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

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 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. alternative terbaik . 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. yaitu siswa yang berhak menerima beasiswa. Oleh karena itu. Kata Kunci : beasiswa. system pendukung keputusan. SAW. kemudian dilakukan proses perangkingan yang akan menentukan alternatif yang terbaik. FMDM. Metode ini dipilih karena mampu menyeleksi alternatif terbaik dari sejumlah alternatif. sehingga dapat mempersingkat waktu penyeleksian dan dapat meningkatkan kualitas keputusan dalam menentukan penerima beasiswa tersebut.

Beasiswa dapat dikatakan sebagai pembiayaan yang tidak bersumber dari pendanaan sendiri atau orang tua. perusahaan swasta. Proses dibatasi sampai tingkat siapakah yang layak untuk mendapatkan beasiswa 1. hanya yang memenuhi kriteria-kriteria saja yang akan memperoleh beasiswa tersebut. 2. Akan tetapi. Demikian halnya dengan SMAN 1 Brebes yang telah memiliki program pemberian beasiswa terhadap siswa-siswanya. mempercepat dan mempermudah proses pengambilan keputusan. akan tetapi diberikan oleh pemerintah. Beasiswa harus diberikan kepada penerima yang layak dan pantas untuk mendapatkannya. . Pembuatan SPK dalam menyeleksi Penerima Beasiswa di SMA N 1 Brebes.I. universitas. Biaya tersebut diberikan kepada yang berhak menerima sesuai dengan kriteria yang ditentukan.3 Batasan Masalah 1.1 Latar Belakang Permasalahan Menyadari bahwa pendidikan sangat penting. PENDAHULUAN 1. Untuk itu diperlukan suatu Sistem Pendukung Keputusan yang dapat guna membantu. Beberapa di antaranya melakukan program pendidikan gratis dan program beasiswa. ekonomi dan inklusi. kedutaan. negara sangat mendukung setiap warga negaranya untuk meraih pendidikan setinggi-tingginya. serta lembaga pendidik atau peneliti. 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.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.2 Perumusan Masalah Bagaimana SPK dapat digunakan untuk menentukan siapa saja yang layak mendapatkan beasiswa di SMA N 1 Brebes ? 1. 1. Tidak semua yang mendaftarkan diri sebagai calon penerima beasiswa akan diterima.

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

Analytic Hierarchy Process (AHP) 2. 2006): a. Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) e. sedangkan untuk atribut biaya. 2007). ELECTRE d. nilai crisp MIN (MIN Xij) dari tiap kolom atribut dibagi dengan nilai crisp (Xij) setiap kolom.…n. 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. Melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi (R) dengan nilai bobot (W). 2.3. Simple Additive Weighting Method (SAW) b. Weighted Product (WP) c.3. 4. i=1. Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp. Adapun langkah langkahnya adalah: .…m dan j=1.2.2. 2. 3. Menentukan nilai preferensi untuk setiap alternatif (Vi) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W).2 Langkah Penyelesaian Dalam penelitian ini menggunakan FMADM metode SAW.1 Algoritma FMADM Algoritma FMADM adalah: 1. antara lain (Kusumadewi. 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). Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih. dimana nilai tersebut di peroleh berdasarkan nilai crisp. 5. ( Kusumadewi .

2. . 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.m dan j=1... Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan. 3.1. 2..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. 2006). Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut..2. 4. Membuat matriks keputusan berdasarkan criteria (Ci). i=1.4 Metode SAW Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. yaitu Ci. Menentukan rating kecocokan setiap alternative pada setiap kriteria.. Nilai preferensi untuk setiap alternative (Vi)diberikan sebagai: Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih... kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. (Kusumadewi.

1. Kota Prestasi Tk. Kurang Penting (KP) = 1 Tabel-tabel dari kriteria dengan nilai bobotnya masing. Provinsi Prestaasi Tk. Sangat Penting (SP) = 5 2. Penghasilan orang Tua/Ekonomi 3. Penting (P) = 3 3. Inklusi Kriteria nilai bobot : 1.000 Rp.000.000) NILAI 1 3 5 .III. 500.masing dapat dilihat pada tabel sebagai berikut : Tabel 1 Prestasi PRESTASI Tidak Berprestasi Prestasi Tk. Sekolah Prestasi Tk.000. Cukup Penting (CP) = 2 4.000) Sangat Tidak Mampu ( < Rp.1 Kriteria Kriteria yang digunakan dalam menyeleksi pemohon adalah sebagai berikut : 1. Nasional NILAI 1 2 3 4 5 Tabel 2 Ekonomi PENGHASILAN ORANG TUA Mampu (>= Rp. 500.1. Prestasi 2.000) Tidak Mampu ( Rp. PEMBAHASAN 3.

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

1.5) r42 = 1 1 r43 = Max (5.3.4.50 r41 = Max (2.4.4.1) = 0.3.50 Max (2.1.1.3.1) =1 = 0.1.5.1.1.6 = 0.2) Min (3.3.1) = 0.1.1.5.5) r22 = 5 3 r23 = Max (5.1.2) Min (3.3.2 = 0.5.3.1.4.1.4.1.4.1.3.3.5) r52 = 5 1 r53 = Max (5. Normalisasi matriks X menggunakan persamaan 1 Alternatif A1 2 r11 = Max (2.4.33 = 0.8 = 0.4.2 =1 Alternatif A4 4 =1 Alternatif A2 1 r21 = Max (2.1.5.2) Min (3.2 Alternatif A3 3 r31 = Max (2.4.25 r51 = Alternatif A5 2 = 0.1) = 0.5) r12 = 3 5 r13 = Max (5.5) r32 = 3 4 r33 = Max (5.33 = 0.2) Min (3.5.1.3.3.3.3.2 = 0.3.3.4.75 .1) = 0.3.2) Min (3.3.

8x2)+(0x1)= 6.2x3)+(0.5 0. 2. Semakin besar nilai preferensi semakin besar pula peluang alternatif untuk mendapatkan beasiswa IV.6 0.2 0. KESIMPULAN 1.33x3)+(0. 3. Pemberian skala konversi dan bobot preferensi dari setiap bobot kriteria memperngaruhi penilaian dan hasil perhitungan SAW.33x3)+(1x2)+(0x1)= 5. V4 merupakan nilai preferansi dari alternatif A4. 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. Mencari alternative terbaik menggunakan persamaan 2 V1= (0. sehingga A4 atau dalam kasus ini siswa bernama Dela yang menjadi alternatif terbaik.6x2)+(0x1)= 3.2 4. .5 0.49 V2= (0.34 V4= (1x5) + (1x3)+(0.33 1 0.33 0.05 V3= (0.5x5) + (0.75x5) + (0.8 0. 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.2 1 0.Dari hasil perhitungan di atas maka didapat matriks ternomalisasi R sebagai berikut : 0.2x2)+(0x1)= 3.5 V4 merupakan peringkat pertama karena memiliki nilai yang lebih besar dari nilai lain.2x2)+(0x1)= 8.4 V5= (0.25x5) + (0.2 0.75 1 0.5x5) + (0.2x3)+(0.25 R = 0.

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

Sign up to vote on this title
UsefulNot useful