Upload
phungkhanh
View
223
Download
0
Embed Size (px)
Citation preview
Perancangan dan Implementasi
Sistem Pendukung Keputusan Penerimaan Asisten Dosen FTI
UKSW dengan Metode Weighted Product
Artikel Ilmiah
Peneliti:
Lestari Wijayanti (672014101)
Magdalena A. Ineke Pakereng, M.Kom.
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Salatiga
September 2017
Perancangan dan Implementasi
Sistem Pendukung Keputusan Penerimaan Asisten Dosen FTI
UKSW dengan Metode Weighted Product
Artikel Ilmiah
Diajukan kepada
Fakultas Teknologi Informasi
untuk memperoleh Gelar Sarjana Komputer
Peneliti:
Lestari Wijayanti (672014101)
Magdalena A. Ineke Pakereng, M.Kom.
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Salatiga
September 2017
1
1. Pendahuluan
Kehidupan manusia akan selalu dihadapkan pada pilihan. Pengambilan
keputusan yang tepat terhadap sebuah pilihan tidak dapat dilakukan dengan
sembarangan, karena akan membawa dampak positif maupun negatif dari
keputusan tersebut. Beberapa pilihan dapat dilakukan dengan cepat, sedangkan
beberapa pilihan membutuhkan proses yang panjang untuk menghasilkan
keputusan yang tepat. Contoh pengambilan keputusan yang membutuhkan proses
panjang terlihat pada sistem penerimaan asisten dosen di Fakultas Teknologi
Informasi Universitas Kristen Satya Wacana (FTI UKSW). Sistem pelaksanaan dan
kriteria dalam seleksi penerimaan asisten dosen diatur oleh setiap dosen koordinator
matakuliah. Standarisasi kriteria baku menjadi kelemahan dari sistem seleksi
penerimaan asisten dosen. Standarisasi kriteria baku meliputi standard kriteria
kompetensi asisten, seperti kemampuan pengendalian kelas, kemampuan
presentasi, pemahaman materi matakuliah. Standar kriteria lain seperti waktu
pelaksanaan seleksi, dan waktu seleksi. Waktu seleksi yang tidak pasti
mengakibatkan pelaksanaan seleksi yang berbeda setiap matakuliah, sehingga
terdapat kasus asisten masuk kelas pada pertengahan semester. Terdapat beberapa
kasus pemilihan asisten dosen berdasarkan relasi dengan dosen koordinator
matakuliah yang bersangkutan, hal ini dapat menyebabkan dampak negatif seperti
kurangnya kompetensi dari asisten yang terpilih. Beberapa kasus menunjukkan
banyaknnya calon asisten menyebabkan asisten dipilih berdasarkan relasi antara
calon dengan dosen koordinator. Keterlambatan asisten dalam masuk kelas dan
kurangnya kompetensi asisten dapat menyebabkan kurang efektifnya kelas dan
mengganggu proses belajar mengajar.
Komponen utama dalam sebuah sistem pendukung keputusan adalah metode
penarikan keputusan yang digunakan. Terdapat berbagai macam metode yang dapat
digunakan dalam membuat sistem pendukung keputusan, seperti metode Weighted
Product, ID3, TOPSIS, dan lain sebagainya. Metode Weighted Product mempunyai
keunggulan untuk pengambilan keputusan yang multi kriteria. Sistem Seleksi
Penerimaan Asisten Dosen mempunyai banyak kriteria yang harus
dipertimbangkan, sehingga Metode Weighted Product dapat digunakan dalam
sistem.
Berdasarkan latar belakang yang sudah dipaparkan, maka dilakukan
penelitian yang berjudul "Perancangan dan Implementasi Sistem Pendukung
Keputusan Penerimaan Asisten Dosen FTI UKSW dengan Metode Weighted
Product".
2. Tinjauan Pustaka
Penelitian berjudul Sistem Pendukung Keputusan Penerimaan Asisten Dosen
pada Fakultas Teknologi Informasi UKSW Menggunakan Metode TOPSIS,
membahas tentang bagaimana merancang sistem pendukung keputusan untuk
memudahkan pekerjaan dosen dalam memilih asisten dengan menggunakan metode
TOPSIS. Hasil akhir penelitian berupa aplikasi desktop berisi laporan ranking calon
asisten [1].
2
Penelitian berjudul Implementasi Metode Weighted Product (WP) dalam
Sistem Pendukung Keputusan untuk Menyeleksi Penerima Beras Masyarakat
Miskin (Raskin), membahas bagaimana pengimplementasian metode Weighted
Product dalam sistem pendukung keputusan untuk menyeleksi penerima beras
masyarakat miskin. Penelitian menghasilkan aplikasi offline berbasis web yang
dapat membantu dalam proses seleksi calon penerima raskin dan mempercepat
proses seleksi [2].
Penelitian berjudul Penerapan Metode Weighted Product (WP) untuk
Penerimaan Pegawai Baru di PT Tiga Serangkai Pustaka Mandiri Surakarta,
membahas bagaimana penerapan metode Weighted Product diterapkan dalam suatu
sistem pendukung keputusan. Penelitian menghasilkan kesimpulan bahwa metode
Weighted Product memiliki kinerja sistem yang baik dan dapat diterapkan untuk
seleksi penerimaan pegawai baru di PT Tiga Serangkai Pustaka Mandiri Surakarta
[3].
Penelitian berjudul Pemodelan Sistem Pendaftaran dan Seleksi Asisten
Dosen FTI UKSW Menggunakan Metode Promethee Berbasis Web Service,
membahas bagaimana membangun sebuah sistem pendaftaran dan seleksi asisten
dosen yang dapat memudahkan dalam seleksi asisten dosen berbasis Web Service.
Penelitian menggunakan metode Promethee dalam membantu mengambil
keputusan dan menggunakan platform Web sebagai implementasi. Hasil penelitian
berupa laporan ranking sebagai informasi untuk pertimbangan dalam memilih
asisten [4].
Sistem Pendukung Keputusan merupakan sistem informasi interaktif yang
menyediakan informasi, pemodelan, dan manipulasi data. Sistem yang digunakan
untuk membantu pengambilan keputusan dalam situasi yang semiterstruktur dan
situasi yang tidak terstruktur, dimana tidak ada yang tahu secara pasti bagaimana
keputusan seharusnya dibuat [5].
Pengambilan keputusan merupakan hasil suatu proses pemilihan dari berbagai
alternatif tindakan yang mungkin dipilih dengan mekanisme tertentu, dengan tujuan
untuk menghasilkan keputusan yang terbaik. Suatu SPK memberikan alternatif
keputusan dan selanjutnya diserahkan kepada user untuk mengambil keputusan [6].
Weighted Product (WP) adalah keputusan analisis multi-kriteria yang populer
dan merupakan metode pengambilan keputusan multi-kriteria. Seperti semua
metode FMADM (Fuzzy Multi Attributes Decision Making), Weighted Product
adalah himpunan berhingga dari alternatif keputusan yang dijelaskan dalam istilah
beberapa kriteria keputusan. Metode Weighted Product menggunakan perkalian
untuk menghubungkan rating atribut, rating setiap atribut dipangkatkan dengan
bobot atribut yang bersangkutan, bobot dapat ditentukan oleh pengambil keputusan
dengan melihat prioritas atau ditentukan dengan menggunakan kuesioner. Setelah
penentuan bobot, selanjutnya akan dilakukan perbaikan nilai bobot agar Wj = 0
dengan menggunakan rumus [7]:
(1)
3
Proses pembobotan sama dengan proses normalisasi. Berikut adalah konsep
dari metode Weighted Product [7]:
a. Menentukan preferensi alternatif
(2)
Keterangan:
S : preferensi alternatif
x : nilai kriteria
w : bobot kriteria
i : alternatif, bernilai 1,2,…,m
j : kriteria
n : jumlah kriteria
wj : pangkat bernilai positif untuk atribut keuntungan dan bernilai negatif
untuk atribut biaya
wj bernilai 1.
b. Menentukan preferensi relatif setiap alternatif
(3)
Keterangan:
V : preferensi alternatif
x : nilai kriteria
w : bobot kriteria
i : alternatif, bernilai 1,2,…,m
j : kriteria
n : jumlah kriteria
* : jumlah kriteria yang sudah dinilai pada vektor S
Secara umum, prosedur dari metode Weighted Product mengikuti langkah-
langkah sebagai berikut [8]: (1) Mengalikan seluruh atribut bagi seluruh alternatif
dengan bobot sebagai pangkat positif bagi atribut biaya; (2) Hasil perkalian
dijumlahkan untuk menghasilkan nilai pada setiap alternatif; (3) Membagi nilai V
bagi setiap alternatif dengan nilai pada setiap alternatif; (4) Ditemukan urutan
alternatif terbaik yang akan menjadi keputusan dari perhitungan Vektor V
kemudian dilakukan perangkingan yang diurutkan dari nilai vektor V dari nilai
terbesar ke terkecil dan nilai vektor V (Vi) yang terbesar adalah alternatif Ai yang
terpilih menjadi yang terbaik.
4
3. Metode dan Perancangan Sistem
Secara umum penelitian dibagi menjadi 4 tahapan, yaitu: (1) Tahap analisa
kebutuhan dan pengumpulan data; (2) Tahap perancangan sistem; (3) Tahap
implementasi sistem; (4) Tahap pengujian sistem dan analisis hasil pengujian.
Tahapan penelitian dapat dilihat pada Gambar 1.
Gambar 1 Tahapan Penelitian
Tahapan pertama adalah analisis kebutuhan dan pengumpulan data.
Dilakukan analisis terhadap masalah yang dihadapi dalam proses penerimaan
asisten dosen, permasalahan yang muncul adalah proses seleksi asisten dosen
dilakukan dengan manual yang memakan banyak waktu dan tidak ada standarisasi
waktu sehingga proses seleksi beberapa matakuliah terkadang dianggap memakan
waktu dan dapat mengganggu proses belajar mengajar. Tidak ada standarisasi
kriteria asisten, ada asisten dipilih berdasarkan relasi dengan dosen koordinasi
matakuliah yang bersangkutan. Pengumpulan data seperti data mahasiswa, data
dosen, dll. dilakukan dengan literatur, jurnal, browsing di internet dan artikel.
Untuk atribut penilaian yang digunakan dalam sistem adalah: (1) Nilai matakuliah
yang bersangkutan; (2) Kemampuan mengajar; (3) Penguasaan materi; (4)
Pengalaman; (5) Disiplin; (6) Motivasi. Atribut didapat dari kesimpulan hasil
wawancara dan literatur dari penelitian terdahulu. Sampel data didapat dengan
memberikan form penilaian kepada dosen koordinator setiap matakuliah. Tahap
kedua adalah perancangan sistem yang dilakukan dengan merancang Unified
Modelling Language (UML), meliputi perancangan use case diagram, class
diagram dan activity diagram. Perancangan antarmuka dilakukan pada tahap kedua.
Tahap ketiga yaitu implementasi sistem yang dirancang pada tahap kedua ke dalam
bahasa pemrograman, program ditulis dengan Bahasa Pemrograman PHP
(Hypertext Preprocessor) dengan memanfaatkan application framework
CodeIgniter. Program yang dibangun diharapkan dapat memberikan output berupa
rekomendasi untuk dosen koordinator dalam memilih asisten, rekomendasi berupa
bentuk ranking dari calon asisten. Tahap terakhir adalah pengujian sistem dan
analisis hasil pengujian, sistem yang diimplementasikan diuji untuk mengetahui
apakah sistem dapat menjawab permasalahan yang terjadi atau tidak. Pengujian
dilakukan oleh calon asisten dan dosen.
Analisis Kebutuhan, dan Pengumpulan Data
Perancangan Sistem meliputi Perancangan Proses
(UML)
Implementasi Sistem
Pengujian Sistem dan Analisis Hasil Pengujian
5
Gambar 2 Use Case Diagram Sistem
Gambar 2 menunjukkan sistem use case diagram, menampilkan aktor yang
menggunakan sistem. Aktor dalam sistem adalah admin yang berperan mengatur
data mahasiswa, data dosen, data matakuliah, dan data kelas yang dibuka untuk
setiap semester. Aktor kedua adalah dosen yang merupakan dosen koordinator
matakuliah, berperan dalam seleksi calon asisten. Dosen melakukan penilaian
terhadap calon asisten, memilih asisten yang diterima dan memilih koordinator
asisten dengan melihat rekomendasi yang ditunjukkan oleh sistem. Aktor terakhir
adalah mahasiswa, yakni semua mahasiswa FTI UKSW. Mahasiswa berperan
dalam melakukan pendaftaran asisten.
6
Gambar 3 Class Diagram Sistem
Class Diagram sistem ditunjukkan pada Gambar 3, berisi gambaran struktur
data yang dijadikan acuan dalam pembuatan tabel dalam database sistem. Setiap
class menunjukkan komponen yang dibutuhkan sistem, mewakili struktur data dari
tabel. Contoh, class mahasiswa mewakili struktur data mahasiswa, class dosen
mewakili struktur data dosen dst. Relasi antar class ditunjukkan oleh Gambar 5,
atribut primary key diberi keterangan ’PK’ di depan nama atribut, sedangkan atribut
foreign key diberi keterangan ’FK’ di depan nama atribut.
7
Gambar 4 Activity Diagram Pendaftaran
Gambar 4 menunjukkan activity diagram pendaftaran, yang berperan adalah
mahasiswa/calon asisten dan sistem. Mahasiswa harus login untuk dapat melakukan
pendaftaran, jika proses login dinyatakan valid maka mahasiswa dapat melanjutkan
proses mendaftar dengan memilih menu pendaftaran dan memilih matakuliah yang
diinginkan. Pendaftar harus melengkapi syarat pendaftaran berupa nilai matakuliah
yang bersangkutan di field yang sudah disediakan. Jika berhasil mendaftar, maka
sistem akan menampilkan daftar mahasiswa yang sudah mendaftar di matakuliah
tersebut. Jika mahasiswa ingin mendaftar di lain matakuliah, maka proses akan
diulangi hingga selesai.
8
Gambar 5 Activity Diagram Seleksi
Activity diagram kedua adalah activity diagram seleksi, dapat dilihat pada
Gambar 5. Proses seleksi dilakukan oleh dosen koordinator matakuliah. Dosen
melakukan login, jika valid maka ditampilkan daftar calon asisten. Calon asisten
dinilai sesuai dengan atribut yang disediakan. Jika penilaian selesai dilakukan,
sistem akan melakukan perhitungan weighted product dan memasukkan hasil di
kolom rekomendasi. Jika semua calon selesai dinilai, maka rekomendasi/ranking
calon asisten akan ditampilkan. Dosen dapat memilih mahasiswa yang diterima dan
menentukan koordinator asisten dari mahasiswa yang diterima.
9
4. Pembahasan dan Hasil Pengujian
Diperlukan beberapa kriteria penilaian untuk memilih mahasiswa yang dapat
menjadi asisten. Kriteria peniliaian yang diperlukan yaitu nilai, kemampuan
mengajar, penguasaan materi, pengalaman, disiplin, dan motivasi. Kriteria
ditunjukkan oleh Tabel 1.
Tabel 1 Tabel Kriteria
Kriteria Variabel Nilai
Nilai A 3
AB 2
B 1
Kemampuan mengajar Sangat Baik 5
Baik 4
Cukup 3
Kurang 2
Sangat Kurang 1
Penguasaan Materi Sangat Baik 5
Baik 4
Cukup 3
Kurang 2
Sangat Kurang 1
Disiplin Ya 2
Tidak 1
Pengalaman Sudah 2
Belum 1
Motivasi Sangat Baik 5
Baik 4
Cukup 3
Kurang 2
Sangat Kurang 1
Tabel 1 menunjukkan bahwa setiap kriteria mempunyai range nilai. Kriteria
nilai mempunyai range 1-3, berisi variabel A, AB, dan B. Kriteria nilai adalah nilai
matakuliah yang akan didaftar. Syarat mendaftar di suatu matakuliah adalah sudah
mengambil matakuliah tersebut dan mendapat nilai minimal B. Kriteria kedua
adalah kemampuan mengajar, mempunyai range 1-5, sama dengan kriteria
penguasaan materi dan motivasi. Kriteria disiplin dan pengalaman mempunyai
range 1-2, penilaian untuk kriteria disiplin dapat dilihat dari presensi atau hal lain
tergantung dosen koordinator. Penilaian untuk kriteria pengalaman ada 2 variabel,
yaitu sudah dan belum. Sudah jika calon asisten pernah menjadi asisten di
tahun/semester yang lalu. Tabel 2 Tabel Evaluasi Bobot
Kode Kriteria Kriteria Penilaian Bobot (Wj)
K1 Nilai 5
10
K2 Kemampuan Mengajar 4
K3 Penguasaan Materi 4
K4 Disiplin 3
K5 Pengalaman 2
K6 Motivasi 2
Tabel 2 merupakan hasil evaluasi bobot kriteria, bobot ditentukan oleh
pengambil keputusan. Pembobotan kriteria menggunakan skala Likert, yaitu skala
yang digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau
sekelompok orang tentang fenomena sosial. Bobot tertinggi diberikan kepada
pilihan jawaban dari yang paling positif. Bobot (Wj) 5 mewakili sangat penting, 4
untuk penting, 3 cukup penting, 2 kurang penting dan 1 untuk tidak penting [8].
Penentuan bobot awal diberikan seperti pada Tabel 2 dengan melihat hasil
penelitian terdahulu Berdasarkan Tabel 2 dapat dihitung nilai perbaikan bobot
dengan menghitung nilai akumulasi bobot kriteria dahulu.
W = 5 + 4 + 4 + 3 + 2 + 2 = 20
Didapat nilai akumulasi bobot kriteria (W) adalah 20, nilai perbaikan bobot
setiap kriteria dihitung dengan menggunakan rumus (1). Hasil dari perhitungan
ditunjukkan oleh Tabel 3.
Tabel 3 Tabel Perbaikan Bobot
Kriteria Bobot (Wj) W Perbaikan Bobot (Wj)
K1 5 20 0.25
K2 4 20 0.20
K3 4 20 0.20
K4 3 20 0.15
K5 2 20 0.10
K6 2 20 0.10
Tabel 4 menunjukkan sampel data yang diperoleh saat proses seleksi asisten
dosen pada semester antara tahun 2016/2017. Pembahasan menggunakan 20 sampel
dari 50 sampel.
Tabel 4 Tabel Sampel
Sampel K1 K2 K3 K4 K5 K6
S1 A Baik Baik Tidak Sudah Cukup
S2 B Kurang Cukup Ya Sudah Cukup
S3 A Baik Baik Ya Belum Sangat Baik
S4 AB Cukup Kurang Ya Sudah Baik
S5 A Baik Baik Ya Sudah Sangat Baik
S6 A Cukup Cukup Tidak Sudah Kurang
S7 B Baik Cukup Tidak Belum Cukup
S8 A Baik Cukup Ya Belum Cukup
S9 A Baik Baik Ya Sudah Sangat Kurang
11
S10 A Cukup Kurang Ya Sudah Baik
S11 A Baik Kurang Ya Sudah Cukup
S12 A Baik Cukup Ya Sudah Cukup
S13 A Cukup Sangat Kurang Ya Sudah Baik
S14 B Baik Kurang Tidak Sudah Sangat Kurang
S15 AB Cukup Sangat Kurang Ya Sudah Sangat Baik
S16 A Baik Cukup Ya Sudah Baik
S17 B Sangat Baik Kurang Tidak Sudah Kurang
S18 B Kurang Kurang Ya Sudah Cukup
S19 A Baik Sangat Baik Tidak Sudah Sangat Kurang
S20 A Kurang Baik Ya Sudah Baik
Konversi diperlukan untuk proses perhitungan pada tahap berikutnya.
Konversi nilai dari Tabel 4 sesuai dengan nilai di range dalam Tabel 1 ditunjukkan
oleh Tabel 5.
Tabel 5 Tabel Konversi Sampel
Data K1 K2 K3 K4 K5 K6
S1 3 4 4 2 2 3
S2 1 2 3 2 2 3
S3 3 4 4 2 1 5
S4 2 3 2 2 2 4
S5 3 4 4 2 2 5
S6 3 3 3 1 2 2
S7 1 4 3 1 1 3
S8 3 3 3 2 1 3
S9 3 4 4 2 2 1
S10 3 3 2 2 2 4
S11 3 4 2 2 2 3
S12 3 4 4 2 2 3
S13 3 3 1 2 2 4
S14 1 4 2 1 2 1
S15 2 3 1 2 2 5
S16 3 4 3 2 2 4
S17 1 5 2 1 2 2
S18 1 2 2 2 2 3
S19 3 4 5 1 2 1
S20 3 2 4 2 2 4
Proses perhitungan preferensi alternatif (S) menggunakan rumus (2) didapat
data seperti pada Tabel 6.
Tabel 6 Tabel Presensi Alternatif
12
Data K1 K2 K3 K4 K5 K6 Si
S1 3 4 4 2 2 3 3.041403
S2 1 2 3 2 2 3 1.899328
S3 3 4 4 2 1 5 2.986454
S4 2 3 2 2 2 4 2.324616
S5 3 4 4 2 2 5 3.200802
S6 3 3 3 1 2 2 2.346037
S7 1 4 3 1 1 3 1.83463
S8 3 3 3 2 1 3 2.529271
S9 3 4 4 2 2 1 2.724971
S10 3 3 2 2 2 4 2.572611
S11 3 4 2 2 2 3 2.647695
S12 3 4 4 2 2 3 2.87135
S13 3 3 1 2 2 4 2.239588
S14 1 4 2 1 2 1 1.624505
S15 2 3 1 2 2 5 2.069361
S16 3 4 3 2 2 4 2.955154
S17 1 5 2 1 2 2 1.820564
S18 1 2 2 2 2 3 1.751385
S19 3 4 5 1 2 1 2.567966
S20 3 2 4 2 2 4 2.724971
Nilai preferensi alternatif digunakan dalam perhitungan nilai preferensi relatif
(V). Perhitungan preferensi relatif dengan menggunakan rumus (3) menghasilkan
data seperti yang ditampilkan di Tabel 7. Ketika nilai V sudah ada, maka dapat
dilakukan perangkingan terhadap sampel yang ada, perangkingan dilihat dari nilai
V yang paling besar ke paling kecil.
Tabel 7 Tabel Sampel Data
Data K1 K2 K3 K4 K5 K6 Si Vi Ranking
S1 3 4 4 2 2 3 3.041403 0.062409948 2
S2 1 2 3 2 2 3 1.899328 0.038974429 16
S3 3 4 4 2 1 5 2.986454 0.06128239 3
S4 2 3 2 2 2 4 2.324616 0.047701401 13
S5 3 4 4 2 2 5 3.200802 0.06568084 1
S6 3 3 3 1 2 2 2.346037 0.048140955 12
S7 1 4 3 1 1 3 1.83463 0.037646817 17
S8 3 3 3 2 1 3 2.529271 0.051900953 11
S9 3 4 4 2 2 1 2.724971 0.055916721 6
S10 3 3 2 2 2 4 2.572611 0.052790278 9
S11 3 4 2 2 2 3 2.647695 0.054221016 8
S12 3 4 4 2 2 3 2.87135 0.058920453 5
13
S13 3 3 1 2 2 4 2.239588 0.045956606 14
S14 1 4 2 1 2 1 1.624505 0.033335033 20
S15 2 3 1 2 2 5 2.069361 0.042463534 15
S16 3 4 3 2 2 4 2.955154 0.060640106 4
S17 1 5 2 1 2 2 1.820564 0.037358195 18
S18 1 2 2 2 2 3 1.751385 0.035938629 19
S19 3 4 5 1 2 1 2.567966 0.052694975 10
S20 3 2 4 2 2 4 2.724971 0.055916721 6
Gambar 6 Halaman Pendaftaran Asisten
Gambar 6 merupakan tampilan pendaftaran asisten yang dilakukan
mahasiswa pada masa pendaftaran. Masa seleksi dibuka saat masa pendaftaran
sudah selesai, dosen koordinator dapat menilai calon asisten di matakuliah yang
dikoordinir. Form penilaian ditunjukkan pada Gambar 7, untuk kriteria
pengalaman, motivasi, kemampuan mengajar, penguasaan materi dan disiplin nilai
diserahkan kepada dosen. Hasil penilaian akan disimpan ke dalam database dan
digunakan untuk mendapatkan rekomendasi dengan metode Weighted Product.
Gambar 7 Halaman Penilaian Asisten
Gambar 8 menunjukkan halaman rekomendasi, ketika dosen sudah selesai
menilai semua asisten. Mahasiswa diurutkan dari ranking 1 sampai sekian,
langsung diurutkan dari yang direkomendasikan ke yang tidak direkomendasikan.
14
Gambar 8 Halaman Rekomendasi
Gambar 9 menunjukkan hasil seleksi oleh dosen koordinator, halaman hasil
seleksi dapat diakses oleh mahasiswa yang sudah mendaftarkan diri sebagai asisten.
Gambar 9 Halaman Hasil Seleksi
Kode Program 1 Perintah untuk Perhitungan Weighted Product
1. public function penilaian($kode, $makul) {
2. $nilai = pow($this->input->post('Nilai'), 0.25);
3. $KM = pow($this->input->post('KM'), 0.2);
4. $PM = pow($this->input->post('PM'), 0.2);
5. $disiplin = pow($this->input->post('Disiplin'), 0.15);
6. $motivasi = pow($this->input->post('Motivasi'), 0.1);
7. $pengalaman = pow($this->input->post('Pengalaman'), 0.1);
8. $S = $nilai * $KM * $PM * $disiplin * $motivasi * $pengalaman;
9. $calon = $this->DosenM->viewMahasiswa_Penilaian($makul);
10. $i = 0; 11. $delta = 0; 12. foreach ($calon as $row) { 13. $delta += $row->es; 14. } 15. foreach ($calon as $roww) { 16. $V = 0; 17. if ($this->input->post('NIM') == $roww->nim) { 18. $V = $S / $delta; 19. $data = array( 20. "Pengalaman" => $this->input->post('Pengalaman'), 21. "KemampuanMengajar" => $this->input->post('KM'), 22. "PenguasaanMateri" => $this->input->post('PM'), 23. "Disiplin" => $this->input->post('Disiplin'), 24. "S" => $S,
15
25. "Rekomendasi" => $V 26. ); 27. $this->DosenM->update('penilaian', 'id', $kode, $data); 28. } else { 29. $V = $roww->es / $delta; 30. $data = array( 31. "Rekomendasi" => $V 32. ); 33. $this->DosenM->update('penilaian', 'id', $kode, $data); 34. } 35. $ke = 'asisten/' . substr($kode, 0, 12); 36. $i++; 37. } 38. redirect('Dosen/' . $ke, 'refresh'); 39. }
Kode Program 1 menunjukkan fungsi untuk perhitungan Weighted Product,
dijalankan setelah user dosen menilai calon asisten. Perintah baris 2 sampai 7
menunjukkan pemangkatan setiap atribut dengan bobot atribut pada Tabel 3. Hasil
pangkat digunakan untuk menghitung preferensi alternatif pada baris 8 dengan
menggunakan rumus (2). Perulangan yang ditunjukkan baris 12 sampai 14
digunakan untuk menghitung akumulasi bobot kriteria, nilai akumulasi disimpan
dalam variable $delta. Perhitungan preferensi relatif menggunakan rumus (3)
diimplementasikan pada perintah baris 18 dan 29. Perintah baris 17 sampai 27
dilakukan untuk record calon asisten yang sedang dinilai, baris 29 sampai 33
digunakan untuk mengubah nilai V dari calon asisten. Perintah baris 27 dan 33
digunakan untuk memasukkan data ke database dengan mengakses fungsi update
yang ada di class model.
Blackbox testing dilakukan untuk menguji fungsi dan fitur aplikasi guna
mengetahui apakah bekerja sesuai yang diharapkan atau tidak. Hal yang diuji
beserta dengan hasil pengujian dapat dilihat pada Tabel 8. Berdasarkan hasil
pengujian, dapat disimpulkan bahwa fungsi dan fitur yang terdapat dalam sistem
dapat bekerja seperti yang diharapkan.
Tabel 8 Hasil Black Box Testing
No. Deskripsi Hasil yang Diharapkan Hasil yang Diberikan
Sistem
1. Dosen dan
mahasiswa
melakukan login
Dapat melakukan login dan ada
peringatan jika username dan
atau password ada yang salah.
Kalau username dan password
benar maka akan ditampilkan
halaman utama dan data dari
aktor yang berhasil login dapat
ditampilkan di header.
Sesuai yang diharapkan.
2. Mahasiswa
melakukan
pendaftaran
Mahasiswa dapat memasukkan
memilih matakuliah yang
diinginkan dan dapat
memasukkan nilai untuk syarat
pendaftaran, nilai disimpan di
database.
Sesuai yang diharapkan.
16
3. Dosen melakukan
penilaian
terhadap calon
asisten yang
terdaftar.
Dosen dapat melakukan
penilaian dan sistem akan
menampilkan hasil
rekomendasi dari data yang
dimasukkan dosen.
Sesuai yang diharapkan.
4. Dosen melakukan
pemilihan asisten
yang diterima.
Dosen dapat memilih asisten
yang dinyatakan lolos seleksi
dan disimpan dalam database
data asisten yang diterima.
Hasil seleksi (diterima/ditolak)
dapat ditampilkan di akun
mahasiswa yang mendaftar.
Sesuai yang diharapkan.
5. Mahasiswa dan
dosen mengedit
data diri
(motivasi,
nickname sosial
media, nomor
telepon).
Data diri (mahasiswa/dosen)
berubah di database dan
perubahan ditampilkan di
halaman home.
Sesuai yang diharapkan.
Usability testing berguna untuk mengetahui kebutuhan pengguna terpenuhi
dengan adanya sistem atau tidak. Apakah sistem dapat mempermudah kinerja user
(dosen/mahasiswa) atau tidak dan apakah sistem dapat digunakan dengan mudah
oleh user. Usability testing dilakukan dengan menyebar kuesioner yang berisi 14
pertanyaan yang terbagi ke dalam 3 kategori, yaitu kategori kegunaan sistem,
kualitas informasi dan kualitas antarmuka. Daftar pernyataan beserta kategori dapat
dilihat pada Tabel 9. Range nilai untuk setiap pernyataan adalah 1-5, 1 mewakili
sangat tidak setuju, 2 adalah tidak setuju, 3 cukup setuju, 4 setuju, 5 untuk sangat
setuju.
Tabel 9 Daftar Pernyataan Usability Testing
No Pertanyaan
Kegunaan Sistem/System Usability (SYSUSE)
1. Saya dapat dengan mudah menggunakan sistem
2. Penggunaan sistem sangat sederhana
3. Dosen: Saya dapat menyeleksi asisten dengan cepat
Mahasiswa: Saya dapat mendaftar asisten dengan mudah
4. Saya merasa nyaman menggunakan sistem
5. Sistem dapat membantu dalam proses seleksi asisten
Kualitas Informasi/Information Quality (INFOQUAL)
6. Sistem ini memberikan pesan kesalahan yang jelas sehingga membantu
bagaimana memperbaiki kesalahan.
7. Kesalahan dalam penggunaan sistem dapat diperbaiki dengan mudah.
8. Informasi yang disediakan dengan sistem mudah dimengerti.
17
9. Informasi yang disediakan efektif dalam membantu menyelesaikan proses
penerimaan asisten dosen.
Kualitas Antarmuka/Interface Quality (INTERQUAL)
10. Tata letak menu dan konten yang ada mudah dimengerti dan digunakan
11. Saya suka menggunakan antarmuka (tampilan) sistem.
12. Antarmuka (tampilan) dari sistem ini nyaman dilihat.
13. Sistem memiliki fungsi yang memenuhi kebutuhan pengguna.
14. Secara keseluruhan, saya puas dengan sistem.
Tabel 10 Hasil Usability Testing
Pernyataan SS S C TS STS
1 18 12 0 0 0
2 16 8 5 1 0
3 15 10 2 3 0
4 22 7 1 0 0
5 13 13 2 2 0
6 10 15 5 0 0
7 20 6 3 1 0
8 21 9 0 0 0
9 22 4 2 2 0
10 25 5 0 0 0
11 15 9 6 0 0
12 16 12 2 0 0
13 27 3 0 0 0
14 25 2 3 0 0
Kuesioner disebar kepada 30 responden, dengan rincian 5 responden adalah
dosen dan 25 responden mahasiswa yang sedang dan pernah menjadi asisten dosen.
Hasil pengujian dapat dilihat pada Tabel 10. Hasil pengujian ditampilkan pada
Gambar 10, Gambar 11, dan Gambar 12 dalam bentuk diagram lingkaran. Hasil
testing menunjukkan bahwa kategori Kegunaan Sistem mendapat 56% suara untuk
nilai 5 yang artinya sangat setuju dengan pernyataan yang ada dalam kuesioner dan
33% responden memberikan nilai 4 yang artinya setuju. Sedangkan kategori
Kualitas Informasi, 61% responden memberikan nilai 5, dan 28% responden
memberikan nilai 4. Untuk kategori Kualitas Antarmuka, sebanyak 72% responden
memberikan nilai 5 dan 21% memberikan nilai 4. Hasil kuesioner menunjukkan
responden berpendapat sistem dapat berguna dalam membantu proses seleksi dan
dapat memberikan informasi yang berkualitas serta mempunyai desain antarmuka
yang nyaman untuk dilihat dan digunakan.
18
Gambar 10 Presentase Hasil Kuesioner
Kategori Kegunaan Sistem
Gambar 11 Presentase Hasil Kuesioner
Kategori Kualitas Informasi
Gambar 12 Presentase Hasil Kuesioner Kategori Kualitas Antarmuka
5. Simpulan
Kesimpulan dalam perancangan dan implementasi Sistem Pendukung
Keputusan Penerimaan Asisten Dosen antara lain: (1) Sistem Pendukung
Keputusan Penerimaan Asisten Dosen mempunyai tampilan user yang simpel dan
mudah dipelajari; (2) SPK dengan metode Weighted Product dapat membantu
dalam proses seleksi asisten di FTI UKSW; (3) Sistem yang dibuat memberikan
informasi sebagai pertimbangan dalam pengambilan keputusan. Saran untuk
pengembangan sistem adalah: (1) Website diintegrasikan dengan siasat; (2) Sistem
dapat dikembangkan dengan metode berbeda yang sesuai dengan studi kasus; (3)
Website sistem Penerimaan Asisten Dosen diharapkan dapat dikembangkan lagi
mengikuti kebutuhan di lapangan.
19
6. Daftar Pustaka
[1] Wibowo, H. P., et al., 2013. Sistem Pendukung Keputusan Penerimaan
Asisten Dosen pada Fakultas Teknologi Informasi UKSW Menggunakan
Metode TOPSIS. Salatiga: Jurusan Teknik Informatika, Fakultas Teknologi
Informasi, Universitas Kristen Satya Wacana.
[2] Sugianto, E., et al., 2013. Pemodelan Sistem Pendaftaran dan Seleksi Asisten
Dosen FTI UKSW Menggunakan Metode Promethee Berbasis Web Service".
Salatiga: Jurusan Teknik Informatika, Fakultas Teknologi Informasi,
Universitas Kristen Satya Wacana.
[3] Manik, A. R. A., et al., 2015. Implementasi Metode Weighted Product (WP)
dalam Sistem Pendukung Keputusan untuk Menyeleksi Penerima Beras
Masyarakat Miskin (Raskin). Semarang: Jurusan Teknik Informatika,
Fakultas Ilmu Komputer, Universitas Dian Nuswantoro.
[4] Rohmah, N., et all., 2016. Penerapan Metode Weighted Product(WP) untuk
Penerimaan Pegawai Baru di PT Tiga Serangkai Pustaka Mandiri Surakarta.
Surakarta: Jurusan Sistem Informas, STMIK Sinar Nusantara.
[5] Kusrini, 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Sigit
Suyantoro, Ed. Yogyakarta: Andi.
[6] Suryadi, K., & Ramadhani, M. A., 1998. Sistem Pendukung Keputusan: Suatu
Wacana Struktural Idealisasi dan Implementasi Pengambilan Keputusan.
Bandung: Remaja Rosda Karya Offset.
[7] Kusumadewi, S., dkk., 2006. Fuzzy Multi-Attribute Decision Making (Fuzzy
MADM). Yogyakarta: Graha Ilmu.
[8] Sugiyono, 2014. Metode Penelitian Kuanitatif Kualitatif dan R&D. Bandung:
Alfabeta.