Institutional Repository | Satya Wacana Christian University: Perancangan dan Implementasi Sistem Pendukung Keputusan Penerimaan Asisten Dosen FTI UKSW dengan Metode Weighted Product

  

Perancangan dan Implementasi

Sistem Pendukung Keputusan Penerimaan Asisten Dosen FTI

UKSW dengan Metode Weighted Product

Artikel Ilmiah

  

Peneliti:

Lestari Wijayanti (672014101)

Magdalena A. Ineke Pakereng, M.Kom.

  

Program Studi Teknik Informatika

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Salatiga

  

September 2017

  

Perancangan dan Implementasi

Sistem Pendukung Keputusan Penerimaan Asisten Dosen FTI

UKSW dengan Metode Weighted Product

Artikel Ilmiah

  

Diajukan kepada

Fakultas Teknologi Informasi

untuk memperoleh Gelar Sarjana Komputer

  

Peneliti:

Lestari Wijayanti (672014101)

Magdalena A. Ineke Pakereng, M.Kom.

  

Program Studi Teknik Informatika

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Salatiga

  

September 2017

  1. Pendahuluan

  Kehidupan manusia akan selalu dihadapkan pada pilihan. Pengambilan keputusan yang tepat terhadap sebuah pilihan tidak dapat dilakukan dengan sembarangan, karena akan membawa dampak positif maupun negatif dari keputusan tersebut. Beberapa pilihan dapat dilakukan dengan cepat, sedangkan beberapa pilihan membutuhkan proses yang panjang untuk menghasilkan keputusan yang tepat. Contoh pengambilan keputusan yang membutuhkan proses panjang terlihat pada sistem penerimaan asisten dosen di Fakultas Teknologi Informasi Universitas Kristen Satya Wacana (FTI UKSW). Sistem pelaksanaan dan kriteria dalam seleksi penerimaan asisten dosen diatur oleh setiap dosen koordinator matakuliah. Standarisasi kriteria baku menjadi kelemahan dari sistem seleksi penerimaan asisten dosen. Standarisasi kriteria baku meliputi standard kriteria kompetensi asisten, seperti kemampuan pengendalian kelas, kemampuan presentasi, pemahaman materi matakuliah. Standar kriteria lain seperti waktu pelaksanaan seleksi, dan waktu seleksi. Waktu seleksi yang tidak pasti mengakibatkan pelaksanaan seleksi yang berbeda setiap matakuliah, sehingga terdapat kasus asisten masuk kelas pada pertengahan semester. Terdapat beberapa kasus pemilihan asisten dosen berdasarkan relasi dengan dosen koordinator matakuliah yang bersangkutan, hal ini dapat menyebabkan dampak negatif seperti kurangnya kompetensi dari asisten yang terpilih. Beberapa kasus menunjukkan banyaknnya calon asisten menyebabkan asisten dipilih berdasarkan relasi antara calon dengan dosen koordinator. Keterlambatan asisten dalam masuk kelas dan kurangnya kompetensi asisten dapat menyebabkan kurang efektifnya kelas dan mengganggu proses belajar mengajar.

  Komponen utama dalam sebuah sistem pendukung keputusan adalah metode penarikan keputusan yang digunakan. Terdapat berbagai macam metode yang dapat digunakan dalam membuat sistem pendukung keputusan, seperti metode Weighted

  , ID3, TOPSIS, dan lain sebagainya. Metode Weighted Product mempunyai

  Product

  keunggulan untuk pengambilan keputusan yang multi kriteria. Sistem Seleksi Penerimaan Asisten Dosen mempunyai banyak kriteria yang harus dipertimbangkan, sehingga Metode Weighted Product dapat digunakan dalam sistem.

  Berdasarkan latar belakang yang sudah dipaparkan, maka dilakukan penelitian yang berjudul "Perancangan dan Implementasi Sistem Pendukung Keputusan Penerimaan Asisten Dosen FTI UKSW dengan Metode Weighted Product ".

  2. Tinjauan Pustaka

  Penelitian berjudul Sistem Pendukung Keputusan Penerimaan Asisten Dosen pada Fakultas Teknologi Informasi UKSW Menggunakan Metode TOPSIS, membahas tentang bagaimana merancang sistem pendukung keputusan untuk memudahkan pekerjaan dosen dalam memilih asisten dengan menggunakan metode TOPSIS. Hasil akhir penelitian berupa aplikasi desktop berisi laporan ranking calon asisten [1].

  Penelitian berjudul Implementasi Metode Weighted Product (WP) dalam Sistem Pendukung Keputusan untuk Menyeleksi Penerima Beras Masyarakat Miskin (Raskin), membahas bagaimana pengimplementasian metode Weighted dalam sistem pendukung keputusan untuk menyeleksi penerima beras

  Product

  masyarakat miskin. Penelitian menghasilkan aplikasi offline berbasis web yang dapat membantu dalam proses seleksi calon penerima raskin dan mempercepat proses seleksi [2].

  Penelitian berjudul Penerapan Metode Weighted Product (WP) untuk Penerimaan Pegawai Baru di PT Tiga Serangkai Pustaka Mandiri Surakarta, membahas bagaimana penerapan metode Weighted Product diterapkan dalam suatu sistem pendukung keputusan. Penelitian menghasilkan kesimpulan bahwa metode

  

Weighted Product memiliki kinerja sistem yang baik dan dapat diterapkan untuk

  seleksi penerimaan pegawai baru di PT Tiga Serangkai Pustaka Mandiri Surakarta [3].

  Penelitian berjudul Pemodelan Sistem Pendaftaran dan Seleksi Asisten Dosen FTI UKSW Menggunakan Metode Promethee Berbasis Web Service, membahas bagaimana membangun sebuah sistem pendaftaran dan seleksi asisten dosen yang dapat memudahkan dalam seleksi asisten dosen berbasis Web Service. Penelitian menggunakan metode Promethee dalam membantu mengambil keputusan dan menggunakan platform Web sebagai implementasi. Hasil penelitian berupa laporan ranking sebagai informasi untuk pertimbangan dalam memilih asisten [4].

  Sistem Pendukung Keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan manipulasi data. Sistem yang digunakan untuk membantu pengambilan keputusan dalam situasi yang semiterstruktur dan situasi yang tidak terstruktur, dimana tidak ada yang tahu secara pasti bagaimana keputusan seharusnya dibuat [5].

  Pengambilan keputusan merupakan hasil suatu proses pemilihan dari berbagai alternatif tindakan yang mungkin dipilih dengan mekanisme tertentu, dengan tujuan untuk menghasilkan keputusan yang terbaik. Suatu SPK memberikan alternatif keputusan dan selanjutnya diserahkan kepada user untuk mengambil keputusan [6].

  Weighted Product (WP) adalah keputusan analisis multi-kriteria yang populer

  dan merupakan metode pengambilan keputusan multi-kriteria. Seperti semua metode FMADM (Fuzzy Multi Attributes Decision Making), Weighted Product adalah himpunan berhingga dari alternatif keputusan yang dijelaskan dalam istilah beberapa kriteria keputusan. Metode Weighted Product menggunakan perkalian untuk menghubungkan rating atribut, rating setiap atribut dipangkatkan dengan bobot atribut yang bersangkutan, bobot dapat ditentukan oleh pengambil keputusan dengan melihat prioritas atau ditentukan dengan menggunakan kuesioner. Setelah penentuan bobot, selanjutnya akan dilakukan perbaikan nilai bobot agar W = 0

  j

  dengan menggunakan rumus [7]:

  (1) Secara umum, prosedur dari metode Weighted Product mengikuti langkah- langkah sebagai berikut [8]: (1) Mengalikan seluruh atribut bagi seluruh alternatif dengan bobot sebagai pangkat positif bagi atribut biaya; (2) Hasil perkalian dijumlahkan untuk menghasilkan nilai pada setiap alternatif; (3) Membagi nilai V bagi setiap alternatif dengan nilai pada setiap alternatif; (4) Ditemukan urutan alternatif terbaik yang akan menjadi keputusan dari perhitungan Vektor V kemudian dilakukan perangkingan yang diurutkan dari nilai vektor V dari nilai terbesar ke terkecil dan nilai vektor V (Vi) yang terbesar adalah alternatif Ai yang terpilih menjadi yang terbaik.

  : jumlah kriteria

  w j : pangkat bernilai positif untuk atribut keuntungan dan bernilai negatif

  n

  : kriteria

  j

  : alternatif, bernilai 1,2,…,m

  x : nilai kriteria w : bobot kriteria i

  Keterangan: V : preferensi alternatif

  Menentukan preferensi relatif setiap alternatif (3)

  b.

  untuk atribut biaya w j bernilai 1.

  : jumlah kriteria

  Proses pembobotan sama dengan proses normalisasi. Berikut adalah konsep dari metode Weighted Product [7]: a.

  n

  : kriteria

  j

  : alternatif, bernilai 1,2,…,m

  w : bobot kriteria i

  : nilai kriteria

  x

  Keterangan: S : preferensi alternatif

  (2)

  Menentukan preferensi alternatif

• * : jumlah kriteria yang sudah dinilai pada vektor S

  Secara umum penelitian dibagi menjadi 4 tahapan, yaitu: (1) Tahap analisa kebutuhan dan pengumpulan data; (2) Tahap perancangan sistem; (3) Tahap implementasi sistem; (4) Tahap pengujian sistem dan analisis hasil pengujian. Tahapan penelitian dapat dilihat pada Gambar 1.

  

Analisis Kebutuhan, dan Pengumpulan Data

Perancangan Sistem meliputi Perancangan Proses

(UML)

Implementasi Sistem

  

Pengujian Sistem dan Analisis Hasil Pengujian

Gambar 1 Tahapan Penelitian

Tahapan pertama adalah analisis kebutuhan dan pengumpulan data.

  Dilakukan analisis terhadap masalah yang dihadapi dalam proses penerimaan asisten dosen, permasalahan yang muncul adalah proses seleksi asisten dosen dilakukan dengan manual yang memakan banyak waktu dan tidak ada standarisasi waktu sehingga proses seleksi beberapa matakuliah terkadang dianggap memakan waktu dan dapat mengganggu proses belajar mengajar. Tidak ada standarisasi kriteria asisten, ada asisten dipilih berdasarkan relasi dengan dosen koordinasi matakuliah yang bersangkutan. Pengumpulan data seperti data mahasiswa, data dosen, dll. dilakukan dengan literatur, jurnal, browsing di internet dan artikel. Untuk atribut penilaian yang digunakan dalam sistem adalah: (1) Nilai matakuliah yang bersangkutan; (2) Kemampuan mengajar; (3) Penguasaan materi; (4) Pengalaman; (5) Disiplin; (6) Motivasi. Atribut didapat dari kesimpulan hasil wawancara dan literatur dari penelitian terdahulu. Sampel data didapat dengan memberikan form penilaian kepada dosen koordinator setiap matakuliah. Tahap kedua adalah perancangan sistem yang dilakukan dengan merancang Unified

  (UML), meliputi perancangan use case diagram, class

  Modelling Language

diagram dan activity diagram. Perancangan antarmuka dilakukan pada tahap kedua.

  Tahap ketiga yaitu implementasi sistem yang dirancang pada tahap kedua ke dalam bahasa pemrograman, program ditulis dengan Bahasa Pemrograman PHP (Hypertext Preprocessor) dengan memanfaatkan application framework

  . Program yang dibangun diharapkan dapat memberikan output berupa

  CodeIgniter

  rekomendasi untuk dosen koordinator dalam memilih asisten, rekomendasi berupa bentuk ranking dari calon asisten. Tahap terakhir adalah pengujian sistem dan analisis hasil pengujian, sistem yang diimplementasikan diuji untuk mengetahui apakah sistem dapat menjawab permasalahan yang terjadi atau tidak. Pengujian dilakukan oleh calon asisten dan dosen. e Diagram Sistem Gambar 2 Use Cas

  Gambar 2 menunjukkan sistem use case diagram, menampilkan aktor yang menggunakan sistem. Aktor dalam sistem adalah admin yang berperan mengatur data mahasiswa, data dosen, data matakuliah, dan data kelas yang dibuka untuk setiap semester. Aktor kedua adalah dosen yang merupakan dosen koordinator matakuliah, berperan dalam seleksi calon asisten. Dosen melakukan penilaian terhadap calon asisten, memilih asisten yang diterima dan memilih koordinator asisten dengan melihat rekomendasi yang ditunjukkan oleh sistem. Aktor terakhir adalah mahasiswa, yakni semua mahasiswa FTI UKSW. Mahasiswa berperan dalam melakukan pendaftaran asisten.

  

Gambar 3 Class Diagram Sistem

Class Diagram sistem ditunjukkan pada Gambar 3, berisi gambaran struktur

  data yang dijadikan acuan dalam pembuatan tabel dalam database sistem. Setiap menunjukkan komponen yang dibutuhkan sistem, mewakili struktur data dari

  class

  tabel. Contoh, class mahasiswa mewakili struktur data mahasiswa, class dosen mewakili struktur data dosen dst. Relasi antar class ditunjukkan oleh Gambar 5, atribut primary key diberi keterangan ’PK’ di depan nama atribut, sedangkan atribut

  foreign key diberi keterangan ’FK’ di depan nama atribut.

  

Gambar 4 Activity Diagram Pendaftaran

  Gambar 4 menunjukkan activity diagram pendaftaran, yang berperan adalah mahasiswa/calon asisten dan sistem. Mahasiswa harus login untuk dapat melakukan pendaftaran, jika proses login dinyatakan valid maka mahasiswa dapat melanjutkan proses mendaftar dengan memilih menu pendaftaran dan memilih matakuliah yang diinginkan. Pendaftar harus melengkapi syarat pendaftaran berupa nilai matakuliah yang bersangkutan di field yang sudah disediakan. Jika berhasil mendaftar, maka sistem akan menampilkan daftar mahasiswa yang sudah mendaftar di matakuliah tersebut. Jika mahasiswa ingin mendaftar di lain matakuliah, maka proses akan diulangi hingga selesai.

  

Gambar 5 Activity Diagram Seleksi

Activity diagram kedua adalah activity diagram seleksi, dapat dilihat pada

  Gambar 5. Proses seleksi dilakukan oleh dosen koordinator matakuliah. Dosen melakukan login, jika valid maka ditampilkan daftar calon asisten. Calon asisten dinilai sesuai dengan atribut yang disediakan. Jika penilaian selesai dilakukan, sistem akan melakukan perhitungan weighted product dan memasukkan hasil di kolom rekomendasi. Jika semua calon selesai dinilai, maka rekomendasi/ranking calon asisten akan ditampilkan. Dosen dapat memilih mahasiswa yang diterima dan menentukan koordinator asisten dari mahasiswa yang diterima.

  Diperlukan beberapa kriteria penilaian untuk memilih mahasiswa yang dapat menjadi asisten. Kriteria peniliaian yang diperlukan yaitu nilai, kemampuan mengajar, penguasaan materi, pengalaman, disiplin, dan motivasi. Kriteria ditunjukkan oleh Tabel 1.

  1 Pengalaman Sudah

  ) K1 Nilai

  j

  Kode Kriteria Kriteria Penilaian Bobot (W

  Tabel 2 Tabel Evaluasi Bobot

  1-2, penilaian untuk kriteria disiplin dapat dilihat dari presensi atau hal lain tergantung dosen koordinator. Penilaian untuk kriteria pengalaman ada 2 variabel, yaitu sudah dan belum. Sudah jika calon asisten pernah menjadi asisten di tahun/semester yang lalu.

  range

  1 Tabel 1 menunjukkan bahwa setiap kriteria mempunyai range nilai. Kriteria nilai mempunyai range 1-3, berisi variabel A, AB, dan B. Kriteria nilai adalah nilai matakuliah yang akan didaftar. Syarat mendaftar di suatu matakuliah adalah sudah mengambil matakuliah tersebut dan mendapat nilai minimal B. Kriteria kedua adalah kemampuan mengajar, mempunyai range 1-5, sama dengan kriteria penguasaan materi dan motivasi. Kriteria disiplin dan pengalaman mempunyai

  2 Sangat Kurang

  3 Kurang

  4 Cukup

  5 Baik

  1 Motivasi Sangat Baik

  2 Belum

  2 Tidak

  

Tabel 1 Tabel Kriteria

  1 Disiplin Ya

  2 Sangat Kurang

  3 Kurang

  4 Cukup

  5 Baik

  1 Penguasaan Materi Sangat Baik

  2 Sangat Kurang

  3 Kurang

  4 Cukup

  5 Baik

  1 Kemampuan mengajar Sangat Baik

  2 B

  3 AB

  Kriteria Variabel Nilai Nilai A

  5 K2 Kemampuan Mengajar

  4 K3 Penguasaan Materi

  0.15 K5

  0.20 K3

  4

  20

  0.20 K4

  3

  20

  2

  4

  20

  0.10 K6

  2

  20

  0.10 Tabel 4 menunjukkan sampel data yang diperoleh saat proses seleksi asisten dosen pada semester antara tahun 2016/2017. Pembahasan menggunakan 20 sampel dari 50 sampel.

  Tabel 4 Tabel Sampel

  20

  0.25 K2

  4 K4 Disiplin

  W) adalah 20, nilai perbaikan bobot setiap kriteria dihitung dengan menggunakan rumus (1). Hasil dari perhitungan ditunjukkan oleh Tabel 3.

  3 K5 Pengalaman

  2 K6 Motivasi

  2 Tabel 2 merupakan hasil evaluasi bobot kriteria, bobot ditentukan oleh pengambil keputusan. Pembobotan kriteria menggunakan skala Likert, yaitu skala yang digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok orang tentang fenomena sosial. Bobot tertinggi diberikan kepada pilihan jawaban dari yang paling positif. Bobot (W

  j

  ) 5 mewakili sangat penting, 4 untuk penting, 3 cukup penting, 2 kurang penting dan 1 untuk tidak penting [8]. Penentuan bobot awal diberikan seperti pada Tabel 2 dengan melihat hasil penelitian terdahulu Berdasarkan Tabel 2 dapat dihitung nilai perbaikan bobot dengan menghitung nilai akumulasi bobot kriteria dahulu.

  W = 5 + 4 + 4 + 3 + 2 + 2 = 20 Didapat nilai akumulasi bobot kriteria (

  

Tabel 3 Tabel Perbaikan Bobot

  20

  Kriteria Bobot (W

  j

  ) W

  Perbaikan Bobot (W

  j

  ) K1

  5

  Sampel K1 K2 K3 K4 K5 K6 S1 A Baik Baik Tidak Sudah Cukup S2 B Kurang Cukup Ya Sudah Cukup S3 A Baik Baik Ya Belum Sangat Baik S4 AB Cukup Kurang Ya Sudah Baik S5 A Baik Baik Ya Sudah Sangat Baik S6 A Cukup Cukup Tidak Sudah Kurang S7 B Baik Cukup Tidak Belum Cukup S8 A Baik Cukup Ya Belum Cukup S9 A Baik Baik Ya Sudah Sangat Kurang

  S10 A Cukup Kurang Ya Sudah Baik S11 A Baik Kurang Ya Sudah Cukup S12 A Baik Cukup Ya Sudah Cukup S13 A Cukup Sangat Kurang Ya Sudah Baik S14 B Baik Kurang Tidak Sudah Sangat Kurang S15 AB Cukup Sangat Kurang Ya Sudah Sangat Baik S16 A Baik Cukup Ya Sudah Baik S17 B Sangat Baik Kurang Tidak Sudah Kurang S18 B Kurang Kurang Ya Sudah Cukup S19 A Baik Sangat Baik Tidak Sudah Sangat Kurang S20 A Kurang Baik Ya Sudah Baik Konversi diperlukan untuk proses perhitungan pada tahap berikutnya.

  2

  2

  1

  3

  2

  1 S15

  2

  1

  2

  4

  1

  4 S14

  2

  1

  5 S16

  3

  3

  3 S13

  2

  2

  4

  4

  3

  3 S12

  2

  2

  2

  4

  2

  3

  4 S11

  2

  4 Proses perhitungan preferensi alternatif (S) menggunakan rumus (2) didapat data seperti pada Tabel 6.

  2

  2

  4

  2

  3

  1 S20

  2

  1

  5

  4

  3

  3 S19

  2

  4

  2

  2

  1

  2 S18

  2

  1

  2

  5

  1

  4 S17

  2

  2

  3

  3

  2

  Konversi nilai dari Tabel 4 sesuai dengan nilai di range dalam Tabel 1 ditunjukkan oleh Tabel 5.

  3

  3

  4 S5

  2

  2

  2

  3

  2

  5 S4

  1

  2

  4

  4

  3 S3

  4

  2

  2

  3

  2

  1

  3 S2

  2

  2

  4

  4

  3

  Data K1 K2 K3 K4 K5 K6 S1

  Tabel 5 Tabel Konversi Sampel

  4

  2

  2

  3

  2

  3

  3

  1 S10

  2

  2

  4

  4

  3

  3 S9

  1

  2

  3

  3

  2

  3 S8

  1

  1

  3

  4

  1

  2 S7

  2

  1

  3

  3

  3

  5 S6

  Tabel 6 Tabel Presensi Alternatif Data K1 K2 K3 K4 K5 K6 S

  i

  2

  3

  4

  4

  2

  2

  3 3.041403 0.062409948

  2 S2

  1

  2

  3

  2

  3 1.899328 0.038974429

  i Ranking

  16 S3

  3

  4

  4

  2

  1

  5 2.986454 0.06128239

  3 S4

  2

  3

  2

  2

  S1

  V

  4 2.324616 0.047701401

  5

  2 1.820564

  S18

  1

  2

  2

  2

  2

  3 1.751385

  S19

  3

  4

  1

  i

  2

  1 2.567966

  S20

  3

  2

  4

  2

  2

  4 2.724971

  Nilai preferensi alternatif digunakan dalam perhitungan nilai preferensi relatif (V). Perhitungan preferensi relatif dengan menggunakan rumus (3) menghasilkan data seperti yang ditampilkan di Tabel 7. Ketika nilai V sudah ada, maka dapat dilakukan perangkingan terhadap sampel yang ada, perangkingan dilihat dari nilai V yang paling besar ke paling kecil.

  

Tabel 7 Tabel Sampel Data

  Data K1 K2 K3 K4 K5 K6 S

  2

  13 S5

  1

  9 S11

  4

  2

  2

  1 2.724971 0.055916721

  6 S10

  3

  3

  2

  2

  2

  4 2.572611 0.052790278

  3

  3

  4

  2

  2

  2

  3 2.647695 0.054221016

  8 S12

  3

  4

  4

  2

  2

  3 2.87135 0.058920453

  4

  11 S9

  3

  2 2.346037 0.048140955

  4

  4

  2

  2

  5 3.200802 0.06568084

  1 S6

  3

  3

  3

  1

  2

  12 S7

  3 2.529271 0.051900953

  1

  4

  3

  1

  1

  3 1.83463 0.037646817

  17 S8

  3

  3

  3

  2

  1

  2

  2

  S1

  2 2.346037

  4

  4

  2

  2

  5 3.200802

  S6

  3

  3

  3

  1

  2

  S7

  S5

  1

  4

  3

  1

  1

  3 1.83463

  S8

  3

  3

  3

  2

  1

  3

  4 2.324616

  S9

  2

  3

  4

  4

  2

  2

  3 3.041403

  S2

  1

  2

  3

  2

  3 1.899328

  2

  S3

  3

  4

  4

  2

  1

  5 2.986454

  S4

  2

  3

  2

  2

  3 2.529271

  3

  5

  3

  2

  4 2.239588

  S14

  1

  4

  2

  1

  2

  1 1.624505

  S15

  2

  1

  1

  2

  2

  5 2.069361

  S16

  3

  4

  3

  2

  2

  4 2.955154

  S17

  1

  2

  3

  4

  3

  4

  2

  2

  1 2.724971

  S10

  3

  3

  2

  2

  2

  4 2.572611

  S11

  4

  3

  2

  2

  2

  3 2.647695

  S12

  3

  4

  4

  2

  2

  3 2.87135

  S13

  5 S13

  3

  4

  2

  2 1.820564 0.037358195

  18 S18

  1

  2

  2

  2

  2

  3 1.751385 0.035938629

  19 S19

  3

  5

  2

  1

  2

  1 2.567966 0.052694975

  10 S20

  3

  2

  4

  2

  2

  4 2.724971 0.055916721

  6 Gambar 6 Halaman Pendaftaran Asisten Gambar 6 merupakan tampilan pendaftaran asisten yang dilakukan mahasiswa pada masa pendaftaran. Masa seleksi dibuka saat masa pendaftaran sudah selesai, dosen koordinator dapat menilai calon asisten di matakuliah yang dikoordinir. Form penilaian ditunjukkan pada Gambar 7, untuk kriteria pengalaman, motivasi, kemampuan mengajar, penguasaan materi dan disiplin nilai diserahkan kepada dosen. Hasil penilaian akan disimpan ke dalam database dan digunakan untuk mendapatkan rekomendasi dengan metode Weighted Product.

  Gambar 7 Halaman Penilaian Asisten

  1

  5

  3

  2

  1

  2

  2

  4 2.239588 0.045956606

  14 S14

  1

  4

  2

  1

  2

  1 1.624505 0.033335033

  20 S15

  3

  1

  1

  2

  2

  5 2.069361 0.042463534

  15 S16

  3

  4

  3

  2

  2

  4 2.955154 0.060640106

  4 S17

  Gambar 8 menunjukkan halaman rekomendasi, ketika dosen sudah selesai menilai semua asisten. Mahasiswa diurutkan dari ranking 1 sampai sekian, langsung diurutkan dari yang direkomendasikan ke yang tidak direkomendasikan.

  Gambar 8 Halaman Rekomendasi

  Gambar 9 menunjukkan hasil seleksi oleh dosen koordinator, halaman hasil seleksi dapat diakses oleh mahasiswa yang sudah mendaftarkan diri sebagai asisten.

  Halaman Hasil Seleksi Gambar 9

  Kode Program 1 Perintah untuk Perhitungan Weighted Product 1. public function penilaian($kode, $makul) { 2. $nilai = pow($this->input->post('Nilai'), 0.25); 3. $KM = pow($this->input->post('KM'), 0.2); $PM = pow($this->input->post('PM'), 0.2);

  4.

  $disiplin = pow($this->input->post('Disiplin'), 0.15); 5. 6. $motivasi = pow($this->input->post('Motivasi'), 0.1); 7. $pengalaman = pow($this->input->post('Pengalaman'), 0.1);

8. $S = $nilai * $KM * $PM * $disiplin * $motivasi * $pengalaman;

9. $calon = $this->DosenM->viewMahasiswa_Penilaian($makul); 10. $i = 0; 11. $delta = 0; 12. foreach ($calon as $row) { 13. $delta += $row->es; 14. } 15. foreach ($calon as $roww) { 16. $V = 0; 17. if ($this->input->post('NIM') == $roww->nim) { 18. $V = $S / $delta; $data = array(

  19.

  "Pengalaman" => $this->input->post('Pengalaman'), 20. 21. "KemampuanMengajar" => $this->input->post('KM'), 22. "PenguasaanMateri" => $this->input->post('PM'), 23. "Disiplin" => $this->input->post('Disiplin'), 24. "S" => $S,

  25. "Rekomendasi" => $V 26. );

27. $this->DosenM->update('penilaian', 'id', $kode, $data);

28. } else { 29. $V = $roww->es / $delta; 30. $data = array(

  31.

  "Rekomendasi" => $V 32. ); 33. $this->DosenM->update('penilaian', 'id', $kode, $data); 34. } 35. $ke = 'asisten/' . substr($kode, 0, 12);

  36. $i++; 37. } 38. redirect('Dosen/' . $ke, 'refresh'); 39. }

  Kode Program 1 menunjukkan fungsi untuk perhitungan Weighted Product, dijalankan setelah user dosen menilai calon asisten. Perintah baris 2 sampai 7 menunjukkan pemangkatan setiap atribut dengan bobot atribut pada Tabel 3. Hasil pangkat digunakan untuk menghitung preferensi alternatif pada baris 8 dengan menggunakan rumus (2). Perulangan yang ditunjukkan baris 12 sampai 14 digunakan untuk menghitung akumulasi bobot kriteria, nilai akumulasi disimpan dalam variable $delta. Perhitungan preferensi relatif menggunakan rumus (3) diimplementasikan pada perintah baris 18 dan 29. Perintah baris 17 sampai 27 dilakukan untuk record calon asisten yang sedang dinilai, baris 29 sampai 33 digunakan untuk mengubah nilai V dari calon asisten. Perintah baris 27 dan 33 digunakan untuk memasukkan data ke database dengan mengakses fungsi update yang ada di class model.

  Blackbox testing

  dilakukan untuk menguji fungsi dan fitur aplikasi guna mengetahui apakah bekerja sesuai yang diharapkan atau tidak. Hal yang diuji beserta dengan hasil pengujian dapat dilihat pada Tabel 8. Berdasarkan hasil pengujian, dapat disimpulkan bahwa fungsi dan fitur yang terdapat dalam sistem dapat bekerja seperti yang diharapkan.

  

Tabel 8 Hasil Black Box Testing

  No. Deskripsi Hasil yang Diharapkan Hasil yang Diberikan

  Sistem

  1. Dosen dan mahasiswa melakukan login

  Dapat melakukan login dan ada peringatan jika username dan atau password ada yang salah. Kalau username dan password benar maka akan ditampilkan halaman utama dan data dari aktor yang berhasil login dapat ditampilkan di header.

  Sesuai yang diharapkan.

  2. Mahasiswa melakukan pendaftaran

  Mahasiswa dapat memasukkan memilih matakuliah yang diinginkan dan dapat memasukkan nilai untuk syarat pendaftaran, nilai disimpan di database.

  Sesuai yang diharapkan.

  3. Dosen melakukan penilaian terhadap calon asisten yang terdaftar.

  Tabel 9 Daftar Pernyataan Usability Testing

  7. Kesalahan dalam penggunaan sistem dapat diperbaiki dengan mudah.

  6. Sistem ini memberikan pesan kesalahan yang jelas sehingga membantu bagaimana memperbaiki kesalahan.

  

Kualitas Informasi/ Information Quality (INFOQUAL)

  5. Sistem dapat membantu dalam proses seleksi asisten

  4. Saya merasa nyaman menggunakan sistem

  3. Dosen: Saya dapat menyeleksi asisten dengan cepat Mahasiswa: Saya dapat mendaftar asisten dengan mudah

  2. Penggunaan sistem sangat sederhana

  1. Saya dapat dengan mudah menggunakan sistem

  No Pertanyaan

Kegunaan Sistem/ System Usability (SYSUSE)

  dengan adanya sistem atau tidak. Apakah sistem dapat mempermudah kinerja user (dosen/mahasiswa) atau tidak dan apakah sistem dapat digunakan dengan mudah oleh user. Usability testing dilakukan dengan menyebar kuesioner yang berisi 14 pertanyaan yang terbagi ke dalam 3 kategori, yaitu kategori kegunaan sistem, kualitas informasi dan kualitas antarmuka. Daftar pernyataan beserta kategori dapat dilihat pada Tabel 9. Range nilai untuk setiap pernyataan adalah 1-5, 1 mewakili sangat tidak setuju, 2 adalah tidak setuju, 3 cukup setuju, 4 setuju, 5 untuk sangat setuju.

  Dosen dapat melakukan penilaian dan sistem akan menampilkan hasil rekomendasi dari data yang dimasukkan dosen.

  Usability testing berguna untuk mengetahui kebutuhan pengguna terpenuhi

  Sesuai yang diharapkan.

  Data diri (mahasiswa/dosen) berubah di database dan perubahan ditampilkan di halaman home.

  media, nomor telepon).

  nickname sosial

  5. Mahasiswa dan dosen mengedit data diri (motivasi,

  Sesuai yang diharapkan.

  Dosen dapat memilih asisten yang dinyatakan lolos seleksi dan disimpan dalam database data asisten yang diterima. Hasil seleksi (diterima/ditolak) dapat ditampilkan di akun mahasiswa yang mendaftar.

  4. Dosen melakukan pemilihan asisten yang diterima.

  Sesuai yang diharapkan.

  8. Informasi yang disediakan dengan sistem mudah dimengerti.

  9. Informasi yang disediakan efektif dalam membantu menyelesaikan proses penerimaan asisten dosen.

  15

  3

  1

  8

  21

  9

  9

  22

  4

  2

  2

  10

  25

  5

  11

  9

  20

  6

  12

  16

  12

  2

  13

  27

  3

  14

  25

  2

  3 Kuesioner disebar kepada 30 responden, dengan rincian 5 responden adalah dosen dan 25 responden mahasiswa yang sedang dan pernah menjadi asisten dosen.

  Hasil pengujian dapat dilihat pada Tabel 10. Hasil pengujian ditampilkan pada Gambar 10, Gambar 11, dan Gambar 12 dalam bentuk diagram lingkaran. Hasil

  

testing menunjukkan bahwa kategori Kegunaan Sistem mendapat 56% suara untuk

  6

  7

  

Kualitas Antarmuka/ Interface Quality (INTERQUAL)

  3

  10. Tata letak menu dan konten yang ada mudah dimengerti dan digunakan 11. Saya suka menggunakan antarmuka (tampilan) sistem.

  12. Antarmuka (tampilan) dari sistem ini nyaman dilihat.

  13. Sistem memiliki fungsi yang memenuhi kebutuhan pengguna.

  14. Secara keseluruhan, saya puas dengan sistem.

  

Tabel 10 Hasil Usability Testing

  Pernyataan SS S C TS STS

  1

  18

  12

  2

  16

  8

  5

  1

  15

  5

  13

  15

  10

  6

  2

  2

  13

  5

  10

  1

  7

  22

  4

  3

  2

  nilai 5 yang artinya sangat setuju dengan pernyataan yang ada dalam kuesioner dan 33% responden memberikan nilai 4 yang artinya setuju. Sedangkan kategori Kualitas Informasi, 61% responden memberikan nilai 5, dan 28% responden memberikan nilai 4. Untuk kategori Kualitas Antarmuka, sebanyak 72% responden memberikan nilai 5 dan 21% memberikan nilai 4. Hasil kuesioner menunjukkan responden berpendapat sistem dapat berguna dalam membantu proses seleksi dan dapat memberikan informasi yang berkualitas serta mempunyai desain antarmuka yang nyaman untuk dilihat dan digunakan.

  

Gambar 10 Presentase Hasil Kuesioner Gambar 11 Presentase Hasil Kuesioner

Kategori Kegunaan Sistem Kategori Kualitas Informasi

  Presentase Hasil Kuesioner Kategori Kualitas Antarmuka Gambar 12

  Kesimpulan dalam perancangan dan implementasi Sistem Pendukung Keputusan Penerimaan Asisten Dosen antara lain: (1) Sistem Pendukung Keputusan Penerimaan Asisten Dosen mempunyai tampilan user yang simpel dan mudah dipelajari; (2) SPK dengan metode Weighted Product dapat membantu dalam proses seleksi asisten di FTI UKSW; (3) Sistem yang dibuat memberikan informasi sebagai pertimbangan dalam pengambilan keputusan. Saran untuk pengembangan sistem adalah: (1) Website diintegrasikan dengan siasat; (2) Sistem dapat dikembangkan dengan metode berbeda yang sesuai dengan studi kasus; (3) sistem Penerimaan Asisten Dosen diharapkan dapat dikembangkan lagi

  Website mengikuti kebutuhan di lapangan.

  [1] Wibowo, H. P., et al., 2013. Sistem Pendukung Keputusan Penerimaan

  Asisten Dosen pada Fakultas Teknologi Informasi UKSW Menggunakan Metode TOPSIS. Salatiga: Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana.

  [2] Sugianto, E., et al., 2013. Pemodelan Sistem Pendaftaran dan Seleksi Asisten Dosen FTI UKSW Menggunakan Metode Promethee Berbasis Web Service".

  Salatiga: Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana. [3]

  Manik, A. R. A., et al., 2015. Implementasi Metode Weighted Product (WP) dalam Sistem Pendukung Keputusan untuk Menyeleksi Penerima Beras Masyarakat Miskin (Raskin). Semarang: Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro. [4]

  Rohmah, N., et all., 2016. Penerapan Metode Weighted Product(WP) untuk Penerimaan Pegawai Baru di PT Tiga Serangkai Pustaka Mandiri Surakarta.

  Surakarta: Jurusan Sistem Informas, STMIK Sinar Nusantara. [5]

  Kusrini, 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Sigit Suyantoro, Ed. Yogyakarta: Andi. [6]

  Suryadi, K., & Ramadhani, M. A., 1998. Sistem Pendukung Keputusan: Suatu Wacana Struktural Idealisasi dan Implementasi Pengambilan Keputusan .

  Bandung: Remaja Rosda Karya Offset. [7]

  Kusumadewi, S., dkk., 2006. Fuzzy Multi-Attribute Decision Making (Fuzzy . Yogyakarta: Graha Ilmu.

  MADM)

  [8] Sugiyono, 2014. Metode Penelitian Kuanitatif Kualitatif dan R&D. Bandung: Alfabeta.