ANALISIS PERBANDINGAN METODE REGRESI LINIER - … · universitas sebelas maret surakarta januari,...

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)

http://www.snmptn.ac.id/

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)


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


diterima masing2 sekolah

(m)


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


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


0,47 45 26 0,58 51 32 0,63 58 38 0,66 64 45 0,70


0,45 8 4 0,52 9 4 0,45 10 6 0,61 11 8 0,73


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


0,83 7 5 0,71 8 6 0,75 9 7 0,78 10 8 0,80


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


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


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


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


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


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


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


0,76 17 14 0,83 19 14 0,73 22 14 0,65 24 13 0,54


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


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


0,19 0,25 0,47 0,54 0,59


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


0,47 45 24 0,54 51 29 0,57 58 32 0,56 64 36 0,56


0,61 8 4 0,52 9 5 0,57 10 5 0,51 11 6 0,55


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


0,83 7 4 0,57 8 6 0,75 9 7 0,78 10 8 0,80


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


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


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


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


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


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


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


0,76 17 17 1 19 15 0,78 22 15 0,69 24 14 0,58


0,83 7 6 0,86 8 8 1 9 8 0,89 10 10 1,00


0,66 0,69 0,72 0,74 0,75

Date post:	03-May-2019
Category:	Documents
Upload:	duongphuc
View:	229 times
Download:	0 times

ANALISIS PERBANDINGAN METODE REGRESI LINIER - … · universitas sebelas maret surakarta januari,...

Documents