Bab IV : Implementasi dan Pengujian

4.2. Pengujian

Pada tahap ini, sistem akan dianalisis atau dihitung secara manual apakah sistem ini berjalan sesuai yang diharapkan atau tidak.

4.2.1. Pengujian proses AHP

Dalam proses AHP, ada tiga proses perhitungan yang dilakukan, yaitu : 1. Perhitungan eigen vector kriteria

Kriteria yang digunakan dalam proses AHP adalah : a. IMK

b. Usia Mentoring c. Training Pengurus d. Hafalan Al-Quran

e. Jumlah Kelompok Mentoring

Matriks nilai kriteria yang telah dimasukkan adalah : 1.0000 3.0000 2.0000 4.0000 2.0000 0.3300 1.0000 0.3300 0.5000 0.3300 0.5000 3.0000 1.0000 2.0000 3.0000 0.2500 2.0000 0.5000 1.0000 2.0000 0.5000 3.0000 0.3300 0.5000 1.0000

Jumlah setiap kolom : Kolom 1 : 2.58 Kolom 2 : 12 Kolom 3 :4.16 Kolom 4 :8 Kolom 5 : 8.33

Setiap cell dibagi dengan jumlah kolom masing-masing, hasilnya adalah : 0.3876 0.2500 0.4808 0.5000 0.2401 0.1279 0.0833 0.0793 0.0625 0.0396 0.1938 0.2500 0.2404 0.2500 0.3601 0.0969 0.1667 0.1202 0.1250 0.2401 0.1938 0.2500 0.0793 0.0625 0.1200

Eigen vector = ) ( _ _ _ kriteria kolom jumlah baris setiap jumlah 0.3717 0.0785 0.2589 0.1498 0.1411

Dari hasil eigen vector di atas, dapat dilihat bahwa kriteria IMK merupakan prioritas pertama dengan nilai eigen tertinggi, yaitu 0.3717. Sedangkan usia mentoring merupakan prioritas terakhir dengan nilai eigen terendah, yaitu 0.0785

2. Perhitungan eigen vector alternatif

Alternatif sementara yang dimasukkan dalam proses AHP ini adalah a. Amat Baik

b. Baik c. Cukup d. Kurang

Matriks nilai alternatif yang telah dimasukkan adalah : 1.0000 2.0000 3.0000 4.0000

0.5000 1.0000 2.0000 3.0000 0.3300 0.5000 1.0000 2.0000 0.2500 0.3300 0.5000 1.0000

Jumlah setiap kolom : Kolom 1 : 2.08

Kolom 2 : 3.83 Kolom 3 : 6.5 Kolom 4 : 10

Setiap cell dibagi dengan jumlah kolom masing-masing, hasilnya adalah :

0.4808 0.5222 0.4615 0.4000 0.2404 0.2611 0.3077 0.3000 0.1587 0.1305 0.1538 0.2000 0.1202 0.0862 0.0769 0.1000

Eigen vector = jumlah setiap baris / jumlah kolom 0.4661

0.2773 0.1608 0.0958

Tiap eigen vector dibagi dengan nilai eigen yang terbesar, hasilnya adalah :

1.0001 0.5949 0.3449 0.2056

Lalu nilai eigen di atas dimasukkan ke matriks nilai eigen untuk 20 alternatif, hasilnya adalah :

0.3459 0.2061 0.3459 0.3459 0.5951 1.0000 1.0000 0.3459 0.5951 0.5951 0.5951 0.5951 1.0000 0.3459 1.0000

1.0000 1.0000 0.5951 1.0000 0.3459 0.5951 0.5951 0.5951 0.5951 1.0000 0.3459 0.3459 0.2061 0.3459 0.3459 0.5951 1.0000 1.0000 0.3459 0.3459 0.3459 0.3459 0.3459 0.2061 0.5951 1.0000 1.0000 1.0000 1.0000 1.0000 0.3459 0.5951 0.3459 0.3459 0.3459 1.0000 0.2061 1.0000 0.5510 0.3459 0.3459 1.0000 0.5951 1.0000 0.3459 0.5951 0.5951 0.3459 1.0000 1.0000 0.5951 0.3459 0.5951 0.5951 0.3459 1.0000 0.3459 1.0000 0.3459 0.2061 0.3459 0.5951 0.3459 0.3459 0.2061 0.5951 0.3459 0.5951 0.5951 0.5951 0.2061 0.3459 1.0000 0.3459 0.5951 0.2061 0.2061 0.3459 1.0000 1.0000 0.5951 1.0000 1.0000 0.5951 0.3459

Kolom I : eigen vector 20 alternatif untuk kriteria IMK

Kolom II : eigen vector 20 alternatif untuk kriteria Usia Mentoring Kolom III : eigen vector 20 alternatif untuk kriteria Training Pengurus Kolom IV : eigen vector 20 alternatif untuk kriteria Hafalan Al-Quran Kolom V : eigen vector 20 alternatif untuk kriteria Jumlah Kelompok Mentoring

3. Perhitungan eigen vector akhir

Eigen vector akhir = eigen vector kriteria * eigen vector alternatif

Hasil : 0.3699 0.7130 0.7184 0.8040 0.6518 0.3098 0.6584 0.3595 1.0000 0.3653 0.7783 0.5606 0.6490 0.5408 0.7384 0.3458 0.5757 0.4975 0.4740 0.6963

Dari nilai eigen vector di atas, dapat kita simpulkan bahwa :

0.3699 : eigen vector Ali 0.7130 : eigen vector Andika 0.7184 : eigen vector Yusuf 0.8040 : eigen vector Atika 0.6518 : eigen vector Fitri 0.3098 : eigen vector Dina 0.6584 : eigen vector Antasari 0.3595 : eigen vector Ida

1.0000 : eigen vector Winda 0.3653 : eigen vector Anisa 0.7783 : eigen vector Siddiq 0.5606 : eigen vector Nur 0.6490 : eigen vector Lily 0.5408 : eigen vector Dani 0.7384 : eigen vector Ardan 0.3458 : eigen vector Zahra 0.5757 : eigen vector Windi 0.4975 : eigen vector Cut 0.4740 : eigen vector Agung 0.6963 : eigen vector Arif

Alternatif yang memiliki nilai eigen vector tertinggi adalah a. Winda

b. Atika c. Siddiq d. Ardan e. Yusuf

4.2.2. Pengujian proses Gale-Shapley

1. Urutan preference list Calon Presidium

Winda : Syiar, KW, Kaderisasi, Akkom, LSO-IT Atika : Kaderisasi, LSO-IT, KW, Syiar, Akkom Siddiq : KW, Syiar, LSO-IT, Kaderisasi, Akkom Ardan : KW, LSO-IT, Akkom, Kaderisasi, Syiar Yusuf : Kaderisasi, Syiar, KW, Akkom, LSO-IT

2. Urutan preference list Departemen

Kaderisasi : Yusuf, Atika, Siddiq, Winda, Ardan Syiar : Siddiq, Atika, Winda, Ardan, Yusuf KW : Atika, Siddiq, Ardan, Winda, Yusuf Akkom : Ardan, Atika, Siddiq, Yusuf, Winda LSO-IT : Winda, Atika, Siddiq, Ardan, Yusuf

3. Proses Gale-Shapley

Putaran I :

Winda memilih Syiar Syiar menerima Winda Atika memlih Kaderisasi Kaderisasi menerima Atika Siddiq memilih KW KW menerima Siddiq

Ardan memilih KW KW menolak Ardan

Yusuf memilih Kaderisasi Kaderisasi memilih Yusuf

(Kaderisasi menolak Atika)

Putaran II :

Ardan memilih LSO-IT LSO-IT menerima Ardan Atika memilih LSO-IT LSO-IT menerima Atika

(LSO-IT menolak Ardan)

Putaran III :

Ardan memilih Akkom Akkom menerima Ardan

4. Pasangan stabil yang terbentuk adalah : Kaderisasi : Yusuf

Syiar : Winda

KW : Siddiq

Akkom : Ardan LSO-IT : Atika

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Setelah melakukan implementasi algoritma AHP dan Gale-Shapley pada aplikasi pemilihan presidium, maka diperoleh kesimpulan sebagai berikut :

1. Panjang maksial matriks yang akan diproses dengan algoritma AHP adalah 7 x 7. Jika lebih, maka hasilnya menjadi kurang akurat 2. Algoritma Gale-Shapley tidak hanya bisa digunakan untuk mencari

pasangan stabil antara pria dan wanita saja. Tapi juga bisa digunakan untuk mencari pasangan stabil antara calon presidium dan departemen

5.2. Saran

Setelah dilakukan pengujian trehadap aplikasi pemilihan presidium, ada beberapa saran yang diharapkan untuk penelitian selanjutnya, yaitu untuk penelitian selanjutnya, disarankan untuk mengembangkan algoritma AHP dan Gale-Shapley ini untuk kasus yang lain yang dibutuhkan oleh masyarakat.

5

BAB II

LANDASAN TEORI

2.1. Sistem Pendukung Keputusan

Sistem Pendukung Keputusan merupakan suatu sistem interaktif yang mendukung keputusan dalam proses pengambilan keputusan melalui alternatif-alternatif yang diperoleh dari hasil pengolahan data, informasi dan rancangan model. Sistem Pendukung Keputusan (Decision Support Systems = DSS) adalah suatu sistem informasi yang menggunakan model-model keputusan, basis data, dan pemikiran manajer sendiri, proses modeling interaktif dengan komputer untuk mencapai pengambilan keputusan oleh manajer tertentu.

Menurut Keen dan Scoot Morton, sistem Pendukung Keputusan merupakan penggabungan sumber -sumber kecerdasan individu dengan kemampuan komponen untuk memperbaiki kualitas keputusan. Sistem Pendukung Keputusan juga merupakan sistem informasi berbasis komputer untuk manajemen pengambilan keputusan yang menangani masalah -masalah semi struktur. Menurut Alter, DSS merupakan system informasi intraktif yang menyediakan informasi, pemodelan dan manipulasi data. Sistem digunakan untuk membantu mengambil keputusan dalam situasi yang semi terstruktur dan situasi yang tidak terstruktur, dimana tidak seorangpun mengetahui secara pasti

bagaimana keputusan seharusnya dibuat.

Dengan pengertian diatas dapat dijelaskan bahwa sistem pendukung keputusan bukan merupakan alat pengambilan keputusan, melainkan merupakan sistem yang membantu pengambil keputusan yang melengkapi mereka dengan informasi dari data yang telah diolah dengan relevan dan diperlukan untuk membuat keputusan tentang suatu masalah dengan lebih cepat dan akurat. Sehingga sistem ini tidak dimaksudkan untuk menggantikan pengambilan keputusan dalam proses pembuatan keputusan. [8]

6

2.2. Analytical Hierarchy Process (AHP)

AHP merupakan salah satu metode untuk membantu menyusun suatu prioritas dari berbagai pilihan dengan menggunakan berbagai kriteria. Karena sifatnya yang multikriteria, AHP cukup banyak digunakan dalam penyusunan prioritas. Sebagai contoh untuk menyusun prioritas penelitian, pihak manajemen lembaga penelitian sering menggunakan beberapa kriteria seperti dampak penelitian, biaya, kemampuan SDM, dan waktu pelaksanaan. [3]. Dalam menyelesaikan permasalahan dengan AHP ada beberapa prinsip yang harus dipahami diantaranya adalah sebagai berikut.

2.2.1. Membuat Hirarki

Sistem yang kompleks bisa dipahami dengan memecahnya menjadi elemen-elemen pendukung, menyusun elemen secara hierarki, dan menggabungkannya atau mensistesisnya.

2.2.2. Penilaian kriteria dan alternatif

Kriteria dan alternatif dilakukan dengan perbandingan berpasangan. Menurut Saaty (1988), untuk berbagai persoalan, skala 1 sampai 9 adalah skala terbaik untuk mengekspresikan pendapat. Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty bisa diukur menggunakan tabel analisis seperti ditunjukkan pada tabel 2.1 berikut.

7

Tabel 2.1. Tabel Skala Perbandingan Penilaian Tingkat

Kepentingan Definisi Keterangan

1 sama pentingnya Kedua elemen mempunyai pengaruh yang sama. 3 agak lebih penting

yang satu dari yang lainnya

Pengalaman dan penilaian sangat memihak satu

elemen dibandingkan dengan pasangannya.

5 Cukup penting Pengalaman dan keputusan menunjukkan kesukaan

atas satu aktifitas lebih dari yang lain

7 Sangat penting Pengalaman dan keputusan menunjukkan kesukaan

yang kuat atas satu aktifitas lebih dari yang lain

9 Mutlak lebih penting Satu elemen mutlak lebih disukai dibandingkan

dengan pasangannya, pada tingkat keyakinan

tertinggi. 2,4,6,8 Nilai tengah antara 2

nilai keputusan yang berdekatan

Bila kompromi dibutuhkan

Resiprokal Kebalikan Jika elemen i memiliki salah satu angka dari skala

perbandingan 1 sampai 9 yang telah ditetapkan oleh

Saaty ketika dibandingkan dengan elemen j, maka j memiliki kebalikannya ketika dibandingkan dengan

elemen i Rasio Rasio yang didapat

langsung dari pengukuran

2.2.3. Penentuan prioritas

Untuk setiap kriteria dan alternatif, perlu dilakukan perbandingan berpasangan (Pairwise Comparisons). Nilai-nilai perbandingan relatif dari seluruh alternatif kriteria bisa disesuaikan dengan judgement yang telah ditentukan untuk

8

menghasilkan bobot dan prioritas. Bobot dan prioritas dihitung dengan memanipulasi matriks atau melalui penyelesaian persamaan matematika.

2.2.4. Konsistensi logis

Konsistensi memiliki dua makna. Pertama, objek-objek yang serupa bisa dikelompokkan sesuai dengan keseragaman dan relevansi. Kedua, menyangkut tingkat hubungan antar objek yang didasarkan pada kriteria tertentu. Penghitungan konsistensi logis dilakukan dengan mengikuti langkah-langkah sebagai berikut :

a. Mengalikan matriks dengan proritas bersesuaian. b. Menjumlahkan hasil perkalian per baris.

c. Hasil penjumlahan tiap baris dibagi prioritas bersangkutan dan hasilnya dijumlahkan.

d. Hasil c dibagi jumlah elemen, akan didapat λmaks. e. Indeks Konsistensi (CI) = (λmaks-n) / (n-1)

2.2.5. Contoh penerapan AHP

Contoh penerapan AHP dalam kehidupan adalah penentuan pegawai dalam sebuah instansi. Kriteria yang digunakan adalah :

a. Kedisiplinan b. Prestasi

c. Pengalaman kerja d. Perilaku

9

Langkah penyelesaian :

a. Penentuan matriks berpasangan kriteria

Tabel 2.2. Matriks Berpasangan

b. Menghitung matriks prioritas kriteria

Pada tahap ini dicari prioritas kriteria untuk nantinya menentukan apakah nilai yang dimasukkan dalam matrik sesuai.

Tabel 2.3. Matriks Prioritas Berpasangan

Angka diatas didapat dari membagi nilai kolom baris dengan jumlah kolom. Prioritas didapat melalui membagi jumlah tiap baris dengan jumlah matriks. c. Menghitung matriks penjumlahan kriteria

Tabel 2.4. Matriks Penjumlahan

Angka diatas didapat dari mengalikan nilai kolom baris pada tabel 2.2. dengan prioritas dari masing-masing kriteria.

10

d. Menghitung matriks kriteria dengan rasio konsistensi Tabel 2.5. Matriks Rasio Konsistensi

Jumlah rasio = 6.02 Jumlah kriteria (n) = 5

λmaks = Jumlah Rasio / n = 6.02/5 = 1.2

CI = (λmaks-n) / (n-1)= (1.2 – 5) / (5 – 1) = - 0.95 CR = CI/RI = - 0.95/1.12 = - 0.85

Oleh karena CR (Consistency Ratio) dari kriteria < 0.1, maka rasio;konsistensi dari perhitungan tersebut bisa DITERIMA.

e. Perhitungna matriks berpasangan untuk KEDISIPLINAN

Faktor yang mempengaruhi dalam penilain pegawai untuk mengetahui jumlahnya

11

Tabel 2.6. Matriks Berpasangan KEDISIPLINAN

f. Menghitung matriks prioritas kriteria KEDISIPLINAN

Pada tahap ini dicari prioritas kriteria untuk nantinya menentukan apakah nilai yang dimasukkan dalam matrik sesuai.

Tabel 2.7. Matriks prioritas berpasangan

Angka diatas didapat dari membagi nilai kolom baris dengan jumlah kolom. Prioritas didapat melalui membagi jumlah tiap baris dengan jumlah matriks.

12

g. Menghitung matriks penjumlahan kriteria KEDISIPLINAN

Tabel 2.8. Matrik Penjumlahan

h. Menghitung ratio koknsistensi KEDISIPLINAN

Tabel 2.9. Matriks Ratio Konsistensi KEDISIPLINAN

Jumlah rasio = 6.19 Jumlah kriteria (n) = 5

λmaks = Jumlah Rasio / n = 6.19/5 = 1.24

CI = (λmaks-n) / (n-1)= (1.24 – 5) / (5 – 1) = - 0.94 CR = CI/RI = - 0.94/1.12 = - 0.84

Oleh karena CR (Consistency Ratio) dari kriteria < 0.1, maka rasio;konsistensi dari perhitungan KEDISIPLINAN tersebut bisa DITERIMA.

13

i. Menghitung matriks berpasangan BERPRESTASI

Tabel 2.10. Matriks Berpasangan BERPRESTASI

j. Menghitung prioritas matriks kriteria BERPRESTASI Tabel 2.11. Matriks prioritas BERPRESTASI

k. Menghitung matriks penjumlahan kriteria BERPRESTASI Tabel 2.12. Matriks Penjumlahan BERPRESTASI

14

l. Menghitung ratio konsistensi BERPRESTASI

Tabel 2.13. Ratio Konsistensi BERPRESTASI

Jumlah rasio = 7.06 Jumlah kriteria (n) = 5

λmaks = Jumlah Rasio / n = 7.06/5 = 1.41

CI = (λmaks-n) / (n-1)= (1.41 – 5) / (5 – 1) = - 0.90 CR = CI/RI = - 0.90/1.12 = - 0.80

Oleh karena CR (Consistency Ratio) dari kriteria < 0.1, maka rasio;konsistensi dari perhitungan PRESTASI tersebut bisa DITERIMA.

m. Perhitungan matriks berpasangan PENGALAMAN KERJA

15

n. Menghitung Matriks Prioritas Kriteria PENGALAMAN KERJA Tabel 2.15. Matriks Prioritas Kriteria PENGALAMAN KERJA

o. Menghitung Matriks Penjumlahan Kriteria Pengalaman Kerja Tabel 2.16. Matriks Penjumlahan PENGALAMAN KERJA

p. Menghitung Matriks Rasio Konsistensi PENGALAMAN KERJA Tabel 2.17. Matriks Ratio Konsistensi PENGALAMAN KERJA

Jumlah rasio = 6.35 Jumlah kriteria (n) = 5

λmaks = Jumlah Rasio / n = 6.35/5 = 1.27

CI = (λmaks-n) / (n-1)= (1.27 – 5) / (5 – 1) = - 0.93 CR = CI/RI = - 0.93/1.12 = - 0.83

16

Oleh karena CR (Consistency Ratio) dari kriteria < 0.1, maka rasio;konsistensi dari perhitunganPengalaman Kerja tersebut DITERIMA.

q. Perhitungan Matriks Berpasangan PERILAKU

Tabel 2.18. Matriks Berpasangan PERILAKU

r. Menghitung Matriks Prioritas Kriteria PERILAKU

Tabel 2.19 Matriks Prioritas Kriteria PERILAKU

s. Menghitung Matriks Penjumlahan Kriteria PERILAKU Tabel 2.20. Matriks Penjumlahan PERILAK

17

t. Menghitung Matriks Rasio Konsistensi PERILAKU

Tabel 2.21. Matriks Rasio Konsistensi PERILAKU

Jumlah rasio = 5.93 Jumlah kriteria (n) = 5

λmaks = Jumlah Rasio / n = 5.93/5 = 1.19

CI = (λmaks-n) / (n-1)= (1.19 – 5) / (5 – 1) = - 0.95 CR = CI/RI = - 0.95/1.12 = - 0.85

Oleh karena CR (Consistency Ratio) dari kriteria < 0.1, maka rasio;konsistensi dari perhitungan PERILAKU tersebut bisa DITERIMA. u. Perhitungan Matriks Berpasangan KESEHATAN

Tabel 2.22. Matriks Berpasangan KESEHATAN

v. Menghitung Matriks Prioritas Kriteria KESEHATAN Tabel 2.23. Matriks Prioritas KESEHATAN

18

w. Menghitung Matriks Penjumlahan Kriteria KESEHATAN Tabel 2.24. Matriks Penjumlahan KESEHATAN

x. Menghitung Matriks Rasio Konsistensi KESEHATAN

Tabel 2.25 Matriks Rasio Konsistensi KESEHATAN

Jumlah rasio = 6.96 Jumlah kriteria (n) = 5

19

λmaks = Jumlah Rasio / n = 6.96/5 = 1.39

CI = (λmaks-n) / (n-1)= (1.39 – 5) / (5 – 1) = - 0.90 CR = CI/RI = - 0.90/1.12 = - 0.81

Oleh karena CR (Consistency Ratio) dari kriteria < 0.1, maka rasio;konsistensi dari perhitungan KESEHATAN tersebut bisa DITERIMA.

y. Hasil Penilaian Kriteria berdasarkan Sub Kriteria

Tabel 2.26 Hasil Penilaian Kriteria berdasarkan Sub Kriteria

Setelah hasi di atas telah didapatkan, maka diinputkan nama pegawai dan diberikan nilai berdasarkan subkriteria, lalu nilai yang tertinggi itulah yang lulus pada proses AHP.

2.3. Algoritma Gale-Shapley

Pada tahun 1962, David Gale dan Lloyd Shapley memperkenalkan studi pencocokan untuk membuat alokasi himpunan pasangan-pasangan yang stabil yang kemudian dikenal dengan Stable Marriage Problem. Penyelesaian Stable Marriage Problem bertujuan untuk mencari pasangan-pasangan yang stabil dari sejumlah n pria dan sejumlah n wanita yang memiliki urutan ketertarikan sendiri terhadap calon pasangan lainnya yang berbeda jenis.

Algoritma Gale-Shapley bertujuan untuk memasangkan sejumlah n pria dan n wanita dengan syarat monogami (satu pria untuk satu wanita, dan sebaliknya) dan heteroseksual (antara pria dan wanita) berdasarkan preference list yang dibuat oleh pria dan wanita sehingga terbentuk himpunan M yang terdiri dari pasangan-pasangan yang stabil. Preference list adalah daftar atau urutan pria dan wanita

20

berdasarkan tingkat ketertarikan mulai dari yang paling diminati, yang kedua diminati, dan seterusnya hingga ke-n diminati apabila tidak cocok dengan orang yang ke –(n-1).

2.3.1. Stable Marriage Problem

Stable Marriage Problem diperkenalkan pertama kali oleh David Gale dan Lloyd Shapley dalam paper seminar mereka yang berjudul College Admissions and Stability of Marriage pada 1962. Penyelesaian Stable Marriage Problem bertujuan untuk mencari pasangan-pasangan yang stabil dari sejumlah n pria dan sejumlah n wanita yang memiliki urutan ketertarikan sendiri terhadap calon pasangan lainnya yang berbeda jenis. Peneliti menyatakan bahwa untuk setiap jumlah pria dan wanita yang sama, selalu memungkinkan untuk menyelesaikan Stable Marriage Problem dan membuat matching tersebut stabil. [1]

Misalnya, sejumlah n pria kita notasikan dengan (A,B,C,...) dan sejumlah n wanita kita notasikan dengan (a,b,c,...). Ketika kita memiliki pasangan X-a dan Y-b, jika X lebih menyukai b dibandingkan dengan pasangannya saat ini yaitu a dan b lebih menyukai X dibandingkan pasangannya saat ini, yaitu Y, maka X-b disebut pasangan yang tidak stabil (dissatisfied pair). Himpunan M dikatakan stabil apabila tidak memiliki pasangan yang tidak stabil (dissatisfied pair).

Contoh penerapan algoritma Gale-Shapley dapat dilihat dalam contoh berikut :

2.3.1.1.Tentukan preference list antara wanita dan pria

Tabel 2.27. Women Preferences

Women Men

Joe Brian George Matt Jim

21

Sarah 3 5 1 2 4

Susan 5 4 2 1 3

Kelly 1 3 5 4 2

Dianne 4 2 3 5 1

Tabel 2.28 Men Preferences

Men Women

Amy Sarah Susan Kelly Dianne

Joe 5 1 2 4 3

Brian 4 1 3 2 5

George 5 3 2 4 1

Matt 1 5 4 3 2

Jim 4 3 2 1 5

Pada Tabel 2.27 dan Tabel 2.28 kita dapat melihat preference list dari pria dan wanita. Angka 1 menandakan urutan prefernce list yang paling tinggi (yang paling diprioritasan), dan angka 5 menandakan urutan preference list yang paling rendah (prioritas terakhir).

3. Selanjutnya data pada tabel 2.27 dan Tabel 2.28 dimasukkan dalam proses Gale-Shapley dengan memperhatikan kaidan berikut :

a. Setiap pria akan melamar wanita yang menjadi prioritas utamanya, sedangkan setiap wanita akan mengikuti aturan berikut :

b. Jika seorang wanita belum bertunangan dan belum dilamar, maka ia harus menunggu.

c. Jika seorang wanita belum bertunangan, tetapi sedang dilamar, maka ia akan menerima lamaran tersebut.

d. Jika seorang wanita belum bertunangan, tetapi telah memiliki banyak lamaran (lebih dari satu), maka ia akan menerima lamaran yang menduduki preference list tertinggi.

e. Jika seorang wanita telah bertunangan dan menerima lamaran lain, maka ia akan menerima lamaran dari pria yang menduduki preference list tertinggi.

22

Putaran I:

Joe melamar Sarah Sarah menerima Joe

Brian melamar Sarah Sarah menolak Brilian George melamar Dianne Dianne menerima George Matt melamar Amy Amy menerima Matt

Jim melamar Kelly Kelly menerima Jim

Putaran II:

Brian melamar Kelly Kelly menolak Brian

Putaran III:

Brian melamar Susan Susam menerima Brian

Pasangan Stabil :

Joe dan Sarah Brian dan Susan George dan Dianne Matt dan Amy Jim dan Kelly

Dalam kenyataannya, kita dihadapkan pada kondisi dimana pencocokan tidak hanya terjadi pada one to one, tetapi juga one to many. Selain itu, dalam kasus pencocokan pria dan wanita pada Algoritma Gale-Shapley, setiap pria dan wanita harus menetapkan urutan ketertarikan terhadap pasangan lain yang berbeda jenis dengan asumsi bahwa setiap pria dan wanita akan bahagia bila dicocokkan dengan pria dan wanita lain yang kurang disukai daripada tidak mendapatkan pasangan sama sekali. Dalam perkembangannya, Algoritma Gale-Shapley diperbaharui sehingga kedua masalah diatas dapat diatasi dan penerapannya lebih sesuai dengan keadaan pencocokan didunia nyata [1]

23

2.4. UKMI Al-Khuwarizmi

Awalnya organisasi ini merupakan sebuah organisasi Islam yang berada di bawah Program Studi S1 Ilmu Komputer FMIPA USU. Organisasi tersebut bernama BKM (Badan Kenadziran Mushalla) Al-Khuwarizmi.

BKM Al-Khuwarizmi didirikan dan dibentuk sejak Program Studi S1 Ilmu Komputer dibentuk, yaitu tahun 2002/2003. Saat itu, mahasiswa membuat forum-forum diskusi dan kajian keislaman untuk mahasiswa muslim.

Beranjak dari kegiatan itu, dilakukan kegiatan yang rutin untuk meningkatkan persaudaraan islam sesama mahasiswa muslim sebagai pendukung kegiatan kuliah. Selain itu, di Program Studi S1 Ilmu Komputer terdapat mushalla yang belum ada pengelolanya, sehingga belum ada yang memanfaatkan mushalla ini untuk kegiatan keislaman.

Kegiatan awal yang dilakukan oleh mahasiswa muslim di Ilmu Komputer ini adalah membuat sebuat forum diskusi dan pengajian-pengajian kecil di lingkungan kampus. Dari kegiatan ini, dihasilkanlah mahasiswa muslim stambuk 2002 dan 2003 yang peduli dengan kehidupan kampus yang Islami. Dan dibentuklah panitia untuk acara Buka Puasa Bersama di kampus S1 Ilmu Komputer yang juga menjadi tonggak kegiatan keislaman di Ilmu Komputer.

Pada tanggal 25 Maret 2005 terbentuklah sebuah organisasi yang bernama BKM Al-Khuwarizmi yang diketuai oleh Hamdani, S.Kom (2005-2006). Dan pada tanggal 29-30 Agustus 2006 dilaksanakan Musyawarah Besar BKM Al-Khuwarizmi yang pertama.

Sejarah ketua umum BKM Al-Khuwarizmi : 1. Hamdani (2005-2006)

2. Yunandar Arif Oktavianto (2006-2007) 3. Herry Wibowo (2007-2008)

4. Muhammad Iqbal (2008-2009) 5. Muhammad Hanafi (2009-2010) 6. Zuwarbi Wiranda Hsb (2010-2011) 7. Budi Satria Muchlis (2011-2012) 8. Muhammad Abdi Pratama (2012-2013)

24

9. Zulfikri (2013-sekarang)

Pada tahun 2012, terbentuklah fakultas baru di USU yaitu Fakultas Ilmu Komputer dan Teknologi Informasi (Fasilkom-TI) USU dengan membawahi 2 program studi, yaitu Program Studi S1 Ilmu Komputer dan Program Studi S1 Teknologi Informasi. Oleh karena itu, pada tanggal 30 Juni 2012, BKM Al-Khuwarizmi resmi menjadi UKMI Al-Al-Khuwarizmi yang langsung berada di bawah Dekanat Fasilkom-TI USU. [2]

2.4.1. Struktur Organisasi

Keterangan struktur :

1. Pelindung (Dekan Fasilkom-TI)

2. Penasihat (Pembantu Dekan III Fasilkom-TI) 3. Pembina

4. Dewan Konsultatif

5. Ketua Umum UKMI Ad-Dakwah USU

6. Departemen Kaderisasi UKMI Ad-Dakwah USU

25

8. Departemen Keputrian UKMI Ad-Dakwah USU 9. LMAI UKMI Ad-Dakwah USU

10. Ketua Umum 11. Sekretaris Umum 12. Biro Kesekretariatan 13. Bendahara Umum

14. Bidang Pembinaan Anggota

a. Divisi Database dan Pembinaan b. Divisi Pelatihan

15. BidangAkademik dan Profesi a. Divisi Akademik Kader

b. Divisi Pengembangan Kompetensi 16. Bidang Syiar

a. Divisi Humas

b. Divisi Kreativitas dan Multimedia 17. Bidang Kewirausahaan

a. Divisi Dana dan Usaha b. Divisi Wirausaha Muda 18. Bidang Keputrian

19. Lembaga Semi Otonom Mentoring Agama Islam dan Islamic Training

1

BAB I PENDAHULUAN

1.1. Latar Belakang

Proses regenerasi merupakan hal yang sangat penting dalam roda organisasi, khususnya organisasi yang ada di kampus. Namun terkadang sering sekali terdapat masalah dalam proses pemilihan pengurus yang baru.Masalah yang sering sekali terjadi adalah pengurus baru merasa ditempatkan di bidang yang kurang sesuai dengan potensi dirinya. Sehingga mengakibatkan pengurus baru tersebut tidak maksimal dalam mengerjakan pekerjaannya. Salah satu organisasi yang pernah mengalami masalah yang sama adalah UKMI Al-Khuwarizmi.

UKMI Al-Khuwarizmi adalah salah satu organisasi keislaman yang ada di Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. UKMI Al-Khuwarizmi terdiri dari enam departemen, yaitu Departemen Kaderisasi, Deartemen Syiar, Departemen Akademi dan Profesi, Departemen Keputrian, Departemen Kewirausahaan dan Departemen LSO-IT (Mentoring Agama Islam). Organisasi ini dipimpin oleh satu orang ketua umum dan presidium (ketua departemen). Proses pemilihan pengurus baru biasanya ditentukan oleh tim formatur yang terdiri dari pengurus yang lama berdasarkan pengamatan subjektif. Sehingga mengakibatkan pengurus yang baru merasa tidak ditempatkan di bidang ang sesuai dengan potensinya. Oleh karena itu dibutuhkan suatu aplikasi yang dapat membantu pengurus UKMI Al-Khuwarizmi untuk mengambil keputusan berdasarkan data yang objektif sehingga dapat meminimalisir masalah yang terjadi. Aplikasi yang dimaksud adalah aplikasi yang mengimplementasikan Algoritma Analytical Hierarchy Process dan Algoritma Gale-Shapley.

Algoritma Analytical Hierarchy Process merupakan suatu metode yang dapat menyelesaikan masalah multikriteria yang kompleks menjadi suatu hirarki. Masalah yang kompleks dapat diartikan bahwa kriteria dari suatu masalah yang begitu banyak (multikriteria), struktur masalah yang belum jelas, ketidakpastian

2

pendapat dari pengambil keputusan, pengambil keputusan lebih dari satu orang, serta ketidakakuratan data yang tersedia. Konsep metode AHP adalah merubah nilai-nilai kualitatif menjadi nilai kuantitatif. Sehingga keputusankeputusan yang diambil bisa lebih obyektif. [7]

Sedangkan Algoritma Gale-Shapley adalah suatu algoritma yang bertujuan untuk memasangkan sejumlah n pria dan n wanita untuk mencari pasangan yang stabil. [5] Konsep ini dapat dilakukan dengan dengan syarat monogami (satu pria untuk satu wanita,dan sebaliknya) dan heteroseksual (antara pria dan wanita) berdasarkan preference list yang dibuat oleh pria dan wanita. Namun pada penelitian ini, algoritma Gale-Shapley tidak ditujukan untuk mencari pasangan pria dan wanita, namun digunakan untuk mencari presidium yang sesuai dengan bidang yang ada di UKMI Al-Khuwarizmi.

1.2. Rumusan Masalah

Rumusalan masalah dalam penelitian ini adalah bagaimana mengimplementasikan AHP dengan Gale-Shapley untuk menentukan presidium di UKMI Al-Khuwarizmi

Dalam dokumen Implementasi Analytical Hierarchy Process Dan Algoritma Gale-Shapley Untuk Pemilihan Presidium Departemen UKMI AL-Khuwarizmi (Halaman 44-76)