ISSN: 2502-8928 (Online) 189IJCCS,
st th th
SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN
BANTUAN PENGURANGAN UANG KULIAH
TUNGGAL BAGI MAHASISWA KURANG MAMPU
PADA UNIVERSITAS HALU OLEO MENGGUNAKAN
METODE SIMPLE ADDITIVE WEIGHTING (SAW)
Roy Pane*1, Ika Purwanti Ningrum2, Rizal Adi Saputra31,2,3
Jurusan Teknik Informatika, Fakultas Teknik Universitas Halu Oleo, Kendari e-mail: *[email protected], [email protected],
3
Abstrak
Metode Simple Additive Weighting atau metode SAW merupakan metode yang juga dikenal dengan metode penjumlahan berbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut, nilai maksimal dari perhintungan aplikasi metode SAW ini 45 sedangkan nilai terkecil 0 dan nilai batas kelulusan 15.
Hasil dari penelitian ini yaitu sebuah aplikasi pendukung keputusan pemberian bantuan pengurangan uang kuliah tunggal bagi mahasiswa kurang mampu pada Universitas Halu Oleo, pada pengujian sistem yang lama dan yang baru terdapat perbedaan hasil keputusan pemberian bantuan pengurangan UKT, dimana hasil keputusan menggunakan sistem yang lama semua mahasiswa dinyatakan lulus sedangkan mengunakan aplikasi sistem metode Simple Additive Weighting 1 (satu) mahasiswa dinyatakan tidak lulus karena mempunya nilai SAW 13,35 dengan kata lain tidak memenuhi kriteria kurang mampu dari hasil perhitungan dan perangkingan SAW.
Kata Kunci—Sistem Pendukung Keputusan, Simple Additive Weighting, Pengurangan Uang Kuliah Tunggal (UKT).
Abstract
Simple Additive Weighting or SAW methods is a method that is also known as the weighted sum method. The basic concept of the method is to find a weighted summation of the SAW of rating performance on any alternative on all attributes, the maximum value of this SAW method application is 45, the smallest value of this SAW method application is 0, and the value of the limit graduation is 15.
The results of this research, namely a decision support application grant a single tuition reductions for students less capable at Halu Oleo, on testing system of old and new, there is a difference of the results the decision granting the aid reduction UKT where results using the old system of all students declared while using a Simple Additive Weighting method of system one (1) student stated does not pass because it has the value of SAW 13.35 in other words no less able to meet the criteria from the results of the calculation and ranking of SAW.
Keywords—Decision Support Systems, Simple Additive Weighting, The Reduction Of Tuition Fees (UKT).
1. PENDAHULUAN
niversitas Halu Oleo merupakan salah satu Perguruan Tinggi Negeri di Indonesia yang menyelenggarakan sistem pembayaran biaya operasional pendidikan yang menganut sistem Uang Kuliah Tunggal (UKT). UKT mulai diterapkan pada tahun 2013, merujuk Peraturan Menteri Pendidikan dan Kebudayaan Republik Indonesia Nomor 55 Tahun 2013 tentang, Biaya Kuliah Tunggal (BKT) dan Uang Kuliah Tunggal (UKT) pada Perguruan Tinggi Negeri di lingkungan Kementerian Pendidikan dan Kebudayaan.
Pada dasarnya adanya UKT adalah untuk meringankan beban kuliah mahasiswa yang dirasa terlalu tinggi. Pada kenyataan di lapangan, masih banyak mahasiswa yang secara ekonomi masuk dalam golongan kurang mampu namun dikenai UKT On Top atau tarif tertinggi. Terkadang juga ada mahasiswa yang sengaja memanipulasi data sosial ekonomi keluarganya demi mendapatkan UKT yang rendah.
Berdasarkan hal tersebut banyak mahasiswa yang merasa keberatan dan melakukan komplain ke bagian yang menangani keuangan dalam hal ini Wakil Rektor Bidang Umum dan Keuangan, untuk mendapatkan bantuan pengurangan uang kuliah tunggal (UKT). Namun dalam pengambilan keputusan untuk menurunkan UKT mahasiswa tersebut masih bersifat subjektif, belum ada sistem yang pendukung keputusan yang menilai secara objektif, oleh karena itu untuk mendapatkan bantuan tersebut maka harus sesuai dengan aturan dan kriteria yang telah ditetapkan oleh Kementerian Pendidikan dan Kebudayaan yang saat ini berubah menjadi Kementerian Riset, Teknologi dan Pendidikan Tinggi, dan aturan Universitas Halu Oleo, yakni mahasiswa dapat mengajukan komplain pengurangan UKT pada semester 3 (tiga). Adapun kriteria yang di tetapkan dalam studi kasus ini adalah jenis pekerjaan ayah dan ibu, kepemilikan rumah, kepemilikan tanah, kepemilikan kendaraaan, penerangan dirumah, pendapatan perkapita orang tua perbulan, indeks prestasi kumulatif dan jumlah saudara,
Dalam perkembangan sistem informasi yang sangat pesat ini, tidak sulit untuk memecahkan permasalahan seperti ini. Salah
satunya dengan membuat sebuah sistem pendukung keputusan berbasis komputer yang dapat dijadikan sebagai alternatif dalam pengambilan keputusan untuk mencapai tujuan atau sasaran tertentu. Penerapan sistem pendukung keputusan dilakukan dengan pendekatan sistematis terhadap permasalahan melalui proses pengumpulan data menjadi informasi, serta ditambah dengan faktor-faktor yang perlu dipertimbangkan dalam menentukan sebuah keputusan. Didalam sistem pendukung keputusan ada beberapa metode yang bisa digunakan dalam menyelesaikan beberapa masalah menurut permasalahan yang terjadi diantaranya dapat mengunakan metode Simple Additive Weighting, metodeWeighted Productdan sebagainya, namun dalam masalah pemberian bantuan pengurangan UKT digunakan metode Simple Additive Weighting (SAW) karena mampu menyelesaikan masalah yang bersifat Multiple Attribute Decission Making (MADM).
Metode Simple Additive Weighting sering juga dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode Simple Additive Weighting adalah mencari penjumlahan terbobot dari kinerjapada setiap alternatif pada setiap atribut.
Rujukan dari penelitian sebelumnya yang menggunakan metode Simple Additive Weighting, Sistem Pendukung Keputusan Pemberian Beasiswa Menggunakan Metode Simple Additive Weighting (SAW) di Universitas Panca Maga Probolinggo [1]. Referensi lain Sistem Pendukung Keputusan Untuk Menentukan Penerima Beasiswa di SMA Negeri 6 Pandeglang [2] dan juga Sistem Pendukung Keputusan Penerimaan Pegawai Baru Dengan Menggunakan Metode Simple Additive Weighting (SAW) [3].
2. METODE PENELITIAN 2.1 Data
Data yang digunakan berasal dari berkas mahasiswa yang mengajukan komplain pada Wakil Rektor Bidang Umum dan Keuangan
Dalam penerapan Sistem Pendukung Keputusan penurunan UKT ini menggunakan metode Simple Additive Weighting (SAW) dengan beberapa kriteria, yaitu jenis pekerjaan ayah dan ibu, kepemilikan rumah, kepemilikan tanah, kepemilikan kendaraaan, penerangan
U
dirumah, pendapatan perkapita orang tua perbulan, indeks prestasi kumulatif dan jumlah saudara,
2.2. Metode Simple Additive Weighting Metode SAW merupakan metode yang juga dikenal dengan metode penjumlahan berbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut [4].
Metode SAW membutuhkan proses normalisasi matriks keputusan (x)ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Metode ini merupakan metode yang paling terkenal dan paling banyak digunakan dalam menghadapi situasi Multiple AttributeDecision Making (MADM). MADM itu sendiri merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu.
Ada beberapa tahapan untuk menyelesaikan suatu kasus menggunakan metode SAW yaitu
1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu( )
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
3. Membuat matriks keputusan berdasarkan kriteria( ), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi (R).
Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi ( ) dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik ( )sebagai solusi.
Metode SAW membutuhkan proses normalisasi matriks keputusan ( ) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Formula untuk melakukan normalisasi tersebut diberikan oleh persamaan (1) dan persamaan (2).
=
Max jika j = atribut keuntungan (1)
= Min jika j = atribut biaya (2)
dengan:
= Nilai rating kinerja ternormalisasi =Nilai atribut yang dimiliki dari setiap
kriteria
= Nilai terbesar dari setiap kriteria =Nilai terkecil dari setiap kriteria
= Jika nilai terbesar adalah terbaik Cost = Jika nilai terkecil adalah terbaik dengan
adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2,…,m dan = 1,2, … , merupakan Nilai preferensi untuk setiap alternatif (Vi) diberikan oleh persamaan (3)
= (3)
dengan
Vi = Rangking untuk setiap alternatif = Nilai bobot dari setiap kriteria rij = Nilai ratting kinerja ternormalisasi.
Nilai yang lebih besar mengindikasikan bahwa alternatif lebih terpilih.Kelebihan dari model Simple Additive Weighting(SAW) dibandingkan dengan model pengambilan keputusan yang lain terletak pada kemampuannya untuk melakukan penilaian secara lebih tepat karena didasarkan pada nilai kriteria dan bobot preferensi yang sudah ditentukan, selain itu SAW juga dapat menyeleksi alternatif terbaik dari sejumlah alternatif yang ada karena adanya proses perankingan setelah menentukan nilai bobot untuk setiap atribut.
2.3 Algoritma Simple Additive Weighting (SAW)
Gambar 1 merupakan diagram alir dari metode SAW pemberian bantuan pengurangan UKT bagi mahasiswa kurang mampu pada Universitas Halu Oleo. Adapun tahapan-tahapan yang digambarkan oleh diagram alir pada Gambar 1 dijelaskan sebagai berikut :
1. Inputdata dari tiap kriteria (Ci) pada tiap alternatif
2. Menentukan bobot Kriteria
3. Membuat matriks keputusan
4. Normalisasi matriks keputusan
5. Mencari alternatif terbaik (A1) degan cara mengalikan dan menjumlahkan matriks
keputusan
6. Mencari nilai terbesar dari beberapa alternatif yang ada. Dengan kata lain, alternatif terbesar yang terpilih merupakan alternatif terbaik.
Gambar 1 Algoritma SAW
2.4 Metode Pengembangan Sistem
Dalam perancangan tugas akhir ini menggunakan metode Prototype. Prototype Model adalah salah satu metode pengembangan perangkat lunak yang banyak digunakan. Dengan Metode Prototyping ini pengembang dan pelanggan dapat saling berinteraksi selama proses pembuatan sistem. Sering terjadi seorang pelanggan hanya mendefinisikan secara umum apa yang dibutuhkan, pemrosesan dan data-data apa saja yang dibutuhkan. Sebaliknya pengembang kurang memperhatikan efisiensi Algoritma. Kemampuan sistem operasi dan interface yang menghubungkan manusia dengan komputer, Gambar 2 menunjukan model Prototype.
Gambar 2 Model Prototype 2.5 Tahapan-tahapan Prototype
Tahap-tahap pengembangan Prototype[5]: 1. Mendengarkan Pelanggan
Pada tahap ini dilakukan pengumpulan kebutuhan dari sistem dengan cara mendengar keluhan dari pelanggan. Untuk membuat suatu sistem yang sesuai kebutuhan, maka harus diketahui terlebih dahulu bagaimana sistem yang sedang berjalan untuk kemudian mengetahui masalah yang terjadi.
2. Merancang dan Membuat Prototype Pada tahap ini, dilakukan perancangan dan pembuatan Prototype system. Prototype yang dibuat disesuaikan dengan kebutuhan sistem yang telah didefinisikan sebelumnya dari keluhan pelanggan atau pengguna.
3. Uji coba
Pada tahap ini, Prototype dari sistem diuji coba oleh pelanggan atau pengguna. Kemudian dilakukan evaluasi kekurangan-kekurangan dari kebutuhan pelanggan. Pengembang kemudian kembali mendengarkan keluhan dari pelanggan untuk memperbaiki Prototype yang ada.
2.6 MySQL
MySQL adalah sebuah program database server yang mampu menerima dan mengirimkan datanya dengan cepat, multiuser serta menggunakan perintah standar SQL. MySQL memiliki dua bentuk lisensi, yaitu FreeSoftware dan Shareware. MySQL yang biasa digunakan adalah MySQLFree Software yang berada di bawah lisensi GNU/GPL (General Public License). Sebagai database server yang free, artinya MySQL dapat secara bebas digunakan untuk kepentingan pribadi
atau usaha. Selain sebagai server, MySQL dapat juga berperan sebagai client sehingga sering disebut database client/server.
Kelebihan yang ditawarkan oleh MySQL sebagai Relational Database Management System(RDBMS) adalah :
1. MySQL adalah sebuah software open source dengan kapasitas penyimpanan data hingga berukuran terabytes.
2. MySQL merupakan database client/server yang multiusers, sehingga sebagai server dapat terhubung ke media internet untuk eksplorasinya. Sedangkan sebagai client dapat melakukan query untuk mengakses database server. Selain itu dapat digunakan oleh banyak pengguna sekaligus.
3. MySQL didukung oleh ODBC (Open Database Connectivity), artinya databasenya dapat diakses aplikasi apa saja seperti Java, Delphi, dan Visual Basic. [6].
2.7 Flowchart
Flowchart adalah penyajian yang sistematis tentang proses dan logika dari kegiatan penanganan informasi atau penggambaran secara grafik dari langkah-langkah dan urut-urutan prosedur dari suatu program. Flowchart membantu analis dan programmer untuk memecahkan masalah kedalam segmen-segmen yang lebih kecil dan menolong dalam menganalisis alternatif-alternatif lain dalam pengoperasian.
Sistem flowchart adalah urutan proses dalam sistem dengan menunjukkan alat media input, output serta jenis media penyimpanan dalam proses pengolahan data. Program flowchartadalah suatu bagan dengan simbol-simbol tertentu yang menggambarkan urutan proses secara mendetail dan hubungan antara suatu proses (instruksi) dengan proses lainnya dalam suatu program. [7].
3. HASIL DAN PEMBAHASAN Implementasi merupakan tahap dimana sistem siap untuk dioperasikan. Hasil analisis dan perancangan diimplementasikan dalam bentuk sistem pendukung keputusan pemberian kredit dengan menggunakan bahasa pemrograman VB.Net. Spesifikasi perangkat
keras dan perangkat lunak yang digunakan dalam implementasi adalah sebagai berikut:
1. Perangkat Keras yang dibutuhkan dalam penelitian ini adalah :
a. Intel(R) Core(TM) i3 2.27 GHz b. Memori sistem 2 GB.
c. Hardisk 500 GB
d. Adapter display VGA dengan resolusi minimal 1366 X 768 e. Monitor 12 Inch
f. Keyboard. g. Mouse.
2. Kebutuhan Perangkat Lunak
a. Software Microsoft Windows 10 Ultimate
b. XAMPP c. MySQL d. VB .net
3.1 Perhitungan Metode Simple Additive Weighting (SAW).
Langkah-langkah yang dilakukan untuk menentukan mahasiswa calon penerima bantuan pengurangan UKT sebagai berikut : 1. Penentuan nilai bobot W, dimana C1 =
Pekerjaan ayah; C2 = Pekerjaan Ibu; C3 = Kepemilikan Rumah; C4 = Kepemilikan Tanah; C5 = Kepemilikan Kendaraan; C6 = Peneragan dirumah C7 = Pendapatan Perbulan; C8 = IPK; C9 = Jumlah Saudara
Sebelum meng-input data mahasiswa, terlebih dahulu di sistem kita harus mensetting bobot dari masing-masing kriteria, gambar 3 menunjukan tampilan input nilai bobot.
Gambar 3 Tampilan Nilai Bobot Setelah itu, meng-input data fakultas yang berada di Universitas Halu Oleo. Gambar 4 menunjukan tampilan input data fakultas.
Gambar 4 Tampilan Input Data Fakultas Kemudian menginput data Program Studi Berdasarkan Fakultas yang berada di Universitas Halu Oleo. Gambar 5 menunjukan tampilan input data fakultas.
Gambar 5 Tampilan Input Data Fakultas Setelah data Fakultas dan Data Program Studi di input, selanjutnya meng- input data mahasiswa. Gambar 6 menunjukan tampilan input data mahasiswa.
Gambar 6 Tampilan Halaman Input Data Mahasiswa
Setelah data mahasiswa terinput, kemudian meginput data mahasiswa berdasarkan kriteria kriteria mahasiswa. Gambar 7 menunjukan tampilan survei data mahasiswa.
Gambar 7 Tampilan Halaman Survei Mahasiswa
Selanjutnya data mahasiswa dihitung dengan menggunakan metode SAW. Gambar 8 menunjukan tampilan proses SAW.
Gambar 8 Tampilan Halaman Proses SAW 3.2 Perhitungan Manual MetodeSimple
Additive Weighting (SAW)
Langkah-langkah pemecahan masalah dengan menggunakan Algoritma SAW adalah sebagai berikut :
1. Penentuan kriteria-kriteria yang dijadikan acuan, dimana C1 = Pekerjaan ayah; C2 = Pekerjaan Ibu; C3 = Kepemilikan Rumah; C4 = Kepemilikan Tanah; C5 = Kepemilikan Kendaraan; C6 = Peneragan dirumah C7 = Pendapatan Perbulan; C8 = IPK; C9 = Jumlah Saudara
2. Setelah kriteria dan sub kriteria ditentukan selanjutnya menentukan nilai rating kecocokan untuk setiap kriteria.
Tabel 1 Pembobotan Nilai Kriteria
Nilai Bobot(W) Sangat Penting Penting Cukup Penting Kurang Penting Tidak Penting 5 4 3 2 1
Tabel 2 Bobot Preferensi Setiap Kriteria
Kriteria Bobot(W)
C1 Jenis Pekerjaan Orang
Tua (Ibu) 5
Tua (Ayah) C3 Kepemilikan Rumah 4 C4 Kepemilikan Tanah 4 C5 Kepemilikan Kendaraaan 2 C6 Penerangan Dirumah 3 C7 Pendapatan Perkapita
Orang Per Bulan 5
C8 Indeks Prestasi
kumulatif 3
C9 Jumlah Saudara 1
3. Selanjutnya dilakukan proses menentukan rating kecocokan dari setiap alternatif pada setiap kriteria seperti Tabel 3.
Tabel 3 Matriks Keputusan
4. Langkah selanjutnya membuat matriks keputusan berdasarkan kriteria, kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut sehingga diperoleh matriks ternormalisasi X.
Berdasarkan dengan rumus : = (4) = 4 =4 5= 0,8 = 5 =5 5= 1 = 4 =4 5= 0,8 = 3 =3 5= 0,6 = 4 =4 5= 0,8 = 3 =3 4= 0,75 = 3 =3 4= 0,75 = 2 =2 5= 0,4 = 3 =3 5= 0,6
dan seterusnya, sehingga diperoleh matriks ternormalisasi sebagai matriks ternormalisasi R.
Proses perangkingan dengan rumus =
(4) yaitu dengan mengalikan matriks ternomalisasi dengan bobot preverensi (5,5,4,4,2,3,5,3,1) sebagai berikut : = (1)(5) + (1)(5) + (0.8)(4) + (1)(4) + (1)(2) + (1)(3) + (1)(5) + (1)(3) + (0.2)(1) = , = (1)(5) + (1)(5) + (1)(4) + (0,8)(4) + (1)(2) + (1)(3) + (1)(5) + (1)(3) + (0,6)(1) = ,
= (1)(5) + (1)(5) + (0.8)(4) + (1)(4) + (0,8)(2) + (1)(3) + (1)(5) + (1)(3) + (0.4)(1) = , = (1)(5) + (1)(5) + (0.8)(4) + (1)(4) + (1)(2) + (1)(3) + (1)(5) + (0,81)(3) + (0.4)(1) = = (0,8)(5) + (1)(5) + (1)(4) + (1)(4) + (1)(2) + (1)(3) + (1)(5) + (0,6)(3) + (0.2)(1) = = (1)(5) + (1)(5) + (0.8)(4) + (1)(4) + (1)(2) + (1)(3) + (1)(5) + (0,41)(3) + (0.4)(1) = , = (1)(5) + (1)(5) + (0.8)(4) + (0,8)(4) + (0,8)(2) + (1)(3) + (1)(5) + (0,6)(3) + (0.8)(1) = , = (1)(5) + (1)(5) + (0.8)(4) + (0,8)(4) + (1)(2) + (1)(3) + (1)(5) + (0,6)(3) + (0.4)(1) = , = (1)(5) + (1)(5) + (0.6)(4) + (1)(4) + (0,8)(2) + (1)(3) + (0,75)(5) + (1)(3) + (0.2)(1) = , = (1)(5) + (1)(5) + (1)(4) + (0,8)(4) + (0,8)(2) + (1)(3) + (0,5)(5) + (0,4)(3) + (0.2)(1) = , = (0,6)(5) + (1)(5) + (0.8)(4) + (0,6)(4) + (0,8)(2) + (0,75)(3) + (1)(5) + (1)(3) + (0.2)(1) = , = (0,6)(5) + (1)(5) + (1)(4) + (0,8)(4) + (0,8)(2) + (1)(3) + (0,5)(5) + (0,6)(3) + (1)(1) = , = (0,6)(5) + (1)(5) + (0,6)(4) + (0,8)(4) + (0,8)(2) + (1)(3) + (0,75)(5) + (0,8)(3) + (0,6)(1) = , = (0,8)(5) + (1)(5) + (0.8)(4) + (0,6)(4) + (0,8)(2) + (0,75)(3) + (0,75)(5) + (0,4)(3) + (0,6)(1) = = (0,4)(5) + (1)(5) + (0,6)(4) + (0,6)(4) + (0,8)(2) + (1)(3) + (0,75)(5) + (0,6)(3) + (0.8)(1) = , = (0,4)(5) + (0,4)(5) + (0,4)(4) + (0,4)(4) + (0,4)(2) + (0,5)(3) + (0,25)(5) + (0,8)(3) + (0.2)(1) = ,
Alternatif dengan nilai terbesar akan terpilih sebagai alternatif terbaik. Dengan kata lain Wakil Rektor Bidang Umum dan Keuangan akan lebih mudah menetapkan mahasiswa yang paling berhak menerima bantuan pengurangan UKT.
Sistem ini akan merangking nilai SAW berdasarkan nilai bobot pada masing-masing criteria, seperti terlihat pada Tabel 4. Perhitungan dengan sistem mengunakan metode SAW ini telah dilakukan pengujian berulang-ulang sehingga ditetapkan nilai tertinggi 45 dan batas kelulusan dengan jumlah nilai 15, jika dibawah nilai SAW 15 maka mahasiswa tersebut dikatakan tidak lulus atau tidak berhak mendapatkan bantuan (masuk dalam kategori mampu).
Tabel 4 Hasil Perangkingan dengan Metode SAW
Stambuk Nama Mahasiswa Nilai SAW Rangking C1D115182 Rino 31,2 1 N1D215137 Zhanrilla Naggra 30,8 2 A1A214093 Fatmawati 30,2 3 N1A314042 Mardiana 30 4 D1B114156 Al Amin 29 5 N1A214063 Idar 28,8 6 A1E114073 Rahman Herman 28,6 7
N1A314012 Lija Amita 28,6 8
D1B115019 Erik
Santoso 27,95 9
N1E115022 Rina 25,7 10
E1D115058 Tri Wahyu
Ismoyo B 25,65 11 C1A115169 Wa Ode Safriani 25,1 12 M1A114198 Siti Ramadhan 24,95 13 A1A314038 Musmin 24 14 J1A114089 Jurfina 22,75 15 K1A114047 Nurul Aisyah 13,35 15 4. KESIMPULAN
Berdasarkan hasil studi literatur, analisis, perancangan, implementasi dan pengujian sistem ini, maka kesimpulan yang didapat adalah sebagai berikut:
1. Dengan menggunakan aplikasi sistem pendukung keputusan metode Simple
Additive Weighting dapat membantu Wakil Rektor Bidang Umum dan Keuangan UHO dalam menentukan mahasiswa yang layak untuk diberikan bantuan pengurangan UKT.
2. Perbandingan hasil penuruan UKT mengunakan sistem Simple Additive Weighting (SAW) dan penilaian mengunakan cara yang lama mempunya hasil yang berbeda dimana pada pengujian menggunankan sistem SAW salah satu mahasiswa dinyatakan tidak lulus karena mempunyai nilai SAW dibawah 15 sehingga mahasiswa tersebut dianggap mampu
5. SARAN
Adapun saran yang dapat diberikan untuk pengembangan dan perbaikan sistem ini untuk selanjutnya adalah sebagai berikut:
1. Diharapkan dilakukan pengembangan pada sistem menggunakan metode Simple Additive Weighting (SAW) serta menambahkan kriteria-kriteria lain yang dapat mendukung pengambilan keputusan.
2. Sebaiknya dilakukan penunjukan staf khusus untuk melakukan pemeliharaan sistem.
UCAPAN TERIMA KASIH Penulis mengucapkan terima kasih kepada Bapak Rektor Universitas Halu Oleo, Wakil Rektor Bidang Umum dan Keuangan Universitas Halu Oleo, beserta Staf dan Dosen Univesitas Halu Oleo yang telah membimbing dan memberikan data yang diperlukan terhadap penelitian ini.
DAFTAR PUSTAKA
[1] Eprilianto, F.R., 2012, Sistem Pendukung Keputusan Pemberian Beasiswa Menggunakan Metode Simple Additive Weighting (SAW) di Universitas Panca Maga Probolinggo, Surabaya.
[2] Sulistyo, 2010, Sistem Pendukung Keputusan Untuk Menentukan Penerima Beasiswa di SMA Negeri 6 Pandeglang. Pandeglang.
[3] Shinta Siti Sundari, 2014, Sistem Pendukung Keputusan Penerimaan Pegawai Baru Menggunakan Metode Simple Additive Weighting (SAW). [4] Fishburn,1967, MacCrimmon, 1968,
Metode Simple Additive Weighting [5] Pressman,Ph. D, 2002, Metode Prototype. [6] Sulhan, Mohammad, 2007,
Pengembangan Aplikasi Berbasi Web dengan PHP, Yogyakarta :Gava Media. [7] Budi, 2016, Pengertian Flowchart dan
