SIMPLE ADDITIVE WEIGHTING
SKRIPSI
Disusun oleh :
BAMBANG SUWITO AGUNG NPM. 0934010122
J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
J AWA TIMUR
SKRIPSI
Diajukan Untuk Memenuhi Sebagai Per syaratan Dalam Memperoleh Gelar Sar jana Komputer
J ur usan Teknik Infor matika
Disusun oleh :
BAMBANG SUWITO AGUNG NPM. 0934010122
J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
J AWA TIMUR
SELEKSI ASISTEN PRAKTIKUM TEKNIK INFORMATIKA UPN “VETERAN” J ATIM MENGGUNAKAN METODE
SIMPLE ADDITIVE WEIGHTING Disusun Oeh :
BAMBANG SUWITO AGUNG NPM : 0934010122
Telah Dipertahankan Dihadapan dan Diterima Oleh Tim Penguji Skripsi Program Studi Teknik Informatika Fakultas Teknologi Industri
Universitas Pembangunan Nasional “Veteran” Jawa Timur Pada Tanggal : 20 Desember 2013
Pembimbing : Tim Penguji :
Dekan Fakultas Teknologi Industri
Universitas Pembangunan Nasional “Veteran” Jawa Timur Surabaya
SELEKSI ASISTEN PRAKTIKUM TEKNIK INFORMATIKA UPN “VETERAN” J ATIM MENGGUNAKAN METODE
SIMPLE ADDITIVE WEIGHTING Disusun Oleh :
BAMBANG SUWITO AGUNG
NPM. 0934010122
Telah disetujui untuk mengikuti Ujian Negara Lisan Gelombang IV Tahun Akademik 2013/2014
Pembimbing Utama
Fetty Tri Anggraeny, S.Kom, M.Kom NPT . 382020602081
Pembimbing Pendamping
Yisti vita Via, S.ST, M.Kom NPT. 386041303471
Mengetahui,
Ketua Jurusan Teknik Informatika Fakultas Teknologi Industri UPN ”Veteran” Jawa Timur
KETERANGAN REVISI
Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut : Nama : Bambang Suwito Agung
NPM : 0934010122
Program Studi : Teknik Informatika
Telah mengerjakan REVISI SKRIPSI Ujian Lisan Gelombang IV TA 2013/2014 dengan judul :
“SISTEM PENDUKUNG KEPUTUSAN
SELEKSI ASISTEN PRAKTIKUM TEKNIK INFORMATIKA UPN “VETERAN” J ATIM MENGGUNAKAN METODE
SIMPLE ADDITIVE WEIGHTING “
Surabaya, Desember 2013 Dosen penguji yang memeriksa revisi 1. Rizky Par lika, S.Kom, M.Kom
NPT. 384050702191 { }
2. Ir. Kartini, S.Kom, MT
NIP.196111101991032001 { }
3. Faisal Muttaqin, S.Kom
NPT.389071303461 { }
Mengetahui,
Pembimbing Utama Pembimbing Pendamping
Assalamu’alaikum Wr. Wb.
Syukur Alhamdulillah atas segala limpahan karunia dan kasih sayang Allah SWT, sehingga dengan segala keterbatasan waktu, tenaga, dan pikiran yang dimiliki oleh penulis, akhirnya Skripsi yang berjudul “SISTEM PENDUKUNG
KEPUTUSAN SELEKSI ASISTEN PRAKTIKUM TEKNIK
INFORMATIKA UPN " VETERAN" J ATIM MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING” dapat terselesaikan sesuai dengan waktu yang telah ditetapkan.
Melalui Skripsi ini, penulis merasa mendapat kesempatan besar untuk memperdalam ilmu pengetahuan yang diperoleh selama di perkuliahan, terutama dengan implementasi Teknologi Informasi dalam kehidupan sehari-hari. Namun demikian penulis menyadari bahwa Skripsi ini masih memiliki banyak kelemahan dan kekurangan. Oleh karena itu, kritik dan saran yang bersifat membangun sangatlah diharapkan dari berbagai pihak agar Skripsi ini bisa lebih baik lagi, sehingga dapat memberikan manfaat bagi semua pihak yang membutuhkannya.
Dalam penyusunan Skripsi ini, banyak pihak yang telah memberikan bantuan baik materiil maupun spiritual ini, sehingga pada kesempatan ini penulis mengucapkan rasa terima kasih yang sebesar-besarnya kepada:
1. Allah SWT., karena berkat Rahmat dan berkahNya kami dapat menyusun dan menyelesaikan Laporan Skripsi ini hingga selesai.
4. Ibu Dr. Ir. Ni Ketut Sari, MT. selaku Ketua program studi Teknik Informatika, UPN “Veteran” Jawa Timur..
5. Ibu Fetty Tri Anggraeny, S.Kom, M.Kom dan Ibu Yisti Vita Via, S.ST, M.Kom. Selaku dosen pembimbing .Terimakasih telah sabar membimbing dan memberi saran yang sangat bermanfaat kepada penulis.
6. Rahmad, Nanang, Made, Faim, Rizko, Hilman dan teman-teman TFC’09 serta kawan-kawan angkatan 2009. Terimakasih selalu meramaikan, memberi hiburan dan inspirasi dalam momen menyusun laporan.
Serta pihak-pihak lain yang ikut memberikan informasi dan data-data di dalam menyelesaikan laporan Skripsi ini, penulis mengucapkan terima kasih.
Akhir kata penulis harap agar Skripsi yang disusun sesuai dengan kemampuan dan pengetahuan yang sangat terbatas ini dapat bermanfaat bagi semua pihak yang membutuhkan.
Wassalamu’alaikum Wr. Wb
Surabaya, Desember 2013
KATA PENGANTAR ... ii
DAFTAR ISI ... iv
DAFTAR GAMBAR ... vii
DAFTAR TABEL ... viii
BAB I PENDAHULUAN ... 1
1.1. ... Latar Belakang ... 1
1.2. ... Peru musan Masalah ... 3
1.3. ... Batas an Masalah... 3
1.4. ... Tujua n Penelitian ... 4
1.5. ... Manf aat penelitian... 4
1.6. ... Siste matika Penulisan ... 4
BAB II TINJ AUAN PUSTAKA ... 6
2.1 ... Penel itian Terdahulu... 6
2.2 ... Land asan Teori ... 8
dan Misi Program Studi Teknik Informatika ... 9
2.2.3 ... Tujua n Laboratorium Program Studi Teknik Informatika... 10
2.2.4 ... Mana jemen Laboratorium ... 12
2.2.5 ... Mana m Pendukung Keputusan ... 15
2.2.9 ... Karakteristik Sistem Pendukung Keputusan ... 15
2.2.10 Metode SAW (Simple Additive Weighting) ... 16
2.2.11 Macromedia Dreamweaver ... 19
2.2.12 Microsoft Office Visio ... 19
2.2.13 Power Designer ... 20
2.2.14 XAMPP ... 22
2.2.15 Entity Relationship Diagram (ERD) ... 24
2.2.16 Data Flow Diagram (DFD) ... 25
2.2.17 Validitas Kappa Cohen ... 26
BAB III ANALISIS DAN PERANCANGAN SISTEM ... 29
3.1 ... Desk ripsi Umum Sistem ... 29
3.1.1 Sistem Flow Diagram ... 29
3.1.2 Perancangan Sistem ... 32
3.1.3 Perancangan database ... 35
3.1.6 Perancangan Antar Muka ... 41 Perangkat Keras (Hardware) ... 45
4.1.2 ... Perangkat Lunak (Software) ... 45
4.2 ... Imple
4.6.5 Detail Perhitungan Metode Simple Additive Weighting ... 53
4.7 ... Uji Coba Perhitungan Secara Manual... 56
ujian Validitas Aplikasi ... 67
BAB V KESIMPULAN DAN SARAN ... 70
5.1 Kesimpulan ... 70
5.2 Saran ... 70
DOSEN PEMBIMBING II : YISTI VITA VIA, S.ST, M.Kom PENYUSUN : BAMBANG SUWITO AGUNG
ABSTRAK
Pada kehidupan manusia, selalu dihadapkan pada beberapa pilihan untuk pengambilan keputusan yang tepat. Susahnya untuk menentukan pilihan yang akurat sesuai dengan kriteria yang sudah ditentukan. Permasalahan pengambilan keputusan juga dialami saat seleksi asisten praktikum di Laboratorium Jurusan Teknik Informatika UPN “Veteran” Jatim.
Pada Sistem Pendukung Keputusan Seleksi Asisten Praktikum ini, digunakan oleh dua user yaitu Kepala Laboratorium yang merupakan mengelola sistem penseleksian mulai dari membuat pengumuman seleksi, menentukan kriteria dan bobot yang akan digunakan sebagai acuan untuk menentukan asisten, memasukkan nilai tes dari tiap-tiap kriteria serta dapat melihat hasil rekomendasi dari perhitungan menggunakan metode Simple Additive Weighting. Sedangkan untuk user mahasiswa melakukan pendaftaran dan serta dapat melihat hasil pengumumun seleksi.
Dengan adanya Sistem ini dapat membantu Kepala laboratorium untuk mempercepat pengambilan keputusan dalam memilih asisten yang mempunyai potensi pada kriteria yang diprioritaskan. Dengan penerapan metode Simple Additive Weighting pada sistem dapat membantu menentukan hasil rekomendasi sesuai dengan rangking.
1.1 Latar Belakang
Pada kehidupan manusia selalu dihadapkan pada beberapa pilihan untuk pengambilan keputusan yang tepat. Susahnya untuk menentukan pilihan yang akurat sesuai dengan kriteria yang sudah ditentukan. Permasalahan pengambilan keputusan juga dialami saat seleksi asisten praktikum di Laboratorium Jurusan Teknik Informatika UPN “VETERAN” JATIM. didalam seleksi ini ada beberapa kriteria yang diujikan sebagai syarat menjadi asisten dan calon asisten harus mempunyai total nilai tinggi untuk menjadi asisten praktikum laboratorium. Dalam sistem perhitungan seleksi asisten masih menggunakan perhitungan secara manual yaitu dengan menjumlahkan total seluruh nilai pada tiap-tiap kriteria yang diujikan kemudian dibagi dengan kriteria yang ditentukan untuk mendapatkan nilai rata-rata. Dengan total nilai yang tertinggi dan memenuhi syarat-syarat yang sudah ditentukan maka calon asisten mendapatkan rekomendasi menjadi asisten praktikum yang baru.
sehingga sulit untuk menentukan ranking pada ketika ada total nilai yang sama. Dengan adanya problem yang dihadapi pada pengambilan keputusan ini maka dibutuhkannya sebuah sistem untuk mempermudah pengambilan keputusan yang akurat sesuai dengan kriteria yang diprioritaskan sehingga dapat mengetahui potensi-potensi yang dimiliki calon asisten, serta dapat membantu untuk menentukan ranking dari hasil penseleksian asisten. Maka dibutuhkanlah sebuah sistem pendukung keputusan yang dapat membantu mempermudah pengambilan keputusan. Diharapkan dapat memecahkan problem yang ada pada penseleksian asisten praktikum.
PENDUKUNG KEPUTUSAN SELEKSI ASISTEN PRAKTIKUM TEKNIK INFORMATIKA UPN "VETERAN" JATIM MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING”.
1.2 Rumusan Masalah
Pada latar belakang yang telah diuraikan di atas, maka perumusan masalah pada penyelesaian tugas akhir, sebagai berikut :
a. Bagaimana menentukan kriteria untuk seleksi asisten praktikum pada Jurusan Teknik Informatika UPN “Veteran” Jatim?
b. Bagaimana mengimplementasikan Metode Simple Additive Weighting untuk menentukan ranking pada seleksi asisten praktikum?
c. Bagaimana menganalisis aplikasi keluaran dari sistem terhadap pelaksanaan dilapangan?
1.3 Batasan Masalah
Sehubungan dengan besar dan luasnya permasalahan yang terdapat pada suatu sistem pendukung keputusan maka akan dibuat batasan permasalahan yang akan dibahas pada tugas akhir ini. Batasan-batasan atau ruang lingkup permasalahan yang akan ditangani yakni:
a. Tugas Akhir ini mengimplementasikan Metode Simple Additive Weighting untuk menentukan ranking dari seleksi asisten praktikum. b. Kriteria yang digunakan untuk menentukan Asisten Praktikum diperoleh
rekomendasi hasil Seleksi Asisten Praktikum.
1.4 Tujuan Penelitian
Adapun tujuan yang ingin dicapai dalam Tugas Akhir ini adalah untuk mengimplementasikan metode Simple Additive Weighting dalam Sistem Pendukung Keputusan Seleksi Asisten Praktikum di Laboratorium Teknik Informatika UPN “Veteran” Jatim.
1.5 Manfaat Penelitian
Manfaat yang diperoleh pada rancang bangun Sistem Pendukung Keputusan Seleksi Praktikum Teknik Informatika UPN “Veteran” Jatim menggunakan metode Simple Additive Weighting adalah :
a. mempercepat pengambilan keputusan dalam memilih asisten yang mempunyai potensi pada kriteria yang diprioritaskan.
b. mempermudah pemilihan asisten praktikum sesuai kriteria dan bobot yang sudah ditentukan, sehingga dapat dijadikan acuan oleh kepala laboratorium untuk memilih diantara yang terbaik dari calon asisten.
1.6 Sistematika Penulisan
Bab ini berisi latar belakang, perumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, dan sistematika penulisan pembuatan tugas akhir ini.
BAB II TINJAUAN PUSTAKA :
Bab ini menjelaskan mengenai landasan teori-teori pendukung pembuatan tugas akhir ini.
BAB III ANALISIS DAN PERANCANGAN SISTEM :
Bab ini berisi tentang analisis dan perancangan dalam pembuatan Tugas Akhir untuk membuat sistem pendukung keputusan seleksi praktikum teknik informatika UPN “veteran” jatim menggunakan metode Simple Additive Weighting.
BAB IV HASIL DAN PEMBAHASAN :
Berisi tentang implementasi sistem secara keseluruhan mulai dari implementasi data yang diperlukan, uji coba terhadap sistem yang telah selesai dibuat dan hasil dari pengujian sistem selanjutnya dievaluasi.
BAB V KESIMPULAN DAN SARAN :
Bab ini berisi kesimpulan dan saran dari penulis untuk pengembangan sistem.
DAFTAR PUSTAKA :
2.1 Penelitian Terdahulu
Perguruan tinggi tidak lepas dari keberadaan aset yang dimiliki, oleh karena itu diperlukan sistem pendukung keputusan yang berfungsi sebagai alat bantu dalam proses manajemen aset. Tujuan penelitian ini adalah membuat sistem pendukung keputusan untuk menangani proses tersebut. Sistem pendukung keputusan ini menggunakan metode Simple Additive Weighting. Metode ini memiliki kriteria keuntungan (benefit) dan kriteria biaya (cost). Kriteria keuntungan (benefit) digunakan ketika pengambilan keputusan lebih mempertimbangkan aspek keuntungan yang maksimal. Sedangkan kriteria biaya (cost) merupakan kebalikan dari atribut keuntungan, dalam konsep ini pengambilan keputusan akan mencari biaya minimal. Hal tersebut diterapkan dalam evaluasi alternatif pemilihan pemenang pengadaan aset. Hasil penelitian dapat mendukung keputusan pada evaluasi alternatif pemilihan pemenang pengadaan aset berdasarkan kriteria yang telah ditentukan dan proses lain yang terkait dalam manajemen aset (Fajar Nugraha, 2011).
keputusan yang melibatkan banyak kriteria merupakan ranah kajian multiple criteria decision making (MCDM). MCDM merupakan salah satu metode yang paling banyak digunakan dalam area pengambilan keputusan. Tujuan dari MCDM adalah memilih alternatif terbaik dari beberapa alternatif eksklusif yang saling menguntungkan atas dasar performansi umum dalam bermacam kriteria (atau atribut) yang ditentukan oleh pengambil keputusan. Masalah MCDM diselesaikan dengan menggunakan teknik-teknik dalam bidang kecerdasan buatan (artificial intelligent) dan beberapa dekade terakhir menjadi kajian intensif dari soft computing karena melibatkan teori himpunan fuzzy. Tulisan ini akan memaparkan aspek-aspek asesmen, khususnya performance assessment, dari perspektif
multiple criteria decision making, di antaranya mengenai kriteria, bagaimana kerangka kerja (framework) pemilihannya dan apa saja jenisnya. Selain itu juga dipaparkan format-format preferensi yang dapat diberikan oleh pengambil keputusan (dalam hal ini guru) serta metode penyelesaiannya (Andayani, dkk, 2012).
Metode SAW didasarkan pada konsep perangkingan dengan perbandingan berpasangan antar alternatif pada kriteria tertentu. Tujuan dari penelitian ini adalah menerapkan metode SAW dalam pengambilan keputusan pemilihan mahasiswa baru jalur undangan. Dari hasil penelitian, proses seleksi mahasiswa baru jalur undangan dengan metode SAW dipengaruhi oleh kriteria yang telah ditetapkan dan perbandingan tingkat kepentingan antar kriteria. Perangkingan berdasarkan nilai akhir. Nilai akhir terbesar berada pada peringkat atas (Rubiyatun, dkk, 2012).
Pemilihan pegawai yang berkualitas merupakan faktor kunci keberhasilan bagi suatu organisasi. Tingkat kerumitan dan kepentingan pemanggilan masalah bagi metode analisis daripada intuitif keputusan. Dalam literatur, ada berbagai metode tentang seleksi kepegawaian. Makalah ini mempertimbangkan aplikasi nyata seleksi kepegawaian dengan menggunakan pendapat ahli oleh salah satu dengan model pengambilan keputusan, hal itu disebut metode SAW. Paper ini telah menerapkan tujuh kriteria bahwa mereka kualitatif dan positif untuk memilih yang terbaik di antara lima pegawai dan juga peringkat mereka. Akhirnya metode yang diperkenalkan ini digunakan dalam studi kasus ini (Alireza, dkk, 2010).
2.2 Landasan Teori
2.2.1 Profil Pr ogram Studi Teknik Infor matika UPN “VETERAN” J ATIM Program studi Teknik Informatika Fakultas Teknologi Industri UPN “Veteran” Jawa Timur didirikan pada tahun akademik 2002/2003. Tujuan pendidikan Teknik Informatika adalah untuk menghasilkan sarjana yang unggul dan mempunyai pengetahuan dasar dan keahlian yang luas pada bidang teknik Infomatika. Dengan tujuan ini diharapkan seorang sarjana lulusan Teknik Informatika Program studi Teknik Informatika UPN “Veteran” Jawa Timur diharapkan akan mampu untuk menerapkan ilmu pengetahuan dan keterampilan yang telah diperolehnya setelah menempuh pendidikan di program studi Teknik Informatika UPN “Veteran” Jawa Timur pada berbagai metode dan teknik pemecahan masalah berbasis computer (Panduan Akademik, 2009).
2.2.2 Visi dan Misi Program Studi Teknik Infor matika
Adapun visi dan misi Program Studi Teknik Informatika UPN “Veteran” Jawa Timur adalah sebagai berikut :
a. Visi Program Studi Teknik Informatika
Menghasilkan lulusan yang unggul dalam bidang teknologi informasi dan mampu berkompetisi di pasar global tahun 2015.
b. Misi Program Studi Teknik Informatika
berkinerja baik, serta mampu menerapkan, mengembangkan dan melakukan inovasi ilmu pengetahuan dan teknologi informasi bagi kemajuan dan kesejahteraan masyarakat.
2) Membekali Mahasiswa dengan pengetahuan, keterampilan, kebiasaan dan iklim yang baik agar mampu dan mempunyai kepercayaan diri yang tinggi untuk bersaing di pasar global.
Menyebarkan hasil penelitian dan teknologi terapan, untuk dimanfaatkan dalam kegiatan produktif dan peningkatan mutu kehidupan masyarakat (Panduan Akademik, 2009).
2.2.3 Tujuan Laboratorium Program Studi Teknik Infor matika Mahasiswa :
a. Mengupayakan Mahasiswa untuk berpartisipasi secara penuh di dalam semua aspek aktivitas dan Program Studi.
b. Membekali lulusan dengan pengetahuan, kecakapan dan nilai yang dibutuhkan bagi mereka untuk melanjutkan studi atau berpartisipasi dalam masyarakat.
Proses Belajar :
a. Selalu berupaya untuk meningkatkan kualitas proses belajar-mengajar. b. Mengupayakan staf pengajar untuk menggunakan metode proses
belajar mengajar yang bersifat kekinian (up to date).
Penelitian :
a. Menyediakan lingkungan yang memungkinkan untuk melakukan penelitian dengan kualitas berskala nasional atau bahkan internasional sebagai tanggung jawab akademik utama.
b. Mengupayakan agar bersedia infrastruktur untuk melakukan penelitian dengan kualitas yang baik.
Sumber Daya Manusia :
a. Mengupayakan untuk merekrut dan mempertahankan staf dengan kualitas tinggi, serta memberikan penghargaan bagi staf yang berprestasi tinggi.
b. Meningkatkan kompetensi staf dalam hal pendidikan dan pengajaran, penelitian, dan pengabdian kepada masyarakat
Lingkungan Fisik dan Lainnya :
a. Menyediakan lingkungan fisik yang nyaman, aman dan sehat.
b. Mengupayakan untuk selalu mempunyai strategi pencarian dan pembelanjaan dana yang efisien dan efektif.
Kerjasama dengan Masyarakat dan Pemerintah :
a. Meningkatkan citra Program Studi dalam hal fungsi, peran dan kontribusinya agar lebih dikenal oleh masyarakat.
b. Menjalin kerjasama dengan instansi pemerintah, bisnis, industri dan alumni.
pemerintah dalam bidang teknologi komputer dan informasi. Internasional :
a. Mengupayakan untuk memposisikan Program Studi agar dapat memenuhi standar internasional (Panduan Akademik, 2009).
2.2.4 Manajemen Labor atorium
Laboratorium melayani kebutuhan praktikum dan penelitian : a. Penyediaan modul
b. Standar operasional procedure c. Working instruction
d. Petunjuk kecelakaan, keselamatan dan kesehatan kerja
e. Tata tertib, aturan dan sanksi dalam penggunaan fasilitas laboratorium f. Masing-masing laboratorium menyusun program kerja dan sistem evaluasi
sesuai kebijakan akademik program Studi Teknik Informatika
g. Perbaikan, perawatan dan pengadaan peralatan laboratorium dilaksanakan dalam bentuk ajuan tertulis diusulkan ke ketua Program Studi (Panduan Akademik, 2009).
2.2.5 Manajemen Fasilitas Fasilitas Kelas :
b. Media ajar dalam kelas yang memadai : LCD, OHP, Komputer, Layar, white board, alat tulis.
c. Pemantauan fasilitas kelas dilakukan tiap hari oleh dosen, bila ada kekurangan/kerusakan media ajar dapat mengisi formulir yang telah disediakan.
Fasilitas Laboratorium :
a. Untuk meningkatkan kreatifitas, inivasi dan ketrampilan mahasiswa serta mendukung profesionalisme telah dikembangkan laboratorium profesional RISTI dan kewirausahaan di program Studi Teknik Informatika.
Fasilitas Gedung dan Ruang :
a. Fasilitas gedung dan ruang untuk kebutuhan kuliah dan laboratorium program studi dikoordinasikan dengan fakultas/institusi (Panduan Akademik, 2009).
2.2.6 Seleksi Karyawan
Suatu proses awal untuk mengidentifikasi calon karyawan yang akan menempati posisi tertentu. Karyawan adalah kekayaan atau asset utama dari setiap perusahaan. Peran karyawan sangat menentukan berhasil tidaknya perusahaan untuk mencapai sasaran ataupun tujuannya. Perusahaan harus selalu berusaha untuk memperoleh dan menempatkan karyawan yang qualified pada setiap jabatan atau pekerjaan agar pelaksanaan pekerjaan lebih berdaya guna serta berhasil.
harus melalui berbagai tahapan dan dilakukan dengan cara yang cermat dan jujur serta dilakukan harus dengan objektif, agar diperoleh karyawan yang qualified dan penempatanya yang tepat sehingga pembinaan, pengembangan, pengendalian dan pengaturan karyawan relatif lebih mudah dalam mencapai sasaran yang diinginkan (Psychologymania.com, 2013).
2.2.7 Tujuan Seleksi Karyawan
Proses Seleksi merupakan untuk mempertemukan syarat-syarat yang diinginkan dengan orang yang akan diterima menjadi karyawan dapat bekerja sebagaimana yang diharapkan perusahaan sesuai dengan yang tertera pada uraian jabatan, sehinggga semboyan daripada “The Right Man On The Right Place” akan menjadi kenyataan.
Tujuan diadakannya seleksi karyawan yaitu untuk mendapatkan tenaga kerja yang paling tepat untuk memangku jabatan tertentu, hal ini diartikan bahwa tenaga kerja tersebut dapat memberikan prestasinya pada perusahaan. Pada umumnya tujuan seleksi, yaitu:
a. Untuk mendapatkan para karyawan yang memenuhi syarat dan mempunyai kualitas sebagaimana yang dibutuhkan (jujur, disiplin, terampil, kreatif, loyal, dan berdedikasi tinggi).
c. Untuk menyiapkan dan membentuk kader-kader karyawan yang dapat menunjang kegiatan perusahaan di masa yang akan datang (Kajianpustaka.com, 2012).
2.2.8 Sistem Pendukung Keputusan
Sistem pendukung keputusan menurut berbagai ahli diantaranya Man dan watson, mendefinisikan bahwa sistem pendukung keputusan (SPK) adalah suatu sistem interaktif yang membantu pengambil keputusan melalui penggunaan data dan model-model keputusan untuk memecahkan masalah-masalah yang sifatnya semi terstruktur dan tidak tersetruktur. Sistem pendukung keputusan sebenarnya merupakan salah satu bidang di lingkungan CBIS (Computer Based Information Sistem). CBIS sendiri adalah suatu sistem informasi yang berbasis komputer, dimana didalamnya terdapat aplikasi-aplikasi komputer utama, yakni SIA (Sistem informasi Akuntansi), SIM (Sistem Informasi Manajemen), SPK (Sistem Pendukung Keputusan), otomatisasi kantor dan sitem pakar (Daihani, 2001).
2.2.9 Karakteristik Sistem Pendukung Keputusan
Ada beberapa karakteristik dasar sistem pendukung keputusan, yaitu:
a. Sistem pendukung keputusan dirancang untuk membantu pengambil keputusan dalam memcahkan masalah yang sifatnya semi terstruktur ataupun tidak tersetruktur.
dengan teknik pemasukan data konvensional serta fungsi-fungsi pencari/integrasi informasi.
c. Sistem pendukung keputusan dirancang sedemikian rupa hingga dapat dipergunakan/dioprasikan dengan mudah oleh orang-orang yang mungkin tidak memiliki dasar kemempuna pengoprasian komputer yang tinggi. Oleh karena itu pendekatan yang digunakan biasanya model interaktif. d. Sistem pendukung keputusan dirancang dengan menekankan pada aspek
fleksibilitas serta kemampuan adaptasi yang tinggi. Sehingga mudah disesuaikan dengan berbagai perubahan lingkungan yang terjadi dan kebutuhan pemakai (Daihani, 2001).
2.2.10 Metode SAW (Simple Additive Weighting)
Merupakan metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua kriteria (Kusumadewi, 2006). Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.
Metode SAW mengenal adanya 2 (dua) atribut yaitu kriteria keuntungan (benefit) dan kriteria biaya (cost). Perbedaan mendasar dari kedua kriteria ini adalah dalam pemilihan kriteria ketika mengambil keputusan.
2. Menentukan kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Cj
3. Memberikan nilai rating kecocokan setiap alternatif pada setiap kriteria. 4. Menentukan bobot preferensi atau tingkat kepentingan (W) setiap kriteria.
W = [ W1 W2 W3 …. Wj ] (1)
5. Membuat tabel rating kecocokan dari setiap alternatif pada setiap kriteria. 6. Membuat matriks keputusan X yang dibentuk dari tabel rating kecocokan
dari setiap alternatif pada setiap kriteria. Nilai x setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan, dimana, i=1,2,…m dan j=1,2,…n.
X11 X12 … X1j
X = (2)
Xi1 Xi2 … Xij
7. Melakukan normalisasi matrik keputusan X dengan cara menghitung nilai rating kinerja ternomalisasi (rij) dari alternatif Ai pada kriteria Cj.
Jika j adalah atribut keuntungan (benefit)
(3) Jika j adalah atribut biaya (cost)
Dimana :
rij : Rating kinerja ternormalisasi
Penjelasan :
a. Dikatakan kriteria keuntungan apabila nilai xij memberikan keuntungan bagi pengambil keputusan, sebaliknya kriteria biaya apabila xij menimbulkan biaya bagi pengambil keputusan.
b. Apabila berupa kriteria keuntungan maka nilai xij dibagi dengan nilai Maxi (xij) dari setiap kolom, sedangkan untuk kriteria biaya, nilai Mini (xij) dari setiap kolom dibagi dengan nilai xij
8. Hasil dari nilai rating kinerja ternomalisasi (rij) membentuk matrik ternormalisasi (R).
r11 r12 … r1j
R = (4)
ri1 ri2 … rij
9. Hasil akhir nilai preferensi (Vi) diperoleh dari penjumlahan dari perkalian elemen baris matriks ternormalisasi (R) dengan bobot preferensi (W) yang bersesuaian eleman kolom matrik (W).
(5)
Dimana :
Vi : Nilai akhir dari alternatif Wi : Bobot yang telah ditentukan Rij : Normalisasi matriks
2.2.11 Macromedia Drea mweaver
Macromedia Dreamweaver adalah sebuah software HTML editor profesional yang digunakan untuk mendesign secara visual dan mengelola situs web maupun halaman web. Bilamana kita menyukai untuk berurusan dengan kode-kode HTML secara manual atau lebih menyukai bekerja dengan lingkungan secara visual dalam melakukan editing, Dreamweaver membuatnya menjadi lebih mudah dengan menyediakan tools yang sangat berguna dalam peningkatan kemampuan dan pengalaman kita dalam mendesign web. Dreamweaver dalam hal ini digunakan untuk web design. Dreamweaver mengikutsertakan banyak tools untuk kode-kode dalam halaman web beserta fasilitas-fasilitasnya, antara lain : ReferensiHTML, CSS dan Javascript debugger, dan editor kode (tampilan kode dan Code inspector) yang mengizinkan kita mengedit kode Javascribt, XML, dan dokumen teks lain secara langsung dalam Dreamweaver. Macromedia DreamWeaver MX pertama kali di tampilkan pada tahun 2004, selain software untuk mendesign web, juga bisa untuk menyunting kode dan untuk membuat aplikasi web dengan menggunakan bahasa pemrograman JSP, PHP, ASP atau Coldfusion. Di lengkapi dengan fasilitas yang cukup lengkap untuk manajemen situs ( Duniascript. Com, 2013).
2.2.12 Microsoft Office Visio 2010
terakhir adalah Microsoft Office Visio 2010 untuk Windows. Pada akhir 2009, Microsoft merilis versi beta dari Microsoft Visio 2010. Berbeda dengan inti aplikasi Office 2007, Microsoft Visio 2007 tidak fituruser interface Ribbon, tapi Microsoft Visio 2010 ini. Visio tidak dikembangkan untuk Mac OS X atau sistem operasi Linux, pengembang lain menawarkan program diagram untuk sistem tersebut. Karena format file Visio proprietary, beberapa Mac OS X atau program Linux dapat membaca file Visio. ProOmnigraffe pada Mac dapat membaca dan menulis file Visio. Standar dan Edisi Profesional baik berbagi antarmuka yang sama, tetapi yang terakhir memiliki tambahan template untuk diagram lebih maju dan tata letak serta fungsi unik yang membuatnya mudah bagi pengguna untuk terhubung diagram mereka ke sejumlah sumber data dan menampilkan informasi secara grafis.
Microsoft Visio Corporation diakuisisi pada tahun 2000. Enterprise Network Tools, add-on produk memungkinkan jaringan otomatis dan layanan direktori diagram, dan VisioNetworkCenter, sebuah situs web di mana pengguna dapat menemukan konten jaringan dokumentasi terbaru dan bentuk jaringan yang tepat-replika peralatan dari 500 produsen terkemuka, dibebaskan bersama versi 2002 yang pertama telah dihentikan, sedangkan bentuk-temuan yang terakhir fitur yang sekarang terintegrasi ke dalam program itu sendiri Visio 2007 ini dirilis pada 30 November 2006 (Danu Wira Pangestu, 2011).
2.2.13 Power Designer
efektif. Sybase Power Designer mendukung beberapa pemodelan adalah sebagai berikut.
a. Requirement Management
b. Business Process
c. Data Modelling
d. XML Modelling
e. Application Modelling dengan UML
f. InformationLiquidityModelling g. IntegratedModelling
Pada tutorial ini kita akan mencoba menggunakan Power Designer untuk melakukan pemodelan data (data modeling) untuk kemudian akan kita gunakan untuk melakukan perancangan basis data. Secara sederhana, untuk melakukan pemodelan data pada Power Designer, kita harus memulainya pada level
Conceptual Data Model, dimana pemodelan data dilakukan dengan
menggunakan metode EntitynRelationship Diagram. Pada CDM, tipe data yang dipergunakan bersifat general, dan tidak spesifik terhadap suatu database tertentu.
Tahap kedua adalah membuat Physical Data Model (PDM), PDM merupakan bentuk spesifik dari CDM yang telah kita bangun. Power Designer memiliki banyak dukungan target database, sehingga kita tidak perlu bingung mengenai tipe – tipe data yang dipergunakan, karena Power Designer akan menyesuaikan seperti pada tipe data yang kita definisikan sebelumnya pada tahap CDM.
(DDL) dari PDM yang telah dibuat. Melalui DDL inilah kita dapat mengenerate objek – objek database (table, trigger, view, procedure) sehingga kemudian DDL script ini dapat kita eksekusi ke software database lain seperti Oracle atau
MySQL, atau dapat juga kita buat koneksi dan mengeksekusinya langsung via Power Designer (Teknik Industri Universitas Diponegoro, 2011).
2.2.14 XAMPP
XAMPP adalah perangkat lunak bebas, yang mendukung banyak sistem operasi, merupakan kompilasi dari beberapa program. Fungsinya adalah sebagai server yang berdiri sendiri (localhost), yang terdiri atas program Apache HTTP Server, MySQL database, dan penerjemah bahasa yang ditulis dengan bahasa pemrograman PHP dan Perl. Nama XAMPP merupakan singkatan dari X (empat sistem operasi apapun), Apache, MySQL, PHP dan Perl. Program ini tersedia dalam GNU General Public License dan bebas, merupakan web server yang mudah digunakan yang dapat melayani tampilan halaman web yang dinamis. Untuk mendapatkanya dapat mendownload langsung dari web resminya. XAMPP dikembangkan dari sebuah tim proyek bernama Apache Friends, yang terdiri dari Tim Inti (Core Team), Tim Pengembang (Development Team) & Tim Dukungan (SupportTeam).
XAMPP adalah singkatan yang masing-masing hurufnya adalah :
X : Program ini dapat dijalankan dibanyak sistem operasi, seperti Windows, Linux, Mac OS, dan Solaris.
Tugas utama Apache adalah menghasilkan halaman web yang benar kepada user berdasarkan kode PHP yang dituliskan oleh pembuat halaman web. jika diperlukan juga berdasarkan kode PHP yang dituliskan,maka dapat saja suatu database diakses terlebih dahulu (misalnya dalam MySQL) untuk mendukung halaman web yang dihasilkan.
M : MySQL, merupakan aplikasi databaseserver.
Perkembangannya disebut SQL yang merupakan kepanjangan dari
StructuredQueryLanguage. SQL merupakan bahasa terstruktur yang digunakan
untuk mengolah database. MySQL dapat digunakan untuk membuat dan mengelola database beserta isinya. Kita dapat memanfaatkan MySQL untuk menambahkan, mengubah, dan menghapus data yang berada dalam database.
P : PHP, bahasa pemrograman web.
Bahasa pemrograman PHP merupakan bahasa pemrograman untuk membuat web yang bersifat server-side scripting. PHP memungkinkan kita untuk membuat halaman web yang bersifat dinamis. Sistem manajemen basis data yang sering digunakan bersama PHP adalah MySQl. namun PHP juga mendukung sistem manajement database Oracle, Microsoft Access, Interbase, d-base, PostgreSQL, dan sebagainya.
P : Perl, bahasa pemrograman.
Mengenal bagian XAMPP yang biasa digunakan pada umumnya : Htdoc
berfungsi untuk mengelola layanan (service) XAMPP. Seperti menghentikan (stop) layanan, ataupun memulai (start) (Wikipedia, 2013).
2.2.15 Entity Relationship Diagram (ERD)
Entity Relationship Diagram (ERD) adalah menyediakan cara untuk mendeskripsikan perancangan basis data pada peringkat logika. ERD merupakan suatu model untuk menjelaskan hubungan antar data dalam basis data berdasarkan objek-objek dasar data yang mempunyai hubungan antar relasi. ERD untuk memodelkan struktur data dan hubungan antar data, untuk menggambarkannya digunakan beberapa notasi dan simbol. Pada dasarnya ada tiga simbol yang digunakan, yaitu :
a. Entiti
Entiti merupakan objek yang mewakili sesuatu yang nyata dan dapat dibedakan dari sesuatu yang lain. Simbol dari entiti ini biasanya digambarkan dengan persegi panjang.
b. Atribut
Setiap entitas pasti mempunyai elemen yang disebut atribut yang berfungsi untuk mendeskripsikan karakteristik dari entitas tersebut. Isi dari atribut mempunyai sesuatu yang dapat mengidentifikasikan isi elemen satu dengan yang lain. Gambar atribut diwakili oleh simbol elips. c. Hubungan / Relasi
Hubungan antara sejumlah entitas yang berasal dari himpunan entitas yang berbeda. Relasi dapat digambarkan sebagai berikut.
dalam satu basis data yaitu. 1) Satu ke satu (One to one)
Hubungan relasi satu ke satu yaitu setiap entitas pada himpunan entitas A berhubungan paling banyak dengan satu entitas pada himpunan entitas B.
2) Satu ke banyak (One to many)
Setiap entitas pada himpunan entitas A dapat berhubungan dengan banyak entitas pada himpunan entitas B, tetapi setiap entitas pada entitas B dapat berhubungan dengan satu entitas pada himpunan entitas A.
3) Banyak ke banyak (Many to many)
Setiap entitas pada himpunan entitas A dapat berhubungan dengan banyak entitas pada himpunan entitas B (Gunadarma, 2013).
2.2.16 Data Flow Diagra m (DFD)
Data flow Diagram (DFD) adalah diagram yang menggunakan
notasi-notasi untuk menggambarkan arus dari sistem. DFD sering digunakan untuk menggambarkan sustu sistem yang telah ada atau sistem baru yang akan dikembangkan secara logika tanpa mempertimbangkan lingkungan fisik dimana data tersebut mengalir (misalnya lewat telpon, dan sebagainya) atau lingkungan fisik dimana data tersebut akan disimpan (misalnya harddisk, diskette, dan lain sebagianya).
Setiap sistem memiliki batas sistem (boundary) yang memisahkan suatu sistem dengan lingkungan luarnya. Kesatuan luar (external entity) merupakan kesatuan di lingkungan luar sistem yang dapat berupa orang, organisasi atau sistem lainya yang berada di lingkungan luarnya yang memberikan input atau menerima output dari sistem.
b. Data flow (arus data)
Arus data di DFD diberi simbol panah. Arus data ini mengalir diantara proses, simpanan, dan kesatuan luar. Arus data digambarkan dengan anak panah dari data satu ke data yang lainya.
c. Process (proses)
Suatu proses adalah kegiatan atau kerja yang dilakukan oleh orang, mesin atau komputer dari hasil suatu arus data yang masuk ke dalam proses untuk dihasilkan arus data yang akan keluar dari proses.
d. Data store (simpanan data)
Simpanan data (data store) merupakan simpanan dari data yang dapat berupa suatu file atau database di komputer, suatu arsip atau catatan manual dan lain sebagainya (Gunadarma, 2013).
2.2.17 Validitas Kappa Cohen
misalnya (1=senang, 2=sedih, 3=takut, 4=marah). Semakin banyak kemiripan hasil penilaian antara satu rater dan rater lainnya maka koefisien reliabilitas yang dihasilkan akan tinggi.[10] Kappa Cohen dihitung dengan menggunakan tabel kontingensi 2x2[11] seperti gambar dibawah 2.1.
.
Gambar 2.1 Kontigensi 2x2 Kappa Cohen
Cara menghitung Kappa Cohen secara manual seperti penjelasan di bawah ini. Sel a dan b disebut sel konkordan, sel b dan c disebut sel diskordan.
Gambar 2.2 Proporsi frekuensi kesepakatan teramati O11 ialah frekuensi teramati sel 11 (= sel a)
O22 ialah frekuensi teramati sel 22 (= sel d). N ialah jumlah semua pengukuran.
Gambar 2.3 Proporsi frekuensi kesepakatan harapan E11 ialah frekuensi harapan sel 11 (= sel a).
Dengan Tabel 2x2 (gambar 2.1), dapat dihitung E11 dan E22:
Gambar 2.4 Penghitungan E11 dan E22
Untuk menghitung sebarapa valid aplikasi Lelang Online Barang Antik ini menggunakan tabel kesepakatan Kappa menurut Joseph L. Fleiss[10] seperti pada gambar 2.5.
Fleiss (1981) mengkategorikan tingkat reliabilitas antar rater menjadi tiga kategori, antara lain :
§ Kappa < 0.4 : buruk (bad) § Kappa 0.4 – 0.60 : cukup (fair)
§ Kappa 0.60 – 0.75 : memuaskan (good) § Kappa > 0.75 : istimewa (excellent)
3.1 Deskr ipsi Umum Sistem
Perancangan Aplikasi Sistem Pendukung Keputusan Seleksi Asisten Praktikum Laboratorium Teknik Informatika UPN “VETERAN” JATIM, penelitian ini dirancang untuk menyediakan suatu aplikasi yang dapat membantu Kepala Laboratorium untuk memilih dan menentukan Asisten yang baru sesuai dengan kriteria dan potensi yang dibutuhkan untuk menjadi asisten. Sistem ini disajikan dalam berupa web, tidak hanya berkisar mengenai rekomendasi untuk hasil akhir seleksi tetapi juga mencantumkan informasi-informasi yang dibutuhkan untuk mendukung aplikasi seleksi asisten. Sistem pendukung keputusan ini dirancang berdasarkan metode Simple Additive Weighting yang dimana metode ini melakukan pembobotan pada tiap kriteria.
3.1.1 Sistem Flow Diagram
Gambar 3.1. System Flow Diagram
Berikut ini keterangan pada System Flow Diagram pada gambar 3.1 adalah :
dan Mahasiswa.
b) Ketua Laboratorium, menentukan praktikum apa saja yang akan diseleksi dalam satu laboratorium.
c) Menentukan kriteria dan bobot, meliputi kriteria yang digunakan dalam seleksi yang disesuaikan dengan tes praktikum yang akan diujikan, serta menentukan bobot pada tiap-tiap kriteria.
d) Registrasi seleksi asisten, calon asisten melakukan pendaftaran yang meliputi data mahasiswa yang dibutuhkan dalam mengikuti seleksi asisten.
e) Kualifikasi data mahasiswa, meliputi pengolahan data mahasiswa yang diperoleh dari mahasiswa yang mendaftar menjadi asisten. Serta menentukan pelamar yang lolos administrasi.
f) Tes manual, dalam tahap ini calon asisten yang lolos administrasi berhak mengikuti tes-tes yang sudah ditentukan kriterianya terlebih dahulu.
g) Input nilai, dalam tahap ini kepala laboratorium memasukkan nilai calon asisten yang diperoleh dari tes nilai manual.
h) Perhitungan nilai menggunakan metode SAW, dalam tahap ini melakukan proses perhitungan nilai menggunakan metode SAW untuk memperoleh hasil rekomendasi.
mendaftar sebagai calon asisten mendapat informasi mengenai hasil seleksi asisten praktikum.
3.1.2 Perancangan Sistem
Proses merupakan satuan dari sistem yang mengelola masukkan untuk menghasilkan keluaran, sebuah sistem dapat dibagun oleh lebih dari satu proses, dengan demikian diperlukan perancangan proses yang akan memberikan gambaran umun mengenai sistem yang dibangun. Rancangan proses di dalam sistem pendukung keputusan seleksi asisten praktikum laboratorium Teknik Informatika ini digambarkan menggunakan Contex Diagram (CD) serta diagram arus data (DFD) pada level 1 (satu) dan level 2 (dua) berikut:
a.Contex Diagram (CD)
Pada Contex Diagram ini menjelaskan bahwa terdapat dua entitas yang berinteraksi dengan sistem yaitu kalab dan user. kalab adalah merupakan kepala laboratorium yang bertanggung jawab untuk menjalankan dan mengelola sistem pendukung keputusan seleksi asisten ini. user yaitu merupakan calon asisten praktikum yang akan mendaftar sebagai asisten praktikum yang baru. Data yang di-input oleh user adalah data diri yang dihimpun sistem dari proses registrasi. Seorang user
Kemudian kalab mendapatkan informasi berupa data pendaftar yang diperlukan untuk seleksi calon asisten.
data posisi
Gambar 3.2 Contex Diagram SPK Seleksi Asisten Praktikum
b.DFD ( Data Flow Diagram ) Level 1
Pada gambar 3.3 DFD ( Data Flow Diagram ) level ini sistem dipecah menjadi 8 (delapan) proses yaitu proses pengolahan data user
baru dan tepat.
Gambar 3.3 DFD level 1-SPK Seleksi Asisten Praktikum
c.DFD ( Data Flow Diagram ) Level 2
untuk memilih asisten yang baru.
Gambar 3.4 DFD level 2-Sistem Perhitungan SAW.
3.1.3 Perancangan Database
Sebuah sistem yang bersifat dinamis harus memiliki database atau sekumpulan data yang dapat ditambah, dirubah, dan dihapus oleh administrator. Sebelum membuat database, maka dibuatlah perancangan database yang terstruktur dengan CDM (Conceptual Data Model) dan PDM (Physical Data Model).
a. CDM ( Conceptual Data Model)
input
Gambar 3.5 CDM SPK Seleksi Asisten Praktikum. b. PDM (Physical Data Model)
Pemodelan PDM (Physical Data Model) merupakan hasil konversi dari pemodelan CDM (Conceptual Data Model). Pemodelan PDM memodelkan struktur fisik dari database, dengan mempertimbangkan
software DBMS serta model struktur yang akan digunakan.
FK_INPUT
Berdasarkan landasan teori pada bab II mengenai metode Simple Additive Weighting. Maka di buat tahapan-tahapan untuk perhitungan menggunakan metode Simple Additive Weighting.
Start
End Memasukkan
data alternatif dan data nilai
Memasukkan
Kriteria Cj dan Bobot (W)
Membuat Matriks Keputusan
Normalisasi Matriks Keputusan
Mengkalikan Matriks Keputusan
dengan Bobot Kriteria
Prefensi tiap alternatif
Data yang digunakan data alternatif, data nilai, data kriteria dan data bobot. Tabel 3.1 Data Alternatif dan Kriteria
No NPM
Kriter ia dan Bobot
Total
Membuat matriks Keputusan X.
X= 70 70
60 90
Hasil Normalisasi yang di ambil dari matriks keputusan X. Tabel 3.2 Hasil Normalisasi
Alternatif Kriteria
C1 C2
1134010049 1.0000 0.7778
1134010084 0.8571 1.0000
Mengkalikan matriks keputusan hasil normalisasi dengan bobot kriteria V1 = (0.7)(1.0000) + (0.3)(0.7778) = 0.9333
V2 = (0.7)(0.8571) + (0.3)(1.0000) = 0.8999
Tabel 3.3 Hasil Akhir Perhitungan SAW
Alternatif Nilai Perhitungan Ranking SAW
P1 0.9333 1
P2 0.8999 2
Berdasar pada PDM (Physical Data Model) sebelumnya, maka dapat dibuat tabel-tabel yang akan menjadi acuan dari pembuatan sebuah database. Berikut ini adalah detail masing-masing tabel pada sistem pendukung keputusan seleksi asisten praktikum berikut ini:
a) Tabel User
Tabel user digunakan untuk menyimpan data user yang mendaftar di seleksi asisten praktikum, tabel ini memiliki PrimaryKey NPM.
Tabel 3.4 User
Field Name Data Type
NPM Varchar(10)
KODE_POSISI Int(11)
PASSWORD Varchar(50)
NAMA_LENGKAP Varchar(50)
TELP_USER Varchar(15)
EMAIL_USER Varchar(30)
FOTO Varchar(50)
b) Tabel Kalab
Tabel kalab digunakan untuk menyimpan data kepala laboratorium dari seleksi asisten praktikum, tabel ini memiliki PrimaryKey NIK.
Tabel 3.5 Kalab
Field Name Data Type
NIK Varchar(20)
PASSWORD_KALAB Varchar(50)
Tabel Lab digunakan untuk menyimpan data laboratorium dari seleksi asisten praktikum, tabel ini memiliki PrimaryKey KODE_LAB.
Tabel 3.6 Lab
Field Name Data Type
KODE_LAB Varchar(4)
NAMA_LAB Varchar(50)
a) Tabel Daftar
Tabel daftar digunakan untuk menyimpan data rangking, nilai_akhir serta status untuk menentukan diterima atau ditolak dalam seleksi asisten praktikum.
Tabel Posisi digunakan untuk menyimpan data posisi dari seleksi asisten praktikum, tabel ini memiliki Primary Key KODE_POSISI.
c) Tabel Tes
Tabel Tes digunakan untuk menyimpan data tes kriteria dan bobot dari seleksi asisten praktikum, tabel ini memiliki Primary Key ID_TES.
Tabel 3.9 Tes
Field Name Data Type
ID_TES Int(11)
KODE_POSISI Int(11)
NAMA_KRITERIA Varchar(50)
BOBOT Decimal
d) Tabel Ujian
Tabel Ujian digunakan untuk menyimpan data nilai dari hasil ujian. Data ini akan digunakan sebagai data perhitungan dari sistem pendukung keputusan seleksi asisten praktikum dengan menggunakan metode Simple Additive Weighting.
Tabel 3.10 Ujian
Field Name Data Type
NPM Varchar(10)
KODE_POSISI Int(11)
ID_TES Int(11)
NILAI Int(11)
3.1.6 Perancangan Antar Muka
serta footer.Berikut ini merupakan rancangan desainnya.
Gambar 3.8 Rancangan Interface
Pada gambar 3.7 ini bagian header di isi sesuai dengan judul skripsi Sistem Pendukung Keputusan Seleksi Asisten Praktikum Laboratorium Teknik Informatika UPN “VETERAN” JATIM. Pada bagian menu horizontal merupakan tempat menampilkan menu-menu mulai dari menu tampilan awal, menu khusus user serta menampilkan menu khusus untuk kalab. Pada isi konten merupakan isi daari tiap-tiap menu yang dibuka.
3.1.7 Data Set
pemprograman adalah :
a) Raptor
Reptor merupakan sebuah aplikasi memvisualisasikan algoritma yang telah di buat dan di bangun ke dalam Flowchart. Didalam kriteria ini calon asisten menentukan algoritma terlebih dahulu kemudian dikembangkan menjadi flowchart dengan aplikasi raptor.
b) IQ
Kriteria ini merupakan tes untuk mengetahui kepribadian calon asisten yang tersembunyi dan sukar untuk diketahui melalui wawancara atau pengamatan biasa sehari-hari. Uji yang dilakukan menggunakan tes tulis.
c) Ruby
Didalam kriteria ini calon asisten mengimplementasikan dan membuat program secara langsung sesuai flowchart yang sudah ditentukan dengan menggunakan bahasa pemprograman ruby.
d) Wawancara dosen
Kriteria ini merupakan wawancara yang dilakukan kepala laboratorium terhadap calon asisten.
e) Hardware
Kriteria ini menjawab soal mengenai maintenance komputer f) Simulasi Labotarorium
Dimana calon asisten memperagakan cara menjadi asisten dan memberikan intruksi terhadap praktikan.
g) Wawancara asisten
praktikum.
Pada tabel 3.11 merupakan data hasil penilaian dari seleksi asisten praktikum dilaboratorium pemprograman :
Tabel 3.11 Data Set
NO NPM
Krit eria
Raptor IQ Ruby Hardware Simulasi Labotar orium
Wawancara asisten
1 1134010007 95 80 70 45 75 80
2 1134010030 85 80 90 60 85 85
3 1134010046 95 83 95 90 95 90
4 1134010049 65 75 70 65 80 70
5 1134010057 80 85 75 40 80 85
6 1134010084 70 83 70 45 82 87
7 1134010113 90 73 90 55 80 70
8 1134010118 95 75 95 70 82 82
9 1134010123 60 75 65 45 75 70
HASIL DAN PEMBAHASAN
Pada bab ini akan dibahas mengenai implementasi dari rancangan sistem yang telah dibuat pada bab sebelumnya serta mengenai uji coba terhadap sistem. Bagian implementasi sistem aplikasi ini meliputi: implementasi antarmuka, implementasi data, implementasi proses, dan. Sedangkan uji coba dilakasanakan untuk mengetahui apakah sistem dapat berjalan dengan baik sesuai perancangan yang telah dibuat.
4.1 Perangkat Pendukung
Peralatan yang digunakan untuk semua proses dari keseluruhan transaksi yang ada termasuk pembuatan laporan adalah menggunakan perangkat keras dan perangkat lunak. Pada proses pengujian ini dibutuhkan beberapa peralatan-peralatan baik berupa perangkat keras dan perangkat lunak.
4.1.1 Perangkat Keras (Hardware) a. Compaq Presario CQ41-224TX. b. Memori RAM 2GB.
c. VGA ATI Mobility Radeon HD 4500 Series. d. Memori Harddisk 320GB.
4.1.2 Perangkat Lunak (Softwar e)
a. Sistem Operasi Microsoft Windows 7 Profesional. b. Adobe Dreamweaver CS4.
4.2 Implementasi Antar muka
Pada implementasi desain antarmuka terdapat banyak sekali halaman-halaman website dimana desain tersebut terbagi dari menu atas atau header.
a. Halaman Utama
Berikut merupakan tampilan dari halaman utama home yang pertama kali dilihat oleh pengguna sistem pendukung keputusan ini baik mahasiswa maupun kalab sendiri, untuk lebih jelasnya dapat dilihat pada gambar 4.1.
Gambar 4.1 Index atau Halaman Utama
sudah terdaftar dalam sistem. b. Halaman Pendaftar
Pada halaman pendaftar ini menampilkan beberapa menu terkait informasi yang dibutuhkan untuk seleksi asisten praktikum, untuk lebih jelasnya dapat dilihat pada gambar 4.2.
Gambar 4.2 Halaman Peserta
Berikut ini merupakan halaman yang bisa diakses oleh Kepala Laboratorium. Lebih jelasnya lihat gambar 4.3.
Gambar 4.3 Halaman Kalab
Pada gambar 4.3 menampilkan halaman kalab setelah melakukan login, dalam tampil halaman kalab memiliki beberapa menu pilihan yaitu pengumuman seleksi, menu setting yang terdapat sub menu input kalab, input laboratorium, input posisi asisten dan input kriteria. Menu daftar peserta yang menampilkan daftar peserta, menu input data, menu hasil penilaian.
4.3 Implementasi Data
digunakan data kriteria yang sudah digunakan dalam seleksi asisten praktikum.
4.4 Implementasi Pr oses
Bagian implementasi proses ini menjelaskan mengenai implementasi proses-proses sesuai dengan konsep yang telah dibuat pada bab 3. Seperti proses pengolahan kriteria, proses pendaftaran, proses input nilai, dan proses perhitungan metode Simple Additive Weighting yang telah digambarkan dalam Data Flow Diagram.
4.5. Skenario Uji Coba
Untuk mamastikan bahwa sistem ini berjalan lancar, penyusun akan menyusun skenario yang akan dicoba, antara lain:
a. Uji coba pendaftaran user baru.
b. Uji coba penggunaan sistem pendukung keputusan di lakukan oleh Kepala Laboratorium Teknik Informatika
4.6 Pelaksanaan Uji Coba
Pada sub bab ini akan dijelaskan mengenai pelaksanaan skenario uji coba yang telah disusun pada sub-bab sebelumnya.
4.6.1 Uji Coba Pendaftar an User Baru
Gambar 4.4 Halaman Pendaftaran
Gambar 4.4 diatas digunakan oleh mahasiswa uyang mendaftar sebagai peserta seleksi asisten praktikum yang berisikan data yang dibutuhkan untuk menunjang sistem pendukung keputusan seleksi asisten praktikum. Maka harus melakukan proses pendaftaran terlebih dahulu.
4.6.2 Uji Coba Input Data Kriter ia dan Bobot
Uji coba input data kriteria dan bobot ini dilakukan oleh Kepala Laboratorium yang melakukan seleksi asisten praktikum.
yang akan digunakan dalam seleksi asisten praktikum. Yang berisi inputan untuk nama kriteria serta pilihan untuk menentukan bobot pada kriteria yang digunakan. Didalam menu kriteria juga tedapat 2 opsi yaitu edit jika ingin mengedit dan opsi hapus jika ingin menghapus kriteria.
4.6.3 Uji Coba Input Data Nilai
Pada uji coba input data nilai yang di lakukan oleh Kepala Laboratorium yang merupakan data nilai dari tes yang dilakukan secara manual. Berikut ini gambar 4.6.
Gambar 4.6 Input Data Nilai
Untuk melihat hasil perhitungan terdapat menu Hasil Penilaian yang menampilkan rangking dari hasil perhitungan menggunakan metode
Simple Additive Weighting. Berikut ini gambar 4.7.
Gambar 4.7 Hasil Perhitungan Input Nilai
Pada gambar 4.7 diatas ini menampilkan hasil penilaian yang berupa total nilai tanpa menggunakan metode Simple Additive Weighting. Serta menampilkan rangking hasil akhir dari perhitungan menggunakan metode
Pada tombol Detail perhitungan SAW menampilkan detail keseluruhan dari perhitungan manual dari laboratorium hingga perhitungan menggunakan metode Simple Additive Weighting. Seperti gambar 4.8.
Gambar 4.8 Rekap Penilaian
Pada gambar 4.8 diatas merupakan tahap Rekap Penilaian untuk menampilkan data yang digunakan untuk perhitungan menggunakan metode Simple Additive Weighting. Setelah Rekap Penilaian kemudian menampilkan nilai maksimum
Gambar 4.9 Nilai Maksimum Penilaian per Kriteria
menggunakan metode Simple Additive Weighting.
Gambar 4.10 Perhitungan Bobot Kriteria
Pada gambar 4.10 diatas menampilkan bobot yang sudah ditentukan pada tiap-tiap kriteria. Dalam perhitungan bobot ini melakukan
convert dari bobot asli yang berupa pilihan sangat penting, penting, cukup penting dijadikan bobot hitung. Dengan cara bobot asli tiap kriteria dibagi dengan total bobot asli. setelah nilai maksimum dan bobot sudah diketahui maka selanjutnya melakukan perhitungan nilai matriks ternormalisasi
Gambar 4.11 Perhitungan Nilai Normalisasi
Gambar 4.12 Perhitungan Nilai Akhir Normalisasi dengan Bobot Pada gambar 4.12 diatas menampilkan perhitungan dari hasil normalisasi dikalikan dengan bobot yang sudah ditentukan sebelumnya. Sehingga menghasilkan nilai total yang merupakan hasil akhir dari perhitungan menggunakan metode Simple Additive Weighting. Setelah diperoleh nilai hasil akhir maka ditentukan rangkingnya sesuai dengan urutan mulai dari nilai tertinggi hingga nilai terendah.
Gambar 4.13 Hasil Rekomendasi
Pada gambar 4.13 diatas menampilkan rangking tertinggi hingga terendah dan nilai hasil akhir dari perhitungan menggunakan metode
ditentukan.
4.7Uji Coba Perhitungan Secara Manual a. Menentukan alternatif, yaitu Ai
Tabel 4.1 Daftar Peserta
NO NPM NAMA
1 1134010007 NEMICIO DE SOUSA GAMA
2 1134010030 ADHI ANDRIYANTO
3 1134010046 ALFIYAN BAHARUDDIN
4 1134010049 ARDHA HERDIANTO
5 1134010057 ADI KISWANTO PUTRA PRATAMA 6 1134010084 BAGAS SINGGIH PUBLIANTO
7 1134010113 ANUGRAH PRATAMA SETIO PERMADI 8 1134010118 ADITYA EKA FEBRIANTO
9 1134010123 RIO WEDNRI WIJAYA 10 1134010129 DEDY SETYAWAN
b. Menentukan kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Cj
a) Raptor b) IQ c) Ruby d) Hardware
a) Data nilai peserta seleksi asisten praktikum nomor 1 (satu) Tabel 4.2 Peserta nomor 1 (satu)
NPM NAM A
1134010007 NEM ICIO DE SOUSA GAM A
Nilai kriteria :
Raptor = 95
IQ = 80
Ruby = 70
Hardware = 45
Simulasi Labotarorium = 75 Wawancara asisten = 80
b) Data nilai peserta seleksi asisten praktikum nomor 2 (dua)\ Tabel 4.3 Peserta nomor 2 (dua)
NPM NAM A
1134010030 ADI KISWANTO PUTRA PRATAM A
Nilai kriteria :
Raptor = 85
IQ = 80
Ruby = 90
Hardware = 60
Tabel 4.4 Peserta nomor 3 (tiga)
NPM NAM A
1134010046 ALFIYAN BAHARUDDIN
Nilai kriteria :
Raptor = 95
IQ = 83
Ruby = 95
Hardware = 90
Simulasi Labotarorium = 95 Wawancara asisten = 90
d) Data nilai peserta seleksi asisten praktikum nomor 4 (empat) Tabel 4.5 Peserta nomor 4 (empat)
NPM NAM A
1134010049 ARDHA HERDIANTO
Nilai kriteria :
Raptor = 65
IQ = 75
Ruby = 70
Hardware = 65
Tabel 4.6 Peserta nomor 5 lima)
NPM NAM A
1134010057 ADHI ANDRIYANTO
Nilai kriteria :
Raptor = 85
IQ = 80
Ruby = 90
Hardware = 60
Simulasi Labotarorium = 85 Wawancara asisten = 85
f) Data nilai peserta seleksi asisten praktikum nomor 6 (enam) Tabel 4.7 Peserta nomor 6 (enam)
NPM NAM A
1134010084 BAGAS SINGGIH PUBLIANTO
Nilai kriteria :
Raptor = 70
IQ = 83
Ruby = 70
Hardware = 45
Tabel 4.8 Peserta nomor 7 (tujuh)
NPM NAM A
1134010113 ANUGRAH PRATAM A SETIO PERM ADI
Nilai kriteria :
Raptor = 90
IQ = 73
Ruby = 90
Hardware = 55
Simulasi Labotarorium = 80 Wawancara asisten = 70
h) Data nilai peserta seleksi asisten praktikum nomor 8 (delapan) Tabel 4.9 Peserta nomor 8 (delapan)
NPM NAM A
1134010118 ADITYA EKA FEBRIANTO
Nilai kriteria :
Raptor = 95
IQ = 75
Ruby = 95
Hardware = 70
Tabel 4.10 Peserta nomor 9 (sembilan)
NPM NAM A
1134010123 RIO WEDNRI WIJAYA
Nilai kriteria :
Raptor = 60
IQ = 75
Ruby = 65
Hardware = 45
Simulasi Labotarorium = 75 Wawancara asisten = 70
j) Data nilai peserta seleksi asisten praktikum nomor 10 (sepuluh) Tabel 4.11 Peserta nomor 10 (sepuluh)
NPM NAM A
1134010129 DEDY SETYAWAN
Nilai kriteria :
Raptor = 90
IQ = 70
Ruby = 60
Hardware = 70
Tabel 4.12 Bobot per Kriteria
e. Membuat tabel rating kecocokan dari setiap alternatif pada setiap kriteria. Tabel 4.13 Rating Kecocokan dari Setiap Alternatif pada Setiap Kriteria
Alternatif
85 80 90 60 85 85
95 83 95 90 95 90
65 75 70 65 80 70
X = 80 85 75 40 80 85
70 83 70 45 82 87
90 73 90 55 80 70
95 75 95 70 82 82
60 75 65 45 75 70
90 70 60 70 80 82
g. Melakukan normalisasi matriks keputusan X dengan cara menghitung nilai rating kinerja ternomalisasi (rij) dari alternatif Ai pada kriteria Cj.
Cara Perhitungan pada tabel 4.14 :
(1)
Keterangan :
rij : Rating kinerja ternormalisasi
Maxi : Nilai maksimum dari setiap baris dan kolom xij : Baris dan kolom dari matriks
Tabel 4.14 Normalisasi Matriks Keputusan X
h. Hasil akhir nilai preferensi (Vi) diperoleh dari penjumlahan dari perkalian elemen baris matriks ternormalisasi (R) dengan bobot preferensi (W) yang bersesuaian eleman kolom matrik (W).
Rumus perhitungan bobot :
(2)
Keterangan :
V1=(0.13)(1.0000)+(0.13)(0.9412)+(0.20)(0.7368)+(0.07)(0.5000)+(0.27)(0.7895)
Tabel 4.15 Rangking Metode SAW
ALTERNATIF NILAI PERHITUNGAN RANGKING
1134010007 0.8258 7
Lapangan
Tabel 4.16 Perhitungan Manual Laboratorium
NO NPM
Pada tabel 4.16 diatas merupakan perhitungan manual di lapangan. Dalam perhitungannya tidak adanya bobot pada tiap-tiap kriteria sehingga nilai yang tertinggi adalah yang terpilih menjadi asisten praktikum yang baru. tanpa adanya bobot pada kriteria maka kepala laboratorium tidak mengetahui potensi-potensi yang dibutuhkan pada kriteria yang penting.
Tabel 4.17 Hasil Perhitungan Metode SAW
No NPM Total Perhitungan Rangking
1 1134010007 0.8258 7
Pengujian Validitas Aplikasi dilakukan untuk mencari seberapa jauh kesamaan atau kesepakatan responden dalam menilai Aplikasi sistem pendukung keputusan seleksi asisten praktikum.
Kuesioner ini terdiri dari tiga puluh pertanyaan yang akan diisi oleh dua responden yang berbeda. Jawaban dari responden hanya akan terdiri dari dua pilihan, yakni “yes” dan “no”. Bila responden menjawab “yes”, maka nilai default-nya adalah 1. Bila responden menjawab “no”, nilai default-nya adalah 2. Angka-angka ini digunakan sebagai pembeda antara jawaban pertama dan jawaban kedua dalam SPSS. Berikut adalah tabel yang merupakan hasil jawaban responden:
Tabel 4.18 Data Observasi Responden No Responden_1 Responden _2
21 1 1
Setelah hasil jawaban koresponden telah terkumpul, langkah berikutnya adalah mengelompokkannya berdasarkan hasil kesepakatan. Berikut adalah tabel pengelompokannya:
Tabel 4.19 Tabel kesepakatan responden Koresponden_2
Tidak(0) Ya(1) Total
Koresponden_1 Tidak(0) 3 13 16
Ya(1) 2 12 14
Total 5 25 30
Untuk menghitung nilai Kappa-nya, harus diketahui terlebih dahulu nilai Pe (expected agreement) dan Po (observed agreement). Rumus yang digunakan seperti yang tertulis pada bab dua.
Gambar 4.14 Hasil Penghitungan Kappa Cohen
Pada gambar 4.14 merupakan hasil olah data kuesioner menggunakan Kappa Kohen menghasilkan bahwa dari 30 pertanyaan menunujukkan nilai K=0.043. Berdasarkan tabel kesepakatan Fleiss (1981) diperoleh kesimpulan bahwa nilai K=0.043 masuk dalam kategori cukup. Kategori tersebut dapat diartikan bahwa belum ditemukan kesepakatan antara koresponden pertama dan kedua bahwa website ini cukup user friendly dan cukup mudah digunakan.
E22 = (14 * 25 ) / 30 = 11,667
K = (Po – Pe) / (1 – Pe)
5.1Kesimpulan
Dari hasil observasi dan data-data yang telah diuraikan, dapat ditarik kesimpulan mengenai beberapa hal dalam penulisan laporan tugas akhir ini yaitu:
a) Sistem ini akan dapat membantu Kepala laboratorium untuk mempercepat pengambilan keputusan dalam memilih asisten yang mempunyai potensi pada kriteria yang diprioritaskan.
b) Metode Simple Additive Weighting dapat diaplikasikan dengan baik pada sistem pendukung keputusan seleksi asisten praktikum pada laboratorium informatika. Dengan adanya metode ini dapat membantu menentukan hasil rekomendasi sesuai dengan rangking 5.2Sar an
Dari penelitian tugas akhir atau skripsi yang telah dilakukan oleh penyusun, maka dengan ini penyusun mencantumkan beberapa saran atau ide yang dapat dikembangkan diantaranya adalah:
a) Pada sistem pendukung keputusan seleksi asisten praktikum membutuhkan sistem pendaftaran yang lebih lengkap yang berguna untuk mempermudah kepala laboratorium melihat profil peserta calon asisten sehingga bisa dikembangkan lagi.
- Afshari, A, 2010. Simple Additive Weighting approach to Personnel Selection problem, International Journal of Innovation, Management and Technology.
- Andayani, dkk, 2012. Performance Assessment dalam Perspektif Multi Criteria Decision Making. Seminal Nasional Penelitian Fakultas MIPA, Universitas Negeri Yogyakarta.
- Daihani, U.D, Komputerisasi Pengambilan Keputusan, Elex Media Komputindo, 2001. Jakarta.
- Dunia Script. Com (2013). Macromedia Dream Weaver Pada
http://blog.duniascript.com/sekilas-tentang-macromedia-dreamweaver.html di akses pada tanggal 18 Agustus 2013.
- Gunadarma, 2013. ENTITY RELATIONSHIP DIAGRAM (ERD) Pada http://metty.staff.gunadarma.ac.id/Downloads/files/13665/SI+ERD+bar .pdf diakses pada tanggal 24 Agustus 2013.
- Gunadarma,2013. Data Flow Diagram pada
