Madrasah Aliyah (MA) adalah pendidikan menengah formal dengan ciri khas islam di Indonesia yang setingkat dengan sekolah.menengah atas.(SMA), dibawah naungan Kementerian Agama. Jenjang kelas waktuh tempuh sama halnya seperti sekolah menengah atas yaitu selama 3 tahun, tujuan dari pendidikan Madrasah Aliyah yaitu untuk tercapainya tujuan nasional dalam mencerdaskan kehidupan bangsa, menciptakan karakter manusia Indonesia seutuhnya yang beriman dan taat kepada Tuhan YME, berbudi pekerti, memiliki pengetahuan, keterampilan, berkepribadian yang disiplin dan.mandiri, serta.memiliki jiwa kemasyarakatan dan kebangsaan.
Berdasarkan data dari Kementerian Agama RI, kota Medan memiliki 32 Madrasah Aliyah dengan berbagai keunggulan serta fasilitas yang disediakan untuk memaksimalkan jalannya pendidikan umum dan pendidikan agama, banyaknya informasi yang diperoleh akan membantu calon siswa untuk dapat memertimbangkan pilihan sesuai kriteria yang diinginkan, keputusan untuk memilih sekolah tidaklah mudah, terutama apabila yang diinginkan berada di kota besar seperti kota Medan, selain jumlahnya yang banyak, setiap sekolah juga menawarkan fasilitas serta keunggulannya kepada calon siswa.
Di samping itu, para calon siswa dan orangtuanya menginginkan beberapa kriteria yang dianggap sebagai hal yang mempengaruhi terhadap keberlangsungan pendidikannya, mulai dari uang sekolah perbulan yang terjangkau, lokasi yang strategis, jarak sekolah dengan rumah, kemudahan akses transportasi, status akreditasi sekolah, ekstrakurikuler yang disediakan, serta fasilitas dan sarana prasarana yang lengkap, dengan memilih sekolah yang tepat, akan mempengaruhi pendidikan serta masa depan kelak untuk melanjutkan pada tingkat perguruan tinggi, dan kelak, juga mempengaruhi lingkungan sekitar serta pekerjaan yang akan ditekuni, untuk dapat menyelesaikan masalah yang telah dijabarkan ini dapat diselesaikan menggunakan sistem pendukung keputusan dengan penerapan beberapa algoritma.
Sistem pendukung.keputusan bertujuan untuk menghasilkan sebuah solusi dari berbagai macam masalah yang interaktif, fleksibel dan dapat diadaptasi dimana
proses penentuan dalam keputusan melalui tahap hasil pengolahan data dengan hasil akhir yang diperoleh berupa alternatif-alternatif. Tersedia beberapa pilihan metode. yang digunakan. dalam suatu sistem pendukung keputusan, diantaranya adalah Weighted Aggregated Sum Product Assesment.(WASPAS).
Metode WASPAS merupakan sebuah kombinasi dari dua metode yang unik pada Multiple Criteria Decission Making (MCDM) yang didalamnya terdapat gabungan metode Weighted Sum Model (WSM) dan metode Weighted Product Model (WPM), langkah awal metode ini membutuhkan normalisasi linier dari tahap matriks keputusan, dimana matriks tersebut menggunakan dua persamaan (Chakraborty.S., E.K. Zavadskas dan Antucheviciene, J, 2015). Metode WASPAS tergolong dalam kelompok metode MCDM terbaru. Metode ini dikembangkan oleh Zavadskas, dkk pada tahun 2012 dan hingga saat ini telah berhasil diterapkan di berbagai bidang untuk mendukung pemecahan masalah dengan sifat yang berbeda.
Dari latarbelakang yang telah dijelaskan diatas, maka penulis ingin mengimplementasikan metode Weighted Aggregated Sum Product Assesment (WASPAS) ke dalam sebuah Sistem Pendukung Keputusan pemilihan Madrasah Aliyah di Kota Medan. Dimana Metode ini akan digunakan dalam menetapkan.
rekomendasi.sekolah sesuai kriteria yang akan dipilih oleh calon siswa serta sejumlah sekolah yang dijadikan alternatif pilihan.
1.2 Rumusan Masalah
Permasalahan yang akan diselesaikan pada tugas akhir ini ialah proses dalam pemilihan sekolah dengan beragamnya jenis fasilitas serta keunggulan yang ditawarkan tiap sekolah yang akan membuat calon siswa dan orangtua sulit dalam menentukan pilihan sehingga dibutuhkan sistem dimana sistem ini akan mengaplikasikan metode. Weighted Aggregated Sum Product Assesment (WASPAS) pada sistem pendukung keputusan untuk memilih Madrasah Aliyah di kota Medan yang dijadikan alternatif pilihan.
1.3 Batasan Masalah
Untuk membuat isi dan topik pembahasan dalam tugas akhir ini terlihat lebih terarah, oleh sebab itu penulis menjelaskan batasan permasalahan yang akan dibahas. Batasan-batasan masalah dalam pengelolaan tugas akhir ini dipaparkan sebagai berikut:
1. Metode yang diterapkan dalam sistem pendukung keputusan untuk memilih sekolah Madrasah Aliyah adalah metode Weighted Aggregated Sum Product Assesment (WASPAS).
2. Untuk mengetahui nilai jarak antara lokasi yang diinginkan calon siswa pada sejumlah sekolah yang dijadikan alternatif pilihan digunakan Google Maps API.
3. Kriteria yang digunakan dalam menentukan keputusan adalah jarak, jumlah siswa, Jumlah jurusan, nilai dari ujian nasional, uang sekolah, akreditasi, beasiswa, fasilitas sekolah, ekstrakurikuler, les tambahan.
4. Data yang digunakan sebagai penelitian adalah 32 sekolah Madrasah Aliyah yang terdapat di kota Medan.
5. Kinerja algoritma diukur berdasarkan running time (ms) dan kompleksitas waktu Big-Θ.
6. Metode Weighted Aggregated Sum Product Assesment (WASPAS) yang digunakan dalam tugas akhir ini tidak dibandingkan dengan metode yang lain.
7. Implementasi system berbasis android dan web, dengan menggunakan bahasa pemograman PHP, Java dan menggunakan MySQL sebagai Database Management System.
1.4 Tujuan Penelitian
Adapun tujuan dari penulisan dan pembuatan Tugas Akhir ini adalah:
1. Membangun sebuah sistem pendukung keputusan menggunakan Metode Weighted Aggregated Sum Product Assesment (WASPAS) untuk memilih sekolah Madrasah Aliyah di Kota Medan yang sesuai.
2. Mengetahui performa kinerja serta kompleksitas metode WASPAS melalui running time.
1.5 Manfaat Penelitian
Dari penelitian ini diharapkan akan memberi kemudahan bagi calon siswa untuk memperoleh sekolah yang tepat berdasarkan kriteria yang diinginkan dan melalui penelitian ini juga dapat mengetahui proses dan hasil dari metode Weighted Aggregated Sum Product Assesment (WASPAS).
1.6 Penelitian yang Relevan
Berikut ini Penelitian yang berhubungan dengan metode Weighted Aggregated Sum Product Assesment (WASPAS) dipaparkan sebagai berikut :
1. Penelitian oleh Shankar Chakraborty, Ed, Kazimieras Zavadskas dan Jurgita Antucheviciene, (2015) yang berjudul “Aplication of WASPAS Method as Multi Criteria Decision Making Tool” disebutkan bahwa penerapan dan kegunaan metode WASPAS sebagai alat pengambilan keputusan divalidasi menggunakan lima contoh demonstratif, terbukti akan membantu dalam penerapannya secara luas sebagai alat MCDM yang efisien. Karena didasarkan pada matematika sederhana dan sehat, serta sifatnya yang cukup komprehensif, dapat diterapkan dengan sukses pada masalah pengambilan keputusan apa pun.
2. Penelitian oleh Gordan Stojic,Zelijko Stevic, Jurgita Antuncheviciene, Dragan Pamucar dan Marko Vasiljevic, (2018) yang berjudul “A Novel Rough WASPAS Approach for Supplier Selection in a Company Manufacturing PVC Carpentry Product” menyimpulkan bahwa pendekatan AHP-WASPAS memberikan agregasi objektif keputusan ahli dengan sepenuhnya memperhatikan ketidakakuratan dan subjektivitas yang berlaku dalam kelompok pengambilan keputusan, Pengembangan pendekatan baru berkontribusi pada peningkatan literatur yang mempertimbangkan penerapan teoritis dan praktis metode MCDM.
3. Penelitian oleh Suherni Prahesti Dian Eka Ratnawati dan Heru Nurwasito yang berjudul “Sistem Rekomendasi Pemilihan Sekolah. Menengah Atas.(SMA) Sederajat Kota Malang Menggunakan Metode AHP-ELECTRE Dan SAW”
menyimpulkan bahwa nilai akurasi dari pengujian sistem dengan menggunakan 47 pengujian data diharapkan hasil akurasi sebesar 82,98%.
4. Penelitian oleh Tundo dan Doni Kurniawan, (2019) berjudul “Implementation of the Weighted Aggregated Sum Product Assesment Method in Determining the Best Rice for Serabi Cake Making” menyatakan bahwa metode WASPAS dapat digunakan untuk menentukan rekomendasi beras terbaik berdasarkan kriteria yang ada, kriteria yang tepat dapat mempengaruhi nilai beras.
5. Penelitian oleh Budi Sunaryo dkk. (2019) berjudul “Sistem Pelacakan Lokasi Pelaporan Petugas Lapangan Irigasi Provinsi Sumatera Barat Berbasis GPS Smartphone dan WebGIS” menyimpulkan bahwa koordinat latitude dan longitude sebagai parameter kunci dalam proses pelacakan dapat dideteksi
dengan baik, dengan syarat akurasi GPS pada Android harus diatur dengan mode akurasi tinggi (high accuracy).
1.7 Metodologi Penelitian
Metode penelitian yang diterapkan pada tugas akhir ini adalah:
1. Studi Pustaka
Pada tahap ini, dilakukan pengumpulan berbagai referensi yang diperlukan dalam penelitian yang dapat berupa buku, skripsi, jurnal, makalah, artikel, situs internet, dan lainnya yang relevan dengan.penelitian penulis.
2. Analisa dan Perancangan
Di dalam tahap.ini, penulis melakukan analisis terhadap apa yang diperlukan dalam penelitian untuk kemudian akan dirancang dalam bentuk flowchart, diagram activity, dan desain antar-muka.
3. Implementasi
Pada tahap ini, dilakukan perancangan sistem yang dibuat dalam bentuk aplikasi berbasis.mobile dan administrator dalam bentuk web.
4. Pengujian
Pada tahap ini, dilakukan proses percobaan dan pengujian pada sistem berdasarkan dengan kebutuhan yang telah ditentukan sebelumnya kemudian memastikan program yang akan dibuat dapat berjalan seperti yang diinginkan.
5. Dokumentasi
Pada tahap ini, penelitian dilakukan dokumentasi dan penulisan laporan mengenai program tersebut yang bertujuan untuk menunjukkan hasil penelitian ini.
1.8 Sistematika Penulisan
Sistematika penulisan pada skripsi ini.terdiri dari beberapa BAB, yaitu:
BAB 1 PENDAHULUAN
Menjelaskan tentang latarbelakang masalah, rumusan.masalah, Batasan masalah,.tujuan penelitian, manfaat penelitian, penelitian yang relevan, metodologi penelitian, dan sistematika penulisan.
BAB 2 LANDASAN TEORI
Berisi tentang penjelasan singkat mengenai definisi sistem pendukung keputusan, metode Weighted Aggregated Sum Product Assesment (WASPAS), running time, dan kompleksitas algoritma.
BAB 3 ANALISIS DAN PERANCANGAN SISTEM
Berisi tentang analisis mengenai proses kerja metode Weighted Aggregated Sum Product Assesment (WASPAS) dan perancangan tampilan form dari aplikasi yang dibuat.
BAB 4 IMPLEMENTASI DAN PENGUJIAN
Berisi tentang penjelasan implementasi sistem berdasarkan analisis dan perancangan sistem, skenario pengujian terhadap sistem yang telah dibangun serta pembahasan hasil pengujian.
BAB 5 KESIMPULAN DAN SARAN
Berisi kesimpulan dari keseluruhan penelitian dan saran berdasarkan hasil pengujian yang diharapkan dapat bermanfaat untuk pengembangan selanjutnya.
BAB 2
LANDASAN TEORI
2.1 Sistem Pendukung Keputusan
Sistem pendukung.keputusan ialah suatu sistem informasi khusus yang tujuannya sebagai membantu manajemen menyimpulkan keputusan tentang masalah bersifat semi terstruktur. Sistem ini mempunyai fungsi untuk memberikan rekomendasi alternatif yang berhubungan digunakan oleh pemakai untuk memudahkan dalam menentukan keputusan. (Nasrun Marpaung. 2017). Sistem pendukung keputusan sangat berguna dalam memecahkan permasalahan, baik semi terstruktur maupun.tidak terstruktur yang akan mempermudah setiap manajer atau user pengambil keputusan melaksanakan pemilihan pada alternatif - alternatif yang ada.
Sistem pendukung keputusan ini tidak untuk sebagai pengganti dalam pengambil keputusan akan tetapi lebih kepada memberikan saran untuk memecahkan suatu masalah.
2.1.1 Tahap Proses Pengambilan Keputusan
Sistem Pendukung.Keputusan didesain sebagai pendukung setiap langkah pengambilan keputusan diawali oleh pendeteksian masalah, penentuan pendekatan gunanyas sebagai jalannya pengambilan keputusan, pemilihan data yang berhubungan hingga pengevaluasian pilihan alternatif. Sebuah model yang menggambarkan langkah pengambilan keputusan. Proses ini secara khusus melibatkan empat langkah (Nurjannah, Nancy., Zainal Arifin dan Dyna Marisa Khairina. 2015), yaitu sebagai berikut :
a. Intelligence
Pada tahap ini adalah bagian dalam proses menelusuri dan mendeteksi setiap lingkup permasalahan hingga proses mengenali permasalahan. Setiap data dimasukan diperoleh, diproses, dan diujikan sehingga masalah teridentifikasi.
b. Design
Pada tahapan ini adalah bagian dalam proses penentuan, pengembangan, hingga meninjau Tindakan analisis yang dapat dilakukan. Kemudian melakukan proses dalam memahami permasalahan, memberikan solusi dan pengujian solusi yang layak.
c. Choice
Pada tahapan ini adalah bagian dalam proses pemilihan beberapa alternatif tindakan yang kemungkinan terjadi. Hasil dari pemilihan tersebut selanjutnya dilakukan implementasi kedalam proses penentuan keputusan.
d. Implementation
Pada tahapan ini bagian langkah-langkah tindakan yang direncanakan sehingga keputusan akhir dapat dilihat serta dapat melakukan penyesuaian saat diperlukan tahap perbaikan.
2.1.2 Karakteristik Sistem Pendukung Keputusan
Mengingat banyaknya definisi yang memahami mengenai pengertian dan menerapkan Sistem Pendukung Keputusan, sehingga menimbulkan banyak sekali pendapat berkenaan dengan sistem tersebut. Sistem Pendukung Keputusan mempunyai karakteristik diantaranya sebagai berikut :
1. Pengambilan keputusan didukung dalam penyelesaian setiap permasalahan terstruktur, semi struktur, hingga tidak terstruktur .
2. Tujuan hasil akhir untuk gabungan personil setiap tingkatan.
3. Mendukung di semua tahap pada pengambilan keputusan: klasifikasi, penataan, pilihan.
4. Adanya antarmuka pengguna atau sistem, dimana pengguna terus melakukan pengontrolan proses penentuan keputusan.
5. Menggunakan berbagai model matematis dan statistic yang berkesinambungan dengan pembahasan.
6. Berkemampuan dialog dalam menyerap informasi yang berkesinambungan dengan keinginan.
7. Mempunyai setiap subsistem yang saling terhubung sesama jenis sehingga berguna sebagai sistem dalam kesatuan.
8. Struktur data komprehensif dibutuhkan untuk melayani kebutuhan informasi seluruh tingkatan manajemen.
9. Strategi easy to use. Adalah kemudahan untuk digunakan dan
kemungkinan pemakai lebih leluasa dalam mengembangkan pendekatan-pendekatan baru dalam pembahasan masalah yang akan dihadapi.
10. Kemampuan sistem untuk beradaptasi dengan cepat, dimana penentu Keputusan dapat menghadapi permasalahan baru dan di saat yang sama
mungkin dapat menangani dengan melakulan adaptasi sistem terhadap perubahan kondisi yang terjadi (Turban et al., 2005).
2.2 Multi-Criteria Decision Making.(MCDM)
Multi-criteria decision making.(MCDM) adalah Teknik pada pengambilan keputusan melalui berbagai macam alternatif yang tersedia didasarkan kriteria-kriteria tertentu untuk mendapatkan pilihan alternatif terbaik. Di dalam MCDM ini terdiri dari beberapa unsur obyektif, attribute, dan tujuan.
• Attribute, yaitu mewujudkan, memaparkan ciri dari suatu obyek. contohnya panjang, lebar dan sebagainya.
• Obyektif merupakan tujuan perbaikan atau keinginan terhadap attribute, seperti memaksimalkan keuntungan, meminimalisir harga, dan lain - lainnya. Objektif didapat dari attribut yang akan menjadi salah satu objektif jika diberi arah tertentu pada attribut.
• Melakukan tujuan terlebih dahulu. Contohnya dalam suatu proyek memiliki obyektif untuk pemaksimalan profit, maka proyek tersebut memiliki target profit puluhan juta perbulan. (Fartindyyah N. dan Subiyanto. 2014).
Kriteria berarti patokan standar, kumpulan aturan ataupun umum yang memandu sesuatu pengambilan keputusan. Dalam mengambil keputusan dilalui berbagai tahap pemilihan atau merumuskan setiap atribut, setiap obyektif, hingga mencapai tujuan yang berbeda, untuk itu, atribut, obyektif hingga tujuan yang dianggap sebuah kriteria. Kriteria dirumuskan dari berbagai kebutuhan-kebutuhan mendasar pada manusia serta setiap nilai yang diinginkan. Terdapat beberapa kategori dari Multi Criteria Decision Making (MCDM), yaitu sebagai berikut.
1. Multiple Objective Decision Making.(MODM) 2. Multiple Attribute Decision Making.(MADM)
Multiple Objective Decision Making.(MODM) menjelaskan tentang desain perancangan, di mana setiap teknik optimasi matematik digunakan, untuk alternatif yang jumlahnya sangat besar (mendekati tidak terhingga) hingga dapat menjawab pertanyaan apa dan seberapa banyak.
Multiple Attribute Decision Making.(MADM) ini menjelaskan masalah dalam pemilihan sedikit membutuhkan analisa matematis atau digunakan pada saat sejumlah kecil pemilihan terhadap alternatif saja.
2.3 Metode Weighted Aggregated Sum Product Assesment (WASPAS)
Menurut E.K Zavadskas, J dkk (2013), Metode Weighted Aggregated Sum Product Assesment.(WASPAS) meliputi penggunaan bobot untuk menentukan kriteria seleksi yang paling tepat. Metode ini menggunakan kombinas dari dua sumber yang yang disebut Weighted Sum Model (WSM) dan model Weighted Product Model (WPM), metode ini menggunakan normalisasi linier pada awalnya melalui elemen yang dihasilkan. Metode WASPAS menemukan kriteria kecocokan terbaik berdasarkan dua kriteria optimal yaitu kriteria optimasi pertama, kriteria keberhasilan rata-rata tertimbangan yang relevan dari metode WSM. Ini adalah strategi umum yang diterapkan pada MCDM dalam pengevaluasian beberapa opsi terhadap beberapa kriteria.
2.3.1 Langkah-langkah metode WASPAS
Penerapannya pertama-tama membutuhkan pengembangan matriks keputusan / evaluasi, X = [xij] m×n.
Xij adalah penilaian dari alternatif ke-i terhadap kriteria ke-j
m adalah jumlah alternatif n adalah jumlah kriteria.
Agar ukuran kinerja dapat dibandingkan dan tidak berdimensi, semua elemen dalam matriks keputusan dinormalisasi menggunakan dua persamaan berikut:
𝑋̅ij= 𝑋ij
maxi 𝑋ij untuk kritera benefit.
𝑋̅ij=mini 𝑋ij
𝑋ij untuk kritera cost. ……… (2.2) Dimana:
𝑋̅ij adalah nilai yang dinormalisasi dari Xij.
∑ 𝑋̅ij
Kriteria pertama dari optimalitas, yaitu kriteria keberhasilan metode WSM.
Ini adalah strategi MCDM yang populer dan diterima dengan baik yang diterapkan untuk mengevaluasi sejumlah alternatif sehubungan dengan serangkaian kriteria keputusan. Berdasarkan metode WSM (Naveen Jain dan A. R. Singh. 2018), total kepentingan relatif dari alternatif ke-i dihitung sebagai berikut:
Qi(1) = wj, ……….(2.3)
Dimana :
wj adalah bobot (kepentingan relatif) dari kriteria j.
Di sisi lain, menurut metode WPM (Naveen Jain dan A. R. Singh. 2018), kepentingan relatif total alternatif i tersebut dievaluasi menggunakan persamaan berikut:
Qi(2) = w𝑗 ………(2.4)
Kriteria umum gabungan dari perhitungan WSM dan Metode WPM adalah sebagai berikut (Saparauskas et al., 2011):
Qi =0,5Qi(1)+0,5Qi(2) = 0,5 wj + 0,5 w𝑗 ………..(2.5)
Untuk meningkatkan akurasi peringkat dan efektivitas proses pengambilan keputusan, dalam metode WASPAS, persamaan yang lebih umum untuk menentukan total kepentingan relatif dari alternatif ke-i dikembangkan (Zavadskas et al., 2012; Zavadskas et al., 2013a, b ) seperti di bawah ini:
Qi = 𝜆Qi(1) + (1-𝜆)Qi(2) ………(2.6)
Dimana: 𝜆=0,0,5,…,1.
Alternatif yang layak sekarang diberi peringkat berdasarkan nilai Q dan alternatif terbaik memiliki nilai Q tertinggi. Dalam Persamaan. (2.6) bila nilai λ=0 maka metode WASPAS diubah menjadi WPM, dan bila λ=1 menjadi metode
WSM. Ini telah diterapkan untuk memecahkan masalah MCDM untuk meningkatkan akurasi peringkat dan memiliki kemampuan untuk mencapai akurasi estimasi tertinggi (Bagocius et al., 2013).
Untuk masalah pengambilan keputusan tertentu, nilai optimal λ dapat ditentukan saat mencari fungsi berikut (Zavadskas et al., 2012):
λ= 𝜎2(𝑄𝑖(2))
𝜎2(𝑄𝑖(1))+𝜎2(𝑄𝑖(2)) ………(2.7)
Persamaan 𝜎2(𝑄𝑖(1)) dan 𝜎2(𝑄𝑖(2)) dapat dihitung dengan menerapkan persamaan di bawah ini:
𝜎2(𝑄𝑖(1))= ………(2.8)
𝜎2(𝑄𝑖(2))= ……….(2.9)
Estimasi persamaan dari nilai kriteria awal yang dinormalisasi adalah dihitung sebagai berikut:
………..(2.10)
Persamaan estimasi alternatif dalam metode WASPAS tergantung dari persamaan pendekatan WSM dan WPM serta nilai λ. Mungkin bermanfaat untuk menghitung nilai optimal λ dan memastikan akurasi estimasi maksimum. Mungkin juga penting untuk mempelajari pengaruh nilai λ yang optimal pada peringkat akhir dari alternatif.
Contoh kasus :
Siswa SMP sebuah sekolah di kota Medan akan meneruskan pendidikannya di Madrasah Aliyah kota Medan. Siswa tersebut ingin memilih sekolah yang tepat dengan keinginannya untuk melanjutkan pendidikan. Terdapat 3 variabel kriteria
∑ 𝑤𝑗2 𝜎2(𝑋̅ij)
𝑛
𝑗=1
yaitu jarak, daya tampung dan Nilai UN calon siswa. Setiap tabel berikut ini merupakan tabel kriteria dengan nilai dan bobotnya masing-masing. Untuk memperjelas mengenai nilai di tiap-tiap tabel kriteria sekolah dapat dilihat di Tabel 2.1 sampai Tabel 2.3 berikut ini.
a. Jarak (K1)
Tabel 2.1 Pembobotan Jarak
Jarak Bobot
0 – 3000 1
3001 – 6000 2
6001 – 9000 3
9001 – 12000 4
>12000 5
Pada table 2.1 diatas setiap jarak memiliki bobot masing-masing sesuai dengan batas jarak yang telah ditentukan.
b. Daya Tampung (K2)
Tabel 2.2 Pembobotan Daya Tampung
Daya tampung Bobot
> 400 5
300 – 399 4
200 – 299 3
100 – 199 2
<100 1
Pada table 2.2 diatas setiap daya tampung memiliki bobot masing-masing sesuai dengan batasnya.
c. Nilai UN (K3)
Tabel 2.3 Pembobotan Nilai UN
Nilai UN Bobot
0 – 20 1
21 – 40 2
41 – 60 3
61 – 80 4
81 - 100 5
Pada table 2.3 diatas setiap Nilai UN memiliki bobot berdasarkan batas-batas yang telah ditentukan.
Pada table 2.4, setiap kriteria memiliki contoh data yang berbeda berdasarkan masing-masing alternatif, sehingga akan dilakukan proses pembobotan.
Tabel 2.4 Data Alternatif
Alternatif Kriteria
Tabel 2.5 Bobot Setiap Kriteria
Kriteria Bobot
Jarak (K1) 50
Daya Tampung (K2) 25
Nilai UN (K3) 25
Pada tabel 2.5, masing-masing kriteria memiliki bobot yang telah ditentukan oleh user sebelumnya.
Tabel 2.6 Pembobotan
Alternatif Kriteria
Kode K1 K2 K3
Cost benefit benefit
A1 2 5 4
A2 1 4 3
A3 3 4 3
Tabel 2.6. Pembobotan dapat pula disebut sebagai pembentukan matriks x, selanjutnya adalah melakukan proses normalisasi untuk setiap kriteria.
Normalisasi kriteria jarak (K1) = cost A1 1,1 = mini 𝑋ij
Normalisasi kriteria daya tampung (K2) = benefit A1 2,1 = 𝑋ij
Normalisasi kriteria nilai UN (K3) = benefit A1 3,1 = 𝑋ij
Setelah mendapatkan hasil dari normalisasi menggunakan rumus benefit dan cost, hasilnya ditampilkan pada tabel 2.7 berikut ini:
Tabel 2.7 Normalisasi Matriks
Alternatif K1 K2 K3
A1 0,5 1 1
A2 1 0,8 0,75
A3 0,333333 0,8 0,75
Langkah berikutnya mengoptimalkan atribut dengan mengalikan terhadap bobot dari. setiap kriteria menggunakan persamaan (2.5) diatas. Proses perhitungan sebagai berikut:
A1(Q1) = 0,5 wj + 0,5 = 0,5∑ (0,5*0,5) + (1*0,25) + (1*0,25) + 0,5 ∏ (0,5)0,5*(1)0,25 * (1)0,25 = 1,72860339.
A2(Q2) = 0,5 wj + 0,5 = 0,5∑ (1*0,5) + (0,8*0,25) + (0,75*0,25) + 0,5 ∏ (1)0,5*(0,8)0,25 * (0,75)0,25 = 1,88192324.
A3(Q3) = 0,5 wj + 0,5 = 0,5∑ (0,333333*0,5) + (0,8*0,25)+(0,75*0,25) + 0,5 ∏ (0,333333)0,5*(0,8)0,25 * (0,75)0,25 = 1,50393148.
Tabel 2.8 Peringkat setiap alternatif
Alternatif Keterangan Hasil Peringkat
A1 MAN 1 1,72860339 2
A2 MAN 3 1,88192324 1
A3 MAPN 4 1,50393148 3
Pada tabel 2.8, A2 menjadi peringkat pertama dikarenakan memiliki nilai yang paling besar daripada nilai yang lain, dalam kasus ini sekolah MAN 3 menjadi alternatif terbaik untuk dijadikan rekomendasi sekolah.
2.4 Google Maps
Google Maps memiliki layanan penggambaran virtual yang ditumbuhkan oleh Google, layanan Google Maps berisi banyak informasi pemetaan wilayah terutama lokasi, jalan, informasi bisnis, kontak serta penunjuk arah perjalanan. Layanan google ini bersifat open source untuk para pengembang. Layanan ini dapat terintegrasi di browser desktop dan via mobile. Adapun yang dimaksud google maps dalam penelitian ini, yaitu merupakan sebuah aplikasi yang dimiliki oleh smartphone android yang dapat dijadikan sebagai sistem panduan navigasi. Dalam memanfaatkan layanan ini, maka pengembang diberikan kemudahan yang akan didapatkan dalam membangun aplikasi yang membutuhkan pemetaan tidak perlu membuat gambar peta, karena layanan google telah menyediakannya. diperlukan google maps API untuk dapat menikmati layanan dari google maps sesuai dengan
Gambar 2.1 Google Maps
kebutuhan. API adalah library Javascript yang ditawarkan oleh layanan Google sehingga code-code tersebut terintrgrasi ke dalam web atau aplikasi lain yang akan dibangun (Utari, Dyah., dan Arief Wibowo, 2013).
“Map Of Lyon City Free Vector”
(https://www.vecteezy.com/vector-art/165899-map-of-lyon-city).
2.4.1 GPS (Global Positioning System)
GPS.(Global Positioning System) merupakan sistem satelit navigasi yang bisa menentukan lokasi dan kecepatan dengan menggunakan sinyal pada satelit navigasi yang melintas pada orbitnya. Sinyal pada satelit navigasi menghasilkan informasi berupa kecepatan pada titik acuan tertentu, waktu dan posisi objek dalam ruang tiga dimensi (bujur, lintang, ketinggian) di permukaan bumi.
Berikut ini adalah mekanisme kerja GPS, diantaranya sebagai berikut : 1. Gunakan perhitungan “triangulasi” satelit.
2. Pada perhitungan triangulasi, penaksiran jarak memanfaatkan waktu perjalanan sinyal radio yang tersedia pada GPS.
3. Untuk proses penaksiran waktu perjalanan, GPS membutuhkan ketelitian waktu yang tinggi.
4. Ketinggian dan posisi satelit di orbitnya harus tahu dengan pasti sehingga dapat dilakukan perhitungan jarak.
5. Waktu perjalanan sinyal pada atmosfer harus dikoreksi hingga diterima receiver.
Terletak 24 satelit dalam sistem ini mengirim sinyal dalam bentuk gelombang sangat kecil ke bumi. Sinyal ini kemudian diterima oleh GPS receiver di permukaan yang selanjutnya akan menggabungkan informasi pada jam atom satelit GPS berakurasi tinggi. Untuk proses menghitung posisi dua dimensi (longitude dan latitude) dan rekam jejak pergerakan, GPS receiver ini harus mengambil sinyal minimal tiga satelit. Didalam melakukan perhitungan posisi tiga dimensi (longitude, latitude dan altitude) Didalam sistem, GPS reciever harus menerima empat atau lebih satelit, maka sudah dapat memastikan posisi lokasi user, kemudian GPS melakukan perhitungan informasi lainnya yaitu kecepatan,
Terletak 24 satelit dalam sistem ini mengirim sinyal dalam bentuk gelombang sangat kecil ke bumi. Sinyal ini kemudian diterima oleh GPS receiver di permukaan yang selanjutnya akan menggabungkan informasi pada jam atom satelit GPS berakurasi tinggi. Untuk proses menghitung posisi dua dimensi (longitude dan latitude) dan rekam jejak pergerakan, GPS receiver ini harus mengambil sinyal minimal tiga satelit. Didalam melakukan perhitungan posisi tiga dimensi (longitude, latitude dan altitude) Didalam sistem, GPS reciever harus menerima empat atau lebih satelit, maka sudah dapat memastikan posisi lokasi user, kemudian GPS melakukan perhitungan informasi lainnya yaitu kecepatan,