JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 18
SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE SIMPLE
ADDITIVE WEIGHTING UNTUK PEMILIHAN KETUA
PERSATUAN KELUARGA TAPANULI ISLAM
(PERSAKTI) KOTA DUMAI
Jamil Tua Daulay
Jurusan Manajemen Informatika, AMIK Dumai
Jalan Utama Karya Bukit Batrem, Dumai - Kode Pos 28811
e-mail :
jamil_daulay@yahoo.comABSTRAK
lembaga Persatuan Keluarga Tapanuli Islam (PERSAKTI) kota Dumai merupakan lembaga persatuan keluarga yang berasal dari tapanuli Sumatera Utara yang masa pengurusan yang selama tiga tahun setiap periodenya. Dalam hal pemilihan ketua organisasi sering kali menjadi suatu permasalahan yang terkadang memicu pertikaian dan menimbulkan keretakan hubungan antara anggota organisasi. Penyebab utamanya adalah kurangnya pengetahuan para anggota terkait tentang pemilihan ketua organisasi dimana dalam pemilihan ketua organisasi tersebut harus melihat aspek seperti : ilmu pengetahuan, prestasi, kemampuan dan ketersediaan waktu. Tujuan dari penelitian ini kemungkinan dapat membantu pihak lembaga Persatuan Keluarga Tapanuli Islam (PERSAKTI) kota Dumai dalam mencari atau menentukan orang yang paling layak dijadikan ketua dalam lembaga tersebut. Yangm emiliki rangking paling tinggi diletakkan pada posisi paling atas berdasarkan perangkingan yang dilakukan.Untuk itu dalam metode Simple Additive Weighting (SAW) dimungkinkan adanya solusi dan analisa terhadap pengolahan data dan parameter-parameter yang menjadi acuan untuk mengambil keputusan. Di dalam metode ini terdapat langkah-langkah penyelesaian masalah.Adapun tools bantu untuk mengimplementasikan metode tersebut adalah PHP 5. PHP5 ini mengolah data secaratersusun berdasarkan data yang diperolah dari quisioner-quisioner yang dikumpulkan dan langsung didapatkan hasil secara akurat selanjutnya pada tahapan terakhir didapatkan knowledge baru.
Kata Kunci: SPK, SAW, Knowledge, Rangking,Ketua, Lembaga,PHP5.
1. PENDAHULUAN
lembaga Persatuan Keluarga Tapanuli Islam (PERSAKTI) kota Dumai merupakan lembaga persatuan keluarga yang berasal dari tapanuli Sumatera Utara yang masa pengurusan yang selama tiga tahun setiap periodenya.
Pada lembaga Persatuan Keluarga Tapanuli Islam (PERSAKTI) kota Dumai Dalam hal pemilihan ketua organisasi sering kali menjadi suatu permasalahan yang terkadang memicu pertikaian dan menimbulkan keretakan hubungan antara anggota organisasi. Penyebab utamanya adalah kurangnya pengetahuan para anggota terkait tentang pemilihan ketua organisasi dimana dalam pemilihan ketua organisasi tersebut harus
melihat aspek seperti : ilmu pengetahuan, prestasi, kemampuan dan ketersediaan waktu
Pada prinsipnya dalam hal pemilihan ketua organisasi bukanlah hal yang sulit, tetapi untuk memberikan kemudahan bagi sebuah organisasi agar dapat menentukan atau memilih ketua yang paling layak musyawarah untuk mencapai mufakat adalah cara yang paling tepat dalam hal ini. Namun pada suatu sisi para anngota organisasi terkadang dalam pemilihan ketua organisasi melihat dari aspek keluarga, teman dekat atau hal–hal yang menguntungkan baginya saja. Pada hal maju organisasi maka seluruh anggota juga akan ikut maju oleh karena itu dalam pemilihan ketua ini haruslah mencapai hasil akhir yang paling terbaik atau ketua dengan tingkat penilaian terbaik.
JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 19
Dengan adanya sistem pendukung keputusan (SPK) pemilihan ketua secara terkomputerisasi dapat memudahkan pengambilan keputusan dengan multi kriteria, sehingga dapat menghasilkan informasi yang lebih akurat dibandingkan sebelumnya. Keputusan yang diambil ini, diharapkan tidak subyektif agar kualitas SDM yang diperoleh dapat sesuai dengan harapan sehingga tidak ada pihak yang dirugikan. Harold Situmorang, 2015
Metode Simple Additive Weighting (SAW) merupakan metode MADM yang paling sederhana dan paling banyak digunakan. Metode ini juga metode yang paling mudah untuk diaplikasikan, karena mempunyai algoritma yang tidak terlalu rumit”. (Kusumadewi : 2006).
Berdasarkan uraian di atas terlihat jelas bahwa penggunaan teknologi informasi berbasis komputer akan sangat membantu dalam proses pengambilan keputusan yang berhubungan erat dengan pemecahan masalah kehidupan organisasi, maka di lakukan penelitian dengan judul mengimplementasikan sistem penunjang keputusan (SPK) untuk membantu pengambilan keputusan pemilihan ketua organisasi
2. LANDASAN TEORI
2.1. Knowledge Discovery in Database (KDD)
Knowledge Discovery in Database (KDD)
adalah keseluruhan proses non-trivial untuk mencari dan mengidentifikasi pola (pattern) dalam data , dimana pola ditemukan bersifat sah, baru dapat bermanfaat dan dimengerti. Pada proses KDD (Knowledge Discovery and
Data Mining) sering kali merupakan aplikasi
iteratif yang berulang dari metodologi data mining tertentu. Tujuan utama dari KDD adalah untuk membuat prediksi dan deskripsi. Prediksi mengunakan beberapa variabel atau field-field basis data untuk memperediksi nilai-nilai variabel masa mendatang yang diperlukan, yang belum diketahui saat ini (Ndaumanu R. I., Kusrini, & Arief M. R., 2014).
Data Mining dan Knowledge Discovery in
Database (KDD) sering kali digunakan secara
bergantian untuk menjelaskan proses penggalian informasi tersembunyi didalam suatu basis data yang besar (Nasari F., & Darma S., 2015). Istilah data mining dan KDD sering kali digunakan secara bersamaan untuk menjelaskan proses pencarian knowledge yang tersembunyi di dalam database. Kedua istilah tersebut memilki konsep yang berbeda akan tetapi berkaitan satu sama lainnya. Salah satu tahapan
dalam keseluruhan proses KDD adalah data
mining.
2.2. Konsep Dasar Data Mining
Konsep dasar Data Mining digunakan untuk menemukan pola pola yang tersembunyi maupun hubungan-hubungan yang terdapat dalam data base yang besar dan menghasilkan aturan-aturan yang digunakan.
2.3. Defenisi Data Mining
Data mining merupakan salah satu komponen pada arsitektur sistem pendukung keputusan (DSS). Komponen data mining pada proses KDD sering kali merupakan aplikasi iteratif yang berulang dari metodologi data
mining tertentu (Aras Z., dan Sarjono., 2016).
Tujuan utama dari data mining adalah untuk membuat prediksi dan deskripsi. Prediksi mengunakan beberapa variabel atau field-field basis data untuk memperidiksi nilai-nilai variabel masa mendatang yang diperlukan, yang belum diketahui saat ini. Proses Knowlegde
Discovery in Database melibatkan hasil proses data mining (proses pengekstrak kecenderungan
suatu pola data), kemudian mengubah hasilnya secara akurat menjadi informasi yang mudah dipahami.
2.4. Clustering
Pada dasarnya clustering merupakan suatu metode untuk mencari dan mengelompokkan data yang memiliki kemiripan karakteristik (similarity) antara satu data dengan data lain (Ong J.O., 2013).
2.5. Tipe-tipe Clustering
Clustering adalah membagi data kedalam grup-grup yang mempunyai objek yang karakteristiknya sama tertentu (Aras Z., and Sarjono., 2016). Proses mengelompokkan objek berdasarkan informasi yang diperoleh dari data yang menjelaskan hubungan antar objek dengan prinsip untuk memaksimalkan kesamaan antar anggota satu kelas dan meminimumkan kesamaan antar kelas/cluster. Tujuannya menemukan cluster yang berkualitas dalam waktu yang layak. Clustering dalam data
mining berguna untuk menemukan pola distribusi di dalam sebuah data set yang berguna untuk proses analisa data. Kesamaan objek biasanya diperoleh dari kedekatan nilai-nilai atribut yang menjelaskan objek-objek data, sedangkan objek-objek data biasanya direpresentasikan sebagai sebuah titik dalam ruang multidimensi.
JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 20
2.6. Proses ClusteringClustering merupakan salah satu teknik data mining yang digunakan untuk mendapatkan kelompok-kelompok dari obyek-obyek yang mempunyai karakteristik yang umum didata yang cukup besar (Fahmi M., 2014). Tujuannya menemukan cluster yang berkualitas dalam waktu yang layak. Clustering dalam data mining berguna untuk menemukan pola distribusi di dalam sebuah data set yang berguna untuk proses analisa data. Kesamaan objek biasanya diperoleh dari kedekatan nilai-nilai atribut yang menjelaskan objek-objek data, sedangkan objek-objek data biasanya direpresentasikan sebagai sebuah titik dalam ruang multidimensi.
2.7. Algoritma K-Means Clustering
K-Means Clustering adalah suatu metode
penganalisaan data atau metode data mining yang melakukan proses pemodelan tanpa supervisi (unsupervised) dan merupakan salah satu metode yang melakukan pengelompokan data dengan sistem partisi (Nasari F., dan Darma S., 2015). Metode K-Means berusaha mengelompokkan data yang ada kedalam beberapa kelompok, dimana data dalam satu kelompok mempunyai karakteristik yang sama satu sama lainnya dan mempunyai karakteristik yang berbeda dengan data yang ada didalam kelompok yang lain
Dalam algoritma K-Means setiap data harus termasuk ke cluster pada suatu tahapan proses , pada tahapan proses berikutnya dapat berpindah ke cluster lain.(M.Agustin F. E., Fitria A., dan S A. H., 2015). K-means
clustering merupakan salah satu metode data clustering non-hirarki yang mengelompokan
data dalam bentuk satu atau lebih cluster/kelompok (Ong J.O., 2013). Data-data yang memiliki karakteristik yang sama dikelompokan dalam satu cluster/kelompok dan data yang memiliki karakteristik yang berbeda dikelompokan dengan cluster/kelompok yang lain sehingga data yang berada dalam satu cluster/kelompok memiliki tingkat variasi yang kecil.Ada pun langkah-langkah yang dilakukan pada tahapan adalah sebagai berikut (M.Agustin F.E., et al,. 2015) :
1. Tentukan k sebagai jumlah cluster yang ingin dibentuk. Tetapkan pusat cluster. 2. Hitung jarak setiap data ke pusat cluster
menggunakan persamaan Euclidean. D(ik) = ..……...(1)
3. Kelompokkan data ke dalam cluster yang dengan jarak yang paling pendek menggunakan persamaan.
Min = ..……...(2) 4. Hitung pusat cluster yang baru
menggunakan persamaan.
C
kj = ……...(3)Dimana:
Xij є cluster ke - k
p = banyaknya anggota cluster ke k. 5. Ulangi langkah 2 sampai dengan 4 hingga
sudah tidak ada lagi data yang berpindah ke kluster yang lain.
3. METODOLOGI PENELITIAN
kerangka kerja yang di gunakan dalam penelitian ini adalah sebagai berikut :
Gambar 1 Kerangka Kerja Penelitian Analisa Kebutuhan Sistem
Analisa Sistem
Kriteria dan Pembobotan Mengumpulkan Data
Analisa Data MenggunakanSAW
Desain Sistem
Implementasi
JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 21
Berdasarkan gambar 1 dijabarkan urutan– urutan langkah kerja penelitian sebagai berikut: 1. Analisis Kebutuhan Sistem
Adapun analisa kebutuhan sistem pada tahap ini adalahmempertimbangkan setiap kriteria yang akan digunakan dalam perancangan sistem. Kebutuhan sistem ini berguna untuk menentukan ketua Persatuan Keluarga Tapanuli Islam (PERSAKTI) kota Dumai, untuk menentukan ketua (PERSAKTI) kota Dumai,maka diperlukan kriteria yang akan digunakan dan merancang program sederhana. Adapun prosedur penelitian ditunjukkan seperti pada gambar 1.
2. Analisa Sistem
Analisis sistem ini berguna dalam penggunaan perangkat lunak yang berguna untuk membantu para pengambil keputusan untuk menentukan siapa yang layak menjadi ketua Persatuan Keluarga Tapanuli Islam (PERSAKTI) kota Dumai. Pengambil keputusan dalam hal ini adalah panitia pemilihan yang mana akan memilih calon-calon yang dianggap layak yang diajukan dengan membandingkan hasil dari penjumlahan setiap kriteria yang telah ditentukan sebelumnya.
Simple additive weighting(SAW)
merupakan metode pengambilan keputusan yang diterapkan dalam pembuatan sistem aplikasi ini. Dimana dengan menggunakan metode ini data tenaga kependidikan yang akan diolah menghasilkan perankingan dimulai dari nilai tertinggi sampai dengan nilai yang terendah.
3. Mengumpulkan Data
Tahap ini merupakan tahap yang dilakukan untuk pengumpulan data yang berhubungan dengan penelitian dan analisa sistem, yaitu berupa quisioner dan studi literatur. Pengumpulan data ini berfungsi untuk mendukung penelitian yang akan dilaksanakan.Metode yang digunakan penulis untuk pengumpulan data dengan berbagai metode sebagai berikut :
a. Quisioner
Dengan melayangkan quisioner kepada beberapa anggota persatuan dan masyarakat yang berdomisili pada wilayah yang berbeda kecamatan. Quisioner ini dilakukan untuk mendapatkan informasi dan data-data yang diperlukan.
b. Studi Literatur
Dalam metode ini informasi dikumpulkan dengan membaca jurnal dan buku – buku yang berhubungan dengan tesis untuk menunjang dalam melakukan analisa
terhadap data dan informasi. Diantara buku yang berkaitan dengan Sistem Pendukung Keputusan (SPK) dan Metode Simple
Additive Weighting (SAW).
4. Kriteria dan Pembobotan
Pada proses pembuatan sistem pendukung keputusan untuk menentukan kepala ketua Persatuan Keluarga Tapanuli Islam (PERSAKTI) kota Dumai,memerlukan pembobotan pada setiap kriteria yang telah ditentukan sebelumnya. Adapun kriteria yang akan digunakan dalam menentukan ketua Persatuan Keluarga Tapanuli Islam (PERSAKTI) kota Dumai adalah sebagai berikut: 1. Pekerjaan 2. Pendidikan 3. Usia 4. Prestasi 5. Pengalaman Organisasi 6. Kreatifitas/Keahlian
Dari kriteria diatas akan dibobotkan dengan menggunakan metode Simple Additive
Weighting (SAW) dengan software PHP 5.
5. Analisa Data Menggunakan SAW
Pada tahap ini penulis menggunakan metodeSimple Additive Weighting (SAW), ini bertujuan untuk mendapatkan rangking tiap calon yang akandiseleksi, dari hasil seleksi yang didapat nantinya akan ditotalkan nilai keseluruhan. Nilai total yang telah didapatkan tersebut akan diurutkan berdasarkan nilai tertinggi dampai dengan nilai, sehingga bagian pengambil keputusan bisa memutuskan calon mana yang berhak dan layak sebagai ketua Persatuan Keluarga Tapanuli Islam (PERSAKTI) kota Dumai.
6. Desain Sistem
Pada tahap ini applikasi yang digunakan adalah PHP yang akan membobot hasil quisioner. Hasil dari tahapan ini untuk mendapatkan nilai bobot yang dibutuhkan. Model ini yang akan diuji cobkakan sebelum benar-benar diimplementasikan.
7. Implementasi
Merupakan tahap penerapan dari proses analisa dan proses sistem pada tahapan sebelumnya dimana data akan diproses, apakah sistem bisa berjalan sesuai dengan keinginan. Implementasi dilakukan untuk membandingkan hasil yang didapatkan pada tahap implementasi sistem yang dibuat secara manual.
JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 22
8. Pengujian Hasil
Proses ini merupakan tahap terakhir dari penelitian ini, adapun mekanisme pengujianny adalah sebagaiberikut :
a. Pengumpulan data berupa data quisioner yang telah dilayangkan.
b. Perekapan terhadap data yang dikumpulkan untuk keperluan penelitian
c. Pengimputan data ke dalam applikasi dan otomatis data tersebut masuk ke dalam database.
d. Pengujian Metode Simple Additive Weighting (SAW) dengan applikasi dekstop
yang dibuat menggunakan PHP5.
4. HASIL DAN PEMBAHASAN 4.1. Arsitektur Sistem
Tahap ini dilakukan proses utama yaitu perangkingan terhadap hasil data quisioner yang diperoleh. Setiap data yang diperoleh akan dipisahkan berdasarkan kategorinya untuk mendapatkan rangking yang terbaik dari setiap kategori. Perangkingan dilakukan dengan menggunakan metode Simple Additive Weighting (SAW).Dari data quisioner yang
diperoleh dijadikan sampel untuk penerapan
Sistem Pendukung Keputusan(SPK) untuk
menentukan siapa yang paling cocok untuk dijadikan ketua organisasi.
4.2. Analisis Kebutuhan Sistem
Dalam proses sistem pendukung keputusan untuk pemilihan ketua Persatuan Keluarga Tapanuli Islam (PERSAKTI) kota Dumai, sistem membutuhkan berbagai kriteria sebagai bahan pertimbangan, adapun kriteria-kriteria tersebut yaitu :
1. C1 = Nilai Pekerjaan 2. C2 = Nilai Pendidikan 3. C3 = Bobot Usia 4. C4 = Nilai Prestasi
5. C5 = Nilai Pengalaman Organisasi 6. C6 = Nilai Kreatifitas / Keahlian
4.3. Analisis Sistem
Proses Sistem pendukung keputusan dalam penentuan ketua Oraganisasi Keluarga Tapanuli Islam (PERSAKTI) kota Dumaiyang dibuat merupakan suatu perangkat lunak yang dibangun untuk membantu para pengambil keputusan untuk menentukan siapa yang layak untuk menjadi ketua organisai tersebut cara membandingkan hasil dari penjumlahan setiap kriteria yang telah ditentukan sebelumnya.
Sedangkan metodeSimple additive weighting (SAW) merupakan metode
pengambilan keputusan yang diterapkan dalam pembuatan sistem aplikasi ini. Dimana dengan penggunaan metode tersebut, data yang kumpulkan berupa quisioner yang diperoleh selanjutnya diolah dan menghasilkanoutput berupaperankingan. Di mana perengkingan disusun nilai tertinggi sampai dengan nilai yang terendah
a. Penetapan Input
Ada beberapa kriteria yang ditetapkan oleh peneliti dalam penelitian ini. Adapun kriteria
input pada pemilihan ketua organisasi ini adalah
sebagai berikut :
1. Variabel C1 = Nilai Pekerjaan 2. Variabel C2 = Nilai Pendidikan 3. Variabel C3 = Bobot Usia 4. Variabel C4 = Nilai Prestasi
5. Variabel C5 = Nilai Pengalaman Organisasi 6. Variabel C6 = Nilai Kreatifitas / Keahlian
Dari tiap-tiap variabel ini nantinya akan memiliki nilai bobot yang telah ditentukan dengan menggunakan metode Simple Additive
Weighting (SAW).
b. Penetapan Output
Keluaran yang diinginkan dari sistem pendukung keputusan dalam pemilihan ketua organisasi Persatuan Keluarga Tapanuli Islam (PERSAKTI) kota Dumai dengan menggunakan
Fuzzy Multiple Attribute Decision Making
(FMADM) dan metode metote Simple Additive
Weighting (SAW) adalah sebagai berikut:
1. Melalui proses input yang diproleh nantinya akan menghasilkan suatu nilai dan perankingan dimulai dari angka tertinggi sampai dengan angka yang terendah dengan menggunakan metode Simple Additive Weighting (SAW).
2. Hasil dari perankingan tersebut maka akan didapat keterangan yang menyatakan perolehan nilai darimasing-masing calon ketua. Nilai yang dihasilkan dimulai dari nilai yang tertinggi sampai nilai yang terendah.
c. Kriteria dan Pembobotan
Sebelum melakukan pembobotan data quisioner, data diolah terlebih dahulu menjadi lebih sempurna. Adapun data hasil rekap quesioner dari 37 responden yang dikumpulkan adalah sebagai berikut :
JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 23
Tabel 1 Rekap Data Quisioner JenisPekerjaan
Tabel 2 Rekap Data Quisioner Tingkat Pendidikan
Tabel 3 Rekap Data Quisioner Bobot Usia
Tabel 4 Rekap Data Quisioner Jenis Prestasi
Tabel 5 Rekap Data Quisioner Pengalaman Organisasi
Tabel 6 Rekap Data Quisioner Kreatifitas / Keahlian
JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 24
Setelah proses perekapan selesai dilakukan, tahap selanjutnya yang dilakukan adalah menjumlahkan hasil quisioner yang mana didalamnya terdapat 6 (Enam) kriteria yang akan digunakan. Adapun proses yang dilakukan adalahmenggabungkan antara beberapa pilihan yang linier atau sama yaitu : “(Sangat Setuju dengan Setuju) dan
(Ragu-ragu dengan Tidak setuju dan Sangat Tidak Setuju)”
4.4. Pengujian
Dengan menggunakan Fuzzy Multiple
Attribute Decision Making (FMADM) dan
metode Simple Additive Weighting (SAW). Lalu dilakukan pembobotan beserta nilai Crispnya berdasarkan range seperti tabel-tabel 7.
Tabel 7 Range Nilai Bobot fuzzy beserta nilai Crisp
Range
Angka Bilangan Fuzzy Nilai
0- 6 Sangat Rendah (SR) 0,1 7-12 Cukup Rendah (CR) 0,2 13-18 Rendah (R) 0,4 19-24 Cukup Tinggi (CT) 0,6 25-30 Tinggi (T) 0,8 31-37 Sangat Tinggi (ST) 1 Adapun langkah-langkah penyelesaiannya adalah sebagai berikut :
1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci.
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
Tabel 8 Alternatif dan Kriteria Calon Ketua No Alternatif Kriteria C1 C2 C3 C4 C5 C6 1. H. Adi Negoro Daulay 18 4 5 19 31 33 2. Ali Duman Panjaitan 18 14 16 25 31 33 3. Mara Hamdan Harahap 18 36 33 25 32 27 4. Selamat Hasoloan Hutagalung 18 36 33 19 27 33 5. Panaekan Hasibuan 33 36 25 27 31 35 6. Damran Nasution 33 33 33 27 27 35 7 H. Rino Parlindungan Daulay 21 29 33 33 31 33
Data real 7 peserta di atas, akan dikonversikan ke dalam fuzzy yang sudah ditentukan pada pembahasan sebelumnya.
Tabel 9 Alternatif dan Kriteria Calon Ketua dengan Bilangan Fuzzy
No Alternatif Kriteria C1 C2 C3 C4 C5 C6 1. H. Adi Negoro Daulay 0,4 0,1 0,1 0,6 1 1 2. Ali Duman Panjaitan 0,4 0,4 0,4 0,8 1 1 3. Mara Hamdan Harahap 0,4 1 1 0,8 1 0,8 4. Selamat Hasoloan Hutagalung 0,4 1 1 0,6 0,8 1 5. Panaekan Hasibuan 1 1 0,8 0,8 1 1 6. Damran Nasution 1 1 1 0,8 0,8 1 7. H. Rino Parlindungan Daulay 0,6 0,8 1 1 1 1
Berdasarkan pada tabel di atas, dapat dibentuk matrik keputusan X dengan menggunakan rumus (1) data berikut :
JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 25
X =
Nilai crisp untuk masing-masing nilai kelengkapan berkas.
Tabel 10 Tingkat Kepentingan Setiap Kriteria
Kriteria Bilangan
Fuzzy
Bobot
(C1)Nilai Pekerjaan Cukup
Penting (CP) 0.6 (C2)Nilai Pendidikan Lebih Penting (SP) 0,8
(C3) Bobot Usia Penting
(STP)
0,4
(C4) Nilai Prestasi Sangat Tidak
Penting (TP) 0,1 (C5) Nilai Pengalaman Organisasi Sangat Penting (SP) 1 (C6) Nilai Kreatifitas/Keahlian Tidak Penting (P) 0,2
Pembobotan nilai bilangan fuzzy adalah :
W = [ 0,6 0,8 0,4 0,1 1 0,2 ]
Kemudian tahap terakhir untuk mendapatkan proses perangkingan yaitu dengan cara mengalihkan bobot (W) dengan matrik yang telah ternormalisasi (R) seperti yang ada di bawah ini: V1 = (0,4)( 0,6) + (0,1)( 0,8) + (0,1)( 0,4) + (0 ,6)( 0,1) + (1)(1) + (1)( 0,2) = 0,24 + 0,08 + 0,04 + 0,06+ 1 + 0,2 = 1,62 V2 = (0,4)( 0,6) + (0,4)( 0,8) + (0,4)( 0,4) + (0,8) 0,1) + (1)(1) + (1)( 0,2) = 0,24 + 0,32 + 0,16 + 0,08 + 1 + 0,2 = 2,00 V3 = (0,4)( 0,6) + (1)( 0,8) + (1)( 0,4) + (0,8)( 0,1) + (1)(1) + (0,8)( 0,2) = 0,24 + 0,8 + 0,4 + 0,08+ 1 +0,16 = 2,68 V4 = (0,4)( 0,6) + (1)( 0,8) + (1)( 0,4) + (0,6)( 0,1) + (0,8)(1) + (1)( 0,2) = 0,24 + 0,8 + 0,4 + 0,06 + 0,8 + 0,2 = 2,5 V5 = (1)( 0,6) + (1)( 0,8) + (0,8)( 0,4) + (0,8)( 0,1) + (1)(1) + (1)( 0,2) = 0,6 + 0,8 + 0,32 + 0,08 +1+ 0,2 = 3,00 V6 = (1)( 0,6) + (1)( 0,8) + (1)( 0,4) + (0,8)( 0,1) + (0,8)(1) + (1)( 0,2) = 0,6 +0,8+ 0,4 + 0,08 + 0,8+0,2 = 2,88 V7 = (0,6)( 0,6) + (0,8)( 0,8) + (1)( 0,4) + (1)( 0,1) + (1)(1) + (1)( 0,2) = 0,36 + 0,64 + 0,4 +0,1 + 1 + 0,2 = 2,70
Kesemua nilai peringkat V1-V7 dari hasil perkalian dengan normalisasi digabungkan dalam tabel, sehingga diperoleh hasil perangkingan pada tabel dibawah:
Tabel 11Total Nilai Keseluruhan N o Alternatif Kriteria Hasi l C 1 C 2 C 3 C 4 C 5 C6 1 . H. Adi Negoro Daulay 0, 4 0 , 1 0, 1 0 , 6 1 1 1,62 2 . Ali Duman Panjaitan 0, 4 0 , 4 0, 4 0 , 8 1 1 2,00 3 . Mara Hamdan Harahap 0, 4 1 1 0 , 8 1 0,8 2,68 4 . Selamat Hasoloan Hutagalung 0, 4 1 1 0 , 6 0 , 8 1 2,50 5 . Panaekan Hasibuan 1 1 0, 8 0 , 8 1 1 3,00 6 . Damran Nasution 1 1 1 0 , 8 0 , 8 1 2,88 0,4 0,1 0,1 0,6 1 1 0,4 0,4 0,4 0,8 1 1 0,4 1 1 0,8 1 0,8 0,4 1 1 0,6 0,8 1 1 1 0,8 0,8 1 1 1 1 1 0,8 0,8 1 0,6 0,8 1 1 1 1
JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 26
7 . H. Rino Parlindungan Daulay 0, 6 0 , 8 1 1 1 1 2,70 4.5. Tampilan HasilProgramPada tahap ini adalah tahap menampilkan hasil program yang dibuat yang tujuannya untuk pengujian penggunaan metode yang digunakan. Adapun tahapan dan tampilannya seperti dijabarkan berikut ini.
a. Menu Awal / Login
Gambar 2 Menu Login
Menu Awal/Login dapat dikatakan sebagai menu akses program bagi mereka yang memiliki hak dalam menggunakan aplikasi ini. Adapun yang perlu diinput adalah User name dan Password.
b. Menu utama
Gambar 3 Form Menu Utama
Menu utama dapat dikatakan sebagaia ntarmuka (user interface) antara user dengan program. Menu utama menampilkan pilihan
submenu-submenu yang tersedia pada program.
Adapun submenu-submenunya adalah berisi Menu Data Master, Data Calon Pemimpin, Pembobotan Kriteria, Data Kriteria, Data Klasifikasi, Laporan dan Hasil Analisa serta Pengaturan seperti tampilan gambar 3 di atas.
c. Sub Menu Data Calon Pemimpin
Gambar 4 Form sub Menu Data Calon Pemimpin
Form Sub Menu Data Calon Pemimpin
merupakan form atau tempat dimana kita mengisi, menambahkan atau mengedit data para calon ketua Persatuan Keluarga Tapanuli Islam (PERSAKTI) kota Dumai. Fungsinya adalah untuk mencegah duplikasi data antara semua semua data yang masing-masing para calon ketua miliki. Untuk memasukkan data calon, yang kita lakukan adalah dengan mengklik
botton Tambah Data dan akan muncul form submenu Tambah Data. Adapun tampilan form
tambah data seperti gambar 4.
d. Sub menu Pembobotan Kriteria
Langkah selanjutnya adalah menetapkan pembobotan terhadap kondisi dari setiap kriteria yang ada. Adapun tampilannya seperti tampilan gambar 5.
JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 27
Gambar 5 Form Sub Menu PembobotanKriteria e. Sub Menu Data Kriteria
Berikut ini adalah memilih Data Kriteria. Pada tahap ini kita memasukkan masing-masing
range bobot pada setiap kondidi masing–masing
kriteria
Gambar 6 Form Data Kriteria f. Sub Menu Data Klasifikasi
Pada tahapan ini adalah kita menginputkan data klasifikasi pada setiap kriteria yang dimiliki oleh masih-masing calon ketua dengan cara menginput pada form di bottonEdit
Klasifikasiseperti gambar 7 di bawah ini:
Gambar 7 Form Edit Data Klasifikasi
4.6. Pembahasan Hasil Pengujian Data
Sesuai dengan hasil perhitungan manual menggunakan Fuzzy Multiple Attribute Decision
Making (FMADM) menggunakan metode
Simple Additive Weighting (SAW) selanjutnya
dilakukan proses pengujian menggunakan bahasa pemrograman PHP5. Adapun hasil perhitungannya yang dihasil pada keduanya adalah sama.
4.7. Evaluasi Hasil Pengujian
Hasil perhitungan manual menggunakan
Fuzzy Multiple Attribute Decision Making
(FMADM) menggunakan metode Simple Additive Weighting (SAW). Berikut ini akan
dilakukan pengujian dengan menggunakan bahasa pemrograman PHP 5 dengan menggunakan sampel 7 peserta dapat dilihat pada gambar 8
Gambar 8 Tampilan Output Perankingan
Dari hasil output program di atas dapat dijelaskan bahwa:
1.
Pada gambar yang pertama merupakan gambar Tabel Matrik Awal merupakan hasil input dari data mentah yang telah dirangkap.2.
Pada gambar tabel yang kedua merupakan gambar tabel matrik awal yang telah dikonversikan kepada bilangan fuzzy3.
Pada gambar tabel yang ketiga merupakan gambar tabel Normalisasidari setiap kriteria4
. Pada gambar tabel yang keempat merupakan gambar tabel Hasil Analisa yang menunjukkan hasil perankingan nilai yang telah diinputkan. Di mana nilai yang tertinggilah yang terpilih secara komputerisasi sebagai ketua.JURNAL MANAJENEN DAN TEKNOLOGI INFORMASI
Page 28
5. KESIMPULANDari hasil penelitian ini dapat disimpulkan beberapa hal sebagai berikut:
1. Penerapan Sistem Pendukung Keputusan (SPK) mengunakan metode Simple Additive
Weighting (SAW) menghasilkan pengetahuan dimana data hasil quisioner menjadi bahan dasar olahan dalam penentuan ketua organisasi Persatuan Kelurga Tapanuli Islam (PERSAKTI) kota Dumai.
2. Teknik Sistem Pendukung Keputusan (SPK) dengan menggunakan Metode Simple Additive Weighting (SAW) digunakan untuk
perangkingan data quisioner yang telah dibagikan pada masyarakat.
3. Hasil metode Simple Additive Weihgting
(SAW) dengan mengunakan aplikasi PHP5
menghasilkan pengetahuan untuk mengambil keputusan yang lebih optimal dan meminimal kesalahan pada pemilihan ketua organisai Persatuan Keluarga Tapanuli Islam (PERSAKTI) kota Dumai.
6. REFERENSI
Anita. (2016). Sistem Pendukung Keputusan
Untuk Menentukan Penilaian Kegiatan Dengan Menggunakan Metode Simple Additive Weighting (Studi Kasus Di Dinas Pendidikan Dan Pelatihan Pemerintah Provinsi Sumatera Utara).
Jurnal Teknik Informatika, VOL. 9 NO. 1 April 2016 ISSN : 2086 – 4981. D Pratiwi., J Putri., D Agustina. (2014).
Decision Support System to Majoring High School Student Using Simple Additive Weighting Method. Jurnal
International Journal of Computer Trends and Technology (IJCTT, volume 10 number 3 – Apr 2014. ISSN: 2231-2803.
Jajac N., Marović I., Hanák T. (2015). Decision
support for management of urban transport projects. GRAĐEVINAR 67
(2015) 2, 131-141DOI: 10.14256/JCE.1160.2014-4.
Khalid W., Kalim., Basler M., Christopher J., Kirk x and Groettrup M. (2012).
Differentiation and Th17 but Enhances Regulatory T Cell Deficiency and Inhibition Suppresses Th1 Immunoproteasome Subunit LMP7. doi:
10.4049/jimmunol.1201183, J Immunol 2012; 189, ISSN: 1550-6606.
Marlina. (2016). Sistem Penunjang Keputusan
Pemilihan Ketua UKM Bodhivijja dengan Menggunakan Metode Simple Additive Weighting (SAW),(Studi Kasus: STMIK Kharisma Makassar). Jurnal
Teknologi Informasi Vol.3, No.1, Maret 2016, pp. 59~64, ISSN: 2355-3677. Rasim., Rahman E F., Dewi, and Riza L S.
(2017). Decision Support Systems for
Performance and Evaluation of Teachers in General-English Course by Using the SMARTER and TOPSIS Methods.
Department of Computer Science Education, doi:10.1088/1757-899X/180/1/012283.
Sri Kusumadewi (2004). Pencarian bobot
atribut pada multiple attribute decision making (madm) dengan pendekatan subyektif menggunakan algoritma genetika. Jurnal Teknik Elektro, Seminar
Nasional Pendidikan Teknik Elektro (SNPTE 2004).
Situmorang H. (2015). Sistem Pendukung
Keputusan Pemilihan Calon Peserta Olimpiade Sains Tingkat Kabupaten Langkat Pada Madrasah Aliyah Negeri (Man) 2 Tanjung Pura Denganmenggunakan Metode Simple Additive Weighting (Saw). Jurnal Teknik
Informatika, Vol. IV No 2 : 24-30 , 2015. ISSN : 2337 - 3601.
Subakti I. (2002). Buku Kode IF1524 Tentang
Sistem Pendukung Keputusan, irfan@its-sby.edu.
Yunus M., Dahlan H S., dan Santoso P B. (2014). SPK Pemilihan Calon Pendonor
Darah Potensial dengan Algoritma C4.5 dan Fuzzy Tahani. Jurnal Teknik
Informatika, Jurnal EECCIS Vol. 8, No.
