Implementasi Metode K- Means Clustering Dan Metode Analytical Hierarchy Process (AHP) Dalam Penilaian Kedisiplinan Siswa (Studi Kasus : SMP Negeri 21 Medan)
IMPLEMENTASI METODE K- MEANS CLUSTERING DAN METODE ANALYTICAL HIERARCHY PROCESS (AHP)
DALAM PENILAIAN KEDISIPLINAN SISWA (STUDI KASUS : SMP NEGERI 21 MEDAN)
SKRIPSI
MAYA SANTRI BANCIN 111421089
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA MEDAN
(2)
SKRIPSI IMPLEMENTASI METODE K- MEANS CLUSTERING DAN METODE ANALYTICAL HIERARCHY PROCESS (AHP)
DALAM PENILAIAN KEDISIPLINAN SISWA (STUDI KASUS : SMP NEGERI 21 MEDAN)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
MAYA SANTRI BANCIN 111421089
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA MEDAN
(3)
PERSETUJUAN
Judul : IMPLEMENTASI METODE K- MEANS CLUSTERING
DAN METODE ANALYTICAL HIERARCHY
PROCESS (AHP) DALAM PENILAIAN KEDISIPLINAN SISWA (STUDI KASUS : SMP NEGERI 21 MEDAN)
Kategori : SKRIPSI
Nama : MAYA SANTRI BANCIN
Nomor Induk Mahasiswa : 111421089
Program Studi : EKSTENSI S1 ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan,
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Maya Silvi Lydia, Bsc, M.Sc Dian Rachmawati, S.si, M.Kom
NIP. 19740127 200212 2 001 NIP. 19830723 200912 2 004
Diketahui/disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
Dr. Poltak Sihombing, M.Kom NIP. 19620317 199103 1 001
(4)
PERNYATAAN
IMPLEMENTASI METODE K- MEANS CLUSTERING DAN METODE ANALYTICAL HIERARCHY PROCESS (AHP)
DALAM PENILAIAN KEDISIPLINAN SISWA (STUDI KASUS : SMP NEGERI 21 MEDAN)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Februari 2014
Maya Santri Bancin 111421089
(5)
PENGHARGAAN
Alhamdulillah, puji syukur penulis panjatkan kehadirat Allah SWT, yang telah memberikan rahmat dan hidayah-Nya serta segala sesuatunya dalam hidup. Sehingga penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.
Skripsi ini penulis persembahkan kepada kedua orangtua tercinta, Ayah Alm. Bumi Basri Bancin dan Ibu Hj. Nuriana Pane yang tiada hentinya memberikan doa dan kasih sayangnya serta semangat dan motivasi selama penulisan skripsi ini.
Selanjutnya ucapan terima kasih penulis sampaikan kepada semua pihak yang telah membantu penulis selama pengerjaan skripsi ini, antara lain kepada:
1. Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H, M.Sc(CTM), Sp.A(K) selaku Rektor Universitas Sumatera Utara.
2. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Program Studi Ekstensi S1 Ilmu Komputer Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Departemen Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara dan selaku Dosen Pembanding I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
4. Ibu Dian Rachmawati, S.si, M.Kom selaku Dosen Pembimbing I yang telah memberikan bimbingan, saran, masukkan kepada penulis dalam penyempurnaan skripsi ini.
5. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Dosen Pembimbing II dan Dosen Pembimbing Akademik yang telah memberikan bimbingan, saran, masukkan kepada penulis dalam penyempurnaan skripsi ini.
6. Bapak Handrizal, S.si, M.Comp.Sc selaku Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
7. Seluruh dosen dan Pegawai di lingkungan Departemen Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi USU khususnya Kak Eka, Bang Manaf, Bang Fadli yang telah membantu penulis selama masa perkuliahan.
(6)
8. Kepala Sekolah dan Guru – guru SMP Negeri 21 Medan yang telah banyak membantu penulis selama penelitian skripsi ini.
9. Abangda Abdul Hamidran Rangkuti, M.pd dan Kakanda Dewi Afni Rezeki Bancin, S.s serta Adik – adikku tersayang Rahmah Novia Sari Bancin, Amd, Fajar Iqbal Bancin dan semua keluarga yang turut memberikan motivasi dan semangat selama penulisan skripsi ini.
10.Ahmad Azhari, Amd yang selalu mendukung dan memberikan motivasi kepada penulis.
11.Teman-teman seangkatan Ekstensi S1 Ilmu Komputer tahun 2011, cicha, yolan, yuyun, wita, zhe, della, aim serta teman – teman yang lain yang sama-sama berjuang meraih gelar Sarjana.
Semoga Allah SWT memberikan limpahan karunia semua pihak yang membantu penulis dalam menyelesaikan skripsi ini. Akhirnya penulis berharap bahwa skripsi ini bermanfaat terutama kepada penulis maupun para pembaca serta semua pihak akademisi yang tertarik mengembangkannya. Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan, oleh karena itu penulis menerima saran dan kritik demi kesempurnaan skripsi ini sehingga bermanfaat bagi semua pihak.
Medan, Februari 2014 Penulis
(7)
ABSTRAK
Penelitian ini bertujuan untuk merancang sebuah aplikasi komputer yang dapat menentukan nilai kedisiplinan siswa. Dengan adanya aplikasi ini diharapkan dapat membantu pihak sekolah terutama guru Bimbingan Konseling dalam mengetahui kelompok siswa dan menentukan nilai berdasarkan tingkat kedisiplinan dalam menangani siswa yang tidak mentaati atau melanggar peraturan sekolah. Penilaian kedisiplinan siswa dilakukan dengan menentukan bobot prioritas sub kriteria menggunakan metode Analytical Hierarchy Process (AHP) kemudian hasil bobot tersebut dikelompokkan menggunakan metode K- Means Clustering. Aplikasi penilaian kedisiplinan siswa ini dirancang menggunakan bahasa pemrograman Visual Basic 2010. Keluaran dari aplikasi ini adalah daftar data siswa yang berisi hasil penilaian kedisiplinan siswa. Hasilnya yaitu dari 25 siswa terdapat 2 siswa yang termasuk ke dalam kelompok tidak disiplin dengan pusat interval 6.46, 3 siswa termasuk ke dalam kelompok yang cukup disiplin dengan pusat interval 13.37, 14 siswa termasuk ke dalam kelompok disiplin dengan pusat interval 23.63, dan sisanya 6 dari siswa tersebut termasuk ke dalam kelompok sangat disiplin dengan pusat interval 40.91.
(8)
IMPLEMENTATION OF K- MEANS CLUSTERING METHOD AND ANALYTICAL HIERARCHY PROCESS (AHP)
OF STUDENT DISCIPLINE ASSESSMENT (CASE STUDY: SMP NEGERI 21 MEDAN)
ABSTRACT
This research is to design a computer applications that can determine the value of student’s discipline. The application is expected to help the school especially the Guidance and Counselling to figure out the group of student and determine the value based on the level of discipline in dealing with students who do not comply with or violate school’s rules. Student discipline assessment done by determining the weights priority sub-criteria using the Analytical Hierarchy Process (AHP) and the result will be grouped using K- Means clustering method. The student discipline assessment application designed using Visual Basic 2010. The output of this application is a list of data that contains the results of student disciplinary assessment. The results of 25 students show two students who belong to a group of undisciplined with interval central in 6.46, 3 students includes to group of students who are disciplined enough with central of the interval in 13.37, 14 students includes to group a discipline with the interval central in 23.63, and 6 students includes to group a very disciplined with the interval central in 40.91.
(9)
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak vi
Abtract vii
Daftar Isi viii
Daftar Tabel xi
Daftar Gambar xv
Bab 1 Pendahuluan 1
1.1 Latar Belakang 1
1.2 Rumusan Masalah 2
1.3 Batasan Masalah 2
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 3
1.6 Metode Penelitian 4
1.7 Sistematika Penulisan 5
Bab 2 Landasan Teori 6
2.1 Sistem Pendukung Keputusan (SPK) 6
2.1.1 Pengertian Sistem Pendukung Keputusan 6
2.1.2 Tahap – tahap Pengambilan Keputusan 6
2.1.3 Karakteristik Sistem Pendukung Keputusan 7
2.1.4 Komponen Sistem Pendukung Keputusan 8
2.1.4.1 Sistem Pengolahan data (database) 8
2.1.4.2 Sub sistem pengelolaan model (model base) 9
2.1.4.3 Sub sistem pengelolaan dialo (interface) 9
2.1.4.4 Subsistem Manajemen Knowledge 9
2.2 Disiplin 11
2.2.1 Pengertian Disiplin 11
2.2.2 Bentuk – bentuk Disiplin Belajar Siswa 11
2.2.2.1 Disiplin terhadap Waktu 11
2.2.2.2 Didiplin terhadap Tata Tertib 12
2.2.2.3 Disiplin terhadap Tugas 12
2.2.2.4 Disiplin dalam Berpakaian 13
2.2.2.5 Disiplin dalam pembayaran Kewajiban 13
2.3 Metode K- Means Clustering 15
2.3.1 Pengertian Metode K- Means Clustering 15
2.3.2 Prosedur Metode K- Means Clustering 16
2.4 Metode Analitycal Hierarchy Process (AHP) 17
2.4.1 Pengertian Metode AHP 17
2.4.2 Prosedur Metode AHP 17
(10)
Bab 3 Analisis dan Perancangan Sistem 24
3.1 Analisis Masalah 24
3.2 Analisis Kebutuhan 25
3.3 Perancangan Aplikasi 25
3.3.1 Use Case Diagram 26
3.3.2 Activity Diagram 27
3.3.3 Data Flow Diagram (DFD) 33
3.3.4 Flowchart 35
3.3.5 Pengelompokan Disiplin 37
3.3.6 Kriteria Disiplin 37
3.3.7 Prose Data Input Pengujian 37
3.4 Data Pegujian 38
3.4.1 Perhitungan Metode Analitycal Hierarchy Process (AHP) 38
3.4.2 Perhitunga Metode K- Means Clustering 51
3.5 Perancangan Database 68
3. 5.1 Perancangan Form 70
3.6 Perancangan Tampilan Antarmuka (Interface) 70
3.6.1 Rancangan Form Menu Utama 70
3.6.2 Rancangan Form Login 71
3.6.3 Rancangan Form User 71
3.6.4 Rancangan Form Data Siswa 73
3.6.5 Rancangan Form AHP 74
3.6.6 Rancangan Form K- Means 75
Bab 4 Implementasi Dan Pengujian 77
4.1 Implementasi Sistem 77
4.1.1 Tampilan Halamam Utama 78
4.1.2 Tampilan Halaman Tentang 79
4.2 Pengujian 80
4.2.1 Tampilan Halaman AHP Kriteria 80
4.2.2 Tampilan Halaman AHP Sub Kriteria 80
4.2.3 Tampilan Halaman Hasil 87
4.2.4 Tampilan Halaman SPK K- Means 87
Bab 5 Kesimpulan Dan Saran 95
5.1 Kesimpulan 94
5.2 Saran 94
Daftar Pustaka 94
Lampiran A: Listing Program Lampiran B: Curriculum Vitae
Lampiran C: Angket Penelitian Nilai Kedisiplinan Siswa Kelas IX- 2 SMP Negeri 21 Medan
(11)
DAFTAR TABEL
Halaman 2.1 Skala Kuantitatif dalam Sistem Pendukung Keputusan 19
2.2 Matriks Perbandingan Berpasangan 20
2.3 Nilai Rata – rata Konsistensi 22
3.1 Dokumentatif Naratatif Activity Diagram Proses Login 28 3.2 Dokumentasi Naratif Activity Diagram Proses Data Siswa 29
3.3 Dokunmentatsi Naratif Activity Diagram Proses SPK 29
3.4 Matriks Perbandingan Berpasangan 37
3.5 Matriks Nilai Kriteria 37
3.6 Matriks Penjumlahan tiap baris 38
3.7 Perhitungan Rasio Konsistensi Kriteria 39
3.8 Matriks Perbandingan Berpasangan Kriteria DDB 40
3.9 Matriks Nilai Kriteria DDB 40
3.10 Matriks Penjumlahan tiap baris DDB 41
3.11 Perhitungan Rasio Konsistensi 41
3.12 Matriks Perbandingan Berpasangan DPK 42
3.13 Matriks Nilai Kriteria DPK 42
3.14 Matriks Penjumlahan tiap baris DPK 43
3.15 Perhitungan Rasio Konsistensi 43
3.16 Matriks Perbandingan Berpasangan DMT 44
3.17 Matriks Nilai Kriteria DMT 44
3.18 Matriks Penjumlahan tiap baris DMT 45
3.19 Perhitungan Rasio Konsistensi 45
3.20 Matriks Perbandingan Berpasangan DTT 46
3.21 Matriks Nilai Kriteria DTT 46
3.22 Matriks Penjumlahan tiap baris DTT 47
3.23 Perhitungan Rasio Konsistensi 47
3.24 Matriks Perbandingan Berpasangan DTW 48
3.25 Matriks Nilai Kriteria DTW 48
3.26 Matriks Penjumlahan tiap baris DTW 49
3.27 Perhitungan Rasio Konsistensi 49
3.28 Matriks Hasil 50
3.29 Data Siswa Kelas IX- 2 51
3.30 Hasil Inisialisasi 52
3.31 Hasil Perhitungan AHP 53
3.32 Poin Kedisiplin Siswa 54
3.33 Perhitungan Jarak Poin Kedisiplinan Terhadap Cluster 55 3.34 Susunan Perhitungan Jarak pada tiap – tiap Cluster 56
3.35 Posisi Iterasi Pertama 57
3.37 Perhitungan Jarak Poin Kedisiplinan terhadap Cluster pada Iterasi Pertama 59 3.38 Susunan Jarak Poin Kedisiplinan terhadap Cluster pada Iterasi Pertama 60
3.39 Hasil Posisi Iterasi Kedua 62
(12)
3.41 Hasil Posisi Iterasi Ketiga 65
3.42 Hasil Posisi Iterasi Ketiga 66
3.43 Tabel Siswa 67
(13)
DAFTAR GAMBAR
Halaman
2.1 Arsitektur Sistem Pendukung Keputusan 11
2.2 Analisis Proses 15
2.3 Contoh Clustering 16
2.4 Struktur Hierarki AHP 19
3.1 Diagram Ishikawa 23
3.2 Use Case Diagram Pada Sistem 25
3.3 Activity Diagram Proses Login 26
3.4 Activity Diagram Pada Data Siswa 27
3.5 Activity Diagram Pada SPK 28
3.6 DFD Level 0 29
3.7 DFD Level 1 30
3.8 Flowchart Metode K- Means Clustering 31
3.9 Flowchart Metode AHP 32
3.10 Rancangan Form Main Menu 69
3.11 Rancangan Form Login 70
3.12 Rancangan Form User 71
3.13 Rancangan Form Data Siswa 72
3.14 Rancangan Form AHP 73
3.15 Rancangan Form K- Means Clustering 74
4.1 Tampilan Halaman Utama 78
4.2 Tampilan Halaman Data Siswa 79
4.3 Tampilan Halaman SPK 79
4.4 Tampilan Halaman Tentang 80
4.5 Tampilan Halaman AHP Kriteria 81
4.6 Tampilan Halaman AHP Sub Kriteria Kriteria DDB 83
4.7 Tampilan Halaman AHP Sub Kriteria Kriteria DPK 84
4.8 Tampilan Halaman AHP Sub Kriteria Kriteria DMT 86
4.9 Tampilan Halaman AHP Sub Kriteria Kriteria DTT 87
4.10 Tampilan Halaman AHP Sub Kriteria Kriteria DTW 88
4.11 Tampilan Halaman AHP Hasil 90
4.12 Tampilan Halaman K- Means Inialisasi 91
4.13 Tampilan Halaman K- Means Iterasi 1 91
4.14 Tampilan Halaman K- Means Iterasi 2 92
4.15 Tampilan Halaman K- Means Iterasi 3 92
4.16 Tampilan Halaman K- Means Iterasi 4 93
(14)
ABSTRAK
Penelitian ini bertujuan untuk merancang sebuah aplikasi komputer yang dapat menentukan nilai kedisiplinan siswa. Dengan adanya aplikasi ini diharapkan dapat membantu pihak sekolah terutama guru Bimbingan Konseling dalam mengetahui kelompok siswa dan menentukan nilai berdasarkan tingkat kedisiplinan dalam menangani siswa yang tidak mentaati atau melanggar peraturan sekolah. Penilaian kedisiplinan siswa dilakukan dengan menentukan bobot prioritas sub kriteria menggunakan metode Analytical Hierarchy Process (AHP) kemudian hasil bobot tersebut dikelompokkan menggunakan metode K- Means Clustering. Aplikasi penilaian kedisiplinan siswa ini dirancang menggunakan bahasa pemrograman Visual Basic 2010. Keluaran dari aplikasi ini adalah daftar data siswa yang berisi hasil penilaian kedisiplinan siswa. Hasilnya yaitu dari 25 siswa terdapat 2 siswa yang termasuk ke dalam kelompok tidak disiplin dengan pusat interval 6.46, 3 siswa termasuk ke dalam kelompok yang cukup disiplin dengan pusat interval 13.37, 14 siswa termasuk ke dalam kelompok disiplin dengan pusat interval 23.63, dan sisanya 6 dari siswa tersebut termasuk ke dalam kelompok sangat disiplin dengan pusat interval 40.91.
(15)
IMPLEMENTATION OF K- MEANS CLUSTERING METHOD AND ANALYTICAL HIERARCHY PROCESS (AHP)
OF STUDENT DISCIPLINE ASSESSMENT (CASE STUDY: SMP NEGERI 21 MEDAN)
ABSTRACT
This research is to design a computer applications that can determine the value of student’s discipline. The application is expected to help the school especially the Guidance and Counselling to figure out the group of student and determine the value based on the level of discipline in dealing with students who do not comply with or violate school’s rules. Student discipline assessment done by determining the weights priority sub-criteria using the Analytical Hierarchy Process (AHP) and the result will be grouped using K- Means clustering method. The student discipline assessment application designed using Visual Basic 2010. The output of this application is a list of data that contains the results of student disciplinary assessment. The results of 25 students show two students who belong to a group of undisciplined with interval central in 6.46, 3 students includes to group of students who are disciplined enough with central of the interval in 13.37, 14 students includes to group a discipline with the interval central in 23.63, and 6 students includes to group a very disciplined with the interval central in 40.91.
(16)
BAB I
PENDAHULUAN
1.1Latar Belakang
Keberhasilan seseorang dapat dilihat dari caranya mendisiplinkan hidup sejak dia kecil hingga dewasa, agar kelak dewasa nanti seseorang tersebut telah terbiasa dalam mencapai keberhasilan. Kedispilinan itu sendiri merupakan suatu sikap yang taat dan patuh terhadap suatu peraturan yang berlaku, tanpa suatu adanya peraturan maka tidak akan tercapainya suatu kedisiplinan. Dengan adanya suatu peraturan akan melatih seseorang untuk disiplin dalam segala hal dan dengan sikap yang selalu disiplin dapat membuat seseorang berhasil dengan apa yang seseorang tersebut cita – citakan, itulah sebabnya kedisiplinan adalah modal utama suatu keberhasilan. Kedisiplinan tersebut dapat dimulai dari lingkungan keluarga, kemudian lingkungan sekolah dan lingkungan masyarakat.
Mendengar dan melihat pemberitaan di media massa dan elektronik akhir-akhir ini menggambarkan bahwa tingkat kedisiplinan siswa umumnya masih tergolong memprihatinkan. Kuantitas pelanggaran yang dilakukan oleh siswa semakin bertambah dari waktu ke waktu. Dari berbagai jenis pelanggaran tata tertib sekolah, misalnya banyaknya siswa yang bolos atau keluar pada waktu jam belajar, perkelahian, terlambat datang ke sekolah, malas belajar, sering tidak masuk sekolah, tidak mengerjakan tugas-tugas yang diberikan guru, tidak membuat pekerjaan rumah dan lain-lain sebagainya. Secara garis besar banyaknya pelanggaran yang dilakukan oleh siswa akan berpengaruh terhadap kemajuan dan prestasi belajar di sekolah.
(17)
Penyebab ketidakdisiplinan siswa adalah kurang jelasnya peraturan dan sangsi yang diberikan kepada siswa, kurang pengawasan dari pendidik bagi siswa yang melakukan pelanggran. Untuk itu diupayakan dalam mengatasi kedisiplinan tersebut adalah dengan cara memberikan sanksi – sanksi dan pengawasan dari pendidik sangat jelas. Bentuk sanksi bisa berupa hukuman, pembinaan, atau surat pernyataan. Sanksi berupa pembinaan akan diserahkan ke BK (Bimbingan Konseling). Jika dalam pembinaan BK, siswa diketahui mempunyai masalah yang melatar belakangi perbuatan pelanggaran, maka siswa tersebut akan ditindak lanjuti dalam bentuk layanan konseling.
Oleh sebab itu perlu adanya pengelompokan di setiap sekolah berdasarkan tingkat kedisiplinannya, agar pihak sekolah terutama guru BK lebih mudah mengetahui kelompok siswa yang perlu penanganan khusus. Dari permasalahan tersebut penulis menggukan metode K- Means Clustering dan Analitycal Hierarchy Process (AHP) sebagaimana pada penelitian terdahulu yang telah dilakukan oleh “Arim Wijaya yang berjudul Analisis Algoritma K- Means untuk Sistem Pendukung Keputusan Penjurusan Siswa di Man Binong Subang”[12] dan “Faraby Azwani yang berjudul Sistem Pendukung Keputusan Pemberian Kredit Usaha Rakyat Pada Bank Syariah Mandiri Cabang Medan Menggunakan Metode Analytical Hierarchy Process (AHP)”[6].
Dari beberapa penjabaran diatas penulis mengajukan skripsi untuk memecahkan permasalahan tersebut dan tertarik membuat suatu sistem pendukung keputusan dalam bentuk sebuah aplikasi yang akan bermanfaat dalam penilaian disiplin siswa dengan menggunakan Metode K- MeansClustering dan Analitycal Hierarchy Process (AHP) yang di implementasikan untuk menilai disiplin siswa di SMP Negeri 21 Medan.
1.2 Rumusan Masalah
Rumusan masalah pada penelitian ini adalah bagaimana permasalahan penilaian disiplin siswa di SMP Negeri 21 Medan dapat di selesaikan dengan menggunakan Metode K- Means Clustering dan Analitycal Hierarchy Process (AHP).
(18)
1.3Batasan Masalah
Ada pun beberapa batasan yang perlu dibuat, yaitu :
1. Data penelitian yang didapat dari SMP Negeri 21 Medan.
2. Kriteria terhadap penilaian disiplin siswa yang digunakan adalah berdasarkan kriteria yang ditetapkan oleh Guru BK SMP Negeri 21 Medan yaitu
a). Disiplin terhadap waktu (DTW) b). Disiplin mengerjakan tugas (DMT) c). Disiplin terhadap tata tertib (DTT) d). Disiplin dalam berpakaian (DDB)
e). Disiplin dalam pembayaran kewajiban (DPK)
3. Pada kasus penelitian penilaian disiplin siswa menggunakan gabungan metode Analitycal Hierarchy Process (AHP) dan K- MeansClustering ini akan
dikelompokkan menjadi 4 kelompok yaitu a). Sangat disiplin 31 - 50
b). Disiplin 21 - 30
c). Cukup disiplin 11 - 20 d). Tidak Disiplin 0 - 10
1.4 Tujuan Penelitian
Tujuan dari penelitian ini antara lain adalah :
Membuat perangkat lunak penerapan Metode K- Means Clustering dan Analitycal Hierarchy Process (AHP) yang digunakan untuk mengelompokkan dan menentukan nilai kedisiplinan siswa.
1.5 Manfaat penelitian
1. Meningkatkan pengetahuan dan pemahaman tentang penggunaan Metode K- Means Clustering an Analitycal Hierarchy Process (AHP)
2. Memudahkan Guru BK (Bimbingan Konseling) untuk mengetahui kelompok siswa berdasarkan tingkat kedisiplinan dalam menangani siswa yang tidak menaati atau melanggar peraturan sekolah.
(19)
1.6 Metodologi Penelitian
Penelitian ini akan dilaksanakan dengan mengikuti beberapa langkah yang akan digunakan penulis, yaitu:
1. Studi Kepustakaan
Pengumpulan referensi dalam penelitian yang penulis lakukan dengan mencari jurnal, buku, tulisan ilmiah, e-book, maupun artikel lain yang berhubungan dengan Sistem Pendukung Keputusan, Metode K- Means Clustering, Metode Analitycal Hierachy Process, Kedisiplinan, serta Bahasa Pemrograman Visual Basic 2010.
2. Analisis dan Perancangan Sistem
Tahap ini digunakan untuk mengolah data dari hasil studi kepustakaan kemudian melakukan analisis sehingga menjadi suatu informasi. Proses ini meliputi pembuatan algoritma program, flowchart sistem, rancangan aplikasi, dan pembuatan user interface aplikasi.
3. Implementasi Sistem
Menerapkan K- MeansClustering dan Analitycal Hierarchy Process ke dalam aplikasi komputer yang sedang dirancang.
4. Pengujian aplikasi
Menguji apakah aplikasi yang dibuat telah berhasil berjalan sesuai dengan keinginan dan melakukan perbaikan kesalahan jika masih terdapat error pada aplikasi.
5. Dokumentasi
Tahap akhir dari penelitian yang dilakukan, yaitu membuat kesimpulan dan laporan tentang penelitian yang telah dilakukan.
(20)
1.7 Sistematika Penulisan
Penulisan Skripsi ini terbagi menjadi beberapa bab yang masing – masing bab membahas tentang :
Bab I : Pendahuluan
Di dalam bab ini menjelaskan tentang latar belakang, rumusan masalah, batasan masalah, tujuan dan manfaat, metodologi penelitian dan sistematika penulisan.
Bab II : Landasan Teori
Di dalam bab ini berisi tentang teori metode K- Means Clustering, metode Analitycal Hierachy Process, sistem pendukung keputusan, dan disiplin Siswa.
Bab III : Desain dan Perancangan Sistem
Dalam bab ini menjelaskan tentang analisis penulis dalam pengembangan sistem pendukung keputusan, tahap perencanaan, desain dan perancangan sistem penetuan nilai disiplin siswa dengan menggunakan metode K- MeansClustering dan Analitycal Hierarchy Process
Bab IV : Hasil dan Pembahasan
Dalam bab ini menjelaskan tahapan implementasi dan uji coba dari perancangan sistem serta analisis hasil.
Bab V : Penutup
Dalam bab ini berisi kesimpulan dari pembahasan dan saran-saran yang bermanfaat untuk pengembangan penelitian ini.
(21)
BAB II
TINJAUAN PUSTAKA
2.1 Sistem Pendukung Keputusan (SPK)
2.1.1 Pengertian Sistem Pendukung Keputusan (SPK)
Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support Sistem (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision Sistem. Seperti yang diungkapkan oleh Moore dan Chang (1980) sistem pendukung keputusan tersebut adalah suatu sistem informasi berbasis komputer yang menghasilkan berbagai alternatif keputusan untuk membantu manajemen dalam menangani berbagai permasalahan yang terstruktur ataupun tidak terstruktur.[3]
Definisi awalnya, SPK adalah sistem berbasis model yang terdiri dari prosedur-prosedur dalam pemrosesan data dan pertimbangannya untuk membantu manajer dalam mengambil keputusan. Agar berhasil mencapai tujuannya maka sistem tersebut harus sederhana, mudah untuk dikontrol, mudah beradaptasi, lengkap pada hal-hal penting, dan mudah berkomunikasi dengannya.[3]
2.1.2 Tahap-tahap pengambilan keputusan
Menurut Simon (1960) pengambilan keputusan meliputi empat tahap yang saling berhubungan dan berurutan. Empat tahap tersebut adalah :
(1) Intelligence
Tahap ini merupakan proses penelusuran dan pendeteksian dari lingkup problematika serta proses pengenalan masalah. Data masukan diperoleh, diproses, dan diuji dalam rangka mengidentifikasikan masalah.
(22)
Tahap ini merupakan proses menemukan dan mengembangkan alternatif. Tahap ini meliputi proses untuk mengerti masalah, menurunkan solusi dan menguji kelayakan solusi.
(3) Choice
Pada tahap ini dilakukan poses pemilihan di antara berbagai alternatif tindakan yang mungkin dijalankan. Tahap ini meliputi pencarian, evaluasi, dan rekomendasi solusi yang sesuai untuk model yang telah dibuat. Solusi dari model merupakan nilai spesifik untuk variabel hasil pada alternatif yang dipilih.
(4) Implementation
Tahap implementasi adalah tahap pelaksanaan dari keputusan yang telah diambil. Pada tahap ini perlu disusun serangkaian tindakan yang terencana, sehingga hasil keputusan dapat dipantau dan disesuaikan apabila diperlukan perbaikan.
2.1.3 Karakteristik Sistem Pendukung Keputusan
Adapun karakteristik dari SPK, diantaranya adalah sebagai berikut [3]:
1. Dukungan untuk pengambil keputusan, terutama pada situasi semiterstruktur dan tak terstruktur.
2. Dukungan untuk semua level manajerial, dari eksekutif puncak sampai manajer lini.
3. Dukungan untuk individu dan kelompok.
4. Dukungan untuk semua keputusan independen dan atau sekuensial.
5. Dukungan di semua fase proses pengambilan keputusan: inteligensi, desain, pilihan,dan implementasi.
6. Dukungan pada berbagai proses dan gaya pengambilan keputusan.
7. Kemampuan sistem beradaptasi dengan cepat dimana pengambil keputusan dapat menghadapi masalah-masalah baru dan pada saat yang sama dapat menanganinya dengan cara mengadaptasikan sistem terhadap kondisi-kondisi perubahan yang terjadi.
8. Pengguna merasa seperti di rumah. User-friendly, kapabilitas grafis yang kuat, dan sebuah bahasa interaktif yang alami.
9. Peningkatan terhadap keefektifan pengambilan keputusan (akurasi, timelines, kualitas) dari pada efisiensi (biaya).
(23)
10.Pengambil keputusan mengontrol penuh semua langkah proses pengambilan keputusan dalam memecahkan masalah.
11.Pengambil keputusan mengontrol penuh semua langkah proses pengambilan keputusan dalam memecahkan masalah.
12.Pengguna akhir dapat mengembangkan dan memodifikasi sistem sederhana. 13.Menggunakan model-model dalam penganalisisan situasi pengambilan keputusan. 14.Disediakannya akses untuk berbagai sumber data, format, dan tipe, mulai dari
sistem informasi geografi (GIS) sampai sistem berorientasi objek.
15.Dapat dilakukan sebagai alat standalone yang digunakan oleh seorang pengambil keputusan pada satu lokasi atau didistribusikan di satu organisasi keseluruhan dan di beberapa organisasi sepanjang rantai persediaan.
2.1.4 Komponen Sistem Pendukung Keputusan
Menurut Turban (2005), Sistem Pendukung Keputusan terdiri dari empat subsistem, yaitu [3]:
2.1.4.1 Subsistem pengelolaan data (database).
Sub sistem pengelolaan data (database) merupakan komponen SPK yang berguna sebagai penyedia data bagi sistem. Data tersebut disimpan dan diorganisasikan dalam sebuah basis data yang diorganisasikan oleh suatu sistem yang disebut dengan sistem manajemen basis data (Database Management System).
2.1.4.2 Sub sistem pengelolaan model (model base).
Keunikan dari SPK adalah kemampuannya dalam mengintegrasikan data dengan model-model keputusan. Model adalah suatu tiruan dari alam nyata. Kendala yang sering dihadapi dalam merancang suatu model adalah bahwa model yang dirancang tidak mampu mencerminkan seluruh variabel alam nyata, sehingga keputusan yang diambil tidak sesuai dengan kebutuhan. Oleh karena itu, dalam menyimpan berbagai model harus diperhatikan dan harus dijaga fleksibilitasnya. Hal lain yang perlu diperhatikan adalah pada setiap model yang disimpan hendaknya ditambahkan rincian keterangan dan penjelasan yang komprehensif mengenai model yang dibuat.
(24)
2.1.4.3 Subsistem pengelolaan dialog (user interface)
Keunikan lainnya dari SPK adalah adanya fasilitas yang mampu mengintegrasikan sistem yang terpasang dengan pengguna secara interaktif, yang dikenal dengan subsistem dialog. Melalui subsistem dialog, sistem diimplementasikan sehingga pengguna dapat berkomunikasi dengan sistem yang dibuat.
2.1.4.4 Subsistem Manajemen Knowledge
Banyak masalah tak terstruktur dan bahkan semi terstruktur yang sangat kompleks sehingga solusinya memerlukan keahlian. Oleh karena itu banyak SPK canggih yang dilengkapi dengan komponen manajemen knowledge. Komponen ini menyediakan keahlian untuk memecahkan beberapa aspek masalah dan memberikan pengetahuan yang dapat meningkatkan operasi komponen SPK lainnya. Komponen – komponen sistem pendukung keputusan dapat dilihat pada gambar 2.1 berikut.
(25)
(26)
2.2 Disiplin
2.2.1 Pengertian Disiplin
Disiplin merupakan suatu hal yang mudah diucapkan, tapi sukar dilaksanakan. Dapat diartikan disiplin adalah kesadaran untuk melakukan sesuatu pekerjaan dengan tertib dan teratur sesuai dengan peraturan-peraturan yang berlaku dengan penuh tanggung jawab tanpa paksaan dari siapapun. Sedangkan menurut Hadlari Nawawi (1996) disiplin adalah usaha untuk mencegah terjadinya pelanggaran-pelanggaran terhadap suatu ketentuan yang disetujui bersama agar pemberian hukuman terhadap seseorang dapat dihindari [1].
Dengan adanya disiplin dimaksudkan sebagai upaya untuk mengatur perilaku seseorang dalam mencapai tujuan, seperti pendidikan. Karena ada perilaku yang harus dicegah atau dilarang dan sebaliknya harus dilakukan. Pembentukan disiplin pada saat sekarang bukan sekedar menjadikan anak agar patuh dan taat pada aturan dan tata tertib tanpa alasan sehingga mau menerima begitu saja, melainkan sebagai usaha mendisiplinkan diri sendiri (self discipline). Artinya ia berperilaku baik, patuh dan taat pada aturan bukan karena paksaan dari orang lain atau guru melainkan karena kesadaran dari dirinya sendiri.
2.2.2 Bentuk- Bentuk Disiplin Belajar Siswa 2.2.2.1 Disiplin terhadap waktu
Salah satu masalah yang sering dihadapi oleh pelajar atau siswa adalah banyak pelajar atau siswa yang mengeluh kekuragan waktu untuk belajarnya, tetapi mereka sebenarnya kurang memiliki keteraturan dan disiplin untuk mempergunakan waktu secara efisien. Banyak waktu yang terbuang-buang disebabkan karena membicarakan hal – hal yang tidak habis-habisnnya. Sikap seperti itu harus ditinggalkan oleh siswa karena tidak bermanfaat baginya.
Tidak dapat dipungkiri bahwa orang-orang yang berhasil mencapai kesuksesan dalam hidupnya adalah orang-orang yang hidup teratur dan berdisiplin memanfaatkan waktunya. Dalam belajar pemanfaatan waktu secara baik dan dikerjakan dengan baik
(27)
dan tepat waktu adalah merupakan hal yang terpuji. Dari uraian di atas dapat dipahami bahwa penggunaan atau pamanfaatan waktu dangan baik menumbuhkan disiplin dalam mempergunakan waktu secara efisien.
2.2.2.2Disiplin terhadap tata tertib.
Didalam proses balajar mengajar, disiplin terhadap tata tertib sangat penting untuk diterapkan, karena pada suatu sekolah tidak memiliki tata tertib maka proses belajar mengajar tidak akan berjalan dengan lancar sesuai dengan rencana. Antara peraturan dan tata tertib merupakan suatu kesatuan yang tidak dapat dipisahkan sebagai pembentukan disiplin siswa dalam mentaati peraturan di dalam kelas maupun diluar kelas.
Agar dapat melakukan disiplin terhadap tata tertib dengan baik, maka guru bertanggung jawab menyampaikan dan mengontrol berlakunya peraturan dan tata tertib tersebut. Dalam hal ini staf sekolah atau guru perlu terjalinnya kerja sama sehingga tercipta disiplin kelas dan tata tertib kelas yang baik tanpa adanya kerja sama tersebut dalam pembinaan disiplin sekolah maka akan terjadi pelanggaran terhadap peraturan dan tata tertib sekolah serta terciptanya suasana balajar yang tidak diinginkan.
Dengan demikian untuk terciptanya disiplin yang harmonis dan terciptanya disiplin dari siswa dalam rangka pelaksanaan peraturan dan tata tertib dengan baik, maka di dalam suatu lambaga atau lingkungan sekolah perlu menetapkan sikap disiplin terhadapsiswa, agar tercipta proses belajar mengajar yang baik.
2.2.2.3Disiplin terhadap tugas a. Mengerjakan tugas rumah
Salah satu prinsip belajar adalah ulangan dan latihan. Tugas rumah itu dapat berupa tes atau ulangan dan juga dapat berupa latihan-latihan soal atau pekerjaan rumah.jika siswa mempunyai kebiasaan untuk melatih diri mengerjakan soal-soal latihan serta mengerjakan pekerjaan rumah dengan disiplin, maka siswa tersebut tidak akan terlalu kesulitan dalam belajarnya, serta dapat dengan mudah mengerjakan setiap pekerjaan rumah yang diberikan oleh guru.
(28)
b. Mengerjakan tugas di sekolah
Adapun tugas di sekolah mencakup mengerjakan latihan-latihan tes atau ulangan harian, ulangan umum ataupun ujian, baik yang tertulis maupun lisan yang diberikan guru pada saat jam pelajaran disekolah.
2.2.2.4 Disiplin dalam berpakaian.
Sekolah membuat tata tertib tidak semata - mata tanpa alasan. Tetapi, bertujuan menumbuhkan sikap disiplin kita. Sikap disiplin tidak hanya penting bagi kita dihari ini, tetapi juga untuk masa depan kita. Berbagai upaya sekolah untuk mengajarkan kita disiplin telah dilakukan tak hanya dengan sanksi dan hukuman. Pihak sekolah tidak bosan mengingatkan dan mengajarkan kita untuk disiplin. Salah satu nya disiplin dalam berpakaian, tentu membuat seseorang terlihat rapih, bersih dan berwibawa, tidak mungkin membuatnya mendapatkan sanksi. Jadi kepribadian seseorang jelas tercermin dari bagaimana caranya dalam berpakaian.
2.2.2.5Disiplin dalam pembayaran kewajiban
Pendidikan adalah tanggung jawab bersama antar keluarga, masyarakat dan pemerintah. Dana pendidikan yang berasal dari orang tua dapat berupa uang yang dibayarkan secara rutin maupun insidental dan diatur dengan peraturan. Pada SMP Negeri 21 Medan wajib bayar siswa tersebut berupa Uang buku, LKS dan lain sebagainya. Wajib bayar siswa tersebut dibayarkan oleh orangtua kandung, orangtua tiri atau angkat atau wali siswa yang mengikuti pendidikan pada sekolah, dibayar secara persemester selama 6 bulan atau satu tahun ajaran sampai pada batas akhir waktu pembayaran. Apabila siswa yang terkena wajib pembayaran tersebut tidak memenuhi kewajibannya, dikenakan sanksi oleh Kepala Sekolah sesuai dengan tata tertib yang berlaku. Oleh sebab itu dalam pembayaran kewajiban merupakan salah satu bentuk disiplin yang penting untuk ditaati dalam kelangsungan proses pendidikan disekolah.
(29)
Penanganan pendisiplinan siswa di SMP Negeri 21 Medan yang akan berlangsung selama aplikasi dijalankan diperlukan dengan adanya analisis proses. Analisis proses pada aplikasi yang dirancang dapat dilihat pada Gambar 2.2
Gambar 2.2 Analisis Proses
Pada Gambar 2.2 diatas menjelaskan proses penanganan siswa yang terjadi di SMP Negeri 21 Medan. Dimulai dari wali kelas yang membuat berkas penilaian siswa kemudian berkas nilai tersebut diberikan kepada guru BK setelah itu sistem akan meenentukan serta menampilkan kelompok disiplin siswa. Bagi siswa yang melanggar peraturan atau tidak disiplin akan dipanggil oleh guru BK dan pelanggaran yang dilakukan akan dicatat. Kemudian guru BK akan memproses siswa tersebut. Agar tidak melakukan kesalahan, guru BK akan memberikan sanksi berupa surat peringatan terhadap siswa yang melanggar peraturan.
(30)
2.3 Metode K- Means Clustering
2.3.1 Pengertian K- Means Clustering
Clustering atau clusterisasi adalah salah satu alat bantu pada data mining yang bertujuan mengelompokkan objek-objek ke dalam cluster-cluster. Cluster adalah sekelompok atau sekumpulan objek-objek data yang similar satu sama lain dalam cluster yang sama dan dissimilar terhadap objek-objek yang berbeda cluster. Objek akan dikelompokkan ke dalam satu atau lebih cluster sehingga objek-objek yang berada dalam satu cluster akan mempunyai kesamaan yang tinggi antara satu dengan lainnya.
Objek-objek dikelompokkan berdasarkan prinsip memaksimalkan kesamaan objek pada cluster yang sama dan memaksimalkan ketidaksamaan pada cluster yang berbeda. Kesamaan objek biasanya diperoleh dari nilai-nilai atribut yang menjelaskan objek data, sedangkan objek-objek data biasanya direpresentasikan sebagai sebuah titik dalam ruang multidimensi. Seperti contoh clustering yang dapat dilihat pada gambar 2.3 berikut.
Gambar 2.3 Contoh Clustering
Dimana K- means merupakan salah satu metode data clustering non hirarki yang berusaha mempartisi data yang ada kedalam bentuk satu atau lebih cluster/kelompok. Metode ini mempartisi data kedalam cluster/ kelompok sehingga data yang memiliki karakteristik yang sama dikelompokkan kedalam satu cluster/kelompok dan data yang memiliki karakteristik yang berbeda dikelompokkan kedalam cluster/ kelompok yang
(31)
lain. Nilai – nilai cluster secara random untuk sementara nilai tersebut menjadi pusat dari cluster atau biasa disebut dengan centroid, mean atau means.
2.3.2 Prosedur Metode K- Means Clustering
Langkah-langkah dalam metode K- MeansClustering adalah : 1. Menentukan jumlah cluster yang akan dibentuk.
2. Menentukan nilai centroid atau rata – rata data yang ada di masing – masing cluster. Dalam menentukan nilai centroid untuk awal iterasi, nilai awal centroid dilakukan secara acak.
3. Menghitung jarak setiap data yang ada terhadap masing- masing centroid menggunakan rumus Euclidian hingga ditemukan jarak yang paling dekat dari setiap data dengan centroid, seperti pada rumus 1 berikut.
��,� = �∑ ���� − ���� 2 �
�=1 ... (1) Dimana :
D(i,k) = Perhitungan jarak data ke-i dengan pusat klaster ke-k
p = maksimal data j = banyak data
4. Pengelompokan objek untuk menentukan anggota cluster adalah dengan
memperhitungkan jarak minimum objek. Nilai yang diperoleh dalam keanggotaan data pada distance matriks adalah 0 atau 1, dimana nilai 1 untuk data yang
dialokasikan ke cluster dan nilai 0 untuk data yang dialokasikan ke cluster yang lain.
5. Kembali ke tahap 2, lakukan perulangan hingga nilai centroid yang dihasilkan tetap dan anggota cluster tidak berpindah ke cluster lain.
(32)
2.4 Metode Analitycal Hierarchy Process (AHP) 2.4.1 Pengertian Analitycal Hierarchy Process (AHP)
AHP merupakan suatu model pendukung keputusan yang dikembangkan oleh Thomas L. Saaty. Model pendukung keputusan ini akan menguraikan masalah multi faktor atau multi kriteria yang kompleks menjadi suatu hirarki, menurut Saaty (1999) hirarki didefinisikan sebagai suatu representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multi level dimana level pertama adalah tujuan, yang diikuti level faktor, kriteria, sub kriteria, dan seterusnya ke bawah hingga level terakhir dari alternatif [5]. Dengan hirarki, suatu masalah yang kompleks dapat diuraikan ke dalam kelompok-kelompoknya yang kemudian diatur menjadi suatu bentuk hirarki sehingga permasalahan akan tampak lebih terstruktur dan sistematis.
2.4.2 Prosedur Metode AHP
Penyelesaian masalah AHP ada beberapa prosedur yang perlu dipahami antara lain sebagai berikut :
1. Membuat hierarki
Penyusunan hierarki dari permasalahan yang akan diselesaikan, kemudian diuraikan menjadi unsur – unsur nya yaitu kriteria dan alternatif. Penyusunan hierarki tersebut dengan menentukan tujuan yang merupakan sasaran sistem secara keseluruhan pada level teratas. Level berikutnya terdiri dari kriteria-kriteria untuk menilai atau
mempertimbangkan alternatif-alternatif yang ada dan menentukan alternatif-alternatif tersebut. Struktur hierarki AHP dapat dilihat pada gambar 2.4 berikut.
(33)
Gambar 2.4. Struktur Hierarki AHP 2. Menilai Kriteria dan Alternatif
Penilaian kriteria dan alternatif melalui perbandingan berpasangan. Menurut Saaty (2001), untuk berbagai persoalan, skala 1 sampai 9 adalah skala terbaik dalam mengekspresikan pendapat. Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty dapat dilihat pada Tabel 2.1:
Tabel 2.1 Skala kuantitatif dalam sistem pendukung Keputusan
Intensitas Kepentin
Gan Defenisi Penjelasan
1 Kedua elemen
sama pentingnya
Dua elemen mempunyai pengaruh yang sama besar terhadap tujuan
3
Elemen yang satu sedikit lebih penting dari pada elemen yang lainnya
Pengalaman dan penilaian sedikit menyokong satu elemen
dibandingkan elemen yang lainnya
5
Elemen yang satu lebih penting dari pada elemen yang lainnya
Pengalaman dan penilaian sangat kuat menyokong satu elemen dibandingkan elemen yang lainnya
7
Satu elemen jelas lebih Mutlak penting dari pada elemen yang lainnya
Satu elemen yang kuat di sokong dan dominan terlihat dalam praktek
9
Satu elemen mutlak penting dari pada elemen yang lainnya
Bukti yang mendukung elemen yang satu terhadap elemen lain memiliki tingkat penegasan tertinggi yang mungkin
(34)
menguatkan 2,4,6,8
Nilai-nilaiantara 2 nilai pertimbangan yang berdekatan
Nilai ini diberikan bila ada dua kompromi diantara 2 pilihan
Kebalikan Jika aktifitas i mendapat satu angka dibanding aktifitas j, maka j mempunyai nilai kebalikkannya dibanding dengan i
3. Menentukan prioritas elemen
Langkah- langkah dalam menentukan prioritas elemen sebagai berikut: a. Membuat perbandingan berpasangan
Langkah pertama dalam menentukan prioritas elemen adalah membuat perbandingan berpasangan, yaitu membandingkan elemen secara berpasangan sesuai kriteria yang diberikan. Untuk perbandingan berpasangan digunakan bentuk matriks. Matriks bersifatsederhana, berkedudukan kuat yang menawarkan kerangka untuk memeriksa konsistensi, memperoleh informasi tambahan dengan membuat semua perbandingan yang mungkin dan menganalisis kepekaan prioritas secara keseluruhan untuk merubahpertimbangan. Untuk memulai proses perbandingan berpasangan, dimulai dari levelpaling atas hirarki untuk memilih kriteria, misalnya C, kemudian dari level dibawahnya diambil elemen-elemen yang akan dibandingkan, misal A1, A2, A3, A4, A5, maka susunan elemen-elemen pada sebuah matrik seperti pada Tabel 2.2
Tabel 2.2 Matrix perbandingan berpasangan
C A1 A2 A3 A4 A5
A1 1
A2 1
A3 1
A4 1
(35)
b. Mengisi matrik perbandingan berpasangan
Untuk mengisi matrik perbandingan berpasangan yaitu dengan menggunakan bilangan untuk merepresentasikan kepentingan relatif dari satu elemen terhadap elemen lainnya yang dimaksud dalam bentuk skala dari 1 sampai dengan 9. Skala ini mendefinisikan dan menjelaskan nilai 1 sampai 9 untuk pertimbangan dalam perbandingan berpasangan elemen pada setiap level hirarki terhadap suatu kreteria di level yang lebih tinggi. Apabila suatu elemen dalam matrik dan dibandingkan dengan dirinya sendiri, maka diberi nilai 1. Jika i dibanding j mendapatkan nilai tertentu, maka j dibanding i merupakan kebalikkannya. Pada tabel 2 memberikan definisi dan penjelasan skala kuantitatif 1 sampai dengan 9 untuk menilai tingkat kepentingan suatu elemen dengan elemen lainnya.
c. Sintesis
Pertimbangan - pertimbangan terhadap perbandingan berpasangan di sintesis untuk memperoleh keseluruhan prioritas dengan langkah-langkah sebagai berikut:
1. Menjumlahkan nilai-nilai dari setiap kolom pada matriks.
2. Membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk memperoleh normalisasi matriks.
3. Menjumlahkan nilai-nilai dari setiap matriks dan membaginya dengan jumlah elemen untuk mendapatkan nilai rata-rata.
4. Mengukur konsistensi.
Dalam pembuat keputusan, penting untuk mengetahui seberapa baik konsistensi yang ada, karena kita tidak ingin keputusan berdasarkan pertimbangan dengan konsistensi yang rendah. Karena dengan konsistensi yang rendah, pertambangan akan tampak sebagai sesuatu yang acak dan tidak akurat. Konsistensi penting untuk mendapatkan hasil yang valid dalam dunia nyata. Oleh karena itu AHP mengukur konsistensi pertimbangan dengan rasio konsistensi (consistency ratio).
Langkah- langkah menghitung nilai rasio konsistensi yaitu: 1. Mengalikan matriks dengan prioritas bersesuaian. 2. Menjmlahkan hasil kali setiap baris.
(36)
3. Hasil dari penjumlahan baris dibagikan dengan elemen prioritas yang bersangkutan.
4. Membagi hasil penjumlahan diatas dengan banyak elemen yang ada. 5. Menghitung indeks konsistensi.
CI = (λmax-n)/(n-1) .... (2)
Dimana CI = indeks konsistensi λmax = nilai eigen
n = banyak kriteria 6. Menghitung konsistensi ratio (CR).
CR = CI/RI .... (3)
Dimana CR = rasio konsistensi CI = indeks konsistensi RI = indeks random
Matriks random dengan skala penilaian 1sampai 9 beserta kebalikannya sebagai random consistency (RC). Jika rasio konsistensi ≤ 0.1, hasil perhitungan data dapat dibenarkan sebagaimana terlihat pada Tabel 2.3.
Tabel 2.3. Nilai Rata – rata Konsistensi
Ukuran Matriks
Konsistensi acak (Random Consistency)
1 0,00
2 0,00
3 0,58
4 0,92
5 1,12
6 1,24
7 1,32
8 1,41
9 1,45
(37)
2.5 Penelitian Terkait
1. Penelitian Arim Wijaya yang berjudul Analisis Algoritma K- Means untuk Sistem Pendukung Keputusan Penjurusan Siswa di Man Binong Subang. “Berdasarkan hasil analisis terhadap algoritma K-Means untuk sistem pendukung keputusan penjurusan, maka kesimpulan yang dapat diambil adalah algoritma K-Means kurang tepat untuk sistem pendukung keputusan penjurusan tetapi algoritma K-Means lebih tepat untuk mengelompokan data siswa berdasarkan data nilai yang bisa memberikan gambaran untuk penjurusan siswa[12].
2. Penelitian Sukenda dan Zeny Prima Apryzone yang berjudul Sistem Pendukung Keputusan untuk Memilih Kendaraan Bekas Dengan Menggunakan Metode Analitycal Hierarchy Process.
“Pemilihan terhadap kendaraan bekas yang akan dibeli, ternyata tidaklah mudah bagi pembeli yang belum memahami seluk beluk kendaraan bekas. Kesulitan dalam memilih kendaraan bekas maka perlu suatu rujukan sebagai dasar pemikiran dalam memilih kendaraan berkas. Sistem pendukung keputusan menawarkan solusi untuk rujukan dalam memilih kendaraan berkas. Sistem pendukung keputusan yang ditawarkan menggunakan Analytical Hierarchy Process (AHP) dalam menyelesaikan persoalan. Persoalan bisa diselesaikan dengan menggunakan sistem perankingan berdasarkan bobot global. Pembeli kendaraan bekas dapat memilih kendaraan bekas berdasarkan rujukan atau rekomendasi dari sistem pendukung keputusan yang dijalankan oleh pakar. Sistem tersebut dapat membantu calon pembeli dengan memberikan hasil alternatif pilihan kendaraan (mobil) bekas yang diperoleh dari perhitungan Analytical Hierarchy Process (AHP). Berdasarkan hasil perhitungan faktor kriteria-kriteria penilaian yang diajukan ke sistem maka penentuan kendaraan (mobil) bekas diperoleh melalui perhitungan nilai bobot prioritas untuk pemilihan alternatif kendaraan (mobil) bekas yang akan dibeli. Dengan adanya Sistem Pendukung Keputusan untuk memilih kendaraan bekas dengan menggunakan metode Analitic Hierarchy Process (AHP) diharapkan dapat membantu calon pembeli dalam pemilihan kendaraan (mobil) bekas dan dapat menghasilkan suatu hasil optimal yang memenuhi rasa kepuasan yang tinggi bagi pembeli kendaraan (mobil) bekas” [10].
(38)
3. Penelitian Faraby Azwani yang berjudul Sistem Pendukung Keputusan Pemberian Kredit Usaha Rakyat Pada Bank Syariah Mandiri Cabang Medan Menggunakan Metode Analytical Hierarchy Process (AHP) .
“Penelitian ini menggunakan metode AHP dalam menentukan kelayakan nasabah penerima KUR pada Bank Syariah Mandiri Cabang Medan. Dalam penentuan kelayakan nasabah penerima KUR, ada beberapa kriteria yang menjadi dasar pengambilan keputusan antara lain status kredit, produktivitas usaha, kondisi usaha, jaminan, dan kolektibilitas. Status kredit berarti calon penerima KUR tidak sedang menerima KUR di tempat lain. Produktivitas berarti apakah usaha yang dijalankan tersebut produktif atau tidak, dilihat dari lokasi usaha, jenis usaha, dan pendapatan perbulan. Kondisi usaha berarti apakah usaha yang dijalankan tersebut berjalan dalam kondisi yang baik atau tidak, dilihat dari manajemen usaha, peralatan usaha, dan Sumber Daya Manusia (SDM). Jaminan berarti agunan dalam bentuk apa yang akan dijadikan agunan, seperti rumah/ruko, tanah, dan BPKB. Sedangkan kolektibilitas berarti kelancaran calon penerima KUR dalam membayar angsuran tiap bulannya. Adapun hasil akhir dalam penelitian ini adalah hasil prioritas global kriteria nasabah, yang diurutkan dari yang tertinggi hingga terendah, sehingga pihak bank dapat dengan mudah mengambil keputusan dengan melihat hasil tersebut” [6].
(39)
BAB III
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Masalah
Proses penilaian kedisiplinan siswa di SMP Negeri 21 Medan masih menggunakan cara yang biasa diterapkan disekolah pada umumnya. Melalui guru BK dengan menggunakan buku tata tertib, menentukan peraturan atau kadar sanksi dengan tingkat pelanggarannya sehingga belum adanya penentuan bobot subkriteria penilaian yang digunakan untuk menentukan kelompok disiplin siswa.
Analisis masalah pada sistem yang dirancang dapat digambarkan dalam diagram Ishikawa seperti pada Gambar 3.1.
Gambar 3.1. Diagram Ishikawa 3.2 Analisis Kebutuhan
Analisis kebutuhan terbagi dua bagian, yaitu kebutuhan fungsional dan kebutuhan nonfungsional. Kebutuhan fungsional mendeskripsikan aktivitas yang disediakan suatu sistem. Sedangkan kebutuhan nonfungsional mendeskripsikan fitur, karakteristik dan batasan lainnya.
Mesin Metode
Man
Implementasi metode K- Means Clustering dan metode Analitycal Hierarchy Process (AHP) dalam penilaian kedisiplinan siswa. Material - Belum ada alat
yang membantu
- Metode yang digunakan masih manual
- Waktu yang dibutuhkan lama.
- Penentuan nilai disiplin yang kurang tepat.
- Kriteria disiplin belum digunakan dengan baik
(40)
3.2.1 Kebutuhan Fungsional
1. Kebutuhan fungsional adalah fungsi-fungsi yang harus dipenuhi pada aplikasi yang dirancang. Kebutuhan fungsional yang harus dipenuhi aplikasi yang dirancang adalah sebagai berikut:
a. Sistem harus mampu menentukan bobot dari kriteria dan subkriteria disiplin siswa.
b. Sistem harus mampu menentukan kelompok disiplin siswa yang melakukan pelanggaran dengan memberikan hasil yang terbaik.
3.2.2 Kebutuhan Nonfungsional
Kebutuhan fungsional mencakup karakteristik berikut: 1. Performa
Perangkat lunak yang akan dibangun dapat menunjukkan hasil dari fungsi sistem pendukung keputusan yang dilakukan oleh sistem.
2. Efisiensi
Sistem atau perangkat lunak yang akan dibangun harus sesederhana mungkin agar mudah digunakan oleh pengguna (user) dan responsif.
3. Ekonomi
Sistem atau perangkat lunak yang akan dibangun harus dapat bekerja dengan baik tanpa harus mengeluarkan biaya tambahan dalam penggunaan perangkat keras maupun perangkat lunak.
4. Dokumentasi
Sistem atau perangkat lunak yang akan dibangun dapat menilai kedisiplinan siswa.
(41)
Perangkat lunak yang akan dibangun akan memiliki kualitas yang baik yaitu dalam proses penilaian kedisiplinan siswa dengan hasil kelompok disiplin yang tepat.
6. Kontrol
Perangkat lunak yang dibangun akan menampilkan pesan error untuk setiap input yang tidak sesuai.
3.3 Perancangan Aplikasi
Perancangan aplikasi yang bertujuan untuk menggambarkan semua kondisi dan bagian-bagian yang berperan dalam sistem yang dirancang. Pemodelan aplikasi dilakukan dengan membuat Use-case diagram, Data Flow Diagram (DFD), dan Flowchart.
3.3.1 Use Case Diagram
Use-case diagram dapat digunakan selama proses analisis untuk menangkap requirement sistem dan untuk memahami bagaimana sistem seharusnya bekerja. Dengan memodelkan use case diagram dapat memperoleh gambaran mengenai sistem yang digunakan proses dan model data dari sistem serta dapat diketahui proses yang terjadi pada aktivitas sistem nilai kedisiplinan siswa yang selanjutnya akan dilaporkan kepada orang tua siswa yang bersangkutan. Use-case diagram sistem pada aplikasi yang dirancang dapat dilihat pada Gambar 3.2.
(42)
Gambar 3.2. Use-Case Diagram Pada Sistem
Pada use case diagram sistem admin bertindak sebagai pembuat aplikasi yang dapat melakukan proses login, menginput data siswa, menginput data kedisiplinan siswa, proses perhitungan metode AHP dan K- Means serta mengelola data user ( pengguna aplikasi), sementara user bertindak sebagai pengguna aplikasi yang dapat melakukan kegiatan sama seperti admin kecuali pengolaan data user.
3.3.2 Activity Diagram
Activity diagram memiliki pengertian yaitu lebih fokus menggambarkan urutan aktivitas dalam suatu proses. Seperti pada penelitian ini diperlukan activity diagram yang dapat menganalisa aktivitas-aktivitas proses penanganan pendisiplinan siswa di SMP Negeri 21 Medan yang akan berlangsung selama aplikasi dijalankan. Berikut activity diagram yang dirancang untuk menangani proses pendisiplinan siswa di SMP Negeri 21 Medan.
(43)
Gambar 3.3. Activity diagram proses Login
(44)
Nama Activity Diagram Login
Actor User
Deskripsi Activity ini mendeksripsikan proses login
Prakondisi Sudah masuk ke tampilan aplikasi kedisiplinan siswa
Bidang khas suatu kejadian
Kegiatan User Respon Sistem 1. Menjalankan Program
2. Mengisi Username dan password
3. Apabila username dan password tidak diterima atau salah akan muncul peringatan salah
4. Memilih menu file kemudian data user 5. Mengisi user ID
beserta passwordnya
1. Sistem akan
menampilkan halaman login untuk memasukkan username dan password 2. Sistem akan
menampilkan halaman konfirmasi untuk verifikasi diterima atau tidaknya username dan password
3. Sistem akan
menampilkan halaman utama
4. Sistem akan
menampilkan halaman data user
5. Sistem menampilkan list user ID beserta
passwordnya. Pasca kondisi Proses Login selesai dilakukan
(45)
Activity Diagram proses pada data siswa yang dirancang dapat dilihat pada Gambar 3.4.
User Sistem
Menampilkan halaman utama
Menu data siswa
Menampilkan halaman data siswa
Menyimpan data siswa Mengisi data
siswa
Memilih data siswa
Mengubah data siswa
Tampilkan peringatan data berhasil disimpan
Menyimpan data siswa
Membuat Mengedit
Tombol create ditekan Memilih Menu
(46)
Tabel 3.2 Dokumentasi naratif Activity diagram proses Data Siswa
Nama Activity Diagram Data Siswa
Actor User
Deskripsi Activity ini mendeksripsikan proses data siswa Prakondisi Sudah masuk ke tampilan aplikasi kedisiplinan siswa
Bidang khas suatu kejadian
Kegiatan User Respon Sistem 1. Memilih menu data
siswa
2.Mengisi data siswa 3.Memilih data siswa
untuk membuat data siswa atau mengedit data siswa
1. Sistem akan menampilkan halaman data siswa 2. Sistem akan menampilkan
halaman konfirmasi untuk verifikasi membuat atau mengedit data siswa 3. Sistem akan menyimpan
data siswa
Pasca kondisi Proses data siswa selesai dilakukan
Tabel 3.3 Dokumentasi naratif Activity Diagram Proses Perhitungan Metode AHP dan K- Means pada SPK
(47)
Nama Activity Diagram Sistem Pendukung Keputusan (SPK)
Actor User
Deskripsi Activity ini mendeksripsikan proses perhitungan metode AHP dan K- Means pada SPK
Prakondisi Sudah masuk ke tampilan aplikasi kedisiplinan siswa
Bidang khas suatu kejadian
Kegiatan User Respon Sistem 1.Memilih menu SPK
2.Memilih tab menu sub kriteria DDB, DPK, DMT, DTT, DTW 3.Memilih tab hasil untuk
mnghitung hasil dari masing – masing sub kriteria.
4.Memilih tab menu inisialisasi
5.Memilih tab menu iterasi 1 , iterasi 2 , iterasi 3, iterasi 4 dan kesimpulan
1. Sistem akan
menampilkan halaman matriks kriteria metode AHP
2. Sistem akan menampilkan hasil perhitungan matriks kriteria
3. Sistem akan menampilkan hasil perhitungan sub kriteria DDB, DPK, DMT, DTT, DTW
4. Menampilkan hasil dari perhitungan kriteria dan sub kriteria dari metode AHP
5. Menampilkan hasil inisialisasi
6. Menampilkan hasil dari perhitungan Iterasi 1, iterasi 2, iterasi 3, iterasi 4, dan kesimpulan Pasca kondisi Proses perhitungan metode pada SPK selesai dilakukan
(48)
(49)
3.3.3 Data Flow Diagram (DFD)
Data Flow Diagram (DFD) adalah suatu model logika data atau proses yang dibuat untuk menggambarkan dari mana asal data dan kemana tujuan data yang keluar dari sistem, dimana data disimpan, proses apa yang menghasilkan data tersebut dan interaksi antara data yang tesimpan serta proses yang dikenakan pada data tersebut. DFD menunjukan hubungan antar data pada sistem dan proses pada sistem.
Pada sistem ini digunakan DFD level-0 pada gambar 3.6, DFD Level-1 pada gambar 3.7, untuk penjelasan lebih lanjut akan dijabarkan sebagai berikut.
Data nilai kriteria siswa
Data hasil clustering siswa
Gambar 3.6 DFD Level 0
Pada DFD Level 0, merupakan proses dalam sistem yang dirancang. User memasukan data nilai kriteria siswa ke dalam sistem. Kemudian data nilai kriteria siswa diproses di dalam sistem dengan menggunakan perhitungan matriks dan melalui beberapa iterasi dengan menggunakan masing-masing metode yaitu K- Means Clustering dan Analitycal Hierarchy Process (AHP). Kemudian menghasilkan bobot subkriteria pada penilaian disiplin siswa. Setelah bobot subkriteria diperoleh, maka dilakukan penggabungan antara kedua metode untuk menghasilkan kelompok disiplin siswa dengan menggunakan sistem tersebut.
Aplikasi Implementasi Clustering K- Means dan
Analitycal Hierarchy Process (AHP) User
(50)
Status admin Tabel User
Status user atau status admin
Nama siswa, DTW,DTT,DMT DPK, DDB Tabel siswa
Data perbandingan kriteria
Nama siswa DTW,DTT DMT,DPK DDB
Bobot sub kriteria
Gambar 3.7 DFD Level 1 User P2 Simpan data kriteria siswa P3 Penentuan bobot subkriteria menggunakan AHP P4 Clustering siswa siswa menggunakan K-Means berdasarkan subkriteria P1 Login P0 Data user
(51)
Pada DFD level-1, proses yang terjadi lebih terperinci lagi bila dibandingkan pada diagram Level-0. User login kemudian mengisi data nilai kriteria siswa, data kriteria dan data subkriteria penilaian siswa dan diproses di sistem dengan menggunakan metode Analitycal Hierarchy Process yang menghasilkan bobot dari subkriteria. Setelah memperoleh bobot tersebut kemudian dilakukan iterasi maka diperolehlah kelompok disiplin siswa.
3.3.4 Flowchart
Untuk menggambarkan flowchart semua proses yang dijalankan di dalam sistem pendukung keputusan yang diimplementasikan untuk menilai kedisiplinan siswa di SMP Negeri 21 Medan.
(52)
Gambar 3.8 Flowchart Metode K- Means Clustering
Pada Flowchart K- Means , proses awal dimulai dari penginputan dari indeks cluster, kemudian tentukan nilai centroid atau rata – rata data yang ada pada masing – masing cluster. Setelah didapat hasilnya kemudian hitung jarak setiap data dari titik indeks ke centroid, kemudian kelompokkan data kedalam cluster dengan jarak yang paling minimum dari setiap data. Ulangi penentuan centroid dan seterusnya hingga sudah tidak ada lagi data yang berpindah ke cluster yang lain.
(53)
3.3.4.2Flowchart Analytical Hierarchy Process (AHP)
Gambar 3.9 Flowchart Metode AHP
Pada Flowchat AHP proses awal dimulai dari menginput kriteria dan alternatif dari permasalahan yang akan diselesaikan. Setelah kriteria dan alternatif diinput tentukan prioritas dari kriterianya kemudian hitung konsistensi dari prioritas tersebut apakah konsisten atau tidak. Jika hasilnya konsisten lanjutkan dengan menentukan prioritas dari alternatif yang dibuat. Tentukan apakah sudah sesuai hasilnya jika sesuai tampilkan hasilnya dan apabila belum sesuia ulangi perintah menentukan prioritas dari alternatif yang dibuat.
(54)
3.3.5 Pengelompokan Disiplin
Penentuan nilai bobot sub kriteria yang digunakan dalam menilai kedisiplinan siswa menggunakan metode Analitycal Hiearachy Process (AHP). Dengan menghitung secara keseluruhan nilai bobot prioritas kriteria dan nilai bobot subkriteria akan memperoleh hasil akhir nilai bobot pada sub kriteria. Kemudian dalam penentuan kelompok disiplin siswa menggunakan metode K- Means Clustering. Proses pengelompokan siswa tersebut menggunakan perhitungan hasil akhir dari nilai bobot pada sub kriteria yang akan memperoleh kelompok disiplin siswa.
Pada penentuan kelompok disiplin siswa ini akan dikelompokkan menjadi 4 kelompok yang disesuaikan berdasarkan tingkat kedisiplinannya.
Batas Pengelompokan :
31 – 50 = Sangat Disiplin 21 – 30 = Disiplin
11 – 20 = Cukup
1 - 10 = Tidak Disiplin 3.3.6 Kriteria Kedisiplinan
1. Disiplin terhadap waktu (DTW) (1 – 10) 2. Disiplin terhadap tata tertib (DTT) (1 – 10) 3. Disiplin mengerjakan tugas (DMT) (1 – 10) 4. Disiplin dalam pembayaran kewajiban (DPK) (1 – 10) 5. Disiplin dalam berpakaian (DDB) (1 – 10)
3.3.7 Proses Input Data Pengujian
Data pengujian yang akan diinput pada aplikasi diperoleh dari angket penilaian kedisiplinan siswa di SMP Negeri 21 Medan melalui wali kelas masing – masing kelas, yang akan diserahkan kepada guru BK. Data yang digunakan dalam pengujian terdapat pada kelas IX- 2 sebanyak 25 siswa yang dapat mewakili studi kasus dari penelitian ini.
(55)
3.4 Data Pengujian
3.4.1 Perhitungan Metode Analitical Hierarchy Process (AHP) 1. Menentukan Prioritas Kriteria
A.Membuat matriks perbandingan berpasangan
Pada tahap ini dilakukan penilaian perbandingan antara satu kriteria dengan kriteria yang lain. Hasil penilaian bisa dilihat dalam tabel 3.4
Tabel 3.4 Matriks perbandingan berpasangan
DDB DPK DMT DTT DTW
DDB 1 0.33 0.25 0.20 0.14
DPK 3 1 0.33 0.25 0.2
DMT 4 3 1 0.33 0.25
DTT 5 4 3 1 0.33
DTW 7 5 4 3 1
JUMLAH 20 13.33 8.58 4.78 1.92 Angka 1 pada kolom DDB menggambarkan tingkat kepentingan yang sama antara DDB dengan DDB sedangkan angka 3 pada kolom DDB baris DPK menunjukkan DPK 3 kali lebih penting dibandingkan dengan DDB dan seterusnya . Angka 0.33 pada kolom DPK baris DDB merupakan hasil perhitungan 1/nilai pada kolom DDB baris DPK (3). Angka-angka yang lain diperoleh dengan cara yang sama.
B. Membuat matriks nilai kriteria
Matriks ini diperoleh dengan rumus berikut:
Nilai baris kolom baru = nilai baris kolom lama / jumlah masing kolom lama. Hasil perhitungan bisa dilihat dalam tabel 3.5
Tabel 3.5 Matriks nilai kriteria
DDB DPK DMT DTT DTW Jlh Prioritas DDB 0.05 0.02 0.03 0.04 0.07 0.21 0.04 DPK 0.15 0.08 0.04 0.05 0.1 0.42 0.08 DMT 0.2 0.23 0.12 0.07 0.13 0.74 0.15 DTT 0.25 0.3 0.35 0.21 0.17 1.28 0.26 DTW 0.35 0.38 0.47 0.63 0.52 2.35 0.47
(56)
Nilai 0.05 pada kolom DDB baris DDB tabel 3.5 diperoleh dari nilai kolom DDB baris DDB tabel 3.4 dibagi jumlah kolom DDB tabel3.4.
Nilai kolom jumlah pada tabel 3.5 diperoleh dari penjumlahan pada setiap barisnya.
Untuk baris pertama nilai 0.21 merupakan hasil penjumlahan dari
0.05+0.02+0.03+0.04+0.07. Nilai pada kolom prioritas diperoleh dari nilai pada kolom jumlah dibagi dengan jumlah kriteria, dalam hal ini 5.
C. Membuat matriks penjumlahan tiap baris
Matriks ini dibuat dengan mengalikan nilai prioritas pada tabel 3.5 dengan matriks perbandingan berpasangan (tabel 3.4). Hasil perhitungan disajikan dalam tabel 3.6.
Tabel 3.6 Matriks Penjumlahan tiap baris
DDB DPK DMT DTT DTW Jumlah DDB 0.04 0.03 0.04 0.05 0.07 0.23 DPK 0.12 0.08 0.05 0.06 0.09 0.4 DMT 0.16 0.24 0.15 0.09 0.12 0.76
DTT 0.2 0.32 0.45 0.26 0.16 1.39 DTW 0.28 0.4 0.6 0.78 0.47 2.53 Nilai 0.04 pada baris DDB kolom DDB tabel 3.6 diperoleh dari prioritas baris DDB pada tabel3.5 (0.04) dikalikan dengan nilai baris DDB kolom DDBpada tabel 3.4. Nilai 0.03 pada baris DPK kolom DPKtabel 3.6 diperoleh dari prioritas baris DPK pada tabel 3.5 (0.08) dikalikannilai baris DPK kolom DDB pada tabel 3.4 (0.33).
Kolom jumlah pada tabel 3.6 diperoleh dengan menjumlahkan nilai pada masing-masing baris pada tabel tersebut. Misalnya, nilai 0.23 pada kolom jumlah merupakan hasil penjumlahan dari 0.04+0.03+0.04+0.05+0.07.
D.Perhitungan Rasio Konsistensi
Penghitungan ini digunakan untuk memastikan bahwa nilai rasio konsistensi (CR) <= 0.1. Jika ternyata nilai CR lebih besar dari 0.1, maka matriks perbandingan berpasangan harus diperbaiki. Untuk menghitung rasio konsistensi, dibuat tabel seperti terlihat dalam tabel 3.7.
(57)
Tabel 3.7 Matriks Rasio Konsistensi
Jumlah tiap
baris Prioritas Hasil
DDB 0.23 0.04 5.75
DPK 0.4 0.08 5
DMT 0.76 0.15 5.07
DTT 1.39 0.26 5.35
DTW 2.53 0.47 5.38
Jumlah 26.55
Kolom jumlah tiap baris diperoleh dari kolom jumlah pada tabel 3.6, sedangkan kolom prioritas diperoleh dari kolom prioritas pada tabel 3.5. kemudian kolom hasil diperoleh dari pembagian kolom jumlah tiap baris dengan klom prioritas. Dari tabel 3.7, diperoleh nilai-nilai sebagai berikut:
Jumlah (penjumlahan dari nilai-nilai hasil) : 26.55 n (jumlah kriteria) : 5
λ maks (penjumlahan dari nilai – nilai hasil / n) : 5.31 CI ((λ maks – n) / n - 1) : 0.08
CR (CI / IR (lihat tabel 2.3)) : 0.07
Oleh karena CR < 0.1, maka rasio konsistensi dari perhitungan tersebut bisa diterima.
2. Menentukan Prioritas Sub kriteria
Penghitungan subkriteria dilakukan terhadap sub-sub dari semua kriteria. Dalam hal ini, terdapat 5 kriteria yang berarti akan ada 5 perhitungan prioritas subkriteria.
A.Menghitung prioritas subkriteria dari kriteria DDB
Langkah-langkah yang dilakukan untuk menghitung prioritas subkriteria dari kriteria DDBadalah sebagai berikut:
(58)
Membuat matriks perbandingan berpasangan.
Langkah ini seperti yang dilakukan pada langkah 1.A. hasilnya ditunjukkan dalam tabel 3.8.
Tabel 3.8 Matriks perbandingan berpasangan Kriteria DDB
Tidk Disiplin Cukup Disiplin Sangat Disiplin Tidk
Disiplin 1 0.5 0.33 0.2
Cukup 2 1 0.5 0.33
Disiplin 3 2 1 0.5
Sangat
Disiplin 5 3 2 1
Jumlah 11 6.5 3.83 2.03
Membuat matriks nilai kriteria
Langkah ini seperti yang dilakukan pada langkah 1.B. perbedaannya adalah adanya tambahan kolom prioritas subkriteria pada langkah ini. Hasilnya ditunjukkan dalam tabel 3.9.
Tabel 3.9 Matriks Nilai Kriteria DDB
Tidk
Disiplin Cukup Disiplin
Sangat
Disiplin ∑baris Prioritas
Prioritas Sub kriteria Tidk
Disiplin 0.09 0.08 0.09 0.1 0.36 0.09 0.19 Cukup 0.18 0.16 0.14 0.16 0.64 0.16 0.33 Disiplin 0.27 0.32 0.24 0.24 1.1 0.27 0.56
Sangat
Disiplin 0.45 0.48 0.54 0.48 1.95 0.48 1
Nilai pada kolom prioritas sub kriteria diperoleh dari nilai prioritas pada baris tersebut dibagi dengan nilai tertinggi pada kolom prioritas.
(59)
Menentukan matriks penjumlahan setiap baris
Langkah ini sama dengan yang dilakukan pada langkah 1.C dan ditunjukkan dalam tabel 3.10. setiap elemen dalam tabel ini dihitung dengan mengalikan matriks perbandingan berpasangan (tabel 3.8) dengan nilai prioritas (tabel 3.9).
Tabel 3.10 Matriks Penjumlahan setiap baris DDB
Tidk
Disiplin Cukup Dsiplin
Sangat
Disiplin Jumlah
Tidk
Disiplin 0.09 0.08 0.09 0.1 0.36
Cukup 0.18 0.16 0.14 0.16 0.64
Disiplin 0.12 0.32 0.27 0.24 1.1
Sangat
Disiplin 0.45 0.48 0.54 0.48 1.95
Penghitungan rasio konsistensi
Seperti langkah 1.D, penghitungan ini digunakan untuk memastikan bahwa nilai rasio konsistensi (CR) <= 0.1. Untuk menghitung rasio konsistensi, dibuat tabel seperti yang terlihat pada tabel 3.11.
Tabel 3.11 Penghitungan rasio konsistensi
Jumlah Perbaris Prioritas Jumlah
Tidk
Disiplin 0.36 0.09 4
Cukup 0.64 0.16 4
Disiplin 1.1 0.27 4.07
Sangat
Disiplin 1.95 0.48 4.06
Kolom jumlah perbaris diperoleh dari kolom jumlah pada tabel 3.7, sedangkan kolom prioritas diperoleh dari kolom prioritas pada tabel 3.6, dari tabel 3.8, diperoleh nilai-nilai sebagai berikut:
(60)
n (jumlah kriteria) : 4
λ maks (penjumlahan dari nilai – nilai hasil / n) : 4.03 CI ((λ maks – n) / n - 1) : 0.01
CR (CI / IR (lihat tabel 2.3)) : 0.01
Oleh karena CR < 0.1, maka rasio konsistensi dari perhitungan tersebut bisa diterima
B. Menghitung prioritas subkriteria dari kriteria DPK
Langkah-langkah yang dilakukan untuk menghitung prioritas subkriteria dari kriteria DPK sama dengan yang dilakukan dalam perhitungan prioritas subkriteria dari kriteria DDB Langkah- langkahnya adalah sebagai berikut:
Membuat matriks perbandingan berpasangan
Hasilnya terlihat dalam tabel 3.12
Tabel 3.12 Matriks perbandingan berpasangan kriteria DPK
Tidk
Disiplin Cukup Disiplin Sangat Disiplin Tidk
Disiplin 1 0.5 0.33 0.75
Cukup 2 1 0.5 0.33
Disiplin 3 2 1 0.5
Sangat
Disiplin 4 3 2 1
Jumlah 10 6.5 3.83 2.58
Membuat matriks nilai kriteria
(61)
Tabel 3.13 Matriks nilai kriteria DPK
Tidak
Disiplin Cukup Disiplin
Sangat
Disiplin ∑baris Prioritas
Prioritas sub kriteria Tidk
Disiplin 0.1 0.08 0.09 0.12 0.39 0.1 0.22 Cukup 0.2 0.15 0.13 0.16 0.64 0.16 0.35 Disiplin 0.3 0.31 0.26 0.24 1.11 0.27 0.61
Sangat
Disiplin 0.4 0.46 0.52 0.52 1.86 0.46 1
Matriks penjumlahan tiap-tiap baris Hasilnya tampak pada tabel 3.14
Tabel 3.14 Matriks penjumlahan setiap baris kriteria DPK
Tidk
Disiplin Cukup Disiplin
Sangat
Disiplin Jumlah Tidk
Disiplin 0.1 0.08 0.09 0.12 0.39 Cukup 0.2 0.16 0.14 0.15 0.65 Disiplin 0.3 0.32 0.28 0.23 1.13
Sangat
Disiplin 0.4 0.48 0.56 0.46 1.9
Perhitungan rasio konsistensi Hasilnya terlihat dalam tabel 3.15
Tabel 3.15 Perhitungan rasio konsistensi
Jumlah Perbaris Prioritas Jumlah Tidk
Disiplin 0.39 0.1 3.9
Cukup 0.65 0.16 4.06
Dsiplin 1.13 0.27 4.04
Sangat
(62)
Jumlah (penjumlahan dari nilai-nilai hasil): 16.13 N (jumlah kriteria): 4
Λ maks (penjumlahan dari nilai – nilai hasil / n): 4.03 CI ((λ maks-n)/n - 1): 0.01
CR (CI/IR(lihat tabel 2.3)): 0.01
Oleh karena CR < 0.1, maka rasio konsistensi dari perhitungan tersebut bisa diterima
C. Menghitung prioritas subkriteria dari kriteria DMT
Langkah-langkah yang dilakukan untuk menghitung prioritas subkriteria dari kriteria DPK sama dengan yang dilakukan dalam perhitungan prioritas subkriteria dari kriteria DDB dan DPK sebelumnya. Langkah-langkah nya adalah sebagai berikut: Membuat matriks perbandingan berpasangan
Hasilnya terlihat dalam tabel 3.16
Tabel 3. 16 Matriks perbandingan berpasangan kriteria DMT Tidk Disiplin Cukup Disiplin Sangat Disiplin Tidk
Disiplin 1 0.33 0.25 0.2
Cukup 3 1 0.33 0.25
Disiplin 4 3 1 0.33
Sangat
Disiplin 5 4 3 1
Jumlah 13 8.33 4.58 1.78
Menentukan matriks nilai kriteria
(63)
Tabel 3.17 Matriks nilai kriteria DMT
Tidk
Disiplin Cukup Disiplin
Sangat
Disiplin ∑baris Prioritas
Prioritas subkriteria Tidk
Disiplin 0.1 0.04 0.05 0.11 0.28 0.07 0.13 Cukup 0.23 0.12 0.07 0.14 0.56 0.14 0.27 Disiplin 0.3 0.36 0.22 0.19 1.08 0.27 0.52
Sangat
Disiplin 0.38 0.48 0.66 0.56 2.08 0.52 1
Menentukan matriks penjumlahan tiap baris Hasilnya tampak dalam tabel 3.18
Tabel 3.18 Matriks penjumlahan tiap baris kriteria DMT Tidk
Disiplin Cukup Disiplin
Sangat
Disiplin Jumlah Tidk
Disiplin 0.07 0.05 0.07 0.01 0.29 Cukup 0.21 0.14 0.09 0.13 0.57 Disiplin 0.28 0.42 0.27 0.17 1.14
Sangat
Disiplin 0.38 0.56 0.81 0.52 2.24 Perhitungan rasio konsistensi
Hasilnya tampak dalam tabel 3.19
Tabel 3.19 Perhitungan rasio konsistensi
Jumlah Perbaris Prioritas Jumlah
Tidk
Disiplin 0.29 0.07 4.14
Cukup 0.37 0.14 4.07
Disiplin 1.14 0.27 4.22
Sangat
(64)
Jumlah (penjumlahan dari nilai-nilai hasil): 16.74 N (jumlah kriteria): 4
Λ maks (penjumlahan dari nilai – nilai hasil /n): 4.18 CI ((λ maks-n)/n - 1): 0.06
CR (CI/IR(lihat tabel 2.3)): 0.07
Oleh karena CR < 0.1, maka rasio konsistensi dari perhitungan tersebut bisa diterima
D. Menghitung prioritas subkriteria dari kriteria DTT
Langkah-langkah yang dilakukan untuk menghitung prioritas sub criteria dari kriteria DPK ama dengan yang dilakukan dalam perhitungan prioritas subkriteria dari kriteria DDB,DPK, dan DMT. Langkah-langkahnya adalah sebagai berikut:
Menghitung matriks perbandingan berpasangan Hasilnya tampak dalam tabel 3.20
Tabel 3.20 Matriks perbandingan berpasangan kriteria DTT
Tidk
Disiplin Cukup Disiplin Sangat Disiplin
Tidk
Disiplin 1 0.5 0.25 0.2
Cukup 2 1 0.5 0.25
Disiplin 4 2 1 0.5
Sangat
Disiplin 5 4 2 1
Jumlah 12 7.5 3.75 1.95
Menghitung matriks nilai kriteria Hasilnya terlihat dalam tabel 3.21
(1)
h1 = totalarr3(z, 2) h2 = totalarr3(z, 3) h3 = totalarr3(z, 4) h4 = totalarr3(z, 5)
If h1 <= h2 Then If h1 <= h3 Then If h1 <= h4 Then
sumc1 = sumc1 + totalarr3(z, 1) counter1 = counter1 + 1
star1 = "#" star2 = " " star3 = " " star4 = " " Else
sumc4 = sumc4 + totalarr3(z, 1) counter4 = counter4 + 1
star1 = " " star2 = " " star3 = " " star4 = "#" End If
Else
If h3 <= h4 Then
sumc3 = sumc3 + totalarr3(z, 1) counter3 = counter3 + 1
star1 = " " star2 = " " star3 = "#" star4 = " " Else
sumc4 = sumc4 + totalarr3(z, 1) counter4 = counter4 + 1
star1 = " " star2 = " " star3 = " " star4 = "#" End If
End If Else
If h2 <= h3 Then If h2 <= h4 Then
sumc2 = sumc2 + totalarr3(z, 1) counter2 = counter2 + 1
star1 = " " star2 = "#" star3 = " " star4 = " " Else
sumc4 = sumc4 + totalarr3(z, 1) counter4 = counter4 + 1
star1 = " " star2 = " " star3 = " " star4 = "#" End If
Else
If h3 <= h4 Then
sumc3 = sumc3 + totalarr3(z, 1) counter3 = counter3 + 1
star1 = " " star2 = " " star3 = "#" star4 = " " Else
(2)
sumc4 = sumc4 + totalarr3(z, 1) counter4 = counter4 + 1
star1 = " " star2 = " " star3 = " " star4 = "#" End If
End If End If
iterasi3list2.Items.Add(totalarr3(z, 0) & vbTab & totalarr3(z, 1) & vbTab & star1 & vbTab & star2 & vbTab & star3 & vbTab & star4)
Next
iterasi3list2.Items.Add(vbCrLf & vbCrLf)
iterasi3list2.Items.Add(counter1 & vbTab & sumc1) iterasi3list2.Items.Add(counter2 & vbTab & sumc2) iterasi3list2.Items.Add(counter3 & vbTab & sumc3) iterasi3list2.Items.Add(counter4 & vbTab & sumc4)
id1.Text = Round(Val(sumc1) / Val(counter1), 2) id2.Text = Round(Val(sumc2) / Val(counter2), 2) id3.Text = Round(Val(sumc3) / Val(counter3), 2) id4.Text = Round(Val(sumc4) / Val(counter4), 2) End Sub
Private Sub cmdIterasi4_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles cmdIterasi4.Click
Dim X As Integer Dim z As Integer Dim sumc1 As Double Dim sumc2 As Double Dim sumc3 As Double Dim sumc4 As Double Dim counter1 As Integer Dim counter2 As Integer Dim counter3 As Integer Dim counter4 As Integer Dim star1 As String Dim star2 As String Dim star3 As String Dim star4 As String Dim h1 As Double Dim h2 As Double Dim h3 As Double Dim h4 As Double Dim kat As String
If countsiswa.State > 0 Then countsiswa.Close()
countsiswa.CursorLocation = ADODB.CursorLocationEnum.adUseClient countsiswa.Open("Select count(*) as cs from tb_siswa", oKoneksi, ADODB.CursorTypeEnum.adOpenDynamic, ADODB.LockTypeEnum.adLockPessimistic)
ReDim totalarr4(Val(countsiswa.Fields("cs").Value) - 1, 6)
sumc1 = 0 sumc2 = 0 sumc3 = 0 sumc4 = 0 counter1 = 0 counter2 = 0 counter3 = 0 counter4 = 0
iterasi4list1.Items.Clear()
iterasi4list1.Items.Add("ID" & vbTab & "RT" & vbTab & "C1" & vbTab & "C2" & vbTab & "C3" & vbTab & "C4")
(3)
totalarr4(X, 0) = totalarr(X, 0) totalarr4(X, 1) = totalarr(X, 1)
totalarr4(X, 2) = Round(Abs(Val(totalarr(X, 1)) - Val(id1.Text)), 2)
totalarr4(X, 3) = Round(Abs(Val(totalarr(X, 1)) - Val(id2.Text)), 2)
totalarr4(X, 4) = Round(Abs(Val(totalarr(X, 1)) - Val(id3.Text)), 2)
totalarr4(X, 5) = Round(Abs(Val(totalarr(X, 1)) - Val(id4.Text)), 2)
iterasi4list1.Items.Add(totalarr4(X, 0) & vbTab & totalarr4(X, 1) & vbTab & totalarr4(X, 2) & vbTab & totalarr4(X, 3) & vbTab & totalarr4(X, 4) & vbTab & totalarr4(X, 5))
Next
iterasi4list2.Items.Clear()
iterasi4list2.Items.Add("ID" & vbTab & "RT" & vbTab & "C1" & vbTab & "C2" & vbTab & "C3" & vbTab & "C4")
If siswa.State > 0 Then siswa.Close()
siswa.CursorLocation = ADODB.CursorLocationEnum.adUseClient siswa.Open("Select * from tb_siswa", oKoneksi,
ADODB.CursorTypeEnum.adOpenDynamic, ADODB.LockTypeEnum.adLockPessimistic) z = 0
With MSFlexGrid2
MSFlexGrid2.Rows = 1 MSFlexGrid2.Row = 0 Do Until siswa.EOF h1 = totalarr4(z, 2) h2 = totalarr4(z, 3) h3 = totalarr4(z, 4) h4 = totalarr4(z, 5)
If h1 <= h2 Then If h1 <= h3 Then If h1 <= h4 Then
sumc1 = sumc1 + totalarr4(z, 1) counter1 = counter1 + 1
star1 = "#" star2 = " " star3 = " " star4 = " " kat = "Tidak" Else
sumc4 = sumc4 + totalarr4(z, 1) counter4 = counter4 + 1
star1 = " " star2 = " " star3 = " " star4 = "#" kat = "Sangat" End If
Else
If h3 <= h4 Then
sumc3 = sumc3 + totalarr4(z, 1) counter3 = counter3 + 1
star1 = " " star2 = " " star3 = "#" star4 = " " kat = "Disiplin" Else
sumc4 = sumc4 + totalarr4(z, 1) counter4 = counter4 + 1
(4)
star1 = " " star2 = " " star3 = " " star4 = "#" kat = "Sangat" End If
End If Else
If h2 <= h3 Then If h2 <= h4 Then
sumc2 = sumc2 + totalarr4(z, 1) counter2 = counter2 + 1
star1 = " " star2 = "#" star3 = " " star4 = " " kat = "Cukup" Else
sumc4 = sumc4 + totalarr4(z, 1) counter4 = counter4 + 1
star1 = " " star2 = " " star3 = " " star4 = "#" kat = "Sangat" End If
Else
If h3 <= h4 Then
sumc3 = sumc3 + totalarr4(z, 1) counter3 = counter3 + 1
star1 = " " star2 = " " star3 = "#" star4 = " " kat = "Disiplin" Else
sumc4 = sumc4 + totalarr4(z, 1) counter4 = counter4 + 1
star1 = " " star2 = " " star3 = " " star4 = "#" kat = "Sangat" End If
End If End If
iterasi4list2.Items.Add(totalarr4(z, 0) & vbTab &
totalarr4(z, 1) & vbTab & star1 & vbTab & star2 & vbTab & star3 & vbTab & star4)
.AddItem("")
.set_TextMatrix(.Rows - 1, 0, z + 1)
.set_TextMatrix(.Rows - 1, 1, siswa.Fields("id_siswa").Value) .set_TextMatrix(.Rows - 1, 2,
siswa.Fields("nama_siswa").Value)
.set_TextMatrix(.Rows - 1, 3, siswa.Fields("dtw").Value) .set_TextMatrix(.Rows - 1, 4, siswa.Fields("dtt").Value) .set_TextMatrix(.Rows - 1, 5, siswa.Fields("dmt").Value) .set_TextMatrix(.Rows - 1, 6, siswa.Fields("dpk").Value) .set_TextMatrix(.Rows - 1, 7, siswa.Fields("ddb").Value) .set_TextMatrix(.Rows - 1, 8, kat)
siswa.MoveNext() z = z + 1
Loop
.Redraw = True End With
(5)
iterasi4list2.Items.Add(vbCrLf & vbCrLf)
iterasi4list2.Items.Add(counter1 & vbTab & sumc1) iterasi4list2.Items.Add(co
unter2 & vbTab & sumc2)
iterasi4list2.Items.Add(counter3 & vbTab & sumc3) iterasi4list2.Items.Add(counter4 & vbTab & sumc4) End Sub
(6)