JURNAL RISET INFORMATIKA Vol. 2, No. 1 Desember 2019 P-ISSN: 2656-1743 E-ISSN: 2656-1735 23 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JURUSAN PADA SMAN 1 BAWANG JAWA TENGAH DENGAN TOPSIS Galih Pramoda Dibya Ardana1, Frisma Handayanna2 Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan Komputer Nusa Mandiri http://www.nusamandiri.ac.id *1galihpramoda97@gmail.com; 2frisma.fha@nusamandiri.ac.id Abstrak SMA Negeri 1 Bawang adalah sekolah menengah atas negeri yang berada di jawa tengah, Setiap tahunnya SMA Negeri 1 Bawang membuka penerimaan siswa baru, setiap siswa SMA Negeri 1 Bawang akan ditempatkan pada kelas jurusan sesusai bidang atau kemampuan masing-masing siswa, Salah satu contoh masalah yang penulis ambil adalah disekolah tersebut terdapat 2 jurusan yaitu IPA dan IPS yang dimana pihak sekolah mengalami kesulitan untuk menentukan jurusan setiap siswanya, karena seiring berjalannya waktu siswa yang mendaftar di SMA Negeri 1 Bawang bertambah banyak. Untuk meringankan pihak sekolah dalam menentukan jurusan siswa, maka penulis melakukan penelitian SPK menggunakan metode TOPSIS untuk membantu pihak sekolah menentukan penjurusan setiap siswanya. Dalam penelitian ini data dikumpulkan dari data sekunder dalam bentuk rekap nilai ujian nasional siswa, peneliti akan melakukan perhitungan data nilai rekap nilai ujian siswa sesuai bobot kriteria mata pelajaran, dikarenakan jumlah populasi data yang dikumpukan peneliti terlalu banyak yaitu 156 data digunakanlah rumus slovin untuk mendapatkan sampel penelitian menjadi 61 data dan software Microsoft Excel untuk menghindari kesalahan pehitungan serta mempercepat perhitungan, Hasil yang didapat dari penelitian ini adalah dari banyaknya sampel yaitu 61 data ditentukanlah bahwa 37 siswa masuk pada jurusan IPA dan 24 Siswa masuk pada jurusan IPS. Kata kunci: Metode TOPSIS, Menentukan Jurusan, SPK Abstract Bawang 1 Public High School is a state high school located in Central Java. Every year SMA 1 Bawang opens new admissions, every student of Bawang 1 High School will be placed in a class according to their respective fields or abilities. One example of a problem the authors take is in the school there are 2 majors namely Science and Social Sciences where the school has difficulty in determining the direction of each student, because as time goes by students who enroll in SMA 1 Bawang increase. To relieve the school in determining the student's majors, the authors conducted SPK research using the TOPSIS method to help the school determine the direction of each student. In this study data were collected from secondary data in the form of national exam scores recap, students will calculate the value of student exam value recap according to the criteria weight of the subjects, because the population of data collected by researchers is too much, 156 data used slovin formula to get samples the study became 61 data and Microsoft Excel software to avoid accounting errors and speed up calculations. The results obtained from this study were that from the number of samples, 61 data determined that 37 students entered the science department and 24 students entered the social studies department. Keywords: TOPSIS Method, Determining Department, SPK PENDAHULUAN SMA Negeri 1 Bawang adalah sekolah menengah atas negeri yang berada di jawa tengah, Setiap tahunya SMA Negeri 1 Bawang membuka penerimaan siswa baru, setiap siswa SMA Negeri 1 Bawang akan ditempatkan pada kelas jurusan sesusai bidang atau kemampuan masing-masing siswa, seiring berjalanya waktu siswa yang mendaftar di SMA Negeri 1 Bawang bertambah banyak, disekolah tersebut terdapat 2 jurusan yaitu IPA dan IPS yang dimana pihak sekolah mengalami kesulitan untuk menentukan jurusan setiap siswanya, oleh karena itu penulis melakukan penelitian SPK menggunakan metode TOPSIS (Mardiana & Tanjung, 2019) untuk http://creativecommons.org/licenses/by-nc/4.0/ P-ISSN: 2656-1743 E-ISSN: 2656-1735 JURNAL RISET INFORMATIKA Vol. 2, No. 1 Desember 2019 24 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional membantu pihak sekolah menentukan penjurusan setiap siswanya. Adapun kriteria-kriteria yang dibutuhkan dalam proses penentuan jurusan ini antara lain Nilai ujian nasional SMP siswa yang telah diajukan kepada pihak SMA sebagai syarat pendafaran sekolah. Teknik Topsis (Trchnique for Order Preference by Similiarity to Ideal Solution) telah berjalan dengan baik dan dapat menghasilkan bobot kriteria penilaian dan informasi yang jelas dan cepat dibandingkan dengan perhitungan manual sehingga SD Negeri Kebalen 07 dapat menggunakannya sebagai alat untuk membuat keputusan yang tepat (Susliansyah et al., 2019) Algoritma TOPSIS merupakan sebuah metode yang digunakan untuk membuat urutan ranking berdasarkan hasil perhitungan, dengan penilaian bobot kriteria yang di tentukan (Dashti et al., 2010). Jurusan siswa MAN II Yogyakarta yaitu IPA, IPS, Bahasa, dan Agama. Sistem ini dapat menentukan jurusan siswa yang tepat berdasarkan ranking dari hasil perhitungan algoritma TOPSIS dan kuota kelas (Prayoga & Pradnya, 2017) Metode TOPSIS diharapkan mampu menyeleksi keputusan terbaik dari beberapa keputusan yang diharapkan dalam pemberian bonus tahunan karyawan. TOPSIS menggunakan prinsip bahwa alternatif yang terpilih harus mempunyai jarak terdekat dari solusi ideal positif dan jarak terpanjang (terjauh) dari solusi ideal negatif dari sudut pandang geometris dengan menggunakan jarak Euclidean (jarak antara dua titik) untuk menentukan kedekatan relatif dari suatu alternatif (Agusli et al., 2017). METODE PENELITIAN Mengindentifikasi masalah dalam penentuan jurusan di SMAN 1 BAWANG. Adapun metode penelitian yang digunakan adalah: Teknik Pengumpula Data A. Observasi Pada tahap observasi mendapatkan data-data dan fakta dari pengamatan langsung di SMAN 1 BAWANG. B. Wawancara Pada tahap wawancara mengadakan atau melakukan wawancara langsung dengan guru BK dan bagian penerimaan siswa baru, untuk mendapatkan keterangan-keterangan yang diperlukan sebagai bahan penulisan laporan seperti kriteria-kriteria apa saja untuk penentuan jurusan siswa pada sekolah SMAN 1 BAWANG. Hipotesa H0 : Tidak adanya validitas data kriteria pada nilai siswa yang digunakan untuk menentukan jurusan yang diminati siswa dengan metode TOPSIS. H1 : Adanya validitas data kriteria pada nilai siswa yang digunakan untuk menentukan jurusan yang diminati siswa dengan metode TOPSIS. Tahap Penelitian Tahapan yang dilakukan dalam penelitian ini digambarkan dalam bagan sebagai berikut: Gambar 1. Tahapan Dalam Penelitian HASIL PENELITIAN DAN PEMBAHASAN Populasi Populasi merupakan wilayah generalisasi yang terdiri dari obyek/subyek yang memiliki kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Siyoto & Sodik, 2015). Populasi juga bukan hanya sekedar jumlah yang ada pada obyek maupun subyek yang dipelajari, Populasi dalam penelitian ini adalah seluruh Siswa yang ada di SMA Negeri 1 Bawang yang berjumlah 156. Karena jumlah anggota populasi terlalu banyak, maka dapat dilakukan penentuan sampel. http://creativecommons.org/licenses/by-nc/4.0/ JURNAL RISET INFORMATIKA Vol. 2, No. 1 Desember 2019 P-ISSN: 2656-1743 E-ISSN: 2656-1735 25 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional Sampel Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut, ataupun bagian kecil dari anggota populasi yang diambil menurut prosedur tertentu sehingga dapat mewakili populasinya (Siyoto & Sodik, 2015). Untuk menentukan sampel pada penelitian ini penulis menggunakan rumus Slovin untuk menghitung jumlah sampel minimal 𝑛 = N 1+𝑁𝑒2 .......................................................... (1) Keterangan: n= Sampel minimal N= Populasi e= error margin Penyelesainnya: n = 156/(1+(156 x 0,12) n = 156/(1+(156 x 0,01) n = 156/ (1 + 1,56) n = 156/(2,56) n = 60,93. Jadi sampel minimalnya adalah 61 Penentuan Kriteria dan Bobot Penilaian A. Kriteria Penilaian Tabel 1. Kriteria Penilaian Aspek Kriteria Kriteria Bahasa Indonesia C1 Bahasa Inggris C2 Matematika C3 IPA C4 UN C5 Menjelaskan tentang kriteria penilaian yang ada di SMA Negeri 1 Bawang, sebagai acuan penentuan penjurusan siswa. B. Bobot Penilaian Pemberian bobot pada setiap kriteria sebagai berikut: 1. Nilai Bobot Bahasa Indonesia Tabel 2. Bobot Penilaian Bahasa Indonesia Nilai Bobot Keterangan 9.30-11.25 5 Sangat Penting 7.30-9.25 4 Penting 5.30-7.25 3 Cukup Penting 3.30-5.25 2 Kurang Penting 1.25-3.25 1 Sangat Kurang Penting Merupakan kriteria nilai bobot yang berfungsi untuk dapat mengukur kriteria bahasa indonesia yang sudah ditentukan 2. Nilai Bobot Bahasa Inggris Tabel 3. Bobot Penilaian Bahasa Inggris Nilai Bobot Keterangan 9.30-11.25 5 Sangat Penting 7.30-9.25 4 Penting 5.30-7.25 3 Cukup Penting 3.30-5.25 2 Kurang Penting 1.25-3.25 1 Sangat Kurang Penting Merupakan kriteria nilai bobot yang berfungsi untuk dapat mengukur kriteria bahasa inggris yang sudah ditentukan 3. Nilai Bobot Matematika Tabel 4. Bobot Penilaian Matematika Nilai Bobot Keterangan 9.30-11.25 5 Sangat Penting 7.30-9.25 4 Penting 5.30-7.25 3 Cukup Penting 3.30-5.25 2 Kurang Penting 1.25-3.25 1 Sangat Kurang Penting Merupakan kriteria nilai bobot yang berfungsi untuk dapat mengukur kriteria matematika yang sudah ditentukan 4. Nilai Bobot IPA Tabel 5. Bobot Penilaian IPA Nilai Bobot Keterangan 9.30-11.25 5 Sangat Penting 7.30-9.25 4 Penting 5.30-7.25 3 Cukup Penting 3.30-5.25 2 Kurang Penting 1.25-3.25 1 Sangat Kurang Penting Merupakan kriteria nilai bobot yang berfungsi untuk dapat mengukur kriteria IPA yang sudah ditentukan 5. Nilai Bobot Ujian Nasional Tabel 6. Bobot Penilaian Ujian Nasional Nilai Bobot Keterangan 31.60-35.50 5 Sangat Penting 27.60-31.50 4 Penting 23.60-27.50 3 Cukup Penting 19.60-23.50 2 Kurang Penting 15.50-19.50 1 Sangat Kurang Penting Merupakan kriteria nilai bobot yang berfungsi untuk dapat mengukur kriteria ujian nasional yang sudah ditentukan 6. Nilai Bobot Setiap Kriteria Tabel 7. Bobot Penilaian Setiap Kriteria Kriteria Jurusan IPA IPS C1= Bahasa Indonesia 4 4 C2= Bahasa Inggris 4 4 http://creativecommons.org/licenses/by-nc/4.0/ P-ISSN: 2656-1743 E-ISSN: 2656-1735 JURNAL RISET INFORMATIKA Vol. 2, No. 1 Desember 2019 26 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional C3= Matematika 5 5 C4= IPA 5 4 C5= UN 5 5 Merupakan kriteria nilai bobot yang berfungsi untuk dapat mengukur setiap kriteria yang sudah ditentukan pada setiap jurusan. Data Sekunder Data sekunder adalah data yang di dapat dan digunakan oleh peneliti berasal dari lembaga tertentu. Lembaga ini bisa berupa apaan juga, seperti Biro Pusat Statitistik, Bank Indonesia atau lembaga penyedia data lainnya. Data nilai ujian nasional SMP ini di dapatkan dari SMA Negeri 1 Bawang pada bagian tata usaha, setiap siswa yang ingin mendaftar di SMA Negeri 1 Bawang diwajibkan menyerahkan data nilai ujian nasional SMP sebagai syarat pendaftaran dan data tersebut di olah dan dikumpulkan oleh bagian tata usaha dengan tujuan untuk menentukan jurusan masing-masing siswa. Adapun sampel yang ditampilkan dari data 1 sampai 10 dan 61 sebagai berikut: Tabel 8. Data Nilai SMA Negeri 1 Bawang NO NAMA IND ING MTK IPA NUN 1 RULITA LAILAN FAJRIN 8.60 5.60 9.25 6.50 29.95 2 ILMA YANG FAUNI 8.80 7.20 6.50 6.25 28.75 3 NATA SYAFAATUL UDHMA 7.80 5.20 8.50 7.25 28.75 4 ILMA FITRIYANA 9.20 6.20 7.25 5.25 27.90 5 MAYA WULANDARI 7.60 4.80 8.00 5.00 25.40 6 HENI EKAWATI 8.40 7.20 5.00 6.25 26.85 7 MELSHA YUNITA 7.40 6.60 7.00 5.00 26.00 8 YENI NUR ASIH 9.20 5.00 7.00 5.50 26.70 9 SITORESMI IDAYANI 8.40 7.00 4.75 6.50 26.65 10 OLIVIA HAPSARI 8.20 4.80 5.75 6.00 24.75 61 ANTONIUS FELIK 7.25 5.25 5.00 3.25 20.75 TOPSIS menggunakan prinsip bahwa alternatif yang terpilih harus mempunyai jarak terdekat dari solusi ideal positif dan jarak terpanjang (terjauh) dari solusi ideal negatif dari sudut pandang geometris dengan menggunakan jarak euclidean (jarak antara dua titik) untuk menentukan kedekatan relatif dar suatu alternatif (Nofriansyah, 2014) Langkah Penyelesaian Metode TOPSIS A. Membuat matriks keputusan yang ternormalisasi. 𝑟𝑖𝑗 = xij √ ∑m 𝑖=1 𝑥2𝑖𝑗 . (2) Keterangan: rij = matrik ternormalisasi [i][j] xij = matrik keputusan [i][j] R11 = X11 √X11 + X21 + X31+X41 + X51 + ⋯ n |𝑋1| = √42 + 32 + 42 + 32 + 42 = 8,124 𝑟11 = 𝑋11 𝑋1 = 4 8,124 = 0,492 𝑟21 = 𝑋21 𝑋1 = 3 8,124 = 0,369 𝑟31 = 𝑋31 𝑋1 = 4 8,124 = 0,492 𝑟41 = 𝑋41 𝑋1 = 3 8,124 = 0,369 𝑟51 = 𝑋51 𝑋1 = 4 8,124 = 0,492 Tabel.9 Hasil Perhitungan MatriksTernormalisasi NO C1 C2 C3 C4 C5 1 0,492 0,369 0,492 0,369 0,492 2 0,544 0,272 0,408 0,408 0,544 3 0,512 0,256 0,512 0,384 0,512 4 0,544 0,408 0,408 0,272 0,544 5 0,571 0,286 0,571 0,286 0,429 6 0,583 0,438 0,292 0,438 0,438 7 0,583 0,438 0,438 0,292 0,438 8 0,583 0,292 0,438 0,438 0,438 9 0,583 0,438 0,292 0,438 0,438 10 0,583 0,292 0,438 0,438 0,438 61 0,640 0,426 0,426 0,213 0,426 Merupakan Hasil perhitungan dari matriks keputusan yang ternormalisasi dari data siswa berjumlah 61 orang dan yang ditampilkan hanya dari data ke 1 sampai ke 10 dan 61. B. Membuat matriks keputusan yang ternormalisasi terbobot V Selanjutnya menghitung proses ternormalisasi V, dimana setiap alternatif diambil berdasarkan nilai dari kriteria nilai bobot dikali dengan kriteria hasil normaliasasi. Rumus nilai matriks keputusan ternormalisasi terbobot V diambil berdasarkan: 𝑉𝑖𝑗 = 𝑤𝑖 𝑟𝑖𝑗 (3) dengan i= 1,2....,m;dan j =1,2,.....n. Keterangan: http://creativecommons.org/licenses/by-nc/4.0/ JURNAL RISET INFORMATIKA Vol. 2, No. 1 Desember 2019 P-ISSN: 2656-1743 E-ISSN: 2656-1735 27 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional Vij = Elemen dari matriks keputusan yang ternormalisasi terbobot V Wi = Bobot dari kriteria ke-j rij = Elemen matriks keputusan yang ternormalisasi R. 1. Jurusan IPA 𝑉1.1 = 𝑊1. 𝑅11 = 4 𝑥 0,492 = 1,969 𝑉2.1 = 𝑊1. 𝑅21 = 4 𝑥 0,369 = 1,477 𝑉3.1 = 𝑊1. 𝑅31 = 5 𝑥 0,492 = 2,462 𝑉4.1 = 𝑊1. 𝑅41 = 5 𝑥 0,369 = 1,846 𝑉5.1 = 𝑊1. 𝑅51 = 5 𝑥 0,492 = 2,462 Tabel.10 Hasil Perhitungan Ternormalisasi Dengan Bobot V Jurusan IPA NO C1 C2 C3 C4 C5 1 1,969 1,477 2,462 1,846 2,462 2 2,177 1,089 2,041 2,041 2,722 3 2,049 1,024 2,561 1,921 2,561 4 2,177 1,633 2,041 1,361 2,722 5 2,286 1,143 2,857 1,429 2,143 6 2,334 1,750 1,459 2,188 2,188 7 2,334 1,750 2,188 1,459 2,188 8 2,334 1,167 2,188 2,188 2,188 9 2,334 1,750 1,459 2,188 2,188 10 2,334 1,167 2,188 2,188 2,188 61 2,558 1,706 2,132 1,066 2,132 Merupakan Hasil perhitungan Ternormalisasi Dengan Bobot V Jurusan IPA dari data siswa berjumlah 61 orang dan yang ditampilkan hanya dari data ke 1 sampai ke 10 dan 61. 2. Jurusan IPS 𝑉1.1 = 𝑊1. 𝑅11 = 4 𝑥 0,492 = 1,969 𝑉2.1 = 𝑊1. 𝑅21 = 4 𝑥 0,369 = 1,477 𝑉3.1 = 𝑊1. 𝑅31 = 5 𝑥 0,492 = 2,462 𝑉4.1 = 𝑊1. 𝑅41 = 4 𝑥 0,369 = 1,477 𝑉5.1 = 𝑊1. 𝑅51 = 5 𝑥 0,492 = 2,462 Tabel.11 Hasil Perhitungan Ternormalisasi Dengan Bobot V Jurusan IPS NO C1 C2 C3 C4 C5 1 1,969 1,477 2,462 1,477 2,462 2 2,177 1,089 2,041 1,633 2,722 3 2,049 1,024 2,561 1,536 2,561 4 2,177 1,633 2,041 1,089 2,722 5 2,286 1,143 2,857 1,143 2,143 6 2,334 1,750 1,459 1,750 2,188 7 2,334 1,750 2,188 1,167 2,188 8 2,334 1,167 2,188 1,750 2,188 9 2,334 1,750 1,459 1,750 2,188 10 2,334 1,167 2,188 1,750 2,188 61 2,558 1,706 2,132 0,853 2,132 Merupakan Hasil perhitungan Ternormalisasi Dengan Bobot V Jurusan IPS dari data siswa berjumlah 61 orang dan yang ditampilkan hanya dari data ke 1 sampai ke 10 dan 61. C. Solusi ideal positif A+ dan solusi ideal negatif A- 𝐴+ = (𝑌1 +, 𝑌2 +, … . 𝑌𝑛 + (4) 𝐴− = (𝑌1 −, 𝑌2 −, … . 𝑌𝑛 − (5) Keterangan: Vj = maxYij, jika j adalah atribut keuntungan Min Yij, jika j adalah atribut biaya 1. Jurusan IPA Tabel 12. Solusi ideal positif A+ dan solusi ideal negatif A- IPA C1 C2 C3 C4 C5 A+ 3,336 2,449 2,857 2,739 2,722 A- 1,696 0,834 0,700 0,737 0,981 Merupakan Hasil Solusi ideal positif A+ dan solusi ideal negatif A- pada jurusan IPA dilihat dari semua data ke 1 sampai ke 61. Pada A+ dilihat nilai yang paling besar pada setiap kriteria sedangkan pada A- dilihat nilai paling kecil pada setiap kriteria 2. Jurusan IPS Tabel 13. Solusi ideal positif A+ dan solusi ideal negatif A- IPS C1 C2 C3 C4 C5 A+ 3,336 2,449 2,857 2,191 2,722 A- 1,696 0,834 0,700 0,590 0,981 Merupakan Hasil Solusi ideal positif A+ dan solusi ideal negatif A- pada jurusan IPS dilihat dari semua data ke 1 sampai ke 61. Pada A+ dilihat nilai yang paling besar pada setiap kriteria sedangkan pada A- dilihat nilai paling kecil pada setiap kriteria D. Perhitungan Jarak Ai dengan Solusi Ideal Positif D+ dan Solusi Ideal Negatif D- 𝐷𝑖 + = √∑ (𝑌𝑖𝑗 − 𝑌𝑗 +)2𝑛𝑗=𝑛 (6) Keterangan: Di+ = Jarak alternatif Ai dengan solusi ideal positif Yj+ = Solusi ideal positif [i] Yij = Matriks normalisasi [i][j] 1. Perhitungan Solusi Ideal Positif D+ Jurusan IPA http://creativecommons.org/licenses/by-nc/4.0/ P-ISSN: 2656-1743 E-ISSN: 2656-1735 JURNAL RISET INFORMATIKA Vol. 2, No. 1 Desember 2019 28 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional 𝐷1 + = √ (1,969 − 3,336)2 + (1,477 − 2,449)2 +(2,462 − 2,857)2 + (1,846 − 2,739)2 + (2,462 − 2,722)2 = 3, 833 𝐷2 + = √ (2,177 − 3,336)2 + (1,089 − 2,449)2 +(2,041 − 2,857)2 + (2,041 − 2,739)2 + (2,722 − 2,722)2 = 4,345 𝐷3 + = √ (2,049 − 3,336)2 + (1,024 − 2,449)2 +(2,561 − 2,857)2 + (1,921 − 2,739)2 + (2,561 − 2,722)2 = 4,471 𝐷4 + = √ (2,177 − 3,336)2 + (1,633 − 2,449)2 +(2,041 − 2,857)2 + (1,361 − 2,739)2 + (2,722 − 2,722)2 = 4,573 𝐷5 + = √ (2,286 − 3,336)2 + (1,143 − 2,449)2 +(2,857 − 2,857)2 + (1,429 − 2,739)2 + (2,143 − 2,722)2 = 4,862 2. Perhitungan Solusi Ideal Positif D- Jurusan IPA 𝐷1 − = √ (1,969 − 1,969)2 + (1,477 − 0,834)2 +(2,462 − 0,700)2 + (1,846 − 0,737)2 + (2,462 − 0,981)2 = 7, 016 𝐷2 − = √ (2,177 − 1, 696)2 + (1,089 − 0, 834)2 +(2,041 − 0, 700)2 + (2,041 − 0, 737)2 + (2,722 − 0, 981)2 = 6, 826 𝐷3 − = √ (2,049 − 1, 696)2 + (1,024 − 0, 834)2 +(2,561 − 0, 700)2 + (1,921 − 0, 737)2 + (2,561 − 0, 981)2 = 7, 519 𝐷4 − = √ (2,177 − 1, 696)2 + (1,633 − 2,449)2 +(2,041 − 0, 700)2 + (1,361 − 0, 737)2 + (2,722 − 0, 981)2 = 6, 088 𝐷5 − = √ (2,286 − 1, 696)2 + (1,143 − 2,449)2 +(2,857 − 0, 700)2 + (1,429 − 0, 737)2 + (2,143 − 0, 981)2 = 6, 925 Tabel 15. Hasil Perhitungan Solusi Ideal Positif D+ dan Positif D- Jurusan IPA NO NAMA Di+ Di- 1 RULITA LAILAN FAJRIN 3,833 7,016 2 ILMA YANG FAUNI 4,345 6,826 3 NATA SYAFAATUL UDHMA 4,471 7,519 4 ILMA FITRIYANA 4,573 6,088 5 MAYA WULANDARI 4,862 6,925 6 HENI EKAWATI 4,037 5,384 7 MELSHA YUNITA 3,864 5,438 8 YENI NUR ASIH 3,684 6,294 9 SITORESMI IDAYANI 4,037 5,384 10 OLIVIA HAPSARI 3,684 6,294 61 ANTONIUS FELIK 4,830 4,987 Merupakan hasil perhitungan solusi ideal positif D+ dan solusi ideal negatif D- pada jurusan IPA dilihat dari semua data ke 1 sampai ke 61. 3. Perhitungan Solusi Ideal Positif D+ Jurusan IPS 𝐷1 + = √ (1,969 − 3,336)2 + (1,477 − 2,449)2 +(2,462 − 2,857)2 + (1,447 − 2,191)2 + (2,462 − 2,722)2 = 3, 833 𝐷2 + = √ (2,177 − 3,336)2 + (1,089 − 2,449)2 +(2,041 − 2,857)2 + (1,633 − 2,191)2 + (2,722 − 2,722)2 = 4,345 𝐷3 + = √ (2,049 − 3,336)2 + (1,024 − 2,449)2 +(2,561 − 2,857)2 + (1,536 − 2,191)2 + (2,561 − 2,722)2 = 4,471 𝐷4 + = √ (2,177 − 3,336)2 + (1,633 − 2,449)2 +(2,041 − 2,857)2 + (1,089 − 2,191)2 + (2,722 − 2,722)2 = 4,573 𝐷5 + = √ (2,286 − 3,336)2 + (1,143 − 2,449)2 +(2,857 − 2,857)2 + (1,143 − 2,191)2 + (2,143 − 2,722)2 = 4,862 4. Perhitungan Solusi Ideal Positif D+ Jurusan IPS 𝐷1 − = √ (1,969 − 1,969)2 + (1,477 − 0,834)2 +(2,462 − 0,700)2 + (1,477 − 0,590)2 + (2,462 − 0,981)2 = 6, 572 𝐷2 − = √ (2,177 − 1, 696)2 + (1,089 − 0, 834)2 +(2,041 − 0, 700)2 + (1,633 − 0,590)2 + (2,722 − 0, 981)2 = 6, 213 𝐷3 − = √ (2,049 − 1, 696)2 + (1,024 − 0, 834)2 +(2,561 − 0, 700)2 + (1,536 − 0, 590)2 + (2,561 − 0, 981)2 = 7, 014 𝐷4 − = √ (2,177 − 1, 696)2 + (1,633 − 2,449)2 +(2,041 − 0, 700)2 + (1,089 − 0,590)2 + (2,722 − 0, 981)2 = 5, 551 𝐷5 − = √ (2,286 − 1, 696)2 + (1,143 − 2,449)2 +(2,857 − 0, 700)2 + (1,143 − 0,590)2 + (2,143 − 0, 981)2 = 6, 526 Tabel 16. Hasil Perhitungan Solusi Ideal Positif D+ dan Positif D- Jurusan IPS NO NAMA Di+ Di- 1 RULITA LAILAN FAJRIN 3,546 6,572 2 ILMA YANG FAUNI 4,170 6,213 3 NATA SYAFAATUL UDHMA 4,229 7,014 4 ILMA FITRIYANA 3,889 5,551 5 MAYA WULANDARI 4,243 6,526 6 HENI EKAWATI 3,927 4,625 7 MELSHA YUNITA 3,274 5,002 8 YENI NUR ASIH 3,575 5,535 9 SITORESMI IDAYANI 3,927 4,625 10 OLIVIA HAPSARI 3,575 5,535 61 ANTONIUS FELIK 3,822 4,662 Merupakan hasil perhitungan solusi ideal positif D+ dan solusi ideal negatif D- pada jurusan IPS dilihat dari semua data ke 1 sampai ke 61. E. Nilai preferensi untuk setiap alternatif (Vi ) http://creativecommons.org/licenses/by-nc/4.0/ JURNAL RISET INFORMATIKA Vol. 2, No. 1 Desember 2019 P-ISSN: 2656-1743 E-ISSN: 2656-1735 29 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional 𝑉𝑖 = 𝐷𝑖− 𝐷𝑖− + 𝐷𝑖+ (7) i = 1,2,....m Vi = Kedekatan tiap alternatif terhadap solusi ideal Di+ = Jarak alternatif Ai dengan solusi ideal positif Di- = Jarak alternatif Ai dengan solusi ideal negatif Nilai Vi yang lebih besar menunjukan bahwa alternatif Ai lebih dipilih. 1. Perhitungan Nilai preferensi untuk setiap alternatif (Vi) Jurusan IPA 𝑉1 = 7,016 7,016 + 3,833 = 7,016 10,849 = 0,647 𝑉2 = 6,826 6,826 + 4,345 = 6,826 11,172 = 0,611 𝑉3 = 7,519 7,519 + 4,471 = 7,519 11,990 = 0,627 𝑉4 = 6,088 6,088 + 4,573 = 6,088 10,661 = 0,571 𝑉5 = 6,925 6,925 + 4,862 = 6,925 11,786 = 0,588 Tabel 17. Hasil Perhitungan Nilai preferensi untuk setiap alternatif (Vi) Jurusan IPA No Nama Vi 1 RULITA LAILAN FAJRIN 0,647 2 ILMA YANG FAUNI 0,611 3 NATA SYAFAATUL UDHMA 0,627 4 ILMA FITRIYANA 0,571 5 MAYA WULANDARI 0,588 6 HENI EKAWATI 0,572 7 MELSHA YUNITA 0,585 8 YENI NUR ASIH 0,631 9 SITORESMI IDAYANI 0,572 10 OLIVIA HAPSARI 0,631 61 ANTONIUS FELIK 0,508 Merupakan hasil Perhitungan Nilai preferensi untuk setiap alternatif (Vi) pada Jurusan IPA dilihat dari semua data ke 1 sampai ke 61. 2. Perhitungan Nilai preferensi untuk setiap alternatif (Vi) Jurusan IPS 𝑉1 = 6,572 6,572 + 3,546 = 6,572 10,118 = 0,650 𝑉2 = 6,213 6,213 + 4,170 = 6,213 10,383 = 0,598 𝑉3 = 7,014 7,014 + 4,229 = 7,014 11,244 = 0,624 𝑉4 = 5,551 5,551 + 3,889 = 5,551 9,440 = 0,588 𝑉5 = 6,526 6,526 + 4,243 = 6,526 10,769 = 0,606 Tabel 18. Hasil Perhitungan Nilai preferensi untuk setiap alternatif (Vi) Jurusan IPS No Nama Vi 1 RULITA LAILAN FAJRIN 0,650 2 ILMA YANG FAUNI 0,598 3 NATA SYAFAATUL UDHMA 0,624 4 ILMA FITRIYANA 0,588 5 MAYA WULANDARI 0,606 6 HENI EKAWATI 0,541 7 MELSHA YUNITA 0,604 8 YENI NUR ASIH 0,608 9 SITORESMI IDAYANI 0,541 10 OLIVIA HAPSARI 0,608 61 ANTONIUS FELIK 0,549 Merupakan hasil Perhitungan Nilai preferensi untuk setiap alternatif (Vi) pada Jurusan IPS dilihat dari semua data ke 1 sampai ke 61. Hasil Penelitian Tabel 19. Perbandingan Hasil Perhitungan Nilai Preferensi Setiap Alternatif (Vi) Vi IPA Vi IPS Hasil 0,647 0,650 IPS 0,611 0,598 IPA 0,627 0,624 IPA 0,571 0,588 IPS 0,588 0,606 IPS 0,572 0,541 IPA 0,585 0,604 IPA 0,631 0,608 IPA 0,572 0,541 IPA 0,631 0,608 IPA 0,584 0,607 IPS 0,518 0,537 IPS 0,572 0,541 IPA 0,518 0,537 IPS 0,572 0,533 IPA 0,640 0,626 IPA 0,640 0,626 IPA 0,663 0,636 IPA 0,406 0,441 IPS 0,572 0,541 IPA 0,585 0,604 IPA 0,446 0,419 IPA 0,585 0,604 IPA 0,572 0,541 IPA 0,585 0,604 IPA 0,631 0,608 IPA 0,585 0,616 IPS 0,631 0,608 IPA 0,518 0,537 IPS 0,606 0,570 IPA 0,584 0,607 IPS 0,317 0,337 IPA 0,317 0,337 IPA 0,563 0,561 IPA 0,535 0,508 IPA http://creativecommons.org/licenses/by-nc/4.0/ P-ISSN: 2656-1743 E-ISSN: 2656-1735 JURNAL RISET INFORMATIKA Vol. 2, No. 1 Desember 2019 30 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional Vi IPA Vi IPS Hasil 0,508 0,549 IPS 0,535 0,508 IPA 0,398 0,372 IPA 0,430 0,384 IPA 0,345 0,320 IPA 0,430 0,384 IPA 0,336 0,306 IPA 0,445 0,483 IPS 0,430 0,384 IPA 0,345 0,320 IPA 0,426 0,369 IPA 0,627 0,624 IPA 0,480 0,502 IPS 0,631 0,608 IPA 0,590 0,540 IPA 0,487 0,494 IPS 0,504 0,502 IPS 0,504 0,502 IPS 0,504 0,502 IPS 0,504 0,502 IPS 0,504 0,502 IPS 0,504 0,502 IPS 0,615 0,555 IPA 0,563 0,561 IPS 0,508 0,549 IPS 0,508 0,549 IPS Hasil penelitian dari perbandingan hasil perhitungan nilai preferensi setiap alternatif (Vi) dari 61 siswa tersebut yaitu telah ditentukan bahwa 37 siswa masuk pada jurusan IPA dan 24 Siswa masuk pada jurusan IPS. SIMPULAN DAN SARAN Simpulan Hasil perhitungan dari preferensi alternatif V dari jurusan IPA dan IPS diperbandingkan, Apabila hasil perhitungan nilai IPA lebih besar dari pada IPS maka siswa tersebut akan masuk jurusan IPA dan Sebaliknya jika hasil perhitungan nilai IPS lebih besar dari pada IPA maka siswa tersebut akan masuk jurusan IPS Hasil perhitungan dari seluruh data sampel dengan kriteria masing- masing jurusan telah ditentukan bahwa dari 61 data sampel ada sebanyak 37 siswa yang masuk pada jurusan IPA dan 24 siswa masuk pada jurusan IPS. Saran Terkait dengan penelitian ini perlu dilakukan studi lebih lanjut mengenai data yang digunakan untuk penelitian, misalnya menggunakan data primer atau kueisioner yang dibagikan kepada siswa untuk menanyakan minat siswa dalam mengambil jurusan sehingga penentuan jurusan bukan hanya ditentukan dari pihak sekolah atau nilai ujian nasional. Untuk penelitian selanjutnya peneliti diharapakan membuat aplikasi penghitung cepat sederhana untuk menyempurnakan penelitian ini. Sistem Pendukung Keputusan dibangun pada SMA tersebut dapat dikembangkan dengan metode FDAM lain Seperti AHP, SAW, WP dan Profile Matching. DAFTAR REFERENSI Agusli, R., Dzulhaq, M. I., & Khasanah, U. (2017). Sistem Pendukung Keputusan Pemberian Bonus Tahunan Karyawan Menggunakan Metode TOPSIS. JURNAL SISFOTEK GLOBAL. Dashti, Z., Pedram, M. M., & Shanbehzadeh, J. (2010). A multi-criteria decision making based method for ranking sequential patterns. Proceedings of the International MultiConference of Engineers and Computer Scientists 2010, IMECS 2010, I, 611–614. Mardiana, T., & Tanjung, S. S. (2019). SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PERGURUAN TINGGI SWASTA MENGGUNAKAN TOPSIS. Jurnal Riset Informatika, 1(2), 25–34. https://doi.org/10.34288/jri.v1i2.30 Nofriansyah, D. (2014). Konsep Data Mining Vs Sistem Pendukung Keputusan. Deepublish. Prayoga, B. S., & Pradnya, W. M. (2017). SISTEM PENDUKUNG KEPUTUSAN JURUSAN DI MAN II YOGYAKARTA MENGGUNAKAN ALGORITMA TOPSIS. SEMNASTEKNOMEDIA ONLINE, 5(1), 55–60. Siyoto, S., & Sodik, M. A. (2015). Dasar Metodologi Penelitian. Literasi Media Publishing. Susliansyah, S., Rahadjeng, I. R., Sumarno, H., & Deleaniara. M, C. M. (2019). PENERAPAN METODE TOPSIS DALAM PENILAIAN KINERJA GURU TETAP SD NEGERI KEBALEN 07. Jurnal Pilar Nusa Mandiri, 15(1), 7–14. https://doi.org/10.33480/pilar.v15i1.2 http://creativecommons.org/licenses/by-nc/4.0/