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

system pendukung keputusan. Kata Kunci : beasiswa. Pengolaan data beasiswa yang belum terakumulasi menggunakan database secara optimal juga menyebabkan kesulitan dalam pemrosesan data. yaitu siswa yang berhak menerima beasiswa. alternative terbaik . Oleh karena itu. Sehingga menyebabkan lamanya proses penentuan penerima beasiswa. sehingga dapat mempersingkat waktu penyeleksian dan dapat meningkatkan kualitas keputusan dalam menentukan penerima beasiswa tersebut. FMDM. 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 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. Dalam laporan ini dilakukan dengan mencari nilai bobot untuk setiap atribut. 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. SAW.

PENDAHULUAN 1. Biaya tersebut diberikan kepada yang berhak menerima sesuai dengan kriteria yang ditentukan. Proses dibatasi sampai tingkat siapakah yang layak untuk mendapatkan beasiswa 1. hanya yang memenuhi kriteria-kriteria saja yang akan memperoleh beasiswa tersebut. negara sangat mendukung setiap warga negaranya untuk meraih pendidikan setinggi-tingginya. Akan tetapi. universitas. perusahaan swasta. Beasiswa harus diberikan kepada penerima yang layak dan pantas untuk mendapatkannya.I. akan tetapi diberikan oleh pemerintah.1 Latar Belakang Permasalahan Menyadari bahwa pendidikan sangat penting. 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. 2.3 Batasan Masalah 1. . Beberapa di antaranya melakukan program pendidikan gratis dan program beasiswa. serta lembaga pendidik atau peneliti. Pembuatan SPK dalam menyeleksi Penerima Beasiswa di SMA N 1 Brebes. Demikian halnya dengan SMAN 1 Brebes yang telah memiliki program pemberian beasiswa terhadap siswa-siswanya.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. Beasiswa dapat dikatakan sebagai pembiayaan yang tidak bersumber dari pendanaan sendiri atau orang tua. kedutaan. ekonomi dan inklusi. mempercepat dan mempermudah proses pengambilan keputusan. Untuk itu diperlukan suatu Sistem Pendukung Keputusan yang dapat guna membantu. Tidak semua yang mendaftarkan diri sebagai calon penerima beasiswa akan diterima.2 Perumusan Masalah Bagaimana SPK dapat digunakan untuk menentukan siapa saja yang layak mendapatkan beasiswa di SMA N 1 Brebes ? 1. 1.

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

Apabila berupa artibut keuntungan maka nilai crisp (Xij) dari setiap kolom atribut dibagi dengan nilai crisp MAX (MAX Xij) dari tiap kolom.…n. 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). antara lain (Kusumadewi.1 Algoritma FMADM Algoritma FMADM adalah: 1. 4. Menentukan nilai preferensi untuk setiap alternatif (Vi) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W). 2006): a.2. 2. ( Kusumadewi . Analytic Hierarchy Process (AHP) 2. i=1. Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.3. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) e. Adapun langkah langkahnya adalah: . 5.2.Ada beberapa metode yang dapat digunakan untuk mnyelesaikan masalah FMADM. Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp. dimana nilai tersebut di peroleh berdasarkan nilai crisp. 3. Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan.2 Langkah Penyelesaian Dalam penelitian ini menggunakan FMADM metode SAW. Weighted Product (WP) c. Simple Additive Weighting Method (SAW) b. 2. ELECTRE d.…m dan j=1. nilai crisp MIN (MIN Xij) dari tiap kolom atribut dibagi dengan nilai crisp (Xij) setiap kolom. sedangkan untuk atribut biaya.3. Melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi (R) dengan nilai bobot (W). 2007).

.1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan. 4. Nilai preferensi untuk setiap alternative (Vi)diberikan sebagai: Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.2. kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. yaitu Ci. i=1. . 3.2... 2.. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut.4 Metode SAW Metode SAW sering juga dikenal istilah metode penjumlahan terbobot..n. 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... Menentukan rating kecocokan setiap alternative pada setiap kriteria. 2006). (Kusumadewi. 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. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. 2..m dan j=1. Membuat matriks keputusan berdasarkan criteria (Ci).

500. Penting (P) = 3 3. Kota Prestasi Tk.masing dapat dilihat pada tabel sebagai berikut : Tabel 1 Prestasi PRESTASI Tidak Berprestasi Prestasi Tk. 500.000) NILAI 1 3 5 .000) Tidak Mampu ( Rp.000. Cukup Penting (CP) = 2 4.1 Kriteria Kriteria yang digunakan dalam menyeleksi pemohon adalah sebagai berikut : 1. PEMBAHASAN 3.1. Kurang Penting (KP) = 1 Tabel-tabel dari kriteria dengan nilai bobotnya masing. Penghasilan orang Tua/Ekonomi 3.000) Sangat Tidak Mampu ( < Rp. Prestasi 2. Sekolah Prestasi Tk.000 Rp.000.1. Sangat Penting (SP) = 5 2.III. Provinsi Prestaasi Tk. Nasional NILAI 1 2 3 4 5 Tabel 2 Ekonomi PENGHASILAN ORANG TUA Mampu (>= Rp. Inklusi Kriteria nilai bobot : 1.

1] 2. 2. 3. 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. maka dapat dibuat tabel rating kecocokan setiap alternatif pada setiap kriteria. 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. Matrik Keputusan X berdasarkan kriteria bobot 2 1 X = 3 4 2 3 5 3 1 5 5 3 4 1 2 . Vektor bobot : W= [ 5. Sekolah INKLUSI Cacat bodoh IQ Superior Normal Normal Dari tabel pemohon.

5) r22 = 5 3 r23 = Max (5.1.3.3.33 = 0.1.5.3.50 r41 = Max (2.1.4.5.6 = 0.5) r32 = 3 4 r33 = Max (5.1.1.3.33 = 0.2) Min (3.3.3.4.4.1) = 0.1.1.2) Min (3.3.4.4.3.2) Min (3.3.4.3.1) = 0.1.3.25 r51 = Alternatif A5 2 = 0.1.5.2 =1 Alternatif A4 4 =1 Alternatif A2 1 r21 = Max (2.1.1.1.3.2 = 0.4.3.1.50 Max (2.4.2) Min (3.8 = 0.75 .5) r12 = 3 5 r13 = Max (5.2) Min (3.4.5.1.1) = 0.2 = 0.3.5) r52 = 5 1 r53 = Max (5. Normalisasi matriks X menggunakan persamaan 1 Alternatif A1 2 r11 = Max (2.5.5) r42 = 1 1 r43 = Max (5.3.1) =1 = 0.2 Alternatif A3 3 r31 = Max (2.1.1) = 0.4.3.

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. .25 R = 0.2 4.5x5) + (0.6x2)+(0x1)= 3.5 0.75 1 0.33 0.Dari hasil perhitungan di atas maka didapat matriks ternomalisasi R sebagai berikut : 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. Pemberian skala konversi dan bobot preferensi dari setiap bobot kriteria memperngaruhi penilaian dan hasil perhitungan SAW.8 0.6 0.5 V4 merupakan peringkat pertama karena memiliki nilai yang lebih besar dari nilai lain.8x2)+(0x1)= 6.2x2)+(0x1)= 3. V4 merupakan nilai preferansi dari alternatif A4.33 1 0. Semakin besar nilai preferensi semakin besar pula peluang alternatif untuk mendapatkan beasiswa IV.33x3)+(1x2)+(0x1)= 5.49 V2= (0. KESIMPULAN 1. 3. Mencari alternative terbaik menggunakan persamaan 2 V1= (0.2 1 0. 2.5 0.2x3)+(0.25x5) + (0.33x3)+(0.2x3)+(0.2 0.2 0.05 V3= (0.4 V5= (0.2x2)+(0x1)= 8.5x5) + (0. sehingga A4 atau dalam kasus ini siswa bernama Dela yang menjadi alternatif terbaik.34 V4= (1x5) + (1x3)+(0.75x5) + (0.

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

Sign up to vote on this title
UsefulNot useful