Zainollah Effendy : Sistem Pendukung Kep …..
SISTEM PENDUKUNG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Zainollah Effendy Jurusan Teknik Informatika Fakultas Teknik, Universitas Madura
[email protected] Abstrak
Proses dalam pemberian beasiswa di perguruan tinggi adalah untuk menentukan siapa yang layak menerima beasiswa bagi mahasiswa khususnya di Fakultas Teknik Universitas Madura dengan seleksi terhadap calon penerima beasiswa. Sesuai Standart Operating Procedure (SOP) pengajuan beasiswa dalam peraturan akademik Universitas Madura untuk memperoleh beasiswa, maka diperlukan kriteria untuk menentukan siapa yang akan terpilih untuk menerima beasiswa. Penelitian ini bertujuan untuk merancang dan membangun sistem pendukung keputusan penentuan kandidat penerima beasiswa bagi mahasiswa Fakultas Teknik dengan menggunakan Fuzzy MADM (MultiAtribut-Decision Making) dengan cara penyelesaian Simple Additive Weighting Method (SAW). Model ini dipilih karena mampu menyeleksi alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksudkan yaitu yang berhak menerima beasiswa berdasarkan kriteria yang ditentukan sesuai pedoman program beasiswa. Perhitungan dilakukan dengan mencari nilai bobot untuk setiap atribut. Kemudian dilakukan proses perankingan yang akan menentukan alternatif yang optimal dari masingmasing kandidat penerima beasiswa. Sehingga para pengambil keputusan mampu menentukan alternatif terbaik berdasarkan perhitungan dari metode terpilih. Kata kunci: Beasiswa, SPK, FMADM, SAW
1.1 Latar Belakang
mrupakan pemberian beasiswa berupa
Beasiswa merupakan pemberian
Bantuan
Pendidikan
bagi
Mahasiswa
berupa bantuan yang diberikan kepada
yang orang tua/walinya tidak mampu
perorangan yang masih sekolah atau
membiayai pendidikan, dan Beasiswa
kuliah
untuk
digunakan
demi
bagi Mahasiswa Berprestasi yang orang
pendidikan
yang
tua/walinya
tidak
ditempuh. Beasiswa ini dialokasikan dari
pendidikan;
melalui
dana
Mahasiswa
keberlangsungan anggaran
Pemerintah
melalui
mampu
membiayai
Bantuan
(BBM),
Belajar Beasiswa
Direktorat Jenderal Pendidikan Tinggi
Peningkatan Prestasi Akademik (PPA)
Departemen
dan
Pendidikan
Nasional 55
Beasiswa
Peningkatan
Prestasi
Jurnal Monitor, Vol. 2, No. 1, Januari 2013
Ekstrakurikuler (PPE). Program beasiswa ini
akan
dikelola
1.2 Rumusan Masalah
oleh Universitas
Adapun perumusan permasalahan
Madura, oleh karena itu agar program
yang akan diselesaikan pada penelitian
penyaluran beasiswa dapat dilaksanakan
ini,
sesuai dengan prinsip 3T, yaitu: Tepat
perangkat lunak pendukung keputusan
Sasaran,
dengan menerapkan model Fuzzy MADM
Tepat
Jumlah,
dan
Tepat
bagaimana
Waktu, maka dilakukan proses seleksi
(Multiple
terhadap calon penerima beasiswa.
menggunakan
merancang
Attribute
sebuah
Decision
metode
Making) (Simple
SAW
dalam
Additive Weighting) untuk menentukan
sistem pendukung keputusan ini adalah
penerima beasiswa berdasarkan bobot
Fuzzy Multiple Attribute Decision Making
dan kriteria yang sudah ditentukan.
Model
(FMADM).
yang
digunakan
Fuzzy
MADM
(Multiple
1.3 Batasan Masalah
Attribute Decission Making) dipilih karena
Pada
mampu menyeleksi alternatif optimal dari telah
menggunakan
Additive
ditentukan,
(Simple
Weighting).
Fuzzy
MADM
diperlukan
yang sudah direncanakan sebelumnya
dengan
SAW
metode
ini
batasanbatasan agar sesuai dengan apa
sejumlah alternative berdasarkan kriteria yang
penelitian
sehingga tujuan penelitian dapat tercapai. Adapun batasan masalah yang dibahas pada penelitian ini adalah:
(Multiple Attribute Decission Making) ini
1. Sistem pendukung keputusan yang
dipilih karena model ini menentukan nilai
dibangun adalah sistem pendukung
bobot untuk setiap atribut, kemudian
keputusan
dilanjutkan dengan proses perankingan
yang
memberikan
yang akan menyeleksi alternatif terbaik
berdasarkan
dari sejumlah alternatif, dalam hal ini
hanya
membantu
alternatif
terbaik
kriteria
yang
telah
ditentukan.
alternatif yang dimaksud adalah yang
2. Parameter
berhak menerima beasiswa berdasarkan
atau
kriteria
penentuan
pengambilan keputusan, yakni nilai
kriteria yang ditentukan.
IPK, penghasilan orang tua, Semester,
Dengan proses perankingan tersebut,
jumlah tanggungan orang tua, usia.
diharapkan penilaian akan lebih tepat
3. Sample data yang dilakukan untuk
karena didasarkan pada nilai kriteria dan
penelitian ini diperoleh dari mahasiswa
bobot yang sudah ditentukan sehingga
Fakultas
akan
Universitas Madura.
akurat
mendapatkan terhadap
hasil siapa
yang yang
lebih akan
Teknik
4. Pengambilan
menerima beasiswa tersebut.
dengan 56
Informatika
keputusan
menghitung
dilakukan
perbandingan
Zainollah Effendy : Sistem Pendukung Kep …..
prosentase tingkat kesesuaian
pada
1.6 Metodologi Penelitian
metode penyelesaian dalam model
Fuzzy
Multiple
Attribute
Metodologi
Decision
dari perumusan masalah sampai pada
5. Bahasa pemograman yang digunakan
kesimpulan yang membentuk suatu alur
untuk membangun perangkat lunak ini
Borland
yang
dilakukan melalui tahapan-tahapan mulai
Making (FMADM).
adalah
penelitian
Delphi
7.0
yang sistematis sebagai berikut :
dan
Microsoft Office Access 2007 untuk
1. Studi Pustaka
pengelolaan database dengan sistem
Yaitu
operasi Windows XP.
mempelajari literatur yang berkaitan
dengan
dengan 1.4 Tujuan Tujuan
teori
mengumpulkan sistem
dan
pendukung
keputusan yang berbasis Komputer, penelitian
ini
model Fuzzy MADM (Multiple Attribute
adalah
membangun suatu model pengambilan
Decision
Making),
keputusan dengan menggunakan metode
(Simple
Fuzzy Multiple Attribute Decision Making
metode
(FMADM) untuk menentukan siapa yang
Sumber literatur berupa buku, paper,
akan menerima beasiswa berdasarkan
journal, karya ilmiah, dan situs-situs
kriteria-kriteria serta bobot yang sudah
penunjang yang behubungan dengan
ditentukan.
penelitian.
metode
SAW
Additive
Weighting)
dan
Weighted
Product
(WP).
2. Metode Wawancara 1.5 Manfaat
Metode wawancara dilakukan dengan
Manfaat dari penelitian ini adalah :
mengadakan tanya jawab langsung
1. Memudahkan
kepada
para
pengambil
pihak
yang
berhubungan
keputusan terutama pihak fakultas
langsung dengan objek yang diteliti,
sebagai tim seleksi beasiswa dalam
sehinga data yang didapat betul-betul
mengambil
objektif
keputusan
untuk
dan
menentukan calon penerima beasiswa
jawabkan.
sesuai urutan prioritas.
Wawancara
2. Perubahan pelayanan
terhadap bagian
kualitas
dapat yang
menitikberatkan
administrasi
prosedur
dipertanggung dilakukan
bagaimana
untuk
lebih
standar
mendapatkan
mengenai informasi calon penerima
beasiswa,
beasiswa di Fakultas Teknik dengan
pembobotan pada prioritas kriteria dan
konsep sistem yang lebih baik dan
alternatif.
efisien. 57
khususnya
dalam
Jurnal Monitor, Vol. 2, No. 1, Januari 2013
3. Perancangan Sistem Metode
ini
berbentuk
dilakukan
melakukan
dengan
Bantuan
Pendidikan
bagi
Mahasiswa yang orang tua/walinya tidak
perancangan
mampu
membiayai
pendidikan,
dan
pemrograman dan desain tampilan
Beasiswa bagi Mahasiswa
program
menggunakan
yang orang tua/walinya tidak mampu
Borland Delphi 7 dan Microsoft Office
membiayai pendidikan; melalui Bantuan
Access 2007 sebagai sumber data
Belajar
dengan sistem operasi Windows XP.
Peningkatan Prestasi Akademik (PPA)
aplikasi
dan 2.1 Beasiswa
Mahasiswa
Beasiswa
Berprestasi
(BBM),
Beasiswa
Peningkatan
Prestasi
Ekstrakurikuler (PPE)
Beasiswa adalah bantuan untuk membantu orang terutama bagi yang
2.2 Sistem Pendukung Keputusan
masih sekolah atau kuliah agar mereka
Definisi awal menunjukkan bahwa
dapat menyelesaikan tugasnya dalam
DSS
rangka mencari ilmu pengetahuan hingga
dimaksudkan
selesai. Bantuan ini biasanya berbentuk
pengambil keputusan manajerial dalam
dana untuk menunjang biaya yang harus
situasi keputusan semiterstruktur. DSS
dikeluarkan
atau
dimaksudkan untuk menjadi alat bantu
mahasiswa selama menempuh masa
bagi para pengambil keputusan untuk
pendidikan. Namun bisa juga beasiswa
memperluas kapabilitas mereka, namun
ini diwujudkan dalam bentuk yang lain,
tidak
misalnya
mereka.
fasilitas
oleh
anak
buku-buku belajar
sekolah
pelajaran
serta hal
lain
tujuannya untuk membantu beasiswa
agar
menyelesaikan
atau yang bisa
pendidikannya
sampai
(Decision
untuk
sistem
mendukung
menggantikan
para
penilaian
pendukung
Support
yang
keputusan
Systems)
adalah
bagian dari sistem informasi berbasis komputer,
termasuk
sistem
berbasis
pengetahuan (manajemen pengetahuan)
lulus.
yang
Mengacu pada Undang-undang dan
Tinggi
pemberian
dalam
suatu
untuk membantu pengambil keputusan
Pendidikan Nasional khusnya Fakultas mengupayakan
keputusan
mendukung
Sistem Pendukung Keputusan dirancang
Departemen
Universitas
untuk
organisasi atau perusahaan.
Pemerintah melalui Direktorat Jenderal Pendidikan
dipakai
pengambilan
Peraturan Pemerintah tersebut, maka
Teknik
untuk
sebuah
Sistem
penerima
mereka
sebagai
dalam
Madura
memecahkan
dirancang
bantuan
dapat 58
sedemikian
digunakan
masalah. rupa
atau
DSS
sehingga
dioperasikan
Zainollah Effendy : Sistem Pendukung Kep …..
dengan mudah oleh orang yang tidak
Nilai Vi yang lebih besar mengindikasikan
memiliki
bahwa alternative Ai lebih terpilih.
dasar
kemampuan
pengoperasian komputer yang tinggi dan bersifat alternatif, serta SPK dirancang dengan
menekankan
pada
3.1 Analisis FMADM dengan Metode
aspek
SAW
kemampuan adaptasi yang tinggi
Bagian
ini
akan
melakukan
perhitungan dengan Metode SAW dalam 2.3 Simple Additive Weighting Method
mengolah data yang digunakan sebagai
(SAW)
sistem Metode SAW sering juga dikenal
istilah
metode
Konsep
penjumlahan
dasar
metode
keputusan
seleksi
beasiswa. Dalam penyeleksian beasiswa
terbobot.
dengan
adalah
Multiple
SAW
pendukung
menggunakan
Attribute
Fuzzy
Decision
Making
metode
Simple
mencari penjumlahan terbobot dari rating
(FMADM)
kinerja pada setiap alternatif pada semua
Additive Weighting (SAW) diperlukan
atribut.
kriteria-kriteria
Metode
SAW
membutuhkan
dengan
model
dan
bobot
proses normalisasi matriks keputusan (X)
melakukan
ke
dapat
akan didapat alternatif terbaik, dalam hal
diperbandingkan dengan semua rating
ini alternatif yang dimaksud adalah yang
alternatif yang ada.
berhak menerima beasiswa berdasarkan
suatu
skala
yang
Jika j adalah atribut keuntungan (benefit)
perhitungannya
untuk sehingga
kriteria-kriteria yang ditentukan. Pada metode yang digunakan ada
rij=
kriteria dan bobot yang dibutuhkan untuk menentukan pemohon beasiswa yang
Jika j adalah atribut biaya (cost)
akan dimana
rij
adalah
rating
kinerja
terseleksi
sebagai
penerima
beasiswa.
ternormalisasi dari alternative Ai pada
Adapun kriterianya sebagai berikut:
atribut Cj; i=1,2,…m dan j=1,2,…n.
1. C1 = Nilai IPK
Nilai preferensi untuk setiap alternative
2. C2 = Penghasilan Orantua
(Vi) diberikan sebagai :
3. C3 = Semester 4. C4 = Jumlah Tanggungan Orangtua 5. C5 = Usia
Keterangan :
Menentukan
pembobotan
nilai
Vi
= rangking untuk setiap alternatif
dalam hal ini berarti nilai pada setiap
wj
= nilai bobot dari setiap kriteria
aspek
rij
= nilai rating kinerja ternormalisasi
dikategorikan menjadi bobot tertentu. Jika 59
penilaian
kriteria
akan
Jurnal Monitor, Vol. 2, No. 1, Januari 2013
dilihat pada
setiap aspek penilaian
Berdasarkan
gambar
diatas
nilai
bilangan fuzzy dikonversikan ke bilangan
kualitatif dimulai antara rendah sampai
crisp. Dimana menggunakan pembobotan
dengan tinggi. Pada tahap ini, dari
dengan aturan tabel di bawahnya.
kriteria
tiap
semester
masing-masing
kriteria
memiliki
tersebut
akan
ditentukan bobot-bobotnya. Pada bobot
Dalam penelitian ini pengambil keputusan
terdiri dari lima bilangan fuzzy, yaitu :
memberikan bobot untuk setiap kriteria
1. Sangat Tinggi 2. Tinggi
=B
3. Sedang
=C
4. Rendah
=D
5. Sangat Rendah
sebagai berikut:
=A
1. Beasiswa berprestasi : C1 =35%, C2 =20%, C3 =15%, C4 =25%, C5 =5%. 2. Beasiswa kurang mampu :
=E
C1 =15%, C2 =30%, C3 =15%, C4 =35%, C5 =5%. Langkah selanjutnya memberikan nilai
Bilangan Fuzzy
Nilai
Sangat Rendah (E)
0
Rendah (D)
0.25
Cukup (C)
0.5
setiap alternatif (Ai) pada setiap kriteria (Cj)
yang
sudah
ditentukan
sebagai
berikut : 1. Kriteria Nilai IPK
Tinggi (B)
0.75
Sangat Tinggi (A)
1
Pada variabel ini terdiri dari lima bilangan fuzzy, yaitu sangat rendah (SR), rendah (R), cukup (C), tinggi (T), dan sangat
tinggi
(ST)
seperti
Gambar
dibawah.
Gambar 2. Bilangan fuzzy untuk nilai IPK.
Gambar 1. Bilangan fuzzy untuk bobot.
Dari gambar 2, bilangan-bilangan
fuzzy dapat dikonversikan ke bilangan 60
Zainollah Effendy : Sistem Pendukung Kep …..
crisp. Untuk lebih jelas data nilai IPK
(T1), tinggi (T2), dan sangat tinggi (ST)
dibentuk dalam tabel di dibawahnya.
seperti terlihat pada gambar 4.
2. Kriteria Penghasilan Orangtua Pada variabel jumlah penghasilan orangtua terdiri dari empat bilangan fuzzy, yaitu rendah (R), cukup (C), tinggi (T), dan sangat tinggi (ST) seperti terlihat pada Gambar 3.
Semester
Bilangan Fuzzy
Nilai
>0–≤3
Sangat Rendah
0
(SR)
Penghasilan Orangtua > Rp. 0 s/d ≤ Rp. 750.000
Bilangan
Fuzzy Sangat Tinggi (ST)
> Rp. 750.000 s/d ≤ Rp. 1.500.000 > Rp. 1.500.000 s/d ≤ Rp. 3.000.000 > Rp. 3.000.000 s/d ≤ Rp. 10.000.000
Nilai
1
>3–≤4
Rendah (R)
0.2
>4–≤5
Sedang (S)
0.4
>5–≤6
Tengah (T1)
0.6
>6–≤7
Tinggi (T2)
0.8
>7–≤
Sangat Tinggi
1
14
(ST)
Tinggi (T)
0.75
Cukup (C)
0.5
Gambar 4. Bilangan fuzzy untuk semester
Rendah (R)
0.25
Dari gambar 4 bilangan-bilangan
fuzzy dapat dikonversikan ke bilangan
Gambar 3. Bilangan fuzzy untuk jumlah
crisp. Untuk lebih jelas data kelas
penghasilan orangtua.
dibentuk dalam tabel dibawahnya. 4. Kriteria Jumlah Tanggungan Orangtua
Dari gambar 3, bilangan-bilangan
Pada variabel jumlah tanggungan
fuzzy dapat dikonversikan ke bilangan
orangtua terdiri dari lima bilangan fuzzy,
crisp. Untuk lebih jelas data jumlah
yaitu sangat sedikit (SS), sedikit (S),
penghasilan orang tua dibentuk dalam
sedang(SD), banyak (B), dan sangat
tabel dibawahnya.
banyak (SB) seperti terlihat pada gambar 5.
3. Kriteria Semester Pada variabel semester terdiri dari enam bilangan fuzzy, yaitu sangat rendah (SR), rendah (R), sedang (S), tengah 61
Jurnal Monitor, Vol. 2, No. 1, Januari 2013 Usia
Bilangan Fuzzy
Nilai
> 0 Tahun s/d ≤
Sangat Muda
0.25
20 Tahun
(SM)
> 20 Tahun s/d ≤
Muda (M)
0.5
Sedang (S)
0.75
Tua (T)
1
21 Tahun Jumlah
Bilangan Fuzzy
> 21 Tahun s/d ≤
Nilai
22 Tahun
Tanggungan Orangtua
> 22 Tahun s/d ≤
> 0 Orang s/d ≤
Sangat Sedikit
1 Orang
(SS)
> 1 Orang s/d ≤
Sedikit (S)
30 Tahun
0
Gambar 6. Bilangan fuzzy untuk usia. 0.25
2 Orang > 2 Orang s/d ≤
Dari gambar 6, bilangan-bilangan Sedang (SD)
fuzzy dapat dikonversikan ke bilangan
0.5
3 Orang > 3 Orang s/d ≤
crisp. Untuk lebih jelas data usia dibentuk Banyak (B)
0.75
> 4 Orang s/d ≤
Sangat Banyak
1
5 Orang
(SB)
dalam tabel dibawahnya.
4 Orang
Ditetapkan berdasarkan
Gambar 5. Bilangan fuzzy untuk jumlah
perhitungan
kasus,
3
manual
(tiga)
calon
pemohon beasiswa berprestasi dengan
tanggungan orangtua.
memiliki data sebagai berikut :
Dari gambar 5, bilangan-bilangan
Tabel 1. Data Pemohon
fuzzy dapat dikonversikan ke bilangan
Nama Pemohon
Kriteria
crisp. Untuk lebih jelas data jumlah IPK
tanggungan orang tua dibentuk dalam
Penghasilan
tabel dibawahnya.
Orangtua Semester
A1
A2
A3
3.25
2.75
3.75
2.000.000
600.000
700.000
7
6
4
3 org
3 org
5 org
21 thn
23 thn
20 thn
Jumlah
5. Kriteria Usia
Tanggungan
Pada variabel usia terdiri dari empat
Orangtua
bilangan fuzzy, yaitu sangat muda (SM),
Usia
muda (M), sedang (S), dan tua (T) seperti Dalam pengujian ini memberikan nilai
terlihat pada Gambar 4.6.
bobot, berdasarkan tingkat kepentingan masing-masing kriteria yang dibutuhkan sebagai berikut; 62
Zainollah Effendy : Sistem Pendukung Kep …..
Vektor bobot : W = [ 0.35, 0.20, 0.15, 0.25, 0.5 ] Berdasarkan data pemohon diatas dapat dilihat rating kecocokan dari setiap alternatif pada setiap criteria yang telah dikonversikan
dengan
bilangan
fuzzy
yaitu pada tabel 2. Tabel 2. Rating Kecocokan Setiap Alternatif Kriteria Kriteria
Alternatif C1
C2
C3
C4
C5
A1
0.75
0.5
0.8
0.5
0.5
A2
0.25
1
0.6
0.5
1
A3
1
1
0.2
1
0.25
3.2 Perhitungan dengan SAW Membuat
matriks
keputusan
X,
dibuat dari tabel kecocokan sebagai berikut:
Kedua, membuat normalisasi matriks R yang diperoleh dari hasil normalisasi matriks X sebagai berikut :
Pertama, dilakukan normalisasis matriks X untuk menghitung nilai masing-masing kriteria berdasarkan kriteria diasumsikan sebagai kriteria keuntungan atau biaya sebagai berikut :
63
Jurnal Monitor, Vol. 2, No. 1, Januari 2013
Selanjutnya mencari nilai preferensi (V)
model)
dan
Diagram.
melakukan
terbesar
untuk
perangkingan memperoleh
nilai
dengan
membuat
Activity
alternatif
terbaik, yaitu dibuat perkalian matriks W * R dan penjumlahan hasil perkalian sebagai berikut : V1= (0.35)(0.75) + (0.20)(1) + (0.15)(1) + (0.25)(0.5) + (0.05)(05) = 0.7625
Gambar 7. Use Case Diagram seleksi
V2= (0.35)(0.25) + (0.20)(0.5) +
beasiswa
(0.15)(0.75) + (0.25)(0.5) + (0.05)(1) = 0.475 V3= (0.35)(1) + (0.20)(0.5) + (0.15)(0.25) + (0.25)(1) + (0.05)(0.25) = 0.75 Hasil perangkingan diperoleh : V1 = 0.7625, V2 = 0.475 dan V3 = 0.75. Nilai terbesar ada pada V1, dengan demikian alternatif
A1
(Mahasiswa
1)
adalah
Gambar 9. Activity Diagram data master
alternatif yang terpilih sebagai alternatif terbaik. 4.1 Perancangan System Untuk
menggambarkan
mengenai system dengan model
system
yang
proses membuat
menggunakan
functional modeling. Proses dan data model dari system akan disajikan dalam dua
bentuk,
yaitu
menggunakan
Gambar 10. Activity Diagram input data
pemodelan fisik (phisycal model) dengan membuat
Use
Case
Diagram
pemohon
dan
menggunakan pemodelan logic (logical
64
Zainollah Effendy : Sistem Pendukung Kep …..
Perancangan
Basis
Data
pada
sistem ini menggunakan tool pemodelan data (data modeling) Power Designer, dimulai dengan menggunakan metode
Entity
Relationship
Diagram
yaitu
Conceptual Data Model (CDM). Tahap selanjutnya membuat model fisiknya yaitu Physical Data Model (PDM) dalam
Gambar 11 Activity Diagram manipulasi
bentuk
skema
relasi
yang
merupakan bentuk spesifik dari CDM
data pemohon
yang telah dibangun.
Gambar 14. Conceptual Data Model Sistem Pendukung Keputusan Seleksi
Gambar 12. Activity Diagram proses
Beasiswa
metode SAW
Gambar 15. Physical Data Model Sistem Pendukung Keputusan Seleksi
Gambar 13. Activity Diagram untuk use
Beasiswa
case preferensi hasil perangkingan 65
Jurnal Monitor, Vol. 2, No. 1, Januari 2013
4.2 . Implementasi Implementasi merupakan
dalam
kegiatan
hal
ini
menerjemahkan
rancangan sistem menjadi kode sumber dalam bahasa pemrograman sehingga komputer
mampu
menangani
input
Gambar 18. Hasil akhir perangkingan
berupa data nilai kriteria untuk setiap
metode SAW
alternatif dan setelah itu menghasilkan suatu
output.
Dalam
implementasi
5. Kesimpulan
rancangan sistem ini, digunakan berbagai
tools
berupa
bahasa
Sistem pendukung keputusan untuk
pemrograman,
menentukan penerima beasiswa bagi
perangkat lunak dan perangkat keras.
mahasiswa Fakultas Teknik Universitas Madura telah berhasil dibangun dengan melakukan model
perhitungan
Fuzzy
Decision
MADM
Making)
berdasarkan (Multi-Atribut-
dengan
cara
penyelesaian Simple Additive Weighting
Method (SAW). Sesuai dengan analisis, perancangan,
implementasi
beserta
pengujian yang telah dilakukan, maka
Gambar 16. Halaman utama
dapat
diperoleh
kesimpulan
sebagai
berikut : 1. Program penyeleksi menentukan
ini
memudahkan beasiswa penerima
tim dalam
beasiswa
secara cepat dan tepat, berdasarkan kriteria-kriteria dan bobot nilai yang
Gambar 17. Menghitung nilai preferensi
telah ditetapkan, meliputi nilai IPK, penghasilan
orang
tua,
semester,
jumlah tanggungan orang tua dan usia.
66
Zainollah Effendy : Sistem Pendukung Kep …..
Fuzzy
2. Metode
Multiple
Attribute
(Tanggal 02 Desember 2010, Jam
Decision Making (FMADM) dengan metode
13.12 WIB.)
Simple Additive Weighting
Hartati,
S.
2010.
Analisis
Sistem
(SAW) dapat diterapkan untuk sistem
Informasi.
pendukung
http://blog.akmibaturaja.ac.id/hartati/
keputusan
penerima
beasiswa.
wp-content/uploads/2010/09/ModulAnSi.pdf. (Tanggal 12 Desember
Daftar Pustaka
2010, Jam 20.29 WIB.) Irfan Subakti. 2002. Sistem Pendukung
Basyaid, Fahmi. 2005. Teori Pembuat
Keputusan.
Jakarta
:
Keputusan System).
Gramedia
Widiaksara Indonesia. Dodit
Suprianto.
2008.
Pemrograman
PHP.
(Decision
Support http://is.its-
sby.edu/subjects/dss/Buku_Panduan
Buku
Pintar
Bandung
_SPK.pdf (Tanggal 12 April 2009,
:
Jam 19.13 WIB.) Janner Simarmata. 2007. Dasar-dasar
OASE Media. Kusumadewi, Sri., Hartati, S., Harjoko, A.,
Pemrograman Dengan Delphi 7.
Wardoyo, R. (2006). Fuzzy Multi-
http://www.docstoc.com/doc/2153381
Attribute Decision Making (FUZZY
2/Dasar-Dasar-Pemrograman-
MADM). Yogyakarta: Graha Ilmu.
Dengan-Delphi-7-Janner-Simartama.
M, David. 2005. Database Processing
(Tanggal 10 Juli 2010, Jam 21.21
Dasar-dasar,
Desain
Implementasi.
Jilid
1.
dan Edisi
WIB.)
9.
Jakarta: Erlangga. Cheezlovecheez in Ilmu Komputer. 2010.
Simple Additive Weighting Method (SAW).http://cheezlovecheez.wordpr ess.com/2010/09/22/simple-additiveweighting-method-saw. (Tanggal 20 Desember 2010, Jam 08.05 WIB.) DFN Team, Hafid Mukhlasin, dkk. 2008.
Tutorial Master
Delphi
For
Without
Newbie
Be
Teacher.
http://adulgofar.files.wordpress.com/2 009/10/delphi-for-newbie.pdf.
67
