Sistem Pendukung Keputusan Pemilihan Mentor Untuk Kegiatan
Mentoring
Pada Fakultas Teknologi Informasi UKSW
Menggunakan
Fuzzy
Multi-Atribute Decision Making
-
Simple
Additive
Weighting
Artikel Ilmiah
Peneliti:
Chelsea Gracia Diandra Suoth (672014071) Magdalena A. Ineke Pakereng, M.Kom.
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
1. Pendahuluan
Dalam kehidupan sehari-hari, pengambilan keputusan sering ditemui. Sebelum mengambil keputusan, ada beberapa hal yang menjadi pertimbangan dan ada beberapa pilihan alternatif solusi untuk setiap masalah dengan harapan keputusan yang diambil adalah yang terbaik. Banyaknya pilihan alternatif solusi serta pertimbangan lainnya dapat membuat pengambilan keputusan semakin sulit dilakukan. Seiring berkembangnya zaman, teknologi semakin berkembang dan digunakan pada setiap aspek kehidupan untuk mempermudah pekerjaan manusia. Salah satu pemanfaatan teknologi adalah mempermudah manusia dalam pengambilan keputusan.
Mentoring adalah kegiatan tahunan yang dilaksanakan selama satu semester di Fakultas Teknologi Informasi. Kegiatan mentoring bertujuan untuk mengenalkan FTI, UKSW, dan Salatiga terlebih membangun rasa percaya diri dan membentuk karakter dan etika mahasiswa baru. Kegiatan mentoring berlaku untuk semua program studi. Mahasiswa baru dibagi ke dalam kelompok dengan jumlah 8 sampai 12 mahasiswa. Setiap kelompok didampingi satu mentor yang memenuhi kriteria. Setiap kali pendaftaran mentor dibuka, banyak sekali mahasiswa yang mendaftar. Koordinator melakukan seleksi penerimaan mentor yang telah mendaftar menjadi calon mentor. Ada beberapa kriteria dalam seleksi penerimaan mentor, yaitu minimal sudah 1 tahun berkuliah di FTI, mahasiswa aktif, IPK minimal 3.00, test pengetahuan umum mengenai kegiatan mentoring, FTI, UKSW, dan wawancara. Namun, banyaknya calon mentor yang mendaftar membuat koordinator membutuhkan waktu yang lama untuk memilih mentor.
Berdasarkan permasalahan tersebut maka perlu dikembangkan sebuah penelitian dalam proses pengambilan keputusan yang membantu koordinator mentor dalam menentukan mentor-mentor yang berkompeten bagi para mahasiswa baru. Sistem pendukung keputusan yang dibangun menggunakan metode Fuzzy Multi-Atribute Decision Making-Simple Additive Weighting (FMADM SAW) diharapkan dapat memberikan rekomendasi terbaik kepada koordinator mentor mengenai pemilihan mentor.
Berdasarkan latar belakang tersebut, maka dilakukan penelitian yang berjudul "Sistem Pendukung Keputusan Pemilihan Mentor untuk kegiatan Mentoring Fakultas Teknologi Informasi menggunakan Fuzzy Multi-Atribute Decision Making-Simple Additive Weighting".
2. Tinjauan Pustaka
Fuzzy MADM SAW karena mampu menyeleksi alternatif terbaik dari sejumlah alternatif yang ada. Alternatif yang dimaksud adalah mahasiswa calon penerima beasiswa berdasarkan kriteria yang ditentukan. Penelitian dilakukan dengan mencari nilai bobot untuk setiap atribut, lalu dilakukan proses penentuan ranking alternatif optimal, yaitu mahasiswa terbaik [1].
Penelitian lain yang berjudul Sistem Pendukung Keputusan Pemilihan Asisten Laboratorium dengan Metode TOPSIS Pada Sistem Informasi Fakultas Teknik Universitas Muria Kudus membahas tentang pemilihan asisten laboratorium menggunakan metode TOPSIS. Terdapat beberapa kriteria dalam pemilihan asisten laboratorium, yaitu IPK, rata-rata nilai praktikum, penguasaan service komputer, kepribadian, pembuatan program, pengetahuan hardware dan jaringan dan wawancara. Tim penyeleksi memberikan bobot untuk masing-masing atribut untuk selanjutnya dilakukan perhitungan dengan TOPSIS [2].
Penelitian lain yang berjudul Metode Simple Additive Weighting (SAW) dalam Sistem Pendukung Keputusan menentukan Dosen Pembimbing Skripsi di STMIK Pringsewu, membahas tentang menentukan dosen pembimbing untuk mahasiswa dan mahasiswi yang sedang dalam proses skripsi, namun belum memiliki dosen pembimbing. Oleh karena itu, permasalahan ini diselesaikan dengan sistem pendukung keputusan menggunakan metode SAW. Metode ini memberikan pembobotan alternatif dengan bobot terbesar merupakan alternatif pilihan yang ditetapkan menjadi dosen pembimbing skripsi STMIK Pringsewu Lampung [3].
Berbeda dari penelitian sebelumnya yang membahas tentang sistem pendukung keputusan pemberian beasiswa dan penentuan dosen pembimbing menggunakan metode FMADM SAW dan tentang sistem pendukung keputusan pemilihan asisten dosen menggunakan metode TOPSIS, maka penelitian yang dilakukan saat ini menggunakan metode FMADM SAW berbasis desktop. Selain itu hasil rekomendasi yang dihasilkan oleh sistem berupa informasi mentor yang terpilih. Tujuan dari penelitian ini yaitu merancang sebuah aplikasi sistem pendukung keputusan dalam pemilihan mentor untuk kegiatan mentoring FTI UKSW. Manfaat dari penelitian ini adalah untuk menghasilkan sebuah aplikasi yang dapat digunakan oleh koordinator dalam memberikan rekomendasi mentor. Batasan masalah dalam penelitian ini adalah dibuat berbasis desktop dan digunakan hanya untuk kegiatan mentoring FTI UKSW.
Sistem pendukung keputusan (SPK) sebagai salah satu sistem berbasis komputer yang membantu dalam proses pengambilan keputusan. SPK adalah sistem pendukung keputusan, merupakan sebuah sistem yang menyediakan kemampuan untuk penyelesaian masalah dan komunikasi untuk permasalahan yang bersifat semi terstruktur. Konsep Sistem Pendukung Keputusan diperkenalkan pertama kali oleh Michael S. Scoott Morton pada tahun 1970-an deng1970-an istilah M1970-anagement Decision System [4].
alternatif dengan kriteria tertentu. Fuzzy MADM menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses penentuan ranking yang menyeleksi alternatif optimal yang sudah diberikan.
Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah FMADM antara lain,
a. Simple Additive Weighting Method (SAW) b. Weighted Product (WP)
c. Elimination Et Choix Traduisant la Realite (ELECTRE)
d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) e. Analytic Hierarchy Process (AHP)
Simple Additive Weighting (SAW) atau sering juga dikenal istilah metode penjumlahan terbobot memiliki konsep dasar mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode Simple Additive Weighting membutuhkan proses normalisasi matriks keputusan ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Formula untuk melakukan normalisasi tersebut ditunjukkan pada Rumus 1 [5].
(1)
Langkah selanjutnya adalah dimana r0 adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj ; i=1,2,…,m dan j=1,2,…,n. nilai preferensi untuk setiap alternatif (Vi). Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih, seperti pada Rumus 2 [5].
(2)
3. Metode dan Perancangan Sistem
Tahapan penelitian yang digunakan dalam Sistem Pendukung Keputusan Pemilihan Mentor untuk kegiatan Mentoring pada Fakultas Teknologi Informasi UKSW menggunakan Fuzzy Multi-Atribute Decision Making-Simple Additive Weighting, ditunjukkan pada Gambar 1.
jika j atribut keuntungan (benefit)
Gambar 1 Tahapan Penelitian
Tahapan Penelitian pada Gambar 1 dijelaskan sebagai berikut, tahap 1 adalah identifikasi masalah, pada tahap ini dilakukan analisis terhadap permasalahan yang terjadi dalam proses penerimaan mentor. Masalah yang didapatkan adalah proses seleksi membutuhkan waktu yang cukup lama. Tidak ada kriteria penilaian yang pasti dalam pemilihan mentor sehingga pemilihan seringkali subjektif, ada mentor yang dipilih berdasarkan relasi dengan koordinator mentor. Tahap 2 adalah pengumpulan data seperti data mahasiswa, kriteria apa saja yang diperlukan untuk menjadi mentor, dilakukan dengan literatur, jurnal, browsing internet dan selanjutnya diolah dengan metode FMADM SAW. Kriteria penilaian yang digunakan dalam sistem adalah: (1) IPK; (2) Test pengetahuan; (3) Wawancara; (4) Pengalaman. Kriteria penilaian didapat dari hasil wawancara dengan mahasiswa yang pernah menjabat sebagai koordinator mentor maupun mahasiswa yang sedang menjabat sebagai koordinator mentor dan literatur dari penelitian terdahulu. Tahap 3 adalah perancangan sistem, pada tahap ini dibuat perancangan dengan menggunakan Unified Modeling Language (UML) yaitu use case diagram, activity diagram dan class diagram terkait sistem yang dibangun yang meliputi hak akses alur relasi antar kelas dalam proses perancangan sistem. Tahap 4 adalah implementasi sistem, setelah perancangan selesai kemudian dilakukan implementasi pada Sistem Pendukung Keputusan Pemilihan Mentor untuk kegiatan Mentoring pada Fakultas Teknologi Informasi UKSW menggunakan Fuzzy Multi-Atribute Decision Making-Simple Additive Weighting. Sistem yang dibangun pada penelitian ini menggunakan bahasa pemrograman Java serta database yang digunakan adalah MySQL. Output yang diharapkan dari aplikasi ini adalah rekomendasi calon mentor dari nilai terendah sampai tertinggi. Calon mentor dengan nilai tertinggi merupakan prioritas utama yang disarankan sistem. Tahap 5 adalah pengujian sistem. Pengujian dilakukan oleh koordinator mentor yang melakukan seleksi penerimaan mentor. Pengujian sistem bertujuan untuk mengetahui apakah hasil yang direkomendasikan sistem dapat menjawab permasalahan
Identifikasi Masalah
Pengumpulan Data
Perancangan Sistem
koordinator mentor dalam menyeleksi calon mentor. Pengujian sistem menggunakan metode blackbox testing.
Proses pada perancangan sistem dilakukan menggunakan diagram Unified Modelling Language (UML), meliputi use case diagram, activity diagram dan class diagram.
Gambar 2 Use Case Diagram Sistem
Gambar 3 merupakan activity diagram pendaftaran yang digunakan oleh sistem, yaitu untuk calon mentor dan sistem. Calon mentor/mahasiswa harus login untuk dapat mendaftar sebagai calon mentor, jika proses login dinyatakan valid maka mahasiswa dapat melanjutkan proses mendaftar sebagai calon mentor. Setelah melengkapi data calon mentor pada field yang disediakan, maka sistem menampilkan daftar calon mentor yang sudah mendaftar. Calon mentor dapat melihat data calon mentor lain yang mendaftar.
Gambar 3 Activity Diagram Pendaftaran
Calon Mentor Sistem
Login
Menampilkan tampilan awal
Simpan database Mendaftar
calon mentor
Activity diagram penilaian dapat dilihat pada Gambar 4. Proses seleksi dilakukan oleh koordinator mentor. Koordinator mentor melakukan
Gambar 4 Activity Diagram Penilaian
Koordinator Mentor Sistem
Login
Menampilkan daftar calon mentor
Valid ?
Input penilaian calon mentor
Submit
Proses SAW
Menampilkan hasil rekomendasi mentor
Valid?
Simpan database
login, jika valid maka ditampilkan daftar calon mentor. Calon mentor dinilai sesuai dengan atribut yang disediakan. Jika penilaian selesai dilakukan, sistem melakukan perhitungan simple additive weighting method dan memasukkan hasil di kolom rekomendasi. Jika semua calon selesai dinilai, maka rekomendasi/ranking calon mentor ditampilkan. Koordinator mentor dapat memilih calon mentor yang diterima.
Gambar 5 Class Diagram Sistem
Gambar 5 merupakan class diagram yang digunakan oleh sistem. Setiap class pada Gambar 5 menunjukkan setiap komponen yang dibutuhkan pada sistem yang mana class-class tersebut dijadikan sebagai acuan pembuatan tabel pada database sistem. Sebagai contoh, class calon mentor mewakili struktur data calon mentor, class koordinator mentor mewakili struktur data koordinator mentor dan class admin mewakili struktur data
administrator. Relasi antar class ditunjukkan
oleh Gambar 5, atribut NIM adalah
atribut primary key.
Proses Input Data
Penilaian
Proses SAW
Gambar 6 Alur kerja sistem
Gambar 6 merupakan alur kerja sistem dalam proses pemilihan mentor. Langkah pertama dalam alur kerja sistem adalah admin memasukkan data kriteria mentor yang digunakan untuk proses perhitungan. Calon mentor harus memasukkan data calon mentor kemudian koordinator mentor memberikan penilaian untuk setiap kriteria penilaian. Kemudian data diproses menggunakan metode SAW. Proses SAW dilakukan saat data calon mentor dan penilaian sudah selesai dimasukkan. Setiap kriteria penilaian diberikan rating kecocokan dan tingkat kepentingan. Setelah itu dillakukan normalisasi dan proses penentuan ranking dihitung menggunakan rumus . Hasil dari proses SAW adalah penentuan mentor terpilih melalui pembobotan alternatif sebagai solusi untuk menentukan mulai dari yang paling layak menjadi mentor sampai yang tidak layak.
4. Pembahasan dan Hasil Pengujian
Penentuan penilaian pada masing-masing kriteria yang dinilai merupakan langkah awal yang harus dilakukan dalam proses pembahasan aplikasi. Kriteria penilaian yang digunakan dapat dilihat pada Tabel 1.
Tabel 1 Tabel Kriteria
Kriteria Deskripsi Nilai Keterangan
IPK < 3.00
memenuhi". Kriteria pengalaman diberikan rating kecocokan 1-3. Angka 1 mewakili deskripsi "Kurang memenuhi", angka 2 mewakili deskripsi "Memenuhi", dan angka 3 mewakili deskripsi "Sangat memenuhi". Penggunaan angka 1, 2, 3, dan 4 merupakan cara yang digunakan untuk mewakili setiap kriteria penilaian dalam proses penilaian menggunakan FMADM SAW yang mudah dipahami oleh komputer sehingga penggunaan angka 1, 2, 3, dan 4 bukanlah merupakan keputusan mutlak yang harus dijalankan untuk setiap proses rekomendasi keputusan menggunakan SAW. Koordinator mentor memasukkan data calon mentor dan penilaian terhadap calon mentor kemudian sistem melakukan proses SAW untuk menghasilkan informasi calon mentor mana saja yang pantas menjadi mentor.
Tabel 2 Data Penerimaan Calon Mentor
Data C1 C2 C3 C4
Tabel 2 merupakan data penerimaan calon mentor dengan penilaian masing-masing. S1 sampai S20 mewakili sample calon mentor, C1 mewakili IPK, C2 mewakili nilai test pengetahuan, C3 mewakili pengalaman, C4 mewakili nilai wawancara. Perhitungan SAW dilakukan pada data yang telah diperoleh pada seleksi mentor tahun ajaran 2017/2018 di FTI UKSW. Pada pembahasan ini dilakukan dengan menggunakan 20 data sample yang diolah dan dijadikan patokan dalam Sistem Pendukung Keputusan.
Tabel 3 RatingKecocokan Dari Setiap Alternatif Pada Setiap Kriteria
Data C1 C2 C3 C4
S1 4 2 1 3
S3 3 4 3 4
S4 2 3 2 4
S5 2 3 2 3
S6 1 4 2 4
S7 4 2 1 3
S8 2 4 1 2
S9 1 4 1 3
S10 2 2 2 3
S11 1 3 3 4
S12 2 4 1 1
S13 3 4 3 4
S14 2 2 2 3
S15 4 3 2 3
S16 1 4 2 4
S17 4 2 1 3
S18 4 2 1 3
S19 4 3 2 3
S20 3 4 3 4
Tabel 3 merupakan data penerimaan calon mentor yang dikonversikan menjadi angka 1, 2 dan 3 untuk mewakili setiap kriteria penilaian dalam proses penilaian menggunakan FMADM SAW yang mudah dipahami oleh komputer. Bobot kepentingan untuk setiap kriteria diwakili range 1-4, 1 mewakili tidak penting, 2 mewakili kurang penting, 3 mewakili penting dan 4 mewakili sangat penting. Penentuan bobot kepentingan dilakukan berdasarkan hasil wawancara dengan koordinator mentor yang menjabat. Sehingga bobot kepentingan setiap kriteria yaitu, W = (4, 2, 3, 2)
Selanjutnya, dilakukan normalisasi matriks X berdasarkan Rumus 1. Contoh,
Proses penentuan ranking diperoleh berdasarkan Rumus 2 sebagai berikut:
Seterusnya sehingga diperoleh hasil seperti pada Tabel 4.
Tabel 4 Proses Penentuan Ranking
Data C1 C2 C3 C4 Hasil
Rekomendasi
S1 1 0.5 0.33 0.75 7.5
S2 1 0.75 0.67 0.75 9
S3 0.75 1 1 1 10
S4 0.5 0.75 0.67 1 7.5
S5 0.5 0.75 0.67 0.75 7
S6 0.25 1 0.67 1 7
S7 1 0.5 0.33 0.75 7.5
S8 0.5 1 0.33 0.5 6
S9 0.25 1 0.33 0.75 4
S10 0.5 0.5 0.67 0.75 6.5
S11 0.25 0.75 1 1 7.5
Tabel 4 merupakan hasil akhir dari proses penentuan ranking menggunakan proses SAW. Hasil rekomendasi menunjukkan nilai akhir dari 20 sample calon mentor. Mentor terpilih adalah mentor dengan hasil rekomendasi nilai terbesar. Nilai terbesar pada V menunjukkan alternatif yang terbaik. Sehingga, mentor terpilih diperoleh dari urutan nilai hasil rekomendasi terbesar sampai terkecil, lalu koordinator mentor memilih mentor sampai batas calon mentor yang dibutuhkan.
Tabel 5 Urutan Hasil Rekomendasi No. Data Hasil Rekomendasi
1. S3 10.00
2. S13 10.00
3. S20 10.00
4. S2 9.00
5. S15 9.00
6. S19 9.00
7. S1 7.50
8. S4 7.50
9. S7 7.50
10. S11 7.50
11. S17 7.50
12. S18 7.50
13. S5 7.00
14. S6 7.00
S13 0.75 1 1 1 10
S14 0.5 0.5 0.67 0.75 6.5
S15 1 0.75 0.67 0.75 9
S16 0.25 1 0.67 1 7
S17 1 0.5 0.33 0.75 7.5
S18 1 0.5 0.33 0.75 7.5
S19 1 0.75 0.67 0.75 9
15. S16 7.00
16. S10 6.50
17. S14 6.50
18. S8 6.00
19. S12 5.50
20. S9 4.00
Jika jumlah calon mentor yang dibutuhkan adalah 10 maka dilakukan proses penentuan ranking sampai batas calon mentor yang dibutuhkan. Sehingga mentor terpilih adalah mentor dengan 10 nilai V tertinggi, yaitu, S3, S13, S20, S2, S15, S19, S1, S4, S7, S11.
Gambar 7 terdapat Tabel Calon Mentor yang menunjukkan data calon mentor yang mendaftar, Tabel Kriteria yang menunjukkan kriteria penilaian dari setiap atribut (IPK, Pengalaman, Test Pengetahuan, Wawancara) pada data calon mentor, Tabel Normalisasi yang menunjukkan hasil dari normalisasi matriks menggunakan Rumus 1 dan Tabel Rekomendasi yang menunjukkan hasil rekomendasi mentor terpilih dari nilai tertinggi hingga nilai terendah menggunakan Rumus 2. Jika jumlah calon mentor yang dibutuhkan adalah 10 maka dilakukan proses penentuan ranking sampai batas calon mentor yang dibutuhkan. Sehingga yang terpilih adalah mentor dengan 10 nilai tertinggi.
Kode Program 1 Perintah untuk Perhitungan Normalisasi Simple Additive Weighting
1 String sql2 = "select * from tbkriteria"; 2 ResultSet rs2 = st.executeQuery(sql2); 3 tabelmodelnormalisasi();
Kode Program 1 menunjukkan fungsi untuk perhitungan normalisasi matriks menggunakan Rumus 1, kemudian dijalankan setelah user koordinator mentor menilai calon mentor. Perintah pada baris 1 sampai 2 berfungsi untuk mengambil data dari tbkriteria kemudian diolah menggunakan Rumus 2. Perintah pada baris 4 sampai 9 adalah deklarasi array untuk menampung hasil perhitungan normalisasi sebelum disimpan ke database. Perintah pada baris 10 sampai 17 adalah perhitungan Rumus 1. Perintah pada baris 18 sampai 24 digunakan untuk memasukkan hasil perhitungan normalisasi ke Tabel Normalisasi dalam interface. Perintah pada baris 26 sampai 32 adalah array yang menampung hasil perhitungan normalisasi. Perintah pada baris 34 sampai 36 digunakan untuk menyimpan hasil perhitungan normalisasi ke tbnormalisasi pada database.
Kode Program 2 Perintah untuk Perhitungan Rekomendasi Simple Additive Weighting
1 String sql3 = "select * from tbnormalisasi";
3 tabelmodelrekomendasi();
(rs3.getFloat(5) * 3) + (rs3.getFloat(6) * 2);
10 tbr.addRow(new Object[]{
Kode Program 2 menunjukkan fungsi untuk perhitungan rekomendasi menggunakan Rumus 2, dijalankan setelah mendapatkan hasil normalisasi. Perintah pada baris 1 sampai 2 berfungsi untuk mengambil data dari tbnormalisasi dan disimpan pada variabel rs3 untuk diolah menggunakan Rumus 2. Perintah pada baris 4 sampai 6 adalah deklarasi array untuk menampung hasil rekomendasi. Perintah pada baris 7 sampai 9 adalah perhitungan Rumus 2 untuk mendapatkan nilai rekomendasi. Perintah pada baris 10 sampai 13 untuk menambahkan hasil perhitungan rekomendasi ke Tabel Rekomendasi pada interface. Perintah pada baris 15 sampai 18 adalah hasil perhitungan rekomendasi yang ditampung dalam array. Perintah pada baris 20 sampai 21 digunakan untuk menghapus data pada tbrekomendasi untuk meminimalisir redudansi data. Perintah pada baris 22 sampai 25 berfungsi untuk menyimpan hasil rekomendasi ke tbrekomendasi pada database yang sebelumnya ditampung dalam array.
Selanjutnya dilakukan pengujian sistem menggunakan blackbox testing. Blackbox testing dilakukan untuk menguji fungsi, antarmuka, struktur data dan fitur sistem untuk mengetahui apakah sistem sudah sesuai dengan yang diharapkan. Hal yang diuji beserta dengan hasil pengujian terdapat pada Tabel 6.
[6]
Tabel 6 Hasil Black Box Testing
No. Deskripsi Hasil yang Diharapkan Hasil yang Diberikan Sistem Kalau username dan password
benar maka ditampilkan form
pendaftaran mentor.
2. Calon Mentor sudah diisi disimpan ke dalam sistem.
Koordinator Mentor dapat memasukkan nilai hasil pengetahuan dan wawancara ke dalam sistem. Jika nilai kosong harus ditulis 0, jika dikosongkan tidak dapat disimpan dan dilakukan perhitungan.
Koordinator Mentor dapat melakukan perhitungan normalisasi dan rekomendasi setelah memasukkan semua nilai pada setiap atribut.
Tabel rekomendasi diurutkan dari nilai tertinggi sehingga
mempermudah Koordinator
Mentor dalam menyeleksi
yang tertinggi.
Sesuai yang diharapkan.
8. 672014071 Chelsea G. D. S. 3.79 1 90.00 82.00
Tabel 7 merupakan tabel dengan data calon mentor yang mendaftar pada kegiatan mentoring tahun 2016. Calon mentor yang mendaftar pada tahun 2016 terdiri dari calon mentor yang sudah pernah menjadi mentor pada tahun 2015 dan yang belum pernah menjadi mentor. Data calon mentor yang sudah maupun belum pernah menjadi mentor dapat dilihat pada kolom kriteria pengalaman. Calon mentor yang memiliki pengalaman adalah calon mentor yang diterima pada tahun 2016.
Tabel 8 Tabel Rekomendasi
No. NIM Nama Nilai
1. 672014188 Sterry Fleanry Mulaki 11.000 2. 672014165 Petriyanto Nua Pasha 11.000 3. 672014071 Chelsea Gracia Diandra Suoth 11.000 4. 672014232 Revina Dian Ramadhani 11.000 5. 672014193 Kevin Zefanya Indra Lengkong 11.000
6. 682014029 Fanny Alfyani 11.000
7. 682014047 Aswindo Kristian Wibowo 11.000 8. 682014107 Wilhelmus Joel Darungo 10.500 9. 672014189 Rio Hanni Wowiling 10.250
10. 672015255 Devina Sariska 10.000
11. 672014055 Wisnu Setya Utama 10.000 12. 692014074 Banjar Pujo Ascarya 10.000
13. 602015004 Adinda Geraldine 10.000
14. 602015008 Catherine Cyntia 10.000
15. 682016077 Adi Wiyono 9.250
16. 672016117 Vio Ayu Oktavia Putu 9.000
17. 692015001 Adhika Wibowo 8.500
18. 562014032 Ade Buyung Prakoso 8.000
20. 672014263 Alief Cahyono 7.250
Tabel 8 adalah tabel rekomendasi penerimaan mentor yang dapat menjadi pertimbangan koordinator mentor dalam memilih mentor. Hasil rekomendasi menunjukkan bahwa calon mentor dengan pengalaman pada kegiatan mentoring periode sebelumnya mendapatkan nilai rekomendasi terbaik dibandingkan calon mentor yang belum mempunyai pengalaman. Berdasarkan hasil pemilihan mentor yang dilakukan oleh koordinator mentor tahun 2016, maka dapat disimpulkan bahwa hasil rekomendasi sistem pendukung keputusan pemilihan mentor sesuai dengan yang diharapkan.
5. Simpulan
Berdasarkan hasil penelitian dan pembahasan terkait Sistem Pendukung Keputusan Pemilihan Mentor untuk Kegiatan Mentoring FTI UKSW menggunakan Fuzzy Multi-Atribute Decision Making-Simple Additive Weighting, maka dapat disimpulkan bahwa: (1) SPK dengan metode Fuzzy Multi-Atribute Decision Making-Simple Additive Weighting dapat membantu dalam proses seleksi mentor di FTI UKSW berdasarkan nilai rekomendasi tertinggi; (2) Sistem yang dibuat memberikan informasi sebagai pertimbangan dalam pengambilan keputusan. Saran untuk pengembangan sistem adalah program dibuat dalam versi web untuk memudahkan akses setiap calon mentor yang mendaftar.
6. Daftar Pustaka
[1] Putra, A., & Hardiyanti, D. Y., 2011. Penentuan Penerima Beasiswa dengan Menggunakan Fuzzy Multiple Atribute Decission Making. Palembang: Jurusan Sistem Informasi, Fakultas Ilmu Komputer, Universitas Sriwijaya.
[2] Ula, A. R., 2013. Sistem Pendukung Keputusan Pemilihan Asisten Laboratorium dengan Metode TOPSIS pada Sistem Informasi Fakultas Teknik Universitas Muria Kudus. Kudus: Jurusan Sistem Informasi, Fakultas Teknik, Universitas Muria Kudus.
[3] Anggraeni, E. Y., 2015. Metode Simple Additive Weighting (SAW) dalam Sistem Pendukung Keputusan Menentukan Dosen Pembimbing Skripsi di STMIK Pringsewu. Lampung: STMIK Pringsewu
[4] Raymond McLeod, Jr. 1998. Decision Support System, http://elisa.ugm.ac.id/user/archive/download/22457/ae968f26205d0797 25048b. Diakses Tanggal 2 November 2017.
[5] Kusumadewi, S., dkk., 2006. Fuzzy Multi-Attribute Decision Making (Fuzzy MADM). Yogyakarta: Graha Ilmu.
