Sistem Pendukung Keputusan Penentuan Mata Pelajaran Lintas Minat kurikulum 2013 Menggunakan Algoritma Weighted Product dan Analytical Hierarchy Process

(1)

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN MATA

PELAJARAN LINTAS MINAT KURIKULUM 2013

MENGGUNAKAN ALGORITMA

WEIGHTED

PRODUCT

DAN

ANALYTICAL

HIERARCHY PROCESS

SKRIPSI

AMMAZIZZAKY TARIGAN

131421089

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2015


(2)

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN MATA PELAJARAN LINTAS MINAT KURIKULUM 2013 MENGGUNAKAN ALGORITMA

WEIGHTED PRODUCT DAN ANALYTICAL HIERARCHY PROCESS

SKRIPSI

Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer

Oleh :

AMMAZIZZAKY TARIGAN 131421089

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA MEDAN


(3)

PERSETUJUAN

Judul : SISTEM PENDUKUNG KEPUTUSAN PENENTUAN

MATA PELAJARAN LINTAS MINAT KURIKULUM 2013 MENGGUNAKAN ALGORITMA WEIGHTED

PRODUCT DAN ANALYTICAL HIERARCHY

PROCESS

Kategori : SKRIPSI

Nama : AMMAZIZZAKY TARIGAN

Nomor Induk Mahasiswa : 131421089

Program Studi : EKSTENSI S1 ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, Agustus 2015 Komisi Pembimbing:

Pembimbing 2 Pembimbing 1

M. Andri Budiman, ST, M.Comp.Sc, MEM Maya Silvi Lydia, B.Sc, M.Sc NIP. 19751008 200801 1 011 NIP. 19740127 200212 2 001 Diketahui/Disetujui oleh:

Program Studi S1 Ilmu Komputer Ketua,

Dr. Poltak Sihombing, M.Kom NIP. 19620317 199103 1 011


(4)

PERNYATAAN

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN MATA PELAJARAN LINTAS MINAT KURIKULUM 2013 MENGGUNAKAN ALGORITMA

WEIGHTED PRODUCT DAN ANALYTICAL HIERARCHY PROCESS

SKRIPSI

Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, Agustus 2015

Ammazizzaky Tarigan 131421089


(5)

PENGHARGAAN

Alhamdulillah segala puji dan syukur atas nikmat yang luas kepada Allah Yang Maha Esa dan Maha Kuasa sehingga penulis dapat menyelesaikan penyusunan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Komputer pada Program Studi S1 Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada:

1. Bapak Prof. Subhilhar, Ph.D selaku Pejabat Rektor Universitas Sumatera Utara.

2. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.

4. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer Universitas Sumatera Utara dan sebagai Dosen Pembimbing I yang telah memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam penyempurnaan skripsi ini.

5. Bapak M. Andri Budiman, ST, M.Comp.Sc, MEM selaku Dosen Pembimbing II yang telah memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam penyempurnaan skripsi ini.

6. Ibu Dian Rachmawati, S.Si, M.Kom selaku Koordinator Ekstensi Ilmu Komputer Universitas Sumatera Utara dan Sebagai Dosen Pembanding I yang telah memberikan arahan, kritik dan saran dalam penyempurnaan skripsi ini. 7. Bapak Handrizal, S.Si, M.Comp.Sc selaku Dosen Pembanding II yang telah


(6)

8. Seluruh dosen dan pegawai di Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

9. Bapak Kepala Sekolah, Wakil Kepala Sekolah, Seluruh Guru dan Pegawai serta seluruh Siswa terutama murid-murid penulis di SMA Istiqlal Delitua yang sudah berkenan membantu dan mendoakan dalam penyelesaian skripsi ini.

10. Teristimewa Orangtua penulis, Ayahanda Drs. H. Enda Tarigan dan Ibunda Dra. Hj. Nilfa Yenisda yang sangat menyayangi penulis dan memberi dukungan tiada henti serta keluarga tercinta Abangda Ammahli Fakar Tarigan, S.Kom, Kakanda Ammamiarihta, S.Pd, Adinda Ammanawwara yang senantiasa mendoakan dan mendukung penulis, serta sepupu yang siap membantu dalam penyelesaian skripsi penulis, Zuah Ekomursyid Bangun dan Muhammad Fikri Azizi beserta keluarga lainnya.

11. Teman-teman seperjuangan mahasiswa Ekstensi S1-Ilmu Komputer stambuk 2013, Dhita Pratiwi, Yakhdi Perari Pinem, Masita, Al Nadrah, Nurdin, Reni, Syahrial, Kak Rani, Nur, Okta, Dessy, Kak Kia, Dien, Juan dan teman-teman lainnya.

12. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini.

Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, kepada pembaca agar kiranya memberikan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini, sehingga dapat bermanfaat bagi kita semuanya.

Medan, Agustus 2015 Penulis,


(7)

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN MATA PELAJARAN LINTAS MINAT KURIKULUM 2013 MENGGUNAKAN ALGORITMA

WEIGHTED PRODUCT DAN ANALYTICAL HIERARCHY PROCESS

ABSTRAK

Dunia pendidikan yang terus berkembang membuat pemerintah harus terus mengembangkan sistem pendidikan yang ada di Indonesia. Tahun 2013 pemerintah menerapkan kurikulum baru untuk setiap sekolah yang disebut dengan Kurikulum 2013 yang menggantikan kurikulum KTSP. Sama dengan kurikulum yang lama, pada kurikulum yang baru terdapat tiga jurusan peminatan, yaitu Matematika dan Ilmu Alam, Ilmu-ilmu Sosial serta Bahasa, namun pada kurikulum yang baru siswa wajib mempelajari mata pelajaran yang ada di luar jurusannya, yang disebut dengan mata pelajaran lintas minat. Dalam penentuan mata pelajaran tersebut dibutuhkan beberapa kriteria yang harus diperhatikan, yaitu nilai siswa, minat siswa, jumlah guru, rekomendasi guru dan rekomendasi orang tua. Dengan banyaknya kriteria yang ada maka dibutuhkan sebuah sistem yang dapat membantu sekolah menentukan mata pelajaran yang sesuai untuk siswa. Untuk itu dibangunlah sebuah sistem pendukung keputusan untuk menentukan mata pelajaran lintas minat kurikulum 2013 menggunakan algoritma weighted product dan analytical hierarchy process yang bertujuan menentukan mata pelajaran yang sesuai untuk siswa. Pada sistem ini dibutuhkan data siswa dan guru sebagai input, kemudian data tersebut diproses dengan menggunakan algoritma WP dan AHP hingga memperoleh output berupa ranking dari mata pelajaran yang sudah di-input-kan. Berdasarkan sistem yang telah dibuat, dari data yang diperoleh didapat dua ranking teratas mata pelajaran lintas minat untuk jurusan Ilmu-ilmu Sosial, yaitu Bahasa dan Sastra Inggris serta Bahasa dan Sastra Indonesia yang kemudian disarankan kepada pihak sekolah sebagai bahan pertimbangan pembuat keputusan. Selain mencari ranking mata pelajaran penulis juga melakukan perbandingan antar kedua algoritma berdasarkan kompleksitas waktu, dari perbandingan tersebut diperoleh big thetayang sama, yaitu Ө (n2).

Kata-kata Kunci : Sistem Pendukung Keputusan, Weighted Product, Analytical Hierarchy Process, Kurikulum 2013, Mata Pelajaran Lintas Minat


(8)

DECISION SUPPORT SYSTEM FOR DETERMINING SUBJECTS OF CHOICE IN CURRICULUM 2013 USING WEIGHTED PRODUCT AND

ANALYTICAL HIERARCHY PROCESS ALGORITHMS

ABSTRACT

The face paced development of education systems in the world makes Indonesian Goverment should follow suit in order to make its people ready to survive in global competiton. In 2013, the goverment used new curriculum for every school, which is called curriculum of 2013, that refers to the curriculum of KTSP (Kurikulum Tingkat Satuan Pendidikan). Similar to later, the new curriculum has three lessons, math plus natural science, social science, and language, but in this, the students have to study about the lesson out of their majors, which are called subjects of choices. To determine subjects of choices, some aspects (such as students mark, interest, number of teacher, teachers’ recomendation and parents’ recomendation) should be known. Because of there are so many criteria, it needs a system which may help the schools to decide which lessons must be taught to the student. This research builds a support system to determine subjects of choice, in curriculum 2013 using weighted product method and analytical hierarchy process algorithm. This system needs student’s and teachers’ data as input, then the data is processed by using WP and AHP until the ranking of the subjects is obtained as output. According to the system, the highest ranking of subjects in social science are English Language and Indonesian Language which is then suggested to the schools as recomendation. In order to determine the ranking of the subjects, both algorithms are compared according to their time complexities, which is Ө (n2) for both algorithm.

Kata-kata Kunci : Decision Support Systems, Weighted Product, Analytical Hierarchy Process, Curriculum 2013, Subjects of Choice


(9)

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak vi

Abstract vii

Daftar Isi viii

Daftar Tabel xi

Daftar Gambar xii

Daftar Lampiran xiii

BAB 1 PENDAHULUAN

1.1. Latar Belakang 1

1.2. Rumusan Masalah 3

1.3. Tujuan Penelitian 3

1.4. Batasan Penelitian 3

1.5. Manfaat Penelitian 4

1.6. Metodologi Penelitian 4

1.7. Sistematika Penulisan 5

BAB 2 LANDASAN TEORI

2.1. Sistem Pendukung Keputusan 7

2.1.1. Konsep SPK 8

2.1.2. Komponen-Komponen SPK 8

2.2. Multiple Attribute Decision Making (MADM) 9

2.3. Weighted Product 10

2.3.1. Contoh Manual Penggunaan Algoritma Weighted

Product 11

2.4. Analytical Hierarchy Process 13

2.4.1. Contoh Manual Penggunaan Algoritma Analytical

Hierarchy Process 14

2.5. Big Theta (Ɵ) 20

2.6. Sekolah 21

2.6.1. SMA Istiqlal Delitua 21

2.7. Kurikulum 2013 21


(10)

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

3.1. Analisis Sistem 23

3.1.1. Analisis Masalah 23

3.1.2. Analisis Kebutuhan 24

3.1.2.1. Kebutuhan fungsional 25

3.1.2.2. Kebutuhan nonfungsional 25

3.2. Perancangan Sistem 25

3.2.1. Flowchat Sistem 26

3.2.1.1. Flowchat sistem secara umum 26 3.2.1.2. Flowchart algoritma weighted product 27 3.2.1.3. Flowchart algoritma analytical hierarchy

process 28

3.2.2. Data Flow Diagram (DFD) 29

3.2.3. Perancangan Antar Muka Sistem (Interface) 31

3.2.3.1. Halaman masuk 31

3.2.3.2. Halaman awal 32

3.2.3.3. Halaman data siswa 33

3.2.3.4. Halaman data guru 35

3.2.3.5. Halaman proses kriteria 36

3.2.3.6. Halaman proses WP 37

3.2.3.7. Halaman proses AHP 39

3.2.3.8. Halaman info 40

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM

4.1. Implementasi Sistem 41

4.1.1. Halaman Masuk 41

4.1.2. Halaman Awal 42

4.1.3. Halaman Data Siswa 43

4.1.4. Halaman Data Guru 43

4.1.5. Halaman Proses 44

4.1.6. Halaman Info 50

4.2. Perhitungan Kompleksitas Waktu 50

4.2.1. Perhitungan Kompleksitas Waktu Algoritma Weighted

Product 50

4.2.2. Perhitungan Kompleksitas Waktu Algoritma Analytical

Hierarchy Process 52

4.3. Perbandingan Hasil Algoritma Weighted Product dan Analytical

Hierarchy Process 57

4.3.1. Hasil Algoritma Weighted Product 57 4.3.2. Hasil Algoritma Analytical Hierarchy Process 58


(11)

BAB 5 KESIMPULAN DAN SARAN

5.1. Kesimpulan 59

5.2. Saran 59


(12)

DAFTAR TABEL

Halaman

Tabel 2.1. Skor Konversi Nilai Kriteria WP 11

Tabel 2.2. Contoh Data WP 12

Tabel 2.3. Contoh Data Yang Sudah Dikonversi WP 12

Tabel 2.4. Skor Konversi Nilai Kriteria AHP 15

Tabel 2.5. Contoh Data AHP 15

Tabel 2.6. Contoh Data Yang Sudah Dikonversi AHP 16

Tabel 2.7. Tabel Matriks Prioritas Kriteria 16

Tabel 2.8. Tabel Matriks Prioritas Kriteria Yang Disederhanakan 16

Tabel 2.9. Tabel Matriks Bobot Kriteria 1 17

Tabel 2.10. Tabel Matriks Bobot Kriteria 2 18

Tabel 2.11. Tabel Matriks Bobot Kriteria 3 18

Tabel 2.12. Tabel Matriks Bobot Kriteria 4 19

Tabel 2.13. Tabel Matriks Bobot Kriteria 5 19

Tabel 3.1. Keterangan Rancangan Halaman Masuk 31

Tabel 3.2. Keterangan Rancangan Halaman Awal 32

Tabel 3.3. Keterangan Rancangan Halaman Data Siswa 34 Tabel 3.4. Keterangan Rancangan Halaman Data Guru 35 Tabel 3.5. Keterangan Rancangan Halaman Proses Kriteria 37 Tabel 3.6. Keterangan Rancangan Halaman Proses WP 38 Tabel 3.7. Keterangan Rancangan Halaman Proses AHP 39

Tabel 3.8. Keterangan Rancangan Halaman Info 40

Tabel 4.1. Tabel Penyederhanaan Prioritas Kriteria 48

Tabel 4.2. Tabel Matriks Bobot K1 48

Tabel 4.3. Perhitungan Kompleksitas Waktu Algortima WP 51 Tabel 4.4. Perhitungan Kompleksitas Waktu Algortima AHP 52 Tabel 4.5. Hasil Perangkingan Mata Pelajaran Lintas Minat (WP) 57 Tabel 4.6. Hasil Perangkingan Mata Pelajaran Lintas Minat (AHP) 58


(13)

DAFTAR GAMBAR

Halaman

Gambar 2.1. Komponen-Komponen SPK 9

Gambar 3.1. Diagram Ishikawa Masalah Penelitian 24

Gambar 3.2. Flowchart Sistem 26

Gambar 3.3. Flowchart Algoritma Weighted Product 27

Gambar 3.4. Flowchart Algoritma Analytical Hierarchy Process 28

Gambar 3.5. DFD Level 0 29

Gambar 3.6. DFD Level 1 30

Gambar 3.7. Rancangan Halaman Masuk 37

Gambar 3.8. Rancangan Halaman Awal 38

Gambar 3.9. Rancangan Halaman Data Siswa 33

Gambar 3.10. Rancangan Halaman Data Guru 35

Gambar 3.11. Rancangan Halaman Proses Kriteria 36

Gambar 3.12. Rancangan Halaman Proses WP 38

Gambar 3.13. Rancangan Halaman Proses AHP 39

Gambar 3.14. Rancangan Halaman Info 40

Gambar 4.1. Tampilan Halaman Masuk 42

Gambar 4.2. Tampilan Halaman Awal 42

Gambar 4.3. Tampilan Halaman Data Siswa 43

Gambar 4.4. Tampilan Halaman Data Guru 44

Gambar 4.5. Tampilan Halaman Proses Tab Kriteria 45

Gambar 4.6. Tampilan Halaman Proses Tab Weighted Product 45 Gambar 4.7. Tampilan Halaman Proses Tab Analytical Hierarchy Process 47


(14)

DAFTAR LAMPIRAN

Halaman

A. Listing Program A-1

B. Surat Balasan Riset B-1

C. Data Riset B-2

D. Curriculum Vitae C-1

E. Surat Keputusan Pengangkatan Dosen Pembimbing Tugas Akhir D-1

F. Undangan Sidang Meja Hijau E-1


(15)

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN MATA PELAJARAN LINTAS MINAT KURIKULUM 2013 MENGGUNAKAN ALGORITMA

WEIGHTED PRODUCT DAN ANALYTICAL HIERARCHY PROCESS

ABSTRAK

Dunia pendidikan yang terus berkembang membuat pemerintah harus terus mengembangkan sistem pendidikan yang ada di Indonesia. Tahun 2013 pemerintah menerapkan kurikulum baru untuk setiap sekolah yang disebut dengan Kurikulum 2013 yang menggantikan kurikulum KTSP. Sama dengan kurikulum yang lama, pada kurikulum yang baru terdapat tiga jurusan peminatan, yaitu Matematika dan Ilmu Alam, Ilmu-ilmu Sosial serta Bahasa, namun pada kurikulum yang baru siswa wajib mempelajari mata pelajaran yang ada di luar jurusannya, yang disebut dengan mata pelajaran lintas minat. Dalam penentuan mata pelajaran tersebut dibutuhkan beberapa kriteria yang harus diperhatikan, yaitu nilai siswa, minat siswa, jumlah guru, rekomendasi guru dan rekomendasi orang tua. Dengan banyaknya kriteria yang ada maka dibutuhkan sebuah sistem yang dapat membantu sekolah menentukan mata pelajaran yang sesuai untuk siswa. Untuk itu dibangunlah sebuah sistem pendukung keputusan untuk menentukan mata pelajaran lintas minat kurikulum 2013 menggunakan algoritma weighted product dan analytical hierarchy process yang bertujuan menentukan mata pelajaran yang sesuai untuk siswa. Pada sistem ini dibutuhkan data siswa dan guru sebagai input, kemudian data tersebut diproses dengan menggunakan algoritma WP dan AHP hingga memperoleh output berupa ranking dari mata pelajaran yang sudah di-input-kan. Berdasarkan sistem yang telah dibuat, dari data yang diperoleh didapat dua ranking teratas mata pelajaran lintas minat untuk jurusan Ilmu-ilmu Sosial, yaitu Bahasa dan Sastra Inggris serta Bahasa dan Sastra Indonesia yang kemudian disarankan kepada pihak sekolah sebagai bahan pertimbangan pembuat keputusan. Selain mencari ranking mata pelajaran penulis juga melakukan perbandingan antar kedua algoritma berdasarkan kompleksitas waktu, dari perbandingan tersebut diperoleh big thetayang sama, yaitu Ө (n2).

Kata-kata Kunci : Sistem Pendukung Keputusan, Weighted Product, Analytical Hierarchy Process, Kurikulum 2013, Mata Pelajaran Lintas Minat


(16)

DECISION SUPPORT SYSTEM FOR DETERMINING SUBJECTS OF CHOICE IN CURRICULUM 2013 USING WEIGHTED PRODUCT AND

ANALYTICAL HIERARCHY PROCESS ALGORITHMS

ABSTRACT

The face paced development of education systems in the world makes Indonesian Goverment should follow suit in order to make its people ready to survive in global competiton. In 2013, the goverment used new curriculum for every school, which is called curriculum of 2013, that refers to the curriculum of KTSP (Kurikulum Tingkat Satuan Pendidikan). Similar to later, the new curriculum has three lessons, math plus natural science, social science, and language, but in this, the students have to study about the lesson out of their majors, which are called subjects of choices. To determine subjects of choices, some aspects (such as students mark, interest, number of teacher, teachers’ recomendation and parents’ recomendation) should be known. Because of there are so many criteria, it needs a system which may help the schools to decide which lessons must be taught to the student. This research builds a support system to determine subjects of choice, in curriculum 2013 using weighted product method and analytical hierarchy process algorithm. This system needs student’s and teachers’ data as input, then the data is processed by using WP and AHP until the ranking of the subjects is obtained as output. According to the system, the highest ranking of subjects in social science are English Language and Indonesian Language which is then suggested to the schools as recomendation. In order to determine the ranking of the subjects, both algorithms are compared according to their time complexities, which is Ө (n2) for both algorithm.

Kata-kata Kunci : Decision Support Systems, Weighted Product, Analytical Hierarchy Process, Curriculum 2013, Subjects of Choice


(17)

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Pada saat ini perkembangan teknologi sangat tumbuh dengan pesat, baik dibidang teknologi telekomunikasi sampai dengan teknologi komputasi. Dalam bidang komputer sendiri banyak hal yang tumbuh dan berkembang, dahulu komputer hanya dapat digunakan untuk pengumpulan dan pengolahan data namun sekarang komputer juga dapat dijadikan sebagai alat untuk membantu membuat suatu keputusan. Selain teknologi, dunia pendidikan dari tahun ke tahun juga semakin berkembang. Sudah berbagai upaya dilakukan oleh pemerintah untuk memajukan pendidikan di Indonesia. Dimana perkembangan dunia pendidikan tersebut sangat berpengaruh terdahap karakteristik dan kepribadian siswa.

SMA Istiqlal Delitua merupakan suatu lembaga pendidikan menengah swasta di kabupaten Deli Serdang. Sesuai dengan keputusan pemerintah No. 81A Tahun 2013 tentang Implementasi Kurikulum 2013, maka SMA Istiqlal Delitua sesuai dengan keputusan tersebut juga wajib menerapkan kurikulum 2013. Dari segi mata pelajaran, pada Kurikulum 2013 memiliki perbedaan dengan kurikulum KTSP 2006 yaitu adanya mata pelajaran jurusan MIA, IIS atau Bahasa yang diajarkan di jurusan lainnya atau disebut dengan mata pelajaran lintas minat, misalnya mata pelajaran ekonomi yang diajarkan di jurusan MIA dan mata pelajaran kimia yang diajarkan di jurusan IIS.

Penentuan mata pelajaran lintas minat ini dilakukan pada awal tahun pelajaran, dimana dalam proses penentuan mata pelajaran lintas minat tersebut sekolah menetapkannya berdasarkan dua faktor, yaitu faktor internal siswa seperti minat dan kemampuan serta faktor eksternal seperti keadaan guru, rekomendasi guru


(18)

dan rekomendasi orang tua/wali. Namun kenyataannya, sekolah belum dapat menerapkan berbagai faktor yang ada dalam menentukan mata pelajaran lintas minat tersebut dikarenakan penentuan tersebut masih bersifat manual sehingga sulit untuk mencakup faktor-faktor tersebut.

Oleh karena itu perlu adanya sistem yang dapat membantu pihak sekolah dalam menentukan mata pelajaran lintas minat. Sistem ini yang kemudian disebut dengan Sistem Pendukung Keputusan (SPK) adalah sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan manajerial dalam situasi keputusan semiterstruktur (Turban, dkk. 2005).

Di dalam sistem pendukung keputusan terdapat suatu metode pengambilan keputusan multikriteria yaitu metode yang menggunakan beberapa kriteria tertentu untuk menetapkan alternatif keputusan terbaik atau yang disebut dengan Multi Criteria Decision Making (Kusumadewi et al, 2006), ada beberapa algoritma yang termasuk kedalam metode tersebut, antara lain Weighted Product dan Analytical Hierarchy Proess. Algoritma Weighted Product (WP) dan Analytical Hierarchy Process (AHP) adalah proses pengambilan keputusan yang bersifat multicriteria yang bertujuan untuk menentukan pilihan terbaik dari beberapa alternatif yang dapat diambil.

Microsoft Visual Basic 2010 adalah bahasa pemrograman yang dapat digunakan untuk membangun sebuah sistem yang berbasis desktop, yang sesuai jika digunakan untuk internal sebuah instansi.

Sebagai bahan pertimbangan dalam melakukan penelitian ini, penulis mengambil beberapa penelitian sebelumnya yang kemudian dijadikan bahan referensi dalam penelitian yang akan penulis lakukan. Adapun penelitian yang penulis jadikan bahan referensi antara lain Rancang Bangun Sistem Pendukung Keputusan (SPK) Penjurusan Program Studi (Studi Kasus : MAN 4 Model Jakarta) (Bachtiar, 2010) dimana dalam penelitian tersebut peneliti menggunakan tiga kriteria penentu yang kemudian dihitung menggunakan metode AHP untuk menentukan pilihan program studi terbaik dari ketiga kriteria yang sudah ditentukan.

Penelitian lainnya yaitu Sistem Pendukung keputusan Untuk Menentukan Pemilihan Jurusan Siswa Dengan Menggunakan Metode Weighted Product (Studi Kasus : SMA Swasta HKBP Doloksanggul) (Sianturi, 2013) dimana penelitian


(19)

tersebut menggunakan metode WP untuk menghasilkan alternatif terbaik untuk siswa dari kriteria yang ditentukan.

Dari penjelasan di atas, maka penulis berencana mengadakan penelitian tugas akhir dengan judul ”SISTEM PENDUKUNG KEPUTUSAN PENENTUAN MATA

PELAJARAN LINTAS MINAT KURIKULUM 2013 MENGGUNAKAN

ALGORITMA WEIGHTED PRODUCT DAN ANALYTICAL HIERARCHY PROCESS”.

1.2 Rumusan Masalah

Rumusan masalah dalam penelitian ini adalah bagaimana menentukan mata pelajaran lintas minat yang sesuai dengan minat siswa menggunakan sistem pengambilan keputusan multikriteria, yaitu dengan menggunakan algoritma Weighted Product

(WP) dan Analytical Hierarchy Process (AHP).

1.3 Tujuan Penelitian

Mengimplementsikan algoritma Weighted Product (WP) dan Analytical Hierarchy Process (AHP) dalam menentukan mata pelajaran lintas minat kurikulum 2013 serta membandingkan kedua algoritma tersebut.

1.4 Batasan Penelitian

Dari latar belakang dan perumusan masalah di atas, agar tidak menyimpang dari tujuan yang diharapkan maka dibuat beberapa pembatasan masalah antara lain:

1. Algoritma yang digunakan yaitu Weighted Product (WP) dan Analytical Hierarchy Process (AHP).

2. Sistem ini ditujukan untuk penentuan lintas minat kelas 10 jurusan IIS (Ilmu-Ilmu Sosial).

3. Mata pelajaran yang akan dipilih berjumlah 8 buah, yaitu 4 mata pelajaran dari minat MIA (Matematika dan Ilmu Alam) yaitu: Matematika, Fisika, Kimia dan


(20)

Biologi serta 4 mata pelajaran dari minat Bahasa yaitu : Bahasa dan Sastra Indonesia, Bahasa dan Sastra Inggris, Bahasa Asing Lain (Bahasa Arab) dan Antropologi.

4. Sampel yang diambil yaitu 78 orang siswa kelas 10.3 dan 10.4 (sebelumnya jurusan IIS) dan 40 orang guru.

5. Indikator yang akan digunakan yaitu kemampuan siswa, minat siswa, keadaan guru, rekomendasi guru dan rekomendasi orang tua/wali.

6. Menggunakan bahasa pemrograman Microsoft Visual Basic 2010 dan

database management system nya menggunakan Microsoft Access 2007. 7. Parameter yang digunakan untuk perbandingan algoritma yaitu Big Ө (Theta).

1.5 Manfaat Penelitian

Adapun manfaat yang diharapakan pada penelitian ini antara lain:

1. Membantu sekolah menentukan mata pelajaran lintas minat yang terbaik, yang lebih objektif dan efisien.

2. Membuat sekolah dapat menentukan mata pelajaran lintas minat tanpa memakan waktu yang lama.

1.6 Metodologi Penelitian

Adapun metode penelitian yang digunakan dalam penulisan skripsi ini adalah sebagai berikut:

a. Studi Literatur

Mengumpulkan bahan dan referensi melalui kegiatan studi kepustakaan dengan mencari buku-buku, skripsi dan jurnal yang berhubungan dengan metode sistem pendukung keputusan Weighted Product dan Analytical Hierarchy Process serta dengan melakukan kegiatan wawancara dan kegiatan pengumpulan data kuesioner sebagai sampel dalam penelitian.

b. Analisis Sistem

Tahap ini digunakan untuk mengindentifikasi masalah dan kegiatan pengolahan data yang diperoleh dari hasil studi literatur.


(21)

c. Perancangan Sistem

Pada tahap ini akan dilakukan perancangan sistem pengambilan keputusan, termasuk di dalamnya perancangan flowchart, data flow diagram (dfd) dan desain interface.

d. Implementasi Sistem

Mengimplementasikan rancangan sistem yang telah dibuat pada tahap perancangan sistem ke dalam program komputer.

e. Pengujian Sistem

Setelah proses implementasi selesai maka akan dilakukan proses pengujian terhadap sistem yang dihasilkan untuk mengetahui apakah program sudah berjalan dengan benar dan sesuai dengan yang diharapkan.

f. Dokumentasi

Membuat laporan hasil analisa, perancangan dan pengujian ke dalam format penulisan skripsi yang disertai dengan kesimpulan.

1.7 Sistematika Penulisan

Adapun langkah-langkah dalam menyelesaikan penelitian ini adalah sebagai berikut: BAB 1 PENDAHULUAN

Bab ini berisi latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian dan sistematika penulisan.

BAB 2 LANDASAN TEORI

Bab ini berisi teori-teori yang berkaitan dengan Sistem Pendukung Keputusan, Weighted Product, Analytical Hierarchy Process, Kurikulum 2013 dan Mata Pelajaran Lintas Minat.

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

Bab ini berisi pembahasan analisis sistem dan perancangan sistem, termasuk di dalamnya perancangan flowchart, data flow diagram dan desain interface.


(22)

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab ini berisi ulasan dan pengujian terhadap peracangan yang telah diimplementasikan dengan menggunakan bahasa pemrograman Microsoft Visual Basic 2010 dan menggunakan database management system

Microsoft Access 2007.

BAB 5 KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan yang didapat dalam menjalani penelitian ini serta saran yang diharapkan dapat bermanfaat dalam usaha untuk melakukan perbaikan dan pengembangan penelitian ini.


(23)

BAB 2

LANDASAN TEORI

2.1 Sistem Pendukung Keputusan

Pada dasarnya pembuatan keputusan merupakan suatu pendekatan yang bersifat sistematis, artinya pendekatan yang berawal dan bermula dari hakikat suatu masalah, pengumpulan fakta-fakta, pemilihan dan penentuan dari alternatif terbaik yang dihadapi dan pengambilan tindakan yang menurut perhitungan secara kuantitatif merupakan tindakan yang paling tepat (Kosasi, 2002).

Didefinisikan secara umum, sistem pendukung keputusan (SPK) adalah sistem informasi berbasis komputer yang menggabungkan model dan data guna menyelesaikan masalah semi terstruktur dan beberapa masalah tak terstruktur dengan keterlibatan pengguna secara luas (Turban, dkk. 2006). SPK dapat meningkatkan keefektifan pengambilan keputusan, meningkatkan kontrol manajemen, memfasilitasi komunikasi, menghemat usaha yang dilakukan pengguna, menghemat biaya, dan memungkinkan pengambilan lebih objektif (Turban, dkk. 2005).

Sprague dan Watson mendefinisikan Sistem Pendukung Keputusan (SPK) sebagai sistem yang memiliki lima karakteristik utama yaitu (Sprague et.al, 1993):

a. Sistem yang berbasis komputer.

b. Dipergunakan untuk membantu para pengambil keputusan.

c. Untuk memecahkan masalah-masalah rumit yang mustahil dilakukan dengan kalkulasi manual.

d. Melalui cara simulasi yang interaktif.


(24)

2.1.1 Konsep SPK

Kerangka pendukung keputusan terbagi atas dua tipe, yaitu tipe keputusan dan tipe pengendalian. Tipe keputusan mencakup keputusan terstruktur, keputusan semi terstruktur dan keputusan tidak terstruktur. Sedang untuk tipe pengendalian mencakup pengendalian operasional, manajerial dan strategik. Kedua tipe ini merupakan suatu bentuk yang saling melengkapi dalam suatu konsep piramida sistem informasi. Terdapat beberapa tahapan dalam proses pembuatan keputusan (Turban & Aronson, 1998), yaitu:

a. Mendefinisikan dan merumuskan masalah.

b. Mengklasifikasikan masalah dalam kategori standar.

c. Mengembangkan model matematik untuk menggambarkan kejadian nyata. d. Menemukan alternatif solusi untuk pemecahan masalah.

e. Menentukan pilihan terbaik dari alternatif solusi yang tersedia.

2.1.2 Komponen-Komponen SPK

Selanjutnya SPK juga dapat didekomposisikan menjadi beberapa subsistem lainnya yang saling berhubungan (Turban & Aronson, 1998) seperti terlihat pada Gambar 2.1, yaitu:

a. Subsistem Manajemen Data

Subsistem manajemen data memasukkan satu database yang berisi data yang relevan untuk situasi dan dikelola oleh perangkat lunak yang disebut sistem manajemen database (DBMS).

b. Subsistem Manajemen Model

Merupakan paket perangkat lunak yang memasukkan model keuangan, statistik, ilmu manajemen, atau model kuantitatif lainnya yang memberikan kapabilitas analitik dan manajemen perangkat lunak yang tepat. Perangkat lunak ini sering disebut sistem manajemen basis model (MBMS).

c. Subsistem Antarmuka Pengguna

Pengguna berkomunikai dengan dan memerintahkan SPK melalui subsistem ini. Pengguna adalah bagian yang dipertimbangan dari sistem. Para peneliti


(25)

menegaskan bahwa beberapa kontribusi unik dari SPK berasal dari interaksi yang intensif antara komputer dan pembuat keputusan.

d. Subsistem Manajemen Berbasis Pengetahuan

Subsistem ini dapat mendukung semua subsistem lain atau bertindak sebagai suatu komponen independen. Ia memberikan inteligensi untuk memperbesar pengetahuan si pengambil keputusan.

Gambar 2.1 Komponen-Komponen SPK

2.2 Multiple Attribute Decision Making (MADM)

Multi Criteria Decision Making (MCDM) adalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu (Kusumadewi et al, 2006). MCDM dapat dibagi menjadi 2 model (Zimmermann, 1991) yaitu Multi Attribute Decision Making (MADM) dan

Multi Objective Decision Making (MODM). MADM digunakan untuk menyelesaikan masalah-masalah dalam ruang diskret. Oleh karena itu, pada MADM biasanya digunakan untuk melakukan penilaian atau seleksi terhadap beberapa alternatif dalam jumlah yang terbatas. Secara umum dapat dikatakan bahwa, MADM menyeleksi alternatif terbaik dari sejumlah alternatif.


(26)

Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MADM (Kusumadewi et al, 2006), antara lain:

a. Simple Additive Weighting Method (SAW) b. Weighted Product (WP)

c. ELimination Et Choix TRaduisant la realitE (ELECTRE)

d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) e. Analytical Hierarchy Process (AHP)

2.3 Weighted Product

Menurut Yoon (1989), Metode WP menggunakan perkalian untuk menghubungkan rating atribut, dimana rating atribut harus dipangkatkan terlebih dahulu dengan bobot atribut yang bersangkutan (Kusumadewi, dkk. 2006). Preferensi untuk alternatif Si diberikan sebagai berikut:

a. Penentuan nilai perbaikan bobot Wj

Wj = W_Initj W_Initj n

j=1

Dimana:

W_Initj = Nilai prioritas bobot setiap kriteria b. Penentuan nilai Vektor Si

Si = XijWj

n

j=1

Dimana:

Xij = Nilai untuk setiap sampel c. Penentuan nilai Vektor Vi

Vi = Si

Si m j=1

Dimana:


(27)

Lalu, langkah-langkah dalam perhitungan metode Weighted Product (WP) adalah sebagai berikut:

a. Mengalihkan seluruh atribut bagi seluruh alternatif dengan bobot sebagai pangkat positif bagi atribut biaya.

b. Hasil perkalian dijumlahkan untuk menghasilkan nilai pada setiap alternatif. c. Membagi nilai V bagi setiap alternatif dengan nilai pada setiap alternatif. d. Ditemukan urutan alternatif terbaik yang akan menjadi keputusan.

2.3.1 Contoh Manual Penggunaan Algoritma Weighted Product

a. Kriteria

K1 = Kemampuan Siswa K4 = Keadaan Guru

K2 = Minat Siswa K5 = Rekomendasi Orang Tua K3 = Rekomendasi Guru

Kriteria Keuntungan = K1, K2, K3, K4 dan K5 Kriteria Biaya = Tidak Ada

b. Skor Konversi Nilai Kriteria

Skor konversi nilai kriteria WP dapat dilihat pada Tabel 2.1. Tabel 2.1 Skor Konversi Nilai Kriteria WP

Kriteria Nilai Awal Nilai Konversi

K1 0 - 20

21 - 40 41 - 60 61 - 80 ≥ 81

1 2 3 4 5

K2 0 - 5

6 - 10 11 - 15 16 - 20 ≥ 21

1 2 3 4 5

K3 0 - 3

4 - 6 7 - 9 10 - 12 ≥ 13

1 2 3 4 5


(28)

Tabel 2.1 Skor Konversi Nilai Kriteria WP (lanjutan)

K4 ≤ 1

2 3 4 ≥ 5

1 2 3 4 5

K5 0 - 5

6 - 10 11 - 15 16 - 20 ≥ 21

1 2 3 4 5 c. Contoh Data

Contoh data WP dapat dilihat pada Tabel 2.2. Tabel 2.2 Contoh Data WP

Mata Pelajaran K1 K2 K3 K4 K5

Biologi 85 16 10 2 17

Bahasa dan Sastra Indonesia 85 10 3 4 5

Bahasa Arab 80 5 7 1 7

d. Contoh Data Yang Sudah Dikonversi

Contoh data yang sudah dikonvesi dapat dilihat pada Tabel 2.3. Tabel 2.3 Contoh Data Yang Sudah Dikonversi WP

Mata Pelajaran K1 K2 K3 K4 K5

Biologi 5 4 2 2 4

Bahasa dan Sastra Indonesia 5 2 1 3 1

Bahasa Arab 4 1 2 1 2

e. Bobot Preferensi W = [ 4, 5, 2, 3, 2 ] f. Menghitung Nilai Wi

W1 = 4

4 + 5 + 2 + 3 + 2= 0,25

W2 = 5


(29)

W3 =

2

4 + 5 + 2 + 3 + 2= 0,125 W4 =

3

4 + 5 + 2 + 3 + 2= 0,1875 W5 =

2

4 + 5 + 2 + 3 + 2= 0,125

g. Menghitug Nilai Si

S1 = 50,25 x 40,3125 x 20,125 x 20,1875 x 40,125 = 3,406 S2 = 50,25 x 20,3125 x 10,125 x 30,1875 x 10,125 = 2,282 S3 = 40,25 x 10,3125 x 20,125 x 10,1875 x 20,125 = 1,683

h. Menghitung Nilai Vi

V1 =

3,406

3,406 + 2,282 + 1,683= 0,462

V2 = 2,282

3,406 + 2,282 + 1,683= 0,309 V3 =

1,683

3,406 + 2,282 + 1,683= 0,228

Karena diperoleh nilai terbesar adalah V1, maka alternatif “Biologi” adalah Mata Pelajaran yang dipilih sebagai alternatif terbaik.

2.4 Analytical Hierarchy Process

Analytical Hierarchy Process (AHP) Merupakan suatu teori umum tentang suatu konsep pengukuran. Metode ini digunakan untuk menemukan suatu skala rasio balik dari perbandingan pasangan yang bersifat diskrit maupun kontinu (Mulyono, 1996). Terdapat beberapa langkah yang perlu diperhatikan dalam menggunakan metode AHP, antara lain (Suryadi & Ramdhani, 1998):

a. Mendefenisikan masalah dan menentukan solusi yang diinginkan.

b. Membuat struktur hirarki yang diawali dengan tujuan umum dilanjutkan dengan subtujuan-tujuan, kriteria dan kemungkinan alternatif-alternatif pada tingkatan kriteria yang paling bawah.


(30)

c. Membuat matriks perbandingan berpasangan yang menggambarkan kontribusi relatif atau pengaruh setiap elemen terhadap masing-masing tujuan atau kriteria yang setingkat diatasnya. Perbandingan dilakukan berdasarkan

judgment dari pembuat keputusan dengan menilai tingkat kepentingan suatu elemen dibandingkan elemen lainnya.

d. Melakukan perbandingan berpasangan sehingga diperoleh nilai judment

seluruhnya.

e. Menghitung nilai eigen dan menguji konsistensinya jika tidak konsisten maka pengambilan data diulangi. Mengulangi langkah b, c, dan d untuk seluruh tingkat hirarki.

f. Menghitung vektor eigen dari setiap matriks perbandingan berpasangan. Nilai vektor eigen merupakan bobot setiap elemen. Langkah ini untuk mensintesis

judgment dalam penentuan prioritas elemen-elemen pada tingkat hirarki terendah sampai pencapaian tujuan.

g. Memeriksa konsistensi hirarki. Jika nilainya lebih dari 0,1 maka penilaian data harus diperbaiki. Consistency Index (CI), dengan rumus:

CI =(� �� − )

( −1)

Keterangan:

i = Rasio penyimpangan konsistensi

λmax = nilai eigen maksimum n = banyaknya elemen

h. Mencari total ranking, langkah terakhir adalah menghitung total ranking dengan cara menjumlahkan hasil perkalian nilai eigen vector tiap kriteria dengan nilai eigen vector alternatif pada kriteria yang sama, sehingga diperoleh alternatif terbaik.

2.4.1 Contoh Manual Penggunaan Algoritma Analytical Hierarchy Process

a. Kriteria

K1 = Kemampuan Siswa K4 = Keadaan Guru

K2 = Minat Siswa K5 = Rekomendasi Orang Tua K3 = Rekomendasi Guru


(31)

b. Skor Konversi Nilai Kriteria

Skor konversi nilai kriteria AHP dapat dilihat pada Tabel 2.4. Tabel 2.4 Skor Konversi Nilai Kriteria AHP

Kriteria Nilai Awal Nilai Konversi

K1 0 - 20

21 - 40 41 - 60 61 - 80 ≥ 81

1 2 3 4 5

K2 0 - 5

6 - 10 11 - 15 16 - 20 ≥ 21

1 2 3 4 5

K3 0 - 3

4 - 6 7 - 9 10 - 12 ≥ 13

1 2 3 4 5

K4 ≤ 1

2 3 4 ≥ 5

1 2 3 4 5

K5 0 - 5

6 - 10 11 - 15 16 - 20 ≥ 21

1 2 3 4 5 c. Contoh Data

Contoh data AHP dapat dilihat pada Tabel 2.5. Tabel 2.5 Contoh Data AHP

Mata Pelajaran K1 K2 K3 K4 K5

Biologi (BIO) 85 16 10 2 17

Bahasa dan Sastra Indonesia (BSI) 85 10 3 4 5


(32)

d. Contoh Data Yang Sudah Dikonversi

Contoh data yang sudah dikonversi dapat dilihat pada Tabel 2.6. Tabel 2.6 Contoh Data Yang Sudah Dikonversi AHP

Mata Pelajaran K1 K2 K3 K4 K5

Biologi (BIO) 5 4 2 2 4

Bahasa dan Sastra Indonesia (BSI) 5 2 1 3 1

Bahasa Arab (BA) 4 1 2 1 2

e. Tabel Matriks Prioritas Kriteria

Matriks prioritas kriteria dapat dilihat pada Tabel 2.7. Tabel 2.7 Tabel Matriks Prioritas Kriteria

K1 K2 K3 K4 K5

K1 1 ½ 3 2 3

K2 2 1 4 3 4

K3 1/3 ¼ 1 ½ 1

K4 ½ 1/3 2 1 2

K5 1/3 ¼ 1 ½ 1

f. Tabel Matrik Prioritas Kriteria Yang Disederhanakan

Matriks prioritas kriteria yang disederhanakan dapat dilihat pada Tabel 2.8. Tabel 2.8 Tabel Matriks Prioritas Kriteria Yang Disederhanakan

K1 K2 K3 K4 K5 Eigen

Vektor K1 1,00 0,50 3,00 2,00 3,00 0,257 K2 2,00 1,00 4,00 3,00 4,00 0,413 K3 0,33 0,25 1,00 0,50 1,00 0,088 K4 0,50 0,33 2,00 1,00 2,00 0,154 K5 0,33 0,25 1,00 0,50 1,00 0,088


(33)

Principle eigen vektor (λmax)

λmax = (4,16 x 0,257) + (2,33 x 0,413) + (11 x 0,088) + (7 x 0,154) +

(11 x 0,088) = 5,04541

Consistency Index (CI)

CI = (5,045−5) (5−1) CI = 0,045

4 CI = 0,01125

g. Tabel Matriks Bobot Kriteria 1 (Kemampuan Siswa) Matriks bobot kriteria 1 dapat dilihat pada Tabel 2.9.

Tabel 2.9 Tabel Matriks Bobot Kriteria 1 K1 BIO BSI BA Eigen Vektor

BIO 5 1 1 1,25 0,357

BSI 5 1 1 1,25 0,357

BA 4 0,8 0,8 1 0,286

∑ 2,8 2,8 3,5 1

Principle eigen vektor (λmax)

λmax = (2,8 x 0,357) + (2,8 x 0,357) + (3,5 x 0,286) = 3,0002

Consistency Index (CI)

CI = (3,0002−3) (3−1) CI = 0,0002

2 = 0,0001

h. Tabel Matriks Bobot Kriteria 2 (Minat Siswa)


(34)

Tabel 2.10 Tabel Matriks Bobot Kriteria 2 K2 BIO BSI BA Eigen Vektor

BIO 4 1 2 4 0,571

BSI 2 0,5 1 2 0,286

BA 1 0,25 0,5 1 0,143

∑ 1,75 3,5 7 1

Principle eigen vektor (λmax)

λmax = (1,75 x 0,571) + (3,5 x 0,286) + (7 x 0,143) = 3,00125

Consistency Index (CI)

CI = (3,00125−3) (3−1) CI = 0,00125

2 = 0,000625

i. Tabel Matriks Bobot Kriteria 3 (Rekomendasi Guru) Matriks bobot kriteria 3 dapat dilihat pada Tabel 2.11.

Tabel 2.11 Tabel Matriks Bobot Kriteria 3 K3 BIO BSI BA Eigen Vektor

BIO 2 1 2 1 0,4

BSI 1 0,5 1 0,5 0,2

BA 2 1 2 1 0,4

∑ 2,5 5 2,5 1

Principle eigen vektor (λmax)

λmax = (2,5 x 0,4) + (5 x 0,2) + (2,5 x 0,4) = 3

Consistency Index (CI)

CI = (3−3) (3−1)=

0 2= 0


(35)

j. Matriks Bobot Kriteria 4 (Keadaan Guru)

Matriks bobot kriteria 4 dapat dilihat pada Tabel 2.12. Tabel 2.12 Tabel Matriks Bobot Kriteria 4

K4 BIO BSI BA Eigen Vektor

BIO 2 1 0,667 2 0,333

BSI 3 1,5 1 3 0,5

BA 1 0,5 0,333 1 0,167

∑ 3 2 6 1

Principle eigen vektor (λmax)

λmax = (3 x 0,333) + (2 x 0,5) + (6 x 0,167) = 3,001

Consistency Index (CI)

CI = (3,001−3) (3−1) CI = 0,001

2 = 0,0005

k. Matriks Bobot Kriteria 5 (Rekomendasi Orang Tua) Matriks bobot kriteria 5 dapat dilihat pada Tabel 2.13.

Tabel 2.13 Tabel Matriks Bobot Kriteria 5 K5 BIO BSI BA Eigen Vektor

BIO 4 1 4 2 0,571

BSI 1 0,25 1 0,5 0,143

BA 2 0,5 2 1 0,286

∑ 1,75 7 3,5 1

Principle eigen vektor (λmax)


(36)

Consistency Index (CI)

CI = (3,00125−3) (3−1) CI = 0,00125

2 = 0,000625

l. Mencari Total Ranking

BIO = (0,257 x 0,357) + (0,413 x 0,571) + (0,088 x 0,4) + (0,154 x 0,333) + (0,088 x 0,571) = 0,463

BSI = (0,257 x 0,357) + (0,413 x 0,286) + (0,088 x 0,2) + (0,154 x 0,5) + (0,088 x 0,143) = 0,317

BA = (0,257 x 0,286) + (0,413 x 0,143) + (0,088 x 0,4) + (0,154 x 0,167) + (0,088 x 0,286) = 0,219

Karena diperoleh nilai yang terbesar adalah “BIO” maka Biologi adalah alternatif Mata Pelajaran terbaik.

2.5 Big Theta (Ɵ)

Thomas H. Cormen et al dalam buku yang berjudul Introduction to Algorithms pada edisi ketiga menyebutkan bahwa Algoritma adalah urutan langkah-langkah mengubah

input menjadi output. Menganalisis algoritma berarti memprediksi sumber daya yang dibutuhkan algoritma, sumber daya yang menjadi perhatian utama seperti memori,

bandwith komunikasi dan perangkat keras komputer yang biasanya sering digunakan untuk mengukur waktu komputasi (Thomas H. Cormen et al, 2009).

Algoritma memiliki kompleksitas, dimana ukuran kompleksitas tersebut merupakan acuan utama, untuk mengetahui kecepatan dari algoritma tersebut. Time Complexity (Kompleksitas waktu) adalah hubungan waktu komputasi dan jumlah input. Running time adalah sejumlah waktu yang dibutuhkan untuk mengeksekusi setiap baris pseudocode. Satu baris statement memiliki jumlah waktu yang berbeda dengan baris yang lain maka dari itu akan diasumsikan bahwa setiap pelaksanaan i garis membutuhkan waktu ci, di mana ci adalah konstan. Running time dari sebuah algoritma adalah jumlah dari running time dari setiap statement yang dieksekusi.


(37)

Big Ɵ (Big Theta) adalah bagian dari kompleksitas waktu dari sebuah algoritma. Big Ɵ (Big Theta) Didefinisikan bahwa f(n) merupakan Theta dari g(n) dan dinotasikan f(n) = Ɵ(g(n) jika dan hanya jika terdapat tiga konstanta positif n0, c1 dan

c2 sedemikian berlaku:

| C1 g(n) | <= | f(n) | <= |C2 g(n) |; n > n0.

2.6 Sekolah

Berdasarkan Undang-undang Nomor 20 Tahun 2003 tentang Sistem Pendidikan Nasional, satuan pendidikan adalah kelompok layanan pendidikan yang menyelenggarakan pendidikan pada jalur formal, nonformal, dan informal pada setiap jenjang dan jenis pendidikan. Sekolah merupakan satuan pendidikan yang bergerak pada jalur formal.

Berdasarkan Kamus Besar Bahasa Indonesia sekolah adalah bangunan atau lembaga untuk belajar dan mengajar serta tempat menerima dan memberi pelajaran. Menurut tingkatannya sekolah dibagi menjadi dasar, menengah dan tinggi.

2.6.1 SMA Istiqlal Delitua

SMA Istiqlal Delitua adalah sekolah swasta yang terletak di kecamatan Deli Tua, kabupaten Deli Serdang, provinsi Sumatera Utara. SMA Istiqlal Delitua berdiri selama 22 tahun sejak 1992 di bawah Yayasan Perguruan Istiqlal Delitua, yayasan tersebut dipimpin oleh bapak Prof. Dr. H. Jumino Suhadi, MA. Dan SMA Istiqlal Delitua dipimpin oleh bapak Drs. H. Enda Tarigan.

2.7 Kurikulum 2013

Undang-Undang Nomor 20 Tahun 2003 tentang Sistem Pendidikan Nasional menyebutkan bahwa kurikulum adalah seperangkat rencana dan pengaturan mengenai tujuan, isi, dan bahan pelajaran serta cara yang digunakan sebagai pedoman penyelenggaraan kegiatan pembelajaran untuk mencapai tujuan pendidikan tertentu. Berdasarkan pengertian tersebut, ada dua dimensi kurikulum, yang pertama adalah


(38)

rencana dan pengaturan mengenai tujuan, isi, dan bahan pelajaran, sedangkan yang kedua adalah cara yang digunakan untuk kegiatan pembelajaran. Kurikulum 2013 yang diberlakukan mulai tahun ajaran 2013/2014 memenuhi kedua dimensi tersebut (Undang-Undang RI, 2003).

Kurikulum 2013 bertujuan untuk mempersiapkan manusia Indonesia agar memiliki kemampuan hidup sebagai pribadi dan warga negara yang beriman, produktif, kreatif, inovatif, dan afektif serta mampu berkontribusi pada kehidupan bermasyarakat, berbangsa, bernegara, dan peradaban dunia (Permendikbud, 2013).

2.8 Mata Pelajaran Lintas Minat

Kurikulum Sekolah Menengah Atas (SMA)/Madrasah Aliyah (MA) dirancang untuk memberikan kesempatan kepada peserta didik belajar berdasarkan minat mereka. Struktur kurikulum memperkenankan peserta didik melakukan pilihan dalam bentuk pilihan Kelompok Peminatan dan pilihan Mata pelajaran antar Kelompok Peminatan. Kelompok Peminatan yang dipilih peserta didik terdiri atas kelompok Matematika dan Ilmu Alam, Ilmu-Ilmu Sosial, dan Ilmu Budaya dan Bahasa (Permendikbud, 2013).

Berdasarkan Permendikbud No. 69 Tahun 2013 tentang Kurikulum SMA/MA semua mata pelajaran yang terdapat pada satu Kelompok Peminatan wajib diikuti oleh peserta didik. Selain mengikuti seluruh mata pelajaran di Kelompok Peminatan, setiap peserta didik harus mengikuti mata pelajaran tertentu untuk lintas minat sebanyak 6 jam pelajaran di Kelas X dan 4 jam pelajaran di Kelas XI dan XII. Mata pelajaran lintas minat yang dipilih sebaiknya tetap dari Kelas X sampai dengan XII. Di Kelas X, jumlah jam pelajaran pilihan antar Kelompok Peminatan per minggu 6 jam pelajaran, dapat diambil dengan pilihan sebagai berikut:

a. Dua mata pelajaran (masing-masing 3 jam pelajaran) dari satu Kelompok Peminatan yang sama di luar Kelompok Peminatan pilihan

b. Satu mata pelajaran di masing-masing Kelompok Peminatan di luar Kelompok Peminatan pilihan.


(39)

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

3.1 Analisis Sistem

Analisis sistem terdiri dari beberapa fase yang berbeda yang berfungsi untuk mendeskripsikan pengembangan sistem. Dalam tugas akhir ini, ada dua fase analisis yang dilakukan oleh penulis, yaitu : analisis masalah dan analisis kebutuhan. Analisis masalah dilakukan untuk memahami sebuah permasalahan yang akan diteliti. Analisis kebutuhan dilakukan untuk menjelaskan fungsi-fungsi yang ditawarkan dan mampu dikerjakan oleh sistem.

3.1.1 Analisis Masalah

Penentuan mata pelajaran lintas minat wajib dilakukan oleh sebuah sekolah untuk menambah kemampuan siswa pada salah satu jurusan. Penentuannya haruslah bersifat objektif sehingga mata pelajaran yang dipilih benar-benar tepat untuk diberikan pada siswa. Karena itu, aplikasi penentuan mata pelajaran lintas minat ini diperlukan untuk membantu pihak sekolah menentukan mata pelajaran yang terbaik berdasarkan kriteria-kriteria yang telah ditentukan. Kriteria penentuan mata pelajaran lintas minat ini sudah ditentukan oleh pihak sekolah, yaitu:

f. Nilai Siswa, yaitu nilai yang diambil dari Nilai UN siswa.

g. Minat Siswa, yaitu mata pelajaran yang diminati oleh siswa yang kemudian akan dijumlahkan per mata pelajaran pilihan.

h. Rekomendasi Guru, yaitu mata pelajaran yang direkomendasi oleh para guru yang kemudian akan dijumlahkan per mata pelajaran pilihan.


(40)

i. Jumlah Guru, yaitu jumlah guru mata pelajaran pilihan.

j. Rekomendasi Orang Tua, yaitu mata pelajaran yang direkomendasi oleh orang tua siswa yang kemudian akan dijumlahkan per mata pelajaran pilihan.

Penentuan mata pelajaran terhadap kriteria-kriteria tersebut selanjutnya dimasukkan kedalam dua metode, yaitu : Weighted Product dan Analytical Hierarchy Process dengan model penilaian kuantitatif. Masalah penelitian ini secara umum ditunjukkan dengan diagram ishikawa pada gambar 3.1.

Gambar 3.1 Diagram Ishikawa Masalah Penelitian

Berdasarkan gambar 3.1 masalah utama ditunjukkan oleh segi empat paling kanan (kepala ikan), yaitu penentuan mata pelajaran lintas minat. Sedangkan segi empat lainnya yang dihubungkan oleh sebuah garis ke tulang utama (garis horizontal yang terhubung ke kepala ikan) adalah kategori masalah. Garis lainnya yaitu garis panah ke tulang kategori masalah menjelaskan sebab dari masalah yang ada.

3.1.2 Analisis Kebutuhan

Analisis kebutuhan terbagi menjadi dua, yaitu analisis kebutuhan fungsional dan nonfungsional. Kebutuhan fungsional mendeskripsikan aktifitas yang disediakan sistem, sedangkan kebutuhan nonfungsional mendeskripsikan fitur, karakteristik dan batasan lainnya.

Menentukan Mata Pelajaran Lintas Minat Kurikulum 2013 Menggunakan Algoritma WP dan AHP

Mesin Metode

Manusia Material

Aplikasi Ms. Excel

- Proses identifikasi data kriteria secara manual - Proses penentuan secara manual

- Data guru - Data siswa

Belum adanya sistem penentuan mapel lintas minat


(41)

3.1.2.1 Kebutuhan fungsional

Kebutuhan fungsional adalah fungsi-fungsi yang harus dipenuhi pada sistem yang dirancang. Kebutuhan fungsional yang harus dipenuhi adalah sebagai berikut:

e. Sistem mampu menentukan nilai peringkat mata pelajaran yang dipilih berdasarkan data yang diinput oleh user.

f. Sistem mampu menentukan peringkat mata pelajaran yang telah diinput user

berdasarkan algoritma Weighted Product.

g. Sistem mampu menentukan peringkat mata pelajaran yang telah diinput user

berdasarkan algoritma Analytical Hierarchy Process.

3.1.2.2 Kebutuhan nonfungsional

Kebutuhan nonfungsional mencakup karakteristik-karakteristik sebagai berikut (Whitten and Bentley, 2007):

a. Performa, sistem yang akan dibangun dapat melaksanakan proses/tugas dengan waktu yang efisien.

b. Desain, sistem yang akan dibangun harus sederhana agar memudahkan user

dalam menggunakannya.

c. Ekonomi, sistem yang akan dibangun harus bekerja dengan baik dan sederhana sehingga tidak perlu mengeluarkan biaya tambahan dalam menggunakannya. d. Informasi, sistem harus mampu menyediakan informasi yang dibutuhkan oleh

user.

e. Pelayanan, sistem yang akan dibangun harus bisa dikembangkan menjadi sistem yang lebih baik lagi bagi pihak yang ingin mengembangkannya.

3.2 Perancangan Sistem

Perancangan sistem bertujuan untuk menggambarkan semua kondisi dan bagian-bagian yang berperan dalam sistem yang dirancang. Perancangan sistem dilakukan dengan flowchart, Data Flow Diagram (DFD) dan desain tampilan.


(42)

3.2.1 Flowchart Sistem

Flowchart atau bagan alir adalah bagan yang menunjukkan alir dari suatu program atau prosedur sistem secara logika.

3.2.1.1 Flowchart sistem secara umum

Secara umum penulis menggambarkan tahapan-tahapan dalam sistem seperti yang ditunjukkan pada gambar 3.2.

Gambar 3.2 Flowchart Sistem Menampilan Ranking hasil perhitungan WP Masukkan Data Siswa

Menentukan Nilai dari setiap alternatif

terhadap kriteria Mulai

Selesai Masukkan Data Guru

Memasukkan Nilai Bobot Kriteria

Menentukan Nilai setiap alternatif yang

sudah diintervalkan

Menghitung Alternatif terbaik menggunaan

algoritma WP

Menampilan Ranking hasil perhitungan AHP Menghitung Alternatif

terbaik menggunaan algoritma AHP

A

A

Hitung Alternatif dengan algoritma WP? Ya


(43)

3.2.1.2 Flowchart algoritma weighted product

Penulis menggambarkan tahapan-tahapan algoritma Weighted Product pada sistem ini seperti yang ditunjukkan pada gambar 3.3.

Gambar 3.3 Flowchart Algoritma Weighted Product Menampilan Hasil

Ranking Nilai Preferensi Masukkan Nilai Kriteria Dari Setiap Alternatif

Tentukan Bobot Mulai

Tentukan Matriks Keputusan

Tentukan Preferensi Alternatif

Tentukan Preferensi Relatif Dari Setiap Alternatif


(44)

3.2.1.3 Flowchart algoritma analytical hierarchy process

Penulis menggambarkan tahapan-tahapan algoritma Analytical Hierarchy Process

pada sistem ini seperti yang ditunjukkan pada gambar 3.4.

Gambar 3.4 Flowchart Algoritma Analytical Hierarchy Process Memasukkan nilai matriks

alternatif dari kriteria Masukkan Matriks Nilai Kriteria Berpasangan

Hitung Nilai Matriks Mulai

Normalisasi Matriks Kriteria Berpasangan

Hitung Konsistensi

Selesai Konsisten? Tidak

Ya

Tentukan Prioritas Masing-Masing Kriteria

Konsisten? Tidak

Ya Menampilan Hasil Ranking Nilai Preferensi


(45)

3.2.2 Data Flow Diagram (DFD)

DFD adalah alat yang menggambarkan aliran data melalui sistem kerja atau pengolahan yang dilakukan oleh sistem tersebut. DFD dari aplikasi yang dibuat yaitu DFD level 0 dan DFD level 1.

DFD Level 0 berisi gambaran umum (secara garis besar) sistem yang akan dibuat dan menggambarkan proses perjalanan data dari satu atau beberapa sumber. Diagran Level 0 dari sistem yang akan dibangun dapat dilihat pada gambar 3.5.

Gambar 3.5 DFD Level 0

DFD Level 1 merupakan diagram DFD Level 0 yang dipecah menjadi proses-proses yang lebih kecil dan lengkap. DFD Level 1 dari sistem yang akan dibangun dapat dilihat pada gambar 3.6.

Admin

Data Siswa

0

SPK Penentuan Mata Pelajaran Lintas Minat

Kurikulum 2013 Menggunakan Algoritma

WP dan AHP Data Guru

Data Login


(46)

Gambar 3.6 DFD Level 1

Admin 1

Login

2 Update Data Siswa

3 Update Data Guru

5 Perhitungan Metode WP 4

Update Data Kriteria

6 Perhitungan

Algoritma AHP

7 Perankingan

Mata Pelajaran username

& password

hak akses data siswa

data hasil update

siswa

guru data siswa

data guru data guru

data hasil update

data nilai kriteria

data nilai kriteria

data nilai kriteria


(47)

3.2.3 Perancangan Antar Muka Sistem (Interface)

3.2.3.1 Halaman masuk

Halaman masuk adalah halaman yang pertama ditampilkan pada saat aplikasi digunakan. Pada halaman masuk ini, admindiminta untuk input nama admin dan kata sandi admin agar admin dapat masuk ke halaman utama. Rancangan tampilan dari Halaman Masuk dapat dilihat pada Gambar 3.7 dan keterangannya dapat dilihat pada Tabel 3.1.

Gambar 3.7 RancanganHalaman Masuk

Keterangan:

Tabel 3.1 Keterangan Rancangan Halaman Masuk

No Jenis Objek Keterangan

1 textbox Admin Isikan username admin pada kolom ini 2 textbox Kata Sandi Isikan password admin pada kolom ini

3 button Masuk Setelah berhasil login maka admin dapat masuk ke halaman awal


(48)

3.2.3.2 Halaman awal

Pada halaman utama terdapat judul menu awal, terdapat tiga logo, yaitu logo Kementrian Pendidikan dan Kebudayaan Republik Indonesia, Logo SMA Istiqlal Deli Tua, logo Fasilkom-TI USU, dan di halaman awal ini terdapat lima button, button data siswa, button data guru, button proses, button info dan button keluar. Rancangan tampilan dari Halaman Awal dapat dilihat pada Gambar 3.8 dan keterangannya dapat dilihat pada Tabel 3.2.

Gambar 3.8 RancanganHalaman Awal

Keterangan:

Tabel 3.2 Keterangan Rancangan Halaman Awal

No Jenis Objek Keterangan

1 Label Judul aplikasi yang dirancang

2 Picture Logo Kementrian Pendidikan dan Kebudayaan Republik Indonesia


(49)

Tabel 3.2 Keterangan Rancangan Halaman Awal (lanjutan) 4 Picture Logo Fasilkom-Ti USU

5 Button Data Siswa Berisi data-data siswa 6 Button Data Guru Berisi data-data guru

7 Button Proses Berisi tentang proses algoritma WP dan AHP 8 Button Info Berisi tentang cara menggunakan program 9 Button keluar Keluar dari aplikasi

3.2.3.3 Halaman data siswa

Rancangan tampilan dari halaman data siswa dapat dilihat pada Gambar 3.9 dan keterangannya dapat dilihat pada Tabel 3.3.


(50)

Keterangan:

Tabel 3.3 Keterangan Rancangan Halaman Data Siswa

No Jenis Objek Keterangan

1 TextBox Nama Siswa Isi nama siswa pada kolom ini

2 TextBox NIS Isi nomor induk siswa pada kolom ini 3 ComboBox Jenis Kelamin Pilih salah satu jenis kelamin siswa 4 ComboBox Kelas Pilih salah satu kelas siswa

5 ComboBox Mata

Pelajaran Pilihan siswa

Pilih salah satu mata pelajaran pilihan siswa 6 ComboBox Mata

Pelajaran Rekomendasi Orangtua

Pilih salah satu mata pelajaran rekomendasi dari orang tua siswa

7 TextBox Matematika Pada kolom ini, Isi nilai UN Matematika siswa 8 TextBox B. Indonesia Pada kolom ini, Isi nilai UN B. Indonesia siswa 9 TextBox B. Inggris Pada kolom ini, Isi nilai UN B. Inggris siswa 10 TextBox IPA Pada kolom ini, Isi nilai UN IPA siswa 11 ButtonSinkron Sinkronkan data siswa

12 ButtonSimpan Simpan data siswa kedalam database

13 Label Matematika Pada kolom ini, akan keluar nilai Matematika siswa

14 Label Fisika Pada kolom ini, akan keluar nilai Fisika Siswa 15 Label Kimia Pada kolom ini, akan keluar nilai Kimia Siswa 16 Label Biologi Pada kolom ini, akan keluar nilai Biologi Siswa 17 Label Bahasa dan Sastra

Indonesia

Pada kolom ini, akan keluar nilai Bahasa dan Sastra Indonesia Siswa

18 Label Bahasa dan Sastra Inggris

Pada kolom ini, akan keluar nilai Bahasa dan Sastra Inggris Siswa

19 Label Bahasa Arab Pada kolom ini, akan keluar nilai Bahasa Arab Siswa

20 Label Antropologi Pada kolom ini, akan keluar nilai Antropologi Siswa


(51)

Tabel 3.3 Keterangan Rancangan Halaman Data Siswa (lanjutan) 21 DataGrid Menampilkan data siswa yang telah disimpan 22 Button Kembali Berisi perintah untuk kembali ke halaman

utama

3.2.3.4 Halaman data guru

Rancangan tampilan dari halaman data giswa dapat dilihat pada Gambar 3.10 dan keterangannya dapat dilihat pada Tabel 3.4.

Gambar 3.10 RancanganHalaman Data Guru

Keterangan:

Tabel 3.4 Keterangan Rancangan Halaman Data Guru

No Jenis Objek Keterangan

1 TextBox Nama Pada kolom ini, isi nama guru 2 TextBox NIY Pada kolom ini, isi NIY guru 3 ComboBox Jenis Kelamin Pilih salah satu jenis kelamin guru


(52)

Tabel 3.4 Keterangan Rancangan Halaman Data Guru (lanjutan) 4 ComboBox Guru Mata

Pelajaran

Pilih salah satu mata pelajaran yang diajarkan guru

5 ComboBox Mata Pelajaran Pilihan

Pilih salah satu mata pelajaran pilihan lintas minat

6 ButtonSimpan Menyimpan data guru kedalam database 7 DataGrid Menampilkan data guru yang telah disimpan 8 Button Kembali Berisi perintah untuk kembali ke halaman

utama

3.2.3.5 Halaman proses kriteria

Rancangan tampilan dari halaman proses kriteria dapat dilihat pada Gambar 3.11 dan keterangannya dapat dilihat pada Tabel 3.5.


(53)

Keterangan:

Tabel 3.5 Keterangan Rancangan Halaman Proses Kriteria

No Jenis Objek Keterangan

1 MenuStrip Kriteria Menu Kriteria 2 MenuStrip Weight

Product

Menu WP 3 MenuStrip Analytical

Hierarchy Process

Menu AHP

4 Button Proses Berisi perintah untuk proses data dari halaman data siswa dan halaman data guru

5 DataGrid Berisi nilai dari kriteria

6 DataGrid Berisi nilai dari kriteria yang sudah diintervalkan 7 Button Kembali Berisi perintah untuk kembali ke halaman utama 8 TextBox Nilai Siswa Pada kolom ini, isi nilai kritera nilai siswa 9 TextBox Minat Siswa Pada kolom ini, isi nilai kritera minat siswa 10 TextBox Rekomendasi

Guru

Pada kolom ini, isi nilai kritera rekomendasi guru 11 TextBox Jumlah Guru Pada kolom ini, isi nilai kritera jumlah guru 12 TextBox Rekomendasi

Orangtua

Pada kolom ini, isi nilai kritera rekomendasi orangtua

13 Button Simpan Berisi perintah menyimpan data ke database 14 DataGrid Berisi bobot kriteria

15 Button Hapus Berisi perintah hapus yang hanya digunakan setelah proses algoritma dihitung

3.2.3.6 Halaman proses WP

Rancangan tampilan dari halaman proses WP dapat dilihat pada Gambar 3.12 dan keterangannya dapat dilihat pada Tabel 3.6.


(54)

Gambar 3.12 RancanganHalaman Proses WP

Keterangan:

Tabel 3.6 Keterangan Rancangan Halaman Proses WP

No Jenis Objek Keterangan

1 MenuStrip Kriteria Menu Kriteria 2 MenuStrip Weight

Product

Menu WP 3 MenuStrip Analytical

Hierarchy Process

Menu AHP

4 DataGrid Berisi Nilai perbaikan bobot W(i) 5 DataGrid Berisi nilai vektorS(i)

6 DataGrid Berisi Nilai vektor V(i)


(55)

3.2.3.7 Halaman Proses AHP

Rancangan tampilan dari halaman proses WP dapat dilihat pada Gambar 3.13 dan keterangannya dapat dilihat pada Tabel 3.7.

Gambar 3.13 RancanganHalaman Proses AHP

Keterangan:

Tabel 3.7 Keterangan Rancangan Halaman Proses AHP

No Jenis Objek Keterangan

1 MenuStrip Kriteria Menu Kriteria 2 MenuStrip Weight

Product

Menu WP 3 MenuStrip Analytical

Hierarchy Process

Menu AHP

4 Label Keterangan untuk simbol K dan simbol A 5 DataGrid Penyederhanaan Prioritas Kriteria


(56)

Tabel 3.7 Keterangan Rancangan Halaman Proses AHP (lanjutan) 6 DataGrid Tabel Matriks Bobot K1

7 DataGrid Tabel Matriks Bobot K2 8 DataGrid Tabel Matriks Bobot K3 9 DataGrid Tabel Matriks Bobot K4 10 DataGrid Tabel Matriks Bobot K5 11 DataGrid Tabel Ranking

3.2.3.8 Halaman info

Rancangan tampilan dari halaman info dapat dilihat pada Gambar 3.14 dan keterangannya dapat dilihat pada Tabel 3.8.

Gambar 3.14 RancanganHalaman Info

Keterangan:

Tabel 3.8 Keterangan Rancangan Halaman Info

No Jenis Objek Keterangan

1 Label Berisi tentang cara menggunakan program 2 Button Kembali Berisi perintah untuk kembali ke halaman utama


(57)

BAB 4

IMPLEMENTASI DAN PENGUJIAN SISTEM

4.1 Implementasi Sistem

Implementasi merupakan tahapan akhir dari proses pembuatan perangkat lunak. Implementasi dilakukan setelah sebuah masalah dianalisis dan dilakukan perancangan terhadap sistem yang akan dibangun. Sistem yang dibangun menggunakan bahasa pemprograman Microsoft Visual Basic 2010 dan database management system yang digunakan adalah Microsoft Office Access 2007. Data yang diolah pada aplikasi ini adalah data siswa dan data guru. Pada aplikasi ini terdapat dua proses implementasi, yaitu:

a. Implementasi sistem pendukung keputusan dalam menentukan ranking mata pelajaran menggunakan WP.

b. Implementasi sistem pendukung keputusan dalam menentukan ranking mata pelajaran menggunakan AHP.

4.1.1 Halaman Masuk

Halaman masuk merupakan halaman awal pada saat aplikasi dijalankan. Pada halaman ini pengguna harus melakukan proses login terlebih dahulu sebelum masuk ke halaman utama. Tampilan halaman masuk dapat dilihat pada gambar 4.1.


(58)

Gambar 4.1 Tampilan Halaman Masuk

4.1.2 Halaman Awal

Halaman awal merupakan halaman yang dapat diakses setelah pengguna berhasil melakukan proses login. Pada halaman awal terdapat lima tombol yang digunakan yaitu Data Siswa, Data Guru, Proses, Info dan Keluar. Tampilan halaman awal dapat dilihat pada gambar 4.2.


(59)

4.1.3 Halaman Data Siswa

Pada halaman data siswa, pengguna dapat meng-input-kan nilai-nilai siswa, mata pelajaran pilihan siswa serta mata pelajaran rekomendasi orang tua siswa dan kemudian disimpan kedalam database. Pada halaman data siswa terdapat button untuk mengedit dan menghapus data siswa di dalam database. Tampilan halaman data siswa dapat dilihat pada gambar 4.3.

Gambar 4.3 Tampilan Halaman Data Siswa

4.1.4 Halaman Data Guru

Pada halaman data guru, pengguna dapat meng-input-kan data guru serta mata pelajaran rekomendasi guru dan kemudian disimpan kedalam database. Pada halaman data guru terdapat button untuk mengedit dan menghapus data guru di dalam


(60)

Gambar 4.4 Tampilan Halaman Data Guru

4.1.5 Halaman Proses

Pada halaman proses terdapat tiga tab menu, tab Kriteria, tab Weighted Product dan tab Analytical Hierarchy Process. Pada tab kriteria terdapat tombol untuk memunculkan nilai alternatif yang diperoleh dari perhitungan pada database siswa dan guru serta tombol untuk mengubah nilai alternatif menjadi nilai yang sudah dikonversikan. Dan textbox untuk meng-input-kan nilai bobot kriteria. Tampilan halaman proses tab kriteria dapat dilihat pada gambar 4.5.


(61)

Gambar 4.5 Tampilan Halaman Proses Tab Kriteria

Pada tab weighted product terdapat empat tombol dan empat datagrid yang digunakan untuk menampilkan proses perhitungan dalam pencarian ranking mata pelajaran lintas minat untuk siswa ilmu-ilmu sosial. Tampilan halaman proses tab

weighted product dapat dilihat pada gambar 4.6.


(62)

Contoh perhitungan pada datagrid Nilai Perbaikan Bobot W(i).

Wi = Wj

Wj n j=1

Nilai Siswa = W1 =

4

4+5+2+3+2 = 0,25

Minat Siswa = W2 = 5

16 = 0,3125

Contoh perhitungan pada datagrid Nilai Vektor S(i).

Si = XijWj n

j=1

Matematika

S1 = 30,25× 20,3125 × 40,125 × 50,1875 × 20,125 = 1,316 × 1,242 × 1,189 × 1,352 × 1,091 = 2,866

Fisika

S2 = 40,25 × 10,3125 × 10,125× 30,1875 × 10,125 = 1,414 × 1 × 1 × 1,229 × 1

= 1,737

Kimia

S3 = 40,25 × 10,3125 × 10,125× 20,1875 × 10,125 = 1,414 × 1 × 1 × 1,139 × 1

= 1,611

Contoh perhitungan pada datagrid Nilai Vektor V(i).

Vi = Si Si m j=1

Matematika

V1 =

2,867

2,866 + 1,737 + 1,611 + 2,381 + 3,234 + 3,399 + 1,251 + 1,967 = 2,867


(63)

Fisika

V2 =

1,738 18,446 = 0,094

Kimia

V3 = 1,611 18,446 = 0,087

Kemudian pada datagrid Ranking Mata Pelajaran, nilai V(i) setiap mata pelajaran diurutkan descending, mulai dari nilai V(i) terbesar sampai terkecil.

Pada tab analytical hierarchy process terdapat tujuh tombol dan tujuh

datagrid yang digunakan untuk menampilkan proses perhitungan dalam pencarian ranking mata pelajaran lintas minat untuk siswa ilmu-ilmu sosial. Tampilan halaman proses tab analytical hierarchy process dapat dilihat pada gambar 4.7.

Gambar 4.7 Tampilan Halaman Proses Tab Analytical Hierarchy Process

Contoh perhitungan pada datagrid Penyederhanaan Prioritas Kriteria dapat dilihat pada tabel 4.1.


(64)

Tabel 4.1 Tabel Penyederhanaan Prioritas Kriteria Nilai K1 K2 K3 K4 K5 Eigen

Vector

K1 4 1 0,8 2 1,33 2 0,25

K2 5 1,25 1 2,5 1,67 2,5 0,3125 K3 2 0,5 0,4 1 0,67 1 0,125 K4 3 0,75 0,6 1,5 1 1,5 0,1875 K5 2 0,5 0,4 1 0,67 1 0,125

∑ 4 3,2 8 5,34 8 1

Nilai pada kolom Nilai diperoleh dari nilai bobot kriteria. Kolom K1 Baris K1 diperoleh dari K1/K1 = 4/4 = 1 Kolom K2 Baris K1 diperoleh dari K1/K2 = 4/5 = 0,8 Kolom K1 Baris K2 diperoleh dari K2/K1 = 5/4 = 1,25

Eigen Vector K1 = (1/4 + 0,8/3,2 + 2/8 + 1,33/5,34 + 2/8) /5 = 0,25

Eigen Vector K2 = (1,25/4 + 1/3,2 + 2,5/8 + 1,67/5,34 + 2,5/8) /5 = 0,3125

Principle Eigen Vector = 4×0,25 + 3,2×0,3125 + 8×0,125 + 5,34×0,1875 + 8×0,125 = 5

Consistency Index = ((5-5) ⁄ (5-1) = 0

Perhitungan pada datagrid Tabel Matriks Bobot K1 ditunjukkan pada tabel 4.2. Tabel 4.2 Tabel Matriks Bobot K1

Nilai pada kolom Nilai diperoleh dari nilai alternatif pada kriteria 1. Kolom A1 Baris A1 diperoleh dari A1/A1 = 3/3 = 1

Kolom A2 Baris A1 diperoleh dari A1/A2 = 3/4 = 0,75

Nilai A1 A2 A3 A4 A5 A6 A7 A8 Eigen Vector A1 3 1 0,75 0,75 0,75 0,75 0,75 3 3 0,12

A2 4 1,33 1 1 1 1 1 4 4 0,16

A3 4 1,33 1 1 1 1 1 4 4 0,16

A4 4 1,33 1 1 1 1 1 4 4 0,16

A5 4 1,33 1 1 1 1 1 4 4 0,16

A6 4 1,33 1 1 1 1 1 4 4 0,16

A7 1 0,33 0,25 0,25 0,25 0,25 0,25 1 1 0,04 A8 1 0,33 0,25 0,25 0,25 0,25 0,25 1 1 0,04 ∑ 8,31 6,25 6,25 6,25 6,25 6,25 25 25 1


(1)

.Columns(4).Width = 50 .Columns(5).Name = "A5" .Columns(5).Width = 50 .Columns(6).Name = "A6" .Columns(6).Width = 50 .Columns(7).Name = "A7" .Columns(7).Width = 50 .Columns(8).Name = "A8" .Columns(8).Width = 50

.Columns(9).Name = "Eigen Vektor" End With

With dgf

Dim row1 As String() = New String() {"A1"} Dim row2 As String() = New String() {"A2"} Dim row3 As String() = New String() {"A3"} Dim row4 As String() = New String() {"A4"} Dim row5 As String() = New String() {"A5"} Dim row6 As String() = New String() {"A6"} Dim row7 As String() = New String() {"A7"} Dim row8 As String() = New String() {"A8"} Dim row9 As String() = New String() {"Jumlah"} .Rows.Add(row1)

.Rows.Add(row2) .Rows.Add(row3) .Rows.Add(row4) .Rows.Add(row5) .Rows.Add(row6) .Rows.Add(row7) .Rows.Add(row8) .Rows.Add(row9) End With

With dgf

Dim suma, sumb, sumc, sumd, sume, sumf, sumg, sumh, sum, sumev, lbla As Double

For i = 1 To 8 For j = 0 To 7

dgf.Item(i, j).Value = dgnilaii.Item(5, j).Value() / dgnilaii.Item(5, (i - 1)).Value()

Next Next

For i = 0 To 7

suma = suma + dgf.Item(1, i).Value() sumb = sumb + dgf.Item(2, i).Value() sumc = sumc + dgf.Item(3, i).Value() sumd = sumd + dgf.Item(4, i).Value() sume = sume + dgf.Item(5, i).Value() sumf = sumf + dgf.Item(6, i).Value() sumg = sumg + dgf.Item(7, i).Value() sumh = sumh + dgf.Item(8, i).Value() Next

dgf.Item(1, 8).Value() = suma dgf.Item(2, 8).Value() = sumb dgf.Item(3, 8).Value() = sumc dgf.Item(4, 8).Value() = sumd dgf.Item(5, 8).Value() = sume dgf.Item(6, 8).Value() = sumf dgf.Item(7, 8).Value() = sumg dgf.Item(8, 8).Value() = sumh


(2)

For i = 0 To 7 For j = 1 To 8

sum = sum + (dgf.Item(j, i).Value() / dgf.Item(j, 8).Value())

Next

dgf.Item(9, i).Value = sum / 8 sum = 0

sumev = sumev + dgf.Item(9, i).Value() Next

dgf.Item(9, 8).Value() = sumev For i = 1 To 8

lbla = lbla + (dgf.Item(i, 8).Value() * dgf.Item(9, (i - 1)).Value())

Next

lblpevf.Text = lbla

lblcif.Text = (lbla - 8) / (8 - 1) End With

End Sub

Private Sub nilaiahp() 'menghitung nilai untuk setiap alternatif (AHP) With dgg

.ColumnCount = 3

.Columns(0).Name = "Mata Pelajaran" .Columns(0).Width = 80

.Columns(1).Name = "Nilai" .Columns(1).Width = 60

.Columns(2).Name = "Ranking" .Columns(2).Width = 70

End With With dgg

Dim row1 As String() = New String() {"A1"} Dim row2 As String() = New String() {"A2"} Dim row3 As String() = New String() {"A3"} Dim row4 As String() = New String() {"A4"} Dim row5 As String() = New String() {"A5"} Dim row6 As String() = New String() {"A6"} Dim row7 As String() = New String() {"A7"} Dim row8 As String() = New String() {"A8"} .Rows.Add(row1)

.Rows.Add(row2) .Rows.Add(row3) .Rows.Add(row4) .Rows.Add(row5) .Rows.Add(row6) .Rows.Add(row7) .Rows.Add(row8) End With

With dgg

For i = 0 To 7

dgg.Item(1, i).Value = (dga.Item(6, 0).Value() *

dgb.Item(9, i).Value()) + (dga.Item(6, 1).Value() * dgc.Item(9, i).Value()) + (dga.Item(6, 2).Value() * dgd.Item(9, i).Value()) + (dga.Item(6,

3).Value() * dge.Item(9, i).Value()) + (dga.Item(6, 4).Value() * dgf.Item(9, i).Value())

Next

dgg.Sort(dgg.Columns(1),

System.ComponentModel.ListSortDirection.Descending) For i = 0 To 7


(3)

dgg.Item(2, i).Value = (i + 1) Next

End With End Sub Sub ulang()

dgnilai.Rows.Clear() dgnilai.Columns.Clear() dgnilaii.Rows.Clear() dgnilaii.Columns.Clear() dgkriteria.Rows.Clear() dgkriteria.Columns.Clear() dgperbot.Rows.Clear() dgperbot.Columns.Clear() dgsi.Rows.Clear()

dgsi.Columns.Clear() dgvi.Rows.Clear() dgvi.Columns.Clear() dgrank.Rows.Clear() dgrank.Columns.Clear() dga.Rows.Clear()

dga.Columns.Clear() dgb.Rows.Clear() dgb.Columns.Clear() dgc.Rows.Clear() dgc.Columns.Clear() dgd.Rows.Clear() dgd.Columns.Clear() dge.Rows.Clear() dge.Columns.Clear() dgf.Rows.Clear() dgf.Columns.Clear() dgg.Rows.Clear() dgg.Columns.Clear()

btnsinkron.Visible = False btnperbot.Visible = False btnvi.Visible = False btnsi.Visible = False btnrank.Visible = False btna.Visible = False btnb.Visible = False btnc.Visible = False btnd.Visible = False btne.Visible = False btnf.Visible = False btng.Visible = False txtkriteria1.Text = "" txtkriteria2.Text = "" txtkriteria3.Text = "" txtkriteria4.Text = "" txtkriteria5.Text = "" lblpeva.Text = "" lblcia.Text = "" lblpevb.Text = "" lblcib.Text = "" lblpevc.Text = "" lblcic.Text = "" lblpevd.Text = "" lblcid.Text = "" lblpeve.Text = "" lblcie.Text = ""


(4)

lblpevf.Text = "" lblcif.Text = "" End Sub

Private Sub btnproses_Click_1(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btnproses.Click

nilai() //memasukkan nilai dari database ke tabel btnsinkron.Visible = True

btnprosesulang.Visible = True End Sub

Private Sub btnsinkron_Click_1(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btnsinkron.Click

sinkron() //mengintervalkan nilai btnperbot.Visible = True

btna.Visible = True End Sub

Private Sub btnkriteria_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btnkriteria.Click

If txtkriteria1.Text > 5 Or txtkriteria2.Text > 5 Or

txtkriteria3.Text > 5 Or txtkriteria4.Text > 5 Or txtkriteria5.Text > 5 Then

MessageBox.Show("Nilai Prioritas Kriteria Harus Bernilai 1-5", "Pesan", MessageBoxButtons.OK, MessageBoxIcon.Warning)

ElseIf txtkriteria1.Text < 1 Or txtkriteria2.Text < 1 Or

txtkriteria3.Text < 1 Or txtkriteria4.Text < 1 Or txtkriteria5.Text < 1 Then

MessageBox.Show("Nilai Prioritas Kriteria Tidak Boleh 0 dan Minus", "Pesan", MessageBoxButtons.OK, MessageBoxIcon.Warning)

Else

priokriteria() //memasukkan nilai kriteria End If

End Sub

Private Sub btnkembali_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btnkembali.Click

FormAwal.Show() Me.Hide()

End Sub

Private Sub btnperbot_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btnperbot.Click

nilaiw() //mencari nilai wi (WP) btnsi.Visible = True

End Sub

Private Sub btnsi_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btnsi.Click

nilais() //mencari nilai si (WP) btnvi.Visible = True

End Sub

Private Sub btnvi_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btnvi.Click

nilaiv() //mencari nilai vi (WP) btnrank.Visible = True

End Sub

Private Sub btnrank_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btnrank.Click


(5)

ranking() //melakukan perankingan (WP) End Sub

Private Sub btna_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btna.Click

kriteriasederhana() //penyederhanaan nilai kriteria (AHP) btnb.Visible = True

End Sub

Private Sub btnb_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btnb.Click

kriteria1() //membuat tabel matriks untuk kriteria 1 (AHP) btnc.Visible = True

End Sub

Private Sub btnc_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btnc.Click

kriteria2() //membuat tabel matriks untuk kriteria 2 (AHP) btnd.Visible = True

End Sub

Private Sub btnd_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btnd.Click

kriteria3() //membuat tabel matriks untuk kriteria 3 (AHP) btne.Visible = True

End Sub

Private Sub btne_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btne.Click

kriteria4() //membuat tabel matriks untuk kriteria 4 (AHP) btnf.Visible = True

End Sub

Private Sub btnf_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btnf.Click

kriteria5() //membuat tabel matriks untuk kriteria 5 (AHP) btng.Visible = True

End Sub

Private Sub btng_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btng.Click

nilaiahp() //membuat perankingan (AHP) End Sub

Private Sub btnprosesulang_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btnprosesulang.Click

ulang() nilai()

btnsinkron.Visible = True End Sub

Private Sub FormProses_Load(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles MyBase.Load

btnprosesulang.Visible = False End Sub


(6)

CURRICULUM VITAE

DATA DIRI

Nama

: Ammazizzaky Tarigan

Tempat / Tanggal Lahir

: Deli Tua / 19 September 1993

Alamat / Kode Pos

: Jl. Kolam No. 54 Delitua / 20355

Agama

: Islam

Jenis Kelamin

: Laki-laki

E-Mail

: [email protected]

Nomor HP

: 081361509393

PENDIDIKAN FORMAL

2010

2013

: D3 Teknik Informatika Universitas Sumatera Utara

2007

2010

: SMA Swasta Istiqlal Delitua

2004

2007

: MTs Swasta Istiqlal Delitua

1998

2004

: SD Swasta YPI Delitua

1997

1998

: TK Swasta Singosari Delitua

SEMINAR / KURSUS

2014

: Seminar Nasional Literasi Informasi 2014 Fakultas

Ilmu Komputer dan Teknologi Informasi, Universitas

Sumatera Utara

2011

: Workshop 3 Hari Bisa Web di Fakultas Matematika

dan IPA Universitas Sumatera Utara

2011

: Seminar Teknologi

Informasi “The Development of

ModernOperating System Technology: Android - The

New Trend in

Modern Operating System” di

Universitas Sumatera Utara

2010

: International Seminar on Mathematics and Its

Applications di Universitas Sumatera Utara

KEAHLIAN

Bahasa

: Indonesia, Inggris

Bahasa Pemrograman

: Visual Basic

DBMS

: MySQL

PENGALAMAN ORGANISASI

2013

: Anggota Bidang Pendidikan IMMTIKA FMIPA USU

2012

: Angg. Bid. Pendidikan UKMI Al-Falak FMIPA USU

2009

: Ketua OSIS SMA Istiqlal Delitua