Perancangan dan Implementasi Sistem Pendukung Keputusan

untuk Meningkatkan Nilai Prestasi Akademik Menggunakan

Metode Linear Regresi Berganda dan Korelasi

Artikel Ilmiah

Peneliti:

Andi Kurniawan (672015219)

Yeremia Alfa Susetyo, S.Kom., M.Cs.

Program Studi Teknik Informatika

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Salatiga

2019

i

ii

iii

iv

1

1. Pendahuluan

Nilai akademik adalah sebagai bahan acuan untuk mengukur daya pikir dan

prestasi siswa selama mengikuti kegiatan belajar mengajar. Nilai prestasi sangat

penting untuk siswa sebagai penunjang melanjutkan ke jenjang selanjutnya.

Sehingga banyak orang tua berupaya untuk meningkatkan nilai prestasi anak

mereka, untuk meningkatkan nilai prestasi akademik dipengaruhi oleh banyak

faktor. Secara garis besar, faktor-faktor yang mempengaruhi nilai prestasi dibagi

menjadi dua bagian besar, yaitu faktor internal dan faktor external. Faktor internal

adalah faktor yang terdapat dalam diri individu itu sendiri, seperti kesehatan

jasmani dan rohani, kecerdasan, daya ingat, kemauan, dan bakat. Sedangkan faktor

external adalah faktor yang berasal dari luar diri individu yang belajar, seperti

keadaan lingkungan rumah, sekolah, Disiplin belajar, bermasyarakat, dan segala

sesuatu yang berhubungan dengan semua lingkungan tersebut [1] .

Pengelolaan waktu kegiatan siswa memiliki peranan penting, karena tidak

semua siswa dapat mengelola kegiatan harian mereka secara baik. Siswa lebih

banyak bermian game online dari pada belajar, hal ini disebabkan penerapan

teknologi terbaru dan pengalaman baru dalam bermain game lebih menarik dari

pada bahan materi pelajaran. Dengan banyaknya beredar game online yang sedang

banyak diminati oleh siswa, yang menjadikan siswa lebih banyak bermain dari pada

belajar. Akibatnya nilai prestasi akademik siswa mengalami penurunaan[2].

Berdasarkan permasalahan tersebut, maka dilakukakn perancangan sistem

pengambilan keputusan dengan metode linear regresi berganda dan korelasi.

Sistem pengambilan keputusan adalah bagian dari sitem informasi berbasis

komputer yang digunakan untuk mendukung pengambilan keputusan berdasarkan

perhitungan data yang dilakukan. Sedangkan metode linear regresi berganda dan

korelasi digunakan untuk mencari hubungan antar variabel dan besaran

pengaruhnya terhadap nilai prestasi. Penggunaan metode tersebut untuk

mempermudah dalan proses perhitungan dan penerapan kedalam sistem aplikasi

berbasis web.

Tujuan penelitian ini untuk mencari pengaruh jam belajar, jam tidur dan jam

santai terhadap nilai prestasi akademik siswa. Penelitian ini menghasilkan ouput

berupa sistem aplikasi web yang dapat digunakan untuk melakukan prediksi nilai

prestasi dan memberikan informasi variabel waktu yang mempengaruhi nilai

prestasi siswa tersebut. Dari hasil prediksi yang dihasilkan maka diharapkan dapat

digunakan sebagai saran pencegahan terjadinya nilai yang tidak di inginkan, dan

memperbaiki kualitas jam belajar sesuai dengan hasil presentase variabel yang ada.

2. Tinjauan Pustaka

Penelitian yang dilakukan untuk mencari faktor-faktor yang mempengaruhi

hasil belajar siswa kompetensi dasar ayat jurnal penyesuaian mata pelajaran

akuntansi kelas IPS SMA Negeri 1 Bae Kudus. Hasil dari penelitain ini adalah

faktor psikologi siswa(27,54%), faktor lingkungan masyarakat(10,8%), faktor

lingkungan keluarga(8,70%), faktor pendukung belajar(6,98%), faktor waktu

sekolah(6,23%). Dari penelitian yang dilakukan faktor psikologi siswa memiliki

pengaruh terbesar terhadap nilai prestasi akademik[3].

2

Sedangkan faktor-faktor yang mempengaruhi prestasi belajar praktik

kejuruan siswa SMK program studi keahlian Teknik Komputer dan Informatika,

faktor motivasi berprestasi memiliki pengaruh terbesar dengan presentase 15,79%,

faktor sarana dan prasarana sebasar 14,87%, dan faktor disiplin belajar sebesar

13,31%. Pada penelitian faktor sarana dan prasarana memiliki peranan penting

terjadap prestasi, karena proses kegiatan pembelajaran yang tidak dapay dilakukan

tanpa melakukan praktek secara langsung menggunakan sarana yang ada[4].

Dalam penelitian pengaruh disiplin belajar dan lingkungan teman sebaya

terhadap prestasi belajar mahasiswa program studi Pendidikan Angkutansi

angkatan 2009 Fakultas Ekonomi Universitas Negeri Yogyakarta, faktor pengaruh

disiplin belajar dan lingkungan teman sebaya memiliki pengaruh positif dan

signifikan. Sehingga lingkungan pergaulan dan teman sebaya memiliki pengaruh

dalam hasil nilai prestasi akademik[5].

Pada dasarnya pengambilan keputusan adalah suatu pendekatan sistematis

suatu masalah dengan mengumpulkan fakta, penentuan yang matang dari

alternative yang dihadapi, dan pengambilan tindakan berdasarkan perhitungan

yang paling tepat. Dalam menentukan suatu keputusan banyak faktor yang

mempengaruhi. Sehingga diperlukan untuk mengidentifikasi berbagai faktor yang

penting dan mempertimbangkan tingkat pengaruh dari setiap faktor terhadap faktor

yang lainya[6].

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). 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.

Analisis regresi linier berganda adalah hubungan secara linear antara dua

atau lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y).

Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan

variabel dependen apakah masing-masing variabel independen berhubungan positif

atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai

variabel independen mengalami kenaikan atau penurunan. Data yang digunakan

biasanya berskala interval atau rasio[7].

Persamaan regresi linear berganda ditunjukan pada persamaan 1.

Y’ = a + b1X1 + b2X2 + . . . .+ bnXn . . . . . . . . . . . . . . . . . . . . (1)

Keterangan :

Y’ = Variabel dependen (Nilai yang diprediksi)

X1 dan X2 = adalah variabel independen.

a = konstanta(nilai Y’ apabila x1,x2...xn = 0)

b = koefisisen regresi (nilai peningkatan ataupun penurunan).

Korelasi adalah salah satu teknik analisis yang dalam statistik digunakan

untuk mencari hubungan antara dua variabel yang bersifat kuantitatif. Analisis

korelasi merupakan studi pembahasan tentang derajat hubungan atau derajat

asosiasi antara dua variabel, misalnya variabel X dan variabel Y. Tujuan dari

3

analisis korelasi adalah untuk menentukan seberapa erat hubungan antara dua

variabel[8].

Persamaan korelasi ditunjukan pada persamaan 2.

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (2)

Keterangan :

rxy = Koefisien korelasi antara x dan y.

∑x.y = Jumlah perkalian antara x dan y.

X = deviasi dari mean untuk nilai variabel x.

Y = deviasi dari mean untuk nilai variabel y.

X2 = kuadrat nilai x

Y2 = kuadrat nilai y.

Besaran keterkaitan antara suatu faktor dengan faktor yang lainya

dipengaruhi oleh nilai interval dan rasio dari masing- masing faktor sehingga

semakin balance interval dan rasio maka keterlibatan kedua faktor semakin tinggi.

PHP (Hypertext Preprocessor) adalah salah satu bahasa pemrograman open

source yang digunakan untuk pengembangan web, dan dapat ditanamkan sebuah

script HTML. Bahasa PHP menggambarkan beberapa bahasa pemrograman seperti,

C, java, dan perl. PHP merupakan bahasa scripting server-side, dimana

pemrosesan datanya dilakukan pada sisi server. Sederhananya, server yang akan

menerjemahkan script program, baru hasil dari pemrosesan akan dikirim kepada

client yang melakukan permintaan.

Gambar 1 Skema PHP.

4

Model kerja HTML diawali dengan permintaan suatu halaman web oleh

browser. Berdasarkan Uniform Resource Locator (URL) atau disebut dengan

alamat Internet, browser mendapatkan alamat dari web server, mengidentifikasi

halaman yang dikehendaki, dan menyampaikan segala informasi yang dibutuhkan

oleh web server. Informasi yang disampaikan ke web server antara lain adalah

nama browser, versi, dan sistem operasinya. Selanjutnya, web server akan

mencarikan berkas yang diminta dan memberikan isinya ke browser. Browser yang

mendapatkan isinya segera melakukan proses penerjemahan kode HTML dan

menampilkan ke layar pemakai. Jika yang diminta adalah sebuah halama PHP,

maka prinsipnya serupa dengan kode HTML. Hanya saja, ketika berkas PHP yang

diminta didapatkan oleh web server, isinya segera dikirimkan ke mesin PHP dan

mesin inilah yang memproses dan memberikan hasilnya (berupa kode HTML) ke

web server. Selanjutnya, web server menyampaikan ke klien[9].

3. Metode dan Perancangan Sistem

Tahapan dalam melakukan penelitian yang dilakukan terbagi ke dalam 4

tahap, yaitu : (1) tahap Analisis Kebutuhan dan perancangan pertanyaan

wawancara, (2) tahap Pengumpulan data dan pengolahan data yang didapat dalam

bentuk excel, (3) tahap perancangan menu aplikasi web yang akan diterapkan, (4)

tahap pembahasan, Pengujian dan Analisis Hasil Pengujian.

Gambar 2 Tahapan Penelitian

5

Tahapan penelitian dapat dilihat pada Gambar 2. Tahap pertama adalah

identifikasi masalah, meliputi peninjauan lokasi yang akan digunakan untuk

melakukan penelitian. Lokasi yang dipilih adalah SMA N 1 Suruh karena faktor

sebagain besar siswa tidak banyak yang mengikuti bimbingan belajar tambahan.

Penentuan variabel yang akan digunakan dalam melakukan penelitian, penentuan

variabel akan berguna untuk penyusunan daftar pertanyaan kuesioner dan

wawancara.

Tahap kedua adalah pengumpulan data, tahap pengumpulan data meliputi

input data nilai raport siswa dan input data melalui hasil wawancara. Data

wawancara diperoleh melalui tatap muka langsung dan penyebaran kuesioner. Data

yang diperoleh kemudian diproses hitung manual menggunakan metode linear

regresi berganda dan korelasi di office excel.

Tahap ketiga adalah perancangan sistem dan penerapan metode linear

regresi berganda dan korelasi pada aplikasi web. Perancangan aplikasi meliputi

perancangan algoritma, use case diagram, dan activity diagram. Perancangan

algoritma adalah perhitungan data yang telah di input kedalam data office excel

kemudian dihitung menggunakan metode regresi linear berganda dan korelasi. Jika

hasil perhitungan sudah benar dan sesuai selanjutnya rumus perhitungan algoritma

akan diterapkan pada aplikasi sitem pendukung keputusan untuk meningkatkan

nilai prestasi akademik siswa. Penerapan rumus algoritma untuk mempermudah

user ketika melakukan perhitungan prediksi nilai.

Gambar 3 Diagram Use case

Pada Gambar 2 use case diagram sistem aplikasi melibatkan admin dan

user. Admin dapat mengakses dan mengelola data SPK, data siswa, data guru, data

nilai siswa, dan mata pelajaran. Sedangkan user sebagai siswa dapat mengakses

data nilai dan data SPK. Pada aplikasi sistem pendukung keputusan untuk

6

meningkatkan nilai akademik siswa bertumpu pada admin, karena kerahasian data

yang tidak boleh di akses oleh public.

Gambar 4 Diagram activity Alur proses sistem pengambilan keputusan dilakukan oleh user. User akan

menginputkan data jam belajar, jam istirahat, dan jam tidur. Kemudian sistem akan

melakukan proses hitung menngunakan metode linear regresi berganda dan

korelasi. Proses tersebut akan menghasilkan output berupa prediksi nilai semester

selanjutnya dan saran untuk melakukan peningkatan dari variabel yang di inputkan.

Tahap terakhir adalah pengujian dan analisis hasil penelitian, pada tahap ini

akan dilakukan pembahasan hasil penelitian dan proses pengujian terhadap sistem.

Sistem akan di uji terkait setiap fungsi yang digunakan dan daya efektifitas.

Selanjutnya akan di analisis dan penentuan kelayakan sistem. Dalam proses

pengujian sistem juga melibatkan user dan admin yang akan meggunakan, hal ini

untuk menunjang kebutuhan admin yang diperlukan.

4. Hasil dan Pembahasan

Dalam pembuatan aplikasi sistem pendukung keputusan untuk

meningkatkan nilai prestasi akademik melalui faktor waktu belajar, dilakukan

pengolahan data dalam bentuk office excel. Data yang diolah dalam aplikasi

sebanyak 50 responden. Sampel data di ambil secara acak dari masing - masing

7

perwakilan kelas. Data nilai raport yang dimasukan dalam proses hitung adalah

nilai rata-rata semua mata pelajaran selama satu semester.

Tabel 1 data sampel

Sampel Data Perhitungan Predikisi Nilai Rata-Rata Siswa

NIS Nilai (Y) Jam Belajar

(X1)

Jam Tidur

(X2)

Jam Santai (X3)

4673 7.9 9 7 8

4679 8.6 10 8 6

4683 8.3 11 6 7

4687 8.5 10 8 6

4693 8.7 11 7 6

4700 8.5 12 8 4

4705 7.8 12 6 6

4710 7.7 10 6 8

4715 8.2 9 7 8

4721 7.7 11 8 5

Pada tabel sampel data yang didapat, dilakukan penyesuain dengan data

hasil wawancara. Data nilai raport dalam kolom Y, kemudian x1 sebagai jam

belajar, x2 sebagai jam tidur, dan x3 sebagai jam santai. Penggolongan variabel

berdasarkan format waktu 24 jam dan digolongkan dalam kegiatan harian siswa.

Data jam belajar diperoleh dari 8 jam kegiatan KBM di sekolah dan penambahan

kegiatan belajar mandiri. Data jam tidur di ambil berdasarkan total seorang siswa

tidur diluar kegiatan sekolah. Data jam santai adalah total waktu yang digunakan

siswa selama melakukan kegiatan rutinitas diluar jam belajar dan jam tidur. Dari

ketiga variabel tersebut jika dijumlah total adalah 24 jam.

Proses selanjunya adalah perhitungan data yang ada kedalam bentuk regresi

linear berganda. Proses perhitungan dilakukan secara manual memlalui software

office excel. Penggunaan software office excel untuk melihat proses hitung secara

rinci setiap tahapan. Dengan adanya proses hitung per-tahap maka akan

memudahkan penerapan rumus metode linear regresi berganda kedalam aplikasi

web. Untuk melakukan pencarian prediksi menggunakan metode linear regresi

berganda, diperlukan proses hitung dalam beberapa tahap.

. . . . . . . . . . . . . . . . . . . . . . . .(3)

. . . . . . . . . . . . . . . . . . . . . . . .(4)

. . . . . . . . . . . . . . . . . . . . . . . .(5)

. . . . . . . . . . . . . . . . . . . . . . . .(6)

∑𝑥12 = ∑𝑥12 − (∑ 𝑥1)2

𝑛

∑𝑥22 = ∑𝑥22 − (∑ 𝑥2)2

𝑛

∑𝑥32 = ∑𝑥32 − (∑ 𝑥3)2

𝑛

∑𝑌2 = ∑𝑌2 − (∑𝑌)2

𝑛

8

Pada persamaan 3, 4, dan 5 adalah rumus untuk mencari nilai maksimum

dari setiap variabel. ∑x1^ adalah nilai maksimum variabel jam belajar, ∑x2^ adalah

nilai maksimum variabel jam tidur, ∑x2^ adalah nilai maksimum variabel jam

santai, ∑Y^ adalah nilai maksimum dari nilai, dan n adalah jumlah seluruh data.

. . . . . . . . . . . . .(7)

. . . . . . . . . . . . .(8)

. . . . . . . . . . . . .(9)

Pada persamaan 7, 8, dan 9 adalah tahap pencarian koefisien regresi, Dari

hasil proses hitung b1 sebagai koefisien variabel jam belajar, b2 sebagai koefisien

variabel jam tidur dan b3 sebagai koefisien variabel jam santai. Koefisien regresi

adalah sebagai nilai yang akan memberikan range untuk meningkat atau menurun

pada nilai prestasi selanjutnya.

. . . . . . . . . . . . . .(10)

Untuk mencari nilai konstanta maka diperlukan rumus pada persamaan 10.

Konstanta adalah nilai tetap, yang dipengaruhi oleh koefisien. Rumus pencarian

konstanta dimana jumlah maksimum variabel dependen dikurangi variabel

koefisien. Hasil proses hitung konstanta adalah 8,18. Setelah setiap variabel telah

dilakukan proses hitung, selanjutnya dimasukan kedalam rumus utama regresi

linear berganda untuk mencari nilai prediksi.

Y’ = 8,18 + 4,8X1 + 4,2X2 + (-0,89)X3 . . . . . . . . . . . . . . . . (11)

Pada persamaan 11 adalah hasil akhir perhitungan yang akan digunakan

untuk melakukan prediksi nilai siswa. Dengan nilai konstanta 8,18, nilai variabel

jam belajar 4,8x1, nilai variabel jam tidur 4,2x2, dan nilai dari variabel jam santai

(-0,89)x3. Tahap terakhir adalah menacari besaran pengaruh setiap variabel yang

ada terhadap nilai menggunakan rumus korelasi.

. . . . . . . . . . . . . . . . . . . .(12)

Perhitungan pada rumus korelasi digunakan untuk mencari faktor yang

paling mempengaruhi nilai akademik paling tinggi. Faktor yang memiliki pengaruh

paling tinggi adalah jam belajar dengan presentase 53%, faktor jam tidur dengan

𝑏1 =[(∑𝑥22 . ∑𝑥1𝑦. ∑𝑥3𝑦)

[(∑𝑥12 . ∑𝑥22 . ∑𝑥32)−

(∑𝑥2𝑦. ∑𝑥1𝑥2𝑥3)]

(∑𝑥1. ∑𝑥2.∑ 𝑥3)2]

𝑏2 =[(∑𝑥12 . ∑𝑥2𝑦.∑ 𝑥3𝑦)

[(∑𝑥12 . ∑𝑥22 . ∑𝑥32)−

(∑𝑥1𝑦. ∑𝑥1𝑥2𝑥3)]

(∑𝑥1. ∑𝑥2.∑ 𝑥3)2]

𝑏3 =[(∑𝑥32 . ∑𝑥1𝑦 ∑𝑥2𝑦)

[(∑𝑥12 . ∑𝑥22 . ∑𝑥32)−

(∑𝑥3𝑦. ∑𝑥1𝑥2𝑥3)]

(∑𝑥1. ∑𝑥2.∑ 𝑥3)2]

𝑎 =(∑𝑦) − (𝑏1. ∑𝑥1) − (𝑏2. ∑𝑥2) − (𝑏3. ∑ 𝑥3)

𝑛

𝑟 =(𝑛)(∑𝑥1𝑦) − ( ∑𝑥1)(𝑦)

√(𝑛)(𝑥12) − (𝑥1)2(𝑛)(𝑦2) − (𝑦)2

9

presentase 46%, faktor jam santai -7%, dan denag rasio error 3% dari data yang

tidak sesuai.

Proses sistem pendukung keputusan untuk melakukan proses prediksi nilai

akademik siswa dimulai dari admin daftar data siswa hingga hasil nilai prediksi

akan dijelaskan pada berikut :

Gambar 5 menu daftar data siswa Pada Gambar 5 merupakan menu daftar data siswa yang di isi oleh admin,

pada menu daftar data siswa admin dapat melakukan tambah data siswa, input nilai,

dan melakukan edit data siswa. Data siswa yang di input sesuai dengan data raport

sehingga pada sistem aplikasi juga bisa digunakan sebagai raport online.

Gambar 6 menu hasil prediksi

10

Pada Gambar 6 adalah tampilan hasil akhir prediksi nilai dan rekomendasi

variabel yang harus ditingkatkan. Pada menu ini siswa dapat menghapus data

variabel yang di inputkan dan melakukan perhitungan lagi, sehingga dapat

menemukan variabel atau waktu yang tepat untuk meningkatkan nilai prestasi

akademik. Perhitungan nilai prediksi menggunakan algoritma perhitungan linear

regresi berganda, dan untuk mencari besaran pengaruh setiap variabel

menngunakan persamaan rumus korelasi.

Kode Program 1 Fungsi prediksi nilai.

Pengujian sistem ini dilakukan dengan menggunakan teknik pengujian

Black Box Testing dan pengujian beta.Untuk menemukan masalah (error) atau

ketidak sesuaian pada fungsi-fungsi yang ada dalam sistem aplikasi. Untuk rincian

pengujian dapat dilihat pada tabel berikut:

a. Pengujian untuk bagian yang dapat diakses oleh user siswa pada sistem

pendukung keputusan untuk meningkatkan nilai prestasi siswa meliputi

login, lihat nilai, lihat data SPK, input data SPK dapat dilihat pada Tabel 2.

Tabel 2 pengujian black box untuk bagian yang dapat di akses oleh user

Aktivitas

dan Event

Input Output Status

Pengujian

login NIS dan

Password

a. Jika berhasil akan masuk ke menu utama

b. jika gagal akan menampilkan notifikasi

bahwa nis atau pasword tidak sesuai.

Valid

Lihat nilai Nilai hasil semester Valid

1. <?php echo 'Hasil Prediksi Nilai : <b>',

number_format(($a1/10)+(($b1*100000000000)*$l)+(($b2*1000000000

00)*$m)+(($b3*10000000000)*$n),2),'</b>, untuk mencapai hasil

maksimal';

2. $min_spk = min($satu, $dua, $tiga); 3. echo(' variabel yang harus diperbaiki adalah : <b>'); 4. if($min_spk == $satu){ 5. echo "Jam Belajar"; 6. } 7. elseif ($min_spk == $dua) { 8. echo "Jam Tidur"; 9. } 10. elseif ($min_spk == $tiga){

11. echo "Jam Santai";

12. }

13. else if($min_spk == $dua && $tiga){

14. echo "Jam Tidur dan Jam Santai";

15. }

16. else if($min_spk == $satu && $tiga){

17. echo "Jam Belajar dan Jam Santai";

18. }

19. else if($min_spk == $satu && $dua){

20. echo "Jam Belajar dan Jam Tidur";

21. }

22. echo "</b> dengan persentase <b>$min_spk</b> %.";

}

23. ?>

11

Lihat data

SPK

Hasil prediksi nilai dan rekomendasi untuk

memperbaiki nilai

Valid

Input data

SPK

Data jam

belajar, jam

tidur, jam

istirahat

Kolom pengisian data variabel SPK Valid

b. Pengujian untuk bagian yang dapat diakses oleh admin meliputi login, daftar

siswa, daftar guru, daftar mata pelajaran, SPK dan prediksi dapat dilihat

pada Tabel 3.

Tabel 3 pengujian black box untuk bagian yang dapat di akses oleh admin

Aktivitas

dan Event

Input Output Status

Pengujian

login id dan

Password

a. Jika berhasil akan masuk ke menu utama

b. jika gagal akan menampilkan notifikasi

bahwa nis atau pasword tidak sesuai.

Valid

Daftar

siswa

Data

identitas

siswa

Form kolom inputan siswa Valid

Daftar guru Data

identitas

guru

Form kolom inputan guru Valid

Daftar mata

pelajaran

Data mata

pelajaran

Form kolom inputan daftar mata pelajaran valid

Lihat SPK Daftar siswa dengan hasil SPK Valid

Berdasarkan hasil pengujian yang dilakukan diperoleh hasil bahwa masing

–masing fungsi pada aplikasi sistem pendukung keputusan sudah sesuai dengan

yang diharapkan. Pengujian beta merupakan pengujian yang dilakukan oleh suatu

kelompok yang tidak terlibat dalam pembuatan sistem, pengujian ini bertujuan

untuk mengetahui apakah sistem telah memenuhi kebutuhan pengguna. Untuk

mengetahui hasil dari pengujian beta digunakan kuesioner yang diberikan kepada

pengguna sistem. Tanggapan dari masing-masing responden yang telah mengisi

kuesioner kemudian dihitung dengan menggunakan skala likert dengan pilihan

jawaban Tidak Setuju bernilai 1, Kurang Setuju bernilai 2, Setuju bernilai 3, dan

Sangat Setuju bernilai 4. Skala likert merupakan skala yang digunakan untuk

mengukur pendapat atau persepsi seseorang maupun kelompok mengenai sebuah

peristiwa atau fenomena sosial. Tabel 4 daftar hasil jawaban responden

Jawaban Pertanyaan

1 2 3 4 5

Sangat Setuju 10 7 11 13 15

Setuju 7 8 6 4 2

Cukup Setuju 2 2 2 2 2

Kurang Setuju 1 2 1 1 1

Tidak Setuju 0 1 0 0 0

12

Jawaban kuesioner dihutung menggunakan persamaan skala likert dengan

tujuan untuk mengetahui persentase dari masing – masing jawaban kuesioner.

Berdasarkan hasil pengujian yang telah dilakukan sehingga dapat disimpulkan

bahwa pertanyaan pertama 86% responden memberi pendapat aplikasi ini mudah

digunakan. Sedangkan berdasarkan pertanyaan ke dua 78% responden berpendapat

aplikasi cukup menarik. Berdasarkan pertanyaan ketiga 87% responden

mengatakan aplikasi ini mudah untuk dipahami. sebanyak 86% responden

berpendapat bahwa fungsi pada aplikai sudah berfungsi sebagai mana mestinya.

Berdasarkan pertanyaan terakhir 91% responden berpendapat bahwa aplikasi ini

membantu siswa untuk meningkatkan prestasi dengan mengatur waktu belajar

dengan tepat.

5. Simpulan

Berdasarkan penelitian dan pengujian aplikasi yang telah dilakukan dapat

di ambil kesimpulan sebagai berikut : (1) faktor jam belajar memiliki pengaruh

tebesar terhadap nilai prestasi akademik 55%, jam tidur memiliki pengaruh 46%

dan faktor jam santai tidak memiliki pengaruh. Dari hasil tersebut, disiplin belajar

dan istirahat yang cukup memiliki pengaruh secara langsung terhadap nilai prestasi

siswa. (2) berdasarkan hasil pengujian sistem aplikasi, total 86,2% responden setuju

dengan adanya penerapan aplikasi sitem prediksi nilai akademik siswa. (3) dengan

adanya penelitian ini maka diharapkan siswa dapat mengatur waktu kegiatan setiap

hari untuk meningkatkan nilai prestasi akademik, dan melakukan kegiatan yang

bermanfaat untuk masa depan.

Pada penelitian sistem pendukung keputusan nilai prediksi siswa

menggunakan metode linear regresi berganda dan korelasi, masih jauh dari kata

sempurna sehingga diharapkan dapat dikembangkan sesuai dengan kebutuhan.

Saran pengembangan penelitian perlu ditambahkan variabel lain yang lebih

spesifik. Untuk mendapatkan hasil yang lebih baik dan effisien. Pada

pengemabangan sistem dan aplikasi diharapkan dapat ditambahakan fungsi prediksi

kelulusan atau kenaikan kelas, sehingga mengoptimalkan penggunaan data nilai

raport.

6. Daftar Pustaka

[1] Slameto, Belajar dan Faktor-Faktor yang Mempengaruhinya. Jakarta:

Rineka Cipta, 2010.

[2] T. Rizqi ariantoro, “Dampak game online terhadap prestasi belajar pelajar,”

vol. 3, no. 1, p. 56, 2016.

[3] S. R. Dana, “Faktor-Faktor Yang Mempengaruhi Hasil Belajar Siswa

Kompetensi Dasar Ayat Jurnal Penyesuaian Mata Pelajaran Akuntansi

Kelas XI IPS Di SMA Negeri 1 Bae Kudus,” Econ. Educ. Anal. J., vol. 1,

no. 2, pp. 1–7, 2012.

[4] L. Setiawati and P. Sudira, “Faktor-Faktor Yang Mempengaruhi Prestasi

Belajar Teknik Komputer Dan Informatika the Factors Affecting the

13

Achievement in Vocational Practice of the Students of Vocational High

School ( Smk ) Computer Technology and Informatics Program,” J.

Pendidik. vokasi, vol. 5, no. 1, pp. 325–339, 2015.

[5] S. T. Saputro and P. Pardiman, “Pengaruh Disiplin Belajar Dan

Lingkungan Teman Sebaya Terhadap Prestasi Belajar Mahasiswa Program

Studi Pendidikan Akuntansi Angkatan 2009 Fakultas Ekonomi Universitas

Negeri Yogyakarta,” J. Pendidik. Akunt. Indones., vol. 10, no. 1, pp. 78–97,

2019.

[6] D. Andayati, “Sistem Pendukung Keputusan Pra-Seleksi Penerimaan Siswa

Baru (Psb) on-Line Yogyakarta,” J. Teknol., vol. 3, no. 2, pp. 145–153,

2010.

[7] D. Prayitno, SPSS 22 Pengolahan Data Praktis. yogyakarta: andi, 2013.

[8] Sugiyono, Statistika untuk Penelitian. Bandung: Alfabeta, 2012.

[9] Y. Kustiyaningsih and D. Rosa, Pemrograman basis data berbasis web

menggunakan php dan mysql. yogyakarta: graha ilmu, 2011.