Abstrak
Universitas Udayana merupakan salah satu Perguruan Tinggi di Bali yang melaksanakan pemilihan tenaga kependidikan non PNS teladan setiap
tahunnya. Sampai saat ini, masih ada unsur subjektifitas
yang tinggi dalam pelaksanaannya, karena dikerjakan secara manual. Diperlukan penerapan sistem pendukung keputusan (SPK) dalam
permasalahan tersebut, agar diperoleh hasil yang lebih obyektif. Untuk itu dilakukan penelitian untuk membangun
SPK pemilihan tenaga kependidikan non PNS teladan
di Universitas Udayana dengan melibatkan 95 orang subyek. Kriteria yang telibat
dalam perankingan adalah nilai Sasaran Kinerja Pegawai (SKP), nilai orientasi
pelayanan, nilai integritas, nilai komitmen, nilai disiplin, dan nilai kerja
sama. Pembobotan kriteria dilakukan dengan metode Analitycal Hierarchy
Process (AHP) dan perankingan dilakukan dengan metode Weighted Product
(WP). Akurasi hasil perankingan ditentukan dengan metode Mean Absolute
Percentage Error (MAPE). Akurasi hasil perankingan dengan kombinasi metode
AHP-WP dibandingkan dengan kombinasi AHP-Fuzzy WP. Sistem pendukung
keputusan pada penilitian ini dikembangkan dengan berbasis web menggunakan
Bahasa pemrograman PHP dan database MySQL. Sistem pendukung keputusan
diuji dengan metode blackbox testing untuk menguji keberhasilan eksekusi
setiap menu yang tersedia pada sistem. Implementasi metode AHP dan WP dalam sistem
pendukung keputusan menghasilkan perankingan pemilihan tenaga kependidikan non
PNS teladan. Perhitungan akurasi dengan menggunakan metode MAPE menunjukkan
persentase kesalahan pada perankingan metode WP untuk tahun 2019 adalah sebesar
0.0356%, tahun 2020 adalah sebesar 0,0225%, dan tahun 2021 adalah sebesar
3,49%. Sedangkan perhitungan akurasi pada perankingan metode fuzzy WP
menunjukkan persentase kesalahan pada tahun 2019 sebesar 14,97%, tahun 2020 sebesar
15,92%, dan tahun 2021 sebesar 31,68%. Blackbox testing pada sistem
pendukung keputusan pemilihan Tenaga Kependidikan Non PNS teladan menunjukkan
sistem telah berjalan sesuai dengan yang dibutuhkan.
Kata Kunci: analitycal hierarchy proces, weighted product, sistem
pendukung keputusan, tenaga kependidikan non pns, teladan
Abstract
Udayana University is one of the universities
in Bali that conducts the selection of exemplary non-civil servant education
personnel every year. Until now, there is still a high element of subjectivity
in its implementation, because it is done manually. It is necessary to
implement a decision support system (DSS) in these problems, in order to obtain
more objective results. For this reason, a study was conducted to build an DSS
for the Selection of Exemplary Non-Civil Servant Education Personnel at Udayana
University by involving 95 subjects. The criteria involved in the ranking are
the value of Employee Performance Target, the value of service orientation, the
value of integrity, the value of commitment, the value of discipline, and the
value of cooperation. The weighting of the criteria is carried out using the
Analytical Hierarchy Process (AHP) method and the ranking is carried out using
the Weighted Product (WP) method. The accuracy of the ranking results is
determined by the Mean Absolute Percentage Error (MAPE) method. The accuracy of the ranking results with the AHP-WP combination
method is compared with the AHP-Fuzzy WP combination. The decision support
system in this research was developed on a web-based basis using the PHP
programming language and MySQL database. The decision support system was tested
using the black box testing method to test the successful execution of each
menu available on the system. The implementation of the AHP and WP methods in
the decision support system results in a ranking of the selection of exemplary
Non-Civil Servant Education Personnel. The calculation of accuracy using the MAPE method shows the percentage
error in the ranking of the WP method for 2019 is 0.0356%, in 2020 is 0.0225%,
and in 2021 is 3.49%. While the calculation of accuracy in the ranking of the
fuzzy WP method shows the percentage error in 2019 is 14.97%, in 2020 is
15.92%, and in 2021 is 31.68%. Blackbox
testing on the decision support system for selecting exemplary Non-PNS
Education Personnel shows that the system has been running as required.
Keywords: analitycal hierarchy process, weighted
product, decision support system, non
civil servant education personnel, exemplary
Pendahuluan
Universitas Udayana
merupakan salah satu Perguruan Tinggi Negeri di Provinsi Bali yang memiliki jumlah
Tenaga Kependidikan lebih dari 1000 orang, yang terdiri atas Pegawai
Negeri Sipil (PNS) dan Non Pegawai Negeri Sipil (Non PNS). Universitas Udayana terdiri dari 14 Fakultas, 2 Lembaga, 3 Unit
Pelayanan Teknis (UPT), dan 23 Bagian. Sesuai dengan tugas pokok dan fungsi
masing-masing unit kerja, pengelolaan kepegawaian dilakukan
oleh Bagian Sumber Daya Manusia
(SDM). Secara Struktur Bagian SDM terdiri dari 2 Sub Bagian, yaitu Sub Bagian Tenaga Kependidikan dan Sub Bagian Pendidik. Hal-hal
administrasi yang berkaitan dengan Tenaga Kependidikan dikelola oleh Sub Bagian Tenaga Kependidikan, contohnya adalah proses pemilihan Tenaga Kependidikan
Non PNS teladan yang diselenggarakan setiap tahun. Pemilihan Tenaga Kependidikan Non PNS teladan merupakan hal yang penting
untuk lebih diperhatikan, hal ini dikarenakan untuk memberi apresiasi bagi
pegawai Non PNS di Universitas Udayana yang dianggap memiliki prestasi dan
dedikasi dalam bekerja.
Pemilihan Tenaga Kependidikan Non PNS teladan di Universitas Udayana
merupakan suatu proses yang dilakukan setiap tahunnya untuk mendapatkan Tenaga
Kependidikan Non PNS yang berkompeten. Proses pemilihan Tenaga Kependidikan Non
PNS teladan ini diselenggarakan setiap akhir tahun, Sub Bagian Tenaga
Kependidikan Universitas Udayana akan mengirimkan surat pemberitahuan ke setiap
pimpinan unit yang memiliki Tenaga Kependidikan Non PNS untuk mengirimkan
maksimal 2 orang calon Tenaga Kependidikan Non PNS teladan. Kemudian masing-masing pimpinan unit akan mengirimkan daftar nama calon
Tenaga Kependidikan Non PNS teladan untuk mengikuti seleksi. Selanjutnya
Subbagian Tenaga Kependidikan mengumpulkan nama-nama calon Tenaga Kependidikan
teladan tersebut dan melakukan proses seleksi berdasarkan beberapa kriteria,
yaitu nilai SKP, nilai orientasi pelayanan, nilai integritas, nilai komitmen,
nilai disiplin, dan nilai kerja sama. Kriteria tersebut adalah penilaian yang
diberikan oleh atasan masing-masing unit atau fakultas kepada Tenaga
Kependidikan Non PNS saat melaporkan hasil kinerja setiap semester. Data calon
Tenaga Kependidikan Non PNS teladan tersebut diproses dan diolah secara manual
menggunakan Microsoft Excel dengan ketentuan bobot sebagai berikut: a)
nilai SKP sebesar 30%, b) nilai orientasi pelayanan sebesar 10%, c) nilai
integritas sebesar 10%, d) nilai komitmen sebesar 20%, e) nilai disiplin
sebesar 20%, dan f) nilai kerja sama sebesar 10%.
Berdasarkan gambaran proses tersebut, dapat dilihat bahwa proses
pemilihan Tenaga Kependidikan teladan yang sudah berjalan tersebut masih
memiliki unsur subjektivitas yang tinggi dan rawan akan kesalahan (human
error) karena proses pengolahan data dan perhitungan masih menggunakan Microsoft
Excel. Selain itu, penelusuran riwayat pemilihan Tenaga Kependidikan Non
PNS teladan pada tahun-tahun sebelumnya juga menjadi kendala, dimana hasil
perhitungan menggunakan Microsoft Excel yang cenderung hilang dan akan
menyulitkan untuk melakukan penelusuran (Dewi & Putra, 2021).
Penerapan implementasi teknologi
informasi diperlukan untuk membantu permasalahan yang ada dengan segera serta
tepat. Salah satu implementasi teknologi yang dapat dimanfaatkan adalah Sistem
Pendukung Keputusan. Sistem Pendukung Keputusan memerlukan metode dalam
perhitungannya. Metode-metode yang dapat diterapkan dalam Sistem Pendukung Keputusan
antara lain: Simple Additive Weighting Method (SAW), Weighted Product
(WP), ELECTRE, Technique for Order Preference by Similarity to Ideal
Solution (s). Pemanfaatan Sistem Pendukung Keputusan diharapkan dapat
membantu Pimpinan Universitas Udayana untuk mengambil keputusan dalam
menentukan Tenaga Kependidikan Non PNS teladan (Andriani et al., 2018).
Merujuk beberapa penelitian terdahulu yang menggunakan metode AHP dan
WP, metode AHP dipilih untuk menentukan Tenaga Kependidikan Non PNS teladan
karena metode AHP memiliki kelebihan pada matriks perbandingan berpasangan dan
menerapkan perhitungan analisis konsistensi. Metode AHP dirancang untuk dapat
menunjang pengambilan keputusan permasalahan yang bersifat kompleks. Sementara
metode WP mampu melakukan proses perankingan terhadap alternatif dengan proses
yang cepat. Penelitian serupa yang pernah ada yakni penelitian yang dilakukan
oleh Nugroho & Veronica (Nugroho & Veronica, 2021) dalam UNNES Journal of
Mathematics. Penelitian ini membahas tentang penerapan metode AHP sebagai
sistem pendukung keputusan pemilihan tempat kerja. Penelitian oleh Ade
Oktafiawan Nugroho dan Veronica tersebut masih dapat dikembangkan dengan
menggabungkan beberapa metode untuk menghasilkan keputusan yang lebih baik.
Selain itu penelitian tersebut masih belum menghitung tingkat akurasi
perhitungan metode AHP yang digunakan (Abdullah, 2017).
Penilitian oleh Ida Bagus Kurniawan
Sementara itu penelitian oleh Raja Tama Andri Agus
Metode AHP memerlukan masukan utama berupa persepsi dari ahli, maka dari
itu metode AHP dapat dipengaruhi oleh subjektifitas dari ahli. Selain itu,
metode AHP ini hanya metode matematis tanpa ada pengujian secara statistik
sehingga tidak ada batas kepercayaan dari kebenaran model yang terbentuk.
Metode AHP juga mempunyai kelebihan yaitu dapat melakukan uji konsistensi dalam
menentukan nilai bobot kriteria, sehingga dapat menghasilkan nilai bobot
kriteria yang konsisten (Munthafa & Mubarok, 2017). Sementara itu, metode WP
dapat mempertimbangkan setiap alternatif berdasarkan kriteria yang ada untuk
dilakukan perankingan. Berbeda dengan metode AHP, metode WP tidak dapat
melakukan uji konsistensi terhadap kriteria. Maka dari itu penerapan kombinasi
kedua metode tersebut dapat saling melengkapi dan menutupi kekurangan
masing-masing.
Berlandaskan pemaparan di atas, penulis hendak melaksanakan penelitian
yang mengkombinasikan antara metode Analytical Hierarchy Process (AHP)
dan Weighted Product (WP) untuk kemudian dihitung tingkat keakuratan
kombinasi metode tersebut dengan menggunakan Mean Absolute Percentage Error (MAPE).
Penelitian yang penulis usulkan yaitu berjudul “Implementasi Metode AHP-WP
dalam Sistem Pendukung Keputusan Pemilihan Tenaga Kependidikan Non PNS Teladan
di Universitas Udayana”. Sistem tersebut diharapkan dapat membantu Pimpinan
Universitas Udayana dalam menentukan Tenaga Kependidikan Non PNS teladan dengan
tepat. Sistem Pendukung Keputusan pada penilitian ini menggunakan data
penilaian SKP, orientasi pelayanan, intergritas, komitmen, disipilin, dan kerja
sama setiap Tenaga Kependidikan Non PNS yang telah dinilai setiap tahunnya dan
tersimpan pada sistem kepegawaian. Sistem Pendukung Keputusan ini dikembangkan
dengan berbasis web dengan menggunakan PHP dan MySQL dengan
mengimplementasikan metode AHP-WP.
Metode Penelitan
Objek penelitian pada penelitian ini
adalah Sistem Pendukung Keputusan Pemilihan Tenaga Kependidikan Non PNS Teladan
di Universitas Udayana dengan menggunakan data Tenaga Kependidikan Non PNS
teladan tahun 2019, 2020, dan 2021. Dalam penelitian ini penulis menggunakan
jenis penelitian kuantitatif. Penelitian kuantitatif dipilih karena data yang
diperoleh adalah data yang berupa angka. Data yang diperoleh akan dianalisis
lebih lanjut dalam analisis data. Teknik Pengumpulan
data yang digunakan pada penelitian ini adalah menggunakan kuesioner dan
observasi.
Analisis data yang digunakan dalam
penelitian ini menggunakan beberapa tahapan seperti menentukan kriteria alternatif,
penerapan kombinasi metode AHP dan WP, proses pembobotan kriteria dengan metode AHP secara manual dan proses perangkingan dengan
metode WP dan fuzzy WP secara manual. Kemudian perancangan sistem yang diharapkan
dapat membantu penulis dalam mengimplementasi tahapan-tahapan proses
perhitungan kombinasi metode AHP dan WP kedalam sistem pendukung keputusan
berbasis web agar sesuai dengan penerapan metode yang digunakan.
Hasil Dan Pembahasan
Analisis
Data Menggunakan Kombinasi Metode AHP dan WP
Penetapan Nilai Prioritas Kriteria dengan Metode AHP
1.
Matrik perbandingan berpasangan hasil
kuesioner
Berdasarkan pengumpulan data
yang telah dilakukan sesuai dengan instrumen yang telah ditentukan, hasil
penentuan matrik perbandingan berpasangan setiap pakar disajikan bentuk tabel.
Untuk pakar 1 sesuai dengan
Tabel ,
dan untuk pakar 2 sesuai dengan table 1.
Tabel 1
Hasil Penentuan Matrik
Perbandingan Berpasangan Pakar 1
|
Kriteria |
Nilai SKP |
Nilai Orientasi
Pelayanan |
Nilai Integritas |
Nilai Komitmen |
Nilai Disiplin |
Nilai Kerja sama |
|
Nilai SKP |
1 |
5 |
5 |
3 |
3 |
5 |
|
Nilai Orientasi
Pelayanan |
0,2 |
1 |
1 |
1 |
1 |
1 |
|
Nilai Integritas |
0,2 |
1 |
1 |
1 |
1 |
1 |
|
Nilai Komitmen |
0,3333 |
1 |
1 |
1 |
1 |
3 |
|
Nilai Disiplin |
0,3333 |
1 |
1 |
1 |
1 |
3 |
|
Nilai Kerjsama |
0,3333 |
1 |
1 |
0,5 |
0,5 |
1 |
Tabel 2
Hasil Penentuan Matriks
Perbandingan Berpasangan Pakar 2
|
Kriteria |
Nilai SKP |
Nilai Orientasi
Pelayanan |
Nilai Integritas |
Nilai Komitmen |
Nilai Disiplin |
Nilai Kerja sama |
|
Nilai SKP |
1 |
3 |
3 |
1 |
1 |
3 |
|
Nilai Orientasi
Pelayanan |
0,33333 |
1 |
1 |
0,33333 |
0,33333 |
1 |
|
Nilai Integritas |
0,33333 |
1 |
1 |
0,33333 |
0,33333 |
1 |
|
Nilai Komitmen |
1 |
3 |
3 |
1 |
1 |
3 |
|
Nilai Disiplin |
1 |
3 |
3 |
1 |
1 |
3 |
|
Nilai Kerjsama |
0,33333 |
1 |
1 |
0,33333 |
0,33333 |
1 |
2.
Perhitungan Geometric Mean
Perhitungan geometric mean untuk
memadukan hasil penentuan matriks berpasangan dari pakar 1 dan pakar 2
menggunakan persamaan Error! Reference source not found.. Hasil perhitungan geometric mean sesuai dengan tabel 3 berikut
ini.
Tabel 3
Hasil Perhitungan Geometric Mean
|
Kriteria |
Nilai SKP |
Nilai Orientasi
Pelayanan |
Nilai Integritas |
Nilai Komitmen |
Nilai Disiplin |
Nilai Kerja sama |
|
Nilai SKP |
1 |
3,8730 |
3,8730 |
1,7321 |
1,7321 |
3,8730 |
|
Nilai Orientasi
Pelayanan |
0,2582 |
1 |
1 |
0,5774 |
0,5774 |
1 |
|
Nilai Integritas |
0,2582 |
1 |
1 |
0,5774 |
0,5774 |
1 |
|
Nilai Komitmen |
0,5774 |
1,7321 |
1,7321 |
1 |
1 |
3 |
|
Nilai Disiplin |
0,5774 |
1,7321 |
1,7321 |
1 |
1 |
3 |
|
Nilai Kerjsama |
0,2582 |
1 |
1 |
0,3333 |
0,3333 |
1 |
3.
Penjumlahan Nilai-nilai Setiap Kolom
Selanjutnya melakukan penjumlahan nilai-nilai dari
setiap kolom pada matriks, sesuai dengan tabel 4 berikut ini.
Tabel 4
Hasil Penjumlahan Setiap Kolom
pada Matriks
|
Kriteria |
Nilai SKP |
Nilai Orientasi
Pelayanan |
Nilai Integritas |
Nilai Komitmen |
Nilai Disiplin |
Nilai Kerja sama |
|
Nilai SKP |
1 |
3,8730 |
3,8730 |
1,7321 |
1,7321 |
3,8730 |
|
Nilai Orientasi
Pelayanan |
0,2582 |
1 |
1 |
0,5774 |
0,5774 |
1 |
|
Nilai Integritas |
0,2582 |
1 |
1 |
0,5774 |
0,5774 |
1 |
|
Nilai Komitmen |
0,5774 |
1,7321 |
1,7321 |
1 |
1 |
3 |
|
Nilai Disiplin |
0,5774 |
1,7321 |
1,7321 |
1 |
1 |
3 |
|
Nilai Kerjasama |
0,2582 |
1 |
1 |
0,3333 |
0,3333 |
1 |
|
Jumlah |
2,9293 |
10,3371 |
10,3371 |
5,2201 |
5,2201 |
12,8730 |
4.
Menghitung Matrik Ternormalisasi
Langkah untuk menghitung matriks yang ternomalisasi
adalah dengan cara membagi nilai setiap kolom dengan jumlah setiap kolom, sesuai
dengan tabel 5 berikut ini.
Tabel 5
Matriks Ternormalisasi
|
Nilai SKP |
Nilai Orientasi Pelayanan |
Nilai Integritas |
Nilai Komitmen |
Nilai Disiplin |
Nilai Kerja sama |
|
|
Nilai SKP |
0,3414 |
0,3747 |
0,3747 |
0,3318 |
0,3318 |
0,3009 |
|
Nilai Orientasi Pelayanan |
0,0881 |
0,0967 |
0,0967 |
0,1106 |
0,1106 |
0,0777 |
|
Nilai Integritas |
0,0881 |
0,0967 |
0,0967 |
0,1106 |
0,1106 |
0,0777 |
|
Nilai Komitmen |
0,1971 |
0,1676 |
0,1676 |
0,1916 |
0,1916 |
0,2330 |
|
Nilai Disiplin |
0,1971 |
0,1676 |
0,1676 |
0,1916 |
0,1916 |
0,2330 |
|
Nilai Kerjsama |
0,0881 |
0,0967 |
0,0967 |
0,0639 |
0,0639 |
0,0777 |
5.
Menghitung Prioritas Kriteria
Selanjutnya adalah menghitung prioritas kriteria.
Prioritas kriteria dapat dihitung dengan cara mencari nilai rata-rata, yaitu
dengan menjumlahkan nilai dari setiap martiks ternormalisasi kemudian
membaginya dengan banyak elemen kriteria. Hasil perhitungan prioritas kriteria sesuai
dengan tabel 6 berikut ini.
Tabel 6
Hasil Perhitungan Prioritas
|
Prioritas Kriteria |
|
|
Nilai SKP |
0,3425 |
|
Nilai Orientasi Pelayanan |
0,0968 |
|
Nilai Integritas |
0,0968 |
|
Nilai Komitmen |
0,1914 |
|
Nilai Disiplin |
0,1914 |
|
Nilai Kerjsama |
0,0812 |
Mengukur Rasio Konsistensi
Langkah selanjutnya adalah mengukur rasio konsistensi.
Langkah pertama adalah menentukan eigen value (λmax), yaitu
dengan cara mengalikan matriks perbandingan berpasangan dengan nilai rasio
prioritas. Kemudian hasil tersebut dibagi dengan prioritas yang bersangkutan
untuk selanjutnya dijumlahkan, dan dibagi dengan banyak elemen kriteria yang
ada. Kemudian dilanjutkan dengan mencari indeks konsistensi (CI) dan
konsistensi rasio (CR) sesuai dengan persamaan (2.1) dan persamaan (2.2). Untuk
lebih jelasnya sesuai dengan perhitungan berikut ini.
a.
Mengalikan matriks perbandingan
berpasangan dengan nilai rasio prioritas\
=
λmax = 6,0458
b.
Menghitung Indeks Konsistensi (CI)
c.
Menghitung Rasio Konsistensi (CR)
Hasil rasio konsistensi (CR) adalah sebesar 0,0074, nilai rasio konsistensi ≤ 0,1, maka dapat disimpulkan perbandingan berpasangan yang telah dilakukan
konsisten.
Analisis
Kebutuhan Sistem
Diagram Konteks
Diagram Konteks Sistem Pendukung Keputusan
Pemilihan Tenaga Kependidikan Non PNS Teladan di Universitas Udayana ini
terdiri dari satu entitas, yaitu entitas pengguna. Pengguna memberi input
berupa data Tenaga Kependidikan Non PNS, data nilai SKP, data nilai orientasi
pelayanan, data nilai integritas, data nilai komitmen, data nilai disiplin, dan
data nilai kerja sama, kemudian menerima output berupa daftar Tenaga
Kependidikan Non PNS teladan. Untuk lebih jelasnya sesuai
dengan Gambar 4.1.
DFD (Data Flow Diagram)
1.
DFD Level 0
DFD level 0 pada kasus ini terdapat 2 proses,
yaitu Proses Data Master, dan Proses Perhitungan AHP-WP. Pengguna memberi input
data unit, data pegawai, data pengguna, data kriteria, dan data alternatif.
Kemudian pada Proses Data Master data pengguna akan disimpan pada tabel
tb_unit, data pegawai akan disimpan pada tabel tb_pegawai, data pengguna akan
disimpan pada tabel tb_user, data kriteria akan disimpan pada tabel
tb_kriteria, data alternatif akan disimpan pada tabel tb_alternatif.
Selanjutnya untuk Proses Perhitungan AHP-WP, akan mengambil data kriteria dari
tabel tb_kriteria, dan data alternatif dari tabel tb_alternatif, kemudian
data-data tersebut akan diproses dan menghasilkan data total_nilai dan data
ranking yang kemudian disimpan kembali pada tabel tb_alternatif. Setelah
seluruh proses dilakukan maka akan menghasilkan laporan Tenaga Kependidikan Non
PNS yang layak terpilih sebagai pegawai teladan kepada pengguna. Untuk lebih
detailnya sesuai dengan Gambar 4.2.
2.
DFD Level 1 Proses Data Master
Pada kasus ini proses data master terdiri dari 5
proses, yaitu proses data unit, proses data pegawai, proses data pengguna,
proses data kriteria, dan proses data alternatif. Kemudian data hasil
proses disimpan pada tabel masing-masing. Untuk lebih detailnya sesuai dengan Gambar 4.3.
3.
DFD Level 1 Proses AHP-WP
Pada
kasus ini proses data AHP-WP terdiri dari 3 proses,
yaitu proses pembobotan kriteria dengan metode AHP, proses bobot alternatif
dengan metode WP, dan proses perhitungan nilai total dan perankingan, Kemudian
data hasil proses disimpan pada tabel masing-masing. Untuk lebih detailnya sesuai
dengan
Gambar 4.4.
Struktur Tabel
Pada sistem ini akan diimplementasikan tabel-tabel
dengan struktur sebagai berikut.
1.
Tabel Pengguna
Tabel ini digunakan untuk mencatat data pengguna
dengan struktur seperti pada tabel 7 berikut ini.
Tabel 7
Struktur Tabel Pengguna
|
Field |
Type |
Length |
Keterangan |
Attibut |
|
id* |
Varchar |
5 |
|
primary key |
|
username |
Varchar |
20 |
|
|
|
password |
Varchar |
32 |
Md5 |
|
2.
Tabel Unit
Tabel ini digunakan untuk mencatat unit dan fakultas
dengan struktur seperti pada tabel 8 berikut ini.
Tabel 8
Struktur Tabel Unit
|
Field |
Type |
Length |
Keterangan |
Attibut |
|
kode_unit* |
Varchar |
3 |
|
primary key |
|
nama_unit |
Varchar |
50 |
|
3.
Tabel Pegawai
Tabel ini digunakan untuk mencatat data Tenaga
Kependidikan Non PNS dengan struktur seperti pada tabel 9 berikut ini.
Tabel 9
Struktur Tabel Pegawai
|
Field |
Type |
Length |
Keterangan |
Attibut |
|
nik* |
Varchar |
19 |
|
primary key |
|
nama |
Varchar |
50 |
|
|
|
kode_unit** |
Varchar |
3 |
|
foreign key |
4.
Tabel Kriteria
Tabel ini digunakan untuk mencatat data kriteria
dengan struktur seperti pada tabel 10 berikut ini.
Tabel 10
Struktur Tabel Kriteria
|
Field |
Type |
Length |
Keterangan |
Attibut |
|
kode_kriteria* |
Varchar |
5 |
|
primary key |
|
nama_kriteria |
Varchar |
50 |
|
|
|
atribute |
Varchar |
10 |
|
5.
Tabel Alternatif
Tabel ini digunakan untuk mencatat data alternatif
dengan struktur seperti pada tabel 11 berikut ini.
Tabel 11
Struktur Tabel Alternatif
|
Field |
Type |
Length |
Keterangan |
Attibut |
|
kode_alternatif* |
Varchar |
5 |
|
primary key |
|
nama_ alternatif |
Varchar |
50 |
|
|
|
keterangan |
Varchar |
255 |
|
|
|
total |
Double |
|
|
|
|
rank |
Integer |
11 |
|
|
|
total_fuzzy |
Double |
|
|
|
|
rank_fuzzy |
Integer |
11 |
|
|
6.
Tabel Relasi Alternatif
Tabel ini digunakan untuk mencatat data nilai bobot
setiap alternatif dengan struktur seperti pada tabel 12 berikut ini.
Tabel 12
Struktur Tabel Relasi Alternatif
|
Field |
Type |
Length |
Keterangan |
Attibut |
|
id* |
INT |
11 |
|
Auto increment, primary key |
|
kode_alternatif** |
Varchar |
5 |
|
foreign key |
|
kode_kriteria** |
Varchar |
5 |
|
foreign key |
|
nilai |
Double |
|
|
|
|
nilai_fuzzy |
Double |
|
|
|
7.
Tabel Relasi Alternatif Fuzzy
Tabel ini digunakan untuk mencatat data nilai bobot
setiap alternatif yang dihitung dengan metode fuzzy WP dengan struktur
seperti pada tabel 13 berikut ini.
Tabel 13
Struktur Tabel Relasi Alternatif
Fuzzy
|
Field |
Type |
Length |
Keterangan |
Attibut |
|
id* |
INT |
11 |
|
Auto increment, primary key |
|
kode_alternatif** |
Varchar |
5 |
|
foreign key |
|
kode_kriteria** |
Varchar |
5 |
|
foreign key |
|
nilai |
Double |
|
|
|
|
nilai_fuzzy |
Double |
|
|
|
8.
Tabel Relasi Kriteria
Tabel ini digunakan untuk mencatat data nilai bobot
setiap kriteria dengan struktur seperti pada tabel 14 berikut ini.
Tabel 14
Struktur Tabel Relasi Kriteria
|
Field |
Type |
Length |
Keterangan |
Attibut |
|
id* |
|
|
|
Auto increment |
|
kriteria_pertama** |
Varchar
|
5 |
|
foreign key |
|
kriteria_kedua
** |
Varchar
|
5 |
|
foreign key |
|
nilai |
Double |
|
|
|
|
geomean |
Double |
|
|
|
Perancangan Sistem
Desain Antarmuka Halaman Login Admin
Halaman login admin ini digunakan oleh admin
untuk melakukan proses login ke sistem. Halaman ini terdiri dari inputan
username dan password. Desain tampilan antarmuka halaman login
admin sesuai dengan Gambar 4.5.
Halaman home daoat diakses setelah admin sukses
melakukan proses login. Desain tampilan halaman home sesuai
dengan Gambar 4.6.
Desain Antarmuka Halaman Data Master
Halaman data master terdiri dari halaman data
unit/fakultas, halaman data pegawai, halaman data kriteria, dan halaman data
alternatif. Halaman-halaman tersebut memiliki tampilan yang sama. Desain
tampilan rancangan halaman data master sesuai dengan Gambar 4.7.
Desain Antarmuka Halaman Perankingan
Halaman perankingan terdiri dari perankingan metode WP
dan metode fuzzy WP. Pada halaman perankingan ini user dapat
melihat detail perhitungan dengan memilih tombol detail. Detail perhitungan
menampilkan proses perhitungan metode AHP dan metode WP maupun Fuzzy WP.
Desain tampilan halaman data master sesuai dengan Gambar 4.8.
Implementasi Sistem
Implementasi Antarmuka Halaman Login
Halaman login merupakan halaman awal untuk
masuk ke sistem pendukung keputusan. Halama login pada sistem pendukung
keputusan pemilihan Tenaga Kependidikan Non PNS teladan ini terdiri atas dua
masukan yaitu username dan password. Apabila username dan password
yang diisi oleh pengguna sudah sesuai maka akan diarahkan ke halaman
selanjutnya, jika salah maka tidak dapat ke halaman selanjutnya dan muncul
pesan error. Tampilan halaman login sesuai dengan Gambar 4.9.
Implementasi
Antarmuka Halaman Unit
Halaman unit berfungsi untuk menampilkan daftar unit.
Pada halaman unit pengguna dapat melakukan proses tambah unit, ubah unit, hapus
unit, dan cetak laporan unit dengan memilih masing-masing tombol yang tersedia.
Tampilan halaman unit sesuai dengan Gambar 4.10.
Implementasi Antarmuka Halaman
Pegawai
Halaman pegawai berfungsi untuk menampilkan daftar
pegawai. Pada halaman pegawai pengguna dapat melakukan proses tambah pegawai,
ubah pegawai, hapus pegawai, dan cetak laporan pegawai dengan memilih
masing-masing tombol yang tersedia. Tampilan halaman pegawai sesuai dengan Gambar 4.11.
Gambar 4.11 Tampilan Halaman Pegawai
Implementasi Antarmuka Halaman
Tambah Pegawai
Halaman tambah pegawai berfungsi untuk menambahkan
pegawai baru. Proses tambah pegawai ini terdiri atas 3 masukan yaitu NIK, Nama,
dan Unit. Tampilan halaman tambah pegawai sesuai dengan Gambar 4.12.
Implementasi Antarmuka Halaman Ubah
Pegawai
Halaman ubah pegawai berfungsi untuk melakukan
perubahan data pegawai. Proses ubah pegawai ini terdiri atas 3 masukan yang
dapat diubah yaitu NIK, Nama, dan Unit. Tampilan halaman tambah pegawai sesuai
dengan Gambar 4.13.
Implementasi Antarmuka Halaman Kriteria
Halaman kriteria berfungsi untuk menampilkan daftar
kriteria. Pengguna dapat melakukan proses tambah data kriteria, ubah data
kriteria, hapus data kriteria, dan cetak laporan kriteria dengan memilih tombol
yang tersedia. Tampilan halaman kriteria sesuai dengan Gambar 4.14.
Implementasi Antarmuka Halaman
Tambah Kriteria
Halaman tambah kriteria ini berfungsi untuk
menambahkan kriteria baru. Proses tambah krieria ini terdiri dari 3 masukan
yaitu kode kriteria, nama kriteria, dan atribut (benefit/cost). Tampilan
halaman kriteria sesuai dengan Gambar 4.15.
Implementasi Antarmuka Halaman Ubah Kriteria
Halaman ubah kriteria berfungsi untuk melakukan
perubahan data kriteria. Proses ubah kriteria ini terdiri atas 3 masukan yang
dapat diubah yaitu kode, nama kriteria, dan atribut. Tampilan halaman tambah
pegawai sesuai dengan Gambar 4 16.
Implementasi Antarmuka Halaman Nilai Bobot Kriteria
Implementasi Antarmuka Halaman Alternatif
Halaman alternatif berfungsi untuk menampilkan daftar
alternatif, yang terdiri dari kode alternatif, nama alternatif, dan keterangan.
Pada halaman ini pengguna dapat melakukan proses hapus data alernatif, dan
cetak laporan data alternatif dengan cara memilih tombol yang tersedia. Selain
itu pada halaman ini juga terdapat fasilitas pencarian dengan cara mengetikkan
kata kunci pada kotak pencarian yang tersedia. Tampilan halaman alternatif sesuai
dengan Gambar 4.18.
Implementasi Antarmuka Halaman Tambah Alternatif
Halaman tambah alternatif ini berfungsi untuk menambahkan
alternatif baru. Proses tambah alternatif ini terdiri dari 3 masukan yaitu kode
alternatif, nama alternatif, dan tahun pemilihan. Pada halaman ini juga
sekaligus melakukan proses penambahan nilai alternatif. Tampilan halaman tambah
alternatif sesuai dengan Gambar 4.19 dan
tampilan halaman tambah nilai alternatif sesuai dengan Gambar 4.20.
Implementasi Antarmuka Halaman Nilai Alternatif
Halaman nilai alternatif berfungsi untuk menampilkan
data nilai dari setiap alternatif. Pada halaman ini pengguna dapat melakukan
proses ubah, pencarian, dan cetak dengan cara memilih tombol yang tersedia.
Tampilan halaman nilai akternatif sesuai dengan Gambar 4.21.
Implementasi Antarmuka Halaman Ubah Nilai Alternatif
Halaman ubah nilai alternatif berfungsi untuk mengubah
nilai dari alternatif. Pengguna dapat mengubah nilai dari alternatif. Tampilan
halaman ubah nilai alternatif sesuai dengan Gambar 4.22.
Implementasi Antarmuka Halaman Perankingan
Halaman perankingan ini berfungsi untuk menampilkan
proses perhitungan metode WP. Pada halaman ini sistem akan menampilkan matriks
perbandingan kriteria, matriks bobot prioritas kriteria, dan juga menampilkan
hasil perhitungan nilai consistency ratio. Selanjutnya pada perhitungan
metode WP, halaman ini menampilkan hasil perhitungan vektor S dan vektor V, dan
juga menampilkan hasil perankingan yang diurut dari yang terkecil ke yang
terbesar. Pada halaman ini pengguna dapat mencetak hasil perankingan dengan
cara memilih tombol cetak yang tersedia. Tampilan halaman perankingan sesuai
dengan Gambar 4.23.
Implementasi Antarmuka Halaman Ubah Password
Halaman ubah password berfungsi untuk melakukan
proses perubahan password bagi pengguna. Proses ubah password pada
halaman ini terdiri dari 3 masukan yaitu password lama, password
baru, dan konfirmasi password baru. Proses ubah password akan
berhasil apabila 1) pengguna sudah benar mengisi password lama sesuai
dengan yang terdata pada database, 2) pengguna sudah mengisi password
baru dan konfirmasi password baru dengan sesuai. Tampilan halaman password
sesuai dengan Gambar 4.24.
Black Box Testing
Blackbox testing dilakukan
dengan menyebarkan angket kepada 5 orang responden pada bagian sumber daya
manusia, sub bagian tenaga kependidikan di Universitas
Udayana. Pengujian dilakukan pada 12 menu dan 31 sub menu yang terdapat
pada sistem, dengan total terdapat 54 skenario pengujian sesuai dengan Error! Reference source not found., Error! Reference source not found., Error! Reference source not found., Error! Reference source not found., dan Error! Reference source not found., maka rekap hasil black box testing sesuai dengan tabel 15 berikut
ini.
Tabel 15
Rekap Hasil Blackbox Testing
|
No |
Responden |
Hasil Pengujian Sub Menu |
|||
|
Sesuai |
Tidak Sesuai |
Persentase Sesuai |
Persentase Tidak Sesuai |
||
|
1 |
Responden 1 |
31 |
0 |
100% |
0% |
|
2 |
Responden 2 |
31 |
0 |
100% |
0% |
|
3 |
Responden 3 |
31 |
0 |
100% |
0% |
|
4 |
Responden 4 |
31 |
0 |
100% |
0% |
|
5 |
Responden 5 |
31 |
0 |
100% |
0% |
Hasil blackbox testing
pada
Tabel menunjukkan 5 responden melakukan pengujian
terhadap 31 sub menu. Pengujian yang dilakukan oleh responden 1, responden 2,
responden 3, responden 4, dan responden 5 menunjukkan bahwa 33 sub menu
berhasil berjalan sesuai dengan yang diharapkan (100%) dan tidak terdapat sub
menu yang tidak sesuai (0%), maka dapat diketahui sistem telah berjalan sesuai
dengan yang dibutuhkan.
Dampak dari
Hasil Penelitian terhadap Pengembangan Bidang Ilmu Komputer
Penelitian ini membahas tentang penerapan kombinasi
dari metode AHP dan WP dalam sistem pendukung keputusan berbasis web. Sehingga
penelitian ini dapat memberi dampak di bidang ilmu komputer yaitu sebagai
rujukan penerapan kombinasi metode AHP dan WP guna memecahkan
permasalahan-permasalahn di bidang ilmu komputer maupun bidang ilmu lainnya.
Selanjutnya penelitian ini juga membahas tentang perbandingan hasil perankingan
menggunakan metode WP dengan metode fuzzy WP. Dengan penerapan metode fuzzy
logic dalam perankingan metode WP, penelitian ini dapat memberikan
pemahaman terkait pengolahan data nilai input ke dalam logika fuzzy,
sehingga dapat memberikan ide-ide baru terkait penelitian dalam penerapan
logika fuzzy di bidang ilmu komputer.
