�Syntax Literate : Jurnal Ilmiah Indonesia p�ISSN: 2541-0849

������ e-ISSN : 2548-1398

������ Vol.4, No.6 Juni 2019

 


SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN SISWA BERPRESTASI DENGAN MENGGUNAKAN PERBANDINGAN� METODE AHP-TOPSIS DAN SAW-TOPSIS (STUDI KASUS : SMKN 1 KEDAWUNG CIREBON)

 

Harry Gunawan

Program Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Cirebon

Email: [email protected]

�

Abstrak

SMK N 1 Kedawung merupakan salah satu sekolah di Kabupaten Cirebon yang setiap tahunnya melaksanakan pemilihan siswa berprestasi bagi siswanya. Siswa berprestasi ini dimaksudkan agar nati siswa dapat memotivasi dalam proses belajar. Proses pemilihan siswa berprestasi ini memiliki kelemahan diantaranya membutuhkan waktu yang cukup lama dan juga hasil yang didapat jurang akurat karena proses yang masih manual. Untuk mengatasi masalah tersebut maka dibuatkan sistem pendukung keputusan untuk membantu pihak sekolah dalam menentukan siswa berprestasi. Dalam penelitian ini menggunakan perbandingan metode AHP-TOPSIS dan SAW-TOPSIS. Adapun kriteria yang digunakan dalam penelitian ini adalah Prestasi akademik atau non akademik, Nilai Rapot, dan Sikap. Hasil akhir dari penelitian ini didapatkan bahwa sistem pendukung keputusan dengan perbandingan metode AHP-TOPSIS dan SAW-TOPSIS mampu mengatasi permasalahan dalam proses pemilihan siswa berprestasi di SMK N 1 Kedawung.

 

Kata Kunci : Sistem Pendukung Keputusan, AHP,SAW, dan TOPSIS.

Pendahuluan

Perkembangan teknologi informasi sakarang ini berkembang sangat pesat, sehingga segala bentuk arus informasi dapat dengan mudah diperoleh. Pengambilan keputusan merupakan salah satu aktivitass teknologi informasi, ada beberapa metode yang dapat digunakan dalam pengambilan keputusan antara lin SAW, AHP, TOPSIS, WD dan lain-lain. Motode AHP merupakan salah satu model untuk pengambilan keputusan yang dapat membantu kerangka berfikir manusia. Metode ini awal mula dikembangkan oleh Thomas L. Saaty pada tahun 70-an. Dasar berfikirnya metode AHP adalah proses membentuk skor secara numerik untuk menyusun rangking setiap alternatif keputusan berbasis pada bagaimana sebaiknya alternatif itu dicocokkan dengan kriteria pembuat keputusan. Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut.

Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. SMK N 1 Kedawung merupakan salah satu sekolah kejuaruan yang berada diwilayah Kabupaten Cirebon yang setiap tahunnya menyeleksi siswa berprestasi. Dalam setiap tahunnya penyeleksian siswa berprestasi masih menggunakan perhitungan manual, sehingga proses pemilihan siswa berprestasi tersebut masih memiliki kelemahan diantaranya membutuhkan waktu yang sangat panjang dan juga hasil yang didapat kurang akurat karena bisa saja terjadi banyak kekeliruan karena belum tersedianya sistem untuk mendukung perhitungan tersebut.

 

Metode Penelitian

Metodologi penelitian dengan mendesktripsikan masalah yang dilengkapi dengan penyajian diagram alur pelaksanaan penelitian untuk memudahkan dalam memahami tahapan penelitian.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


Hasil dan Pembahasan

Perhitungan AHP-TOPSIS

1.        Perhitungan Metode AHP

Perhitungan Metode AHP disini untuk menentukan tiap-tiap bobot (TPV) kriteria dan subkriteria, serta menentukan rasio konsistensi diterima atau tidaknya kriteria ataupuun subkriteria.

Adapun langkah-langkah perhitngan metode AHP seperti dibawah ini :

Tabel 1 Menentukan matriks berpasangan

untuk kriteria pemilihan siswa berprestasi

 

Kriteria

Prestasi

Rapot

Sikap

Prestasi

1

2

5

Rapot

0.5

1

3

Sikap

0.2

0.33

1

∑kolom

1.7

3.33

9

 

a.         Menghitung matriks normalisasi yaitu membagi setiap elemen pada kolom dengan jumlah perkolom yang sesuai.

Kriteria

Prestasi

Rapot

Sikap

∑Baris

Prestasi

0.5882

0.6060

0.5555

1.7497

Rapot

0.2941

0.3030

0.3333

0.9304

Sikap

0.1176

0.0909

0.1111

0.3196

 

b.         Membagi jumlah baris dengan jumlah kriteria tiga (3) sehingga menghasilakan rata-rata dari setiap kriteria (TPV).

Kriteria

TPV (∑baris/n kriteria)

Prestasi

1.7497 / 3 = 0.58323

Rapot

0.9304 / 3 = 0.31013

Sikap

0.3196 / 3 = 0.10653

 

c.         Selanjutnya perkalian TPV dengan nilai perbandingan matriks kriteria dan dijumlahkan tiap baris.

Kriteria

Prestasi

Rapot

Sikap

∑Baris

Prestasi

0.58323

0.62026

0.52765

1.73114

Rapot

0.291615

0.31013

0.31659

0.918335

Sikap

0.116646

0.09304

0.10653

0.315216

 

d.        Kemudian pembagian antara jumlah kolom baris dengan jumlah kolom baris TPV untuk mendapatkan nilai lamda maks

2.9682

2.9611

2.9589

 

 

0.58323. �0.31013 0.10653

 

 

1.73114

0.918335 0.315216

 

 
������������ [���������������� ] /� [ �������������������] ����=� �[����� ��������������]

 

 

������������� ���

 

��������������� Lamda maks = 2.9682 + 2.9611 + 2.9589 / 3 = 8.8882 / 2 = 2.96273

e.         Setelah mendapatkan lamda maks, kemudian mencari Consistency Index (CI)

CI = �������������������� ��=� ����������������� ����= - 0.018635

 

f.          Kemudian mencari Consistency Ratio (CR) dengan mengacu pada nilai Indeks random atau Random Index (RI) yang dapat diambil dengan ketentuan sesuai dengan jumlah kriteria yang diambil,

CR =������������������� = - 0.03213

 

Rasio konsistensi matriks kriteria bernilai -0.03213 (-0.03213 ≤ 0.1) yang menunjukkan konsistensi baik atau diterima.

g.         Setelah mendapatkan TPV kriteria dan CR yang menunjukan konsistensi baik pada tiap-tiap kriteria, selanjutnya menghitung TPV dan CR pada masing-masing subkriteria. Dimana perhitungannya sama dengan perhitungan mencari TPV kriteia dana CR pada kriteria.

a.       Setelah bobot setiap sub kriteria pada suatu kriteria dan nilai rasio konsistensi didapatkan, maka langkah selanjutnya adaah membuat nilai intensitas untuk masing-masing sub kriteria, terdapat 5 intensitas yang terdiri dari sangat baik, baik, cukup, sedang, dan kurang. Untuk menghitung intensitas dari masing-masing sub kriteria pada kriteria prestasi, contoh untuk perhitungan sub kriteria prestasi.

Kriteria

Sangat baik

Baik

Cukup

Sedang

Kurang

Sangat Baik

1

2

3

5

7

Baik

0.5

1

3

4

5

Cukup

0.33

0.33

1

2

3

Sedang

0.2

0.25

0.5

1

5

Kurang

0.1428

0.2

0.33

0.2

1

�

2.        Perhitungan Metode TOPSIS

Setalah nilai TPV kriteria dan TPV subkriteria sudah didapat dan masing-masing menunjukkan konsistensi yang baik, kemudian menghitung matriks keputusan. Proses selanjutnya yaitu dilakukan perangkinan dengan menggunakan metode TOPSIS. �

Tahapan-tahapan yang dilakukan pada metode TOPSIS sebagai berikut :

a.         Membuat matriks keputusan yang ternormalisasi

�������� X1 = √(5)2 + (4)2 + (5)2 + (4)2 + (4)2 + (3)2 = 10, 33408

�������� R11 = ������������������������������������������� = 0,483836

 

4

10,33408

 
R21 =����������������������������������������� = 0,3870696

 


��������� R31 =������� ����������������������� ���������� = 0,483836�

4

10,33408

 
 


��������� R41 =������������������������������������������� = 0,3870696

4

10,33408

 
 


���������� R51 = ����� ����������������������� �����������= 0,3870696

 


���������� R61 = ����������������������������� �����������= 0,290302

 


��������� X2 = √(4)2 + (5)2 + (5)2 + (4)2 + (5)2 + (5)2 = 11,48912

 


���������� R12 =������������������ ����������������������� = 0,348155

 


���������� R22 =������������������������������������������ = 0,435194

 


��������� R32 =������������������������������������������� = 0,435194

 


�������� R42 = ������������������������������������������� = 0,348155

 


�������� R52 = ������������������������������� �����������= 0,435194

5

11,48912

 
 


������� R62 =��������������������������������������������� � = 0,435194

 

������� X3 = √(5)2 + (4)2 + (4)2 + (4)2 + (5)2 + (5)2 = 11,09054

 


������� ����������R13 = �������������������������������������������� ���= 0,450835

 

4

10,33408

 
 


������� R23 =��������������������������������������������� �� = 0,360668

 


������� R23 = �������������������������������������������� ���= 0,360668

 

���� R33 = ����������������������������������������������� ���= 0,360668

 


����� R43 = ���������������������������������������������� ���= 0,360668

 


����� R53 = ���������������������������������������������� ���= 0,450835

 


����� R63 = ���������������������������������������������� ���= 0,450835

 

b.         Membuat matriks keputusan yang ternormalisasi terbobot

Y11 = (0,58323) x (0,483836) = 0,2822

Y21 = (0,58323) x (0,387069) = 0,2258

Y31 = (0,58323) x (0,483836) = 0,2822

Y41 = (0,58323) x (0,387069) = 0,2258

Y51 = (0,58323) x (0,387069) = 0,2258

Y61 = (0,58323) x (0,290302) = 0,1693

Y12 = (0,31013) x (0,348155) = 0,10797

Y22 = (0,31013) x (0,435194) = 0,13497

Y32 = (0,31013) x (0,435194) = 0,13497

Y42 = (0,31013) x (0,348155) = 0,10797

Y52 = (0,31013) x (0,435194) = 0,13497

Y62 = (0,31013) x (0,435194) = 0,13497

Y13 = (0,10653) x (0,450835) = 0,0408

Y23 = (0,10653) x (0,360668) = 0,0384

Y33 = (0,10653) x (0,360668) = 0,0384

Y43 = (0,10653) x (0,360668) = 0,0384

Y53 = (0,10653) x (0,450835) = 0,0408

Y63 = (0,10653) x (0,450835) = 0,0408

c.         Menentukan matriks solusi ideal postif (A+) dan matriks solusi� ideal negatif (A-)

Y

Elemen Solusi Ideal

A+

A-

Y1

0,2822; 0,2258; 0,2822; 0,2258; 0,1693

0,28222

0,1693

Y2

0,10797; 0,13497; 0,13497; 0,10797; 0,13497; 0,13497;

0,13497

0,10797

Y3

0,048; 0,0384; 0,0384; 0,0384; 0,048; 0,048;

0,048

0,0384

 

d.        Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal posistf dan negatif

D1+ = √(0,2822-0,2822)2 + (0,10797-0,13497)2 + (0,048-0,048)2

���� �� = √(-0,02693)2� = √0,00073 = 0,02702

D2+ = √(0,2258-0,2822)2 + (0,13497-0,13497)2 + (0,0384-0,048)2

���� �� = √(-0,0564)2 + (-0,0096)2� = √0,00320092 = 0,05658

D3+ = √(0,2822-0,2822)2 + (0,13497-0,13497)2 + (0,0384-0,048)2

���� �� = √(-0,0096)2� = √0,00009216 = 0,0096

D4+ = √(0,2258-0,2822)2 + (0,10797-0,13497)2 + (0,0384-0,048)2

���� �� = √(0.0032) + (0,00073) + (0,000092)� = √0,004022 = 0,0634

D5+ = √(0,2258-0,2822)2 + (0,13497-0,13497)2 + (0,048-0,048)2

���� �� = √(-0,0564)2� = √0,0032 = 0,05657

D6+ = √(0,1693-0,2822)2 +(0,13497-0,13497)2 + (0,048-0,048)2

���� �� = √(-0,1129)2� = √0,0127 = 0,1127

D1+ = 0,02702

D2+ = 0,05658

D3+ = 0,0096

D4+ = 0,0634

D5+ = 0,05657

D6+ = 0,1127

D1- = √(0,2822-0,1693)2 + (0,10797-0,10797)2 + (0,048-0,0384)2

���� �� = √(0,012746) + (0,000092)� = √0,012838 = 0,1133

D2- = √(0,2258-0,1693)2 + (0,13497-0,10797)2 + (0,048-0,048)2

���� �� = √(0,0565)2 + (0,027)2� = √0,00393 = 0,0627

D3- = √(0,0384-0,0384)2 + (0,13497-0,10797)2 + (0,2822-0,1693)2

���� �� = √(0,027)2 + (0,1129)2� = √0,013479 = 0,1161

D4- = √(0,2258-0,1693)2 + (0,10797-0,10797)2 + (0,0384-0,0384)2

���� �� = √(0,0565)2� = √0,0032 = 0,05657

D5- = √(0,2258-0,1693)2 + (0,13497-0,10797)2 + (0,048-0,0384)2

���� �� = √(0,0565)2 + (0,027)2 + (0,0096)2� = √0,004022 = 0,06342

D6- = √(0,1693-0,1693)2 + (0,13497-0,10797)2 + (0,048-0,0384)2

�� = √(0,027)2 + (0,0096)2� = √0,000822 = 0,02867

D1- = 0,1133

D2- = 0,0627

D3- = 0,1161

D4- = 0,05657

D5- = 0,06342

D6- = 0,02867

e.         Menentukan nilai preferensi untuk setiap alternatif

V1 =������������������������������ =��������������������������������� = 0,8064

�������������������������������������� �

V2 =������������������������������ =��������������������������������� = 0,5392

 


V3 =������������������������������ =��������������������������������� = 0,9236

 


V4 =������������������������������ =��������������������������������� = 0,4715

 

V5 =������������������������������ =��������������������������������� = 0,5285

 


V6 =������������������������������ =��������������������������������� = 0,2028

 

Dari nilai V ini dapat dilihat bahwa V3 memiliki nilai terbesar, sehingga dapat disimpulkan bahwa siswa berprestasi menurut metode AHP-TOPSIS adalah siswa ketiga sebagai siswa berprestasi.

 

 

 

Perhitungan SAW-TOPSIS

1.    Perhitungan SAW

������������� Implementasi metode SAW pada sistem ini digunakan untuk menentukan bobot kriteria dalam penilaian siswa. Sedangkan metode TOPSIS digunakan untuk menghitung matriks ternormalisasi dan mencari nilai matriks terbobot sehingga menghasilkan...

Terdapat 3 (tiga) kriteria yang diberikan sekolah dalam penentuan siswa berprestasi yaitu : C1 = Nilai rata-rata raport, C2 = Prestasi, dan C3 = Sikap

Ranting kecocokan untuk� setiap alternatif pada setiap kriteria dinilai dengan 1 sampai 5, yaitu :

1 : Sangat Buruk

2 : Buruk

3 : Cukup

4 : Baik

5 : Sangat Baik

Begitupun tingkat kepentingan untuk setiap kriteria juga dinilai dengan 1 sampai 5, yaitu :

1 : Sangat Rendah

2 : Rendah

3 : Cukup

4 : Tinggi

5 : Sangat Tinggi

Kriteria

Range Nilai

Nilai Konversi

Kriteria

Range Nilai

Nilai Konversi

Nilai Raport

100-90

5

Nilai Raport

100-90

5

 

89-80

4

89-80

4

 

79-70

3

79-70

3

 

69-60

2

69-60

2

 

59-0

1

59-0

1

Prestasi

1-2

5

Prestasi

1-2

5

 

3-4

4

 

 

 

 

5

3

 

 

 

 

6-10

2

 

 

 

 

>10

1

 

 

 

Sikap

A

5

 

 

 

 

B

4

 

 

 

 

C

3

 

 

 

 

D

2

 

 

 

 

E

1

 

 

 

Kerterangan untuk kriteria prestasi juara 1-2 tingkat kab/kota,provinsi,nasional yaitu sangat baik, juara 3-4 (harapan 1) tingkat kab/kota,provinsi,nasional yaitu baik, juara harapan 2 (peringkat 5) tingkat kab/kota,provinsi,nasional yaitu cukup, peringkat 6-10 tingkat kab/kota,provinsi,nasional yaitu buruk, dan peringkat keluar dari 10 besar� tingkat kab/kota,provinsi,nasional yaitu sangat buruk.

Alternatif

Kriteria

C1

C2

C3

A1

5

4

4

A2

4

5

3

A3

4

4

5

A4

3

5

4

A5

5

4

3

A6

4

3

4

 

Pengambil keputusan memberikan bobot preferensi sebagai berikut : C1 = 20%, C2 = 30%, dan C3 = 50%, sehingga diperoleh :

W = { 0.2, 03, 0.5 }

1)      Metode SAW

X11 X12...... X1n

X21 X22...... X2n�

Xn1 Xn2...... Xnn�

 

 
Langkah 1 : Membuat matrik keputusan X, dengan persamaan :

X =[ ��������������������������]

 

5 ����4���� 4

4���� 5���� 3

4���� 4���� 5

3���� 5���� 4

5���� 4���� 3

4���� 3���� 4

 

 
Sehingga diperoleh :

X = [���� �������������������������],

 

 

 

Langkah 2 : Melakukan proses normalisasi matriks :

a.        Untuk Alternatif 1 (A1)

r11 =������������������������������� = 5/5 = 1.0

 

 


r12 =������������������������������� = 4/5 = 0.8

 


r13 =������������������������������ = 4/5 = 0.8

 

b.        Untuk Alternatif 2 (A2)

r21 =������������������������������� = 4/5 = 0,8

 


r22 =������������������������������� = 5/5 = 1.0

 


r23 =������������������������������� = 4/5 = 0.8

 

c.       Untuk Alternatif 3 (A3)

 


r31 =������������������������������� = 4/5 = 0,8

 


r32 =������������������������������� = 4/5 = 0.8

 


r33 =������������������������������� = 5/5 = 1.0

d.      Untuk Alternatif 4 (A4)

 


r41 =������������������������������� = 4/5 = 0.8

 


r42 =������������������������������� = 5/5 = 1.0

 

r43 =������������������������������� = 3/5 = 0,6

 

e.       Untuk Alternatif 5 (A5)

r51 =������������������������������� = 5/5 = 1,0

 

r52 =������������������������������� = 4/5 = 0,8

 


r53 =������������������������������� = 5/5 = 1,0

f.       Untuk Alternatif 6 (A6)

r61 =������������������������������� = 4/5 = 0,8

 

 


r62 =������������������������������� = 5/5 = 1,0

 


r63 =������������������������������� = 4/5 = 0,8

 

1.0�� ��� 0.8���� � 0.8

0.8�� ��� 1.0���� � 0.8

0.8�� ��� 0.8���� � 1,0

0.6�� ��� 1.0���� � 0.8

1.0�� ��� 0.8���� � 0.6

0.8�� ��� 0.6���� � 0.8

 

 
Sehingga memperoleh matriks ternormalisasi R :

�R = [�������� ������������������� ����������]

 

 

 

Setelah matriks ternormalisasi R diperoleh kemudian dilanjutkan dengan mencari nilai matriks terbobot Y dengan menggunakan metode topsis.

2)    Metode TOPSIS

Langkah 1 : Normalisasi matriks terbobot Y berdasarkan nilai setiap elemen pada matriks ternormalisasi R yang diperoleh pada metode SAW, dengan menggunakan persamaan :

Yij = wi rij

Sehingga diperoleh :

Y11 = 0.2 x 1,0 � = 0.2

Y12 = 0.3 x 0,8 � = 0.24

Y13 = 0.5 x 0,8 � = 0.4

Y21 = 0.2 x 0,8 � = 0.16

Y22 = 0.3� x 1,0 = 0.3

Y23 = 0.5� x 0,8 = 0.4

Y31 = 0.2� x 0,8 = 0.16

Y32 = 0.3� x 0,8 = 0.24

Y33 = 0.5� x 1,0 = 0.5

Y41 = 0.2� x 0,6 = 0.18

Y42 = 0.3� x 1,0 = 0.3

Y43 = 0.5� x 0,8 = 0.4

Y51 = 0.2� x 1,0 = 0.2

Y52 = 0.3� x 0,8 = 0.24

Y53 = 0.5� x 0,6 = 0.3

Y61 = 0.2� x 0,8 = 0.16

Y62 = 0.3� x 0,6 = 0.18

Y63 = 0.5� x 0,8 = 0.4

Sehingga diperoleh :

0.2������ 0.24����� 0.4

0.16���� 0.3������� 0.4

0.16���� 0.24����� 0.5

0.12���� 0.3������� 0.4

0.2������ 0.24����� 0.3

0.16���� 0.16����� 0.4

 

 
 


Y = [� ��������������� ����������� �����������]

 

 

 

Langkah 2 : Menentukan solusi ideal positif (A+), dengan persamaan sebagai berikut :

A+� = ( y1+, y2+,......, yn+ )

y1+� = max {0.2, 0.16, 0.16, 0.12, 0.2, 0.16} = 0.2

y2+� = max {0.24, 0.3, 0.24, 0.3, 0.24, 0.16} = 0.3

y3+� = max {0.4, 0.4, 0.5, 0.4, 0.3, 0.4} � = 0.5

sehingga diperoleh :

A+ = { 0.2, 0.3, 0.5 }

Langkah 3 : Menentukan solusi ideal negatif (A-), dengan persamaan sebagai berikut :

A-� = ( y1-, y2-,......, yn- )

y1-�� = min {0.2, 0.16, 0.16, 0.12, 0.2, 0.16} = 0.12

y2-�� = min {0.24, 0.3, 0.24, 0.3, 0.24, 0.16} = 0.16

y3-�� = min {0.4, 0.4, 0.5, 0.4, 0.3, 0.4} = 0.3

sehingga diperoleh :

A- = { 0.18, 0.24, 0.32 }

Langkah 4 : Menentukan jarak terbobot setiap alternatif terhadap solusi ideal positif (S1+), dengan persamaan sebagai berikut :

 

 

 

 


D1+ = √(0.2-0.2)2 + (0.3 - 0.24)2 + (0.5 - 0.4)2 = 0,1166

D2+ = √(0.2 - 0.16)2 + (0.3 - 0.3)2 + (0.5 - 0.4)2 = 0.1077

D3+ = √(0.2 - 0.16 )2 + (0.3 - 0.24)2 + (0.5 - 0.5)2 = 0.0721

D4+ = √(0.2 - 0.12)2 + (0.3 - 0.3)2 + (0.5 - 0.4)2 = 0.1280

D5+ = √(0.2 - 0.2)2 + (0.3 - 0.24)2 + (0.5 - 0.3)2 = 0.2088

D6+ = √(0.2 - 0.16)2 + (0.3 - 0.16)2 + (0.5 - 0.4)2 = 0.1766

Sehingga diperoleh :

D1+ ������� = 0.1166

D2+�������� = 0.1077

D3+�������� = 0.0721

D4+����������� = 0.1280

D5+ ������� = 0.2088

D6+ ������� = 0.1766

Langkah 5 : Menentukan jarak terbobot setiap altenatif terhadap solusi ideal negatif (S1-), dengan persamaan sebagai berikut :

 


D1- = √(0.12 � 0.2)2 +

 

(0.16 � 0.24)2 + (0.3 � 0.4)2 = 0.1509

D2- = √(0.12 � 0.16)2 + (0.16 � 0.3)2 + (0.3 � 0.4)2 = 0.1766

D3- = √(0.12 � 0.16)2 + (0.16 � 0.24)2 + (0.3 � 0.5)2 = 0.2190

D4- = √(0.12 � 0.12)2 + (0.16 � 0.3)2 + (0.3 � 0.4)2 = 0.1720

D5- = √(0.12 � 0.2)2 + (0.16 � 0.24)2 + (0.3 � 0.3)2 = 0.1131

D6- = √(0.12 � 0.16)2 + (0.16 � 0.16)2 + (0.3 � 0.4)2 = 0.1077

Sehingga diperoleh :

D1- �������� = 0.150996

D2-��������� = 0.1766

D3-��������� = 0.2190

D4-������������ = 01720

D5- �������� = 0.1131

D6- �������� = 0.1077

Langkah 6 : Menentukan nilai preferensi untuk setiap alternatif, dengan persamaan sebagai berikut :

Vi = Di-

 

� ��������Di- + Di+

 


V1 �������� = �������������������������������� = 0.1509/0.2675 = 0.5641

 

V2 �������� = �������������������������������� = 0.1766/0.2843= 0.6212

 

 


V3 �������� = �������������������������������� = 0.2190/0.2911 = 0.7523

 

 

V4 �������� =��������������������������������� = 0.1720/0.3��� = 0.5733

 

 


V5 �������� =��������������������������������� = 0.1131/0.3211= 0.3522

 

 


V6 �������� =��������������������������������� = 0.1077/0.2843= 0.3788

 

Hasil akhir nilai preferensi (Vi) diperoleh nilai V3 adalah nilai terbesar sehingga alternatif A3 adalah alternatif yang terpilih sebagai alternatif terbaik. Dengan kata lain, A3 akan terpilih sebagai siswa berprestasi.

2.    Implementasi Sistem�������� ����������� ����������� ����������� ����������� ����������� ����������� ����������� ����������� Pada gambar 1 dibawah ini, proses awal masuk sistem dengan memasukkan username dan password. Pada proses ini user menggunakan username dan password yang telah dimiliki dan sesuai dengan level user.

Gambar 1. Tampilan Halaman login

Setelah masuk kedalam sistem, proses selanjutnya adalah masuk ke halama admin seperti gambar 2.

 

Gambar 2. Tampilan Halaman Admin

Pada proses ini, sistem akan menampilkan halaman utama admin dengan pilihan menu diantaranya adalah menu pengguna, daftar simak prestasi, dan aspek penilaian. Setelah masuk ke halaman admin, proses selanjutnya adalah masuk ke halaman olah data AHP dan SAW, seperti pada gambar 3 dan gambar 4.

Gambar 3. Tampilan Halaman olah Data AHP

Gambar 4. Tampilan Halaman olah Data SAW

Setelah olah data dengan metode AHP dan metode SAW, proses selanjutnya adalah perangkinan dengan menggunakan metode TOPSIS seperti gambar 5 dan gambar 6.

Gambar 5. Tampilan Halaman Hasil olah Data AHP

Gambar 6. Tampilan Halaman Hasil olah Data SAW

 

 

 

 

 

 

Kesimpulan

Dari hasil penelitian yang dilakukan maka dapat diambil kesimpulan sebagai berikut :

1.        Letak perbedaan antara metode AHP-TOPSIS dan SAW-TOPSIS terdapat pada proses perhitungan nilai prioritas kriteria. Pada AHP-TOPSIS penyelesaiannya dilakukan perbandingan berpasangan antara kriteria satu dengan kriteria lain, dan pada SAW-TOPSIS dilakukan penilaian secara sederhana yaitu� penilaian kriteria terhadap keadaan alternatif yang kemudian hasil tersebut dinormalisasikan, sedangkan proses akhir perangkingan kedua metode tersebut sama-sama menggunakan metode TOPSIS.

2.        Sistem pendukung keputusan dalam menentukan siswa berprestasi dengan menggunakan metode AHP-TOPSIS dan SAW-TOPSIS terbukti mampu memberikan prioritas siswa yang tepat sesuai dengan kriteria, subkriteria, dan alternatif yang diinginkan.

3.        Sistem pendukung keputusan dalam menentukan siswa berprestasi terbukti dapat membantu atau memberikan kemudahan pada pihak sekolah dalam menentukan siswa berprestasi yang sesuai dengan harapan pihak sekolah.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

BLIBIOGRAFI

Djalal, 1986. Penilaian Dalam Pengajaran Bahasa Asing. Malang : P3T IKIP Malang.

 

Hamalik, 2001. Proses Belajar Mengajar. Bandung: Bumi Aksara.

 

Kusrini, 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta : Andi Yogyakarta.

 

Kusumadewi, Sri. 2006. �Fuzzy Multi Attribute Decisison Making (Fuzzy MADM)�, Yogyakarta.

 

Riyanto, 2011. Sistem Pendukung Keputusan Pemilihan Asisten Praktikum dengan Metode AHP.

 

Saaty, T.L. 1998. Multicriteria Decision Maaking : The Analytic Hierarchy Proses, University of Pittsburgh, RWS Publication, Pittsburgh.

 

Saaty, T.L. 2008. Decision Making with the Analytic Hierarchy Proses�,Int. J. Services Sciences, Vol. 1.

 

Sprague, Ralph H and Watson, Hugh J. 1993. Decision Support System, Putting Theory into Practice, Prentice Hall, Inc. 3rd-ed.

 

Syah, Muhibbin. 2008. �Psikologi Belajar�. Hal 91 Bandung : Remaja Rosdakarya.

 

Turban, E. Aroson, J. 2001. Decision Support System and Intelligence System. New Jersey: Pretice Hall.

 

Turban, E. 1995. Decision Support System and Intelligence System : Fourth Edition, Prentice Hall.

 

Turban, E. dkk. 2005. Decision Support System and Intelligence System : Yogyakarta : Penerbit Andi.

 

Winkel. 1987. Bimbingan dan Konseling di Institusi Pendidikan. Jakarta: Gramedia.

 

Yoon, K., dan Hwang, C. L. 1981. Multiple Attribute Decision Making : Methods and Applications. Berlin : Springer.