Sistem Pendukung Pengambilan Keputusan Pemilihan Sekolah Bebas Narkoba dengan menggunakan Metode SMARTER dan Oreste ( Studi Kasus Badan Narkotika Kota Surabaya ).
(Studi Kasus Badan Narkotika Kota Surabaya)
SKRIPSI
Diajukan Untuk Memenuhi Sebagai Persyaratan Dalam Memperoleh Gelar
Sarjana Komputer Jurusan Teknik Informatika
Oleh :
CITRA ADYTYA NPM : 0634010035
JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAWA TIMUR
(2)
KATA PENGANTAR
Bismillahirrahmannirahim,
Syukur Alhamdulillaahi rabbil ‘alamin terucap ke hadirat Allah SWT atas segala limpahan Kekuatan-Nya sehingga dengan segala keterbatasan waktu, tenaga, pikiran dan keberuntungan yang dimiliki penyusun, akhirnya penyusun dapat menyelesaikan Skripsi yang berjudul ″Sistem Pendukung Pengambilan Keputusan Pemilihan Sekolah Bebas Narkoba dengan menggunakan Metode
SMARTER dan Oreste (Studi Kasus Badan Narkotika Kota Surabaya)″
dengan tepat waktu, Shalawat dan salam diperuntukkan kepada junjungan kita Nabi Besar Muhammad SAW.
Dengan selesainya Tugas Akhir ini tidak terlepas dari bantuan banyak pihak yang telah memberikan masukkan – masukkan dan dukungannya. Untuk itu Penulis mengucapkan terima kasih kepada :
1. Bapak Ir. Sutiyono, MT selaku Dekan Fakultas Teknologi Industri Universitas Pembangunan Nasional ”Veteran” Jawa Timur.
2. Bapak Basuki Rahmat, S.Si, MT selaku Ketua Jurusan Tehnik Informatika Universitas Pembangunan Nasional ”Veteran” Jawa Timur.
3. Bapak Nur Cahyo Wibowo, S.Kom. M.Kom selaku Ketua Jurusan Sistem Informasi Universitas Pembangunan Nasional ”Veteran” Jawa Timur.
(3)
4. Ibu Asti Dwi Irfianti, S.Kom, M.Kom .selaku dosen pembimbing I dan Ibu Fetty Tri Anggraeny S.Kom selaku dosen pembimbing II yang telah mengarahkan dan membimbing penulis dalam melaksanakan Tugas Akhir serta penyusunan laporan Tugas Akhir ini.
5. Bapak dan Ibu dosen Jurusan Teknik Informatika / Sistem Informasi yang dengan tulus ikhlas memberikan arahan dan bantuannya.
6. Bapak Wuwuh Priwibowo,S.P.d selaku Kepala Badan Narkotika Kota Surabaya yang telah memberikan ijin kepada Penulis untuk melaksanakan Penelitian Tugas Akhir.
7. Orang tua yang selalu memberi doa dan dukungan tiada henti, serta teman-teman teknik informatika yang turut serta membantu hingga terselesaikannya hasil laporan ini.
8. Candra Perdana, “My Love” thank’s dukungan, saran dan bantuannya. Semoga impianmu tercapai. Sukses selalu dan cepat lulus. Doaku selalu untukmu.
9. Audrey Khairunyssa, you’re my inspiration. Peri kecilku yang pinter, manis dan selalu mengertiku. I Love You, My Angel.
10. Yoga Kurniawan dan Yogi Kurniawan, Si kembar yang siap sedia mendengar keluh kesah dan curhatan. Thank’s!! Sekarang giliran kalian yang membuat Papa Mama Bangga. Cayo!! Semangat kuliah.
11. Eyang Kusni, Mama Heny dan Om Suko. Thank’s! Rumahnya menjadi tempat kedua untuk menyelesaikan Tugas Akhir ini. Maaf merepotkan.
(4)
12. Nia Tri Lestari, teman senasibku. Akhirnya Kita lulus bareng. Sekarang waktunya cari kerja. Semangat!!!
Dan tak lupa kepada semua pihak yang telah memotivasi dan membantu penulis dalam melaksanakan Tugas Akhir serta penyusunan laporan ini. Semoga Allah SWT senantiasa memberi limpahan HidayahNya kepada kita semua, amin. Penulis menyadari bahwa laporan ini masih jauh dari kata sempurna, untuk itu kritik dan saran yang membangun penulis harapkan dari para pembaca untuk pembenahan laporan ini. Akhirnya penulis berharap agar hasil laporan ini bermanfaat bagi para pembaca pada umumnya, dan bagi para penulis khususnya, serta mampu memberikan sumbangsih bagi kemajuan keluarga besar Teknik Informatika UPN “Veteran” JATIM, Amin.
Surabaya, 20 Mei 2011
(5)
ABSTRAK ……….. v
KATA PENGANTAR ………. vi
DAFTAR ISI ……… ix
DAFTAR GAMBAR ………... xiii
DAFTAR TABEL ……… xv
BAB 1 PENDAHULUAN ………. 1
1.1 Latar Belakang Masalah ……… 1
1.2 Perumusan Masalah ……….. 2
1.3 Pembatasan Masalah ………. 2
1.4 Tujuan ……… 3
1.5 Manfaat ………. 3
1.6 Sistematika Penulisan ……… 3
BAB II LANDASAN TEORI ……… 5
2.1 Profil Badan Narkotika Kota Surabaya ………. 5
2.1.1 Event Pemilihan Sekolah Bebas Narkoba ………. 8
2.1.2 Cara Perhitungan Nilai Pada Bnk Surabaya ………. 10
2.2 Sistem Pendukung Keputusan ……….. 10
2.3 Komponen Sistem Pendukung Keputusan ……… 11
2.4 Multiple Criteria Decision Making (MCDM) ……….. 16
2.5 Metode Smarter (Simple Multi-Attribute Rating Technique Exploiting Ranks) ………. 18
2.6 Metode Oreste ……….. 20
2.7 Konsep Database ……….. 22
2.7.1 Istilah Dalam Database ………. 23 2.7.2
(6)
2.7.3 Data Flow Diagram (DFD) ……… 28
2.7.4 ERD (Entity Relationship Diagram) ………. 30
BAB III PERANCANGAN SISTEM ……… 33
3.1 Tahap Penelitian ……… 33
3.2 Model Pengembangan ………... 33
3.3 Rancangan Penelitian ……… 35
3.3.1 Alur Proses Rancangan Penelitian ……… 35
3.3.2 Perancangan Sistem ……….. 36
3.4 Diagram Berjenjang ………. 38
3.5 Analisis Data ……… 39
3.5.1 Data Flow Diagram ……….. 39
3.5.2 Entity Relationship Diagram ……… 45
3.6 Struktur Database ………. 47
3.7 Perancangan Antar Muka ………. 50
3.7.1 Desain Form Login ………... 50
3.7.2 Desain Form Menu Utama ……… 51
3.7.3 Desain Form Maintenance Data Admin ……… 52
3.7.4 Desain Form Maintenance Data Kriteria ……….. 53
3.7.5 Desain Form Maintenance Data Sekolah ………. 54
3.7.6 Desain Form Data Seleksi ……… 54
3.7.7 Desain Form Penilaian Kriteria ……… 55
3.7.8 Desain Form Penilaian Alternatif ……… 56
3.7.9 Desain Form Pemilihan Alternatif ……….. 56
BAB IV IMPLEMENTASI SISTEM ……….. 58
4.1 Implementasi ………... 58
4.2 Kebutuhan Sistem ……… 58
4.3 Instalasi Program Dan Pengaturan Sistem ……….. 59
4.4 Implementasi Program ……… 59
(7)
4.4.2 Form Menu Utama ……….. 60
4.4.3 Form Maintenance Data Admin ………. 61
4.4.4 Form Maintenance Data Kriteria ……… 62
4.4.5 Form Maintenance Data Sekolah ……… 62
4.4.6 Form Data Seleksi ……….. 63
4.4.7 Form Penilaian Kriteria ……….. 64
4.4.8 Form Penilaian Alternatif ………... 64
4.4.9 Form Pemilihan Alternatif ……….. 65
BAB V UJI COBA DAN EVALUASI ……… 66
5.1 Uji coba Aplikasi ……… 66
5.1.1 Data Sekolah (peserta) ………... 66
5.1.2 Pembobotan Kriteria ……….. 68
5.1.3 Nilai Kriteria Masing-Masing Sekolah ……….. 69
5.1.4 Menghitung Normalisasi Bobot ………. 70
5.1.5 Nilai Kriteria Masing-Masing Sekolah ……….. 70
5.1.6 Menghitung Nilai Utility ……… 71
5.1.7 Menghitung Nilai Akhir dari Kriteria ……… 72
5.1.8 Kriteria Besson Rank ………. 73
5.1.9 Proyeksi Matrik Posisi ………... 73
5.1.10 Rankingan Proyeksi ………... 74
5.1.11 Agregasi Ranking Global ………... 75
5.1.12 Laporan Hasil Seleksi ………. 76
5.2 Evaluasi Sistem ……….. 77
5.2.1 Data Sekolah (peserta) ……… 77
5.2.2 Bobot Masing-Masing Kriteria ……….. 77
5.2.3 Nilai Kriteria Masing-Masing Sekolah ……….. 79
5.2.4 Menghitung Normalisasi Bobot ………. 80
5.2.5 Menghitung Nilai Utility ……… 81
5.2.6 Menghitung Nilai Akhir dari Kriteria ………. 82 5.2.7
(8)
5.2.8 Rankingan Proyeksi ……….. 86
5.2.9 Agregasi Ranking Global ………. 87
5.3 Perbandingan Output Metode SMARTER dan Oreste dengan Penilaian Badan Narkotika Kota Surabaya ……….. 88
BAB VI PENUTUP ……….. 90
6.1 Kesimpulan ……….. 90
6.2 Saran ………. 91
DAFTAR PUSTAKA LAMPIRAN
(9)
Penyusun : Citra Adytya NPM : 0634010035
Pembimbing : 1. Asti Dwi Irfianti, S.Kom, M.Kom 2. Fetty Tri Anggraeny, S.Kom
ABSTRAK
Pengambilan keputusan merupakan bagian kunci kegiatan dari eksekutif, manajer, karyawan, mahasiswa, dan setiap manusia dalam kehidupannya. Masalah yang biasa terjadi dalam pengambilan keputusan adalah informasi tidak cukup, terlampau banyak, tidak akurat, tidak mampu menganalisis masalah dan banyak lagi lainnya. Tak terkecuali dalam hal pengambilan keputusan untuk memilih sekolah bebas narkoba.
Dalam pengambilan keputusan untuk memilih sekolah bebas narkoba terdapat beberapa kesulitan yang dihadapi, diantaranya adalah adanya kondisi ketidakpastian untuk memilih salah satu sekolah, terdapat berbagai sekolah yang ditawarkan, terdapat faktor-faktor/kriteria yang berpengaruh terhadap pilihan yang ada seperti pelatihan, seminar, sosialisasi, lomba madding, dan lain-lain. Proses pemilihan sekolah diikuti dengan tersedianya lebih dari satu pilihan yang memenuhi kriteria tertentu adalah termasuk permasalahan Multiple Criteria Decision Making (MCDM) sehingga penyelesaiannya membutuhkan suatu sistem pendukung keputusan (SPK).
Metode yang dipakai dalam pengambilan keputusan pemilihan jenis pelatihan ini adalah SMARTER (Simple Multi-Attribute Rating Technique Exploiting Ranks) dan Oreste. Kedua metode tersebut merupakan bagian dari metode Multiple Criteria Decision Making (MCDM). Kedua metode tersebut dipilih karena metode SMARTER merupakan suatu bentuk model pendukung keputusan yang digunakan untuk pengambilan keputusan dengan kriteria beragam dan dapat digunakan untuk memecahkan masalah pengambilan keputusan yang mengandalkan intuisi sebagai input utamanya. Sedangkan metode Oreste merupakan suatu bentuk metode pendukung keputusan yang didasarkan pada konsep bahwa alternatif yang terbaik adalah yang memiliki banyak keunggulan pada setiap kriteria dibanding alternatif yang lain. Pada Tugas Akhir ini, sistem pendukung keputusan menggunakan metode SMARTER dan Oreste mampu menganalisa kriteria dan alternatif yang dibandingkan dan dapat memberikan alternatif rekomendasi sekolah yang sesuai.
(10)
1.1Latar Belakang Masalah
Badan Narkotika Kota Surabaya menjalankan program pemilihan sekolah bebas narkoba untuk mencegah penyalahgunaan NAPZA (Narkotika, Alkohol, Psikotropika dan Zat Adiktif lainnya) di lingkungan Sekolah. Penyalahgunaan NAPZA di Indonesia khususnya di kalangan generasi muda saat ini telah menimbulkan dampak yang sangat mengkhawatirkan.
Untuk dapat terpilih dalam perlombaan ini, maka harus sesuai dengan aturan-aturan yang telah ditetapkan. Pemilihan ini dinilai dari kegiatan-kegiatan yang pernah dilakukan pihak sekolah baik kegiatan intrakurikuler maupun ekstrakurikuler, seperti pelatihan, seminar, sosialisasi, lomba madding, dan lain-lain. Oleh karena jumlah peserta yang mengajukan pemilihan ini banyak, serta indikator kriteria yang banyak juga, maka perlu dibangun sebuah sistem pendukung keputusan yang akan membantu penentuan siapa yang berhak untuk memenangkan perlombaan ini.
Mengenai metode yang diambil, SMARTER (Simple Multi-Attribute Rating Technique Exploiting Ranks) merupakan modifikasi dari metode SMART (Simple Multi-Attribute Rating Technique) yang diusulkan oleh Edwards dan Baron (1994), dimana kedua metode ini digunakan untuk menentukan bobot dari setiap kriteria dalam suatu pengambilan keputusan. Sedangkan Oreste merupakan
(11)
metode yang dibangun sesuai untuk kondisi dimana sekumpulan alternatif akan diurutkan berdasarkan kriteria sesuai dengan tingkat kepentingannya.
Gabungan Metode SMARTER dan Oreste memungkinkan bobot ditentukan oleh Metode SMARTER, yang kemudian akan menjadi inputan bagi Oreste dalam menentukan urutan alternative terbaik.
1.2Perumusan Masalah
Berdasarkan latar belakang di atas dapat dirumuskan permasalahan yang akan diselesaikan yaitu bagaimana merancang sebuah system pendukung keputusan dengan menggunakan Metode SMARTER dan Oreste untuk menentukan siapa yang akan terpilih menjadi sekolah bebas narkoba berdasarkan bobot dan kriteria yang sudah ditentukan.
1.3Pembatasan masalah
Batasan masalah dari sistem yang dibahas adalah sebagai berikut :
1. Studi kasus dilakukan pada Badan Narkotika Kota Surabaya, sehingga data yang digunakan dan diolah adalah data sekolah yang ada pada Badan Narkotika Kota Surabaya.
2. Pihak penilai adalah pihak-pihak yang ditunjuk oleh Badan Narkotika Kota Surabaya sebagai pihak dengan kriteria tertentu yang bersifat membantu proses pemilihan sekolah bebas narkoba.
3. Asumsi terbaik adalah yang sesuai dengan kriteria-kriteria yang telah ditentukan oleh Badan Narkotika Kota Surabaya.
(12)
1.4Tujuan
Tujuan penelitan ini adalah membangun suatu model pengambilan keputusan dengan mengunakan Metode SMARTER dan Oreste untuk menentukan sekolah mana yang akan memenangkan lomba ini berdasarkan kriteria-kriteria serta bobot yang sudah ditentukan. Dengan menggunakan sebuah program untuk membantu menyelesaikan permasalahan sehingga jauh lebih mudah dan efisien.
1.5Manfaat
Dengan metode perangkingan tersebut, diharapkan penilaian akan lebih tepat karena didasarkan pada nilai kriteria dan bobot yang sudah ditentukan sehingga akan mendapatkan hasil yang lebih akurat terhadap sekolah mana yang akan terpilih dalam lomba sekolah bebas narkoba ini.
1.6Sistematika Penulisan
Sistimatika penulisan pada laporan ini adalah sebagai berikut:
BAB I : PENDAHULUAN
Pada bab ini membahas tentang latar belakang masalah dan penjelasan permasalahan secara umum, perumusan masalah serta batasan masalah yang dibuat, tujuan dari pembuatan tugas akhir dan sistematika penulisan buku ini.
BAB II : LANDASAN TEORI
Pada bab ini membahas secara singkat teori-teori yang berhubungan dan mendukung dalam pembuatan tugas akhir ini.
(13)
BAB III : PERANCANGAN SISTEM
Pada bab ini membahas tentang perancangan sistem, analisis sistem, System Flow, Entity Relationship Diagram (ERD), Data Flow Diagram (DFD), serta desain input dan output.
BAB IV : IMPLEMENTASI DAN EVALUASI
Pada bab ini membahas tentang implementasi dari aplikasi yang dibuat secara keseluruhan. Serta melakukan pengujian terhadap aplikasi yang dibuat untuk mengetahui aplikasi tersebut telah dapat menyelesaikan permasalahan yang dihadapi sesuai dengan yang diharapkan.
BAB V : PENUTUP
Pada bab ini berisikan kesimpulan dari sistem dan saran untuk pengembangan sistem.
(14)
2.1 Profil Badan Narkotika Kota Surabaya
Berdasar Undang-undang Nomor 5 Tahun 1997 tentang Psikotropika (zat/obat baik alamiah maupun sintetis bukan narkotika, yang berkhasiat psikoaktif melalui pengaruh selektif pada susunan syaraf pusat yang mengakibatkan perubahan khas pada aktivitas mental dan perilaku) dan Undang-undang Nomor 22 Tahun 1997 tentang Narkotika (zat/obat yang berasal dari tanaman/bukan tanaman baik sintetis maupun semi sintetis yang dapat menyebabkan perubahan kesadaran, menghilangkan rasa nyeri dan dapat menimbulkan ketergantungan), Walikota membentuk suatu badan narkotika kota di kota Surabaya.
Badan Narkotika Kota adalah lembaga non struktural yang berkedudukan di bawah dan ditanggung jawab langsung kepada Walikota. Badan Narkotika Kota mempunyai tugas membantu walikota dalam:
a. Mengkoordinasikan perangkat daerah dan instansi pemerintah di Kota Surabaya, dalam mengimplementasikan kebijakan dan pelaksanaan operasional di bidang pencegahan, pemberantasan, penyalahgunaan dan peredaran gelap narkotika, psikotropika, prekusor dan bahan adiktif lainnya (P4GN).
b. Membentuk satuan tugas sesuai kebijakan operasional Badan Narkotika Nasional yang terdiri atas unsur perangkat daerah dan instansi pemerintah di
(15)
Kota Surabaya sesuai dengan tugas, fungsi dan kewenangannya masing-masing.
Dalam melaksanakan tugas diatas, Badan Narkotika Kota mempunyai fungsi : a. Pengkoordinasian perangkat daerah dan instansi pemerintah di Kota Surabaya,
dalam persiapan dan penyusunan kebijakan pelaksanaan operasional di bidang pencegahan, pemberantasan, penyalahgunaan dan peredaran gelap narkotika, psikotropika, prekusor dan bahan adiktif lainnya (P4GN).
b. Pengoperasian satuan tugas yang terdiri atas unsur perangkat daerah dan instansi pemerintah di Kota Surabaya di bidang pencegahan, pemberantasan, penyalahgunaan dan peredaran gelap narkotika, psikotropika, prekusor dan bahan adiktif lainnya (P4GN) sesuai dengan tugas, fungsi dan kewenangannya masing-masing.
A. VISI
Mewujudkan masyarakat Surabaya yang bebas dari penyalahgunaan, peredaran dan perdagangan gelap napza dengan memperkuat ketahanan diri masyarakat, pemuda dan remajanya.
(16)
B. MISI
a. Membangun kesadaran seluruh elemen masyarakat dan pemerintah tentang bahaya napza dan penanggulangannya.
b. Mengkoordinasikan kekuatan elemen masyarakat dengan dinas pemerintah terkait dengan perencanaan, implementasi, monitoring upaya penanggulangan bahaya dan peredaran serta perdagangan napza.
c. Membangun Ketahanan diri remaja dan pemuda secara aktif dan partisipatif guna mencegah pengaruh buruk napza.
d. Melakukan advokasi dan upaya penegakan hukum yang tegas bagi pelaku peredaran dan perdagangan gelap napza.
C. TUJUAN
Melindungi masyarakat Surabaya dari penyalahgunaan, peredaran dan perdagangan gelap napza.
D. SASARAN
Sasaran merupakan penjabaran dari tujuan, yaitu sesuatu yang akan dicapai atau dihasilkan oleh Badan Narkotika Kota Surabaya dalam jangka waktu tahunan, semesteran, triwulanan atau bulanan. Berdasarkan tujuan yang telah ditetapkan maka sasaran yang akan dicapai atau dihasilkan oleh Badan Narkotika Kota Surabaya adalah meningkatkan sumber daya manusia masyarakat Kota Surabaya dengan memerangi narkoba sehingga dapat terwujud masyarakat yang sehat secara jasmani dan rohani yang dapat menunjang pembangunan daerah.
(17)
E. SUSUNAN ORGANISASI
Sesunan organisasi Badan Narkotika Kota Surabaya terdiri dari:
Gambar 2.1 Bagan susunan organisai BNK Surabaya
2.1.1 Event Pemilihan Sekolah Bebas Narkoba
Banyak kegiatan-kegiatan yang dilakukan Badan Narkotika Kota Suarabaya untuk mengajak masyarakat meningkatkan kewaspadaan terhadap lingkungan sekitar. Peran tokoh agama, tokoh masyarakat dan orang tua sangat penting untuk memerangi bahaya penyalahgunaan narkoba, disamping itu peran guru juga sangat berpengaruh dalam mengembangkan minat dan bakat generasi muda.
Pentingnya penyuluhan ini dikembangkan oleh Badan Narkotika Kota Surabaya dengan mengadakan lomba sekolah bebas narkoba. Lomba sekolah bebas narkoba merupakan gerakan dan aksi nyata untuk pencegahan penyalahgunaan narkoba, sekaligus untuk menekan peredaran dan penyalahgunaan narkoba secara lebih optimal.
KETUA
SEKRETARIS merangkap ANGGOTA
(18)
Unsur yang akan ditonjolkan dalam pemilihan sekolah bebas narkoba ini diantaranya kreatifitas menciptakan lingkungan bebas narkoba, menciptakan sistem keamanan lingkungan yang baik, mengambil langkah penanganan narkoba, baik untuk yang pernah terkena maupun yang belum serta mendokumentasikan seluruh kegiatan.
Berikut ini adalah nama-nama kriteria beserta pembobotan yang dibutuhkan dalam pemilihan sekolah bebas narkoba pada Badan Narkotika Kota Surabaya:
Tabel 2.1 nama-nama kriteria beserta pembobotannya
Kode Nama Kriteria Bobot
C1 Sosialisasi oleh instansi terkait 95
C2 Sosialisasi oleh guru/siswa 100
C3 Sosialisasi untuk wali murid 100
C4 Rapat penanganan masalah narkoba 75
C5 Upacara bendera dengan materi narkoba 75
C6 Lomba mading 90
C7 Lomba karikatur/lukis 90
C8 Lomba pidato tentang narkoba 80
C9 Lomba puisi tentang narkoba 70
C10 Lomba Peer Educator 100
C11 Lomba teater/treatikal tentang narkoba 75
C12 Pembentukan satgas/kelompok peduli narkoba 100
C13 Pembentukan kader 80
C14 Pelatihan kader narkoba 80
C15 Tes untuk mengetahui lahgun narkoba 70
C16 Tindak pencegahan lahgun narkoba 80
C17 Jaringan untuk terapi/rehabilitasi 50
C18 Penanganan tentang peredaran gelap narkoba 70
C19 Peraturan sekolah tentang narkoba 100
C20 Pemasangan spanduk masalah narkoba 70
C21 Lomba cipta poster 75
C22 Penyuluhan oleh satgas 70
C23 Sertifikat seminar 100
(19)
2.1.2 Cara Perhitungan Nilai pada Badan Narkotika Kota Surabaya
Dalam perlombaan sekolah bebas narkoba ini, penilaian dilakukan oleh 6 penilai yang telah ditentukan Badan Narkotika Kota Surabaya. Perhitungan nilai ini tidak menggunakan rumus, melainkan hasil penilaian ini akan dijumlahkan dari beberapa nilai kriteria pada tiap sekolah. Sekolah yang memiliki skor tertinggi akan memenangkan perlombaan ini.Walaupun dalam perhitungan tanpa rumus ini tidak pernah ditemukan skor yang sama. Oleh karena itu, Badan Narkotika Kota Surabaya masih menggunakan metode dengan perhitungan menjumlahkan hasil penilaian tiap sekolah tersebut.
2.2Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (SPK) merupakan suatu kumpulan prosedur pemrosesan data dan informasi yang berorientasi pada penggunaan model untuk menghasilkan berbagai jawaban yang dapat membantu manajemen dalam pengambilan keputusan dimana SPK harus sederhana, mudah dan adaptif. Adapun ciri utama dalam SPK ini yang sekaligus sebagai keunggulannya adalah kemampuan SPK untuk menyelesaikan masalah-masalah yang tidak terstruktur. Menurut Sudirman dan Widjajani (1996) mengemukakan bahwa ciri-ciri SPK yang dirumuskan oleh Alters Keen adalah:
1. SPK ditujukan untuk membantu keputusan-keputusan yang kurang terstruktur dan umumnya dihadapi oleh para manajer yang berada di tingkat puncak. 2. SPK merupakan gabungan antara kumpulan model kualitatif dan kumpulan
(20)
3. SPK memiliki fasilitas interaktif yang dapat mempermudah hubungan antara manusia dengan komputer.
4. SPK bersifat luwes dan dapat menyesuaikan dengan perubahan-perubahan yang terjadi.
SPK tidak dimaksudkan untuk menggantikan manajer dalam keputusan, namun manajer dan komputer bekerja sama sebagai tim pemecahan masalah yang berada di area semi konduktor yang jelas.
2.3 Komponen Sistem Pendukung Keputusan
Tugas Lingkungan
Gambar 2.2 Komponen SPK
Basis Data Basis Model
Manajemen Basis Data
Manajemen Basis Model Manajemen
Penyelenggara Dialog
(21)
Terdiri dari 3 subsistem yaitu subsistem manajemen basis data, subsistem manajemen basis model, dan subsistem perangkat lunak penyelenggara dialog. Hubungan dari subsistem-subsistem tersebut digambarkan seperti terlihat pada gambar 2.1. (Ralph And Hugh, 1989:24).
a. Subsistem Manajemen Basis Data
Subsistem data yang tercakup dalam sistem manajemen basis data dapat terlihat pada gambar 2.2. Merupakan bagian-bagian yang menyediakan data yang dibutuhkan oleh sistem. Data ini di organisasikan dalam suatu database yang disebut Sistem Manajemen Basis Data (DBMS). Ada beberapa perbedaan database untuk SPK dan non-SPK. Pertama sumber data untuk SPK lebih kaya daripada non-SPK. Perbedaan lain adalah proses pengambilan dan ekstraksi dari sumber data yang sangat besar. SPK membutuhkan proses ekstraksi dan DBMS yang dalam pengelolaannya harus cukup flexible untuk memungkinkan penambahan dan pengurangan secara cepat. Adapun subsistem data yang tercakup dalam DataBase Management Subsystem
(DBMS) dapat dilihat pada gambar 2.2 dibawah ini (Ralph And Hugh, 1989:25). Kemampuan yang dibutuhkan dari manajemen database sebagai berikut:
1. Mengkombinasikan berbagai variasi data melalui pengambilan dan ekstraksi data.
(22)
3. Menggambarkan struktur data logikal sesuai dengan pengertian pemakai sehingga pemakai mengetahui apa yang tersedia dan dapat menentukan kebutuhan penambahan dan pengurangan.
4. Menangani data secara personil sehingga pemakai dapat mencoba berbagai alternatif pertimbangan personil.
5. Kemampuan untuk mengelola berbagai variasi data.
Sumber Data Eksternal
Keuangan Pemasaran Personalia Manufaktur
Sumber Data Internal Lainnya
Fungsi Manajemen Basis Data: 1. Menggambarkan struktur data.
2.Update
3. Pengurangan dan Penambahan data
Manajemen Basis Model
Manajemen Penyelenggara Dialog
Gambar 2.3 Subsistem Manajemen Basis Data Data :
1. Ekstraksi 2. Mengambil 3. Menambah
Basis Data SPK
(23)
b. Subsistem Manajemen Basis Model
Salah satu dari kelebihan SPK adalah kemampuannya untuk mengintegrasikan akses data dan model-model keputusan. Hal ini dapat dilakukan dengan menambah model-model keputusan ke dalam sistem informasi yang menggunakan database sebagai mekanisme integrasi dan komunikasi diantara model-model. Salah satu persoalan yang berkaitan dengan model adalah bahwa penyusunan model seringkali terikat pada struktur model yang mengasumsikan adanya masukan yang benar dan cara keluaran yang tepat. Sementara model cenderung tidak mencukupi adanya kesulitan dalam mengembangkan model yang teritegrasi untuk menangani sekumpulan keputusan yang saling bergantungan. Untuk menangani masalah ini dengan menggunakan koleksi berbagai model yang terpisah, dimana setiap model digunakan untuk menangani bagian yang berbeda dari masalah yang dihadapi. Gambar 2.3 (Ralph And Hugh, 1989:26) menggambarkan komponen-komponen dari subsistem model. Kemampuan yang dimiliki subsistem basis model meliputi:
1. Menciptakan model baru secara cepat dan mudah.
2. Mengakses dan mengintegrasikan model-model keputusan.
3. Mengelola basis model dengan fungsi manajemen yang analog dan manajemen database.
(24)
Manajemen Basis Data
Fungsi manajemen Basis Model: 1. Menciptakan model. 2. Memelihara – update. 3. Manipulasi – use. Manajemen Penyelenggara Dialog
Gambar 2.4 Subsistem Manajemen Basis Model
c. Subsistem Perangkat Lunak Penyelenggara Dialog
Subsistem dialog adalah fleksibilitas dan kekuatan karakteristik SPK yang timbul dari kemampuan interaksi antara sistem dan pemakai. Menurut Bennet, komponen sistem dialog adalah pemakai, terminal, dan sistem perangkat lunak, bisa melihat pada gambar 2.4. (Ralph And Hugh, 1989:27).
Basis Data SPK
Model-Model Strategis Model-Model Taktis Model-Model Operasional
“Bangunan” Model dan Subrutin
(25)
Bahasa Aksi
User SPK Bahasa Tampilan
Gambar 2.5 Subsistem Penyelenggaraan Dialog
Selain itu kemampuan yang harus dimiliki oleh SPK untuk mendukung dialog pemakai/sistem meliputi:
1. Menangani berbagai variasi gaya dialog.
2. Mengakomodasi tindakan pemakai dengan berbagai peralatan masukan. 3. Menampilkan data dengan berbagai variasi format dan peralatan keluaran. Memberikan dukungan yang fleksibel untuk mengetahui basis pengetahuan pemakai.
2.4 Multiple Criteria Decision Making (MCDM)
Multiple Criteria Decision Making (MCDM) adalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan kriteria tertentu. Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan (Kusumadewi dkk, 2006:69). Berdasarkan tujuannya, MCDM dapat dibagi menjadi 2 model yaitu Multi Attribute Decision Making (MADM) dan Multi Objective Decision Making (MODM). Seringkali MCDM dan MADM digunakan
(26)
untuk menerangkan kelas atau kategori yang sama. MADM biasanya digunakan untuk melakukan penilaian atau seleksi terhadap beberapa alternatif dalam jumlah terbatas. Sedangkan MODM digunakan untuk menyelesaikan masalah-masalah pada ruang kontinyu (seperti permasalahan pada pemrograman matematis). Secara umum dapat dikatakan bahwa, MADM menyeleksi alternatif terbaik dari sejumlah alternatif, sedangkan MODM merancang alternatif terbaik. Perbedaan mendasar terlihat pada Tabel 2.2.
Tabel 2.2 Perbedaan antara MADM dan MODM
MADM MODM
Kriteria (didefinisikan oleh) Atribut Tujuan
Tujuan Implisit Eksplisit
Atribut Eksplisit Implisit
Alternatif Diskret, dalam jumlah terbatas
Kontinu, dalam jumlah tak terbatas
Kegunaan Seleksi Desain
Ada beberapa fitur umum yang akan digunakan dalam MCDM, yaitu:
a. Alternatif, alternatif adalah obyek-obyek yang berbeda dan memiliki kesempatan yang sama untuk dipilih oleh pengambil keputusan.
b. Atribut, atribut sering juga disebut sebagai karakteristik, komponen, atau kriteria keputusan. Meskipun pada kebanyakan kriteria bersifat satu level, namun tidak menutup kemungkinan adanya sub kriteria yang berhubungan dengan kriteria yang telah diberikan.
(27)
c. Konflik antar kriteria, beberapa kriteria biasanya mempunyai konflik antara satu dengan yang lainnya, misalnya kriteria keuntungan akan mengalami konflik dengan kriteria biaya.
d. Bobot keputusan, bobot keputusan menunjukkan kepentingan relatif dari setiap kriteria, W = (w1,w2,...,wn). Pada MCDM akan dicari bobot kepentingan setiap kriteria.
e. Matriks keputusan, suatu matriks keputusan X yang berukuran m x n, berisi elemen-elemen xij, yang merepresentasikan rating dari alternatif Ai(i=1,2,...,m) terhadap kriteria Cj(j=1,2,...,n).
2.5 Metode SMARTER (Simple Multi-Attribute Rating Technique Exploiting
Ranks)
Metode SMARTER (Simple Multi-Attribute Rating Technique Exploiting Ranks) merupakan modifikasi dari metode SMART (Simple Multi-Attribute Rating Technique) yang diusulkan oleh Edwards dan Baron (1994), dimana kedua metode ini digunakan untuk menentukan bobot dari setiap kriteria dalam suatu pengambilan keputusan. Bobot setiap kriteria menentukan tingkat kepentingan
Sistem pendukung keputusan pemilihan sekolah bebas narkoba adalah sistem yang membantu pengambil keputusan untuk memilih calon-calon sekolah yang berprestasi dalam program pencegahan penyalahgunaan narkoba. Sistem ini akan memberikan penilaian kepada setiap calon sekolah berdasarkan bobot dan nilai kriteria yang telah diperoleh dari proses seleksi dengan menggunakan metode SMART (Simple Multi-Attribute Rating Technique). Sistem ini akan
(28)
menghasilkan calon-calon sekolah yang akan memperoleh penghargaan dari Badan Narkotika Kota Surabaya berdasarkan kriteria yang telah ditentukan oleh Badan Narkotika Kota Surabaya.
Proses pemodelan SMARTER
Langkah 0 :
Jika i=0 maka proses berhenti
Jika i>0 maka proses berlanjut ke langkah 1 Langkah 1 :
hitung normalisasi bobot ………(1)
nwj = normalisasi bobot kriteria ke-j k = jumlah kriteria
wn = bobot kriteria ke-n
Langkah 2 :
hitung nilai utility untuk setiap nilai kriteria masing-masing sekolah
uij = 100 (cmax-couti ) % ……….(2) (cmax-cmin)
uij = nilai utility kriteria ke-j untuk sekolah ke-i cmax = nilai kriteria maksimal
cmin = nilai kriteria minimal
k n n j j w w nw 1(29)
cout i = nilai alternative j dari kriteria ke-i Langkah 3 :
hitung nilai akhir masing-masing kriteria
...(3)
ni = Nilai Akhir masing-masing criteria
2.6 Metode Oreste
Oreste menurut Pastijn dan Leysen merupakan metode yang dibangun sesuai untuk kondisi dimana sekumpulan alternatif akan diurutkan berdasarkan kriteria sesuai dengan tingkat kepentingannya. Salah satu proses dalam metode
Oreste adalah Besson-rank, adapun Besson-rank tersebut adalah proses pemberian ranking untuk sejumlah kriteria atau alternatif berdasarkan tingkat kepentingannya. Nilai Besson-rank ini disesuaikan sendiri oleh penilai, intinya bobot criteria terbesar memiliki besson-rank terkecil. Tetapi jika bobot kriterianya sama, maka nilai besson-ranknya pun sama. Besson-rank ini mempunyai nilai kelipatan, jadi jika nilai awalnya 0,05 maka nilai selanjutnya 0,1 ; 0,15 ; 2 …. Dst.
Contoh untuk 4 kriteria yaitu: C1 = C2 > C3 > C4 (C1 mempunyai tingkat kepentingan sama dengan C2, C2 lebih penting dari C3 dan C3 lebih penting dari C4), maka Besson-rank dari kriteria tersebut adalah :r4 = 1,5 ; r3 = 3 ; r1 = r2 = 4,5.
ij k
j j
i nwu
n
(30)
Secara umum langkah-langkah penggunaan metode Oreste terbagi menjadi tiga tahap:
a.) Proyeksi dari matrik posisi. Pada tahap ini akan dibangun sebuah matrik yang disebut matrik posisi, dimana matrik posisi ini merepresentasikan Besson-rank dari setiap alternatif berdasarkan kriteria-kriteria yang ada. Pada tahap ini juga ditentukan city blockdistance, dimana distance d(0,aj) didapatkan dengan menggunakan {rj(a), rj }. City block distance dapat diperoleh dengan :
d(0,aj) = α . rj(a) + (1 – α). rj ……….(4)
d(0,aj) = Proyeksi matrik posisi
α = Tingkat Kepercayaan 95% = 0,05
rj(a) = Besson-rank dari tiap criteria
rj = Nilai akhir masing-masing kriteria pada rumus no. 3
b.) Rankingan dari proyeksi. Untuk merangking proyeksi, rangking R(aj) diberikan pada pasangan (a,gj) dimana:
R(aj)<=R (bk) jika d(0,aj) <=d(0,bk) ……….(5)
d(0,aj) = Nilai proyeksi matrik posisi ke-1
(31)
R(aj) = Ranking kecil
R (bk) = Ranking besar
c.) Agregasi dari ranking global. Pada tahap agregasi, setiap satu alternatif akan mendapatkan jumlah rangking comprehensive untuk sekumpulan kriteria. Sehingga untuk alternatif a akan diperoleh hasil agregasi akhir:
R(a) = Σ R(aj) ………..(6)
R(a) = Agregasi dari ranking global
R(aj) = d(0,aj) = Proyeksi matrik posisi = hasil dari rumus no. 5
Dari rumus no. 6 akan diketahui nilai akhir dari penggabungan rumus Metode SMARTER dan Oreste. Dimana nilai skor terkecil akan mendapat ranking terbesar.
2.7 Konsep Database
Konsep mengenai database dapat dipandang dari beberapa sudut. Dari sisi sistem, database merupakan kumpulan tabel-tabel atau file yang saling berelasi. Basisdata mengandung pengertian kumpulan data non-redundant yang dapat digunakan bersama (shared) oleh sistem-sistem aplikasi yang berbeda. Atau dengan kata lain, basisdata adalah kumpulan data-data (file) non-redundant yang saling terkait satu sama lainnya (dinyatakan oleh atribut-atribut kunci dari
(32)
tabel-tabelnya atau struktur data dan relasi-relasi) didalam usaha membentuk bangunan informasi yang penting (enterprise). Berikut adalah beberapa pengertian atau definisi lain dari basisdata yang dikembangkan atas dasar sudut pandang yang berbeda yaitu:
1. Himpunan kelompok data (file) yang saling berhubungan dan diorganisasikan sedemikian rupa agar kelak dapat dimanfaatkan kembali dengan cepat dan mudah.
2. Kumpulan data yang saling berhubungan dan disimpan bersama sedemikian rupa tanda pengulangan yang tidak perlu (redudancy) untuk memenuhi berbagai kebutuhan.
3. Kumpulan file atau tabel yang saling berhubungan dan disimpan didalam media penyimpanan elektronik.
2.7.1 Istilah Dalam Database
Berikut ini merupakan istilah-istilah dalam database yang perlu diketahui sebagai dasar, antara lain:
1. Entity
Entity adalah orang, tempat, kejadian atau konsep yang informasinya direkam. Pada administrasi mahasiswa misalnya, maka entity-nya mahasiswa, mata kuliah, nilai.
(33)
2. Atribut
Setiap entity mempunyai atribut atau sebutan untuk mewakili entity. Tabel mahasiswa dapat dilihat atribut-nya misalnya Npm, Nama, Alamat. Atribut juga disebut sebagai elemen, data field, data item.
3. Data Value
Data Value adalah data aktual atau informasi yang disimpan pada tiap data elemen atau atribut. Atribut nama mahasiswa menunjukkan tempat informasi dimana nama mahasiswa itu disimpan, sedangkan data value misalnya: Budi, Arif merupakan isi data mahasiswa itu.
4. Record / Tuple
Kumpulan elemen-elemen yang saling berhubungan menginformasikan tentang seseorang misalnya: nomor mahasiswa, nama mahasiswa, alamat, nomor telepon. Satu record mewakili satu data atau informasi tentang seseorang.
5. Field
Kumpulan record-record sejenis yang mempunyai panjang elemen yang sama, atribut yang sama, namun berbeda-beda nama value-nya.
6. Atribut Kunci
Dalam setiap file selalu terdapat kunci yang berupa satu field atau satu set field
(34)
1) Kunci Primer (Primary Key)
Adalah atribut atau satu set minimal atribut yang tidak hanya mengidentifikasikan secara unik suatu kejadian spesifik, tetapi juga dapat mewakili setiap kejadian dari suatu entity. Setiap kandidat mempunyai peluang menjadi kunci primer.
2) Kunci Kandidat (Candidate Key)
Adalah suatu atribut atau satu set minimal yang mengidentifikasikan secara unik suatu kejadian spesifik dari entity. Satu minimal set atribut menyatakan secara tak langsung dimana beberapa atribut dalam satu set tidak dapat dibuang tanpa merusak kepemilikan yang unik. Jika suatu kandidat berisi lebih dari satu
atribut, maka biasanya disebut kunci komposit (gabungan). 3) Kunci Tamu (Foreign Key)
Adalah satu atribut atau satu set minimal atribut yang melengkapi satu
relationship yang menunjukkan ke induknya. Kunci tamu ditempatkan pada entity
anak dan sama dengan kunci primer induk direlasikan. Hubungan antara entity
anak dan entity induk adalah hubungan set lawan banyak (one to many relationship) .
4) Kunci Alternatif (Alternate Key)
Adalah kunci kandidat yang tidak dipakai sebagai kunci primer. Kerap kali kunci alternatif dipakai sebagai kunci pengurutan dalam laporan.
5.) Relasi
Adalah hubungan antar file yang direlasikan dengan kunci relasi (Relation Key), yang merupakan kunci utama dari masing-masing file.
(35)
2.7.2 Bagan Alir (Flowchart)
Bagan Alir (flowchart) adalah bagan (chart) yang menunjukkkan alir (flow) didalam program atau prosedur sistem secara logika. Bagan alir digunakan terutama untuk alat bantu komunikasi dan untuk dokumentasi. Pada waktu akan menggambar suatu bagan alir, analis sistem atau pemrogram dapat mengikuti pedoman-pedoman sebagai berikut:
1. Bagan alir sebaiknya digambar dari atas ke bawah dan mulai dari bagian kiri dari suatu halaman.
2. Kegiatan didalam bagan alir harus ditunjukkan dengan jelas.
3. Harus ditunjukkan dari mana kegiatan akan dimulai dan dimana akan berakhirnya.
4. Masing-masing kegiatan didalam bagan alir sebaiknya digunakan suatu kata yang mewakili suatu pekerjaan.
5. Masing-masing kegiatan didalam bagan alir harus didalam urutan yang semestinya.
6. Kegiatan yang terpotong dan akan disambung ditempat lain harus ditunjukkan dengan jelas menggunakan simbol penghubung.
(36)
Tabel 2.3. Simbol – simbol bagan alir ( flowchart )
Simbol Keterangan
Simbol Input atau Output : digunakan untuk mewakili data masukan ataukeluaran.
Simbol Proses : digunakan untuk mewakili suatu proses. Simbol Garis Alir (Flow Line Symbol): digunakan untuk menunjukkan arus dari proses.
Simbol Penghubung (Symbol connector) : digunakan untuk menunjukkan sambungan dari bagan alir yang terputus di halaman yang masih sama atau di halaman lainnya.
Simbol Keputusan (Decision Simbol) : digunakan untuk suatu penyeleksian kondisi didalam program.
Simbol Proses Terdefinisi (Predefined Process Symbol) : digunakan untuk menunjukkan suatu operasi yang rinciannya ditunjukkan ditempat lain.
Simbol Persiapan (preparation symbol) : digunakan untuk memberi nilai awal suatu besaran.
Simbol titik terminal (terminal point symbol) : digunakan untuk menunjukkan awal dan akhir dari suatu proses.
Simbol dokumen : menunjukkan dokumen input dan output
baik untuk proses manual, mekanik atau komputer.
Simbol kegiatan manual : menunjukkan pekerjaan manual. Symbol disk and on-line storage (Simbol untuk menyatakan input berasal dari disk atau output disimpan ke disk).
(37)
2.7.3 Data Flow Diagram ( DFD )
Data Flow Diagram (DFD) adalah representasi grafik dari sebuah sistem. DFD menggambarkan komponen-komponen sebuah sistem, aliran-aliran data di mana komponen-komponen tersebut, dan asal, tujuan, dan penyimpanan dari data tersebut.
Penulisan DFD dimulai dari DFD paling tinggi (level 0) yang disebut Context Diagram. Context Diagram ini mempresentasikan keseluruhan elemen sistem perangkat lunak sebagai lingkaran tunggal (sistem) dengan data masukan dan keluaran yang ditunjukkan garis-garis yang berasal dari dan ke dalam sistem. Level 1 merupakan hasil dekomposisi dari level 0. Level 1 menggambarkan proses tunggal pada level tertinggi ke dalam proses yang lebih detail. Level terakhir adalah level yang menjalankan fungsi yang sebenarnya. Masing-masing level dari sebuah diagram aliran data secara berturut-turut merupakan serangkaian perbaikan yang memungkinkan lebih banyak perincian.
Keuntungan menggunakan data flow diagram (DFD) adalah memudahkan pemakai atau user yang awam di bidang komputer untuk mengerti sistem yang akan dibuat. Dalam perancangan sistem penulis menggunakan tools Power Designer sebagai media pembantu dalam pembuatan sistem. Dibawah ini adalah simbol - simbol DFD (Data Flow Diagram) yang digunakan:
(38)
Tabel 2.4. Simbol Data Flow Diagram
Simbol Keterangan
Simbol Entity, “Entt_1” merupakan nama dari entity.
Simbol Arus Data, “Flow_4” atau “Flow_6” merupakan nama dari arus data.
Simbol Proses, angka nol “0” menjelaskan tentang identifikasi dari proses, sedangkan “Prcs_2 “ merupakan nama proses. Prosesini tidak mempunyai
sub proses, karena tidak ada tanda “+” pada sudut kiri bawah proses.
Simbol ini merupakan simbol proses seperti yang dijelaskan sebelumnya, bedanya proses ini memiliki
sub proses, karena pada sudut kiri bawah terdapat tanda “+”.
Simbol Data Store, angka satu “1” merupakan identifikasi dari data store, sedangkan “Stor_3” merupakan nama dari data store.
(39)
2.7.4 ERD (Entity Relationship Diagram)
Entity relationship (E-R) merupakan dasar pemahaman dari dunia nyata yang mana terdiri dari obyek yang disebut entity dan himpunan entity. Entity
relationship diagram atau ERD, mendokumentasikan data dengan
mengidentifikasi entitas dan hubungannya.
Dibawah ini adalah simbol-simbol yang digunakan dalam perancangan dan pembuatan sistem:
Tabel 2.5 Simbol Entity relationshipDiagram (PowerDesigner)
Pada model data relationship hubungan antar file direlasikan dengan kunci relasi, yang merupakan kunci utama dari masing-masing file. Jenis-jenis
relationship, merupakan suatu hubungan antar entity. Suatu relationship dapat juga mempunyai atribut. Suatu relationship antara dua entity dilambangkan dengan garis serta sebuah jajaran genjang ditengahnya. Ada tiga jenis cardinality
Simbol Keterangan
Simbol entitas, “Ent_1” merupakan nama dari entity. Sedangkan “Atribut_1”, “Atribut_2” dan “Atribut_3” Merupakan atribut–atribut yang ada pada entity.
Simbol one to one relationship, “Relation_11” Merupakan nama dari relationship.
Simbol one to many relationship, “Macam dana” Merupakan nama dari relationship.
Simbol many to many relationship, “Melaksanakan” Merupakan nama dari relationship.
(40)
relationship, yaitu: one to one relationship, one to many relationship, dan many to many relationship.
1. One to One (1 : 1)
Setiap anggota E1 berhubungan hanya dengan satu anggota E2 dan setiap anggota E2 berhubungan juga hanya dengan satu anggota E1. Hubungan relasi ini dapat dilihat pada gambar 2.5. Contoh dari relasi ini adalah satu Dosen Memimpin satu jurusan.
Gambar 2.6 ER-Diagram One to One
2. One to many (1 : N)
Setiap anggota E1 dapat berhubungan dengan lebih dari satu anggota E2 dan setiap anggota E2 berhubungan dengan satu anggota E1. Hubungan relasi ini dapat dilihat pada gambar 2.6. Contoh dari relasi ini adalah Dosen mengajar banyak matakuliah.
Gambar 2.7 ER-Diagram One to Many
1 1
E1 R E2
1 N
(41)
3. Many to Many (M : N)
Setiap anggota E1 dapat berhubungan dengan lebih dari satu anggota E2 dan setiap anggota E2 juga dapat berhubungan dengan lebih dari satu anggota E1. Hubungan relasi ini dapat dilihat pada gambar 2.7. Contoh dari relasi ini adalah mahasiswa mengambil matakuliah.
Gambar 2.8 ER-Diagram Many to Many
M N
(42)
3.1 Tahap Penelitian
Penilaian pada setiap sekolah didasarkan pada kriteria masing-masing sekolah, oleh karena itu setiap sekolah memiliki nilai yang berbeda bagi Badan Narkotika Kota Surabaya tergantung pada nilai kriteria yang dihasilkan oleh masing-masing sekolah tersebut. Bagi Badan Narkotika Kota Surabaya, bukanlah hal yang mudah tentunya untuk melakukan penilaian setiap sekolah dan menentukan sekolah terbaik yang akan dipilihnya sebagai sekolah bebas narkoba agar sesuai dengan kriteria yang dimilikinya. Salah satu kendala yang harus dihadapi adalah komponen penilaian atau kriteria penilaian dan metode yang jelas dalam memberikan penilaian terhadap setiap sekolah. Sehingga dapat membantu Badan Narkotika Kota Surabaya dalam melakukan pemilihan sekolah terbaik berdasarkan kriteria-kriteria yang ditentukan.
3.2. Model Pengembangan
Secara umum Sistem Pendukung Keputusan Pemilihan Sekolah Bebas Narkoba Berdasarkan Metode SMARTER dan Oreste pada Badan Narkotika Kota Surabaya memiliki tahapan seperti gambar beserta penjelasannya sebagai berikut:
(43)
Gambar 3.1 Alur Proses Sistem Pendukung Keputusan
Alur proses pada gambar diatas tampak terdapat masukan berupa data sekolah, kriteria dan bobot masing-masing kriteria untuk penilaian sekolah. Bobot kriteria merupakan nilai minimum dari kriteria suatu sekolah dapat dikategorikan sebagai sekolah bebas narkoba, semakin tinggi nilai bobotnya maka semakin tinggi pula standar Badan Narkotika Kota Surabaya dalam menentukan sekolah bebas narkoba.
Masukan tersebut untuk selanjutnya dijadikan sebagai acuan dalam melakukan penilaian pada masing-masing sekolah. Setelah penilaian terhadap sekolah seluruh data diproses dengan menggunakan metode SMARTER dan
Oreste.
Output yang disajikan, berupa urutan sekolah terbaik beserta saran untuk pengambil keputusan (user) dari nilai yang tertinggi sampai dengan nilai yang terendah.
Input
1. Sekolah 2. Kriteria 3.Bobot
Kriteria
Proses
Penilaian Tiap Sekolah
Hitung Dengan Metode SMARTER dan Oreste
Output
Hasil Penilaian Sekolah Bebas Narkoba
(44)
3.3. Rancangan Penelitian
3.3.1 Alur Proses Rancangan Penelitian
Gambar 3.2 Alur Proses Rancangan Penelitian
Oreste SMARTER
Mulai
Penentuan Kriteria Penentuan Alternatif
Normalisasi Bobot k n j j w w nw
Proyeksi Matrik Posisi
d(0,aj) = α . rj(a) + (1 – α). rj
Nilai Utility
uij = 100 (cmax-couti ) %
(cmax-cmin) Rankingan Proyeksi R(aj)<=R Nilai Akhir ij k j j
i nwu
n
1
Agregasi Ranking Global
R(a) = Σ R(aj)
Urutan Prioritas
Saran
(45)
Alur proses metode SMARTER dan Oreste dimulai dengan melakukan studi lapangan yang didukung dengan studi pustaka untuk menentukan kriteria dan alternatif sekolah. Setelah penentuan kriteria dan alternatif sekolah, selanjutnya akan diolah oleh SMARTER dsn Oreste dengan rincian berikut :
Langkah awal metode SMARTER adalah membuat matriks bobot yang ternormalisasi dilanjutkan dengan menghitung nilai utility untuk setiap nilai kriteria masing-masing sekolah. Yang akhirnya akan mendapatkan nilai akhir untuk setiap alternatif yang akan digunakan dalam proses penghitungan menggunakan metode Oreste.
3.3.2. Perancangan Sistem
Proses penilaian dimulai dengan adanya permintaan penilaian seluruh sekolah yang ditujukan pada bagian Admin dari Pimpinan. Admin selanjutnya melakukan penentuan kriteria, bobot kriteria dan sekolah yang akan digunakan dalam penilaian. Hasil penyusunan tersebut ditujukan pada pihak pimpinan untuk mendapatkan persetujuan, jika tidak mendapatkan persetujuan maka data tersebut akan dikembalikan pada bagian Admin untuk dilakukan revisi dengan melakukan konfirmasi, sedangkan jika telah mendapatkan persetujuan maka dilakukan form penilaian. Masing-masing penilai yang telah menerima form penilaian terhadap tiap sekolah dan hasilnya dimasukkan dalam sistem dan dihitung menggunakan metode SMARTER dan Oreste. Hasil perhitungan diserahkan pada Pimpinan. Berikut gambar merupakan rancangan utama sistem pendukung keputusan pemilihan sekolah bebas narkoba menggunakan metode SMARTER dan Oreste.
(46)
(47)
3.4. Diagram Berjenjang
Gambar 3.4 Diagram Berjenjang
Diagram berjenjang merupakan gambaran dari hirarki proses yang terdapat dalam sistem. Dalam sistem pendukung keputusan pemilihan sekolah bebas narkoba dengan menggunakan metode SMARTER dan Oreste ini meliputi : a. Maintenance Data
Maintenance terdiri atas sub proses maintenance data admin, maintenance data alternatif, dan maintenance data kriteria.
b. Penilaian
Proses ini terdiri atas sub data seleksi, pembobotan kriteria, pembobotan alternatif, dan pemilihan alternatif.
(48)
c. Laporan
Proses ini dibuat untuk memberikan suatu laporan hasil penilaian sekolah dengan menggunakan metode SMARTER dan Oreste.
3.5. Analisis Data
3.5.1. Data Flow Diagram
Data flow diagram (DFD) berfungsi untuk menggambarkan proses aliran data yang terjadi di dalam sistem dari tingkat yang tertinggi sampai yang terendah sehingga memungkinkan untuk dilakukan proses dekomposis, partisi atau pembagian sistem kedalam bagian-bagian yang lebih kecil dan lebih sederhana. Data Flow Diagram (DFD) pada Sistem Pemilihan Sekolah Bebas Narkoba dengan Metode SMARTER dan Oreste terdiri atas contex diagram, sampai dengan DFD level 1.
a. Contex Diagram
Bobot Kriteria
Laporan Data Pemilihan
Nilai Alternatif
Laporan Hasil Pemilihan
Data Seleksi Data Kriteria
Data Alternatif
Data Admin
0
SPK Pemilihan Sekolah Bebas Narkoba Menggunakan Metode
Smarter dan Oreste + BNK
Pimpinan
Penilai
(49)
Pada context diagram ini hanya entity yang berhubungan dengan sistem (yaitu Admin, Pimpinan, dan Penilai) dan aliran data yang dapat terlihat sedangkan proses-proses yang akan dilakukan di dalam sistem belum dapat terlihat.
b. DFD Level 0
Bobot Kriteria
Ambil Data Nilai Alternatif Ambil Data Kriteria Seleksi
Ambil Data Seleksi
Laporan Data Pemilihan Ambil Hasil Seleksi
Ambil Nilai Alternatif
Ambil Kriteria Seleksi
Ambil Alternatif Seleksi Ambil Data Seleksi
Simpan Nilai Alternatif
Simpan Kriteria Seleksi Simpan Alternatif Seleksi
Simpan Data Seleksi
Ambil Data Admin Ambil Data Kriteria
Ambil Data Alternatif
Simpan Data Alternatif Simpan Data Kriteria
Simpan Data Admin
Nilai Alternatif
Laporan Hasil Pemilihan Data Seleksi Data Kriteria Data Alternatif Data Admin BNK Pimpinan Penilai 1 Maintenance Data + 2 Penilaian + 3 Laporan + 1 BNK 2 Kriteria 3 Alternatif 4 Seleksi 5 DetAlternatif 6 DetKriteria 7 NilaiAlt
(50)
Data Flow Diagram Level 0 merupakan proses pendetailan sistem untuk memudahkan pengelola data dalam melakukan proses pembangunan dan pengembangan sistem. Pada diagram level ini, proses sistem dipecah menjadi tiga bagian proses utama. Ketiga proses tersebut adalah :
1. Proses maintenance data. 2. Proses Penilaian.
3. Proses Laporan.
c. DFD Level 1 Proses Maintenance Data Data
Data Flow Diagram Level 1 Proses Maintenance Data merupakan pendetailan dari proses Maintenance data pada level sebelumnya. Pada level ini, proses dipecah menjadi tiga proses yang lebih detail. Ketiga proses tersebut adalah:
1. Master Admin
Proses master admin digunakan untuk menambah, mengubah dan menghapus data admin.
2. Master Kriteria
Proses master kriteria digunakan untuk menambah, mengubah dan menghapus data kriteria.
3. Master Alternatif
Proses master alternatif digunakan untuk menambah, mengubah dan menghapus data sekolah
(51)
Simpan Data Alternatif
Simpan Data Kriteria Simpan Data Admin
Data Kriteria
Data Alternatif Data Admin
BNK
1 BNK
2 Kriteria 3 Alternatif 1
Master Admin
2 Master Alternatif
3 Master Kriteria
Gambar 3.7 DFD Level 1 Proses Maintenance Data
d. DFD Level 1 Proses Penilaian
(52)
Data Flow Diagram Level 1 Proses Penilaian Data merupakan pendetailan dari proses penilaian pada level sebelumnya. Pada level ini, proses dipecah menjadi empat proses yang lebih detail. Ke empat proses tersebut adalah: 1. Data Seleksi
Proses data seleksi digunakan untuk menambah, mengubah dan menghapus data-data yang dibutuhkan dalam seleksi, yaitu data seleksi itu sendiri, data kriteria, serta data kandidat.
2. Pembobotan Kriteria
Proses pembobotan kriteria digunakan untuk menambah, mengubah dan menghapus data kriteria beserta bobot kriteria yang akan digunakan pada seleksi tersebut.
3. Pembobotan Alternatif
Proses pembobotan alternatif digunakan untuk menambah, mengubah dan menghapus data kandidat beserta bobot kandidat yang akan digunakan pada seleksi tersebut.
4. Pemilihan Alternatif
Proses Pemilihan Alternatif digunakan untuk melakukan proses pemilihan sekolah bebas narkoba dengan menggunakan perhitungan SMARTER
(53)
e. DFD Level 1 Proses Laporan
Gambar 3.9 DFD Level 1 Proses Laporan
Data Flow Diagram Level 1 Proses Laporan merupakan pendetailan dari proses Laporan pada level sebelumnya. Pada level ini, proses dipecah menjadi dua proses yang lebih detail. Kedua proses tersebut adalah :
1. Laporan Data Seleksi
Proses Laporan Data Seleksi digunakan untuk membuat laporan data-data penilaian sistem pendukung keputusan pemilihan sekolah bebas narkoba. 2. Laporan Hasil Seleksi
Proses Laporan Hasil Seleksi digunakan untuk membuat laporan hasil pemilihan sekolah bebas narkoba.
(54)
3.5.2. Entity Relationship Diagram
Entity Relationship Diagram merupakan suatu desain sistem yang digunakan untuk merepresentasikan, menentukan dan mendokumentasikan kebutuhan-kebutuhan sistem dalam pemrosesan database. ERD juga menunjukkan hubungan (relasi) antar tabel. ERD terdiri atas Conceptual Data Model (CDM) dan Physical Data Model (PDM).
A. Conceptual Data Model (CDM)
memiliki
mendapat
berisi berada dalam
mempunyai memperoleh memasukkan Alternatif KodeAlt NamaAlt AlamatAlt TelpAlt <pi> TXT10 TXT40 TXT50 TXT15 <M> <M> <M> <M> KodeAlt <pi> Seleksi KodeSel NamaSel TanggalSel WaktuSel <pi> TXT15 TXT50 DT TXT20 <M> <M> <M> <M> KodeSel <pi> DetAlternatif KodeDetAlt SkorAlt <pi> TXT50 N <M> <M> KodeDetAlt <pi> DetKriteria KodeDetKrt BobotKrt SkalaKrt <pi> TXT50 TXT15 N <M> <M> <M> KodeDetKrt <pi> NilaiAlt BobotAlt SkalaAlt TXT15 N <M> <M> Admin KodeAdm NamaAdm PinAdm HakAdm <pi> TXT15 TXT40 TXT20 TXT15 <M> <M> <M> <M> KodeAdm <pi> Kriteria KodeKrt NamaKrt <pi> TXT5 TXT30 <M> <M> KodeKrt <pi>
(55)
B. Physical Data Model (PDM) FK_DETALTER_MEMILIKI_ALTERNAT FK_NILAIALT_MENDAPAT_DET ALTER FK_DETALTER_BERISI_SELEKSI FK_DETKRITE_BERADA_DA_SELEKSI FK_DETKRITE_MEMPUNYAI_KRITERIA
FK_NILAIALT _MEMPEROLE_DET KRITE
FK_NILAIALT_MEMASUKKA_ADMIN Alternatif KodeAlt NamaAlt AlamatAlt T elpAlt long varchar long varchar long varchar long varchar <pk> Seleksi KodeSel NamaSel TanggalSel WaktuSel long varchar long varchar timestamp long varchar <pk> DetAlternatif KodeDetAlt KodeSel KodeAlt SkorAlt long varchar long varchar long varchar numeric <pk> <fk2> <fk1> DetKriteria KodeDetKrt KodeSel KodeKrt BobotKrt SkalaKrt long varchar long varchar long varchar long varchar numeric <pk> <fk1> <fk2> NilaiAlt KodeAdm KodeDetAlt KodeDetKrt BobotAlt SkalaAlt long varchar long varchar long varchar long varchar numeric <fk3> <fk1> <fk2> Admin KodeAdm NamaAdm PinAdm HakAdm long varchar long varchar long varchar long varchar <pk> Kriteria KodeKrt NamaKrt long varchar long varchar <pk>
(56)
3.6. Struktur Database
Tabel-tabel yang digunakan dalam aplikasi ini adalah:
1. Nama Tabel : Kriteria
Fungsi : Menyimpan data kriteria
Tabel 3.1 Tabel Kriteria
No. Nama Kolom Tipe Data Panjang Ket.
1 KodeKrt Text 5 PK
2 NamaKrt Text 30
2. Nama Tabel : Alternatif
Fungsi : Menyimpan data alternative
Tabel 3.2 Tabel Alternatif
No. Nama Kolom Tipe Data Panjang Ket.
1 KodeAlt Text 10 PK
2 NamaAlt Text 40
(57)
3. Nama Tabel : Admin
Fungsi : Menyimpan data admin
Tabel 3.3 Tabel Admin
No. Nama Kolom Tipe Data Panjang Ket.
1 KodeAdm Text 15 PK
2 NamaAdm Text 40
3 PinAdm Text 20
4 HakAdm Text 15
4. Nama Tabel : Seleksi
Fungsi : Menyimpan data seleksi
Tabel 3.4 Tabel Seleksi
No. Nama Kolom Tipe Data Panjang Ket.
1 KodeSel Text 15 PK
2 NamaSel Text 50
3 TanggalSel DateTime
(58)
5. Nama Tabel : DetAlternatif
Fungsi : Menyimpan data detail alternative
Tabel 3.5 Tabel DetAlternatif
No. Nama Kolom Tipe Data Panjang Ket.
1 KodeDetAlt Text 50 PK
2 KodeAlt Text 10 FK
3 KodeSel Text 15 FK
4 SkorAlt Number
6. Nama Tabel : DetKriteria
Fungsi : Menyimpan data detail kriteria
Tabel 3.6 Tabel DetKriteria
No. Nama Kolom Tipe Data Panjang Ket.
1 KodeDetKrt Text 50 PK
2 KodeSel Text 15 FK
3 KodeKrt Text 5 FK
4 BobotKrt Text 15
(59)
7. Nama Tabel : NilaiAlt
Fungsi : Menyimpan data nilai alternative
Tabel 3.7 Tabel NilaiAlt
No. Nama Kolom Tipe Data Panjang Ket.
1 KodeAdm Text 15 FK
2 KodeDetAlt Text 50 FK
3 KodeDetKrt Text 50 FK
4 BobotAlt Text 15
5 SkalaAlt Number
3.7. Perancangan Antar Muka
Untuk menjalankan Aplikasi pemilihan sekolah bebas narkoba dengan menggunakan metode SMARTER dan Oreste ini dibutuhkan beberapa desain form input dan output yang digunakan sebagai sarana untuk melakukan proses yaitu:
3.7.1 Desain Form Login
Form Logindigunakan untuk melakukan login masuk ke dalam aplikasi. Pada form ini tersedia dua buah inputan, yaitu User yang berupa text dan Password yang berupa password text. User diharuskan menginputkan User dan memasukkan kata kunci disertai menekan tombol OK. Apabila proses verifikasi dan autentifikasi berhasil, akan muncul Main Form yang merupakan kumpulan
(60)
dari semua menu yang ada. Bila gagal, user akan diberi peringatan kegagalan. Dan apabila tidak jadi melakukan login maka menekan tombol Cancel.
Gambar 3.12 Desain Form Login
3.7.2 Desain Form Menu Utama
Form menu utama dari sistem ini terbagi ke dalam empat sub menu utama, yaitu user, master data, penilaian dan laporan. Setiap sub menu utama memiliki sejumlah menu yang lebih spesifik. Untuk mengetahui hirarki menu yang terdapat pada sistem ini, dapat dilihat pada gambar dibawah ini yang merupakan desain hirarki menu utama.
Pada gambar dibawah ini menjelaskan rancang form menu utama untuk sistem ini. Menu master data memiliki beberapa sub menu lagi yang mencakup menu kriteria dan menu sekolah. Menu Penilaian memiliki beberapa sub menu lagi yang mencakup menu Data Seleksi, Menu Penilaian Kriteria, menu Penilaian Sekolah, dan menu Pemilihan Sekolah. Sedangkan pada menu laporan mencakup laporan Data Seleksi dan Hasil Seleksi.
(61)
Gambar 3.13 Desain Form Menu
3.7.3Desain Form Maintenance Data Admin
(62)
Form maintenance data admin digunakan untuk mengolah dan menginputkan data admin. Tampilan desain form maintenance data admin terlihat pada Gambar dibawah ini.
3.7.4Desain Form Maintenance Data Kriteria
Gambar 3.15 Desain Form Maintenance Data Kriteria
Form maintenance data kriteria digunakan untuk mengolah dan menginputkan data kriteria. Tampilan desain form maintenance data kriteria
(63)
3.7.5 Desain Form Maintenance Data Sekolah
Form maintenance data sekolah digunakan untuk mengolah dan menginputkan data sekolah. Tampilan desain form maintenance data sekolah terlihat pada Gambar dibawah ini.
Form Master Sekolah
Form Master Sekolah
Kode Nama Alamat
Save Delete Clear Close
Gambar 3.16 Desain Form Maintenance Data Sekolah
3.7.6Desain Form Data Seleksi
Form data seleksi digunakan untuk mengolah dan menginputkan data seleksi. Tampilan desain form data seleksi terlihat pada Gambar dibawah ini.
(64)
Gambar 3.17 Desain FormData Seleksi
3.7.7Desain Form Penilaian Kriteria
Form penilaian kriteria digunakan untuk mengolah dan menginputkan data kriteria yang akan digunakan untuk seleksi. Tampilan desain form penilaian kriteria terlihat pada Gambar dibawah ini.
(65)
3.7.8Desain Form Penilaian Alternatif
Form penilaian Alternatif digunakan untuk mengolah dan menginputkan data kandidat yang akan digunakan pada seleksi. Tampilan desain form penilaian alternatif terlihat pada Gambar dibawah ini.
Gambar 3.19 Desain FormPenilaian Alternatif
3.7.9Desain Form Pemilihan Alternatif
Form pemilihan alternatif digunakan untuk melakukan proses pemilihan sekolah bebas narkoba dengan menggunakan metode SMARTER dan Oreste.
(66)
(67)
4.1 Implementasi
Dalam tahap ini dijelaskan mengenai implementasi perangkat lunak. Perangkat lunak yang dibangun dikembangkan dengan menggunakan bahasa pemrograman visual basic Net 2005 dan untuk database menggunakan Microsoft Access.
4.2 Kebutuhan sistem
Aplikasi Sistem Pemilihan Sekolah Bebas Narkoba Dengan Menggunakan Metode SMARTER dan Oreste ini memerlukan perangkat lunak (software) dan perangkat keras (hardware), agar dapat berjalan sesuai dengan yang diharapkan. Adapun perangkat lunak yang digunakan yaitu :
a. Sistem operasi Windows 98/Me/2000/XP
b. Aplikasi bahasa pemrograman adalah Visual Basic Net 2005 c. Database untuk mengolah data adalah Microsoft Access Perangkat keras yang digunakan yaitu :
a. Prosessor Pentim IV atau lebih. b. Memory 512 Mb
c. Harddisk 120 Gb d. VGA 64 Mb.
(68)
4.3 Instalasi Program dan Pengaturan Sistem
Pengembangan Aplikasi Sistem Pemilihan Sekolah Bebas Narkoba Dengan Menggunakan Metode SMARTER Dan Oreste ini membutuhkan perangkat lunak yang sudah terinstalasi, adapun tahapan – tahapan instalasi dan pengaturan (setting) sistem yaitu :
1. Install sistem operasi Windows 98/Me/2000/XP 2. Install aplikasi program Visual Basic Net 2005 3. Install aplikasi database Microsoft Access
4.4 Implementasi Program
Untuk menjalankan Aplikasi Sistem Pemilihan Sekolah Bebas Narkoba Dengan Menggunakan Metode SMARTER Dan Oreste ini dibutuhkan beberapa form input dan output yang digunakan sebagai sarana untuk melakukan proses yaitu:
4.4.1 Form Login
(69)
Form Login digunakan untuk melakukan login masuk ke dalam aplikasi. Pada form ini tersedia dua buah inputan, yaitu User yang berupa text dan Password yang berupa password text. User diharuskan menginputkan User dan memasukan kata kunci disertai menekan tombol OK. Apabila proses verifikasi dan autentifikasi berhasil, akan muncul Main Form yang merupakan kumpulan dari semua menu yang ada. Bila gagal, user akan diberi peringatan kegagalan. Dan apabila tidak jadi melakukan login maka menekan tombol Cancel.
4.4.2 Form Menu Utama
Form menu utama dari sistem ini terbagi ke dalam empat sub menu utama, yaitu user, master data, penilaian dan laporan. Setiap sub menu utama memiliki sejumlah menu yang lebih spesifik. Untuk mengetahui hirarki menu yang terdapat pada sistem ini, dapat dilihat pada gambar dibawah ini yang merupakan hirarki menu utama.
(70)
Pada gambar diatas menjelaskan rancang form menu utama untuk sistem ini. Menu master data memiliki beberapa sub menu lagi yang mencakup menu kriteria dan menu sekolah. Menu Penilaian memiliki beberapa sub menu lagi yang mencakup menu Data Seleksi, Menu Penilaian Kriteria, menu Penilaian Sekolah, dan menu Pemilihan Sekolah. Sedangkan pada menu laporan mencakup laporan Data Seleksi dan Hasil Seleksi.
4.4.3 Form Maintenance Data Admin
Form maintenance data admin digunakan untuk mengolah dan menginputkan data admin. Tampilan form maintenance data admin terlihat pada Gambar dibawah ini.
(71)
4.4.4 Form Maintenance Data Kriteria
Form maintenance data kriteria digunakan untuk mengolah dan menginputkan data kriteria. Tampilan form maintenance data kriteria terlihat pada Gambar dibawah ini.
Gambar 4.4 Form Maintenance Data Kriteria
4.4.5 Form Maintenance Data Sekolah
(72)
Form maintenance data sekolah digunakan untuk mengolah dan menginputkan data sekolah. Tampilan form maintenance data sekolah terlihat pada Gambar di atas.
4.4.6 Form Data Seleksi
Form data seleksi digunakan untuk mengolah dan menginputkan data seleksi. Tampilan form data seleksi terlihat pada Gambar dibawah ini.
(73)
4.4.7 Form Penilaian Kriteria
Form penilaian kriteria digunakan untuk mengolah dan menginputkan data kriteria yang akan digunakan untuk seleksi. Tampilan form penilaian kriteria terlihat pada Gambar dibawah ini.
Gambar 4.7 Form Penilaian Kriteria
(74)
Pada Gambar diatas, form penilaian Alternatif digunakan untuk mengolah dan menginputkan data kandidat yang akan digunakan pada seleksi. Tampilan form penilaian alternative.
4.4.9 Form Pemilihan Alternatif
Form pemilihan alternatif digunakan untuk melakukan proses pemilihan sekolah bebas narkoba dengan menggunakan metode SMARTER dan Oreste. Tampilan form pemilihan alternatif terlihat pada Gambar dibawah ini.
(75)
BAB V
UJICOBA DAN EVALUASI
Dalam Bab uji coba dan evaluasi ini diperlukan 3 (tiga) scenario, yaitu:
1. Uji coba form Aplikasi Sistem Pemilihan Sekolah Bebas Narkoba dengan menggunakan Metode SMARTER dan Oreste.
2. Perbandingan output aplikasi dengan hitungan manual (evaluasi sistem).
3. Perbandingan output aplikasi dengan penilaian Badan Narkotika Kota Surabaya.
5.1 Uji Coba Aplikasi
Untuk menjalankan Aplikasi Sistem Pemilihan Sekolah Bebas Narkoba dengan menggunakan Metode Smarter dan Oreste ini diperlukan beberapa tahapan untuk menghasilkan output yang diinginkan. Langkah-langkahnya adalah:
5.1.1 Data sekolah ( peserta)
Form data seleksi ini digunakan untuk melakukan proses penyeleksian dengan memasukkan data sekolah mana saja yang mengikuti pemilihan perlombaan dan kriteria-kriteria apa saja yang dibutuhkan pada periode tertentu.
(76)
Untuk penyimpanan data, di mulai dengan memasukkan nomor seleksi dan tahun pelaksanaan. Setelah itu, klik field alternatif dan pilih alternatif-alternatif yang akan diseleksi dari data grid daftar alternatif pada tab daftar alternatif seleksi. Kemudian inputkan juga kriteria-kriteria yang dibutuhkan dalam penyeleksian tersebut dengan mengklik filed kriteria. Proses penyimpanan datanya sama seperti field alternatif.
(77)
5.1.2 Pembobotan Kriteria
Gambar 5.2 Pembobotan Kriteria
Form ini berguna untuk memberikan nilai bobot pada masing-masing kriteria. Sistem pembobotan dalam sistem ini menggunakan skala 0-100 yaitu 0 jika kriteria tidak berpengaruh sama sekali dan 100 untuk kriteria yang sangat berpengaruh pada penilaian. Masukkan nomor pengajuan dan tahun pelaksanaan, kemudian enter. Maka akan muncul kode dan nama kriteria sesuai dengan data pada master kriteria. Setelah itu inputkan nilai bobot pada masing-masing kriteria berdasarkan aturan perusahaan.
(78)
5.1.3 Nilai kriteria masing-masing sekolah
Gambar 5.3 Penilaian Kandidat
Form penilaian kandidat ini digunakan untuk memberi penilaian kriteria masing-masing sekolah (alternatif) pada periode tertentu. Untuk Penginputkan nilai, masukkan nomor pengajuan dan tahun pelaksanaan, tekan enter. Maka akan keluar kode sekolah, daftar nama sekolah dan kode kriteria. Kemudian masukkan nilai kriteria masing-masing sekolah dengan meng-klik masing-masing kolom pada tabel daftar atribut pengajuan.
(79)
5.1.4 Menghitung normalisasi bobot
Form ini untuk melihat nilai bobot ternormalisasi dari masing-masing bobot kriteria. Normalisasi bobot ini adalah tahap awal untuk memperoleh hasil penilaian dari Metode SMARTER. Normalisasi bobot ini di dapat dari Rumus no. 1 pada Bab 2.
Gambar 5.4 Normalisasi Bobot
5.1.5 Nilai kriteria masing-masing sekolah
Form nilai kriteria masing-masing sekolah ini berguna untuk melihat nilai kriteria masing-masing sekolah yang sebelumnya telah diinputkan dalam form penilaian kandidat.
(80)
Gambar 5.5 Penilaian Alternatif
5.1.6 Menghitung nilai utility
(81)
Gambar 5.8 di atas digunakan untuk melihat nilai utility setiap kriteria pada masing-masing sekolah. Nilai utility ini digunakan untuk penentuan nilai akhir dari rumus Metode SMARTER. Nilai ini diperoleh dari Rumus no. 2 Bab 2.
5.1.7 Menghitung nilai akhir dari kriteria
Gambar 5.7 Nilai Akhir SMARTER
Form ini berguna untuk melihat nilai akhir masing-masing kriteria dari Metode SMARTER. Nilai ini dihasilkan dari total perkalian antara nilai bobot ternormalisasi dengan nilai utility ( Rumus no. 3 Bab 2), kemudian nilai-nilai tersebut dijumlahkan dengan cara menambah masing-masing kriteria dari beberapa sekolah.
(82)
5.1.8 Kriteria Besson Rank
Form ini digunakan untuk menginputkan nilai Besson Rank dari nilai akhir SMARTER dimana semakin besar nilai bobot kriteria maka nilai Besson Ranknya pun juga besar. Dan nilai bobot yang sama juga memiliki nilai Besson Rank yang sama pula. Nilai ini ditentukan berdasarkan aturan perusahaan.
Gambar 5.8 Kriteria Besson Rank
5.1.9 Proyeksi matrik posisi
Nilai proyeksi ini di dapat dari Rumus no. 4 Bab 2. Form ini hanya dapat digunakan untuk melihat nilai matrik dari setiap alternatif dan tidak dapat diubah.
(83)
Gambar 5.9 Nilai Proyeksi Matrik Posisi
5.1.10 Rankingan proyeksi
(84)
Form ini menerangkan perangkingan dari proyeksi. Dimana nilai proyeksi pada form sebelumnya dapat dirangkingkan berdasar tiap kriteria. Nilai yang paling kecil akan mendapat rangking tertinggi (Rumus no.5 Bab 2). Setelah di-rangking-kan, maka diketahui skor akhir masing-masing sekolah, dengan cara menjumlah semua kriteria tiap sekolah.
5.1.11 Agregasi ranking global
Form ini adalah tahap akhir dari proses pemilihan sekolah bebas narkoba dengan menggunakan Metode SMARTER dan Oreste. Setelah diketahui skor akhir masing-masing sekolah, maka dapat ditentukan peringkat perlombaan tersebut (Rumus no.6 Bab 2).
(85)
5.1.12 Laporan Hasil Seleksi
Gambar 5.12 Laporan Hasil Seleksi
Gambar 5.12 diatas adalah laporan hasil Pemilihan Sekolah Bebas Narkoba. Cara menampilkan hasilnya adalah dengan menginputkan kode seleksi dan tahun pelaksanaan, kemudian klik tombol Preview. Maka sistem akan memproses data dan menampilkan data yang diinginkan.
Dari hasil Gambar 5.12 diatas didapatkan bahwa A3 mempunyai skor yang terendah dan menjadi alternatif yang terpilih sebagai juara dalam perlombaan. Dalam Metode ini disimpulkan, nilai yang mendekati nilai ukur pembobotan memiliki nilai tertinggi dan layak menjadi pemenang. ( Rumus No. 5 Bab 2).
(86)
5.2 Evaluasi Sistem
Tahapan evaluasi ini berguna untuk mengetahui apakah sistem berjalan sesuai dengan tujuan dari dibuatnya sistem ini yaitu mampu membantu Badan narkotika Kota Surabaya dalam proses proses pemilihan sekolah bebas narkoba. Evaluasi dilakukan untuk membuktikan bahwa aplikasi yang telah dibuat sudah sesuai dengan tujuan.
5.2.1 Data sekolah ( peserta)
Tabel ini berisi data-data sekolah yang akan mengikuti Pemilihan Sekolah Bebas Narkoba yang terdiri dari kode sekolah, nama sekolah beserta alamatnya.
Tabel 5.1 Data peserta
Kode Nama Alamat
A1 SMKN 1 Jl.SMEA no.4 Wonokromo
A2 SMKN 2 Jl. Tentara Geni Pelajar No. 26 Petemon Sawahan A3 SMKN 3 Jl. Jend A.Yani Dukuh Menanggal Gayungan
5.2.2 Bobot masing-masing kriteria
Tabel ini merupakan nama-nama kriteria yang dibutuhkan dalam proses penyeleksian. Masing-masing kriteria ini memiliki bobot. Pembobotan ini ditentukan oleh Badan Narkotika Kota Surabaya.
(87)
Tabel 5.2 Nama-nama Kriteria beserta Pembobotannya
Kode Nama Kriteria Bobot
C1 Sosialisasi oleh instansi terkait 95
C2 Sosialisasi oleh guru/siswa 100
C3 Sosialisasi untuk wali murid 100
C4 Rapat penanganan masalah narkoba 75
C5 Upacara bendera dengan materi narkoba 75
C6 Lomba mading 90
C7 Lomba karikatur/lukis 90
C8 Lomba pidato tentang narkoba 80
C9 Lomba puisi tentang narkoba 70
C10 Lomba Peer Educator 100
C11 Lomba teater/treatikal tentang narkoba 75 C12 Pembentukan satgas/kelompok peduli narkoba 100
C13 Pembentukan kader 80
C14 Pelatihan kader narkoba 80
C15 Tes untuk mengetahui lahgun narkoba 70
C16 Tindak pencegahan lahgun narkoba 80
C17 Jaringan untuk terapi/rehabilitasi 50
C18 Penanganan tentang peredaran gelap narkoba 70
C19 Peraturan sekolah tentang narkoba 100
C20 Pemasangan spanduk masalah narkoba 70
(88)
Lanjutan Tabel 5.2 Nama-nama Kriteria beserta Pembobotannya
Kode Nama Kriteria Bobot
C22 Penyuluhan oleh satgas 70
C23 Sertifikat seminar 100
TOTAL 1895
MIN 50
MAX 100
5.2.3 Nilai kriteria masing-masing sekolah
Tabel ini merupakan blangko nilai yang digunakan oleh para penilai untuk proses penyeleksian. Penilai memiliki hak memberikan skor 0-100.
Tabel 5.3 Tabel Nilai Kandidat
ALTERNATIF
/KRITERIA C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11
A1 60 60 60 60 60 60 60 60 60 60 60
A2 70 70 70 70 70 70 70 70 70 70 70
A3 80 80 80 80 80 80 80 80 80 80 80
Lanjutan Tabel 5.3 Tabel Nilai Kandidat
ALTERNATIF
/KRITERIA C12 C13 C14 C15 C16 C17 C18 C19 C20 C21
A1 60 60 60 60 60 60 60 60 60 60
A2 70 70 70 70 70 70 70 70 70 70
(89)
Lanjutan Tabel 5.3 Tabel Nilai Kandidat
ALTERNATIF
/KRITERIA C22 C23
A1 60 60
A2 70 70
A3 80 80
5.2.4 Menghitung normalisasi bobot
Tabel ini digunakan untuk melihat nilai bobot ternormalisasi. Hasil ini diperoleh dari nilai bobot kriteria dibagi nilai total (Rumus no.1 Bab 2). Sebagai contoh :
Pada Kode C1 dengan bobot 95, maka cara menghitungnya adalah:
Normalisasi bobot = bobot kriteria = 95 = 0.050131926 total kriteria 1895
Tabel 5.4 Tabel Bobot Ternormalisasi
Kode Nama Kriteria Bobot Normalisasi
C1 Sosialisasi oleh instansi terkait 95 0.050131926
C2 Sosialisasi oleh guru/siswa 100 0.052770449
C3 Sosialisasi untuk wali murid 100 0.052770449 C4 Rapat penanganan masalah narkoba 75 0.039577836 C5 Upacara bendera dengan materi narkoba 75 0.039577836
C6 Lomba mading 90 0.047493404
C7 Lomba karikatur/lukis 90 0.047493404
C8 Lomba pidato tentang narkoba 80 0.042216359
C9 Lomba puisi tentang narkoba 70 0.036939314
C10 Lomba Peer Educator 100 0.052770449
C11 Lomba teater/treatikal tentang narkoba 75 0.039577836 C12 Pembentukan satgas/kelompok peduli narkoba 100 0.052770449
(90)
Lanjutan Tabel 5.4 Tabel Bobot Ternormalisasi
Kode Nama Kriteria Bobot Normalisasi
C13 Pembentukan kader 80 0.042216359
C14 Pelatihan kader narkoba 80 0.042216359
C15 Tes untuk mengetahui lahgun narkoba 70 0.036939314 C16 Tindak pencegahan lahgun narkoba 80 0.042216359 C17 Jaringan untuk terapi/rehabilitasi 50 0.026385224 C18 Penanganan tentang peredaran gelap narkoba 70 0.036939314 C19 Peraturan sekolah tentang narkoba 100 0.052770449 C20 Pemasangan spanduk masalah narkoba 70 0.036939314
C21 Lomba cipta poster 75 0.039577836
C22 Penyuluhan oleh satgas 70 0.036939314
C23 Sertifikat seminar 100 0.052770449
TOTAL 1895
MIN 50
MAX 100
5.2.5 Menghitung nilai utility
Nilai utility dibawah ini diperoleh dari Rumus no.2 Bab 2. Berikut ini adalah salah satu contohnya:
Nilai utility A1C1 = 100 – 60 = 0,8000000 100 – 50
Tabel 5.5 Nilai Utility
ALTERNATIF
/KRITERIA C1 C2 C3 C4 C5 C6
A1 0.8000000 0.8000000 0.8000000 0.8000000 0.8000000 0.8000000
A2 0.6000000 0.6000000 0.6000000 0.6000000 0.6000000 0.6000000
(1)
87
Tabel 5.8 Tabel Perankingan Proyeksi
ALTERNATIF
/KRITERIA C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12 C13
A1 3 3 3 3 3 3 3 3 3 3 3 3 3
A2 2 2 2 2 2 2 2 2 2 2 2 2 2
A3 1 1 1 1 1 1 1 1 1 1 1 1 1
Lanjutan Tabel 5.8 Tabel Perankingan Proyeksi
ALTERNATIF
/KRITERIA C14 C15 C16 C17 C18 C19 C20 C21 C22 C23
A1 3 3 3 3 3 3 3 3 3 3
A2 2 2 2 2 2 2 2 2 2 2
A3 1 1 1 1 1 1 1 1 1 1
5.2.9 Agregasi ranking global
Tabel 5.9 Agregasi ranking global
ALTERNATIF/KRITERIA skor ranking
A1 69 3
A2 46 2
A3 23 1
Setelah diketahui ranking tiap kriteria, maka langkah terakhir adalah menjumlahkan kriteria tiap sekolah. Skor tiap sekolah ini dirankingkan lagi dengan menggunakan rumus seperti pada Tabel 5.8, yaitu R(aj)<=R (bk) jika d(0,aj) <=d(0,bk). Ranking inilah yang menentukan pemenang pemilihan sekolah bebas narkoba ini.
(2)
terendah dan menjadi alternatif yang terpilih sebagai juara dalam lomba sekolah bebas narkoba.
Berdasarkan hasil uji coba pada Gambar 5.12 dan evaluasi pada Tabel 5.9 diatas dapat dikatakan bahwa sistem ini telah dibuat sesuai dengan tujuan yang diharapkan, hal itu dapat diketahui dengan melihat ujicoba pada Gambar 5.12 yang telah sesuai dengan hasil yang ada pada evaluasi Tabel 5.9.
5.3 Perbandingan output Metode SMARTER dan Oreste dengan Penilaian Badan Narkotika Kota
Berdasarkan hasil uji coba Gambar 5.12 diatas, alternatif yang terpilih dalam pemilihan sekolah bebas narkoba adalah alternatif yang memiliki skor terendah dikarenakan pada Metode SMARTER dan Oreste ini dilihat dari nilai peserta yang mendekati nilai ukur pada pembobotan kriteria yaitu 0 sampai 100. Dimana alternatif yang mendekati nilai bobot 100 yang memiliki nilai lebih dan mendapatkan ranking yang lebih tinggi pula (Rumus no.5 Bab 2). Sebaliknya, penilaian pada tim Badan Narkotika Kota, nilai peserta yang memiliki nilai tertinggi yang terpilih dalam perlombaan ini dikarenakan perhitungan nilai tanpa menggunakan rumus melainkan menjumlahkan semua kriteria-kriteria penilaian yang diperoleh tiap-tiap sekolah.
(3)
89
Berikut ini adalah tabel penilaian Badan Narkotika Kota Surabaya :
Tabel 5.10 Tabel nilai BNK Surabaya
ALTERNATIF
/KRITERIA C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11
A1 60 60 60 60 60 60 60 60 60 60 60
A2 70 70 70 70 70 70 70 70 70 70 70
A3 80 80 80 80 80 80 80 80 80 80 80
Lanjutan Tabel 5.10 Tabel nilai BNK Surabaya
ALTERNATIF
/KRITERIA C12 C13 C14 C15 C16 C17 C18 C19 C20 C21
A1 60 60 60 60 60 60 60 60 60 60
A2 70 70 70 70 70 70 70 70 70 70
A3 80 80 80 80 80 80 80 80 80 80
Lanjutan Tabel 5.10 Tabel nilai BNK Surabaya
ALTERNATIF
/KRITERIA C22 C23 TOTAL Ranking
A1 60 60 1380 3
A2 70 70 1610 2
A3 80 80 1840 1
Dari perbandingan hasil output aplikasi Gambar 5.12 dengan Tabel 5.10 diatas, dapat disimpulkan bahwa perangkingan dari Metode SMARTER dan Oreste mendapatkan hasil perangkingan yang sesuai dengan perhitungan nilai Badan Narkotika Kota Surabaya.
(4)
diberikan berdasarkan program aplikasi sistem Pemilihan Sekolah Bebas Narkoba Dengan Menggunakan Metode SMARTER dan Oreste.
6.1 Kesimpulan
Secara umum Aplikasi Sistem Pemilihan Sekolah Bebas Narkoba Dengan Menggunakan Metode SMARTER dan Oreste ini telah berfungsi sebagaimana yang diharapkan. Beberapa kesimpulan yang didapatkan dari sistem ini adalah sebagai berikut :
1. Mampu mengolah data inputan berupa data sekolah, data kriteria, dan data bobot kriteria menjadi sebuah proses penilaian sekolah sehingga memberikan perhitungan alternatif penilaian. Hal ini dapat memberikan kontribusi dalam pemilihan sekolah bebas narkoba yang terbaik.
2. Aplikasi yang sudah dibuat memberikan suatu rekomendasi alternatif keputusan pemilihan sekolah bebas narkoba terbaik berdasarkan dari bobot kriteria penilaian sekolah dengan pendekatan metode SMARTER dan Oreste, sehingga dari ujicoba aplikasi memberikan alternatif pilihan.
(5)
91
6.2 Saran
Adapun saran – saran untuk pengembangan sistem ini antara lain :
1. Sistem ini dapat dikembangkan dengan menggunakan database yang dapat menampung data yang lebih besar dibandingkan dengan Microsoft Access, seperti SQL Server, Oracle, dan lain-lain.
2. Aplikasi ini akan lebih sempurna jika dibuat sistem yang bersifat multi pengguna dan multi komputer sehingga sistem ini dapat mengarah pada sistem yang bersifat jaringan. Sehingga pihak-pihak yang berkaitan seperti badan narkotika Kota Surabaya maupun pihak sekolah, dapat menggunakan sistem ini sesuai dengan informasi yang diinginkannya.
3. Sistem dapat dikembangkan lebih lanjut untuk memenuhi kebutuhan uji coba secara online dengan menggunakan teknologi internet.
(6)
terstruktur teori dan praktek aplikasi bisnis, ANDI, Yogyakarta.
Kusumadewi, Sri dkk., 2006, Fuzzy Multi-Attribute Decision Making (Fuzzy MADM), Graha Ilmu, Yogyakarta.
Mulyono, S., 1996, Teori Pengambilan Keputusan, Fakultas Ekonomi Universitas Indonesia, Jakarta.
Site, Angel’s. SPPK Daerah Target Pemasaran dengan Metode SMARTER dan ORESTE. Diakses pada 11 Januari 2011 dari http://media.diknas.go.id. Sutanta, E., 2004, Sistem Basis Data, Graha Ilmu, Yogyakarta.
Turban, Efraim, 2005, Decision Support Systems and Intelligent Systems, Prentice Hall, New Jersey.
Yunitaputri, Rika. 2007. “Mathematical Programming Model-SMARTER”. Yogyakarta:ANDI. http://www.onta-programing.blogspot.com. “Metode SMARTER dan Oreste”, 3 Januari 2011.