• Tidak ada hasil yang ditemukan

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN CALON PENERIMA BEASISWA DENGAN FUZZY METODE SIMPLE ADDITIVE WEIGHTED

N/A
N/A
Protected

Academic year: 2018

Membagikan "SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN CALON PENERIMA BEASISWA DENGAN FUZZY METODE SIMPLE ADDITIVE WEIGHTED"

Copied!
12
0
0

Teks penuh

(1)

SISTEM PENDUKUNG KEPUTUSAN

Pendidikan merupakan salah satu kunci pembentukan karakter sumber daya manusia agar menjadi lebih berkualitas. Beberapa masalah yang dapat menghambat proses tersebut diantaranya adalah besarnya biaya pendidikan. Beasiswa merupakan salah satu solusi yang dapat membantu permasalahan biaya pendidikan bagi para mahasiswa. Proses seleksi menggunakan model Fuzzy Multiple Attribute Decision Making (Fuzzy MADM) metode Simple Additive Weighted (SAW), digunakan untuk mendapatkan mahasiswa calon penerima beasiswa. Metode SAW adalah metode penjumlahan terbobot, dengan mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut maka akan didapatkan alternatif terbaik. Dengan menggunakan model Fuzzy MADM metode SAW maka penentuan calon penerima beasiswa akan lebih mudah dan objektif, karena dilakukan berdasarkan data yang ada dan tujuan dari pemberian beasiswa menjadi lebih tepat sasaran. Kata-kata kunci : Beasiswa , Fuzzy , Multiple Attribute Decision

Making , Simple Additive Weighted Abstract

Education is one of the key of characters building in human resources in order to become more qualified. Some problems that could hinder the process of which is the magnitude of the costs of education. The scholarship is one of the solutions that can help problems of tuition fees for students. The selection process using the model of Fuzzy Multiple Attribute Decision Making (Fuzzy MADM), Simple Additive Weighted (SAW) method, used to get student prospective scholarship recipients. The SAW method is a weighted sum method, by finding weighted summation of rating performance on each attribute on all the

1

(2)

alternatives then will get the best alternative. By using Fuzzy MADM model, SAW method, the prospective grantee will more easily and objectively, as it is done based on the data and the purpose of awarding scholarships to be more on target.

Keywords : Scholarships, Fuzzy, Multiple Attribute Decision Making ,

Simple Additive Weighted 1. PENDAHULUAN

Pendidikan merupakan salah satu kunci pembentukan karakter sumber daya manusia agar menjadi lebih berkualitas. Dalam pasal 31 ayat 1 pada Undang Undang Dasar 1945 dunyatakan bahwa setiap warga negara berhak mendapat pendidikan. Beberapa masalah yang dapat menghambat proses tersebut diantaranya adalah besarnya biaya pendidikan. Beberapa masalah yang dapat menghambat proses tersebut diantaranya adalah besarnya biaya pendidikan. Oleh karena itu pemerintah maupun pihak swasta memberikan bantuan biaya pendidikan melalui beasiswa. Dan untuk mendapatkannya, mahasiswa harus memenuhi syarat - syarat tertentu.

Beasiswa merupakan salah satu solusi yang dapat membantu perma-salahan biaya pendidikan bagi para mahasiswa. Beasiswa diberikan untuk dapat digunakan membiayai pendidikan yang ditempuh. Beasiswa Bantuan Belajar Mahasiswa (BBM) adalah bantuan beasiswa yang diperuntukkan bagi mahasiswa berprestasi dari keluarga kurang mampu. Oleh karena itu dalam proses seleksinya terdapat beberapa kriteria yang harus sesuai, agar tepat sasaran.

Proses seleksi akan menggunakan model Fuzzy Multiple Attribute Decision Making (Fuzzy MADM). Metode ini digunakan untuk melakukan seleksi dengan menyesuaikan dengan syarat yang sesuai data inputan. Untuk penentuan alternatif terbaik maka digunakan metode Simple Additive Weighted (SAW).

2. KAJIAN PUSTAKA

2.1 Sistem Pendukung Keputusan

(3)

peng-ambilan keputusan dalam suatu organisasi. Menurut Moore and Chang, SPK dapat digambarkan sebagai sistem yang dapat mendukung analisis data dan pemodelan keputusan yang berorientasi pada perencanaan masa depan dan digunakan pada saat yang tidak biasa. (Wikipedia, 2013)

Tujuan dari penggunaan SPK antara lain untuk membantu pihak manajemen agar dapat menyelesaikan permasalahan dan mengambil keputusan yang efektif dalam menyelesaikan masalah. SPK dalam pelaksanaannya dapat menggunakan bantuan sistem lain seperti Sistem Expert, Logika Fuzzy, dll.

2.2 Fuzzy MADM

Fuzzy adalah aplikasi yang lebih terpeinci dari logika Boolean. Logika Fuzzy memungkinkan nilai diantara 0 dan 1, tingkat keabuan dan dalam bentuk linguistik, sehingga akan berbentuk ketidak pastian seperti “sedikit”, “cukup” dan “sangat”. Logika ini berhubungan dengan set fuzzy dan teori kemungkinan. Logika fuzzy diperkenalkan oleh Dr. Lotfi Zadeh dari Universitas California, Berkeley pada 1965. Fuzzy MADM digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan syarat yang telah ditentukan.

2.3 Simple Additive Weighting

Metode Simple Additive Weighting (SAW) dikenal sebagai metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. (Fishburn, 1967) (MacCrimmon, 1968)

Metode SAW memerlukan proses normalisasi matriks keputusan (X) dalam skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Metode ini merupakan metode yang paling terkenal dan paling banyak digunakan dalam menghadapi situasi MADM.

(4)

{

………… (1) Dimana :

rij = rating kinerja ternormalisasi

Maxij = Nilai maksimum dari setiap baris dan kolom

Minij = Nilai minimum dari setiap baris dan kolom

Xij = Baris dan kolom dari matriks

Dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai

pada atribut Cj; i =1,2,…m dan j = 1,2,…,n.

Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai :

∑ ………… (2)

Dimana :

Vi = Nilai akhir dari alternatif

wj = Bobot yang telah ditentukan

rij = Normalisasi matriks

Nilai Vi yang lebih besar mengindikasikan alternatif Ai lebih

terpilih.

2.4 Database (PHP-MySQL)

PHP digunkan pada 1995 oleh Rasmus Lerdrof. Awal pembuatan PHP terjadi ketika Radmus ingin mengetahui jumlah pengunjung yang membaca resume onlinenya. Script yang dikembangkan saat itu baru dapat melakukan perekaman informasi pengunjung, dan menampilkan jumlah pengunjung dari website-nya. Kemudian, banyak orang di milis mulai mendiskusikan script buatan Rasmus, hingga akhirnya rasmus mulai membuat sebuah tool/script, bernama Personal Home Page (PHP).

(5)

3. METODE

3.1. Pengumpulan Data

Dilakukan penggumpulan data untuk dipetakan syarat-syaratnya dan kemudian dilakukan pemetaan atau penentuan nilai sesuai ketentuan pada Fuzzy MADM dengan metode SAW. Proses persiapan ini akan menghasilkan kriteria yang akan diproses dalam Fuzzy.

3.2. Perancangan dan Implementasi

Hasil dari pengupulan data akan diolah sehingga akan didapatkan bobot fuzzy. Dengan merubah syarat penerima beasiswa menjadi nilai tertentu untuk nantinya nilai ini akan dikenali oleh fuzzy sebagai bobot kebenarannya. Selanjutnya bobot fuzzy akan diolah dalam sistem hingga mendapatkan data mahasiswa prioritas penerima beasiswa.

Simulasi dilakukan menggunakan data lama yang sudah ada sebelumnya, kemudian hasilnya akan dicocokan dengan proses seleksi manual. Jika nantinya sistem masih terdapat kesalahan maka bisa diperbaiki logikanya hingga sistem dapat dijalankan dengan benar.

3.3. Kesimpulan dan Saran

Setelah proses uji coba, maka hasilnya dapat dibandingkan dengan tujuan awal penelitian. Dari perbandingan tadi akan didapat kesimpulan penelitian dan saran yang dapat meningkatkan sistem pendukung keputusan tersebut.

4. HASIL DAN PEMBAHASAN 4.1 Pembobotan Kriteria

Kriteria untuk menentukan mahasiswa penerima beasiswa beserta bobot-nya terlihat di Tabel 1 dan keterangan nilai ditentunkan pada Tabel 2.

Tabel 1. Tabel Kriteria dan Nilai Kepentingan Kriteria (C) Keterangan

C1 IPK Semester Sebelumnya

C2 Jumlah Penghasilan Orang

(6)

C3 Jumlah Tanggungan Orang

Tua

C4 Status Pelanggaran

Kedisiplinan

Tabel 2. Tabel Keterangan Nilai

Keterangan Nilai

a. Kriteria IPK Semester Sebelumnya (C1)

IPK menjadi syarat yang digunakan untuk menentukan prestasi dari mahasiswa. Semakin tinggi IPK maka semakin tinggi nilai Fuzzy-nya.

Tabel 3. Tabel Kriteria IPK

IPK (C1) Bilangan Fuzzy Nilai

b. Jumlah Penghasilan Orang Tua (C2)

Pada variabel penghasilan orang tua, dihasilkan dari pendapatan tetap dan tidak tetap dari kedua orang tua. Semakin tinggi jumlah penghasilan, maka semakin tinggi nilai Fuzzy nya.

Tabel 4. Tabel Kriteria Penghasilan Orang Tua

Penghasilan Orang Tua (C2) Bilangan Fuzzy Nilai

(7)

Rp 1.200.000 < Y ≤ Rp

Pada variabel tanggungan orang tua, dihasilkan dari jumlah anak yang menjadi tanggungan orang tua. Semakin banyak jumlah tanggungan, maka semakin tinggi nilai Fuzzy nya.

Tabel 5. Tabel Kriteria Jumlah Tanggungan

Jumlah Tanggungan (C3) Bilangan Fuzzy Nilai

1 Anak Rendah (R) 0,25

2 Anak Cukup (C) 0,50

3 Anak Tinggi (T) 0,75

≥ 4 Anak Sangat Tinggi (ST) 1,00

d. Status Pelanggaran Kedisiplinan

Pada kriteria pelanggaran kedisiplinan hanya terdapat dua bilangan Fuzzy, yaitu Sangat Rendah (SR) dan Sangat Tinggi (ST).

Tabel 6. Tabel Kriteria Pelanggaran Status Pelanggaran

Kedisiplinan (C4) Bilangan Fuzzy Nilai

Tidak Pernah Tinggi (T) 0,75

Pernah Rendah (R) 0,25

Nilai bobot (W) setiap kriteria ditentukan sebagai berikut :

Tabel 7. Tabel Nilai Bobot Kriteria (C) Nilai Bobot (W)

C1 0,5

C2 1

C3 0,75

(8)

4.2 Perancangan Database

Langkah pertama untuk memrancang SPK adalah dengan merancang database untuk memasukkan data mahasiswa, terutama data yang berkaitan dengan kriteria syarta penerima beasiswa. Berikut ini adalah gambar dari relasi tabel database SPK pemilihan penerima beasiswa :

Gambar 1. Relasi Tabel Database

4.3 Implementasi Sistem

Untuk implementasi sistem, nantinya setiap mahasiswa yang mendaftar harus memasukkan data sesuai keadaan sebenarnya, dan data yang harus diisikan adalah seperti pada gambar 2.

Gambar 2. Masukan Data Mahasiswa

(9)

akhir dari penyaring-an yang dilakukan sehingga mudah diambil keputusan.

Gambar 3. Tampilan Rekap Data Penerima Besiswa Sesuai Rangking

Gambar 4. Tampilan Data Penerima Setelah Urut

Karena beasiswa ini tidak punya syarat lain selain kriteria yang ada, maka semua mahasiswa dianggap layak, asal saja kuota masih memung-kinkan.

4.3 Pengujin Hasil

Dalam proses pengujian diberikan data mahasiswa calon penerima beasiswa sebagai berikut :

Tabel8. Contoh Inputan Data Mahasiswa Nama

Mahasiswa

Kriteria

C1 C2 C3 C4

Adi Setiawan 2,75 900.000 2 Tidak Pernah Firman 2,90 2.000.000 2 Tidak

Pernah Lita Effendi 3,10 1.250.000 3 Pernah

Tabel9. Nilai Bobot Data Mahasiswa Nama

Mahasiswa

Kriteria

C1 C2 C3 C4

(10)

Setiawan

Firman 0,50 0,25 0,25 0,75 Lita Effendi 0,75 0,50 0,50 0,25

Dengan menggunakan persamaan (1) maka hasil perhitungan manualnya akan menjadi seperti berikut ini :

a. Untuk nilai IPK semester lalu

b. Untuk penghasilan orang tua

c. Untuk jumlah tanggunan orang tua

d. Untuk status pelanggaran disiplin

(11)

Dari perhitungan diatas, maka matriks R menjadi :

(

Dengan menggunakan rumus (2), proses pnghitungan nilai untuk masing masing calon penerima beasiswa dilakukan. Hasilnya adalah Adi Setiawan = 2,3333; Firman = 1,6666 dan Lita Effendi = 1,9167. Sehingga urutan pertama prioritas penerima beasiswa adalah mahasiswa bernama Adi Setiawan. Dari perbandingan hitungan manual dan program (gambar 4), memang terdapat sedikit perbedaan hasil yang tidak mempegaruhi pengurutan data, perbedaan tersebut hanya dikarenakan pembulatan nilai saat melakukan perhitungan manual dan jumlah desimal yang dipakai.

5. PENUTUP

Sistem pengambil keputusan dengan Fuzzy MADM metode SAW dapat mempercepat penentuan calon penerima beasiswa dengan cepat dan sesuai dengan syarat beasiswa. Sistem ini mampu menghemat waktu penyaringan calon penerima beasiswa, sehingga tidak perlu menunggu lama untuk menghasilkan nama mahasiswa yang akan menerima.

6. DAFTAR PUSTAKA

[1] Alit, P., 2012. “Sistem Pendukung Keputusan Cerdas Dalam Penen-tuan Penerima Beasiswa”, Jurusan Teknik Elektro, Politeknik Negeri Bali

[2] Dwiartara, L., Menyelam dan Menaklukan Samudra PHP,

www.ilmu website.com , 2010.

(12)

[3] Kadir, A., 2009. “Dasar Perancangan & Implementasi Database Re-lasional”, Yogyakarta Penerbit ANDI.

[4] Kusrini, 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan., Yogykarta Penerbit ANDI

[5] Peranginangin, K., Aplikasi WEB dengan PHP dan MySQL. Yog-yakarta, ANDI, 2006.

[6] Prima, F., 2013. “Sistem Pendukung Keputusan Menentukan Pene-rima Beasiswa BBM Dengan Model Fuzzy Multiple Attribute Menggunakan Metode Simple Additive Weighted”, Jurusan Teknik Elektro, Fakultas Teknik Universitas Tanjungpura

[7] Diakses dari http://id.wikipedia.org/wiki/Logika_fuzzy

tanggal 23 April 2014

[8] Diakses dari

http://wagiantotegalboto.blogspot.com/2012/09/bagai

Gambar

Tabel 2. Tabel Keterangan Nilai
Gambar 1.  Relasi Tabel Database
Tabel 8. Contoh Inputan Data Mahasiswa

Referensi

Dokumen terkait

Berbagai macam manfaat dari metadon diantaranya metadon dapat mengembalikan kehidupan pengguna sehingga mendekati kehidupan normal, pasien yang menggunakan metadon dapat

Berbeda dengan akta otentik, akta dibawah tangan ini tidak dibuat dihadapan atau oleh pejabat umum tetapi dibuat oleh yang berkepentingan untuk dijadikan sebagai

Dilakukan pengukuran saliva awal lebih dahulu kemudian melakukan kegiatan menyikat gigi sebelum intake makanan diberikan dan ukur pH saliva 5 menit setelah makan dan 10

2017.. di bawah bimbingan Achmad sebagai Pembimbing I dan Fauzia P. Bhakti sebagai Pembimbing II. Penelitian ini bertujuan untuk mengetahui bagaimana kedudukan hibah orang

Undang-undang ini lah yang memperkenalkan konsep diversi yang bertujuan untuk memberikan perlindungan terhadap anak yang berkonflik dengan hukum, anak yang menjadi

(1) Setiap orang yang menjanjikan atau menawarkan atau memberikan kepada seorang Pejabat Publik Asing atau seorang Pejabat Organisasi Internasional Publik secara

Penelitian ini menggunakan metode EOQ untuk menentukan kuantitas pesanan persediaan ekonomis yang dapat meminimumkan biaya persediaan dengan mengetahui total biaya

Kariadi yang diperiksa, didapatkan hasil penelitian yaitu tidak adanya hubungan antara lama pembacaan CT Scan, usia, jenis kelamin, interval pemberian obat