IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN
DENGAN METODE TOPSIS
SKRIPSI
ARDIANSYAH HASIBUAN
071401056
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN
DENGAN METODE TOPSIS
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar
Sarjana Komputer
ARDIANSYAH HASIBUAN
071401056
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
ii
PERSETUJUAN
Judul : IMPLEMENTASI SISTEM PENDUKUNG
KEPUTUSAN DENGAN METODE TOPSIS
Kategori : SKRIPSI
Nama : ARDIANSYAH HASIBUAN
Nomor Induk Mahasiswa : 071401056
Program Studi : SARJANA (S1) ILMU KOMPUTER
Departemen : ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI
Diluluskan di
Medan, 21 Januari 2014 Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Drs.Marihat Situmorang,M.Kom Prof.Dr.Iryanto,M.Si
NIP.196312141989031001 NIP. 194604041971071001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE TOPSIS
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 21 Januari 2014
iv
PENGHARGAAN
Segala puji dan syukur penulis panjatkan kepada Allah SWT, dengan limpahan rahmat dan inayah-Nya kepada penulis sehingga penulis dapat menyelesaikan Laporan Skripsi yang berjudul ” Implementasi Sistem Pendukung Keputusan Dengan Metode TOPSIS.
Ucapan terima kasih penulis sampaikan kepada Bapak Prof.Dr.Iryanto,M.Si dan Bapak Drs.Marihat Situmorang,M.kom, selaku pembimbing yang dengan ikhlas meluangkan waktunya dan memberikan arahan serta bimbingan kepada penulis dalam menyelesaikan skripsi ini. Selanjutnya kepada Bapak Syahril Efendi,S,Si,MIT dan Ibu Dian Wirdasari,S,Si,M.kom selaku pembanding yang turut memberikan kritik dan saran bagi penulis. Ucapan terima kasih juga penulis ditujukan kepada Ketua dan Sekretaris Program Studi Ilmu Komputer, Bapak Dr.Poltak Sihombing,M.Kom dan Ibu Maya Silvi Lydia,B.Sc,M.Sc,. Dekan dan Pembantu Dekan Fakultas Ilmu Komput er dan Teknologi Informasi Universitas Sumatera Utara, semua dosen pada Program Studi Ilmu Komputer USU, serta semua pegawai di Departemen Ilmu Komputer USU.
Kepada kedua orang tua penulis, ayahanda Syarifuddin Hasibuan dan ibunda Rahmawati Sitompul, yang telah memberikan bantuan moril maupun materil dan selalu memberikan motivasi dan nasehat kepada penulis. Kepada abang penulis Erwinsyah, Irwansyah, Wahyudin yang selalu sabar dalam mendidik, memotivasi, serta memberikan pengertian, perhatian, dan doa yang tak pernah berhenti, semua itu takkan bisa tergantikan. Tak lupa seluruh keluarga tercinta yang berjasa dalam memberikan dorongan kepada penulis selama menyelesaikan skripsi ini. Kepada teman-teman stambuk 2007, Indra Gunawan, Ahmad Syawqi, Ardinsyah Putra, Subardi Wansyah, Reza Afandy Hasibuan, Kalsum Mustika, Jenny, dan teman seperjuangan lainnya yang tidak bisa disebutkan semuanya, dan tidak lupa juga kepada Adinda Mustika yang selalu memberikan dukungan, semangat dan motivasi. Keceriaan dan kesulitan yang dilalui bersama dalam waktu lima tahun merupakan pengalaman hidup yang tidak dapat dilupakan, semoga semua yang penulis sebutkan selalu dalam lindungan-Nya, Aamiin Ya Robbal’alamin.
Medan, 21 Januari 2014
ABSTRAK
Perkembangan teknologi komputer yang begitu canggih dan mutakhir mampu membantu manusia dalam berbagai hal, tak terkecuali dalam pengambilan keputusan terhadap suatu masalah yang dihadapi.Sehubngan dengan itu penulis berinisiatif untuk melakukan Studi tentang “Implementasi Sistem Pendukung Keputusan Dengan Menggunakan TOPSIS” dimana studi di SMA SWASTA ERIA MEDAN. Dalam studi penentuan siswa berprestasi dilasanakan berdasarkan kriteria yang dimiliki oleh sekolah. tersebut. Metode yang digunakan adalah TOPSIS(Technique for Order Preference by Similarity to Ideal Solution), metode ini cukup efisien digunakan dalam penyelesaian masalah pengambilan keputusan. Metode ini dimulai dengan membangun sebuah matriks keputusan, membuat matriks keputusan ternormalisasi, membuat matriks keputusan ternormalisasi terbobot, menentukan solusi ideal positif dan negatif, menghitung separasi, menghitung kedekatan relatif terhadap solusi ideal positif dan merangking alternatif. Sistem ini dikerjakan menggunakan bahasa pemrograman Borland Delphi 7.0. Dan diperoleh hasil seleksi berupa pengurutan nilai/ skor secara descending.
vi
IMPLEMENTATION OF DECISION SUPPORT SYSTEM WITH
TOPSIS METHOD
ABSTRAK
The developmment of computer is so sophisticated and most up to dated capable for human in many ways, not least ini decision making to a probelm encountered. Therefore the author initiative to create a final project “implementation of Decision Support System with TOPSIS method study case in SMA SWASTA ERIA MEDAN. In the event of the Achieved Student is based on the owned school criteria. The method used is TOPSIS (Technique for Order Preperence by Similarity to ideal Solution), because this method efficient enough to use in solving this problem. The working this method starts with build decision matrix, making the weighted normalized decision matrix, determine both positive and negative ideal solution, calculate separation, calculate the relative closeness of positive ideal solution and rank alterantive. This system is done using Borland Delphi 7.0 software. And the result of selection is sorting score with descending.
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak v
Abstract vi
Daftar Isi vii
Daftar Tabel ix
Daftar Gambar x
Bab 1 Pendahuluan 1
1.1 Latar Belakang 1
1.2 Rumusan Masalah 2
1.3 Batasan Masalah 3
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 3
1.6 Metode Penelitian 3
1.7 Sistematika Penulisan 4
Bab 2 Landasan Teori 6
2.1 Sistem Pendukung Keputusan 6
2.1.1 Konsep Dasar dalam Sistem Pendukung Keputusan 6 2.1.2 Komponen-Komponen Sistem Pendukung Keputusan 7
2.1.2.1SubsistemManajemenBasisData 8
2.1.2.2SubsistemManajemenBasisModel 8
2.1.2.3 Subsistem Perangkat Lunak Penyelenggara Dialog 8
2.1.3 Proses Pengambilan Keputusan 9
2.2 TOPSIS (Technique For Order Preference by Similarity to
Ideal Solution) 10
2.2.1 Pengertian TOPSIS 11
2.2.2 Procedure TOPSIS 11
2.3 Penentuan Siswa Berprestasi 14
Bab 3 Analisis dan Perancangan Sistem 16
3.1 Analisis Permasalahan 16
3.2 Analisis Kebutuhan Sistem Pendukung Keputusan 17
3.2.1 Kebutuhan Fungsional 17
viii
3.3 Kriteria 18
3.3.1 Kriteria Penentuan Siswa Terbaik 18
3.3.2 Standar Penilaian Bobot Kriteria 18
3.4 Langkah-Langkah Perhitungan TOPSIS 19
3.4.1 Nilai Kecocokan Setiap Alternatif Terhadap Kriteria 19 3.4.2 Perhitungan Matriks Keputusan Normalisasi 22 3.4.3 Perhitungan Matriks Keputusan Normalisasi Bobot 23 3.4.4 Penentuan Solusi Ideal Positif dan Negatif 24 3.4.5 Perhitungan Jarak Setiap Alternatif Terhadap Solusi Ideal 25 3.4.6 Perhitungan Kedekatan Setiap Alternatif 26 3.5 Flowchart Proses Perhitungan TOPSIS 27
3.6 Data Flow Diagram (DFD) 28
3.7 Entity Relationship Diagram (ERD) 30
3.8 Perancangan Antarmuka 33
Bab 4 Implementasi dan Pengujian 40
4.1 Implementasi Sistem 40
4.2 Pengujian Sistem 40
4.2.1 Tampilan Login 41
4.2.2 Pengolahan Data Oleh User Sebagai Guru 41 4.2.3 Pengolahan Data Oleh User Sebagai Admin 43
Bab 5 Kesimpulan dan Saran 48
5.1 Kesimpulan 48
5.2 Saran 48
DAFTAR TABEL
No. Keterangan Hal.
3.1 Kriteria Sistem 18
3.2 Standar Nilai Bobot Kriteria 18
3.3 Nilai Kecocokan Alternatif Terhadap Kriteria 19 3.4 Nilai Kecocokan Alternatif Terhadap K1, K2, K3, dan K6 19 3.5 Nilai Kecocokan Alternatif Terhadap K4 dan K5 19 3.6 Tabel Kecocokan Alternatif Terhadap Kriteria 22
3.7 Kamus Data untuk tbLogin 31
3.8 Kamus Data untuk tbSiswa 31
3.9 Kamus Data untuk tbPrestasi 31
3.10 Kamus Data untuk tbEkstrakurikuler 31
3.11 Kamus Data untuk tbKepribadian 31
3.12 Kamus Data untuk tbRanking 32
3.13 Kamus Data untuk tbNormalisasi 32
3.14 Kamus Data untuk tbNormalisasiBobot 33
3.15 Kamus Data untuk tbJarak 33
x
DAFTAR GAMBAR
No. Keterangan Hal.
3.1 Flowchart Proses Perhitungan TOPSIS 27
3.2 Diagram Konteks 28
3.3 DFD SPK Pemilihan Siswa Terbaik Level 1 28
3.4 DFD SPK Pemilihan Siswa Terbaik Level 2 29
3.5 ERD SPK Pemilihan Siswa Terbaik 30
3.6 Rancangan Halaman Login 34
3.7 Rancangan Halaman Guru 34
3.8 Rancangan Halaman Input Data Siswa 35
3.9 Rancangan Halaman Admin 35
3.10 Rancangan Proses Perankingan Kecocokan 36
3.11 Rancangan Proses Normalisasi 37
3.12 Rancangan Proses Normalisasi Bobot dan Solusi Ideal 37
3.13 Rancangan Proses Perhitungan Jarak 38
3.14 Rancangan Hasil Akhir 39
4.1 Tampilan Login 41
4.2 Tampilan Data Calon Siswa Terbaik 42
4.3 Tampilan Proses Mengolah Data Siswa 43
4.4 Tampilan Menu Admin 44
4.5 Tampilan Proses Ranking Kecocokan Terhadap Setiap Kriteria 45
4.6 Tampilan Proses Normalisasi 45
4.7 Tampilan Proses Normalisasi Bobot dan Solusi Ideal 46 4.8 Tampilan Proses Perhitungan Jarak Terhadap Solusi Ideal 47
ABSTRAK
Perkembangan teknologi komputer yang begitu canggih dan mutakhir mampu membantu manusia dalam berbagai hal, tak terkecuali dalam pengambilan keputusan terhadap suatu masalah yang dihadapi.Sehubngan dengan itu penulis berinisiatif untuk melakukan Studi tentang “Implementasi Sistem Pendukung Keputusan Dengan Menggunakan TOPSIS” dimana studi di SMA SWASTA ERIA MEDAN. Dalam studi penentuan siswa berprestasi dilasanakan berdasarkan kriteria yang dimiliki oleh sekolah. tersebut. Metode yang digunakan adalah TOPSIS(Technique for Order Preference by Similarity to Ideal Solution), metode ini cukup efisien digunakan dalam penyelesaian masalah pengambilan keputusan. Metode ini dimulai dengan membangun sebuah matriks keputusan, membuat matriks keputusan ternormalisasi, membuat matriks keputusan ternormalisasi terbobot, menentukan solusi ideal positif dan negatif, menghitung separasi, menghitung kedekatan relatif terhadap solusi ideal positif dan merangking alternatif. Sistem ini dikerjakan menggunakan bahasa pemrograman Borland Delphi 7.0. Dan diperoleh hasil seleksi berupa pengurutan nilai/ skor secara descending.
vi
IMPLEMENTATION OF DECISION SUPPORT SYSTEM WITH
TOPSIS METHOD
ABSTRAK
The developmment of computer is so sophisticated and most up to dated capable for human in many ways, not least ini decision making to a probelm encountered. Therefore the author initiative to create a final project “implementation of Decision Support System with TOPSIS method study case in SMA SWASTA ERIA MEDAN. In the event of the Achieved Student is based on the owned school criteria. The method used is TOPSIS (Technique for Order Preperence by Similarity to ideal Solution), because this method efficient enough to use in solving this problem. The working this method starts with build decision matrix, making the weighted normalized decision matrix, determine both positive and negative ideal solution, calculate separation, calculate the relative closeness of positive ideal solution and rank alterantive. This system is done using Borland Delphi 7.0 software. And the result of selection is sorting score with descending.
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Kebutuhan akan informasi yang cepat, tepat dan akurat merupakan suatu hal yang sangat penting di dalam setiap aspek kegiatan suatu instansi. Penggunaan teknologi informasi diharapkan dapat memenuhi semua kebutuhan informasi baik untuk pihak luar maupun dalam instansi, sehingga pada akhirnya penggunaan teknologi informasi akan mempermudah dalam mengolah, menganalisis dan mengomunikasikan informasi yang relevan guna mengefisiensikan pengelolaan sumber daya pada instansi tersebut [1].
Siswa yang berprestasi merupakan salah satu bukti bagi pihak sekolah yang tidak dapat terpisahkan dari sekolah itu sendiri.
Pada SMA Swata Eria Medan, di bawah Yayasan Hj.Ani Idrus penentuan untuk menjadi siswa berprestasi masih menggunakan cara manual dan memerlukan waktu yang lama. Maka penulis berinisiatif untuk membuat suatu sistem pendukung keputusan pemilihan siswa berprestasi di sekolah SMA Swasta Eria untuk mempermudah para guru di SMA Swasta Eria Medan dalam memilih dan siswa yang berhak menjadi siswa yang berprestasi.
Salah satu faktor yang perlu direncanakan dalam pemilihan siswa yang berprestasi adalah menciptakan suatu motivasi bagi para siswa-siswi sekolah untuk meningkatkan minat belajar di sekolah.
2
negatif dari sudut pandang geometris dengan menggunakan jarak Euclidean untuk menentukan kedekatan relatif dari suatu alternatif dengan solusi optimal. Solusi ideal positif didefinisikan sebagai jumlah dari seluruh nilai terbaik yang dapat dicapai untuk setiap atribut, sedangkan solusi negatif-ideal terdiri dari seluruh nilai terburuk yang dicapai untuk setiap atribut,[2].
TOPSIS mempertimbangkan keduanya, jarak terhadap solusi ideal positif dan jarak terhadap solusi ideal negatif dengan mengambil kedekatan relatif terhadap solusi ideal positif. Berdasarkan perbandingan terhadap jarak relatifnya, susunan prioritas alternatif bisa dicapai.
Metode ini banyak digunakan untuk menyelesaikan pengambilan keputusan secara praktis. Hal ini disebabkan konsepnya sederhana dan mudah dipahami, komputasinya efisien, dan memiliki kemampuan mengukur kinerja relatif dari alternatif-alternatif keputusan. Ada pun kriteria untuk menjadi siswa berprestasi yaitu jumlah nilai rata-rata, persentase kehadiran, juara kelas,dan lain-lain.
Berdasarkan hal-hal ini, maka penulis tertarik menggunakan metode TOPSIS di dalam penelitian implementasi sistem pendukung keputusan penentuan siswa berprestasi dengan mengunakan metode TOPSIS di SMA Swasta Eria Medan, karena di nilai lebih efisien untuk menyelesaikan permasalahan penentuan siswa yang berprestasi. Berdasarkan latar belakang yang penulis uraikan dalam studi ini, penulis mengambil judul “Implementasi Sistem Pendukung Keputusan Dengan Metode TOPSIS.
1.2 Rumusan Masalah
1.3 Batasan Masalah
Adapun batasan masalah dari penelitian ini yaitu:
1. Kriteria yang digunakan dalam sistem ini diperoleh dari SMA Swasta Eria Medan. 2. Sistem Pendukung Keputusan ini hanya memilih calon siswa yang berprestasi di
SMA Eria Medan.
3. Metode yang digunakan dalam perancangan sistem ini adalah Technique for Order Preference by Similarity to Ideal Solution (TOPSIS).
4. Output dari SPK ini adalah urutan prioritas calon siswa berprestasi yang memenuhi kriteria.
5. Bahasa pemrograman yang digunakan adalah Borland Delphi 2010.
1.4 Tujuan Penelitian
Tujuan penelitian ini adalah untuk memberikan informasi pendukung keputusan dalam menentukan siswa berprestasi di SMA Eria Medan secara terkomputerisasi berdasarkan kriteria-kriteria yang di tentukan oleh pihak sekolah.
1.5 Manfaat Penelitian
Implementasi sistem pendukung keputusan penentuan siswa berprestasi di SMA swasta Eria Medan membantu pihak guru/sekolah dalam menentukan siswa yang berprestasi dengan memberikan informasi sehingga proses pelaksanaan sistem ini menjadi lebih efisien, hemat waktu dan tenaga.
1.6 Metode Penelitian
Tahapan yang diambil dalam penelitian ini yaitu: 1. Studi Literatur
4
2. Pengumpulan data ke lapangan (Field Research)
Studi ke lapangan dilakukan dengan kunjungan langsung ke sekolah yang diteliti yaitu, SMA Swasta Eria Medan.
3. Perancangan Sistem
Perancangan sistem yang akan dirancang adalah Graphical user interface (GUI), Data Flow Diagram (DFD), flowchart, implementasi sistem dan struktur program sistem pendukung keputusan penentuan siswa berprestasi.
4. Implementasi Sistem.
Sistem diimplementasikan dalam bentuk perangkat lunak menggunakan bahasa pemrograman Borland Delphi 7.0 dan menggunakan MySql sebagai Database Management System(DBMS).
5. Pengujian dan Analisis sistem.
Pada tahap ini akan dilakukan analisis terhadap sistem, setelah dilakukan pengujian sistem di SMA Swasta Eria Medan.
6. Dokumentasi Sistem
Pembuatan laporan Skripsi lengkap dengan kesimpulan dan saran.
1.7 Sistematika Penulisan
Sistematika dalam penulisan tugas akhir ini adalah:
BAB 1 PENDAHULUAN
Pada bab ini berisi tentang latar belakang masalah dari penelitian yang akan dilakuka n beserta batasannya, tujuan dan manfaat penelitian, metodologi penelitian dan sistematika penulisan tugas akhir ini.
BAB 2 LANDASAN TEORI
Pada bab ini berisi tentang beberapa teori yang mendukung penelitian akan dibahas pada bab ini. Teori yang dibahas seperti Sistem Pendukung Keputusan, TOPSIS, penentuan siswa berprestasi di SMA Swasta Eria Medan.
BAB 3 ANALISIS DAN PERANCANGAN
BAB 4 IMPLEMENTASI SISTEM
Pada bab ini berisi tentang perancangan antarmuka dari perangkat lunak sistem pendukung keputusan penentuan siswa berprestasi di SMA Swata Eria Medan menggunakan TOPSIS.
BAB 5 KESIMPULAN DAN SARAN
BAB 2
LANDASAN TEORI
2.1 Sistem Pendukung Keputusan
Konsep Sistem Pendukung Keputusan (SPK) pertama kali diungkapkan pada tahun 1970-an dengan istilah Management Decision System. Sistem merupakan sekumpulan elemen-elemen yang berada dalam keadaaan yang saling berhubungan untuk suatu tujuan yang sama. Menurut [6], keputusan merupakan sebuah kesimpulan yang dicapai setelah dilakukannya pertimbangan atas suatu kemungkinan yang akan dipilih, yakni menganalisis beberapa kemungkinan atau alternatif, lalu memilih satu diantaranya. Pada dasarnya, pengambilan keputusan merupakan suatu bentuk pemilihan dari berbagai alternatif tindakan yang mungkin dipilih, dimana proses yang dilakukan menggunakan mekanisme tertentu dengan harapan akan menghasilkan sebuah keputusan yang terbaik, [5].
2.1.1 Konsep Dasar dalam Sistem Pendukung Keputusan
Awalnya sistem pendukung keputusan (SPK) didefenisikan sebagai sistem yang digunakan untuk mendukung dan membantu pihak manajemen melakukan pembuatan keputusan pada kondisi semi terstruktur dan tidak terstruktur, [5]. Pada dasarnya konsep Decission Support System (DSS) hanyalah sebatas pada kegiatan membantu para manajer melakukan pembuatan keputusan dan tidak melakukan penilaian serta menggantikan posisi dan peran manajer.
dirancang untuk menunjang seluruh tahapan pembuatan keputusan, yang dimulai dari tahapan mengidentifikasi masalah, memilih data yang relevan, menentukan pendekatan yang digunakan dalam proses pembutan keputusan sampai pada kegiatan mengevaluasi pemilihan alternatif.
Adapun karakteristik sistem pendukung keputusan menurut adalah sebagai berikut, [7].
1. Sistem pendukung keputusan dirancang untuk membantu pengambil keputusan dalam memecahkan masalah yang sifatnya semi terstruktur ataupun tidak terstruktur.
2. Sistem pendukung keputusan dirancang sedemikian rupa sehingga dapat digunakan dengan mudah oleh orang-orang yang tidak memiliki dasar kemampuan pengoperasian komputer yang tinggi.
3. Sistem pendukung keputusan dirancang dengan menekankan pada aspek fleksibilitas serta kemampuan adaptasi yang tinggi. Sehingga mudah disesuaikan dengan berbagai perubahan lingkungan yang terjadi dalam kebutuhan pemakai.
Dengan berbagai karakter khusus seperti dikemukakan di atas, sistem pendukung keputusan dapat memberikan manfaat atau keuntungan bagi pemakainya. Keuntungan yang dimaksud diantaranya meliputi:
1. Sistem Pendukung Keputusan memperluas kemampuan pengambil keputusan dalam memproses data/informasi bagi pemakainya.
2. Sistem Pendukung Keputusan membantu pengambil keputusan dalam hal penghematan waktu yang dibutuhkan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur.
3. Sistem Pendukung Keputusan dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.
2.1.2 Komponen-komponen Sistem Pendukung Keputusan
8
2.1.2.1 Subsistem Manajemen Basis Data
Data Base Management System (DBMS) merupakan komponen penting dari suatu sistem pendukung keputusan, karena terdapat perbedaan kebutuhan data. Database merupakan mekanisme integrasi berbagai jenis data internal dan eksternal. Sebuah pengelolaan database yang efektif dapat menunjang segala aktivitas menajemen, terutama perannya sebagai fungsi utama penyajian informasi dalam pembuatan keputusan.
Kemampuan yang dibutuhkan dari manajemen database adalah sebagai berikut:
1. Kemampuan untuk mengombinasikan berbagai data melalui pengambilan ekstraksi data.
2. Kemampuan untuk menambahkan sumber data secara cepat dan mudah. 3. Kemampuan untuk mengelola berbagai variasi data.
2.1.2.2 Subsistem Manajemen Basis Model
Salah satu keunggulan sistem pendukung keputusan adalah kemampuan untuk mengintegrasikan akses data dan model-model keputusan. Model cenderung tidak mencukupi karena adanya kesulitan dalam mengembangkan model yang terintegrasi untuk menangani sekumpulan keputusan yang saling bergantungan. Cara untuk menangani persoalan ini dengan menggunakan koleksi berbagai model yang terpisah, dimana setiap model digunakan untuk menangani bagian yang berbeda dari masalah tersebut. Komunikasi antara berbagai model yang saling berhubungan diserahkan kepada pengambil keputusan sebagai proses intelektual dan manual.
2.1.2.3 Subsistem Perangkat Lunak Penyelenggara Dialog
1. Bahasa aksi, meliputi apa yang dapat digunakan oleh pemakai dalam berkomunikasi dengan sistem. Hal ini meliputi pemilihan-pemilihan seperti papan ketik (keyboard), panel-panel sentuh, joystick perintah suara dan sebagainya. 2. Bahasa tampilan dan presentasi, meliputi apa yang dapat digunakan untuk
menampilkan sesuatu. Bahasa tampilan meliputi pilihan-pilihan seperti printer, layar tampilan, grafik, warna, keluaran suara dan sebagainya.
3. Basis pengetahuan, meliputi apa yang harus diketahui oleh pemakai agar pemakaian sistem bisa efektif. Basis pengetahuan dapat berada dalam pikiran pemakai, pada kartu referensi atau petunjuk, dalam buku manual dan sebagainya.
Kemampuan yang dimiliki sistem pendukung keputusan untuk mendukung dialog pemakai sistem meliput i:
1. Kemampuan untuk menangani berbagai dialog, bahkan jika mungkin untuk mengombinasikan berbagai gaya dialog sesuai dengan pilihan pemakai.
2. Kemampuan untuk mengakomodasikan tindakan pemakai dengan berbagai peralatan masukan.
3. Kemampuan untuk menampilkan data dengan berbagai format dan peralatan keluaran.
4. Kemampuan untuk memberikan dukungan yang fleksibel untuk mengetahui basis pengetahuan pemakai.
2.1.3 Proses Pengambilan Keputusan
Penyusunan model keputusan merupakan suatu cara untuk mengembangkan hubungan-hubungan logis yang mendasari persoalan keputusan kedalam suatu model matematis, yang mencerminkan hubungan yang terjadi diantara faktor-faktor yang terlibat. Adapun model yang menggambarkan proses pengambilan keputusanyang diungkapkan oleh [8], yaitu :
1. Fase Penelusuran (Intelligence)
Tahap ini merupakan tahap pendefinisian masalah serta identifikasi informasi yang dibutuhkan yang berkaitan dengan persoalan yang dihadapi serta keputusan yang akan diambil.
10
Tahap ini merupakan suatu proses untuk merepresentasikan model sistem yang akan dibangun berdasarkan pada asumsi yang telah ditetapkan. Dalam tahap ini, suatu model dari masalah dibuat, diuji, dan divalidasi.
3. Fase Pemilihan (Choice)
Tahap ini merupakan suatu proses melakukan pengujian dan memilih keputusan terbaik berdasarkan kriteria tertentu yang telah ditentukan dan mengarah kepada tujuan yang akan dicapai.
4. Fase Implementasi (Implementation)
Tahap ini merupakan tahap pelaksanaan dari keputusan yang telah diambil. Pada tahap ini perlu disusun serangkaian tindakan yang terencana, sehingga hasil keputusan dapat dipantau dan disesuaikan apabila diperlukan perbaikan-perbaikan.
Pada hakikatnya, proses pengambilan keputusan sama dengan proses pemecahan masalah, perbedaannya hanya terdapat pada bidang cakupannya saja. Seperti yang dikemukakan oleh [3], ada tiga aktivitas utama dari pemecahan masalah, yaitu :
1. Menelusuri akar permasalahannya,
2. Merumuskan berbagai skenario pemecahan masalah(alternatif), dan 3. Memilih alternatif terbaik
2.2 Technique For Order Preference By Similarity To Ideal Solution (TOPSIS)
2.2.1 Pengertian TOPSIS
TOPSIS adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan, dengan ide dasarnya adalah bahwa alternatif yang dipilih memiliki jarak terdekat dengan solusi ideal positif dan memiliki jarak terjauh dari solusi ideal negatif. TOPSIS memberikan sebuah solusi dari sejumlah alternatif yang mungkin dengan cara membandingkan setiap alternatif dengan alternatif terbaik dan alternatif terburuk yang ada diantara alternatif-alternatif masalah. Metode ini menggunakan jarak untuk melakukan perbandingan tersebut. TOPSIS telah digunakan dalam banyak aplikasi termasuk keputusan investasi keuangan, perbandingan performansi dari perusahaan, perbandingan performansi dalam suatu industri khusus, pemilihan sistem operasi, evaluasi pelanggan, dan perancangan robot, [2].
TOPSIS mengasumsikan bahwa setiap kriteria akan dimaksimalkan dan diminimalkan. Maka dari itu nilai solusi ideal positif dan solusi ideal negatif dari setiap kriteria ditentukan, dan setiap alternatif dipertimbangkan dari informasi tersebut. Solusi ideal positif didefinisikan sebagai jumlah dari seluruh nilai terbaik yang dapat dicapai untuk setiap atribut, sedangkan solusi ideal negatif terdiri dari seluruh nilai terburuk yang dicapai untuk setiap atribut. Namun, solusi ideal positif jarang dicapai ketika menyelesaikan masalah dalam kehidupan nyata. Maka asumsi dasar dari TOPSIS adalah ketika solusi ideal positif tidak dapat dicapai, pembuat keputusan akan mencari solusi yang sedekat mungkin dengan solusi ideal positif. TOPSIS memberikan solusi ideal positif yang relatif dan bukan solusi ideal positif yang absolut. Dalam metode TOPSIS klasik, nilai bobot dari setiap kriteria telah diketahui dengan jelas. Setiap bobot kriteria ditentukan berdasarkan tingkat kepentingannya menurut pengambil keputusan, dalam penelitian ini, bobot yang akan digunakan diperoleh dari perusahaan sebagaimana kebijakan yang sudah ditetapkan.
2.2.2 Procedure TOPSIS
Berikut adalah langkah-langkah dari metode TOPSIS:
12
Matriks keputusan X mengacu terhadap m alternatif yang akan dievaluasi berdasarkan n kriteria. Matriks keputusan X dapat dilihat pada gambar 2.1.
dimana : i
a ( i = 1, 2, 3, . . . , m ) adalah alternatif-alternatif yang memungkinkan, j
x ( j =1, 2, 3, . . . , n ) adalah atribut dimana performansi alternatif diukur, ij
x adalah performansi alternatif aidengan acuan atribut xj. 2. Membuat matriks keputusan yang ternormalisasi.
Persamaan yang digunakan untuk mentransformasikan setiap elemen xij, [2] adalah
..………(2.1)
dimana :
i = 1, 2, 3, . . . , m; dan j = 1, 2, 3, . . . , n; ij
r adalah elemen dari matriks keputusan yang ternormalisai R, ij
x adalah elemen dari matriks keputusan X.
3. Membuat matriks keputusan yang ternormalisasi terbobot.
Dengan bobot wj= ( w1 , w2 , w3 , . . . , wn), dimana wj adalah bobot dari kriteria
ke-j dan 1
1 =
∑
=n
j wj , maka normalisasi bobot matriks V, [2] adalah =
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
a
a
a
a
x
x
x
x
mn m m m n n n m n X . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 2 1 3 33 32 31 2 23 22 21 1 13 12 11 3 2 1 3 2 1∑
==
m i ij ij ijx
x
r
1 2
v
ij=
w
jr
ij ………..(2.2) dimana :i = 1, 2, 3, . . . , m; dan j = 1, 2, 3, . . . , n. ij
v adalah elemen dari matriks keputusan yang ternormalisai terbobot V, j
w adalah bobot dari kriteria ke-j, ij
r adalah elemen dari matriks keputusan yang ternormalisai R. 4. Menentukan matriks solusi ideal positif dan solusi ideal negatif.
Solusi ideal positif dinotasikan A+, sedangkan solusi ideal negatif dinotasikan A−. Berikut ini adalah persamaan dari A+ dan A− [2] :
a. A+ ={(max vij | j € J ), (min vij | j € J’ ), i = 1, 2, 3, . . . , m} = { v1+, v2+, 3,
+
v . . . , vn+} ………..(2.3) b. A− ={(min vij | j € J ), (max vij | j € J’ ), i = 1, 2, 3, . . . , m}
= { v1−,v2−, 3,
−
v . . . , vn−} ………..(2.4)
J = { j = 1, 2, 3, . . . , n dan J merupakan himpunan kriteria keuntungan (benefit criteria)}.
J’ = { j = 1, 2, 3, . . . , n dan J’ merupakan himpunan kriteria biaya (cost criteria)}. dimana :
ij
v adalah elemen dari matriks keputusan yang ternormalisai terbobot V, +
j
v ( j =1, 2, 3, . . . , n ) adalah elemen matriks solusi ideal positif, −
j
v ( j =1, 2, 3, . . . , n ) adalah elemen matriks solusi ideal negatif. 5. Menghitung separasi.
a. S+ adalah jarak alternatif dari solusi ideal positif didefinisikan sebagai [2]:
∑
=
+
+ = n −
j
j ij
i v v
s
1
2
)
( , dimana i = 1, 2, 3, . . . , m ………..(2.5) b. S− adalah jarak alternatif dari solusi ideal negatif didefinisikan sebagai [2]:
∑
=
−
− = n −
j
j ij
i v v
s
1
2
)
14
+ i
s adalah jarak alternatif ke-i dari solusi ideal positif, −
i
s adalah jarak alternatif ke-i dari solusi ideal negatif, ij
v adalah elemen dari matriks keputusan yang ternormalisai terbobot V, +
j
v adalah elemen matriks solusi ideal positif, −
j
v adalah elemen matriks solusi ideal negatif.
6. Menghitung kedekatan relatif terhadap solusi ideal positif.
Kedekatan relatif dari setiap alternatif terhadap solusi ideal positif dapat dihitung dengan menggunakan persamaan berikut [2]:
) ( − +
− +
+ =
i i
i i
s s
s
c , 0 ≤ ci+ ≤ 1, ………..(2.7) dimana :
i = 1, 2, 3, . . . , m +
i
c adalah kedekatan relatif dari alternatif ke-i terhadap solusi ideal positif, +
i
s adalah jarak alternatif ke-i dari solusi ideal positif, −
i
s adalah jarak alternatif ke-i dari solusi ideal negatif. 7. Merangking Alternatif.
Alternatif diurutkan dari nilai C+ terbesar ke nilai terkecil. Alternatif dengan nilai +
C terbesar merupakan solusi yang terbaik.
2.3 Penentuan Siswa Berprestasi
Pada SMA Swata Eria Medan, di bawah Yayasan Hj.Ani Idrus penentuan untuk menjadi siswa berprestasi masih menggunakan cara manual dan memerlukan waktu yang lama. Maka penulis berinisiatif untuk membuat suatu sistem pendukung keputusan pemilihan siswa berprestasi di sekolah SMA Swasta Eria untuk mempermudah para guru di SMA Swasta Eria Medan dalam memilih dan siswa yang berhak menjadi siswa yang berprestasi.
Ada pun kriteria untuk menjadi siswa berprestasi yaitu: • Masih aktif sebagai siswa disekolah
• Persentase kehadiran • Rangking
• Predikat tingkah laku/sopan santun • Predikat kerapian
• Jumlah ekstrakurikuler yang di ikuti • Jumlah prestasi yang pernah di proleh
Ada pun kerumitan dalam menentukan siswa berprestas secara manual yaitu:
• Untuk menyelesaikan permasalahan format penilaian yang berbeda,contohnya terhadap nilai numerik dengan nilai non numerik.
• Adanya range yang berbeda untuk kriteria nilai yang numerik.
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Permasalahan
Penentuan siswa berprestasi di SMA Swasta Eria Medan ditentukan oleh beberapa kriteria, yaitu masih aktif sebagai siswa di sekolah, jumlah nilai rata-rata, persentase kehadiran, rangking, predikat tingkah laku/sopan santun, jumlah ekstrakurikuler yang diikuti, jumlah prestasi yang pernah diperoleh. Jumlah calon siswa berprestasi akan dibandingkan satu dengan lainnya berdasarkan tujuh kriteria tersebut. Kriteria tersebut dinilai dengan istilah linguistik, yaitu sangat buruk, buruk, cukup, baik dan sangat baik. Pada awalnya sekolah tidak menentukan nilai bobot untuk kriterianya, tetapi hanya membandingkan kriteria-kriteria tersebut.
Pengambilan keputusan sering kali mengalami kesulitan dalam menentukan calon siswa berprestasi yang akan dipilih. Terkadang keputusan yang diambil tidaklah akurat. Untuk itu, metode TOPSIS digunakan untuk membantu pihak sekolah melalui Sistem Pendukung Keputusan Penentuan Siswa Berprestasi di SMA Swasta Eria Medan.
berdasarkan besarnya nilai kedekatan relatif suatu alternatif terhadap solusi ideal positif. Hasil perangkingan dijadikan sebagai referensi bagi pengambil keputusan untuk memilih solusi terbaik yang diinginkan.
3.2 Analisis Kebutuhan Sistem Pendukung Keputusan
Dari analisis permasalahan tersebut, penulis menentukan beberapa kebutuhan sistem yang diperlukan untuk dapat memghadapi permasalahan tersebut. Kebutuhan sistem ini diuraikan dalam dua bagian menjadi kebutuhan fungsional dan kebutuhan non fungsional.
3.2.1 Kebutuhan Fungsional
Kebutuhan fungsional merupakan kebutuhan yang harus dapat dilakukan oleh sistem. Adapun kebutuhan fungsional yang dimaksudkan adalah sebagai berikut:
1. Sistem dapat mengelola kebutuhan user berdasarkan status user (Guru dan Admin).
2. Sistem dapat menampilkan setiap alur proses yang terdapat dalam metode TOPSIS.
3. Sistem dapat menentukan siswa terbaik berdasarkan jurusan IPA maupun IPS.
3.2.2 Kebutuhan Non Fungsional
Kebutuhan non fungsional bertujuan untuk memenuhi ataupun mendukung
kebutuhan fungsional yang telah ditentukan. Adapun kebutuhan non fungsional
yang dimaksudkan adalah sebagai berikut:
1. Sistem operasi yang digunakan adalah Microsoft Windows XP. 2. Bahasa pemrograman yang digunakan adalah Delphi 2010.
18
3.3 Kriteria
3.3.1 Kriteria Penentuan Siswa Terbaik
[image:31.595.235.396.325.429.2]Kriteria-kriteria yang diperhitungkan dalam menentukan siswa terbaik dari sekolah SMA Swasta Eria Medan adalah siswa yang masih terdaftar sebagai siswa sekolah SMA Swasta Eria Medan, nilai rata-rata, persentase kehadiran, ranking kelas, predikat tingkah laku, jumlah ekstrakurikuler yang diikuti, dan prestasi yang pernah diperoleh. Dari kriteria-kriteria tersebut, kriteria yang diperlukan untuk membangun sistem diperlihatkan pada Tabel 3.1.
Tabel 3.1 Kriteria Sistem
Kriteria Keterangan
K1 Nilai Rata-Rata K2 Persentase Kehadiran K3 Ranking Kelas K4 Tingkah Laku
K5 Jumlah Ekstrakurikuler K6 Prestasi non akademik
3.3.2 Standar Penilaian Bobot Kriteria
Teknik penilaian bobot kriteria yang digunakan adalah dengan memberikan nilai secara langsung pada masing-masing kriteria. Nilai bobot tersebut didasarkan pada tingkat kepentingan suatu kriteria terhadap kriteria lainnya dalam proses penentuan siswa terbaik. Nilai bobot yang diberikan tersebut kemudian dijumlahkan dan dibagi dengan masing-masing nilai bobot untuk mendapatkan nilai bobot kriteria. Standar nilai bobot yang diberikan untuk sistem diperlihatkan pada Tabel 3.2.
Tabel 3.2 Standar Nilai Bobot Kriteria
3.4 Langkah-langkah Perhitungan TOPSIS
3.4.1 Nilai Kecocokan Setiap Alternatif Terhadap Kriteria
Perhitungan metode TOPSIS diawali dengan melakukan penilaian atas kecocokan setiap data siswa terhadap masing-masing kriteria. Nilai kecocokan yang diberikan kepada setiap alternatif terhadap kriteria berkisar dari nilai 1 sampai 5.
Tabel 3.3 Nilai Kecocokan Alternatif Terhadap Kriteria
Nilai Keterangan 1 Tidak baik 2 Kurang baik
3 Cukup
4 Baik 5 Sangat baik
Tabel 3.4 Nilai Kecocokan Alternatif Terhadap K1, K2, K3, dan K6
Nilai K1 K2 K3 K6
1 0 < K1 <= 45 0 < K2 <= 45 Ranking 10 Tidak ada prestasi 2 45 < K1 <= 75 45 < K2 <= 75 Ranking 8-9 Tingkat Kecamatan 3 75 < K1 <= 85 75 < K2 <= 85 Ranking 6-7 Tingkat Kabupaten 4 85 < K1 <= 95 85 < K2 <= 95 Ranking 4-5 Tingkat Propinsi 5 95 < K1 < 100 95 < K2 < 100 Ranking 1-3 Tingkat Nasional
Tabel 3.5 Nilai Kecocokan Alternatif Terhadap K4 dan K5
Nilai K4 K5
1 Buruk Tidak mengikuti kegiatan ekstrakurikuler 3 Cukup Setidaknya mengikuti satu kegiatan ekstrakurikuler 5 Baik Mengikuti lebih dari satu kegiatan ekstrakurikuler
Berikut diberikan tiga contoh alternatif (data siswa) yang akan digunakan untuk melakukan kecocokan terhadap masing-masing kriteria, yaitu:
• Seorang siswa bernama Refika mendapatkan Ranking 2 di kelas dengan nilai rata-rata semester 90,81. Persentase kehadiran sebesar 99,18%. Tingkah laku baik. Refika mengikuti kegiatan Pramuka. Prestasi non akademik tingkat Kabupaten. Data dari siswa Refika diberikan dengan nama A1.
20
Annisa mengikuti kegiatan Komputer dan Pramuka. Tidak memiliki prestasi non akademik. Data dari siswa Annisa diberikan dengan nama A2.
• Seorang siswa bernama Khairani mendapatkan Ranking 4 di kelas dengan nilai rata-rata semester 83,73. Persentase kehadiran sebesar 98,36%. Tingkah laku baik. Khairani mengikuti kegiatan Komputer. Prestasi non akademik tingkat Kabupaten. Data dari siswa Khairani diberikan dengan nama A3.
Proses penilaian kecocokan alternatif terhadap kriteria nilai rata-rata semester adalah sebagai berikut:
• Nilai rata-rata semester Refika adalah sebesar 90,81. Nilai kecocokannya terhadap kriteria nilai rata-rata adalah bernilai 4.
• Nilai rata-rata semester Annisa adalah sebesar 86,46. Nilai kecocokannya terhadap kriteria nilai rata-rata adalah bernilai 3.
• Nilai rata-rata semester Khairani adalah sebesar 83,73. Nilai kecocokannya terhadap kriteria nilai rata-rata adalah bernilai 3.
Proses penilaian kecocokan alternatif terhadap kriteria persentase kehadiran adalah sebagai berikut:
• Persentase kehadiran dari Refika adalah sebesar 99,18%. Nilai kecocokannya terhadap kriteria persentase kehadiran adalah bernilai 5.
• Persentase kehadiran dari Annisa adalah sebesar 100%. Nilai kecocokannya terhadap kriteria persentase kehadiran adalah bernilai 5.
• Persentase kehadiran dari Khairani adalah sebesar 98,36%. Nilai kecocokannya terhadap kriteria persentase kehadiran adalah bernilai 5.
Proses penilaian kecocokan alternatif terhadap kriteria ranking kelas adalah sebagai berikut:
• Refika mendapatkan ranking 2 di kelas. Nilai kecocokannya terhadap kriteria ranking kelas adalah bernilai 5.
• Annisa mendapatkan ranking 1 di kelas. Nilai kecocokannya terhadap kriteria ranking kelas adalah bernilai 5.
Proses penilaian kecocokan alternatif terhadap kriteria tingkah laku adalah sebagai berikut:
• Tingkah laku Refika tergolong Baik. Nilai kecocokannya terhadap kriteria tingkah laku adalah bernilai 5.
• Tingkah laku Annisa tergolong Baik. Nilai kecocokannya terhadap kriteria tingkah laku adalah bernilai 5.
• Tingkah laku Khairani tergolong Baik. Nilai kecocokannya terhadap kriteria tingkah laku adalah bernilai 5.
Proses penilaian kecocokan alternatif terhadap kriteria kegiatan ekstrakurikuler adalah sebagai berikut:
• Kegiatan ektrakurikuler yang diikuti oleh Refika adalah Pramuka. Nilai kecocokannya terhadap kriteria kegiatan ekstrakurikuler adalah bernilai 3.
• Kegiatan ektrakurikuler yang diikuti oleh Annisa adalah Komputer dan Pramuka. Nilai kecocokannya terhadap kriteria kegiatan ekstrakurikuler adalah bernilai 5. • Kegiatan ektrakurikuler yang diikuti oleh Khairani adalah Komputer. Nilai
kecocokannya terhadap kriteria kegiatan ekstrakurikuler adalah bernilai 3.
Proses penilaian kecocokan alternatif terhadap kriteria prestasi non akademik adalah sebagai berikut:
• Tingkat prestasi non akademik yang diperoleh Refika adalah Kabupaten. Nilai kecocokannya terhadap kriteria prestasi non akademik adalah bernilai 3.
• Annisa tidak mendapatkan prestasi non akademik. Nilai kecocokannya terhadap kriteria prestasi non akademik adalah bernilai 1.
22
[image:35.595.207.421.166.243.2]Hasil dari penilaian kecocokan setiap alternatif terhadap masing-masing kriteria diperlihatkan pada Tabel 3.6.
Tabel 3.6 Tabel Kecocokan Alternatif Terhadap Kriteria
Alternatif Kriteria
K1 K2 K3 K4 K5 K6
A1 4 5 5 5 3 3
A2 4 5 5 5 5 1
A3 3 5 4 5 3 3
3.4.2 Perhitungan Matriks Keputusan Normalisasi
Matriks keputusan normalisasi diperoleh dengan menggunakan persamaan dari Euclidean Length of a Vector, seperti berikut:
∑
= = m 1 i 2 ij ij ij X X r Perhitungan: |X1 6247 , 0 4031 , 6 4 | X | X r 1 1111 = = =
| = √42+ 42+ 32 = 6,4031
6247 , 0 4031 , 6 4 | X | X r 1 21
21 = = =
4685 , 0 4031 , 6 3 | X | X r 1 31
31 = = =
Dari hasil perhitungan di atas didapatkan matriks keputusan ternormalisasi sebagai berikut:
3.4.3 Perhitungan Matriks Keputusan Normalisasi Bobot
Matriks keputusan normalisasi bobot dapat diperoleh dengan mengalikan matriks keputusan normalisasi dengan masing-masing bobot kriteria yang telah terlebih dahulu ditentukan nilai bobotnya.
ij i
ij w *r
v =
Sebagai contoh, diberikan nilai bobot untuk masing-masing kriteria seperti berikut ini:
• Nilai bobot dari kriteria nilai rata-rata semester adalah 5 • Nilai bobot dari kriteria persentase kehadiran adalah 4 • Nilai bobot dari kriteria peringkat kelas adalah 3 • Nilai bobot dari kriteria tingkah laku siswa adalah 5 • Nilai bobot dari kriteria kegiatan ekstrakurikuler adalah 4 • Nilai bobot dari kriteria prestasi non akademik adalah 4
Nilai dari masing-masing bobot tersebut akan dikonversikan sebelum dikali dengan matriks keputusan normalisasi. Hasil konversi didapatkan dengan membagi nilai bobot masing-masing kriteria dengan total nilai bobot semua kriteria tersebut. Hasil konversi dari nilai bobot kriteria nilai rata-rata semester adalah 0,2. Hasil konversi dari nilai bobot kriteria persentase kehadiran adalah 0,16. Hasil konversi dari nilai bobot kriteria peringkat kelas adalah 0,12. Hasil konversi dari nilai bobot kriteria tingkah laku siswa adalah 0,2. Hasil konversi dari nilai bobot kriteria kegiatan ekstrakurikuler adalah 0,16. Hasil konversi dari nilai bobot kriteria prestasi non akademik adalah 0,16.
6882 , 0 4575 , 0 5774 , 0 4924 , 0 5774 , 0 4685 , 0 2294 , 0 7625 , 0 5774 , 0 6155 , 0 5774 , 0 6247 , 0 6882 , 0 4575 , 0 5774 , 0 6155 , 0 5774 , 0 6247 , 0
v= * (0,2 ; 0,16 ; 0,12 ;
24
Dari hasil perhitungan di atas, matriks keputusan normalisasi bobot didapatkan seperti berikut: 1101 , 0 0732 , 0 1155 , 0 0591 , 0 0924 , 0 0937 , 0 0367 , 0 1220 , 0 1155 , 0 0739 , 0 0924 , 0 1249 , 0 1101 , 0 0732 , 0 1155 , 0 0739 , 0 0924 , 0 1249 , 0 v=
3.4.4 Penentuan Solusi Ideal Positif dan Negatif
Penentuan solusi ideal positif dilakukan dengan mencari nilai tertinggi dari matriks keputusan normalisasi bobot masing-masing kriteria.
Dari contoh di atas, solusi ideal positif dari masing-masing kriteria adalah sebagai berikut:
• Solusi ideal positif kriteria nilai rata-rata semester adalah 0,1249. • Solusi ideal positif kriteria persentase kehadiran adalah 0,0924. • Solusi ideal positif kriteria ranking kelas adalah 0,0739.
• Solusi ideal positif kriteria tingkah laku siswa adalah 0,1155 • Solusi ideal positif kriteria kegiatan ekstrakurikuler adalah 0,1220. • Solusi ideal positif kriteria prestasi non akademik adalah 0,1101.
Penentuan solusi ideal negatif dilakukan dengan mencari nilai terrendah dari matriks keputusan normalisasi bobot masing-masing kriteria.
Dari contoh di atas, solusi ideal negatif dari masing-masing kriteria adalah sebagai berikut:
• Solusi ideal negatif kriteria nilai rata-rata semester adalah 0,0937. • Solusi ideal negatif kriteria persentase kehadiran adalah 0,0924. • Solusi ideal negatif kriteria ranking kelas adalah 0,0591.
3.4.5 Perhitungan Jarak Setiap Alternatif Terhadap Solusi Ideal
Perhitungan untuk memperoleh jarak setiap alternatif terhadap solusi ideal positif dengan menggunakan persamaan sebagai berikut:
∑
= +
+ = m −
1 j
2 ij i
i (v v )
S , i = 1, 2, …, m
Dari persamaan di atas didapatkan jarak antara nilai terbobot setiap alternatif terhadap solusi ideal positif sebagai berikut:
0488 , 0 ) 1101 , 0 1101 , 0 ( ) 0732 , 0 1220 , 0 ( ) 1155 , 0 1155 , 0 ( ) 0739 , 0 0739 , 0 ( ) 0924 , 0 0924 , 0 ( ) 1249 , 0 1249 , 0 ( S 2 2 2 2 2 2 1 = − + − + − + − + − + − = + 0734 , 0 ) 0367 , 0 1101 , 0 ( ) 1220 , 0 1220 , 0 ( ) 1155 , 0 1155 , 0 ( ) 0739 , 0 0739 , 0 ( ) 0924 , 0 0924 , 0 ( ) 1249 , 0 1249 , 0 ( S 2 2 2 2 2 2 2 = − + − + − + − + − + − = + 0598 , 0 ) 1101 , 0 1101 , 0 ( ) 0732 , 0 1220 , 0 ( ) 1155 , 0 1155 , 0 ( ) 0591 , 0 0739 , 0 ( ) 0924 , 0 0924 , 0 ( ) 0937 , 0 1249 , 0 ( S 2 2 2 2 2 2 3 = − + − + − + − + − + − = +
Perhitungan untuk memperoleh jarak setiap alternatif terhadap solusi ideal positif dengan menggunakan persamaan sebagai berikut:
∑
= −
− = m −
1 j
2 ij i
i (v v )
S , i = 1, 2, …, m
Dari persamaan di atas didapatkan jarak antara nilai terbobot setiap alternatif terhadap
solusi ideal positif sebagai berikut:
26 0734 , 0 ) 1101 , 0 0367 , 0 ( ) 0732 , 0 0732 , 0 ( ) 1155 , 0 1155 , 0 ( ) 0591 , 0 0591 , 0 ( ) 0924 , 0 0924 , 0 ( ) 0937 , 0 0937 , 0 ( S 2 2 2 2 2 2 3 = − + − + − + − + − + − = −
3.4.6 Perhitungan Kedekatan Setiap Alternatif
Perhitungan untuk memperoleh kedekatan setiap alternatif (C) dengan menggunakan persamaan sebagai berikut:
+ − − + = i i i i S S S C
Dari persamaan di atas diperoleh hasil kedekatan setiap alternatif adalah sebagai berikut: 6243 , 0 0488 , 0 0811 , 0 0811 , 0
C1 =
+ = 4489 , 0 0734 , 0 0598 , 0 0598 , 0
C2 =
+ = 5511 , 0 0598 , 0 0734 , 0 0734 , 0
C3 =
+ =
3.5 Flowchart Proses Perhitungan TOPSIS
Gambar 3.1 Flowchart Proses Perhitungan TOPSIS
Menghitung jarak antar nilai terbobot dengan solusi ideal positif dan negatif Mulai
Selesai Melakukan ranking kecocokan
setiap alternatif pada setiap kriteria yang dipilih
Membuat matriks normalisasi
Mengalikan matriks normalisasi dengan bobot
tiap kriteria
Menghitung solusi ideal positif dan solusi ideal
negatif
Menghitung kedekatan setiap alternatif
Mengurutkan alternatif berdasarkan kedekatan setiap alternatif dari yang
terbesar sampai yang terkecil Memasukkan nama
dan password
Nama dan password cocok
(admin) ?
Pemilihan Siswa IPA?
Sistem menampilkan data siswa SMA Kelas XI IPA
Sistem menampilkan data siswa SMA Kelas XI IPS Nama dan Password tidak
cocok
Ya
Tidak
Tidak
Ya
28
3.6 Data Flow Diagram (DFD)
Diagram konteks merupakan diagram yang menggambarkan masukan yang diterima oleh suatu sistem dan keluaran yang dihasilkan dari sistem tersebut. Diagram konteks memperlihatkan gambaran sistem secara garis besar.
0 SPK Pemilihan
Siswa Terbaik Wali Kelas
data_siswa_terbaik data_jurusan
bobot_kriteria data_siswa
Admin data_login
[image:41.595.188.432.229.420.2]data_login
Gambar 3.2 Diagram Konteks
3 Input data
siswa
tbSiswa Wali Kelas
4 Perhitungan
TOPSIS
data_siswa data_siswa
data_jurusan
data_siswa bobot_kriteria
Admin
2
Login tbLogin data_login
data_siswa_terbaik data_login
data_login
1 Pengolahan
user
data_login
data_login
[image:41.595.155.493.388.723.2]4.1 Pemilihan Siswa
Berdasarkan Jurusan
4.2 Penentuan
Ranking
Kecocokan 4.3
Perhitungan Normalisasi
4.4 Perhitungan Normalisasi
Berbobot
4.5 Penentuan Solusi Ideal
4.6 Perhitungan Jarak Pisah
4.7 Perhitungan
Kedekatan Relatif
data_siswa Admin data_jurusan data_siswa
data_siswa
data_ranking
Bobot_kriteria
data_normalisasi_bobot
data_solusi_ideal
data_jarak_pisah
tbRanking
tbNormalisasi
tbNormalisasiBobot
tbJarak
tbKedekatan
4.8 Tampil Hasil
Seleksi data_ranking
data_normalisasi
data_normalisasi_bobot
data_siswa data_normalisasi
data_normalisasi_bobot
data_jarak_pisah
data_kedekatan
data_kedekatan
[image:42.595.125.522.102.693.2]data_siswa_terbaik
30
3.7 Entity Relationship Diagram (ERD)
Entity relationship model merupakan sebuah rincian yang merepresentasikan suatu logika dari data pada suatu area tertentu. Entity relationship model dibuat berdasarkan anggapan bahwa dunia nyata terdiri dari koleksi objek-objek dasar yang dinamakan entitas (entity) serta hubungan (relationship) di antara entitas-entitas tersebut. Entitas adalah objek pada dunia nyata yang dapat dibedakan satu terhadap yang lainnya, yang bermanfaat bagi sistem yang akan dibangun.
[image:43.595.114.523.271.651.2]tbSiswa PK no_induk nama ranking nilai kehadiran jurusan tbLogin PK no username password status tbEkstrakurikuler PK no_urut FK1 no_induk kegiatan nilai tbPrestasi PK no_urut no_induk prestasi tingkat 0..m 1 0..m 1 tbKepribadian PK no_urut kedisiplinan kebersihan kesehatan tanggungjawab sopan_santun percaya_diri kompetitif hub_sosial kejujuran ibadah nilai tbRanking PK,FK1 no_induk nilai ranking kehadiran kegiatan prestasi kepribadian tbNormalisasi PK,FK1 no_induk nilai ranking kehadiran kegiatan prestasi kepribadian tbNormalisasiBobot nilai ranking kehadiran kegiatan prestasi kepribadian tbJarak PK,FK1 no_induk jarak_max jarak_min tbKedekatan PK,FK1 no_induk v 0..m 1 1 1 1 1 1 1 1 1 1 1
Tabel 3.7 Kamus Data untuk tbLogin
Nama tabel: tbLogin
Nama Tipe Data Keterangan
no Integer Nomor induk unik siswa (Primary key) username Text Identitas user
password Text Kata kunci yang dimiliki oleh user status Text Status pemakaian system
Tabel 3.8 Kamus Data untuk tbSiswa
Nama tabel: tbSiswa
Nama Tipe Data Keterangan
no_induk Integer Nomor induk unik siswa (Primary key)
nama Text Nama siswa
jurusan Text Jurusan yang diambil oleh siswa
[image:44.595.102.531.416.484.2]nilai Decimal Nilai semester siswa yang bersangkutan ranking Integer Peringkat yang diraih dalam satu kelas kehadiran Decimal Persentase kehadiran siswa di sekolah
Tabel 3.9 Kamus Data untuk tbPrestasi
Nama tabel: tbPrestasi
Nama Tipe data Keterangan
no_urut Integer Primary key
no_induk Integer No induk siswa
prestasi Text Prestasi non akademik siswa
tingkat Text Tingkatan prestasi yang diraih
Tabel 3.10 Kamus Data untuk tbEkstrakurikuler
Nama tabel: tbEkstrakurikuler
Nama Tipe data Keterangan
no_urut Integer Primary key
no_induk Integer Nomor induk siswa
kegiatan Text Kegiatan ekstrakurikuler yang diambil oleh siswa
[image:44.595.103.539.642.767.2]nilai Text Penilaian dari kegiatan ekstrakurikuler yang bersangkutan
Tabel 3.11 Kamus Data untuk tbKepribadian
Nama tabel: tbKepribadian
Nama column Tipe data Keterangan
no_urut Integer Primary key
no_induk Integer Nomor induk siswa
32
kompetitif Text Penilaian dari segi kompetitif siswa hub_sosial Text Penilaian dari segi hubungan sosial siswa kejujuran Text Penilaian dari segi kejujuran siswa
ibadah Text Penilaian dari segi ibadah siswa
[image:45.595.101.538.402.513.2]nilai Text Kesimpulan dari semua kepribadian siswa
Tabel 3.12 Kamus Data untuk tbRanking
Nama tabel: tbRanking
Nama column Tipe data Keterangan
no_induk Integer Nomor induk siswa (primary key)
nilai Decimal Ranking kecocokan siswa terhadap kriteria nilai
ranking Decimal Ranking kecocokan siswa terhadap kriteria peringkat
kelas
kehadiran Decimal Ranking kecocokan siswa terhadap kriteria kehadiran
kegiatan Decimal Ranking kecocokan siswa terhadap kriteria kegiatan
ekstrakurikuler
prestasi Decimal Ranking kecocokan siswa terhadap kriteria prestasi
non akademik
kepribadian Decimal Ranking kecocokan siswa terhadap kriteria
kepribadian siswa
Tabel 3.13 Kamus Data untuk tbNormalisasi
Nama tabel: tbNormalisasi
Nama column Tipe data Keterangan
no_induk Integer Nomor induk siswa (primary key)
nilai Decimal Nilai normalisasi dari kriteria nilai
ranking Decimal Nilai normalisasi dari kriteria ranking
kehadiran Decimal Nilai normalisasi dari kriteria kehadiran
kegiatan Decimal Nilai normalisasi dari kriteria kegiatan ekstrakurikuler prestasi Decimal Nilai normalisasi dari kriteria prestasi non akademik kepribadian Decimal Nilai normalisasi dari kriteria kepribadian siswa
Tabel 3.14 Kamus Data untuk tbNormalisasiBobot
Nama tabel: tbNormalisasiBobot
Nama column Tipe data Keterangan
no_induk Integer Nomor induk siswa (primary key)
nilai Decimal Nilai normalisasi bobot dari kriteria nilai
ranking Decimal Nilai normalisasi bobot dari kriteria ranking
kehadiran Decimal Nilai normalisasi bobot dari kriteria kehadiran
kegiatan Decimal Nilai normalisasi bobot dari kriteria kegiatan
ekstrakurikuler
prestasi Decimal Nilai normalisasi bobot dari kriteria prestasi non
akademik
kepribadian Decimal Nilai normalisasi bobot dari kriteria kepribadian siswa
Tabel 3.15 Kamus Data untuk tbJarak
Nama tabel: tbJarak
Nama column Tipe data Keterangan
[image:45.595.101.542.556.692.2]jarak_max Decimal Jarak nilai normalisasi bobot terhadap solusi ideal positif
jarak_min Decimal Jarak nilai normalisasi bobot terhadap solusi ideal
[image:46.595.102.530.86.137.2]negative
Tabel 3.16 Kamus Data untuk tbKedekatan
Nama tabel: tbKedekatan
Nama column Tipe data Keterangan
no_induk Integer Nomor induk siswa (primary key)
v Decimal Nilai kedekatan
3.8 Perancangan Antarmuka
[image:46.595.218.413.405.487.2]Perancangan antarmuka menampilkan rancangan dari setiap halaman yang digunakan untuk memperoleh gambaran tampilan sebuah sistem yang hendak dibangun. Tampilan antarmuka dari sebuah aplikasi menjadi alat komunikasi yang menghubungkan antara sistem dengan user.
Gambar 3.6 Rancangan Halaman Login
Pada Gambar 3.6 ditampilkan halaman login. Pada halaman ini, user memasukkan username dan password. Terdapat dua jenis user yaitu Guru dan Admin. Untuk user dengan status Guru, user memasukkan data siswa yang hendak dinominasikan sebagai calon siswa terbaik. Untuk user dengan status Admin, user melakukan proses perhitungan TOPSIS.
Login Username
34
Gambar 3.7 Rancangan Halaman Guru
[image:47.595.177.454.86.341.2]Pada Gambar 3.7 diperlihatkan rancangan halaman yang diperuntukkan oleh user dengan status sebagai “Guru”. Pada halaman ini, user dapat memasukkan data siswa yang baru dengan mengeksekusi tombol “Input Data Baru” ataupun mengubah data siswa dengan mengeksekusi tombol “Edit”. Tombol “Exit” digunakan untuk keluar dari aplikasi.
Tabel Data Siswa
Gambar 3.8 Rancangan Halaman Input Data Siswa
Pada Gambar 3.8 diperlihatkan rancangan halaman untuk mengisi data siswa yang baru ataupun mengubah data siswa yang telah dipilih sebelumnya dari halaman yang terdapat pada Gambar 3.7.
[image:48.595.118.516.90.417.2]Gambar 3.9 Rancangan Halaman Admin
Tabel Pengguna Aplikasi
Username
Password
Status
Simpan
Hapus
Jurusan
TOPSIS Exit
No. Induk Siswa
Nama Siswa
Jurusan
Nilai Rata-Rata
Kehadiran
Peringkat Kelas
Save
Ekstrakurikuler
Nilai
Hapus Tambah
Tabel Kegiatan Ekstrakurikuler
Prestasi
Tingkat Save
Kedisiplinan
Kebersihan
Kesehatan
Tanggung Jawab
Sopan Santun
Percaya diri
Kompetitif
Hub. Sosial
Kejujuran
Ibadah
Tingkah Laku
[image:48.595.172.459.542.730.2]36
[image:49.595.189.439.192.431.2]Pada Gambar 3.9 diperlihatkan rancangan halaman yang diperuntukkan oleh user dengan status sebagai “Admin”. Pada halaman ini, user dapat menambah ataupun menghapus user. Dari halaman ini juga user memilih jurusan mana yang akan dilakukan proses perhitungan TOPSIS.
Gambar 3.10 Rancangan Proses Perankingan Kecocokan
Pada Gambar 3.10 diperlihatkan rancangan halaman yang dipergunakan untuk perangkingan kecocokan setiap data siswa terhadap masing-masing kriteria. Untuk memulai proses perankingan dilakukan dengan mengeksekusi tombol “Ranking”. Tombol “Lanjut >>” dipergunakan untuk melanjutkan proses perhitungan TOPSIS pada halaman baru.
Daftar Siswa
Ranking
Daftar Ranking Kecocokan
Gambar 3.11 Rancangan Proses Normalisasi
Pada Gambar 3.11 diperlihatkan rancangan halaman yang dipergunakan untuk proses normalisasi. Untuk memulai proses normalisasi dilakukan dengan mengeksekusi tombol “Normalisasi”. Tombol “Lanjut>>” dipergunakan untuk melanjutkan proses perhitungan TOPSIS pada halaman baru.
Gambar 3.12 Rancangan Proses Normalisasi Bobot dan Solusi Ideal
Daftar Normalisasi
Hitung
Daftar Normalisasi Bobot
Lanjut >>
Kriteria Nilai Rata-Rata Ranking Kelas
Kehadiran
Kepribadian
Ekstrakurikuler Prestasi
Solusi Ideal Positif
Nilai Rata-Rata Ranking Kelas
Kehadiran Kepribadian
Ekstrakurikuler Prestasi
Solusi Ideal Negatif
Nilai Rata-Rata Ranking Kelas
Kehadiran Kepribadian
Ekstrakurikuler Prestasi
Konversi Daftar Ranking Kecocokan
Normalisasi
Daftar Normalisasi
[image:50.595.112.542.482.749.2]38
[image:51.595.191.440.252.494.2]Pada Gambar 3.12 diperlihatkan rancangan halaman yang dipergunakan untuk menghitung proses normalisasi bobot dan penentuan solusi ideal. Untuk memulai perhitungan proses normalisasi bobot, user memasukkan nilai setiap bobot kriteria terlebih dahulu. Nilai yang dimasukkan berkisar dari nilai 1 sampai 5 di mana semakin besar nilai tersebut maka kriteria tersebut mempunyai peran yang lebih penting dibandingkan kriteria lainnya.
Gambar 3.13 Rancangan Proses Perhitungan Jarak
Pada Gambar 3.13 diperlihatkan rancangan halaman yang dipergunakan untuk menghitung jarak setiap normalisasi bobot terhadap solusi ideal positif maupun negatif. Tombol “Jarak Pisah” dipergunakan untuk memulai proses perhitungan jarak pisah terhadap solusi ideal positif dan jarak pisah terhadap solusi ideal negatif.
Daftar Normalisasi Bobot
Jarak Pisah
Daftar Jarak Pisah
Gambar 3.14 Rancangan Hasil Akhir
Pada Gambar 3.14 diperlihatkan rancangan halaman yang dipergunakan untuk menghitung nilai kedekatan relatif antara jarak pisah maksimum dan minimum. Pada halaman ini, user dapat melihat hasil akhir dari proses perhitungan TOPSIS. Sistem memperlihatkan nomor induk dan nama siswa terbaik pada kolom yang tersedia.
Daftar Jarak Pisah
Kedekatan
Daftar Kedekatan
Exit Siswa Terbaik :
No. Induk
BAB 4
IMPLEMENTASI DAN PENGUJIAN
4.1 Implementasi Sistem
Bab ini akan menjelaskan hasil implementasi dalam membangun aplikasi sistem pendukung keputusan dalam pemilihan siswa terbaik. Tahap ini menunjukkan apakah setiap proses dapat berjalan dengan baik dan mampu memberikan hasil yang diharapkan.
Seluruh proses perancangan diimplementasikan ke dalam framework Delphi 2010. Data yang dipergunakan dalam aplikasi disimpan ke dalam database. Database tersebut diolah dengan menggunakan Microsoft Access 2007 (tipe file yang digunakan berekstensi .mdb).
4.2 Pengujian Sistem
Pengujian merupakan proses yang dilakukan untuk membuktikan apakah sistem yang telah dibangun dapat berjalan dengan baik atau tidak. Pengujian yang dilakukan lebih mengutamakan kebutuhan fungsi dari suatu aplikasi. Tujuan pengujian adalah untuk dapat menemukan kesalahan fungsi pada aplikasi yang dibangun dan memperbaikinya.
4.2.1 Tampilan Login
[image:54.595.248.384.251.332.2]Pada Gambar 4.1 ditampilkan halaman dari aplikasi pada saat aplikasi pertama kali dijalankan. Pada halaman ini user memasukkan username dan password untuk menentukan user tersebut bertindak sebagai Admin atau Guru.
Gambar 4.1 Tampilan Login
4.2.2 Pengolahan Data Oleh User Sebagai Guru
42
Gambar 4.2 Tampilan Data Calon Siswa Terbaik
Gambar 4.3 Tampilan Proses Mengolah Data Siswa
4.2.3 Pengolahan Data Oleh User Sebagai Admin
44
Gambar 4.4 Tampilan Menu Admin
Gambar 4.5 Tampilan Proses Ranking Kecocokan Terhadap Setiap Kriteria
Pada Gambar 4.6 ditampilkan halaman untuk proses normalisasi. Pada awal tampilan, sistem menampilkan tabel yang berisi ranking kecocokan yang diperoleh sebelumnya. Untuk memulai proses normalisasi, user dapat mengeksekusi tombol “Normalisasi”. Untuk melanjutkan proses perhitugan TOPSIS, user dapat mengeksekusi tombol “Langkah >>”.
[image:58.595.165.472.521.743.2]46
[image:59.595.116.517.355.560.2]Pada Gambar 4.7 diperlihatkan halaman yang digunakan untuk proses perhitungan normalisasi bobot. Untuk dapat melakukan proses perhitungan normalisasi bobot, user terlebih dahulu harus memberikan nilai bobot pada setiap kriteria. Nilai yang diberikan berkisar antara nilai 1 sampai 5 yang mana semakin besar nilai tersebut, maka kriteria tersebut memiliki tingkat urgensi yang tinggi dalam perhitungan TOPSIS. Setelah user memberikan nilai bobot, user dapat mengeksekusi tombol “Konversi” untuk memperoleh nilai bobot kriteria. Untuk memulai proses perhitungan normalisasi bobot, user dapat mengeksekusi tombol “Hitung”. Setelah proses perhitungan selesai, sistem akan menampilkan hasil normalisasi bobot beserta nilai tertinggi dan terrendah pada masing-masing kriteria dan ditampilkan pada kolom “Solusi Ideal Positif” dan “Solusi Ideal Negatif”.
Gambar 4.7 Tampilan Proses Normalisasi Bobot dan Solusi Ideal
Gambar 4.8 Tampilan Proses Perhitungan Jarak Terhadap Solusi Ideal
Pada Gambar 4.9 ditampilkan halaman akhir proses perhitungan TOPSIS. User mengeksekusi tombol “Kedekatan” untuk memulai proses perhitungan kedekatan relatif antara jarak terjauh dan terdekat. Pada hasil akhir tersebut, sistem mengurutkan setiap siswa berdasarkan nilai kedekatan dari yang terbesar hingga yang terkecil. Siswa terbaik dinyatakan dari nilai kedekatan yang paling besar dan ditampilkan ke dalam kolom nomor induk beserta nama siswa tersebut.
[image:60.595.176.460.522.733.2]BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan pembahasan dalam menganalisis dan merancang Perangkat Lunak Sistem Pendukung Keputusan dalam Pemilihan Siswa Terbaik, maka dapat diambil kesimpulan sebagai berikut :
1. Perangkat lunak yang dibangun berhasil menentukan siswa yang terbaik di SMA Eria Medan.
2. Perangkat lunak yang dibangun terbagi menjadi dua jenis pengguna, yaitu Guru dan Admin.
3. Proses perhitungan metode TOPSIS didasari kepada nilai bobot setiap kriteria yang diberikan oleh user.
5.2 Saran
Adapun saran-saran yang dapat dilakukan penelitian ataupun pengembangan selanjutnya adalah sebagai berikut:
1. Perangkat lunak ini dapat dikembangkan dengan menggunakan metode pembobotan nilai kriteria yang lain untuk mendukung proses perhitungan TOPSIS. 2. Perangkat lunak ini dapat dikembangkan dengan menentukan siswa terbaik dari
jenis jurusan tambahan lainnya yang memiliki kriteria-kriteria yang beragam. 3. Perangkat lunak ini dapat diperbandingkan dengan perangkat lunak sistem
DAFTAR PUSTAKA
[1] Hermawan, Julius. 2005. Membangun Decision Support System. Yogyakarta: Andi.
[2] Dodangeh, Javad, et all. 5 April 2011. Using Topsis Method with Goal Programming for Best Selection of Strategic Plans in BSC Model.
[3] John, Dewey. 1910. How Do We Think. Boston : D. Heath & Co.
[4] Kadarsah, Suryadi dan Ramdhali, Ali. 1998. Sistem Pendukung Keputusan.
[5] Kosasi, Sandy. 2002. Sistem Penunjang Keputusan (Decision Support System). Pontianak: Sekolah Tinggi Manajemen Informatika dan Komputer. [6] Subakti, Irfan. 2002. Sistem Pendukung Keputusan (Decision Support System).
Bandung: Institut Teknologi Sepuluh Nopember. Diakses pada tanggal 20 Februari 2011,
[7] Turban, E & Aronson, J.E, (2001), Decision Support Systems and Intelligent Systems, Sixth
Edition, Prentice Hall, New Jersey.