PEMBUATAN APLIKASI CHATTING SERVER CLIENT DENGAN PEMROGRAMAN SOCKET JAVA

Disusun oleh: 1. 2. 3. 4. 5. YUDHA DWI PUTRA NEGARA (070411100171) KHOTIBUL UMAM UMMU ZAZILAH SULIS SETYOWATI SILVIA AYU WULANDARI (070411100077) (070411100165) (070411100157) (070411100149)

JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS TRUNOJOYO 2010

1. BAB I.

maka perlu dibangun sebuah sistem pendukung keputusan yang akan membantu penentuan siapa yang berhak untuk mendapatkan beasiswa tersebut Model yang digunakan dalam sistem pendukung keputusan ini adalah Fuzzy Multiple Attribute Decision Making (FMADM). Dengan menggunakan sebuah program untuk membantu menyelesaikan persmasalahan sehingga jauh lebih mudah dan efisien. Kriteria yang ditetapkan dalam studi kasus ini adalah nilai indeks prestasi akademik. hanya yang memenuhi kriteria-kriteria saja yang akan memperoleh beasiswa tersebut.Pendahuluan 1. Metode SAW ini dipilih karena metode ini menentukan nilai bobot untuk setiap atribut. Oleh karena jumlah peserta yang mengajukan beasiswa banyak serta indikator criteria yang banyak juga. jumlah saudara kandung. semester.usia dan lain-lain. Universitas Trunojoyo khususnya fakultas teknik adalah salah satu universitas yang mengelar program beasiwa setiap tahun bagi mahasiswa yang kurang mampu dan mahasiswa berprestasi.2 Rumusan Masalah Berdasarkan latar belakang di atas dapat dirumuskan permasalahan yang akan diselesaikan yaitu bagaimana merancang sebuah system pendukung keputusan dengan menggunakan Fuzzy MADM (Multiple Attribute Decission Making) dengan metode SAW (Simple Additive Weighting) untuk menentukan siapa yang akan menerima beasiswa berdasarkan bobot dan kriteria yang sudah ditentukan. 1.1 Latar Belakang Disetiap lembaga pendidikan khususnya universitas banyak sekali beasiswa yang ditawarkan kepada mahasiswa yang berprestasi dan yang kurang mampu. jumlah tanggungan orang tua. kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternative terbaik dari sejumlah alternatif. diharapkan penilaian akan lebih tepat karena didasarkan pada nilai kriteria dan bobot yang sudah ditentukan sehingga akan mendapatkan hasil yang lebih akurat terhadap siapa yang akan menerima beasiswa tersebut. . Ada beasiswa yang dari lembaga milik nasional maupun swasta. penghasilan orang tua. Oleh sebab itu tidak semua yang mendaftarkan diri sebagai calon penerima beasiswa tersebut akan diterima. Untuk mendapatkan beasiswa tersebut maka harus sesuai dengan aturan-aturan yang telah ditetapkan. dalam hal ini alternatif yang dimaksud adalah yang berhak menerima beasiswa berdasarkan kriteria-kriteria yang ditentukan Dengan metode perangkingan tersebut.

1.3 Batasan Masalah Pada penelitian ini diperlukan batasan-batasan agar sesuai dengan apa yang sudah direncanakan sebelumnya sehingga tujuan penelitian dapat tercapai. b. Adapun batasan masalah yang di bahas pada penelitian ini adalah: a. Sample data yang dilakukan untuk penelitian ini diperoleh dari mahasiswa fakultas teknik universitas trunojoyo . Metode pengambilan data diperoleh dengan menggunakan interview.4 Tujuan Penelitian Tujuan penelitan ini adalah membangun suatu model pengambilan keputusan dengan mengunakan Fuzzy Multiple Attribute Decision Making (FMADM) dengan metode Simple Additive Weighting (SAW) untuk menentukan siapa yang akan menerima beasiswa berdasarkan kriteriakriteria serta bobot yang sudah ditentukan.1. .

2. Sistem Pendukung Keputusan dirancang untuk membantu pengambil keputusan dalam memecahkan masalah yang sifatnya semi terstruktur ataupun tidak terstruktur dengan menambahkan kebijaksanaan manusia dan informasi komputerisasi. berarti beasiswa merupakan penghasilan. . fleksibel. dan interaktif yang digunakan untuk memecahkan masalah-masalah tidak terstruktur sehingga meningkatkan nilai keputusan yang diambil. BAB II DASAR TEORI 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).1 Beasiswa Pada dasarnya. interaktif. Dengan demikian dapat ditarik satu definisi tentang SPK yaitu sebuah system berbasis komputer yang adaptif. Karena beasiswa bisa diartikan menambah kemampuan ekonomis bagi penerimanya. Scott Morton dengan istilah Management Decision Sistem. Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur SPK sebagai sebuah sistem berbasis computer yang membantu dalam proses pengambilan keputusan. fleksibel.2 Sistem Pendukung Keputusan pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Hal ini sesuai dengan ketentuan pasal 4 ayat (1) UU PPh/2000.2. yang secara khusus dikembangkan untuk mendukung solusi dari pemasalahan manajemen yang tidak terstruktur untuk meningkatkan kualitas pengambilan keputusan. SPK sebagai sistem informasi berbasis komputer yang adaptif. Karakteristik dan Nilai Guna Karakteristik sistem pendukung keputusan adalah [10]: 1. beasiswa adalah penghasilan bagi yang menerimanya.

Di samping berbagai keuntungan dan manfaat seperti dikemukakan diatas. Proses-proses yang dapat dilakukan SPK biasanya juga tergantung pada perangkat lunak yang digunakan. SPK juga memiliki beberapa keterbatasan. Dalam proses pengolahannya. SPK membantu pengambil keputusan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur. Sistem ini dirancang hanyalah untuk membantu pengambil keputusan dalam melaksanakan tugasnya. SPK memperluas kemampuan pengambil keputusan dalam memproses data / informasi bagi pemakainya. sehingga model yang ada dalam sistem tidak semuanya mencerminkan persoalan sebenarnya. 4. Manfaat yang dapat diambil dari SPK adalah [10]: 1. Dengan berbagai karakter khusus diatas. 3. Sistem Pendukung Keputusan. Kemampuan suatu SPK terbatas pada perbendaharaan pengetahuan yang dimilikinya (pengetahuan dasar serta model dasar). 2. Sistem Pendukung Keputusan dirancang dengan menekankan pada aspek fleksibilitas serta kemampuan adaptasi yang tinggi. 2. 3. SPK tidak memiliki kemampuan intuisi seperti yang dimiliki manusia. 3. dirancang sedemikian rupa sehingga dapat digunakan/dioperasikan dengan mudah. SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan. sistem pendukung keputusan mengkombinasikan penggunaan model-model analisis dengan teknik pemasukan data konvensional serta fungsi-fungsi pencari / interogasi informasi. diantaranya adalah [10] : 1. . 4. Walaupun suatu SPK. karena mampu menyajikan berbagai alternatif pemecahan. Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat dimodelkan.2. 4. mungkin saja tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan. namun ia dapat menjadi stimulan bagi pengambil keputusan dalam memahami persoalannya. SPK dapat memberikan berbagai manfaat dan keuntungan.

Subsistem pengelolaan data (database).Jadi secara dapat dikatakan bahwa SPK dapat memberikan manfaat bagi pengambil keputusan dalam meningkatkan efektifitas dan efisiensi kerja terutama dalam proses pengambilan keputusan. Hubungan antara ketiga komponen ini dapat dilihat pada gambar dibawah. Komponen Sistem Pendukung Keputusan Sistem pendukung keputusan terdiri atas tiga komponen utama yaitu [10]: 1. Sub sistem pengelolaan model (model base) . 3. Subsistem pengelolaan model (modelbase). Gambar : Hubungan antara tiga komponen sistem pendukung keputusan Sub sistem pengelolaan data (database) Sub sistem pengelolaan data (database) merupakan komponen SPK yang berguna sebagai penyedia data bagi sistem. Subsistem pengelolaan dialog (userinterface). Data tersebut disimpan dan diorganisasikan dalam sebuah basis data yang diorganisasikan oleh suatu sistem yang disebut dengan sistem manajemen basis data (Database Management System). 2.

nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan. ( Kusumadewi. dalam menyimpan berbagai model harus diperhatikan dan harus dijaga fleksibilitasnya. Masingmasing pendekatan memiliki kelebihan dan kelemahan. Model adalah suatu tiruan dari alam nyata.Keunikan dari SPK adalah kemampuannya dalam mengintegrasikan data dengan model-model keputusan. Pada dasarnya. Subsistem pengelolaan dialog (user interface) Keunikan lainnya dari SPK adalah adanya fasilitas yang mampu mengintegrasikan sistem yang terpasang dengan pengguna secara interaktif. 2006): a. ELECTRE d. pendekatan obyektif dan pendekatan integrasi antara subyektif & obyektif. Weighted Product (WP) c. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut. Kendala yang sering dihadapi dalam merancang suatu model adalah bahwa model yang dirancang tidak mampu mencerminkan seluruh variabel alam nyata. 2. antara lain (Kusumadewi. Pada pendekatan subyektif. Hal lain yang perlu diperhatikan adalah pada setiap model yang disimpan hendaknya ditambahkan rincian keterangan dan penjelasan yang komprehensif mengenai model yang dibuat. Sedangkan pada pendekatan obyektif. nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan. sehingga keputusan yang diambil tidak sesuai dengan kebutuhan oleh karena itu. ada 3 pendekatan untuk mencari nilai bobot atribut. sistem diimplementasikan sehingga pengguna dapat berkomunikasi dengan sistem yang dibuat. Analytic Hierarchy Process (AHP) . Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) e. Ada beberapa metode yang dapat digunakan untuk mnyelesaikan masalah FMADM.3 FMADM Fuzzy Multiple Attribute Decision Making FMADM adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. 2007). yaitu pendekatan subyektif. Simple Additive Weighting Method (SAW) b. kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan. yang dikenal dengan subsistem dialog. sehingga beberapa factor dalam proses perankingan alternatif bisa ditentukan secara bebas. Melalui subsistem dialog.

3. 2007). Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan. Apabila berupa artibut keuntungan maka nilai crisp (Xij) dari setiap kolom atribut dibagi dengan nilai crisp MAX (MAX Xij) dari tiap kolom. Adapun langkah-langkahnya adalah: 1. 5. ( Kusumadewi . 3. sedangkan untuk atribut biaya.…n.3. Menentukan nilai preferensi untuk setiap alternatif (Vi) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W). Menentukan rating kecocokan setiap alternative pada setiap kriteria. 4. Membuat matriks keputusan berdasarkan criteria (Ci). yaitu Ci. 3. 2. kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. 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. nilai crisp MIN (MIN Xij) dari tiap kolom atribut dibagi dengan nilai crisp (Xij) setiap kolom. dimana nilai tersebut di peroleh berdasarkan nilai crisp. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan. Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp. 2. Konsep dasar metode SAWadalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua .2. i=1.4 Metode SAW Metode SAW sering juga dikenal istilah metode penjumlahan terbobot.2 Langkah Penyelesaian Dalam penelitian ini menggunakan FMADM metode SAW.1 Algoritma FMADM Algoritma FMADM adalah: 1. Melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi (R) dengan nilai bobot (W).…m dan j=1. 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. 4. (Kusumadewi. 2006).2.2. 2. 2.

. i=1. dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj... .n.2.m dan j=1.atribut..2... Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternative yang ada.. Nilai preferensi untuk setiap alternative (Vi)diberikan sebagai: Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih..

Himpunan ini kemudian diperlakukan sebagai input kedalam sistem FMADM (dalam hal ini disebut sebagi Ci). karena dalam setiap criteria memiliki nilai yang berbeda-beda.1 Analisis Sistem Seperti telah dijelaskan pada pendahuluan. Alternatif yang dimaksud adalah mahasiswanya. Bobot Dalam metode penelitian ini ada bobot dan kriteria yang dibutuhkan untuk menentukan siapa yang akan terseleksi sebagai penerima beasiswa. C6= nilai IPK. semester.3. jumlah saudara kandung. jumlah tanggungan Orangtua. Tengah. Adapun kriterianya adalah: C1=Jumlah penghasilan Orangtua C2=Usia C3=Semester C4=Jumlah tanggungan Orangtua C5=jumlah saudara kandung. Variabel yang digunakan dalam penelitian ini adalah Jumlah penghasilan Orangtua. nilai IPK dan untuk himpunan fuzzynya adalah Rendah. BAB III Perancangan Sistem 3. Banyak. 2005). Banyak. Hasil akhir yang dikeluarkan oleh program nanti berasal dari nilai setiap kriteria. . Analisis Kebutuhan Output Keluaran yang dihasilkan dari penelitian ini adalah sebuah alternatif yang memiliki nilai tertinggi dibandingkan dengan alternatif nilai yang lain. usia. penilaian dilakukan dengan melihat nilai-nilai terhadap indikator yaitu jumlah penghasilan Orangtua. Urutan alternatif yang akan ditampilkan mulai dari alternatif tertinggi ke alternatif terendah. Selanjutnya masing-masing indikator tersebut dianggap sebagai kriteria yang akan dijadikan sebagai faktor untuk menentukan penerima beasiswa dan himpunan fuzzy nya adalah Rendah. (Kusumadewi. Pada penelitian ini hasil keluarannya diambil dari urutan alternatif tertinggi ke alternatif terendah. Banyak. dan nilai IPK. jumlah saudara kandung. Jumlah tanggungan Orangtua. Sedang. Usia. Semester. Banyak . Tinggi. Tinggi. Sedang Tengah.

8 6. Sedang ( S ) = 0. Di bawah ini adalah bilangan fuzzy dari bobot. 1.6 5. Rendah ( R ) = 0. Dimana dari suatu variabel tersebut akan dirubah kedalam bilangan fuzzynya. Usia Kriteria Semester Variabel semester dikonversikan dengan bilangan fuzzy dibawah ini.4 4. Tabel 1. Semester . Tengah ( T1 ) = 0. Banyak ( B ) = 1 Untuk mendapat variabel tersebut harus dibuat dalam sebuah grafik supaya lebih jelas pada gambar Kriteria Penghasilan Orang Tua Variabel penghasilan orang tua dikonversikan dengan bilangan fuzzy dibawah ini. Tabel 2.2 3. maka dibuat suatu variabel-variabelnya. Penghasilan orang tua 1 Kriteria Usia Variabel usia dikonversikan dengan bilangan fuzzy dibawah ini.Dari masing-masing bobot tersebut. Tinggi ( ST ) = 0. Tabel 3. Sangat Rendah ( SR ) = 0 2.

Jumlah tanggungan orang tua Kriteria Jumlah Saudara Kandung Variabel Jumlah saudara kandung dikonversikan dengan bilangan fuzzy dibawah ini. Tabel 4. Tabel 6. Nilai ipk . Tabel 5.Kriteria Jumlah Tanggungan Orang Tua Variabel Jumlah Tanggungan Orang Tua dikonversikan dengan bilangan fuzzy dibawah ini. Jumlah saudara kandung Kriteria Nilai IPK Variabel nilai IPK dikonversikan dengan bilangan fuzzy dibawah ini.

Dalam penelitian ini akan dicontohkan satu perhitungan untuk mencari nilai akhir dari 3 mahasiswa.2. Sehingga yang akan lolos dalam penerimaan beasiswa tersebut adalah mahasiswa dengan nilai alternatif yang terbaik. dapat dibentuk matriks keputusan X dengan mengambil 3 sampel data mahasiswa: dan vektor bobot: W= [0.1 Tampilan Awal Gambar 3 merupakan halaman utama program ketika aplikasi tersebut dijalankan. Berdasarkan pada gambar 4 diatas.2 Masukan Data Gambar 4 merupakan hasil proses dari penginputan dari pemohon beasiswa. 3.2 Perancangan konfigurasi sistem 3. 3.2 0.3 Hasil Seleksi Gambar 5 merupakan hasil dari proses aplikasi penerima beasiswa tersebut. Ada beberapa macam menu diantaranya menu tambah data. Dimana hasil yang akan ditampilkan adalah mahasiswa dengan alternative tertinggi sampai alternatif terendah. ubah. Dimana datadata tersebut dimasukan berdasarkan kriteria yang sudah ditentukan melalui proses perhitungan.6 0.DFD Level 1 3. help dan exit. hapus.2.2. proses.8] .4 1 1 0.

50 0.20.25 1. V2 = 2.53.20.50 0. Langkah terakhir adalah proses perangkingan.25 1.50 0. .20 0.33 0. Setelah dilakukan proses penjumlahan didapatkan nilai A1 = 1. Supaya lebih jelas dimisalkan untuk baris pertama dari matriks diatas adalah A1.1): 0. A3 = 1.20 0.40 0. Hasil perankingan diperoleh: V1 1.33 0.33 033 0.00 0.2 0.50 0.20 0.53.50 0.75 0.05 0.10 0.50 0.3 0.20 Perkalian Matriks W * R sebagai berikut : Langkah berikutnya adalah penjumlahan dari setiap alternatif.33 0.25 1.53. baris ke 2 = A2 dan baris ke 3 = A3.25 0.00 0.53.Matriks ternormalisasi R diperoleh dari persamaan (2. dan V3 = 1.33 0.20 0.20 0.20 0. Nilai terbesar ada pada V2 sehingga alternatif A2 (Mahasiswa ke 2) adalah alternatif yang terpilih sebagai alternatif terbaik.00 0.60 0.25 0.20 0. A2 =2.10 0.

Dari penelitian tersebut diketahui bahwa semakin banyak sampel yang dipunyai. Sehingga nilainya akan bisa dilakukan proses perhitungan untuk mencari alternatif terbaik. dan hasil akhir dari penelitian ini adalah sebuah alternatif yang memiliki nilai alternatif terbaik dari alternatif yang lain. Penutup KESIMPULAN Telah dibangun sebuah sistem pendukung keputusan untuk membantu penentuan seseorang yang berhak mendapatkan beasiswa berdasarkan kriteria-kriteria yang telah ditentukan. . maka tingkat validitasnya akan cenderung naik.5. dimana kriteria tersebut diterjemahkan dari bilangan fuzzy kedalam bentuk sebuah bilangan crisp.

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.