Volume 2 No IJSE Indonesian Journal on Software Engineering

Volume 2 No 1 – 2016 Lppm3.bsi.ac.id/jurnal

IJSE – Indonesian Journal on Software Engineering

Model Penunjang Keputusan Penentuan Penerima Beasiswa Berprestasi Berbasis SAW di STMIK Banjarbaru Fadilah STMIK Banjarbaru, Kalimantan Selatan [email protected] Abstract - Scholarships are given financial assistance to individuals for the purpose of helping the sustainability of education pursued. Along with the number of students who apply for scholarships while the number of recipients is limited, we conducted a selection process in awarding scholarships, but this time in the selection process they are objective because the assessment is only based on GPA, active in the organization and closeness with the lecturer or on the recommendation of teachers so awarding scholarships achievement sometimes not well targeted. For that we need a model of decision support determination of recipients excel in STMIK Banjarbaru. This research aims to develop a decision support system modeling achievement awardees determination based Simple Additive Weighting (SAW) in STMIK Banjarbaru. The benefits of this research to ensure that ratings are not objective and based on the criteria that have been determined. Simple Additive weighting method (SAW) considered suitable for selection for admission scholarship Simple Additive Weighting (SAW) will make the process of ranking the popularity of attributes with different weights so the results are optimal. Keywords : Scholarship , SAW Abstrak – Beasiswa merupakan bantuan keuangan yang diberikan kepada perorangan dengan tujuan untuk membantu keberlangsungan pendidikan yang ditempuh. Seiring dengan banyaknya mahasiswa yang mengajukan permohonan beasiswa sedangkan jumlah penerima beasiswa terbatas, maka dilakukanlah proses seleksi dalam pemberian beasiswa, namun selama ini dalam proses seleksi masih bersifat objektif karena penilaian hanya berdasarkan IPK, keaktifan dalam organisasi dan kedekatan dengan dosen atau berdasarkan rekomendasi dari dosen sehingga pemberian beasiswa berprestasi terkadang belum tepat sasaran. Untuk itu diperlukan suatu model penunjang keputusan penentuan penerima beasiswa berprestasi di STMIK Banjarbaru. Penelitian ini bertujuan untuk membangun sistem pemodelan penunjang keputusan penentuan penerima beasiswa berprestasi berbasis Simple Additive Weighting (SAW) di STMIK Banjarbaru. Manfaat dari penelitian ini untuk menjaga agar penilaian tidak bersifat objektif dan berdasarkan pada kriteria-kriteria yang telah ditentukan. Metode Simple Additive Weighting (SAW) dianggap sesuai untuk seleksi penerimaan beasiswa karena Simple Additive Weighting (SAW) akan melakukan proses perangkingan berdasarkan atribut dengan bobot yang berbeda-beda sehingga hasilnya lebih optimal. Kata kunci: Beasiswa, SAW 1. Latar Belakang Setiap tahunnnya STMIK Banjarbaru menawarkan beasiswa kepada mahasiswanya, terutama beasiswa berprestasi. Untuk mendapatkan beasiswa tersebut mahasiswa harus memenuhi kriteria-kriteria yang telah ditentukan oleh STMIK Banjarbaru. Banyaknya mahasiswa yang mengajukan permohonan beasiswa dan terbatasnya kouta yang disediakan menyebabkan diperlukannya proses penetapan prioritas Selama ini dalam penetapan penerima beasiswa berprestasi masih bersifat objektif karena belum adanya standar penilaian, penilaian hanya dilihat berdasarkan keaktifan dalam organisasi,IPK, dan kedekatan dengan penyeleksi sehingga pemberian beasiswa berprestasi tidak tepat

ISSN : 2461‐0690

sasaran dan menyebabkan protes dari mahasiswa yang merasa lebih berhak mendapatkan beasiswa tersebut. Untuk mengatasi masalah tersebut diperlukan suatu model penunjang keputusan penentuan penerima beasiswa berprestasi di STMIK Banjarbaru. Simple Additiive Weighting (SAW) merupakan suatu metode perangkingan yang dapat menentukan nilai bobot untuk setiap kriteria penilaiannya, SAW termasuk dalam salah satu metode untuk penyelesaian masalah Fuzzy Multi Atribute Decision Making (FMADM). Konsep dasar SAW adalah mencari penjumlahan terbobot dari rating penilaian pada setiap alternatif disemua atribut.

1



Pada penelitian yang dilakukan oleh Henry, Riska, Andi dan Kurnia (2009) dengan judul sistem pendukung keputusan untuk menentukan penerima beasiswa bank bri menggunakan FMADM (studi kasus: mahasiswa fakultas teknologi industri universitas islam indonesia) menyatakan bahwa penggunaan FMADM dengan menggunakan SAW bisa membuat nilai alternatif yang memiliki nilai alternatif terbaik dari alternatif yang lain. Dengan melihat fungsi dari Simple Additiive Weighting (SAW) dan penelitian yang telah dilakukan oleh Hendry, Riska, Andi dan kurnia, maka untuk menyelesaikan permasalahan seleksi penerimaan beasiswa berprestasi dibangun suatu model penunjang keputusan penentuan penerima beasiswa berbasis SAW di STMIK Banjarbaru. 1.1 rumusan Masalah Dari permasalahan dilatar belakang, maka rumusan masalah dari penelitian ini adalah bagaimana membangun suatu model penunjang keputusan penentuan penerima beasiswa berprestasi berbasis SAW di STMIK Banjarbaru. 1.2 Tujuan dan Manfaat Tujuan dari penelitian ini adalah untuk membangun sistem pemodelan penunjang keputusan penentuan penerima beasiswa berprestasi berbasis SAW di STMIK Banjarbaru. Adapun manfaat dari penelitian ini adalah menjaga agar penilaian tidak bersifat objektif dan berdasarkan pada kriteria-kriteria yang telah ditentukan. 2. Kajian Pustaka Penelitian yang telah dilakukan oleh Tri Umini (2015) dengan judul seleksi penerima beasiswa pada STMIK Banjarbaru, menggambarkan bahwa pada proses seleksi terdapat tiga variabel penentu yaitu pendapatan orang tua, IPK dan semester. Hal tersebut tidak sesuai dengan pedoman yang ada pada STMIK Banjarbaru. Dalam publikasi (Yadi Utama,2013) menyimpulkan bahwa penelitian yang dilakukan menggunakan metode SAW yang bertujuan untuk menentukan prioritas penanganan perbaikan jalan dapat membantu pihak dinas PU binamarga dan PSDA kota Palembang dalam penyusunan prioritas penanganan rencana perbaikan jalan selain itu juga bisa meningkatkan efisiensi baik itu waktu pelaksanaan kegiatan maupun biaya yang dikeluarkan. Penelitian yang dilakukan oleh Erwinsyah (2016) dengan judul Sistem Pendukung Keputusan untuk

ISSN : 2461‐0690

Seleksi Mahasiswa Baru (Studi Kasus : Program Khusus Ulama IAIN Antasari Banjarmasin) menggambarkan bahwa penggunaan Metode Elemination and Choice Translating Reality (ELECTRE) untuk seleksi mahasiswa baru bisa digunakan dalam pengeleminasian mahasiswa dan metode Simple Additive Weighting (SAW) digunakan untuk proses peminatan.juga bisa digunakan dengan melihat nilai terbesar dalam perhitungan metode SAW. 3.1 Metode Pengumpulan data Metode pengumpulan data dalam penelitian ini menggunakan studi pustaka dan wawancara a. Studi Pustaka merupakan teknik pengumpulan data dengan cara penelaahan terhadap buku-buku, literatur-literatur, catatan-catatan dan laporan-laporan yang ada hubungannya dengan masalah yang akan dipecahkan. Data yang diperoleh dari hasil studi pustaka adalah data mahasiswa yang mengajukan permohonan beasiswa , data mahasiswa yang menerima beasiswa berprestasi dan literatur-literatur yang berhubungan dengan penelitian. b. Wawancara merupakan metode pengumpulan data dengan cara tanya jawab secara langsung dengan objek di tempat penelitian, hasil dari wawancara diketahui bahwa sistem seleksi belum memiliki standar penilaian, penilaian hanya dilihat berdasarkan keaktifan dalam organisasi, IPK dan kedekatan dengan penyeleksi mempengaruhi penilaian. 3.2 Metode Analisis Data Metode analisis data yang digunakan adalah Simple Additive Weighting (SAW). Metode SAW juga dikenal dengan istilah metode penjumlahan terbobot. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.

2



Dimana 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 :

Nilai Vi yang lebih besar mengindikasikan bahwa alternative Ai lebih terpilih. 4. Implementasi Sistem dan Hasil 4.1 Analisis Hasil Penelitian Seperti yang telah dijelaskan dalam latar belakang. Penilaian dilakukan dengan melihat nilai-nilai dari IPK mahasiswa, mahasiswa terbaik, gaji orang tua, prestasi mahasiswa, dan penilaian dari proposal PKM. Penilaian-penilaian tersebut nantinya akan menjadi faktor penentu dalam penerimaan beasiswa berprestasi. 4.2 Analisis Kebutuhan Input 4.2.1 Kriteria Mahasiswa Terbaik Untuk penilaian kriteria mahasiswa terbaik diambil dari hasil perangkingan IPK mahasiswa yang mengajukan permohonan perangkatan. Tabel 1. Mahasiswa Terbaik

Apabila nilai total Prestasi >100 maka hanya akan diambil nilai 100 4.2.4. Proposal PKM Untuk Penilaian Proposal PKM terdiri dari 5 kriteria dengan bobot penilaian yang berbeda Tabel 4. Penilaian Proposal PKM Kriteria Tema dan cakupan Ketajaman permasalahan Unsur kemanfaatan dan kreatifitas Metode pelaksanaan Rasionalisasi rencana anggaran

Bobot 10 20 30 25 15

4.3. Proses perhitungan SAW Berikut merupakan langkah-langkah dalam perhitungan SAW Langkah pertama adalah mengambil data alternatif yang digunakan dalam perhitungan. Tabel 5. Data Alternatif NAMA

C1

MHS 1

3,70

75

50

0

73,75

MHS 2

3,85

100

75

0

71,25

MHS 3

3,58

100

75

50

70,50

MHS 4

3,31

50

75

100

69,25

MHS 5

3,07

25

50

100

60,00

MHS 6

3,19

25

75

45

75,00

4.2.2. Kriteria Gaji Orang Tua Untuk penilaian kriteria gaji orang tua dilakukan dengan cara gaji orang tua / jumlah tanggungan.

MHS 7

3,15

25

75

40

75,75

MHS 8

3,52

75

50

30

60,25

MHS 9

3,40

50

25

0

62,00

Tabel 2. Gaji orang tua Gaji orang tua 1.000.000 – Rp.1.500.000 >Rp.1.500.000

MHS 10

3,37

25

50

45

80,50

MHS 11

3,54

100

100

30

79,75

MHS 12

3,43

75

25

0

63,25

MHS 13

3,60

50

75

0

67,00

Mahasiswa Terbaik Terbaik 1 Terbaik 2 Terbaik 3 Terbaik >=4

Nilai 100 75 50 25

Nilai 100 75 50 25

4.2.3. Kriteria Prestasi Untuk penilaian kriteria prestasi dilihat dari banyaknya piagam / sertifikat yang dimiliki mahasiswa Tabel 3. Prestasi Piagam / Sertifikat Nilai Piagam / Sertifikat Juara Nasional 100 Piagam / Sertifikat Juara Provinsi 75 Piagam / Sertifikat Juara KotaMadya 50 Pengurus Organisasi 20 Piagam / Sertifikat Kalimantan 15 Piagam / Sertifikat Kampus 10

ISSN : 2461‐0690

C2

C3

C4

C5

Keterangan : C1 : IPK C2 :Mahasiswa Terbaik C3 :Gaji Orang Tua C4 :Prestasi C5 :PKM Karena setiap nilai pada setiap kriteria merupakan nilai kecocokan (nilai terbesar adalah nilai terbaik) sehingga semua kriteria diasumsikan sebagai kriteria keuntungan, maka dibentuklah Matriks sebagai berikut : 3,70

75

50

0

73,75

3,85

100

75

0

71,25

3,58

100

75

50

70,50

3


X=


3,31

50

75

100

69,25

3,07

25

50

100

60,00

3,19

25

75

45

75,00

3,15

25

75

40

75,75

3,52

75

50

30

60,25

3,40

50

25

0

62,00

3,37

25

50

45

80,50

3,54

100

100

30

79,75

3,43

75

25

0

63,25

3,60

50

75

0

67,00

Langkah pertama dalam perhitungan SAW adalah dengan melakukan normalisasi data pada matriks z Berdasarkan persamaan berikut :

Normalisasi matrik X untuk menghitung nilai masing-masing kriteria.

dan seterusnya, sehingga didapatkan matriks ternormalisasi sebagai berikut :

R=

0,96

0,75

0,50

0,00

0,92

1,00

1,00

0,75

0,00

0,89

0,93

1,00

0,75

0,50

0,88

0,86

0,50

0,75

1,00

0,86

0,80

0,25

0,50

1,00

0,75

0,83

0,25

0,75

0,45

0,93

0,82

0,25

0,75

0,40

0,94

0,91

0,75

0,50

0,30

0,75

0,88

0,50

0,25

0,00

0,77

0,88

0,25

0,50

0,45

1,00

0,92

1,00

1,00

0,30

0,99

0,89

0,75

0,25

0,00

0,79

0,94

0,50

0,75

0,00

0,83

Kemudian untuk mendapatkan nilai vektor maka dilakukan perkalian matrik bobot kriteria dengan nilai R normalisasi berdasarkan rumus persamaan berikut :

Tabel 6. Bobot Kriteria

ISSN : 2461‐0690

Kriteria Bobot (W) C1 : IPK 0,20 C2 : Mahasiswa Terbaik 0,15 C3 : Gaji Orang Tua 0,30 C4 : Prestasi 0,20 C5 : PKM 0,15 Berikut adalah perhitungan nilai vektor : MHS 1 = (0,20*0,96) + (0,15*0,75) + (0,30*0,50) + (0,20*0) + (0,15*0,92) = 0,59213 MHS 2 = (0,20*1,00) + (0,15*1,00) + (0,30*0,75) + (0,20*0) + (0,15*0,89) = 0,707764 MHS 3 = (0,20*0,93) + (0,15*1,00) + (0,30*0,75) + (0,20*0,50) + (0,15*0,88) = 0,79234 MHS 4 = (0,20*0,86) + (0,15*0,50) + (0,30*0,75) + (0,20*1,00) + (0,15*0,86) = 0,800985 MHS 5 = (0,20*0,80) + (0,15*0,25) + (0,30*0,50) + (0,20*1,00) + (0,15*0,75) = 0,658782 MHS 6 = (0,20*0,83) + (0,15*0,25) + (0,30*0,75) + (0,20*0,45) + (0,15*0,93) = 0,657966 MHS 7 = (0,20*0,82) + (0,15*0,25) + (0,30*0,75) + (0,20*0,40) + (0,15*0,94) = 0,647285 MHS 8 = (0,20*0,91) + (0,15*0,75) + (0,30*0,50) + (0,20*0,30) + (0,15*0,75) = 0,617624 MHS 9 = (0,20*0,88) + (0,15*0,50) + (0,30*0,25) + (0,20*0) + (0,15*0,77) = 0,442151 MHS 10 = (0,20*0,88) + (0,15*0,25) + (0,30*0,50) + (0,20*0,45) + (0,15*1,00) = 0,602565 MHS 11 = (0,20*0,92) + (0,15*1,00) + (0,30*1,00) + (0,20*0,30) + (0,15*0,99) = 0,842499 MHS 12 = (0,20*0,89) + (0,15*0,75) + (0,30*0,25) + (0,20*0) + (0,15*0,79) = 0,483539 MHS 13 = (0,20*0,94) + (0,15*0,50) + (0,30*0,75) + (0,20*0) + (0,15*0,83) = 0,611858 Kemudian dilakukan proses perangkingan berdasarkan nilai vektor Sehingga didapatkan hasil sebagai berikut : Tabel 7. Hasil Perangkingan NAMA

NILAI VEKTOR

PERINGKAT

MHS 11

0,842499

1

MHS 4

0,800985

2

MHS 3

0,79234

3

MHS 2

0,707764

4

MHS 5

0,658782

5

MHS 6

0,657966

6

MHS 7

0,647285

7

MHS 8

0,617624

8

MHS 13

0,611858

9

MHS 10

0,602565

10

4



MHS 1

0,59213

11

MHS 12

0,483539

12

MHS 9

0,442151

13

4.4. Implementasi 4.4.1 Input Data Pemohon Gambar 1. Merupakan tampilan halaman pemohon pengajuan beasiswa berprestasi

4.4.4 Pembahasan Pada saat ini, dalam seleksi penentuan penerima beasiswa berprestasi di STMIK Banjarbaru yang lulus seleksi adalah MHS1, MHS3, MHS4, MHS5, MHS6, MHS7, MHS8, MHS9, MHS10, dan MHS11 dan yang tidak lulus seleksi Penerimaan beasiswa berprestasi adalah MHS2, MHS12, dan MHS13. Setelah dilakukan proses seleksi penerima beasiswa berprestasi dengan menggunakan metode Simple Additive Weighting (SAW), maka didapatkan hasil rekomendasi penerima beasiswa berprestasi sebagai berikut : Tabel 8. Rekomendasi Beasiswa diterima NAMA

Gambar 1. Form Pemohon Beasiswa 4.4.2 Proses penentuan penerima beasiswa Gambar 2 merupakan tampilan dari halaman proses penentuan penerima beasiswa, dalam halaman tersebut terdapat tombol proses untuk melakukan proses penentuan penerima beasiswa berbasis SAW, tombol ulang, untuk mengulang proses penentuan penerima beasiswa

PERINGKAT

NILAI VEKTOR

MHS 11

0,842499

1

MHS 4

0,800985

2

MHS 3

0,79234

3

MHS 2

0,707764

4

MHS 5

0,658782

5

MHS 6

0,657966

6

MHS 7

0,647285

7

MHS 8

0,617624

8

MHS 13

0,611858

9

MHS 10

0,602565

10

MHS 1

0,59213

11

MHS 12

0,483539

12

MHS 9

0,442151

13

Adapun mahasiswa yang tidak lulus seleksi adalah seperti yang terlihat pada table : Tabel 9. Rekomendasi Beasiswa di tolak Gambar 2. Form Proses Penentuan Penerima Beasiswa 4.4.3 Laporan Gambar 3. Merupakan tampilan laporan hasil proses penentuan penerima beasiswa berbasis SAW di STMIK Banjarbaru.

NAMA

NILAI VEKTOR

PERINGKAT

MHS 1

0,59213

11

MHS 12

0,483539

12

MHS 9

0,442151

13

Berdasarkan proses seleksi penerima beasiswa berprestasi menggunakan metode Simple Additive Weighting (SAW) seharusnya MHS2 dan MHS13 seharusya mendapatkan beasiswa berprestasi karena MHS2 berada pada peringkat ke 4 dan MHS13 berada pada peringkat ke 9 dari total pemohon beasiswa sedangkan yang berhak mendapatkan beasiswa adalah sebanyak 10 orang.

Gambar 3. Laporan Hasil Seleksi Beasiswa

ISSN : 2461‐0690

5



5. Penutup 1. Berdasarkan hasil analisis data yang telah dilakukan, maka dapat disimpulkan bahwa model penunjang keputusan penentuan penerima beasiswa berprestasi berbasis SAW telah berhasil melakukan perangkingan berdasarkan nilai terbesar. 2. Berdasarkan nilai terbesar tersebut, maka bisa diambil nilai yang terbesar untuk mendapatkan beasiswa. Pustaka [1] Erwinsyah. (2016). Sistem Pendukung Keputusan Untuk Seleksi Mahasiswa Baru (Studi Kasus : Program Khusus Ulama IAIN Antasari Banjarmasin). Journal Speed . [2] S, H. W., R. A., M, A. F., & K. A. (2009). SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA BANK BRI MENGGUNAKAN FMADM (STUDI KASUS: MAHASISWA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS ISLAM INDONESIA). [3] S. K., S. H., A. H., & R. W. (2006). Fuzzy Multy-Atribute Decision Making (Fuzzy MADM). Yogyakarta: Graha Ilmu. [4] Umini, T. (2015). Seleksi penerima beasiswa pada STMIK Banjarbaru. Banjarbaru: STMIK Banjarbaru. [5] Utama, Y. (2013). Sistem Pendukung Keputusan Untuk Menentukan Prioritas Penanganan Perbaikan Jalan Menggunakan Metode Saw Berbasis Mobile Web. Sistem Informasi . [6] Endang Retno Ningsih, SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DESKTOP WEB BROWSER MENGGUNAKAN METODE ANALITYC HIERARCHY PROCESS (AHP), Vol 2, No 1 (2014): Jurnal Evolusi 2014 [7] Marwa Sulehu, Sistem Pendukung Keputusan Pemilihan Layanan Internet Service Provider Menggunakan Metode Weighted Product (Studi kasus : STMIK AKBA), Vol 4, No 4 (2015): IJNS Oktober 2015 [8] Ahmad Nouvel, Klasifikasi Kendaraan Roda Empat Berbasis Knn, Vol 3, No 2 (2015): Bianglala 2015 [9] Riesda Ganevi, Bambang Eka Purnama, Sistem Pendukung Keputusan Penilaian Kinerja Guru Sekolah Menengah Pertama

ISSN : 2461‐0690

Negeri (SMP N) 1 Pacitan, Vol 6, No 4 (2014): Jurnal Speed 24 – 2014 [10] Lutfi Syafirullah, Joko Dwi Mulyanto, PENERAPAN ANALITYC HIERARCHY PROCESS (AHP) DALAM MEMILIH GADGET SMARTPHONE, Vol 2, No 1 (2014): Jurnal Evolusi 2014 [11] Cipta Riang Sari, Teknik Data Mining Menggunakan Classification Dalam Sistem Penunjang Keputusan Peminatan SMA Negeri 1 Polewali, Vol 5, No 1 (2016): IJNS Februari 2016 [12] Nugroho Agung Prabowo, Sistem Pendukung Keputusan Sebagai Analisis Pemilihan Rekanan Pengadaan Barang Dan Jasa Di Politeknik Negeri Semarang, Vol 1, No 3 (2009): Speed 3 – 2009 [13] Sardiarinto, APLIKASI SISTEM PENDUKUNG KEPUTUSAN KELAYAKAN PEMINJAMAN KREDIT NASABAH KOPERASI BERBASIS ANDROID, Vol 1, No 1 (2013): Bianglala 2013 [14] Hera Wasiati, Dwi Wijayanti, Sistem Pendukung Keputusan Penentuan Kelayakan Calon Tenaga Kerja Indonesia Menggunakan Metode Naive Bayes (Studi Kasus: Di P.T. Karyatama Mitra Sejati Yogyakarta), Vol 3, No 2 (2014): IJNS April 2014 [15] Ramadhani Noor Pratama, Sistem Pendukung Keputusan Untuk Penentuan Penerima Beasiswa (Studi Kasus : Politeknik Hasnur, Vol 8, No 1 (2016): Jurnal Speed 29 – 2016 [16] Friska Abadi, Penentuan Penerima Bantuan Dana untuk Sekolah Menengah Di Kab. Banjar Menggunakan Metode AHP-TOPSIS dengan Pendekatan Fuzzy, Vol 8, No 1 (2016): Jurnal Speed 29 – 2016 [17] Corie Mei Hellyana, PENINGKATAN KUALITAS PELAYANAN KOPERASI SIMPAN PINJAM MELALUI KNOWLEDGE MANAGEMENT SYSTEM, Vol 1, No 1 (2013): Bianglala 2013

6

Volume 2 No IJSE Indonesian Journal on Software Engineering

Recommend Documents