APLIKASI ANALYTIC NETWORK PROCESS (ANP) PADA PEMILIHAN PROGRAM KEKHUSUSAN

Imam Pratomo B S Jurusan Teknik Informatika FTKI. Universitas Nasional Jakarta Email : imam.unas@gmail.com

ABSTRAK Kebutuhan akan sistem informasi terus meningkat, terutama untuk sistem informasi yang dapat membantu dalam pengambilan keputusan. seperti metode dalam pengambilan keputusan yaitu metode Analytic Network Process. Metode ini merupakan metode yang dapat memecahkan permasalahan multikriteria dalam sebuah keputusan yang berhirarki network.Pemilihan program kekhususan mahasiswa di program studi, merupakan sebuah sistem yang membutuhkan penanganan serius. Belum optimalnya penggunaan perangkat lunak yang dapat me nunjang pengambilan keputusan untuk rekomendasi pemilihan program kekhususan yang perhitungan concitency ratio < 0.1 Berdasarkan permasalahan tersebut penyusun tertarik membangun aplikasi Sistem Pendukung Keputusan dengan metode Analytic Network Process yang dapat memecahkan permasalahan multikriteria serta diharapkan membantu menentukan program kekhususan sesuai dengan kriteria yang di punyai mahasiswa tersebut. kriteria yang di gunakan yaitu nilai, kemampuan, dan minat.Consitency Ratio aplikasi ini di bawah 0.1 dengan rincian nilai CR sub kriteria nilai 0.0280, nilai CR sub kriteria kemampuan 0.0516, nilai CR sub kriteria minat 0.0370. Dari hasil salah satu sample implementasi aplikasi ANP dan perhitungan secara manual di dapatkan rekomendasi pilhan program kehususan grafik komputer dan multimedia yaitu 0.344 atau sekitar 34.4%, Jaringan Komputer 0.125 atau sekitar 12.5%, Teknologi Perangkat Lunak 0.530 atau sekitar 53 %. Dan dari hasil olahan data di aplikasi ANP, sample sebanyak 30 mahasiswa teknik informati ka Universitas Nasional angkatan 2010 data rekomendasi pilihan program kekhususan dengan ratarata program kekhsusan grafik Komputer & Multimedia yaitu 0.420 atau 42 %, Jaringan Komputer yaitu 0.246 atau 24.6 % dan Teknologi Perangkat Lunak 0.334 atau 33.4%. Kata Kunci : Sistem Pendukung Keputusan, Analytic Network Processs (ANP), Program Kekhususan, Consitency Ratio ABSTRACT The need for information systems continue to increase, particularly for information systems that can assist in decision making. such methods in decision-making, namely Analytic Network Process. This method can solve problems in a decision multicriteria hierarchical specificity network.Pemilihan program students in the study program, is a system that requires serious treatment. Not optimal use of software that can support decision making on the selection of programs for the calculation of specificity concitency ratio <0.1 Based on the problems authors are interested in building Page | 1

applications with the Decision Support System Analytic Network Process to solve the problems of multicriteria and is expected to help determine the specificity of the program in accordance with the criteria which in punyai students. criteria used are values, skills, and minat.Consitency Ratio below 0.1 application with details of the value of CR sub criterion value 0.0280, the value of CR sub 0.0516 capability criteria, sub-criteria of interest CR worth 0.0370. From the results of a sample application implementation manual calculation ANP and get advice on the c hoice of program kehususan computer graphics and multimedia that is 0344 or approximately 34.4%, Computer Networks 0125 or about 12.5%, Software Technology 0530, or about 53%. And from the processed data in the application of ANP, samples as many as 30 students of the National University of informatics engineering force 2010 data on the specificity of programming options with an average program kekhsusan Computer graphics & Multimedia ie 0420 or 42%, Computer Networks ie 0246 or 24.6%, and Device Technology software 0334 or 33.4%.

Keywords: Decision Support Systems, Analytic Network processs (ANP), Specificity Program, Consitency Ratio 1. PENDAHULUAN Oleh sebab itu perlu dibangun sistem penunjang keputusan yang valid sebagai suatu pemberi keputusan untuk memilih program kekhususan sesuai dengan kriteri-kriteria dari masing- masing program kekhususan tersebut. hasil akhirnya berupa daftar rekomendasi program kekhususan yang cocok sesuai dengan latar belakang kompetensi yang di miliki mahasiswa tersebut. Berdasarkan uraian tersebut di atas, penulis tertarik untuk merancang suatu aplikasi yang dapat membantu mahasiswa dalam pengambilan keputusan untuk melakukan pertimbangan terhadap faktorfaktor dalam memilih program kekhususan dengan menggunakan metode ANP (Analytic Network Process) yang dapat memecahkan permasalahan multikriteria serta diharapkan dapat membantu dalam menentukan program kekhususan sesuai dengan kriteria yang di punyai mahasiswa tersebut. 2. TINJAUAN PUSTAKA

Pemilihan program kekhususan mahasiswa di setiap program studi, merupakan sebuah sistem yang membutuhkan penanganan yang serius. Karena tidak sedikit mahasiswa memilih program kekhususan tanpa melihat latar belakang eksistensi dirinya. Di setiap Universitas mahasiswa wajib untuk memilih program kekhususan yang sesuai dengan program studi yang di pilih mahasiswa. Biasanya mahasiswa akan membicarakan penentuan jalur ini pada Dosen Pembimbing Akademik sebelum mengisi Kartu Rencana Studi (KRS). Namun belum optimalnya penggunaan perangkat lunak yang dapat menunjang dalam pengambilan keputusan untuk rekomendasi pemilihan program kekhususan yang valid, sehingga pada akhirnya mahasiswa tersebut asal pilih program kekhususan dan terjebak dalam program kekhususan yang tidak sesuai dengan kompetensi yang di miliki. Salah satu contoh yang akan disorot dalam hal ini adalah bagaimana mahasiswa tersebut mengambil program kekhususan yang sesuai dengan kriteria-kriteria dari masing masing program kekhususan.

Pengertian ANP ANP merupakan metode yang dapat memecahkan permasalahan multikriteria dalam sebuah keputusan yang berhirarki network. Page | 2

Perbedaan AHP dan ANP Tabel 2.1 Perbedaan AHP dan ANP N PERBED AHP ANP O AAN 1 Kerangka Hierarki Jaringan 2 Hubungan Dependensi Depende nsi dan Feedback 3 Prediksi Kurang Lebih Akurat Akurat 4 Hasil Matriks, Supermat Eigenvector riks Kurang Lebih Stabil Stabil 5 Cakupan Sempit/Ter Luas batas Pada tabel 2.1 merupakan perbedaan AHP dan ANP perbedaan pertama terletak pada struktur kerangka model yang berbentuk hierarki pada AHP dan berbentuk jaringan pada ANP. Hal ini membuat ANP dapat diaplikasikan lebih luas dari ANP. Perbedaan Kedua, dalam struktur hierarki hanya ada dependensi level yang lebih rendah kepada level yang lebih tinggi, sementara dalam struktur jaringan terdapat juga feedback. Dengan feedback alternatif dapat dependen terhadap kriteria, seperti pada hierarki, tetapi dapat pula dependen satu sama lain. perbedaan ketiga feedback memperbaiki prioritas yang dihasilkan dari penilaian, dan membuat prediksi lebih akurat. Perbedaan keempat asil AHP adalah matriks dan eigenvector yang menunjukkan skala prioritas, sedangkan hasil ANP berupa supermatriks skala prioritas yang lebih stabil karena adanya feedback perbedaan ke lima Cakupan AHP terbatas pada struktur yang hierarkis, sedangkan cakupan ANP meluas tak terbatas 3. TAHAP PERANCANGAN

Gambar 3.1. Struktur ANP Pemilihan Program Kekhususan Penjelasan dari struktur di atas, yaitu: 1. Tujuan Tujuan dari struktur hirarki di atas adalah menentukan program kekhususan. 2. Kriteria Kriteria yang digunakan adalah Nilai, Kemampuan, Minat Berikut merupakan penjelasan dari masing-masing kriteria: a. Nilai Nilai merupakan faktor yang paling penting dalam menentukan program kekhususan karena nilai dari beberapa mata kuliah itu ada hubungannya dari ketiga program kekhususan yang akan di pilih b. Kemampuan Kemampuan adalah kriteria yang di punyai dalam diri mahasiswa. Di masing-masing program kekhususan mempunyai kemampuan yang berbeda beda misalnya untuk memilih program kekhususan TPL maka harus mampu analisis suatu program. c. Minat Minat adalah Suatu keinginan mahasiswa ingin memperdalam suatu bidang tertentu yang pada akhirnya juga menentukan program kekhususan yang akan di pilihnya. 3. Sub Kriteria

Fase Desain

Page | 3

4.

yaitu aspek yang mendukung kriteria tersebut. sub kriteria dari nilai yaitu nilai TPL, Nilai Jaringan Komputer, Nilai Multimedia. sub kriteria dari kemampuan yaitu kemampuan program, kemampuan jaringan, kemampuan multimedia. sub kriteria dari minat yaitu aplikasi, pengembangan bidang jaringan, animasi dan game. Alternatif Alternatif merupakan rekomendasi program kekhususan yang akan di pilih mahasiswa yang bersangkutan.

4.

5.

6.

Algoritma ANP 7.

8.

9. Gambar 3.2 Algoritma Perhitungan ANP Dari gambar 3.2 merupakan Proses Perhitungan ANP. dengan Penjelasan sebagai berikut 1. Pairwise Comparisson Merupakan Proses Pengisian Matrik Perbandingan dari sub kriteria dan antar kriteria. Perbandingan di lakukan berdasarkan penilaian setiap elemen dengan skala penilaian perbandingan berpasangan, setelah itu muncul nilai eigen vektor yang menggambarkan nilai prioritas lokal 2. Hitung CR Yaitu menghitung tingkat sutatu konsistensi suatu matriks perbandingan jika consitensi rasionya > 0.1 maka lakukan pairwise ulang dan jika consistensi rasio <0.1 maka berlanjut ke tahap berikutnya 3. Cluster Matrik

Yaitu diperoleh dari matriks perbandingan yang menggambarkan pengaruh setiap kriteria atas kriteria lainnya. Unweighted Super Matrix Yaitu diperoleh dari dengan dengan memasukan nilai prioritas ke dalam matrik. Weighted Super Matrix Yaitu diperoleh dari dengan mengkalikan matriks kelompok dengan unweightes super matriks Limit Matrixs Yaitu limit matrik di peroleh memangkatkan weighted super matrik dengan pangkat yang besar sehingga dari setiap 1 baris dari kolom mempunyai nilai yang sama. Normalisasi Limit Matrik Yaitu diperoleh dari normalisasi limit matrik Pembobotan Proritas Merupakan nilai prioritas dari masingmasing sub kriteria diperoleh dari data limit matriks Hasil akhir Merupakan proses yang menunjukan perangkingan dari alternatif keputusan yang diperoleh dari data supermatriks limit HASIL PEMBAHASAN

4.

Model ANP

Gambar 4.1 Tampilan Hubungan Saling Ketergantungan Antar Kriteria & Sub Kriteria Page | 4

Pada gambar 4.1 Tampilan Hubungan Saling Ketergantungan Antar Sub Kriteria. Anak panah yang lurus menunjukkan hubungan saling ketergantungan sub kriteria antar kelompok ( outer dependency), sedangkan anak panah yang melingkar menunjukkan hubungan saling ketergantungan sub kriteria dalam satu kelompok (inner dependency). Setelah sub kriteria yang mempunyai hubungan ketergantungan telah dihubungkan semua. Proritas dan Consitecy Ratio

dan hasil consitency ratio. Dalam gambar 4.3 terlihat juga hasil consiteny ratio yaitu 0,0516 berarti hasil perbandingannya konsisten. Hasil consitency rasio yang baik apabila CR < 0,1.

Gambar 4.4 Prioritas Sub Kriteria dalam Kriteria Minat dan Hasil Consitency Ratio Pada gambar 4.4 merupakan nilai prioritas dari sub kriteria dalam kriteria minat dan hasil consitency ratio, Pada hasil tersebut prioritas pertama yang unggul Aplikasi kemudian Animasi, Game dan terakhir Pengembangan bidang jaringan. Dalam gambar 4.4 terlihat juga hasil consiteny ratio yaitu 0,0370 berarti hasil perbandingannya konsisten. Hasil consitency rasio yang baik apabila CR < 0,1.

Gambar 4.2 Prioritas Sub Kriteria dalam Kriteria Nilai dan Hasil Consitency Ratio Pada gambar 4.2 merupakan nilai prioritas dari sub kriteria dalam kriteria nilai dan hasil consitency ratio, Dalam gambar 4.2 terlihat juga hasil consiteny ratio yaitu 0,0280 berarti hasil perbandingannya konsisten. Hasil consitency rasio yang baik apabila CR < 0,1.

Gambar 4.3 Prioritas Sub Kriteria dalam Kriteria Kemampuan dan Hasil Consitency Ratio Pada gambar 4.3 merupakan nilai prioritas dari sub kriteria dalam kriteria kemampuan

Gambar 4.5 Prioritas antar Kriteria dan Hasil Consitency Ratio Pada gambar 4.5 merupakan nilai prioritas dari sub kriteria dalam kriteria minat dan

Page | 5

hasil consitency ratio, Pada hasil tersebut prioritas pertama yang unggul Alternatives, Nilai, Kemampuan dan terakhir Minat. Dalam gambar 4.5 terlihat juga hasil consiteny ratio yaitu 0,0536 berarti hasil perbandingannya konsisten. Hasil consitency rasio yang baik apabila CR < 0,1. Cluster Matrix Tabel 4.1 Tampilan Hasil Matrik Kelompok (Cluster Matrix)

Pada tabel 4.2 merupakan hasil unweighted super matrix. Hasil dari unweighted super matrix di peroleh dari dengan memasukan nilai prioritas sub krteria ke dalam matrik. Weighted Super Matrix Tabel 4.3 Tampilan Hasil Super Matrik Tertimbang (Weighted Super Matrix)

Pada tabel 4.3 merupakan tampilan hasil weighted super matrix. Hasil dari weighted Super Matrik di peroleh dari dengan mengkalikan matriks kelompok dengan unweighted super matrix. Pada tabel 4.1 itu merupakan hasil matrik kelompok (cluster matrix) yang di peroleh dari matriks perbandingan yang menggambarkan pengaruh setiap kriteria atas kriteria lainnya. Unweigted Super Matrix Tabel 4.2 Hasil Supermatriks Tidak Tertimbang (Unweighted Super Matrix) Limit Matrix Tabel 4.4 Tampilan Hasil Super Matrik Limit ( Limit Matrix)

Pada tabel 4.4. merupakan tampilan hasil limit matrix. Hasil dari Limit Matrik di peroleh dari mengkalikan supermatriks limit dengan dirinya sendiri. Jika nilai prioritas tiap kolom sama, maka

Page | 6

selesai. Jika nilai prioritas tiap kolom belum sama, maka kalikan lagi.

Tabel 4.5 Tampilan Hasil Nilai Prioritas Akhir

dari limiting supermatrik. Bobot pada kolom normal adalah nilai normalisasi dari kolom raw sehingga jumlah totalnya adalah 1. Sedangkan nilai pada kolom ideal adalah nilai hasil bagi antara nilai pada kolom normal yang dibagi dengan nilai terbesar pada kolom normal, sehingga nilai terbesarnya adalah sama dengan 1. Dari Hasil tersebut menyatakan bahwa alternativ rekomendasi pemilihan program kekhususan yang akan di pilih salah satu mahasiswa yang di jadikan sample pnelitian adalah Teknologi Perangkat Lunak menjadi prioritas pertama kemudian Grafik Komputer & Multimedia menjadi urutan kedua dan prioritas terakhir Jaringan Komputer. Hasil Olahan Data Tabel 4.7 Hasil Olahan Data Aplikasi ANP di Super Decision

Pada tabel 4.5 merupakan tampilan hasil nilai proritas akhir. Hasil dari nilai prioritas akhir merupakan nilai proritas dari masingmasing sub kriteria di peroleh dari data supermatriks limit Hasil Akhir (Synthesize) Tabel 4.6 Tampilan Hasil Akhir

Pada tabel 4.6 merupakan tampilan hasil akhir. Hasil akhir merupakan Proses yang menunjukan perangkingan dari alternatif yang diperoleh dari data supermatriks limit. Nilai pada kolom raw adalah nilai eigenvector yang dihasilkan

Pada tabel 4.7 merupakan hasil olahan data di aplikasi ANP, peneliti mengambil sample sebanyak 30 mahasiswa teknik informatika angkatan 2010 dari tabel tersebut di dapat rekomendasi pilihan program kekhususan dengan rata-rata grafik Komputer & Page | 7

Multimedia yaitu 0.420, Jaringan Komputer yaitu 0.246 dan Teknologi Perangkat Lunak 0.334. 5. KESIMPULAN a. Kelebihan metode ANP yaitu adanya keterkaitan dalam satu set elemen (inner dependence) dan keterkaitan antar elemen yang berbeda (outer dependence) . Adanya keterkaitan tersebut menyebabkan metode ANP lebih kompleks dibanding metode AHP. b. Aplikasi ini mampu memeriksa tingkat CR < 0.1 yang berarti bahwa aplikasi dapat memberikan hasil rekomendasi pilihan program kekhususan berkualitas dan valid yaitu dengan rincian nilai CR dari sub kriteria nilai 0.0280, nilai CR dari sub kriteria kemampuan 0.0516 nilai CR dari sub kriteria minat 0.0370. c. Dari hasil implementasi hasil perhitungan ANP yang di lakukan dalam aplikasi ini sesuai dengan hasil perhitungan ANP Secara manual dengan rincian pilihan program kekhususan grafik komputer dan multimedia yaitu 0.344 atau sekitar 34,4 %, program kekhususan jaringan komputer 0.125 atau sekitar 12.5%, program kekhususan teknik perangkat lunak 0.530 atau sekitar 53 % d. Hasil olahan data di aplikasi ANP, peneliti mengambil sample sebanyak 30 mahasiswa teknik informatika angkatan 2010 dari tabel tersebut di dapat rekomendasi pilihan program kekhususan dengan rata-rata program kekhususan grafik Komputer & Multimedia yaitu 0.420 atau sekitar 42 %, program kekhusan Jaringan Komputer yaitu 0.246 atau sekitar

24.6% dan Teknik Perangkat Lunak 0.334 atau sekitar 33.4% DAFTAR ACUAN Adams wiliam J. 2011 Super Decision Sofware Guide http://.ii.spb.ru/admin/docs/ Super DecisionsHelp2011.pdf Di akses 30 Oktober 2012 Ciptomulyono, Udisubakti. 2011 Perancangan Sistem dan Pengukuran Kinerja Lingkungan dengan Menggunakan Pendekatan Integrated Environmental Performance Measurement (IEPMS)- Analytical Network Process di PT Mermaid Textile Industri Indonesia ITS, Surabaya Creative Decisions Foundation, 2012. SoftwareSuperDecision http://www.super decisions.com diakses 14 Oktober.2012 Feny, 2011, Analytic Network Process. http://dss.constructivelearning.info/?p=117 Di akses 2 Oktober 2012 Hanafi, Rakhmat Febryanto dan Ciptomulyono, Udisubakti. 2011. Penentuan Prioritas Pembangunan Parawisata di Pulau Lombok dengan Metode Location Quotient (LQ) dan Analytic Network Process (ANP) ITS, Surabaya. O.N. Andreichicova, 2009. An Application Of The Analytic Network Process to Researching Oral Health Russian State University of Innovation Technologies and Bussiness, Moscow. Rusia.

Page | 8

Priyandika, Chandra dan Singgih, L Mosses. 2011. Pengambilan Keputusan Multikriteria Dalam Pemilihan Vendor Alat Pelindung Diri (APD) dengan Pendekatan RISK Management Dan Analysis Network Process (ANP). Prosiding Seminar Nasional Manajemen Teknologi XIII R. Stanley, Januar. Setiawan Alexander, Santoso Leo Wiliyanto, 2010. Pembuatan Aplikasi Sistem Seleksi Calon Pegawai di PT XUniversitas Kristen Petra, Surabaya

Singgih, L Mosses. dan Hennytasari, Evanindya. 2009. Pemilihan Alternatif Perbaikan Kinerja Lingkungan Sektor Industri Potensial di Jawa Timur dengan Metode Economic Input-Output Life-Cycle Assessment (EIO-LCA) dan Analytic Network Process (ANP) Seminar Nasional Perencanaan Wilayah dan Kota ITS, Surabaya , 29 Oktober 2009. Triwulandari S. Dewayana, Ahmad Budi W, 2009. Pemilihan Pemasok COOPER ROD Mengunakan Metode ANP, J@TI Undip, Vol IV, No 3, September 2009 Yunianto, Maksum Yunianto. dan Ciptomulyono, Udisubakti. 2011. Kajian Life Cycle Assessment (LCA) untuk Perbaikan Produksi Air Bersih Instalasi Pengolahan Air Minum (IPAM) Ngagel II PDAM Surabaya Dengan Pendekatan Analytic Network Process (ANP) ITS, Surabaya.

Page | 9