SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA BAGI SISWA SD SALMAN AL FARISI 2 YOGYAKARTA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)
NASKAH PUBLIKASI
diajukan oleh Maghfirah 11.22.1376
kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM YOGYAKARTA YOGYAKARTA 2013
DECISION SUPPORT SYSTEM TO DETERMINE THE RECIPIENTS OF SCHOLARSHIPS FOR STUDENTS OF SD SALMAN AL FARISI 2 YOGYAKARTA USING SIMPLE ADDITIVE WEIGHTING (SAW) METHOD SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA BAGI SISWA SD SALMAN AL FARISI 2 YOGYAKARTA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Maghfirah Kusrini Jurusan Sistem Informasi STMIK AMIKOM YOGYAKARTA ABSTRACT Scholarship is income for the receiving and the purpose of scholarship is to help alleviate the cost burden education students who get. Distribution of scholarship conducted by some agencies to help someone less capable or accomplished during the travel study. SD Salman Al Farisi 2 Yogyakarta is one of the school that give scholarships to students. This is certainly in order to ease the burden of student tuition fees. In accordance with regulations prescribed by the SD Salman Al Farisi 2 Yogyakarta to obtain a scholarship, then the required criterias for determining who will be selected to receive scholarship. Based on this determination to assist in determining a student get scholarship, it takes a decision support system with methods can use SAW (Simple additive weighting) method. SAW (Simple additive weighting) method is a method that can find a best alternative from several alternatives based on criterias that have been determined. The point is that the method determines the weight on each criterion. Research done by finding the value of weight for each criterion, and then made the process of ranking that will determine the optimal alternative is the best student will be considered by decision makers to gain a scholarship. Keywords: computer, scholarship, Decision Support System of Scholarship
1. Pendahuluan Pengolahan data beasiswa di SD Salman Al farisi 2 Yogyakarta pada umumnya masih menggunakan sistem yang masih manual, yaitu belum adanya komputerisasi dalam menentukan penerima beasiswa sehingga banyak masalah yang terjadi pada sistem ini. Permasalahan yang terkadang muncul yaitu kurang tepatnya penyaluran beasiswa terhadap siswa, misalnya siswa yang sebenarnya tidak layak mendapatkan beasiswa namun mendapatkan beasiswa, sebaliknya siswa yang berhak mendapatkan beasiswa baik itu beasiswa berprestasi maupun beasiswa kurang mampu tetapi tidak mendapatkan beasiswa. Masalah seperti itu muncul karena kurang telitinya para penyeleksi beasiswa dalam melakukan seleksi penerima beasiswa, dikarenakan pihak penyeleksi beasiswa itu sendiri para guru yang ada di SD Salman Al Farisi 2 Yogyakarta yang pekerjaan sehari-harinya mengajar para siswa, sehingga kurangnya waktu yang ada untuk melakukan penyeleksian penerima beasiswa, sehingga suka terjadi kesalahan dalam menentukan penerima beasiswa dengan tepat disebabkan kurang telitinya seleksi yang dilakukan. Dari permasalahan diatas dapat diambil alternatif solusi yaitu dengan cara membangun sistem pendukung keputusan dengan menggunakan metode Fuzzy Multiple Attribute Decision Making (FMADM) dengan metode Simple Additive Weighting (SAW) untuk menentukan penerima beasiswa di SD Salman Al Farisi 2 Yogyakarta yang diharapkan dapat menyelesaikan permasalahan yang ada di penyaluran penerima beasiswa di SD Salman Al Farisi 2 Yogyakarta, dimana dengan adanya sistem tersebut penentuan siswa yang berhak menerima beasiswa akan menjadi objektif dan sistem tersebut penyimpanan datanya akan lebih cepat karena penginputan data melalui sistem tersbut akan langsung masuk ke database.
2. Landasan Teori 2.1
Sistem, Informasi dan Sistem Informasi
2.1.1
Sistem Kata sistem mempunyai beberapa pengertian tergantung dari sudut pa dang
mana kata tersebut didefinisikan. Secara garis besar ada dua kelompok pendekatan, 1
yaitu : 1. Pendekatan sistem yang lebih menekankan pada elemen-elemen atau kelompoknya, yang dalam hal ini sistem itu didefinisikan sebagai “suatu jaringan kerja dari prosedur-prosedur yang saling berhubungan, berkumpul 1
Kusrini & Koniyo, Andri. 2007. Tuntunan Praktis Membangun Sistem Informasi Akuntansi dengan Visual Basic dan Microsoft SQL Server. Yogyakarta : Andi Offset Hal 5.
bersama-sama untuk melakukan suatu kegiatan atau untuk menyelesaikan suatu aturan tertentu”. 2. Pendekatan sistem sebagai jaringan kerja dari prosedur, menekankan
urutan
operasi
di
dalam
sistem.
yang lebih
Prosedur
(procedure)
didefinisikan oleh Richard F. Neushl sebagai “urutan operasi kerja (tulismenulis), yang biasanya melibatkan beberapa orang di dalam datu atau lebih departemen, yang diterapkan untuk menjamin penanganan yang seragam dari transaksi bisnis yang terjadi”. 2
Sistem mempunyai beberapa karakteristik atau sifat-sifat tertentu antara lain :
2.1.2
Informasi Informasi adalah data yang sudah diolah menjadi sebuah bentuk yang berarti
bagi pengguna, yang bermanfaat dalam pengambilan keputusan saat ini atau mendukung sumber informasi. Data belum memiliki nilai sedangkan informasi sudah memiliki nilai. Informasi dikatakan bernilai bila manfaatnya lebih besar dibanding biaya 3
untuk mendapatkannya . Informasi haruslah memiliki kualitas-kualitas tertentu. Karakteristik informasi 4
yang berkualitas diantaranya adalah sebagai berikut : 1. Relevan, yaitu informasi yang disajikan sebaiknya terkait dengan keputusan yang akan diambil oleh pengguna informasi. 2. Akurat, yaitu adanya kecocokan antara informasi dengan kejadian atau obyek yang diwakilinya. 3. Lengkap,
yaitu
merupakan
derajat
sampai
seberapa
jauh
informasi
menyertakan kejadian atau obyek yang berhubungan. 4. Tepat waktu, yaitu informasi sampai ke pengguna tidak terlambat karena informasi yang terlambat tidak dapat membantu pengguna dalam mengambil keputusan. 5. Dapat dipahami, yaitu dalam penyajian dan bahasa yang digunakan dapat dimengerti pengguna sehingga pengguna lebih mudah mengambil keputusan. 6. Dapat
dibandingkan,
yaitu
pengguna
dapat
memungkinkan
untuk
mengidentifikasi persamaan dan perbedaan antara suatu obyek atau kejadian yang mirip.
2 3 4
Ibid. Hal 6. Ibid. Hal 7. Kusrini. 2007. Konsep Dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta : Andi Offset. Hal 5.
2.1.3
Sistem Informasi Sistem informasi didefinisikan oleh Robert A. Laitch dan K. Roscoe Bavis adalah
“suatu sistem di dalam suatu organisasi yang mempertemukan kebutuhan pengolahan transaksi harian, mendukung operasi, bersifat manajerial dan kegiatan strategi dari suatu organisasi dan menyediakan pihak luar tertentu dengan laporan-laporan yang diperlukan”. Definisi umum sistem informasi
adalah sebuah sistem yang terdiri atas
rangkaian subsistem informasi terhadap pengolahan data untuk menghadilkan informasi 5
yang berguna dalam pengambilan keputusan . 2.2 Beasiswa Pada dasarnya, beasiswa adalah penghasilan bagi yang menerimanya. Hal ini sesuai dengan ketentuan pasal 4 ayat (1) UU PPh/2000. Disebutkan pengertian penghasilan adalah tambahan kemampuan ekonomis dengan nama dan dalam bentuk apa pun yang diterima atau diperoleh dari sumber Indonesia atau luar Indonesia yang dapat digunakan untuk konsumsi atau menambah kekayaan Wajib Pajak (WP). Karena beasiswa bisa diartikan menambah kemampuan ekonomis bagi penerimanya, berarti 6
beasiswa merupakan penghasilan . 2.3 Sistem Pendukung Keputusan 2.3.1 Pengambilan Keputusan Masalah merupakan suatu kondisi yang berpotensi menimbulkan kerugian atau bahkan dapat menghaslkan keuntungan. Pengambilan keputusan adalah sebuah tindakan atau aksi (diantara berbagai alternatif) dalam pemecahan masalah yang diyakini akan memberikan solusi terbaik untuk mencapai tujuan. Tujuan dari keputusan adalah untuk mencapai target atau aksi tertentu yang harus dilakukan. Ciri keputusan adalah 7
sebagai berikut : 1. Banyak pilihan/alternative 2. Ada kendala atau syarat 3. Mengikuti suatu pola tingkah laku, baik yang terstruktur maupun tidak terstruktur. 4. Banyak input/varibel. 5
6 7
Kusrini & Koniyo, Andri. 2007. Tuntunan Praktis Membangun Sistem Informasi Akuntansi dengan Visual Basic dan Microsoft SQL Server. Yogyakarta : Andi Offset Hal 8. Jawa Pos: Beasiswa Jadi Objek PPh. Diakses pada 20 April 2009 dari http://www.infopajak.com/berita/310108jps.htm Kusrini. 2007. Konsep Dan Aplikasi Sistem Pendukung Keputusan, Yogyakarta : Andi Offset, Hal 7.
5. Ada factor resiko. 6. Dibutuhkan kecepatan, ketepatan dan keakuratan. 2.3.2 Konsep Sistem Pendukung Keputusan Sistem
Pendukung
Keputusan
atau
Decision
Support
System
(DSS)
merupakan sistem informasi interaktif yang menyediakan informasi pemodelan dan manipulasi data. Sistem itu digunakan untuk membantu pengambilan keputusan dalam situasi yang semiterstruktur dan situasi yang tidak terstruktur, dimana tak seorang pun 8
tahu secara pasti bagaimana keputusannya seharusnya dibuat (Alter, 2002) . Aplikasi DSS merupakan aplikasi yang dibangun untuk mendukung solusi atas suatu masalah atau untuk mengevaluasi suatu peluang yang digunakan dalam pengambilan keputusan. Aplikasi DSS menggunakan CBIS (Computer Based Information System) yang fleksibel, interaktif dan dapat diadaptasi yang dikembangkan untuk 9
mendukung solusi atas masalah manajemen spesifik yang tidak terstruktur . Keputusan yang diambil untuk menyelesaikan suatu masalah dilihat dari 10
keterstrukturan macamnya ada tiga yaitu : 1. Keputusan terstruktur (structured decision), yaitu keputusan yang dilakukan secara berulang-ulang dan bersifat rutin, prosedur untuk pengambilan keputusan sangat jelas, keputusan ini terutama dilakukan pada manajemen tingkat bawah. 2. Keputusan semiterstruktur (semistructured decision), yaitu keputusan yang mempunyai sifat yakni sebagian keputusan dapat ditangani oleh komputer dan yang lain tetap harus dilakukan oleh pengambil keputusan. 3. Keputusan tak terstruktur (unstructured decision), yaitu keputusan yang penanganannya rumit, karena tidak terjadi berulang-ulang atau tidak selalu terjadi. Keputusan ini menuntut pengalaman dan berbagai sumber yang bersifat eksternal dan umumnya terjadi pada manajemen tingkat atas. Karaktristik dan kapabilitas yang ada di DSS diantaranya adalah sebagai 11
berikut : 1. Dukungan kepada pengambil keputusan, terutama pada situasi semiterstruktur dan tak terstruktur, dengan menyertakan penilaian manusia dan informasi terkomputerisasi.
8 9 10 11
Ibid. Hal 15. Ibid. Hal 16. Ibid. Hal 19. Tuban, Efraim., dkk.. 2005. Decision Support System and Intelligent System. Yogyakarta : Andi Offset, Hal 141.
2. Dukungan untuk semua level manajerial, dari eksekutif puncak sampai manajer standar. 3. Dukungan untuk individu dan kelompok. Masalah yang kurang terstruktur sering memerlukan keterlibatan individu dari departemen dan tingkat organisasional yang berbeda atau bahkan dari oeganisasi lain. 4. Dukungan untuk keputusan independent dan/atau sekuensial. 5. Dukungan di semua fase proses pengambilan keputusan: intelegensi, desain, pilihan dan implementasi. 6. Dukungan diberbagai proses dan gaya pengambilan keputusan. 7. Adaptivitas sepanjang waktu. Pengambilan keputusan seharusnya reaktif, dapat menghadapi perubahan kondisi secara cepat dan mengadaptasi DSS untuk memenuhi kebutuhan tersebut. 8. Pengguna merasa seperti di rumah. Rumah-pengguna kapabilitas grafis sangat kuat dan antarmuka manusia-mesin yang interaktif dengan satu bahasa alami bisa sangat meningkatkan efektivitas DSS. 9. Peningkatan efektivitas pengambilan keputusan (akurasi, timelines, kualitas) ketimbang pada efisiensinya (biaya pengambilan keputusan). 10. Kontrol penuh oleh pengambil keputusan terhadap semua langkah proses pengambilan keputusan dalam memecahkan suatu masalah. 11. Pengguna akhir bisa mengembangkan dan memodifikasi sendiri sistem. 12. Biasanya model-model digunakan untuk menganalisis situasi pengambilan keputusan. 13. Akses disediakan untuk berbagai sumber data, format, dan tipe, mulai dari sistem informasi geografis (GIS) sampai sistem berorientasi-objek. 14. Dapat digunakan sebagai alat standalone oleh seorang pengambil keputusan pada satu lokasi atau didistribusikan di suatu organisasi secara keseluruhan dan di beberapa organisasi sepanjang rantai persediaan. 2.3.3 Arsitektur Sistem Pendukung Keputusan 2.3.3.1
Subsistem Manajemen Data Subsistem manajemen data merupakan memasukkan satu database yang
berisi data yang relevan untuk situasi dan dikelola oleh perangkat lunak yang disebut sistem manajemen database (DBMS/Data Base Management System). Subsistem manajemen data juga dapat diinterkoneksikan dengan data warehouse perusahaan, 12
suatu repositori untuk data perusahaan yang relevan untuk pengambilan keputusan . 12
Kusrini. 2007. Konsep Dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta : Andi Offset, Hal 25.
13
Subsistem manajemen data terdiri dari beberapa elemen antara lain berikut : 1. Database sistem pendukung keputusan Database adalah kumpulan data yang saling terkait yang diorganisasi untuk memenuhi kebutuhan dan struktur sebuah organisasi serta bisa digunakan oleh lebih dari satu orang dan lebih dari satu aplikasi. Sumber data dalam sistem pendukung keputusan, yaitu: a. Data Internal Merupakan data yang sudah ada dalam suatu organisasi. Data tersebut bisa dikendalikan oleh organisasi tersebut. Data internal bisa berupa data mengenai orang, produk, layanan, dan proses-proses seperti data tentang pegawai, data tentang peralatan mesin, data penjualan, dan data penjadwalan produksi. b. Data Eksternal Adalah data yang tidak bisa dikendalikan oleh organisasi. Data tersebut berasal dari luar sistem seperti peraturan perundangan, harga pasar, keadaan pesaing, dan kurs Dolar. c.
Data Privat/Personal Data privat merupakan data mengenai kepakaran/naluri dari user terhadap masalah yang akan diselesaikan dan data tersebut bersifat subjektif.
2. Sistem Manajemen Database/ Database Management System (DBMS) Database dibuat, diakses, dan diperbaharui melalui sistem manajemen database/ database management system (DBMS) yakni software pengelola database pengelola database seperti Microsoft SQL Server, Microsoft Access, Oracle, My SQL, dan lain-lain. Dalam memilih DBMS, tentunya harus diperhatikan beberapa hal yang terkait dengan aplikasi yang akan dibangun, antara lain: arsitektur sistemnya (seperti sistem berbasis stand alone atau client server, berbasis desktop, atau berbasis web), platform sistem operasi yang digunakan, besarnya data, dan pentingnya dukungan keamanan. 3. Direktori Data Merupakan sebuah katalog dari semua data yang ada dalam database. Isinya definisi data, dan fungsi utamanya adalah menjawab pertanyaan mengenai ketersediaan item-item data, sumber, dan makna eksak dari data. 4. Fasilitas Query Merupakan fasilitas untuk menyediakan akses data ke database serta manipulasi data dalam database. Fasilitas tersebut menjawab bagaimana kebutuhan inform asi dari user bisa dipenuhi oleh database. 13
Ibid. Hal 33.
2.3.3.2
Subsistem Manajemen Model Merupakan paket perangkat lunak yang memasukkan
model keuangan,
statistik, ilmu manajemen, atau model kuantitatif lainnya yang memberikan kapabilitas analitik dan manajemen perangkat lunak yang tepat. Bahasa-bahasa pemodelan untuk membangun model-model kustom juga dimasukkan. Perangkat lunak ini sering disebut sistem manajemen basis model (MBMS). Komponen ini dapat dikoneksikan ke 14
penyimpanan korporat atau eksternal yang ada pada model . Model keputusan merupakan suatu bentuk keputusan yang diabstraksikan menjadi bentuk simbolik. Subsistem manajemen model dalam DSS terdiri dari sub-sub 15
komponen berikut : 1. Basis Model Berisi model statistik, keuangan, pengetahuan managemen atau model quantitatif lain yang menyediakan kemampuan analisa seperti mencari, menjalankan, menggabungkan memeriksa model. Dilihat dari tingkat manajemen penggunanya, model dalam basis model dibedakan seperti: a. Model Strategis Mendukung tanggung jawab perencanaan strategis dari top manajemen seperti pengembangan perusahaan. b. Model Taktikal Digunakan
oleh
pengalokasian
manajemen
dan
tingkat
pengontrolan
menengah
sumber
daya
untuk
membantu
organisasi
seperti
perencanaan kebutuhan tenaga kerja. c.
Model Operasional Mendukung manajemen level bawah dalam pelaksanaan aktivitas seharihari dalam cakupan waktu yang singkat.
d. Model Building Block Model ini merupakan model yang akan digunakan untuk membangun model yang lain seperti analisis regresi. 2. Sistem Manajemen Basis Model Software pembuat model, pembaharuan model, pengubahan model dan manipulasi data. 3. Model Dictionary
14 15
Ibid. Hal 25. Ibid. Hal 29.
Katalog semua model dalam basis model yang terdiri dari definisi model dan fungsi
utama
untuk
menjawab
pertanyaan
tentang
keberadaan
dan
kemampuan model. 4. Model Eksekusi, Intelegensi, dan Perintah Eksekusi berfungsi untuk mengontrol jalannya aktivitas nyata. Intelegensi untuk menggabungkan operasi beberapa model, sedangkan perintah untuk menerima dan menerjemahkan instruksi model dari model lain. Saat melakukan pemodelan dalam pembangunan DSS dilakukan langkah16
langkah sebagai berikut : 1. Studi kelayakan (Intelligence) 2. Pada langkah ini, sasaran ditentukan dan dilakukan pencarian prosedur, pengumpulan data, identifikasi masalah,
identifikasi kepemilikan masalah,
klasifikasi masalah, hingga akhirnya terbentuk sebuah pernyataan masalah. 3. Perancangan (Design) Pada tahap ini akan diformulasikan model yang akan digunakan dan kriteriakriteria yang ditentukan. Setelah itu, dicari alternative model yang bisa menyelesaikan
permasalahan
tersebut.
Langkah
selanjutnya
adalah
memprediksi keluaran yang mungkin. Kemudian, ditentukan variabel model. 4. Pemilihan (Choice) Pada tahap ini akan dilakukan pemilihan modelnya termasuk solusinya dan dilakukan analisis sensitivitas, yakni dengan mengganti beberapa variabel. 5. Membuat DSS Setelah mentukan modelnya, Berikutnya adalah mengimplementasikannya dalam aplikasi DSS. 2.3.3.3
Sub Antarmuka Pengguna Pengguna berkomunikasi dengan dan memerintahkan sistem pendukung
keputusan melalui subsistem tersebut. Pengguna adalah bagian yang dipertimbangkan dari sistem. Para peneliti menegaskan bahwa beberapa kontribusi unik dari sistem pendukung keputusan berasa dari interaksi yang intensif antara komputer dan pembuat 17
keputusan . 2.3.3.4
Subsistem Manajemen Berbasis Pengetahuan Subsistem manajemen berbasis-pengetahuan mendukung semua subsistem lain
atau bertindak langsung sebagai suatu komponen independen dan sifatnya optional.
16 17
Ibid. Hal 30. Ibid. Hal 25.
Subsistem ini memberikan intelegensi untuk memperbesar pengetahuan si pengambil keputusan dan juga dapat diinterkoneksikan dengan repositori pengetahuan perusahaan (bagian dari sistem manajemen pengetahuan), yang kadang-kadang disebut basis 18
pengetahuan organisasional . 2.4 Fuzzy Multiple Attribute Decision Making (FMADM) Fuzzy Multiple Attribute Decision Making (FMADM) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan. Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif & obyektif. Masing-masing pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan
19
.
Ada beberapa metode yang dapat digunakan untuk mnyelesaikan masalah 20
FMADM. antara lain :
2.4.1
a.
Simple Additive Weighting Method (SAW)
b.
Weighted Product (WP)
c.
ELECTRE
d.
Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
e.
Analytic Hierarchy Process (AHP)
Algoritma FMADM Algoritma FMADM adalah: 1. Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan, dimana nilai tersebut di peroleh berdasarkan nilai crisp; i=1,2,…m dan j=1,2,…n. 2. Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp. 3. Melakukan normalisasi matriks dengan cara menghitung nilai rating kinerja ternormalisasi (rij) dari alternatif Ai pada atribut Cj berdasarkan persamaan
18 19
20
Ibid. Hal 26. Kusumadewi, Sri. (2007). Diktat Kuliah Kecerdasan Buatan, Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia. Kusumadewi, Sri., Hartati, S., Harjoko, A., dan Wardoyo, R. (2006). Fuzzy MultiAttribute Decision Making (FUZZY MADM). Yogyakarta: Penerbit Graha Ilmu.
yang
disesuaikan
dengan
jenis
atribut
(atribut
keuntungan/benefit=MAKSIMUM atau atribut biaya/cost=MINIMUM). Apabila berupa artibut keuntungan maka nilai crisp (Xij) dari setiap kolom atribut dibagi dengan nilai crisp MAX (MAX Xij) dari tiap kolom, sedangkan untuk atribut biaya, nilai crisp MIN (MIN Xij) dari tiap kolom atribut dibagi dengan nilai crisp (Xij) setiap kolom. 4. Melakukan
proses
perankingan
dengan
cara
mengalikan
matriks
ternormalisasi (R) dengan nilai bobot (W). 5. Menentukan nilai preferensi untuk setiap alternatif (Vi) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W). Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
2.4.2 Langkah Penyelesaian Dalam penelitian ini menggunakan FMADM metode SAW. Adapun langkahlangkahnya adalah: 1.
Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci.
2.
Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
3.
Membuat
matriks
keputusan
berdasarkan
kriteria
(Ci),
kemudian
melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. 4.
Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh 21
nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi .
2.5 Metode Simple Additive Weighting (SAW) Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.
21
Kusumadewi, Sri. (2007). Diktat Kuliah Kecerdasan Buatan, Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia.
Keterangan : = nilai rating kinerja ternormalisasi = nilai atribut yang dimiliki dari setiap kriteria = nilai terbesar dari setiap kriteria = nilai terkecil dari setiap kriteria benefit = jika nilai terbesar adalah terbaik cost = jika nilai terkecil adalah terbaik Nilai preferensi untuk setiap alternatif ( )diberikan sebagai:
Keterangan : = rangking untuk setiap alternatif = nilai bobot dari setiap kriteria = nilai rating kinerja ternormalisasi Nilai
yang lebih besar mengindikasikan bahwa alternatif
lebih terpilih.
2.6 Alat Bantu Sistem 2.6.1 Diagram konteks Diagram konteks dapat digunakan untuk memodelkan sistem. Diagram konteks terdiri dari lingkaran yang menggambarkan proses dan beberapa entitas yang menunjukan hubungan interaksi yang sedang berlangsung. Diagram konteks berfungsi memetakan model lingkungan (menggambarkan hubungan antara entitas luar, masukan dan keluaran sistem), yang digambarkan melalui suatu lingkaran yang dapat mewakili 22
keseluruhan sistem .
22
Hartini.Analisis Dengan Diagram Aliran Data (DFD).2007.http://www.ilkom. unsri.ac.id/dosen/hartini/materi/VIII DFD.pdf.didownload pada tanggal 19 September 2009.
2.6.2 Data flow diagram (DFD) DFD merupakan suatu model logika data atau proses yang dapat menggambarkan asal dan tujuan data yang masuk dan keluar dari sistem, tempat penyimpanan data, proses yang menghasilkan data dan interaksi antara data yang tersimpan dan proses yang dikenakan pada data tersebut. DFD juga sering digunakan untuk menggambarkan suatu sistem yang telah ada ataupun sistem baru yang kemudian dikembangkan secara logika dan direpresentasikan dalam bentuk diagram aliran data. DFD dibagi menjadi diagram context dan diagram rinci (DFD Leveled). DFD leveled menggambarkan sistem sebagai jaringan kerja antara fungsi yang berhubungan satu sama lain dengan aliran dan penyimpanan data. Dalam DFD leveled terdiri dari tingkatan-tingkatan level. DFD leveled dimulai dari DFD level 0 kemudian turun ke DFD level 1 dan seterusnya. Aliran data yang masuk dan keluar pada suatu proses di level x harus berhubungan dengan aliran data yang masuk dan keluar pada level x+1 yang mendefinisikan proses pada level x tersebut. Proses yang tidak dapat diturunkan/dirinci 23
lagi dikatakan primitif secara fungsional dan disebut sebagai proses primitif . 3. Analisis 3.1 Analisis Sistem Analisis bertujuan untuk mendapatkan pemahaman secara keseluruhan tentang sistem yang akan kita kembangkan berdasarkan masukan dari calon pengguna dan beberapa pihak yang berkepentingan. Analisis sistem merupakan tahapan paling awal dari pengembangan sistem yang menjadi fondasi menentukan keberhasilan sistem yang dihasilkan nantinya utamanya difokuskan pada masalah dan persyaratan-persyaratan bisnis, terpisah dari teknologi apapun yang dapat atau akan digunakan untuk mengimplementasikan solusi pada masalah tersebut agar sistem dapat berjalan dengan baik guna mencapai tujuan sistem. 3.1.1
Identifikasi Masalah
3.1.1.1 Identifikasi Permasalahan dan Penyebab Masalah Permasalahan pada penentuan siswa yang berhak menerima beasiswa pada SD Salman Al Farisi 2 Yogyakarta ternyata belum mendekati tepat. Seperti dari segi penentuan siapa siswa yang berhak mendapatkan beasiswa misalnya siswa yang 23
Hartini.Analisis Dengan Diagram Aliran Data (DFD).2007.http://www.ilkom. unsri.ac.id/dosen/hartini/materi/VIII DFD.pdf.didownload pada tanggal 19 September 2009.
sebenarnya tidak layak mendapatkan beasiswa namun mendapatkan beasiswa, sebaliknya siswa yang berhak mendapatkan beasiswa baik itu beasiswa berprestasi maupun beasiswa kurang mampu tetapi tidak mendapatkan beasiswa. Dari permasalahan tersebut dapat diidentifikasi bahwa dalam penentuan siswa yang berhak menerima beasiswa belum mempergunakan alat bantu, metode atau aplikasi pendukung keputusan secara khusus. 3.1.1.2 Identifikasi Titik Keputusan Berdasarkan identifikasi penyebab masalah di atas dapat ditentukan titik keputusan yaitu perlunya dibangun sistem sebagai alat untuk menunjang keputusan dalam menentukan siswa-siswa yang berhak menerima beasiswa. Sistem ini selanjutnya dapat memperjelas aturan teknis penilaian pada siswa-siswa yang terdaftar sebagai calon penerima beasiswa. 4. Hasil Penelitian dan Pembahasan 4.1 Implementasi Sistem Implementasi sistem (Implementation System) merupakan tahap meletakkan sistem yang baru dikembangkan supaya nantinya sistem tersebut siap untuk dioperasikan sesuai dengan yang diharapkan. Tujuan dari tahap implementasi adalah menyiapkan semua kegiatan penerapan sistem sesuai dengan rancangan yang telah ditentukan. 4.1.1
Tampilan Menu Login
4.1.2
Tampilan Menu Utama
4.1.3
Tampilan Menu Hasil
4.2 Pengujian Program 4.2.1 Pengujian Black Box Terfokus pada apakah unit program memenuhi kebutuhan yang disebutkan dalam spesifikasi. Pada black box testing, cara pengujiannya hanya dilakukan dengan menjalankan atau mengeksekusi unit atau modul, kemudian diamati apakah hasil dari unit tersebut sesuai dengan proses bisnis yang diinginkan. Jika ada unit yang sesuai outputnya maka untuk menyelesaikannya, diteruskan pada pengujian kedua, yaitu white box testing.
Tabel 4.1 Pengujian sistem Data Masukan User name dan
Yang di Harapkan Menampilkan menu
Pengamatan Menu utama berhasil
Kesimpulan Diterima
utama password jika benar User name dan
ditampilkan Menampilkan pesan
Pesan kesalahan
kesalahan
berhasil ditampilkan
Menampilkan pesan
Kesalahan Input :
Diterima
password jika salah Login user benar tapi password salah atau Login user salah tapi password benar
Input data User
Diterima
Username atau Username dan
password salah
Password salah
Penambahan data
Penambahan data
user dapat di lakukan
user berhasil
Diterima
dilakukan
Ubah password
Pengubahan
Password berhasil di
password dapat
ubah
Diterima
dilakukan
Penghapusan data
Penghapusan data
Data user berhasil
user
user dapat dilakukan
dihapus
Diterima
Penambahan data
Penambahan data
Data user berhasil di
user
user dapat dilakukan
tambahkan
Penambahan data
Penambahan data
Penambahan data
siswa
siswa dapat
siswa berhasil
dilakukan
dilakukan
Penghapusan data
Penghapusan data
Data siswa dapat
siswa
siswa dapat
dihapus
Diterima
Diterima
Diterima
dilakukan
4.2.2 Pengujian White Box White Box testing adalah cara pengujian dengan melihat ke dalam modul untuk meneliti kode-kode program yang ada, dan menganalisis apakah ada kesalahan atau tidak. Jika ada modul yang menghasilkan output yang tidak sesuai dengan proses bisnis yang dilakukan, maka baris-baris program, variable, dan parameter yang terlibat pada unit tersebut akan dicek satu persatu dan diperbaiki, kemudian di-compile ulang. Contoh uji white box adalah testing login. Uji coba dinyatakan berhasil apabila fungsi-fungsi pada perangkat lunak sesuai dengan yang diharapkan pemakai. 5. Kesimpulan Berdasarkan penelitian dan pembahasan yang telah dipaparkan diatas maka dapat diambil kesimpulan bahwa Sistem pendukung keputusan penentuan penerima beasiswa bagi siswa SD Salman Al Farisi 2 Yogyakarta berbasis desktop telah dibuat dengan menggunakan metode Fuzzy Multiple Attribute Decision Making (FMADM).
DAFTAR PUSTAKA Al Fatta, Hanif. 2007. Analisis dan Perancangan Sistem Informasi untuk Keunggulan Bersaing Perusahaan dan Organisasi Modern. Yogyakarta : Andi Offset. Enterprise, Jubilee. 2009. 3 Langkah Jitu Hajar dan Memusnahkan Virus!. Jakarta : Gramedia. Fathansyah,Ir. 2002.Basis Data.Informatika : Bandung Hartini.
2007. Analisis Dengan Diagram Aliran Data (DFD).http://www.ilkom. unsri.ac.id/dosen/hartini/materi/VIII DFD.pdf.didownload pada tanggal 19 September 2009.
Jawa
Pos. 2007. Beasiswa Jadi Objek Pph. http://www.infopajak.com/berita/310108jps.htm. Diakses pada 20 April 2009.
Kadir, Abdul & Triwahyuni Terra Ch. 2005. Pengenalan Teknologi Informasi. Yogyakarta: Andi Offset. Kusrini. 2007. Konsep Dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta : Andi Offset. Kusrini. 2007. Strategi Perancangan dan Pengelolaan Basis Data. Yogyakarta : Andi Offset. Kusumadewi, Sri. 2005. Pencarian Bobot Atribut Pada Multiple-Attribute Decision Making dengan Pendekatan Objektif Menggunakan Algoritma Genetika. http://cicie.files.wordpress.com/2008/06/srikusumadewi-jurnal-genetika.pdf. Diakses pada 17 April 2009 Kusumadewi, Sri, dkk. 2006. Fuzzy Multi-Attribute Decision Making (FUZZY MADM). Yogyakarta: Graha Ilmu.