Yogie Wibowo 1), Nurhayati 2)

187

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN CALON

TENAGA PENDIDIK DENGAN MENGGUNAKAN METODE

MULTI-OBJECTIVE OPTIMAZTION ON THE BASIS OF

RATIO ANALYSIS(MOORA)

(StudiKasus: Yayasan Perguruan Swakarya)

Yogie Wibowo1), Nurhayati2)

1,2Program Studi Teknik Informatika, STMIK KAPUTAMA BINJAI Jl. Veteran No. 4A-9A, Binjai, 20174 Sumatera Utara

Email : Nurhayati_Azura@yahoo.co.id

ABSTRACT

An educator is a human resource who plays a very important role in educating students. The Swakarya University Foundation still needs new educators. The educators chosen are those who truly have good potential in educating. Selection of prospective educators in the Swakarya University Foundation is still done manually. Decision Support System was developed to reduce the uncertainty factor by processing an information into an alternative solution to a problem. The method that can be applied in decision support systems is Multi-objective optimization on the basis of ratio analysis (MOORA). To determine the process of decision support system information processing using the MOORA method, the authors use a case study to determine the acceptance of educators based on the criteria of GPA, Deed IV, Pskikotest, teaching experience, and interview. . After all the criteria values have been entered, the results of processing by the MOORA method will be ranked as one way to help and facilitate management to determine decisions in the recruitment of educators. And the results of the reception of educators who got the first rank initials JKS with a GPA of 3.10, Having a Deed IV, psychological test scores 88, with 2 years of teaching experience, interview value 75.

Keywords : Educator, Decision Support System, MOORA.

ABSTRAK

Seorang pendidik merupakan sumber daya manusia yang berperan sangat penting didalam mendidik siswa. Di Yayasan Perguruan Swakarya masih sangat dibutuhkan tenaga pendidik baru.Tenaga pendidik yang dipilih adalah yang benar-benar mempunyai potensi yang baik dalam mendidik. Penyeleksian calontenagapendidikdi Yayasan Perguruan Swakarya masih dilakukan secara manual.Sistem Pendukung keputusan dikembangkan untuk mengurangi faktor ketidakpastian tersebut dengan mengolah sebuah informasi menjadi sebuah alternatif pemecahan suatu masalah. Metode yang dapat diterapkan dalam sistem pendukung keputusan yaitu Multi-objective optimization on the basic of ratio analisys (MOORA)Untuk mengetahui proses pengolahan informasi sistem pendukung keputusan dengan menggunakan metode MOORA penulis menggunakan studi kasus menentukan penerimaan tenagapendidik berdasarkan dengan kriteria IPK, Akta IV, Pskikotest, Pengalaman mengajar, danWawancara.. Setelah semua nilai kriteria dimasukkan maka hasil pengolahan dengan metode MOORA akan diranking sebagai salah satu carauntuk membantu dan mempermudah pihak manajemen menentukan keputusan dalam Penerimaan tenagapendidik. Dan hasil penerimaan tenaga pendidik yang mendapat rangking pertama berinisial JKS dengan IPK

188

3,10, Mempunyai Akta IV, nilai psikotest 88, dengan 2 tahun pengalaman mengajar,

nilai wawancara 75.

Kata kunci : MOORA,Pendidik,Sistem Pendukung Keputusan.

1. PENDAHULUAN

Sumber daya manusia yang berkualitas akan tercipta jika yang mendidik anak dalah seorang pendidik yang berkualitas, karena seorang pendidik merupakan tiang dari sebuah pendidikan. Di Yayasan Perguruan Swakarya ingin mencetak lulusan yang mempunyai skill dan bias bersaing dengan sekolah lain. Yayasan ini merupakan salah satu sekolah favorit di kecamatan Salapian, ini terbukti dengan meningkatnya siswa yang mendaftar dari tahun ketahun kesekolah tersebut. Dengan banyaknya siswa yang mendaftar kesekolah tersebut sehingga pihak manajemen sekolah membutuhkan tenaga pengajar dalam mendidik anak didiknya. Pemilihan tenaga pendidik ini harus memenuhi beberapa criteria yang dibutuhkan oleh pihak manajemen sekolah. Sehingga dibutuhkan seleksi yang baik dan akurat dari penerimaan calon Tenaga pendidik baru untuk menghasilkan sumberdaya manusia yang terbaik bagi sekolah. Faktor–faktor yang sudah menjadi suatu standar di dalam seleksi penerimaan calon tenaga pendidik baru diantaranya administrasi, dan tes kemampuan. Setiap factor memiliki bobot tersendiri, nilai bobot dari tiap factor inilah yang pada akhirnya akan dipakai sebagai perbandingan antara setiap pelamar sehingga diperoleh calon–calon Tenaga pendidik yang sesuai dengan criteria sekolah itu sendiri. Penentuan calon guru pendidik, pihak yayasan perguruan swakarya membutuhkan system penilaian yang efektif dan tidak memihak. Kendala yang ditemui adalah saat proses penyeleksi yang kadang membuat 2 kepala sekolah berdebat untuk memilih mana calon pendidik yang layak maka dibuat system ini dengan kriteria yang sudah ditetapkan

untuk menyeleksi calon tenaga pendidik mana yang layak. Penilaian dan hasil tes menggunakan cara manual, bertumpuknya berkas pelamar, keterlambatan pengambilan keputusan dan kesalahan pemberian nilai karena faktor human eror. Metode Penilaian calon Tenaga pendidik masih dalam bentuk dokumentasi sederhana dalam menentukan nilai akhir dari seluruh tahap tes dari seorang Tenaga pendidik yang melamar sehingga informasi yang dihasilkan dalam penerimaan calon Tenaga pendidik tidak dapat dilaporkan secara tepat.

2. LANDASAN TEORI

Sistem Pendukung Keputusan merupakan sebuah sistem informasi yang menggunakan model keputusan, sebuah

database dan sebuah wawasan dari

pembuat keputusan dalam sebuah proses pemodelan yang ad hoc dan interaktif untuk mencapai sebuah keputusan yang spesifik (Aeni Hidayah and Fetrina, 2017).

2.1 Sistem Pendukung Keputusan Sistem pendukung keputusan adalah bagian dari sistem informasi berbasis komputer termasuk sistem berbasis pengetahuan atau manajemen pengetahuan yang dipakai untuk mendukung pengembalian keputusan dalam satu organisasi atau perusahaan. Dapat juga 2.2 Manfaat Sistem Pendukung Keputusan

Sistem Pendukung Keputusan dapat memberikan berbagai manfaat dan

189

keuntungan (Fadlan, Windarto and Damanik, 2019) Manfaat yang dapat diambil dari Sistem Pendukung Keputusan adalah :

1. Sistem Pendukung Keputusan memperluas kemampuan pengambil keputusan dalam memproses data / informasi bagi pemakainya.

2. Sistem Pendukung Keputusan membantu pengambil keputusan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur.

3. Sistem Pendukung Keputusan dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.

2.3 Persyaratan Menjadi Tenaga Pendidik

Tenaga pendidik atau Guru adalah pendidik profesional dengan tugas utama mendidik, mengajar, membimbing, mengarahkan, melatih, menilai, dan mengevaluasi peserta didik pada pendidikan anak usia dini jalur pendidikan formal, pendidikan dasar, dan pendidikan menengah. Untuk melakukan rekrutmen guru, perlu kiranya kita mengkaji ulang tentang berbagai persyaratan untuk menjadi guru.Sehingga kita tidak keliru untuk mengangkat seseorang sebagai guru. Untuk dapat melakukan peranan dan melaksanakan tugas serta tanggung jawabnya, guru memerlukan syarat-syarat tertentu. Syaratsyarat inilah yang akan membedakan antara guru dari manusiamanusia lain pada umumnya. Adapun syarat-syarat bagi guru seperti yang telah dijelaskan dalam Peraturan Pemerintah RI nomor 19 tahun 2005 bahwa guru/pendidik harus memiliki kualifikasi akademik dan kompetensi sebagai agen pembelajaran, sehat jasmani dan rohani, serta memiliki kemampuan

untuk mewujudkan tujuan pendidikan nasional.

2.4 Metode Metode Multi - Objective Optimization on The Basic Of Ratio Analysis ( MOORA )

Multi-Objective Optimization on the basis of Ratio Analysis (MOORA) adalah

multiobjektif sistem mengoptimalkan dua atau lebih attribut yang saling bertentangan secara bersamaan[3]. Metode ini diterapkan untuk memecahkan masalah dengan perhitungan matematika yang kompleks.Moora diperkenalkan oleh Brauers dan Zavadskas pada tahun 2006.Pada awalnya metode ini diperkenalkan oleh Brauers pada tahun 2004 sebagai “Multi-Objective

Optimization” yang dapat digunakan

untuk memecahkan berbagai masalah pengambilan keputusan yang rumit pada lingkungan perusahaan.Metode MOORA diterapkan untuk memecahkan banyak permasalahan ekonomi, manajerial dan konstruksi pada sebuah perusahaan maupun proyek.

3. METODOLOGI PENELITIAN Metode penelitian yang digunakan dalam penyusunan penelitian ini dapat diuraikan sebagai berikut :

3.1 Normalisasi pada metode MOORA Normalisasi bertujuan untuk menyatukan setiap element matriks sehingga element pada matriks sehingga element pada matriks memiliki nilai yang seragam. Normalisasi pada MOORA dapat dihitung menggunakan persamaan sebagai berikut :

X2ij = Xij /

√∑𝑚 𝑋_𝑖𝑗2

𝑚=1 ...

... (2.2) Keterangan :

190

 xij : matriks alternatif j pada kriteria

i

 i : 1,2,3, ..., n adalah nomor urutan atribut atau kriteria

 j : 1,2,3, ..., m adalah nomor urutan alternatif

 X*ij : matrks normalisasi alternatif j

pada kriteria i

Mentukan Matriks Normalisasi Terbobot

………. (2.3)

Mengurangi nilai maximum dan minimum

Untuk menandakan bahwa sebuah atribut lebih penting itu bisa dikalikan dengan bobot yag sesuai (konfesiensignifikasi) (Wardani, Parlina and Revi, 2018). Saat atribut bobot dipertimbangkan perhitungan menggunakan persamaan sebagai berikut :

Yi = ∑𝑔𝑗=1𝑊𝑗𝑋𝑖𝑗2 −

∑𝑛 𝑊_𝑗𝑋_𝑖𝑗2

𝑗=𝑔+1 ...

... (2.4) Keterangan :

 i : 1,2,3, ...., g adalah attribut atau kriteria dengan stastus maximized

 j : g+1, g+2, g+3, ..., n adalah attribut ataukriteria dengan status

minimized

 y*i : matriks normalisasi max-mi

alternatif j

Menentukan ranking dari hasil perhitungan MOORA

Dari hasil perhitungan dengan menggunakan langkah langkah yang telah ada maka kita akan mengetahui nilai yang akan dihasilkan oleh setiap alternatif.

3.2 Analisa Sistem

Analisa sistem adalah suatu proses mempelajari aktifitas sistem untuk memahami gambaran menyeluruh tentang sistem yang sedang berjalan . Tahap ini merupakan tahap yang sangat penting karena bila terjadi kesalahan pada tahap ini akan berakibat pada tahapan selanjutnya atau menetukan kebutuhan-kebutuhan pada sistem baru.

Metode ini memiliki tingkat selektifitas yang baik karena dapat menentukan tujuan dari kriteria yang bertentangan. Di mana kriteria dapat bernilai menguntungkan (benefit) atau yang tidak menguntungkan (cost).

Data pelamar pada Yayasan Perguruan Swakarya :

4. HASIL DAN PEMBAHASAN

Metode MOORA memiliki tingkat fleksibilitas dan kemudahan untuk dipahami dalam memisahkan bagian subjektif dari suatu proses evaluasi kedalam kriteria bobot keputusan dengan beberapa atribut pengambilan keputusan (Alvita et al., 2018). Metode ini memiliki tingkat selektifitas yang baik karena dapat menentukan tujuan dari kriteria yang bertentangan. Di mana kriteria dapat bernilai menguntungkan (benefit) atau yang tidak menguntungkan (cost). Data pelamar pada Yayasan Perguruan Swakarya :

Tabel 1 Data Pelamar

N o N a m a IP K Akt a IV Psik otes t Peng alam an Meng ajar (/Tah un) Wawa ncara 1 B A 3. 00 Ada 70 1 90

191 2 A FS 3. 21 Ada 75 0 50 3 C M P 3. 00 Ada 80 0 65 4 D P 3. 18 Tid ak Ada 68 0 60 5 N O 3. 11 Ada 68 1 40 6 AJ S 3. 01 Ada 83 0 70 7 V B G 3. 09 Ada 87 0 80 8 R SS 3. 12 Ada 79 0 90 9 D S A 3. 56 Ada 75 0 70 Tabel 2 Kriteria

Kriteria Keterangan Bobot Jenis

C1 IPK 20% Benefit C2 Akta IV 20% Benefit C3 Psikotest 20% Benefit C4 Pengalaman Mengajar 25% Benefit C5 Wawancara 15% Benefit Total 100%

Pembobotan dari setiap kriteria adalah sebagai berikut :

Tabel 3 Pembobotan Akta IV Akta IV Bobot Nilai

Tidak Ada Buruk 1

Ada Samgat Baik 5

Benefit 20 %

Berdasarkan data dari kriteria yang ada maka dihasilkan rating kecocokan dari setiap alternatif, seperti pada tabel berikut ini :

Tabel 4 Pemberian Nilai Setiap Alternatif Alte rnati f C 1 I P K C2 Psik otes t C 3 A kt a I V C4 Pengala man Mengaja r(/Tahun ) C5 Waw ancar a A1 3, 0 0 5 70 1 90 A2 3, 2 1 5 75 0 50 A3 3, 0 0 5 80 0 65 A4 3, 1 8 1 68 0 60 A5 3, 1 1 5 68 1 40 A6 3, 0 1 5 83 0 70 A7 3, 0 9 5 87 0 80 A8 3, 1 2 5 79 0 90 A9 3, 5 6 5 75 0 70

maka dapat dihasilkan matriks x : X =

192 3,00 4 70 1 90 3,21 4 75 0 50 3,00 4 80 0 65 3,18 2 68 0 60 3,11 4 68 1 40 3,01 4 83 0 70 3,09 4 87 0 80 3,12 4 79 0 90 3,56 4 75 0 70 3,55 4 77 0 55 3,20 2 81 0 68 3,22 4 72 0 75 3,23 4 72 1 70 3,11 4 60 0 70 3,33 4 55 0 50

Kemudian dilakukan normalisasi terhadap matriks X : C1= √ 3.002_{+ 3.21}2_{+ 3.00}2_{+ 3.18}2_{+ 3.11}2_{+ 3.01}2_{+ 3.09}2_{+ 3.12}2_{+ 3.56}2 +3.552_{+ 3.20}2_{+ 3.22}2_{+ 3.23}2_{+ 3.11}2_{+ 3.33}2_{+ 3.43}2_{+ 3.06}2_{+ 3.16}2 +3,652_{+ 3,05}2_{+ 3,11}2_{+ 3,19}2_+3,272_{+ 3,26}2_{+ 3,57}2_+3,002_{+ 3,14}2_+3,592 +3,412_+3,382_+3,002_+3,102_+3,112_+3,472_+3,552_+3,162_+3,322_{+ 3,35}2_+3,162 +3,152_+3,202_+3,772_+3,282_+3,242_+3,542_+3,622_+3,522_+3,162_+3,252_+3,312 +3,302 = 23,39 A1= 3,00/23,39= 0.1283 A2=3,21/23,39= 0.1372 A3= 3,00/23,39= 0.1283 A4=3,18/23,39= 0.1360 A5= 3,11/23,39= 0.1330 A6=3,01/23,39= 0.1287 A7=3,09/23,39= 0.1321 A8=3,12/23,39= 0.1334 A9=3,56/23,39= 0.1522 A10=3,55/23,39= 0.1518 C2 = √ 52_{+ 5}2_{+ 5}2_{+ 1}2_{+ 5}2_{+ 5}2_{+ 5}2_{+ 5}2_{+ 5}2_{+ 5}2_{+ 1}2_{+ 5}2_{+ 5}2 +52₊₅2_{+ 5}2_{+ 5}2_{+ 5}2_{+ 5}2_{+ 5}2_{+ 1}2_{+ 5}2_{+ 5}2_{+ 5}2_{+ 5}2₊₅2₊₅2 +52₊₅2_{+ 5}2_{+ 1}2_{+ 5}2_{+ 5}2_{+ 5}2_{+ 5}2_{+ 1}2_{+ 1}2_{+ 5}2_{+ 5}2_{+ 5}2 +52_{+ 5}2_{+ 5}2_{+ 1}2_{+ 5}2_{+ 5}2_{+ 5}2_{+ 5}2_{+ 5}2₊₅2_{+ 5}2 = 33,27 A1= 5/33,27 = 0,1503 A2= 5/33,27 = 0,1503 A3= 5/33,27 = 0,1503 A4= 1/33,27 = 0,0301 A5= 5/33,27 = 0,1503 A6= 5/33,27 = 0,1503 A7= 5/33,27 = 0,1503 A8= 5/33,27 = 0,1503 A9= 5/33,27 = 0,1503 C3= √ 702_{+ 75}2_{+ 80}2₊₆₈2₊₆₈2₊₈₃2₊₈₇2₊₇₉2₊₇₅2_{+ 77}2₊₈₁2₊₇₂2 +722₊₆₀2₊₅₅2₊₆₅2_{+ 70}2₊₇₃2₊₈₂2₊₈₉2₊₇₆2_{+ 84}2₊₆₉2₊₇₁2 +792₊₇₂2₊₇₀2₊₇₄2₊₆₆2₊₈₉2₊₄₈2₊₈₈2_{+ 69}2_{+ 79}2₊₇₀2₊₇₅2₊₇₆2 792₊₇₄2₊₅₃2₊₇₈2_{+ 70}2₊₆₂2₊₆₆2₊₈₂2₊₅₈2₊₇₄2_{+ 68}2₊₇₅2₊₇₈2₊₈₄2 = 527,07 A1= 70/572,07 = 0,1328 A2= 75/572,07 = 0,1423 A3=80/572,07 = 0,1518 A4= 68/572,07 = 0,1290 A5= 68/572,07 = 0,1290 A6= 83/572,07 = 0,1575 A7= 87/572,07 = 0,1651 A8= 79/572,07 = 0,1499 A9= 75/572,07 = 0,1423 C4= √ 12_{+ 0}2_{+ 0}2_{+ 0}2₊₁2_{+ 0}2₊₀2_{+ 0}2₊₀2+₀2₊₀2_{+ 0}2₊₁2_{+ 0}2_{+ 0}2₊₁2 +02₊₀2₊₀2₊₂2₊₀2₊₁2_{+ 1}2_{+ 0}2₊₁2₊₀2₊₀2_{+ 0}2₊₀2₊₀2₊₀2₊₂2₊₀2 +12₊₀2₊₀2₊₁2₊₀2₊₀2₊₁2_{+ 1}2₊₁2₊₁2₊₀2_{+ 0}2₊₀2_{+ 0}2₊₁2₊₀2₊₀2 +02 = 4,80 A1= 1/4,80 = 0.2132 A2= 0/4,80 = 0 A3=0/4,80 = 0 A4=0/4,80 = 0 A5=1/4,80 = 0 A6=0/4,80 = 0,2132

193 A7=0/4,80 = 0 A8=0/4,80 = 0 A9=0/4,80 = 0 C5 = √ 902_{+ 50}2_{+ 65}2_{+ 60}2_{+ 40}2_{+ 70}2_{+ 80}2_{+ 90}2_{+ 70}2₊₅₅2₊₆₈2 +752₊₇₀2₊₇₀2₊₅₀2₊₆₀2₊₉₀2₊₈₀2₊₄₀2₊₇₀2₊₈₅2₊₇₅2₊₈₅2₊₈₀2 +682_{+ 90}2₊₉₅2₊₈₀2₊₅₅2_{+ 70}2₊₇₀2₊₇₅2_{+ 65}2₊₈₅2₊₇₀2₊₅₀2₊ 602_{+ 90}2₊₈₀2₊₆₀2_{+ 70}2₊₇₀2_{+ 70}2₊₈₀2₊₆₅2₊₈₅2₊₇₀2₊₉₀2₊₈₀2 652₊₇₅2 = 519,54 A1 = 90/519,54 = 0,1732 A2= 50/519,54 = 0,0962 A3= 65/519,54 = 0,1251 A4= 60/519,54 = 0,1155 A5= 40/519,54 = 0,0770 A6= 70/519,54 = 0,1347 A7= 80/519.54 = 0,1540 A8= 90/519.54 = 0,1732

Hasilnya dari normalisasi matriks X diperoleh matriks X*ij dilihat berikut ini.

X*ij = 0.128 3 0.150 3 0.132 8 0.2132 0.173 2 0.137 2 0.150 3 0.142 3 0.0000 0.096 2 0.128 3 0.150 3 0.151 8 0.0000 0.125 1 0.136 0 0.030 1 0.129 0 0.0000 0.115 5 0.133 0 0.150 3 0.129 0 0.2132 0.077 0 0.128 7 0.150 3 0.157 5 0.0000 0.134 7 0.132 1 0.150 3 0.165 1 0.0000 0.154 0 0.133 0.150 0.149 0.0000 0.173 4 3 9 2 0.152 2 0.150 3 0.142 3 0.0000 0.134 7 0.161 2 0.150 3 0.132 8 0.2132 0.134 7 0.140 2 0.150 3 0.117 6 0.2132 0.134 7 Mengoptimalkan atribut menyertakan bobot dalam pencarian yang ternormalisasi. Xwj..= C1 =A1 = 0,20 x 0,13 = 0,0257 A2= 0,20 x 0,14 = 0.0274 A3= 0,20 x 0,13 =0.0257 A4= 0,20 x 0,14 =0.0272 A5= 0,20 x 0,13 =0.0266 A6= 0,20 x 0,13 =0.0257 A7= 0,20 x 0,13 =0.0264 A8= 0,20 x 0,13 =0.0267 A9= 0,20 x 0,15 =0.0304 C2 = A1 = 0,20 x 0,1503 = 0,0301 A2= 0,20 x 0,1503 = 0,0301 A3= 0,20 x 0,1503 = 0,0301 A4= 0,20 x 0,0303 = 0,0060 A5= 0,20 x 0,1503 = 0,0301 A6= 0,20 x 0,1503 = 0,0301 A7= 0,20 x 0,1503 = 0,0301 A8= 0,20 x 0,1503 = 0,0301

194 A9= 0,20 x 0,1503 = 0,0301 C3 = A1 = 0,20 x 0,13= 0.0266 A2= 0,20 x 0,14 = 0.0285 A3= 0,20 x 0,15 = 0.0304 A4= 0,20 x 0,13 = 0.0258 A5= 0,20 x 0,13 = 0.0258 A6= 0,20 x 0,16 = 0.0315 A7= 0,20 x 0,17 = 0.0330 A8= 0,20 x 0,15 = 0.0300 A9= 0,20 x 0,14 = 0.0285 C4 = A1 = 0,25 x 0,21= 0,0533 A2= 0,25 x 0= 0 A3= 0,25 x 0= 0 A4= 0,25 x 0= 0 A5= 0,25 x 0.21= 0,0533 A6= 0,25 x 0= 0 A7= 0,25 x 0= 0 A8= 0,25 x 0= 0 A9= 0,25 x 0= 0

hasil perkalian dengan bobot kriteria, yaitu :

X =

Tabel III.5 Daftar Yi Altern atif Maximum (C1+C2+C3+ C4+C5) Minim um Yi = max – min A1 0.1616 0 0.16 16 A2 0.1004 0 0.10 04 A3 0.1048 0 0.10 48 A4 0.0763 0 0.07 63 A5 0.1473 0 0.14 73 A6 0.1075 0 0.10 75 A7 0.1126 0 0.11 26 A8 0.1127 0 0.11 27 A9 0.1092 0 0.10 92 Dari hasil diatas, dapat dilihat perangkingan setiap alternatif dari penerima Tenaga Pendidik pada tabel berikut :

Tabel 6 Hasil rangking Alternatif Hasil Rangking

A32 0.2182 1 A20 0.2167 2 A34 0.1675 3 A22 0.1642 4 A25 0.1635 5 A42 0.1624 6

Nilai 0.2157767 diperoleh hasil penjumlahan

dari bobot kriteria berhasil menjadi yang tertinggi. Dari nilai diatas dapat dilihat yang mendapatkan rangking pertama

0.025651988 0.0300571 0.0300571 0.05208333 0.02598452 0.027447627 0.0300571 0.0284592 0 0.01443585 0.025651988 0.0300571 0.0303565 0 0.0187666 0.027191107 0.0060114 0.025803 0 0.01732302 0.026592561 0.0300571 0.025803 0.05208333 0.01154868 0.025737495 0.0300571 0.0314949 0 0.02021019

195

dengan IPK 3.10, mempunyai Akta IV, nilai psikotest 88, pengalaman mengajar 2 tahun, dan nilai wawancara 75 dan mempunyai nilai tertinggi yaitu 0.2157767.

4.1 PEMBAHASAN

Tahap ini merupakan pembuatan perangkat lunak yang disesuaikan dengan rancangan atau desain yang telah dibuat.

Gambar 2. Analisa MOORA Form Input Nilai Alternatif

Halaman ini merupakan halaman untuk menginputkan nilai-nilai dari setiap kriteria yang telah di tetapkan yang akan dinilai menggunakan system pendukung keputusan dengan metode MOORA yang bias dilihat pada gambar di bawah ini:

Gambar 2. Nilai Alternatif Form Analisa MOORA

Halaman ini merupakan halaman hasil laporan perhitungan sistem pendukung keputusan menetukan penerimaan bantuan dana kartu indonesia sehat berdasarkan kelayakan sosial menggunakan metode MOORA yang ditunjukkan pada gambar berikut ini:

Gambar 3. Analisa MOORA 5. KESIMPULAN

Berdasarkan hasil analisis permasalahan yang didapat, maka di ambil kesimpulan yaitu sebagai berikut :

1. Dengan adanya sistem pendukung keputusan penerimaan tenaga pendidik yang telah dilakukan analisis menggunakan metode MOORA dapat diambil keputusan bahwa penerimaan tenagapendidik yang mendapatkan nilai yang tertinggi adalah A32 dengan nilai perhitungan MOORA yaitu 0,2182dan dinyatakan lulus.

2. Pengambilan keputusan dengan metode MOORA ini dapat membantu pengambilan keputusan penerimaan tenaga pendidik berdasarkan tahapan tes.

3. Sistem Pendukung keputusan yang dirancang mampu menyeleksi penerima tenaga pendidik melalui penilaian yang cepat dan tepat sehingga dapat mengefektifkan proses penyeleksian pada Yayasan Perguruan Swakarya.

196

DAFTAR PUSTAKA

[1]. Aeni Hidayah, N. and Fetrina, E. (2017) ‘RANCANG BANGUN

SISTEM PENDUKUNG

KEPUTUSAN KENAIKAN

JABATAN PEGAWAI DENGAN METODE PROFILE MATCHING (Studi Kasus: Kementerian Agama Kantor Wilayah DKI Jakarta)’, Studia

Informatika: Jurnal Sistem Informasi,

10(2), pp. 127–134.

[2]. Alvita, S. et al. (2018) ‘Sistem Pendukung Keputusan Pemilihan Mekanik Sepeda Motor Terbaik Menggunakan Metode Multi Objective Optimization on The Basis of Ratio Analysis ( MOORA )’, 5(1), pp. 66–70.

[3]. Fadlan, C., Windarto, A. P. and Damanik, I. S. (2019) ‘Penerapan Metode MOORA pada Sistem Pemilihan Bibit Cabai ( Kasus : Desa Bandar Siantar Kecamatan Gunung Malela )’, Journal of Applied

Informatics and Computing, 3(2), pp.

2–6.

[4]. Fauzi, A., Marpaung, I.J.S. and Pardede, A.M.H., 2018. SISTEM

PENDUKUNG PEMILIHAN

PEKERJAAN MENGGUNAKAN

METODE APRIORI

BERDASARKAN KORELASI

JURUSAN DENGAN IPK UNTUK

MENGETAHUI PEKERJAAN

YANG TEPAT. METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi, 2(2), pp.152-159.

[5]. Wardani, S., Parlina, I. and Revi, A. (2018) ‘ANALISIS PERHITUNGAN

METODE MOORA DALAM

PEMILIHAN SUPPLIER BAHAN BANGUNAN DI TOKO MEGAH GRACINDO JAYA InfoTekJar ( Jurnal Nasional Informatika dan Teknologi Jaringan )’, Jurnal

Nasional Informatika dan Teknologi Jaringan, 3(1), pp. 95–99.