Program Study Teknik Informatika, STMIK Pelita Nusantara, JL. Iskandar Muda No.1 Medan Sumatera Utara 20154, Indonesia 3

1

SPK PENERIMA BEASISWA S3 DI STMIK PELITA NUSANTARA DENGAN METODE TOPSIS

Erlinda Hutagaol

¹

,Murni Marbun

²

, Asaziduhu Gea

³

1,2

Program Study Teknik Informatika, STMIK Pelita Nusantara, JL. Iskandar Muda No.1 Medan Sumatera Utara 20154, Indonesia

3

Teknik Informatika, Universitas Methodist Indonesia, Jl. Hang Tuah No. 8 Medan Sumatera Utara 20154, Indonesia

1

indahutagaol02@gmail.com,

²

dimpleflorence@yahoo.co.id ,

³

gea.asaziduhu@gmail.com

Abstract

This research is a decision support system for determining S3 scholarship recipients at STMIK Pelita Nusantara with TOPSIS method. The TOPSIS method is used for determining S3 scholarship recipients that are determined based on criteria. This decision support system was built with Visual Studio 2010 application as a tool for determining S3 scholarship recipients at STMIK Pelita Nusantara and using MYSQL as a database. The result of this decision support system is to produce an objective and systematic decision support system in determining the S3 scholarship recipients with the best qualifications. This system aims to help the foundation in selecting lecturers who are eligible to get a S3 scholarship at STMIK Pelita Nusantara.

Keywords:Decision Support System, TOPSIS Method, Scholarship Abstrak

Penelitian ini adalah sistem pendukung keputusan penentuan penerima beasiswa S3 di STMIK Pelita Nusantara dengan metode TOPSIS. MetodeTOPSIS digunakan untuk penentuan penerima beasiswa S3 yang di tentukan berdasarkan kriteria.Sistem pendukung keputusan ini dibangun dengan aplikasi Visual Studio 2010 sebagai alat bantu untukpenentuan penerima beasiswa S3 di STMIK Pelita Nusantara dan menggunakan MYSQL sebagai database.Hasil dari sistem pendukung keputusan ini adalahuntuk menghasilkan sistem pendukung keputusan yang objektif dan sistematis dalam penentuan penerima beasiswa S3dengan kualifikasi terbaik.Sistem ini bertujuan untuk membantu pihak yayasan dalam memilih dosen yang layak mendapatkan beasiswa S3 di STMIK Pelita Nusantara.

Kata kunci: Sistem Pendukung Keputusan, Metode TOPSIS, Beasiswa I. Pendahuluan

Beasiswa adalah pemberian berupa bantuan keuangan yang diberikan oleh pemerintah,

universitas serta lembaga pendidik atau peneliti[10]. Khusus nya STMIK Pelita Nusantara

menyediakan beasiswa kepada dosen untuk meningkatkan kualitas dosen dalam memperluas ilmu

yang sesuai bidang kajian dosen.STMIK Pelita Nusantara sebagai salah satu lembaga pendidikan

tinggi yang berupaya meningkatkan mutu pendidikan. Untuk mendapatkan suatu ilmu perlu

adanya studi lanjut ke jenjang yang lebih tinggi, oleh karena itu beasiswa sangat berperan sekali

dalam perluasan ilmu pendidikan.Untuk mendapatkan beasiswa tersebut maka di butuhkan syarat

dan kriteria-kriteriayang harus di penuhi sesuai dengan aturan yang telah ditetapkan.BeasiswaS3

program doctor diberikan untuk meningkatan kualitas dosen dalam memperluas ilmu yang sesuai

di bidang kajian dosen.Dalam bidang pendidikan tentunya tenaga akademis menduduki peringkat

pertama dalam skala prioritas pembinaan dan pengembangannya. Pemberian beasiswaprogram

Doctorkriteria yang dinilai meliputi lama mengajar, jabatan, bidangilmu,kedisiplinan,

kepangkatan. Pemberian beasiswa S3 di STMIK Pelita Nusantara masih berdasarkan penilaian

Yayasan sesuai dengan kebutuhan dan peluang yang ada. Pemberian beasiswa belum berdasarkan

aturan-aturan yang baku atau standart. Pemberian beasiswa dibatasi dengan jumlah dana yang

disediakan. Pemberian beasiswa masih belumdilaksanakan secara tersistem. Banyaknya dosen

2

yang berminat untuk study lanjut beasiswa S3, pengurus yayasan sebagai pengelola STMIK Pelita nusantara merasa kesulitan untuk menentukan penerima beasiswa S3 tersebut. Sehingga penentuan kelayakan penerima beasiswa membutuhkan waktu yang lama, oleh karena itu di butuhkan suatu sistem untuk membantu pihak yayasan Demokrat Cemerlang dalam menentukan dosen yang layak menerima beasiswa S3.

II. Metode

1. TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)

Technique For Order Preference by Similarity to Ideal Solution (TOPSIS) didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif.Konsep ini banyak digunakan pada beberapa model MADM untuk menyelesaikan masalah keputusan secara praktis.

Hal ini disebabkan karena konsepnya sederhana dan mudah dipahami, komputasinya efisien dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan dalam bentuk matematis yang sederhana[2].

Secara umum, prosedur TOPSIS mengikuti langkah-langkah[7].

a. Membangun normalized decision matrix. Elemen r

ij

adalah hasil normalisasi decision matrix R dengan metode Euclidean length of a vector adalah :

r

ij

= ^𝑋

^𝑖𝑗

√∑ =𝑥𝑖𝑗

^𝑚_𝑖 ²

(1)

rij, hasil perbandingan ternormalisasi ke dalam suatu skala setiap alternatif pada setiap kriteria.

dengan i=1,2,....m; dan j=1,2,....n.

b. Membangun weighted normalized decision matrix dengan bobot W- (w1, w2,… , wn)vij = wi

* rij (2)

c. Menentukan solusi ideal positif dan solusi ideal negatif. Solusi ideal positif dinotasikan dengan A+ dan solusi ideal negatif dengan A- adalah sebagai berikut[7].

A+ = {(max vij) (min vij | j ∈𝐽′),

i = 1,2,3,…,m} = {v1+, v2+, …. vm+} (3) A- = {(max vij) (min vij | j ∈𝐽′),

i = 1,2,3,…,m} = {v1-, v2-, …. vm-} (4)

Dimana : vij = elemen matriks v baris ke I kolom ke j d.Menghitung Separasi

Separation Measure ini merupakan pengukuran jarak dari suatu alternatif ke solusi ideal positif dan solusi ideal negatif. Jarak antara alternatif Ai dengan solusi ideal positif dirumuskan sebagai[6].

𝑆 _𝐼 ⁺ = √∑ (𝑣 _𝑖𝑗 − 𝑣 _𝑖𝑗 ⁺ ) ²

𝑛

𝑗=1

dengan i= 1,2,…,m (5)

Jarak antara alternatif Ai dengan solusi ideal negatif dirumuskan sebagai : 𝑆 _𝐼 ⁻ = √∑ ^𝑛 _𝑗=1 (𝑣 _𝑖𝑗 − 𝑣 _𝑖𝑗 ⁻ ) ²

dengan

i = 1,2,…,m (6)

e. Menghitung kedekatan relatif terhadap solusi ideal. Kedekatan relatif alternatif A

⁺

dengan solusi ideal A

^-

direpresentasikan dengan[6].

𝑪 _𝒊 = ^𝒔

^𝒊−

𝒔

_𝒊⁻

+ 𝒔

_𝒊⁺

dengan 0< C

i+

< 1 dan i = 1,2,3,..,m (7)

f. Meranking alternatif. Alternatif dapat diranking berdasarkan urutan C

i+

. Alternatif dengan nilai C

i+

. terbesar merupakan solusi yang terbaik[6].

Langkah – langkah metode TOPSIS dalam penentuan penerima beasiswa S3 adalah

sebagai berikut:

3 Tahap I:

Menentukan kriteria atau atribut. Ada lima kriteria yang akan di gunakan untuk membuat keputusan penerima beasiswa. Kriteria nya adalah:

C1=Lama mengajar C2=Jabatan

C3=Bidang Ilmu C4=Kedisiplinan C5=Kepangkatan Tahap II :

Kriteria di ubah ke nilai fuzzy dengan melakukan pembobotan masing- masing kriteria seperti pada tabel berikut.

TABLE 1 B ILANGAN FUZZY UNTUK KRITERIA LAMA MENGAJAR

Lama mengajar variabel Nilai Fuzzy

0<lama mengajar ≤3 3<lama mengajar ≤5 5<lama mengajar ≤8 8<lama mengajar ≤10

Kurng layak Cukup Layak Layak Sangat Layak

0,25 0,50 0,75 1

TABLE 2 B ILANGAN FUZZY UNTUK KRITERIA JABATAN

Jabatan Variabel Nilai Fuzzy

Dosen Ka.prodi Ketua Lembaga Ketua dan Wakil Ketua

Kurng layak Cukup Layak Layak Sangat Layak

0,25 0,50 0,75 1

TABLE 3 B ILANGAN FUZZY UNTUK KRITERIA BIDANG ILMU

Bidang lmu variabel Nilai Fuzzy Humaniora

Management Sains

Ilmu Komputer

Kurng layak Cukup Layak Layak Sangat Layak

0,25 0,50 0,75 1

T ABLE 4 B ILANGAN FUZZY UNTUK KRITERIA KEDISIPLINAN

Kedisiplinan variabel Nilai Fuzzy Tidak Disiplin

Kurang Disiplin Disiplin

Sangat Disiplin

Kurng layak Cukup Layak Layak Sangat Layak

0,25 0,50 0,75 1

T ABLE 5 B ILANGAN FUZZY UNTUK KRITERIA KEPANGKATAN

Kepangkatan variabel Nilai Fuzzy Tidak Ada

Asisten Ahli Lektor

Lektor Kepala

Kurng layak Cukup Layak Layak Sangat Layak

0,25 0,50 0,75 1

Tahap III :

4

Menentukan nilai akhir hasil penentuan penerima beasiswa S3 dengan menggunakan metode TOPSIS.

Keputusan Nilai Akhir (NA):

Ketentuan layak atau tidak layak berdasarkan metode TOPSIS dalam Penentun penerima beasiswa S3 di STMIK Pelita Nusantara, Berdasarkan kemampuan keuangan konstitusi , Dosen yang memiliki Nilai tertinggi yang akan menjadi penerima beasiswa S3.

III. Hasil dan Analisa 1. Hasil

Hasil perhitungan dengan metode TOPSIS dalam menentukan nilai akhir penerima beasiswa tersebut adalah sebagai berikut :

a. Data nilai 10 (sepuluh) dosen dan data nilai dosen setelah di konversi ke nilai fuzzy

TABLE 6 DATA DOSEN SE BELUM DIKONVERSI

Nama Lama

Mengajar

Jabatan Bidang Ilmu Kedisiplinan Kepangkatan Erwin Panggabean 3 Tahun Dosen Ilmu Komputer Disiplin Kepala Lektor R. Mahdalena

Simanjorang

2 Tahun Wakil Ketua II

Ilmu Komputer Disiplin Tidak Ada

Fricles Ariwisanto Sianturi

3 Tahun Ketua LPPM

Ilmu Komputer Disiplin Asisten Ahli

Martua Sitorus 4 Tahun Dosen Managemen Disiplin Asisten Ahli

Bosker Sinaga 5 Tahun Wakil Ketua III

Ilmu Komputer Disiplin Asisten Ahli

Hengki Tamando Sihotang

5 Tahun Wakil Ketua I

Ilmu Komputer Disiplin Asisten Ahli

Sulindawaty 3 Tahun Kaprodi TI Ilmu Komputer Disiplin Lektor

Marlen Jhon Hari Damanik

4 Tahun Dosen Sains Disiplin Tidak Ada

Paska Marto Hasugian 3 Tahun Ketua LPPM

Ilmu Komputer Disiplin Lektor

Guntur Syahputra 6 Tahun Dosen Ilmu Komputer Disiplin Asisten Ahli T ABLE 7 DATA DOSEN SETELAH DIKONVERSI

NIDN Nama C1 C2 C3 C4 C5

0119076703 Erwin Panggabean 0,25 0,25 1 0,75 1 0130059301 R. Mahdalena 0,25 1 1 0,75 0,25 0126099101 Fricles ariwisanto 0,25 0,75 1 0,75 0,50 0109048406 Martua sitorus 0,50 0,25 0,50 0,75 0,50 0118059101 Bosker sinaga 0,50 1 1 0,75 0,50 0120069001 Hengki tamando 0,50 1 1 0,75 0,50 0107048206 Sulindawaty 0,25 0,50 1 0,75 0,75 0115037201 Marlen jhon hari 0,50 0,25 0,75 0,75 0,25 0131038601 Paska marto 0,25 0,75 1 0,75 0,75 0127118701 Guntur syahputra 0,75 0,25 1 0,75 0,50

b. Membangun matrix keputusan ternormalisasi dari setiap kategori yang di lambangkan dengan X(i) dimana i = 1,2,3,4 dan 5

TABLE 8 DATA MATRIX NORMALISASI

5

NIDN _Nama R(I,1) R(I,2) R(I,3) R(I,4) R(I,5)

0119076703 Erwin Panggabean 0,182574 0,116242 0,336861 0,316227 0,534522 0130059301 R. Mahdalena simanjorang 0,182674 0,464969 0,336861 0,316227 0,133630 0126099101 Fricles ariwisanto sianturi 0,182674 0,348726 0,336861 0,316227 0,267261 0109048406 Martua sitorus 0,365148 0,116242 0,16843 0,316227 0,267261 0118059101 Bosker sinaga 0,365148 0,464969 0,336861 0,316227 0,267261 0120069001 Hengki tamando sihotang 0,365148 0,464969 0,336861 0,316227 0,267261 0107048206 Sulindawaty 0,182674 0,232484 0,336861 0,316227 0,400892 0115037201 Marlen jhon hari damanik 0,365148 0,116242 0,252646 0,316227 0,133630 0131038601 Paska marto hasugian 0,182574 0,348726 0,336861 0,316227 0,400892 0127118701 Guntur syahputra 0,547723 0,116242 0,336961 0,316227 0,267261

c. Matrix keputusan ternormalisasi terbobot (v) yang elemen-elemen nya di tentukan dari R(i)

TABLE 9 DATA MATRIX NORMALISASI

No R(I,2) R(I,3) R(I,4) R(I,5)

1 0,182574 0,092993 0,202116 0,126491 2 0,182674 0,371975 0,202116 0,126491 3 0,182674 0,278981 0,202116 0,126491 4 0,365148 0,092993 0,101058 0,126491 5 0,365148 0,371975 0,202116 0,126491 6 0,365148 0,371975 0,202116 0,126491 7 0,182674 0,185987 0,202116 0,126491 8 0,365148 0,092993 0,151587 0,126491 9 0,182574 0,278981 0,202116 0,126491 10 0,547722 0,092993 0,202116 0,126491

d. Menentukan matrix solusi ideal positif (A

⁺

) dan solusi ideal negatif (A

^-

) dapat dilihat pada tabel berikut :

e.

T ABLE 10 S OLUSI IDEAL POSITIF (A

⁺

)

S ol us i I dea l Pos iti f

V(i,1) V(i,2) V(i,3) V(i,4) V(i,5) 0,182574 0,092993 0,202116 0,126491 0,106904 0,182674 0,371975 0,202116 0,126491 0,026726 0,182674 0,278981 0,202116 0,126491 0,053452 0,365148 0,092993 0,101058 0,126491 0,053452 0,365148 0,371975 0,202116 0,126491 0,053452 0,365148 0,371975 0,202116 0,126491 0,053452 0,182674 0,185987 0,202116 0,126491 0,080178 0,365148 0,092993 0,151587 0,126491 0,026726 0,182574 0,278981 0,202116 0,126491 0,080178 0,547722 0,092993 0,202116 0,126491 0,053452 A

⁺

(V min) 0,547723 0,37175 0,20211 0,126491 0,106905

T ABLE 11 S OLUSI IDEAL POSITIF (A

^-

)

6

i I dea l N ega tif

V(i,1) V(i,2) V(i,3) V(i,4) V(i,5) 0,182574 0,092993 0,202116 0,126491 0,106904 0,182674 0,371975 0,202116 0,126491 0,026726 0,182674 0,278981 0,202116 0,126491 0,053452 0,365148 0,092993 0,101058 0,126491 0,053452 0,365148 0,371975 0,202116 0,126491 0,053452 0,365148 0,371975 0,202116 0,126491 0,053452 0,182674 0,185987 0,202116 0,126491 0,080178 0,365148 0,092993 0,151587 0,126491 0,026726 0,182574 0,278981 0,202116 0,126491 0,080178 0,547722 0,092993 0,202116 0,126491 0,053452 A

^-

(V min) 0,182574 0,092994 0,101058 0,126491 0,02672 f. Menghitung seperasi atau jarak alternatif dari solusi ideal positif (S

⁺

)

TABLE 12 NILAI SEPERASI ( JARAK )

V(i,1) V(i,2) V(i,3) V(i,4) V(i,5) S

⁺

S

^-

0,182574 0,092993 0,202116 0,126491 0,106904 0,459526 0,128999 0,182674 0,371975 0,202116 0,126491 0,026726 0,373848 0,29672 0,182674 0,278981 0,202116 0,126491 0,053452 0,380577 0,213348 0,365148 0,092993 0,101058 0,126491 0,053452 0,352468 0,18452 0,365148 0,371975 0,202116 0,126491 0,053452 0,190239 0,349414 0,365148 0,371975 0,202116 0,126491 0,053452 0,190239 0,349414 0,182674 0,185987 0,202116 0,126491 0,080178 0,410657 0,147367 0,365148 0,092993 0,151587 0,126491 0,026726 0,346621 0,189437 0,182574 0,278981 0,202116 0,126491 0,080178 0,377751 0,218313 0,547722 0,092993 0,202116 0,126491 0,053452 0,284056 0,379816 A

⁺

(V min) 0,547723 0,37175 0,20211 0,126491 0,106905

A

^-

(V min) 0,182574 0,092994 0,101058 0,126491 0,02672

g. Menghitung kedekatan relatif dari setiap alternatif terhadap solusi ideal positif (ci

⁺

) T ABLE 13 NILAI KEDEKATAN RELATIF

No S

⁺

S

^-

C

⁺

1 0,459526 0,128999 0,21919035

2 0,373848 0,29672 0,44249055

3 0,380577 0,213348 0,35921707

4 0,352468 0,18452 0,34362034

5 0,190239 0,349414 0,64747903

6 0,190239 0,349414 0,64747903

7 0,410657 0,147367 0,26408721

8 0,346621 0,189437 0,353389

9 0,377751 0,218313 0,36625765

10 0,284056 0,379816 0,57212234

7 h. Meranking Alternatif

TABLE 14 NILAI KEDEKATAN RELATIF

No Nama S

⁺

S

^-

C

⁺

1 Bosker sinaga 0,190239 0,349414 0,6474 2 Hengki tamando sihotang 0,190239 0,349414 0,6474 3 Guntur syahputra 0,284056 0,379816 0,5721 4 R. Mahdalena simanjorang 0,373848 0,29672 0,4424 5 Paska marto hasugian 0,377751 0,218313 0,3662 6 Fricles ariwisanto 0,380577 0,213348 0,3592 7 Marlen jhon hari damanik 0,346621 0,189437 0,3533 8 Martua sitorus 0,352468 0,18452 0,3436 9 Sulindawaty 0,410657 0,147367 0,2640 10 Erwin Panggabean 0,459526 0,128999 0,2191 i. Menentukan Nilai Akhir

Sesuai dengan keputusan yang telah ditentukan, berdasarkan tabel diatas hasil perhitungan dengan metode TOPSIS untuk sampel yang berjumlah 10 (sepuluh)orang dosen dapat diketahui bahwa nilai akhir dosen atas namaBosker Sinaga dan Hengki Tamando Sihotang dengan Nilai C

⁺

= 0.6474 adalah dosen yang layak menjadi penerima beasiswa S3 yang memiliki nilai C

⁺

tertinggi.

2. Implementasi Sistem a. Form login

Admin melakukan proses registrasi sebelum masuk ke menu admin :

Gambar 1.Form Login b. Tampilan Menu Utama

Halaman yang pertama tampil ketika admin mengakses halaman sistem pendukung

keputusan penentuan penerima beasiswa S3 di STMIK Pelita Nusantara.

8

Gambar 2.Form Menu Utama c. Form Input Data Kriteria

Admin menginput kode kriteria, nama kriteria, keterangan kriteria, bobot kriteria, C1, C2, C3, C4 C5 langsung tersimpan di database.

Gambar 3. Form Input Data Kriteria d. Form input Konversi fuzzy

Admin dapat menginput, kode kriteria, bobot kriteria bilangan fuzzy, dan langsung tersimpan di database.

Gambar 4. Form Input Konversi fuzzy e. Input Alternatif

Admindapat menginput, kodealternatif, nama, lama mengajar, jabatan, bidang ilmu,

kedisiplinan, kepangkatan.

9

Gambar 5. Form Input Alternatif f. Tampilan Form Proses TOPSIS

Proses TOPSIS, di tampilkan matriks yang telah terbobot, form ini menampilkan nilai solusi ideal negatif dan solusi ideal positif.

Gambar 6. Form Proses g. Hasil Laporan

Menampilkan hasil laporan perhitungan menggunakan metode TOPSIS untuk di cetak.

Gambar 7.Form Hasil Laporan IV. Kesimpulan

Setelah dilakukan pengujian terhadap sistem yang telah dibangun yaitu Sistem Pendukung

10

Keputusan Penentuan Penerima Beasiswa S3 Dengan Menggunakan Metode TOPSIS, maka dapat diperoleh kesimpulan sebagai berikut:

1. Sistem pendukung keputusan ini dapat mempermudah pihak yayasan dalam mengambil keputusan dosen yang layak untuk menerima beasiswa S3.

2. Dengan adanya Sistem Pendukung Keputusan ini,penentuan nilai akhir dosen dapat di peroleh dengan cepat,tepat, dan akurat.

3. Dengan adanya sistem ini Pihak yayasan tidak lagi menggunakan perhitungan secara manual, seperti menggunakan kertas atau tulisan dalam penginputan data,tetapi menggunakan aplikasi yang telah di bangun.

V. Referensi

[1] Halim, A., & Ricky,. 2016. Aplikasi Sistem Pendukung Kepitusan Untuk pemilihan siswa teladan menggunakan metode TOPSIS: Jurnal ilmiah fifo, VIII(2), 113.

[2] Helen Helen Yenifer Silvia. Sistem pendukung keputusan penerima beasiswa pereguruan tinggi negeri sinar mas dengan metode TOPSIS. Informasi dan Teknologi Ilmiah, 2014, (IV)1.

[3] Kusrini. 2017.Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta: Andi [4] Lestarti & priyodyprodjo (Juli 2011). Implementasi metode fuzzy TOPSIS untuk seleksi

penerimaan karyawan: IJCCS,5 (2).

[5] Meri Azmi. 2013. Sistem pendukung keputusan untuk memilih usaha warlaba makanan menggunakan metode TOPSIS: Jurnal elektron, (5) 2.

[6] Murni, M., Bosker, S. 2018. Buku ajar Sistem Pendukung Keputusan: Penilaian hasil belajar dengan metode TOPSIS. CV. Rudang Mayang.

[7] Murni,M., Bosker, S.2017 Buku ajar Sistem Pendukung Keputusan Penilaian hasil belajar dengan metode TOPSIS di STMIK Pelita Nusantara Medan: jurnal manajemen dan teknik informatika pelita nusantara, 1(2).

[8] Nurul, A. D. R., Pembangunan sistem informasi penerimaan siswa baru di sekolah menengah kejuruan Al-irsyad tegal: Journal Speed, 2011. 3 (3).

[9] Pradhyta, N. D., Priyo, S. S., Aris. S. 2013. Sistem pendukung keputusan pemilihan perumahan menggunakan metode TOPSIS berbasis web: Juournal of informatics and technology, 2 (2).

[10] Ramadhi Hasnur. Sistem Pendukung Keputusan Untuk Penentuan Penerima beasiswa.

Journal Speed, 2016. 8(1).