3571 10932 2 PB

JURNAL MEDIA INFORMATIKA BUDIDARMA
Volume 6, Nomor 2, April 2022, Page 923-932

ISSN 2614-5278 (media cetak), ISSN 2548-8368 (media online)
Available Online at https://ejurnal.stmik-budidarma.ac.id/index.php/mib
DOI: 10.30865/mib.v6i2.3571
Perbandingan Metode WP dan SAW dalam Sistem Pendukung

Keputusan untuk Menentukan Tingkat Keberhasilan Guru Mengajar
di Tingkat SMK
Harmayani*, Reza Arvania Harahap
Fakultas Teknik, Teknik Informatika, Universitas Asahan, Kisaran, Indonesia
Email: [email protected], [email protected],
Email Penulis Korespondensi: [email protected]
Abstrak−Untuk meningkatkan prestasi belajar murid, proses pembelajaran harus berlangsung dengan baik dengan didukung
guru yang memiliki kompetensi, dan semangat pengajar. Dalam situasi yang ada saat ini sekolah tidak memiliki suatu sistem
yang dapat membantu menilai tingkat keberhasilan mengajar dari seorang guru kepada murid di sekolah, sehingga kepala
sekolah maupun orang tua murid tidak dapat mengetahui keberhasilan guru dalam mengajar dan membimbing para siswa yang
ada. Menyadari akan masalah tersebut, penulis tertarik untuk membangun suatu sistem pendukung keputusan dengan
melakukan perbandingan 2 metode. Peneliti akan menggunakan metode Weight Product dan Simple Addictive Weighting.
Pada tahap ini hasil dari perhitungan metode Weight Product akan dibandingkan dengan hasil perhitungan dari metode Simple
Additive Weighting. Dimana hasil perbandingan nya adalah terdapat hasil perbedaan yang tidak terlalu signifikan tetapi hasil
perbandingan lebih dominan mengarah ke metode SAW. Keakuratan dari metode SAW mencapai nilai 90% dikarenakan
terdapat proses normalisasi dari nilai asli alternative. Sedangkan untuk metode WP hanya menggunakan pembobotan terhadap
alternative yang ada.
Kata Kunci: Weight Product; Simple Additive Weighting; Sistem Pendukung Keputusan
Abstract−To improve student learning achievement, the learning process must take place well with the support of teachers
who have competence, and the spirit of the teacher. In the current situation, schools do not have a system that can help assess
the level of teaching success from a teacher to students at school, so that the principal and parents of students cannot know the
success of teachers in teaching and guiding students. Realizing this problem, the writer is interested in building a decision
support system by comparing 2 methods. Researchers will use the Weight Product and Simple Addictive Weighting methods.
At this stage the results of the calculation of the Weight Product method will be compared with the results of the calculation of
the Simple Additive Weighting method. Where the results of the comparison are that there are results that are not too significant
but the results of the comparison are more dominant towards the SAW method. The accuracy of the SAW method reaches a
value of 90% because there is a normalization process from the original alternative value. As for the WP method, it only uses
a weighting of the existing alternatives.
Keywords: Weight Product; Simple Additive Weighting; Decision Support System
1. PENDAHULUAN
Sekolah memiliki peran yang sangat penting dalam mendidik penerus bangsa. Faktor yang dapat mempengaruhi
keberhasilan pendidikan di sekolah yaitu: guru, siswa, sarana dan prasarana, lingkungan pendidikan dan
kurikulum belajar. Dari berbagai faktor tersebut, guru merupakan peranan yang paling penting dan berpengaruh
dalam dunia pendidikan pada proses kegiatan belajar mengajar. Untuk meningkatkan prestasi belajar murid, proses
pembelajaran harus berlangsung dengan baik dengan didukung guru yang memiliki kompetensi, dan semangat
pengajar. Dalam situasi yang ada saat ini sekolah tidak memiliki suatu sistem yang dapat membantu menilai tingkat
keberhasilan mengajar dari seorang guru kepada murid di sekolah, sehingga kepala sekolah maupun orang tua
murid tidak dapat mengetahui keberhasilan guru dalam mengajar dan membimbing para siswa yang ada.
Menyadari akan masalah tersebut, penulis tertarik untuk membangun suatu sistem pendukung keputusan
dengan melakukan perbandingan 2 metode. Pengambilan keputusan merupakan sebuah langkah yang penting,
sehingga hasil yang didapatkan akan sesuai dengan yang diharapkan, dengan bantuan metode pengambilan
keputusan dapat dilakukan dengan lebih mudah, dan hasil yang didapatkan juga dapat lebih memuaskan (Sari,
2018). Pada sistem pendukung keputusan ada beberapa metode yang dapat digunakan dalam menyelesaikan suatu
permasalahan. Sesuai permasalahan tersebut peneliti akan menggunakan metode Weight Product (WP) dan Simple
Addictive Weighting (SAW). Pemilihan metode WP dikarenakan memiliki adanya kemampuan dalam
menganalisis alternative keputusan berdasarkan kriteria yang ada tanpa perlu normalisasi, sedangkan pemilihan
metode Simple Additive Weighting (SAW) merupakan suatu metode dengan cara pembobotan dari rating kinerja
pada setiap alternatif pada semua atribut dari kriteria yang ditetapkan (H.Harmayani, 2020). Dari kedua metode
tersebut memiliki kecocokan untuk dilakukan perbandingan metode dalam hal menyelesaikan permasalahan pada
penentuan tingkat keberhasilan guru mengajar di tingkat SMK.
Berdasarkan permasalahan di atas, penulis tertarik untuk membuat judul “Perbandingan Metode WP dan
SAW dalam Sistem Pendukung Keputusan untuk Menentukan Tingkat Keberhasilan Guru Mengajar di Tingkat
SMK”. Perbandingan dua metode dilakukan agar didapat hasil yang lebih akurat dalam memberikan rekomendasi
bagi pengambil keputusan. Perbandingan dari kedua metode tersebut juga akan diterapkan kedalam sebuah
aplikasi, sehingga lebih mempermudah pengambil keputusan. Metode WP memiliki kesamaan dengan metode
Harmayani, Copyright © 2022, MIB, Page 923

Submitted: 01/01/2022; Accepted: 05/03/2022; Published: 25/04/2022
DOI: 10.30865/mib.v6i2.3571
SAW dalam hal pembobotan kriteria [1] sehingga dapat berguna dalam hal perbandingan metode untuk
mendapatkan tingkatan yang lebih efektif dalam penentuan tingkat keberhasilan guru mengajar.
2. METODOLOGI PENELITIAN
2.1 Tahapan Penelitian
Identifikasi Masalah
Pengumpulan Data
Analisis Data
Perancangan Sistem
Implementasi
Maintenance
Gambar 1. Tahapan Penelitian

Berikut merupakan tahapan penelitian yang dilakukan
a. Identifikasi Masalah
Identifikasi masalah merupakan langkah awal yang penting dalam proses penelitian. Ketika peneliti
menangkap fenomena yang berpotensi untuk diteliti, langkah selanjutnya yang mendesak adalah
mengidentifikasi masalah dari fenomena yang diamati tersebut.
b. Pengumpulan Data
Pengumpulan data merupakan kegiatan mencari data di lapangan yang akan digunakan untuk menjawab
permasalahan penelitian. Validitas instrumen pengumpulan data serta kualifikasi pengumpul data sangat
diperlukan untuk memperoleh data yang berkualitas. Saat mengumpulkan data, peneliti harus tekun, sabar, dan
tidak putus asa. Peneliti harus sabar untuk berjalan dari rumah ke rumah, atau mendatangi instansi tertentu
untuk mengadakan wawancara atau membagi kuesioner.
c. Analisis Data
Analisis data yaitu cara untuk mengolah data menjadi sebuah informasi agar data tersebut mudah dipahami dan
dapat bermanfaat untuk solusi sebuah permasalahan. Analisis data juga dapat diartikan menjadi kegiatan yang
dilakukan untuk untuk merubah data hasil dari penelitian menjadi informasi yang nantinya dapat dipergunakan
untuk mengambil kesimpulan. Analisis data disebut juga pengolahan data dan penafsiran data. Analisis data
adalah rangkaian kegiatan penelaahan, pengelompokan, sistematisasi, penafsiran dan verifikasi data agar
sebuah fenomena memiliki nilai social, akademis dan ilmiah.
d. Analisa Sistem
Analisa sistem adalah penjabaran dari suatu sistem informasi yang utuh ke dalam berbagai macam bagian
komponennya dengan maksud agar kita dapat mengidentifikasi atau mengevaluasi berbagai macam masalah
maupun hambatan yang akan timbul pada sistem sehingga nantinya dapat dilakukan penanggulangan,
perbaikan atau juga pengembangan.
e. Perancangan Sistem
Perancangan sistem adalah sebuah kegiatan merancang dan menentukan cara mengolah sistem informasi dari
hasil analisa sistem sehingga dapat memenuhi kebutuhan dari pengguna termasuk diantaranya perancangan
user interface, data dan aktivitas proses.
f. Implementasi Sistem
Implementasi Sistem adalah prosedur yang dilakukan untuk menyelesaikan desain yang ada dalam dokumen
yaitu desain sistem yang disetujui, serta menguji, menginstal, memulai, serta menggunakan sistem yang baru
atau sistem yang diperbaiki. Implementasi sistem ini adalah tahapan untuk mengetahui akan berhasil atau
tidaknya suatu sistem aplikasi yang dibangun.
g. Maintenance
System Maintenance atau perawatan sistem adalah pelayanan yang diberikan setelah implementasi sistem
dilakukan. Sistem maintenance ini diperlukan agar sistem yang telah terpasang dapat selalu bekerja sesuai

DOI: 10.30865/mib.v6i2.3571
fungsinya. Sistem yang tidak bekerja sesuai fungsinya dapat mengakibatkan pekerjaan terhambat dan ini berarti
kerugian pada sebuah perusahaan. Dengan melakukan sistem maintenance secara berkala maka selain seluruh
sistem tetap bekerja sesuai fungsinya, juga kerusakan dapat dicegah dan sistem menjadi lebih awet.
2.2. Metode Weighted Product
Metode W.P menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus
dipangkatkan dulu dengan bobot atribut yangg bersangkutan. Proses ini sama halnya dengan proses normalisasi.
Preferensi untuk alternatif Ai diitunjukkan pada persamaan sebagai berikut:
Si= ∏𝑛𝑗 = 1 𝑥𝑖𝑗 𝑤𝑗 (1)
Relatiif dari setiiap alternatiif, ditunjukkan pada perrsamaan sebagaii beriikut:
∏𝑛
𝑗 =1 𝑥𝑖𝑗𝑤𝑗
𝑉𝑖 = ∏𝑛=1 (𝑥 (2)
𝑗 𝑗)𝑤𝑗
2.3. Metode Simple Additive Weighting (SAW)

Metode SAW sering juga diikenal istiilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah
mencari penjumlahan dari rating kinerja pada setiap alternatif pada semua atriibut.
Rumus pada Aribut benefit :
𝐱𝒊𝒋
𝐫 𝒊𝒋 = {𝐌𝐚𝐱 𝐱𝒊𝒋 (3)
Rumus pada Aribut Cost :
𝐌𝐢𝐧 𝐱𝒊𝒋
𝐫 𝒊𝒋 = { (4)
𝐱𝒊𝒋
3. HASIL DAN PEMBAHASAN

3.1 Analisis Data
Berdasarkan hasil observasi lapangan dan kuesioner yang telah diisi oleh pihak SMKS Citra Abdi Negoro dan
tercantum sebagai lampiran diakhir bagian penelitian ini. Maka dibutuhkan analisis data sebagai berikut :
Tabel 1. Data Nilai Kriteria [1]
No. Kriteria Nilai
1 Jumlah Absensi 95
2 Rencana Pembelajaran 90
3 Masa Mengajar 75
4 Media Pembelajaran 80
5 Disiplin 85
Tabel 2. Data Parameter Kriteria
Kriteria Parameter Nilai Bobot
Jumlah Absensi <=1 1
2-3 2
4-5 3
6-9 4
>=10 5
Rencana Pembelajaran Kurang Baik 1
Biasa Saja 2
Cukup Baik 3
Baik 4
Sangat Baik 5
Masa Mengajar <=5 Tahun 1
6-10 Tahun 2
11-15 Tahun 3
16-25 Tahun 4
>25 Tahun 5
Media Pembelajaran Kurang Berinovasi 1
Biasa saja 2
Cukup Berinovasi 3

DOI: 10.30865/mib.v6i2.3571
Kriteria Parameter Nilai Bobot
Berinovasi 4
Sangat Berinovasi 5
Disiplin Sangat Tidak Disiplin 1
Tidak Disiplin 2
Cukup Disiplin 3
Disiplin 4
Sangat Disiplin 5
Dalam analisis data sistem juga membutuhkan data-data asli yang harus diolah menjadi data nilai alternatif
untuk menyesuaikan dengan metode dari penelitian yang digunakan. Data tersebut dapat dililhat pada tabel berikut
Tabel 3. Data Guru Mengajar WP [2]
No Nama C01 C02 C03 C04 C05
1 Erpan 0 Baik 6 Tahun Cukup Disiplin
2 Nurul 0 Cukup Baik 6 Tahun Inovasi Disiplin
3 Rizal 0 Baik 6 Tahun Inovasi Disiplin
4 Tetuko 0 Baik 4 Tahun Cukup Disiplin
5 Dedi 2 Baik 8 Tahun Biasa Disiplin
6 Agustami 3 Baik 4 Tahun Biasa Disiplin
7 Iudah 0 Cukup Baik 5 Tahun Biasa Disiplin
8 Miftah 0 Baik 6 Tahun Cukup Disiplin
9 Windi 1 Baik 5 Tahun Biasa Disiplin
10 Wulan 0 Baik 6 Tahun Inovasi Disiplin
3.1.1 Penerapan Metode Weighted Product (WP)
Pada analisa proses sistem penggunaan metode Weight Product [2] membutuhkan nilai kriteria dan bobot kriteria
yang akan di proses beserta nilai alternatif untuk melakukan penentuan tingkat keberhasilan guru mengajar di
SMKS Citra Abdi Negoro. Langkah-langkah yang digunakan metode WP adalah:
a. Menentukan Alternatif [3]
b. Menentukan kriteria dan bobot masing-masing kriteria [4]
c. Melakukan perhitungan nilai relatif bobot awal (wj). Dimana Σ wj = 1 [5]
d. Membuat matriks perbandingan alternatif dan kriteria [6]
e. Melakukan perhitungan nilai vektor S [7]
f. Melakukan perhitungan nilai preferensi relatif (Vektor V)
g. Merangking alternatif [8]
A. Menentukan alternatif
Hal pertama yang dilakukan dalam penyelesaian metode weight product adalah menentukan alternatif untuk
pemilihan dari keputusan. Dimana alternatif bisa disingkat menjadi (A), sesuai urutan dari alternatif akan dibuat
nomor yang terurut. Data penentuan alternatif dapat dilihat pada table dibawah ini:
Tabel 4. Tabel Alternatif [3]
Kode Nama Alternatif
A1 Erpan
A2 Nurul
A3 Rizal
A4 Tetuko
A5 Dedi
A6 Agustami
A7 Iudah
A8 Miftah
A9 Windi
A10 Wulan
B. Menentukan kriteria dan bobot masing-masing kriteria
Kita harus menentukan kriteria yang dapat dijadikan acuan dalam pengambilan sebuah keputusan, yakni Ci dan
masing-masing sifat kriteria yakni Cost atau Benefit. Dari masing-masing kriteria tersebut akan ditentukan nilai
yang menjadi atribut cost atau atribut benefit. Atribut cost memiliki makna yaitu semakin kecil nilai suatu atribut
maka akan semakin baik, sedangkan benefit merupakan suatu keuntungan yaitu semakin besar nilai suatu atribut
maka akan semakin baik. Seperti terlihat pada tabel dibawah ini:

DOI: 10.30865/mib.v6i2.3571
Tabel 5. Tabel Kriteria [4]
Kriteria Bobot Cost/Benefit Kode
Jumlah Absensi 95 Cost C1
Rencana 90 Benefit C2
Pembelajaran
Masa Mengajar 75 Benefit C3
Media Pembelajaran 80 Benefit C4
Disiplin 85 Benefit C5
Jumlah 425
C. Melakukan perhitungan nilai relatif bobot awal
Pada tahap ini perhitungan dilakukan dengan menggunakan rumus sebagai berikut :
C1 = 95/425 = 0.22
C2 = 90/425 = 0.21
C3 = 75/425 = 0.18
C4 = 80/425 = 0.19
C5 = 85/425 = 0.20
Dengan total nilai bobot relatif harus sama dengan 1.
Σ Wj = 0.22+0.21+0.18+0.19+0.20 = 1
Tabel 6. Nilai relatif bobot [5]
Bobot/ kriteria C1 C2 C3 C4 C5 Σ wj
Bobot kepentingan 0.22 0.21 0.18 0.19 0.20 1
D. Membuat matriks perbandingan alternatif dan kriteria
Setelah didapat nilai relatif bobot maka selanjutnya adalah pengisian nilai dari tiap alternatif dengan membuat
matriks perbandingan antara alternatif dan kriteria berdasarkan nilai asli dari data. Untuk pengisian nilai
perbandingan alternatif dan kriteria dapat dilihat pada tabel 3 data guru mengajar dan sesuaikan dengan tabel 2
parameter kriteria sebagai acuan pilihan pengisian. Matriks perbandingan dapat dilihat pada tabel sebagai berikut
Tabel 7. Matriks perbandingan alternatif dan kriteria [6]
Alternatif / Kriteria C1 C2 C3 C4 C5
A1 1 4 2 3 4
A2 1 3 2 4 4
A3 1 4 2 4 4
A4 1 4 1 3 4
A5 2 4 2 2 4
A6 2 4 1 2 4
A7 1 3 1 2 4
A8 1 4 2 3 4
A9 1 4 1 2 4
A10 1 4 2 4 4
E. Melakukan perhitungan nilai Vektor S
Pada tahap ini perhitungan nilai vektor S dengan cara memangkatkan nilai dari alternatif. Untuk memangkatkan
nilai dari alternatif terlebih dahulu buat nilai pangkatnya. Nilai dari pangkat diambil dari nilai relatif bobot sesuai
atribut yang ada. Jika nilai atribut benefit maka menggunakan perkalian 1 sedangkan atribut cost maka dikalikan
dengan nilai (-1). Perhitungan sebagai berikut :
C1 = 0.22 * (-1) = -0.22 (Cost)
C2 = 0.21 * 1 = 0.21 (Benefit)
C3 = 0.18 * 1 = 0.18 (Benefit)
C4 = 0.19 * 1 = 0.19 (Benefit)
C5 = 0.20 * 1 = 0.20 (Benefit)
Maka didapat hasil sebagai berikut :
Tabel 8. Pangkat nilai bobot
Pangkat -0.22 0.21 0.18 0.19 0.20
Untuk perhitungan vektor S adalah sebagai berikut :
A1 = (1^(-0.22))*(4^0.21)*(2^0.18)*(3^0.19)*(4^0.20)
A2 = (1^(-0.22))*(3^0.21)*(2^0.18)*(4^0.19)*(4^0.20)
A3 = (1^(-0.22))*(4^0.21)*(2^0.18)*(4^0.19)*(4^0.20)

DOI: 10.30865/mib.v6i2.3571
A4 = (1^(-0.22))*(4^0.21)*(1^0.18)*(3^0.19)*(4^0.20)
A5 = (2^(-0.22))*(4^0.21)*(2^0.18)*(2^0.19)*(4^0.20)
A6 = (2^(-0.22))*(4^0.21)*(1^0.18)*(2^0.19)*(4^0.20)
A7 = (1^(-0.22))*(3^0.21)*(1^0.18)*(2^0.19)*(4^0.20)
A8 = (1^(-0.22))*(4^0.21)*(2^0.18)*(3^0.19)*(4^0.20)
A9 = (1^(-0.22))*(4^0.21)*(1^0.18)*(2^0.19)*(4^0.20)
A10 = (1^(-0.22))*(4^0.21)*(2^0.18)*(4^0.19)*(4^0.20)
Hasil perhitungan diatas dapat dilihat pada table berikut :
Tabel 9. Perhitungan vektor S[7]
Alternatif S
A1 2.4642
A2 2.4501
A3 2.6027
A4 2.1752
A5 1.9588
A6 1.7291
A7 1.8958
A8 2.4642
A9 2.0139
A10 2.6027
F. Melakukan Perankingan
Setelah semua langkah perhitungan selesai. Maka langkah terakhir adalah perangkingan. Hasil perangkingan dapat
dilihat dibawah ini :
Tabel 10. Hasil Ranking[8]
Alternatif S Rangking
A1 2.4642 3
A2 2.4501 5
A3 2.6027 1
A4 2.1752 6
A5 1.9588 8
A6 1.7291 9
A7 1.8958 10
A8 2.4642 4
A9 2.0139 7
A10 2.6027 2
3.1.2 Penerapan Metode Simple Additive Weighting (SAW)
Pada analisis proses sistem penggunaan metode Simple Additive Weighting (SAW) membutuhkan nilai bobot dari
kriteria untuk setiap alternative, selanjutnya akan dilakukan proses perhitungan nilai total keseluruhan alternatif.
Dari masing-masing kriteria memiliki nilai bobotnya, seperti terlihat pada tabel dibawah ini:
Tabel 11. Bobot Kriteria
Kriteria Bobot
C1-Jumlah Absensi 0.22
C2-Rencana Pembelajaran 0.21
C3-Masa Mengajar 0.18
C4-Media Pembelajaran 0.19
C5-Disiplin 0.20
A. Penetuan Data Alternatif
Berikut ini merupakan data alternative tingkat keberhasilan guru mengajar yang dapat dilihat dari tabel berikut:
Tabel 12. Matriks perbandingan nilai alternatif
DATA Jumlah Rencana Masa Mengajar Media Disiplin
Absensi Pembelajaran Pembelajaran
Alternatif Cost Benefit Benefit Benefit Benefit
A1 1 4 2 3 4
A2 1 3 2 4 4

DOI: 10.30865/mib.v6i2.3571
DATA Jumlah Rencana Masa Mengajar Media Disiplin
A3 1 4 2 4 4
A4 1 4 1 3 4
A5 2 4 2 2 4
A6 2 4 1 2 4
A7 1 3 1 2 4
A8 1 4 2 3 4
A9 1 4 1 2 4
A10 1 4 2 4 4
B. Normalisasi
Fungsi dari normalisasi adalah untuk menghitung rating kinerja ternormalisasi dari alternatif diatas Maka, akan
didapat nilai sebagai berikut:
1. Untuk kriteria C1 (Cost)
𝑀𝑖𝑛 (1; 1; 1; 1; 2; 2; 1; 1; 1; 1) 1
𝒙𝒊𝒋 + =1
1 1
𝒊𝒋
𝑀𝑖𝑛 (1; 1; 1; 1; 2; 2; 1; 1; 1; 1) 1
𝒙 + =1
1 1
𝒊𝒋
𝑀𝑖𝑛 (1; 1; 1; 1; 2; 2; 1; 1; 1; 1) 1
𝒙 + =1
1 1
𝒊𝒋
𝑀𝑖𝑛 (1; 1; 1; 1; 2; 2; 1; 1; 1; 1) 1
𝒙 + =1
1 1
𝒊𝒋
𝑀𝑖𝑛 (1; 1; 1; 1; 2; 2; 1; 1; 1; 1) 1
𝒙 + = 0.5
2 2
𝒊𝒋
𝑀𝑖𝑛 (1; 1; 1; 1; 2; 2; 1; 1; 1; 1) 1
𝒙 + = 0.5
2 2
𝒊𝒋
𝑀𝑖𝑛 (1; 1; 1; 1; 2; 2; 1; 1; 1; 1) 1
𝒙 + =1
1 1
𝒊𝒋
𝑀𝑖𝑛 (1; 1; 1; 1; 2; 2; 1; 1; 1; 1) 1
𝒙 + =1
1 1
𝒊𝒋
𝑀𝑖𝑛 (1; 1; 1; 1; 2; 2; 1; 1; 1; 1) 1
𝒙 + =1
1 1
𝑀𝑖𝑛 (1; 1; 1; 1; 2; 2; 1; 1; 1; 1) 1
𝒙𝒊𝒋 + =1
1 1
2. Untuk kriteria C2 (Benefit)
4 4
𝒙𝒊𝒋 + =1
𝑀𝑎𝑥 (4; 3; 4; 4; 4; 4; 3; 4; 4; 4) 4
𝒊𝒋
3 3
𝒙 + = 0.75
𝑀𝑎𝑥 (4; 3; 4; 4; 4; 4; 3; 4; 4; 4) 4
𝒊𝒋
4 4
𝒙 + =1
𝑀𝑎𝑥 (4; 3; 4; 4; 4; 4; 3; 4; 4; 4) 4
4 4
𝒙𝒊𝒋 + =1
𝑀𝑎𝑥 (4; 3; 4; 4; 4; 4; 3; 4; 4; 4) 4
4 4
𝒙𝒊𝒋 + =1
𝑀𝑎𝑥 (4; 3; 4; 4; 4; 4; 3; 4; 4; 4) 4
4 4
𝒙𝒊𝒋 + =1
𝑀𝑎𝑥 (4; 3; 4; 4; 4; 4; 3; 4; 4; 4) 4
3 3
𝒙𝒊𝒋 + = 0.75
𝑀𝑎𝑥 (4; 3; 4; 4; 4; 4; 3; 4; 4; 4) 4
𝒊𝒋
4 4
𝒙 + =1
𝑀𝑎𝑥 (4; 3; 4; 4; 4; 4; 3; 4; 4; 4) 4
𝒊𝒋
4 4
𝒙 + =1
𝑀𝑎𝑥 (4; 3; 4; 4; 4; 4; 3; 4; 4; 4) 4
𝒊𝒋
4 4
𝒙 + =1
𝑀𝑎𝑥 (4; 3; 4; 4; 4; 4; 3; 4; 4; 4) 4
2 2
𝒙𝒊𝒋 + =1
𝑀𝑎𝑥 (2; 2; 2; 1; 2; 1; 1; 2; 1; 2) 2

DOI: 10.30865/mib.v6i2.3571
2 2
𝒙𝒊𝒋 + =1
𝑀𝑎𝑥 (2; 2; 2; 1; 2; 1; 1; 2; 1; 2) 2
2 2
𝒙𝒊𝒋 + =1
𝑀𝑎𝑥 (2; 2; 2; 1; 2; 1; 1; 2; 1; 2) 2
𝒊𝒋
1 1
𝒙 + = 0.5
𝑀𝑎𝑥 (2; 2; 2; 1; 2; 1; 1; 2; 1; 2) 2
𝒊𝒋
2 2
𝒙 + =1
𝑀𝑎𝑥 (2; 2; 2; 1; 2; 1; 1; 2; 1; 2) 2
1 1
𝒙𝒊𝒋 + = 0.5
𝑀𝑎𝑥 (2; 2; 2; 1; 2; 1; 1; 2; 1; 2) 2
1 1
𝒙𝒊𝒋 + = 0.5
𝑀𝑎𝑥 (2; 2; 2; 1; 2; 1; 1; 2; 1; 2) 2
2 2
𝒙𝒊𝒋 + =1
𝑀𝑎𝑥 (2; 2; 2; 1; 2; 1; 1; 2; 1; 2) 2
1 1
𝒙𝒊𝒋 + = 0.5
𝑀𝑎𝑥 (2; 2; 2; 1; 2; 1; 1; 2; 1; 2) 2
𝒊𝒋
2 2
𝒙 + =1
𝑀𝑎𝑥 (2; 2; 2; 1; 2; 1; 1; 2; 1; 2) 2
3 3
𝒙𝒊𝒋 + = 0.75
𝑀𝑎𝑥 (3; 4; 4; 3; 2; 2; 2; 3; 2; 4) 4
𝒊𝒋
4 4
𝒙 + =1
𝑀𝑎𝑥 (3; 4; 4; 3; 2; 2; 2; 3; 2; 4) 4
4 4
𝒙𝒊𝒋 + =1
𝑀𝑎𝑥 (3; 4; 4; 3; 2; 2; 2; 3; 2; 4) 4
3 3
𝒙𝒊𝒋 + = 0.75
𝑀𝑎𝑥 (3; 4; 4; 3; 2; 2; 2; 3; 2; 4) 4
2 2
𝒙𝒊𝒋 + = 0.5
𝑀𝑎𝑥 (3; 4; 4; 3; 2; 2; 2; 3; 2; 4) 4
2 2
𝒙𝒊𝒋 + = 0.5
𝑀𝑎𝑥 (3; 4; 4; 3; 2; 2; 2; 3; 2; 4) 4
𝒊𝒋
2 2
𝒙 + = 0.5
𝑀𝑎𝑥 (3; 4; 4; 3; 2; 2; 2; 3; 2; 4) 4
𝒊𝒋
3 3
𝒙 + = 0.75
𝑀𝑎𝑥 (3; 4; 4; 3; 2; 2; 2; 3; 2; 4) 4
2 2
𝒙𝒊𝒋 + = 0.5
𝑀𝑎𝑥 (3; 4; 4; 3; 2; 2; 2; 3; 2; 4) 4
4 4
𝒙𝒊𝒋 + =1
𝑀𝑎𝑥 (3; 4; 4; 3; 2; 2; 2; 3; 2; 4) 4
4 4
𝒙𝒊𝒋 + =1
𝑀𝑎𝑥 (4; 4; 4; 4; 4; 4; 4; 4; 4; 4) 4
4 4
𝒙𝒊𝒋 + =1
𝑀𝑎𝑥 (4; 4; 4; 4; 4; 4; 4; 4; 4; 4) 4
4 4
𝒙𝒊𝒋 + =1
𝑀𝑎𝑥 (4; 4; 4; 4; 4; 4; 4; 4; 4; 4) 4
4 4
𝒙𝒊𝒋 + =1
𝑀𝑎𝑥 (4; 4; 4; 4; 4; 4; 4; 4; 4; 4) 4
4 4
𝒙𝒊𝒋 + =1
(
𝑀𝑎𝑥 4; 4; 4; 4; 4; 4; 4; 4; 4; 4 ) 4
𝒊𝒋
4 4
𝒙 + =1
(
𝑀𝑎𝑥 4; 4; 4; 4; 4; 4; 4; 4; 4; 4 ) 4
𝒊𝒋
4 4
𝒙 + =1
(
𝑀𝑎𝑥 4; 4; 4; 4; 4; 4; 4; 4; 4; 4 ) 4
𝒊𝒋
4 4
𝒙 + =1
𝑀𝑎𝑥 (4; 4; 4; 4; 4; 4; 4; 4; 4; 4) 4
𝒊𝒋
4 4
𝒙 + =1
𝑀𝑎𝑥 (4; 4; 4; 4; 4; 4; 4; 4; 4; 4) 4
DOI: 10.30865/mib.v6i2.3571
4 4
𝒙𝒊𝒋 + =1
𝑀𝑎𝑥 (4; 4; 4; 4; 4; 4; 4; 4; 4; 4) 4
Berdasarkan hasil tersebut diatas, dapat dibuat matriks normalisasi seperti tabel dibawah ini:
Tabel 13. Normalisasi matriks perbandingan
Jumlah Rencana Media
DATA Masa Mengajar Disiplin
Bobot 22% 21% 18% 19% 20%
Kriteria
A01 1 1 1 0.75 1
A02 1 0.75 1 1 1
A03 1 1 1 1 1
A04 1 1 0.5 0.75 1
A05 0.5 1 1 0.5 1
A06 0.5 1 0.5 0.5 1
A07 1 0.75 0.5 0.5 1
A08 1 1 1 0.75 1
A09 1 1 0.5 0.5 1
A10 1 1 1 1 1
3.2 Perbandingan Hasil
Perbandingan hasil merupakan hasil dan tahap akhir dari proses perhitungan metode sistem pendukung keputusan.
Pada tahap ini hasil dari perhitungan metode Weight Product akan dibandingkan dengan hasil perhitungan dari
metode Simple Additive Weighting. Dimana hasil perbandingan nya adalah terdapat hasil perbedaan yang tidak
terlalu signifikan tetapi hasil perbandingan lebih dominan mengarah ke metode SAW. Keakuratan dari metode
SAW mencapai nilai 90% dikarenakan terdapat proses normalisasi dari nilai asli alternatif. Sedangkan untuk
metode WP hanya menggunakan pembobotan terhadap alternative yang ada.
4. KESIMPULAN
Berdasarkan dari pembahasan yang telah diuraikan diatas, maka dapat diambil beberapa kesimpulan yang di
harapkan dapat bermanfaat bagi pembaca. Adapun kesimpulan yang dapat diambil adalah sebagai berikut. Dalam
situasi yang ada saat ini sekolah tidak memiliki suatu sistem yang dapat membantu menilai tingkat keberhasilan
mengajar dari seorang guru kepada murid di sekolah, sehingga kepala sekolah maupun orang tua murid tidak dapat
mengetahui keberhasilan guru dalam mengajar dan membimbing para siswa yang ada. Implementasi dan
membangun sistem pendukung keputusan dengan perbandingan metode WP dan SAW menggunakan bahasa
pemrograman PHP dan database MySQL. Yang kemudian sistem ini nantinya akan di gunakan oleh Sekolah
Menengah Kejuruan yang membutuhkan untuk menilai keberhasilan guru mengajar. Perancangan sistem
pendukung keputusan penentuan tingkat keberhasilan guru mengajar menggunakan perbandingan metode WP dan
SAW memiliki hasil perbandingan yaitu terdapat hasil perbedaan yang tidak terlalu signifikan tetapi hasil
perbandingan lebih dominan mengarah ke metode SAW. Keakuratan dari metode SAW mencapai nilai 90%
dikarenakan terdapat proses normalisasi dari nilai asli alternative. Sedangkan untuk metode WP hanya
menggunakan pembobotan terhadap alternative yang ada.
REFERENCES
[1] Arifin, A. (2016). Implementasi Metode Attribute Decission Making (MADM) untuk Menentukan Kawasan Penanaman
Bakau. Jurnal Sains dan Teknologi Industri, 14(1), 86-92.
[2] Arifin, A., & Limbong, B. (2016). Sistem Informasi Perhitungan Suku Cadang (Sparepart) Dalam Satu Mesin
Produksi. JURNAL SISFOTEK GLOBAL, 6(2)
[3] Asmara, R., Kom, S., & Kom, M. (2017). Sistem Informasi Pengolahan Data Penanggulangan Bencana Pada Kantor
Badan Penanggulangan Bencana Daerah (BPBD) Kabupaten Padang Pariaman. Jurnal J-Click, 3(2).
[4] Diah, P., Dewi, S., & Suryati, S. (2018). Penerapan Metode AHP dan SAW untuk Penentuan Kenaikan Jabatan
Karyawan. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 5(1), 60-73.
[5] Faizal, M., & Putri, S. L. (2017). Sistem Informasi Pengolahan Data Pegawai Berbasis Web (Studi Kasus Di Pt
Perkebunan Nusantara Viii Tambaksari). Jurnal Teknologi Informasi dan Komunikasi, 12(1), 1-23.
[6] Fridayanthie Eka Wida, M. T. (2016). Jurnal Khatulistiwa Informatika, Rancang Bangun Sistem Informasi Permintaan
ATK Berbasis Intranet, Vol. IV, No. 2 Desemmber 2016. Jurnal Khatulistiwa Informatika, IV(2), 126–138.
[7] Harmayani, H., & Armadi, B. (2020). Implementasi Metode Saw Pada Sistem Pendukung Keputusan Penerima Hibah
Penelitian Dan Pengabdian Kepada Masyarakat Dosen Una. JurTI (Jurnal Teknologi Informasi), 4(1), 139-145.
[8] Hendini, A. (2016). Pemodelan UML Sistem Informasi Monitoring Penjualan Dan Stok Barang ( Studi Kasus: Distro
Zhezha Pontianak ). Jurnal Khatulistiwa Informatika, Volume 4, Nomor 2: 107–116.

DOI: 10.30865/mib.v6i2.3571
[9] Hermawan, R., & Hidayat, A. (2016). Sistem Informasi Penjadwalan Kegiatan Belajar Mengajar Berbasis Web (Studi
Kasus: Yayasan Ganesha Operation Semarang). EVOLUSI: Jurnal Sains dan Manajemen, 4(1).
[10] Iswandy, E. (2015). Sistem Penunjang Keputusan Untuk Menentukan Penerimaan Dana Santunan Sosial Anak Nagari
Dan Penyalurannya Bagi Mahasiswa Dan Pelajar Kurang Mampu Di Kenagarian Barung–Barung Balantai Timur. Jurnal
Teknoif, 3(2).
[11] Kristania, Y. M. (2018). Implementasi Kombinasi Metode AHP dan SAW Dalam Pendukung Keputusan Penentuan
Kredit Perumahan Rakyat. J. Telemat, 11(1), 65-78.
[12] Kurniasih, D. L. (2017). Sistem Pendukung Keputusan Pemilihan Laptop Dengan Metode TOPSIS. Pelita Informatika:
Informasi dan Informatika, 3(2).
[13] Mahdiana, D., & Kusumawardhany, N. (2018). Penerapan Metode Analytical Hierarchy Process dan Simple Additive
Weighting untuk pemilihan Dosen Terbaik. Konferensi Nasional Sistem Informasi (KNSI) 2018.
[14] Nofyat, Ibrahim Adelina, A. A. (2018). Sistem Informasi Pengaduan Pelanggan Air Berbasis Website Pada PDAM Kota
Ternate. Indonesian Journal on Information System, 3(1), 85–92.
[15] Nurdiyanto, H., & Meilia, H. (2016). Sistem Pendukung Keputusan Penentuan Prioritas Pengembangan Industri Kecil
Dan Menengah Di Lampung Tengah Menggunakan Analitical Hierarchy Process (AHP). SEMNASTEKNOMEDIA
ONLINE, 4(1), 3-3.
[16] Nurhayati, S. (2015, February). Analisis Komparasi Simple Additive Weighting dan Weighted Product dalam Penentuan
Penerima Beasiswa. In Seminar Nasional Teknologi Informasi dan Multimedia: STMIK AMIKOM Yogyakarta.
[17] Pahlevi Omar, Mulyani Astriana, K. M. (2018). Sistem Informasi Inventori Barang Menggunakan Metode Object
Oriented Di PT. Livaza Teknologi Indonesia Jakarta. PROSISKO: Jurnal Pengembangan Riset Dan Observasi Sistem
Komputer, 5(1), 27–35.
[18] Rossa. A.S., dan Shalahuddin. M. (2016). Rekayasa Perangkat Lunak. Bandung: Informatika.
[19] Saefudin, S., & Wahyuningsih, S. (2017). Sistem Pendukung Keputusan Untuk Penilaian Kinerja Pegawai Menggunakan
Metode Analytical Hierarchy Process (AHP) Pada RSUD Serang. JSiI (Jurnal Sistem Informasi), 1.
[20] Saputra, R. D., Erwandi, D., & Khoir, K. (2017). Sistem Pendukung Keputusan Penerima Beasiswa Mahasiswa-KU di
DPU-DT Priangan Timur Menggunakan Metode Weighted Product (WP). Jurnal VOI (Voice Of Informatics), 6(2).
[21] Sari, F. (2018). Metode Dalam Pengambilan Keputusan. Deepublish
[22] Sovia, R., & Hadi, A. F. (2019). Membandingkan Metode SAW Dan MFEP Dalam Penentuan Jurusan di Tingkat
SLTA. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 3(1), 59-65.


3571 10932 2 PB

Diunggah oleh

Hak Cipta:

Format Tersedia

3571 10932 2 PB

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

3571 10932 2 PB

Diunggah oleh

Hak Cipta:

Format Tersedia

JURNAL MEDIA INFORMATIKA BUDIDARMA

Volume 6, Nomor 2, April 2022, Page 923-932

Perbandingan Metode WP dan SAW dalam Sistem Pendukung

Harmayani, Copyright © 2022, MIB, Page 923

Gambar 1. Tahapan Penelitian

Harmayani, Copyright © 2022, MIB, Page 924

2.3. Metode Simple Additive Weighting (SAW)

3. HASIL DAN PEMBAHASAN

Harmayani, Copyright © 2022, MIB, Page 925

Harmayani, Copyright © 2022, MIB, Page 926

Harmayani, Copyright © 2022, MIB, Page 927

Harmayani, Copyright © 2022, MIB, Page 928

Harmayani, Copyright © 2022, MIB, Page 929

Harmayani, Copyright © 2022, MIB, Page 931

Harmayani, Copyright © 2022, MIB, Page 932

Anda mungkin juga menyukai