PENERAPAN SISTEM PENDUKUNG KEPUTUSAN TERHADAP PENENTUAN PEMINATAN PADA PROGRAM STUDI TEKNIK
INFORMATIKA MENGGUNAKAN METODE ARAS
Yuyun Dwi Lestari1), Arief Budiman2), Dedy Irwan3)
1,2,3 Fakultas Teknik dan Komputer, Universitas Harapan Medan
email: [email protected], [email protected], [email protected] Abstract
The selection of specialization is carried out by students of the Informatics Engineering study program while still in semester 5, namely Multimedia & Computer Vision, Network & Computer Systems, Robotics
& Intelligent Systems. The selection of this specialization is carried out by students so that students focus on 1 specialization only and this specialization is carried out based on elective courses, so that students are not wrong in choosing their interests and do not follow the interests chosen by their friends. The purpose of this study is as an alternative to support students to determine the specialization in accordance with the criteria and calculate the value of each criterion to choose an interest and make a decision support for the selection of specialization to help students choose the right specialization according to the criteria quickly and precisely. Therefore, in the selection of student specialization in the Informatics Engineering study program requires a Decision Support System by applying the ARAS method. The results obtained from this study are the specialization of Network & Computer Systems in rank 1 with a value of 0.83554. Multimedia
& Computer Vision ranked 2nd with a value of 0.78358. Robotics & Intelligent Systems ranked 3rd with a value of 0.77223. So that the specialization of Network & Computer Systems will be an alternative.
Keywords: Selection of Specialization, Decision Support System, ARAS
1. PENDAHULUAN
Menentukan peminatan merupakan suatu hal yang sangat diperlukan sebelum memasuki tugas akhir (skripsi). Dengan ditetapkannya suatu peminatan terhadap mahasiswa, maka mahasiswa akan fokus ke dalam 1 sub bidang penguasaan yang mereka minati sehingga didalam pembuatan tugas akhir mereka dapat fokus terhadap apa yang akan mereka selesaikan. Namun banyak juga mahasiswa saat ini yang terjebak kedalam peminatan yang tidak diminatinya, sebagai contoh mengikuti peminatan yang diambil oleh teman agar dapat bekerja sama dalam menyelesaikan tugas akhir (skripsi) tersebut.
Padahal mahasiswa tersebut belum tentu meminati atau menguasai peminatan yang dipilih oleh temannya tersebut. Sehingga mahasiswa tersebut terjebak dalam pilihannya yang mengikuti temannya tersebut.
Sangat banyak permasalahan yang terjadi, mengapa seorang mahasiswa tidak dapat
menyelesaikan tugas akhirnya (skripsi) tepat waktu, dikarenakan terkendala oleh belum selesainya tugas akhir tersebut. Salah satu faktornya adalah tidak menguasai apa yang dibuat. Padahal sebelum memasuki tugas akhir mahasiswa disuruh untuk memilih peminatan mana yang dikuasai atau bidang yang mana sesuai dengan kemampuannya.
Oleh karena itu, untuk mengatasi masalah dalam pemilihan peminatan mahasiswa pada program studi Teknik Informatika yang sesuai dengan kemampuannya dan tidak salah memilih atau mengikuti peminatan temannya, maka diterapkan sistem pendukung keputusan terhadap penentuan pemilihan peminatan.
Penelitian ini menerapkan metode Additive Ratio Assessment (ARAS). Metode ini banyak digunakan untuk mendapatkan alternatif dari berbagai permasalahan yang terjadi [1]–[5].
Penerapan sistem pendukung keputusan terhadap penentuan peminatan pada program
studi teknik informatika menggunakan metode ARAS ini bertujuan untuk memudahkan dan membantu mahasiswa dalam memilih peminatan.
Dengan menggunakan metode ARAS, sistem akan memberikan rekomendasi peminatan yang paling sesuai berdasarkan perbandingan antara alternatif peminatan yang ada.
2. METODE PENELITIAN
Adapun langkah-langkah yang digunakan dalam penyelesaian penelitian ini adalah sebagai berikut:
Gambar 1. Kerangka Kerja Penelitian
Keterangan
1. Identifikasi Masalah
Pada tahapan ini tim melakukan identifikasi terhadap masalah yang akan dibahas.
2. Studi Literatur
Melakukan pengumpulan data yang dibutuhkan dalam penelitian agar memudahkan dalam mengolah data dan menentukan kriteria-kriteria serta bobot yang akan digunakan dalam pemilihan peminatan pada program studi Teknik informatika di Universitas Harapan Medan.
3. Pemilihan Metode
Setelah data dianalisis dan ditentukan kriteria-kriteria maka memilih metode yang akan digunakan yaitu metode ARAS.
4. Menetapkan Kesimpulan
Setelah selesai proses perhitungan data dengan menerapkan metode, maka dapat dibuat kesimpulan berdasarkan hasil penelitian.
1. HASIL DAN PEMBAHASAN 3.1 Peminatan
Peminatan pada siswa ditingkatkan dan dilaksanakan berdasarkan pada kemampuan siswa (yaitu kesanggupan dari dasar mental, talenta, kemauan, dan kecenderungan pribadi) [6]
3.2 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan merancang sistem untuk membantu menyelesaikan masalah, terutama masalah yang tidak terstruktur [7][8], [9], [10] Pengambilan keputusan yaitu cara menentukan aktivitas dari beberapa alternatif untuk mendapatkan hasil yang tertinggi. [11]–
[13]
SPK merupakan penerapan teori keputusan dari disiplin ilmu seperti riset operasi dan ilmu manajemen, dengan perbedaan bahwa sebelum menemukan solusi suatu masalah, perhitungan harus dilakukan secara manual. Kini komputer mampu menyelesaikan masalah yang sama dalam waktu yang lebih singkat [1], [12], [14][15], [16].
3.3 Additive Ratio Assessment (ARAS)
Metode ARAS mengukur kinerja dan membandingkan urutan dari pilihan yang optimal [2]. Metode ARAS memiliki beberapa langkah [4], [17] [5], [17]–[19] [20] yang terdiri dari:
pembentukan matriks keputusan, pembentukan matriks ternormalisasi (R), membentuk matriks ternormalisasi terbobot, menentukan nilai dari fungsi optimum (S), menentukan Peringkat Utilitas (K).
3.2 Pembahasan
Sebelum melakukan perhitungan menggunakan metode ini maka harus menentukan kriteria-kriteria yang akan digunakan sesuai dengan pemilihan peminatan Start
Identifikasi Masalah
Studi Literatur
Pemilihan Metode ARAS
Menetapkan Kesimpulan
End
mahasiswa pada program studi Teknik Informatika yaitu sebagai berikut:
Tabel 1. Peminatan, Kriteria dan Nilai Bobot
Peminatan Kriteria Kode Bobot
(w) Multimedia
& Visi Komputer
(A1)
Logika Informatika C1 0.056 Statistik & Probabilitas C2 0.056
Multimedia C3 0.056
Prak. Multimedia C4 0.056 Grafika Komputer C5 0.056 Prak. Grafika Komputer C6 0.056 Jaringan &
Sistem Komputer
(A2)
Algoritma dan
Pemrograman C7 0.067
Sistem Operasi C8 0.067
Prak. Sistem Operasi C9 0.067 Jaringan Komputer C10 0.067 Prak. Jaringan Komputer C11 0.067 Robotika
& Sistem Cerdas
(A3)
Kalkulus 1 C12 0.037
Kalkulus 2 C13 0.037
Fisika Dasar C14 0.037
Assembler dan Sistem
Mikroprosesor C15 0.037
Prak. Assembler dan
Sistem Mikroprosesor C16 0.037 Kecerdasan Buatan C17 0.037 Prak. Kecerdasan Buatan C18 0.037 Perantaraan Peripheral C19 0.037 Prak. Perantaraan
Peripheral C20 0.037
Tabel 2. dibawah ini menjelaskan tentang nilai dan bobot pada kriteria-kriteria yang sudah ditentukan pada masing-masing matakuliah yang di dalamnya mencakup nilai-nilai keterangan dari setiap kriteria.
Tabel 1. Range Nilai dan Bobot Nilai Angka Nilai Huruf Bobot
80 – 100 A 4
73 – 79 B+ 3.5
65 – 72 B 3
61 – 64 C+ 2.5
55 – 60 C 2
45 – 54 D 1
0 - 44 E 0
Kemudian masing-masing kriteria dari sejumlah alternatif memiliki nilai yang didapat pada tabel 3. Data penilaian alternatif berdasarkan kriteria diatas dapat dilihat pada tabel 3 berikut
Tabel 3. Data Penilaian Alternatif Berdasarkan Kriteria
Kriteria
Alternatif Multimedia
& Visi Komputer
Jaringan
& Sistem Informasi
Robotika
& Sistem Cerdas
A1 A2 A3
C1 4 3 3
C2 3 2 2
C3 4 3 3
C4 2.5 1 1
C5 3.5 2 2
C6 4 3 3
C7 3 4 3
C8 3 4 3
C9 3 4 3
C10 2 3 2
C11 2 3.5 2
C12 3 3 4
C13 2 3 3.5
C14 2 3 3
C15 2 3 3
C16 2 3 3
C17 3 3 4
C18 2 3 3.5
C19 2 3 3.5
C20 2 3 3.5
Adapun tahapan dalam perhitungan metode ARAS dalam memilih pemilihan peminatan berdasarkan data di atas adalah
1. Menentukan Matriks Keputusan (x)
= [
4 3 4 2.5 3.5 4 3 3 3 2 2 3 2 2 2 2 2 2 2 2 3 2 3 1 2 3 4 4 4 3 3.5 3 3 3 3 3 3 3 3 3 3 2 3 1 2 3 3 3 3 2 2 4 3.5 3 3 3 4 3.5 3.5 3.5
]
Matriks di atas dijumlahkan ke bawah sehingga mendapatkan hasil
[14 10 14 7 11 14 14 14 14 10 11 14 12 11 11 11 14 12 12 12]
2. Matriks Keputusan Ternormalisasi (R) 𝑥01 = 4
14= 0.29 𝑥11 = 4
14= 0.29 𝑥21 = 3
14= 0.21 𝑥31 = 3
14= 0.21
3. Matriks Data Ternormallisasi Terbobot (D) Menentukan bobot matriks yang sudah di normalisasi dengan melakukan perkalian matriks yang telah di normalisasi terhadap bobot kriteria
𝐷01 = 𝑥01 ∗ 𝑤1 = 0.29 ∗ 0.056 = 0.016 𝐷11 = 𝑥11 ∗ 𝑤1 = 0.29 ∗ 0.056 = 0.016 𝐷21 = 𝑥21 ∗ 𝑤1 = 0.21 ∗ 0.056 = 0.012 𝐷31 = 𝑥31 ∗ 𝑤1 = 0.29 ∗ 0.056 = 0.012 4. Nilai Fungsi Optimum (s)
Fungsi Optimum didapat dari penjumlahan kesamping dari matriks data ternormalisasi terbobot seperti berikut:
S0 = (0.016 + 0.017 + 0.016 + 0.020 + 0.018 + 0.016 + 0.019 + 0.019 + 0.019 + 0.020 + 0.021 + 0.011 + 0.011 + 0.010 + 0.010 + 0.010 + 0.011 + 0.011 + 0.011 + 0.011)
= 0.0.29605
S1 = (0,016 + 0,017 + 0,016 + 0,020 + 0,018 + 0,016 + 0,014 + 0,014 + 0,014 + 0,013 + 0,012 + 0,008 + 0,006 + 0,007 + 0,007 + 0,007 + 0,008 + 0,006 + 0,006 + 0,006) = 0.23198
5. Nilai Utilitas
Nilai Utilitas (K) didapat dari masing-masing alternatif i dibagi dengan fungsi optimum.
Berdasarkan hasil dari perhitungan menggunakan metode ARAS maka dapat diambil hasil perangkingan sebagai berikut:
Tabel 4. Hasil Perangkingan
No Alternatif Hasil
Perangkingan 1 Jaringan & Sistem
Komputer (A2)
0.83554
2 Multimedia & Visi Komputer (A1)
0.78358 3 Robotika & Sistem Cerdas
(A3)
0.77223
Dari perhitungan dan urutan nilai paling tinggi, maka disimpulkan bahwa pemilihan peminatan pada Program Studi Teknik Informatika terbaik harus memenuhi kriteria sesuai tabel yang ditentukan dengan nilai yang tertinggi maka yang menjadi peminatan adalah alternatif A2 yaitu Jaringan & Sistem Komputer
4. KESIMPULAN
Adapun kesimpulan yang dapat di ambil dari penelitian yang sudah dilaksanakan yaitu Sistem Pendukung Keputusan yang dibuat dapat mendukung mahasiswa menentukan alternative dalam memilih peminatan pada program studi Teknik Informatika yang sesuai dengan kriteria.
Terdapat 3 peminatan yang digunakan dalam kasus penelitian yaitu Multimedia & Visi Komputer, Jaringan & Sistem Komputer, Robotika & Sistem Cerdas, dimana hasil dari penilaian dari setiap kriteria di dalam penerapan Metode ARAS yaitu peminatan Jaringan &
Sistem Komputer berada di ranking 1 dengan nilai 0.83554. Multimedia & Visi Komputer di ranking 2 dengan nilai 0.78358. Robotika &
Sistem Cerdas di ranking 3 dengan nilai 0.77223.
Sehingga peminatan Jaringan & Sistem Komputer yang akan menjadi alternative. Dengan adanya sistem pendukung keputusan ini, mahasiswa mendapatkan bantuan dalam proses pengambilan keputusan yang lebih efektif dan efisien. Mahasiswa dapat menggunakan sistem ini sebagai panduan dalam menentukan peminatan yang tepat sesuai dengan minat dan kemampuan mereka.
5. REFERENSI
[1] Abdul Yunus Labolo, “SISTEM
PENDUKUNG KEPUTUSAN
PENILAIAN KINERJA DOSEN
DENGAN MENGGUNAKAN
METODE ADDITIVE RATIO ASSESSMENT (ARAS),” Jurnal SistemInformasi dan Teknik Komputer, 2020.
http://ejournal.catursakti.ac.id/index.php/
simtek/article/view/69/76 (accessed Jun.
07, 2023).
[2] D. Simarmata, D. Marisa Midyanti, and R.
Hidayati, “Implementasi Metode Additive Ratio Assesment (Aras) Untuk Rekomendasi Pasien Kunjungan Sehat Pada Fasilitas Kesehatan Tingkat Pertama Dr Josepb Nugroho H,” Coding: Jurnal Komputer dan Aplikasi, vol. 07, no. 03, pp. 109–119, 2019, [Online]. Available:
https://jurnal.untan.ac.id/index.php/jcsko mmipa/article/view/37171
[3] S. Y. Hutagalung, F. Pratiwi, and I.
Wijaya, “Penerapan Metode Weighted Aggregated Sum Product Assessment (WASPAS) Dalam Keputusan Penerimaan Beasiswa,” Seminar Nasional Sains & Teknologi Informasi (SENSAS(), vol. 5, no. 1, pp. 79–84, 2018, [Online].
Available: http://ejurnal.stmik- budidarma.ac.id/index.php/jurikom%7CP age%7C79
[4] L. Ciky, L. Gaol, and N. A. Hasibuan,
“SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TEAM LEADER SHIFT
TERBAIK DENGAN
MENGGUNAKAN METODE ARAS STUDI KASUS PT. ANUGRAH BUSANA INDAH,” Majalah Ilmiah INTI, vol. 5, no. 2, 2018.
[5] J. Afriany, “Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) Penerapan Metode ARAS Guna Mendukung Keputusan Produk Unggulan Daerah,” Seminar Nasional Teknologi Komputer & Sains (SAINTEKS), pp. 441–
447, 2019, [Online]. Available:
https://seminar-id.com/semnas- sainteks2019.html
[6] Andi Muhammad Kusri, “PENGARUH LAYANAN INFORMASI PEMINATAN TERHADAP KEMANTAAN PILIHAN SEKOLAH LANJUTAN,” Jurnal Psikologi Pendidikan & Konseling, vol. 2, pp. 49–57, 2016.
[7] Y. D. Lestari, M. Eka, and R. Saragih,
“Sistem Pendukung Keputusan Penentuan IT Support Perusahan Telekomunikasi Terbaik Menggunakan Metode Moora,”
ALGORITMA: Jurnal Ilmu Komputer dan Informatika, p. 1, 2021.
[8] Victor Marudut Mulia Siregar, “SISTEM
PENDUKUNG KEPUTUSAN
PENENTUAN INSENTIF BULANAN PEGAWAIDENGANMENGGUNAKA N METODE NAÏVE BAYES,” Jurnal Sistemasi, vol. 7 Nomor 2, pp. 87–94, 2018.
[9] A. T. Purba and V. M. M. Siregar,
“SISTEM PENYELEKSI MAHASISWA
BARU BERBASIS WEB
MENGGUNAKAN METODE
WEIGHTED PRODUCT,” Jurnal Teknik Informasi dan Komputer (Tekinkom), vol.
3, no. 1, p. 1, Sep. 2020, doi:
10.37600/tekinkom.v3i1.117.
[10] S. Sirait et al., “Selection of the Best Administrative Staff Using Elimination et Choix Traduisant la Realite (ELECTRE) Method,” in Journal of Physics:
Conference Series, IOP Publishing Ltd, Jun. 2021. doi: 10.1088/1742- 6596/1933/1/012068.
[11] Y. D. Lestari and M. Mardiana, “Decision Support System For Determining the Best College High Private Using Topsis Method,” SinkrOn, vol. 4, no. 2, p. 27,
Mar. 2020, doi:
10.33395/sinkron.v4i2.10235.
[12] A. P. Windarto, “Implementasi Metode Topsis Dan Saw Dalam Memberikan Reward Pelanggan,” Klik - Kumpulan
Jurnal Ilmu Komputer, vol. 4, no. 1, p. 88, 2017, doi: 10.20527/klik.v4i1.73.
[13] C. Fadlan, A. P. Windarto, and I. S.
Damanik, “Penerapan Metode MOORA pada Sistem Pemilihan Bibit Cabai ( Kasus : Desa Bandar Siantar Kecamatan Gunung Malela ),” Journal of Applied Informatics and Computing (JAIC), vol.
3, no. 2, pp. 2–6, 2019.
[14] C. Irwana, Z. F. Harahap, and A. P.
Windarto, “Spk: Analisa Metode Moora Pada Warga Penerima Bantuan Renovasi Rumah,” Jurnal Teknologi Informasi MURA, vol. 10, no. 1, p. 47, 2018, doi:
10.32767/jti.v10i1.290.
[15] V. M. M. Siregar, M. R. Tampubolon, E.
P. S. Parapat, E. I. Malau, and D. S.
Hutagalung, “Decision support system for selection technique using MOORA method,” IOP Conf Ser Mater Sci Eng, vol. 1088, no. 1, p. 012022, Feb. 2021, doi: 10.1088/1757-899x/1088/1/012022.
[16] V. M. M. Siregar, S. Sonang, A. T. Purba, H. Sugara, and N. F. Siagian,
“Implementation of TOPSIS Algorithm for Selection of Prominent Student Class,” in Journal of Physics: Conference Series, IOP Publishing Ltd, Feb. 2021.
doi: 10.1088/1742-6596/1783/1/012038.
[17] F. Pratiwi, T. Waruwu, P. Utomo, and R.
Syahputra, “Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) Penerapan Metode Aras Dalam Pemilihan Asisten Perkebunan Terbaik Pada PTPN V,” Seminar Nasional Teknologi Komputer & Sains (SAINTEKS), pp. 651–
662, 2019, [Online]. Available:
https://seminar-id.com/semnas- sainteks2019.html
[18] C. Tarigan, E. Fahmi Ginting, and R.
Syahputra, “Sistem Pendukung Keputusan Dalam Menentukan Kinerja Pengajar Dengan Metode Additive Ratio Assessment (ARAS),” Jurnal Teknologi
Sistem Informasi dan Sistem Komputer TGD), vol. 5, no. 1, pp. 16–24, 2022, Accessed: Jun. 09, 2023. [Online].
Available:
https://ojs.trigunadharma.ac.id/
[19] R. A. S. P. - and Pratiwi Susanti, “Sistem Pendukung Keputusan Pemilihan Perumahan dengan Metode ARAS (Studi Kasus Kabupaten Ponorogo),” Jurnal Sains dan Informatika, vol. 8, no. 1, pp.
31–40, Jun. 2022, doi:
10.34128/jsi.v8i1.387.
[20] V. Sihombing et al., “Additive Ratio Assessment (ARAS) Method for Selecting English Course Branch Locations,” in Journal of Physics:
Conference Series, IOP Publishing Ltd, Jun. 2021. doi: 10.1088/1742- 6596/1933/1/012070.
