Jurnal Evolusi Volume 5 No evolusi.bsi.ac.id

(1)

Jurnal Evolusi Volume 5 No 1 - 2017 - evolusi.bsi.ac.id

ISSN : 2338 – 8161

14

Sistem Pendukung Keputusan

Penanganan Mahasiswa Bermasalah Dengan Metode AHP Dan Promethee Robby Rachmatullah, Anton Respati Pamungkas

bobay43@gmail.com, anton18@stmik-aub.ac.id Program Studi Sistem Informasi STMIK AUB-Surakarta

Abstract - Decision Support System (DSS) is used to support the stages in making a decision in various fields such as in terms of decision-making to determine the student in question or who commit violations. The criteria for doing so are drawn from academic (index value achievement, study duration, leave and attendance), finance and student affairs (alcohol, drugs and fighting. The method used for decision making troubled students is by using AHP and Promethee. AHP method is used to obtain the relative weighting of each criterion and generates the weight values are then used in the method PROMETHEE to calculate the value of leaving flow, entering flow and net flow. Search or selecting students in this study ultimately produce a list of students who will be given attention and special handling in order to complete studies on time with satisfactory results, and handling in accordance with academic rules and regulations.

Keywords: decision support system, ahp, PROMETHEE

Abstrak - Sistem Pendukung Keputusan (SPK) digunakan untuk mendukung tahapan dalam pengambilan suatu keputusan dalam berbagai bidang seperti dalam hal pengambilan keputusan untuk mengetahui mahasiswa yang bermasalah atau yang melakukan pelanggaran. Kriteria-kriteria untuk melakukan hal tersebut diambil dari bidang akademik (nilai indek prestasi, lama studi, cuti dan absensi), bidang keuangan dan bidang kemahasiswaan (miras, narkoba dan berkelahi. Metode yang digunakan untuk pengambilan keputusan mahasiswa bermasalah adalah dengan menggunakan metode AHP dan Promethee. Metode AHP digunakan untuk memperoleh bobot relatif dari masing-masing kriteria dan menghasilkan nilai bobot selanjutnya digunakan dalam metode promethee sampai menghitung nilai leaving flow, entering flow dan net flow. Pencarian atau pemilihan mahasiswa dalam penelitian ini akhirnya menghasilkan daftar mahasiswa yang nantinya diberi perhatian dan penanganan khusus agar dapat menyelesaikan studi tepat waktu dengan hasil yang memuaskan dan penanganannya sesuai dengan aturan akademik yang berlaku.

Kata kunci : sistem pendukung keputusan, ahp, promethee 1. Latar Belakang

Perkembangan diri mahasiswa pada awal-awalnya sangat rentan terhadap berbagai masalah karena masa peralihan mulai menginjak dewasa. Dalam proses perkembangannya, mahasiswa mengalami berbagai permasalahan-permasalahan yang berhubungan dengan lingkungan keluarga, lingkungan kampus dan permasalahan lainnya yang bersifat pribadi dan berdampak pada penunggakan pembayaran kuliah, ketidakhadiran mahasiswa dalam perkuliahan, nilai indeks prestasi mahasiswa yang rendah, berkelahi, minuman keras dan narkoba. Hal ini menyebabkan proses belajar menjadi terganggu sehingga mahasiswa tidak dapat menyelesaiakan studi sesuai yang direncanakan. Permasalahan ini apabila tidak segera ditangani akan mempengaruhi proses akademik mahasiswa tersebut yang menyebabkan menurunnya nilai indek prestasi

Sistem pendukung keputusan (Decission

Support System) merupakan sistem berbasis

komputer interaktif, yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah-masalah yang tidak terstruktur (Turban, 2001). Sistem Pendukung Keputusan banyak

digunakan untuk optimasi dan efektifitas dalam pengambilan suatu keputusan dalam berbagai bidang, seperti halnya pengoptimasian layanan logistik ( Zhi and Zhao, 2014), penilaian keefektifitasan kinerja (Tal, 2014) dan efektifitas prediksi keuangan (Michael and Constantin, 2014).

2.1. Kajian Pustaka

Penelitian berjudul Sistem Informasi Pencarian Dan Monitoring Siswa Bermasalah Dengan Metode Promethee (Gunawan, 2011). Penelitian ini adalah merancang sistem informasi pencarian siswa bermasalah berdasarkan pengembangan diri siswa dengan menggunakan metode Promethee.

Analytic Hierarchy Process (AHP) digunakan

pada sistem pendukung keputusan untuk mengetahui efek dari kualitas sebuah website dalam proses pengembangan bisnis perusahaan (Younghwa and Keneth, 2013) dan menghasilkan informasi bagi perusahaan untuk peningkatan kualitas bisnis perusahaan tersebut. Pendekatan

Analytic Hierarchy Process (AHP) pada

penelitian lainnya juga digunakan untuk standarisasi proses pengelolaan layanan pada sebuah website (Sundarraj, 2012).

(2)

Jurnal Evolusi Volume 5 No 1

ISSN : 2338 – 8161

2.2. Sistem Pendukung Keputusan

Sistem pendukung keputusan didifinisikan sebagai seperangkat sistem yang mampu memecahkan masalah yang dikarenakan kerumitan dan lingkup pengambilan keputusan dengan data yang begitu banyak dengan mempertimbagkan rasio manfaat atau biaya secara efisien dan efektif (Suryadi dan Ramdhani, 2002). Sistem Pendukung Keputusan (SPK) dirancang untuk mendukung seluruh tahap pengambilan keputusan mulai dari mengidentifikasi masalah, memilih data yang relevan dan menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai mengevaluasi pemilihan alternatif.

2.3. Analytic Hierarchy Proces Analytic Hierarchy process (AHP)

suatu proses pengidentifikasikan, mengerti dan memberikan perkiraan interaksi sistem secara keseluruhan (Royan, 2004).

Struktur hirarki AHP dapat dilihat pada gambar 1.

Gambar 1. Struktur Hirarki AHP Ramdhani, 2002)

2.4. Preference Ranking Organization Method for Enrichment Evaluation

Untuk memberikan gambaran yang lebih baik terhadap area yang tidak sama digunakan fungsi selisih nilai kriteria antar alternatif H (d) dimana hal ini mempunyai hubungan

dengan fungsi preferensi P. Dalam promethee disajikan enam fungsi preferensi kriteria (Chou

et. al, 2004), dalam penelitian ini hanya

menggunakan tiga prefensi kriteria. 1. Kriteria Quasi (Quasi Criterion

Kriteria Quasi sering digunakan dalam penilaian suatu data dari segi kualitas atau mutu.

H (d) : Fungsi selisih kriteria antar alternatif

d : Selisih nilai kriteria {d = f (a)

Sistem Pendukung Keputusan

Sistem pendukung keputusan didifinisikan sebagai seperangkat sistem yang mampu memecahkan masalah yang dikarenakan kerumitan dan lingkup pengambilan keputusan ata yang begitu banyak dengan mempertimbagkan rasio manfaat atau biaya secara efisien dan efektif (Suryadi dan Sistem Pendukung Keputusan SPK) dirancang untuk mendukung seluruh tahap pengambilan keputusan mulai dari ah, memilih data yang relevan dan menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai mengevaluasi pemilihan

Analytic Hierarchy Proces (AHP)

Analytic Hierarchy process (AHP) merupakan suatu proses pengidentifikasikan, mengerti dan memberikan perkiraan interaksi sistem secara Struktur hirarki AHP dapat dilihat pada

Struktur Hirarki AHP (Suryadi dan Ramdhani, 2002)

Preference Ranking Organization Method for Enrichment Evaluation (Promethee). Untuk memberikan gambaran yang lebih baik terhadap area yang tidak sama digunakan fungsi selisih nilai kriteria antar alternatif H (d) dimana hal ini mempunyai hubungan langsung dengan fungsi preferensi P. Dalam promethee disajikan enam fungsi preferensi kriteria (Chou , 2004), dalam penelitian ini hanya menggunakan tiga prefensi kriteria.

Quasi Criterion)

sering digunakan dalam penilaian suatu data dari segi kualitas atau

H (d) : Fungsi selisih kriteria antar d : Selisih nilai kriteria {d = f (a) – f (b)}

Parameter (q) : Harus merupakan nilai yang tetap

Dua alternatif memiliki preferensi yang sama penting selama selisih atau nilai H(d) dari masing-masing alternatif untuk kriteria tertentu tidak melebihi nilai q, dan apabila selisih hasil evaluasi untuk masing-masing alternatif melebihi nilai q maka terjadi bentuk prefer

Fungsi H (d) untuk fungsi preferensi di gambarkan sebagai berikut :

Gambar 2. Kriteria Quasi 2. Kriteria Preferensi Linier

Kriteria Linier sering digunakan dalam penilaian dari segi kuantitatif atau

jumlah.

H (d) : Fungsi selisih kriteria antar alternatif d : Selisih nilai kriteria {d = f (a)

p : Nilai kecenderungan atas

Kriteria preferensi linier dapat menjelaskan bahwa selama nilai selisih memiliki nilai yang lebih rendah dari p, preferensi dari pembuat keputusan meningkat secara linier dengan nilai Jika nilai d lebih besar dibandingkan dengan nilai

p, maka terjadi preferensi mutlak.

Fungsi H (d) untuk fungsi preferensi seperti pada Gambar 3.

Gambar 3. Kriteria Preferensi Linier (Chou

et. al

3. Kriteria Level

Tipe ini mirip dengan

digunakan dalam penilaian suatu data dari segi kualitas atau mutu..

H (d) : Fungsi selisih kriteria antar alternatif p : Nilai kecenderungan atas

Parameter (q) : Harus merupakan nilai yang tetap.

15

Parameter (q) : Harus merupakan nilai yang memiliki preferensi yang sama penting selama selisih atau nilai H(d) dari masing alternatif untuk kriteria tertentu tidak melebihi nilai q, dan apabila selisih hasil masing alternatif melebihi nilai q maka terjadi bentuk preferensi mutlak. Fungsi H (d) untuk fungsi preferensi di gambarkan sebagai berikut :

Quasi ( Chou et. al, 2004 )

Kriteria Preferensi Linier

Kriteria Linier sering digunakan dalam penilaian dari segi kuantitatif atau banyaknya

H (d) : Fungsi selisih kriteria antar alternatif d : Selisih nilai kriteria {d = f (a) – f (b)} p : Nilai kecenderungan atas

Kriteria preferensi linier dapat menjelaskan bahwa selama nilai selisih memiliki nilai yang , preferensi dari pembuat keputusan meningkat secara linier dengan nilai d. lebih besar dibandingkan dengan nilai

eferensi mutlak.

Fungsi H (d) untuk fungsi preferensi seperti

. Kriteria Preferensi Linier (Chou

et. al, 2004)

tipe Quasi yang sering digunakan dalam penilaian suatu data dari segi kualitas atau mutu..

H (d) : Fungsi selisih kriteria antar alternatif p : Nilai kecenderungan atas

(3)

ISSN : 2338 – 8161

Jika |d| berada diantara nilai

berarti situasi preferensi yang lemah (H(d) = 0,5).

Fungsi H (d) untuk fungsi preferensi seperti ditunjukkan pada Gambar 4.

Gambar 4. Kriteria Level ( Chou 3.1. Tahapan Penelitian

a. Tahap Identifikasi

Dalam tahap awal penelitian ini adalah melakukan identifikasi permasalahan dalam pencarian mahasiswa yang bermasalah. Hasil identifikasi tersebut dirumuskan untuk diselesaikan dalam penelitian ini. Tahap identifikasi ini terdiri dari observasi

dan identifikasi masalah serta tujuan penelitian. 1. Obeservasi Pendahuluan

Penelitian ini dilatarbelakangi oleh permasalahan-permasalahan yang ada pada mahasiswa yang menyebabkan proses belajar mengajar terganggu sehingga mahasiswa tidak dapat menyelesaiakan studi sesuai yang direncanakan. Observasi pendahuluan dilakukan dengan melihat kondisi di lapangan dalam hal ini di perguruan tinggi yang berada di wilayah Surakarta dan sekitarnya. Langkah ini dilakukan untuk memperoleh gambaran riil permas yang ada dalam penanganan mahasiswa yang bermasalah untuk segera mengambil keputusan dan tindakan yang tepat. Selain itu dilakukan juga diskusi dengan berbagai pihak yang terkait antara lain dosen pengajar dan dosen pembimbing akademik.

2. Identifikasi Permasalahan Dan Tujuan Penelitian

Identifikasi terhadap permasalahan yang terdapat dalam penanganan mahasiswa yang bermasalah dilakukan berdasarkan observasi pendahuluan. Langkah ini berguna agar masalah yang dibahas bisa lebih fokus sehingga memudahkan pelaksanaan penelitian dan tidak terjadi penyimpangan dari tujuan utama penelitian ini. b. Studi Pustaka

Tahap ini dilakukan untuk mengumpulkan berbagai informasi yang berkaitan dengan penelitian ini. Literatur yang digunakan dalam penelitian ini berhubungan dengan sistem pendukung keputusan, metode AHP, metode Promethee dan pemrograman visual basic. c. Tahap Perancangan Sistem Berbasis

Manajemen Pengetahuan

Jika |d| berada diantara nilai q dan p, hal ini berarti situasi preferensi yang lemah (H(d) = Fungsi H (d) untuk fungsi preferensi seperti

. Kriteria Level ( Chou et. al, 2004 )

Dalam tahap awal penelitian ini adalah melakukan identifikasi permasalahan dalam pencarian mahasiswa yang bermasalah. Hasil identifikasi tersebut dirumuskan untuk diselesaikan dalam penelitian ini. Tahap identifikasi ini terdiri dari observasi pendahuluan dan identifikasi masalah serta tujuan penelitian. Penelitian ini dilatarbelakangi oleh

permasalahan yang ada pada mahasiswa yang menyebabkan proses belajar sehingga mahasiswa tidak menyelesaiakan studi sesuai yang . Observasi pendahuluan dilakukan dengan melihat kondisi di lapangan dalam hal ini di perguruan tinggi yang berada di wilayah Surakarta dan sekitarnya. Langkah ini dilakukan untuk memperoleh gambaran riil permasalahan yang ada dalam penanganan mahasiswa yang bermasalah untuk segera mengambil keputusan dan tindakan yang tepat. Selain itu dilakukan juga diskusi dengan berbagai pihak yang terkait antara lain dosen pengajar dan dosen Permasalahan Dan Tujuan Identifikasi terhadap permasalahan yang terdapat dalam penanganan mahasiswa yang bermasalah dilakukan berdasarkan observasi pendahuluan. Langkah ini berguna agar masalah yang dibahas bisa lebih fokus sehingga memudahkan dalam pelaksanaan penelitian dan tidak terjadi penyimpangan dari tujuan utama penelitian ini.

Tahap ini dilakukan untuk mengumpulkan berbagai informasi yang berkaitan dengan penelitian ini. Literatur yang digunakan dalam berhubungan dengan sistem pendukung keputusan, metode AHP, metode Promethee dan pemrograman visual basic.

Tahap Perancangan Sistem Berbasis Pengetahuan

Pada tahap ini dilakukan perancangan sistem pendukung keputusan

sebuah aplikasi yang dapat berfungsi seperti yang diharapkan. Beberapa tahap yang dikerjakan pada kegiatan ini adalah :

1. Tahap Pengumpulan Dan Pengolahan Data Pada tahap ini dilakukan pengumpulan dan pengolahan terhadap data yang digunakan untuk merancang sistem pendukung keputusan. Data yang digunakan adalah :

a) Data nilai, lama studi dan data cuti mahasiswa yang diambil dari Sistem Informasi Akademik yang sudah berjalan. b) Data pembayaran SPP mahasiswa yang

diambil dari Sistem Informasi Pembayaran SPP.

2. Tahap Analisa Dan Perancangan Sistem Tahapan ini melakukan analisis kelemahan sistem yang berjalan atau dikerjakan saat ini, analisis kebutuhan sistem yang akan dibangun dan mendefinisikan kebutuhan yang harus dipenuhi oleh sistem yang akan dibangun. Setelah melakukan analisa fase selanjutnya adalah perancangan sistem. Dalam tahap perancangan dibuat suatu rancangan yang dapat menggambarkan alur kerja dari sistem yang akan dibangun, desain dari bagian

dikerjakan dalam pembuatan sistem. 3. Tahap Implementasi Sistem

Pada tahap ini akan dilakukan pengolahan data mahasiswa menggunakan bahasa pemrograman visual basic. Pada tahapan ini dibagi menjadi tiga proses untuk menentukan mahasiswa yang bermasalah.

a) Proses Menentukan Kriteria Pada tahap ini dilakukan

menentukan mahasiswa yang perlu ditindaklanjuti untuk diberi pengarahan dan penanganan khusus secara garis besar terdiri dari tiga bagian yaitu dalam hal akademik indeks prestasi, lama studi, cuti dan absensi) keuangan dan kemahasiswaan

dan berkelahi). b) Proses AHP.

Proses ini digunakan untuk mema

kepentingan masing masing kriteria. Dari rasio kepentingan yang sudah dimasukkan kemudian dilakukan proses selanjutnya yaitu menghitung dan membuat matriks normalisasi, dari matriks normalisasi ini akan didapat bobot atau nilai

eigen yang akan digunakan pada metode

selanjutnya yaitu promethee. Langkah berikutnya adalah membuat matriks konsistensi dan perhitungan intensitas sampai menghasilkan nilai konsistensi. Apabila nilai yang dihasilkan belum konsisten atau masih lebih besar atau sama dengan sepuluh persen maka rasio kepentingan masing-masing kriteria harus dirubah kembali

16

Pada tahap ini dilakukan perancangan pendukung keputusan agar bisa menjadi asi yang dapat berfungsi seperti yang diharapkan. Beberapa tahap yang dikerjakan pada kegiatan ini adalah :

Tahap Pengumpulan Dan Pengolahan Data Pada tahap ini dilakukan pengumpulan dan pengolahan terhadap data yang digunakan untuk pendukung keputusan. Data Data nilai, lama studi dan data cuti mahasiswa yang diambil dari Sistem Informasi Akademik yang sudah berjalan. Data pembayaran SPP mahasiswa yang diambil dari Sistem Informasi Pembayaran SPP.

Dan Perancangan Sistem Tahapan ini melakukan analisis kelemahan sistem yang berjalan atau dikerjakan saat ini, analisis kebutuhan sistem yang akan dibangun dan mendefinisikan kebutuhan yang harus dipenuhi oleh sistem yang akan dibangun. analisa fase selanjutnya adalah perancangan sistem. Dalam tahap perancangan dibuat suatu rancangan yang dapat menggambarkan alur kerja dari sistem yang akan dibangun, desain dari bagian-bagian yang akan dikerjakan dalam pembuatan sistem.

i Sistem

Pada tahap ini akan dilakukan pengolahan data mahasiswa menggunakan bahasa pemrograman visual basic. Pada tahapan ini dibagi menjadi tiga proses untuk menentukan mahasiswa yang

Proses Menentukan Kriteria

Pada tahap ini dilakukan pengolahan data kriteria menentukan mahasiswa yang perlu ditindaklanjuti untuk diberi pengarahan dan penanganan khusus secara garis besar terdiri dari tiga bagian yaitu dalam hal akademik (nilai indeks prestasi, lama studi, cuti dan absensi), kemahasiswaan (miras, narkoba

Proses ini digunakan untuk memasukkan rasio masing kriteria. Dari rasio kepentingan yang sudah dimasukkan kemudian dilakukan proses selanjutnya yaitu menghitung ks normalisasi, dari matriks normalisasi ini akan didapat bobot atau nilai yang akan digunakan pada metode selanjutnya yaitu promethee. Langkah berikutnya adalah membuat matriks konsistensi dan perhitungan intensitas sampai menghasilkan nilai ensi. Apabila nilai yang dihasilkan belum konsisten atau masih lebih besar atau sama dengan sepuluh persen maka rasio kepentingan masing kriteria harus dirubah kembali

(4)

ISSN : 2338 – 8161

17

sampai menghasilkan nilai konsistensi yang lebih kecil dari sepuluh persen.

c) Proses Promethee

Hasil dari proses AHP yang menghasilkan bobot setiap kriteria yang sudah memiliki nilai konsistensi kurang dari 0,1 atau sepuluh persen dibawa ke proses promethee. Dalam proses metode promethee, bobot dari AHP digunakan untuk membuat matriks normalisasi yang nantinya digunakan untuk menentukan nilai

threshold. Nilai threshold disesuaikan dengan

tipe preferensi kriteria yang digunakan pada masing-masing kriteria. Langkah selanjutnya adalah setiap alternatif akan dibandingkan satu per satu dan kebalikannya sesuai dengan tipe preferensi yang digunakan pada masing-masing kriteria sehingga akan menghasilkan tabel arah preferensi yang menampilkan nilai akhir dari perhitungan sebelumnya untuk perbandingan setiap alternatif. Hasil akhir dari proses promethee ini adalah nilai leaving flow, entering

flow dan net flow.

4. Tahap Evaluasi

Dalam tahapan ini dilakukan pengujian terhadap tingkat keberhasilan dan efektifitas dari sistem yang dibangun serta dilakukan analisa terhadap hasil evaluasinya.

d. Tahap Evaluasi

Subyek dalam penelitian ini adalah beberapa perguruan tinggi di wilayah Surakarta dan sekitarnya. Dari subyek yang diteliti atau yang diminta data adalah pihak-pihak yang terkait dengan penelitian ini adalah bagian kemahasiswaan, bagian keuangan, bagian akademik, dan dosen pembimbing akademik. Dari data-data yang dikumpulkan nantinya berkaitan dengan data mahasiswa bermasalah. 4.1. Hasil Penelitian

Metode yang digunakan berikutnya adalah promethee, langkah awal sebelum masuk ke metode promethee adalah mengambil data dari sistem informasi akademik dan sistem informasi pembayaran SPP kemudian memasukkan data absensi serta pelanggaran yang pernah dilakukan mahasiswa. Dari data tersebut dibuat matriks normalisasi dengan memanfaatkan nilai bobot yang diperoleh dari proses AHP dan menghitung nilai threshold. Dalam penelitian ini menggunakan tiga tipe preferensi yang terdapat dalam metode promethee yaitu tipe quasi, level dan linier.

4.2. Pembahasan

Pada bagian ini akan dijelaskan cara perhitungan dari awal yaitu proses AHP sampai ke proses metode promethee yang menghasilkan nilai akhir untuk dijadikan rekomendasi bagi pengambil keputusan. Seperti yang telah sedikit dijelaskan

pada bagian implementasi, langkah-langkah dari awal sampai akhir sama seperti pada sub bab 5.1. Penjelasan perhitungan dari metode AHP sampai ke metode promethee dapat dilihat pada sub bab di bawah ini

4.2.1. Perhitungan Kriteria Dalam Metode AHP Berdasarkan input rasio kepentingan kriteria yang telah dimasukkan sebelumnya seperti tabel 1.

Tabel 1. Input Rasio Kepentingan

A i l c s m n b a 1 3 3 3 2 3 3 5 i 0.333 1 2 3 1 3 1 0.5 l 0.333 0.500 1 0.333 0.5 1 3 0.5 c 0.333 0.333 3.003 1 2 3 2 0.33₃₃ s 0.500 1.000 2.000 0.500 1 3 5 1 m 0.333 0.333 1.000 0.333 0.333 1 1 0.5 n 0.333 1.000 0.333 0.500 0.200 1.000 1 0.33 33 b 0.200 2.000 2.000 3.000 1.000 2.000 3.000 1 J m l 3.3667 9.1667 14.336 11.667 8.0333 17 19 9.16₆₆ Keterangan : a : absen i : IPS l : lama c : cuti

Pada tabel 1 semua diagonal bernilai satu sebab kriteria yang sama pasti memiliki kepentingan yang sama. Maksud nilai kepentingan dapat dilihat pada table 2.3 di bab 2. Yang dimasukkan adalah nilai yang berada di atas diagonal, sedangkann nilai di bawah diagonal muncul otomatis. Penjelasan untuk memperoleh nilai yang berada di bawah diagonal adalah sebagai berikut :

Kolom i baris a dimasukkan nilai 3 maka pada kolom a baris i akan muncul nilai 0,333 yang didapat dari 1/3.

Kolom s baris l bernilai 0,5 maka nilai kolom l baris c = 2 ( 1/0,5 )

Kolom n baris s bernilai 5 maka nilai kolom s baris n = 0,2 ( 1/5 )

Kolom b baris c bernilai 0,3333 maka nilai kolom c baris b = 3 ( 1 / 0,3333 )

Langkah dan rumus tersebut dilakukan berulang-ulang sampai pada nilai terakhir yaitu kolom b baris n.

Langkah selanjutnya adalah menjumlahkan nilai elemen setiap kolomnya. Nilai yang dihasilkan tersebut akan menjadi acuan untuk membuat matriks normalisasi. Jumlah elemen tiap kolom dapat dilihat pada tabel 1.

4.2.2. Perhitungan Matriks Normalisasi Metode AHP

5. Tabel 2. Matriks Normalisasi Metode AHP

a i l c s m n b bo bot a 0.2 97 0.3 273 0.2 093 0.2 571 0.2 49 0.1 765 0.1 579 0.5 455 0.2 774 i 0.0 0.1 0.1 0.2 0.1 0.1 0.0 0.0 0.1 s : SPP m :miras n :narkoba b :berkelahi

(5)

Jurnal Evolusi Volume 5 No 1 - 2017 - evolusi.bsi.ac.id ISSN : 2338 – 8161

18

99 091 395 571 245 765 526 545 266 l 0.0 99 0.0 545 0.0 698 0.0 285 0.0 622 0.0 588 0.1 579 0.0 545 0.0 732 c 0.0 99 0.0 364 0.2 095 0.0 857 0.2 49 0.1 765 0.1 053 0.0 364 0.1 247 s 0.1 485 0.1 091 0.1 395 0.0 429 0.1 245 0.1 765 0.2 632 0.1 091 0.1 391 m 0.0 99 0.0 364 0.0 698 0.0 286 0.0 415 0.0 588 0.0 526 0.0 545 0.0 551 n 0.0 99 0.1 091 0.0 233 0.0 429 0.0 249 0.0 588 0.0 526 0.0 364 0.0 559 b 0.0 594 0.2 182 0.1 395 0.2 572 0.1 245 0.1 176 0.1 579 0.1 091 0.1 479

Nilai yang berada di matriks normalisasi seperti tampak pada tabel 2 didapat dari rumus :

Nilai matriks rasio kepentingan kolom k baris b Kolom k baris b =

Jumlah kolom k matriks rasio kepentingan Misal pada kolom i baris c, nilai kolom i baris c pada matriks rasio kepentingan adalah 0,333 dan jumlah kolom I adalah 9.1667, maka nilai kolom i baris c pada matriks normalisasi akan bernilai 0,333 / 9,1667 = 0,036357 yang dibulatkan menjadi 0,0364. Contoh perhitungan lainnya sebagai berikut :

Nilai kolom s baris n = 0,2 / 8.0333 = 0,0249 Nilai kolom n baris l = 3 / 19 = 0,1579 Nilai kolom b baris a = 5 /9.1666 = 0,5455 Nilai kolom b baris m = 0,5 /9.1666 = 0,0545

Perhitungan seperti contoh di atas dilanjutkan sampai semua kolom baris terpenuhi.

Nilai eigen atau bobot diperoleh dari rata-rata tiap baris, perhitungannya sebagai berikut :

Bobot a = 0,297+0,3273+0,2093+0,2571+0.249+0,1765+0,1579+0,5455 = 2,2194 / 8 = 0,2774 Bobot i = 0.099+0.1091+0.1395+0,2571+0.1245+0.1765+0.0526+0.0545 = 1.0129 / 8 = 0.1266 Bobot l = 0.099+0.0545+0.0698+0.0285+0.0622+0.0588+0.1579+0.0545 = 0.5854 / 8 = 0.0732 Bobot c = 0.099+0.0364+0.2095+0.0857+0.249+0.1765+0.1053+0.0364 = 0.9976 / 8 = 0.1247 Bobot s = 0.1485+0.1091+0.1395+0.0429+0.1245+0.1765+0.2632+0.1091 = 1.1132 / 8 = 0.1391 Bobot m = 0.099+0.0364+0.0698+0.0286+0.0415+0.0588+0.0526+0.0545 = 0.4412 / 8 = 0.0551 Bobot n = 0.099+0.1091+0.0233+0.0429+0.0249+0.0588+0.0526+0.0364 = 0.4469 / 8 = 0.0559 Bobot b = 0.0594+0.2182+0.1395+0.2572+0.1245+0.1176+0.1579+0.1091 = 1.1834 / 8 = 0.1479

5.2.2. Perhitungan Matriks Konsistensi Metode AHP

Proses dalam metode AHP berikutnya adalah membuat matriks konsistensi. Nilai matriks konsistensi berasal dari nilai rasio kepentingan (tabel 1) dan nialai eigen atau bobot dari matriks normalisasi (tabel 2). cara menghitung atau mendapatkan nilai untuk nilai yang berada pada matriks konsistensi adalah mengalikan elemen pada kolom baris matriks rasio kepentingan dengan bobot kriteria yang bersesuaian. Elemen kolom matriks rasio kepentingan yang dimaksud disini adalah matriks awal yaitu matriks perbandingan sub kriteria

tabel1.Contoh perhitungan untuk matriks konsistensi adalah sebagai berikut :

Kolom i baris a = nilai kolom i baris a matriks perbandingan kali bobot kriteria i.

= 3 X 0,1266 = 0,3798 Kolom c baris l = 0,333 X 0,1247 = 0,0415 Kolom s baris c = 2 X 0,1391 = 0,2783 Kolom n baris m = 1 X 0,0559 = 0,0559 Kolom b baris n = 0,333 X 0,1479 = 0,0493

Langkah di atas dilanjutkan sampai semua nilai baris kolom terpenuhi, sehingga hasilnya nampak seperti tabel 5.3.

Tabel 3. Matriks Konsistensi Metode AHP

a i l c s m n b jumlah a 0,2774 0,3798 0,2195 0,3741 0,2783 0,1654 0,1676 0,7396 2,60183 i 0,0925 0,1266 0,1463 0,3741 0,1391 0,1654 0,0559 0,074 1,17395 l 0,0925 0,0633 0,0732 0,0415 0,0696 0,0551 0,1676 0,074 0,63676 c 0,0925 0,0422 0,2197 0,1247 0,2783 0,1654 0,1117 0,0493 1,08388 s 0,1387 0,1266 0,1463 0,0624 0,1391 0,1654 0,2793 0,1479 1,20586 m 0,0925 0,0422 0,0732 0,0416 0,0464 0,0551 0,0559 0,074 0,48078 n 0,0925 0,1266 0,0244 0,0624 0,0278 0,0551 0,0559 0,0493 0,49398 b 0,0555 0,2532 0,1463 0,3741 0,1391 0,1103 0,1676 0,1479 1,39417

Langkah selanjutnya adalah menghitung jumlah tiap baris pada matriks konsistensi, jumlah baris ini akan digunakan untuk menghitung nilai hasil bagi.

5.2.3. Perhitungan Rasio Konsistensi Metode AHP

Sebelum menghitung Consistency Ratio (CR) terlebih dahulu menghitung nilai hasil bagi dengan cara bobot atau nilai eigen tiap kriteria atau tiap baris dibagi jumlah masing-masing baris pada matriks konsistensi yang bersesuaian. Perhitungannya sebagai berikut :

Nilai hasil bagi kriteria a = 2,60183 / 0,2774 = 9,3781 Nilai hasil bagi kriteria i = 1,17395 / 0,1266 = 9,2722 Nilai hasil bagi kriteria l = 0,63676 / 0,0732 = 8,7025 Nilai hasil bagi kriteria c = 1,08388 / 0,1247 = 8,6918 Nilai hasil bagi kriteria s = 1,20586 / 0,1391 = 8,6662 Nilai hasil bagi kriteria m = 0,40878 / 0,0551 = 8,7178 Nilai hasil bagi kriteria n = 0,49398 / 0,0559 = 8,8423 Nilai hasil bagi kriteria b = 1,39417 / 0,1479 = 9,4249

5.2.4. Perhitungan Nilai Consistency Ratio (CR)

Dari nilai hasil bagi di atas kemudian dicari rata-ratanya untuk mengetahui nilai λmax = 71,6958 / 8 = 8,962. Dari nilai λmax dapat dicari nilai indeks konsistensi (CI) dengan rumus nilai (λmax – jumlah kriteria) / jumlah kriteria dikurangi 1 = (8,962-8) / 7 = 0,137.

Dari tabel … pada bab 2 diketahui nilai random indeks dari matriks berukuran 8 adalah 1,41. Untuk menghitung rasio konsistensi (CR) dapat dihitung dengan membagi nilai CI dengan nilai CR = 0,137 / 1,41 = 0,097. Dengan nilai CR 0,097 yang berarti sudah lebih kecil dari 0,1

(6)

ISSN : 2338 – 8161

19

maka rasio kepentingan yang dimasukkan pada tabel 5.1 dan nilai eigen atau bobot yang diperoleh pada tabel 5.2 sudah dapat digunakan pada metode promethee.

5.2.5. Perhitungan Matriks Normalisasi Metode Promethee

Langkah awal dalam metode promethee adalah membuat matriks normalisasi. Matriks normalisasi membutuhkan nilai eigen atau bobot yang dihasilkan dari metode AHP sebelumnya (gambar 5.4) dan data mentah yang diambil dari sistem eksternal serta inputan absen maupun pelanggaran. Matriks normalisasi tampak seperti gambar 5.

Gambar 5. Matriks Normalisasi Metode Promethee

Nilai yang berada di matriks normalisasi didapat dari perkalian antara data mentah dengan bobot dari AHP untuk masing-masing kriteria. Contoh perhitungan dapat dijelaskan sebagai berikut : Mahasiswa dengan NIM 2137100630 memiliki IPK 3,38, bobot IPK adalah 0,1266 maka nilai pada matriks normalisasi adalah 3,38 X 0,1266 = 0,42791

Mahasiswa NIM 2107200637lama studi 9 semester, bobot lama studi adalah 0,07317, nilai pada matriks normalisasi adalah 9 X 0,07317 = 0,6585

Mahasiswa NIM 2107100553 nunggak SPP selama 4 bulan, bobot SPP adalah 0,13914 maka nilai pada matriks normalisasi adalah 4 X 0,13914 = 0,5566.

Perhitungan dengan cara di atas diulang-ulang sampai pada data yang terakhir sampai menghasilkan matriks normalisasi seperti gambar 5.

5.2.6. Perhitungan Nilai Threshold Metode Promethee

Langkah selanjutnya setelah membuat matriks normalisasi adalah menghitung nilai threshold. Dari data mentah yang didapat dari sistem eksternal dan inputan absensi serta pelanggaran. Dari data tersebut dapat dihitung nilai threshold seperti tampak pada gambar 6.

Gambar 6. Nilai Threshold

Kolom max adalah mencari nilai tertinggi dari masing-masing kriteria yang diambil dari data mentah pada gambar 5.7. Kolom min untuk menampilkan nilai terendah dari masing-masing kriteria. Untuk kolom min2 digunakan untuk menampilkan nilai terendah kedua (nilai yang lebih besar dari nilai terendah) dari masing-masing kriteria yang berasal dari data mentah.

Nilai yang berada di kolom K1 didapat dari nilai max dikurangi nilai min untuk setiap kriteria, sedangkan kolom K2 berisi nilai yang didapat dari nilai min2 dikurangi nilai min. Nilai yang berada di kolom V didapat dari nilai K1 dikurangi nilai K2 untuk setiap kriteria. Isi kolom V didapat dari rumus : nilai V dibagi jumlah alternatif, sedangkan kolom P didapat dari nilai V dikurangi nilai Q untuk masing-masing kriteria. Contoh perhitungan sebagai berikut :

Nilai K1 dari kriteria lama adalah 0,80487 (max) – 0,21951 (min) = 0,58536.

Nilai K2 dari kriteria lama adalah 0,36585 (min2) – 0,21951 (min) = 0,14634.

Nilai V dari kriteria ipk adalah 0,44057 (K1) – 0,10508 (K2) = 0,33549 Nilai V dari kriteria spp adalah 2,22624 (K1) – 1,66968 (K2) = 0,55656 Jumlah alternatif yang sudah masuk ke dalam sistem sejumlah 32, nilai ini digunakan untuk menghitung Q.

Nilai Q dari kriteria spp adalah 0,55656 (V) / 32 = 0,01739 Nilai Q dari kriteria ipk adalah 0,33549 (V) / 32 = 0,01048 Nilai P dari kriteria spp adalah 0,55656 (V) - 0,01739 (Q) = 0,53917 Nilai P dari kriteria ipk adalah 0,33549 (V) - 0,01048 (Q) = 0,32501

Dalam metode promethee terdapat beberapa tipe preferensi yang dapat digunakan sesuai dengan jenis kriteria yang digunakan. Dalam penelitian ini menggunakan tiga tipe preferensi. Kriteria absen menggunakan tipe preferensi quasi, sedangkan kriteria ips menggunakan tipe level yang manggambarkan data sebagai kwalitas atau mutu. Ke enam kriteria lainnya menggunakan tipe preferensi linier sebab data-data tersebut menggambarkan penilaian dari segi kwantitas. Tipe preferensi yang digunakan berpengaruh terhadap perhitungan perbandingan preferensi antar alternatif pada langkah berikutnya. Kondisi dari masing-masing tipe preferensi yang digunakan sebagai berikut :

a. Tipe Preferensi Quasi : Hd bernilai 0 jika d<=q dan Hd bernilai 1 jika d>q.

b. Tipe Preferensi Level : Hd bernilai 0 jika d<=q, Hd bernilai 0,5 jika q<d dan Hd bernilai 1 jika d>p.

c. Tipe Preferensi Linier : Hd bernilai 0 jika d<=0, Hd bernilai d/p jika 0<=d<=p dan Hd bernilai 1 jika d>p.

5.2.7. Perhitungan Perbandingan Nilai Preferensi Antar Alternatif

Langkah menghitung perbandingan nilai antar alternatif adalah langkah yang paling

(7)

ISSN : 2338 – 8161

20

panjang dalam metode promethee, semakin banyak alternatif maka semakin banyak perbandingan yang dilakukan. Jika terdapat lima alternatif maka diperlukan 10 kali perbandingan nilai preferensi antar alternatif yang masing-masing menghitung nilai fa1-fa2, nilai fa2-fa1, nilai a1-a2 dan nilai a2-a1 jadi terdapat 40 kali perhitungan yang harus dilakukan.

Dalam implementasi penelitian ini telah dimasukkan sebanyak 32 alternatif, sehingga diperlukan sebanyak 496 kali perbandingan nilai preferensi antar alternatif dan terdapat sebanyak 1984 kali perhitungan. Jika metode promethee dengan jumlah alternatif yang banyak maka memerlukan waktu yang tidak sedikit untuk menyelesaikan, dengan adanya SPK dalam penelitian kali ini sangat membantu dalam menghitung perbandingan nilai preferensi antar alternatif yang jumlahnya sangat banyak.

Hasil perhitungan untuk melakukan perbandingan nilai preferensi antar alternatif dalam penelitian ini dapat dilihat pada gambar 5.14. Untuk menampilkan hasil perhitungan dari perbandingan preferensi antar alternatif dengan jumlah alternatif sebanyak 32, sistem dalam penelitian ini membutuhkan waktu selama tujuh detik. Dalam waktu tujuh detik sistem dapat melakukan perhitungan sebanyak 1984 kali.

Gambar 7. Perbandingan Nilai Preferensi Antar Alternatif

Contoh perhitungan perbandingan nilai preferensi antar alternatif sebagai berikut :

a. Untuk perbandingan nim 2127300408 (a1) dan 2137100630 (a2) :

fa1-fa2 IPS :

IPS (a1) = 3,48 IPS (a2) = 3,38

fa1 – fa2 = 3,48 – 3,38 = 0,1 Kondisi untuk tipe preferensi level adalah jika d ≤ q maka Hd=0, jika q < d ≤ p maka Hd = 0,5, jika d > p maka Hd =1. d adalah nilai fa1-fa2.

Dari gambar 4.13 dapat dilihat nilai kriteria IPK untuk q = 0,01048 dan p = 0,32501.

Dari kondisi dan nilai q serta p tersebut maka kondisi yang terpenuhi adalah 0,01048 < 0,1 ≤ 0,32501, jadi nilai a1-a2 IPK adalah 0,5. b. Untuk perbandingan nim 2127200752 (a1) dan 2137100628 (a2) :

fa1-fa2 absen :

absen (a1) = 0 absen (a2) = 1 fa1 – fa2 = 0 – 1 = -1

Kondisi untuk tipe preferensi quasi adalah jika d ≤ q maka Hd=0, jika d > p maka Hd =1. d adalah nilai fa1-fa2.

Dari gambar 4.13 dapat dilihat nilai kriteria absen untuk q dan p = 0.

Dari kondisi dan nilai q serta p tersebut maka kondisi yang terpenuhi adalah 0 ≤ 0, jadi nilai a1-a2 IPK adalah 0.

c. Untuk perbandingan nim 2127300408 (a1) dan 2137100622 (a2) :

fa1-fa2 SPP :

SPP (a1) = 15 SPP (a2) = 0

fa1 – fa2 = 15 – 0 = 15

Kondisi untuk tipe preferensi linier adalah jika d ≤ 0 maka Hd=0, jika 0 < d ≤ p maka Hd = d/p, jika d > p maka Hd =1. d adalah nilai fa1-fa2.

Dari gambar 5.13 dapat dilihat nilai kriteria SPP untuk q = 0,01739 dan p = 0,53917.

Dari kondisi dan nilai q serta p tersebut maka kondisi yang terpenuhi adalah 0,01048 < 0,1 ≤ 0,32501, jadi nilai a1-a2 IPK adalah 1.

Perhitungan seperti di atas diulang-ulang sampai semua alternatif dibandingkan dan perbandingan juga dilakukan sebaliknya, misalnya membandingkan fa1-fa2 maka juga membandingkan fa2-fa1. Perhitungan perbandingan untuk a1-a2 juga harus melihat kondisi dari tipe preferensi yang digunakan masing-masing kriteria.

Dari hasil perbandingan nilai preferensi antar alternatif dibuat tabel arah preferensi antar alternatif seperti tampak pada gambar 5.15. Nilai yang terdapat dalam tabel arah preferensi berasal dari rata-rata nilai a1-a2 yang bersesuaian dengan NIM masing-masing alternatif (gambar 5.14). Misalnya untuk mengisi di kolom 2097100343 baris 2127300408 didapat dari :

0 + 0,5 + 0 + 0 + 0 + 1 + 0 + 0 = 1,5 / 8 =0,1875 Untuk mengisi nilai di baris 2107200627 kolom 2107200622 didapat dari :

(8)

ISSN : 2338 – 8161

Gambar 8. Tabel Arah Preferensi Antar Alternatif 5.2.8. Perhitungan Entering, Leaving

Flow

Langkah terakhir dalam metode promethee adalah menghitung nilai entering, leaving

flow. Perhitungan bagian ini bersumber dari nilai

yang terdapat dalam tabel arah preferensi (gambar 5.15). Menghitung

dengan menjumlah nilai masing

yang berada di tabel arah preferensi dibagi dengan jumlah alternatif yang sudah

satu sedangkan nilai leaving flow

jumlah nilai masing-masing baris dibagi dengan jumlah alternatif yang sudah dikurangi satu. Jika urutan nilai dari entering flow

urutan nilai leaving flow maka perlu dihitung nilai

net flow dengan rumus nilai

dikurangi nilai entering flow. Contoh perhitungan di bawah ini dapat dicocokan dengan nilai yang terdapat pada gambar 5.10.

a. Nilai leaving flow untuk NIM 2107200622 :(0 + 0,0625 + 0,125 + 0 + 0 + 0 + 0,125 + 0 + 0 +

0,125 + 0,125 + 0,25 + 0,25 + 0,25 + 0,25 + 0,125 + 0,25 + 0,1875 + 0,25 + 0,125 + 0,125 + 0,125 + 0,125 + 0,125 + 0,25 + 0,25 + 0,25 + 0,125) / 31 = 1,3

b. Nilai entering flow untuk NIM 2107200638 : (0,375 + 0,125 + 0,125 + 0,13 + 0,125 + 0,125 + 0 + 0,125 + 0,125 + 0,125 + 0 + 0,125 + 0,125 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,125 + 0,125 + 0,125 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,125)/ 1,85

c. Nilai entering flow untuk NIM 2117100445 : (0,3125 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,125 + 0,125 + 0 + 0 + 0 + 0 + 0,125 + 0,125 + 0,125 + 0,125 + 0,125 + 0,125 + 0,1875 + 0,125 + 0,3125 + 0,125 + 0,125 + 0,1875 + 0,125) / 31 = 0,1734 5.3. Pengujian Sistem

Tujuannya dari pengujian ini adalah untuk menjamin bahwa perangkat lunak yang memiliki kualitas yang baik yaitu mampu untuk mempersentasikan kajian pokok dari spesifikasi, analisis, perancangan dan pengkodean dari perangkat lunak itu sendiri. Pengujian dil

menggunakan metode black box

pada peryaratan fungsional perangkat lunak. Pengujian black box berusaha menemukan kesalahan dalam kategori fungsi

tidak benar atau hilang, kesalahan interface, kesalahan dalam struktur data ata

8. Tabel Arah Preferensi Antar Alternatif Entering, Leaving Dan Net Langkah terakhir dalam metode promethee

entering, leaving dan net

. Perhitungan bagian ini bersumber dari nilai yang terdapat dalam tabel arah preferensi (gambar 5.15). Menghitung entering flow sama dengan menjumlah nilai masing-masing kolom yang berada di tabel arah preferensi dibagi dengan jumlah alternatif yang sudah dikurangi

leaving flow didapat dari

masing baris dibagi dengan jumlah alternatif yang sudah dikurangi satu. Jika

entering flow berbeda dengan

maka perlu dihitung nilai dengan rumus nilai leaving flow . Contoh perhitungan di bawah ini dapat dicocokan dengan nilai yang untuk NIM 2107200622 :(0 + 0,0625 + 0,125 + 0 + 0 + 0 + 0,125 + 0 + 0 + 0 + 0,125 + 0 + 0 + 0,125 + 0,125 + 0,25 + 0,25 + 0,25 + 0,25 + 0,125 + 0,25 + 0,1875 + 0,25 + 0,125 + 0,125 + 0,125 + 0,125 + 0,125 + 0,25 + 0,25 + 0,25 + 0,125) / 31 = 1,3 untuk NIM 2107200638 : (0,375 + 0,125 + 0,125 + 0,13 + 0,125 + 0,125 + 0 + 0,125 + 0,125 + 0,125 + 0 + 0,125 + 0,125 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,125 + 0,125 + 0,125 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,125)/ 31 = untuk NIM 2117100445 : (0,3125 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,25 + 0,125 + 0,125 + 0 + 0 + 0 + 0 + 0,125 + 0,125 + 0,125 + 0,125 + 0,125 + 0,125 + 0,1875 + 0,125 + + 0,125 + 0,125 + 0,1875 + 0,125) / 31 = 0,1734

Tujuannya dari pengujian ini adalah untuk menjamin bahwa perangkat lunak yang memiliki kualitas yang baik yaitu mampu untuk mempersentasikan kajian pokok dari spesifikasi, analisis, perancangan dan pengkodean dari perangkat lunak itu sendiri. Pengujian dilakukan

black box yang berfokus

pada peryaratan fungsional perangkat lunak. berusaha menemukan kesalahan dalam kategori fungsi-fungsi yang tidak benar atau hilang, kesalahan interface, kesalahan dalam struktur data atau akses

database eksternal, kesalahan kinerja, inisialisasi dan kesalahan terminasi.

4.3.1. Pengujian Black Box a. Pengujian Login

Berikut ini adalah tabel pengujian proses untuk masuk ke dalam sistem yang dilakukan oleh pejabat struktural.

Tabel 4. Pengujian

Kasus dan Hasil Pengujian (Data Normal) Data masukan Yang

diharapkan Nama pengguna

dan kata sandi

Nama muncul pada text box, kata sandi muncul sebagai simbol. Tombol enter Menyaring

data dosen yang ada di tabel

Kasus dan Hasil Pengujian (Data Salah) Nama pengguna

, kata sandi dan tombol enter.

Tidak dapat login

b. Pengujian Pengolahan Data Absensi Dan Pelanggaran

Tabel 5. Pengujian Data Data Absensi Dan Pelanggaran

Kasus dan Hasil Pengujian Data masukan Yang diharapkan Memilih jenis : absensi atau pelanggaran

Label dan option berubah sesuai dengan jenis yang dipilih Data absensi atau pelanggaran sesuai masukan yang diminta

Data tidak dapat disim-pan jika NIM tidak ditemukan. NIM atau nama dalam isian penca-rian Dapat mencari NIM atau nama sesuai data yang dimasukkan

c. Pengujian Proses AHP

Tabel 6. Pengujian Proses AHP

21

database eksternal, kesalahan kinerja, inisialisasi Black Box

Berikut ini adalah tabel pengujian proses login untuk masuk ke dalam sistem yang dilakukan

Tabel 4. Pengujian Login

Kasus dan Hasil Pengujian (Data Normal)

Pengamatan Kesimpulan Nama muncul sandi muncul Dapat mengisi nama dan kata sandi. Data dosen tersaring dan hanya tampil data dosen yang berhak dinilai oleh pengguna. Kasus dan Hasil Pengujian (Data Salah)

Tidak dapat Login gagal dan muncul pesan

Pengujian Pengolahan Data Absensi Dan

Tabel 5. Pengujian Data Data Absensi Dan Pelanggaran

Kasus dan Hasil Pengujian

Yang diharapkan Pengamatan Kesimpula n option Dipilih absensi,

label berubah jenis absensi : sakit, ijin dan alpha Data tidak dapat Data dapat

disimpan jika NIM ditemukan dan tidak dapat disimpan jika NIM tidak ada

sesuai data yang

Data dapat disaring pada grid yang mirip dengan yang dimasukkan

Pengujian Proses AHP

(9)

ISSN : 2338 – 8161

Kasus dan Hasil Pengujian Data masukan Yang diharapkan

Rasio kepentingan (n)

Menghitung rasio dan hasilnya tampil di tempat yang sesuai

Tampil hasil rasio dari rumus 1/n di tempat yang sesuai

Matriks rasio kepentingan

Tampil matriks normal-isasi sesuai rumus dan nilai eigen

Tampil matriks normal hasinya sesuai serta bobot tiap kriteria Matriks rasio

kepentingan dan nilai eigen

Tampil matriks konsis-tensi dan nilai CR sesuai rumus 2.1 Tampil konsis nilai CR yang sesuai

4.3.2. Hasil Pengujian Black Box

Hasil pengujian yang diperoleh dari uji kasus sampel di atas adalah aplikasi Sistem Pendukung Keputusan yang dibuat dalam penelitian ini layak untuk digunakan karena semua yang diharapkan dari program ini dengan pengamatan yang dilakukan telah sesuai dengan yang diharapkan.

4.3.3. Pengujian White Box

Pengujian wahite box dilakukan dengan menggunakan teknik basis path testing.

a. Pengujian Menghitung Rasio Kepentingan 1. Kode program untuk menghitung rasio kepentingan adalah :

Select Case Index Case 11 ts1(14) = FormatNumber$(1 / ts1(Index), 5) Case 12 ts1(18) = FormatNumber$(1 / ts1(Index), 5) Case 13 ts1(22) = FormatNumber$(1 / ts1(Index), 5) Case 16 ts1(19) = FormatNumber$(1 / ts1(Index), 5) Case 17 ts1(23) = FormatNumber$(1 / ts1(Index), 5) Case 21 ts1(24) = FormatNumber$(1 / ts1(Index), 5) End Select

2. Graf Alir dari kode program di atas adalah

1 2,3 4,5 5,6 7,8 14 1 2 4 6 8 10 12 14

Kasus dan Hasil Pengujian

Pengamatan Kesimpulan Tampil hasil rasio

dari rumus 1/n di tempat yang sesuai

Tampil matriks normal-isasi dan hasinya sesuai serta bobot tiap kriteria Tampil matriks konsis-tensi dengan nilai CR yang sesuai Black Box

Hasil pengujian yang diperoleh dari uji kasus sampel di atas adalah aplikasi Sistem Pendukung Keputusan yang dibuat dalam penelitian ini layak untuk digunakan karena diharapkan dari program ini dengan pengamatan yang dilakukan telah sesuai dengan

Pengujian wahite box dilakukan dengan menggunakan teknik basis path testing.

a. Pengujian Menghitung Rasio Kepentingan untuk menghitung rasio

ts1(14) = FormatNumber$(1 / ts1(Index), 5) ts1(18) = FormatNumber$(1 / ts1(Index), 5) ts1(22) = FormatNumber$(1 / ts1(Index), 5) ts1(19) = FormatNumber$(1 / ts1(Index), 5) ts1(23) = FormatNumber$(1 / ts1(Index), 5) ts1(24) = FormatNumber$(1 / ts1(Index), 5)

2. Graf Alir dari kode program di atas adalah

Gambar 9. Graf Alir Menghitung Rasio Kepentingan

Dari Gambar 9. dapat dihitung kompleksitas siklomatisnya :

V(G) = 12 – 8 + 2 = 6

Kelompok basis graf alir dari Gambar 4.16 adalah : Jalur 1 : 1 – 2,3 Jalur 2 : 1 – 4,5 Jalur 3 : 1 – 6,7 Jalur 4 : 1 – 8,9 Jalur 5 : 1 – 10,11 Jalur 6 : 1 – 12,13

3. Test Case Menghitung Rasio Kepentingan Jalur 1 : nilai yang masuk pada misalnya 2, nilai yang tampil pada bernama ts1(14) adalah 1 / 2 = 0,5.

Hasil yang diharapkan : menampilkan hasil dari perhitungan 1 dibagi nilai yang dimasukkan dan keluar dari percabangan. Jalur 2 : nilai yang masuk pada

misalnya 0,3, nilai yang tampil pada bernama ts1(18) adalah 1 /

Hasi yang diharapkan : menampilkan hasil dari perhitungan 1 dibagi nilai yang dimasukkan dan keluar dari percabangan. Jalur 3 : nilai yang masuk pada

misalnya 3, nilai yang tampil pada bernama ts1(22) adalah 1 / 3 = 0,333.

misalnya 3, nilai yang tampil pada bernama ts1(19) adalah 1 / 3 = 0,333.

misalnya 5, nilai yang tampil pada bernama ts1(23) adalah 1 / 5 = 0,2. Hasi yang diharapkan :

dari perhitungan 1 dibagi nilai yang dimasukkan dan keluar dari percabangan. Jalur 6 : nilai yang masuk pada

misalnya 7, nilai yang tampil pada bernama ts1(24) adalah 1 / 7 = 0,143. Hasil yang diharapkan : menampilkan dari perhitungan 1 dibagi nilai yang dimasukkan dan keluar dari percabangan. 4. Hasil Pengujian : tampil hasil dari perhitungan 1 dibagi nilai yang dimasukkan pada baris dan kolom yang dimaksud.

b. Pengujian Menghitung Matriks

Normalisasi

1. Kode Program Untuk Mendapatkan Matriks Normalisasi 9,10 11,12 3 5 7 9 11 13 1

22

Graf Alir Menghitung Rasio

Dari Gambar 9. dapat dihitung kompleksitas

Kelompok basis graf alir dari Gambar 4.16 2,3 – 14 4,5 - 14 6,7 - 14 8,9 - 14 10,11 - 14 12,13 – 14

3. Test Case Menghitung Rasio Kepentingan Jalur 1 : nilai yang masuk pada text box 11 misalnya 2, nilai yang tampil pada text box

adalah 1 / 2 = 0,5.

Hasil yang diharapkan : menampilkan hasil dari perhitungan 1 dibagi nilai yang dimasukkan dan keluar dari percabangan. Jalur 2 : nilai yang masuk pada text box 12 misalnya 0,3, nilai yang tampil pada text box bernama ts1(18) adalah 1 / 0,3 = 3.

Hasi yang diharapkan : menampilkan hasil dari perhitungan 1 dibagi nilai yang dimasukkan dan keluar dari percabangan. Jalur 3 : nilai yang masuk pada text box 13 misalnya 3, nilai yang tampil pada text box bernama ts1(22) adalah 1 / 3 = 0,333.

i yang diharapkan : menampilkan hasil dari perhitungan 1 dibagi nilai yang dimasukkan dan keluar dari percabangan. Jalur 4 : nilai yang masuk pada text box 16 misalnya 3, nilai yang tampil pada text box bernama ts1(19) adalah 1 / 3 = 0,333.

apkan : menampilkan hasil dari perhitungan 1 dibagi nilai yang dimasukkan dan keluar dari percabangan. Jalur 5 : nilai yang masuk pada text box 17 misalnya 5, nilai yang tampil pada text box bernama ts1(23) adalah 1 / 5 = 0,2.

Hasi yang diharapkan : menampilkan hasil dari perhitungan 1 dibagi nilai yang dimasukkan dan keluar dari percabangan. Jalur 6 : nilai yang masuk pada text box 21 misalnya 7, nilai yang tampil pada text box bernama ts1(24) adalah 1 / 7 = 0,143.

Hasil yang diharapkan : menampilkan hasil dari perhitungan 1 dibagi nilai yang dimasukkan dan keluar dari percabangan. 4. Hasil Pengujian : tampil hasil dari perhitungan 1 dibagi nilai yang dimasukkan pada baris dan

Pengujian Menghitung Matriks

(10)

Jurnal Evolusi Volume 5 No 1 - 2017 - evolusi.bsi.ac.id ISSN : 2338 – 8161

23

e = 0 For b = 10 To 18 Step 3 j = 0 d = 0 For c = b To b + 2 ts2(c) = FormatNumber$(CDbl(ts1(c)) / js(d),5) j = j + CDbl(ts2(c)) d = d + 1 Next c pi(e) = FormatNumber$(CDbl(j / 5), 5) e = e + 1 Next b

2. Graf Alir dari kode program di atas adalah :

Gambar 10. Graf Alir Menghitung Matriks Normalisasi

Dari Gambar 10 dapat dihitung kompleksitas siklomatisnya :

V(G) = 9 – 8 + 2 = 3

Kelompok basis graf alir dari Gambar 5.17 hanya terdapat 1 jalur yaitu :

1 – 2 – 3,4 – 5 – 6,7 – 8 – 9,10 – 11 c. ValidasiPengujian White Box

Tabel 7. ValidasiPengujian White Box

Proses Yang diharapkan Hasilpengujian Valid asi Menghitungrasi okepentingan Menampilkan hasil dari perhitungan 1 dibagi nilai yang dimasukkan dan keluar dari percabangan.

Tampil hasil perhitungan 1 dibagi nilai yang dimasuk-kan pada baris dan kolom yang dimaksud sesuai kondisi yang ditulis.

Valid

5. Kesimpulan

a. Sistem pendukung keputusan yang dibuat dapat menghasilkan data mahasiswa yang memerlukan penanganan dan perhatian khusus sebagai rekomendasi kepada pengambil keputusan.

b. Penggunaan AHP yang memberikan rasio kepentingan setiap kriteria dan menghasilkan nilai eigen yang selanjutnya digunakan dalam metode promethee sampai menghitung nilai leaving flow, entering flow dan net flow dapat menghasilkan daftar urutan mahasiswa yang perlu ditangani secara khusus.

c. Langkah analisa yang diterapkan dengan menganalisa kelemahan sistem terdahulu, menentukan kriteria, membuat diagram alir sistem yang dikembangkan, pemodelan sistem dengan menggunakan metode UML, membuat rancangan input dan juga output serta membuat desain database.

d. Program yang dibuat telah menggunakan cara perhitungan yang efektif dengan menggunakan perulangan tersarang dan percabangan yang telah sesuai prosedur pemrograman.

6. Daftar Pustaka

[1] Anagnostopoulos, K.P, Petalas, C., Pisinaras, V., Water Resources Planning

Using The Ahp And Promethee

Multicriteria Methods: The Case Of Nestos

River – Greece, The 7th Balkan Conference

On Operational Research “BACOR 05”, Costanta, May 2005, Romania.

[2] Amponsah, SK., Darkwah, KF and Inusah, A., 2012, Logistic preference function for

preference ranking organization method for

enrichment evaluation (PROMETHEE)

decision analysis, African Journal of

Mathematics and Computer Science Research Vol. 5(6).

[3] Cavallaro, F., 2005, An Integrated

Multi-Criteria System to Assess Sustainable Energy Options : An. Application of the Promethee Method, Nota Di Lavoro, Milan:

Fundazione Eni Enrico Mattei, 22.

[4] Chou, TY., Lin, WT, Lin, CY., Chou, WC and Huang, PH., 2004, Application Of The

Promethee Technique To Determine

Depression Outlet Location And Flow Direction In DEM, Departments of Land

Management, Feng-Chia University, Taiwan.

[5] Gunawan, 2011, Sistem Informasi

Pencarian Dan Monitoring Siswa

Bermasalah Dengan Metode Promethee Pada Smp Yppi 2 Surabaya, Thesis

STIKOM Surabaya.

[6] Michael D., Constantin Z., 2014, A

Multicriteria Decision Support System For Bank Rating. International Journal on Soft

Computing (IJSC), Vol.2, No. 1, February 2014. 1 2 3,4 5 6,7,8 10,11 9 12 2 3 4 5 6 7 8 9 10 11 12

(11)

ISSN : 2338 – 8161

24

[7] Royan S., 2004, Pengembangan Aplikasi

SPK Untuk Proses Pemilihan Manager PT. Huta Haean Pekan Baru dengan Metode AHP. Jurnal UAD, Yogyakarta.

[8] Sundarraj R. P., 2012, A Web-Based AHP

Approach To Standardize The Process Of Managing Service-Contracts. International

Journal on Soft Computing (IJSC), Vol.2, No. 1.

[9] Suryadi, K dan Ramdhani. (2002). Sistem

Pendukung Keputusan : Suatu Wacana Struktural Idealisasi dan Implementasi Konsep Pengambilan Keputusan. Bandung

: PT.Remaja Rosdakarya.

[10] Tal B. Z., 2014, Measuring The Perceived

Effectiveness Of Decision Support

Systems And Their Impact On

Performance. Procedia Soft Computing

Sciences 11- 1502–1506.

[11] Turban, E., 2001, Decision Support

Systems and Expert Systems and

Intelligent Systems, 6th Edition, Prentice Hall Internasional, Inc., New Jersey. [12] Younghwa L., Kenneth A. K., 2013,

Investigating The Effect Of Website Quality On E-Business Success : An analytic

hierarchy process (AHP) approach. Decision Support Systems with Applications 09- 9007–9014.

[13] Zhi H. H., Zhao H. S., 2014, A Decision

Support System For Public Logistics Information Service Management And Optimization. Decision Support Systems