Luthfi Aziz Mustafa-3125111362-Naskah Publikasi
Luthfi Aziz Mustafa-3125111362-Naskah Publikasi
Disusun oleh:
LUTHFI AZIZ MUSTAFA
3125111362
ABSTRAK
SMP Muhammadiyah Turi sebagai salah satu penyelenggara kegiatan akademik dan sekaligus
merupakan institusi pendidikan, tentu menginginkan terlaksananya kegiatan akademik dengan
baik dan lancar. Sekolah selalu berusaha untuk mendorong siswa-siswinya agar terus berprestasi.
Sistem Pendukung Keputusan (SPK) atau Decision Support System adalah sistem yang bertujuan
untuk menyediakan informasi, membimbing, serta mengarahkan pengguna informasi agar dapat
melakukan pengambilan keputusan. Proses penilaian dan pemilihan siswa berprestasi di SMP
Muhammadiyah Turi belum menggunakan sistem komputerisasi. Maka perlu dibuat suatu aplikasi
pendukung keputusan dalam pemilihan siswa berprestasi menggunakan komputerisasi dengan
metode Multi-Objective Optimization on The Basis of Ratio Analysis (MOORA). Dengan aplikasi
tersebut diharapkan mampu membantu pihak sekolah dalam mengambil keputusan mengenai
pemilihan siswa berprestasi berdasarkan kriteria yang telah ditentukan. Hasil dari penelitian ini
berupa aplikasi website interface dan hasil pengujian sudah menunjukkan kinerja yang baik.
b. Konversi Nilai
4.4 Penyelesaian Dengan Cara Data siswa setelah dikonversi menjadi
Manual MOORA angka dapat dilihat pada tabel 4.5 berikut
Berikut proses sistem dalam ini.
melakukan perhitungan menggunakan Tabel 4.5 Data siswa setelah dikonversi
metode Multi-Objective Optimization on The
Basis fo Ration Analysis (MOORA) pada
sistem pendukung keputusan pemilihan
siswa berprestasi dari awal sampai dengan
perangkingan.
a. Menentukan Kriteria
Perhitungan manual sistem pendukung Dapat dilihat dari tabel, C2, C3 dan C5
keputusan pemilihan siswa berprestasi dikonversi menjadi angka berdasarkan
dengan metode MOORA memerlukan ketentuan dalam tabel 4.3.
beberapa kriteria penilaian dan bobot dari c. Normalisasi
setiap kriteria. Berdasarkan wawancara Pada tahap ini dilakukan normalisasi
dengan pihak SMP Muhammadiyah Turi, data dengan memasukkan data dari tabel
terdapat lima kriteria seperti terlihat pada sebelum ke dalam rumus berikut:
tabel di bawah:
Tabel 4.3 Bobot
Keterangan:
xij : Matriks alternatif j pada kriteria i
i : 1,2,3, ..., n adalah nomor urutan atribut
atau kriteria
j : 1,2,3, ..., m adalah nomor urutan alternatif
X*ij : Matriks Normalisasi alternatif j pada
kriteria i
Pada setiap alternatif, nilai normalisasi
kriteria nilai raport (C1), Absensi (C2),
Sikap (C3), Ekstrakurikuler (C4) dan
Prestasi (C5) didapatkan dari membagi nilai
pada setiap kriteria dengan akar kuadrat dari
jumlah kuadrat setiap atribut pada suatu
kriteria. Sehingga Didapatkan nilai
normalisasi seperti pada tabel berikut:
Tabel 4.6 Data Ternormalisasi Alternatif dengan nilai optimasi paling
tinggi adalah siswa berprestasi yaitu Ahmad
Imam A dengan nilai optimasi 0,3400.
4.5 Arsitektur Sistem
Arsitektur sistem pendukung keputusan
pemilihan siswa berprestasi ini
menggunakan model Diagram konteks,
d. Normalisasi terbobot dan Optimasi Diagaram Alir Data (DAD) dan Entity
Pada tahap ini dimasukkan bobot Relationship Diagram (ERD) pada
kriteria pada nilai ternormalisasi dari setiap perancangannya.
alternatif. Kemudian menghitung nilai
optimasi setiap alternatif dengan 4.5.1 Diagram Konteks
menjumlahkan masing - masing nilai kriteria Pada gambar 4.3 user yang sebagai staff
yang bersifat benefit kemudian dikurangkan tu (admin) memiliki hak akses untuk login
dengan jumlah nilai kriteria yang benilai ke sistem dan memasukkan data login lain
cost. Seperti rumus berikut. seperti guru dan siswa. Staftu bertugas
memasukkan data – data yang dibutuhkan
untuk pemilihan siswa berprestasi antara lain
data siswa, data bobot, data guru, data kelas,
data mata pelajaran, data tahun ajaran. Guru
bertugas untuk memasukkan nilai mata
Keterangan: pelajaran yang diampu, memasukkan nilai
i : 1,2,3, ..., g adalah atribut atau kriteria absensi, nilai sikap, nilai ekstrakurikuler dan
dengan status maximized nilai prestasi. Selain itu guru dapat
j : g+1, g+2, g+3, ..., n adalah atribut/kriteria menjalankan proses perangkingan
dengan status minimized menggunakan metode moora untuk memilih
wj : bobot terhadap alternatif j siswa berprestasi di kelas dan mencetak
y*j : Nilai penilaian yang sudah rapor siswa. Siswa dapat melihat hasil
dinormalisasi dari alternatif j terhadap belajar selama satu semester. Berikut
semua atribut. diagram konteks sistem yang dibangun.
Tabel nilai yang sudah dioptimasi Staf TU
Data Siswa
master data, proses dan laporan. Kemudian data tahun ajaran
Ajaran
data rombel
info siswa
data siswa
data rombel
2 dan seterusnya.
tb_rombel Siswa
info wali kelas
data kelas
2.9
data wali kelas data wali kelas
data mapel
data mapel Staf TU Data Wali tb_wali_kelas
0 data wali kelas
info wali kelas Kelas
SPK Pemilihan 2.5
Siswa tb_mapel Data info mapel
info siswa
Berprestasi Mapel Guru
info ampu
data mapel data guru
data bobot
info guru
data bobot
data guru tb_guru
2.6
info bobot info guru 2.3
tb_bobot Data data guru
Data Guru
Bobot data guru
data bobot
1 2 3 4 data staftu
data staftu info ampu
Login Master Data Proses Laporan
2.7 2.10
tb_staftu Data info staftu data ampu Data data ampu tb_ampu
Staftu Ampu
data staftu data ampu
3.1
Data Nilai
3.2
Data Nilai
3.3
Data Nilai
3.4
Data Nilai
3.5
Data Nilai
Gambar 4.6 DAD level 2 proses 2
Mapel Absensi Sikap Ekstra Prestasi
4.5.5 DAD Level 2 Proses 3
Diagram Alir Data Level 2 Proses 3
2.1
Tahun
Ajaran
2.2
Data Siswa
2.3
Data Guru
2.4
Data Kelas
2.5
Data
Mapel
2.6
Data
Bobot
2.7
Data
Staftu
2.8
Data
Rombel
2.9
Data Wali
Kelas
2.10
Data
Ampu
merupakan proses memasukkan data
Gambar 4.4 Diagram jenjang penilaian yang terdiri dari nilai mapel,
absensi, sikap, nilai ekstra dan prestasi.
4.5.3 Diagram Alir Data Level 1 Proses ini ditunjukkan pada gambar 4.7 di
Diagram Level 1 merupakan bawah ini.
data nilai ekstra data nilai mapel
data nilai ekstra
penjabaran proses diagram konteks yang tb_nilai_ekstra
3.4
Data Nilai info nilai ekstra
info nilai mapel 3.1
Data Nilai data nilai mapel tb_nilai_mapel
sistem secara garis besar, seperti disajikan data absensi info nilai absensi
info nilai mapel
data kelas
tb_kelas 4.6 Entity Relationship Diagram
DATA MASTER
SISWA
info siswa, info wali kelas
data siswa, data login
info siswa
data rombel
tb_ampu
ERD digunakan untuk menggambarkan
data nilai mapel
data absensi
data ampu
data wali kelas tb_wali_kelas hubungan antarentitas pada suatu basis data.
data sikap data wali kelas
alamat
data prestasi
data bobot
memiliki
memiliki
staftu
Login
data bobot
1
1
foto
jenis_mapel
username
data sikap
foto
kelamin
username
username
alamat
level
kkm
data absensi
tgl_lahir
nama
kd_staftu
tgl_lahir
memiliki
memiliki
Proses
mapel
Guru
nip
data ekstra
nama
data prestasi
1
kd_kelas
nip
tg4
kd_mapel
N
kd_guru
kd_kelas
tg3
tingkat
tg1
memiliki
Wali kelas
memiliki
memiliki
kelas
data ekstra
memiliki
1
1
4
laporan hasil belajar data absensi
Nilai_mapel
Laporan
memiliki
data sikap
N
memiliki
rombel
kd_kelas
absensi
r_tg
Idn_mapel
username
nis
N
semester
Kd_mapel
1
J_tg
memiliki
foto
nis
N
N
jalpha
kelamin
Idn_absensi
status
1
Tajun ajaran
alamat
jsakit
nis
kd_tajar
nabsensi
memiliki
tmp_lahir
jizin
siswa
N
tgl_lahir
1
tahun
ibu
1
N
Nsikap_angka
N
nprestasi
nama
Kd_tajar
Nsikap_huruf
1
prestasi
bn_prestasi
Idn_sikap
kd_tajar
prestasi
nis
nisn
ayah
brn_ekstra
nis
Kd_mapel
memiliki
kd_tajar
1
Idn_prestasi
bobot
Idn_ekstra
bn_absensi
bn_mapel
N
idn_bobot
6. PENUTUP
6.1 Kesimpulan
Berdasarkan pengamatan yang
dilakukan oleh penulis mengenai sistem
pendukung keputusan pemilihan siswa
berprestasi menggunakan MOORA berbasis
web, maka dapat diambil kesimpulan
Gambar 5.1 Halaman Dashboard staf tu
sebagai berikut:
Pada halaman dashboard ini
a. Dengan diterapkannya metode MOORA
ditampilkan menu yang dapat diakses oleh
untuk memilih siswa berprestasi,
user staff tu yang mencakup menu untuk
membuat pemilihan lebih objektif dan
mengolah data master, termasuk data bobot.
lebih akurat karena mampu
5.2 Tampilan Halaman Bobot memperhitungkan beberapa kriteria
Melalui halaman ini staf tu bisa penilaian yaitu nilai raport,
mengubah bobot pada setiap kriteria yang ketidakhadiran, sikap, jumlah
digunakann dalam perhitungan MOORA. ekstrakurikuler dan prestasi.
b. Sistem yang dibangun telah diuji dan
menghasilkan hasil yang akurat.
Dibandingkan menggunakan
perhitungan manual, sistem yang
dibangun mampu membantu melakukan
perhitungan lebih cepat dan tepat.
Gambar 5.2 Halaman Bobot
c. Sistem berhasil dibangun dengan
5.3 Tampilan Halaman Tambah Nilai berbasis web untuk mengontrol nilai
Untuk memasukkan nilai mata pelajaran dan data lainnya, sehingga data lebih
dilakukan dengan beberapa langkah, tertata dan rapi.
diantaranya memilih kelas, kemudian
mengatur jumlah KD dan Tugas, selanjutnya
6.2 Saran [5] Indonesia, R. (2016). Peraturan Menteri
Dari uraian sistem pendukung Pendidikan dan Kebudayaan No. 23
keputusan pemilihan siswa berprestasi tahun 2016 tentang Standar Penilaian
menggunakan metode MOORA, penulis Pendidikan.
memberikan beberapa saran yang https://doi.org/10.1017/CBO97811074
membangun guna pengembangan penerapan 15324.004.
selanjutnya, yaitu: [6] Cahya Dsn., (2018), DSS MOORA
a. Perlu ditambahkan sarana komunikasi Method,(cahyadsn.phpindonesia.id/extr
antarpengguna, misal antara siswa a/moora.php), diakses 12 Juli 2019,
dengan guru sehingga sistem yang sejak 12 maret 2018
dibuat bisa lebih interaktif.
b. Untuk efisiensi waktu penambahan [7] Hidayatullah, P., dan Kawistara, K. J.
data, pengembangan sistem kedepan (2017). Pemrograman WEB. Bandung:
diberikan fasilitas tambah data dengan Informatika.
cara import file excel.
[8] Husda, N. E., dan Wangdra, Y. (2016).
Pengantar Teknologi Informasi
(Revisi). Jakarta: Baduose Media.
DAFTAR PUSTAKA
[9] Destiningrum, M., & Adrian, Q. J.
[1] Huda, K., Hasbi, M., dan Siswanti, S. (2017). Sistem Informasi Penjadwalan
(2016). Sistem Pendukung Keputusan Dokter Berbassis Web Dengan
Pemilihan Siswa Terbaik Dengan Menggunakan Framework Codeigniter
Metode Promethee Bebasis Web Di (Studi Kasus: Rumah Sakit Yukum
MTSN Bendosari Sukoharjo. Jurnal Medical Centre). Jurnal Teknoinfo,
Teknologi Informasi Dan Komunikasi 11(2), 30–37.
(TIKomSIN), 4(1), 1–6.
[2] Fitriana, A. N., Harliana, dan Handaru.
(2015). Sistem Pendukung Keputusan
Untuk Menentukan Prestasi Akademik
Siswa dengan Metode TOPSIS. Citec
Journal, 2(2), 153–164.
[3] Setiyani, Y. S., & Sela, E. I. (2019).
Sistem Pendukung Keputusan
Penerimaan Karyawan Baru
Menggunakan Metode Weighted
Product (Studi Kasus PDAM Sleman).
Jurnal Informatika
[4] Marbun, M., dan Sinaga, B. (2018).
Buku Ajar Sistem Pendukung
Keputusan Penilaian Hasil Belajar | 1
STMIK Pelita Nusantara Medan Buku
Ajar Sistem Pendukung Keputusan
Penilaian Hasil Belajar | 1 STMIK
Pelita Nusantara Medan. Medan: CV.
Rudang Mayang.