LAMPIRAN A : LISTING PROGRAM
* To change this template use Tools | Options | Coding | Edit Standard Headers.
void KRITERIALAHANToolStripMenuItemClick(object sender, Event Args e)
void DATALAHANToolStripMenuItemClick(object sender, EventArgs e)
Form b=new kriteriabobot(); b.Show();
}
void EXITToolStripMenuItemClick(object sender, EventArgs e) {
void ABOUTToolStripMenuItemClick(object sender, EventArgs e) {
Form c=new about(); c.Show();
}
void HOMEToolStripMenuItemClick(object sender, EventArgs e) {
}
void METODEToolStripMenuItemClick(object sender, EventArgs e) {
void Label2Click(object sender, EventArgs e) {
}
void PictureBox2Click(object sender, EventArgs e) {
using System.Data;
new MySqlConnection("server=localhost;port=3306;username=root ;password=");
double maxc1,maxc2,maxc3,maxc4,minc5,minc6,minc7,minc8; double tertinggi=0;
= new MySqlDataAdapter();
MyAdapter.SelectCommand = MyCommand2; //DataTable dTable = new DataTable();
DataTable dTable = new DataTable(); MyAdapter.Fill(dTable);
dataGridView1.DataSource = dTable; // here i have assign dTable object to the dataGridView1 object to display
db_spk_bimbel.tb_normalisasi_saw ORDER BY skor DESC;"; MySqlConnection MyConn2 = new MySqlDataAdapter();
MyAdapter.SelectCommand = MyCommand2; //DataTable dTable = new DataTable();
DataTable dTable = new DataTable(); MyAdapter.Fill(dTable);
dataGridView4.DataSource = dTable; // here i have assign dTable object to the dataGridView1 object to display
data.
//MyReader2 = MyCommand2.ExecuteReader(); // Here our query will be executed and data saved into the database.
MyReader2 = MyCommand3.ExecuteReader(); c3,double hc4,double hc5, String skor)
{ our query will be executed and data saved into the database.
{ }
void Panel1Paint(object sender, PaintEventArgs e) {
}
void TextBox1TextChanged(object sender, EventArgs e) {
void DataGridView4CellContentClick(object sender, DataGridVie wCellEventArgs e)
{ = new MySqlDataAdapter();
MyAdapter.SelectCommand = MyCommand2; //DataTable dTable = new DataTable();
DataTable dTable = new DataTable(); MyAdapter.Fill(dTable);
dataGridView1.DataSource = dTable; // here i have assign dTable object to the dataGridView1 object to display
data.
MyConn2.Close(); }
* Date: 28/09/2015 * Time: 9:53
*
* To change this template use Tools | Options | Coding | Edit Standard Headers.
double c1_pm,c2_pm,c3_pm,c4_pm,c5_pm,c6_pm,c7_pm,c8_pm; double c1_pm_ideal,c2_pm_ideal,c3_pm_ideal,c4_pm_ideal,c5_pm_ ideal,c6_pm_ideal,c7_pm_ideal,c8_pm_ideal;
db_spk_bimbel.data_bimbel(nama,biaya,fasilitas,jumlah_pertemuan,jumla h_lulus_PTN,jumlah_pengajar)
values('" +this.namabimbel.Text+ "','" +this.c1_biaya.Text+ "','" +th is.c2_fasilitas.Text+ "','" +this.c3_jlh_pert.Text+ "','" +this.c4_jl h_lls.Text+ "','" +this.c5_jlh_peng.Text+ "');";
MySqlConnection MyConn2
//MySqlCommand MyCommand2 = new MySqlCommand(Query, our query will be executed and data saved into the database.
MyReader2 = MyCommand3.ExecuteReader();
+this.namapadisawah.Text+ "','" +c1+ "','" +c2+ "','" +c3+ "','" +c4+ "','" +c5+ "');"; our query will be executed and data saved into the database.
MessageBox.Show(ex.Message);
+this.namapadisawah.Text+ "','" +c1+ "','" +c2+ "','" +c3+ "','" +c4+ "','" +c5+ "');"; our query will be executed and data saved into the database.
MyReader2 = MyCommand3.ExecuteReader();
c2=1.5;
void Unsur2SelectedIndexChanged(object sender, EventArgs e) {
} = new MySqlDataAdapter();
MyAdapter.SelectCommand = MyCommand2; //DataTable dTable = new DataTable();
DataTable dTable = new DataTable(); MyAdapter.Fill(dTable);
data. = new MySqlDataAdapter();
MyAdapterpm.SelectCommand = MyCommandpm; //DataTable dTable = new DataTable();
DataTable dTablepm = new DataTable(); MyAdapterpm.Fill(dTablepm);
}
void statusBiayaSelectedIndexChanged(object sender, EventArgs e)
}
void DataGridView1CellContentClick(object sender, DataGridVie wCellEventArgs e)
{
namabimbel.Text=
dataGridView1.Rows[e.RowIndex].Cells[0].Value.ToString(); }
void DataGridView2CellContentClick(object sender, DataGridVie wCellEventArgs e)
CURRICULUM VITAE
---
Data Pribadi
Nama : M. Pristian R. Tempat/Tanggal Lahir: Lhokseumawe, 16 Oktober 1992
Jenis Kelamin : Laki-laki Tinggi/Berta Badan : 165 cm / 45 kg
Agama : Islam
Kewarganegaraan : Indonesia Status : Belum Menikah
Alamat : Jl. Perjuangan No. 8, Setia Budi Medan, Sumatera Utara
No Hp : 082362287622
Email : [email protected]
---
Riwayat Pendidikan
[1998 – 2004] : SD Swasta Iskandar Muda [2004 – 2007] : SMP Swasta Iskandar Muda [2007 – 2010] : SMA Swasta Iskandar Muda
[2010 – 2015] : S-1 Ilmu Komputer Universitas Sumatera Utara
---
Kemampuan IT :
• Mampu mengoperasikan Microsoft Office (Ms.Word, Ms.Excel, Ms.Power Point).
• Mampu mengoperasikan Adobe Photoshop
DAFTAR PUSTAKA
Bigdoli, H. 1989. “Decision Support System: Principle and Practice”. West Publishing Company: St Paul.
Dermawan, Wibisono. 2002. “Riset Bisnis Panduan Bagi Praktisi Akademisi”. PT Gramedia Pustaka Utama: Jakarta.
Kusumadewi, S., Harjoko A. & Wardoyo, R. 2006. “Fuzzy Multi-Attribute Decision
Making (Fuzzy MADM)”. Graha Ilmu: Yogyakarta.
Nofriansyah, Dicky. 2014. “Konsep Data Mining VS Sistem Pendukung Keputusan”. Yogyakarta: Depublish.
Primarizky, A. 2013. Pembangunan Sistem Pengambilan Keputusan Promosi Jabatan Menggunakan Metode Weighted Product (WP) Study Kasus: Badan Kepegawaian Negara Kantor Wilayah III Bandung. Skripsi. Universitas Pendidikan Indonesia: Bandung.
Power. J, Daniel. 2009. “Decision Support Basic”. New York: Bussines Expert Press. Savitha, K. dan Chandrasekar, C. (2011). Vertical Handover decision schemes using
SAW and WPM for Network selection in Heterogeneous Wireles Netwoks.
Double Blind Peer Reviewed International Research Journal. Vol 11 (9) : 19-24.
Siregar, M. F F. 2014. Implementasi Metode Simple Additive Weighting (SAW) Dalam Pemilihan Siswa Berprestasi (Studi Kasus: MIN Tanjung Sari Medan Selayang). Skripsi. Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Syafaruddin, A. 2004. “Sistem Pengambilan Keputusan Pendidikan”. Grasindo: Jakarta.
Turban, E., Aronson, J., and Liang, T., 2009. “Decision Support System and
Venkata Rao, R. 2007. “Decision Making in the Manufacturing Environtment: Using
Graph Theory and Multiple Attribute Decision Making Methods”. London:
Springer.
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Tahapan yang dilakukan untuk menghasilkan pemahaman yang menyeluruh terhadap kebutuhan sistem sehingga diperoleh tugas-tugas yang akan dikerjakan sistem disebut analisis sistem.Tahapan ini dilakukan agar pada saat proses perancangan aplikasi tidak terjadi kesalahan yang berarti. Ada dua tahapan analisis dalam tugas akhir ini yaitu: analisis masalah dan analisis persyaratan.
Memahami kelayakan masalah akan dibahas dianalisis masalah juga untuk menjelaskan fungsi-fungsi yang ditawarkan dan mampu dikerjakan sistem akan dibahas dianalisis persyaratan.
3.1.1 Analisis Masalah
Analisis masalah merupakan proses mengidentifikasi sebab dan akibat dibangunnya sebuah sistem agar sistem yang akan dibangun tersebut dapat berjalan sebagaimana mestinya sesuai dengan tujuan dari sistem itu. Saat ini terdapat bermacam-macam lembaga bimbingan belajar, oleh karena itu dibutuhkan sebuah sistem untuk memberikan informasi yang tepat dalam proses pemilihan lembaga bimbingan belajar yang sesuai dengan kebutuhan dan kriteria pengguna dengan menggunakan metode
Simple Additive Weighting dan Weighted Product Model.
DiagramIshikawa adalah diagram yang menunjukkan penyebab-penyebab dari sebuah
event yang spesifik. Diagram ini juga disebut dengan diagram tulang ikan atau
cause-and-effect diagram. Pemakaian diagramIshikawa yang paling umum adalah untuk
Gambar 3.1 Diagram Ishikawa Analisis Masalah Sistem
Berdasarkan Gambar 3.1 dapat diketahui bahwa permasalahan pemilihan lembaga bimbingan belajar dikarenakan banyaknya berbagai macam bimbingan belajar yang ada di kota Medan dan juga belum adanya sebuah sistem informasi yang ditujukan khusus untuk menyelesaikan masalah tersebut. Untuk itu dibuatlah sebuah Sistem Pendukung Keputusan dengan menggunakan metode Simple Additive Weigthing dan
Weighted Product Model.
3.1.2 Analisis Kebutuhan Sistem
Untuk membangun sebuah sistem, perlu dilakukan sebuah tahap analisis kebutuhan sistem. Analisis kebutuhan sistem dapat dikelompokkan menjadi 2 bagian yaitu: kebutuhan fungsional dan kebutuhan non-fungsional.
3.1.2.1Persyaratan Fungsional
Kebutuhan fungsional adalah fungsi-fungsi yang harus dipenuhi pada aplikasi yang dirancang. Kebutuhan fungsional yang harus dipenuhi aplikasi yang dirancang adalah sebagai berikut:
1. Sistem dapat menerima inputan data bimbel dan bobot kriteria
2. Sistem dapat mengetahui lembaga bimbingan belajar yang sesuai dengan kriteria
user, berdasarkan metode Simple Additive Weghting dan Weighted Product Model.
3.1.2.2Persyaratan Non-Fungsional
Kebutuhan non-fungsional adalah kebutuhan yang harus dipenuhi agar aplikasi yang dirancang mendapat umpan-balik yang baik dari pengguna aplikasi. Kebutuhan non-fungsional yang harus dipenuhi aplikasi yang dirancang adalah sebagai berikut:
1. Sistem harus dapat melakukan perhitungan menentukan lembaga bimbingan belajar, sesuai dengan kriteria dari user dengan cepat dan tepat.
2. Sistem harus mudah digunakan sehingga dapat dioperasikan dengan baik oleh user.
3.2Pemodelan Visual Menggunakan Unified Modeling Language (UML)
Pemodelan sistem dilakukan untuk memperoleh gambaran yang lebih jelas tentang objek apa saja yang akan berinteraksi dengan sistem, serta hal-hal apa saja yang harus dilakukan oleh sebuah sistem sehingga sistem dapat berfungsi dengan baik sesuai dengan tujuan dan kegunaannya. Pada penelitian ini digunakan UML (Unified
Modeling Language) sebagai bahasa pemodelan untuk mendesain dan merancang
Sistem Pendukung Keputusan Pemilihan Lembaga Bimbingan Belajar di Kota Medan dengan Simple Additive Weghting dan Weighted Product Model. Model UML yang digunakan antara lainuse case diagram, activity diagram, dan sequence diagram.
3.2.1 Identifikasi Use Case Diagram
Use Case Diagram adalah sebuah diagram yang dapat merepresentasikan interaksi
yang terjadi antara user dengan fungsi pada sistem dan dapat dilihat pada Gambar 3.2
Gambar 3.2 Use Case Diagram Sistem Pendukung Keputusan Perhitungan
Pada Proses Pemilihan Bimbel, dengan Metode SAW dapat dinyatakan dalam Tabel 3.1.
Tabel 3.1Use Case Proses Pemilihan Lembaga Bimbingan Belajar Di Kota
Medan dengan Metode SAW
Name Proses Pemilihan Bimbingan Belajar dengan Metode SAW
Actors User yang telah ditentukan
Description Use Case ini mendeskripsikan proses perhitungan pemilihan
bimbel dengan metode SAW
Basic Flow User memasukkan perbandingan berpasangan kriteria penilaian dan alternatif pilihan
Alternate Flow User dapat kembali ke tampilan awal dan memilih metode perhitungan lainnya
Pre Condition User dapat melihat nilai kriteria dari setiap alternatif yang ada
Post Condition User mengetahui nilai SAW dari seluruh alternative
Pada Proses Pemilihan Bimbel dengan Metode WPM, dapat dinyatakan dalam Tabel 3.2.
Tabel 3.2Use Case Proses Pemilihan Lembaga Bimbingan Belajar dengan
Metode WPM
Name Use Proses Pemilihan Bimbingan Belajar dengan Metode
WPM
Actors User yang telah ditentukan
Description Use Case ini mendeskripsikan proses penghitungan pemilihan
Bimbel dengan menggunakan metode WPM
Basic Flow User memasukkan bobot kriteria dan memilih alternatif pilihan
Alternate Flow User dapat kembali ke tampilan awal dan memilih metode
Pre Condition User dapat melihat nilai kriteria dari setiap alternatif yang ada
Post Condition User mengetahui nilai WPM dari seluruh alternative
3.2.2 Identifikasi Activity Diagram
Untuk proses pemilihan bimbingan belajar dengan SAW, dapat dilihat Activity
Diagram pada gambar 3.3.
Gambar 3.3 Activity Diagram untuk Proses Perhitungan dengan Metode SAW
Pada perhitungan dengan metode SAW, sistem akan menampilkan data nilai kriteria dari seluruh alternatif yang ada. Pengguna kemudian diminta untuk memasukkan nilai bobot dari masing – masing kriteria yang akan dihitung. Hasil perhitungan akan di tampilkan oleh sistem. Pengguna dapat melakukan perhitungan berulang kali.
Gambar 3.4 Activity Diagram untuk Proses perhitungan dengan Metode
WPM
Sama seperti pada proses perhitungan dengan metode SAW, dalam proses perhitungan dengan WPM, sistem akan menampilkan data nilai kriteria dari seluruh alternatif yang ada. Hasil perhitungan akan di tampilkan oleh sistem. Pengguna juga dapat melakukan perhitungan berulang kali.
3.2.3 Identifikasi Sequence Diagram
SequenceDiagram adalah bentuk pemodelan sistem yang menggambarkan hubungan
antar objek atau objek yang saling berinteraksi melalui pesan dalam eksekusi.Diagram ini mengilustrasikan bagaimana pesan dikirim dan diterima diantara objek dan diurutan yang mana.SequenceDiagram untuk sistem yang dirancang pada penelitian ini adalah sebagai berikut.
Gambar 3.5 Sequence Diagram untuk Proses Perhitungan Dengan Metode
Simple Additive Weighting
Pada Sequence diagram diatas terlihat bahwa pengguna mengakses form perhitungan dengan metode SAW, kemudian sistem akan menampilkan form perhitungan dan pengguna memasukkan nilai bobot kriteria yang telah ditentukan. Selanjutnya data hasil perhitungan dimasukkan kedalam database, yang nantinya data tersebut ditampilkan kembali pada form perhitungan dengan metode SAW.
Input Database WPM
Input Data
Menampilkan Form Input Data
Lihat Data
Menampilkan Listview
Data yang Telah Diinput Melakukan Perhitungan
Menampilkan Data Hasil Perhitungan User
Gambar 3.6 Sequence Diagram untuk Proses Perhitungan dengan Metode
Weighted Product Model
Pada Sequence diagram diatas terlihat bahwa pengguna mengakses form data yang ingin dilihat setelah itu sistem akan menampilkan data. Kemudian pengguna memilih data yang ingin dilakukan perhitungan dan sistem akan menampilkan data hasil perhitungan dengan metode WPM.
3.3Flowchart Sistem
Start
Data Bimbel
Kriteria Penilaian
Hitung dengan SAW?
Hitung dengan Rumus SAW
Htung dengan Rumus WPM
Nilai SAW Nilai WPM
End
No Yes
Gambar 3.7 Flowchart SistemPendukung Keputusan Dalam Pemilihan
3.4Perancangan Antarmuka Aplikasi
Proses perancangan antarmuka (interface) sebuah sistem adalah proses yang cukup penting dalam perancangan sebuah sistem. Merancang antarmuka merupakan bagian yang paling penting dari merancang sebuah sistem. Sebuah antarmuka harus dirancang dengan memperhatikan faktor pengguna sehingga sistem yang dibangun dapat memberikan kenyamanan dan kemudahan untuk digunakan oleh pengguna.
Pada tampilan initidak banyak yang akan dilakukan oleh pengguna/user. Disni pengguna/user akan mengisi data baru untuk melihat hasil perhitungan bimbingan belajar mana yang cocok untuk pengguna/user. formini menampilkan untuk melihat data, mengisi data baru serta bisa melihat bobot kriteria masing-masing dan nilai kekonsistenan dari bobot tersebut, seperti pada gambar 3.8 berikut.
Nama
Gambar 3.8 Antarmuka Input Data
Keterangan :
1. Text BoxData Kriteria Bimbel
Berfungsi untuk layer data kriteria bimbel. 2. Text BoxNama Bimbingan
Berfungsi untuk memasukan nama bimbingan belajar baru. 3.Text BoxBiaya
Berfungsi untuk menampilkan biaya yang sudah ditetapkan. 3. Text BoxFasilitas
4. Text Box Jumlah Pertemuan
Berfungsi untuk memilih jumlah pertemuan sesuai dengan bimbel tersebut. 6. Text Box Jumlah Lulus PTN
Berfungsi untuk memilih jumlah lulus ke PTN sesuai dengan bimbelnya tersebut.
7. Text Box Jumlah Pengajar
Berfungsi untuk memilih jumlah pengajar di masing-masing bimbel. 8. Text Box Add
Berfungsi untuk menambahkan data baru. 9. Text BoxDelete
Berupa tombol untuk menghapus data. 10. Text BoxLihat Data
Berfungsi untuk menampilakan data bimbingan belajar yang sudah tersimpan di database.
11. Text BoxReset
Berfungsi untuk mereset ulang data. melihat semua data bimbel yang sudah dimasukkan.
12.Label Tabel Kriteria Dan Bobot
Berfungsi menampilkan data bimbingan belajar serta bobot kriterianya. 13. Label Tabel Kriteria
Berfungsi menampilkan isi dalam tabel kriteria. 14. Label Tabel Pembobotan
Berfungsi menampilkan isi dalam pembobotan. 15. Data Grid View Tabel Kriteria
Menampilkan data bimbel serta dengan kriterianya. 16. Data Grid View Tabel Pembobotan
Menampilkan data bimbel serta dengan bobot masing-masing kriteria.
3.5Antarmuka Perhitungan Kedua Metode
metode, baikSAW maupn WPM yang hasilnya akan ditampilkan pada form tersebut. Seperti pada gambar 3.9 berikut .
HASIL PERANGKINGAN METODE SAW
Gambar 3.9 Antarmuka Perhitungan Kedua Metode
Keterangan:
1. Label Hasil Perangkingan Metode SAW
Berfungsi untuk menampilkan nama bimbel hasil proses perhitungan. 2. Data Grid View Hasil Perhitungan Metode SAW
Berfungsi untuk menampilkan hasil proses perangkingan metode SAW 3. ButtonProses SAW
Berfungsi untuk melakukan proses perhitungan SAW. 4. Text BoxRunning Time SAW
Berfungsi menampilkan Hasil running time SAW. 5. Text Box Bimbel Terbaik Menurut Metode SAW
Berfungsi menampilkan nama bimbel terbaik menurut SAW. 6. Label Hasil Perangkingan Metode WPM.
Berfungsi untuk menampilkan nama bimbel hasil proses perhitungan. 7. Data Grid View Hasil Perhitungan Metode WPM
8. Button Proses WPM
Berfungsi untuk melakukan proses perhitungan WPM. 9. Text Box Running Time WPM
Berfungsi untuk menampilkan hasil running time WPM 10. Text Box Bimbel Terbaik Menurut Metode WPM
BAB 4
IMPLEMENTASI DAN PENGUJIAN SISTEM
4.1 Implementasi Sistem
Implementasi Sistem merupakan tahapan yang harus dilalui dalam proses pengembangan perangkat lunak dari suatu sistem. Tahap ini dilakukan setelah terlebih dahulu melalui tahap Analisis dan Perancangan Sistem yang telah diuraikan pada bab sebelumnya.
4.1.2 Implementasi Metode Simple Additive Weighting
Penerapan Metode Simple Additive Weighting dalam sistem yang dibuat adalah pada proses perhitungan dengan metode Simple Additive Weighting dalam pemilihan lembaga bimbingan belajar terbaik di kota Medan. Seluruh bimbingan belajar yang sudah penulis teliti akan dijadikan alternatif dalam mengambil keputusan untuk memilih bimbel terbaik.
Langkah pertama yang dilakukan adalah melakukan normalisasi nilai kriteria dari seluruh alternatif yang telah dimasukkan kedalam sistem. Selanjutnya data hasil proses normalisasi tersebut dikalikan dengan bobot dari kriteria yang ditentukan. Selanjutnya hasil perkalian data dengan semua kriteria akan dijumlahkan untuk memperoleh nilai SAW dari setiap alternatif.
4.1.3 Implementasi Weighted Product Model
Penerapan Metode Weighted Product Modeldalam sistem yang dibuat pada proses perhitungan dengan metode ini dalam pemilihan lembaga bimbingan belajar di kota Medan. Seluruh bimbingan belajar yang sudah penulis telitidi kota Medan akandijadikan alternatif dalam mengambil keputusan siapa yang menjadi lembaga bimbingan terbaik.
kriteria harus minimal sama dengan satu karena hasil dari perhitungan dengan metode
Weighted Product Model ini akan bernilai satu jika ada nilai kriteria yang bernilai
satu. Hal tersebut terjadi karena metode ini menggunakan operator perkalian yang apabila sebuah nilai di kalikan dengan satu maka hasilnya akan bernilai satu.
Berikut ini adalah data sampel dari beberapa bimbingan belajar di kota Medan yang menjadi alternatif dalam penentuan lembaga bimbingan belajar terbaik di kota Medan.
Tabel 4.1 Sampel Data Lembaga Bimbingan Belajar Di Kota Medan
Periode 2015/2016
Bimbingan Belajar Biaya Fasilitas Jumlah
Pertemuan
Jumlah Lulus
Ke PTN
Jumlah
Pengajar
Ganesha Operation
(GO) 2,5 5 2,5 5 5
Quantum 2,5 3 1 1,5 1
Medica 3 3 2,5 5 5
Pada Tabel 4.1 di atas terdapat 3 data sampel lembaga bimbingan belajar yang menjadi alternatif dalam penentuan Lembaga Bimbingan Belajar Terbaik di kota Medan. Selanjutnya akan dijelaskan langkah-langkah perhitungan untuk mendapatkan nilai WPM dari alternatif yang ada.
Langkah1:Tentukan nilai bobot kriteria
Tabel 4.2 Nilai Bobot Kriteria
Langkah 2: Hitung Nilai WPM menggunakan rumus
Karena data yang dimilki ada yang bernilai satu maka terlebih dahulu ubah nilai tersebut menjadi 2 kemudian pangkatkan nilai kriteria dari setiap alternatif dengan nilai bobot kriteria sebagaimana ditunjukan dalam tabel 4.3 berikut.
Tabel 4.3 Pemangkatan Nilai Kriteria Alternatif dengan Bobot Kriteria
Bimbingan Belajar Biaya Fasilitas Jumlah Pertemuan
Jumlah
Lulus Ke
PTN
Jumlah
Pengajar
Ganesha Operation
(GO) 0,3^2,5 0,2^5 0,15^2,5 0,25^5 0,1^5
Quantum 0,3^2,5 0,2^3 0,15^1 0,25^1,5 0,1^1
Medica 0,3^3 0,2^3 0,15^2,5 0,25^5 0,1^5
Kriteria Bobot (%)
Biaya 30
Fasilitas 20
Lalu kalikan hasil pemangkatan nilai kriteria alternatif dengan nilai bobot kriteria untuk mendapatkan nilai WPM sebagaimana yang terlihat pada Tabel 4.4 berikut.
Langkah 3: Nilai WPM dari setiap alternatif diperoleh Tabel 4.4 Hasil Nilai WPM
Bimbingan Belajar Nilai WPM
Ganesha Operation (GO) 0,049*0.003*0.008*0.009*0,009*0.001= 0,00000000001058
Quantum 0,049*0,008*0,15*0,125*0,1 = 0,000000735
Medica 0,027*0,008*0,022*0,009*0,001 = 0,0000000004276
Berdasarkan Tabel 4.4 alternatif yang memiliki nilai tertinggi adalah Bimbingan Belajar Quantum dengan WPM 0,000000735 dan yang terendah adalah Bimbingan Belajar Ganesha Operation (GO).
4.3Antarmuka Sistem
Pada Sistem Pendukung Keputusan Pemilihan Lembaga Bimbingan Belajar Terbaik di Kota Medan ini terdapat lima tampilan, yaitu :
1. Input Data
2. Perhitungan dengan SAW 3. Perhitungan dengan WPM 4. Tentang
5. Keluar
4.3.1 Tampilan Input Data
“Lihat Data”, jika user ingin menginput data baru, user harus mengisi “Nama Bimbingan” di textbox yang sudah terdapat di form tabel dan memilih sub menu yang sudah tersedia dengan masing-masing kriteria, setelah user selesai mengisi data baru, user klik button “Add” untuk menginputkan data kedalam sistem.
Gambar 4.1 Menu Input Data
4.3.2 Menu Perhitungan dengan SAW
Gambar 4.2 Menu Perhitungan dengan SAW
4.3.3 Menu Perhitungan dengan WPM
Pada Menu Perhitungan dengan WPM akan disajikan proses perhitungan dengan menggunakan metode Weighted Product Model. Serupa dengan Menu Perhitungan dengan SAW, pada tampilan menu ini terdapat satu buah tabel, yaitu hasil perhitungan WPM, satu buah button “Process WPM” dan dua buah field yang berisi hasil running
time dan bimbel terbaik. Selanjutnya hasil perhitungan akan ditampilkan pada tabel
Gambar 4.3 Menu Perhitungan dengan WPM
4.3.4 Menu Tentang
Gambar 4.4 Menu Tentang
4.4 Pengujian Sistem
Pengujian sistem dilakukan untuk mengetahui bagaimana kinerja sistem dalam melakukan proses perhitungan pemilihan lembaga bimbingan belajar terbaik di kota Medan menggunakan Metode Simple Additive Weighting dan Weighted Product
Model. Apakah sistem telah berjalan sesuai dengan fungsi-fungsi yang sebelumnya
ditentukan pada tahap analisis dan perancangan sistem hasil yang diberikan dari masing-masing kedua metode nantinya akan dibandingkan satu sama lain berdasarkan
Running Time Calculation.
Pengujian Perhitungan Pemilihan Lembaga Bimbingan Belajar di kota Medan
Gambar 4.5 Hasil Perhitungan kedua Metode
Gambar 4.6 Hasil Perhitungan kedua metode
Berdasarkan hasil perhitungan dengan metode Simple Additive Weighting pada Gambar 4.5 dan 4.6, alternatif yang memiliki skor paling tinggi adalah bimbel
Ganesha Operation (GO). Begitu juga halnya dengan hasil perhitungan dengan
metode Weighted Product Model, alternatif dengan skor tertinggi adalah bimbel
Quantum. Berdasarkan data masing-masing lembaga bimbingan belajar di kota
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil dari implementasi dan pengujian Sistem Pendukung Keputusan Pemilihan Lembaga Bimbingan Belajar di Kota dengan Metode Simple Additive
Weighting dan Weighted Product Model, maka dapat disimpulkan bahwa :
1. Sistem dapat menyelesaikan permasalahan pemilihan lembaga bimbingan belajar di kota Medan dengan mengimplementasikan Metode Simple Additive
Weighting dan Weighted Product Model pada sistem.
2. Setelah dilakukan pengujian dengan pengujian satu periode yang dimiliki masing-masing lembaga bimbingan belajar di kota Medan, hasil perhitungan dengan metode Simple Additive Weighting menunjukan akurasi lebih tinggi dari pada metode Weighted Product Model. Sehingga dalam kasus pemilihan lembaga bimbingan belajar di kota Medan nilai kecocokan Simple Additive
Weighting lebih tinggi dari pada Weighted Product Model.
3. Dengan menggunakan sistem ini pengguna akan lebih dipermudah dalam menentukan lembaga bimbingan belajar yang akan dipilih dalam satu periode. 4. Hasil yang diperoleh dari perhitungan sistem ini hanya sebagai alat bantu bagi
pengguna untuk menyelesaikan permasalahan Pemilihan Lembaga Bimbingan Belajar di Kota Medan dan bukan merupakan keputusan mutlak yang harus diambil.
4.1.Saran
Berdasarkan hasil pengujian yang dilakukan terhadap kedua metode, hendaknya digunakan proses perhitungan dengan Metode Simple Additive Weighting, karena kecocokan hasil pengujian yang dimiliki lebih sesuai dengan data yang dimiliki oleh masing-masing lembaga bimbingan belajar.
1. Kriteria yang ditentukan dalam proses pemilihan dapat ditambahkan untuk meningkatkan kualitas dari setiap bimbingan belajar yang akan dipilih menjadi lembaga bimbingan belajar terbaik.
2. Pengujian sistem merupakan salah satu proses yang harus diperhatikan untuk mendapatkan hasil yang optimal dan sesuai dengan tujuan sebuah sistem pendukung keputusan dibuat
3. Lakukan kuesioner untuk mendapatkan bobot yang lebih pasti untuk melakukan perhitungan.
BAB 2
LANDASAN TEORI
2.1Sistem Pendukung Keputusan
Sistem Pendukung Keputusan adalah sistem berbasis komputer yang membantu para pengambil keputusan mengatasi masalah melalui interaksi dengan sejumlah
database.Tujuan dari sistem adalah untuk menyimpan data dan mengubahnya menjadi
terorganisir yang dapat diakses dengan mudah, sehingga keputusan-keputasan yang diambil dapat dengan cepat, akurat, dan murah. (Dermawan, 2002)
Sistem Pendukung Keptusan biasanya dibangun untuk mendukung solusi atas suatu masalah atau untuk satu peluang.Aplikasi Sistem Pendukung Keputusan menggunakan CBIS (Computer Based Information System) yang fleksibel, interaktif, dan diadaptasi, yang dikembangkan untuk mendukung mencari solusi. (Nofriansyah, 2014)
Sistem Pendukung Keputusan juga dapat didefenisikan sebuah sistem informasi berbasis komputer yang menggabungkan model dan data dalam upaya memecahkan masalah semi terstruktur dan beberapa masalah yang tidak terstruktur dengan campur tangan pengguna. (Turban, et al. 2009)
2.1.1 Syarat Sistem Pendukung Keputusan
Menurut Bidgoli (1989), syarat dari sebuah sistem keputusan adalah : 1. Memerlukan perangkat keras;
2. Memerlukan perangkat lunak;
3. Memerlukan manusia (perancang dan pengguna);
4. Dirancang untuk mendukung sebuah pengambilan keputusan;
2.1.2 Arsitektur Sistem Pendukung Keputusan
Arsitektur Sistem Keputusan (SPK) terdiri dari beberapa subsistem yang menentukan kapabilitas teknis Sistem Pendukung Keputusan Tersebut (Nofriansyah, 2014), yaitu;
1. Subsistem data (Database)
Merupakan komponen Sistem Pendukung Keputusan yang berguna sebagai penyedia data bagi sistem.Data tersebut disimpan untuk diorganisasikan dalam sebuah basis data yang diorganisasikan oleh suatu sistem yang dsebut dengan sistem manajemen basis data (Database Management System).
2. Subsistem Model
Subsistem yang mengatur interaksi data dan model keputusan yang ada pada sistem.
3. Subsistem Dialog
Subsistem yang mampu mengintegrasikan sistem terpasang dengan pengguna secara interaktif, yang dikenal dengan subsitem dialog.
Ketiga subsistem menjadi suatu Arsitektur SPK yang terdapat pada gambar 1.1 sebagai berikut:
Arsitektur SPK sendiri terdiri dari fungsi-fungsi yang diperlukan pada sebuah SPK yaitu Dialog, Manajemen Database, dan Pemodelan.
2.1.3. Karakteristik Sistem Pendukung Keputusan
Sehubungan banyaknya definisi yang dikemukakan mengenai pengertian dan penerapan dari sebuah SPK, sehingga menyebabkan terdapat banyak sekali pandangan mengenai sistem tersebut. SPK memiliki beberapa karakteristik dan kemampuan (Nofriansyah, 2014), yaitu:
1. Mendukung proses pengambilan keputusan suatu organisasi atau perusahaan. 2. Adanya Interface manusia/mesin dimana manusia (user) tetap memegang
kontrol proses pengambilan keputusan.
3. Mendukung pengambilan keputusan untuk membahas masalah terstruktur, semi terstruktur serta mendukung beberapa keputusan yang saling berinteraksi. 4. Memiliki kapasitas dialog untuk memperoleh informasi sesuai dengan
kebutuhan.
5. Memiliki subsistem yang terintegrasi sedemikian rupa sehingga dapat berfungsi sebagai kesatuan sistem.
6. Memiliki dua komponen utama yaitu data dan model. 7. Menggunakan beberapa model kuantitatif.
2.1.4. Tahapan Proses Pengambilan Keputusan
Langkah-langkah yang diperlukan dalam proses pengambilan keputusan (Nofriansyah, 2014), adalah:
A. Intelligence
Tahap ini merupakan proses penelusuran dan pendektesian dari ruang lingkup problematika secara proses pengenalan masalah. Data masukan diperoleh, diproses dan diuji dalam rangka mengidentifikasi masalah.
B. Design
Tahap ini merupakan proses menemukan, mengembangkan dan menganalisis alternatif tindakan yang biasa dilakukan. Tahap ini meliputi menguji kelayakan solusi.
Pada tahap ini dilakukan proses pemilihan diantara berbagai alternatif tindakan yang mungkin dijalankan. Hasil pemilihan tersebut kemudian diimplementasikan dalam proses pengambilan keputusan.
2.2. Simple Additive Weighting (SAW)
Simple Additive Weighting (SAW) sering juga dikenal dengan istilah metode
penjumlahan terbobot, merupakan sebuah metode yang cukup terkenal dan sering digunakan dalam Multiple Decision Making (MADM).Setiap alternatif dikalikan dengan atribut untuk memperoleh nilai. Proses perhitungan dapat dinyatakan dalam rumus (1) (Venkata, 2007):
Keterangan:
Pi = Nilai SAW
J = Batas bawah perhitungan M = Batas atas perhitungan
= Bobot kriteria j
= Nilai alternatif i pada kriteria j
Keterangan:
Pi = Nilai SAW
j = Batas bawah perhitungan M = Batas atas perhitungan
= Bobot kriteria j
( ) normal = Nilai kriteria dari alternatif pada baris i kolom j yang telah ternormalisasi.
Ketika ( ) normal mewakili nilai dari yang telah dinormalisasi, alternatif dengan nilai Pi tertinggi akan dipilih sebagai alternatif terbaik. Kriteria yang ada dapat berupa kriteria keuntungan maupun kerugian. Jika kriteria merupakan kriteria keuntungan, maka normalisasi dihitung dengan menggunakan rumus (3) (Turban, et al. 2009):
Keterangan:
( ) normal = Nilai data baris i kolom j yang telah ternormalisai ( ) k = Nilai alternatif i pada kriteria j
( ) l = Nilai kriteria tertinggi dari alternatif
Namun jika kriteria yang akan dihitung merupakan kriteria kerugian (nilai terendah merupakan nilai yang lebih baik), maka normalisai dihitung dengan menggunakan rumus (4) (Venkata, 2007):
( ) l = Nilai kriteria terendah dari alternatif ( ) k = Nilai alternatif i pada kriteria j
Langkah-langkah yang diperlukan untuk memperoleh nilai SAW dari alternatif yang ada adalah:
1. Masukkan nilai kriteria dari seluruh alternatif 2. Masukkan nilai bobot dari setiap kriteria
3. Normalisasi data dengan menggunakan rumus (3) jika kriteria yang dihitung merupakan kriteria keuntungan dan dengan rumus (4) jika kriteria yang dihitung berupa kriteria kerugian.
4. Data ternormalisasi akan diperoleh
Gambar 1.2 Flowchart Metode Simple Additive Weighting
Tabel 1.1 Tabel Contoh Nilai SAW
Berdasarkan Tabel 1.1, dapat kita ketahui nilai bobot yang diberikan pada kriteria C1 adalah 0.3 atau 30%, nilai bobot pada kriteria C2 adalah 0.3 atau 30%, nilai bobot pada kriteria C3 adalah 0.2 atau 20% dan nilai bobot pada kriteria C4 adalah 0.2 atau setara dengan 20%. Dalam permasalahan ini, keseluruhan kriteria merupakan kriteria keuntungan. Maka, selanjutnya data tersebut akan dinormalisasikan dengan rumus (3). Sehingga menjadi seperti Tabel 1.2.
Tabel 1.2 Tabel Hasil Normalisasi Nilai
C1 C2 C3 C4
Alternatif 0.3 0.3 0.2 0.2
A1 1 1 0.857 0.5
A2 0.875 0.857 0.571 1 A3 0.75 0.857 1 0.5
Setelah proses normalisasi, maka langkah selanjutnya adalah menghitung nilai SAW dengan rumus (2).
Untuk alternatif A1, maka nilai SAW yang diperoleh adalah:
Untuk alternatif A2, maka nilai SAW yang diperoleh adalah:
Berdasarkan perhitungan diatas, maka alternatif dan yang baik, dikarenakan nilai preferensi SAW dari alternatif dan merupakan nilai yang tertinggi dari ketiga alternatif yang ada, yaitu Primagama dan Adzkia.
2.3. Weighted Product Model (WPM)
Metode Weighted Prduct (WP) Merupakan metode pengambilan keputusan dengan cara perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan (Primarizky, 2013).
Metode Weighted Product (WP) merupakan salah satu metode penyelesaian yang ditawarkan untuk menyelesaikan masalah Multi Attribute Decision Making (MADM).
Multi Attribute Decision Making adalah satu metode pengambilan keputusan untuk
menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu (Kusumadewi, 2006). Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan. Setelah mendapat hasil bobot atribut, selanjutnya dihitung vector V persamaan sebagai berikut (Savitha. K. dan Chandrasekar. C.2011):
(1)
Keterangan:
Gambar 1.3 Flowchart Metode Weighted Product Model
Tabel 1.3 Data Tempat Lembaga Bimbingan Belajar di Kota Medan
Alternatif
Kriteria
C1 C2 C3 C4
A1 70 80 70 70
A2 70 70 70 60
A3 70 80 70 60
Keterangan:
C1 =Biaya A1=GaneshaOperation(GO)
C2 =Fasilitas A2 =Primagama
C3 =Jumlah pertemuan A3=ADZKIA
C4 =Jumlah Lulus ke PTN
Di mana data dari setiap kriteria yang didapat oleh masing-masing Bimbingan Belajar yang ada di kota Medan. Selanjutnya menentukan bobot untuk setiap kriteria, bobot kriteria akan ditentukan sebagai berikut:
Tabel 1.4 Pemberian Bobot Kriteria
C1 C2 C3 C4
Alternatif 0.2 0.2 0.3 0.3
A1 70 80 70 70
A2 70 70 70 60
Berdasarkan table 2 diatas, dapat kita ketahui nilai bobot yang diberikan pada A1 adalah 0.2 atau 20%, nilai bobot pada kriteria A2 adalah 0.2 atau 20%, nilai bobot pada kriteria A3 adalah 0.3 atau 30%, nilai bobot pada kriteria A4 adalah 0.3 atau setara dengan 30%. Selanjutnya untuk menghitung nilai WPM dari setiap alternatif digunakan rumus (1) sehingga:
A1=700.3x800.3x700.2x700.2=68.5055 A2=700.3x700.3x700.2x600.2=61.985 A3=700.3x800.3x700.2x600.2=65.527
Dari hasil diatas, maka A1 merupakan alternatif pilihan terbaik yaitu Lembaga Bimbingan Belajar Ganesha Operation (GO).
2.4. Relevansi
Beberapa contoh penelitian tentang Sistem Pendukung Keputusan dan implementasi metode Simple Additive Weighting maupun Weighted Product Model adalah sebagai berikut:
1. M.Fajrul Falah Siregar (2010), membuat penelitian yang berjudul Implementasi Metode Simple Additive Weighting (SAW) Dalam Pemilihan Siswa Berprestasi (Studi Kasus: MIN Tanjung Sari Medan Selayang). Hasil penelitian yang diperoleh adalah sebuah Sistem Pendukung Keputusan untuk menentukan pemilihan siswa berprestasi.
BAB 1
PENDAHULUAN
1.1Latar Belakang
Pendidikan merupakan kebutuhan yang bagi semua orang karena dengan pendidikan semua orang mampu bersaing di Indonesia maupun dunia. Pendidikan bisa digolongkan menjadi pendikan formal dan nonformal. Untuk mendapatkan pendidikan formal yang berkualitas kita bersekolah dari TK, SD, SMP, SMA, lalu Perguruan Tinggi, sedangkan nonformal dapat kita perolehmelalui kursus atau pelatihan.
Pada masa-masa sekolah tidak jarang kita mengalami kesulitan belajar, apalagi sekarang ini siswa dituntut lebih aktif lagi dalam proses belajar mengajar. Sampai saat ini banyak pelajar atau siswa yang mencari bimbingan belajar diluar sekolah. Melihat keadaan tersebut banyak lembaga belajar menawarkan jasa pendidikan tambahan, lembaga tersebut biasanya disebut dengan istilah bimbel (bimbingan belajar), kursus ataupun les. Lembaga tersebut juga menyediakan sarana prasarana yang berbeda-beda sesuai dengan si pelajar, sehingga mereka bisa memilih lembaga bimbingan belajar yang tepat.
Pertumbuhan lembaga bimbingan belajar di kota Medan ini sangat pesat seperti lembaga bimbingan belajar GO (Ganesha Operation), Primagama, BIMA, Adzkia, MEDICA dll. Jadi dalam menyelesaikan persoalan tersebut, diperlukan cara atau metode tertentu yang tepat untuk menyelesaikan permasalahan tersebut. Metode tersebut nantinya akan diimplementasikan kedalam Sistem Pendukung Keputusan yang akan dibuat sehingga diharapkan mampu menyelesaikan permasalahan yang ada.
Sistem pendukung keputusan memiliki berbagai metode yang sering diterapkan seperti PROMETHEE, ELECTREE,Simple Additive Weighting (SAW),
Analytical Hierarchy Process (AHP), Technique for Order Preference by Similiarity
to Ideal Solution (TOPSIS) dan lain-lain yang dapat membantu dalam menyelesaikan
Pada penelitian kali ini metode yang dipilih dalam pembangunan sistem pemilihan bimbingan belajar adalah metode Simple Additive Weighting (SAW) dan
Weighted Product Model (WPM).Metode Simple Additive Weighting (SAW) adalah
sering juga dikenal dengan istilah metode terbobot.Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif dari semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat dibandingkan dengan semua rating alternatif yang ada (Kusumadewi, 2006). Sedangkan Weighted Product Model (WPM) metode penyelesaian dengan menggunakan perkalian untuk menghubungkan rating atribut, dimana rating harus dipangkatkan terlebih dahulu dengan bobot atribut yang bersangkutan.
1.2 Rumusan Masalah
Masalah yang akan dibahas pada penelitian ini adalah bagaimana rancangan suatu sistem pendukung keputusan untuk memilih bimbingan belajar di kota Medan sesuai keinginan user dengan metode Simple Additive Weighting (SAW) dan Weighted
Product Model (WPM).
1.3 Batasan Masalah
Berdasarkan latar belakang di atas maka ada beberapa hal yang dapat dijadikan batasan masalah yaitu :
1. Penelitian hanya membahas implementasi metode SAW dan WPM.
2. Kriteria yang digunakan untuk menentukan keputusan adalah Biaya, fasilitas, Jumlah Pertemuan, Jumlah Lulus ke PTN, Rasio Pengajar dari Lembaga Bimbingan Belajar.
3. Biaya yang ditentukan hanya biaya menengah atau reguler.
4. Parameter yang dibandingkan adalah Real Time Calculation dan akurasi dari kedua metode ini.
5. Sistem yang akan dibangun hanya untuk menentukan pemilihan bimbingan belajar yang berada dikota Medan.
7. Sistem yang akan dibangun adalah Sistem Pendukung Keputusan berbasis desktop dengan C# Development dan Database Management System MySQL.
1.4 Tujuan Penelitian
Tujuan penelitian ini adalah membuat suatu sistem pendukung keputusan berbasis desktop dengan mengimplementasikan metode SAW dan WPM yang dapat memberikan hasil pengolahan data dan menjadi sebuah informasi lembaga bimbingan belajar yang paling tepat cocok dan sesuai dengan bobot kriteria yang telah ditentukan.
1.5 Manfaat Penelitian
Manfaat yang diharapkan dari penelitian ini adalah untuk membantu userdalam pemilihan bimbingan belajar yang sesuai dengan kriteria yang sudah ditentukan.
1.6 Metode Penelitian
Penelitian ini dilakukan dengan menerapkan beberapa metode penelitian sebagai berikut:
1. Studi Literatur
Pada tahap ini dilakukan pengumpulan referensi yang diperlukan dalam penelitian.Hal ini dilakukan untuk memperoleh informasi dan data yang diperlukan untuk penulisan skripsi ini.Referensi yang digunakan dapat berupa buku, jurnal, artikel, blog, situs internet yang berkaitan dengan penelitian ini. 2. Pengumpulan dan Analisis Data
Pada tahap ini dilakukan pengumpulan dan analisis data pada masing-masing lembaga bimbingan belajar tersebut serta data lainnya yang diperlukan dan berkaitan dengan penelitian ini.
3. Kuesioner
Pada tahap ini dilakukan pengumpulan data dari beberapa siswa yang mengikuti bimbingan belajar untuk mendapatkan nilai dari setia bimbingan belajar dengan kriteria yang telah ditentukan.
Merancang sistem dengan rencana yang telah ditentukan, yaitu meliputi perancangan sistem, database, dan Graphic User Interface. Proses perancangan ini berdasarkan pada batasan-batasan masalah dari penelitian ini.
5. Implementasi Sistem
Penyelesaian desain yang telah dirancang, baik sistem, database, dan Graphic
User Interface.
6. Pengujian Sistem
Pada tahap akan dilakukan pengujian terhadap sistem yang telah dikembangan. 7. Dokumentasi Sistem
Melakukan pembuatan dokumentasi sitem mulai dari tahap awal hingga pengujian sistem, untuk selanjutnya dibuat dalam bentuk laporan penelitian (skripsi).
1.7Sistematika Penelitian
Langkah-langkah dalam menyelesaikan penelitian ini adalah sebagai berikut:
BAB 1 : PENDAHULUAN
Pada bab ini berisi penjelasan mengenai latar belakang masalah, perumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodeologi penelitian dan sistematika penulisan.
BAB 2 : LANDASAN TEORI
Pada bab ini berisi penjelasan mengenai teori – teori yang terkait dengan penelitian ini diantaranya adalah teori Simple Addivie Weighting (SAW) dan Weighted Product
Model (WPM) untuk menyelesaikan pemilihan lembaga bimbingan belajar di kota
Medan.
BAB 3 : ANALISIS DAN PERANCANGAN SISTEM
BAB 4 : IMPLEMENTASI DAN HASIL
Pada bab ini berisi tentang implementasi sistem yang berdasarkan tahapan perancangan dengan menggunakan C# Development. Kemudian dilanjutkan dengan tahapan pengujian sistem untuk menguji apakah sistem sudah berjalan sesuai dengan perancangan.
BAB 5 : KESIMPULAN DAN SARAN
ABSTRAK
Dalam menentukan bimbingan belajar yang ada di kota Medan menjadi suatu masalah untuk siswa-siswa dalam menentukan pilihan ketika kita ingin melaksanakan bimbingan belajar. Berdasarkan kriteria yang telah ditentukan antara lain, Biaya, Fasilitas, Jumlah Pertemuan, Jumlah Lulus Ke PTN, dan Jumlah Pengajar. Sistem ini mengimplementasikan metode Simple Additive Weighting (SAW) dan Weighted
Product Model (WPM), di mana dengan metode SAW masalah yang kompleks dapat
dengan mudah disederhanakan sehingga mempercepat proses keputusan, metode WPM merupakan metode dengan cara perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan. Hasil perhitungan kedua metode akan dibandingan dengan data dari setiap masing-masing lembaga bimbingan belajar di kota Medan. Berdasarkan metode
Simple Additive Weighting Ganesha Operation (GO) terpilih sebagai bimbingan
belajar terbaik. Sedangkan metode Weighted Product Model Quantum yang terpilih menjadi bimbingan belajar terbaik.
Kata Kunci: Sistem pendukung keputusan, Simple Additive Weighting, Weighted
Product Model, Lembaga Bimbingan belajar.
IMPLEMENTATION OF SIMPLE ADDITIVE WEIGHTING AND WEIGHTED PRODUCT MODEL METHOD ELECTION IN LEARNING
COURSE IN MEDAN CITY
ABSTRACT
In determining the learning guidance in Medan becomes a problem for the students to make a choice when they want to carry out the learning guidance. Based on the criteria that have been chosen such as fees, facilities, number of meeting, number of students who passed into universities, and the number of teachers. This system uses Simple Additive Weigthing method (SAW) and Weighted Product Model (WPM), in which by using the SAW method, the complex problems can easily be simplified so that it can speed up the decision process, while WPM is a method by means of multiplication to connect rating attributes, where each attribute rating should be raised first with the corresponding attribute weights. The result of the two calculation method will be compared with data from each individual tutoring agencies in Medan. Based on the result of studies by using Simple Additive Weighting method, Ganesha Operation (GO) was selected as the best learning guidance. Whereas by using the Weighted Product Model method, the Quantum selected as the best learning guidance.
IMPLEMENTASI METODE SIMPLE ADDITIVE WEIGHTING
DAN WEIGHTED PRODUCT MODEL DALAM PEMILIHAN
LEMBAGA BIMBINGAN BELAJAR DI KOTA MEDAN
SKRIPSI
M. PRISTIAN R.
101401064
PROGRAM STUDI S-1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : IMPLEMENTASI METODE SIMPLE ADDITIVE
WEIGHTING DAN WEIGHTED PRODUCT MODEL DALAM PEMILIHAN LEMBAGA BIMBINGAN BELAJAR DI KOTA MEDAN
Kategori : SKRIPSI
Nama : M. PRISTIAN R.
Nomor Induk Mahasiswa : 101401064
Program Studi : S-1 ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing :
Pembimbing II Pembimbing I
Dian Rachmawati, S.Si, M.Kom Dr. Poltak Sihombing, M.Kom NIP. 19830723 200912 2 004 NIP. 19620217 199103 1 001
Diketahui/disetujui oleh
Program Studi S-1 Ilmu Komputer Ketua,
PERNYATAAN
IMPLEMENTASI METODE SIMPLE ADDITIVE WEIGHTING DAN WEIGHTED
PRODUCT MODEL DALAM PEMILIHAN LEMBAGA
BIMBINGAN BELAJAR DI KOTA MEDAN
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, September 2016
KATA PENGHARGAAN
Segala puji dan syukur penulis ucapkan kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-Nya kepada penulis sehingga dapat menyelesaikan skripsi ini tepat waktu sesuai dengan instruksi dan peraturan yang berlaku di Fakultas Ilmu Komputer dan Teknologi Informasi serta shalawat dan salam penulis hadiahkan kepada Nabi Besar Muhammad SAW.
Dalam penyusunan dan penulisan skripsi ini, penulis banyak mendapat bantuan, dukungan, dan bimbingan dari berbagai pihak. Pada kesempatan ini penulis ingin mengucapkan rasa terima kasih dan penghargaan kepada:
1. Bapak Prof. Dr. Runtung Sitepu, SH, M.Hum selaku Rektor Universitas Sumatera Utara.
2. Bapak Prof. Dr. Opim Salim Sitompul, M.Sc sebagai Dekan Fakultas Ilmu Komputer dan Teknologi Informasi.
3. Bapak Dr. Poltak Sihombing, M.Kom sebagai Ketua Program Studi S1 Ilmu Komputer dan sekaligus sebagai Dosen Pembimbing I.
4. Ibu Dr. Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi Ilmu Komputer.
5. Ibu Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing II, yang telah meluangkan waktu, tenaga, dan pikiran dalam membimbing, mengarahkan, memotivasi, menasehati, serta memberi semangat kepada penulis supaya dapat menyelesaikan skripsi ini.
6. Bapak M. Andri Budiman, S.T.,M.Comp.Sc.,M.E.M selaku Dosen Pembanding I. 7. Bapak Jos Timanta Tarigan, S.Kom., M.Sc selaku Dosen Pembanding II.
8. Seluruh staf pengajar dan pegawai Fakultas Ilmu Komputer dan Teknologi Informasi.
10. Partner yang penulis kasihi, Hari Rahman Nihe, Alfrid Iskandar, Suhaili Hamdi, Danny Rizky, Hengky, Bowo, Arep Try, Mego Suntoro, Andri Agassi, Ahmad Rasyidi, Dwi Rizky, Ali Huseini dan partner 2010 lainnya.
11. Sahabat saya yang selalu mendoakan, memotivasi, dan memberi support kepada saya Ilham Hakim, Ichwan, Bily, Abangda Helmi.
12. Orang yang spesial yang selalu memberi semangat kepada saya Fitri Aryani. 13. Teman-teman seminar hasil Hengky, Suhaili Hamdi, Abdul Rahman, Maslia,
Sengli, Siti Aisyah, Fanny, Nevo, Lili Anggraini yang sudah berjuang bersama saya untuk melewati seminar hasil ini.
Penulis menyadari bahwa skripsi ini masih memiliki banyak kekurangan, baik dari segi teknik, tata penyajian ataupun dari segi tata bahasa. Oleh karena itu penulis bersedia menerima kritik dan saran dari pembaca dalam upaya perbaikan skripsi ini. Semoga skripsi ini dapat bermanfaat bagi penulis dan pembaca, khususnya rekan-rekan mahasiswa lainnya yang mengikuti perkuliahan di Universitas Sumatera Utara.
Medan, September 2016 Penulis,
ABSTRAK
Dalam menentukan bimbingan belajar yang ada di kota Medan menjadi suatu masalah untuk siswa-siswa dalam menentukan pilihan ketika kita ingin melaksanakan bimbingan belajar. Berdasarkan kriteria yang telah ditentukan antara lain, Biaya, Fasilitas, Jumlah Pertemuan, Jumlah Lulus Ke PTN, dan Jumlah Pengajar. Sistem ini mengimplementasikan metode Simple Additive Weighting (SAW) dan Weighted
Product Model (WPM), di mana dengan metode SAW masalah yang kompleks dapat
dengan mudah disederhanakan sehingga mempercepat proses keputusan, metode WPM merupakan metode dengan cara perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan. Hasil perhitungan kedua metode akan dibandingan dengan data dari setiap masing-masing lembaga bimbingan belajar di kota Medan. Berdasarkan metode
Simple Additive Weighting Ganesha Operation (GO) terpilih sebagai bimbingan
belajar terbaik. Sedangkan metode Weighted Product Model Quantum yang terpilih menjadi bimbingan belajar terbaik.
Kata Kunci: Sistem pendukung keputusan, Simple Additive Weighting, Weighted
Product Model, Lembaga Bimbingan belajar.
IMPLEMENTATION OF SIMPLE ADDITIVE WEIGHTING AND WEIGHTED PRODUCT MODEL METHOD ELECTION IN LEARNING
COURSE IN MEDAN CITY
ABSTRACT
In determining the learning guidance in Medan becomes a problem for the students to make a choice when they want to carry out the learning guidance. Based on the criteria that have been chosen such as fees, facilities, number of meeting, number of students who passed into universities, and the number of teachers. This system uses Simple Additive Weigthing method (SAW) and Weighted Product Model (WPM), in which by using the SAW method, the complex problems can easily be simplified so that it can speed up the decision process, while WPM is a method by means of multiplication to connect rating attributes, where each attribute rating should be raised first with the corresponding attribute weights. The result of the two calculation method will be compared with data from each individual tutoring agencies in Medan. Based on the result of studies by using Simple Additive Weighting method, Ganesha Operation (GO) was selected as the best learning guidance. Whereas by using the Weighted Product Model method, the Quantum selected as the best learning guidance.
DAFTAR ISI
1.5Manfaat Penelitian 3
1.6Metodologi Peneltian 3
1.7Sistemeatika penulisan 4
Bab 2 Landasan Teori
Bab 3 Analisis dan Perancangan Sistem
3.1 Analisis Sistem 18
3.1.1 Analisis Masalah 18
3.1.2 Analisis Kebutuhan Sistem 19
3.1.2.1 Persyaratan Fungsional 19
3.1.2.2 Persyaratan Non Fungsional 20
3.2 Pemodelan Visual Menggunakan Unified Modeling Language (UML) 20
3.2.1 Identifikasi Use Case Diagram 20
3.2.2 Identifikasi Activity Diagram 22
3.2.3 Identifikasi Sequence Diagram 23
3.3 Flowchart 26
3.4 Perancangan Antarmuka Aplikasi 27
Bab 4 Implementasi dan Pengujian Sistem
4.1 Implementasi Sistem 31
4.1.2 Implementasi Metode Simple Additive Weighting 31 4.1.3 Implementasi Metode Weighted Product Model 31
4.3. Antarmuka Sistem 34
4.3.1 Tampilan Input Data 34
4.3.2 Tampilan Menu Perhitungan dengan SAW 35 4.3.3 Tampilan Menu Perhitungan dengan WPM 36
4.4.2 Tampilan Menu Tentang 37
4.4 Pengujian Sistem 38
Bab 5 Kesimpulan dan Saran
5.1 Kesimpulan 42
5.2 Saran 42
DAFTAR TABEL
Hal
Tabel 1.1 Nilai Contoh SAW 13
Tabel 1.2 Hasil Normalisasi 13
Tabel 1.3 Data Tempat Lembaga Bimbingan Belajar Di Kota Medan 16
Tabel 1.4 Pemberian Bobot 16
Tabel 3.1 Use Case Proses Pemilihan Lembaga Bimbingan Belajar Di Kota
Medan Dengan Metode SAW 21
Tabel 3.2 Use Case proses Pemilihan Lembaga Bimbingan Belajar Di Kota
Medan Dengan Metode WPM 21
Tabel 4.1 Sampel Data Lembaga Bimbingan Belajar Di Kota Medan Periode
2015/2016 32
Tabel 4.2 Nilai Bobot Kriteria 33
Tabel 4.3 Pemangkatan Nilai Kriteria Alternatif Dengan Bobot Kriteria 33
DAFTAR GAMBAR
Hal Gambar 1.1 Arsitektur Sistem Pendukung Keputusan 7 Gambar 1.2 Flowchart Metode Simple Additive Weighting 12 Gambar 1.3 Flowchart Metode Weighted Product Model 15 Gambar 3.1 Diagram Ishikawa Analisis Masalah Sistem 19 Gambar 3.2 Use Case Diagram Sistem Pendukung Keputusan Perhitungan
Pemilihan Lembaga Bimbingan Belajar Di Kota Medan 20 Gambar 3.3 Activity Diagram Untuk Proses Perhitungan Dengan Metode
Simple Additive Weighting 22
Gambar 3.4 Activity Diagram Untuk Proses Perhitungan Dengan Metode
Weighted Product Model 23
Gambar 3.5 Sequence Diagram Untuk Proses Perhitungan Dengan Metode
Simple Additive Weighting 24
Gambar 3.6 Sequence Diagram Untuk Proses Perhitungan Dengan Metode
Weighted Product Model 25
Gambar 3.7 Flowchart Sistem Pendukung Keputusan Dalam Pemilihan
Lembaga Bimbingan Belajar Di Kota Medan 26
Gambar 3.8 Antarmuka Input Data 27
Gambar 3.9 Antarmuka Perhitungan Kedua Metode 29
Gambar 4.1 Tampilan Menu Input Data 35
Gambar 4.2 Tampilan Menu Perhitungan Dengan SAW 36 Gambar 4.3 Tampilan Menu Perhitungan Dengan WPM 37
Gambar 4.4 Tampilan Menu Tentang 38
DAFTAR LAMPIRAN
Listing Program A-1
