BAB II KAJIAN PUSTAKA
A. Sistem Pendukung Keputusan/ Decision Support System (DSS)
Sistem adalah kumpulan objek seperti orang, sumber daya, konsep,
dan prosedur yang dimaksudkan untuk melakukan suatu fungsi yang dapat
diidentifikasi atau untuk melayani suatu tujuan. Pengambilan keputusan
adalah sebuah proses memilih tindakan (di antara berbagai alternatif) untuk
mencapai suatu tujuan atau beberapa tujuan. Sistem pendukung keputusan
(DSS) adalah sistem pendukung berbasis komputer bagi para pengambil
keputusan manajemen yang menangani masalah-masalah tidak terstruktur
(Turban,dkk., 2005).
Tujuan dari sistem pendukung keputusan (DSS) adalah (Turban,dkk.,
2005) :
a. Membantu manajer dalam pengambilan keputusan atas masalah
semiterstruktur.
b. Memberikan dukungan atas pertimbangan manajer dan bukannya
dimaksudkan untuk menggantikan fungsi manajer.
c. Meningkatkan efektivitas keputusan yang diambil manajer lebih daripada
perbaikan efisiensinya.
d. Kecepatan komputasi. Komputer memungkinkan para pengambil
keputusan untuk melakukan banyak komputasi secara cepat dengan biaya
e. Peningkatan produktivitas. Membangun satu kelompok pengambil
keputusan, terutama para pakar, bisa sangat mahal.
f. Dukungan kualitas. Komputer bisa meningkatkan kualitas keputusan
yang dibuat.
g. Berdaya saing. Manajemen pemberdayaan sumber daya perusahaan.
Tekanan persaingan menyebabkan tugas pengambilan keputusan menjadi
sulit. Persaingan didasarkan tidak hanya pada harga, tetapi juga pada
kualitas, kecepatan, kustomasi produk, dan dukungan pelanggan.
h. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan.
Karakteristik yang diharapkan ada dalam DSS adalah (Turban, dkk.,
2005) :
a. Dukungan kepada pengambil keputusan, terutama pada situasi
semiterstruktur dan tak terstrukur, dengan menyertakan penilaian manual
dan informasi terkomputerisasi.
b. Dukungan untuk semua level manajerial, dari eksekutif puncak sampai
manajer ini.
c. Dukungan untuk individu dan kelompok.
d. Dukungan untuk keputusan independen dan/atau sekuensial. Keputusan
dapat dibuat sekali, beberapa kali, atau berulang- ulang.
e. Dukungan di semua fase proses pengambilan keputusan: inteligensi,
desain, pilihan, dan implementasi.
g. Adaptivitas sepanjang waktu. Pengambil keputusan seharusnya reaktif,
bisa menghadapi berbagai perubahan kondisi secara cepat, dan
mengadaptasi DSS untuk memenuhi kebutuhan tersebut.
h. Pengguna seperti merasa di rumah. Rumah-pengguna, kapabilitas grafis
yang sangat kuat, dan antarmuka manusia-mesin yang interaktif dengan
satu bahasa alami bisa sangat meningkatkan efektifitas DSS.
i. Peningkatan efektifitas pengambilan keputusan (akurasi, timelines,
kualitas) dari pada efisiensinya (biaya pengambilan keputusan).
j. Kontrol penuh oleh pengambil keputusan terhadap semua langkah proses
pengambilan keputusan dalam memecahkan suatu masalah. DSS secara
khusus menekankan untuk mendukung pengambilan keputusan bukan
untuk menggantikan.
k. Pengguna akhir bisa mengembangkan dan memodifikasi sendiri sistem
sederhana.
l. Model-model digunakan untuk menganalisis situasi pengambilan
keputusan. Kapabilitas pemodelan memungkinkan eksperimen dengan
berbagai strategi yang berbeda di bawah konfigurasi yang berbeda.
m. Akses kesediaan untuk berbagai sumber data, format, dan tipe, mulai dari
sistem informasi geografi (GIS) sampai sistem berorientasi objek.
n. Dapat digunakan sebagai alat standalone oleh seorang pengambil
keputusan pada satu lokasi atau didistribusikan di suatu organisasi secara
keseluruhan dan dibeberapa organisasi sepanjang rantai persediaan.
didistribusikan secara internal dan eksternal menggunakan networking
dan teknologi web.
Karakteristik dari DSS tersebut memungkinkan para pengambil
keputusan untuk membuat keputusan yang lebih baik dan lebih konsisten
dalam satu cara yang dibatasi oleh waktu. Keputusan yang diambil untuk
menyelesaikan suatu masalah dilihat dari keterstrukturannya yang bisa dibagi
menjadi :
a. Keputusan terstruktur (structured decision)
Keputusan terstruktur adalah keputusan yang dilakukan secara
berulang-ulang dan bersifat rutin. Prosedur pengambilan keputusannya sangat
jelas. Keputusan tersebut terutama dilakukan pada manajemen tingkat
bawah. Misalnya, keputusan pemesanan barang.
b. Keputusan semiterstruktur (semistructured decision)
Keputusan semiterstruktur adalah keputusan yang memiliki dua sifat.
Sebagian keputusan bisa ditangani oleh komputer dan yang lain tetap
harus dilakukan oleh pengambil keputusan. Prosedur dalam pengambilan
keputusan ini secara garis besar sudah ada, tetapi ada beberapa hal yang
masih memerlukan kebijakan dari pengambil keputusan. Biasanya
keputusan semacam ini diambil oleh manajemen tingkat menengah
dalam suatu organisasi. Contoh dari keputusan jenis ini adalah
penjadwalan produksi.
Keputusan tak terstruktur adalah keputusan yang penanganannya rumit
karena tidak terjadi berulang-ulang atau tidak selalu terjadi. Keputusan
tersebut menuntut pengalaman dan berbagai sumber yang bersifat
eksternal. Keputusan tersebut umumnya terjadi pada manajemen tingkat
atas. Contoh dari keputusan tak terstruktur adalah keputusan untuk
bergabung dengan perusahaan lain.
Proses pemilihan wisudawan berprestasi merupakan masalah
semitersrtuktur, karena sistem yang akan dibangun merupakan alat bantu
pihak Ikatan Keluarga Alumni Universitas Muhammadiyah Purwokerto
dalam menentukan alternatif dengan nilai tertinggi dari para kandidat
wisudawan berprestasi.
B. Profile Matching
Menurut Kusrini (2007) metode profile matching atau pencocokan
profil merupakan metode yang sering digunakan sebagai mekanisme dalam
pengambilan keputusan dengan mengansumsikan bahwa terdapat tingkat
variabel prediktor yang ideal yang harus dipenuhi oleh subyek yang diteliti,
bukannya tingkat minimal yang harus dipenuhi atau dilewati. Tahapan dalam
metode profile matching adalah sebagai berikut :
1. Menentuan Bobot Nilai Gap. Pada tahap ini, akan ditentukan bobot nilai
masing-masing aspek dengan menggunakan bobot nilai yang telah
ditentukan bagi masing-masing aspek itu sendiri. Adapun inputan dari
proses pembobotan ini adalah selisih dari profil karyawan dan profil
2. Langkah kedua dengan melakukan pemetaan Gap. Gap yang dimaksud
adalah perbedaan antara profil mahasiswa dengan profil tingkat keaktifan
mahasiswa.
Gap = Profil Wisudawan – Profil Ideal.
3. Melakukan pencocokan dengan tabel bobot Gap. Hasil Gap dari
pengurangan profil mahasiswa dan profil tingkat keaktifan mahasiswa
bila dicocokkan dengan kolom selisih gap pada tabel bobot nilai yang
dihasilkan sama. Tabel bobot nilai bisa dilihat pada Tabel 1.
Tabel 1. Bobot Nilai Gap.
Gap No.
Selisih Gap
Bobot Nilai
Keterangan
1 0 5 Kompetensi sesuai dengan yang dibutuhkan
2 1 4.5 Kompetensi individu lebih 1 tingkat/level
3 -1 4 Kompetensi individu kurang 1 tingkat/level
4 2 3.5 Kompetensi individu lebih 2 tingkat/level
5 -2 3 Kompetensi individu kurang 2 tingkat/level
6 3 2.5 Kompetensi individu lebih 3 tingkat/level
7 -3 2 Kompetensi individu kurang 3 tingkat/level
8 4 1.5 Kompetensi individu lebih 4 tingkat/level
9 -4 1 Kompetensi individu kurang 4 tingkat/level
d. Melakukan perhitungan core factor dan secondary factor. Setelah
kemudian tiap aspek dikelompokkan lagi menjadi dua kelompok yaitu
core factor dan secondary factor.
NRC = ∑
∑ ...(1)
Keterangan :
NRC = Nilai rata-rata core factor tiap aspek
∑NC = Jumlah total nilai core factor tiap aspek
∑IC = Jumlah item tiap aspek
NRS = ∑
∑ ...(2)
Keterangan :
NRS = Nilai rata-rata secondary factor tiap aspek
∑NS = Jumlah total nilai secondary factor tiap aspek
∑IS = Jumlah item tiap aspek
e. Perhitungan nilai total dengan rumus sebagai berikut :
( ) ( ) ... (3)
Nilai total (N) merupakan (X)% nilai prosentase yang diinputkan dari
NCI yaitu nilai rata-rata core factor ditambahkan dengan nilai-nilai
prosentase yang diinputkan dari NSI yaitu rata-rata secondary factor.
Perhitungan nilai total terlebih dahulu menentukan nilai persen yang
dimasukkan yaitu core factor 60% dan secondary factor 40%. Kemudian
nilai core factor dan secondary factor ini dijumlahkan sesuai dengan
persamaan 1.
f. Perhitungan penentuan ranking dengan rumus sebagai berikut :
NCF mewakili nilai akhir aspek akademik dan NSF mewakili nilai akhir
dari aspek non akademik.
C. Wisudawan Berprestasi
Di dalam UU RI No.12 Tahun 2012 Pasal 13 (1) Tentang Pendidikan
Tinggi, dikatakan bahwa “Mahasiswa sebagai anggota Sivitas Akademika
diposisikan sebagai insan dewasa yang memiliki kesadaran sendiri dalam
mengembangkan potensi diri di Perguruan Tinggi untuk menjadi intelektual,
ilmuwan, praktisi, dan/atau profesional”. Dari pasal 13 ini mahasiswa dituntut
untuk mengembangkan potensi diri. Untuk itu, dalam UU RI No.12 Tahun
2012 pasal 14 (1), dikatakan juga bahwa “Mahasiswa mengembangkan bakat,
minat, dan kemampuan dirinya melalui kegiatan kokurikuler dan
ekstrakurikuler sebagai bagian dari proses pendidikan”.
Wisudawan sendiri merupakan mahasiswa yang telah menyelesaikan
tugas akhirnya sebagai mahasiswa dan peresmian atau pelantikan dilakukan
dengan upacara khidmat (KBBI, 2003). Menurut Kamus Besar Bahasa
Indonesia (2003), prestasi adalah hasil yang telah dicapai (dari yang telah
dilakukan, dikerjakan dan sebagainya). Dari pengertian di atas, dapat
disimpulkan bahwa wisudawan berprestasi adalah wisudawan yang selama
masa kuliahnya memiliki prestasi baik di bidang akademik maupun
non-akademik yang sangat bermanfaat dan dapat dibanggakan perguruan tinggi
asal, serta diakui pada skala nasional atau internasional.
Sesuai dengan Keputusan Ketua Umum IKAUMP Nomor:
sebagai Wisudawan Berprestasi Akademik dan Non Akademik pada Wisuda
Program Magister, Sarjana & Ahli Madya ke-57 UMP (IKAUMP, 2016).
Keputusan tersebut dimusyawarahkan terlebih dahulu berdasarkan Surat
Keputusan Ketua Umum IKAUMP Nomor : 001/S.Kep/IKAUMP/IV/2013
tentang pengurus harian IKAUMP periode 2013-2017 dalam penentuan
penerima penghargaan Wisudawan Berprestasi pada Wisuda Program
Magister, Sarjana & Ahli Madya UMP setiap periode wisuda.
D. Database
Database adalah sekumpulan tabel-tabel yang diberisi data dan
merupakan kumpulan dari field atau kolom. Structure file yang menyusun
sebuah database adalah data, record dan field.
Data adalah satu satuan informasi yang akan diolah. Sebelum diolah, data
dikumpulkan didalam suatu file database.
Record adalah data yang isinya merupakan satu kesatuan seperti
NamaUser dan Password. Setiap keterangan yang mencakup NamaUser
dan Password dinamakan satu record. Setiap record diberi nomor urut
yang disebut nomor record (Record Number).
Field adalah sub bagian dari record. Dari contoh isi record di atas maka
terdiri dari 2 field, yaitu : field NamaUser dan Password (Anhar, 2010).
E. MySQL
MySQL (My Structure Query Language) adalah salah satu Database
SQL, Postagre SQL, dan lainnya. MySQL berfungsi untuk mengolah database
menggunakan bahasa SQL. MySQL bersifat open source sehingga kita bisa
menggunakannya secara gratis (Anhar, 2010).
F. Bahasa Pemrograman C#
Bahasa pemrograman C# (baca: C-sharp) dirancang oleh Microsoft
Corp. Sebagai bahasa pemrograman yang sangat berdaya-guna, aman
(secure), serta mudah digunakan. Sebagai bagian dari platform .NET, bahasa
pemrograman C# dirancang sedemikian rupa untuk bekerja dengan sangat
baik di atas framework .NET yang mampu digunakan untuk menulis
perangkat handal demi layanan yang cepat. Bahasa pemrograman C# juga
dapat digunakan untuk mengembangkan aplikasi sarana bergerak (mobile
application), aplikasi berbasis Web (Web-based apllication), serta
aplikasi-aplikasi berskala besar (enterprise) (Nugroho, 2010).
G. Penelitian Sejenis
Penelitian tentang sistem pendukung keputusan telah banyak
dilakukan oleh peneliti dengan menggunakan beberapa metode. Sistem
pendukung keputusan berbasis komputer memudahkan para pengambil
keputusan dalam melakukan tugasnya.
Angkasa (2016), menerapkan metode profile matching untuk
menentukan kelayakan pemberian kredit pada PNPM MANDIRI di kota
Banjarmasin. Kelompok Swadaya Masyarakat (KSM) yang mengajukan
dan cek lingkungan. Kemudian nilai profil yang dimiliki oleh KSM akan
dicocokan dengan nilai profil pencapaian yang telah ditentukan. Hasil dari
proses ini berupa perankingan untuk didanai bagi pihak pengambil keputusan
untuk menentukan KSM yang layak untuk menerima kredit.
Faizal (2014), mengimplementasikan metode profile matching dalam
penentuan penerimaan usulan penelitian internal dosen STMIK El Rahma.
Penilaian dan perhitungan nilai gap berdasarkan lima kriteria yaitu abstrak,
pendahuluan, tinjauan pustaka, metode penelitian dan kesesuaian anggaran
dan jadwal penelitian. Hasil penelitian menunjukan bahwa metode profile
matching dapat diimplementasi dalam sebuah sistem pendukung keputusan
untuk melakukan penilaian kelayakan proposal usulan penelitian dengan
akurat, profesional dan proporsional berdasarkan kriteria penilaian.
Wijaya (2015) telah membangun sebuah sistem pendukung keputusan
untuk menentukan lulusan terbaik di Fakultas Teknik Universitas
Muhammadiyah Purwokerto menggunakan metode Simple Additive
Weighting (SAW). Dalam proses penentuan lulusan terbaik digunakan
beberapa kriteria yaitu : IPK, masa studi, tidak ada nilai D dan nilai C
maksimal 1. Hasil dari penelitian ini digunakan sebagai pertimbangan dalam
menentukan lulusan terbaik Fakultas Teknik. Penelitian ini memberikan
alternatif berupa sistem pendukung keputusan untuk membantu pemangku
kepentingan bidang akademik dalam memutuskan mahasiswa lulusan terbaik
Indapuri (2014), membuat sebuah sistem pendukung keputusan
penerimaan siswa baru menggunakan metode profile matching. Ada beberapa
kriteria dalam penilaian, diantaranya yaitu : agama, bahasa indonesia, bahasa
inggris, ilmu pengetahuan alam, ilmu pengetahuan sosial, matematika,
quran-hadits, aqidah-akhlak, fiqih, sejarah kebudayaan islam, dan bahasa arab.
Sistem yang dibuat bertujuan untuk membantu proses seleksi penerimaan
siswa baru, sistem yang dirancang menggunakan visual basic.net 2008.
Joshi, dkk. (2013), menggunakan profile matching untuk mencocokan
setiap profil pengguna yang berbeda di jejaring sosial. jejaring sosial
menawarkan kepada pengguna sarana yang menarik dan cara untuk
berhubungan, berkomunikasi dan berbagi informasi dengan pengguna lain di
dalam platform yang sama. Situs jejaring sosial memungkinkan pengguna
untuk berbagi ide, kegiatan, acara dan lainnya. Jenis utama layanan jejaring
sosial yaitu merekomendasikan teman yang menggunakan platform yang
sama. Kriteria yang digunakan untuk mencocokan profil pengguna di jejaring
sosial yaitu nama, nama sekolah, lulusan Universitas/perguruan tinggi, pasca
sarjana Universitas, keluarga, teman bersama, email, alamat, dan bahasa.
Penelitian ini memudahkan para pengguna jejaring sosial menemukan
teman-teman mereka di situs jejaring sosial yang sama berdasarkan kecocokan profil
para pengguna.
Sravani, dkk. (2015), menggunakan skema profile matching dalam
mengklasifikasikan profil pengguna di media sosial ke dalam tiga bagian
utama dari penelitian ini yaitu untuk menentukan kesamaan keseluruhan dari
profil pengguna dari hubungan mereka satu sama lain. Aplikasi profile
matching yang telah dibuat diimplementasikan untuk membantu klien
menemukan individu yang cocok dengan individu yang lainnya. Protokol
keamanan juga tak luput digunakan seperti ICPM, IPPM, BPSE, dan BPSE
guna untuk meningkatkan privasi sehingga hanya sedikit informasi profil
pengguna yang terungkap.
Tabel 2. Ringkasan Penelitian Sejenis
No. Peneliti Judul Penelitian Tujuan Metode
1 Angkasa (2016)
Penerapan Metode Profile Matching untuk
Menentukan Kelayakan Pemberian Kredit pada PNPM Mandiri Kota Banjarmasin
Membantu pihak pelaku PNPM mandiri dalam menentukan pemberian kelayakan pemberian kredit
Profile Matching
2 Faizal (2014)
Implementasi Metode Profile Matching untuk
Penentuan Penerima Usulan Penelitian Internal Dosen STMIK El Rahma
Merancang sebuah aplikasi sistem
pendukung keputusan penentuan kelayakan proposal penelitian internal dosen
Profile Matching
3 Wijaya (2015)
Sistem Pendukung Keputusan untuk Menentukan Lulusan Mahasiswa Terbaik Menggunakan Metode Simple Additive Weighting (SAW)
Menentukan lulusan terbaik di Fakultas Teknik
Simple Additive Weighting (SAW) 4 Indapuri
(2014)
Sistem Pendukung Keputusan Penerimaan Siswa Baru dengan Menggunakan Metode Profile Matching
Membantu Mts. Alwasliyah dalam memutuskan alternatif-alternatif terbaik dalam penerimaan siswa baru
Profile Matching
5 Joshi (2013)
Attributes Similarities Supports Profile Matching in Sosial Network
Memudahkan para pengguna jejaring sosial menemukan teman-teman mereka di situs jejaring sosial yang sama berdasarkan kecocokan profil para pengguna.
Profile Matching
6 Sravani (2015)
A Novel Profile Matching Scheme in Mobile Social Network Using Implicit Comparison Based Matching Protocol
Untuk menentukan kesamaan keseluruhan dari profil pengguna dari hubungan mereka satu sama lain dan menemukan individu
