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

Vol. 4, No. 10, Oktober 2020, hlm. 3770-3776 http://j-ptiik.ub.ac.id

Sistem Pendukung Keputusan Menentukan Siswa Berprestasi

menggunakan Metode Weighted Product dan Simple Additive Weighting
(Studi Kasus : SMPN 2 Bululawang Kabupaten Malang)
Mukhlis Anshori Witanto1, Edy Santoso2, Suprapto3

Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya

Email: 1mukhlisanshori@student.ub.ac.id, 2edy144@ub.ac.id, 3spttif@ub.ac.id

Abstrak
Banyaknya siswa serta berbagai macam tingkat kemampuan dan kelebihan dalam aspek tingkah laku,
nilai akademik maupun nilai non akademik yang berbeda-beda, sehingga berdasarkan kondisi itulah
muncul upaya guna mengetahui siswa memiliki prestasi yang lebih unggul. Pemilihan siswa berprestasi
di SMP Negeri 2 Bululawang cenderung bersifat ketetapan nilai ujian nasional, dikarenakan keputusan
yang diambil hanya menggunakan nilai akademik ujian nasional saja, sehingga kurang adil untuk
pengambilan keputusan siswa berprestasi yang dilihat dalam satu kriteria saja. Dalam melakukan sistem
pendukung keputusan penentuan siswa berprestasi ini menggunakan metode Weighted Product (WP)
dan Simple Addictive Weighting (SAW). Sistem ini menggunakan beberapa kriteria yang digunakan
untuk pemilihan siswa berprestasi antara lain, nilai rata-rata rapor dari kelas 7 sampai kelas 9, nilai ujian
sekolah, nilai presensi kehadiran, dan nilai ekstrakulikuler. Dari pengujian yang dilakukan didapatkan
hasil akurasi 40%, dikarenakan pihak sekolah hanya menentukan dari satu aspek saja.
Kata kunci: Sistem Pendukung Keputusan, Siswa Berprestasi, Metode SAW, Metode WP, Akurasi.
Abstract
The number of students as well as various levels of ability and strengths in different aspects of behavior,
academic values and non-academic values, so that based on the conditions that emerge an effort to find
out students have superior achievements. The selection of high achieving students in SMP Negeri 2
Bululawang tends to be use the academic scores of the nasional exam, because the decisions taken only
use the academic scores of the national exam, so it is not fair to make high performance student decisions
that are seen in one criterion. In carrying out a decision support system for determining these high
achieving students using the Weighted Product (WP) and Simple Addictive Weighting (SAW) methods.
This system uses several criteria used for the selection of high-achieving students including, the average
report card grades from grade 7 to grade 9, school exam scores, attendance attendance values, and
extracurricular grades. The test results obtained an accuracy of 40%, because the school only
determines from one aspect only.
Keywords: Decision Support System, Student Achievement, SAW Method, WP Method, Accuracy.

melalui pemilihan siswa berprestasi. Proses

1. PENDAHULUAN
Pendidikan berperan penting untuk bangsa
ini. Setiap tahunnya lembaga pendidikan
berusaha meningkatkan mutu pendidikan, salah
satunya adalah Siswa Menengah Pertama
(SMP). Untuk mencapai tujuan yang dimaksud,
sekolah berfungsi sebagai institusi pendidikan,
mengembangkan berbagai sistem pembinaan
untuk memotivasi dan membantu perkembangan
potensi siswa-siswi. Salah satu kegiatan untuk
pengembangan potensi setiap siswa yaitu
penentuan siswa yang memiliki predikat prestasi
dinilai atas dasar aspek akademik dan aspek non-
akademik seperti ekstrakulikuler, kepribadian,
presensi, olimipiade, kedisplinan dan lain lain,
karena kemampuan setiap siswa memiliki
tingkat yang berbeda-beda (Jodi Irjaya Kartika,
2017).
Sekolah merupakan salah satu tempat untuk
mencari ilmu dan mendapatkan sesuatu hal yang
baru untuk siswa yang menuntut ilmu dengan
sungguh-sungguh. Siswa bisa mendapatkan

Fakultas Ilmu Komputer

Universitas Brawijaya 3770
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
ilmunya berdasarkan seberapa sungguh-
sungguhnya siswa tersebut untuk menuntut ilmu,
seberapa baik siswa tersebut dan dapat
menerapkan ilmu yang telah didapatkannya.
Banyaknya siswa serta berbagai macam tingkat
kemampuan dan kelebihan dalam aspek tingkah
laku, nilai akademik maupun nilai non akademik
yang berbeda-beda, sehingga berdasarkan
kondisi itulah muncul upaya guna mengetahui
siswa memiliki prestasi yang lebih unggul.
Sekolah dapat memberikah suatu hadiah
bagi siswa yang memiliki nilai-nilai akademik
dan non akademik serta diangga sebagai siswa
yang memiliki prestasi lebih unggul setiap
tahunnya. Hal ini dapat memacu untuk semua
siswa agar bersaing satu dengan yang lain untuk
mendapatkan nilai yang terbaik dari siswa
lainnya. Pemilihan siswa berprestasi di SMP
Negeri 2 Bululawang cenderung bersifat
ketetapan nilai ujian nasional, dikarenakan
keputusan yang diambil hanya menggunakan
nilai akademik ujian nasional saja, sehingga
kurang adil untuk pengambilan keputusan siswa
berprestasi yang dilihat dalam satu kriteria saja.
Pemilihan siswa berprestasi dilakukan
setelah mereka menyelesaikan seluruh tanggung
jawab proses belajar dalam jangka 3 tahun
pendidikan di SMP Negeri 2 Bululawang,
Kabuaten Malang. Kelas tiga di SMP ini sendiri
memiliki 8 ruang , setiap ruang berisi sekitar 30
siswa, total secara keseluruhan kurang lebih
terdapat 240 siswa yang terdaftar di sekolah
tersebut. Ada beberapa kriteria yang digunakan
untuk pemilihan siswa berprestasi antara lain,
nilai rata-rata rapor dari kelas 7 sampai kelas 9,
nilai ujian sekolah, nilai presensi kehadiran, dan
nilai ekstrakulikuler.
Setiap kriteria memiliki tingkat prioritas
yang beragam dengan skala 1-5. Nilai rapor
berskala 5, nilai ujian sekolah berskala 4, nilai
presensi kehadiran berskala 1, , dan nilai
ekstrakulikuler berskala 2. Kriteria dan tingkat
prioritas akan dijadikan acuan dalam
perhitungan untuk keputusan pemilihan siswa
berprestasi menggunakan sistem pendukung
keputusan (SPK). Sistem Pendukung Keputusan
memiliki beberapa metode yaitu Weighted
Product (WP), Analytic Hierarchy Process
(AHP), Simple Addictive Weighting Method
(SAW), Technique for Order of Prefernce by
Similarity to Ideal Solution (TOPSIS) dan
beberapa metode lainnya.
Terdapat dua metode yang digunakan untuk
rekomendasi siswa berprestasi yaitu, Weighted
Product (WP) dan Simple Addictive Weighting
Fakultas Ilmu Komputer, Universitas Brawijaya
3771
Method (SAW). Metode SAW digunakan untuk
menghitung pembobotan dari seluruh kriteria
dan metode WP digunakan untuk menghitung
vektor V dan perangkingan dari seluruh siswa.
Banyaknya siswa di SMPN 2 Bululawang
Kabupaten Malang, menyebabkan pihak sekolah
kesulitan dalam memilih siswa berprestasi, jadi
pada penelitian kali ini peneliti berusaha
membantu SMPN 2 Bululawang Kabupaten
Malang dengan menerapkan sistem yang mampu
menghasilkan siswa berprestasi dengan tepat
serta obyektif dalam menentukan rekomendasi
siswa berprestasi dan hasil yang dikeluarkan
valid.
2. DASAR TEORI
2.1 Siswa Berprestasi
Anak didik yang mengkuti aturan
ketetapan oleh pihak sekolah dan guru
pendidiknya, selalu mempunyai kewajiban
yang menjadi tugasnya sebagai siswa agar
dapat menjunjung tinggi harkat martabatnya
sebagai murid yang berprestasi, atau dapat
disebut dengan siswa berprestasi (Jodi Irjaya
Kartika, 2017). Umunya setiap sekolah menilai
siswa berprestasi dari nilai akademik, dapat
diartikan bahwa siswa berprestasi memiliki nilai
diatas rata-rata dari seluruh siswa lainnya di
sekolah tersebut, dan prestasi sendiri dapat
menimbulkan rasa bersaing para siswa agar
mendapatkan predikat siswa berprestasi di
sekolah tersebut (Jodi Irjaya Kartika, 2017).
Pada ruang lingkup SMP Negeri 2
Bululawang terdapat beberapa atribut yang
dijadikan sebagai penilaian siswa berprestasi.
Penentuan siswa berprestasi berdasarkan nilai
akademik. Nilai akademik ditentukan dari rata-
rata rapor tertinggi dan nilai ujian sekolah.
Terdapat 6 siswa yang mendapat predikat siswa
berprestasi, yaitu 3 siswa dengan rata-rata rapor
terbaik dan jumlah nilai ujian sekolah tertinggi
Untuk menentukan siswa berprestasi,
penulis memilih 20 siswa berprestasi dari total
siswa kurang lebih 280 siswa, yang nantinya 10
siswa teratas akan dipanggil saat proses
pelepasan siswa dan mendapatkan reward yang
telah ditentukan oleh pihak sekolah.
2.2 Sistem Pendukung Keputusan
Sistem pendukung keputusan secara
umum didefinisikan sebagai sistem yang mampu
memberikan kemampuan, baik kemampuan
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
untuk memecahkan masalah maupun
kemampuan komunikasi untuk masalah semi-
terstruktur, dan SPK juga dapat didefinisikan
sebagai sebuah sistem yang mendukung kerja
seseorang dalam memecahkan masalah semi
terstruktur dengan cara memberikan informasi
atapun usulan menuju pada keputusan tertentu
(Marbun, 2018).
Michael Scott Morton mengenalkan
konsep sistem untuk membantu menentukan
keputusan pada tahun 1970 yang dikenal dengan
Management Decision System dan
mengistilahkan bahwa SPK sebagai sistem
berbasis di bidang komputer interaktif, yang
dapat membantu untuk pengambilan sebuah
keputusan dengan berbagai model untuk
memecahkan masalah terstruktur dan tidak
terstruktur.
Gambar 1. Arsitektur sistem pendukung
keputusan
2.2.1 Simple Addictive Weighting
Metode Simple Addictive Weighting
(SAW) dikenal dengan istilah metode
penjumlahan yang memiliki bobot (Eniyati,
2011). Konsep dasar metode SAW adalah
melakukan pengurutan atau rating dari semua
alternatif dalam semua atribut. Metode ini
biasanya digunakan untuk memecahkan masalah
dalam situasi Multiple Attribute Decision
Making (MADM). MADM ini merupakan
metode digunakan untuk mencari alternatif dari
semua alternatif dengan kriteria-kriteria yang
berbeda-beda.
Berikut ini pada persamaan 2.1 adalah
rumus tetap untuk melakukan normalisasi
tersebut.
Jika j adalah atribut benefit
Jika j adalah atribut cost
Fakultas Ilmu Komputer, Universitas Brawijaya
(2.1)
3772
𝑥𝑖𝑗
𝑀𝑎𝑥 𝑥𝑖𝑗
𝑟𝑖𝑗 = 𝑀𝑖𝑛 𝑥
𝑖𝑗
{ 𝑥 𝑖𝑗
Dimana 𝑟𝑖𝑗 yaitu rating yang telah dinormalisasi
dari alternatif 𝐴𝑖 pada atribut𝐶𝑗 ,
𝑖 = 1, 2, … , 𝑚 𝑑𝑎𝑛 𝑗 = 1, 2, … , 𝑛 .
Keterangan :
𝑟𝑖𝑗 : Rating kerja yang telah dinormalisasi
𝑀𝑎𝑥𝑖 : Nilai maksimal dari tiap baris dan
kolom
𝑀𝑖𝑛𝑖 : Nilai minimum dari tiap baris dan kolom
𝑋𝑖𝑗 : Baris kolom dari matriks X
𝐵𝑒𝑛𝑒𝑓𝑖𝑡 : Apabila nilai yang terbesar adalah
terbaik
𝐶𝑜𝑠𝑡: Apabila nilai yang terkecil adalah terbaik
Pada persamaan 2.2 adalah formula
perhitungan untuk setiap alternatif-alternatif
(Vi) memiliki rumus seperti berikut.
𝑉𝑖 = ∑𝑛𝑗=1 𝑤𝑗 𝑟𝑖𝑗 (2.2)
Keterangan :
𝑉𝑖 : Rangking setiap alternatif
𝑊𝑗 : Nilai bobot rangking (setiap kriteria)
𝑅𝑖𝑗 : Nilai rating kinerja yang telah dinormalisasi
Apabilai nilai 𝑉𝑖 yang memiliki nilai perhitungan
paling besar, maka alternatif 𝐴𝑖 menjadi pilihan
dari keputusan yang terbaik.
2.2.2 Weighted Product
Metode Weighted Product (WP)
merupakan salah satu metode untuk
menyelesaikan masalah Multi Attribute Decision
Making (MADM) juga, yang menggunakan
perhitungan perkalian untuk penghubung rating
atribut, dengan rating setiap atribut harus
diproses perpangkatan terlebih dahulu dengan
bobot atribut yang akan digunakan (Yoon, 1989)
. Preferensi untuk alternatif 𝐴𝑖 pada persamaan
2.3 yaitu :
𝑛
(2.1) 𝑊𝑗
𝑆𝑖 = ∏ 𝑋𝑖𝑗
𝑗=1 (2.3)
Dimana :
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 3773

S : Preferensi alternatif vektor S

X : Nilai kriteria
W : Bobot kriteria
i : Alternatif
j : Kriteria
n : Jumlah banyaknya kriteria
Dengan 𝑖 = 1, 2, … , 𝑚 nilai 𝑚
menunjukkan jumlah alternatif yang dievaluasi,
dan nilai 𝑋𝑖𝑗 menunjukkan rating kecocokan
alternatif ke- 𝑖 terhadap kriteria ke-𝑗. Jadi dalam
hal ini persamaan 2.4 :
∑ 𝑤𝑗 = 1 (2.4)
Dengan 𝑤𝑗 adalah pangkat bernilai Gambar 3.1 Alur Perancangan Sistem
positif untuk atribut keuntungan, dan bernilai
negatif apabila atribut biaya. Nilai 4. IMPLEMENTASI
𝑤𝑗 menunjukkan bobot dari kriteria c yang ke-j Tampilan antarmuka system pendukung
Preferensi relatif dari setiap alternatif keputusan penentuan siswa berprestasi terdiri
pada persamaan 2.5 , seperti : dari 6 halaman yaitu halaman login pada Gambar
𝑤𝑗
1, halaman upload pada Gambar 2, halaman
∏𝑛
𝑗=1 𝑋𝑖𝑗 input manual pada Gambar 3, halaman lihat data
𝑉𝑖 = ∗ 𝑤𝑗
(2.5)
∏𝑛
𝑗=1(𝑥𝑗 )
pada Gambar 4, halaman edit data pada Gambar
5 yang terakhir adalah halaman penentuan
Dimana : rangking siswa berprestasi pada Gambar 6.
V : Preferensi alternatif vektor V
X : Nilai kriteria
W : Bobot kriteria
i : Alternatif
j : Kriteria
n : Jumlah banyaknya kriteria
* : Banyaknya kriteria dari nilai
vektor S
Gambar 1. Halaman Login

3. PERANCANGAN
Pada bab perancanan ini, membahas tentang
seluruh kebutuhan untuk membangun Sistem
Pendukung Keputusan Menentukan Siswa
Berprestasi Menggunakan Metode Weighted
Product dan Simple Addictive Weighting Method
yang meliputi perancangan data, perancangan
sistem dan skenario pengujian. Gambar 4.1 Gambar 2. Halaman Upload
merupakan alur perancangan yang akan
dibangun.

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 3774

pihak sekolah akan dihitung tingkat akurasinya

menggunakan rumus pada rumus (2.6). Data
yang akan dibandingkan yaitu siswa berprestasi
dalam peringkat 10 besar.

Tabel 5.1 Hasil Rekomendasi Sistem

Gambar 3. Input Manual NO Nama Siswa

Gambar 4. Lihat Data Siswa
1 ATIEK KURNIA INDRIYANTI
2 LENASARI APRIL LIANTI
3 ALIFA RIDHANI UTAMI
4 NADIYAH NAILUZ ZULFA
5 ALFIAN FILIYAH PUTRI
6 KHUSNIA YUSTIANINGSIH
7 NATA RISKA NURLAILIA
8 MUHAMAD NUR REGA FERDANA
9 GISKA YUWANA DEWI R
10 ANANDA NIKEN MEILIA SARI

Tabel 5.2 Hasil Rekomendasi Sekolah

NO Nama Siswa
Gambar 5. Edit Data Siswa
1 ATIEK KURNIA INDRIYANTI
2 LENASARI APRIL LIANTI
3 ALIFA RIDHANI UTAMI
4 ADINDA MAHARANI AGUSTIN
5 ALFIAN FILIYAH PUTRI
6 FERDINO SUBASTIAN
Gambar 6. Rangking Siswa Berprestasi 7 NATA RISKA NURLAILIA
8 DANEL RIYAN RAHMAD
5. PENGUJIAN DAN ANALISIS 9 KHUSNIA YUSTIANINGSIH
10 MUHAMMAD WAHYU
5.1 Pengujian Akurasi
RAMADHAN
Pengujian akurasi yang akan dilakukan
dalam penentuan tingkat kedekatan antara
system dengan hasil yang telah ditentukan oleh
pihak sekolah. Tujuannya untuk mengetahui
hasil kedekatan dari sistem yang telah dirancang
sesuai dengan hasil yang telah ditentukan
sekolah. Pada penelitian ini pengujian akurasi
dilakukan dengan cara membandingkan hasil
dari sistem yang telah dirancang dengan hasil
dari keputusan pihak sekolah. Perbandingan
hasil antara keputusan dari sistem dan keputusan

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 3775

Tabel 5.3 Pengujian Akurasi 𝑎𝑐𝑐𝑢𝑟𝑎𝑐𝑦(%) = 40%

(Sesua Berdasarkan Tabel 6.3 dengan data sesuai
i/ berjumalah 4 siswa dan data tidak sesuai
Nama sist sekol
No Tidak sejumlah 6 siswa. Dapat disimpulkan bahwa
Siswa em ah
Sesuai perhitungan akurasi mendapatkan hasil 40%
)
1 ATIEK ✓ ✓ ✓
KURNIA 5.2 Analisis Hasil Pengujian
INDRIYA Berdasarkan pengujian yang telah dilakukan
NTI dapat disimpulkan bahwa pihak sekolah
2 LENASAR ✓ ✓ ✓ menentukan siswa berprestasi berdasarkan nilai
I APRIL ujian nasional. Namun pada sistem penentuan
LIANTI siswa berprestasi berdasarkan beberapa aspek
seperti nilai rata-rata rapor, nilai ujian sekolah,
3 ALIFA ✓ ✓ ✓ nilai ekstrakurikuler, dan nilai presensi.
RIDHANI Sehingga nilai akurasi yang didapatkan 40%.
UTAMI
4 NADIYAH ✓ × ×
NAILUZ 6. KESIMPULAN
ZULFA
Proses perhitungan menggunakan metode
5 ALFIAN ✓ ✓ ✓ Weighted Product (WP) untuk menentukan nilai
FILIYAH bobot ternormalisasi, dilanjutkan proses
PUTRI perhitungan untuk mencari nilai vector Si
6 KHUSNIA ✓ × × ternormalisasi menggunakan Simple Addictive
YUSTIANI Weighting Method (SAW), untuk proses
NGSIH menghitung vector V dan melakukan
pemeringkatan siswa berprestasi menggunakan
7 NATA ✓ × × Weighted Product (WP). Sehingga sistem akan
RISKA menampilkan hasil rekomendasi siswa
NURLAILI berprestasi di sekolah SMP Negeri 2
A Bululawang dan menghasilkan tingkat akurasi
8 MUHAMA ✓ × × 40%. Hasil tersebut dihasilkan dari
D NUR perbandingan antara hasil rekomendasi siswa
REGA dari sitem dengan rekomendasi dari pihak
FERDANA sekolah. Berdasarkan rumus akurasi, proses
perhitungan akurasi yaitu dengan cara total data
9 GISKA ✓ × × yang sesuai dibagi dengan total data uji dikali
YUWANA dengan 100%, sehingga menghasilkan nilai
DEWI R akurasi sebesar 40%
10 ANANDA ✓ × ×
NIKEN DAFTAR PUSTAKA
MEILIA Aldy Fachrial, Z. A. D. M. K., 2017. SISTEM
SARI PENDUKUNG KEPUTUSAN
PENENTUAN LOKASI
PEMBUANGAN AKHIR SAMPAH
Berikut ini adalah proses perhitungan akurasi KOTA SAMARINDA METODE
𝑇𝑜𝑡𝑎𝑙 𝑑𝑎𝑡𝑎 𝑠𝑒𝑠𝑢𝑎𝑖 SIMPLE ADITIVE WEIGHTING
𝑎𝑐𝑐𝑢𝑟𝑎𝑐𝑦(%) = × 100% BERBASIS DESKTOP. Volume II, pp.
𝑇𝑜𝑡𝑎𝑙 𝑑𝑎𝑡𝑎 𝑢𝑗𝑖 142-145.
4
𝑎𝑐𝑐𝑢𝑟𝑎𝑐𝑦(%) = × 100% Dahana, N. A., 2018. SISTEM PENDUKUNG
10 KEPUTUSAN PEMILIHAN SUPPLIER
PENGADAAN BARANG

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 3776

MENGGUNAKAN METODE SAW DAN

WP (STUDI KASUS RUMAH SAKIT
JIWA GRHASIA YOGYAKARTA).
YOGYAKARTA: s.n.
Eniyati, S., 2011. Perancangan Sistem
Pendukung Pengambilan Keputusan
untuk Penerimaan Beasiswa dengan
Metode SAW (Simple Additive
Weighting). Jurnal Teknologi Informasi
DINAMIK, Volume 16, pp. 171-176.
Harmita, 2004. PETUNJUK PELAKSANAAN
VALIDASI METODE DAN CARA
PERHITUNGANNYA. Volume I, pp.
117 - 135.
Jodi Irjaya Kartika, E. S. S., 2017. Penentuan
Siswa Berprestasi Menggunakan Metode
K-Nearest Neighbor dan Weighted
Product (Studi Kasus : SMP Negeri 3
Mejayan). pp. 352-360.
Marbun, M., 2018. BUKU AJAR SISTEM
PENDUKUNG KEPUTUSAN
PENILAIAN HASIL BELAJAR DENGAN
METODE TOPSIS. Medan: CV.Rudang
Mayan.
Muhamad Muslihudin, D. R., 2018. SISTEM
PENDUKUNG KEPUTUSAN SISWA
BERPRESTASI MENGGUNAKAN
METODE WEIGHTED PRODUCT. pp.
114-119.

Fakultas Ilmu Komputer, Universitas Brawijaya