commit to user i
PEMANFAATAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)
DALAM PENENTUAN MAHASISWA BERPRESTASI TINGKAT UNIVERSITAS SEBELAS MARET SURAKARTA
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu Jurusan Informatika
Disusun oleh:
SEKAR AYU RIZKANDARI NIM M0509063
JURUSAN INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET
SURAKARTA 2013
commit to user ii
commit to user iii
commit to user iv
PEMANFAATAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)
DALAM PENENTUAN MAHASISWA BERPRESTASI TINGKAT UNIVERSITAS SEBELAS MARET SURAKARTA
SEKAR AYU RIZKANDARI
Jurusan Informatika. Fakultas MIPA. Universitas Sebelas Maret.
ABSTRAK
Proses seleksi mahasiswa berprestasi selama ini dilakukan dengan memberikan nilai terhadap masing-masing kriteria pada setiap mahasiswa kemudian menjumlahkan nilai tersebut untuk mendapatkan nilai akhir. Hal ini cenderung berisiko karena memerlukan waktu yang lama dan ketelitian yang tinggi. Di samping itu, metode seleksi mahasiswa berprestasi dilakukan pada setiap tingkatan: jurusan, fakultas, dan universitas, yang hanya mengambil 1 mahasiswa terbaik untuk mewakili masing-masing jurusan dan fakultas. Hal ini kurang efektif karena perbedaan potensi setiap mahasiswa di masing-masing jurusan dan fakultas.
Dalam penelitian ini dilakukan perhitungan seleksi mahasiswa berprestasi tingkat fakultas dan universitas menggunakan metode Simple Additive Weighting
(SAW) karena sesuai dengan perhitungan dalam menentukan mahasiswa berprestasi yakni dengan mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Pada tingkat fakultas, arsitektur sistemnya terdiri dari tahap universitas dan fakultas. Tahap universitas adalah seleksi mahasiswa pada seluruh mahasiswa se-universitas, sedangkan tahap fakultas merupakan hasil seleksi mahasiswa di tahap universitas yang dikelompokkan ke fakultas masing-masing. Banyaknya mahasiswa yang diambil pada tahap universitas disesuaikan dengan jumlah kandidat mahasiswa berprestasi di tahap fakultas.
Hasil dari penelitian ini adalah bahwa dari 1, 2, 3, 4, dan 5 kandidat mahasiswa berprestasi yang akan diambil pada tingkat fakultas, 2 kandidat adalah yang terbaik diantara jumlah kandidat lainnya dengan nilai ketepatan klasifikasi
(accuracy) 92%, ketepatan prediksi (sensitivity) 78%, dan tingkat kesalahan yang
mungkin terjadi adalah 22%.
commit to user v
UTILIZATION OF SIMPLE ADDITIVE WEIGHTING METHOD (SAW) FOR DETERMINATION OF HIGH ACHIEVING STUDENT
IN SEBELAS MARET SURAKARTA UNIVERSITY LEVEL
SEKAR AYU RIZKANDARI
Department of Informatic. Mathematic and Science Faculty. Sebelas Maret University
ABSTRACT
The selection process of outstanding students is done by giving a value to each criteria for each student then summing these values to obtain the final value. This system tends to be risky because it requires a long time and high accuracy. In addition, the method of selection of students is done at every level of achievement: department, faculty, and university which only take the best student to represent each department and faculty. It is less effective because of differences in each potential of student in every department and faculty.
In this research, the calculations of outstanding students selection in university and faculty level using Simple Additive Weighting (SAW) because suitable with calculations in determining the best student by finding the weighted sum from the performance rating of each alternative on all attributes. At the faculty level, the system architecture is composed of university and faculty phase. The university phase is students’ selection of all students in university. Faculty phase is the results of students’ selection in the university phase are grouped into their respective faculties. The number of students which taken in university phase adjusted by the number of candidates in faculty phase.
Results from this study is that of 1, 2, 3, 4, and 5 candidates of outstanding students to be taken at the faculty level, 2 is the best candidate among the number of other candidates with 92% accuracy value, sensitivity value 78 %, and the error rate value is 22%.
commit to user vi MOTTO
“Indeed, Allah will not change the condition of a people until they change what is
in themselves”
(the Glorious Qur’an 13: 11)
“Allah is sufficient for us”
(the Glorious Qur’an 3: 173)
“So verily, with the hardship there is relief. Verily, with the hardship there is relief”
(the Glorious Qur’an 94: 5-6)
“The beautiful thing about learning is no one can take it away from you”
(B. B. King)
“Life as if you were to die tomorrow, learn as if you were to live forever”
commit to user vii
PERSEMBAHAN
Karya ini penulis persembahkan kepada:
“Ibu Sri Isnurani S dan Bapak Zamrodin yang telah banyak berkorban, mendukung, dan senantiasa mendoakan agar Allah memudahkan segalanya” “Adikku, Dini Ginanjar Mukti, yang selalu memberi dukungan dan mendoakan” “Deska Muhammad Faisal yang telah membantu, memberi semangat,
dan menginspirasi” “Teman-teman Kos IC atas keceriaan dan kebersamaannya” “Teman-teman Informatika UNS 2009”
commit to user viii
KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Allah yang senantiasa memberikan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi dengan judul Pemanfaatan Metode Simple Additive Weighting (SAW) Dalam Penentuan Mahasiswa Berprestasi Tingkat Universitas Sebelas Maret
Surakarta ini dengan baik. yang menjadi salah satu syarat wajib untuk
memperoleh gelar Sarjana Informatika di Universitas Sebelas Maret (UNS) Surakarta.
Penulis menyadari akan keterbatasan yang dimiliki, begitu banyak bimbingan, bantuan, serta motivasi yang diberikan dalam proses penyusunan skripsi ini. Oleh karena itu, ucapan terima kasih penulis sampaikan kepada :
1. Bapak Ristu Saptono, S.Si., M.T selaku Dosen Pembimbing I yang penuh kesabaran membimbing, memberi masukan, mengarahkan, dan memberi motivasi kepada penulis selama proses penyusunan skripsi ini,
2. Bapak Wiharto, S.T, M.Kom selaku Dosen Pembimbing II yang memberi masukan, membimbing, dan mengarahkan penulis selama proses penyusunan skripsi ini,
3. Ibu Umi Salamah, S.Si.,M.Kom selaku Ketua Jurusan S1 Informatika yang
memberikan dukungan kepada penulis selama proses penyusunan skripsi, 4. Ibu Esti Suryani S.Si.,M.Kom selaku Pembimbing Akademik yang telah
banyak memberi bimbingan selama penulis menempuh studi di Jurusan Informatika FMIPA UNS
5. Bapak dan Ibu dosen serta karyawan di Jurusan Informatika FMIPA UNS yang telah mengajar penulis selama masa studi dan membantu dalam proses penyusunan skripsi ini,
6. Ibu, Bapak, adik, dan keluarga yang senantiasa memberi motivasi dan mendoakan agar proses pentusunan skripsi ini berjalan dengan lancar.
7. Teman-teman Kos IC dan Informatika 2009 yang selalu memberi semangat
dan dukungan sehingga penyusunan skripsi ini dapat terselesaikan.
8. Semua pihak yang tidak dapat disebutkan satu per satu dalam membantu penyelesaian skripsi ini.
Penulis berharap semoga skripsi ini dapat bermanfaat bagi semua pihak. Surakarta, November 2013
commit to user ix DAFTAR ISI
HALAMAN JUDUL... i
HALAMAN PERSETUJUAN ... ii
HALAMAN PENGESAHAN... iii
ABSTRAK ... iv
ABSTRACT ... v
MOTTO ... vi
PERSEMBAHAN ... vii
KATA PENGANTAR ... viii
DAFTAR ISI ... iix
DAFTAR TABEL ... xii
DAFTAR GAMBAR ... xiiiii
DAFTAR LAMPIRAN ... xiv
BAB I PENDAHULUAN ... 1 1.1 Latar Belakang ... 1 1.2 Rumusan Masalah ... 3 1.3 Batasan Masalah ... 3 1.4 Tujuan Penelitian... 4 1.5 Manfaat Penelitian... 4 1.6 Sistematika Penulisan ... 4
BAB II TINJAUAN PUSTAKA... 5
2.1 Landasan Teori ... 6
2.1.1 MADM ... 6
2.1.2 Metode Simple Additive Weighting (SAW) ... 7
2.1.3 Mahasiswa Berprestasi ... 8
commit to user x
2.2 Penelitian Terkait ... 11
2.2.1 Simulasi Seleksi Mahasiswa Baru Jalur Undangan dengan Menggunakan Metode Simple Additive Weighting (Rubiyatun, Bowo Winarno, dan Sri Sulistijowati Jurusan Matematika FMIPA UNS)...…………...11
2.2.2 Penerapan Metode AHP dalam Menentukan Mahasiswa Berprestasi (Yance Sonatha, Meri Azmi. Jurusan Teknologi Informasi Politeknik Negeri Padang Kampus Unand Limau Manis Padang)... 12
2.2.3 Aplikasi ROC Untuk Uji Kehandalan Model HyBMG (Kadarsah. Puslitbang BMKG) ...12
2.2.4 Perancangan Sistem Pendukung Pengambilan Keputusan untuk Penerimaan Beasiswa dengan Metode SAW (Simple Additive Weighting) (Sri Eniyati. Program Studi Sistem Informasi, Universitas Stikubank) ...12
2.2.5 Analysis and Implementation Fuzzy Multi-Attribute Decision Making SAW Method for Selection of High Achieving Students in Faculty Level (Widayanti-Deni, Oka-Sudana, dan Arya-Sasmita, Department of Information Technology, Udayana University, Bali) ... 13
2.3 Rencana Penelitian ... 13
BAB III METODOLOGI PENELITIAN ... 18
3.1 Tahap Persiapan ... 18
3.1.1 Studi Literatur ... 18
3.1.2 Pengumpulan Data ... 18
3.2 Tahap Pemodelan ... 19
3.3 Tahap Implementasi ... 20
3.3.1 Proses Seleksi Mahasiswa Tingkat Fakultas ... 20
3.3.2 Proses Seleksi Mahasiswa Tingkat Universitas ... 21
3.4 Tahap Pengujian ... 22
3.6 Pengembangan Perangkat Lunak ... 23
BAB IV PEMBAHASAN ... 24
4.1 Data Hasil Survey... 24
commit to user xi
4.3 Perhitungan Metode Simple Additive Weighting ... 26
1.3.1 Tingkat Fakultas ... 26
1.3.1.1 Tahap Universitas ... 27
1.3.1.2 Tahap Fakultas ... 30
1.3.2 Tingkat Universitas ... 31
4.4 Ketepatan Klasifikasi (Accuracy), Ketepatan Prediksi (Sensitivity), dan Tingkat Kesalahan (False Alarm Rate) ... 31
4.4.1 Ketepatan Klasifikasi (Accuracy), Ketepatan Prediksi (Sensitivity), dan Tingkat Kesalahan (False Alarm Rate) 1 Kandidat ... 32
4.4.2 Ketepatan Klasifikasi (Accuracy), Ketepatan Prediksi (Sensitivity), dan Tingkat Kesalahan (False Alarm Rate) 2 Kandidat ... 33
4.4.3 Ketepatan Klasifikasi (Accuracy), Ketepatan Prediksi (Sensitivity), dan Tingkat Kesalahan (False Alarm Rate) 3 Kandidat ... 34
4.4.4 Ketepatan Klasifikasi (Accuracy), Ketepatan Prediksi (Sensitivity), dan Tingkat Kesalahan (False Alarm Rate) 4 Kandidat ... 35
4.4.5 Ketepatan Klasifikasi (Accuracy), Ketepatan Prediksi (Sensitivity), dan Tingkat Kesalahan (False Alarm Rate) 5 Kandidat ... 36
BAB V PENUTUP... 39
5.1 Kesimpulan... 39
5.2 Saran ... 39
commit to user xii
DAFTAR TABEL
Tabel 2.1 Penilaian Pencapaian Prestasi ... 9
Tabel 2.2 Penilaian Pencapaian Prestasi ... 9
Tabel 2.3 Confusion Matrix ... 11
Tabel 2.4 Konsep Penelitian Saat ini dan Penelitian Sebelumnya ... 15
Tabel 3.1 Jumlah Sampel ... 19
Tabel 3.2 Confusion Matrix ... 23
Tabel 4.1 Contoh Data Hasil Survey ... 24
Tabel 4.2 Contoh Data Prestasi Mahasiswa ... 25
Tabel 4.3 Contoh Konversi Prestasi Mahasiswa Sesuai Pedoman Mahasiswa Berprestasi 2013 ... 26
Tabel 4.4 Hasil perhitungan SAW di Universitas ... 27
Tabel 4.5 Mahasiswa Berprestasi Peringkat I per Fakultas ... 30
Tabel 4.6 Mahasiswa Berprestasi di Tahap Fakultas dan Universitas dengan 1 Kandidat ... 32
Tabel 4.7 Confusion Matrix pada 1 Kandidat ... 32
Tabel 4.8 Confusion Matrix pada 2 Kandidat ... 33
Tabel 4.9 Confusion Matrix pada 3 Kandidat ... 34
Tabel 4.10 Confusion Matrix pada 4 Kandidat ... 35
Tabel 4.11 Confusion Matrix pada 5 Kandidat ... 36
Tabel 4.12 Hasil Perhitungan Ketepatan Klasifikasi (accuracy), Ketepatan Prediksi (sensitivity), dan Tingkat Kesalahan (False Alarm Rate ... 37
commit to user xiii
DAFTAR GAMBAR
Gambar 3.1 Arsitektur Sistem Tingkat Fakultas ... 21 Gambar 3.2 Arsitektur Sistem Tingkat Universitas ... 21
commit to user xiv
DAFTAR LAMPIRAN
Lampiran A. Data Keseluruhan Mahasiswa ... 43
Lampiran B. Data Prestasi Keseluruhan Mahasiswa ... 48
Lampiran C. Data dan Konversi Prestasi Keseluruhan Mahasiswa ... 61
Lampiran D. Data Perhitungan Mahasiswa Universitas ... 65
Lampiran E. Data Perhitungan Mahasiswa Fakultas Hukum ... 72
Lampiran F. Data Perhitungan Mahasiswa FKIP ... 73
Lampiran G. Data Perhitungan Mahasiswa Fakultas Teknik ... 75
Lampiran H. Data Perhitungan Mahasiswa Fakultas Pertanian ... 76
Lampiran I. Data Perhitungan Mahasiswa Fakultas Kedokteran ... 77
Lampiran J. Data Perhitungan Mahasiswa Fakultas Ekonomi ... 78
Lampiran K.Data Perhitungan Mahasiswa FISIP ... 79
Lampiran L. Data Perhitungan Mahasiswa FSSR ... 80
Lampiran M. Data Perhitungan Mahasiswa FMIPA ... 81
Lampiran N. Perbandingan Mahasiswa Fakultas dan Universitas dengan 2 Kandidat ... 82
Lampiran O. Perbandingan Mahasiswa Fakultas dan Universitas dengan 3 Kandidat ... 83
Lampiran P. Perbandingan Mahasiswa Fakultas dan Universitas dengan 4 Kandidat ... 84
Lampiran Q. Perbandingan Mahasiswa Fakultas dan Universitas dengan 5 Kandidat ... 86
