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.

Untuk mendapatkan beasiswa tersebut maka harus sesuai dengan aturan-aturan yang telah ditetapkan. penghasilan orang tua. 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.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. Oleh sebab itu tidak semua yang mendaftarkan diri sebagai calon penerima beasiswa tersebut akan diterima. jumlah saudara kandung. kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternative terbaik dari sejumlah alternatif. Kriteria yang ditetapkan dalam studi kasus ini adalah nilai indeks prestasi akademik. 1. Universitas Trunojoyo khususnya fakultas teknik adalah salah satu universitas yang mengelar program beasiwa setiap tahun bagi mahasiswa yang kurang mampu dan mahasiswa berprestasi.usia dan lain-lain.Pendahuluan 1. dalam hal ini alternatif yang dimaksud adalah yang berhak menerima beasiswa berdasarkan kriteria-kriteria yang ditentukan Dengan metode perangkingan tersebut.1 Latar Belakang Disetiap lembaga pendidikan khususnya universitas banyak sekali beasiswa yang ditawarkan kepada mahasiswa yang berprestasi dan yang kurang mampu. Oleh karena jumlah peserta yang mengajukan beasiswa banyak serta indikator criteria yang banyak juga. hanya yang memenuhi kriteria-kriteria saja yang akan memperoleh beasiswa tersebut. 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). . Metode SAW ini dipilih karena metode ini menentukan nilai bobot untuk setiap atribut. semester. jumlah tanggungan orang tua. Dengan menggunakan sebuah program untuk membantu menyelesaikan persmasalahan sehingga jauh lebih mudah dan efisien.

3 Batasan Masalah Pada penelitian ini diperlukan batasan-batasan agar sesuai dengan apa yang sudah direncanakan sebelumnya sehingga tujuan penelitian dapat tercapai. Metode pengambilan data diperoleh dengan menggunakan interview. Sample data yang dilakukan untuk penelitian ini diperoleh dari mahasiswa fakultas teknik universitas trunojoyo . b.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. Adapun batasan masalah yang di bahas pada penelitian ini adalah: a.1. 1. .

2. interaktif. 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. Scott Morton dengan istilah Management Decision Sistem. Dengan demikian dapat ditarik satu definisi tentang SPK yaitu sebuah system berbasis komputer yang adaptif.1 Beasiswa Pada dasarnya.2. Hal ini sesuai dengan ketentuan pasal 4 ayat (1) UU PPh/2000. yang secara khusus dikembangkan untuk mendukung solusi dari pemasalahan manajemen yang tidak terstruktur untuk meningkatkan kualitas pengambilan keputusan. berarti beasiswa merupakan penghasilan. 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). 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. BAB II DASAR TEORI 2. SPK sebagai sistem informasi berbasis komputer yang adaptif. Karakteristik dan Nilai Guna Karakteristik sistem pendukung keputusan adalah [10]: 1. dan interaktif yang digunakan untuk memecahkan masalah-masalah tidak terstruktur sehingga meningkatkan nilai keputusan yang diambil. fleksibel. Karena beasiswa bisa diartikan menambah kemampuan ekonomis bagi penerimanya. . beasiswa adalah penghasilan bagi yang menerimanya.2 Sistem Pendukung Keputusan pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S.

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

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. 3. Subsistem pengelolaan dialog (userinterface). Hubungan antara ketiga komponen ini dapat dilihat pada gambar dibawah. Subsistem pengelolaan model (modelbase). 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. 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. Komponen Sistem Pendukung Keputusan Sistem pendukung keputusan terdiri atas tiga komponen utama yaitu [10]: 1. Sub sistem pengelolaan model (model base) .

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

4. 2. dimana nilai tersebut di peroleh berdasarkan nilai crisp. nilai crisp MIN (MIN Xij) dari tiap kolom atribut dibagi dengan nilai crisp (Xij) setiap kolom. Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp.2. 5. 2006). 2. Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih. Adapun langkah-langkahnya adalah: 1. 2. 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). 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. Menentukan rating kecocokan setiap alternative pada setiap kriteria. (Kusumadewi. sedangkan untuk atribut biaya. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan. 4. Apabila berupa artibut keuntungan maka nilai crisp (Xij) dari setiap kolom atribut dibagi dengan nilai crisp MAX (MAX Xij) dari tiap kolom.2.2. 2.4 Metode SAW Metode SAW sering juga dikenal istilah metode penjumlahan terbobot.…m dan j=1. 3. Konsep dasar metode SAWadalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua . Menentukan nilai preferensi untuk setiap alternatif (Vi) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W).3.3. Melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi (R) dengan nilai bobot (W).…n. ( Kusumadewi . kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. 2007).1 Algoritma FMADM Algoritma FMADM adalah: 1. 3. yaitu Ci.2 Langkah Penyelesaian Dalam penelitian ini menggunakan FMADM metode SAW. Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan. Membuat matriks keputusan berdasarkan criteria (Ci). i=1.

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

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

1. Sangat Rendah ( SR ) = 0 2. Semester . Dimana dari suatu variabel tersebut akan dirubah kedalam bilangan fuzzynya. Tabel 2.4 4.Dari masing-masing bobot tersebut.8 6. Tabel 3.2 3. Sedang ( S ) = 0. 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. Tinggi ( ST ) = 0. Usia Kriteria Semester Variabel semester dikonversikan dengan bilangan fuzzy dibawah ini. maka dibuat suatu variabel-variabelnya. Rendah ( R ) = 0. Tabel 1. Di bawah ini adalah bilangan fuzzy dari bobot. Penghasilan orang tua 1 Kriteria Usia Variabel usia dikonversikan dengan bilangan fuzzy dibawah ini.6 5.

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

Dalam penelitian ini akan dicontohkan satu perhitungan untuk mencari nilai akhir dari 3 mahasiswa. ubah. help dan exit.2 Masukan Data Gambar 4 merupakan hasil proses dari penginputan dari pemohon beasiswa. Dimana datadata tersebut dimasukan berdasarkan kriteria yang sudah ditentukan melalui proses perhitungan.2 0.6 0. Dimana hasil yang akan ditampilkan adalah mahasiswa dengan alternative tertinggi sampai alternatif terendah. hapus.1 Tampilan Awal Gambar 3 merupakan halaman utama program ketika aplikasi tersebut dijalankan. Berdasarkan pada gambar 4 diatas. dapat dibentuk matriks keputusan X dengan mengambil 3 sampel data mahasiswa: dan vektor bobot: W= [0. 3. Ada beberapa macam menu diantaranya menu tambah data. proses.3 Hasil Seleksi Gambar 5 merupakan hasil dari proses aplikasi penerima beasiswa tersebut.8] .2 Perancangan konfigurasi sistem 3.2.4 1 1 0.DFD Level 1 3. 3.2.2. Sehingga yang akan lolos dalam penerimaan beasiswa tersebut adalah mahasiswa dengan nilai alternatif yang terbaik.

10 0.53.53.10 0.20 0.00 0.25 1.25 0.Matriks ternormalisasi R diperoleh dari persamaan (2. Langkah terakhir adalah proses perangkingan.20.60 0.25 0.50 0.50 0.53. dan V3 = 1.20 Perkalian Matriks W * R sebagai berikut : Langkah berikutnya adalah penjumlahan dari setiap alternatif.50 0.33 033 0.3 0.20 0.50 0.2 0.25 1. Hasil perankingan diperoleh: V1 1.75 0.1): 0.20 0. Nilai terbesar ada pada V2 sehingga alternatif A2 (Mahasiswa ke 2) adalah alternatif yang terpilih sebagai alternatif terbaik.20 0. Supaya lebih jelas dimisalkan untuk baris pertama dari matriks diatas adalah A1.00 0.50 0.20.33 0. Setelah dilakukan proses penjumlahan didapatkan nilai A1 = 1.53.25 1.00 0.40 0.20 0. baris ke 2 = A2 dan baris ke 3 = A3.20 0. V2 = 2. A3 = 1.05 0.33 0.33 0.33 0. A2 =2.50 0.20 0. .

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. maka tingkat validitasnya akan cenderung naik. Dari penelitian tersebut diketahui bahwa semakin banyak sampel yang dipunyai. .5. Penutup KESIMPULAN Telah dibangun sebuah sistem pendukung keputusan untuk membantu penentuan seseorang yang berhak mendapatkan beasiswa berdasarkan kriteria-kriteria yang telah ditentukan. dimana kriteria tersebut diterjemahkan dari bilangan fuzzy kedalam bentuk sebuah bilangan crisp.

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master Your Semester with a Special Offer from Scribd & The New York Times

Cancel anytime.