Sistem
Penunjang Keputusan Penerimaan Beasiswa
Menggunakan
Metode Analytical Hierarchy Process
(studi
Kasus Penerimaan Beasiswa di SMAN 2 Metro)
1.
Pendahuluan
Proses
seleksi siapakah yang berhak menerima beasiswa pada SMAN 2 Metro masih mengalami kendala pada proses hasil pengambilan keputusan. Hal ini
dikarenakan belum ada metode yang objektif untuk memutuskan dengan cepat, berdasarkan data yang ada siapa saja
yang berhak menerima beasiswa tersebut. Untuk itu maka penelitian ini mencoba mengggunakan metode Analytical
Hierarcy Process (AHP). Metode Analytical Hierarchy Process adalah salah satu metode yang digunakan untuk penyelesaian
sistem pengambilan keputusan. Ada 2 mekanisme yang digunakan dalam penghitungan AHP di antaranya
menggunakan metode konvensional (manual), baik itu menggunakan normalisasi ataupun tidak, dan menggunakan perangkat
lunak, seperti expert choice. Penelitian ini akan membahas penghitungan AHP secara manual dan menggunakan expert
choice, untuk mendapatkan hasil keputusan yang konsisten (inconsistency = 0,00). Kesalahan biasanya terjadi pada
penentuan bobot dan proses membandingkan secara berpasangan. Perbandingan
berpasangan
yang tidak benar akan menghasilkan keputusan yang tidak konsisten. Metodologi
yang digunakan adalah tinjauan pustaka
dan pengolahan data.
2.
Landasan Teori
2.1
Konsep Sistem Pendukung Keputusan
Menurut
Mat dan Watson, Sistem Penunjang Keputusan (SPK) merupakan suatu sistem
interaktif yang membantu pengambilan
keputusan melalui penggunaan data dan model-model keputusan untuk memecahkan
masalah-masalah yang sifatnya semi
terstruktur dan tidak terstruktur. Sedangkan menurut Moore dan Chang, SPK
adalah sistem yang dapat dikembangkan,
mampu mendukung analisis data dan pemodelan keputusan, berorientasi pada
perencanaan masa mendatang, serta tidak bisa direncanakan
interval (periode) waktu pemakaiannya. Bonezek, Hosapple dan Whinston mendefinisikan SPK sebagai suatu sistem
yang berbasiskan komputer yang terdiri dari 3 komponen yang berinteraksi satu dengan yang lainnya, yaitu:
- Language system, adalah suatu mekanisme untuk menjembatani (interface) pemakai dan komponen lainnya.
- Knowledge system, adalah repositori pengetahuan yang berhubungan dengan masalah tertentu baik berupa data maupun prosedur.
- Problem processing system, adalah sebagai penghubung kedua komponen lainnya, berisi satu atau beberapa kemampuan manipulasi atau menyediakan masalah secara umum, yang diperlukan dalam pengambilan keputusan.
2.1.1
Karakteristik Sistem Pendukung Keputusan
Karakteristik
dari Sistem Pendukung Keputusan yang membedakan dari sistem informasi lainnya
adalah:
- SPK dirancang untuk membantu pengambil keputusan dalam memecahkan masalah yang sifatnya semi terstruktur ataupun tidak terstruktur.
- Dalam proses pengolahannya, SPK mengkombinasikan penggunaan model-model/teknik-teknik analisis dengan teknik pemasukan data konvensional serta fungsi-fungsi pencari/interogasi informasi.
- SPK dirancang sedemikian rupa sehingga dapat digunakan/dioperasikan dengan mudah oleh orang-orang yang tidak memiliki dasar kemampuan pengoperasian komputer yang tinggi. Oleh karena itu pendekatan yang digunakan biasanya model interaktif.
- SPK dirancang dengan menekankan pada aspek fleksibilitas serta kemampuan adaptasi yang tinggi. Sehingga mudah disesuaikan dengan berbagai perubahan lingkungan yang terjadi dan kebutuhan pemakai.
2.1.2
Keuntungan dan Keterbatasan Sisrem Pendukung Keputusan
Sistem
pendukung keputusan dapat memberikan berbagai manfaat atau keuntungan bagi
pemakainya, antara lain:
- Memperluas kemampuan pengambilan keputusan dalam memproses data/informasi bagi pemakainya.
- Membantu pengambilan keputusan dalam hal penghematan waktu yang dibutuhkan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur.
- Dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.
- Walaupun suatu Sistem Pendukung Keputusan, mungkin saja tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan, namun dapat menjadi stimulan bagi pengambil keputusan dalam memahami persoalannya, karena sistem pendukung keputusan mampu menyajikan berbagai alternatif.
- Dapat menyediakan bukti tambahan untuk memberikan bukti tambahan untuk memberikan pembenaran sehingga posisi pengambil keputusan.
2.1.3
Komponen-komponen Sistem Pendukung Keputusan
Efraim
Turban, dalam bukunya Decision support system and Intelligent System,
Aplikasi Sistem Pendukung Keputusan bisa
dikomposisikan dengan subsistem berikut ini:
Gambar
1. Komponen SPK
2.1.4
AHP (Analytical Hierarchy Process)
Menurut
Turban, Analytic Hierarchy Process (AHP) yang dikembangkan oleh Thomas
L. Saaty berguna membantu pengambil
keputusan untuk mendapat keputusan terbaik dengan membandingkan faktor-faktor
yang berupa kriteria. AHP memungkinkan
pengambil keputusan untuk menghadapi faktor yang nyata dan faktor yang tidak
nyata. Dengan AHP,
seseorang
dapat mengatur pendapat dan intuisi dengan cara logika menggunakan hierarki dan
memasukkan penilaian berdasarkan
pengertian dan pengalaman. Pendekatan ini dapat menerima faktor ketidakpastian
dan mengijinkan perubahan sehingga individu dan kelompok
bisa menghadapi semua persoalan. Jawaban yang dihasilkan dapat dites untuk sensitivitas merubah penilaian.
Masalah dipecahkan menjadi unsur-unsur pokok yang lebih kecil sehingga pembuat keputusan hanya membuat penilaian
perbandingan yang lebih sederhana melalui hierarki untuk sampai kepada seluruh prioritas alternatif tindakan.
3.
Implementasi Sistem
3.1
Mendefinisikan Masalah dan Solusi Yang Diinginkan
Masalah
yang muncul adalah bagaimana memutuskan untuk memilih siswa yang akan mendapat
beasiswa yang sesuai dengan syarat
dan prioritas yang telah ditetapkan oleh pemegang keputusan, dalam hal ini
adalah pihak sekolah. Solusi yang
diinginkan adalah menetapkan siswa penerima beasiswa yang sesuai dengan
kriteria syarat dan prioritas yang telah ditetapkan.
3.2
Pengelompokan Kriteria-Kriteria Menjadi Sebuah Hirarki
Kriteria-
kriteria yang mempengaruhi di dalam pengambilan keputusan dikelompokkan ke
dalam 3 kriteria, di antaranya prestasi
siswa, faktor ekonomi orang tua, dan faktor inklusi. Masing-masing kriteria
digambarkan dalam hirarki di bawah ini:
Gambar
2. Hirarki Kriteria
3.3 Menentukan Skala Untuk Perhitungan Bobot
Kriteria
Untuk
menghitung bobot dari masing-masing kriteria, sistem akan meminta input dari
pengguna mengenai intensitas kepentingan
dari kriteria-kriteria yang dibagi menjadi 3 kriteria, yaitu: kriteria
prestasi, kriteria ekonomi, dan kriteria inklusi.
Berikut ini adalah ukuran yang ditetapkan untuk menilai suatu kriteria:
Tabel
1. Bobot Kriteria
|
Parameter
|
Ukuran
Nilai
|
|
Sangat
penting
|
5
|
|
Penting
|
3
|
|
Cukup
Penting
|
2
|
|
Kurang
Penting
|
1
|
Sumber:
Data hasil pengolahan
3.4 Menentukan skala untuk data per calon
Berikut
ini adalah aturan penilaian yang akan diberikan untuk menghitung nilai dari
masing-masing calon:
1.
Prestasi
Tabel
2. Paramater Ukuran Berdasarkan Prestasi
|
Parameter
|
Ukuran
Nilai
|
|
Tidak
berprestasi
|
1
|
|
Berprestasi
tingkat sekolah
|
2
|
|
Berprestasi
tingkat kota
|
3
|
|
Berprestasi
tingkat provinsi
|
4
|
|
Berprestasi
tingkat nasional
|
5
|
Sumber:
Data hasil pengolahan
2.
Ekonomi
Tabel
3. Paramater Ukuran Berdasarkan Ekonomi
|
Parameter
|
Ukuran
Nilai
|
|
Mampu:
Penghasilan orang tua >= Rp.1juta
|
1
|
|
Tidak Mampu:
Penghasilan orang tua Rp. 500 ribu-1juta
|
3
|
|
Sangat
Tidak Mampu: Penghasilan orang tua < 500 ribu
|
5
|
Sumber:
Data hasil pengolahan
3.
Inklusi
Tabel
4. Parameter Ukuran Berdasarkan Inklusi
|
Parameter
|
Ukuran
Nilai
|
|
Tidak
cacat, tidak bodoh, tidak IQ superior (normal)
|
1
|
|
Bodoh
|
3
|
|
IQ
superior
|
4
|
|
Cacat
|
5
|
Sumber:
Data hasil pengolahan
3.5 Membuat
matrik perbandingan berpasangan yang menggambarkan kontribusi relatif atau
pengaruh setiap elemen terhadap tujuan
atau kriteria yang setingkat di atasnya.
Tabel 5.
Matriks Perbandingan Level 1
|
|
Skala
|
Prestasi
|
Ekonomi
|
Inklusi
|
Bobot
|
|
Prestasi
|
5
|
1,00
|
1,67
|
1,67
|
0,455
|
|
Ekonomi
|
3
|
0,60
|
1,00
|
1,00
|
0,272
|
|
Inklusi
|
3
|
0,60
|
1,00
|
1,00
|
0,272
|
|
|
|
2,20
|
3,67
|
3,67
|
1,00
|
Sumber:
Data Hasil Pengolahan
Berikut
adalah alternatif-alternatif siswa calon penerima beasiswa dengan masing-masing
kriteria (secara berurutan menurut
prestasi, ekonomi, dan inklusi):
a. Siswa
1: berprestasi tingkat sekolah, tidak mampu,cacat.
b. Siswa
2: tidak berprestasi, sangat tidak mampu, dan bodoh.
c. Siswa
3: berprestasi tingkat kota, tidak mampu, dan IQ superior.
d. Siswa
4: berprestasi tingkat provinsi, mampu, dan normal.
e. Siswa
5: berprestasi tingkat sekolah, sangat tidak mampu, dan normal.
Tabel 6. Matriks Perbandingan Level 2 Berdasarkan
Prestasi
|
|
Skala
|
Siswa 1
|
Siswa 2
|
Siswa 3
|
Siswa 4
|
Siswa 5
|
Bobot
|
|
Siswa 1
|
2
|
1
|
2
|
1
|
3
|
0,6
|
0,176
|
|
Siswa 2
|
1
|
0,5
|
1
|
1,667
|
5
|
1
|
0,294
|
|
Siswa 3
|
3
|
1,5
|
3
|
1
|
3
|
0,6
|
0,176
|
|
Siswa 4
|
4
|
2
|
4
|
0,333
|
1
|
0,2
|
0,059
|
|
Siswa 5
|
2
|
1
|
2
|
1,667
|
5
|
1
|
0,294
|
|
|
|
6
|
12
|
5,667
|
17
|
3,4
|
1,00
|
Sumber:
Data Hasil Pengolahan
Tabel
7. Matriks Perbandingan Level 2
Berdasarkan Ekonomi
|
|
Skala
|
Siswa 1
|
Siswa 2
|
Siswa 3
|
Siswa 4
|
Siswa 5
|
Bobot
|
|
Siswa 1
|
3
|
1
|
0,6
|
1
|
3
|
0,6
|
0,176
|
|
Siswa 2
|
5
|
1,667
|
1
|
1,667
|
5
|
1
|
0,294
|
|
Siswa 3
|
3
|
1
|
0,6
|
1
|
3
|
0,6
|
0,176
|
|
Siswa 4
|
1
|
0,333
|
0,2
|
0,333
|
1
|
0,2
|
0,059
|
|
Siswa 5
|
5
|
1,667
|
1
|
1,667
|
5
|
1
|
0,294
|
|
|
|
5,667
|
3,4
|
5,667
|
17
|
3,4
|
1,00
|
Sumber:
Data Hasil Pengolahan
Tabel
8. Matriks Perbandingan Level 2 Berdasarkan Inklusi
|
|
Skala
|
Siswa 1
|
Siswa 2
|
Siswa 3
|
Siswa 4
|
Siswa 5
|
Bobot
|
|
Siswa 1
|
5
|
1
|
01,667
|
1,25
|
5
|
5
|
0,357
|
|
Siswa 2
|
3
|
0,6
|
1
|
0,75
|
3
|
3
|
0,214
|
|
Siswa 3
|
4
|
0,8
|
1,333
|
1
|
4
|
4
|
0,286
|
|
Siswa 4
|
1
|
0,2
|
0,333
|
0,25
|
1
|
1
|
0,071
|
|
Siswa 5
|
1
|
0,2
|
0,333
|
0,25
|
1
|
1
|
0,071
|
|
|
|
2,8
|
4,666
|
3,5
|
14
|
14
|
1,00
|
Sumber:
Data Hasil Pengolahan
Langkah
terakhir dari proses AHP adalah perhitungan total nilai pada masing-masing
calon dengan cara mengalikan bobot
utama pada level 1 dengan nilai calon per kategori yang telah dihitung pada
proses sebelumnya. Perhitungan total nilai
digambarkan pada tabel berikut, yaitu:
Tabel
9. Matriks Nilai Total dari Masing-masing Calon
|
|
Prestasi
|
Ekonomi
|
Inklusi
|
Bobot
|
|
Siswa 1
|
0,076
|
0,048
|
0,097
|
0,221
|
|
Siswa 2
|
0,038
|
0,08
|
0,058
|
0,176
|
|
Siswa 3
|
0,114
|
0,048
|
0,078
|
0,24
|
|
Siswa 4
|
0,152
|
0,016
|
0,019
|
0,187
|
|
Siswa 5
|
0,076
|
0,08
|
0,019
|
0,175
|
Sumber:
Data Hasil Pengolahan
Berdasarkan
perhitungan matriks seleksi penerimaan beasiswa di atas, dipilih Siswa 3 dengan
nilai prioritas sebesar 0,24 atau
24%.
4. Hasil
Implementasi Dengan Software Expert Choice
Untuk
mendapatkan hasil keputusan yang konsisten (inconsistency = 0,00), data hasil
olah manual dengan nilai < 1 perlu diadaptasi
untuk pairwise comparison, menggunakan rumus:
Contoh:
aij = artinya perbandingan mengarah ke kanan pada pairwise
comparison, ditandai dengan warna merah.
Gambar
3. Pairwise Comparison Pada Expert Choice
Gambar
4. Hasil Implementasi Menggunakan Expert Choice
Gambar
5. Hasil Prioritas Penerima Beasiswa
5.
Kesimpulan
Dari
bahasan yang telah disimpulkan dapat diambil kesimpulan sebagai berikut:
- Metode AHP secara manual dapat dijadikan patokan untuk pemasukan data pada expert choice
- Untuk menggunakan expert choice dibutuhkan data penghitungan manual yang akurat.
- Kesalahan dalam pemasukan data pada expert choice akan berpengaruh fatal pada data yang dihasilkan
Beberapa
saran pengembangan termasuk:
- Dibutuhkan suatu perangkat lunak yang handal untuk menyelesaikan penghitungan data untuk sistem pendukung keputusan yang menggunakan metode AHP, sehingga data yang dihasilkan akurat.
- Dalam pengolahan database dan pengaksesan Sistem Pendukung Keputusan yang diusulkan hanya dilakukan oleh orang-orang yang berkepentingan dan bertanggung jawab saja, karena proses pengambilan keputusan dapat disalahgunakan oleh pihak-pihak yang tidak bertanggung jawab.
Daftar
Pustaka
Amardyah
Amborowati (2005). Modul Praktikum Teknik Industri III. Universitas Widyatama.
Sistem Pendukung Keputusan Pemilihan Karyawan Berprestasi
Berdasarkan Kinerja.
Amardyah
Amborowati (2004). Sistem Penunjang Keputusan Pemilihan Perumahan dengan Metode
AHP menggunakan Expert Choice.
Johannes
Sinaga (2009). Penerapan Analytical Hierarchy Process (AHP) Dalam
Pemilihan Perusahaan Badan Usaha
Milik Negara (BUMN) Sebagai Tempat Kerja Mahasiswa Universitas Sumatera Utara.
Sotir,
Sotirov and Andrey, Nenov (2000). Tutorials Expert Choice,Vol. 4 No. 1, Maret
2006, ISSN : 1693 – 5373, Computer
Science Journal.
No comments:
Post a Comment