analisis perbandingan metode regresi linier - … · universitas sebelas maret surakarta januari,...
TRANSCRIPT
ANALISIS PERBANDINGAN
METODE REGRESI LINIER - SIMPLE ADDITIVE
WEIGHTING (SAW) DENGAN METODE SIMPLE ADDITIVE
WEIGHTING (SAW)
UNTUK SELEKSI MAHASISWA BARU JALUR UNDANGAN
Skripsi
Disusun Oleh:
SEKAR AYU LESTARI
NIM. M0508122
JURUSAN INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
SURAKARTA
Januari, 2013
ANALISIS PERBANDINGAN
METODE REGRESI LINIER - SIMPLE ADDITIVE
WEIGHTING (SAW) DENGAN METODE SIMPLE ADDITIVE
WEIGHTING (SAW)
UNTUK SELEKSI MAHASISWA BARU JALUR UNDANGAN
Oleh:
SEKAR AYU LESTARI
NIM. M0508122
SKRIPSI
Ditulis dan diajukan untuk memenuhi sebagian persyaratan
Memperoleh gelar Sarjana Informatika
JURUSAN INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
SURAKARTA
Januari, 2013
MOTTO
Dan kami pasti akan menguji kamu dengan sedikit ketakutan, kelaparan,
kekurangan harta, jiwa dan buah-buahan. Dan sampaikanlah kabar gembira
kepada orang-orang yang sabar (yaitu) orang-orang yang apabila ditimpa masalah
mereka berkata “Inna lillahi wa inna ilahi raji’un” (sesungguhnya kami milik
Allah dan kepada-Nyalah kami kembali).
(QS. Al Baqarah : 155-156)
“Beranilah untuk bermimpi dan beranikan dirimu untuk mewujudkan impianmu,
karena impian tidak akan tercapai tanpa keberanian”
(Penulis)
“Menjadi yang terbaik dari yang terbaik”
(Penulis)
PERSEMBAHAN
Karya ini dipersembahkan kepada :
Bapak dan Ibu yang selalu menyayangi dan mencintaiku, terimakasih atas do’a,
dukungan, kesabaran dan bimbingan disetiap langkah perjuangan skripsi ini
hingga selesai.
Suamiku tercinta Havid Yulianto, terimakasih atas do’a, motivasi, semangat dan
kasih sayang yang selalu diberikan kepada penulis. Semoga Allah selalu meridhoi
kebersamaan kita. Amin...
Seluruh teman-teman dan keluarga besarku, terimakasih atas do’a dan
dukungannya.
KATA PENGANTAR
Assalamu’alaikum Wr. Wb
Alhamdulillahi Rabbil’alamin, puji syukur kehadirat Allah SWT yang
telah melimpahkan segala rahmat dan karunia-Nya, sehingga penulis dapat
menyelesaikan skripsi dengan judul “ANALISIS PERBANDINGAN
METODE REGRESI LINIER - SIMPLE ADDITIVE WEIGHTING (SAW)
DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) UNTUK
SELEKSI MAHASISWA BARU JALUR UNDANGAN”, yang menjadi salah
satu syarat mutlak untuk mendapatkan gelar Sarjana Informatika di Universitas
Sebelas Maret (UNS) Surakarta.
Dengan segala kerendahan hati, penulis menyadari bahwa dalam
menyelesaikan skripsi ini tidak lepas dari peran berbagai pihak yang telah banyak
memberikan bantuan, bimbingan dan dorongan. Dalam kesempatan ini penulis
ingin mengucapkan terima kasih yang tak terhingga kepada:
1. Umi Salamah, M. Kom selaku Ketua Jurusan Informatika FMIPA UNS.
2. Ristu Saptono, S.Si., MT selaku Pembimbing Akademik dan dosen
pembimbing I, terimakasih atas setiap diskusi, semangat, motivasi,
ketelitian, koreksi, masukan dan kesabarannya selama proses penyelesaian
skripsi ini.
3. Sari Widya Sihwi, S.Kom., MTI selaku dosen pembimbing II, terimakasih
atas setiap diskusi, semangat, motivasi, ketelitian, koreksi, masukan dan
kesabarannya selama proses penyelesaian skripsi ini.
4. Seluruh staf Pengajar jurusan Informatika FMIPA UNS yang telah
memberikan ilmu dan pengalamannya yang berharga.
5. Teman-teman angkatan 2008 semuanya yang sedang berjuang dalam
skripsinya. Senang menjadi salah satu anggota dari angkatan 2008, kalian
teman-teman yang membanggakan. Tetap semangat buat kalian semua.
6. Semua pihak yang tidak bisa disebutkan satu-persatu yang telah
memberikan bantuan dan dukungan terhadap penulis.
Penulis menyadari sepenuhnya bahwa sebagai manusia biasa tentunya
tidak akan luput dari kekurangan dan keterbatasan. Maka dengan segenap
kerendahan hati, penulis mengharapkan saran dan kritik yang dapat
menyempurnakan penulisan ini sehingga dapat bermanfaat dan berguna untuk
pengembangan ilmu pengetahuan.
Akhir kata semoga laporan ini dapat bermanfaat bagi penulis dan semua
pembaca.
Wassalamu’alaikum Wr.Wb.
Surakarta, Januari 2013
Penulis
ABSTRACT
Sebelas Maret University in selecting new students the invitation using two stages
appraisement, namely appraisement school with a method of linear regression and
judgment the end of the student with a method of Simple Additive Weighting
(SAW) which later called Regresi-SAW that will determine whether students it is
earned or rejected. In this research are between regresi-saw comparing the result
with judgment and the end of the school a method of saw appraisement students a
method of SAW which later called SAW. On a calculation saw 2011 uses
accreditation school year to 2011 and 2012 2012, using accreditation school while
reckoning with regresi-saw 2011 uses a score of school, accreditation school and
proportions school two years ago and this year such as in 2009, 2010 and 2011, as
well as reckoning with regresi-saw 2012, using the score school accreditation
school and proportions school two years ago and this year is 2010 2011 and 2012.
The results of tests indicating the result of reckoning saw not the same with the
result of reckoning regresi-saw. The level of congruency saw with regresi-saw in
2011 level of congruency only 0,46 and the level of congruency saw with regresi-
saw in 2012 level of congruency only 0,56, the different levels of similarity saw
with regresi-saw in 2011 and 2012 not too different far. The average value of
report card students received at saw and regresi-saw in 2011 and 2012 show that
average value of report card students received at saw always higher than in the
average value of report card students received at regresi-saw. The time difference
execution in 2011 and 2012 that is, the average time execution saw always faster
than in the average time execution regresi-saw. Distinction the spread of the total
of school students received suggests that in 2011 and 2012 the number of school
students received saw always more than on the number of school students
received regresi-saw. And the difference in value accreditation school students
received in 2011 and 2012 produce the difference in value that is not very
significant which only 0,706 and the average value of accrediting school students
received saw always higher than in the average value of accrediting school
students received regresi-saw.
Keywords: Simple Additive Weighting (SAW), linear regression, SAW,
Selection the invitation.
ABSTRAK
Universitas Sebelas Maret dalam menyeleksi mahasiswa baru jalur undangan
menggunakan dua tahap penilaian, yaitu penilaian sekolah dengan metode Regresi
Linier dan penilaian akhir siswa dengan metode Simple Additive Weighting
(SAW) yang selanjutnya disebut Regresi-SAW, yang akan menentukan apakah
siswa itu diterima atau ditolak. Dalam penelitian yaitu membandingkan hasil
antara Regresi-SAW dengan penilaian sekolah metode SAW serta penilaian akhir
siswa metode SAW yang selanjutnya disebut SAW. Pada perhitungan SAW tahun
2011 menggunakan akreditasi sekolah tahun 2011 serta untuk tahun 2012
menggunakan akreditasi sekolah tahun 2012, sedangkan perhitungan dengan
Regresi-SAW tahun 2011 menggunakan skor sekolah, akreditasi sekolah dan
proporsi sekolah dua tahun lalu dan tahun ini yaitu tahun 2009, 2010 dan 2011,
serta perhitungan dengan Regresi-SAW tahun 2012 menggunakan skor sekolah,
akreditasi sekolah dan proporsi sekolah dua tahun lalu dan tahun ini yaitu tahun
2010, 2011 dan 2012.
Hasil pengujian menunjukkan hasil perhitungan SAW tidak sama dengan hasil
perhitungan Regresi-SAW. Tingkat kesamaan SAW dengan Regresi-SAW pada
tahun 2011 tingkat kesamaan hanya 0,46 dan tingkat kesamaan SAW dengan
Regresi-SAW pada tahun 2012 tingkat kesamaan hanya 0,56, perbedaan tingkat
kesamaan SAW dengan Regresi-SAW pada tahun 2011 dan 2012 tidak terlalu
berbeda jauh. Rata-rata nilai rapor siswa diterima pada SAW dan Regresi-SAW
pada tahun 2011 dan 2012 menunjukkan bahwa rata-rata nilai rapor siswa
diterima pada SAW selalu lebih tinggi dari pada rata-rata nilai rapor siswa
diterima pada Regresi-SAW. Perbedaan waktu eksekusi pada tahun 2011 dan
2012 yaitu rata-rata waktu eksekusi SAW selalu lebih cepat dari pada rata-rata
waktu eksekusi Regresi-SAW. Perbedaan penyebaran jumlah sekolah siswa yang
diterima menunjukkan bahwa pada tahun 2011 dan 2012 jumlah sekolah yang
siswanya diterima SAW selalu lebih banyak dari pada jumlah sekolah yang
siswanya diterima Regresi-SAW. Dan perbedaan nilai akreditasi sekolah yang
siswanya diterima tahun 2011 dan 2012 menghasilkan perbedaan nilai yang tidak
terlalu signifikan yaitu hanya 0,706 dan rata-rata nilai akreditasi sekolah yang
siswanya diterima SAW selalu lebih tinggi dari pada rata-rata nilai akreditasi
sekolah yang siswanya diterima Regresi-SAW.
Kata Kunci: Simple Additive Weighting (SAW), Regresi Linier, Seleksi jalur
undangan.
DAFTAR ISI
HALAMAN JUDUL........................................................................................ i
HALAMAN PENGAJUAN............................................................................. ii
HALAMAN PENGESAHAN.......................................................................... iii
HALAMAN MOTTO....................................................................................... iv
HALAMAN PERSEMBAHAN....................................................................... v
KATA PENGANTAR...................................................................................... vi
ABSTRACT...................................................................................................... viii
ABSTRAK........................................................................................................ ix
DAFTAR ISI..................................................................................................... x
DAFTAR TABEL............................................................................................. xii
DAFTAR GAMBAR........................................................................................ xiii
DAFTAR LAMPIRAN..................................................................................... xiv
BAB I PENDAHULUAN.......................................................................... 1
1.1 Latar Belakang................................................................................ 1
1.2 Rumusan Masalah.......................................................................... 3
1.3 Batasan Masalah............................................................................. 3
1.4 Tujuan dan Manfaat Penelitian....................................................... 3
1.5 Sistematika Penulisan..................................................................... 3
BAB II TINJAUAN PUSTAKA................................................................. 5
2.1 Dasar Teori..................................................................................... 5
2.1.1 Sistem Pendukung Keputusan (SPK)............................................ 5
2.1.2 Multi-Attribut Decision Making (MADM)..................................... 8
2.1.3 Regresi linier.................................................................................. 10
2.2 Peneitian Terkait............................................................................. 12
2.3 Rencana Penelitian......................................................................... 14
BAB III METODOLOGI PENELITIAN..................................................... 16
3.1 Tahap Pengumpulan Data............................................................... 17
3.2 Tahap Pemodelan Sistem............................................................... 18
3.3 Tahap Implementasi ...................................................................... 18
3.3.1 Membangun database..................................................................... 19
3.3.2 Menulis Kode Program................................................................... 19
3.4 Tahap Pengujian............................................................................. 19
3.4.1 Pengujian Sistem......................................................................... 19
3.4.2 Pengujian Hasil........................................................................... 19
3.5 Analisis Output Sistem................................................................ 19
BAB IV PEMBAHASAN......................................................................... 20
4.1 Penjelasan Mengenai Data.......................................................... 20
4.2 Analisis Algoritma Perancangan................................................. 21
4.1.1 Algoritma Perancangan Sistem................................................... 21
4.1.2 Algoritma Perancangan Algoritma Skor Sekolah dengan
Metode Regresi Linier Sederhana............................................... 23
4.1.3 Algoritma Perancangan Algoritma Skor Sekolah dengan
Metode SAW............................................................................... 25
4.1.4 Algoritma Perancangan Algoritma Nilai Akhir Siswa dengan
Metode SAW............................................................................... 26
4.2 Perbandingan Hasil SAW dengan Regresi-SAW....................... 27
4.2.1 Perbandingan Tingkat Kesamaan tahun 2011 dan 2012............ 27
4.2.2 Perbandingan Nilai Rapor Siswa Diterima................................. 30
4.2.3 Perbandingan Waktu Eksekusi.................................................... 33
4.2.4 Perbandingan Statistik Jumlah Sekolah...................................... 34
4.2.5 Nilai Akreditasi Sekolah Siswa Diterima................................... 38
BAB V KESIMPULAN DAN SARAN.................................................. 42
5.1 Kesimpulan................................................................................. 42
5.2 Saran............................................................................................ 42
DAFTAR PUSTAKA....................................................................................... 43
DAFTAR TABEL
Tabel 1.1 Matriks keputusan.................................................................. 9
Tabel 4.1 Tingkat kesamaan SAW dengan Regresi-SAW tahun
2011........................................................................................ 27
Tabel 4.2 Tingkat kesamaan SAW dengan Regresi-SAW tahun
2012........................................................................................ 27
Tabel 4.3 Nilai rapor siswa yang diterima SAW dan Regresi-SAW
tahun 2011.............................................................................. 29
Tabel 4.4 Nilai rapor siswa yang diterima SAW dan Regresi-SAW
tahun 2012.............................................................................. 30
Tabel 4.5 Data waktu eksekusi tahun 2011............................................ 32
Tabel 4.6 Data waktu eksekusi tahun 2012............................................ 32
Tabel 4.7 Jumlah Sekolah dari Siswa yang diterima tahun 2011.......... 35
Tabel 4.8 Jumlah Sekolah dari Siswa yang diterima tahun 2012.......... 35
Tabel 4.9 Nilai Akreditasi Sekolah dari Siswa yang diterima tahun
2011....................................................................................... 38
Tabel 4.10 Nilai Akreditasi Sekolah dari Siswa yang diterima tahun
2012........................................................................................ 38
DAFTAR GAMBAR
Gambar 1.1 Proses Pengambilan Keputusan............................................... 7
Gambar 3.1 Diagram Metode Penelitian Tugas Akhir................................ 15
Gambar 4.1 Flowchart Sistem..................................................................... 20
Gambar 4.2 Flowchart Algoritma Skor Sekolah Dengan Metode Regresi
Linier Sederhana...................................................................... 22
Gambar 4.3 Flowchart Algoritma Skor Sekolah Dengan Metode SAW.... 24
Gambar 4.4 Flowchart Algoritma Nilai Akhir Dengan Metode SAW........ 25
Gambar 4.5 Rata-Rata Tingkat Kesamaan SAW Dengan Regresi-SAW
Tahun 2011 Dan 2012.............................................................. 28
Gambar 4.6 Nilai Rapor Siswa Diterima Pada SAW Dan Regresi-SAW
Tahun 2011.............................................................................. 30
Gambar 4.7 Nilai Rapor Siswa Diterima Pada SAW Dan Regresi-SAW
Tahun 2012.............................................................................. 31
Gambar 4.8 Waktu Eksekusi SAW Dan Regresi-SAW Tahun 2011.......... 33
Gambar 4.9 Waktu Eksekusi SAW Dan Regresi-SAW Tahun 2012.......... 33
Gambar 4.10 Statistik Jumlah Sekolah Tahun 2011...................................... 36
Gambar 4.11 Statistik Jumlah Sekolah Tahun 2012..................................... 37
Gambar 4.12 Statistik Nilai Akreditasi Sekolah Tahun 2011....................... 39
Gambar 4.13 Statistik Nilai Akreditasi Sekolah Tahun 2012....................... 39
DAFTAR LAMPIRAN
Lampiran 1....................................................................................................... 43
Lampiran 2....................................................................................................... 50
Lampiran 3....................................................................................................... 53
BAB I
PENDAHULUAN
1.1 Latar Belakang
Universitas Sebelas Maret (UNS) sebagai salah satu Perguruan Tinggi
Negeri terkemuka di Surakarta selalu peduli terhadap anak bangsa yang
mempunyai prestasi akademik maupun non akademik yang berkeinginan
besar untuk melanjutkan pendidikan yang lebih tinggi dengan penerimaan
mahasiswa melalui Seleksi Nasional Masuk Perguruan Tinggi (SNMPTN)
jalur tes tertulis juga SNMPTN jalur undangan.
Untuk dapat menjaring calon mahasiswa yang mempunyai prestasi
akademik tinggi di SLTA dari manapun asal daerahnya perlu dilakukan
seleksi secara Nasional melalui suatu kepanitiaan SNMPTN jalur undangan
dengan harapan mahasiswa yang diperoleh adalah mahasiswa yang
mempunyai prestasi akademik tinggi di SLTA, selain itu memberi
kesempatan kepada seluruh anak bangsa yang berprestasi akademik tinggi
untuk memperoleh jenjang pendidikan yang lebih tinggi serta memberi
kesempatan kepada sekolah untuk ikut berperan aktif.
Berdasarkan sumber dari http://www.snmptn.ac.id, jalur undangan
adalah mekanisme seleksi nasional berdasarkan penjaringan prestasi
akademik tanpa ujian tertulis/ keterampilan. Jalur ini tidak termasuk jalur
penelusuran minat dan bakat. Berdasarkan ketentuan umum dan persyaratan
untuk SNMPTN jalur undangan yaitu sekolah yang berhak mengikuti Jalur
Undangan adalah sekolah yang diundang oleh Panitia SNMPTN, kepala
sekolah mengajukan nama-nama siswa kelas XII yang rangking 10 besar
dari semester 3 sampai semester 5. Jadi seleksi awal sudah dimulai dengan
ketat dari sekolah.
Menyeleksi calon mahasiswa tersebut dapat menggunakan Sistem
Pendukung Keputusan (SPK). Sistem Pendukung Keputusan (SPK)
merupakan sistem berbasis komputer yang interaktif, yang membantu
pengambil keputusan memanfaatkan data dan model untuk menyelesaikan
suatu masalah [10]. Jadi SPK adalah sistem yang sangat mendukung dalam
mengambil suatu keputusan untuk menyelesaikan suatu permasalahan, agar
suatu masalah dapat dipecahkan secara bijaksana sesuai dengan suatu
kriteria-kriteria atau metode matematis tertentu. Salah satu metode yang
dapat digunakan dalam SPK yaitu metode Simple Additive Weighting
(SAW).
Metode Simple Additive Weighting (SAW) adalah suatu metode yang
digunakan untuk menyelesaikan masalah Multi-Attribut Decision Making
(MADM) [5]. Konsep dasar metode SAW adalah mencari penjumlahan
terbobot dari rating kinerja pada setiap alternatif pada semua kriteria [10].
Oleh karena itu metode Simple Additive Weighting (SAW) sering juga
dikenal sebagai metode penjumlahan terbobot.
Saat ini, UNS dalam menyeleksi mahasiswa baru jalur undangan
dengan melakukan dua penilaian, yaitu penilaian sekolah dengan metode
Regresi Linier dan penilaian akhir siswa dengan metode SAW dimana
disebut juga Regresi-SAW dengan menggunakan data dua tahun
sebelumnya. Proses perhitungan penilaian tersebut masih menggunakan
aplikasi microsoft office excel dan belum terkomputerisasi, sehingga proses
input data dan output data dengan jumlah banyak akan menyebabkan kinerja
pembuat keputusan menjadi lebih berat serta lambat.
Oleh karena itu penulis ingin membangun suatu sistem SPK untuk
seleksi mahasiswa baru jalur undangan metode Regresi-SAW serta
membandingkan SPK untuk seleksi mahasiswa baru jalur undangan metode
Regresi-SAW dengan SPK untuk seleksi mahasiswa baru jalur undangan
metode SAW. Hal ini agar dapat membantu memudahkan dan mempercepat
kinerja pembuat keputusan.
1.2 Perumusan Masalah
Berdasarkan latar belakang masalah, dapat dirumuskan permasalahan
pada penelitian ini adalah bagaimana membandingkan seleksi yang
dihasilkan SPK menggunakan metode Regresi-SAW dengan SPK
menggunakan metode SAW.
1.3 Batasan Masalah
Batasan masalah dalam tugas akhir ini adalah kriteria-kriteria yang
dimasukkan ke dalam sistem untuk melakukan seleksi sesuai dengan kriteria
yang ditetapkan oleh pihak UNS, yaitu akreditasi sekolah, proporsi SPMB
sekolah, nilai siswa dari semester tiga sampai dengan lima dan pilihan
jurusan siswa.
1.4 Tujuan dan Manfaat Penelitian
a. Tujuan penelitian ini adalah membandingkan seleksi yang dihasilkan
SPK menggunakan metode Regresi-SAW dengan SPK menggunakan
metode SAW. Selain itu untuk mempermudah dan mempercepat
kinerja pembuat keputusan.
b. Manfaat yang diperoleh dari penelitian ini adalah sistem penerimaan
mahasiswa baru yang dibangun diharapkan dapat membantu
mempercepat kinerja pembuat keputusan pihak UNS dalam
melakukan seleksi penerimaan mahasiswa baru melalui jalur
undangan di UNS.
1.5 Sistematika Penulisan
Berikut ini adalah urutan sistematika penulisan laporan tugas akhir
yang dibuat. Bab I Pendahuluan memuat tentang latar belakang, rumusan
masalah, batasan masalah, tujuan penelitian, manfaat penelitian, dan
sistematika penulisan laporan tugas akhir. Bab II Tinjauan Pustaka
menguraikan dasar teori yang mendasari pembahasan secara detail,
penelitian terkait yang pernah dilakukan serta rencana penelitian yang akan
dilakukan dalam tugas akhir. Bab III Metode Penelitian menguraikan
tentang gambaran objek penelitian, serta gambaran langkah-langkah yang
dilakukan untuk melaksanakan dan menyelesaikan penelitian ini. Bab IV
Pembahasan menguraikan tentang bagaimana menyelesaikan masalah yang
telah dirumuskan berdasarkan metode yang dipilih dan berusaha untuk
mewujudkan tujuan dan manfaat yang ingin diraih. Bab V Penutup berisi
kesimpulan dan saran. Kesimpulan berisi rumusan jawaban terhadap
pertanyaan (perumusan masalah) dengan bukti-bukti yang ada dan telah
dilakukan dalam penelitian ini. Saran merupakan sesuatu yang belum
ditempuh dan layak untuk dilaksanakan pada penelitian selanjutnya.
BAB II
TINJAUAN PUSTAKA
2.1 Landasan Teori
2.1.1 Sistem Pendukung Keputusan (SPK)
2.1.1.1 Pengertian SPK
Sistem Pendukung Keputusan (SPK) merupakan sistem berbasis
komputer yang interaktif, yang membantu pengambil keputusan
memanfaatkan data dan model untuk menyelesaikan suatu masalah. Sistem
ini digunakan untuk membantu pengambilan keputusan dalam situasi semi
terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu
secara pasti bagaimana keputusan dibuat [1]. Jadi SPK itu adalah sistem
yang sangat mendukung dalam mengambil suatu keputusan untuk
menyelesaikan suatu permasalahan, agar suatu masalah dapat dipecahkan
secara bijaksana sesuai dengan suatu kriteria-kriteria tertentu. Berikut ini
adalah karakteristik SPK [1], yaitu:
1. Mendukung pengambilan keputusan secara cepat dan tepat
2. Menggunakan model matematis yang sesuai.
Model tersebut merupakan salah satu cara dalam ilmu manajemen yang
digunakan untuk memecahkan masalah dengan memakai notasi dan
persamaan matematika yang kemudian direpresentasikan menjadi sebuah
sistem.
3. Adanya interface manusia dan mesin dimana manusia yang mengontrol
4. Mempunyai kemampuan dialog
2.1.1.2 Komponen SPK
Komponen SPK terdiri dari Manajemen Data, Manajemen Model dan
Antarmuka [1], berikut penjelasan dari komponen SPK:
1. Manajemen Data, mencakup database yang berisi data yang relevan
untuk situasi dan dikelola oleh perangkat lunak yang disebut DBMS
(Database Management Sistem). Manajemen data dapat
diinterkoneksikan dengan data warehouse perusahaan, suatu repisitori
untuk data perusahaan yang relevan untuk mengambil keputusan.
2. Manajemen Model, merupakan paket perangkat lunak yang memasukkan
berbagai macam model, di antaranya adalah model keuangan, statistik,
ilmu manajemen, atau model kuantitatif lainnya yang memberikan
kemampuan analitik dan manajemen perangkat lunak yang tepat.
Perangkat lunak ini disebut sistem manajemen basis model.
3. Antarmuka, antarmuka penguna memungkinkan pengguna
berkomunikasi dan memerintahkan SPK. Web Browser memberikan
struktur antarmuka pengguna grafis yang familier dan konsisten. Istilah
antarmuka pengguna mencakup semua aspek komunikasi antara
pengguna dengan sistem.
2.1.1.3 Fase-fase Pengambilan Keputusan
Fase-fase pengambilan keputusan terdiri dari Tahap Penelusuran
(Intelligence), Perancangan (Design), Pemilihan (Choice) dan
Implementasi (Implementation) [1], berikut penjelasan dari fase-fase
pengambilan keputusan:
1. Tahap Penelusuran (Intelligence)
Merupakan tahap pendefinisian masalah serta identifikasi informasi
yang dibutuhkan yang berkaitan dengan persoalan yang dihadapi serta
keputusan yang akan diambil. Langkah ini sangat penting karena
sebelum mengambil suatu tindakan, harus merumuskan persoalan secara
jelas terlebih dahulu.
2. Perancangan (Design)
Merupakan tahap analisa dalam kaitan mencari atau merumuskan
alternatif-alternatif pemecahan masalah. Setelah permasalahan
dirumuskan, tahap berikutnya adalah merancang atau membangun model
pemecahan masalahnya dan menyusun berbagai alternatif pemecahan
masalah.
3. Pemilihan (Choice)
Dengan mengacu pada rumusan tujuan serta hasil yang diharapkan,
selanjutnya manajemen memilih alternatif solusi yang diperkirakan
paling sesuai. Pemilihan alternatif ini akan mudah dilakukan jika hasil
yang diinginkan memiliki nilai kuantitas tertentu.
4. Implementasi (Implementation)
Merupakan tahap pelaksanaan dari keputusan yang telah diambil.
Pada tahap ini perlu disusun serangkaian tindakan yang terencana,
sehingga hasil keputusan dapat dipantau dan disesuaikan apabila
diperlukan perbaikan-perbaikan.
Gambar 1.1 Proses pengambilan keputusan [1]
2.1.2 Multi-Attribut Decision Making (MADM)
MADM adalah suatu metode yang digunakan untuk mencari alternatif
optimal dari sejumlah alternatif dengan kriteria tertentu [2]. Inti dari
MADM adalah menentukan nilai bobot untuk setiap atribut, kemudian
dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif
yang sudah diberikan. Pada dasarnya, ada tiga pendekatan untuk mencari
nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif dan
pendekatan integrasi antara subyektif dan obyektif [2]. Masing-masing
pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif,
nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil
keputusan, sehingga beberapa faktor dalam proses perankingan alternatif
bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai
bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari
pengambil keputusan.
Ada beberapa metode yang dapat digunakan untuk menyelesaikan
masalah MADM antara lain [2]:
1. Simple Additive Weighting Method (SAW)
2. Weighted Product (WP)
3. Electre
4. Technique for Order Preference by Similarity to Ideal Solution
(TOPSIS)
5. Analytic Hierarchy Process (AHP)
2.1.2.1 Metode Simple Additive Weighting Method (SAW)
SAW adalah suatu metode yang digunakan untuk menyelesaikan
masalah MADM [2]. Konsep dasar metode SAW adalah mencari
penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua
kriteria [1]. Metode Simple Additive Weighting (SAW) sering juga dikenal
istilah metode penjumlahan terbobot.
Tahapan metode SAW [3] adalah sebagai berikut:
1. Mendefinisikan masalah dan menentukan solusi yang diinginkan.
Solusi tersebut nantinya kita kembangkan lebih lanjut dalam tahap
berikutnya.
2. Menentukan kriteria yang digunakan untuk melakukan penilaian.
3. Memberikan bobot berdasarkan tingkat kepentingan masing-masing
kriteria yang dibutuhkan, sehingga akan menghasilkan vector bobot,
yaitu
W = [ Bobot kriteria 1, Bobot kriteria 2, …].
4. Membangun matriks keputusan antara kriteria dengan alternatif.
Tabel 1.1 Matriks keputusan [3]
Kriteria 1 Kriteria 2 Kriteria 3 Kriteria 4
Alternatif 1 X11 … … X14
Alternatif 2 … … …
Alternatif 3 … … … X34
5. Membuat normalisasi matriks keputusan (X) ke suatu skala yang dapat
diperbandingkan dengan semua rating alternatif yang ada. Normalisasi
matriks keputusan dibangun dengan menggunakan matriks (m x n) yang
berisi m alternatif dan n kriteria. Perhitungan untuk setiap data pada
elemen matriks tersebut yaitu:
................................................................ (1)
Max adalah nilai maksimum dari r yang ada di kolom j. Nilai
kriteria yang dihasilkan kemudian dimasukkan ke dalam sel normalisasi
matriks keputusan, seperti pada table matriks keputusan antara kriteria
dengan alternatif di atas.
6. Melakukan perankingan terhadap semua alternatif yang ada, dengan
cara mencari nilai preferensi untuk setiap alternatif (Ai), yaitu:
.......................................................... (2)
Keterangan:
- Xij adalah nilai dari alternatif i yang berkaitan dengan kriteria j
- W adalah bobot dari kriteria
Untuk Ai yang lebih besar mengindikasikan bahwa alternatif i lebih baik.
2.1.3 Regresi linier
Regresi linier adalah metode statistika yang digunakan untuk
membentuk model hubungan antara variabel terikat (dependen; respon; Y)
dengan satu atau lebih variabel bebas (independen, prediktor, X) [4].
Apabila banyaknya variabel bebas hanya ada satu, disebut sebagai regresi
linier sederhana, sedangkan apabila terdapat lebih dari 1 variabel bebas,
disebut sebagai regresi linier berganda.
Jika terdapat sebuah data yang terdiri dari dua atau lebih variabel maka
dapat diketahui hubungan atau pengaruh antar variabel tersebut [5].
Hubungan dan pengaruh yang didapat pada umumnya dinyatakan dalam
bentuk persamaan matematika yang menyatakan hubungan fungsional
antara variabel. Studi yang menyangkut masalah ini dikenal dengan analisis
regresi linier.
Analisis regresi linier juga digunakan untuk meramalkan suatu variabel
(variabel dependen) berdasar satu atau beberapa variabel lain (variabel
independen) dalam suatu persamaan linier. Ada dua macam analisis regresi
linier yaitu analisis regresi linier sederhana dan analisis regresi linier ganda
[6]. Pada penelitian ini hanya menggunakan metode Regresi Linier
Sederhana.
1. Analisis Regresi Linier Sederhana
Analisis regresi linier sederhana terdiri dari satu variabel dependen (variabel
terikat) dan satu variabel independen (variabel bebas). Analisis regresi linier
sederhana dinyatakan dengan hubungan persamaan regresi linier sederhana
[5] yang dapat dilihat pada persamaan (3).
Bentuk umum Regresi Linier Sederhana :
........................................................... (3)
Keterangan :
X : Variabel independen/Peubah bebas
Y : Variabel dependen/ Peubah tak bebas
a : Konstanta
b : Koefisien regresi
Rumus untuk mencari a dan b yaitu :
.......................................................... (5)
............................................................. (6)
2. Analisis Regresi Linier Ganda
Analisis regresi linier ganda terdiri dari satu variabel dependen dan
beberapa variabel independen. [5]. Analisis regresi linier ganda dinyatakan
dengan hubungan persamaan regresi:
............................................................. (7)
................................................................ (8)
bX a Y^
22110 XaXaYa
................... (9)
.................. (10)
Keterangan :
X1, X2, ..., Xk : Variabel independen
Y : Variabel dependen
0a : Konstanta
kaaa ,...,, 21 : Koefisien regresi
2.2 Penelitian Terkait
Penelitian yang dilakukan oleh penulis ini mengacu pada penelitian sejenis
yang sudah dilakukan sebelumnya. Beberapa penelitian tersebut akan diuraikan
berikut ini.
1. Jurnal Nasional dengan judul “Sistem Pendukung Keputusan Kelulusan
Ujian Saringan Masuk Jalur PMDK Berdasarkan Nilai Rata-Rata
Matematika dan Bahasa Inggris” [7]
Penelitian ini bertujuan untuk membangun sebuah sistem pendukung
keputusan yang mempunyai kemampuan analisa penentuan penerimaan calon
mahasiswa melalui jalur PMDK dengan menggunakan metode Fuzzy MADM
(Multiple Attribute Decision Making). Pada penelitian ini menjelaskan suatu
kasus untuk mencari alternatif terbaik berdasarkan kriteria-kriteria yang telah
ditentukan. Kriteria-kriteria yang digunakan adalah kriteria asal SMA, nilai
matematika, nilai bahasa inggris, dan nilai tes. Semua kriteria-kriteria tersebut
dikonversikan ke dalam bilangan fuzzy untuk dikelompokkan ke dalam suatu
skala tertentu. Untuk melakukan perhitungan pada kasus tersebut, metode
FMADM menggunakan metode SAW (Simple Additive Weighting).
Penelitian ini membangun sebuah sistem pendukung keputusan untuk
membantu penentuan seseorang yang berhak mendapatkan beasiswa
2
21
2
2
2
1
2211
2
2
1
)())((
))(())((
iiii
iiiiiii
XXXX
YXXXYXXa
2
21
2
2
2
1
1212
2
1
2)())((
))(())((
iiii
iiiiiii
XXXX
YXXXYXXa
berdasarkan kriteria-kriteria yang telah ditentukan, dimana kriteria tersebut
diterjemahkan dari bilangan fuzzy ke dalam bentuk sebuah bilangan crisp,
sehigga nilainya akan bisa dilakukan proses perhitungan untuk mencari
alternatif terbaik. Dari penelitian tersebut diketahui bahwa semakin banyak
sampel yang dipunyai maka tingkat validasinya akan cenderung naik. Dan
hasil akhir dari penelitian ini adalah sebuah alternatif yang memiliki alternatif
terbaik dari alternatif yang lain.
2. Jurnal Internasional dengan judul “Simple Additive Weighting approach
to Personnel Selection problem” [8]
Pada penelitian ini, metode SAW digunakan untuk menyelesaikan
permasalah tentang pemilihan personalia. Metode ini diterapkan dengan
menggunakan data dari kasus nyata di sektor Telekomunikasi Iran. Untuk
meningkatkan efisiensi dan kemudahan penggunaan model yang diusulkan,
perangkat lunak sederhana seperti MS Excel dapat digunakan. Evaluasi
kandidat berdasarkan kriteria hanya akan cukup untuk aplikasi masa depan
dari model dan pelaksanaan evaluasi ini melalui software sederhana akan
mempercepat proses. Selain itu, beberapa kriteria bisa memiliki struktur
kualitatif atau memiliki struktur yang tidak pasti yang tidak dapat diukur
dengan tepat. Dalam kasus tersebut, bilangan fuzzy dapat digunakan untuk
memperoleh matriks evaluasi dan model yang diajukan dapat diperbesar
dengan menggunakan bilangan fuzzy.
3. Jurnal Internasional dengan judul “A Multi Objective Graph Based
Model for Analyzing Survivability of Vulnerable Networks” [9].
Pada penelitian ini, metode SAW digunakan untuk memecahkan
masalah dengan vektor bobot yang berbeda. Pada jurnal dijelaskan bahwa
dalam berbagai bidang manajemen bencana, memilih lokasi terbaik sebagai
Emergency Support & Supply Service Centers (ESSSCs) dan survivabilitas
jaringan yang menyediakan hubungan ESSSCs tersebut, memiliki peranan
besar yang harus diperhatikan. Jurnal ini memperkenalkan model berbasis
grafik untuk mengukur survivabilitas keterhubungan berbagai jaringan.
Dengan menghitung nilai-nilai yang terkait dengan waktu dan biaya
pemulihan kegagalan suatu link, maka dapat dilakukan perankingan
terhadap lokasi-lokasi yang diusulkan untuk ESSSCs. Untuk menghindari
konflik yang dapat timbul antara memaksimalkan survivabilitas jaringan
dan meminimalkan waktu dan biaya pemulihan kegagalan link, maka akan
digunakan metode Simple Additive Weighting (SAW). Sebuah contoh
numerik diberikan dan diselesaikan untuk menggambarkan bagaimana
algoritma bekerja. Setelah memecahkan masalah dengan vektor bobot yang
berbeda, maka dilanjutkan dengan menganalisis sensitivitas dari solusi yang
diterapkan tersebut.
2.3 Rencana Penelitian
Penelitian yang akan dilakukan yaitu dengan berpedoman pada penelitian-
penelitian sebelumnya yang telah diuraikan di atas. Penelitian ini akan
berkonsentrasi pada perancangan sistem untuk seleksi penerimaan mahasiswa
baru melalui jalur undangan dengan membandingkan Regresi-SAW dengan SAW
pada studi kasus UNS. Metode Simple Additive Weighting (SAW) akan
digunakan sebagai model untuk pengolahan data sekolah sesuai dengan kriteria-
kriteria yang telah ditetapkan pihak UNS. Perbedaan penelitian yang akan
dilakukan dengan penelitian-penelitian sebelumnya yaitu pada penelitian yang
akan dilakukan menggunakan metode SAW untuk melakukan perankingan
terhadap alternatif-alternatif sesuai dengan bobot yang telah ditentukan pihak
Universitas Sebelas Maret.
BAB III
METODOLOGI PENELITIAN
Metode penelitian yang digunakan dalam penulisan tugas akhir ini
adalah melalui tahap pengumpulan data, tahap pemodelan sistem, tahap
implementasi sistem dan tahap pengujian sistem. Metode yang digunakan adalah
metode Regresi Linier dan metode SAW. Langkah-langkah yang dilakukan dalam
penelitian tugas akhir ini dapat digambarkan pada diagram berikut ini.
Pengumpulan Data
Analisis Output Sistem
Pemodelan Sistem
SAW
Pemodelan Sistem
Regresi-SAW
Implementasi
Sistem
Pengujian
Sistem
Gambar 3.1 Diagram Metode Penelitian Tugas Akhir
3.1 Tahap Pengumpulan Data
Metode pengumpulan data yang diperlukan untuk penulisan tugas akhir ini
diperoleh dengan cara:
a. Studi Literatur
Cara pengumpulan materi studi literatur sebagian dilakukan melalui
Internet, dan sebagian lagi melalui text book. Data yang didapat merupakan
bahan materi yang berhubungan dengan permasalahan, perancangan dan
implementasi sistem, di antaranya yaitu mengenai pengertian SPK, konsep
model persamaan regresi linier sederhana dan konsep model persamaan
SAW.
b. Wawancara
Wawancara, yaitu mewawancarai pihak-pihak yang terkait langsung
dengan pembangunan sistem yang mendukung permasalahan dalam
pengelolaan yang berhubunganan dengan masalah yang diteliti. Wawancara
dilakukan kepada pengolah data SPMB jalur undangan sub bagian SPMB
UNS di Sekretariat SPMB UNS.
c. Pengambilan Data
Data yang didapatkan meliputi data sekolah, data siswa dan bobot
mata pelajaran tiap jurusan di Universitas Sebelas Maret. Data sekolah yaitu
akreditasi sekolah tahun 2009-2012 dan proporsi sekolah 2009-2011. Data
siswa yaitu nilai siswa semester 3-5 tahun 2009-2012 dan pilihan jurusan
siswa tahun 2009-2012. Data siswa yang didapat ternyata tidak semua
jurusan memiliki peminat yang banyak, ada pula jumlah peminat kurang
dari kuota atau daya tampung jurusan tersebut, oleh sebab itu untuk data
jurusan yang peminatnya sedikit maka jurusan tersebut dihilangkan. Hal ini
untuk menjaga keakuratan sistem yang telah dibuat nantinya.
3.2 Tahap Pemodelan Sistem
Pada tahap pemodelan sistem, pertama dilakukan menghitung skor
sekolah dengan pemilihan metode, yaitu metode Regresi Linier atau metode
SAW. Metode Regresi Linier menggunakan perhitungan terdiri dari satu
variabel dependen (proporsi) dan satu variabel independen (akreditasi).
Sedangkan metode SAW menggunakan data akreditasi sekolah. Peneliti telah
meneliti perbandingan nilai akhir antara menggunakan data tiga tahun
sebelumnya dan dua tahun sebelumnya, dan hasil perbandingan nilai akhirnya
tidak terlalu signifikan, maka peneliti menggunakan data dua tahun
sebelumnya. Tahap kedua, dilakukan menghitung nilai akhir siswa
berdasarkan asal sekolah dan jurusan yang dipilih. Dari hasil tahap kedua
akan diperoleh nilai akhir siswa tersebut dan akan dilakukan kesimpulan
siswa tersebut diterima atau ditolak. Untuk mengetahui perbedaan antara hasil
Regresi-SAW dan SAW maka dilakukan percobaan dari kuota jurusan 10%
dari kuota jurusan sebenarnya sampai kuota jurusan 100% atau sama dengan
kuota yang sebenarnya.
3.3 Tahap Implementasi Sistem
Ruang lingkup perangkat keras dan perangkat lunak yang akan digunakan
untuk mengimplementasikan sistem, diantaranya yaitu:
1. Perangkat Keras:
Intel(R) Cor(TM) i5 CPU M 321 @ 2.5GHz
RAM 4 GB
Harddisk dengan kapasitas 750GB
2. Perangkat Lunak:
Programming : NetBeans IDE 6.9.1
Database Server : Appserv-win32-2.5.9
Supporting Tools : Microsoft Office Excel
Operating Sistem : Microsoft Windows 7 Home Basic 32-bit
Testing Tools : Windows Internet Explorer
Tahapan-tahapan implementasi sistem yang akan dilakukan yaitu:
3.3.1 Membangun database
Untuk penyimpanan data yang dibutuhkan, yaitu dengan menggunakan
MySQL.
3.3.2 Menulis kode program
Seluruh fungsi yang dibutuhkan diterjemahkan ke dalam rangkaian kode
sumber aplikasi sehingga selanjutnya menjadi sebuah prototype sistem yang
bisa digunakan. Rangkaian kode tersebut menggunakan bahasa pemograman
Java. prototype sistem dapat dilihat pada Lampiran 1.
3.4 Tahap Pengujian
3.4.1 Pengujian Sistem
Pengujian sistem ini dilakukan untuk mencari error yang masih terdapat
pada program, untuk selanjutnya diperbaiki.
3.4.2 Pengujian Hasil
Pengujian hasil ini dilakukan untuk menguji kesesuaian output yang
dihasilkan oleh perhitungan Regresi-SAW dan perhitungan SAW.
3.5 Analisis Output Sistem
Pengujian dilakukan dengan membandingkan hasil yang diperoleh SAW dan
Regresi-SAW yaitu membandingkan nilai rata-rata nilai rapor siswa yang
diterima, membandingkan jumlah sekolah siswa yang diterima, tingkat kesamaan
SAW dengan Regresi-SAW, membandingkan kecepatan waktu eksekusi SAW
dan Regresi-SAW dan membandingkan rata-rata nilai akreditasi sekolah siswa
yang diterima.
BAB IV
PEMBAHASAN
4.1 Penjelasan Mengenai Data
Pada penelitian ini menggunakan 1000 data pendaftar, jadi total pilihan
jurusan siswa ada 2000 pilihan jurusan, setiap jurusan memiliki kuota jurusan atau
daya tampung yang berbeda-beda, tidak semua jurusan memiliki peminat yang
lebih banyak dari kuota jurusan tersebut, ada beberapa jurusan yang memiliki
sedikit peminat. Yaitu seperti jurusan sastra daerah dengan jumlah peminat 6
orang pada tahun 2011 dan 5 orang pada tahun 2012, padahal kuota jurusan sastra
daerah tersebut adalah 13 orang, hal ini berarti mengakibatkan semua pendaftar
tersebut dapat diterima semua. Oleh sebab itu peneliti menghilangkan atau
memfilterisasi jurusan dengan peminat yang lebih sedikit atau sama dengan kuota
jurusan tersebut. Untuk melihat nama jurusan dan peminat setiap jurusan pada
tahun 2011 dan 2012 dapat dilihat dalam Lampiran 2.
Nama jurusan yang dihilangkan atau difilterisasi sebanyak 21 jurusan yaitu
jurusan sastra daerah, sastra indonesia, ilmu sejarah, kriya seni, ilmu hukum,
argoteknologi, peternakan, fisika, kimia, pendidikan matematika, pendidikan
fisika, pendidikan biologi, pendidikan luar biasa, pendidikan bahasa dan sastra
Indonesia, pendidikan seni rupa, pendidikan geografi, pendidikan PPKn,
pendidikan ekonomi, pendidikan jasmani dan rekreasi, PGSD Guru kelas
Kebumen, dan pendidikan kimia. Setelah dilakukan filterisasi jurusan maka
jumlah pilihan jurusan siswa menjadi 1753 pilihan jurusan dan hasil yang didapat
juga akan lebih akurat.
4.2 Analisis Algoritma Perancangan
4.2.1 Algoritma Perancangan Sistem
Mulai
Mengambil data dari
database
Menghitung skor
sekolah
Menghitung dengan
metode regresi linier
Menghitung dengan
metode saw
Menghitung nilai akhir siswa
dengan metode saw
Mendapatkan nilai
akhir siswa
Selesai
Diterima?
Mendapatkan
detail jurusan
YA
TIDAK
Gambar 4.1 Flowchart Sistem
Pada sistem ini pertama kali sistem mengambil database untuk
menghitung skor sekolah, untuk menghitung skor sekolah menggunakan dua
pilihan yaitu dengan metode Regresi Linier atau dengan metode SAW, setelah
mendapatkan hasil skor sekolah maka dilanjutkan dengan menghitung nilai
akhir siswa dengan menggunakan metode SAW, setelah mendapatkan nilai
akhir siswa maka akan diketahui siapa siswa yang diterima dan siapa siswa
yang ditolak. Untuk siswa yang diterima, maka akan disimpan ke dalam
database keterangan jurusan yang diterima.
4.2.2 Algoritma Perancangan Skor Sekolah dengan Metode Regresi Linier
Mulai
Mengambil data 1 tahun lalu
dan 2 tahun lalu dari
database
Menghitung jumlah siswa
diterima masing2 sekolah
(m)
Menghitung jumlah siswa
pendaftar masing2 sekolah
(n)
Mencari proporsi (p0)
sekolah tahun ini dari m/n
Mencari:
∑x1,∑y,∑xy,∑x2,∑y2
y=Proporsi
x=Akreditasi
Mencari a:
a= (∑y)(∑x2) – (∑x)(∑xy) /
(n∑x2) – (∑x)
2
Mencari b :
b = n∑xy2 – (∑x)(∑y) /
(n∑x2) – (∑x)
2
Mencari Y (skor):
Y = a + b*X1
Menghasilkan skor
sekolah
Selesai
Gambar 4.2 Flowchart Algoritma Skor Sekolah dengan Metode Regresi
Untuk menghitung skor sekolah dengan metode regresi linier sederhana,
terlebih dahulu sistem akan mengambil data satu dan dua tahun lalu dari
database, kemudian mencari nilai proporsi tahun ini yaitu dari jumlah siswa
yang diterima setiap sekolah dibagi jumlah siswa pendaftar setiap sekolah.
Selanjutnya yaitu mencari jumlah nilai x (akreditasi) dan jumlah nilai y
(proporsi), lalu mencari nilai a dan b, jika nilai b negatif maka menggunakan
persamaan yang negatif dan jika nilai b positif maka menggunakan persamaan
yang positif, kemudian akan didapatkan nilai skor sekolah dan akan disimpan
ke dalam database.
4.2.3 Algoritma Perancangan Skor Sekolah dengan Metode SAW
Mulai
Mengambil data 1 tahun lalu
dan 2 tahun lalu dari
database
Menghitung jumlah siswa
diterima masing2 sekolah
(m)
Menghitung jumlah siswa
pendaftar masing2 sekolah
(n)
Mencari proporsi (p0)
sekolah tahun ini dari m/n
Normalisasi nilai
akreditasi
Menghasilkan skor
sekolah
Selesai
Gambar 4.3 Flowchart Algoritma Skor Sekolah dengan Metode SAW
Untuk menghitung skor sekolah dengan metode SAW, terlebih dahulu
sistem akan mengambil data satu dan dua tahun lalu dari database, kemudian
mencari nilai proporsi tahun ini yaitu dari jumlah siswa yang diterima setiap
sekolah dibagi jumlah siswa pendaftar setiap sekolah. Selanjutkan sistem akan
menormalisasi nilai akreditasi sekolah yang akan menjadi skor sekolah.
4.2.4 Algoritma Perancangan Nilai Akhir Siswa dengan Metode SAW
Mulai
Mengambil data tahun ini, 1
tahun lalu dan 2 tahun lalu
dari database
Mencari nilai pertama
dari nilai per matpel (np)
dikalikan skor sekolah
(ss)
Mencari max nilai per
matpel (np):
Nilai per matpel /
maksimum nilai per matpel
Mencari skor siswa (sw):
Hasil nilai per matpel (np)
dikalikan bobot np
Mencari skor akhir (sa):
Jumlah hasil skor siswa
(sw) per matpel
Memilh siswa dengan
nilai tertinggi per jurusan
berdasarkan kuota per
jurusan
Selesai
Memfilter siswa yang
sudah diterima
Gambar 4.4 Flowchart Algoritma Nilai Akhir dengan Metode SAW
Untuk menghitung nilai akhir dengan metode SAW, terlebih dahulu
sistem akan mengambil data satu dan dua tahun lalu dari database, lalu sistem
akan mengkalikan nilai setiap mata pelajaran dengan bobot mata pelajaran
setiap jurusan yang dipilih. Kemudian mencari nilai maksimum nilai setiap
mata pelajaran yaitu membagi nilai setiap mata pelajaran dengan maksimum
nilai mata pelajaran. Selanjutnya mengkalikan nilai setiap mata pelajaran
dengan bobot mata pelajaran jurusan, jumlahkan hasil setiap mata pelajaran
tersebut maka akan mendapatkan nilai akhir siswa, kemudian dilakukan
perangkingan untuk mengambil siswa dengan nilai terbaik.
4.3 Perbandingan Hasil SAW dan Regresi-SAW
Perbandingan hasil SAW dengan Regresi-SAW dilakukan dengan
menghitung tingkat kesamaan SAW dengan Regresi-SAW, perbedaan waktu
eksekusi antara SAW dengan Regresi-SAW, perbedaan nilai rapor siswa yang
diterima dan jumlah sekolah yang siswanya diterima antara SAW dengan Regresi-
SAW.
4.3.1 Perbandingan Tingkat Kesamaan tahun 2011 dan 2012
Untuk mengetahui perbedaan hasil perhitungan SAW dengan Regresi-SAW
salah satunya dapat diukur dari tingkat kesamaan antara SAW dengan Regresi-
SAW. Tingkat kesamaan ini untuk mengetahui seberapa besar tingkat kesamaan
hasil perhitungan SAW dengan Regresi-SAW. Tingkat kesamaan diperoleh dari
menghitung jumlah kesamaan siswa yang diterima SAW dengan Regresi-SAW
yang kemudian dibandingkan dengan jumlah kuota.
Pada tabel dibawah ini merupakan persamaan siswa yang diterima dari hasil
perhitungan SAW dengan Regresi-SAW berdasarkan kuota 10% sampai kuota
100% dari kuota yang sebenarnya pada tahun 2011 dan 2012. Data dibawah ini
untuk menentukan tingkat kesamaan SAW terhada Regresi-SAW.
Tabel 4.1 Tingkat Kesamaan SAW dengan Regresi-SAW tahun 2011
Kuota Tingkat Kesamaan
Kuota 10% 0,0862
Kuota 20% 0,1362
Kuota 30% 0,2179
Kuota 40% 0,3445
Kuota 50% 0,5572
Kuota 60% 0,61
Kuota 70% 0,649
Kuota 80% 0,653
Kuota 90% 0,667
Kuota 100% 0,714
Rata-rata 0,4635
Dari data tingkat kesamaan pada Tabel 4.1 menunjukkan tingkat kesamaan
yang terus meningkat setiap kuota. Dengan rata-rata tingkat kesamaan pada tahun
2011 yaitu 0,4635.
Tabel 4.2 Tingkat Kesamaan SAW dengan Regresi-SAW tahun 2012
Kuota Tingkat Kesamaan
Kuota 10% 0,19
Kuota 20% 0,25
Kuota 30% 0,47
Kuota 40% 0,54
Kuota 50% 0,59
Kuota 60% 0,66
Kuota 70% 0,69
Kuota 80% 0,72
Kuota 90% 0,74
Kuota 100% 0,75
Rata-rata 0,56
Dari data tingkat kesamaan pada Tabel 4.2 menunjukkan tingkat kesamaan
yang terus meningkat setiap kuota. Dengan rata-rata tingkat kesamaan pada tahun
2011 yaitu 0,56. Tingkat kesamaan 2012 lebih tinggi dari pada tingkat kesamaan
tahun 2012 dengan selisih 0,0965.
Berikut ini adalah grafik tingkat kesamaan SAW dengan Regresi-SAW
berdasarkan tabel 4.1 dan 4.2, yaitu:
Gambar 4.5 Rata-rata tingkat kesamaan SAW dengan Regresi-SAW tahun 2011
dan 2012
Dari Gambar 4.5 dapat diketahui bahwa pada tahun 2011 rata-rata tingkat
kesamaan SAW dengan Regresi-SAW hanya 0,46. Tingkat kesamaan pada kuota
10% sangat kecil yaitu 0,086 selanjutnya dari kuota 10% sampai kuota 50% terus
meningkat dengan jarak yang cukup jauh dan tingkat kesamaan dari kuota 50%
sampai 100% juga naik sedikit demi sedikit sampai dengan kuota 100% tingkat
kesamaan 0,71.
Sedangkan pada tahun 2012, rata-rata tingkat kesamaan SAW dengan
Regresi-SAW hanya 0,56. Tingkat kesamaan terlihat meningkat banyak dari kuota
20% menuju kuota 30%. Selanjutnya tingkat kesamaan semakin meningkat sedikit
demi sedikit sampai kuota 100% dengan tingkat kesamaan 0,75.
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
10 20 30 40 50 60 70 80 90 100
RA
TA-R
ATA
TIN
GK
AT
KES
AM
AA
N
KUOTA (%)
Rata-rata Tingkat Kesamaan SAW dan Regresi-SAW tahun 2011 dan 2012
Tingkat kesamaan 2011 Tingkat kesamaan 2012
Dari grafik rata-rata tingkat kesamaan SAW dengan Regresi-SAW tahun
2011 dan 2012, dapat dilihat bahwa pergeseran atau pergerakan grafik tiap kuota
pada tahun 2011 dan 2012 hampir sama dan pada kuota 100% tingkat kesamaan
tahun 2011 dan 2012 pun tidak terlalu berbeda jauh, pada tahun 2011 tingkat
kesamaannya yaitu 0,71 sedangkan pada tahun 2012 tingkat kesamaannya yaitu
0,65.
4.3.2 Perbandingan Nilai Rapor Siswa Diterima
Untuk mengetahui perbedaan hasil SAW dengan Regresi-SAW dapat juga
dilihat dari rata-rata nilai rapor siswa yang diterima antara SAW dengan Regresi-
SAW. Membandingkan nilai rapor siswa yang diterima sangat penting, hal ini
untuk mengetahui tingkat kesamaan nilai rapor siswa yang diterima antara SAW
dengan Regresi-SAW. Berikut data nilai rapor siswa yang diterima SAW dan
Regresi-SAW tahun 2011 dan data nilai rapor siswa yang diterima SAW dan
Regresi-SAW tahun 2012.
Tabel 4.3 Nilai rapor siswa yang diterima SAW dan Regresi-SAW tahun 2011
Kuota
Rata-rata Nilai Rapor Siswa
SAW Regresi-SAW
Kuota 10% 80,22 79,36
Kuota 20% 79,75 78,86
Kuota 30% 79,29 78,6
Kuota 40% 79,09 78,71
Kuota 50% 79,03 78,65
Kuota 60% 78,93 78,54
Kuota 70% 78,81 78,48
Kuota 80% 78,74 78,46
Kuota 90% 78,69 78,49
Kuota 100% 78,66 78,46
Rata-rata 79,121 78,661
Tabel 4.4 Nilai rapor siswa yang diterima SAW dan Regresi-SAW tahun 2012
Kuota
Rata-rata Nilai Rapor Siswa
SAW Regresi-SAW
Kuota 10% 79,95 78,92
Kuota 20% 78,29 78,74
Kuota 30% 79,02 78,46
Kuota 40% 79,07 78,51
Kuota 50% 79,12 78,58
Kuota 60% 79,08 78,61
Kuota 70% 79,07 78,59
Kuota 80% 79,04 78,62
Kuota 90% 78,99 78,62
Kuota 100% 78,94 78,66
Rata-rata 79,057 78,631
Berdasarkan data pada Tabel 4.3 dan Tabel 4.4 dapat diketahui rata-rata
nilai rapor siswa diterima pada SAW dan Regresi-SAW pada tahun 2011 dan
2012 menunjukkan bahwa rata-rata nilai rapor siswa diterima pada SAW selalu
lebih tinggi dari pada rata-rata nilai rapor siswa diterima pada Regresi-SAW.
Berikut ini adalah statistik nilai rapor siswa yang diterima antara SAW dan
Regresi-SAW tahun 2011 dan 2012:
Gambar 4.6 Nilai rapor siswa diterima pada SAW dan Regresi-SAW tahun 2011
Dilihat dari grafik Gambar 4.6 yaitu nilai rapor siswa diterima pada SAW
dan Regresi-SAW tahun 2011 tersebut menunjukkan bahwa nilai rapor siswa
diterima pada SAW selalu lebih tinggi dari pada nilai rapor siswa diterima pada
Regresi-SAW.
77.5
78
78.5
79
79.5
80
80.5
10 20 30 40 50 60 70 80 90 100
RA
TA-R
ATA
NIL
AI
RA
PO
R
KUOTA (%)
Rata-rata Nilai Rapor Siswa Diterima tahun 2011
SAW REGRESI-SAW
Gambar 4.7 Nilai rapor siswa diterima pada SAW dan Regresi-SAW tahun 2012
Dari grafik Gambar 4.7 yaitu nilai rapor siswa diterima pada SAW dan
Regresi-SAW tahun 2012 tersebut juga menunjukkan bahwa nilai rapor siswa
diterima pada SAW selalu lebih tinggi dari pada nilai rapor siswa diterima pada
Regresi-SAW, tetapi pada kuota 20% nilai rapor siswa diterima pada Regresi-
SAW sedikit lebih tinggi dari pada nilai rapor siswa diterima pada SAW.
4.3.3 Waktu Eksekusi Regresi-SAW dan SAW
Untuk mengetahui perbedaan hasil SAW dengan Regresi-SAW dapat juga
dilihat dari perbandingan waktu eksekusi SAW dengan Regresi-SAW, agar dapat
mengetahui waktu eksekusi yang paling cepat antara SAW dengan Regresi-SAW.
Berikut ini adalah tabel data waktu eksekusi setiap kuota pada tahun 2011 dan
2012.
Tabel 4.5 Data waktu eksekusi tahun 2011
Kuota Waktu Eksekusi (detik)
SAW Regresi-SAW
Kuota 10% 90,794 76,2585
Kuota 20% 73,6125 74,815
77
77.5
78
78.5
79
79.5
80
80.5
10 20 30 40 50 60 70 80 90 100
Rat
a-ra
ta n
ilai r
apo
t
KUOTA (%)
Rata-rata Nilai Rapot Siswa Diterima tahun 2012
SAW REGRESI-SAW
Kuota 30% 73,856 74,9535
Kuota 40% 74,8855 75,8035
Kuota 50% 74,4625 76,3615
Kuota 60% 74,5535 77,245
Kuota 70% 74,983 79,1415
Kuota 80% 75,1635 77,488
Kuota 90% 75,387 80,442
Kuota 100% 76,7975 77,6905
Rata-rata 76,4495 77,0199
Tabel 4.6 Data waktu eksekusi tahun 2012
Kuota Waktu Eksekusi (detik)
SAW Regresi-SAW
Kuota 10% 154,899 160,56
Kuota 20% 158,502 165,119
Kuota 30% 162,92 169,552
Kuota 40% 162,687 167,21
Kuota 50% 169,542 161,351
Kuota 60% 192,876 161,726
Kuota 70% 160,726 163,039
Kuota 80% 160,103 167,549
Kuota 90% 162,431 170,284
Kuota 100% 163,166 219,131
Rata-rata 164,7852 170,5521
Berdasarkan Tabel 4.5 dan Tabel 4.6, pada tahun 2011 dan 2012 rata-rata
waktu eksekusi SAW lebih cepat dari pada rata-rata waktu eksekusi Regresi-
SAW. Dari tabel data waktu eksekusi pada tabel 4.6 dan tabel 4.7, berikut statistik
waktu eksekusi SAW dan Regresi-SAW setiap kuota pada tahun 2011 dan 2012
Gambar 4.8 Waktu eksekusi SAW dan Regresi-SAW tahun 2011
Dilihat dari Gambar 4.8, waktu eksekusi SAW dan Regresi-SAW tahun
2011 pada kuota 10% waktu eksekusi Regresi-SAW lebih cepat dari pada waktu
eksekusi SAW, tetapi pada kuota 20% sampai kuota 100% waktu eksekusi SAW
selalu lebih cepat dari pada waktu eksekusi Regresi-SAW
Gambar 4.9 Waktu eksekusi SAW dan Regresi-SAW tahun 2012
0
20
40
60
80
100
120
140
160
180
200
10 20 30 40 50 60 70 80 90 100
WA
KTU
EK
SEK
USI
(d
eti
k)
KUOTA (%)
Waktu Eksekusi SAW dan Regresi-SAW tahun 2011
SAW REGRESI-SAW
0
50
100
150
200
250
10 20 30 40 50 60 70 80 90 100
WA
KTU
EK
SEK
USI
(d
eti
k)
KUOTA (%)
Waktu Eksekusi SAW dan Regresi-SAW tahun 2012
SAW REGRESI-SAW
. Dan dari Gambar 4.9, waktu eksekusi SAW dan Regresi-SAW tahun 2011
pada kuota 50% dan kuota 60% waktu eksekusi Regresi-SAW lebih cepat dari
pada waktu eksekusi SAW, tetapi pada kuota 10%, 20%, 30%, 40%, 70% sampai
kuota 100% waktu eksekusi SAW selalu lebih cepat dari pada waktu eksekusi
Regresi-SAW.
4.3.4 Perbandingan Statistik Jumlah Sekolah
Untuk mengetahui perbedaan hasil SAW dengan Regresi-SAW dapat dilihat
juga jumlah sekolah yang siswanya diterima antara SAW dengan Regresi-SAW.
Menghitung jumlah sekolah yang siswanya diterima agar dapat mengetahui
pemerataan sekolah yang diterima pada SAW dan Regresi-SAW.
Untuk mencari statistik setiap sekolah diperlukan data jumlah sekolah yang
yang siswanya diterima seluruh jurusan pada setiap kuota tahun 2011 dan 2012
yang terdapat pada tabel dibawah ini:
Tabel 4.7 Jumlah Sekolah dari Siswa yang diterima tahun 2011
Kuota Jumlah Sekolah Siswa Diterima
SAW Regresi-SAW
Kuota 10% 84 79
Kuota 20% 175 170
Kuota 30% 258 252
Kuota 40% 341 335
Kuota 50% 421 413
Kuota 60% 478 469
Kuota 70% 531 526
Kuota 80% 572 567
Kuota 90% 614 606
Kuota 100% 647 640
Rata-rata 412 406
Tabel 4.8 Jumlah Sekolah dari Siswa yang diterima tahun 2012
Kuota Jumlah Sekolah Siswa Diterima
SAW Regresi-SAW
Kuota 10% 80 72
Kuota 20% 133 129
Kuota 30% 196 180
Kuota 40% 257 222
Kuota 50% 296 266
Kuota 60% 320 298
Kuota 70% 341 323
Kuota 80% 354 334
Kuota 90% 368 346
Kuota 100% 381 353
Rata-rata 272 252
Dari data jumlah sekolah yang siswanya diterima pada Tabel 4.7 dan Tabel
4.8 menunjukkan bahwa jumlah sekolah dengan SAW lebih banyak dari pada
jumlah sekolah dengan Regresi-SAW. Dari Tabel 4.7 dan Tabel 4.8 maka dapat
dibuat statistik jumlah sekolah yang terdapat pada gambar 4.10 dan gambar 4.11
84
175
258
341
421
478 531
572 614
647
79
170
252
335
413
469
526 567
606 640
0
100
200
300
400
500
600
700
10 20 30 40 50 60 70 80 90 100
JUM
LAH
SEK
OLA
H
KUOTA (%)
Jumlah Sekolah Siswa Diterima tahun 2011
SAW REGRESI-SAW
Gambar 4.10 Statistik Jumlah Sekolah tahun 2011
.
Gambar 4.11 Statistik Jumlah Sekolah tahun 2012
Berdasarkan Gambar 4.10 dan Gambar 4.11 menunjukkan bahwa pada
tahun 2011 dan 2012 jumlah sekolah yang siswanya diterima SAW selalu lebih
banyak dari pada jumlah sekolah yang siswanya diterima Regresi-SAW. Hal ini
berarti bahwa dengan SAW penyebaran sekolah yang diterima lebih meluas dari
pada dengan Regresi-SAW.
4.3.5 Nilai Akreditasi Sekolah Siswa Diterima
Untuk mengetahui perbedaan hasil SAW dengan Regresi-SAW dapat dilihat
juga perbedaan nilai akreditasi sekolah yang siswanya diterima antara SAW
dengan Regresi-SAW. Menghitung nilai akreditasi sekolah yang siswanya
diterima ini dimaksudkan untuk seberapa penting nilai akreditasi sekolah dari
pada nilai proporsi.
Berikut ini adalah data nilai akreditasi sekolah yang siswanya diterima
antara SAW dengan Regresi-SAW tahun 2011 dan 2012.
80
133
196
257
296 320
341 354 368 381
72
129
180
222
266 298
323 334 346 353
0
50
100
150
200
250
300
350
400
450
10 20 30 40 50 60 70 80 90 100
Jum
lah
Se
kola
h
Kuota (%)
Jumlah Sekolah yang diterima tahun 2012
SAW REGRESI-SAW
Tabel 4.9 Nilai Akreditasi Sekolah dari Siswa yang diterima tahun 2011
Kuota
Nilai Akreditasi Sekolah
Siswa Diterima
SAW Regresi-SAW
Kuota 10% 93,79 89,19
Kuota 20% 93,2 90,08
Kuota 30% 92,65 90,28
Kuota 40% 92,27 90,34
Kuota 50% 91,86 90,56
Kuota 60% 91,69 90,43
Kuota 70% 91,36 90,38
Kuota 80% 91,15 90,42
Kuota 90% 90,97 90,43
Kuota 100% 90,88 90,5
Rata-rata 91,982 90,261
Tabel 4.10 Nilai Akreditasi Sekolah dari Siswa yang diterima tahun 2012
Kuota
Nilai Akreditasi Sekolah
Siswa Diterima
SAW Regresi-SAW
Kuota 10% 93,32 90,76
Kuota 20% 91,29 91,35
Kuota 30% 91,84 91,17
Kuota 40% 91,65 90,56
Kuota 50% 91,7 90,55
Kuota 60% 91,5 90,34
Kuota 70% 91,4 90,24
Kuota 80% 91,23 90,31
Kuota 90% 91,2 90,35
Kuota 100% 91 90,35
Rata-rata 91,613 90,598
Berdasarkan Tabel 4.9 dan Tabel 4.10 menunjukkan bahwa rata-rata nilai
akreditasi sekolah yang siswanya diterima tahun 2011 dan 2012 menghasilkan
perbedaan nilai yang tidak terlalu signifikan dan rata-rata nilai akreditasi sekolah
yang siswanya diterima SAW selalu lebih tinggi dari pada rata-rata nilai akreditasi
sekolah yang siswanya diterima Regresi-SAW.
Dari Tabel 4.9 dan Tabel 4.10 maka dapat dibuat statistik nilai akreditasi
sekolah yang terdapat pada Gambar 4.12 dan Gambar 4.13
Gambar 4.12 Statistik nilai akreditasi Sekolah tahun 2011
Berdasarkan Gambar 4.12 dapat dilihat bahwa pada tahun 2011 nilai
akreditasi sekolah SAW selalu jauh lebih tinggi dari pada nilai akreditasi sekolah
Regresi-SAW akan tetapi dari kuota 10% sampai kuota 100% perbedaan nilai
semakin mengecil yaitu pada SAW adalah 90,88 dan Regresi-SAW adalah 90,5.
86
87
88
89
90
91
92
93
94
95
10 20 30 40 50 60 70 80 90 100
RA
TA-R
ATA
AK
EDIT
ASI
SEK
OLA
H
KUOTA (%)
Rata-rata nilai akreditasi sekolah siswa diterima tahun 2011
SAW REGRESI-SAW
Gambar 4.13 Statistik nilai akreditasi Sekolah tahun 2012
Pada Gambar 4.13 menunjukkan bahwa pada tahun 2012 nilai akreditasi
sekolah yang siswanya diterima SAW selalu lebih tinggi dari pada nilai akreditasi
sekolah yang siswanya diterima Regresi-SAW, tetapi pada kuota 20% nilai
akreditasi Regresi-SAW sedikit lebih tinggi dari pada nilai akreditasi sekolah
SAW.
88.5
89
89.5
90
90.5
91
91.5
92
92.5
93
93.5
94
10 20 30 40 50 60 70 80 90 100
Rat
a-ra
ta n
ilai a
kre
dit
as
KUOTA(%)
Rata-rata nilai akreditasi sekolah siswa diterima tahun 2012
SAW REGRESI-SAW
BAB V
PENUTUP
5.1 Kesimpulan
Berdasarkan pada pembahasan, dapat disimpulkan bahwa ternyata dengan
menggunakan metode SAW selain menghemat data juga banyak kelebihan dari
hasil penilaian dengan menggunakan SAW dari pada Regresi-SAW. Kelebihan
dengan menggunakan metode SAW antara lain akan diperoleh siswa dengan nilai
rata-rata rapor yang tinggi yaitu dengan rata-rata nilai rapor 79,121 pada tahun
2011 dan 79,057 pada tahun 2012 dengan selisih nilai 0,426 lebih besar dari pada
rata-rata nilai rapor dengan Regresi-SAW, penyebaran sekolah yang diterima
punselisih 10 sampai 20 lebih banyak jumlah sekolah yang diterima dibanding
dengan Regresi-SAW, nilai akreditasi sekolah yang diterima juga lebih tinggi
yaitu selisih 1,721 dari pada nilai akreditasi sekolah yang diterima Regresi-
SAWdan waktu eksekusi yang sedikit lebih cepat yaitu selisih 5,77 lebih cepat
dari Regresi-SAW.
5.2 Saran
Diharapkan pada penelitian selanjutnya dapat dibandingkan dengan menggunakan
metode lain yang setara dari MADM seperti WP, TOPSIS atau AHP, untuk dilihat
hasilnya mana yang lebih baik dalam kasus seleksi penerimaan mahasiswa baru
jalur undangan.
DAFTAR PUSTAKA
[1] Turban, E. Et al. 2011. Decision Support and Business Intelligence Sistem:
Ninth Edition. New Jersey : Pearson Education, inc.
[2] Kusumadewi, Sri., Hartati, S., Harjoko, A., dan Wardoyo, R. 2006. Multi-
Attribute Decision Making (MADM). Yogyakarta: Graha Ilmu.
[3] Gerdon. 2011. Sistem Pendukung Keputusan Untuk Menentukan
Penerimaan beasiswa Bagi Mahasiswa. Publikasi Skripsi AMIKOM.
Yogyakarta.
[4] Asfi, Marsani., Purnama Sari, Ratna. 2010. Sistem Penunjang Keputusan
Seleksi Mahasiswa Berprestasi Menggunakan Metode AHP (Studi Kasus:
STMIK CIC Cirebon). Jurnal Informatika. Vol. 6 No. 2. ISSN 0216-4280.
Bandung.
[5] Sudjana. 2005. Metoda Statistika. Bandung: Tarsito.
[6] Trihendradi, C. 2006. Langkah Mudah Menguasai Analisis Statistik
Menggunakan SPSS 15. Yogyakarta: Andi Offset.
[7] Rumaisa, F., dan Nurafianti, Tanti. 2010. Sistem Pendukung Keputusan
Kelulusan Ujian Saringan Masuk Jalur PMDK Berdasarkan Nilai Rata-
Rata Matematika dan Bahasa Inggris. National Conference: Design and
Application of Technology. Universitas Widyatama, Bandung.
[8] Afshari, Alireza., Mojahed, Majid., dan Yusuff, Rosnah Mohd. 2010.
Simple Additive Weighting approach to Personnel Selection problem. Vol.
1. ISSN: 2010-0248.
[9] Kusumadewi, Sri., Hartati, S., Harjoko, A., dan Wardoyo, R. 2006. Multi-
Attribute Decision Making (MADM). Yogyakarta: Graha Ilmu.
LAMPIRAN 1
IMPLEMENTASI SISTEM
1. Halaman Utama
Halaman ini merupakan halaman yang pertama kali muncul saat sistem
dijalankan. Halaman ini berisi menu, yaitu: Master Sekolah, Master Siswa, Master
Mata Pelajaran, Master Jurusan, Bobot Jurusan, Kuota Jurusan, Data Sekolah,
Pilihan Jurusan Siswa, Data Nilai Siswa, Skor Sekolah SAW, Skor Sekolah Regresi
dan Nilai Akhir Siswa.
2. Menu Master Sekolah
Halaman ini merupakan halaman yang memuat form input data sekolah dan
tabel data sekolah. Form input data sekolah meliputi Id Sekolah, Nama Sekolah,
Akreditasi dan Alamat Sekolah. Sedangkan tabel data sekolah merupakan data
sekolah yang telah ada dan disimpan di database.
3. Menu Master Siswa
Halaman ini merupakan halaman yang memuat form input data siswa dan tabel
data sekolah. Adanya tabel sekolah dikarenakan data sekolah dan data siswa
mempunyai relasi, untuk mengisi Asal Sekolah maka pengolah harus memilih
sekolah yang ada pada tabel data sekolah. Untuk input data siswa meliputi Id Siswa,
Nama Siswa dan Asal Sekolah.
4. Menu Master Mata Pelajaran
Halaman ini merupakan halaman yang memuat form input data mata pelajaran
dan tabel data mata pelajaran. Form input data mata pelajaran meliputi Id Mata
Pelajaran dan Nama Mata Pelajaran. Sedangkan tabel data mata pelajaran
merupakan data mata pelajaran yang telah ada dan disimpan di database.
5. Menu Master Jurusan
Halaman ini merupakan halaman yang memuat form input data jurusan dan
tabel data jurusan. Form input data mata pelajaran meliputi Id Jurusan dan Nama
Jurusan. Sedangkan tabel data jurusan merupakan data jurusan yang ada di database.
6. Menu Bobot Jurusan
Halaman ini merupakan halaman yang memuat form input data bobot jurusan
dan tabel bobot jurusan tiap mata pelajaran. Form input data bobot jurusan meliputi
Nama Jurusan, Mata Pelajaran dan Bobot. Sedangkan tabel bobot jurusan merupakan
data bobot jurusan setiap mata pelajaran yang ada di database.
7. Menu Kuota Jurusan
Halaman ini merupakan halaman yang memuat form input kuota per jurusan
dan tabel kuota jurusan. Form input data kuota jurusan meliputi Nama Jurusan,
Tahun dan Kuota. Sedangkan tabel kuota jurusan merupakan data kuota jurusan yang
ada di database.
8. Menu Data Sekolah
Halaman ini merupakan halaman yang memuat tabel data perkembangan
sekolah. Tabel ini hanya menampilkan data sekolah secara lengkap.
9. Menu Pilihan Jurusan Siswa
Halaman ini merupakan halaman yang memuat form input data pilihan jurusan
siswa dan tabel data jurusan. Form input data pilihan jurusan meliputi Id Siswa,
Nama Siswa dan Pilihan Jurusan.
10. Menu Data Nilai Siswa
Halaman ini merupakan halaman yang memuat form input data nilai siswa dan
tabel data siswa. Form input data nilai siswa yaitu memasukkan nilai siswa dari
semester tiga sampai semester lima sesuai data yang ada.
11. Menu Skor Sekolah SAW
Halaman ini merupakan halaman yang memuat hasil proses perhitungan skor
sekolah dengan metode SAW.
12. Menu Skor Sekolah Regresi
Halaman ini merupakan halaman yang memuat hasil proses perhitungan skor
sekolah dengan metode Regresi Linier.
13. Menu Akhir Siswa
Halaman ini merupakan halaman yang memuat hasil proses perhitungan nilai
akhir siswa dengan metode SAW.
LAMPIRAN 2
BOBOT MATA PELAJARAN SETIAP JURUSAN DAN DAFTAR
PEMINAT PER JURUSAN
a. Bobot Mata Pelajaran Setiap Jurusan
NAMA JURUSAN
BOBOT MATA PELAJARAN
B1
(INDO)
B2
(ING)
B3
(MTK)
B4
(FIS/EKO)
B5
(KIM/SOS)
B6
(BIO/GEO)
Sastra Daerah untuk Sastra Jawa 4 3 2 2 2 1
Sastra Indonesia 4 3 2 2 2 1
Sastra Inggris 4 4 2 2 2 1
Ilmu Sejarah 4 3 2 2 2 1
Seni Rupa Murni 3 3 2 2 2 1
Desain Komunikasi Visual 3 3 3 2 2 1
Desain Interior 3 3 3 2 2 1
Kriya Seni (Desain Tekstil) 3 3 2 2 3 1
Ilmu Administrasi Negara 3 3 1 2 3 2
Ilmu Komunikasi 3 3 1 2 3 2
Sosiologi 3 3 1 2 4 2
Ilmu Hukum 2 3 2 2 2 2
Ekonomi Pembangunan 2 2 2 2 1 1
Manajemen 2 2 3 2 1 1
Akuntansi 2 2 3 1 1 1
Pendidikan Dokter 1 2 1 2 2 3
Psikologi 1 2 1 2 2 3
Agroteknologi / Agroekoteknologi 1 2 2 1 3 3
Agribisnis 1 2 3 1 2 2
Peternakan 1 2 2 1 3 3
Ilmu Dan Teknologi Pangan 1 2 2 2 4 3
Teknik Sipil 1 2 3 3 1 1
Teknik Arsitektur 1 2 3 3 1 1
Teknik Industri 2 3 3 3 1 1
Teknik Mesin 1 2 4 4 2 1
Teknik Kimia 1 2 4 2 3 1
Perencanaan Wilayah & Kota 2 2 3 3 1 1
Matematika 1 1 4 2 1 1
Fisika 1 1 2 4 1 1
Kimia 1 1 2 2 3 1
Biologi 1 1 1 2 2 3
Teknik Informatika 1 2 4 2 1 1
Pendidikan Matematika 1 2 4 2 1 1
Pendidikan Fisika 1 2 2 4 1 1
Pendidikan Kimia 1 2 2 2 4 1
Pendidikan Biologi 1 2 1 2 2 4
Pendidikan Luar Biasa/Khusus 1 2 2 1 2 3
NAMA JURUSAN
BOBOT MATA PELAJARAN
B1
(INDO)
B2
(ING)
B3
(MTK)
B4
(FIS/EKO)
B5
(KIM/SOS)
B6
(BIO/GEO)
Pend.Bhs&Sastra Indonesia &Daerah 3 3 2 1 2 2
Pendidikan Bhs Inggris 3 3 2 1 2 2
Pendidikan Seni Rupa 2 2 2 1 2 3
Pendidikan Geografi 1 2 2 1 2 3
Pend. PPKn 1 2 2 1 2 3
Pendidikan Ekonomi 1 2 2 3 2 2
Pendidikan Sosiologi-Antropologi 1 2 2 1 3 2
Pend.Jasmani Kesehatan & Rekreasi 1 2 1 3 2 2
Pend.Kepelatihan Olah Raga 1 2 1 3 2 2
PGSD Guru Kelas Surakarta 2 2 2 1 2 3
Bimbingan dan Konseling 2 2 1 2 2 3
PGSD Guru Kelas Surakarta 2 2 2 2 1 3
PG-PAUD 2 2 2 2 1 3
b. Daftar Peminat Setiap Jurusan
Id Jurusan Kuota
Peminat
2011
Peminat
2012
1000 Sastra Daerah 13 6 5
1001 Pendidikan Dokter 64 344 342
1002 Teknik Informatika 11 84 83
1003 Ekonomi Pembangunan 10 45 44
1004 Agribisnis 32 63 63
1005 Pend. Guru -PAUD 10 40 40
1006 Manajemen Ekonomi 18 146 145
1007 Sastra Indonesia 11 8 8
1008 Sastra Inggris 13 32 32
1009 Ilmu Sejarah 11 9 9
1010 Seni Rupa Murni 13 14 14
1011 Desain Komunikasi Visual 8 31 31
1012 Desain Interior 8 35 37
1013 Kriya Seni 9 5 5
1014 Ilmu Administrasi Negara 20 98 98
1015 Ilmu Komunikasi 24 135 136
1016 Sosiologi 16 31 32
1017 Ilmu Hukum 70 56 55
1018 Akuntansi 15 114 115
1019 Psikologi 13 79 80
1020 Agroteknologi 32 19 20
1021 Peternakan 22 10 10
Id Jurusan Kuota
Peminat
2011
Peminat
2012
1022 Ilmu&Teknologi Pangan 22 24 24
1023 Teknik Sipil 28 71 71
1024 Teknik Arsitektur 16 43 43
1025 Teknik Industri 10 64 65
1026 Teknik Mesin 11 22 22
1027 Teknik Kimia 13 43 43
1028 Perencanaan Wilayah & Kota 8 11 11
1029 Matematika 15 39 39
1030 Fisika 20 9 9
1031 Kimia 19 19 19
1032 Biologi 20 21 21
1033 Pendidikan Matematika 10 10 10
1034 Pendidikan Fisika 10 10 10
1035 Pendidikan Biologi 10 9 9
1038 Pendidikan Luar Biasa 10 3 4
1039 Pend. Bahasa&Sastra Indonesia 10 8 8
1040 Pendidikan Bahasa Inggris 10 28 29
1041 Pendidikan Seni Rupa 10 6 5
1043 Pendidikan Geografi 10 5 5
1044 Pend. PPKn 10 4 4
1045 Pendidikan Ekonomi 34 15 16
1046 Pend. Sosiologi-Antropologi 10 29 29
1047 Pend. Jasmani Kes&Rek 24 18 18
1048 Pend. Kepelatihan Olahraga 10 18 18
1049 PGSD Guru Kelas Surakarta 24 25 25
1050 Bimbingan dan Konseling 10 20 21
1051 PGSD Guru Kelas Kebumen 24 14 14
1054 Pendidikan Kimia 10 4 4
LAMPIRAN 3
DATA HASIL PENELITIAN TAHUN 2011 DAN 2012
a. Hasil penelitian Tahun 2011
- Kuota Jurusan 10% sampai 50%
Id Jurusan Kuota
Asli Kuota 10%
Ke- samaan
Tingkat Kesamaan
Kuota 20%
Ke- samaan
Tingkat Kesamaan
Kuota 30%
Ke- samaan
Tingkat Kesamaan
Kuota 40%
Ke- samaan
Tingkat Kesamaan
Kuota 50%
Ke- samaan
Tingkat Kesamaan
1001 Pendidikan Dokter 64 6 0 0 13 0 0 19 4 0,210526 26 4 0,153846 32 16 0,5
1002 Teknik Informatika 11 1 0 0 2 0 0 3 0 0 4 0 0 6 2 0,333333
1003 Ekonomi Pembangunan 10 1 0 0 2 0 0 3 0 0 4 2 0,5 5 3 0,6
1004 Agribisnis 32 3 0 0 6 0 0 10 3 0,3 13 4 0,307692 16 7 0,4375
1005 Pend. Guru -PAUD 10 1 0 0 2 0 0 3 0 0 4 0 0 5 5 1
1006 Manajemen Ekonomi 18 2 0 0 4 0 0 5 0 0 7 0 0 9 4 0,444444
1008 Sastra Inggris 13 1 0 0 3 1 0,333333 4 1 0,25 5 2 0,4 7 1 0,142857
1010 Seni Rupa Murni 13 1 0 0 3 1 0,333333 4 2 0,5 5 2 0,4 7 6 0,857143
1011
Desain Komunikasi Visual 8 1 0 0 2 0 0 2 0 0 3 0 0 4 1 0,25
1012 Desain Interior 8 1 1 1 2 1 0,5 2 1 0,5 3 1 0,333333 4 1 0,25
1014
Ilmu Administrasi Negara 20 2 0 0 4 0 0 6 1 0,166667 8 2 0,25 10 5 0,5
Id Jurusan Kuota
Asli Kuota 10%
Ke- samaan
Tingkat Kesamaan
Kuota 20%
Ke- samaan
Tingkat Kesamaan
Kuota 30%
Ke- samaan
Tingkat Kesamaan
Kuota 40%
Ke- samaan
Tingkat Kesamaan
Kuota 50%
Ke- samaan
Tingkat Kesamaan
1015 Ilmu Komunikasi 24 2 0 0 5 0 0 7 0 0 10 2 0,2 12 6 0,5
1016 Sosiologi 16 2 1 0,5 3 2 0,666667 5 3 0,6 6 3 0,5 8 4 0,5
1018 Akuntansi 15 2 0 0 3 0 0 5 1 0,2 6 1 0,166667 8 3 0,375
1019 Psikologi 13 1 0 0 3 0 0 4 0 0 5 1 0,2 7 4 0,571429
1022 Ilmu&Teknologi Pangan 22 2 2 1 4 2 0,5 7 4 0,571429 9 5 0,555556 11 7 0,636364
1023 Teknik Sipil 28 3 0 0 6 1 0,166667 8 1 0,125 11 3 0,272727 14 8 0,571429
1024 Teknik Arsitektur 16 2 0 0 3 1 0,333333 5 2 0,4 6 5 0,833333 8 6 0,75
1025 Teknik Industri 10 1 0 0 2 0 0 3 0 0 4 2 0,5 5 3 0,6
1026 Teknik Mesin 11 1 0 0 2 0 0 3 1 0,333333 4 2 0,5 6 5 0,833333
1027 Teknik Kimia 13 1 0 0 3 0 0 4 0 0 5 0 0 7 5 0,714286
1028 Perencanaan Wilayah & Kota 8 1 0 0 2 0 0 2 0 0 3 1 0,333333 4 1 0,25
1029 Matematika 15 2 0 0 3 2 0,666667 5 2 0,4 6 5 0,833333 8 7 0,875
1032 Biologi 20 2 0 0 4 1 0,25 6 0 0 8 2 0,25 10 6 0,6
1040 Pendidikan Bahasa Inggris 10 1 0 0 2 0 0 3 0 0 4 2 0,5 5 4 0,8
1046 Pend. Sosiologi-Antropologi 10 1 0 0 2 0 0 3 1 0,333333 4 1 0,25 5 2 0,4
1048
Pend. Kepelatihan Olahraga 10 1 0 0 2 0 0 3 2 0,666667 4 3 0,75 5 3 0,6
1049 PGSD Guru Kelas Surakarta 24 2 0 0 5 1 0,2 7 3 0,428571 10 5 0,5 12 8 0,666667
1050 Bimbingan dan 10 1 0 0 2 0 0 3 1 0,333333 4 2 0,5 5 3 0,6
Id Jurusan Kuota
Asli Kuota 10%
Ke- samaan
Tingkat Kesamaan
Kuota 20%
Ke- samaan
Tingkat Kesamaan
Kuota 30%
Ke- samaan
Tingkat Kesamaan
Kuota 40%
Ke- samaan
Tingkat Kesamaan
Kuota 50%
Ke- samaan
Tingkat Kesamaan
Konseling
Rata-rata Tingkat Kesamaan 0,086207 0,136207 0,217892 0,344477 0,557199
- Kuota Jurusan 60% sampai 100%
Id Jurusan Kuota
Asli Kuota 60%
Ke- samaan
Tingkat Kesamaan
Kuota 70%
Ke- samaan
Tingkat Kesamaan
Kuota 80%
Ke- samaan
Tingkat Kesamaan
Kuota 90%
Ke- samaan
Tingkat Kesamaan
Kuota 100%
Ke- samaan
Tingkat Kesamaan
1001 Pendidikan Dokter 64 38 18
0,47 45 26 0,58 51 32 0,63 58 38 0,66 64 45 0,70
1002 Teknik Informatika 11 7 3
0,45 8 4 0,52 9 4 0,45 10 6 0,61 11 8 0,73
1003 Ekonomi Pembangunan 10 6 3
0,50 7 4 0,57 8 5 0,63 9 5 0,56 10 5 0,50
1004 Agribisnis 32 19 8 0,42 22 11 0,49 26 12 0,47 29 14 0,49 32 18 0,56
1005 Pend. Guru -PAUD 10 6 5
0,83 7 5 0,71 8 6 0,75 9 7 0,78 10 8 0,80
1006 Manajemen Ekonomi 18 11 5
0,46 13 7 0,56 14 7 0,49 16 9 0,56 18 11 0,61
1008 Sastra Inggris 13 8 2 0,26 9 2 0,22 10 2 0,19 12 3 0,26 13 6 0,46
1010 Seni Rupa Murni 13 8 6
0,77 9 8 0,88 10 9 0,87 12 12 1,03 13 12 0,92
Id Jurusan Kuota
Asli Kuota 60%
Ke- samaan
Tingkat Kesamaan
Kuota 70%
Ke- samaan
Tingkat Kesamaan
Kuota 80%
Ke- samaan
Tingkat Kesamaan
Kuota 90%
Ke- samaan
Tingkat Kesamaan
Kuota 100%
Ke- samaan
Tingkat Kesamaan
1011
Desain Komunikasi Visual 8 5 2
0,42 6 4 0,71 6 4 0,63 7 4 0,56 8 6 0,75
1012 Desain Interior 8 5 3 0,63 6 3 0,54 6 4 0,63 7 4 0,56 8 5 0,63
1014
Ilmu Administrasi Negara 20 12 7
0,58 14 10 0,71 16 13 0,81 18 13 0,72 20 14 0,70
1015 Ilmu Komunikasi 24 14 8
0,56 17 11 0,65 19 12 0,63 22 13 0,60 24 15 0,63
1016 Sosiologi 16 10 4 0,42 11 4 0,36 13 7 0,55 14 5 0,35 16 9 0,56
1018 Akuntansi 15 9 5 0,56 11 6 0,57 12 7 0,58 14 4 0,30 15 7 0,47
1019 Psikologi 13 8 4 0,51 9 4 0,44 10 5 0,48 12 6 0,51 13 7 0,54
1022 Ilmu&Teknologi Pangan 22 13 11
0,83 15 13 0,84 18 18 1,02 20 18 0,91 22 18 0,82
1023 Teknik Sipil 28 17 10 0,60 20 11 0,56 22 13 0,58 25 14 0,56 28 21 0,75
1024 Teknik Arsitektur 16 10 7
0,73 11 9 0,80 13 10 0,78 14 11 0,76 16 14 0,88
1025 Teknik Industri 10 6 3 0,50 7 4 0,57 8 5 0,63 9 7 0,78 10 9 0,90
1026 Teknik Mesin 11 7 6 0,91 8 6 0,78 9 7 0,80 10 7 0,71 11 9 0,82
1027 Teknik Kimia 13 8 6 0,77 9 6 0,66 10 6 0,58 12 6 0,51 13 8 0,62
1028 Perencanaan Wilayah & Kota 8 5 3
0,63 6 4 0,71 6 4 0,63 7 6 0,83 8 7 0,88
1029 Matematika 15 9 8 0,89 11 8 0,76 12 10 0,83 14 13 0,96 15 13 0,87
1032 Biologi 20 12 11 0,92 14 13 0,93 16 16 1,00 18 15 0,83 20 14 0,70
1040 Pendidikan Bahasa Inggris 10 6 3
0,50 7 5 0,71 8 6 0,75 9 7 0,78 10 10 1,00
1046 Pend. Sosiologi- 10 6 4 0,67 7 4 0,57 8 5 0,63 9 7 0,78 10 6 0,60
Id Jurusan Kuota
Asli Kuota 60%
Ke- samaan
Tingkat Kesamaan
Kuota 70%
Ke- samaan
Tingkat Kesamaan
Kuota 80%
Ke- samaan
Tingkat Kesamaan
Kuota 90%
Ke- samaan
Tingkat Kesamaan
Kuota 100%
Ke- samaan
Tingkat Kesamaan
Antropologi
1048
Pend. Kepelatihan Olahraga 10 6 3
0,50 7 5 0,71 8 5 0,63 9 8 0,89 10 8 0,80
1049 PGSD Guru Kelas Surakarta 24 14 11
0,76 17 14 0,83 19 14 0,73 22 14 0,65 24 13 0,54
1050 Bimbingan dan Konseling 10 6 4
0,67 7 6 0,86 8 5 0,63 9 8 0,89 10 10 1,00
Rata-rata Tingkat Kesamaan
0,610046 0,649394 0,653786 0,667299 0,714356
b. Hasil penelitian Tahun 2012
- Kuota Jurusan 10% sampai 50%
Id Jurusan Kuota
Asli Kuota 10%
Ke- samaan
Tingkat Kesamaan
Kuota 20%
Ke- samaan
Tingkat Kesamaan
Kuota 30%
Ke- samaan
Tingkat Kesamaan
Kuota 40%
Ke- samaan
Tingkat Kesamaan
Kuota 50%
Ke- samaan
Tingkat Kesamaan
1001 Pendidikan Dokter 64
6 4 0,67 13 2 0,15 19 11 0,58 26 10 0,38 32 13
0,41
1002 Teknik Informatika 11
1 0 0,00 2 1 0,50 3 0 0,00 4 2 0,50 6 3
0,50
1003 Ekonomi Pembangunan 10
1 0 0,00 2 0 0,00 3 1 0,33 4 1 0,25 5 2
0,40
1004 Agribisnis 32 3 0 0,00 6 0 0,00 10 4 0,40 13 5 0,38 16 7 0,44
1005 Pend. Guru -PAUD 10
1 0 0,00 2 1 0,50 3 2 0,67 4 2 0,50 5 4
0,80
1006 Manajemen 18 2 1 0,50 4 0 0,00 5 3 0,60 7 5 0,71 9 5 0,56
Id Jurusan Kuota
Asli Kuota 10%
Ke- samaan
Tingkat Kesamaan
Kuota 20%
Ke- samaan
Tingkat Kesamaan
Kuota 30%
Ke- samaan
Tingkat Kesamaan
Kuota 40%
Ke- samaan
Tingkat Kesamaan
Kuota 50%
Ke- samaan
Tingkat Kesamaan
Ekonomi
1008 Sastra Inggris 13 1 0 0,00 3 0 0,00 4 0 0,00 5 0 0,00 7 2 0,29
1010 Seni Rupa Murni 13
1 0 0,00 3 2 0,67 4 4 1 5 5 1 7 7
1
1011
Desain Komunikasi Visual 8
1 0 0,00 2 1 0,50 2 2 1 3 3 1 4 3
0,75
1012 Desain Interior 8 1 0 0,00 2 1 0,50 2 1 0,50 3 1 0,33 4 1 0,25
1014
Ilmu Administrasi Negara 20
2 0 0,00 4 2 0,50 6 2 0,33 8 2 0,25 10 4
0,40
1015 Ilmu Komunikasi 24
2 1 0,50 5 0 0,00 7 4 0,57 10 6 0,60 12 8
0,67
1016 Sosiologi 16 2 1 0,50 3 1 0,33 5 2 0,40 6 4 0,67 8 5 0,63
1018 Akuntansi 15 2 1 0,50 3 0 0,00 5 1 0,20 6 2 0,33 8 2 0,25
1019 Psikologi 13 1 0 0,00 3 1 0,33 4 2 0,50 5 2 0,40 7 4 0,57
1022 Ilmu&Teknologi Pangan 22
2 1 0,50 4 1 0,25 7 5 0,71 9 5 0,56 11 8
0,73
1023 Teknik Sipil 28 3 1 0,33 6 1 0,17 8 6 0,75 11 7 0,64 14 8 0,57
1024 Teknik Arsitektur 16
2 0 0,00 3 1 0,33 5 1 0,20 6 2 0,33 8 2
0,25
1025 Teknik Industri 10 1 0 0,00 2 0 0,00 3 2 0,67 4 2 0,50 5 2 0,40
1026 Teknik Mesin 11 1 0 0,00 2 2 1 3 2 0,67 4 3 0,75 6 4 0,67
1027 Teknik Kimia 13 1 1 1 3 1 0,33 4 2 0,50 5 3 0,60 7 4 0,57
1028 Perencanaan Wilayah & Kota 8
1 0 0,00 2 1 0,50 2 0 0,00 3 2 0,67 4 3
0,75
1029 Matematika 15 2 0 0,00 3 1 0,33 5 3 0,60 6 2 0,33 8 6 0,75
Id Jurusan Kuota
Asli Kuota 10%
Ke- samaan
Tingkat Kesamaan
Kuota 20%
Ke- samaan
Tingkat Kesamaan
Kuota 30%
Ke- samaan
Tingkat Kesamaan
Kuota 40%
Ke- samaan
Tingkat Kesamaan
Kuota 50%
Ke- samaan
Tingkat Kesamaan
1032 Biologi 20 2 0 0,00 4 1 0,25 6 3 0,50 8 6 0,75 10 7 0,70
1040 Pendidikan Bahasa Inggris 10
1 1 1 2 0 0,00 3 1 0,33 4 3 0,75 5 5
1
1046
Pend. Sosiologi-Antropologi 10
1 0 0,00 2 0 0,00 3 1 0,33 4 2 0,50 5 4
0,80
1048
Pend. Kepelatihan Olahraga 10
1 0 0,00 2 0 0,00 3 2 0,67 4 4 1 5 4
0,80
1049 PGSD Guru Kelas Surakarta 24
2 0 0,00 5 0 0,00 7 2 0,29 10 5 0,50 12 5
0,42
1050 Bimbingan dan Konseling 10
1 0 0,00 2 0 0,00 3 1 0,33 4 2 0,50 5 4
0,80
Rata-rata Tingkat Kesamaan
0,19 0,25 0,47 0,54 0,59
- Kuota Jurusan 60% sampai 100%
Id Jurusan Kuota
Asli Kuota 60%
Ke- samaan
Tingkat Kesamaan
Kuota 70%
Ke- samaan
Tingkat Kesamaan
Kuota 80%
Ke- samaan
Tingkat Kesamaan
Kuota 90%
Ke- samaan
Tingkat Kesamaan
Kuota 100%
Ke- samaan
Tingkat Kesamaan
1001 Pendidikan Dokter 64 38 18
0,47 45 24 0,54 51 29 0,57 58 32 0,56 64 36 0,56
1002 Teknik Informatika 11 7 4
0,61 8 4 0,52 9 5 0,57 10 5 0,51 11 6 0,55
1003 Ekonomi Pembangunan 10 6 3
0,50 7 3 0,43 8 4 0,50 9 4 0,44 10 5 0,50
1004 Agribisnis 32 19 10 0,52 22 15 0,67 26 19 0,74 29 21 0,73 32 22 0,69
Id Jurusan Kuota
Asli Kuota 60%
Ke- samaan
Tingkat Kesamaan
Kuota 70%
Ke- samaan
Tingkat Kesamaan
Kuota 80%
Ke- samaan
Tingkat Kesamaan
Kuota 90%
Ke- samaan
Tingkat Kesamaan
Kuota 100%
Ke- samaan
Tingkat Kesamaan
1005 Pend. Guru -PAUD 10 6 5
0,83 7 4 0,57 8 6 0,75 9 7 0,78 10 8 0,80
1006 Manajemen Ekonomi 18 11 5
0,46 13 7 0,56 14 8 0,56 16 9 0,56 18 11 0,61
1008 Sastra Inggris 13 8 3 0,38 9 5 0,55 10 8 0,77 12 9 0,77 13 9 0,69
1010 Seni Rupa Murni 13 8 8
1 9 9 0,99 10 10 1 12 12 1 13 13 1
1011
Desain Komunikasi Visual 8 5 4
0,83 6 5 0,89 6 5 0,78 7 6 0,83 8 7 0,88
1012 Desain Interior 8 5 2 0,42 6 3 0,54 6 4 0,63 7 5 0,69 8 6 0,75
1014
Ilmu Administrasi Negara 20 12 4
0,33 14 6 0,43 16 9 0,56 18 14 0,78 20 16 0,80
1015 Ilmu Komunikasi 24 14 10
0,69 17 12 0,71 19 13 0,68 22 16 0,74 24 18 0,75
1016 Sosiologi 16 10 7 0,73 11 8 0,71 13 11 0,86 14 11 0,76 16 14 0,88
1018 Akuntansi 15 9 3 0,33 11 5 0,48 12 5 0,42 14 7 0,52 15 9 0,60
1019 Psikologi 13 8 5 0,64 9 4 0,44 10 6 0,58 12 9 0,77 13 8 0,62
1022 Ilmu&Teknologi Pangan 22 13 10
0,76 15 13 0,84 18 17 0,97 20 18 0,91 22 17 0,77
1023 Teknik Sipil 28 17 10 0,60 20 14 0,71 22 15 0,67 25 15 0,60 28 17 0,61
1024 Teknik Arsitektur 16 10 3
0,31 11 6 0,54 13 11 0,86 14 12 0,83 16 14 0,88
1025 Teknik Industri 10 6 4 0,67 7 4 0,57 8 4 0,50 9 7 0,78 10 8 0,80
1026 Teknik Mesin 11 7 6 0,91 8 8 1 9 8 0,91 10 9 0,91 11 9 0,82
1027 Teknik Kimia 13 8 7 0,90 9 9 0,99 10 8 0,77 12 9 0,77 13 10 0,77
Id Jurusan Kuota
Asli Kuota 60%
Ke- samaan
Tingkat Kesamaan
Kuota 70%
Ke- samaan
Tingkat Kesamaan
Kuota 80%
Ke- samaan
Tingkat Kesamaan
Kuota 90%
Ke- samaan
Tingkat Kesamaan
Kuota 100%
Ke- samaan
Tingkat Kesamaan
1028 Perencanaan Wilayah & Kota 8 5 3
0,63 6 3 0,54 6 4 0,63 7 5 0,69 8 7 0,88
1029 Matematika 15 9 6 0,67 11 9 0,86 12 10 0,83 14 12 0,89 15 13 0,87
1032 Biologi 20 12 9 0,75 14 10 0,71 16 14 0,88 18 14 0,78 20 13 0,65
1040 Pendidikan Bahasa Inggris 10 6 5
0,83 7 4 0,57 8 5 0,63 9 6 0,67 10 8 0,80
1046
Pend. Sosiologi-Antropologi 10 6 6
1 7 6 0,86 8 6 0,75 9 6 0,67 10 6 0,60
1048
Pend. Kepelatihan Olahraga 10 6 5
0,83 7 6 0,86 8 6 0,75 9 8 0,89 10 10 1
1049 PGSD Guru Kelas Surakarta 24 14 11
0,76 17 17 1 19 15 0,78 22 15 0,69 24 14 0,58
1050 Bimbingan dan Konseling 10 6 5
0,83 7 6 0,86 8 8 1 9 8 0,89 10 10 1,00
Rata-rata Tingkat Kesamaan
0,66 0,69 0,72 0,74 0,75