minimal yang harus
dipenuhi atau dilewati. Profile Matching dilakukan dengan cara membandingkan
antara kompetensi individu ke dalam kompetensi standar, dalam hal ini profil calon
guru yang ideal sehingga dapat diketahui perbedaan kompetensinya (Gap). Semakin
kecil Gap yang dihasilkan maka bobot nilainya semakin besar (Pambayun, KH., RA,
Setyawan & BD, Setiawan. 2013). Dan berikut merupakan langkah-langkah
perhitungan dalam Profile Matching.

2.3.1. Pemetaan Gap Kompetensi

Gap yang dimaksud di sini adalah perbedaan/selisih nilai masing-masing

aspek/atribut dengan profil target. Pemetaan Gap dapat dihitung dengan rumus
persamaan (4) (Hidayat, AL & Pinandita, T. 2013) :

Gap = Profil Atribut – Profil Target ... (2)

 15

2.3.2. Pembobotan

Setelah diperoleh Gap pada masing-masing calon guru, setiap profil calon
guru diberi bobot nilai sesuai ketentuan pada Tabel Bobot Nilai Gap.

Tabel 2.3. Bobot Nilai Gap

Selisih Bobot Nilai Keterangan
0 5 Tidak ada selisih (sesuai yang dibutuhkan)
1 4.5 Kompetensi kelebihan 1 tingkat/level
-1 4 Kompetensi kekurangan 1 tingkat/level
2 3.5 Kompetensi kelebihan 2 tingkat/level
-2 3 Kompetensi kekurangan 2 tingkat/level
3 2.5 Kompetensi kelebihan 3 tingkat/level
-3 2 Kompetensi kekurangan 3 tingkat/level
4 1.5 Kompetensi kelebihan 4 tingkat/level
-4 1 Kompetensi kekurangan 4 tingkat/level

2.3.3. Perhitungan dan Pengelompokan Core factor dan Secondary Factor

Setelah menentukan bobot nilai Gap untuk semua kriteria dengan cara yang
sama, lalu dibagi lagi menjadi dua kelompok yaitu kelompok Core Factor (faktor
utama) dan Secondary Factor (faktor pendukung). Perhitungan core factor dapat
ditunjukkan pada Persamaan (5) (Hidayat, AL & Pinandita, T. 2013).

∑ 𝐍𝐂
NCF = ∑𝐈 𝐂
. . . (3)

Keterangan:
NCF : Nilai rata-rata core factor
NC : Jumlah total nilai core factor
IC : Jumlah item core factor

Sedangkan untuk perhitungan secondary factor dapat ditunjukkan pada Persamaan (6)
(Hidayat, AL & Pinandita, T. 2013)
 16

∑ 𝐍𝐒
NSF = ∑𝐈 𝐒
. . . (4)

Keterangan:
NSF : Nilai rata-rata secondary factor
NS : Jumlah total nilai secondary factor
IS : Jumlah item secondary factor

2.3.4. Perhitungan Nilai Total

Dari hasil perhitungan dari tiap aspek di atas kemudian dihitung nilai total
berdasarkan prosentase dari core dan secondary factor yang diperkirakan berpengaruh
terhadap kinerja tiap-tiap profil. Contoh perhitungan dapat dilihat pada rumus
dibawah ini (Hidayat, AL & Pinandita, T. 2013):

N = (x) % NCF + (y)% NSF = . . . (5)

Keterangan:
NCF : Nilai Rata-rata Core Factor
NSF : Nilai Rata-rata Secondary Factor
N : Nilai Total dari tiap kriteria
(x)% : Nilai Persen Yang Diinputkan (60%)
(y)% : Nilai Persen Yang Diinputkan (40%)

Sebagai contoh kasus Implementasi pemilihan guru berprestasi menggunkan

metode Profile Matching, yakni : Diasumsikan para calon guru berprestasi ditentukan
dengan memiliki nilai dari kriteria, yaitu: Kehadiran, Kedisiplinan, Peniliaian
Kompetensi, Penilaian Pembelajaran dan Penilaian Sehari-hari.

Berdasarkan contoh kasus diatas, sesuai cara perhitungan dengan metode

Profile Matching ini yang harus dilakukan adalah sebagai berikut:
 17

a. Perhitungan Gap kompetensi

Dimana Gap yang dimaksudkan disini adalah beda antara nilai ideal (target) dengan
nilai calon guru berprestasi. Untuk pengumpulan Gap-Gap yang terjadi pada tiap
aspeknya mempunyai perhitungan yang berbeda-beda. Berikut akan ditampilkan
Tabel data guru SMP Dr. Wahidin Sudirohusodo, sebagai berikut:

Tabel 2.4. Data Guru

Kriteria
Alternatif A1 A2 A3 A4 A5 A6
B1 80 80 80 70 80 70
B2 70 70 70 80 70 70
B3 75 70 75 80 70 80

Keterangan:
A1 = Kehadiran B1 = Nurizmah Adnan, S.Pd
A2 = Kedisiplinan B2 = Rawiyah Yus, S.Pd
A3 = Penilaian Sehari-hari B3 = Juli Silaban, S.Pd
A4 = Penilaian Pembelajaran
A5 = Penilaian Kompetensi

Nilai data guru diatas, kemudian dilakukan skala penilaian, dimana rating kecocokan
dapat dilihat pada table dibawah ini:

Tabel 2.5. Skala Penilaian

Nilai Angka Rating Nilai Keterangan
91-100 5 Sangat Baik
76-90 4 Baik
61-75 3 Cukup
51-60 2 Kurang
0-50 1 Sangat Kurang

Setelah menentukan nilai skala penilaian, selanjutnya dilakukan penentuan nilai

Gap dari hasil penentuan nilai skala penilaian. Cara menentukan nilai Gap nya adalah
 18

dengan mengurangkan nilai setiap alternatif (profil individu) dengan nilai profil target.
Sesuai dengan rumus persamaan (2). Dimana si pengambil keputusan menetapkan
nilai profil target sebagai berikut:

Tabel 2.6. Nilai Profile Target

Kriteria Nilai Profil Target
Kehadiran 5
Kedisiplinan 4
Penilaian Sehari-hari 4
Penilaian Pembelajaran 4
Penilaian Kompetensi 4

Berikut akan ditampilkan hasil perhitungan Gap pada setiap alternatif:

Tabel 2.7. Perhitungan Gap

A1 A2 A3 A4 A5
B1 5 5 5 3 5
B2 3 3 3 5 3
B3 3 3 3 5 3
Profil Target 5 4 4 4 4
B1 0 1 2 -1 1
B2 -2 -1 -1 1 -1
B3 -2 -1 -1 1 -1

b. Pembobotan
Hasil dari perhitungan Gap terhadap setiap kriteria, kemudian dilakukan pembobotan
berdasarkan tabel pembobotan seperti berikut:

Tabel 2.8. Pembobotan

Selisih Bobot Nilai Keterangan
0 5 Tidak ada selisih (sesuai yang dibutuhkan)
1 4.5 Kompetensi kelebihan 1 tingkat/level
-1 4 Kompetensi kekurangan 1 tingkat/level
 19

2 3.5 Kompetensi kelebihan 2 tingkat/level

-2 3 Kompetensi kekurangan 2 tingkat/level
3 2.5 Kompetensi kelebihan 3 tingkat/level
-3 2 Kompetensi kekurangan 3 tingkat/level
4 1.5 Kompetensi kelebihan 4 tingkat/level
-4 1 Kompetensi kekurangan 4 tingkat/level

Berdasarkan table pembobotan diatas, maka didapat hasil pembobotan sebagai

berikut:
Tabel 2.9. Hasil Pembobotan
A1 A2 A3 A4 A5
B1 5 4.5 3.5 4 4.5
B2 3 4 4 4.5 4
B3 3 4 4 4.5 4

c. Mengitung Core Factor dan Secondary Factor

Setelah menentukan hasil pembobotan Gap, Maka ditentukan kriteria mana yang
menjadi Core Factor dan Secondary Factor. Untuk perhitungan core factor dan
secondary factor ditunjukkan pada persamaan (3) dan (4). Dalam contoh kasus ini,
yang menjadi Core Factor adalah kriteria Kehadiran, Penilaian Kompetensi,
Penilaian Pembelajaran. Sementara yang menjadi Secondary Factor nya adalah
Kriteria Kedisiplinan dan Penilaian Sehari-hari. Sehingga di dapat nilai Core
Factor dan Secondary Factor sebagai berikut.

Table 2.10. Tabel pengelompokan nilai Core Factor dan Secondary Factor
Alternatif A1 A2 A3 A4 A5 Core Secondary

B1 5 4.5 3.5 4 4.5 4.625 3.5

B2 3 4 4 4.5 4 3.18 5

B3 3 4 4 4.5 4 3.75 5
 20

Nilai Core Factor Nilai Secondary Factor

5+4+4.5 4.5+3.5
B1 = = 4.5 B3 = = 3.5
3 2
3+4.5+4 4+4
B2 = = 3.83 B2 = =4
3 2
3+4.5+4 4+4
B3 = = 3.83 B3 = =4
3 2

d. Perhitungan Nilai Total

Dari nilai core factor dan secondary factor yang telah dilakukan,kemudian dihitung
nilai total dengan menggunakan rumus persamaan (5). Dengan ketentuan nilai persen
Core Factor adalah 60% dan nilai persen Secondary Factor adalah 40%

B1 = (60% x 4.5) + (40% x 3.5) = 4.175

B2 = (60% x 3.83) + (40% x4) = 3.898
B3 = (60% x 3.83) + (40% x 4) = 3.898

Tabel 2.11. Tabel Hasil Akhir

Nama guru Hasil Akhir

Nurizmah Adnan, S,Pd 4.1

Rawiyah Yus, S,Pd 3.898
Juli Silaban, S,Pd 3.898

Dari tabel diatas, tampak bahwa guru bernama Nurizmah Adnan, S,Pd
menempati urutan tertinggi pada kasus tersebut.