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

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. Metode ini dipilih karena mampu menyeleksi alternatif terbaik dari sejumlah alternatif. FMDM. Pengolaan data beasiswa yang belum terakumulasi menggunakan database secara optimal juga menyebabkan kesulitan dalam pemrosesan data. Sehingga menyebabkan lamanya proses penentuan penerima beasiswa. 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. alternative terbaik . Dalam laporan ini dilakukan dengan mencari nilai bobot untuk setiap atribut. system pendukung keputusan. Oleh karena itu. kemudian dilakukan proses perangkingan yang akan menentukan alternatif yang terbaik. SAW. sehingga dapat mempersingkat waktu penyeleksian dan dapat meningkatkan kualitas keputusan dalam menentukan penerima beasiswa tersebut. yaitu siswa yang berhak menerima beasiswa. perlu adanya suatu sistem yang mendukung proses penentuan penerima beasiswa. Kata Kunci : beasiswa.

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

yang secara khusus dikembangkan untuk mendukung solusi dari pemasalahan manajemen yang tidak terstruktur untuk meningkatkan kualitas pengambilan keputusan.3 FMADM FMADM adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. (Kusumadewi. interaktif. Masingmasing pendekatan memiliki kelebihan dan kelemahan. nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan. 2. Pada dasarnya. pendekatan obyektif dan pendekatan integrasi antara subyektif & obyektif. (Khoirudin. sehingga beberapa factor dalam proses perankingan alternatif bisa ditentukan secara bebas. ada 3 pendekatan untuk mencari nilai bobot atribut. Dengan demikian dapat ditarik satu definisi tentang SPK yaitu sebuah system berbasis komputer yang adaptif.II. dan interaktif yang digunakan untuk memecahkan masalah-masalah tidak terstruktur sehingga meningkatkan nilai keputusan yang diambil.2 Sistem Pendukung Keputusan SPK sebagai sebuah sistem berbasis computer yang membantu dalam proses pengambilan keputusan. 2007). kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan. Sedangkan pada pendekatan obyektif. Hal ini sesuai dengan ketentuan pasal 4 ayat (1) UU PPh/2000. beasiswa adalah penghasilan bagi yang menerimanya. LANDASAN TEORI 2.1 Beasiswa Pada dasarnya. nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan. Karena beasiswa bias diartikan menambah kemampuan ekonomis bagi penerimanya. berarti beasiswa merupakan penghasilan (Jawa Pos. fleksibel. 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). Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut. yaitu pendekatan subyektif. 2009). fleksibel. SPK sebagai sistem informasi berbasis komputer yang adaptif. Pada pendekatan subyektif. . 2008). 2.

1 Algoritma FMADM Algoritma FMADM adalah: 1.2 Langkah Penyelesaian Dalam penelitian ini menggunakan FMADM metode SAW. 3. ( Kusumadewi .…m dan j=1. Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan. 5. 2006): a.Ada beberapa metode yang dapat digunakan untuk mnyelesaikan masalah FMADM. Menentukan nilai preferensi untuk setiap alternatif (Vi) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W). nilai crisp MIN (MIN Xij) dari tiap kolom atribut dibagi dengan nilai crisp (Xij) setiap kolom.2. antara lain (Kusumadewi. Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih. Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp. Analytic Hierarchy Process (AHP) 2. Weighted Product (WP) c. 2007).3. 4. dimana nilai tersebut di peroleh berdasarkan nilai crisp. Melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi (R) dengan nilai bobot (W). Apabila berupa artibut keuntungan maka nilai crisp (Xij) dari setiap kolom atribut dibagi dengan nilai crisp MAX (MAX Xij) dari tiap kolom. i=1. 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).3.…n. Simple Additive Weighting Method (SAW) b. ELECTRE d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) e. 2.2. Adapun langkah langkahnya adalah: . 2. sedangkan untuk atribut biaya.

. 2. (Kusumadewi.m dan j=1. Menentukan rating kecocokan setiap alternative pada setiap kriteria... Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Nilai preferensi untuk setiap alternative (Vi)diberikan sebagai: Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.. . 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.. 3..2. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. 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.1.. 2.2. Membuat matriks keputusan berdasarkan criteria (Ci). 2006)..4 Metode SAW Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. yaitu Ci. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan. kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. 4.n. i=1.

1. 500.1 Kriteria Kriteria yang digunakan dalam menyeleksi pemohon adalah sebagai berikut : 1.000) Tidak Mampu ( Rp.000. Inklusi Kriteria nilai bobot : 1. Prestasi 2. Sekolah Prestasi Tk. PEMBAHASAN 3. 500.000) NILAI 1 3 5 . Sangat Penting (SP) = 5 2. Provinsi Prestaasi Tk. Nasional NILAI 1 2 3 4 5 Tabel 2 Ekonomi PENGHASILAN ORANG TUA Mampu (>= Rp.000 Rp. Penghasilan orang Tua/Ekonomi 3. Cukup Penting (CP) = 2 4.1.000) Sangat Tidak Mampu ( < Rp. Kurang Penting (KP) = 1 Tabel-tabel dari kriteria dengan nilai bobotnya masing.III. Kota Prestasi Tk. Penting (P) = 3 3.000.masing dapat dilihat pada tabel sebagai berikut : Tabel 1 Prestasi PRESTASI Tidak Berprestasi Prestasi Tk.

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

1.33 = 0.4.5) r22 = 5 3 r23 = Max (5.50 r41 = Max (2.5.3. Normalisasi matriks X menggunakan persamaan 1 Alternatif A1 2 r11 = Max (2.3.5) r42 = 1 1 r43 = Max (5.4.4.1.2) Min (3.3.1.1.3.5) r12 = 3 5 r13 = Max (5.1) = 0.2 = 0.3.2 Alternatif A3 3 r31 = Max (2.3.3.2 =1 Alternatif A4 4 =1 Alternatif A2 1 r21 = Max (2.5) r52 = 5 1 r53 = Max (5.4.3.2) Min (3.4.1.33 = 0.4.3.1.1.4.6 = 0.2) Min (3.5.3.5.1.5.4.1.2 = 0.3.3.1.75 .5) r32 = 3 4 r33 = Max (5.3.1) = 0.3.2) Min (3.4.4.8 = 0.1.3.2) Min (3.1.1.1.5.3.1.1) =1 = 0.1) = 0.1) = 0.50 Max (2.25 r51 = Alternatif A5 2 = 0.

V4 merupakan nilai preferansi dari alternatif A4.5 0. KESIMPULAN 1.25x5) + (0. Mencari alternative terbaik menggunakan persamaan 2 V1= (0. Pemberian skala konversi dan bobot preferensi dari setiap bobot kriteria memperngaruhi penilaian dan hasil perhitungan SAW. Semakin besar nilai preferensi semakin besar pula peluang alternatif untuk mendapatkan beasiswa IV.2x2)+(0x1)= 3.33 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. sehingga A4 atau dalam kasus ini siswa bernama Dela yang menjadi alternatif terbaik.25 R = 0.2x2)+(0x1)= 8.33x3)+(1x2)+(0x1)= 5. 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.33 1 0.5 0.49 V2= (0. 3.8x2)+(0x1)= 6.6x2)+(0x1)= 3.5 V4 merupakan peringkat pertama karena memiliki nilai yang lebih besar dari nilai lain.75 1 0. 2. .33x3)+(0.34 V4= (1x5) + (1x3)+(0.5x5) + (0.05 V3= (0.Dari hasil perhitungan di atas maka didapat matriks ternomalisasi R sebagai berikut : 0.2 1 0.2 4.2x3)+(0.5x5) + (0.8 0.2 0.2 0.4 V5= (0.2x3)+(0.75x5) + (0.6 0.

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

Sign up to vote on this title
UsefulNot useful