P. 1
Laporan Spk Fmadm Dg Saw

Laporan Spk Fmadm Dg Saw

|Views: 382|Likes:
Published by Farid Ahmad
spk fmadm saw
spk fmadm saw

More info:

Published by: Farid Ahmad on Apr 10, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

09/27/2014

pdf

text

original

LAPORAN SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA DI SMA N 1 BREBES DENGAN METODE FMADM DENGAN METODE SAW

DISUSUN DALAM RANGKA TUGAS MATA KULIAH SISTEM PENDUKUNG KEPUTUSAN

Disusun 1. Ardi Kusumaning Diah 2. Meitti Utami 3. Annisa Felayatie 4. Anna Indah P

: A12.2009.03405 A12.2009.03623 A12.2009.03646 A12.2009.03420

FAKULTAS ILMU KOMPUTER UNIVERSITAS DIAN NUSWANTORO 2013

Kata Kunci : beasiswa. yaitu siswa yang berhak menerima beasiswa. system pendukung keputusan. alternative terbaik . sehingga dapat mempersingkat waktu penyeleksian dan dapat meningkatkan kualitas keputusan dalam menentukan penerima beasiswa tersebut. Dalam laporan ini dilakukan dengan mencari nilai bobot untuk setiap atribut.Sistem Pendukung Keputusan Penerimaan Beasiswa di SMAN 1 Brebes Menggunakan FMADM (Multiple AttributeDecission Making) dengan Metode SAW (Simple Additive Weighting) ABSTRAK Dalam menentukan penerima beasiswa secara manual menyebabkan pengelolaan data beasiswa yang tidak efisien terutama dari segi waktu dan banyaknya perulangan proses yang sebenarnya dapat diefisienkan. perlu adanya suatu sistem yang mendukung proses penentuan penerima beasiswa. SAW. Metode ini dipilih karena mampu menyeleksi alternatif terbaik dari sejumlah alternatif. kemudian dilakukan proses perangkingan yang akan menentukan alternatif yang terbaik. Sistem pendukung keputusan penerimaan beasiswa menggunakan FMADM (Multiple Attribute Decission Making) dengan Metode SAW (Simple Additive Weighting) digunakan untuk menentukan siapa yang akan menerima beasiswa berdasarkan criteria-kriteria serta bobot yang sudah ditentukan. FMDM. Oleh karena itu. Sehingga menyebabkan lamanya proses penentuan penerima beasiswa. Pengolaan data beasiswa yang belum terakumulasi menggunakan database secara optimal juga menyebabkan kesulitan dalam pemrosesan data.

hanya yang memenuhi kriteria-kriteria saja yang akan memperoleh beasiswa tersebut. Biaya tersebut diberikan kepada yang berhak menerima sesuai dengan kriteria yang ditentukan.I. Beasiswa harus diberikan kepada penerima yang layak dan pantas untuk mendapatkannya. mempercepat dan mempermudah proses pengambilan keputusan. perusahaan swasta. dalam melakukan seleksi beasiswa tersebut tentu akan mengalami kesulitan karena banyaknya pelamar beasiswa dan adanya beberapa kriteria yang digunakan untuk menentukan siapa penerima beasiswa yang sesuai dengan yang diharapkan.2 Perumusan Masalah Bagaimana SPK dapat digunakan untuk menentukan siapa saja yang layak mendapatkan beasiswa di SMA N 1 Brebes ? 1.4 Tujuan Membangun aplikasi sistem pendukung keputusan untuk membantu dalam menentukan siapa saja yang layak mendapatkan beasiswa berdasarkan kriteria yang sudah ditentukan oleh SMA N 1 Brebes yaitu prestasi. Untuk itu diperlukan suatu Sistem Pendukung Keputusan yang dapat guna membantu.1 Latar Belakang Permasalahan Menyadari bahwa pendidikan sangat penting. Beasiswa dapat dikatakan sebagai pembiayaan yang tidak bersumber dari pendanaan sendiri atau orang tua. Pembuatan SPK dalam menyeleksi Penerima Beasiswa di SMA N 1 Brebes. 1. kedutaan. akan tetapi diberikan oleh pemerintah. Beberapa di antaranya melakukan program pendidikan gratis dan program beasiswa. Akan tetapi. negara sangat mendukung setiap warga negaranya untuk meraih pendidikan setinggi-tingginya. Proses dibatasi sampai tingkat siapakah yang layak untuk mendapatkan beasiswa 1. Tidak semua yang mendaftarkan diri sebagai calon penerima beasiswa akan diterima. .3 Batasan Masalah 1. serta lembaga pendidik atau peneliti. universitas. Demikian halnya dengan SMAN 1 Brebes yang telah memiliki program pemberian beasiswa terhadap siswa-siswanya. ekonomi dan inklusi. 2. PENDAHULUAN 1.

yang secara khusus dikembangkan untuk mendukung solusi dari pemasalahan manajemen yang tidak terstruktur untuk meningkatkan kualitas pengambilan keputusan. (Kusumadewi. sehingga beberapa factor dalam proses perankingan alternatif bisa ditentukan secara bebas. Masingmasing pendekatan memiliki kelebihan dan kelemahan.3 FMADM FMADM adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu.II. Dengan demikian dapat ditarik satu definisi tentang SPK yaitu sebuah system berbasis komputer yang adaptif. fleksibel. Hal ini sesuai dengan ketentuan pasal 4 ayat (1) UU PPh/2000. nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan. LANDASAN TEORI 2. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut. Karena beasiswa bias diartikan menambah kemampuan ekonomis bagi penerimanya. SPK sebagai sistem informasi berbasis komputer yang adaptif. Sedangkan pada pendekatan obyektif. ada 3 pendekatan untuk mencari nilai bobot atribut.1 Beasiswa Pada dasarnya. dan interaktif yang digunakan untuk memecahkan masalah-masalah tidak terstruktur sehingga meningkatkan nilai keputusan yang diambil. 2008). interaktif. fleksibel. berarti beasiswa merupakan penghasilan (Jawa Pos. 2007). (Khoirudin. nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan.2 Sistem Pendukung Keputusan SPK sebagai sebuah sistem berbasis computer yang membantu dalam proses pengambilan keputusan. . Pada dasarnya. 2. Disebutkan pengertian penghasilan adalah tambahan kemampuan ekonomis dengan nama dan dalam bentuk apa pun yang diterima atau diperoleh dari sumber Indonesia atau luar Indonesia yang dapat digunakan untuk konsumsi atau menambah kekayaan Wajib Pajak (WP). kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan. 2. beasiswa adalah penghasilan bagi yang menerimanya. Pada pendekatan subyektif. pendekatan obyektif dan pendekatan integrasi antara subyektif & obyektif. 2009). yaitu pendekatan subyektif.

3.2. 2006): a. Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan.2 Langkah Penyelesaian Dalam penelitian ini menggunakan FMADM metode SAW. 3. 2. sedangkan untuk atribut biaya. Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih. 5. Simple Additive Weighting Method (SAW) b.3.1 Algoritma FMADM Algoritma FMADM adalah: 1.2. Weighted Product (WP) c. Menentukan nilai preferensi untuk setiap alternatif (Vi) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W). dimana nilai tersebut di peroleh berdasarkan nilai crisp. Melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi (R) dengan nilai bobot (W). Melakukan normalisasi matriks dengan cara menghitung nilai rating kinerja ternormalisasi (rij) dari alternatif Ai pada atribut Cj berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan/benefit=MAKSIMUM atau atribut biaya/cost=MINIMUM). i=1.…m dan j=1. ( Kusumadewi . nilai crisp MIN (MIN Xij) dari tiap kolom atribut dibagi dengan nilai crisp (Xij) setiap kolom. Apabila berupa artibut keuntungan maka nilai crisp (Xij) dari setiap kolom atribut dibagi dengan nilai crisp MAX (MAX Xij) dari tiap kolom.Ada beberapa metode yang dapat digunakan untuk mnyelesaikan masalah FMADM. Adapun langkah langkahnya adalah: . Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp. Analytic Hierarchy Process (AHP) 2. antara lain (Kusumadewi.…n. 2. 2007). Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) e. ELECTRE d. 4.

Xij Max Xij rij = Min Xij Xij Jika j adalah atribut biaya (cost) Jika j adalah atribut Keuntungan (benefit) dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi. 2.. (Kusumadewi. 2.m dan j=1.4 Metode SAW Metode SAW sering juga dikenal istilah metode penjumlahan terbobot..2. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. 3. Menentukan rating kecocokan setiap alternative pada setiap kriteria. i=1.n.... Membuat matriks keputusan berdasarkan criteria (Ci).2.. 2006)..1. yaitu Ci. . Nilai preferensi untuk setiap alternative (Vi)diberikan sebagai: Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih. 4..

500. Penting (P) = 3 3. Provinsi Prestaasi Tk.1 Kriteria Kriteria yang digunakan dalam menyeleksi pemohon adalah sebagai berikut : 1.000) Tidak Mampu ( Rp.III.1.000. Kota Prestasi Tk. Inklusi Kriteria nilai bobot : 1. Sekolah Prestasi Tk.000) Sangat Tidak Mampu ( < Rp. Prestasi 2. Kurang Penting (KP) = 1 Tabel-tabel dari kriteria dengan nilai bobotnya masing.000. 500. Cukup Penting (CP) = 2 4.000) NILAI 1 3 5 .masing dapat dilihat pada tabel sebagai berikut : Tabel 1 Prestasi PRESTASI Tidak Berprestasi Prestasi Tk. Sangat Penting (SP) = 5 2.000 Rp. PEMBAHASAN 3. Nasional NILAI 1 2 3 4 5 Tabel 2 Ekonomi PENGHASILAN ORANG TUA Mampu (>= Rp.1. Penghasilan orang Tua/Ekonomi 3.

Provinsi Tk. Kota Tk.Tabel 3 Inklusi INKLUSI Normal Bodoh IQ Superior Cacat NILAI 1 3 4 5 Tabel 4 Data Pemohon NAMA Ardi (A1) Reski (A2) Zian (A3) Dela (A4) Dewi (A5) KRITERIA EKONOMI Tidak Mampu Sangat tidak mampu Tidak Mampu Mampu Sangat tidak mampu PRESTASI Tk Sekolah Tidak berprestasi Tk. 1] 2. Sekolah INKLUSI Cacat bodoh IQ Superior Normal Normal Dari tabel pemohon. maka dapat dibuat tabel rating kecocokan setiap alternatif pada setiap kriteria. 3. Matrik Keputusan X berdasarkan kriteria bobot 2 1 X = 3 4 2 3 5 3 1 5 5 3 4 1 2 . 2. Tabel 5 Rating Kecocokan Setiap Alternatif Pada Setiap Kriteria ALTERNATIF A1 A2 A3 A4 A4 KRITERIA C1 (MAX) 2 1 3 4 2 C2 (MIN) 3 4 3 1 5 C3(MAX) 5 3 4 1 1 Langkah – Langkah Penyelesaian 1. Vektor bobot : W= [ 5.

2) Min (3.2) Min (3.3.3.2 =1 Alternatif A4 4 =1 Alternatif A2 1 r21 = Max (2.1.1) = 0.1.3.2) Min (3.3.2 Alternatif A3 3 r31 = Max (2.3.3.4.5.3.3.1) = 0. Normalisasi matriks X menggunakan persamaan 1 Alternatif A1 2 r11 = Max (2.1.5) r52 = 5 1 r53 = Max (5.2) Min (3.2 = 0.1.1) = 0.75 .4.5.1.4.3.5) r12 = 3 5 r13 = Max (5.4.3.3.1.4.1.3.33 = 0.8 = 0.3.5.5.33 = 0.3.5) r32 = 3 4 r33 = Max (5.25 r51 = Alternatif A5 2 = 0.1.4.5) r22 = 5 3 r23 = Max (5.1.4.1.4.3.6 = 0.4.4.2) Min (3.1.3.5.1.50 r41 = Max (2.1) =1 = 0.1) = 0.1.2 = 0.1.5) r42 = 1 1 r43 = Max (5.50 Max (2.1.

8x2)+(0x1)= 6.4 V5= (0.5x5) + (0. Pemberian skala konversi dan bobot preferensi dari setiap bobot kriteria memperngaruhi penilaian dan hasil perhitungan SAW.33x3)+(1x2)+(0x1)= 5. Semakin besar nilai preferensi semakin besar pula peluang alternatif untuk mendapatkan beasiswa IV.75x5) + (0.5 0.2x2)+(0x1)= 8.2x3)+(0. .5x5) + (0.6 0.33 1 0.2 1 0. KESIMPULAN 1. Sistem pendukung keputusan untuk membantu menentukan penerima beasiswa dengan menggunakan FMADM dengan metode SAW dapat mempercepat proses penentuan penerimaan beasiswa dengan perhitungan yang akurat dalam memberikan rekomendasi penerimaan beasiswa. Mencari alternative terbaik menggunakan persamaan 2 V1= (0.33 0. 3.6x2)+(0x1)= 3.2 0.34 V4= (1x5) + (1x3)+(0. Sistem pendukung keputusan yang telah dibuat diharapkan dapat mempermudah dan mempercepat proses penyeleksian penerima beasiswa oleh petugas karena menggunakan proses perhitungan yang cepat dan tepat.2 0.5 V4 merupakan peringkat pertama karena memiliki nilai yang lebih besar dari nilai lain. V4 merupakan nilai preferansi dari alternatif A4.2 4.05 V3= (0. sehingga A4 atau dalam kasus ini siswa bernama Dela yang menjadi alternatif terbaik.33x3)+(0. 2.Dari hasil perhitungan di atas maka didapat matriks ternomalisasi R sebagai berikut : 0.49 V2= (0.2x3)+(0.75 1 0.2x2)+(0x1)= 3.25 R = 0.8 0.5 0.25x5) + (0.

uii. http://charitasfibriani. http://dir.com/2010/11/pertemuan-8. http://journal.id/index.pdf/ori/17-20.ac.jurn-a.jurn-a.unikom. DAFTAR PUSTAKA a.wordpress.id/s1-final-project/fakultas-teknik-dan-ilmu- komputer/teknik-informatika/2010/jbptunikompp-gdl-herisulist-21892/1720.pdf c.ac.php/Snati/article/viewFile/1073/998 b.V.pdf .files.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->