Sistem Pendukung Keputusan Pemilihan Siswa Study Tour Menggunakan Metode TOPSIS
Muhammad Zen1,*, Supiyandi2, Chairul Rizal1, Sayuti Rahman3, Irwan1
1Sains dan Teknologi, Sistem Komputer, Universitas Pembangunan Panca Budi, Medan, Indonesia
2Sains dan Teknologi, Teknologi Informasi, Universitas Pembangunan Panca Budi, Medan, Indonesia
3Prodi Teknik Informatika, Fakultas Teknik dan Komputer, Universitas Harapan Medan, Medan, Indonesia Email: 1,*muhammadzen@dosen.pancabudi.ac.id, 2supiyandi@dosen.pancabudi.ac.id,3chairulrizal@dosen.pancabudi.ac.id,
4masay.ram@gmail.com, 5irwan04@dosen.pancabudi.ac.id Email Koresponding: muhammadzen@dosen.pancabudi.ac.id Submitted 21-11-2022; Accepted 29-12-2022; Published 30-12-2022
Abstrak
Kegiatan study tour adalah sebagai sarana belajar sambil rekreasi pengajar, siswa dan pengurus kursus. Perjalanan rekreasi sambil belajar ini diadakan setiap tahunnya dan membutuhkan persiapan yang baik. Untuk siswa yang ingin mengikuti study tour dilakukan tahap penyeleksian. Pada penelitian ini penyeleksian menggunakan sistem pendukung keputusan metode TOPSIS (Technique For Others Reference by Similarity to Ideal Solution). Metode ini terdiri dari beberapa langkah yang mudah untuk diimplementasikan.
Pada metode ini, tidak ada perhitungan khusus untuk bobot. Bobot ditentukan berdasarkan analisis semua pihak yang berperan dalam mengembangkan sistem. Sistem ini diharapkan mampu menyeleksi siswa dengan baik melalui atribut-atribut yang digunakan yaitu prestasi, kesehatan, berkas dan kemampuan anggaran. Beberapa penilaian dilakukan dengan wawancara yang dilakukan oleh admin kursus. Data tersebut kemudian diproses sebagai input sistem pendukung keputusan. Sistem dikembangkan menggunakan bahasa pemrograman PHP dan database Mysql. Beberapa fitur atau menu yang terdapat di dalamnya adalah home, data alternatif, penilaian, rangking dan bobot. Fitur tersebut di desain agar sistem mudah untuk digunakan. Penelitian ini menghasilkan sistem seleksi yang mempermudah pengurus untuk menentukan siswa yang ikut study tour. Sistem pendukung keputusan mempermudah pendataan siswa dan perhitungan metode topsis. Nilai setiap kriteria dapat dihitung dengan cepat oleh sistem. Bobot yang digunakan dapat diubah melalui sistem. Rekomendasi siswa ikut study tour terlihat di menu perangkingan pada sistem secara terurut. Sistem dapat digunakan setiap tahunnya dalam menyeleksi siswa study tour.
Kata Kunci: SPK; Topsis; Berbasis Web; Seleksi; Siswa
Abstract
Study tour activities are as a means of learning while recreation for teachers, students and course administrators. This recreational trip while studying is held every year and requires good preparation. For students who wish to take part in the study tour, a selection stage is carried out. In this study, the selection used a decision support system using the TOPSIS method (Technique For Others Reference by Similarity to Ideal Solution). This method consists of several steps that are easy to implement. In this method, there is no special calculation for weights. The weight is determined based on the analysis of all parties involved in developing the system. This system is expected to be able to select students properly through the attributes used, namely achievement, health, files and budget capabilities.
Some assessments are carried out by interviews conducted by the course admin. The data is then processed as input to a decision support system. The system was developed using the PHP programming language and MySQL database. Some of the features or menus contained in it are home, alternative data, ratings, rankings and weights. These features are designed so that the system is easy to use.
This research resulted in a selection system that makes it easier for administrators to determine students who take part in the study tour.
Decision support systems simplify student data collection and topsis method calculations. The value of each criterion can be calculated quickly by the system. The weight used can be changed through the system. Recommendations for students to take part in the study tour can be seen in the ranking menu in the system in order. The system can be used annually in selecting study tour students.
Keywords: DSS; Topsis; Web; Selection; Students
1. PENDAHULUAN
Kegiatan study tour adalah sarana belajar sambil rekreasi pengajar, siswa dan pengurus lembaga kursus. LKP Karya Prima mengadakan perjalanan rekreasi sambil belajar ini setiap tahunnya dan membutuhkan persiapan yang baik. Siswa yang ingin mengikuti study tour akan diseleksi. Siswa yang memenuhi syarat akan mengikuti kegiatan tersebut. Kegiatan study tour ini akan terus berulang setiap tahunnya, proses seleksi yang sama terus dilakukan. Oleh karena itu, Sebuah sistem pendukung keputusan dapat memudahkan pengelola kursus melakukan seleksi siswa tersebut.
Sistem pendukung keputusan adalah bagian dari sistem informasi berbasis komputer [1] yang merupakan sistem berbasis pengetahuan untuk mendukung pengambilan keputusan. Dalam meningkatkan produktifitas dan daya saing, sistem pendukung keputusan banyak digunakan di perusahaan-perusahaan. Komputer adalah alat yang mampu membantu beberapa pekerjaan menjadi lebih cepat. Sedangkan metode adalah cara untuk mendapatkan suatu hasil yang baik dan akurat[2].
Ada banyak metode yang bisa digunakan untuk pendukung keputusan salah satunya metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). TOPSIS adalah salah satu metode pengambilan keputusan multikriteria atau alternatif pilihan yang merupakan alternatif yang mempunyai jarak terkecil dari solusi ideal positif dan jarak terbesar dari solusi ideal negatif dari sudut pandang geometris dengan menggunakan jarak Euclidean [3]. Metode TOPSIS dikenal mampu menyelesaikan masalah dalam pengembilan keputusan seperti penerimaan pegawai [4], penggajian [5], dan berbagai keputusan untuk menemukan solusi [6]. Oleh karena itu, metode TOPSIS diharapkan mampu
memberi keputusan yang baik untuk pemilihan siswa dalam kegiatan study tour. Penelitian sebelumnya menggunakan metode AHP dengan judul “Sistem Pendukung Keputusan Pemilihan Pengajar Les Privat Untuk Siswa Lembaga Bimbingan Belajar Dengan Metode Ahp (Studi Kasus Lbb System Cerdas)” [7]. Metode AHP merupakan hirarki fungsional yang input utamanya adalah persepsi manusia [8] sedangkan pada penelitian ini menggunakan metode Topsis.
Metode TOPSIS memiliki input dari penilaian yang lebih objektif.
Kriteria yang digunakan untuk melakukan seleksi siswa adalah prestasi, riwayat kesehatan, berkas, dan kemampuan anggaran. Prestasi diambil dari data nilai siswa. Riwayat kesehatan diambil dari proses wawancara dengan siswa. Berkas adalah kelengkapan berkas untuk mengurus perjalanan. Kemampuan anggaran adalah uang saku siswa dalam perjalanan study tour. Kriteria prestasi adalah jenis kriteria keuntungan. Kriteria riwayat kesehatan adalah jenis kriteria biaya, karena semaik banyak riwayat penyakit semakin tidak baik. Kriteria berkas dan kemampuan anggaran adalah jenis kriteria keuntungan.
LKP Karya Prima Kursus selalu memberangkatkan siswanya untuk study tour bersama pengajar dan staff. Tidak semua siswa berkesempatan untuk mengikuti kegiatan ini, hanya siswa yang terpilih yang dapat ikut secara gratis biaya perjalanan. Harapannya sistem pendukung keputusan ini dapat membantu pihak kursus dalam meningkatkan pelayanan pada siswa sekaligus membantu pekerjaan pihak kursus, sehingga kursus dapat berkembang dengan pesat sesuai visi dan misi kursus tersebut.
2. METODOLOGI PENELITIAN
2.1 Metodologi Penelitian
Proses penelitian ini melalui lima tahapan, yaitu identifikasi masalah, mempelajari literatur, pengumpulan data, analisis data, perancangan sistem, pengujian dan implementasi sistem. Tahapan-tapan tersebut dapat dilihat pada Gambar 1.
Gambar 1. Metodologi Penelitian Berikut ini penjelasan dari gambar kerangka penelitian di atas:
a. Identifikasi Masalah
Identifikasi masalah adalah tahap awal dari penelitian ini. Dengan melakukan kajian lapangan dan menerangkannya dalam latar belakang.
b. Mempelajari Literatur
Pada tahap ini mempelajari teori-teori berkenaan dengan sistem pendukung keputusan, perancangan sistem maupun metode TOPSIS.
c. Pengumpulan Data
Data-data yang diperlukan adalah data yang ada di LKP Karya Prima Kursus yang mana datanya di ambil adalah data manual.
d. Analisis Data
Pada tahap adalah pengolahan data yang di dapat dari hasil obervasi. Data dianalisis untuk mendapatkan kriteria sistem pendukung keputusan yang sesuai dengan penelitian.
e. Perancangan Sistem
Pada tahap ini dilakukan perancangan sistem melalui pendekatan use case diagram. Tahapan lanjutan dari perancangan sistem ini adalah pembuatan program. Pembuatan kode program menggunakan metode TOPSIS di dalamnya.
f. Pengujian Dan Implementasi Sistem
Pada tahap ini dikakukan pengujian terhadapa aplikasi dan sekaligus perbaikannya. Tahap implementasi adalah tahap penginstalan sistem pada lingkungan sebenarnya.
2.2 Sistem Pendukung Keputusan
Identifikasi Masalah Mempelajari Literatur
Pengumpulan Data Analisis Data
Perancangan Sistem / Penerapan TOPSIS
Pengujian dan Implementasi Sistem
Sistem pendukung keputusan adalah bagian dari sistem informasi [11] untuk penyelesaian masalah semi terstuktur.
Tujuan dari sistem pendukung keputusan bukanlah mengambil alih peran pengambil keputusan. Melainkan menawarkan solusi terbaik atas masalah semi terstruktur [10].
2.3 Website
Website adalah halaman-halaman yang menyediakan informasi [12] dan dapat diakses dimana saja menggunakan jaringan internet. Web dinamis dapat dengan mudah mengubah isi dari halaman menggunakan fitur tertentu.
2.4 Metode Topsis
Metode TOPSIS didasarkan pada konsepbahwa alternatif terpilih yang terbaik tidak hanyamemiliki jarak terpendek dari solusi ideal positif tetapi juga memiliki jarak terpanjang dari solusi ideal negatif [14] - [15].
a. Menentukan Matriks Ternormalisasi (R) [16].
𝑟𝑖𝑗 = 𝑋𝑖𝑗
√∑𝑚𝑖=1𝑋𝑖𝑗2
(1) b. Menentukan Matriks Ternormalisasi Terbobot (Y) [17].
𝑌𝑖𝑗 = 𝑊𝑖. 𝑟𝑖𝑗 (2)
c. Menentukan Matriks Ideal Positif (A+) [18].
𝐴+= (𝑦1+, 𝑦2+, … , 𝑦𝑛+)` (3)
d. Menentukan Matriks Ideal Negatif (A-) [19].
𝐴−= (𝑦1−, 𝑦2−, … , 𝑦𝑛−) (4)
e. Menentukan jarak antara nilai terbobot setiap alternatif terhadap solusi ideal positif (D+) [20].
𝐷𝑖+= √∑𝑛𝑗=1(𝑦𝑖+− 𝑦𝑖𝑗)2 (5)
f. Menentukan jarak antara nilai terbobot setiap alternatif terhadap solusi ideal positif (D-) [21].
𝐷𝑖−
= √∑𝑛𝑗=1(𝑦𝑖𝑗− 𝑦𝑖−)2 (6)
g. Menentukan nilai preferensi untuk setiap alternatif [22].
𝑉𝑖= 𝐷𝑖−
𝐷𝑖−+𝐷𝑖+ (7)
3. HASIL DAN PEMBAHASAN
3.1 Identifikasi Masalah
Kegiatan study tour adalah kegiatan rutin yang dilakukan setiap tahun. Kegiatan tersebut harus dipersiapkan dengan baik agar tidak terjadi hal yang tidak diinginkan. LKP Karya Prima Kursus melakukan seleksi bagi siswanya yang ingin mengikuti kegiatan tersebut. Seleksi tersebut menggunkan penilaian yang sifatnya subjektif. Maka perlu dikembangkan sebuah sistem pendukung keputusan yang lebih objektif dalam melakukan seleksi.
3.2 Analisis Data
Pengumpulan data dan analisis data dilakukan bersama pihak kursur. Dari hasil observasi dilapangan didapatkan kriteria yang disepakati dalam pengambilan keputusan ini:
a. Prestasi (Benefit) C1
b. Riwayat Kesehatan (Cost) C2 c. Berkas (Benefit) C3
d. Kemampuan Anggaran (Benefit) C4
Prestasi diambil dari nilai yang diberikan pengajar. Sedangkan riwayat kesehatan akan diambil dari wawancara, begitu juga dengan berkas dan kemampuan anggaran. Berkas yang dimaksud adalah berkas yang diperlukan untuk pengurusan perkajalanan. Sedangkan kemampuan anggaran adalah biaya yang mampu dianggarkan untuk perjalanan.
Pada kriteria riwayat kesehatan, semakin banyak riwayat penyakit maka semakin tidak baik.
3.3 Langkah-Langkah Metode Topsis
Persiapan sebelum menghitung metode topsis yaitu menyiapkan data hasil penilaian dan memutuskan bobot yang digunakan.
Tabel 1. Penilaian Alternatif
No. Nama Prestasi (C1) Riwayat Kesehatan (C2) Berkas (C3) Kemampuan Anggaran (C4)
1 A1 80 1 2 5000000
2 A2 70 2 2 1000000
3 A3 60 4 3 3000000
4 A4 70 3 5 4000000
5 A5 80 5 5 1000000
Pada Tabel 1 di atas dapat dilihat data siswa yang akan diuji menggunakan metode topsis. Siswa pertama (A1) mendapat nila 80 pada kriteria prestasi (C1), nilai 1 pada kriteria riwayat kesehatan, nilai 2 pada kriteria berkas, dan nilai 5000000 pada kriteria kemampuan anggaran. Bobot setiap kriteria yang digunakan pada penelitian ini sebagai berikut:
C1=4 C2=3 C3=5 C4=5
Nilai bobot ditotalkan sehingga nilai yang dihasilkan adalah 17. Langkah selanjutnya adalah proses normalisasi bobot. Proses normalisasi bobot adalah proses membagi bobot dengan nilai total keseluruhan bobot. Setelah dilakukan normalisasi bobot maka hasil bobot seperti berikut:
C1=4/17=0,24 C2=3/17=0,18 C3=5/17=0,29 C4=5/17=0,29
3.3.1 Menentukan Matriks Ternormalisasi (R)
Untuk mencari nilai matriks ternormalisasi maka rumus yang digunakan adalah 𝑟𝑖𝑗 = 𝑋𝑖𝑗
√∑𝑚𝑖=1𝑋𝑖𝑗2
. Berikut ini hasil penerapan rumus di atas.
Tabel 2. Matriks Ternormalisasi No. Nama C1 C2 C3 C4 1 A1 0,49 0,13 0,24 0,69 2 A2 0,43 0,27 0,24 0,14 3 A3 0,37 0,54 0,37 0,42 4 A4 0,43 0,40 0,61 0,55 5 A5 0,49 0,67 0,61 0,14 3.3.2 Menentukan Matriks Ternormalisasi Terbobot (Y)
Untuk mendapatkan matriks ternormalisasi terbobot, maka rumus yang digunakan 𝑌𝑖𝑗 = 𝑊𝑖. 𝑟𝑖𝑗. Berikut ini hasil penerapan rumus di atas.
Tabel 3. Matriks Ternormalisasi Terbobot No. Nama C1 C2 C3 C4 1 A1 0,12 0,02 0,07 0,20 2 A2 0,10 0,05 0,07 0,04 3 A3 0,09 0,10 0,11 0,12 4 A4 0,10 0,07 0,18 0,16 5 A5 0,12 0,12 0,18 0,04 3.3.3 Menentukan Matriks Ideal Positif (A+)
Matriks ideal positip terdiri dari 𝐴+= (𝑦1+, 𝑦2+, … , 𝑦𝑛+) . Berikut ini adalah hasil yang didapat untuk matriks ideal positif.
Tabel 4.Matriks Ideal Positif
C1 (benefit) C2 (cost) C3 (benefit) C4 (benefit)
A+ 0,12 0,02 0,18 0,20
Pada Tabel 4 dapat dilihat nilai matriks ideal positif. Matriks ideal positif diambil dari nilai maksimum kriteria (untuk kriteria benefit). Sedangkan untuk kriteria berjenis cost diambil dari nilai minimum.
3.3.4 Menentukan Matriks Ideal Negatif (A-)
Matriks ideal negatif terdiri dari 𝐴−= (𝑦1−, 𝑦2−, … , 𝑦𝑛−) .. Berikut ini adalah hasil yang didapat untuk matriks ideal negatif.
Tabel 5. Matriks Ideal Negatif
C1 (benefit) C2 (cost)
C3 (benefit)
C4 (benefit) A- 0,09 0,12 0,07 0,04
Pada Tabel 5 dapat dilihat nilai matriks ideal negatif. Matriks ideal negatif diambil dari nilai minimum kriteria (untuk kriteria benefit). Sedangkan untuk kriteria berjenis cost diambil dari nilai maksimum.
3.3.5 Menentukan Jarak Antara Nilai Terbobot Setiap Alternatif Terhadap Solusi Ideal Positif (D+)
Untuk mendapatkan jarak nilai terbobot dengan solusi ideal positif maka digunakan rumus 𝐷𝑖+
= √∑𝑛𝑗=1(𝑦𝑖+− 𝑦𝑖𝑗)2 . Berikut ini hasil penerapan rumus tersebut.
Tabel 6. Jarak Antara Nilai Terbobot Setiap Alternatif Terhadap Solusi Ideal Positif No. Nama D+
1 A1 0,11 2 A2 0,20 3 A3 0,13 4 A4 0,06 5 A5 0,19
Pada Tabel 6 dapat dilihat jarak antara nilai terbobot setiap alternatif terhadap solusi ideal positif. Pada cell D+
baris 1 nilai yang diperoleh adalah 0,11 yang didapatkan dari
√(0,12 − 0,12)2+ (0,02 − 0,02)2+ (0,18 − 0,07)2+ (0,20 − 0,20)2. Begitu seterusnya untuk mencari nilai-nilai cell lainnya.
√(0,12 − 0,12)2+ (0,02 − 0,02)2+ (0,18 − 0,07)2+ (0,20 − 0,20)2= 0,11
√(0,12 − 0,10)2+ (0,02 − 0,05)2+ (0,18 − 0,07)2+ (0,20 − 0,04)2 = 0,20
√(0,12 − 0,09)2+ (0,02 − 0,10)2+ (0,18 − 0,11)2+ (0,20 − 0,12)2 = 0,13
√(0,12 − 0,10)2+ (0,02 − 0,07)2+ (0,18 − 0,18)2+ (0,20 − 0,16)2 = 0,06
√(0,12 − 0,12)2+ (0,02 − 0,12)2+ (0,18 − 0,18)2+ (0,20 − 0,04)2 = 0,19
3.3.6 Menentukan jarak antara nilai terbobot setiap alternatif terhadap solusi ideal negatif (D-)
Untuk mendapatkan jarak nilai terbobot dengan solusi ideal negatif maka digunakan rumus 𝐷𝑖−= √∑𝑛𝑗=1(𝑦𝑖𝑗− 𝑦𝑖−)2. Berikut ini hasil penerapan rumus tersebut.
Tabel 7. Jarak Antara Nilai Terbobot Setiap Alternatif Terhadap Solusi Ideal Negatif No. Nama D-
1 A1 0,19
2 A2 0,07
3 A3 0,09
4 A4 0,17
5 A5 0,11
Pada Tabel 7 dapat dilihat jarak antara nilai terbobot setiap alternatif terhadap solusi ideal negatif. Pada cell D-
baris 1 nilai yang diperoleh adalah 0,19 yang didapatkan dari
√(0,09 − 0,12)2+ (0,12 − 0,02)2+ (0,07 − 0,07)2+ (0,04 − 0,20)2. Begitu seterusnya untuk mencari nilai-nilai cell lainnya.
√(0,09 − 0,12)2+ (0,12 − 0,02)2+ (0,07 − 0,07)2+ (0,04 − 0,20)2 = 0,19
√(0,09 − 0,10)2+ (0,12 − 0,05)2+ (0,07 − 0,07)2+ (0,04 − 0,04)2 = 0,07
√(0,09 − 0,09)2+ (0,12 − 0,10)2+ (0,07 − 0,11)2+ (0,04 − 0,12)2 = 0,09
√(0,09 − 0,10)2+ (0,12 − 0,07)2+ (0,07 − 0,18)2+ (0,04 − 0,16)2 = 0,17
√(0,09 − 0,12)2+ (0,12 − 0,12)2+ (0,07 − 0,18)2+ (0,04 − 0,04)2 = 0,11 3.3.7 Menentukan Nilai Preferensi Untuk Setiap Alternatif
Untuk mendapatkan nilai preferensi untuk setiap alternatif maka digunakan rumus 𝑉𝑖= 𝐷𝑖−
𝐷𝑖−+𝐷𝑖+. Berikut hasil penerapan rumus tersebut.
Tabel 8. Nilai Preferensi No. Nama Vi
1 A1 0,64
2 A2 0,27
3 A3 0,41
4 A4 0,73
5 A5 0,37
Pada Tabel 8 dapat dilihat nila preferensi. Pada cell Vi baris 1 nilai yang diperoleh adalah 0,64 yang didapatkan dari 0,19
0,19+0,11. Begitu seterusnya untuk mencari nilai-nilai cell lainnya.
0,19
0,19 + 0,11= 0,64 0,07
0,07 + 0,20= 0,27 0,09
0,09 + 0,13= 0,41 0,17
0,17 + 0,06= 0,73 0,11
0,11 + 0,19= 0,37
Langkah terakhir adalah mengurutkan nilai dari terbesar sampai terkecil.
Tabel 9. Hasil Perangkingan No. Nama Vi
1 A4 0.73
2 A1 0.64
3 A3 0,41
4 A5 0.37
5 A2 0.27
Pada Tabel 9 di atas dapat dilihat hasil proses seleksi siswa study tour menggunakan metode TOPSIS. Siswa ke empat mendapatakan nilai akhir paling tinggi yaitu 0.73. Posisi ke dua ditempati oleh siswa pertama dengan nilai 0.64.
Hasil tersebut dipengaruhi oleh tinggi atau rendah nilai kriteria dan juga bobot yang sudah ditentukan.
3.4 Perancangan Sistem
Perancangan sistem adalah suatu pemodelan yang menggambarkan sistem nantinya. Perancangan sistem pendukung keputusan ini menggunakan use case diagram. Use case diagram adalah pemodelan yang dapat menggambarkan kebutuhan sistem. Maka berikut ini adalah tampilan usecase diagram sistem.
Admin
Login
«uses»
Input Data Alternatif
«uses»
Input Bobot
«uses»
Proses TOPSIS dan Tampil Hasil
«uses»
Logout
«uses»
Input Nilai
«uses»
Gambar 2. Use Case Diagram Sistem
Pada Gambar 2 di atas dapat dilihat interaksi admin dengan sistem yaitu melakukan login, input data alaternatif, input nilai, input bobot, proses topsis dan tampil hasil dan terakhir logout.
3.5 Implementasi Sistem
Implementasi sistem adalah kelanjutan dari perancangan sistem yaitu pembuatan kode program, pemasangan sistem sampai dengan penggunaan sistem. Pembuatan kode program adalah penyesuaian antara perancangan sistem dengan hasil analisis data. Pemasangan dan penggunaan sistem merupakan tahap terakhir dari pengujian sistem yang melibatkan pengguna.
3.5.1 Tampilan Halaman Home
Halaman home adalah halaman yang tampil pertama kali ketika admin berhasil login. Pada halaman utama terdapan menu-menu yang dapat diakses seperti: menu home, data alternatif, penilaian, rangking, bobot dan logout. Berikut ini halaman utama tersebut.
Gambar 3. Halaman Home
Pada gambar 3 di atas terlihat halaman home. Halaman home berfungsi menampilkan informasi singkat berupa gambar perjalanan study tour.
3.5.2 Tampilan Halaman Data Alternatif
Halaman data alternatif ini fungsinya untuk mencatat data alternatif/siswa yang melalui tahap seleksi. Data yang dicatat disimpan di tabel alternatif adalah nama, alamat, dan nomor telepon. Berikut ini tampilan halaman data alternatif tersebut.
Gambar 4. Halaman Data Alternatif
Pada Gambar 4 di atas dapat dilihat halaman data alternatif. Pengguna atau admin dapat menambah data baru, mengubah atau menghapus data yang sudah ada.
3.5.3 Tampilan Halaman Penilaian
Halaman ini fungsinya untuk sebagai tempat menginput nilai alaternatif. Halaman ini merupakan kelanjutan proses dari halaman data alternatif. Nilai yang diinputkan berupa nilai kriteria prestasi, riwayat kesehatan, berkas, dan kemampuan anggaran. Berikut ini tampilan halaman tersebut.
Gambar 5. Halaman Penilaian
Pada Gambar 5 di atas, halaman penilaian berisi form yang yang sudah terisi. Nilai-nilai yang masih kosong dapat diinput dihalaman ini dan sistem akan menambahkan datanya. Sedangkan yang sudah ada akan disimpan perubahannya.
Ketika tombol simpan ditekan maka data yang belum ada akan ditambahkan sedangkan yang sudah ada akan di update.
Selanjutnya akan tampil pesan berhasil diperbarui.
3.5.4 Tampilan Halaman Bobot
Halaman ini fungsinya untuk sebagai tempat mengubah nilai bobot. Bobot yang diinputkan berupa bobot prestasi sebagai w1, bobot riwayat kesehatan sebagai w2, bobot berkas sebagai w3, dan bobot kemampuan anggaran sebagai w4. Berikut ini tampilan halaman tersebut.
Gambar 6. Halaman Bobot
Pada Gambar 6 di atas adalah tampilan halaman bobot. Halaman bobot berfungsi untuk mengubah nilai bobot jika diperlukan.
3.5.5 Tampilan Halaman Rangking
Halaman ini fungsinya untuk melihat hasil perangkingan alternatif. Metode topsis di implementasikan pada halaman ini.
Berikut ini tampilan halaman tersebut.
Gambar 7. Halaman Rangking
Pada gambar 7 di atas adalah tampilan halaman rangking. Implementasi metode TOPSIS terletak pada halaman ini. Tombol proses berfungsi untuk menghitung ulang metode TOPSIS dan memperbarui skor. Setiap data alternatif baru dan nilainya ditambahkan maka proses perbarui harus dilakukan.
4. KESIMPULAN
Berdasarkan hasil penelitian dan pembahasan, maka dapat ditarik beberapa kesimpulan. Hasil pengujian menunjukkan siswa ke empat mendapatkan nilai tertinggi, kemudian disusul siswa pertama. Siswa yang mendapat nilai tertinggi merupakan siswa yang direkomendasikan untuk mengikuti kegiatan study tour. Jumlah siswa yang terpilih memungkinkan lebih dari satu berdasarkan urutan dari tertinggi. Delapan proses pada metode TOPSIS yang dihitung secara manual sesuai dengan perhitungan pada aplikasi. Metode TOPSIS berhasil menyeleksi calon siswa study tour menggunakan empat kriteria yaitu: prestasi, riwayat kesehatan, berkas, dan kemampuan anggaran. Nilai bobot yang diinputkan ke dalam sistem saat ini adalah 4 untuk kriteria prestasi, 3 untuk kriteria riwayat kesehatan, 5 untuk kriteria berkas, dan 5 untuk kriteria kemampuan anggaran. Sistem pendukung keputusan memberikan fasilitas untuk mengubah nilai bobot kriteria. Fitur input data alternatif, bobot maupun nilai sudah berfungsi dengan baik. Nilai bobot kriteria sangat mempengaruhi nilai akhir dari perangkingan sehingga perlu pertimbangan semua pihak dalam penetapan nilai bobot.
REFERENCES
[1] S. Barus, V. M. Sitorus, D. Napitupulu, M. Mesran, and S. Supiyandi, “Sistem Pendukung Keputusan Pengangkatan Guru Tetap Menerapkan Metode Weight Aggregated Sum Product Assesment (WASPAS),” J. Media Inform. Budidarma, vol. 2, no. 2, pp.
10–15, 2018, doi: 10.30865/mib.v2i2.594.
[2] S. Supiyandi, R. N. Fuad, and ..., “Sistem Pendukung Keputusan Pemberian Kredit Koperasi Menggunakan Metode Weighted Product,” J. Media …, vol. 4, pp. 1132–1139, 2020, doi: 10.30865/mib.v4i4.2367.
[3] I. Muzakkir, “Penerapan Metode Topsis Untuk Sistem Pendukung Keputusan Penentuan Keluarga Miskin Pada Desa Panca Karsa Ii,” Ilk. J. Ilm., vol. 9, no. 3, pp. 274–281, 2017, doi: 10.33096/ilkom.v9i3.156.274-281.
[4] S. Sriani and R. A. Putri, “Analisa sistem pendukung keputusan menggunakan metode topsis untuk sistem penerimaan pegawai pada sma al washliyah tanjung morawa,” Algoritm. J. ILMU Komput. DAN Inform., vol. 2, no. 1, 2018.
[5] A. Surahman and N. Nursadi, “Sistem Pendukung Keputusan Kenaikan Gaji Karyawan Dengan Metode Topsis Berbasis Web,”
JTKSI (Jurnal Teknol. Komput. Dan Sist. Informasi), vol. 2, no. 3, pp. 82–87, 2019.
[6] M. Irfan, R. M. Elavarasan, M. Ahmad, M. Mohsin, V. Dagar, and Y. Hao, “Prioritizing and overcoming biomass energy barriers:
Application of AHP and G-TOPSIS approaches,” Technol. Forecast. Soc. Change, vol. 177, p. 121524, 2022.
[7] L. Kristiyanti, A. Sugiharto, and H. A. Wibawa, “Sistem Pendukung Keputusan Pemilihan Pengajar Les Privat Untuk Siswa Lembaga Bimbingan Belajar Dengan Metode Ahp (Studi Kasus Lbb System Cerdas),” J. Masy. Inform., vol. 4, no. 7, pp. 39–
47, 2013, doi: 10.14710/jmasif.4.7.39-47.
[8] G. S. Mahendra and K. Y. Ernanda Aryanto, “SPK Penentuan Lokasi ATM Menggunakan Metode AHP dan SAW,” J. Nas.
Teknol. dan Sist. Inf., vol. 5, no. 1, pp. 49–56, 2019, doi: 10.25077/teknosi.v5i1.2019.49-56.
[9] M. Hasbiyalloh and D. A. Jakaria, “Aplikasi Penjualan Barang Perlengkapan Handphone di Zildan Cell Singaparna Kabupaten Tasikmalaya,” Jumantaka, vol. 1, no. 1, pp. 61–70, 2018, [Online]. Available: http://jurnal.stmik-dci.ac.id/index.php/jumantaka/
[10] Sutiyono and Santi, “MEMBANGUN SISTEM INFORMASI PENDAFTARAN SISWA BARU BERBASIS WEB DENGAN METODE MDD (MODEL DRIVEN DEVELOPMENT) DI RAUDHATUL ATHFAL NAHJUSSALAM,” vol. 3, no. 1, pp. 30–
52, 2020.
[11] Awaliah Nur Ajny, “Sistem Pendukung Keputusan Pemilihan Lipstik Dengan Analytical Hierracy Process,” vol. 2, no. 3, pp. 1–
13, 2020.
[12] A. Prayitno and Y. Safitri, “Pemanfaatan Sistem Informasi Perpustakaan Digital Berbasis Website Untuk Para Penulis,” Adv.
Mater. Res., vol. 756–759, no. 1, pp. 138–140, 2013, doi: 10.4028/www.scientific.net/AMR.756-759.138.
[13] S. Kurniawan, T. Bayu, “Perancangan Sistem Aplikasi Pemesanan Makanan dan Minuman Pada Cafetaria NO Caffe di TAnjung Balai Karimun Menggunakan Bahasa Pemrograman PHP dan My.SQL,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2020.
[14] Mesran, E. P. Sumantri, Supriyanto, S. H. Sahir, and N. K. Daulay, “Implementation of Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) in Recommendations for New Position in Companies,” Int. J. Inf. Syst. Technol., vol. 4, no. 2, pp. 661–669, 2021.
[15] Sriani and R. A. Putri, “Analisa Sistem Pendukung Keputusan Mengunakan Metode TOPSIS Untuk Sistem Penerimaan Pegawai Pada SMA Al Washliyah Tanjung Morawa,” J. Ilmu Komput. dan Inform., vol. 02, no. April, pp. 40–46, 2018, [Online].
Available: http://jurnal.uinsu.ac.id/index.php/algoritma/article/view/1614/0
[16] Y. Zai, B. Nadeak, and I. Saputra, “PENERAPAN TECHNIQUE FOR ORDERS PREFERENCE BY SIMILARITY TO IDEAL SOLUTION ( TOPSIS ) UNTUK KEPUTUSAN PEMBERIAN KREDIT PADA CALON NASABAH ( Studi Kasus : PT . SS Finance ),” Media Inform. Budidarma, vol. 1, no. 1, pp. 1–7, 2017.
[17] A. Muljadi, A. Khumaidi, and N. L. Chusna, “Implementasi Metode TOPSIS Untuk Menentukan Karyawan Terbaik Berbasis Web Pada PT . Mun Hean Indonesia,” J. Ilm. Merpati, vol. 8, no. 2, pp. 101–112, 2020.
[18] F. S. Hutagalung, H. Mawengkang, and S. Efendi, “Kombinasi Simple Multy Attribute Rating (SMART) dan Technique For Order Preference by Similarity To Ideal Solution (TOPSIS) dalam Menentukan Kualitas Varietas Padi,” InfoTekJar (Jurnal Nas.
Inform. dan Teknol. Jaringan), vol. 3, no. 2, pp. 109–115, 2019, doi: 10.30743/infotekjar.v3i2.1018.
[19] P. A. W. Santiary, P. I. Ciptayani, N. G. A. P. H. Saptarini, and I. K. Swardika, “Jurnal Pengertian Topsis,” vol. 5, no. 5, pp.
621–628, 2018, doi: 10.25126/jtiik2018551120.
[20] A. A. Chamid, “Penerapan Metode Topsis Untuk Menentukan Prioritas Kondisi Rumah,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 7, no. 2, p. 537, 2016, doi: 10.24176/simet.v7i2.765.
[21] T. Kristina, “Sistem Pendukung Keputusan Dengan Menggunakan Metode TOPSIS Untuk Pemilihan Lokasi Pendirian Grosir Pulsa,” Paradigma, vol. 20, no. 1, pp. 8–12, 2018.
[22] B. A. Benning, I. F. Astuti, and D. M. Khairina, “Sistem Pendukung Keputusan Pembelian Perangkat Komputer Dengan Metode Topsis (Studi Kasus: Cv. Triad),” Inform. Mulawarman J. Ilm. Ilmu Komput., vol. 10, no. 2, p. 1, 2015, doi:
10.30872/jim.v10i2.183.
