Sistem Pendukung Keputusan Penentuan Mata Pelajaran Lintas Minat kurikulum 2013 Menggunakan Algoritma Weighted Product dan Analytical Hierarchy Process

(1)

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN MATA

PELAJARAN LINTAS MINAT KURIKULUM 2013

MENGGUNAKAN ALGORITMA WEIGHTED

PRODUCT DAN ANALYTICAL

HIERARCHY PROCESS

SKRIPSI

AMMAZIZZAKY TARIGAN

131421089

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

(2)

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN MATA PELAJARAN

LINTAS MINAT KURIKULUM 2013 MENGGUNAKAN ALGORITMA

WEIGHTED PRODUCT DAN ANALYTICAL HIERARCHY PROCESS

SKRIPSI

Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah

Sarjana Ilmu Komputer

Oleh :

AMMAZIZZAKY TARIGAN

131421089

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

(3)

PERSETUJUAN

Judul

: SISTEM PENDUKUNG KEPUTUSAN PENENTUAN

MATA PELAJARAN LINTAS MINAT KURIKULUM

2013 MENGGUNAKAN ALGORITMA WEIGHTED

PRODUCT

DAN

ANALYTICAL

HIERARCHY

PROCESS

Kategori

: SKRIPSI

Nama

: AMMAZIZZAKY TARIGAN

Nomor Induk Mahasiswa : 131421089

Program Studi

: EKSTENSI S1 ILMU KOMPUTER

Fakultas

: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, Agustus 2015

Komisi Pembimbing:

Pembimbing 2

Pembimbing 1

M. Andri Budiman, ST, M.Comp.Sc, MEM

Maya Silvi Lydia, B.Sc, M.Sc

NIP. 19751008 200801 1 011

NIP. 19740127 200212 2 001

Diketahui/Disetujui oleh:

Program Studi S1 Ilmu Komputer

Ketua,

(4)

PERNYATAAN

LINTAS MINAT KURIKULUM 2013 MENGGUNAKAN ALGORITMA

WEIGHTED PRODUCT

DAN

ANALYTICAL HIERARCHY PROCESS

SKRIPSI

Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa

kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, Agustus 2015

(5)

PENGHARGAAN

Alhamdulillah segala puji dan syukur atas nikmat yang luas kepada Allah Yang Maha

Esa dan Maha Kuasa sehingga penulis dapat menyelesaikan penyusunan skripsi ini

sebagai syarat untuk memperoleh gelar Sarjana Komputer pada Program Studi S1

Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi Universitas

Sumatera Utara. Pada kesempatan ini penulis ingin mengucapkan terima kasih yang

sebesar-besarnya kepada:

1.

Bapak Prof. Subhilhar, Ph.D selaku Pejabat Rektor Universitas Sumatera

Utara.

2.

Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer

dan Teknologi Informasi Universitas Sumatera Utara.

3.

Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu

Komputer Universitas Sumatera Utara.

4.

Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu

Komputer Universitas Sumatera Utara dan sebagai Dosen Pembimbing I yang

telah memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam

penyempurnaan skripsi ini.

5.

Bapak M. Andri Budiman, ST, M.Comp.Sc, MEM selaku Dosen Pembimbing

II yang telah memberikan ilmu, bimbingan, saran, dan masukan kepada

penulis dalam penyempurnaan skripsi ini.

6.

Ibu Dian Rachmawati, S.Si, M.Kom selaku Koordinator Ekstensi Ilmu

Komputer Universitas Sumatera Utara dan Sebagai Dosen Pembanding I yang

telah memberikan arahan, kritik dan saran dalam penyempurnaan skripsi ini.

(6)

8.

Seluruh dosen dan pegawai di Program Studi S1 Ilmu Komputer Fakultas

Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

9.

Bapak Kepala Sekolah, Wakil Kepala Sekolah, Seluruh Guru dan Pegawai

serta seluruh Siswa terutama murid-murid penulis di SMA Istiqlal Delitua

yang sudah berkenan membantu dan mendoakan dalam penyelesaian skripsi

ini.

10.

Teristimewa Orangtua penulis, Ayahanda Drs. H. Enda Tarigan dan Ibunda

Dra. Hj. Nilfa Yenisda yang sangat menyayangi penulis dan memberi

dukungan tiada henti serta keluarga tercinta Abangda Ammahli Fakar

Tarigan, S.Kom, Kakanda Ammamiarihta, S.Pd, Adinda Ammanawwara

yang senantiasa mendoakan dan mendukung penulis, serta sepupu yang siap

membantu dalam penyelesaian skripsi penulis, Zuah Ekomursyid Bangun dan

Muhammad Fikri Azizi beserta keluarga lainnya.

11.

Teman-teman seperjuangan mahasiswa Ekstensi S1-Ilmu Komputer

stambuk 2013, Dhita Pratiwi, Yakhdi Perari Pinem, Masita, Al Nadrah,

Nurdin, Reni, Syahrial, Kak Rani, Nur, Okta, Dessy, Kak Kia, Dien, Juan dan

teman-teman lainnya.

12.

Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak

dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi

ini.

Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena

itu, kepada pembaca agar kiranya memberikan kritik dan saran yang bersifat

membangun demi kesempurnaan skripsi ini, sehingga dapat bermanfaat bagi kita

semuanya.

Medan, Agustus 2015

Penulis,

(7)

LINTAS MINAT KURIKULUM 2013 MENGGUNAKAN ALGORITMA

WEIGHTED PRODUCT

DAN

ABSTRAK

Dunia pendidikan yang terus berkembang membuat pemerintah harus terus

mengembangkan sistem pendidikan yang ada di Indonesia. Tahun 2013 pemerintah

menerapkan kurikulum baru untuk setiap sekolah yang disebut dengan Kurikulum

2013 yang menggantikan kurikulum KTSP. Sama dengan kurikulum yang lama, pada

kurikulum yang baru terdapat tiga jurusan peminatan, yaitu Matematika dan Ilmu

Alam, Ilmu-ilmu Sosial serta Bahasa, namun pada kurikulum yang baru siswa wajib

mempelajari mata pelajaran yang ada di luar jurusannya, yang disebut dengan mata

pelajaran lintas minat. Dalam penentuan mata pelajaran tersebut dibutuhkan beberapa

kriteria yang harus diperhatikan, yaitu nilai siswa, minat siswa, jumlah guru,

rekomendasi guru dan rekomendasi orang tua. Dengan banyaknya kriteria yang ada

maka dibutuhkan sebuah sistem yang dapat membantu sekolah menentukan mata

pelajaran yang sesuai untuk siswa. Untuk itu dibangunlah sebuah sistem pendukung

keputusan untuk menentukan mata pelajaran lintas minat kurikulum 2013

menggunakan algoritma

weighted product dan

analytical hierarchy process yang

bertujuan menentukan mata pelajaran yang sesuai untuk siswa. Pada sistem ini

dibutuhkan data siswa dan guru sebagai input, kemudian data tersebut diproses dengan

menggunakan algoritma WP dan AHP hingga memperoleh output berupa ranking dari

mata pelajaran yang sudah di-input-kan. Berdasarkan sistem yang telah dibuat, dari

data yang diperoleh didapat dua ranking teratas mata pelajaran lintas minat untuk

jurusan Ilmu-ilmu Sosial, yaitu Bahasa dan Sastra Inggris serta Bahasa dan Sastra

Indonesia yang kemudian disarankan kepada pihak sekolah sebagai bahan

pertimbangan pembuat keputusan. Selain mencari ranking mata pelajaran penulis juga

melakukan perbandingan antar kedua algoritma berdasarkan kompleksitas waktu, dari

perbandingan tersebut diperoleh big theta

yang sama, yaitu Ө (n

2

).

(8)

DECISION SUPPORT SYSTEM FOR DETERMINING SUBJECTS OF CHOICE

IN CURRICULUM 2013 USING WEIGHTED PRODUCT AND

ANALYTICAL HIERARCHY PROCESS ALGORITHMS

ABSTRACT

The face paced development of education systems in the world makes Indonesian

Goverment should follow suit in order to make its people ready to survive in global

competiton. In 2013, the goverment used new curriculum for every school, which is

called curriculum of 2013, that refers to the curriculum of KTSP (Kurikulum Tingkat

Satuan Pendidikan). Similar to later, the new curriculum has three lessons, math plus

natural science, social science, and language, but in this, the students have to study

about the lesson out of their majors, which are called subjects of choices. To

determine subjects of choices, some aspects (such as students mark, interest, number

of teacher, teachers’ recomendation and parents’ recomendation)

should be known.

Because of there are so many criteria, it needs a system which may help the schools to

decide which lessons must be taught to the student. This research builds a support

system to determine subjects of choice, in curriculum 2013 using weighted product

method and analytical hierarchy process algorithm. This system needs student

’

s and

teachers

’

data as input, then the data is processed by using WP and AHP until the

ranking of the subjects is obtained as output. According to the system, the highest

ranking of subjects in social science are English Language and Indonesian Language

which is then suggested to the schools as recomendation. In order to determine the

ranking of the subjects, both algorithms are compared according to their time

complexities, which is

Ө (n

2

) for both algorithm.

(9)

DAFTAR ISI

Halaman

Persetujuan

ii

Pernyataan

iii

Penghargaan

iv

Abstrak

vi

Abstract

vii

Daftar Isi

viii

Daftar Tabel

xi

Daftar Gambar

xii

Daftar Lampiran

xiii

BAB 1 PENDAHULUAN

1.1. Latar Belakang

1

1.2. Rumusan Masalah

3

1.3. Tujuan Penelitian

3

1.4. Batasan Penelitian

3

1.5. Manfaat Penelitian

4

1.6. Metodologi Penelitian

4

1.7. Sistematika Penulisan

5

BAB 2 LANDASAN TEORI

2.1. Sistem Pendukung Keputusan

7

2.1.1.

Konsep SPK

8

2.1.2.

Komponen-Komponen SPK

8

2.2. Multiple Attribute Decision Making (MADM)

9

2.3. Weighted Product

10

2.3.1.

Contoh Manual Penggunaan Algoritma Weighted

Product

11

2.4. Analytical Hierarchy Process

13

2.4.1.

Contoh Manual Penggunaan Algoritma Analytical

Hierarchy Process

14

2.5. Big Theta (

Ɵ)

20

2.6. Sekolah

21

2.6.1.

SMA Istiqlal Delitua

21

2.7. Kurikulum 2013

21

(10)

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

3.1. Analisis Sistem

23

3.1.1.

Analisis Masalah

23

3.1.2.

Analisis Kebutuhan

24

3.1.2.1.

Kebutuhan fungsional

25

3.1.2.2.

Kebutuhan nonfungsional

25

3.2. Perancangan Sistem

25

3.2.1.

Flowchat Sistem

26

3.2.1.1.

Flowchat sistem secara umum

26

3.2.1.2.

Flowchart algoritma weighted product

27

3.2.1.3.

Flowchart algoritma analytical hierarchy

process

28

3.2.2.

Data Flow Diagram (DFD)

29

3.2.3.

Perancangan Antar Muka Sistem (Interface)

31

3.2.3.1.

Halaman masuk

31

3.2.3.2.

Halaman awal

32

3.2.3.3.

Halaman data siswa

33

3.2.3.4.

Halaman data guru

35

3.2.3.5.

Halaman proses kriteria

36

3.2.3.6.

Halaman proses WP

37

3.2.3.7.

Halaman proses AHP

39

3.2.3.8.

Halaman info

40

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM

4.1. Implementasi Sistem

41

4.1.1.

Halaman Masuk

41

4.1.2.

Halaman Awal

42

4.1.3. Halaman Data Siswa

43

4.1.4.

Halaman Data Guru

43

4.1.5.

Halaman Proses

44

4.1.6.

Halaman Info

50

4.2. Perhitungan Kompleksitas Waktu

50

4.2.1.

Perhitungan Kompleksitas Waktu Algoritma Weighted

Product

50

4.2.2.

Perhitungan Kompleksitas Waktu Algoritma Analytical

Hierarchy Process

52

4.3. Perbandingan Hasil Algoritma Weighted Product dan Analytical

Hierarchy Process

57

4.3.1.

Hasil Algoritma Weighted Product

57

4.3.2.

Hasil Algoritma Analytical Hierarchy Process

58

(11)

BAB 5 KESIMPULAN DAN SARAN

5.1. Kesimpulan

59

5.2. Saran

59

(12)

DAFTAR TABEL

Halaman

Tabel 2.1.

Skor Konversi Nilai Kriteria WP

11

Tabel 2.2.

Contoh Data WP

12

Tabel 2.3.

Contoh Data Yang Sudah Dikonversi WP

12

Tabel 2.4.

Skor Konversi Nilai Kriteria AHP

15

Tabel 2.5.

Contoh Data AHP

15

Tabel 2.6.

Contoh Data Yang Sudah Dikonversi AHP

16

Tabel 2.7.

Tabel Matriks Prioritas Kriteria

16

Tabel 2.8.

Tabel Matriks Prioritas Kriteria Yang Disederhanakan

16

Tabel 2.9.

Tabel Matriks Bobot Kriteria 1

17

Tabel 2.10.

18

Tabel 2.11.

18

Tabel 2.12.

19

Tabel 2.13.

19

Tabel 3.1.

Keterangan Rancangan Halaman Masuk

31

Tabel 3.2.

Keterangan Rancangan Halaman Awal

32

Tabel 3.3.

Keterangan Rancangan Halaman Data Siswa

34

Tabel 3.4.

Keterangan Rancangan Halaman Data Guru

35

Tabel 3.5.

Keterangan Rancangan Halaman Proses Kriteria

37

Tabel 3.6.

Keterangan Rancangan Halaman Proses WP

38

Tabel 3.7.

Keterangan Rancangan Halaman Proses AHP

39

Tabel 3.8.

Keterangan Rancangan Halaman Info

40

Tabel 4.1.

Tabel Penyederhanaan Prioritas Kriteria

48

Tabel 4.2.

Tabel Matriks Bobot K1

48

(13)

DAFTAR GAMBAR

Halaman

Gambar 2.1.

9

Gambar 3.1.

Diagram Ishikawa Masalah Penelitian

24

Gambar 3.2.

Flowchart Sistem

26

Gambar 3.3.

Flowchart Algoritma Weighted Product

27

Gambar 3.4.

Flowchart Algoritma Analytical Hierarchy Process

28

Gambar 3.5.

DFD Level 0

29

Gambar 3.6.

DFD Level 1

30

Gambar 3.7.

Rancangan Halaman Masuk

37

Gambar 3.8.

Rancangan Halaman Awal

38

Gambar 3.9.

Rancangan Halaman Data Siswa

33

Gambar 3.10.

Rancangan Halaman Data Guru

35

Gambar 3.11.

Rancangan Halaman Proses Kriteria

36

Gambar 3.12.

Rancangan Halaman Proses WP

38

Gambar 3.13.

Rancangan Halaman Proses AHP

39

Gambar 3.14.

Rancangan Halaman Info

40

Gambar 4.1.

Tampilan Halaman Masuk

42

Gambar 4.2.

Tampilan Halaman Awal

42

Gambar 4.3.

Tampilan Halaman Data Siswa

43

Gambar 4.4.

Tampilan Halaman Data Guru

44

Gambar 4.5.

Tampilan Halaman Proses Tab Kriteria

45

Gambar 4.6.

Tampilan Halaman Proses Tab Weighted Product

45

Gambar 4.7.

Tampilan Halaman Proses Tab Analytical Hierarchy Process

47

(14)

DAFTAR LAMPIRAN

Halaman

A.

Listing Program

A-1

B.

Surat Balasan Riset

B-1

C.

Data Riset

B-2

D.

Curriculum Vitae

C-1

E.

Surat Keputusan Pengangkatan Dosen Pembimbing Tugas Akhir

D-1

F.

Undangan Sidang Meja Hijau

E-1

(15)

LINTAS MINAT KURIKULUM 2013 MENGGUNAKAN ALGORITMA

WEIGHTED PRODUCT

DAN

ABSTRAK

Dunia pendidikan yang terus berkembang membuat pemerintah harus terus

mengembangkan sistem pendidikan yang ada di Indonesia. Tahun 2013 pemerintah

menerapkan kurikulum baru untuk setiap sekolah yang disebut dengan Kurikulum

2013 yang menggantikan kurikulum KTSP. Sama dengan kurikulum yang lama, pada

kurikulum yang baru terdapat tiga jurusan peminatan, yaitu Matematika dan Ilmu

Alam, Ilmu-ilmu Sosial serta Bahasa, namun pada kurikulum yang baru siswa wajib

mempelajari mata pelajaran yang ada di luar jurusannya, yang disebut dengan mata

pelajaran lintas minat. Dalam penentuan mata pelajaran tersebut dibutuhkan beberapa

kriteria yang harus diperhatikan, yaitu nilai siswa, minat siswa, jumlah guru,

rekomendasi guru dan rekomendasi orang tua. Dengan banyaknya kriteria yang ada

maka dibutuhkan sebuah sistem yang dapat membantu sekolah menentukan mata

pelajaran yang sesuai untuk siswa. Untuk itu dibangunlah sebuah sistem pendukung

keputusan untuk menentukan mata pelajaran lintas minat kurikulum 2013

menggunakan algoritma

weighted product dan

analytical hierarchy process yang

bertujuan menentukan mata pelajaran yang sesuai untuk siswa. Pada sistem ini

dibutuhkan data siswa dan guru sebagai input, kemudian data tersebut diproses dengan

menggunakan algoritma WP dan AHP hingga memperoleh output berupa ranking dari

mata pelajaran yang sudah di-input-kan. Berdasarkan sistem yang telah dibuat, dari

data yang diperoleh didapat dua ranking teratas mata pelajaran lintas minat untuk

jurusan Ilmu-ilmu Sosial, yaitu Bahasa dan Sastra Inggris serta Bahasa dan Sastra

Indonesia yang kemudian disarankan kepada pihak sekolah sebagai bahan

pertimbangan pembuat keputusan. Selain mencari ranking mata pelajaran penulis juga

melakukan perbandingan antar kedua algoritma berdasarkan kompleksitas waktu, dari

perbandingan tersebut diperoleh big theta

yang sama, yaitu Ө (n

2

).

(16)

DECISION SUPPORT SYSTEM FOR DETERMINING SUBJECTS OF CHOICE

IN CURRICULUM 2013 USING WEIGHTED PRODUCT AND

ANALYTICAL HIERARCHY PROCESS ALGORITHMS

ABSTRACT

The face paced development of education systems in the world makes Indonesian

Goverment should follow suit in order to make its people ready to survive in global

competiton. In 2013, the goverment used new curriculum for every school, which is

called curriculum of 2013, that refers to the curriculum of KTSP (Kurikulum Tingkat

Satuan Pendidikan). Similar to later, the new curriculum has three lessons, math plus

natural science, social science, and language, but in this, the students have to study

about the lesson out of their majors, which are called subjects of choices. To

determine subjects of choices, some aspects (such as students mark, interest, number

of teacher, teachers’ recomendation and parents’ recomendation)

should be known.

Because of there are so many criteria, it needs a system which may help the schools to

decide which lessons must be taught to the student. This research builds a support

system to determine subjects of choice, in curriculum 2013 using weighted product

method and analytical hierarchy process algorithm. This system needs student

’

s and

teachers

’

data as input, then the data is processed by using WP and AHP until the

ranking of the subjects is obtained as output. According to the system, the highest

ranking of subjects in social science are English Language and Indonesian Language

which is then suggested to the schools as recomendation. In order to determine the

ranking of the subjects, both algorithms are compared according to their time

complexities, which is

Ө (n

2

) for both algorithm.

(17)

BAB 1

PENDAHULUAN

1.1

Latar Belakang

Pada saat ini perkembangan teknologi sangat tumbuh dengan pesat, baik dibidang

teknologi telekomunikasi sampai dengan teknologi komputasi. Dalam bidang

komputer sendiri banyak hal yang tumbuh dan berkembang, dahulu komputer hanya

dapat digunakan untuk pengumpulan dan pengolahan data namun sekarang komputer

juga dapat dijadikan sebagai alat untuk membantu membuat suatu keputusan. Selain

teknologi, dunia pendidikan dari tahun ke tahun juga semakin berkembang. Sudah

berbagai upaya dilakukan oleh pemerintah untuk memajukan pendidikan di Indonesia.

Dimana perkembangan dunia pendidikan tersebut sangat berpengaruh terdahap

karakteristik dan kepribadian siswa.

SMA Istiqlal Delitua merupakan suatu lembaga pendidikan menengah swasta

di kabupaten Deli Serdang. Sesuai dengan keputusan pemerintah No. 81A Tahun 2013

tentang Implementasi Kurikulum 2013, maka SMA Istiqlal Delitua sesuai dengan

keputusan tersebut juga wajib menerapkan kurikulum 2013. Dari segi mata pelajaran,

pada Kurikulum 2013 memiliki perbedaan dengan kurikulum KTSP 2006 yaitu

adanya mata pelajaran jurusan MIA, IIS atau Bahasa yang diajarkan di jurusan lainnya

atau disebut dengan mata pelajaran lintas minat, misalnya mata pelajaran ekonomi

yang diajarkan di jurusan MIA dan mata pelajaran kimia yang diajarkan di jurusan

IIS.

(18)

dan rekomendasi orang tua/wali. Namun kenyataannya, sekolah belum dapat

menerapkan berbagai faktor yang ada dalam menentukan mata pelajaran lintas minat

tersebut dikarenakan penentuan tersebut masih bersifat manual sehingga sulit untuk

mencakup faktor-faktor tersebut.

Oleh karena itu perlu adanya sistem yang dapat membantu pihak sekolah

dalam menentukan mata pelajaran lintas minat. Sistem ini yang kemudian disebut

dengan Sistem Pendukung Keputusan (SPK) adalah sebuah sistem yang dimaksudkan

untuk mendukung para pengambil keputusan manajerial dalam situasi keputusan

semiterstruktur (Turban, dkk. 2005).

Di dalam sistem pendukung keputusan terdapat suatu metode pengambilan

keputusan multikriteria yaitu metode yang menggunakan beberapa kriteria tertentu

untuk menetapkan alternatif keputusan terbaik atau yang disebut dengan

Multi

Criteria Decision Making (Kusumadewi et al, 2006), ada beberapa algoritma yang

termasuk kedalam metode tersebut, antara lain

Weighted Product dan

Analytical

Hierarchy Proess. Algoritma

Weighted Product (WP) dan

Analytical Hierarchy

Process (AHP) adalah proses pengambilan keputusan yang bersifat multicriteria yang

bertujuan untuk menentukan pilihan terbaik dari beberapa alternatif yang dapat

diambil.

Microsoft Visual Basic 2010 adalah bahasa pemrograman yang dapat

digunakan untuk membangun sebuah sistem yang berbasis

desktop, yang sesuai jika

digunakan untuk internal sebuah instansi.

Sebagai bahan pertimbangan dalam melakukan penelitian ini, penulis

mengambil beberapa penelitian sebelumnya yang kemudian dijadikan bahan referensi

dalam penelitian yang akan penulis lakukan. Adapun penelitian yang penulis jadikan

bahan referensi antara lain Rancang Bangun Sistem Pendukung Keputusan (SPK)

Penjurusan Program Studi (Studi Kasus : MAN 4 Model Jakarta) (Bachtiar, 2010)

dimana dalam penelitian tersebut peneliti menggunakan tiga kriteria penentu yang

kemudian dihitung menggunakan metode AHP untuk menentukan pilihan program

studi terbaik dari ketiga kriteria yang sudah ditentukan.

(19)

tersebut menggunakan metode WP untuk menghasilkan alternatif terbaik untuk siswa

dari kriteria yang ditentukan.

Dari penjelasan di atas, maka penulis berencana mengadakan penelitian tugas

akhir dengan judul

”

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN MATA

PELAJARAN

LINTAS

MINAT

KURIKULUM

2013

MENGGUNAKAN

ALGORITMA

WEIGHTED PRODUCT DAN

ANALYTICAL HIERARCHY

PROCESS

”.

1.2

Rumusan Masalah

Rumusan masalah dalam penelitian ini adalah bagaimana menentukan mata pelajaran

lintas minat yang sesuai dengan minat siswa menggunakan sistem pengambilan

keputusan multikriteria, yaitu dengan menggunakan algoritma

Weighted Product

(WP) dan Analytical Hierarchy Process (AHP).

1.3

Tujuan Penelitian

Mengimplementsikan algoritma

Weighted Product

(WP) dan

Analytical Hierarchy

Process

(AHP) dalam menentukan mata pelajaran lintas minat kurikulum 2013 serta

membandingkan kedua algoritma tersebut.

1.4

Batasan Penelitian

Dari latar belakang dan perumusan masalah di atas, agar tidak menyimpang dari

tujuan yang diharapkan maka dibuat beberapa pembatasan masalah antara lain:

1.

Algoritma yang digunakan yaitu

Weighted Product (WP) dan

Analytical

Hierarchy Process (AHP).

2.

Sistem ini ditujukan untuk penentuan lintas minat kelas 10 jurusan IIS

(Ilmu-Ilmu Sosial).

(20)

Biologi serta 4 mata pelajaran dari minat Bahasa yaitu : Bahasa dan Sastra

Indonesia, Bahasa dan Sastra Inggris, Bahasa Asing Lain (Bahasa Arab) dan

Antropologi.

4.

Sampel yang diambil yaitu 78 orang siswa kelas 10.3 dan 10.4 (sebelumnya

jurusan IIS) dan 40 orang guru.

5.

Indikator yang akan digunakan yaitu kemampuan siswa, minat siswa, keadaan

guru, rekomendasi guru dan rekomendasi orang tua/wali.

6.

Menggunakan bahasa pemrograman Microsoft Visual Basic 2010 dan

database management system nya menggunakan Microsoft Access 2007.

7.

Parameter yang digunakan untuk perbandingan algoritma yaitu Big Ө (Theta).

1.5

Manfaat Penelitian

Adapun manfaat yang diharapakan pada penelitian ini antara lain:

1.

Membantu sekolah menentukan mata pelajaran lintas minat yang terbaik, yang

lebih objektif dan efisien.

2.

Membuat sekolah dapat menentukan mata pelajaran lintas minat tanpa

memakan waktu yang lama.

1.6

Metodologi Penelitian

Adapun metode penelitian yang digunakan dalam penulisan skripsi ini adalah sebagai

berikut:

a.

Studi Literatur

Mengumpulkan bahan dan referensi melalui kegiatan studi kepustakaan

dengan mencari buku-buku, skripsi dan jurnal yang berhubungan dengan

metode sistem pendukung keputusan

Weighted Product

dan

Analytical

Hierarchy Process serta dengan melakukan kegiatan wawancara dan kegiatan

pengumpulan data kuesioner sebagai sampel dalam penelitian.

b.

Analisis Sistem

(21)

c.

Perancangan Sistem

Pada tahap ini akan dilakukan perancangan sistem pengambilan keputusan,

termasuk di dalamnya perancangan

flowchart,

data flow diagram (dfd)

dan

desain interface.

d.

Implementasi Sistem

Mengimplementasikan rancangan sistem yang telah dibuat pada tahap

perancangan sistem ke dalam program komputer.

e.

Pengujian Sistem

Setelah proses implementasi selesai maka akan dilakukan proses pengujian

terhadap sistem yang dihasilkan untuk mengetahui apakah program sudah

berjalan dengan benar dan sesuai dengan yang diharapkan.

f.

Dokumentasi

Membuat laporan hasil analisa, perancangan dan pengujian ke dalam format

penulisan skripsi yang disertai dengan kesimpulan.

1.7

Sistematika Penulisan

Adapun langkah-langkah dalam menyelesaikan penelitian ini adalah sebagai berikut:

BAB 1 PENDAHULUAN

Bab ini berisi latar belakang, rumusan masalah, batasan masalah, tujuan

penelitian, manfaat penelitian, metodologi penelitian dan sistematika

penulisan.

BAB 2 LANDASAN TEORI

Bab ini berisi teori-teori yang berkaitan dengan Sistem Pendukung

Keputusan,

Weighted Product,

Analytical Hierarchy Process, Kurikulum

2013 dan Mata Pelajaran Lintas Minat.

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

(22)

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab ini berisi ulasan dan pengujian terhadap peracangan yang telah

diimplementasikan dengan menggunakan bahasa pemrograman Microsoft

Visual Basic 2010 dan menggunakan

database management system

Microsoft Access 2007.

BAB 5 KESIMPULAN DAN SARAN

(23)

BAB 2

LANDASAN TEORI

2.1

Sistem Pendukung Keputusan

Pada dasarnya pembuatan keputusan merupakan suatu pendekatan yang bersifat

sistematis, artinya pendekatan yang berawal dan bermula dari hakikat suatu masalah,

pengumpulan fakta-fakta, pemilihan dan penentuan dari alternatif terbaik yang

dihadapi dan pengambilan tindakan yang menurut perhitungan secara kuantitatif

merupakan tindakan yang paling tepat (Kosasi, 2002).

Didefinisikan secara umum, sistem pendukung keputusan (SPK) adalah

sistem informasi berbasis komputer yang menggabungkan model dan data guna

menyelesaikan masalah semi terstruktur dan beberapa masalah tak terstruktur dengan

keterlibatan pengguna secara luas (Turban, dkk. 2006). SPK dapat meningkatkan

keefektifan pengambilan keputusan, meningkatkan kontrol manajemen, memfasilitasi

komunikasi, menghemat usaha yang dilakukan pengguna, menghemat biaya, dan

memungkinkan pengambilan lebih objektif (Turban, dkk. 2005).

Sprague dan Watson mendefinisikan Sistem Pendukung Keputusan (SPK)

sebagai sistem yang memiliki lima karakteristik utama yaitu (Sprague et.al, 1993):

a.

Sistem yang berbasis komputer.

b.

Dipergunakan untuk membantu para pengambil keputusan.

c.

Untuk memecahkan masalah-masalah rumit yang mustahil dilakukan dengan

kalkulasi manual.

d.

Melalui cara simulasi yang interaktif.

(24)

2.1.1

Konsep SPK

Kerangka pendukung keputusan terbagi atas dua tipe, yaitu tipe keputusan dan tipe

pengendalian. Tipe keputusan mencakup keputusan terstruktur, keputusan semi

terstruktur dan keputusan tidak terstruktur. Sedang untuk tipe pengendalian mencakup

pengendalian operasional, manajerial dan strategik. Kedua tipe ini merupakan suatu

bentuk yang saling melengkapi dalam suatu konsep piramida sistem informasi.

Terdapat beberapa tahapan dalam proses pembuatan keputusan (Turban & Aronson,

1998), yaitu:

a.

Mendefinisikan dan merumuskan masalah.

b.

Mengklasifikasikan masalah dalam kategori standar.

c.

Mengembangkan model matematik untuk menggambarkan kejadian nyata.

d.

Menemukan alternatif solusi untuk pemecahan masalah.

e.

Menentukan pilihan terbaik dari alternatif solusi yang tersedia.

2.1.2

Selanjutnya SPK juga dapat didekomposisikan menjadi beberapa subsistem lainnya

yang saling berhubungan (Turban & Aronson, 1998) seperti terlihat pada Gambar 2.1,

yaitu:

a.

Subsistem Manajemen Data

Subsistem manajemen data memasukkan satu database yang berisi data yang

relevan untuk situasi dan dikelola oleh perangkat lunak yang disebut sistem

manajemen database (DBMS).

b.

Subsistem Manajemen Model

Merupakan paket perangkat lunak yang memasukkan model keuangan,

statistik, ilmu manajemen, atau model kuantitatif lainnya yang memberikan

kapabilitas analitik dan manajemen perangkat lunak yang tepat. Perangkat

lunak ini sering disebut sistem manajemen basis model (MBMS).

c.

Subsistem Antarmuka Pengguna

(25)

menegaskan bahwa beberapa kontribusi unik dari SPK berasal dari interaksi

yang intensif antara komputer dan pembuat keputusan.

d.

Subsistem Manajemen Berbasis Pengetahuan

Subsistem ini dapat mendukung semua subsistem lain atau bertindak sebagai

suatu komponen independen. Ia memberikan inteligensi untuk memperbesar

pengetahuan si pengambil keputusan.

Gambar 2.1 Komponen-Komponen SPK

2.2

Multiple Attribute Decision Making (MADM)

Multi Criteria Decision Making (MCDM) adalah suatu metode pengambilan

keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan

beberapa kriteria tertentu (Kusumadewi et al, 2006). MCDM dapat dibagi menjadi 2

model (Zimmermann, 1991) yaitu

Multi Attribute Decision Making

(MADM) dan

Multi Objective Decision Making (MODM). MADM digunakan untuk menyelesaikan

(26)

Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah

MADM (Kusumadewi et al, 2006), antara lain:

a.

Simple Additive Weighting Method (SAW)

b.

Weighted Product (WP)

c.

ELimination Et Choix TRaduisant la realitE (ELECTRE)

d.

Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)

e.

Analytical Hierarchy Process (AHP)

2.3

Weighted Product

Menurut Yoon (1989), Metode WP menggunakan perkalian untuk menghubungkan

rating atribut, dimana rating atribut harus dipangkatkan terlebih dahulu dengan bobot

atribut yang bersangkutan (Kusumadewi, dkk. 2006). Preferensi untuk alternatif S

i

diberikan sebagai berikut:

a.

Penentuan nilai perbaikan bobot W

j

W

_j

=

W_Init

j

W_Init

_j n

j=1

Dimana:

W_Init

j

= Nilai prioritas bobot setiap kriteria

b.

Penentuan nilai Vektor S

i

S

_i

=

X

_ijWj

n

j=1

Dimana:

X

ij

= Nilai untuk setiap sampel

c.

Penentuan nilai Vektor V

i

V

i

=

S

_i

S

i m j=1

Dimana:

(27)

Lalu, langkah-langkah dalam perhitungan metode

Weighted Product (WP)

adalah sebagai berikut:

a.

Mengalihkan seluruh atribut bagi seluruh alternatif dengan bobot sebagai

pangkat positif bagi atribut biaya.

b.

Hasil perkalian dijumlahkan untuk menghasilkan nilai pada setiap alternatif.

c.

Membagi nilai V bagi setiap alternatif dengan nilai pada setiap alternatif.

d.

Ditemukan urutan alternatif terbaik yang akan menjadi keputusan.

2.3.1

Contoh Manual Penggunaan Algoritma Weighted Product

a.

Kriteria

K1

= Kemampuan Siswa

K4

= Keadaan Guru

K2

= Minat Siswa

K5

= Rekomendasi Orang Tua

K3

= Rekomendasi Guru

Kriteria Keuntungan = K1, K2, K3, K4 dan K5

Kriteria Biaya

= Tidak Ada

b.

Skor Konversi Nilai Kriteria

Skor konversi nilai kriteria WP dapat dilihat pada Tabel 2.1.

Tabel 2.1 Skor Konversi Nilai Kriteria WP

Kriteria

Nilai Awal

Nilai Konversi

K1

0

-

20

21 -

40

41 -

60

61 -

80

≥

81

1

2

3

4

5

K2

0

-

5

6

-

10

11 -

15

16 -

20

≥

21

1

2

3

4

5

K3

0

-

3

4

-

6

7

-

9

10 -

12

≥

13

(28)

Tabel 2.1 Skor Konversi Nilai Kriteria WP (lanjutan)

K4

≤ 1

2

3

4

≥

5

1

2

3

4

5

K5

0

-

5

6

-

10

11 -

15

16 -

20

≥

21

1

2

3

4

5

c.

Contoh Data

Contoh data WP dapat dilihat pada Tabel 2.2.

Tabel 2.2 Contoh Data WP

Mata Pelajaran

K1

K2

K3

K4

K5

Biologi

85

16

10

2

17

Bahasa dan Sastra Indonesia

85

10

3

4

5

Bahasa Arab

80

5

7

1

7

d.

Contoh Data Yang Sudah Dikonversi

Contoh data yang sudah dikonvesi dapat dilihat pada Tabel 2.3.

Tabel 2.3 Contoh Data Yang Sudah Dikonversi WP

Mata Pelajaran

K1

K2

K3

K4

K5

Biologi

5

4

2

4

Bahasa dan Sastra Indonesia

5

2

1

3

1

Bahasa Arab

4

1

2

1

2

e.

Bobot Preferensi

W = [ 4, 5, 2, 3, 2 ]

f.

Menghitung Nilai W

i

W

₁

=

4

4 + 5 + 2 + 3 + 2

= 0,25

W

₂

=

5

(29)

W

3

=

2

4 + 5 + 2 + 3 + 2

= 0,125

W

4

=

3

4 + 5 + 2 + 3 + 2

= 0,1875

W

5

=

2

4 + 5 + 2 + 3 + 2

= 0,125

g.

Menghitug Nilai S

i

S

1

=

5

0,25

x

4

0,3125

x

2

0,125

x

2

0,1875

x

4

0,125

= 3,406

S

2

=

5

0,25

x

2

0,3125

x

1

0,125

x

3

0,1875

x

1

0,125

= 2,282

S

₃

=

4

0,25

x

1

0,3125

x

2

0,125

x

1

0,1875

x

2

0,125

= 1,683

h.

Menghitung Nilai V

i

V

1

=

3,406

3,406 + 2,282 + 1,683

= 0,462

V

₂

=

2,282

3,406 + 2,282 + 1,683

= 0,309

V

3

=

1,683

3,406 + 2,282 + 1,683

= 0,228

Karena diperoleh nilai terbesar adalah V

1, maka alternatif “Biologi” adalah

Mata Pelajaran yang dipilih sebagai alternatif terbaik.

2.4

Analytical Hierarchy Process

(AHP) Merupakan suatu teori umum tentang suatu

konsep pengukuran. Metode ini digunakan untuk menemukan suatu skala rasio balik

dari perbandingan pasangan yang bersifat diskrit maupun kontinu (Mulyono, 1996).

Terdapat beberapa langkah yang perlu diperhatikan dalam menggunakan metode

AHP, antara lain (Suryadi & Ramdhani, 1998):

a.

Mendefenisikan masalah dan menentukan solusi yang diinginkan.

(30)

c.

Membuat matriks perbandingan berpasangan yang menggambarkan kontribusi

relatif atau pengaruh setiap elemen terhadap masing-masing tujuan atau

kriteria yang setingkat diatasnya. Perbandingan dilakukan berdasarkan

judgment dari pembuat keputusan dengan menilai tingkat kepentingan suatu

elemen dibandingkan elemen lainnya.

d.

Melakukan perbandingan berpasangan sehingga diperoleh nilai

judment

seluruhnya.

e.

Menghitung nilai eigen

dan menguji konsistensinya jika tidak konsisten maka

pengambilan data diulangi. Mengulangi langkah b, c, dan d untuk seluruh

tingkat hirarki.

f.

Menghitung vektor eigen dari setiap matriks perbandingan berpasangan. Nilai

vektor

eigen merupakan bobot setiap elemen. Langkah ini untuk mensintesis

judgment dalam penentuan prioritas elemen-elemen pada tingkat hirarki

terendah sampai pencapaian tujuan.

g.

Memeriksa konsistensi hirarki. Jika nilainya lebih dari 0,1 maka penilaian data

harus diperbaiki. Consistency Index (CI), dengan rumus:

CI =

(

� �� −

)

(

−

1)

Keterangan:

i

= Rasio penyimpangan konsistensi

λmax

= nilai eigen maksimum

n

= banyaknya elemen

h.

Mencari total ranking, langkah terakhir adalah menghitung total ranking

dengan cara menjumlahkan hasil perkalian nilai

eigen vector tiap kriteria

dengan nilai

eigen vector alternatif pada kriteria yang sama, sehingga

diperoleh alternatif terbaik.

2.4.1

Contoh Manual Penggunaan Algoritma Analytical Hierarchy Process

a.

Kriteria

K1

= Kemampuan Siswa

K4

= Keadaan Guru

(31)

b.

Skor Konversi Nilai Kriteria

Skor konversi nilai kriteria AHP dapat dilihat pada Tabel 2.4.

Tabel 2.4 Skor Konversi Nilai Kriteria AHP

Kriteria

Nilai Awal

Nilai Konversi

K1

0

-

20

21 -

40

41 -

60

61 -

80

≥

81

1

2

3

4

5

K2

0

-

5

6

-

10

11 -

15

16 -

20

≥

21

1

2

3

4

5

K3

0

-

3

4

-

6

7

-

9

10 -

12

≥

13

1

2

3

4

5

K4

≤

1

2

3

4

≥

5

1

2

3

4

5

K5

0

-

5

6

-

10

11 -

15

16 -

20

≥

21

1

2

3

4

5

c.

Contoh Data

[image:31.595.125.508.161.555.2]

Contoh data AHP dapat dilihat pada Tabel 2.5.

Tabel 2.5 Contoh Data AHP

Mata Pelajaran

K1

K2

K3

K4

K5

Biologi (BIO)

85

16

10

2

17

Bahasa dan Sastra Indonesia (BSI)

85

10

3

4

5

(32)

d.

Contoh Data Yang Sudah Dikonversi

Contoh data yang sudah dikonversi dapat dilihat pada Tabel 2.6.

Tabel 2.6 Contoh Data Yang Sudah Dikonversi AHP

Mata Pelajaran

K1

K2

K3

K4

K5

Biologi (BIO)

5

4

2

4

Bahasa dan Sastra Indonesia (BSI)

5

2

1

3

1

Bahasa Arab (BA)

4

1

2

1

2

e.

Tabel Matriks Prioritas Kriteria

Matriks prioritas kriteria dapat dilihat pada Tabel 2.7.

Tabel 2.7 Tabel Matriks Prioritas Kriteria

K1

K2

K3

K4

K5

K1

1

½

3

2

3

K2

2

1

4

3

4

K3

1/3

¼

1

½

1

K4

½

1/3

2

1

2

K5

1/3

¼

1

½

1

f.

Tabel Matrik Prioritas Kriteria Yang Disederhanakan

Matriks prioritas kriteria yang disederhanakan dapat dilihat pada Tabel 2.8.

Tabel 2.8 Tabel Matriks Prioritas Kriteria Yang Disederhanakan

K1

K2

K3

K4

K5

Eigen

Vektor

K1

1,00

0,50

3,00

2,00

3,00

0,257

K2

2,00

1,00

4,00

3,00

4,00

0,413

K3

0,33

0,25

1,00

0,50

1,00

0,088

K4

0,50

0,33

2,00

1,00

2,00

0,154

K5

0,33

0,25

1,00

0,50

1,00

0,088

(33)

Principle eigen vektor (λmax)

λmax

= (4,16 x 0,257) + (2,33 x 0,413) + (11 x 0,088) + (7 x 0,154) +

(11 x 0,088) = 5,04541

Consistency Index (CI)

CI =

(5,045

−

5)

(5

−

1)

CI =

0,045

4

CI = 0,01125

g.

Tabel Matriks Bobot Kriteria 1 (Kemampuan Siswa)

Matriks bobot kriteria 1 dapat dilihat pada Tabel 2.9.

Tabel 2.9 Tabel Matriks Bobot Kriteria 1

K1

BIO

BSI

BA

Eigen Vektor

BIO

5

1

1,25

0,357

BSI

5

1

1,25

0,357

BA

4

0,8

1

0,286

∑

2,8

3,5

1

λmax

= (2,8 x 0,357) + (2,8 x 0,357) + (3,5 x 0,286) = 3,0002

Consistency Index (CI)

CI =

(3,0002

−

3)

(3

−

1)

CI =

0,0002

2

= 0,0001

h.

Tabel Matriks Bobot Kriteria 2 (Minat Siswa)

(34)

K2

BIO

BSI

BA

Eigen Vektor

BIO

4

1

2

4

0,571

BSI

2

0,5

1

2

0,286

BA

1

0,25

0,5

1

0,143

∑

1,75

3,5

7

1

λmax

= (1,75 x 0,571) + (3,5 x 0,286) + (7 x 0,143) = 3,00125

CI =

(3,00125

−

3)

(3

−

1)

CI =

0,00125

2

= 0,000625

i.

Tabel Matriks Bobot Kriteria 3 (Rekomendasi Guru)

Tabel 2.11 Tabel Matriks Bobot Kriteria 3

K3

BIO

BSI

BA

Eigen Vektor

BIO

2

1

2

1

0,4

BSI

1

0,5

1

0,5

0,2

BA

2

1

2

1

0,4

∑

2,5

5

2,5

1

λmax

= (2,5 x 0,4) + (5 x 0,2) + (2,5 x 0,4) = 3

CI =

(3

−

3)

(3

−

1)

=

(35)

j.

Matriks Bobot Kriteria 4 (Keadaan Guru)

K4

BIO

BSI

BA

Eigen Vektor

BIO

2

1

0,667

2

0,333

BSI

3

1,5

1

3

0,5

BA

1

0,5

0,333

1

0,167

∑

3

2

6

1

Principle eigen vektor (λmax)

λmax

= (3 x 0,333) + (2 x 0,5) + (6 x 0,167) = 3,001

CI =

(3,001

−

3)

(3

−

1)

CI =

0,001

2

= 0,0005

k.

Matriks Bobot Kriteria 5 (Rekomendasi Orang Tua)

K5

BIO

BSI

BA

Eigen Vektor

BIO

4

1

4

2

0,571

BSI

1

0,25

1

0,5

0,143

BA

2

0,5

2

1

0,286

∑

1,75

7

3,5

1

(36)

CI =

(3,00125

−

3)

(3

−

1)

CI =

0,00125

2

= 0,000625

l.

Mencari Total Ranking

BIO = (0,257 x 0,357) + (0,413 x 0,571) + (0,088 x 0,4) + (0,154 x 0,333) +

(0,088 x 0,571) = 0,463

BSI = (0,257 x 0,357) + (0,413 x 0,286) + (0,088 x 0,2) + (0,154 x 0,5) +

(0,088 x 0,143) = 0,317

BA = (0,257 x 0,286) + (0,413 x 0,143) + (0,088 x 0,4) + (0,154 x 0,167) +

(0,088 x 0,286) = 0,219

Karena diperoleh nilai yang terbesar adalah “BIO” maka Biologi adalah

alternatif Mata Pelajaran terbaik.

2.5

Big Theta

(

Ɵ)

Thomas H. Cormen et al dalam buku yang berjudul Introduction to Algorithms pada

edisi ketiga menyebutkan bahwa Algoritma adalah urutan langkah-langkah mengubah

input menjadi output. Menganalisis algoritma berarti memprediksi sumber daya yang

dibutuhkan algoritma, sumber daya yang menjadi perhatian utama seperti memori,

bandwith komunikasi dan perangkat keras komputer yang biasanya sering digunakan

untuk mengukur waktu komputasi (Thomas H. Cormen et al, 2009).

(37)

Big Ɵ (

Big Theta)

adalah bagian dari kompleksitas waktu dari sebuah

algoritma.

Big Ɵ (

Big Theta) Didefinisikan bahwa f(n) merupakan Theta dari g(n) dan

dinotasikan

f(n) = Ɵ(g(n)

jika dan hanya jika terdapat tiga konstanta positif n

0

, c

1

dan

c

2

sedemikian berlaku:

| C

1

g(n) | <= | f(n) | <= |C

2

g(n) |;

∀

n > n

0.

2.6

Sekolah

Berdasarkan Undang-undang Nomor 20 Tahun 2003 tentang Sistem Pendidikan

Nasional, satuan pendidikan adalah kelompok layanan pendidikan yang

menyelenggarakan pendidikan pada jalur formal, nonformal, dan informal pada setiap

jenjang dan jenis pendidikan. Sekolah merupakan satuan pendidikan yang bergerak

pada jalur formal.

Berdasarkan Kamus Besar Bahasa Indonesia sekolah adalah bangunan atau

lembaga untuk belajar dan mengajar serta tempat menerima dan memberi pelajaran.

Menurut tingkatannya sekolah dibagi menjadi dasar, menengah dan tinggi.

2.6.1

SMA Istiqlal Delitua

SMA Istiqlal Delitua adalah sekolah swasta yang terletak di kecamatan Deli Tua,

kabupaten Deli Serdang, provinsi Sumatera Utara. SMA Istiqlal Delitua berdiri selama

22 tahun sejak 1992 di bawah Yayasan Perguruan Istiqlal Delitua, yayasan tersebut

dipimpin oleh bapak Prof. Dr. H. Jumino Suhadi, MA. Dan SMA Istiqlal Delitua

dipimpin oleh bapak Drs. H. Enda Tarigan.

2.7

Kurikulum 2013

(38)

rencana dan pengaturan mengenai tujuan, isi, dan bahan pelajaran, sedangkan yang

kedua adalah cara yang digunakan untuk kegiatan pembelajaran. Kurikulum 2013

yang diberlakukan mulai tahun ajaran 2013/2014 memenuhi kedua dimensi tersebut

(Undang-Undang RI, 2003).

Kurikulum 2013 bertujuan untuk mempersiapkan manusia Indonesia agar

memiliki kemampuan hidup sebagai pribadi dan warga negara yang beriman,

produktif, kreatif, inovatif, dan afektif serta mampu berkontribusi pada kehidupan

bermasyarakat, berbangsa, bernegara, dan peradaban dunia (Permendikbud, 2013).

2.8

Mata Pelajaran Lintas Minat

Kurikulum Sekolah Menengah Atas (SMA)/Madrasah Aliyah (MA) dirancang untuk

memberikan kesempatan kepada peserta didik belajar berdasarkan minat mereka.

Struktur kurikulum memperkenankan peserta didik melakukan pilihan dalam bentuk

pilihan Kelompok Peminatan dan pilihan Mata pelajaran antar Kelompok Peminatan.

Kelompok Peminatan yang dipilih peserta didik terdiri atas kelompok Matematika dan

Ilmu Alam, Ilmu-Ilmu Sosial, dan Ilmu Budaya dan Bahasa (Permendikbud, 2013).

Berdasarkan Permendikbud No. 69 Tahun 2013 tentang Kurikulum

SMA/MA semua mata pelajaran yang terdapat pada satu Kelompok Peminatan wajib

diikuti oleh peserta didik. Selain mengikuti seluruh mata pelajaran di Kelompok

Peminatan, setiap peserta didik harus mengikuti mata pelajaran tertentu untuk lintas

minat sebanyak 6 jam pelajaran di Kelas X dan 4 jam pelajaran di Kelas XI dan XII.

Mata pelajaran lintas minat yang dipilih sebaiknya tetap dari Kelas X sampai dengan

XII. Di Kelas X, jumlah jam pelajaran pilihan antar Kelompok Peminatan per minggu

6 jam pelajaran, dapat diambil dengan pilihan sebagai berikut:

a.

Dua mata pelajaran (masing-masing 3 jam pelajaran) dari satu Kelompok

Peminatan yang sama di luar Kelompok Peminatan pilihan

(39)

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

3.1

Analisis Sistem

Analisis sistem terdiri dari beberapa fase yang berbeda yang berfungsi untuk

mendeskripsikan pengembangan sistem. Dalam tugas akhir ini, ada dua fase analisis

yang dilakukan oleh penulis, yaitu : analisis masalah dan analisis kebutuhan. Analisis

masalah dilakukan untuk memahami sebuah permasalahan yang akan diteliti. Analisis

kebutuhan dilakukan untuk menjelaskan fungsi-fungsi yang ditawarkan dan mampu

dikerjakan oleh sistem.

3.1.1

Analisis Masalah

Penentuan mata pelajaran lintas minat wajib dilakukan oleh sebuah sekolah untuk

menambah kemampuan siswa pada salah satu jurusan. Penentuannya haruslah bersifat

objektif sehingga mata pelajaran yang dipilih benar-benar tepat untuk diberikan pada

siswa. Karena itu, aplikasi penentuan mata pelajaran lintas minat ini diperlukan untuk

membantu pihak sekolah menentukan mata pelajaran yang terbaik berdasarkan

kriteria-kriteria yang telah ditentukan. Kriteria penentuan mata pelajaran lintas minat

ini sudah ditentukan oleh pihak sekolah, yaitu:

f.

Nilai Siswa, yaitu nilai yang diambil dari Nilai UN siswa.

g.

Minat Siswa, yaitu mata pelajaran yang diminati oleh siswa yang kemudian

akan dijumlahkan per mata pelajaran pilihan.

(40)

i.

Jumlah Guru, yaitu jumlah guru mata pelajaran pilihan.

j.

Rekomendasi Orang Tua, yaitu mata pelajaran yang direkomendasi oleh orang

tua siswa yang kemudian akan dijumlahkan per mata pelajaran pilihan.

Penentuan mata pelajaran terhadap kriteria-kriteria tersebut selanjutnya

dimasukkan kedalam dua metode, yaitu : Weighted Product dan Analytical Hierarchy

Process dengan model penilaian kuantitatif. Masalah penelitian ini secara umum

ditunjukkan dengan diagram ishikawa pada gambar 3.1.

Gambar 3.1 Diagram Ishikawa Masalah Penelitian

Berdasarkan gambar 3.1 masalah utama ditunjukkan oleh segi empat paling

kanan (kepala ikan), yaitu penentuan mata pelajaran lintas minat. Sedangkan segi

empat lainnya yang dihubungkan oleh sebuah garis ke tulang utama (garis horizontal

yang terhubung ke kepala ikan) adalah kategori masalah. Garis lainnya yaitu garis

panah ke tulang kategori masalah menjelaskan sebab dari masalah yang ada.

3.1.2

Analisis Kebutuhan

Analisis kebutuhan terbagi menjadi dua, yaitu analisis kebutuhan fungsional dan

nonfungsional. Kebutuhan fungsional mendeskripsikan aktifitas yang disediakan

sistem, sedangkan kebutuhan nonfungsional mendeskripsikan fitur, karakteristik dan

batasan lainnya.

Menentukan Mata

Pelajaran Lintas

Minat Kurikulum

2013 Menggunakan

Algoritma WP dan

AHP

Mesin

Metode

Manusia

Material

Aplikasi Ms. Excel

- Proses identifikasi data kriteria secara manual - Proses penentuan secara manual

- Data guru - Data siswa

(41)

3.1.2.1

Kebutuhan fungsional

Kebutuhan fungsional adalah fungsi-fungsi yang harus dipenuhi pada sistem yang

dirancang. Kebutuhan fungsional yang harus dipenuhi adalah sebagai berikut:

e.

Sistem mampu menentukan nilai peringkat mata pelajaran yang dipilih

berdasarkan data yang diinput oleh user.

f.

Sistem mampu menentukan peringkat mata pelajaran yang telah diinput

user

berdasarkan algoritma Weighted Product.

g.

Sistem mampu menentukan peringkat mata pelajaran yang telah diinput

user

berdasarkan algoritma Analytical Hierarchy Process.

3.1.2.2

Kebutuhan nonfungsional

Kebutuhan nonfungsional mencakup karakteristik-karakteristik sebagai berikut

(Whitten and Bentley, 2007):

a.

Performa, sistem yang akan dibangun dapat melaksanakan proses/tugas dengan

waktu yang efisien.

b.

Desain, sistem yang akan dibangun harus sederhana agar memudahkan

user

dalam menggunakannya.

c.

Ekonomi, sistem yang akan dibangun harus bekerja dengan baik dan sederhana

sehingga tidak perlu mengeluarkan biaya tambahan dalam menggunakannya.

d.

Informasi, sistem harus mampu menyediakan informasi yang dibutuhkan oleh

user.

e.

Pelayanan, sistem yang akan dibangun harus bisa dikembangkan menjadi

sistem yang lebih baik lagi bagi pihak yang ingin mengembangkannya.

3.2

Perancangan Sistem

(42)

3.2.1

Flowchart Sistem

Flowchart atau bagan alir adalah bagan yang menunjukkan alir dari suatu program

atau prosedur sistem secara logika.

3.2.1.1

Flowchart sistem secara umum

[image:42.595.91.564.282.673.2]

Secara umum penulis menggambarkan tahapan-tahapan dalam sistem seperti yang

ditunjukkan pada gambar 3.2.

Gambar 3.2

Flowchart

Sistem

Menampilan Ranking

hasil perhitungan WP

Masukkan Data Siswa

Menentukan Nilai

dari setiap alternatif

terhadap kriteria

Mulai

Selesai

Masukkan Data Guru

Memasukkan Nilai

Bobot Kriteria

Menentukan Nilai

setiap alternatif yang

sudah diintervalkan

Menghitung Alternatif

terbaik menggunaan

algoritma WP

Menampilan Ranking

hasil perhitungan AHP

Menghitung Alternatif

terbaik menggunaan

algoritma AHP

A

Hitung

Alternatif

dengan

algoritma

WP?

Ya

(43)

3.2.1.2

Flowchart algoritma weighted product

[image:43.595.213.428.179.599.2]

Penulis menggambarkan tahapan-tahapan algoritma Weighted Product pada sistem ini

seperti yang ditunjukkan pada gambar 3.3.

Gambar 3.3

Flowchart

Algoritma

Weighted Product

Menampilan Hasil

Ranking Nilai Preferensi

Masukkan Nilai Kriteria

Dari Setiap Alternatif

Tentukan Bobot

Mulai

Tentukan Matriks Keputusan

Tentukan Preferensi Alternatif

Tentukan Preferensi Relatif

Dari Setiap Alternatif

(44)

3.2.1.3

Flowchart algoritma analytical hierarchy process

[image:44.595.208.433.174.732.2]

Penulis menggambarkan tahapan-tahapan algoritma

pada sistem ini seperti yang ditunjukkan pada gambar 3.4.

Gambar 3.4

Flowchart

Algoritma

Memasukkan nilai matriks

alternatif dari kriteria

Masukkan Matriks Nilai

Kriteria Berpasangan

Hitung Nilai Matriks

Mulai

Normalisasi Matriks

Kriteria Berpasangan

Hitung Konsistensi

Selesai

Konsisten?

Tidak

Ya

Tentukan Prioritas

Masing-Masing Kriteria

Konsisten?

Tidak

Ya

(45)

3.2.2

Data Flow Diagram (DFD)

DFD adalah alat yang menggambarkan aliran data melalui sistem kerja atau

pengolahan yang dilakukan oleh sistem tersebut. DFD dari aplikasi yang dibuat yaitu

DFD level 0 dan DFD level 1.

[image:45.595.106.509.276.509.2]

DFD Level 0 berisi gambaran umum (secara garis besar) sistem yang akan

dibuat dan menggambarkan proses perjalanan data dari satu atau beberapa sumber.

Diagran Level 0 dari sistem yang akan dibangun dapat dilihat pada gambar 3.5.

Gambar 3.5 DFD Level 0

DFD Level 1 merupakan diagram DFD Level 0 yang dipecah menjadi

proses-proses yang lebih kecil dan lengkap. DFD Level 1 dari sistem yang akan

dibangun dapat dilihat pada gambar 3.6.

Admin

Data Siswa

0

SPK Penentuan Mata

Pelajaran Lintas Minat

Kurikulum 2013

Menggunakan Algoritma

WP dan AHP

Data Guru

Data Login

(46)

[image:46.595.112.561.86.656.2]

Gambar 3.6 DFD Level 1

Admin

1

Login

2

Update

Data Siswa

3

Update

Data Guru

5

Perhitungan

Metode WP

4

Update

Data

Kriteria

6

Perhitungan

Algoritma

AHP

7

Perankingan

Mata

Pelajaran

username

&

password

hak akses

data siswa

data hasil update

siswa

guru

data siswa

data guru

data hasil update

data nilai kriteria

(47)

3.2.3

Perancangan Antar Muka Sistem (Interface)

3.2.3.1

Halaman masuk

Halaman masuk adalah halaman yang pertama ditampilkan pada saat aplikasi

digunakan. Pada halaman masuk ini, admin diminta untuk input nama admin dan kata

sandi admin agar admin dapat masuk ke halaman utama. Rancangan tampilan dari

Halaman Masuk dapat dilihat pada Gambar 3.7 dan keterangannya dapat dilihat pada

Tabel 3.1.

Gambar 3.7 Rancangan

Halaman Masuk

Keterangan:

Tabel 3.1 Keterangan Rancangan Halaman Masuk

No

Jenis Objek

Keterangan

1

textbox Admin

Isikan username admin pada kolom ini

2

textbox Kata Sandi

Isikan password admin pada kolom ini

3

button Masuk

Setelah berhasil login maka admin dapat masuk ke

halaman awal

(48)

3.2.3.2

Halaman awal

[image:48.595.110.526.273.569.2]

Pada halaman utama terdapat judul menu awal, terdapat tiga logo, yaitu logo

Kementrian Pendidikan dan Kebudayaan Republik Indonesia, Logo SMA Istiqlal Deli

Tua, logo Fasilkom-TI USU, dan di halaman awal ini terdapat lima button, button data

siswa,

button data guru,

button proses,

button info dan

button keluar. Rancangan

tampilan dari Halaman Awal dapat dilihat pada Gambar 3.8 dan keterangannya dapat

dilihat pada Tabel 3.2.

Halaman Awal

Keterangan:

Tabel 3.2 Keterangan Rancangan Halaman Awal

No

Jenis Objek

Keterangan

1

Label

Judul aplikasi yang dirancang

2

Picture

Logo Kementrian Pendidikan dan Kebudayaan

Republik Indonesia

(49)

[image:49.595.112.524.358.694.2]

Tabel 3.2 Keterangan Rancangan Halaman Awal (lanjutan)

4

Picture

Logo Fasilkom-Ti USU

5

Button Data Siswa

Berisi data-data siswa

6

Button Data Guru

Berisi data-data guru

7

Button Proses

Berisi tentang proses algoritma WP dan AHP

8

Button Info

Berisi tentang cara menggunakan program

9

Button keluar

Keluar dari aplikasi

3.2.3.3

Halaman data siswa

Rancangan tampilan dari halaman data siswa dapat dilihat pada Gambar 3.9 dan

keterangannya dapat dilihat pada Tabel 3.3.

(50)

[image:50.595.107.530.125.734.2]

Keterangan:

Tabel 3.3 Keterangan Rancangan Halaman Data Siswa

No

Jenis Objek

Keterangan

1

TextBox Nama Siswa

Isi nama siswa pada kolom ini

2

TextBox NIS

Isi nomor induk siswa pada kolom ini

3

ComboBox Jenis Kelamin Pilih salah satu jenis kelamin siswa

4

ComboBox Kelas

Pilih salah satu kelas siswa

5

ComboBox Mata

Pelajaran Pilihan siswa

Pilih salah satu mata pelajaran pilihan siswa

6

ComboBox Mata

Pelajaran Rekomendasi

Orangtua

Pilih salah satu mata pelajaran rekomendasi

dari orang tua siswa

7

TextBox Matematika

Pada kolom ini, Isi nilai UN Matematika siswa

8

TextBox B. Indonesia

Pada kolom ini, Isi nilai UN B. Indonesia siswa

9

TextBox B. Inggris

Pada kolom ini, Isi nilai UN B. Inggris siswa

10

TextBox IPA

Pada kolom ini, Isi nilai UN IPA siswa

11

ButtonSinkron

Sinkronkan data siswa

12

ButtonSimpan

Simpan data siswa kedalam database

13

Label Matematika

Pada kolom ini, akan keluar nilai Matematika

siswa

14

Label Fisika

Pada kolom ini, akan keluar nilai Fisika Siswa

15

Label Kimia

Pada kolom ini, akan keluar nilai Kimia Siswa

16

Label Biologi

Pada kolom ini, akan keluar nilai Biologi Siswa

17

Label Bahasa dan Sastra

Indonesia

Pada kolom ini, akan keluar nilai Bahasa dan

Sastra Indonesia Siswa

18

Label Bahasa dan Sastra

Inggris

Pada kolom ini, akan keluar nilai Bahasa dan

Sastra Inggris Siswa

19

Label Bahasa Arab

Pada kolom ini, akan keluar nilai Bahasa Arab

Siswa

(51)

Tabel 3.3 Keterangan Rancangan Halaman Data Siswa (lanjutan)

21

DataGrid

Menampilkan data siswa yang telah disimpan

22

Button Kembali

Berisi perintah untuk kembali ke halaman

utama

3.2.3.4

Halaman data guru

[image:51.595.123.508.271.577.2]

Rancangan tampilan dari halaman data giswa dapat dilihat pada Gambar 3.10 dan

keterangannya dapat dilihat pada Tabel 3.4.

Halaman Data Guru

Keterangan:

Tabel 3.4 Keterangan Rancangan Halaman Data Guru

No

Jenis Objek

Keterangan

(52)

[image:52.595.110.527.397.730.2]

Tabel 3.4 Keterangan Rancangan Halaman Data Guru (lanjutan)

4

ComboBox Guru Mata

Pelajaran

Pilih salah satu mata pelajaran yang diajarkan

guru

5