Fakultas Ilmu Komputer
Universitas Brawijaya
2109
Implementasi Metode Fuzzy Analytic Hierarchy Process (F-AHP) Dalam
Penentuan Peminatan di MAN 2 Kota Serang
Muhammad Fajri1, Rekyan Regasari Mardhi Putri2, Lailil Muflikhah3
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya
Email: 1mfajri20@gmail.com, 2rekyan.rmp@ub.ac.id,
lailil@ub.ac.id
Abstrak
Program peminatan diperkenalkan sebagai upaya untuk lebih mengarahkan siswa berdasarkan bakat, minat, dan kemampuan akademiknya. Terdapat empat kelompok peminatan di Madrasah Aliyah Negeri 2 Kota Serang, yaitu IPA, IPS, Bahasa, dan Agama. Peminatan IPA diperuntukkan bagi siswa yang memiliki kecenderungan dalam ilmu pasti. Peminatan IPS diperuntukkan bagi siswa yang memiliki kecenderungan ilmu sosial. Peminatan Bahasa diperuntukkan bagi siswa yang memiliki kecenderungan gemar berbahasa. Dan peminatan Agama diperuntukkan bagi siswa yang memiliki kecenderungan ilmu agama. Dalam penentuan peminatan siswa, MAN 2 Kota Serang menggunakan lima aspek peminatan diantaranya nilai penerimaan peserta didik baru (PPDB), nilai ujian nasional, nilai rapor, hasil tes psikologi, dan minta peserta didik. Namun di dalam penentuan peminatan belum ada standardisasi pembobotan dalam setiap aspek peminatan sehingga hasil yang diperoleh tidak
maksimal. Fuzzy Analytical Hierarchy Process (F-AHP) sanggup mengatasi kelemahan pada kriteria
yang memilki sifat subjektif lebih banyak pada metode AHP. Logika Fuzzy sendiri adalah logika yang
memiliki nilai kesamaran antara dua nilai. Pada penelitian ini, akurasi yang dihasilkan adalah 76,67% dengan 30 data uji untuk penentuan peminatan di MAN 2 Kota Serang.
Kata kunci: Fuzzy, AHP, Fuzzy Analytical Hierarchy Process (F-AHP), Peminatan peserta didik
Abstract
Specialization programs are introduced as an effort to better lead students based on their talents, interests, and academic abilities. There are four groups of specialization in Madrasah Aliyah Negeri 2 Kota Serang, namely IPA, IPS, Language, and Religion. The specialization of IPA is for students who have a tendency in the science of certainty. IPS specialization is for students with social science tendencies. Language specialization is for students who have a tendency to speak the language. And religious interest is for students who have religious inclination. In the determination of student interest, MAN 2 Kota Serang uses five aspects of specialization such as the value of acceptance of new learners (PPDB), the value of national examination, the value of report cards, the results of psychological tests, and ask students. But in the determination of specialization there is no standardization of weighting in every aspect of specialization so that the results obtained are not maximal. Fuzzy Analytical Hierarchy Process (F-AHP) is able to overcome the weaknesses in criteria that have more subjective properties on the AHP method. Fuzzy logic itself is a logic that has a value of disguise between two values. In this study, the resulting accuracy is 76.67% with 30 test data for the determination of specialization in MAN 2 Kota Serang.
Keywords:
Student interest,
fuzzy, AHP, Fuzzy Analytical Hierarchy Process (F-AHP),.1. PENDAHULUAN
Penyelenggaraan program peminatan
kurikulum 2013 SMA/MA dilaksanakan di kelas X semester satu. Pemilihan peminatan yang diselenggarakan di SMA/MA merupakan salah satu faktor yang sangat penting dan besar dampaknya bagi masa depan siswa. Hal ini
disebabkan peminatan akan menggiring siswa untuk memilih jurusan di perguruan tinggi yang
kelak akan mengarahkan siswa untuk
menentukan dan memilih profesi kedepannya. Program peminatan diperkenalkan sebagai
upaya untuk lebih mengarahkan siswa
berdasarkan bakat, minat, dan kemampuan
peminatan di Madrasah Aliyah 2 Kota Serang, yaitu IPA, IPS, Bahasa, dan Agama. Peminatan IPA diperuntukkan bagi siswa yang memiliki kecenderungan dalam ilmu pasti. Peminatan IPS diperuntukkan bagi siswa yang memiliki kecenderungan ilmu sosial. Peminatan Bahasa diperuntukkan bagi siswa yang memiliki
kecenderungan gemar berbahasa. Dan
peminatan Agama diperuntukkan bagi siswa yang memiliki kecenderungan ilmu agama.
Dalam penentuan peminatan siswa, MAN 2 Kota Serang menggunakan lima aspek peminatan diantaranya nilai penerimaan peserta didik baru (PPDB), nilai ujian nasional, nilai rapor, hasil tes psikologi, dan minta peserta didik. Namun di dalam penentuan peminatan belum ada standardisasi pembobotan dalam setiap aspek peminatan sehingga hasil yang diperoleh tidak maksimal.
Oleh karena itu, pada penelitian ini
penentuan kelompok peminatan siswa
dilakukan dengan menggunakan model/sistem pendukung keputusan yang dapat menentukan kelompok peminatan siswa yang sesuai dengan kriteria yang ditetapkan oleh pihak sekolah atau pengambil keputusan. Salah satu metode yang dapat digunakan untuk mendukung sistem
pendukung keputusan adalah Analytical
Hierarchy Process (AHP).
AHP ialah metode yang memperhatikan faktor-faktor subyektifitas seperti persepsi,
preferensi, pengalaman, dan intuisi.
(Mahargiyak,2013) Metode AHP
memungkinkan individu untuk secara eksplisit menentukan peringkat kriteria terhadap satu sama lain untuk tujuan memilih prioritas, penataan masalah dari tujuan utama untuk tingkat sekunder kriteria dan alternatif (Chang Dkk., 2008). Meskipun metode AHP banyak digunakan untuk menyelesaikan permasalahan dalam pengambilan keputusan (Cheng, 1997 ; Chan dkk., 2000), namun metode AHP memiliki kelemahan. Metode AHP memiliki
ketidakpastian dalam skala AHP yang
berbentuk nilai crisp.
Untuk menutupi kelemahan dari metode AHP, terdapat suatu metode dengan pendekatan konsep Triangular Fuzzy Number (TFN) terhadap skala AHP, metode tersebut ialah Fuzzy Analytical Hierarchy Process (F-AHP). selain itu F-AHP sanggup mengatasi kelemahan pada kriteriayang memiliki sifat subjektif lebih banyak pada metode AHP.
Berdasarkan penelitian Sistem Pendukung Keputusan sebelumnya yang menggunakan
metode Fuzzy Analytical Hierarchy Process (F-AHP), seperti Implementasi Metode Fuzzy Analytical Hierarchy Process (F-AHP) untuk Pemilihan Sumber Daya Manusia dalam
Kepanitiaan Organisasi Mahasiswa
(Mahargiyak, 2013). Dalam penelitian tersebut membahas tentang pemilihan sumberdaya
manusia dalam kepanitiaan organisasi
mahasiswa dengan studi kasus pemilihan Panitia PEMILWA 2013 PTIIK UB. Pada penelitian tersebut mempunyai tingkat akurasi keberhasilan yang cukup baik yaitu sebesar 89.28%.
Berdasarkan tulisan dan penelitian yang sudah dijelaskan diatas dan kelebihan metode serta keakuratan dari metode yang akan digunakan, sehingga pada penelitian ini akan dibuatlah sebuah sistem “Pendukung Penentuan
peminatan Menggunakan Metode Fuzzy
Analytical Hierarchy Process” di MAN 2 Kota Serang. Dan diharpkan dapat membantu
Instansi dalam pengambilan keputusan
menentukan kelompok peminatan siswa yang tepat sesuai dengan kemampuan, minat, dan bakat serta prestasi akademik.
2. TINJAUAN PUSTAKA
2.1. Pengertian Peminatan Peserta Didik
Sebelum kurikulum 2013, pendidikan di SMA dan SMK memiliki program penjurusan peserta didik yang mana pada bangku SMA dilaksanakan pada kelas XI dan pada bangku SMK dilaksanakan pada awal penerimaan.
Peminatan peserta didik sendiri adalah pemilihan peminatan pembelajaran berdasarkan keinginan peserta didik yang terdapat dalam suatu instansi pendidikan yang berfungsi untuk membantu dan memfasilitasi peserta didik dalam proses keberhasilan dalam belajar mengajar sebagaimana juga merupakan tujuan pendidikan nasional.
2.2. Macam Peminatan Peserta Didik
Pada peserta didik MAN 2 Kota Serang, terdapat empat macam peminatan peserta didik yaitu peminatan Ilmu Pengetahuan Alam (IPA) , Peminatan ilmu pengetahuan sosial (IPS), Peminatan ilmu budaya dan Bahasa (IBB), Peminatan Agama.
2.3. Aspek Peminatan
Pada proses pemilihan dan penetapan peminatan peserta didik yang dilakukan di
MAN 2 Kota Serang, aspek yang dipertimbangkan adalah aspek: hasil penilaian penerimaan peserta didik baru yang terdiri dari nilai PPDB IPA, nilai PPDB IPS, nilai PPDB bahasa, dan nilai PPDB agama. Prestasi belajar (rapor) terdiri dari nilai rapor IPS dan rapor agama, nilai ujian nasional yang terdiri dari nilai UN IPA, nilai UN matematika, nilai UN Bahasa Indonesia dan nilai UN Bahasa Inggris, hasil psikotes, dan pernyataan minat peserta didik.
2.4. Analytical Hierarchy Process (AHP)
Analytical Hierarchy Process (AHP) diperkenalkan oleh DR.Thomas L. Saaty di awal tahun 1970. Pada saat itu, AHP digunakan untuk mendukung pengambilan keputusan pada beberapa organisasi dan perusahaan.
AHP merupakan prosedur yang memiliki basis matematis sangat baik dan sesuai untuk
mengevaluasi berbagai atribut kualitatif.
Atribut-atribut tersebut secara matematik
dikuantitatifkan dalam sebuah perbandingan berpasangan, yang kemudian digunakan untuk
pengembangan berbagai prioritas secara
keseluruhan untuk penyusunan
alternatif-alternatif pada urutan ranking/prioritas.
Langkah-langkah metode AHP, adalah sebagai berikut (Kusrini, 2007).
1. Mendefinisikan masalah dan menentukan
solusi kedalam struktur hirarki.
2. Membuat perbandingan berpasangan.
Tabel 1. Skala Penilaian Kepentingan Intensitas
Kepentingan Keterangan
1 Kedua elemen sama penting 3 Elemen yang satu lebih penting dari
elemen yang lainnya 5 Elemen yang satu lebih penting
daripada yang lainnya 7 Satu elemen jelas lebih mutlak
penting daripada elemen lainnya 9 Satu elemen mutlak penting penting
daripada elemen lainnya 2, 4, 6, 8
Nilai diantara dua nilai pertimbangan-pertimbangan yang
berdekatan
Kebalikan
Nilai Kebalikan, A(I,j)=1/A(j,i). Dimana A adalah matriks perbandingan berpasangan antar elemen baik kriteria, sub kriteria
maupun alternatif tujuan.
3. Menentukan prioritas elemen.
Tahap dalam menentukan prioritas elemen
adalah :
menyusun matriks perbandingan
berpasangan, yaitu membandingkan elemen secara berpasangan sesuai kriteria yang diberikan.
Matriks perbandingan berpasangan diisi
dengan menggunakan bilangan untuk
merepresentasikan kepentingan relatif dari setiap elemen.
Tabel 2. Susunan Matriks Perbandingan Berpasangan C1 C2 … Ci C1 1 C12 ... Cji C2 Cij 1 ... Cji ... ... ... … Cji Cj Cij Cij Cij 1
Formula perhitungan untuk mengisi kolom Cij adalah dengan Persamaan 1.
𝐶𝑖𝑗 = 1
𝐶𝑗𝑖 (1)
4. Normalisasi Matriks
Langkah normalisasi matriks adalah :
Menjumlahkan nilai-nilai dari setiap kolom
pada matriks.
Membagi setiap nilai dari kolom dengan
total kolom yang bersangkutan untuk
memperoleh normalisasi matriks.
Perhitungan normalisasi matriks
menggunakan persamaan 2.
Nilai elemen baru =Nilai elemen matriks
Jumlah kolom elemen (2)
5. Pembobotan (Eigen Vektor)
Pembobotan dengan menjumlahkan nilai
dari setiap baris dan membaginya dengan
jumlah kriteria dengan persamaan 3.
Bobot Prioritas = Jumlah baris
Jumlah kriteria (3)
6. Mengukur konsistensi
Bertujuan untuk mengetahui seberapa baik konsistensi yang ada karena kita tidak
menginginkan keputusan berdasarkan
pertimbangan dengan konsistensi yang rendah. Tahap-tahap dalam mengukur konsistensi adalah sebagai berikut :
Mengalikan setiap nilai pada kolom pertama
dengan prioritas relatif elemen pertama, nilai kolom kedua dengan prioritas relatif elemen kedua, dan seterusnya.
Tiap baris dijumlahkan dan hasilnya dibagi
Hasil bagi tersebut dijumlahkan untuk
mendapatkan nilai λmax. Untuk menghitung
λmax menggunakan persamaan (4).
λ max =𝑏𝑜𝑏𝑜𝑡 𝑝𝑟𝑖𝑜𝑟𝑖𝑡𝑎𝑠 (𝐴𝑋)
𝑏𝑜𝑏𝑜𝑡 𝑘𝑟𝑖𝑡𝑒𝑟𝑖𝑎 (𝑋) (4)
7. Menghitung Consistency Index (CI)
menggunakan persamaan (5).
𝐶𝐼 =λ max − 𝑛
𝑛−1 (5)
8. Menghitung Consitency Ratio (CR)
menggunakan persamaan (6). 𝐶𝑅 =𝐶𝐼 𝑅𝐼 (6) Dimana : CR = Consistency Ratio CI = Consistency Index
RI = Random Consistency Index
Ratio index (RI) yang umum digunakan untuk setiap ordo matriks ditunjukkan pada tabel 3.
Tabel 3. Tabel Random Consistency Index
N RI 1 0 2 0 3 0,58 4 0,9 5 1,12 6 1,24 7 1,32 8 1,41 9 1,45 10 1,49 11 1,51 12 1,48 13 1,56 14 1,57 15 1,59
Memeriksa konsistensi hierarki
berdasarkan tabel ratio index. Jika nilai < 0,1
maka hasil perhitungan bisa dinyatakan benar, namun jika > 0,1 maka penilaian data harus diperbaiki.
2.5. Logika Fuzzy
Logika fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Logika ini memiliki nilai kesamaran antara benar. Dalam himpunan tegas, nilai keanggotaan
hanya mempunyai dua kemungkinan, yaitu 0 atau 1. Himpunan fuzzy menyediakan cara yang efektif untuk mengatasi ketidakpastian selain teori probabilitas karena terdapat kemungkinan terjadinya keangotaan sebagian.
2.6. Fuzzy Analytical Hierarchy Process (F-AHP)
F-AHP merupakan gabungan metode AHP dengan pendekatan konsep Fuzzy. F-AHP menutupi kelemahan yang terdapat pada AHP, yaitu permasalahan terhadap kriteria yang
memiliki sifat subjektif lebih banyak.
Ketidakpastian bilangan direpresentasikan
dengan urutan skala.
Penentuan derajat
keanggotaan
Fuzzy
AHP
yang
dikembangkan
menggunakan
fungsi
keanggotaan segitiga (Triangular
Fuzzy
Number/TFN). Fungsi keanggotaan segitiga
merupakan gabungan antara dua garis
(linear). langkah-langkah metode
Fuzzy
AHP, adalah:
1. Membuat struktur hirarki masalah yang akan
diselesaikan dan menentukan perbandingan matriks berpasangan antar kriteria dengan
skala TFN
seperti pada Tabel 4
.Tabel 4. Tabel Fuzzifikasi Perbandingan antar Dua Kriteria
Skala AHP
Skala Fuzzy Invers Skala Fuzzy 1 1= (1,1,1) = jika diagonal (1,1,3) = selainnya (1/3, 1/1, 1/1) 3 3 = (1,3,5) (1/5, 1/3, 1/1) 5 5 = (3,5,7) (1/7, 1/5, 1/3) 7 5 = (3,5,7) (1/9, 1/7, 1/5) 9 9 = (7,9,9) (1/9, 1/9, 1/7) 2 4 6 8 2 = (1,2,4) 4 = (2,4,6) 6 = (4,6,8) 8 = (6,8,9) (1/4, 1/2, 1/1) (1/6, 1/4, 1/2) (1/8, 1/6, 1/4) (1/9, 1/8, 1/6)
Skala fuzzifikasi perbandingan
kepentingan antara dua kriteria dapat digambarkan dalam bentuk grafik seperti pada gambar 1.
Gambar 1. Grafik Fuzzifikasi Skala F-AHP
2. Menentukan nilai sintesis fuzzy (Si)
prioritas dengan persamaan 7 , 8, dan 9.
𝑺𝒊 = ∑𝒎 𝑴𝒈𝒊𝒋 𝒙 𝒋=𝟏 [ ∑𝒏𝒋=𝟏 ∑ 𝑴𝒈𝒊 𝒋 𝒎 𝒋=𝟏 ]−𝟏 (7) Dimana : ∑𝒎 𝑴𝒈𝒊𝒋 = 𝒋=𝟏 [ ∑𝒎𝒋=𝟏𝒍𝒋, ∑𝒎𝒋=𝟏𝒎𝒋 , ∑𝒎𝒋=𝟏𝒖𝒋 ] (8) Sedangkan, 𝟏 ∑𝒏𝒊=𝟏∑𝒎𝒋=𝟏𝑴𝒊𝒋= ( 𝟏 ∑𝒏𝒊=𝟏𝒖𝒊 , 𝟏 ∑𝒏𝒊=𝟏𝒎𝒊 , 𝟏 ∑𝒏𝒊=𝟏𝒍𝒊 (9)
Dimana ∑𝑗=1 𝑚 𝑀𝑔𝑖𝑗 adalah penjumlahan baris
pada matriks berpasangan, 𝑀𝑖 𝑗𝑚 𝑗=1 𝑛 𝑖=1
adalah penjumlahan kolom pada perbandingan matriks berpasangan.
Keterangan :
M = Objek (kriteria, subkriteria, atau alternatif) i = baris ke-i, j = kolom ke-j, l = nilai lower, m = nilai medium, u = nilai upper
3. Menentukan nilai vektor (V) dan nilai
ordinat defuzzifikasi (d’). jika hasil yang
didapatkan pada matriks fuzzy, M2 ≥ M1
dimana M1 = (l1, m1, u1) dan M2 = (l2, m2, u2) maka nilai vektor dapat dilihat pada persamaan (10).
V(M2 ≥ M1) =
sup[min(µM1(x), min(µM2(y)))] (10)
Dimana sub merupakan batas atas terkecil dari hasil minimal vector. Atau seperti yang ditunjukkan pada persamaan (11) untuk menentukan nilai vektor.
𝑽(𝑴𝟐 ≥ 𝑴𝟏) = { 𝟏 𝒊𝒇 𝒎𝟐≥𝒎𝟏 𝟎 𝒊𝒇 𝒍𝟏≥𝒖𝟐 𝒍𝟏−𝒖𝟐 (𝒎𝟐−𝒖𝟐)−(𝒎𝟏−𝒍𝟏), 𝒍𝒂𝒊𝒏𝒏𝒚𝒂 (11)
Jika hasil nilai fuzzy lebih besar dari k,
Mi, (i=1,2,,k) maka nilai vektor dapat
didefinisikan sebagai persamaan (12).
V( M ≥ M1, M2, ….., Mk) = V (M ≥ M1) dan V(M ≥ M2) dan
V (M ≥ Mk) = min V(M ≥ Mi) (12)
Ordinat defuzzyfikasi didefinisikan pada persamaan (13).
d’(Ai) = min V (Si ≥ Sk) (13)
untuk k = 1,2,…, n; k ≠ i, maka diperoleh nilai bobot vektor seperti pada persamaan (14).
W’ = (d’(A1), d’(A2),…, d’(An))T (14)
Dimana Ai = 1,2,…n adalah vektor fuzzy
(W)
4. Normalisasi nilai bobot vektor fuzzy (W)
Setelah dilakukan normalisasi dari
persamaan (2.20) maka nilai bobot vektor
yang ternormalisasi adalah seperti
persamaan (15):
W (d(A1), d(A2),…, d(An),)T (15)
2.7. Akurasi
Akurasi merupakan seberapa dekat suatu angka hasil pengukuran terhadap angka sebenarnya. Dalam penelitian ini akurasi keputusan dihitung dari jumlah keputusan yang tepat dibagi dengan jumlah data yang diuji. Tingkat akurasi diperoleh dengan persamaan (16).
𝐴𝑘𝑢𝑟𝑎𝑠𝑖(%) =∑ 𝐷𝑎𝑡𝑎 𝑈𝑗𝑖 𝐵𝑒𝑛𝑎𝑟
∑ 𝑇𝑜𝑡𝑎𝑙 𝐷𝑎𝑡𝑎 𝑈𝑗𝑖 x 100% (16) 3. METODOLOGI
menjelaskan metode mengenai langkah-langkah yang digunakan dalam implementasi
metode fuzzy analytic hierarchy proces
(F-AHP) dalam penentuan peminatan di MAN 2 Kota Serang. Untuk lebih jelas dalam memahami alur penelitian dan cara kerja sistem
yang akan dibangun, Metode penelitian pada
bab ini dapat diilustrasikan pada gambar berikut.
Gambar 2 Diagram alur metodologi penelitian
Penjelasan dari diagram alir penelitian adalah sebagai berikut:
1. Studi literatur: menjelaskan dasar teori
yang digunakan untuk menunjang
penulisan penelitian.
2. Analisis kebutuhan dan pengumpulan data:
penentuan kebutuhan apa saja yang diperlukan dalam penyelesaian masalah untuk mementukan pemintan di MAN 2 Kota Serang
3. Perancangan sistem: menjelaskan
mengenai proses-proses yang berjalan pada sistem
4. Implementasi: menjelaskan implementasi
dari penelitian ini sesuai dengan
perancangan.
5. Pengujian: menjelaskan pengujian yang
dilakukan untuk mendapatkan akurasi sistem yang telah dibuat.
6. Kesimpulan: Melakukan evaluasi dan
analisis hasil pengujian terhadap sistem. Kemudian menyimpulkan serta memberi saran yang berkenaan dengan hasil yang telah dicapai guna memperbaiki kesalahan untuk pengembangan yang akan datau atau pengembangan lebih lanjut
Secara umum alur proses penerapan metode F-AHP untuk peminatan dapat digambarkan kedalam bentuk flowchart pada gambar 3.
Gambar 3 Flowchart Perhitungan F-AHP. 4. HASIL PENELITIAN
Dalam hasil penelitian akan dijelaskan mengenai proses pengujian sistem. sistem diuji
menggunakan pengujian fungsional dan
pengujian akurasi. Pada pengujian fungsional digunakan untuk mengukur apakah metode
fuzzy-AHP yang diterapkan pada sistem berjalan dengan baik. Dan pengujian akurasi digunakan untuk mengukur tingkat akurasi dari hasil yang dihasilkan oleh sistem dengan membandingkan data pakar dengan data
keluaran dari sistem.data yang digunakan
4.1.Pengujian Fungsional
Pengujian fungsional dilakukan untuk
memastikan apakah metode fuzzy-AHP yang
diterapkan pada sistem berjalan baik dan mencari kesalahan atau kekurangan pada sistem dalam penentuan peminatan siswa di MAN 2
Kota Serang. Pengujian fungsional dilakukan
dengan pengujian black box. Pengujian black
box digunakan untuk menguji langkah-langkah
Kriteria_peminatan
Membuat Matriks Perbandingan Berpasangan
Rasio ≤ 0.1
Nilai Bobot Akhir Alternatif Transformasi TFN terhadap Skala
AHP
Menghitung Nilai Sintesis Fuzzy (Si)
Menghitung Nilai Vektor (V) dan Ordinat Defuzzyfikasi (d’)
Normalisasi Bobot Vektor (W)
Menghitung Rasio Konsistensi (CR)
Menghitung Nilai Bobot Alternatif Ya
Tidak Mulai
dari metode fuzzy-AHP dari sistem penentuan
peminatan yang dirancang.Pengujian ini hanya
mengevaluasi hanya dari tampilan luarnya tanpa mengetahui apa yang sesungguhnya terjadi dalam proses detailnya.
4.2 Pengujian Akurasi Sistem
Pengujian akurasi dilakukan untuk
mengetahui performa implementasi metode F-AHP dalam penentuan peminatan di MAN 2 Kota Serang. Pengujian dilakukan dengan membandingkan data hasil keputusan sistem dengan data siswa baru MAN 2 Kota Serang tahun 2016/2017. Pengujian dilakukan dengan cara memasukkan beberapa nilai matriks
perbandingan yang berbeda-beda untuk
mengetahui seberapa besar pengaruh matriks
perbandingan berpasangan terhadap nilai
akurasi yang akan dihasilkan oleh sistem. Diketahui hasil pengujian perbandingan sistem penentuan peminatan siswa dengan hasil yang diperoleh dari data guru BK MAN 2 Kota Serang dengan tingkat akurasi sebesar 63,33%. Proses pengujian akurasi tersebut menggunakan data siswa baru MAN 2 Kota Serang tahun 2016/2017 sebanyak 30 data siswa. Dari hasil peminatan 30 data siswa, keluaran yang dihasilkan sistem tedapat 19 data yang sesuai dan 11 data siswa yang tidak sesuai dengan hasil dari data guru BK MAN 2 Kota Serang.
4.3. Pengujian Pengaruh Bobot Kriteria Terhadap Akurasi
Pada pengujian pengaruh bobot kriteria terhadap akurasi dilakukan pengujian dengan mengubah nilai bobot matriks perbandingan berpasangan sebanyak dua kali dari masing-masing peminatan. Tujuan pengujian ini untuk mendapatkan nilai akurasi yang lebih baik pada penentuan peminatan siswa menggunakan metode fuzzy-AHP.
Pada pengujian ini bobot yang diubah pada setiap matriks perbandingan kriteria peminatan adalah nilai bobot yang berhubungan dengan peminatan tersebut. contoh nilai bobot yang diubah pada percobaan pertama peminatan IPA ialah nilai bobot matriks perbandingan kriteria 1 terhadap kriteria 5 sampai kriteria 15, kriteria 11 terhadap kriteria 1 sampai kriteria 15, kriteria 9 terhadap kriteria 11 sampai kriteria 15, kriteria 10 terhadap kriteria 11 sampai kriteria 15, dan kriteria 12 terhadap kriteria 13
sampai kriteria 15. Contoh Matriks
perbandingan kriteria percobaan pertama
pengujian skenario pengaruh bobot kriteria
terhadap akurasi untuk peminatan IPA
ditunjukkan pada tabel 5.
Tabel 5. Matriks Perbandingan Berpasangan Peminatan IPA Percobaan 1
keterangan:
K1 = PPDB IPA K9 = UN Matematika
K2 = PPDB Bahasa K10 = UN IPA
K3 = PPDB IPS K11 = Psikotes
K4 = PPDB Agama K12 = Minat IPA
K5 = Rapor IPS K13 = Minat IPS
K6 = Rapor Agama K14 = Minat Bahasa
K7 = UN B. Indonesia K15 = Minata Agama K8 = UN B. Inggris
Hasil pengujian percobaan pertama dan kedua dapat dilihat pada tabel 6 dan tabel 7.
Tabel 6. Hasil Pengujian Pengaruh Bobot Kriteria Terhadap Akurasi Percobaan 1 Data MAN 2
Kota Serang Data Sistem
Hasil No Pemiantan No Peminatan 1 IBB 1 IPA Tidak sesuai 2 IPA 2 IPA Sesuai
3 AGAMA 3 AGAMA Sesuai
4 IPS 4 IPA Tidak sesuai 5 IPA 5 IPA Sesuai
6 IPS 6 IPS Sesuai
7 IPS 7
IPS
Sesuai
8 IPA 8 IPA Sesuai
9 IPA 9 IPA Sesuai 10 IBB 10 IBB Sesuai 11 IPA 11 IPA Sesuai
12 IPA 12 IPA Sesuai
13 IPA 13 IPA Sesuai K1 K2 K3 K4 K5 K6 K7 K8 K9 K10 K11 K12 K13 K14 K15 K1 1 2 2 2 1 1 1 1 0,5 0,5 2 0,333 1 1 1 K2 0,5 1 1 1 0,333 0,333 0,333 0,333 0,25 0,25 0,333 0,167 0,2 0,2 0,2 K3 0,5 1 1 1 0,333 0,333 0,333 0,333 0,25 0,25 0,333 0,167 0,2 0,2 0,2 K4 0,5 1 1 1 0,333 0,333 0,333 0,333 0,25 0,25 0,333 0,167 0,2 0,2 0,2 K5 1 3 3 3 1 1 1 1 0,5 0,5 0,5 0,25 0,333 0,333 0,333 K6 1 3 3 3 1 1 1 1 0,5 0,5 0,5 0,25 0,333 0,333 0,333 K7 1 3 3 3 1 1 1 1 0,5 0,5 0,5 0,25 0,333 0,333 0,333 K8 1 3 3 3 1 1 1 1 0,5 0,5 0,5 0,25 0,333 0,333 0,333 K9 2 4 4 4 2 2 2 2 1 1 3 0,5 2 2 2 K10 2 4 4 4 2 2 2 2 1 1 3 0,5 2 2 2 K11 0,5 3 3 3 2 2 2 2 0,333 0,333 1 0,25 1 1 1 K12 3 6 6 6 4 4 4 4 2 2 4 1 3 3 3 K13 1 5 5 5 3 3 3 3 0,5 0,5 1 0,333 1 1 1 K14 1 5 5 5 3 3 3 3 0,5 0,5 1 0,333 1 1 1 K15 1 5 5 5 3 3 3 3 0,5 0,5 1 0,333 1 1 1
14 AGAMA 14 AGAMA Sesuai
15 IPS 15 IPS Sesuai
16 IBB 16 IBB Sesuai 17 IPS 17 IPS Sesuai 18 IPA 18 IBB Tidak sesuai 19 IBB 19 AGAMA Tidak sesuai 20 IBB 20 IBB Sesuai 21 IPS 21 IPA Tidak sesuai 22 IPA 22 IPA Sesuai 23 IPA 23 IPA Sesuai 24 IPS 24 IPA Tidak sesuai 25 IPS 25 IBB Tidak sesuai 26 IPS 26 IPS Sesuai 27 AGAMA 27 AGAMA Sesuai 28 AGAMA 28 AGAMA Sesuai 29 AGAMA 29 AGAMA Sesuai 30 AGAMA 30 AGAMA Sesuai Tabel 7. Hasil Pengujian Pengaruh Bobot Kriteria Terhadap Akurasi Percobaan 2 Data MAN 2
Kota Serang
Data Sistem Hasil
No Pemiantan No Peminatan
1 IBB 1 IPA Tidak
sesuai
2 IPA 2 IPA Sesuai
3 AGAMA 3 AGAMA Sesuai
4 IPS 4 IPA Tidak
sesuai
5 IPA 5 IBB Tidak
sesuai
6 IPS 6 IPS Sesuai
7 IPS 7 IPS Sesuai
8 IPA 8 IPA Sesuai
9 IPA 9 IPA Sesuai
10 IBB 10 IBB Sesuai
11 IPA 11 IPA Sesuai
12 IPA 12 IPA Sesuai
13 IPA 13 IPA Sesuai
14 AGAMA 14 AGAMA Sesuai
15 IPS 15 IPS Sesuai
16 IBB 16 IBB Sesuai
17 IPS 17 IPS Sesuai
18 IPA 18 IBB Tidak
sesuai
19 IBB 19 AGAMA Tidak
sesuai
20 IBB 20 IBB Sesuai
21 IPS 21 IPA Tidak
sesuai
22 IPA 22 IPA Sesuai
23 IPA 23 IPA Sesuai
24 IPS 24 IPA Tidak
sesuai
25 IPS 25 IBB Tidak
sesuai
26 IPS 26 IPS Sesuai
27 AGAMA 27 AGAMA Sesuai
28 AGAMA 28 AGAMA Sesuai
29 AGAMA 29 AGAMA Sesuai
30 AGAMA 30 AGAMA Sesuai
Pada pengujian pengaruh nilai bobot kriteria terhadap akurasi didapatkan bahwa pengujian pada percobaan pertama dengan mengubah beberapa nilai bobot kriteria perbandingan berpasangan yang sesuai dengan kriteria
masing-masing peminatan menghasilkan
tingkat akurasi sebesar 76,67%. Dan pengujian pada percobaan kedua dengan mengubah beberapa nilai bobot kriteria perbandingan berpasangan yang sesuai dengan kriteria masing-masing peminatan namun memiliki bobot nilai yang berbeda menghasilkan tingkat akurasi sebesar 73,33%. Dari analisis tersebut, dapat diketahui bahwa perubahan bobot kriteria mempengaruhi akurasi yang dihasilkan dengan akurasi terbesar 76,67% pada percobaan pertama, sehingga dari hasil percobaan diatas dapat membuktikan bahwa nilai bobot matriks
perbandingan berpasangan berpengaruh
terhadap sistem penentuan peminatan siswa di MAN 2 Kota Serang. Untuk mendapatkan hasil akurasi yang lebih baik diperlukan metode optimasi dalam menentukan nilai bobot matriks perbandingan berpasangan yang terbaik.
5. KESIMPULAN
Berdasarkan penelitian yang dilakukan, dapat disimpulan bahwa
1. metode fuzzy analytical hierarchy process
(F-AHP) dapat diimplementasikan dalam
penentuan peminatan siswa dengan
keluaran sistem hasil peminatan siswa dengan tahapan yaitu, membuat matriks perbandingan berpasangan dengan skala AHP, transformasi matriks perbandingan
berpasangan ke dalam skala TFN,
menghitung nilai sintesis fuzzy (Si), nilai
vektor (V) dan ordinat defuzzyfikasi (d’),
normalisasi, menghitung rasio konsistensi, dan menghitung nilai bobot alternatif akhir.
2. Hasil pengujian fungsional sistem
penentuan peminatan di MAN 2 Kota
Serang memilliki tingkat presentase
sebesar 100%.
3. Hasil pengujian akurasi berdasarkan perbandingan hasil penentuan peminatan dari sistem dengan hasil penentuan peminatan dari MAN 2 Kota Serang adalah sebesar 63,33% dengan jumlah data yang sesuai sebanyak 21 data, dari total 30 data uji.
4. Pada pengujian pengaruh nilai bobot
matriks perbandingan berpasangan
dilakukan dua percobaan, percobaan
pertama menghasilkan akurasi sebesar
76,67% dan percobaan kedua
menghasilkan akurasi sebesar 73,33%. Dapat disimpulkan bahwa perubahan nilai bobot matriks perbandingan berpasangan mempengaruhi akurasi sistem penentuan peminatan di MAN 2 Kota Serang.
6. DAFTAR PUSTAKA
Ansori, Yusuf., 2012. Pendekatan Triangular
Fuzzy Number dalam Metode Analytic Hierarchy Process. Jurnal Ilmiah Foristek Vol. 2, No. 1.
Bhusan, N., Rai, K., 2004. Strategic Decision
Making Applying the Analytic
Hierarchy Process. Springer.
Fauziah M, I., 2014. Sistem pendukung
keputusan seleksi beasiswa ppa dan
bbm menggunakan metode fuzzy
AHP.Universitas Brawijaya.
Handayani, D., N,. dkk.,2014.Sistem pendukung
keputusan untuk pemilihan jurusan menggunakan fuzzy multiple atribute decision making dengan metode simple
additive weighting studi kasus pada sma islam sultan agung 1 semarang.
Kusumadewi, S., & Purnomo, H. 2010. Aplikasi
Logika Fuzzy untuk Pendukung
Keputusan. Yogyakarta: Graha Ilmu. Kementerian Pendidikan dan Kebudayaan.
2013. Pedoman Peminatan Peserta
Didik. Jakarta.
Mahargiyak, E., 2013. Implementasi Metode
Fuzzy Analytical Hierarchy Process (F-AHP) untuk Pemilihan Sumber Daya
Manusia dalam Kepanitiaan
Organisasi Mahasiswa. Univerista Brawijaya.
Marimin, 2004. Teknik Dan Aplikasi
Pengambilan Keputusan Kriteria
Majemuk. Jakarta: PT. Grasindo.
Prabowo A., G., Novanita B., 2015. Sistem
Pendukung Keputusan Penentuan
Peminatan Peserta Didik Menggunakan Metode Weighted Product Berbasis Web (Studi Kasus : Sma Negeri 1 Purwodadi Grobogan). Universitas Diponegoro.
Putri, Maharani., 2014. Sistem Pendukung
Keputusan Seleksi Penerimaan Siswa Baru Menggunakan Metode Electre -
Weighted Product. Universitas
Brawijaya.
https://filkom.ub.ac.id/apps : Template
Proposal. (diakses pada tanggal 3 Februari 2016).
Susanti. A,. 2015. Perancangan sistem
pendukung keputusan penentuan
jurusan siswa sma negeri 2 kutacane berbasis web dengan menggunakan metode analytical hierarchy process (AHP). Pelita Informatika Budi Darma Volume : IX, Nomor: 1.
