METODE FUZZY SIMPLE ADDITIVE WEIGHTING (SAW) … fileHasil perhitungan perankingan atau nilai terbaik menunjukan nilai tertinggi yaitu 1,12 dari Alternatif 7 (Nanda Nuria) yang berhak

Jurnal PETIR Vol. 10 No. 1 Maret 2017 / 71

METODE FUZZY SIMPLE ADDITIVE WEIGHTING (SAW)DALAM PEMILIHAN KETUA OSIS

1Adi Supriyatna;

2Dewanto Ekaputra

1AMIK BSI Karawang, Jl. Ahmad Yani No.98 Karawang ([email protected])

2STMIK Nusa Mandiri Jakarta, Jl. Jatiwaringin Raya No.18, Jakarta Timur, Indonesia

([email protected])

ABSTRAK

OSIS (Organisasi Siswa Intra Sekolah) adalah salah satu organisasi di dalam sekolah yangmendapatkan perhatian dari pemerintah karena merupakan salah satu jalur pembinaan kesiswaan secaranasional. Dalam pemilihan ketua OSIS di SMK Kawula Indonesia masih kurang efektif dan belum memilikikriteria terbobot. Sistem pendukung keputusan dengan menggunakan metode Simple Additive Weighting(SAW) dipilih untuk menyelesaikan masalah tersebut. Konsep dasar metode SAW adalah mencaripenjumlahan terbobot dari rating kinerja pada setiap alternatif dari semua atribut, metode SAW membutuhkanproses normalisasi matrik keputusan (X) ke skala yang dapat diperbandingkan dengan semua rating alternatifyang ada. Hasil perhitungan perankingan atau nilai terbaik menunjukan nilai tertinggi yaitu 1,12 dari Alternatif7 (Nanda Nuria) yang berhak menjadi ketua OSIS.

Kata Kunci : Fuzzy SAW, Sistem Pendukung Keputusan, Perankingan, OSIS.

PENDAHULUAN

OSIS sebagai satu-satunya organisasikesiswaan didalam sekolah, merupakan saranaberlatih berorganisasi dan wadah kegiatan bagisiswa/i di sekolah, maka dapat disimpulkan majudan berkembangnya kegiatan sekolah sangattergantung pada program kerja OSIS, sikapkepemimpinan dan pengetahuan dasar mengenaipengelolaan organisasi yang baik serta aktivitaspengurus OSIS yang dibimbing para pembinaOSIS. Melihat peranan dan kedudukan yangpenting tersebut, maka OSIS perlu dikelola dengansebaik-baiknya. Manajemen kesiswaan adalahseluruh proses kegiatan yang direncanakan dandiusahakan secara sengaja serta pembinaansecara kontinu terhadap seluruh siswa (dalamlembaga pendidikan yang bersangkutan) agardapat mengikuti proses belajar mengajar secaraefektif dan efisien (Kurniawati, 2008).

Pemilihan ketua OSIS pada SMK KAWULAINDONESIA masih kurang efektif karena yangterpilih menjadi ketua OSIS biasanya belum siapmenjadi pemimpin OSIS dan hanya ingin namanyaterkenal dikalangan siswa/i saja, tanpa memilihcalon kriteria yang baik. Dalam hal ini siswa danguru harus bisa memilih calon kandidat ketua OSISyang dapat bertanggung jawab atas semuatugasnya.

Dalam hal ini untuk menghitung nilai terbobotdigunakan metode Simple Additive Weighting(SAW). Kelebihan dari penggunaan metode initerletak pada kemampuannya untuk menentukankriteria yang terjadi pada pengumpulan data danuntuk memberikan nilai terbobot dari masing-masing kriteria. Sehingga sekolah dapatmengetahui siswa/i yang menjadi ketua OSISselanjutnya, agar lebih mudah dan tepat.

Berdasarkan latar belakang masalah penulismenyimpulkan permasalahan antara lain:

1. Kriteria calon ketua OSIS masih kurang efektifdan belum memenuhi syarat ketentuan yangberlaku di SMK KAWULA INDONESIA.

2. Penilaian dan perhitungan masih dilakukansecara manual sehingga memakan waktulama untuk diproses.

METODE PENELITIAN

1. Simple Additive Weighting (SAW).Metode penjumlahan terbobot. Konsep dasar

SAW adalah mencari penjumlahan terbobot darirating kinerja pada setiap alternatif pada semuaatribut (Kusumadewi, 2006). Metode SAWmembutuhkan proses normalisasi matrikskeputusan (X) ke suatu skala yang dapatdiperbandingkan dengan semua rating alternatifyang ada. Metode SAW mengenal adanya duaatribut yaitu kriteria keuntungan (benefit) dankriteria biaya (cost). Perbedaan mendasar darikedua kriteria ini adalah dalam pemilihan kriteriaketika mengambil keputusan.

2. Penyelesaian Metode Simple AdditiveWeighting (SAW).Dalam penelitian ini menggunakan Fuzzy

Multiple Decision Making (FMADM) metode SimpleAdditive Weighting (SAW). Adapun langkah-langkahnya adalah:a. Menentukan kriteria yang akan dijadikan

acuan dalam pengambilan keputusan, yaituCj.

b. Memberikan nilai setiap alternatif Ai padasetiap kriteria yang sudah ditentukan, dimananilai tersebut diperoleh berdasarkan nilai crisp;i-1,2,…,m dan j=1,1,……,n.

c. Menentukan nilai rating kecocokan setiapalternatif pada setiap kriteria kemudianmemodelkannya ke dalam bilangan fuzzysetelah itu konversikan ke bilangan crisp.

72 / Jurnal PETIR Vol. 10 No. 1 Maret 2017

d. Menentukan bobot preferensi atau tingkatkepentingan (W) setiap kriteria. W =[W1,W2,W3,…,WJ].

e. Membuat matriks keputusan (X) yangdibentuk dari table rating kecocokan darisetiap alternatif pada setiap kriteria. Nilai Xsetiap alternatif (Ai) pada setiap kriteria (Cj)yang sudah ditentukan, dimana, i=1,2,…,mdan j=1,2,…,n.

f.

Sumber : (Kusumadewi, 2006)

Gambar 1. Matriks Keputusan Metode SAW.

g. Melakukan normalisasi matriks keputusandengan cara menghitung nilai rating kinerjaternormalisasi (rij) dari alternatif Ai padakriteria Cj.


Gambar 2. Normalisasi Matriks Metode SAW.

Keterangan:1) Kriteria keuntungan apabila nilai

memberikan keuntungan bagi pengambilkeputusan, sebaliknya kriteria biayaapabila menimbulkan biaya bagipengambil keputusan.

2) Apabila berupa kriteria keuntungan makanilai dibagi dengan nilai dari setiapkolom, sedangkan untuk kriteria biaya,nilai dari setiap kolom dibagi dengannilai.

h. Hasil dari nilai rating kinerja ternormalisasi (rij)membentuk matriks ternormalisasi (R).

i. Hasil akhir nilai preferensi (Vi) diperoleh daripenjumlahan dari perkalian elemen kerjamatriks ternormalisasi dengan bobotpreferensi (W) yang bersesuaian elemenkolom matriks (W).

j.


Gambar 3. Hasil Akhir Metode SAW.

Hasil Vi yang lebih besar mengindikasikanbahwa alternatif Ai lebih terpilih.

HASIL DAN PEMBAHASAN

1. Pengumpulan Data Siswa Kelas 10 YangMemiliki Peringkat Tinggi.Kandidat calon ketua OSIS diambil dari siswa

kelas 10 yang memiliki peringkat tinggi, berikut iniadalah calon kandidat ketua OSIS yang telahditentukan.

Tabel 1. Data Siswa Kelas 10

2. Langkah-langkah seleksi calon ketua OSISmenggunakan Metode SAW.Bobot preferensi atau tingkat kepentingan

setiap kriteria yang akan digunakan dalampemilihan ketua OSIS adalah sebagai berikut:

Tabel 2. Bobot Kepentingan Untuk Setiap Kriteria

KriteriaBobot(W)

Keterangan

C1= Prestasi Belajar 35% Sangat Baik

C2= Kedisiplinan 25% Baik

C3= Kerjasama 25% Baik

C4= Absensi 15% Cukup

C5= Tanggung Jawab 15% Cukup

Ada beberapa langkah untuk melakukanperhitungan dalam menentukan ketua OSISmenggunakan metode Simple Additive Weighting(SAW).a. Langkah pertama memberikan nilai setiap

alternatif Ai pada setiap kriteria yang sudahditentukan, dimana nilai tersebut diperolehberdasarkan nilai crisp; i-1,2,…,m danj=1,1,……,n

1) Kriteria Prestasi BelajarVariabel prestasi belajar terbagi atas 5

bilangan fuzzy, yaitu:Sangat Rendah (SR) = 1Rendah (R) = 2Sedang (S) = 3Tinggi (T) = 4Sangat Tinggi (ST) = 5


Tabel 3. Kriteria Prestasi Belajar

PrestasiBelajar (C1)

Bobot Nilai Keterangan

80-100 40% 5 Sangat Baik

60-79 30% 4 Baik

40-59 20% 3 Cukup

20-39 10% 2 Buruk

0-19 0% 1 Sangat Buruk

2) Kriteria KedisiplinanVariabel kedisiplinan terbagi atas 5 bilangan

fuzzy, yaitu:Sangat Rendah (SR) = 1Rendah (R) = 2Sedang (S) = 3Tinggi (T) = 4Sangat Tinggi (ST) = 5

Tabel 4. Kriteria Kedisiplinan

Kedisiplinan(C2)



60-79 30% 4 Baik

40-59 20% 3 Cukup

20-39 10% 2 Buruk


3) Kriteria Kerjasama.Variabel kerjasama terbagi atas 5 bilangan


Tabel 5. Kriteria Kerjasama

Kerjasama(C3)



60-79 30% 4 Baik

40-59 20% 3 Cukup

20-39 10% 2 Buruk


4) Kriteria Absensi.Variabel absensi terbagi atas 5 bilangan


Tabel 6. Kriteria Absensi

Absensi (C4) Bobot Nilai Keterangan


60-79 30% 4 Baik

40-59 20% 3 Cukup

20-39 10% 2 Buruk


5) Kriteria Tanggung Jawab.Variabel tanggung jawab terbagi atas 5

bilangan fuzzy, yaitu:Sangat Rendah (SR) = 1Rendah (R) = 2Sedang (S) = 3Tinggi (T) = 4Sangat Tinggi (ST) = 5

Tabel 7. Kriteria Tanggung Jawab

TanggungJawab (C5)



60-79 30% 4 Baik

40-59 20% 3 Cukup

20-39 10% 2 Buruk


b. Langkah kedua adalah menentukan nilairating kecocokan setiap alternatif pada setiapkriteria kemudian memodelkannya ke dalambilangan fuzzy setelah itu konversikan kebilangan crisp. Seperti yang terlihat pada tabelberikut ini.

Tabel 8. Rating Kecocokan dari Setiap Alternatif PadaSetiap Kriteria

Alternatif Kriteria

C1 C2 C3 C4 C5

A1 82 70 80 59 58

A2 78 83 55 82 68

A3 93 86 75 94 79

A4 77 86 84 58 78

A5 75 79 80 83 59

A6 84 82 59 82 70

A7 85 89 83 78 75

A8 80 78 85 86 71

A9 82 84 75 81 55

A10 84 87 84 58 65

A11 83 85 78 50 57

A12 78 82 83 55 59

A13 78 56 70 84 60

A14 84 67 83 84 50

A15 85 83 78 59 72

A16 83 76 69 66 63

A17 58 83 83 83 55

A18 77 70 58 60 65

Setelah itu memodelkannya ke dalambilangan fuzzy dan konversikan ke dalam bilangancrisp. Seperti yang terlihat pada tabel berikut ini.

Tabel 9. Rating Kecocokan Bilangan Crisp

AlternatifKriteria

C1 C2 C3 C4 C5

A1 5 4 5 3 3

A2 4 5 3 5 4

A3 5 5 4 5 4

A4 4 5 5 3 4

A5 4 4 5 5 3


A6 5 5 3 5 4

A7 5 5 5 4 4

A8 5 4 5 5 4

A9 5 5 4 5 3

A10 5 5 5 3 4

A11 5 5 4 3 3

A12 4 5 5 3 3

A13 4 3 4 5 4

A14 5 4 5 5 3

A15 5 5 4 3 4

A16 5 4 4 4 4

A17 3 5 5 5 3

A18 4 4 3 4 4

c. Langkah ketiga adalah menentukan bobotpreferensi atau tingkat kepentingan setiapkriteria yang akan digunakan untuk prosesperankingan:35% = Sangat baik25% = Baik25% = Baik15% = Cukup15% = CukupBobot preferensi atau tingkat kepentingansetiap kriteria yang akan digunakan dalammenentukan ketua OSIS diubah ke dalambilangan decimal adalah sebagai berikut:W = [0,35 0,25 0,25 0,15 0,15]

d. Langkah ke empat adalah pembentukanmatriks keputusan (X) yang dibentuk dari tabelrating kecocokan dari setiap alternatif padasetiap kriteria.

e. Langkah kelima menghitung nilai normalisasidari setiap alternatif.Dimana:Nilai max C1 = 5Nilai max C2 = 5Nilai max C3 = 5Nilai max C4 = 5Nilai max C5 = 4

Dari hasil perhitungan di atas maka didapatmatriks ternormalisasi R sebagai berikut:

f. Langkah keenam pencarian perankingan ataunilai terbaik dengan memasukan setiapkriteria:V1 = 1,0025 V8 = 1,1 V15 = 1,04V2 = 0,98 V9 = 1,0625 V16 = 1,02V3 = 1,1 V10 = 1,09 V17 = 0,9725V4 = 1,02 V11 = 1,0025 V18 = 0,9V5 = 0,9925 V12 = 0,9825V6 = 1,05 V13 = 0,93V7 = 1,12 V14 = 1,0625

g. Kesimpulannya adalah nilai dari V7 adalahnilai yang lebih besar dari nilai lain, olehkarena itu V7 merupakan peringkat pertamadari alternatif A7, sehingga A7 adalahalternatif yang terpilih sebagai alternatifterbaik. Berikut ini adalah urutan yangmemiliki dari yang terbesar sampai denganyang terkecil, sebagai berikut:1) Alternatif 7 (Nanda Nuria) jumlah nilai =

1,122) Alternatif 3 (Lina Tri Ariani) jumlah nilai =

1,13) Alternatif 8 (Nimah Syech) jumlah nilai =

1,14) Alternatif 10 (Desy Ratnasari) jumlah

nilai = 1,095) Alternatif 9 (Dian Ayu) jumlah nilai =

1,06256) Alternatif 14 (Rini Anggraini) jumlah nilai

= 1,06257) Alternatif 6 (Gabriella Meilza Citra

Minggu) jumlah nilai = 1,058) Alternatif 15 (Sherina Archella) jumlah

nilai = 1,049) Alternatif 4 (Meidina Avioniza Fauzi)

jumlah nilai = 1,0210) Alternatif 16 (Sherly Y) jumlah nilai =

1,0211) Alternatif 1 (Nur Aysyah Siti Hasanah)

jumlah nilai = 1,002512) Alternatif 11 (Nur Salamah) jumlah nilai =

1,002513) Alternatif 5 (Mila Amelia Putri) jumlah

nilai = 0,992514) Alternatif 12 (Natasya Nabila) jumlah

nilai = 0,982515) Alternatif 2 (Nining Lestari) jumlah nilai =

0,9816) Alternatif 17 (Mikke) jumlah nilai =

0,9725


17) Alternatif 13 (Nurul Amelia) jumlah nilai =0,93

18) Alternatif 18 (Dina Varissa) jumlah nilai =0,9

h. Hasil yang telah di dapat dari penelitianpemilihan ketua OSIS dengan menggunakanmetode Simple Additive Weighting (SAW)dapat memberikan perhitungan yang pasti,karena memiliki nilai dari setiap alternatif padasetiap kriteria dan memberikan bobot danmemiliki nilai setiap bobotnya atau tingkatkepentingan setiap kriteria dengan hasil akhirperankingan yang dapat memudahkan dalammengambil keputusan siapa yang berhakmenjadi ketua OSIS pada SMK KawulaIndonesia. Dalam penelitian pemilihan ketuaOSIS pada SMK Kawula Indonesia telah dinilai dengan Sistem Pendukung Keputusanmenggunakan Metode Simple AdditiveWeighting (SAW). Siswa yang berhak menjadiketua OSIS bernama Nanda Nuria dari Kelas10 AP-2 dimana Alternatif 7 dengan jumlahnilai = 1,12. Sistem Pendukung Keputusan inidibuat bukan sebagai hasil akhir keputusan,tapi hanya sebagai referensi kepada dewanguru dan siswa/i, hasil keputusan tetap ada ditangan dewan guru dan siswa/i SMK KawulaIndonesia.

i. Pengolahan Data dan Perhitungan denganSoftware Microsoft Excel 2010 MenggunakanMetode Simple Additive Weighting (SAW).

1) Matriks Keputusan Pemilihan Ketua OSISmenggunakan Software Microsoft Excel 2010.

Sumber : (Hasil Penelitian, 2016)

Gambar 4. Matriks Keputusan Microsoft Excel 2010

2) Proses Normalisasi.


Gambar 5. Normalisasi Matriks MicrosoftExcel 2010

3) Hasil Akhir


Gambar 6. Hasil Akhir Perhitungan Pemilihan CalonKetua OSIS dengan Metode SAW

KESIMPULAN DAN SARAN

Berdasarkan penelitian yang penulis lakukanpada SMK Kawula Indonesia, maka penulis dapatmenarik kesimpulan, sebagai berikut:1. Dibangunnya sebuah sistem pendukung

keputusan untuk membantu pemilihan ketuaOSIS di SMK Kawula Indonesia, makadibutuhkan kriteria-kriteria yang telahditentukan, yaitu prestasi belajar, kedisiplinan,kerjasama, absensi dan tanggung jawab.

2. Kriteria tersebut di masukan ke dalambilangan fuzzy dalam bentuk bilangan crisp,agar nilainya akan bisa dilakukan prosesperhitungan untuk mencari alternatif terbaik.Sehingga mempermudah peneliti untukmenghitung dan membuat kesimpulan.

3. Bobot perhitungan merupakan salah satuindikator penting dalam perhitungan untukpemilihan ketua OSIS. Pemberian nilaiterbobot dari setiap bobot kriteriamempengaruhi penilaian dan hasilperhitungan dengan menggunakan metodeSimple Additive Weighting (SAW).

4. Penerapan dalam sistem pendukungkeputusan menggunakan metode SimpleAdditive Weighting (SAW) untuk menghitungserta memberikan hasil akhir penilaian yangtelah dirankingkan sehingga dapatmenentukan siapa yang akan menjadi ketuaOSIS dengan tepat.

5. Hasil prioritas nilai dari V7 adalah nilai yanglebih besar dari nilai lain, oleh karena itu V7merupakan peringkat pertama dari alternatifA7 dan merupakan sebagai alternatif terbaikdengan jumlah nilai = 1,12 (Nanda Nuria).

Adapun saran-saran yang ingin disampaikanpenulis pada akhir penulisan ini, antara lain:1. Perlunya pengembangan terhadap penelitian

yang telah dibuat sesuai dengan kebutuhansekolah dalam menentukan ketua OSIS yangsemakin bertambah.

2. Dapat dilakukan penambahan kriteria untukmenentukan ketua OSIS.


3. Diharapkan adanya peneliti lain yangmengembangkan Sistem PendukungKeputusan ini dengan menggunakan metode-metode lain, serta aplikasinya.

DAFTAR PUSTAKA

Eniyati, Sri. 2011. Perancangan Sistem PendukungPengambilan Keputusan untuk PenerimaanBeasiswa dengan Metode SAW (SimpleAdditive Weighting). ISSN: 0854-9524. JurnalTeknologi Informasi DINAMIK Vol. 16, No. 2Juli 2011: 171-176

Kurniawati, Ely dan Erny Roesminingsih. 2014.Manajemen Kesiswaan Di SMA NEGERIMOJOAGUNG JOMBANG. Surabaya: JurnalInspirasi Manajemen Pendidikan Vol. 4, No. 4April 2014: 207-213

Kusrini. 2007. Konsep dan Aplikasi SistemPendukung Keputusan. Yogyakarta: AndiOffset.

Kusumadewi, Sri, Sri Hartati, Agus Harjoko, danRetantyo Wardoyo. 2006. Fuzzy Multi-Attribute Decision Making (FUZZY MADM).Yogyakarta: Graha Ilmu.

Putra, Apriansyah dan Dinna Yunika Hardiyanti.2011. Penentuan Penerima Beasiswa DenganMenggunakan FUZZY MADM. ISSN: 1979-2328. Seminar Nasional Informatika Juli 2011:D16-D20

Sangadji, Etta Mamang dan Sopiah. 2010.Metodologi Penelitian-Pendekatan PraktisDalam Penelitian. Yogyakarta: Andi Offset.

Sopiah. 2008. Perilaku Organisasional. Yogyakarta:Andi Offset.

Sugiyono. 2012. Metode Penelitian PendidikanPendekatan Kuantitatif, Kualitatif, dan R&D.Bandung: Alfabeta.

Supartha, Kadek Dwi Gandika dan Gusti Ayu PutuEka Purnama Dewi. 2014. Sistem PendukungKeputusan Penentuan Jurusan Pada SMKKERTHA WISATA DENPASAR MenggunakanFuzzy SAW. ISSN: 2089-8673. JurnalNasional Pendidikan Teknik Informatika Vol.3, No. 2 Juli 2014: 64-69

Documents

METODE FUZZY SIMPLE ADDITIVE WEIGHTING (SAW) … fileHasil perhitungan perankingan atau nilai terbaik menunjukan nilai tertinggi yaitu 1,12 dari Alternatif 7 (Nanda Nuria) yang berhak