Implementasi Metode Fuzzy Analytic Hierarchy Process (F-AHP) Dalam Penentuan Peminatan di MAN 2 Kota Serang

  Vol. 2, No. 5, Mei 2018, hlm. 2109-2117 http://j-ptiik.ub.ac.id

  

Implementasi Metode Fuzzy Analytic Hierarchy Process (F-AHP) Dalam

Penentuan Peminatan di MAN 2 Kota Serang

_{1 2 3} Muhammad Fajri , Rekyan Regasari Mardhi Putri , Lailil Muflikhah

  Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya _{1 2} Email: mfajri20@gmail.com, rekyan.rmp@ub.ac.id, lailil @ub.ac.id

  

Abstrak

  Program peminatan diperkenalkan sebagai upaya untuk lebih mengarahkan siswa berdasarkan bakat, minat, dan kemampuan akademiknya. Terdapat empat kelompok peminatan di Madrasah Aliyah Negeri 2 Kota Serang, yaitu IPA, IPS, Bahasa, dan Agama. Peminatan IPA diperuntukkan bagi siswa yang memiliki kecenderungan dalam ilmu pasti. Peminatan IPS diperuntukkan bagi siswa yang memiliki kecenderungan ilmu sosial. Peminatan Bahasa diperuntukkan bagi siswa yang memiliki kecenderungan gemar berbahasa. Dan peminatan Agama diperuntukkan bagi siswa yang memiliki kecenderungan ilmu agama. Dalam penentuan peminatan siswa, MAN 2 Kota Serang menggunakan lima aspek peminatan diantaranya nilai penerimaan peserta didik baru (PPDB), nilai ujian nasional, nilai rapor, hasil tes psikologi, dan minta peserta didik. Namun di dalam penentuan peminatan belum ada standardisasi pembobotan dalam setiap aspek peminatan sehingga hasil yang diperoleh tidak maksimal. Fuzzy Analytical Hierarchy Process (F-AHP) sanggup mengatasi kelemahan pada kriteria yang memilki sifat subjektif lebih banyak pada metode AHP. Logika Fuzzy sendiri adalah logika yang memiliki nilai kesamaran antara dua nilai. Pada penelitian ini, akurasi yang dihasilkan adalah 76,67% dengan 30 data uji untuk penentuan peminatan di MAN 2 Kota Serang.

  Kata kunci: Fuzzy, AHP, Fuzzy Analytical Hierarchy Process (F-AHP), Peminatan peserta didik

Abstract

Specialization programs are introduced as an effort to better lead students based on their talents,

interests, and academic abilities. There are four groups of specialization in Madrasah Aliyah Negeri 2

Kota Serang, namely IPA, IPS, Language, and Religion. The specialization of IPA is for students who

have a tendency in the science of certainty. IPS specialization is for students with social science

tendencies. Language specialization is for students who have a tendency to speak the language. And

religious interest is for students who have religious inclination. In the determination of student

interest, MAN 2 Kota Serang uses five aspects of specialization such as the value of acceptance of new

learners (PPDB), the value of national examination, the value of report cards, the results of

psychological tests, and ask students. But in the determination of specialization there is no

standardization of weighting in every aspect of specialization so that the results obtained are not

maximal. Fuzzy Analytical Hierarchy Process (F-AHP) is able to overcome the weaknesses in criteria

that have more subjective properties on the AHP method. Fuzzy logic itself is a logic that has a value

of disguise between two values. In this study, the resulting accuracy is 76.67% with 30 test data for the

determination of specialization in MAN 2 Kota Serang.

  Keywords: Student interest, fuzzy, AHP, Fuzzy Analytical Hierarchy Process (F-AHP),.

  disebabkan peminatan akan menggiring siswa 1. untuk memilih jurusan di perguruan tinggi yang

   PENDAHULUAN

  kelak akan mengarahkan siswa untuk Penyelenggaraan program peminatan menentukan dan memilih profesi kedepannya. kurikulum 2013 SMA/MA dilaksanakan di

  Program peminatan diperkenalkan sebagai kelas X semester satu. Pemilihan peminatan upaya untuk lebih mengarahkan siswa yang diselenggarakan di SMA/MA merupakan berdasarkan bakat, minat, dan kemampuan salah satu faktor yang sangat penting dan besar akademiknya. Terdapat empat kelompok dampaknya bagi masa depan siswa. Hal ini

  Fakultas Ilmu Komputer Universitas Brawijaya

2109 peminatan di Madrasah Aliyah 2 Kota Serang, yaitu IPA, IPS, Bahasa, dan Agama. Peminatan

  IPA diperuntukkan bagi siswa yang memiliki kecenderungan dalam ilmu pasti. Peminatan

  2. TINJAUAN PUSTAKA

  2.3. Aspek Peminatan

  Pada peserta didik MAN 2 Kota Serang, terdapat empat macam peminatan peserta didik yaitu peminatan Ilmu Pengetahuan Alam (IPA) , Peminatan ilmu pengetahuan sosial (IPS), Peminatan ilmu budaya dan Bahasa (IBB), Peminatan Agama.

  2.2. Macam Peminatan Peserta Didik

  Peminatan peserta didik sendiri adalah pemilihan peminatan pembelajaran berdasarkan keinginan peserta didik yang terdapat dalam suatu instansi pendidikan yang berfungsi untuk membantu dan memfasilitasi peserta didik dalam proses keberhasilan dalam belajar mengajar sebagaimana juga merupakan tujuan pendidikan nasional.

  Sebelum kurikulum 2013, pendidikan di SMA dan SMK memiliki program penjurusan peserta didik yang mana pada bangku SMA dilaksanakan pada kelas XI dan pada bangku SMK dilaksanakan pada awal penerimaan.

  2.1. Pengertian Peminatan Peserta Didik

  Berdasarkan tulisan dan penelitian yang sudah dijelaskan diatas dan kelebihan metode serta keakuratan dari metode yang akan digunakan, sehingga pada penelitian ini akan dibuatlah sebuah sistem “Pendukung Penentuan peminatan Menggunakan Metode Fuzzy Analytical Hierarchy Process” di MAN 2 Kota Serang. Dan diharpkan dapat membantu Instansi dalam pengambilan keputusan menentukan kelompok peminatan siswa yang tepat sesuai dengan kemampuan, minat, dan bakat serta prestasi akademik.

  IPS diperuntukkan bagi siswa yang memiliki kecenderungan ilmu sosial. Peminatan Bahasa diperuntukkan bagi siswa yang memiliki kecenderungan gemar berbahasa. Dan peminatan Agama diperuntukkan bagi siswa yang memiliki kecenderungan ilmu agama.

  AHP), seperti Implementasi Metode Fuzzy Analytical Hierarchy Process (F-AHP) untuk Pemilihan Sumber Daya Manusia dalam Kepanitiaan Organisasi Mahasiswa (Mahargiyak, 2013). Dalam penelitian tersebut membahas tentang pemilihan sumberdaya manusia dalam kepanitiaan organisasi mahasiswa dengan studi kasus pemilihan Panitia PEMILWA 2013 PTIIK UB. Pada penelitian tersebut mempunyai tingkat akurasi keberhasilan yang cukup baik yaitu sebesar 89.28%.

  Berdasarkan penelitian Sistem Pendukung Keputusan sebelumnya yang menggunakan metode Fuzzy Analytical Hierarchy Process (F-

  Untuk menutupi kelemahan dari metode AHP, terdapat suatu metode dengan pendekatan konsep Triangular Fuzzy Number (TFN) terhadap skala AHP, metode tersebut ialah Fuzzy Analytical Hierarchy Process (F-AHP). selain itu F-AHP sanggup mengatasi kelemahan pada kriteriayang memiliki sifat subjektif lebih banyak pada metode AHP.

  AHP ialah metode yang memperhatikan faktor-faktor subyektifitas seperti persepsi, preferensi, pengalaman, dan intuisi. (Mahargiyak,2013) Metode AHP memungkinkan individu untuk secara eksplisit menentukan peringkat kriteria terhadap satu sama lain untuk tujuan memilih prioritas, penataan masalah dari tujuan utama untuk tingkat sekunder kriteria dan alternatif (Chang Dkk., 2008). Meskipun metode AHP banyak digunakan untuk menyelesaikan permasalahan dalam pengambilan keputusan (Cheng, 1997 ; Chan dkk., 2000), namun metode AHP memiliki kelemahan. Metode AHP memiliki ketidakpastian dalam skala AHP yang berbentuk nilai crisp.

  Oleh karena itu, pada penelitian ini penentuan kelompok peminatan siswa dilakukan dengan menggunakan model/sistem pendukung keputusan yang dapat menentukan kelompok peminatan siswa yang sesuai dengan kriteria yang ditetapkan oleh pihak sekolah atau pengambil keputusan. Salah satu metode yang dapat digunakan untuk mendukung sistem pendukung keputusan adalah Analytical Hierarchy Process (AHP).

  2 Kota Serang menggunakan lima aspek peminatan diantaranya nilai penerimaan peserta didik baru (PPDB), nilai ujian nasional, nilai rapor, hasil tes psikologi, dan minta peserta didik. Namun di dalam penentuan peminatan belum ada standardisasi pembobotan dalam setiap aspek peminatan sehingga hasil yang diperoleh tidak maksimal.

  Dalam penentuan peminatan siswa, MAN

  Pada proses pemilihan dan penetapan peminatan peserta didik yang dilakukan di

  MAN

  Langkah normalisasi matriks adalah :  Menjumlahkan nilai-nilai dari setiap kolom pada matriks.

  C i C ¹

  1 C ^{12 ... C ji} C ² C ^ij 1 ... C ^ji ... ... ... … C ^ji C j C ij C ij C ij

  1 Formula perhitungan untuk mengisi kolom Cij adalah dengan Persamaan 1.

  =

  1

  (1)

  4. Normalisasi Matriks

   Membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk memperoleh normalisasi matriks. Perhitungan normalisasi matriks menggunakan persamaan 2.

   Matriks perbandingan berpasangan diisi dengan menggunakan bilangan untuk merepresentasikan kepentingan relatif dari setiap elemen.

  Nilai elemen baru = Nilai elemen matriks Jumlah kolom elemen

  (2) 5. Pembobotan (Eigen Vektor)

  Pembobotan dengan menjumlahkan nilai dari setiap baris dan membaginya dengan jumlah kriteria dengan persamaan 3.

  Bobot Prioritas =

  Jumlah baris Jumlah kriteria

  (3) 6. Mengukur konsistensi

  Bertujuan untuk mengetahui seberapa baik konsistensi yang ada karena kita tidak menginginkan keputusan berdasarkan pertimbangan dengan konsistensi yang rendah. Tahap-tahap dalam mengukur konsistensi adalah sebagai berikut :  Mengalikan setiap nilai pada kolom pertama dengan prioritas relatif elemen pertama, nilai kolom kedua dengan prioritas relatif elemen kedua, dan seterusnya.

  Tabel 2. Susunan Matriks Perbandingan Berpasangan C ^{1 C 2} …

   menyusun matriks perbandingan berpasangan, yaitu membandingkan elemen secara berpasangan sesuai kriteria yang diberikan.

  2 Kota Serang, aspek yang dipertimbangkan adalah aspek: hasil penilaian penerimaan peserta didik baru yang terdiri dari nilai PPDB IPA, nilai PPDB IPS, nilai PPDB bahasa, dan nilai PPDB agama. Prestasi belajar (rapor) terdiri dari nilai rapor IPS dan rapor agama, nilai ujian nasional yang terdiri dari nilai UN IPA, nilai UN matematika, nilai UN Bahasa Indonesia dan nilai UN Bahasa Inggris, hasil psikotes, dan pernyataan minat peserta didik.

  1 Kedua elemen sama penting

  2.4. Analytical Hierarchy Process (AHP) Analytical Hierarchy Process (AHP)

  diperkenalkan oleh DR.Thomas L. Saaty di awal tahun 1970. Pada saat itu, AHP digunakan untuk mendukung pengambilan keputusan pada beberapa organisasi dan perusahaan.

  AHP merupakan prosedur yang memiliki basis matematis sangat baik dan sesuai untuk mengevaluasi berbagai atribut kualitatif. Atribut-atribut tersebut secara matematik dikuantitatifkan dalam sebuah perbandingan berpasangan, yang kemudian digunakan untuk pengembangan berbagai prioritas secara keseluruhan untuk penyusunan alternatif- alternatif pada urutan ranking/prioritas.

  Langkah-langkah metode AHP, adalah sebagai berikut (Kusrini, 2007).

  1. Mendefinisikan masalah dan menentukan solusi kedalam struktur hirarki.

  2. Membuat perbandingan berpasangan.

  Tabel 1. Skala Penilaian Kepentingan Intensitas Kepentingan Keterangan

  3 Elemen yang satu lebih penting dari elemen yang lainnya

  :

  5 Elemen yang satu lebih penting daripada yang lainnya

  7 Satu elemen jelas lebih mutlak penting daripada elemen lainnya

  9 Satu elemen mutlak penting penting daripada elemen lainnya 2, 4, 6, 8 Nilai diantara dua nilai pertimbangan-pertimbangan yang berdekatan

  Kebalikan Nilai Kebalikan, A(I,j)=1/A(j,i).

  Dimana A adalah matriks perbandingan berpasangan antar elemen baik kriteria, sub kriteria maupun alternatif tujuan.

  3. Menentukan prioritas elemen.

  Tahap dalam menentukan prioritas elemen adalah

   Tiap baris dijumlahkan dan hasilnya dibagi dengan prioritas relatif yang bersangkutan.

  hanya mempunyai dua kemungkinan, yaitu 0  Hasil bagi tersebut dijumlahkan untuk _{max . Untuk menghitung} atau 1. Himpunan fuzzy menyediakan cara yang mendapatkan nilai λ _max efektif untuk mengatasi ketidakpastian selain menggunakan persamaan (4). λ teori probabilitas karena terdapat kemungkinan

  ( ) terjadinya keangotaan sebagian.

  (4) λ max =

  ( )

  2.6. Fuzzy Analytical Hierarchy Process (F-

  7. Menghitung Consistency Index (CI) AHP) menggunakan persamaan (5).

  F-AHP merupakan gabungan metode AHP

  λ max −

  dengan pendekatan konsep Fuzzy. F-AHP (5)

  =

  −1

  menutupi kelemahan yang terdapat pada AHP, yaitu permasalahan terhadap kriteria yang

  8. Menghitung Consitency Ratio (CR) memiliki sifat subjektif lebih banyak.

  menggunakan persamaan (6).

  Ketidakpastian bilangan direpresentasikan (6)

  = dengan urutan skala. Penentuan derajat Dimana :

  keanggotaan Fuzzy AHP yang

  CR = Consistency Ratio

  dikembangkan menggunakan fungsi

  CI = Consistency Index

  keanggotaan segitiga (Triangular Fuzzy

  RI = Random Consistency Index

  Number/TFN). Fungsi keanggotaan segitiga Ratio index (RI) yang umum digunakan untuk merupakan gabungan antara dua garis setiap ordo matriks ditunjukkan pada tabel 3.

  (linear). langkah-langkah metode Fuzzy Tabel 3. Tabel Random Consistency Index

  AHP, adalah: N RI 1.

  Membuat struktur hirarki masalah yang akan

  1

  diselesaikan dan menentukan perbandingan

  2

  matriks berpasangan antar kriteria dengan

  3 0,58 skala TFN seperti pada Tabel 4 . 4 0,9

  Tabel 4. Tabel Fuzzifikasi Perbandingan antar Dua 5 1,12

  Kriteria 6 1,24

  Skala Skala Fuzzy Invers Skala 7 1,32

  AHP Fuzzy 8 1,41

  1 1= (1,1,1) = jika (1/3, 1/1, 1/1) diagonal 9 1,45

  (1,1,3) = selainnya 10 1,49 11 1,51

  3 3 = (1,3,5) (1/5, 1/3, 1/1) 5 5 = (3,5,7) (1/7, 1/5, 1/3) 12 1,48

  7 5 = (3,5,7) (1/9, 1/7, 1/5) 13 1,56

  9 9 = (7,9,9) (1/9, 1/9, 1/7) 14 1,57

  2 2 = (1,2,4) (1/4, 1/2, 1/1) 15 1,59

  4 4 = (2,4,6) (1/6, 1/4, 1/2) 6 6 = (4,6,8) (1/8, 1/6, 1/4) 8 8 = (6,8,9) (1/9, 1/8, 1/6)

  Memeriksa konsistensi hierarki berdasarkan tabel ratio index. Jika nilai < 0,1 Skala fuzzifikasi perbandingan maka hasil perhitungan bisa dinyatakan benar, kepentingan antara dua kriteria dapat namun jika > 0,1 maka penilaian data harus digambarkan dalam bentuk grafik seperti pada diperbaiki. gambar 1.

2.5. Logika Fuzzy

  Logika fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Logika ini memiliki nilai kesamaran antara benar.

  Dalam himpunan tegas, nilai keanggotaan

  Gambar 1. Grafik Fuzzifikasi Skala F-AHP 2.

  Dimana Ai = 1,2,…n adalah vektor fuzzy (W) 4. Normalisasi nilai bobot vektor fuzzy (W)

  − ( − )−( − ) ,

  (11)

  Jika hasil nilai fuzzy lebih besar dari k, Mi, (i=1,2,,k) maka nilai vektor dapat didefinisikan sebagai persamaan (12).

  V( M ≥ M1, M2, ….., Mk) = V (M ≥ M1) dan V(M ≥ M2) dan V (M ≥ Mk) = min V(M ≥ Mi) (12)

  Ordinat defuzzyfikasi didefinisikan pada persamaan (13).

  d’(Ai) = min V (Si ≥ Sk) (13)

  untuk k = 1,2,…, n; k ≠ i, maka diperoleh nilai bobot vektor seperti pada persamaan (14).

  W’ = (d’(A1), d’(A2),…, d’(An)) ^T (14)

  Setelah dilakukan normalisasi dari persamaan (2.20) maka nilai bobot vektor yang ternormalisasi adalah seperti persamaan (15):

  Dimana sub merupakan batas atas terkecil dari hasil minimal vector. Atau seperti yang ditunjukkan pada persamaan (11) untuk menentukan nilai vektor.

  W (d(A1), d(A2),…, d(An),) ^T (15)

  2.7. Akurasi

  Akurasi merupakan seberapa dekat suatu angka hasil pengukuran terhadap angka sebenarnya. Dalam penelitian ini akurasi keputusan dihitung dari jumlah keputusan yang tepat dibagi dengan jumlah data yang diuji. Tingkat akurasi diperoleh dengan persamaan (16).

  (%) = ∑ ∑ x 100 % (16) 3.

   METODOLOGI

  menjelaskan metode mengenai langkah- langkah yang digunakan dalam implementasi metode fuzzy analytic hierarchy proces (F- AHP) dalam penentuan peminatan di MAN 2 Kota Serang. Untuk lebih jelas dalam memahami alur penelitian dan cara kerja sistem yang akan dibangun

  ,

  Metode penelitian pada

  ( ≥ ) = { ≥ ≥

  M1(x), min(µM2(y)))] (10)

  Menentukan nilai sintesis fuzzy (Si) prioritas dengan persamaan 7 , 8, dan 9.

  , ∑

  = ∑ = [ ∑ = ∑ = ] −

  (7) Dimana :

  ∑ = = [ ∑ = , ∑ = , ∑ ] =

  (8) Sedangkan,

  ∑ ∑ = =

  = ( ∑

  = ,

  ∑ =

  =

  V(M2 ≥ M1) = sup[min(µ

  (9) Dimana

  ∑

  =1 adalah penjumlahan baris

  pada matriks berpasangan, =1 =1 adalah penjumlahan kolom pada perbandingan matriks berpasangan.

  Keterangan : M = Objek (kriteria, subkriteria, atau alternatif) i = baris ke-i, j = kolom ke-j, l = nilai lower, m = nilai medium, u = nilai upper 3.

  Menentukan nilai vektor (V) dan nilai

  ordinat defuzzifikasi

  (d’). jika hasil yang didapatkan pada matriks fuzzy , M2 ≥ M1 dimana M1 = (l1, m1, u1) dan M2 = (l2, m2, u2) maka nilai vektor dapat dilihat pada persamaan (10).

  bab ini dapat diilustrasikan pada gambar berikut. Gambar 2 Diagram alur metodologi penelitian

  Penjelasan dari diagram alir penelitian adalah sebagai berikut:

  berjalan dengan baik. Dan pengujian akurasi digunakan untuk mengukur tingkat akurasi dari hasil yang dihasilkan oleh sistem dengan membandingkan data pakar dengan data keluaran dari sistem. data yang digunakan 4.1.

  Tidak Mulai Selesai

  Normalisasi Bobot Vektor (W) Menghitung Rasio Konsistensi (CR) Menghitung Nilai Bobot Alternatif Ya

  Menghitung Nilai Sintesis Fuzzy (Si) Menghitung Nilai Vektor (V) dan Ordinat Defuzzyfikasi (d’)

  Transformasi TFN terhadap Skala AHP

  Kriteria_peminatan Membuat Matriks Perbandingan Berpasangan Rasio ≤ 0.1 Nilai Bobot Akhir Alternatif

  Pengujian fungsional dilakukan untuk memastikan apakah metode fuzzy-AHP yang diterapkan pada sistem berjalan baik dan mencari kesalahan atau kekurangan pada sistem dalam penentuan peminatan siswa di MAN 2 Kota Serang. Pengujian fungsional dilakukan dengan pengujian black box. Pengujian black box digunakan untuk menguji langkah-langkah

   Pengujian Fungsional

  fuzzy -AHP yang diterapkan pada sistem

  1. Studi literatur: menjelaskan dasar teori yang digunakan untuk menunjang penulisan penelitian.

  sistem diuji menggunakan pengujian fungsional dan pengujian akurasi. Pada pengujian fungsional digunakan untuk mengukur apakah metode

  4. HASIL PENELITIAN Dalam hasil penelitian akan dijelaskan mengenai proses pengujian sistem.

  Gambar 3 Flowchart Perhitungan F-AHP.

  Secara umum alur proses penerapan metode F- AHP untuk peminatan dapat digambarkan kedalam bentuk flowchart pada gambar 3.

  Kemudian menyimpulkan serta memberi saran yang berkenaan dengan hasil yang telah dicapai guna memperbaiki kesalahan untuk pengembangan yang akan datau atau pengembangan lebih lanjut

  5. Pengujian: menjelaskan pengujian yang dilakukan untuk mendapatkan akurasi sistem yang telah dibuat.

  4. Implementasi: menjelaskan implementasi dari penelitian ini sesuai dengan perancangan.

  2. Analisis kebutuhan dan pengumpulan data: penentuan kebutuhan apa saja yang diperlukan dalam penyelesaian masalah untuk mementukan pemintan di MAN 2 Kota Serang 3. Perancangan sistem: menjelaskan mengenai proses-proses yang berjalan pada sistem

6. Kesimpulan: Melakukan evaluasi dan analisis hasil pengujian terhadap sistem.

  dari metode fuzzy-AHP dari sistem penentuan pengujian skenario pengaruh bobot kriteria peminatan yang dirancang. Pengujian ini hanya terhadap akurasi untuk peminatan

  IPA mengevaluasi hanya dari tampilan luarnya ditunjukkan pada tabel 5. tanpa mengetahui apa yang sesungguhnya

  Tabel 5. Matriks Perbandingan Berpasangan terjadi dalam proses detailnya. _{K1 K2 K3 K4 K5 K6 K7 K8 K9 K10 K11 K12 K13 K14 K15} Peminatan IPA Percobaan 1

  4.2 Pengujian Akurasi Sistem K1 _{K3 0,5 1 K2 0,5 1} ^{1 2} _{1 1 0,333 0,333 0,333 0,333 0,25 0,25 0,333 0,167 0,2 0,2 0,2 1 1 0,333 0,333 0,333 0,333 0,25 0,25 0,333 0,167 0,2 0,2 0,2} ^{2 2 1 1 1 1 0,5 0,5 2 0,333 1 1 1} Pengujian akurasi dilakukan untuk _{K4 0,5 1 1 1 0,333 0,333 0,333 0,333 0,25 0,25 0,333 0,167 0,2 0,2 0,2} mengetahui performa implementasi metode F- _{K6 K5 1 1 3 3 3 3 3 3 1 1 1 1 1 1 1 0,5 0,5 0,5 0,25 0,333 0,333 0,333 1 0,5 0,5 0,5 0,25 0,333 0,333 0,333}

  AHP dalam penentuan peminatan di MAN 2 _{K7 K8 1 1 3 3 3 3 3 3 1 1 1 1 1 1 1 0,5 0,5 0,5 0,25 0,333 0,333 0,333 1 0,5 0,5 0,5 0,25 0,333 0,333 0,333} Kota Serang. Pengujian dilakukan dengan _{K9 2 4 4 4 2 2 2 2 1 1 3 0,5 2 2 2} membandingkan data hasil keputusan sistem _{K11 0,5 3 K10 2 4 3 4 4 3 2 2 2 2 2 2 2 2 0,333 0,333 1 1 1 0,25 3 0,5 1 2 1 2 1 2} dengan data siswa baru MAN 2 Kota Serang _{K12 3 6 6 6 4 4 4 4 2 2 4 1 3 3 3} tahun 2016/2017. Pengujian dilakukan dengan _{K14 K13 1 1 5 5 5 5 5 5 3 3 3 3 3 3 3 0,5 0,5 3 0,5 0,5 1 0,333 1 0,333 1 1 1 1 1 1} cara memasukkan beberapa nilai matriks _{K15 1 5 5 5 3 3 3 3 0,5 0,5 1 0,333 1 1 1} perbandingan yang berbeda-beda untuk mengetahui seberapa besar pengaruh matriks keterangan: perbandingan berpasangan terhadap nilai

  K1 = PPDB IPA K9 = UN Matematika akurasi yang akan dihasilkan oleh sistem. K2 = PPDB Bahasa K10 = UN IPA

  Diketahui hasil pengujian perbandingan K3 = PPDB IPS K11 = Psikotes sistem penentuan peminatan siswa dengan hasil K4 = PPDB Agama K12 = Minat IPA yang diperoleh dari data guru BK MAN 2 Kota K5 = Rapor IPS K13 = Minat IPS Serang dengan tingkat akurasi sebesar 63,33%.

  K6 = Rapor Agama K14 = Minat Bahasa Proses pengujian akurasi tersebut menggunakan

  K7 = UN B. Indonesia K15 = Minata Agama data siswa baru MAN 2 Kota Serang tahun K8 = UN B. Inggris

  2016/2017 sebanyak 30 data siswa. Dari hasil peminatan 30 data siswa, keluaran yang Hasil pengujian percobaan pertama dan dihasilkan sistem tedapat 19 data yang sesuai kedua dapat dilihat pada tabel 6 dan tabel 7. dan 11 data siswa yang tidak sesuai dengan

  Tabel 6. Hasil Pengujian Pengaruh Bobot hasil dari data guru BK MAN 2 Kota Serang. Kriteria Terhadap Akurasi Percobaan 1

4.3. Pengujian Pengaruh Bobot Kriteria Data MAN 2 Data Sistem Kota Serang Terhadap Akurasi

  Hasil No Pemiantan No Peminatan

  Pada pengujian pengaruh bobot kriteria

  Tidak

  terhadap akurasi dilakukan pengujian dengan

  1 IBB

  1 IPA sesuai

  mengubah nilai bobot matriks perbandingan

  Sesuai

  2 IPA

  2

  berpasangan sebanyak dua kali dari masing-

  IPA

  masing peminatan. Tujuan pengujian ini untuk

  Sesuai

  3 AGAMA

  3 AGAMA

  mendapatkan nilai akurasi yang lebih baik pada

  Tidak

  4 IPS

  4

  penentuan peminatan siswa menggunakan

  IPA sesuai metode fuzzy-AHP.

  Sesuai

  5 IPA

  5 IPA

  Pada pengujian ini bobot yang diubah pada

  Sesuai

  setiap matriks perbandingan kriteria peminatan

  6 IPS

  6 IPS

  adalah nilai bobot yang berhubungan dengan

  Sesuai

  7 IPS

  7

  peminatan tersebut. contoh nilai bobot yang

  IPS Sesuai

  diubah pada percobaan pertama peminatan IPA

  8 IPA

  8 IPA

  ialah nilai bobot matriks perbandingan kriteria

  Sesuai

  9 IPA

  9

  1 terhadap kriteria 5 sampai kriteria 15, kriteria

  IPA Sesuai

  11 terhadap kriteria 1 sampai kriteria 15,

  10 IBB

  10 IBB

  kriteria 9 terhadap kriteria 11 sampai kriteria

  Sesuai

  11 IPA

  11

  15, kriteria 10 terhadap kriteria 11 sampai

  IPA

  kriteria 15, dan kriteria 12 terhadap kriteria 13

  Sesuai

  12 IPA

  12 IPA

  sampai kriteria

  15. Contoh Matriks

  Sesuai

  perbandingan kriteria percobaan pertama

  13 IPA

  13 IPA

  14 AGAMA

  14 AGAMA

  18 IBB Tidak sesuai

  18 IPA

  17 IPS Sesuai

  17 IPS

  16 IBB Sesuai

  16 IBB

  15 IPS Sesuai

  15 IPS

  14 AGAMA Sesuai

  13 IPA Sesuai

  19 AGAMA Tidak sesuai

  13 IPA

  12 IPA Sesuai

  12 IPA

  11 IPA Sesuai

  11 IPA

  10 IBB Sesuai

  10 IBB

  9 IPA Sesuai

  9 IPA

  19 IBB

  20 IBB

  8 IPA

  26 IPS

  30 AGAMA Sesuai

  30 AGAMA

  29 AGAMA Sesuai

  29 AGAMA

  28 AGAMA Sesuai

  28 AGAMA

  27 AGAMA Sesuai

  27 AGAMA

  26 IPS Sesuai

  25 IBB Tidak sesuai

  20 IBB Sesuai

  25 IPS

  24 IPA Tidak sesuai

  24 IPS

  23 IPA Sesuai

  23 IPA

  22 IPA Sesuai

  22 IPA

  21 IPA Tidak sesuai

  21 IPS

  8 IPA Sesuai

  7 IPS Sesuai

  14 AGAMA Sesuai

  20 IBB

  24 IPA Tidak sesuai

  24 IPS

  23 IPA Sesuai

  23 IPA

  22 IPA Sesuai

  22 IPA

  21 IPA Tidak sesuai

  21 IPS

  20 IBB Sesuai

  19 AGAMA Tidak sesuai

  25 IBB Tidak sesuai

  19 IBB

  18 IBB Tidak sesuai

  18 IPA

  17 IPS Sesuai

  17 IPS

  16 IBB Sesuai

  16 IBB

  15 IPS Sesuai

  15 IPS

  25 IPS

  26 IPS

  7 IPS

  2 IPA

  6 IPS Sesuai

  6 IPS

  5 IBB Tidak sesuai

  5 IPA

  4 IPA Tidak sesuai

  4 IPS

  3 AGAMA Sesuai

  3 AGAMA

  2 IPA Sesuai

  1 IPA Tidak sesuai

  26 IPS Sesuai

  1 IBB

  Data MAN 2 Kota Serang Data Sistem Hasil No Pemiantan No Peminatan

  30 AGAMA Sesuai Tabel 7. Hasil Pengujian Pengaruh Bobot Kriteria Terhadap Akurasi Percobaan 2

  30 AGAMA

  29 AGAMA Sesuai

  29 AGAMA

  28 AGAMA Sesuai

  28 AGAMA

  27 AGAMA Sesuai

  27 AGAMA

  Pada pengujian pengaruh nilai bobot kriteria terhadap akurasi didapatkan bahwa pengujian pada percobaan pertama dengan mengubah beberapa nilai bobot kriteria perbandingan berpasangan yang sesuai dengan kriteria masing-masing peminatan menghasilkan tingkat akurasi sebesar 76,67%. Dan pengujian pada percobaan kedua dengan mengubah beberapa nilai bobot kriteria perbandingan berpasangan yang sesuai dengan kriteria masing-masing peminatan namun memiliki bobot nilai yang berbeda menghasilkan tingkat akurasi sebesar 73,33%. Dari analisis tersebut, dapat diketahui bahwa perubahan bobot kriteria mempengaruhi akurasi yang dihasilkan dengan akurasi terbesar 76,67% pada percobaan pertama, sehingga dari hasil percobaan diatas dapat membuktikan bahwa nilai bobot matriks perbandingan berpasangan berpengaruh terhadap sistem penentuan peminatan siswa di MAN 2 Kota Serang. Untuk mendapatkan hasil akurasi yang lebih baik diperlukan metode optimasi dalam menentukan nilai bobot matriks perbandingan berpasangan yang terbaik.

  5. KESIMPULAN

  Kusumadewi, S., & Purnomo, H. 2010. Aplikasi

  A,. 2015. Perancangan sistem

  Susanti.

  Proposal . (diakses pada tanggal 3 Februari 2016).

  https://filkom.ub.ac.id/apps : Template

  Keputusan Seleksi Penerimaan Siswa Baru Menggunakan Metode Electre - Weighted Product . Universitas Brawijaya.

  Putri, Maharani., 2014. Sistem Pendukung

  Pendukung Keputusan Penentuan Peminatan Peserta Didik Menggunakan Metode Weighted Product Berbasis Web (Studi Kasus : Sma Negeri 1 Purwodadi Grobogan) . Universitas Diponegoro.

  Prabowo A., G., Novanita B., 2015. Sistem

  Pengambilan Keputusan Kriteria Majemuk . Jakarta: PT. Grasindo.

  Brawijaya. Marimin, 2004. Teknik Dan Aplikasi

  Fuzzy Analytical Hierarchy Process (F- AHP) untuk Pemilihan Sumber Daya Manusia dalam Kepanitiaan Organisasi Mahasiswa . Univerista

  2013. Pedoman Peminatan Peserta Didik . Jakarta. Mahargiyak, E., 2013. Implementasi Metode

  Kementerian Pendidikan dan Kebudayaan.

  Logika Fuzzy untuk Pendukung Keputusan . Yogyakarta: Graha Ilmu.

  keputusan untuk pemilihan jurusan menggunakan fuzzy multiple atribute decision making dengan metode simple additive weighting studi kasus pada sma islam sultan agung 1 semarang .

  Berdasarkan penelitian yang dilakukan, dapat disimpulan bahwa

  4. Pada pengujian pengaruh nilai bobot matriks perbandingan berpasangan dilakukan dua percobaan, percobaan pertama menghasilkan akurasi sebesar 76,67% dan percobaan kedua menghasilkan akurasi sebesar 73,33%. Dapat disimpulkan bahwa perubahan nilai bobot matriks perbandingan berpasangan mempengaruhi akurasi sistem penentuan peminatan di MAN 2 Kota Serang.

  1. metode fuzzy analytical hierarchy process

  (F-AHP) dapat diimplementasikan dalam penentuan peminatan siswa dengan keluaran sistem hasil peminatan siswa dengan tahapan yaitu, membuat matriks perbandingan berpasangan dengan skala AHP, transformasi matriks perbandingan berpasangan ke dalam skala TFN, menghitung nilai sintesis fuzzy (Si), nilai vektor (V) dan ordinat defuzzyfikasi

  (d’), normalisasi, menghitung rasio konsistensi, dan menghitung nilai bobot alternatif akhir .

  2. Hasil pengujian fungsional sistem penentuan peminatan di MAN 2 Kota Serang memilliki tingkat presentase sebesar 100%.

  3. Hasil pengujian akurasi berdasarkan

  perbandingan hasil penentuan peminatan dari sistem dengan hasil penentuan peminatan dari MAN 2 Kota Serang adalah sebesar 63,33% dengan jumlah data yang sesuai sebanyak 21 data, dari total 30 data uji .

  6. DAFTAR PUSTAKA

  Handayani, D., N,. dkk.,2014.Sistem pendukung

  Ansori, Yusuf., 2012. Pendekatan Triangular

  Fuzzy Number dalam Metode Analytic Hierarchy Process . Jurnal Ilmiah

  Foristek Vol. 2, No. 1. Bhusan, N., Rai, K., 2004. Strategic Decision

  Making Applying the Analytic Hierarchy Process . Springer.

  Fauziah M, I., 2014. Sistem pendukung

  keputusan seleksi beasiswa ppa dan bbm menggunakan metode fuzzy AHP .Universitas Brawijaya.

  pendukung keputusan penentuan jurusan siswa sma negeri 2 kutacane berbasis web dengan menggunakan metode analytical hierarchy process (AHP) . Pelita Informatika Budi Darma Volume : IX, Nomor: 1.