536
PENENTUAN BEASISWA MISKIN DAN BERPRESTASI
BERBASIS WEB
Edi Setiawan Amiruddin dan Satria Gunawan Zain Fakultas Teknik, Universitas Negeri Makassar Jl. Daeng Tata Raya, Kampus UNM Parangtambung, Makassar
Email: edisetiawanamiruddin@gmail.com
Abstrak. Implementasi Fuzzy Logic MADM Dalam Sistim Informasi Penentuan Beasiswa Miskin dan Berprestasi Berbasis Web.Tujuan penelitian ini adalah merancang sebuah sistem informasi penentuan beasiswa yang diharapkan dapat memberikan kemudahan kepada siswa dalam melakukan pengajuan beasiswa dan juga memberikan kemudahan pada bagian kesiswaan dalam mengelolah data calon siswa penerima beasiswa dan proses penyeleksian siswa yang dapat menerima beasiswa. Jenis beasiswa yang diseleksi oleh sistem yaitu beasiswa BSM dan beasiswa BSP.Penelitian ini dilakukan di SMA Negeri 5 Makassar yang dilakukan selama 3 bulan, yakni Desember sampai Februari 2016. Metode yang digunakan pada perancangan sistem informasi penentuan beasiswa berbasis web ini adalah pengembangan perangkat lunak dengan metode Prototyping. Hasil yang diperoleh dari perancangan sistem informasi penyeleksian siswa penerima beasiswa ini adalah sebuah sistem informasi berbasis web yang dapat meningkatkan mutu dan kinerja pada proses dan hasil penyeleksian siswa penerima beasiswa di sekolah-sekolah khususnya di SMA Negeri 5 Makassar.Proses penyeleksian yang digunakan yaitu menerapkan fuzzy Multi-Atribute Decision Making SAW. Dari hasil uji coba dan validasi aplikasi diperoleh kesimpulan bahwa kualitas sistem informasi penentuan beasiswa berbasis web di SMA Negeri 5 Makassar ini adalah baik. Kemudian hasil uji coba menggunakan White box testing, Blackbox testing, dan pengujian angket diperoleh kesimpulan bahwa sistem ini layak untuk digunakan
Kata kunci: Sistem Informasi, Beasiswa BSM dan beasiswa prestasi, Web, Prototyping,fuzzy MADM
SAW, White box testing, Black Box testing
Kebijakan pembangunan pendidikan meliputi pemberian akses yang lebih besar kepada kelompok masyarakat selama ini kurang dapat menjangkau layanan pendidikan seperti masyarakat miskin, masyarakat yang tinggal di daerah terpencil, masyarakat di daerah-daerah konflik, ataupun masyarakat penyandang cacat.Landasan pokok keberadaan sistem pendidikan nasional adalah Undang-undang Dasar (UUD) 1945 BAB XIII, Pasal 31, ayat (1) yang menyatakan bahwa: “Setiap warga negara berhak mendapat pendidikan”. Hal ini mengandung implikasi bahwa sistem pendidikan nasional harus mampu memberikan kesempatan belajar yang seluas-luasnya dan layak kepada setiap warga negara.
Salah satu faktor rendahnya partisipasi pendidikan khususnya pada keluarga atau kelompok miskin adalah tingginya biaya pendidikan baik biaya langsung maupun tidak langsung. Biaya langsung meliputi antara lain iuran sekolah, buku, seragam, alat tulis, sementara biaya tidak langsung meliputi antara lain biaya transportasi, kursus, uang saku, dan biaya-biaya lain.
Untuk mengurangi atau mencegah terjadinya anak putus sekolah yang disebabkan faktor ketidakmampuan ekonomi bagi kelompok masyarakat yang selama ini kurang terjangkau oleh pendidikan, melalui Anggaran Pendapatan dan Belanja Negara (APBN) menetapkan program bantuan beasiswa miskin.
Bantuan Siswa Miskin adalah program nasional yang bertujuan untuk: membantu siswa miskin agar bisa memenuhi biaya-biaya sekolah; mencegah siswa putus sekolah; menarik kembali siswa miskin untuk bersekolah seperti semula; dan mendukung program pemerintah berupa Wajib Belajar Pendidikan Dasar 9 Tahun dan hingga tingkat menengah atas.
Selain itu, ada juga program beasiswa berprestasi.Beasiswa berprestasi adalah mereka siswa yang memiliki prestasi di bidang akademik maupun non-akademik pada tingkat SD, SMP, SMA / SMK yang telah memenuhi syarat kriteria sesuai petunjuk teknis yang ditetapkan oleh Kementerian Pendidikan dan Kebudayaan.
Untuk itu diperlukan suatu system informasi yang menggunakan metode penentuan yang dapat menyeleksi siswa yang berhak mendapat beasiswa dengan tepat. Metode yang digunakan adalah fuzzy logic yang digunakan adalah sistem inferensi Fuzzy Multiple Attribute Decision Making (FMADM) dengan metode Simple Additive Weighting (SAW).FMADM digunakan untuk mencari suatu alternatif terbaik dari berbagai alternatif berdasarkan kriteria-kriteria yang telah ditentukan.Intinya bahwa metode tersebut menentukan nilai bobot pada setiap kriteria. Selanjutnya metode SAW untuk mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW ini dipilih karena lebih efektif, lebih mudah pada proses perhitungan dalam penyeleksian penerima beasiswa dan lebih efisien.
Jogiyanto (2005:11), mendefinisikan bahwa sistem informasi adalah susatu sistem di dalam suatu organisasi yang mempertemukan kebutuhan pengolahan transaksi harian, mendukung operasi, bersifat manajerial dan kegiatan strategi dalam suatu organisasi dan menyediakan pihak luar tertentu dengan laporan-laporan yang diperlukan.
Berdasarkan pemaparan diatas, maka penulis merasa tertarik untuk membuat karya tulis dalam bentuk makalah dengan judul “Sistem Informasi Penentuan Beasiswa Bantuan Siswa Miskin dan Beasiswa Berprestasi Menggunakan FuzzyLogic Berbasis Web”
METODE PENELITIAN
Penelitian ini merupakan penelitian rekayasa perangkat lunak yang bertujuan untuk mengembangkan perangkat lunak (Software Development Research).Model penelitian reka-yasa perangkat lunak yang digunakan adalah model prototyping.Prototyping merupakan salah satu metode pengembangan perangkat lunak yang banyak digunakan.Dengan metode prototyping ini pengembang dan pengguna dapat saling berinteraksi selama proses pembuatan sistem. Pengguna biasanya hanya memberikan beberapa kebutuhan umum software tanpa detail input, proses atau detail output atau racangan form user interface. Ketika situasi seperti ini model prototyping sangat membantu proses pengembangan software.
Gambar 1 Model Prototype menurut Roger S. P
Metode SAW
Metode SAW sering juga dikenal dengan istilah metode penjumlahan terbobot.Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Sri Kusumadewi, Fuzzy Multi Attribute Decision Making, 2006). Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada (Sri Kusumadewi:2006).
=
jika j adalah atribut keuntungan !"#
$%
jika j adalah atribut biaya '()"# *
+ ,
(1)
Keterangan : = rating kriteria ternormalisasi dari alternative . Atribut - ; i = 1, 2, ..., m dan j = 1, 2, ..., n. Mendengarkan pelanggan Membangun Memperbaiki Market Uji pelanggan Mengendalikan Market
Selanjutnya untuk menentukan nilai preferensi untuk setiap alternatif .# diberikan sebagai :
. = /1230 (2)
Keterangan : Nilai . yang lebih besar mengindikasikan bahwa alternatif lebih terpilih.
Langkah penyelesaian FMADM dengan metode SAW yaitu:
a. Menentukan kriteria yang dijadikan acuan untuk syarat penerima beasiswa.
Kriteria yang menjadi bahan pertimbangan dalam proses penyeleksian penerima beasiswasebagai berikut:
Tabel 1 Kriteria Beasiswa BSM Kode Kriteria C1 Status Anak C2 Pekerjaan Ayah C3 Pekerjaan Ibu C4 Penghasilan Ayah C5 Penghasilan Ibu C6 Jumlah Tanggungan
C7 Surat keterangan tidak mampu
C8 Kartu jaminan sosial
C9 Kartu keluarga
C10 Kartu calon penerima BSM
Tabel 2 Kriteria Beasiswa Prestasi
Kode Kriteria
C1 Nilai Rata-rata Semester
C2 Prestasi Akademik
C3 Prestasi Non Akademik
Dari masing-masing kriteriadi atas, maka dibuat variabel-variabelnya. Dimana dari suatu variabel tersebut akan dirubah kedalam bilangan fuzzy. Berikut bilangan fuzzy dari variabel yang dibentuk : Sangat Rendah ( SR ) = 0 Rendah ( R ) = 2,5 Cukup ( C ) = 5 Tinggi ( T ) = 7,5 Sangat Tinggi ( ST) = 10
Nilai dari variabel tersebut diperoleh dengan membuat grafik bobot.
Gambar 2 Grafik bobot
b. Menentukan bobot preferensi atau tingkat kepentingan (W) setiap kriteria.
c. Membuat tabel rating kecocokan setiap alternatif pada setiap kriteria.
d. Membuat matrik keputusan X yang dibentuk dari tabel rating kecocokan dari setiap alternatif pada setiap kriteria.
e. Melakukan normalisasi matriks dengan cara menghitung rating kinerja ternormalisasidari alternatif ( ) pada atribut (-) berdasarkan persamaan (1).
f. Melakukan hasil preferensi untuk setiap alternatif (V5) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W). Nilai preferensi diperoleh dengan menggunakan persamaan (2).
g. Melakukan perangkingan berdasarkan nilai preverensi yang telah diperoleh.
Gambar 2.Penerapan Fuzzy MADM SAW
HASIL DAN PEMBAHASAN Antarmuka Sistem
Hasil penelitian yang dihasilkan berupa sebuah sistem yang dikembangkan dengan bahasa pemrograman Php Hypertext Preprocessor (PHP) dan Database Management System (DBMS) menggunakan MySQL dan framework bootstrap sehingga membentuk
sebuah sistem informasi penentuan bantuan beasiswa miskin dan berprestasi berbasis web. Sistem informasi penentuan berbasis web dapat memudahkan bagian yang menangani beasiswa yaitu bagian kesiswaaan serta juga memudahkan siswa dalam memberikan pengajuan untuk memperoleh beasiswa.
Siswa dapat mendaftar secara online ke sistem serta mengedit, mencetak formulir dan melihat pengumuman hasil seleksi. Bagian kesiswaan sebagai admin dapat mengubah data siswa dan kriteria yang dimiliki setiap siswa yang mendaftar.
Gambar 4.Halaman Kriteria Beasiswa
Gambar 5.Halaman Himpunan Kriteria Beasiswa
Gambar 6.Halaman Input Data Pendaftar
Gambar 7.Halaman Data Penerima Beasiswa
Gambar 8.Halaman Data Analisa
Gambar 9.Halaman Data Bobot Setiap Alternatif
Gambar 10.Halaman Normalisasi Data
PEMBAHASAN
Berdasarkan hasil penelitian yang menghasilkan aplikasi perangkat lunak yang dibangun untuk penentuan beasiswa berbasis web, dengan melakukan pengujian baik dari sisi pengguna atau siswa calon penerima beasiswa maupun admin dan contoh kasus. Adapun hasil yang didapat yaitu:
1. Pengguna/Siswa calon penerima beasiswa Berdasarkan pengujian sistem pada pengguna atau siswa calon penerima beasiswa, sistem telah berjalan seperti yang diiginkan oleh pihak sekolah, dimana pengguna dapat mengakses semua semua menu-menu yang sudah disediakan sistem, baik itu menampilkan informasi, mendaftar dan mencetak formulir telah mendaftar sebagai calon penerima beasiswa di SMA Negeri 5 Makassar.
2. Admin
Berdasarkan pengujian sistem pada admin, sistem telah berjalan seperti yang diiginkan oleh pihak sekolah, dimana admin dapat mengakses semua menu-menu yang sudah disediakan sistem, baik itu menampilkan informasi, mengubah data, menghapus data, dan mencetak data.
Berdasarkan pengujian pengguna dan admin, penulis bisa mendapatkan kelebihan dan kekurangan dari sistem dibuat berupa penyedia menu-menu yang masih ada yang kurang serta akses ke sistem masih tergolong lambat karena menggunakan hostingan gratis dari idhostinger, kelebihan berupa tampilan yang cukup sederhana, mudah digunakan, keamanan data terjamin, dan membantu penentuan beasiswa di SMA Negeri 5 Makassar menjadi lebih baik. Analisa FMADM Metode SAW
Perhitungan Manual berdasarkan contoh kasus dengan menggunakan langkah penyelesaian FMADM dengan metode SAW.
Tabel 3 Contoh Kasus
No Kriteria Pendaftar
A B C
1 Status Anak Orang tua masih lengkap Orang tua masih lengkap Orang tua masih lengkap 2 Pekerjaan Ayah Wiraswast a Petani/buru h Wiraswas ta
3 Pekerjaan Wiraswast Tidak Wiraswas
Ibu a bekerja ta 4 Penghasilan Ayah/bulan <= 1 jt <= 1 jt 3 jt < X <= 4 jt 5 Penghasilan Ibu/bulan <= 1 jt <= 1 jt <= 1 jt 6 Jumlah tanggungan
2 anak 2 anak 1 anak
7 Keterangan tidak mampu
Ada Ada Ada
8 Kartu jaminan sosial
Ada Ada Tidak Ada
9 Kartu Keluarga
Ada Tidak Ada Ada
10 Kartu Calon Penerima BSM
Ada Tidak Ada Ada
11 Nilai Rata-rata Semester 71<X< 80 81<X<90 >=90 12 Prestasi Akademik
T. Sekolah T. Sekolah T. Kab.
13 Prestasi Non Akademik
T. Sekolah T. Kab. T. Sek
Langkah penentuan menggunakan metode SAW sebagai berikut:
a. Menentukan kriteria yang dijadikan acuan untuk syarat penerima beasiswa
1) Beasiswa Miskin (BSM)
a) Bobot nilai kriteria status anak dengan atribut Benefit
Tabel 4 Bobot nilai kriteria status anak
C1 (Status Anak) Bobot
Yatim Piatu 10
Yatim 7,5
Piatu 5
Kedua orang tua masih lengkap
2,5
b) Bobot nilai kriteria pekerjaan ayah dengan atribut Cost
Tabel 5 Bobot nilai kriteria pekerjaan ayah
C2 (pekerjaan ayah) Bobot
PNS/Pegawai 10
Karyawan 6
Petani/buruh 4
Tidak Bekerja 2
c) Bobot nilai kriteria pekerjaan ibu dengan atribut Cost
Tabel 6 Bobot nilai kriteria pekerjaan ibu
C3 (pekerjaan ibu) Bobot
PNS/Pegawai 10
Wiraswasta 8
Karyawan 6
Petani/buruh 4
Tidak Bekerja 2
d) Bobot nilai kriteria penghasilan ayah/ bulan dengan atribut Cost
Tabel 7 Bobot nilai kriteria penghasilan ayah
C4 (penghasilan orang tua) Bobot
C4 <= 1.000.000 2
1.000.000 < C4<= 2.000.000 4
1.500.000 < C4<= 3.000.000 6
3.000.000 < C4<= 4.000.000 8
C4 >4.000.000 10
e) Bobot nilai kriteria penghasilan ibu/ bulan dengan atribut Cost
Tabel 8 Bobot nilai kriteria penghasilan ibu
C4 (penghasilan orang tua) Bobot
C4 <= 1.000.000 2
1.000.000 < C4<= 2.000.000 4
2.000.000 < C4<= 3.000.000 6
3.000.000 < C4<= 4.000.000 8
C4 > 4.000.000 10
f) Bobot nilai kriteria jumlah tanggungan dengan atribut Benefit
Tabel 9 Bobot nilai kriteria jumlah tanggungan
C5 (jumlah tanggungan) Bobot
1 anak 10
2 anak 8
3 anak 6
4 anak 4
5anak 2
Lebih dari 5 anak 0
g) Bobot nilai surat keterangan tidak mampu dengan atribut Benefit
Tabel 10 Bobot nilai kriteria keterangan tidak Mampu
C6 (keterangan tidak mampu)
Bobot
Tidak ada Rendah
Ada Tinggi
h) Bobot nilai kartu jaminan sosial dengan atribut Benefit
Tabel 11 Bobot nilai kriteria kartu jaminan sosial
C7 (kartu jaminan sosial) Bobot
Tidak ada 10
Ada 5
i) Bobot nilai kartu keluarga dengan atribut Benefit
Tabel 12 Bobot nilai kriteria kartu keluarga
C8 (kartu keluarga) Bobot
Tidak ada 10
Ada 5
j) Bobot nilai kartu penerima BSM dengan atribut Benefit
Tabel 13 Bobot nilai kriteria kartu calon penerima BSM C9 (kartu penerima BSM) Bobot
Tidak ada 10
Ada 5
2) Beasiswa Prestasi
a) Bobot nilai kriteria Nilai Rata-rata Semesterdengan atribut Benefit
Tabel 14 Bobot nilai kriteria Nilai Rata-rata Semester
C10 (Nilai Rata-rata Semester)
Bobot
61-70 4
71-80 6
81-90 8
>=90 10
b) Bobot nilai Prestasi Akademik dengan atribut Benefit
Tabel 15 Bobot nilai kriteria Prestasi Akademik
C11 (Prestasi Akademik) Bobot
Tidak Berprestasi 0
Tingkat Sekolah 2
Tingkat Kabupaten 4
Tingkat Provinsi 6
Tingkat Nasional 8
c) Bobot nilai Prestasi Non Akademik dengan atribut Benefit
Tabel 16 Bobot nilai kriteria Prestasi Non Aka-demik C12 (Prestasi Non Akademik) Bobot Tidak Berprestasi 0 Tingkat Sekolah 2 Tingkat Kabupaten 4 Tingkat Provinsi 6 Tingkat Nasional 8 Keterangan:
Atribut Benefit : Nilai tertinggi yang terbaik Atribut Cost : Nilai terendah yang terbaik
Gambar 12 Data Kriteria beasiswa
b. Menentukan bobot preferensi atau tingkat kepentingan (W) setiap kriteria beasiswa. Wmiskin = [ 5 5 5 5 5 4 3 3 3 3]
Wprestasi = [ 4 4 4 ]
Bobot preferensi diperoleh dengan mencocokkan atribut setiap kriteria pada gambar 12.Berikut bilangan fuzzy dari kriteria yang dibentuk : Sangat Rendah ( SR ) = 1 Rendah ( R ) = 2 Cukup ( C ) = 3 Tinggi ( T ) = 4 Sangat Tinggi ( ST) = 5 c. Membuat tabel rating kecocokan setiap
alternatif pada setiap kriteria seperti pada Gambar 4.49.
Gambar 13 Hasil analisa dari tabel rating kecocokan setiap alternative
Data diperoleh dengan mencocokkan bobot pada setiap kriteria beasiswa.
d. Membuat matrik keputusan X yang dibentuk dari tabel rating kecocokan dari setiap alternatif pada setiap kriteria.
Xmiskin= 62,5 82,5 4 2,5 8 8 2 2 2 8 8 2 8 2 8 2 10 10 10 10 10 10 5 10 10 5 5 10 10> Xprestasi = 6 6 2 2 8 2 4 10 4 2>
e. Melakukan normalisasi matriks dengan cara menghitung rating kinerja ternormalisasidari alternatif ( ) pada atribut (-) berdasarkan persamaan (1). • Beasiswa Miskin A1. r11= 2,5 / Max (2,5;2,5;2,5) = 1 r12 = Min (8;4;8) / 4 = 1 r13 = Min (8;2;8) / 2 = 1 r14 = Min (2;2;8) / 2 = 1 r15 = Min (2;2;2) / 2 = 1
r16 = 8 / Max (8;8;10) = 0,8 r17 = 10 / Max (10;10;10) = 1 r18 = 10 / Max (10;10;5) = 1 r19 = 5 / Max (10;5;10) = 0,5 r110 = 5 / Max (10;5;10) = 0,5 A2. r21= 2,5 / Max (2,5;2,5;2,5) = 1 r22 = Min (8;4;8) / 8 = 0,5 r23 = Min (8;2;8) / 8 = 0,25 r24 = Min (2;2;8) / 2 = 1 r25 = Min (2;2;2) / 2 = 1 r26 = 10 / Max (8;8;10) = 0,8 r27 = 10 / Max (10;10;10) = 1 r28 = 5 / Max (10;10;5) = 1 r29 = 10 / Max (10;5;10) = 1 r210 = 10 / Max (10;5;10) = 1 A3. r31= 2,5 / Max (2,5;2,5;2,5) = 1 r32 = Min (8;4;8) / 8 = 0,5 r33 = Min (8;2;8) / 8 = 0,25 r34 = Min (2;2;8) / 8 = 0,25 r35 = Min (2;2;2) / 2 = 1 r36 = 8 / Max (8;8;10) = 1 r37 = 10 / Max (10;10;10) = 1 r38 = 10 / Max (10;10;5) = 0,5 r39 = 10 / Max (10;5;10) = 1 r310 = 10 / Max (10;5;10) = 1 • Beasiswa Prestasi A1. r11= 6 / Max (6;8;10) = 0,6 r12 = 2 / Max (2;2;4) = 0,5 r13 = 2 / Max (2;4;2) = 0,5 A2. r21= 8 / Max (6;8;10) = 0,8 r22 = 2 / Max (2;2;4) = 0,5 r23 = 4 / Max (2;4;2) = 1 A3. r31= 10 / Max (6;8;10) = 1 r32 = 4 / Max (2;2;4) = 1 r33 = 2 / Max (2;4;2) = 0,5 Keterangan: A1 = Pendaftar 1 (A) A2 = Pendaftar 2 (B) A3 = Pendaftar 3 (C)
Gambar 14 Tampilan Tabel hasil analisa Normalisasi pada matriks R
Dari perhitugan diatas, diperoleh normalisasi matriks R sebagai berikut:
Rmiskin= 61 0,51 1 1 0,5 0,25 1 1 1 0,25 0,25 1 0,8 1 0,8 1 1 1 1 1 1 1 0,5 1 1 0,5 0,5 1 1 > Rprestasi = 6 0,6 0,5 0,5 0,8 0,5 1 1 1 0,5>
f. Melakukan hasil preferensi untuk setiap alternatif (V5) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W). Nilai preferensi diperoleh dengan menggunakan persamaan (2).
• Mencari Vmiskin (Alternatif terbaik dari
beasiswa miskin)
Vmiskin = Wmiskin x Rmiskin
Wmiskin = [ 5 5 5 5 5 4 3 3 3 3] Rmiskin= 61 0,51 1 1 0,5 0,25 1 1 1 0,25 0,25 1 0,8 1 0,8 1 1 1 1 1 1 1 0,5 1 1 0,5 0,5 1 1 > Vmiskin(A1) = 5(1) + 5 (0,5) + 5(0,25) + 5(1) + 5(1) + 4(0,8) + 3(1) + 3(1) + 3(1) + 3(1) = 33,95 Vmiskin(A2) = 5(1) + 5 (1) + 5(1) + 5(1) + 5(1) + 4(0,8) + 3(1) + 3(1) + 3(0,5) + 3(0,5) = 37,2 Vmiskin(A3) = 5(1) + 5 (0,5) + 5(0,25) + 5(0,25) + 5(1) + 4(1) + 3(1) + 3(0,5) + 3(1) + 3(1) = 29,5
• Mencari Vprestasi (Alternatif terbaik dari
beasiswa prestasi) Vprestasi = Wprestasi x Rprestasi
Wprestasi = [ 4 4 4 ] Rprestasi = 6 0,6 0,5 0,5 0,8 0,5 1 1 1 0,5> Vprestasi(A1) = 4(0,6) + 4 (0,5) + 4(0,5) = 6,4 Vprestasi(A2) = 4(0,8) + 4 (0,5) + 4(1) = 9,2 Vprestasi(A3) = 4(1) + 4 (1) + 4(1) = 10
Gambar 15 Tampilan Tabel hasil analisa seleksi penerima beasiswa
Pada gambar 15, nilai hasil pembobotan masing-masing pendaftar dibagi kedalam dua jenis beasiswa yaitu beasiswa miskin dan beasiswa berprestasi. Maksud dari pembagian tersebut adalah untuk memudahkan dalam mengelompokkan pendaftar sesuai dengan beasiswa yang di lulusinya. Sebagai contoh pendaftar ’B’ mendapat peringkat 1 untuk men-dapat beasiswa miskin, namun dia menmen-dapat peringkat 2 untuk beasiswa prestasi. Artinya jika seleksi beasiswa miskin hanya berjumlah 1 orang maka pendaftar ’B’ berhak mendapatkan beasiswa. Akan tetapi jika seleksi beasiswa prestasi hanya berjumlah 1 orang juga maka pen-daftar ’B’ dinyatakan tidak lulus mendapat bea-siswa prestasi
SIMPULAN
Implentasi Fuzzy Logic MADM dalam Sistim Informsi penentuan beasiswa bantuan siswa miskin dan berprestasi berbasis webyang telah dikembangkanmemberi dampak yang signifikan dalam proses seleksi penerima beasiswa yaitu beasiswa BSM dan BSP. Sistem ini dikembangkan menggunakan model pengembangan Prototyping, dimulai dari analisis kebutuhan, desain, pengujian hingga imple-mentasi sistem.Sistem ini memudahkan bagian kesiswaan dalam mengumpulkan data serta mengelola penyeleksian siswa penerima beasiswa.Sistem informasi penyeleksian siswa penerima beasiswa juga memudahkan siswa dalam melakukan pengajuan untuk mendapatkan beasiswa serta melihat pengumuman hasil seleksi.Sistem ini juga nantinya dapat digunakan oleh semua sekolah dalam penentuan siswa penerima beasiswa
DAFTAR PUSTAKA
Jogiyanto, H.M. 2005. Analisis dan Desain: Sistem Informasi Pendekatan Terstruktur teori dan Praktek Aplikasi Bisnis.Yogyakarta: Andi. Kusumadewi, Sri.,dkk. 2006. Fuzzy Multi-Atribute
Decision Making (Fuzzy MADM). Yogya-karta. Graha Ilmu.
Pressman, Roger S. 2010.Rekayasa Perangkat Lunak Pendekatan Praktisi. Terjemahan: Harnanin-grum LN. Yogyakarta: Andi
