BAB IV ANALISIS DAN PERANCANGAN

(1)

47 4.1 Analisis Kebutuhan Sistem

Menjelaskan kondisi atau kemampuan yang harus dipenuhi oleh sistem dengan spesifikasi yang diinginkan oleh pemakai, meliputi kebutuhan informasi, kebutuhan aplikasi atau proses pengolahan data untuk menghasilkan informasi tersebut dan kebutuhan perangkat keras.

4.1.1 Identifikasi Kebutuhan Pemakai

1. Sistem yang dibuat harus dapat membantu melaksanakan penyimpanan data beasiswa lama maupun pembuatan data beasiswa baru

2. Sistem harus dioperasikan oleh TU, walikelas, dan kepala sekolah.

3. Sistem yang diperuntukkan untuk kepala sekolah hanya melihat data hasil seleksi beasiswa.

4. Data yang menjadi masukkan untuk sistem harus di-entry langsung dari sumber datanya, dan hasilnya harus dapat dibaca oleh bagian lain yang membutuhkannya.

5. Semua data tersimpan terpusat.

6. Ada fasilitas untuk mengoreksi laporan dari TU.

7. Semua proses pengolahan data yang ada harus terintegrasi dalam satu perangkat lunak aplikasi

(2)

4.1.2 Analisis Kebutuhan Perangkat Keras dan Perangkat Lunak

Perangkat keras yang dibutuhkan untuk membangun sistem ini diantaranya sebagai berikut:

a. Processor : Intel® Pentium® Dual CPU T2390 1.9GHz b. Memori : 1024 MB

c. Harddisk : 160 Gb

d. VGA : 256 Mb Onboard

e. Resolusi : 1024 x 800 (32 bit) (60 Hz)

Perangkat lunak yang dibutuhkan untuk membangun sistem ini diantaranya sebagai berikut:

Operating System : Microsoft Windows XP Profesional

Database Server : Microsoft SQL Server 2000 Pemrograman : Visual Basic .Net

4.2 Fungsional dan Non-Fungsional Requirement

Berdasarkan analisis kebutuhan yang telah dirinci, maka dapat disusun tabel Software Requirements Spesification yang terdiri dari Fungsional dan

non-Fungsional sistem.

4.2.1 Aplikasi Seleksi Beasiswa

1. Fungsional Requirement

Fungsional Requirement adalah fungsi-fungsi utama yang dapat dilakukan

(3)

nantinya melaksanakan perintah dari client dan user untuk mencapai hasil yang diharapkan. Fungsional requirement pada aplikasi ini, dapat dilihat dari table 4.1.

Tabel 4.1 Kebutuhan Fungsional aplikasi seleksi beasiswa No Deskripsi Kebutuhan Fungsional SSB – CF01 User dapat melakukan proses login

SSB – CF02 User dapat memasukkan data siswa

SSB – CF03 User dapat memasukkan nilai dan absensi siswa SSB – CF04 User dapat memasukkan data user

SSB – CF05 User dapat mengatur bobot SSB – CF06 User dapat melihat hasil seleksi

2. Non –Fungsional Requirement

Non-Fungsional Requirement adalah fungsi-fungsi tambahan sebagai

penunjang yang diharapkan dapat dilakukan oleh system sesuai yang diharapkan

client dan user. Non-Fungsional Requirement pada aplikasi ini dapat dilihat pada

Tabel 4.2.

Tabel 4.2 Kebutuhan Non-Fungsional aplikasi seleksi beasiswa No Deskripsi Kebutuhan Non-Fungsional SSB – CNF01 User dapat melakukan print-out hasil seleksi SSB – CNF02 Antar muka yang friendly

SSB – CNF03 Menggunakan bahasa Indonesia yang singkat dan jelas

4.3 Analisis Model Fuzzy dan SAW

Dalam penyeleksian beasiswa dengan menggunakan model Fuzzy Logic

dan Simple Additive Weighting (SAW) diperlukan kriteria-kriteria dan bobot

untuk melakukan perhitungannya sehingga akan didapat alternatif terbaik, dalam hal ini alternatif yang dimaksud adalah yang berhak menerima beasiswa berdasarkan kriteria-kriteria yang ditentukan.

(4)

4.3.1 Analisis Kebutuhan Pengujian Kelayakan Penerima Beasiswa

1) Pembatas Prestasi

Pembatas prestasi terdiri dari dua penilaian yaitu rata nilai dan rata-rata kehadiran.

a) Pembentukan Himpunan Fuzzy

Untuk menghitung tingkat pembatas prestasi, diperlukan dua variabel input fuzzy yaitu rata-rata nilai dan kehadiran dan satu variabel output yaitu tingkat pembatas.

Tabel 4.3 Semesta pembicaraan variabel fuzzy

Fungsi Variabel Semesta pembicaraan

Input Rata-rata nilai [0,100]

Rata-rata kehadiran [0,100]

Output Tingkat pembatas [0,100]

Dari variabel yang telah dimunculkan kemudian disusun domain himpunan fuzzy. Berdasarkan domain tersebut selanjutnya ditentukan fungsi keanggotaan dari masing-masing variabel.

Tabel 4.4 Himpunan fuzzy pembatas prestasi

Variabel Himpunan Domain Fungsi

Keanggotaan Parameter

Rata-rata nilai

Rendah [0-75] Bahu kiri (0;70;75)

Sedang [70-80] Segitiga (70;75;80) Tinggi [75-85] Segitiga (75;80;85) Sangat tinggi [80-100] Bahu kanan (80;85;100)

(5)

Tabel 4.4 Himpunan fuzzy pembatas prestasi (Lanjutan)

Keanggotaan

Parameter

Rata-rata kehadiran

Rendah [0-70] Bahu kiri (0;60;70)

Sedang [60-80] Segitiga (60;70;80) Tinggi [70-100] Bahu kanan (70;80;100) Tingkat

Pembatas

Kurang [0-70] Bahu kiri (0;60;70)

Cukup [60-80] Segitiga (60;70;80)

Layak [70-100] Bahu kanan (70;80;100)

1. Himpunan Fuzzy Variabel Rata-rata Nilai

Pada variabel rata-rata nilai didefinisikan 4 himpunan fuzzy yaitu rendah, sedang, tinggi, dan sangat tinggi.

Gambar 4.1 Himpunan fuzzy rata-ratanilai

Sumbu horizontal merupakan nilai input dari variabel rata-rata nilai, sedangkan sumbu vertikal merupakan tingkat keanggotaan dari nilai input. Dengan fungsi keanggotaan sebagai berikut:

(6)

2. Himpunan Fuzzy Variabel Rata-rata Kehadiran

Pada variabel rata-rata kehadiran didefinisikan 3 himpunan fuzzy yaitu rendah, sedang, dan tinggi.

Gambar 4.2 Himpunan fuzzy rata-ratakehadiran

Sumbu horizontal merupakan nilai input dari variabel curah hujan, sedangkan sumbu vertikan merupakan tingkat keanggotaan dari nilai input. Dengan fungsi keanggotaan sebagai berikut:

(7)

3. Himpunan Fuzzy Variabel Tingkat Pembatas

Pada variabel tingkat pembatas didefinisikan 3 himpunan fuzzy yaitu kurang, cukup, dan layak.

Gambar 4.3 Himpunan fuzzy tingkat pembatas prestasi

Sumbu horizontal merupakan nilai input dari variabel tingkat pembatas, sedangkan sumbu vertikal merupakan tingkat keanggotaan dari nilai input.

(8)

b) Aplikasi Fungsi Implikasi

Aturan-aturan dibentuk untuk menyatakan relasi antara input dan output. Tiap aturan merupakan suatu implikasi. Operator yang digunakan untuk menghubungkan antara dua input adalah operator AND, dan yang memetakan antara input-output adalah IF-THEN. Fungsi implikasi yang digunakan adalah fungsi MIN, yaitu dengan mengambil tingkat keanggotan yang minimum dari variabel input sebagai output-nya.

Untuk menghitung rating tingkat pembatas prestasi, aturan-aturan yang berlaku adalah:

Tabel 4.5 Aturan fuzzy perhitungan rating tingkat pembatas prestasi No. Parameter Masukan(JIKA) Parameter Keluaran( Maka)

Nilai Kehadiran Tingkat Pembatas

1 Rendah Rendah Kurang

2 Rendah Sedang Kurang

3 Rendah Tinggi Kurang

4 Sedang Rendah Kurang

5 Sedang Sedang Cukup

(9)

Tabel 4.5 Aturan fuzzy perhitungan rating tingkat pembatas prestasi (Lanjutan) No. Parameter Masukan(JIKA) Parameter Keluaran( Maka)

Nilai Kehadiran Tingkat Pembatas

7 Tinggi Rendah Kurang

8 Tinggi Sedang Cukup

9 Tinggi Tinggi Layak

10 Sangat Tinggi Rendah Kurang

11 Sangat Tinggi Sedang Cukup

12 Sangat Tinggi Tinggi Layak

Setelah aturan dibentuk, maka dilakukan aplikasi fungsi implikasi. Fungsi implikasi yang digunakan fungsi MIN, yang berati tingkat keanggotaan yang didapat sebagai konsekuen dari proses ini adalah nilai minimum dari variabel nilai dan kehadiran siswa. Sehingga didapatkan daerah fuzzy pada variabel tingkat pembatas untuk masing-masing aturan.

c) Komposisi Aturan

Pada metode Mamdani, komposisi antar fungsi implikasi menggunakan fungsi MAX yaitu dengan cara mengambil nilai maksimum dari output aturan kemudian menggabungkan daerah fuzzy dari masing-masing aturan dengan menggunakan operator OR.

d) Penegasan(Defuzzyfication)

Input dari proses penegasan adalah suatu himpunan fuzzy yang diperoleh

dari komposisi aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan tegas pada domain himpnan fuzzy tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crisp

(10)

pembatas adalah dengan metode Centroid. Pada metode ini, solusi crsip diperoleh dengan cara mengambil titik pusat (Z0) daerah fuzzy. Secara umum dirumuskan:

Untuk domain kontinyu, dengan Z0 adalah nilai hasil defuzzyfikasi dan μz

adalah deajat keanggotaan titik tersebut, sedangkan Z adalah nilai domain ke-1 sampai domain ke-12.

Contoh Kasus:

Seorang siswa memiliki rata-rata nilai 76 dan kehadiran 76%.

Langkah 1 : memnentukan himpunan fuzzy

Variabel rata-rata nilai telah didefinisikan pada empat himpunan fuzzy

yaitu rendah, sedang, tinggi, dan sangat tinggi. Rata-rata nilai 76 termasuk sedan dan tinggi.

μSedang = (80 - 76) / (80 - 75) = 0.8

μTinggi = (76 - 75) / (80 - 75) = 0.2

dan yang lainnya adalah 0.

Untuk variabel rata-rata kehadiran telah didefinisikan tiga himpunan fuzzy, yaitu rendah, sedang, dan tinggi. Rata-rata kehadiran 76 termasuk pada sedang dan tinggi.

(11)

μSedang = (80 - 76) / (80 - 70) = 0.4

μTinggi = (76 - 70) / (80 - 70) = 0.6

dan yang lainnya adalah 0.

Langkah 2: fungsi implikasi

Fungsi implikasi yang digunakan adalah fungsi MIN, yaitu dengan mengambil tingkat keanggotaan dari variabel input sebagai output-nya. Berdasarkan aturan-aturan yang sesuai dengan kondisi tersebut, maka diperoleh:

[R05] Jika rata-rata nilai sedang dan kehadiran sedang maka pembatas prestasi cukup.

α-predikat1 = μNilaiSedang μKehadiranSedang

= min (μNilaiSedang (1) μKehadiranSedang(1))

= min (0.8, 0.4) = 0.4

[R06] jika rata-rata nilai sedang dan kehadiran tinggi maka pembatas prestasi cukup.

α-predikat2 = μNilaiSedang μKehadiranTinggi

= min (μNilaiSedang (1) μKehadiranTinggi(1))

= min (0.8, 0.6) = 0.6

[R08] jika rata-rata nilai tinggi dan kehadiran sedang maka pembatas prestasi cukup

(12)

α-predikat3 = μNilaiTinggi μKehadiranSedang

= min (μNilaiTinggi (1) μKehadiranSedang(1))

= min (0.2, 0.4) = 0.2

[R09] jika rata-rata nilai tinggi dan kehadiran tinggi maka tingkat pembatas prestasi layak.

α-predikat4 = μNilaiTinggi μKehadiranTinggi

= min (μNilaiTinggi (1) μKehadiranTinggi(1))

= min (0.2, 0.6) = 0.2

Langkah 3: Komposisi aturan

Komposisi aturan merupakan kesimpulan secara keseluruhan dengan mengambil tingkat keanggotaan maksimum dari tiap konsekuen aplikasi fungsi implikasi dan menggabungkan dari semua kesimpulan masing-masing aturan, sehingga didapat daerah solusi fuzzy sebagai berikut:

μsf = maks {μCukup(0.6), μCukup(0.4), μLayak(0.2), μLayak(0.2), }

μsf = maks {0.6, 0.2}

titik potong terjadi diantara kedua aturan tersebut, yaitu:

(80 - x) / 10 = 0.6

x = 80 – (0.6*10)

(13)

Ketika nilai μcukup(x) = 0.6, maka nilai x adalah

(x - 70) / 10 = 0.6

x = 70 + (0.6 * 10)

x = 76

Ketika nilai μlayak(x) = 0.2, maka nilai x adalah

(x - 70) / 10 = 0.2

x = 70 + (0.2 * 10)

x = 72

Sehingga diperoleh fungsi keanggotaan daerah solusi sebagai berikut:

Daerah hasil dapat digambarkan sebagai berikut:

(14)

Langkah 4: Penegasan

Jadi siswa A memiliki tingkat pembatas prestasi layak dengan rating 11,03. Tingkat pembatas logic diambil dari konsekuen yang memiliki tingkat keanggotan maksimum pada komposisi aturan(max method).

2) Pembatas Bantuan

Pembatas bantuan terdiri dari dua penilaian yaitu pendapatan orang tua dan jumlah tanggungan.

a) Pembentukan Himpunan Fuzzy

Untuk menghitung tingkat pembatas bantuan, diperlukan dua variable

input fuzzy yaitu pendapatan orang tua dan tanggungan dan satu variable output

yaitu tingkat pembatas.

Tabel 4.6 Semesta pembicaraan variabel fuzzy

Fungsi Variabel Semesta Pembicaraan

Input Pendapatan orang tua [0,4000000]

Tanggungan [0,5]

(15)

Dari variabel yang telah dimunculkan kemudian disusun domain himpunan fuzzy. Berdasarkan domain tersebut selanjutnya ditentukan fungsi keanggotaan dari masing-masing variabel.

Tabel 4.7 Himpunan fuzzy pembatas bantuan

keanggotaan

Parameter

Pendapatan Orang Tua

Rendah [0-4jt] Bahu kiri [0,2jt,4jt] Sedang [2jt-6jt] Segitiga [2jt,4jt,6jt]

Tinggi [4jt-8jt] Bahu kanan [4jt,6jt,8jt] Tanggungan

Orang Tua

Sedikit [0-2] Bahu kiri [0,1,2]

Sedang [1-3] Segitiga [1,2,3]

Banyak [2-4] Segitiga [2,3,4]

S.Banyak [3-5] Bahu kanan [3,4,5]

Tingkat Pembatas

Kurang [0-70] Bahu kiri [0,60,70]

Cukup [60-80] Segitiga [60,70,80]

Layak [70-100] Bahu kanan [70,80,100]

1. Himpunan Fuzzy Variabel Pendapatan Orang Tua

Pada variabel pendapatan orang tua didefinisikan tiga himpunan fuzzy

yaitu rendah, sedang, dan tinggi.

(16)

Sumbu horizontal merupakan nilai input dari variabel pendapatan, sedangkan sumbu vertikal merupakan tingkat keanggotaan dari nilai input. Dengan fungsi keanggotaan sebagai berikut:

\

2. Himpunan Fuzzy Variabel Tanggungan Orang Tua

Pada variabel tanggungan orang tua didefinisikan empat himpunan fuzzy

yaitu sedikit, sedang, banyak, dan sangat banyak.

Gambar 4.6 Himpunan fuzzy tanggungan orang tua

Sumbu horizontal merupakan nilai input dari variable temperatur, sedangkan sumbu vertical merupakan tingkat keanggotaan dari nilai input. Dengan fungsi keanggotaan sebagai berikut:

(17)

3. Himpunan Fuzzy Variabel Tingkat Pembatas

Pada variable tingkat pembatas didefinisikan 3 himpunan fuzzy yaitu kurang layak, cukup, dan layak.

Gambar 4.7 Himpunan fuzzy tingkat pembatas bantuan

Sumbu horizontal merupakan nilai input dari variabel tingkat pembatas, sedangkan sumbu vertikal merupakan tingkat keanggotaan dari nilai input.

(18)

b) Aplikasi Fungsi Implikasi

Aturan-aturan dibentuk untuk menyatakan relasi antara input dan output. Tiap aturan merupakan suatu implikasi. Operator yang digunakan untuk menghubungkan antara dua input adalah operator AND, dan yang memetakan antara input-output adalah IF-THEN. Fungsi implikasi yang digunakan adalah fungsi MIN, yaitu dengan mengambil tingkat keanggotan yang minimum dari variabel input sebagai output-nya.

Untuk menghitung rating tingkat pembatas bantuan, aturan-aturan yang berlaku adalah:

Tabel 4.8 Aturan fuzzy perhitungan rating tingkat pembatas bantuan No. Parameter Masukan(JIKA) Parameter Keluaran( Maka)

Pendapatan Tanggungan Tingkat Pembatas

1 Rendah Sedikit Cukup

2 Rendah Sedang Cukup

3 Rendah Banyak Layak

4 Rendah Sangat Banyak Layak

5 Sedang Sedikit Kurang

(19)

Tabel 4.8 Aturan fuzzy perhitungan rating tingkat pembatas bantuan (Lanjutan) No. Parameter Masukan(JIKA) Parameter Keluaran( Maka)

Pendapatan Tanggungan Tingkat Pembatas

7 Sedang Banyak Cukup

8 Sedang Sangat Banyak Layak

9 Tinggi Sedikit Kurang

10 Tinggi Sedang Kurang

11 Tinggi Banyak Cukup

12 Tinggi Sangat Banyak Cukup

Setelah aturan dibentuk, maka dilakukan aplikasi fungsi implikasi. Fungsi implikasi yang digunakan fungsi MIN, yang berati tingkat keanggotaan yang didapat sebagai konsekuen dari proses ini adalah nilai minimum dari variabel pendapatan dan tanggungan orang tua. Sehingga didapatkan daerah fuzzy pada variabel tingkat pembatas untuk masing-masing aturan.

c) Komposisi Aturan

Pada metode Mamdani, komposisi antar fungsi implikasi menggunakan fungsi MAX yaitu dengan cara mengambil nilai maksimum dari output aturan kemudian menggabungkan daerah fuzzy dari masing-masing aturan dengan menggunakan operator OR.

d) Penegasan(Defuzzyfication)

Input dari proses penegasan adalah suatu himpunan fuzzy yang diperoleh

dari komposisi aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan tegas pada domain himpnan fuzzy tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crisp

(20)

pembatas adalah dengan metode Centroid. Pada metode ini, solusi crsip diperoleh dengan cara mengambil titik pusat (Z0) daerah fuzzy. Secara umum dirumuskan:

Untuk domain kontinyu, dengan Z0 adalah nilai hasil defuzzyfikasi dan μz

adalah deajat keanggotaan titik tersebut, sedangkan Z adalah nilai domain ke-1 sampai domain ke-12.

Contoh Kasus:

Seorang siswa dengan pendapatan orang tua sebesar 3,5 juta dan memiliki tanggungan 3 orang anak.

Langkah 1: menentukan himpunan fuzzy

Variabel pendapatan orangtua telah didefinisikan pada tiga himpunan fuzzy

yaitu rendah, sedang, dan tinggi. Pendapatan 3,5 juta termasuk rendah dan sedang. μRendah = (4 – 3,5) / 2 = 0.25

μSedang = (3,5 – 2) / 2 = 0.75, dan yang lainnnya adalah 0.

Untuk Variabel tanggungan telha didefinisikan pada 4 himpunan fuzzy

yaitu sedikit, sedang, banyak, dan sangat banyak. Dan tiga orang berdada di banyak.

(21)

Langkah 2: Fungsi Implikasi

Fungsi implikasi yang digunakan adalah fungsi MIN, yaitu dengan mengambil tingkat keanggotaan yang minimum dari variabel input sebagai

output-nya. Berdasarkan aturan-aturan yang sesuati dengan kondisi tersebut, maka

diperoleh:

[R03] Jika pendapatan rendah dan tanggugan banyak maka tingkat pembatas bantuan layak.

α- predikat1 = μPendapatanrendah μTanggunganBanyak

= min (0,25 , 1) = 0.25

[R07] Jika pendapatan sedang dan tanggungan banyak maka tingkat pembatas bantuan cukup layak.

α- predikat2 = μPendapatansedang μTanggunganBanyak

= min (0,75 , 1) = 0.75

Langkah 3: Komposisi aturan

Komposisi aturan merupakan kesimpulan secara keseluruhan dengan mengambil tingkat keanggotaan maksimum dari tiap konsekuen aplikasi fungsi implikasi dan menggabungkan dari semua kesimpulan masing-masing aturan, sehingga didapat daerah solusi fuzzy sebagai berikut:

μsf[x] = maks {μlayak (0.25), μcukuplayak (0.75)}

(22)

Titik potong terjadi diantara kedua aturan tersebut, yaitu: (80 – x) / 10 = 0,25

x = 80 – (0.25 * 10) x = 80 – 2,5 = 77,5

Ketika nilai μLayak = 0.25, maka nilai x adalah: (x - 70) / 10 = 0.25

x = 70 + (0.25*10) x = 70 + 2,5 = 72,5

Ketika nilai μCukupLayak = 0.75, maka nilai x adalah (80 - x) / 10 = 0.75

x = 80 – (0.75 * 10) x = 80 – 7,5 = 72,5

Sehingga diperoleh fungsi keanggotaan daerah solusi sebagai berikut:

Langkah 4: Penegasan ∫ ∫ ∫ ∫ ∫ ∫

(23)

3) Kriteria Dan Bobot

Model Fuzzy Logic dan SAW dalam prosesnya memerlukan kriteria yang akan dijadikan bahan perhitungan pada proses perankingan. Kriteria yang menjadi bahan pertimbangan panitia penyeleksi beasiswa seperti yang ditunjukan pada Tabel 4.9.

Tabel 4.9 Kriteria

Kriteria Keterangan

C1 Hasil Fuzzy Prestasi

C2 Hasil Fuzzy Bantuan

C3 Kelayakan Prestasi

C4 Kelayakan Bantuan

Supaya lebih jelas dimisalkan untuk dari Tabel 4.9 di atas adalah A1 = Siswa A, A2 = Siswa B, A3 = Siswa C dan A4 = Siswa D. Tabel 4.10 menunjukkan rating kecocokan dari setiap alternatif pada setiap kriteria.

Tabel 4.10 Rating kecocokan dari setiap alternatif pada setiap kriteria.

Alternatif Kriteria C1 C2 C3 C4 A1 11,03 39,25 100 100 A2 45 45 65 65 A3 40 40 65 65 A4 60 60 100 100

(24)

Dari Tabel 4.10 diubah kedalam matrik keputusan X dengan data:

Memberikan Nilai Bobot (W)

Untuk menentukan bobot dari seleksi beasiswa dibentuk dalam Tabel 4.11.

Tabel 4.11. Bobot kriteria

Kriteria Bobot Nilai

C1 (Prestasi) Sedang 0.15

C2 (Bantuan) Sedang 0.15

C3 (Kelayakan Prestasi) Tinggi 0.35

C4 (Kelayakan Bantuan) Tinggi 0.35

Dari Tabel 4.11 diperoleh nilai bobot (W) dengan data:

W = [ 0,15 0,15 0,35 0,35 ]

(25)

Keterangan :

rij = nilai rating kerja ternormalisasi

Xij = nilai atribut yang dimiliki dari setiap criteria. Max Xij = nilai terbesar tiap kriteria

i

Min Xij = nilai terkecil dari setiap kriteria

i

benefit = jika nilai terbesar adalah terbaik

cost = jika nilai terkecil adalah terbaik

Tabel 4.12 Penggolongan Kriteria

Kriteria Cost Benefit

Prestasi √

Bantuan √

Kelayakan Prestasi √

Kelayakan Bantuan √

a. Untuk batas prestasi termasuk atribut keuntungan(benefit), karena semakin besar nilai maka dianggap semakin baik. Jadi :

r11 = r12 = r13 = r14 =

b. Untuk batas bantuan termasuk atribut keuntungan(benefit), karena semakin besar nilai maka dianggap semakin baik. Jadi :

r21 = r22 = r23 =

(26)

r24 =

c. Untuk kelayakan prestasi dan bantuan termasuk atribut keuntungan(benefit), karena semakin besar nilai maka dianggap semakin baik. Jadi : r31 = r32 = r33 = r34 = Matrik R:

2. Melakukan proses perangkingan dengan menggunakan persamaan :

Keterangan :

Vi = ranking untuk setiap alternatif

Wj = nilai bobot dari setiap kriteria

(27)

Jadi : V1 = (0.15)(0.18) + (0.15)(0.6) + (0.35)(1) + (0.35)(1) = 0,027 + 0,09 + 0,35 + 0,35 = 0,817 V2 = (0.15)(0,75) + (0.15)(0,75) + (0.35)(0,65) + (0.35)(0,65) = 0,1125 + 0,1125 + 0,435 = 0,66 V3 = (0.15)(0,67) + (0.15)(0,67) + (0.35)(0,65) + (0.35)(0,65) = 0,2 + 0,45 = 0,635 V4 = (0.15)(1) + (0.15)(1) + (0.35)(1) + (0.35)(1) = 0,3 + 0,7 = 1

Nilai terbesar ada pada V4 sehingga alternatif A4 (Siswa D) adalah

alternatif yang terpilih sebagai alternatif terbaik. Untuk lebih jelas lihat pada Tabel 4.13.

Tabel 4.13 Ranking No Nama Tanggungan Pendapatan Rata

nilai Rata Absen Hasil Akhir 1 Siswa A 0,18 0,6 1 1 0,817 2 Siswa B 0,75 0,75 0,65 0,65 0,66 3 Siswa C 0,67 0,67 0,65 0,65 0,635 4 Siswa D 1 1 1 1 1

(28)

4.4 Use Case Diagram

Beberapa use case diagram yang adadi dalam rancangan aplikasi Seleksi Beasiswa ini dapat dilihat pada gambarkan pada Gambar 4.8.

TU

LogIn

Mengolah Data User Mengolah Bobot Mengolah Data Siswa Mengolah nilai dan

absensi siswa Hitung Fuzzy SAW

-. * -. * -. * -. * -. * -. *-. * -. * -. * _-. * -. * -. * Buat Laporan Lihat Laporan WaliKelas Kepala Sekolah - * - * - * - * «uses» «uses» «uses» «extends» «extends» «include» _«include» -. * -. * «include» «include» «include» «include» - * - *

Gambar 4.8 Usecase Seleksi Beasiswa

Use case diagram di atas dapat dijelaskan pada Tabel 4.14:

Tabel 4.14 Penjelasan Use Case Seleksi Beasiswa

Use Case Kode Deskripsi

Login UC – CF01 User dapat melakukan Login

untuk memasuki halaman utama aplikasi

Mengolah Biodata Siswa

UC – CF02 TU dapat mengisi data siswa Mengolah Nilai

Siswa

UC – CF03 TU, danwalikelas dapat mengisi nilai dan absensi siswa

Mengolah User UC – CF04 TU dapat mengisi data pengguna aplikasi

Mengolah Bobot UC – CF05 TUdapat mengisi bobot SAW Hitung Fuzzy SAW UC – CF06 TU dapat melihat data yang

digunakan untuk seleksi

Membuat Laporan UC – CF07 TUdapat membuat laporan hasil seleksi beasiswa.

Lihat Laporan UC – CF08 TU dan kepala sekolah dapat melihat laporan hasil seleksi

(29)

Skenario dari Use Case Log In bisa dilihat pada Tabel 4.15: Tabel 4.15 Skenario Use Case Log In Nomor Use Case : UC-CF01

Nama Use Case : Login

Tujuan : Masuk ke halaman utama Kondisi Awal : Halaman Login Tampil Aktor : TU, walikelas, kepalasekolah

Aksi Aktor Reaksi Sistem

1. Mengisi Username 2. Mengisi Password 3. Tekan tombol Login

\

4. Melakukan validasi Username dan Password

5. Halaman utama tampil Exception Flow of Event

3a. Memilih tombol Batal, system akan membersihkan tampilan dan kembali ke no. 1

4a. Sistem gagal melakukan validasi dan kembali ke no. 1

Kondisi akhir Halaman Utama Tampil

Skenario Use Case dari data siswa dapat dilihat pada Tabel 4.16: Tabel 4.16 Skenario Use Case Data Siswa Nomor Use Case : UC-CF02

Nama Use Case : Mengolah Data Siswa Tujuan : Olah data data siswa Kondisi Awal : Halaman Siswa Tampil

Aktor : TU

1. Isi form data siswa 2. Tekan tombol simpan

3. Menyimpan data dari form sudah diisi dan menampilkan pesan sukses menyimpan 4. Pilih salah satu data dengan tekan

tombol di samping nis

5. Rubah yang perlu dirubah dari data tersebut

6. Tekan tombol simpan

7. Menyimpan data yang telah selesai dirubah dan

(30)

menampilkan pesan edit sukses

8. Pilih salah satu data lalu tekan tombol hapus

11. Tekan tombol ya

9. Menampilkan pesan apa anda yakin untuk konfirmasi hapus data

12. Menghapus data yang dipilih dan menampilkan pesan data telah dihapus

Exception Flow of Event

3a.7a.11a. Memilih tombol Batal, system akan membersihkan tampilan dan kembali ke no. 1, 5 atau 9

Skenario Use Case dari nilai siswa bisa dilihat pada Tabel 4.17. Tabel 4.17 Skenario Use Case Nilai Siswa Nomor Use Case : UC-CF03

Nama Use Case : Mengolah nilai dan absensi siswa Tujuan : Olah data nilai dan absensi siswa Kondisi Awal : Halaman penilaian siswa Tampil Aktor : TU dan Walikelas

1. Pilih siswa dengan cara menekan tombol di samping kolom isian NIS

2. Isi form penilaian siswa 3. Tekan tombol simpan

4. Menyimpan data dari form sudah diisi dan menampilkan pesan sukses menyimpan 5. Pilih salah satu data dengan cara

menekan tombol di samping kolom kode nilai

7. Tekan tombol finish 8. Menyimpan data yang telah selesai dirubah dan menampilkan pesan edit sukses

10.Menampilkan pesan apa anda yakin untuk konfirmasi hapus

(31)

11. Tekan tombol ya

Skenario Use Case dari mengolah bobot dapat dilihat pada Tabel 4.18 Tabel 4.18 Skenario Use Case Mengolah Bobot Nomor Use Case : UC-CF04

Nama Use Case : Mengolah User

Tujuan : Olah data pengguna aplikasi Kondisi Awal : Halaman pengguna

Aktor : TU

1. Isi form pengguna 2. Tekan tombol simpan

3. Menyimpan data dari form sudah diisi dan menampilkan pesan sukses menyimpan 4. Pilih salah satu data dengan cara

menekan tombol di samping id pengguna

6. Tekan tombol finish

7. Menyimpan data yang telah selesai dirubah dan menampilkan pesan edit sukses

11. Tekan tombol ya

9. Menampilkan pesan apa anda yakin untuk konfirmasi hapus data

(32)

Skenario Use Case dari Pengguna dapat dilihat pada Tabel 4.19.

Tabel 4.19 Skenario Use Case Pengguna

Nomor Use Case : UC-CF05 Nama Use Case : Mengolah Bobot

Tujuan : Mengolah bobot yang digunakan dalam seleksi Kondisi Awal : Halaman bobot tampil

Aktor : TU

1. Isi form bobot

2. Tekan tombol simpan

3. Menyimpan data dari form sudah diisi dan menampilkan pesan sukses menyimpan 1. Pilih data bobot yang mau dirubah

dengan cara klik tombol di samping kode bobot

2. Rubah bobot sesuai yang diinginkan

3. Tekan ok

4. Bobot yang telah dirubah akan disimpan

Skenario Use Case dari Fuzzifikasi dapat dilihat pada Tabel 4.20. Tabel 4.20 Skenario Use Case Fuzzifikasi Nomor Use Case : UC-CF06

Nama Use Case : Hitung Fuzzy SAW

Tujuan : Melihat data yang digunakan untuk seleksi Kondisi Awal : Halaman Fuzzy SAW tampil

Aktor : TU

1. Menampilkan nilai, pendapatan, dan absensi yang

(33)

sudah difuzzifikasi dan dihitung bobot nya

Skenario Use Case dari buat laporan dapat dilihat pada Tabel 4.21.

Tabel 4.21 Skenario Use Case Buat Laporan Nomor Use Case : UC-CF07

Nama Use Case : Membuat Laporan

Tujuan : Membuat laporan dari seleksi beasiswa Kondisi Awal : Halaman laporan tampil

Aktor : TU

1. Tekan Tombol lihat hasil seleksi

2. Menampilkan hasil seleksi 3. Tekan tombol save

4. Menyimpan hasil seleksi dalam bentuk laporan

Skenario Use Case dari buat laporan dapat dilihat pada Tabel 4.22.

Tabel 4.22 Skenario Use Case Lihat Laporan Nomor Use Case : UC-CF08

Nama Use Case : Lihat Laporan Tujuan : Melihat laporan

Kondisi Awal : Halaman laporan tampil Aktor : Kepala Sekolah

1. Tekan Tombol lihat hasil seleksi

2. Menampilkan hasil seleksi Exception Flow of Event

2a. Jika hasil seleksi belum ada maka akan muncul pesan hasil seleksi belum ada. Dan Sistem akan kembali ke halaman utama

(34)

4.4.1 Class Diagram

Diagram kelas dari sistem ini dapat dilihat pada Gambar 4.9.

+Otentifikasi() -Username -Password Login +Input() +Edit() +Delete() -NIS -Nama -Kelas -TahunAjaran -PendapatanOrtu -Tanggungan Siswa +Input () +Edit() +Show() -ID -Username -Nama -Password -Level User +Input() +Edit() +Delete() +() -NIS -Nama -TahunAjaran -Nilai Genap -Nilai Ganjil -Kehadiran Genap -Kehadiran Ganjil Nilai +Edit() +Input() +Delete() -Tahun Ajaran

-Bobot Pendapatan Bantuan -Bobot Nilai Bantuan -Bobot Kehadiran Bantuan -Bobot Tanggungan Bantuan -Bobot Pendapatan Prestasi -Bobot Nilai Prestasi -Bobot Kehadiran Prestasi -Bobot Tanggungan Prestasi

Bobot +Get rata2nilai() +Get kehadiran() +Get pendapatanOrtu() +Get Tanggungan() -NIS -Nama -Tahun Ajaran -RataNilai -RataKeha -Pendapatan -Tanggungan SAW -NIS -Nama -Kelas -Laporan 1 1..* 1..* 1..* 1..* 1..* 1..* 1..* 1..* 1 1..* 1..* 1..* _1..* 1..* 1..* 1..* 1..* +Get rata2nilai() +Get kehadiran() +Get pendapatanOrtu() +Get Tanggungan() -NIS -Nama -Tahun Ajaran -RataNilai -RataKeha -Pendapatan -Tanggungan Fuzzifikasi 1..* 1..* 1..* 1..*

(35)

Input Data Bobot Cek Kelengkapan

Menerima Pesan Lengkapi Data

Menyimpan Data

Input Username dan Password Verifikasi Data User

Menerima Pesan Penolakan

Halaman Utama Tampil 4.4.2 Activity Diagram

1. Activity Diagram Login

Diagram aktifitas dari Log In dapat dilihat pada Gambar 4.10.

User Sistem

Gambar 4.10 Activity Diagram Log In 2. Activity Diagram Bobot

Diagram aktifitas dari bobot dapat dilihat pada Gambar 4.11.

User Sistem

(36)

Input Data Siswa Cek Kelengkapan

Menyimpan Data

Input Data Nilai Siswa Cek Kelengkapan

Menyimpan Data

3. Activity Diagram Siswa

Diagram aktifitas dari siswa dapat dilihat pada Gambar 4.12.

User Sistem

Gambar 4.12 Activity Diagram Siswa

4. Activity Diagram Nilai

Diagram aktifitas dari nilai dapat dilihat pada Gambar 4.13.

User Sistem

(37)

Input Data Pengguna Cek Kelengkapan

Menyimpan Data

5. Activity Diagram Pengguna

Diagram aktifitas dari pengguna dapat dilihat pada Gambar 4.14.

Siswa Sistem

Gambar 4.14 Activity Diagram Pengguna 4.4.3 Sequence Diagram

1. Sequence Diagram Login

Sequence Diagram Login dapat dilihat pada Gambar 4.15

Gambar 4.15 Sequence Diagram Login User

Login Pengguna

Top Package::User

1:Input User Name()

2.Input Passowrd() 3.Validasi()

5.Cek User Name() 4. Cek Password()

6. Tidak Valid()

7. Valid() Input Data User()

(38)

Keterangan: User melakukan Login system diaplikasi seleksi beasiswa dengan memasukkan User Name dan Password. Lalu aplikasi sistem akan memvalidasi User Name dan Password tersebut dan memberikan hak aksesnya kepada User. Dan bisa mengisi data pengguna, biodata, mata pelajaran, bobot, dan nilai. Jika tidak valid, maka aplikasi tidak akan menampilkan hak aksesnya.

2. Sequence Diagram Hitung

Sequence Diagram Hitungdapat dilihat pada Gambar 4.16

Nilai SIswa Biodata Siswa

Seleksi Bobot

Lakukan Seleksi Minta Biodata

Cek Data Biodata Valid

Tidak Valid

Minta Data Nilai

Cek Data NIlai Valid Tidak Valid Minta Bobot Cek Bobot Valid Tidak Valid Hitung Hasil Top Package::TU

Gambar 4.16 Sequence Diagram Hitung

Keterangan: TU Masuk ke menu seleksi, Sistem akan mengambil pendapatan orangtua dari Biodata, rata-rata nilai dan nilai absensi dari nilai siswa, dan mengambil bobot yang digunakan untuk menghitung pada saat seleksi. Jika lenkap maka seleksi akan dilakukan. Jika kurang lengkap akan ada pemberitahuan ke user.

(39)

4.4.4 Perancangan Database

Perancangan Basis Data dari sistem pembantu pengambilan keputusan ini dapat dilihat pada Gambar 4.17.

Gambar 4.17 Perancangan Data Base 4.5 Rancangan Aplikasi

Dari hasil penelitian dan analisis, maka dapat pada gambarkan desain aplikasi yang akan dibuat. Berikut ini merupakan rancangan dari setiap form yang akan dibuat.

(40)

4.5.1 Form Login

Form Login berisi form untuk input data id_user dan password dari pengguna, dibarengi dengan tombol Login dan Batal. Gambar dari rancangan form Log In dapat dilihat pada Gambar 4.18.

Login Login Enter Text User Name Password User Name Password Login Batal

Gambar 4.18. Rancangan Form Login 4.5.2 Halaman Utama

Halaman utama dari aplikasi terdiri 5 menu utama yaitu System, Data Master, Penilaian, Fuzzy dan SAW, dan Help. Setiap menu kecuali Help akan memiliki SubMenu yang mengakses ke form-form lain yang ada di aplikasi tersebut. Gambar dari rancangan form Log In dapat dilihat pada Gambar 4.19. Menu Utama Menu Utama System LogIn Keluar LogOut Data Master Siswa Pengguna Penilaian Bobot

Nilai dan Kehadiran

Fuzzy dan SAW Fuzzifikasi SAW

Help

(41)

4.5.3 Form Data Siswa

Form data siswa terdiri atas inputan NIS, Nama, Pendapatan, dan Tanggungan, juga ada tombol Simpan, Batal, dan Cetak. Lalu tombol pilih yang digunakan untuk memilih data yang sudah ada yang akan dirubah. Gambar dari rancangan form data siswa dapat dilihat pada Gambar 4.20.

Siswa Siswa Enter Text NIS Pendapatan Tanggungan ...

Simpan Batal Cetak Daftar Siswa

Gambar 4.20. Rancangan Form Data Siswa 4.5.4 Form Bobot

Form bobot digunakan untuk mengolah data bobot, yang terdiri dari bobot kehadiran, nilai, pendapatan, dan tanggungan. Gambar dari rancangan form bobot dapat dilihat pada Gambar 4.21.

Bobot Bobot Enter Text Tahun Ajaran Nama Bobot Nilai Kriteria Kehadiran Enter Text Kode Bobot ... Tanggungan Pendapatan

Simpan Batal Cetak Daftar Bobot

(42)

4.5.5 Form Pengguna

Form pengguna digunakan untuk mengolah data user, terdiri atas inputan Idpengguna, Nama, Password, dan Hak, juga ada tombol Simpan, Batal, dan Cetak. Gambar dari rancangan form pengguna dapat dilihat pada Gambar 4.22. Pengguna Pengguna Enter Text Id Pengguna Nama Pengguna Password Hak ...

Simpan Batal Cetak Daftar User

Gambar 4.22. Rancangan Form Pengguna 4.5.6 Form Penilaian

Form nilai digunakan untuk mengolah data nilai siswa, terdiri atas inputan Tahun ajaran, kode nilai, NIS, nama, kehadiran, dan nilai. Gambar dari rancangan form nilai dapat dilihat pada Gambar 4.23.

Penilaian Penilaian Enter Text Tahun Ajaran NIS Genap Kehadiran Ganjil Enter Text KodeNilai ... Genap Ganjil

Simpan Batal Cetak Daftar Penilaian ...

Nilai

(43)

4.5.7 Form Fuzzifikasi

Form fuzzifikasi menampilkan data sebelum dan sesudah fuzzifikasi. Gambar dari rancangan form fuzzifikasi dapat dilihat pada Gambar 4.24.

Fuzzyfikasi Fuzzyfikasi

Sebelum fuzzifikasi

NIS Nama Kelas Rata2 Pendapatan Absensi

Sesudah Fuzzyfikasi

NIS Nama Kelas Rata2 Pendapatan Absensi

Gambar 4.24 Rancangan Form Fuzzifikasi

Dari gambar di atas dapat dilihat bahwa form fuzzifikasi terdiri dari dua buah tabel yang merupakan nilai sebelum dan sesudah fuzzifikasi. Untuk algoritma dari form fuzzifikasi di atas dapat diliat pada gambar 4.25. Deklarasi Pend = integer Fpend = real Nilai = integer Fnilai = real Keha = int Fkeha = real Alogritma

Alogritma Fuzzifikasi Pend If pend >= 5000000 Then fpend = 0.3

ElseIf pend > 3000000 Then

fpend = (((5000000 - pend) / 2000000) * 0.3) + 0.3

ElseIf pend = 3000000 Then fpend = 0.6

ElseIf pend > 1000000 Then

fpend = (((3000000 - pend) / 2000000) * 0.3) + 0.6

Else

(44)

End If

Alogritma Fuzzifikasi Nilai If nilai <= 65 Then fnilai = 0.3

ElseIf nilai < 75 Then

fnilai = (0.6 - (75 - nilai) / 10) * 0.3 ElseIf nilai = 75 Then

fnilai = 0.6

ElseIf nilai < 85 Then

fnilai = (0.9 - (85 - nilai) / 10) * 0.3 Else

fnilai = 0.9 End If

Alogritma Fuzzifikasi Keha If keha <= 80 Then fkeha = 0.3

ElseIf keha < 85 Then

fkeha = (0.6 - (85 - keha) / 5) * 0.3 ElseIf keha = 85 Then

fkeha = 0.6

ElseIf keha < 90 Then

fkeha = (0.9 - (85 - nilai) / 10) * 0.3 Else

fnilai = 0.9 End

Gambar 4.25. Alogritma Form Fuzzifikasi 4.5.8 Form SAW

Form SAW menampilkan data sesudah fuzzifikasi dan sesudah SAW. Gambar dari rancangan form SAW dapat dilihat pada Gambar 4.26.

SAW SAW

Saw Bantuan

NIS Nama nilai Absensi pendapatan Tanggungan Total

Saw Prestasi

NIS Nama nilai Absensi pendapatan Tanggungan Total

(45)

Dari gambar di atas dapat dilihat bahwa form SAW terdiri dari dua buah tabel yang merupakan nilai sebelum dan sesudah perhitungan SAW. Untuk algoritma dari form SAW di atas dapat diliat pada gambar 4.27.

Deklarasi Fpend = real Minpend = real maxnilai = real Fnilai = real maxkeha = real Fkeha = real Sawpend = real Sawtang = real Sawkeha = real Sawnilai = real Totalsaw = real Alogritma

Algoritma Min Pend

If fpend > minpend Then minpend = fpend End If

Algoritma Max Keha

If fkeha > maxkeha Then maxkeha = fkeha End If

Algoritma Max ratanilai

If fnilai > maxnilai Then maxnilai = fnilai End If

Algoritma Saw

sawpend = minpend / fpend * bobotpend / 100 sawtang = ftang / maxtang * bobottang / 100 sawkeha = fkeha / maxkeha * bobotkeha / 100 sawnilai = fnilai / maxnilai * bobotnilai / 100 totalsaw = sawpend + sawtang + sawkeha + sawnilai