penelitian sistem pendukung keputusan

7/23/2019 penelitian sistem pendukung keputusan

http://slidepdf.com/reader/full/penelitian-sistem-pendukung-keputusan 1/7

Volume : III, Nomor : 2 , Juni 2014 Majalah Ilmiah

Informasi dan Teknologi Ilmiah (INTI)ISSN : 2339-210X

Sistem Pendukung Keputusan Untuk Menentukan Penerima Beasiswa PT.Telkom Menggunakan 1

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN

PENERIMA BEASISWA PT.TELKOM MENGGUNAKAN METODE

SIMPLE ADDITIVE WEIGHTING

Deni Putra

Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma MedanJl. Sisingamangaraja No.338 Simpang Limun Medan

http:// www.inti-budidarma.com // Email : [email protected]

ABSTRAK

Salah satu perguruan tinggi yang dapat penyaluran beasiswa berprestasi dan kurang mampu dari PT.

Inalum yaitu Pendidikan Teknologi Kimia Industri Medan. Mahasiswa pada setiap tingkat kelas yaitu tingkat I,

II dan III di Pendidikan Teknologi Kimia Industri Medan, banyak yang mendaftar sebagai peserta beasiswa

membuat perguruan tinggi negeri tersebut kesulitan dalam menangani pengolahan data secara manual dan

perlu perangkat lunak untuk mempermudah pengolahan data mahasiswa yang berhak mendapatkan beasiswatersebut.

Syarat-syarat dari pada mendapatkan beasiswa diantaranya untuk beasiswa berprestasi dilihat dari nilai

IPK tertinggi, dan untuk beasiswa kurang mampu di lihat dari penghasilan orangtua yang terendah. Penentuan

kriteria yang dapat menerima beasiswa PT. Inalum ditentukan dari penghasilan orangtua, usia, semester,

jumlah tanggungan orangtua, dan nilai Indeks Prestasi Komulatif (IPK). Setelah itu, digunakan metode SAW

(Simple Additive Weighting) pada sebuah sistem pendukung keputusan yang dimulai dari penentuan kriteria,

pemberian nilai bobot, melakukan proses normalisasi, perangkingan dan pemilihan nilai akhir tertinggi yang

disesuaikan dengan jumlah penerima beasiswa. Kemudian untuk merancang sebuah sistem pendukung

keputusan diperlukan beberapa tahap yaitu dengan mengetahui Diagram Use Case sistem pendukung

keputusan tersebut, dan menerapkannya ke dalam suatu software/program.

Kata kunci : FMADM, Simple Additive Weighting (SAW), Beasiswa

1. Pendahuluan

1.1 Latar Belakang MasalahSalah satu perguruan tinggi yang dapat

penyaluran beasiswa dari PT. Telkom yaitu

Pendidikan Teknologi Kimia Industri Medan, perguruan tinggi negeri tersebut mempunyai 2

jurusan yaitu teknologi kimia industri dan teknologimekanik industri, banyaknya mahasiswa di masing-masing jurusan tersebut berasal dari daerah dan banyak juga mahasiswa yang perekonomian orangtuanya kurang mampu. Mahasiswa pada setiaptingkat kelas yaitu tingkat I, II dan III di Pendidikan

Teknologi Kimia Industri Medan, banyak yangmendaftar sebagai peserta beasiswa membuat perguruan tinggi negeri tersebut kesulitan dalammenangani pengolahan data secara manual dan perlu perangkat lunak untuk mempermudah pengolahandata mahasiswa yang berhak mendapatkan beasiswa

tersebut.Proses pendukung keputusan dimulai dengan

fase inteligence, dimana kenyataan diuji danmasalahnya diidentifikasi, kemudian fase design,yaitu suatu model yang menggambarkan suatu sistemyang mengacu pada peraturan- peraturan dan kriteria-

kriteria dikumpulkan untuk suatu evaluasi dari

pilihan-pilihan aksi yang diidentifikasi.Metode Simple Additive Weighting (SAW )

merupakan salah satu metode penjumlahan terbobot

untuk menyelesaikan masalah Fuzzy. Konsep dasarmetode SAW adalah mencari penjumlahan terbobotdari rating kinerja pada setiap alternatif pada semuaatribut dan membutuhkan proses normalisasi matriks

keputusan (X) ke suatu skala yang dapatdiperbandingkan dengan semua rating alternatif yang

ada.

1.2 Perumusan Masalah Berdasarkan latar belakang masalah di atas

dapat dirumuskan permasalahan yang akandiselesaikan yaitu :

1. Bagaimana syarat-syarat dari pada mendapatkan beasiswa?

2. Bagaimana cara menentukan kriteria mahasiswayang dapat menerima beasiswa PT. Telkom ?

3. Bagaimana mengimplementasikan metode SAW(Simple Additive Weighting) pada sebuah sistem

pendukung keputusan?4. Bagaimana merancang sebuah sistem pendukung

keputusan untuk mahasiswa penerima beasiswaPT. Telkom dengan metode SAW (Simple

Additive Weighting)?

1.3 Tujuan dan Manfaat Penelitian

1.3.1

Tujuan PenelitianAdapun tujuan yang dicapai oleh penulis dari

pelaksanaan penelitian ini adalah :

Metode Simple Additive Weighting. Oleh : Deni Putra






1. Untuk mengetahui kriteria mahasiswa yang dapatmenerima beasiswa PT. Telkom

berdasarkan kriteria-kriteria serta bobot yangsudah ditentukan.

2. Untuk membangun suatu software sistem

pengambilan keputusan untuk mahasiswa penerima beasiswa PT. Telkom .

2. Landasan Teori

2.1. Sistem Pendukung Keputusan Decision Support System atau Sistem

Pendukung Keputusan yang selanjutnya kita singkatdalam skripsi ini menjadi SPK. SPK difenisikansecara umum dan secara khusus.

Menurut Hermawan (Membangun DecisionSupport System , 2005 : 9), secara umum SPKdidefinisikan sebagai sebuah sistem yang mampumemberikan kemampuan baik kemampuan

pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah semi-terstruktur.

Menurut Hermawan (Membangun DecisionSupport , 2005 : 9), secara khusus SPK didefinisikansebagai sebuah sistem yang mendukung kerjaseorang manajer maupun sekelompok manajer dalammemecahkan masalah semi-terstruktur dengan caramemberikan informasi ataupun usulan menuju pada

keputusan tertentu.Menurut Turban, E, oleh Andi (2005 : 19), SPK

didefinisikan suatu sistem yang ditujukan untukmendukung manajemen pengambilan keputusan.

Menurut Hermawan (Membangun Decision

Support , 2005 : 9), pembuatan keputusan merupakanfungsi utama seorang manajer atau administrator .Kegiatan pembuatan keputusan meliputi pengidentifikasian masalah, pencarian alternatif penyelesaian masalah, evaluasi dari alternatif-alternatif tersebut dan pemilihan alternatif keputusanyang terbaik. Kemampuan seorang manajer dalam

membuat keputusan dapat ditingkatkan apabila iamengetahui dan menguasai teori dan teknik pembuatan keputusan. Dengan peningkatankemampuan manajer dalam pembuatan keputusandiharapkan dapat ditingkatkan kualitas keputusanyang dibuatnya, dan hal ini tentu akan meningkatkan

efisiensi kerja manajer yang bersangkutan.

2.2. FMADM (Fuzzy Multiple Attribute Decision

Making)

Menurut J. Glemn Bruoksher terjemahan nirzamhardiansyah (2006 : 166), algoritma adalah tataurutan langkah-langkah yang tidak mengandung

ambiguitas dan dapat diakses.Menurut Kusumadewi, dkk (2006 : 8),

algoritma FMADM adalah tata urutan langkah-langkah yang digunakan untuk menyelelesaikanmasalah model FMADM.

Menurut Kusumadewi, dkk (2006 : 8), adapun

algoritma yang digunakan pada FMADM adalah:1. Memberikan nilai setiap alternatif (Ai) pada

setiap kriteria (Cj) yang sudah ditentukan,

dimana nilai tersebut di peroleh berdasarkan nilaicrisp; i=1,2,…m dan j=1,2,…n.

2. Memberikan nilai bobot (W) yang jugadidapatkan berdasarkan nilai crisp.

3. Melakukan normalisasi matriks dengan cara

menghitung nilai rating kinerja ternormalisasi(rij) dari alternatif Ai pada atribut Cj berdasarkan persamaan yang disesuaikan dengan jenis atribut

(atribut keuntungan/benefit = MAKSIMUM atauatribut biaya/cost = MINIMUM). Apabila berupaartibut keuntungan maka nilai crisp (Xij) darisetiap kolom atribut dibagi dengan nilai crispMAX (MAX Xij) dari tiap kolom, sedangkanuntuk atribut biaya, nilai crisp MIN (MIN Xij)

dari tiap kolom atribut dibagi dengan nilai crisp(Xij) setiap kolom.`

4. Melakukan proses perankingan dengan caramengalikan matriks ternormalisasi (R) dengan

nilai bobot (W).5. Menentukan nilai preferensi untuk setiap

alternatif (Vi) dengan cara menjumlahkan hasilkali antara matriks ternormalisasi (R) dengannilai bobot (W). Nilai Vi yang lebih besarmengindikasikan bahwa alternatif Ai lebihterpilih.

2.3. Metode Simple Additive Weighting Method

(SAW ) Menurut Kusumadewi (2006 : 12), metode SAW

sering juga dikenal istilah metode penjumlahanterbobot. Konsep dasar metode SAW adalah mencari

penjumlahan terbobot dari rating kinerja pada setiapalternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan(X) ke suatu skala yang dapat diperbandingkandengan semua rating alternatif yang ada.

Jika j adalah atribut keuntungan(benefit )…………………….(1)

jika j adalah atribut biaya (cost )

keterangan :r ij = nilai rating kinerja ternormalisasi.Xij = nilai atribut yang dimiliki darisetiap kriteria.Max Xij = nilai terbesar dari setiap kriteria.

i

Min Xij = nilai terkecil dari setiap kriteria.i

Benefit = jika nilai terbesar adalah terbaik.Cost = jika nilai terkecil adalah terbaik.

Biasanya dalam melakukan proses perankingan,digunakan rumus persamaan 2 yaitu :







…………...(2)Keterangan :

Vi = ranking untuk setiap alternatifW j = nilai bobot dari setiap kriteriar ij = nilai rating kinerja ternormalisasiNilai Vi

yang lebih besar mengindikasikan bahwaalternatif Ai lebih terpilih.

3. Analisa

3.1. Analisis MasalahAdapun analisis masalah seperti yang telah

dijelaskan pada pendahuluan, oleh karena itudilakukan penilaian dengan melihat nilai-nilaiterhadap indikator yaitu jumlah penghasilanorangtua, semester, jumlah tanggungan orangtua,

jumlah saudara kandung dan nilai Indeks PrestasiKomulatif (IPK). Selanjutnya masing-masingindikator tersebut dianggap sebagai kriteria yang

akan dijadikan sebagai faktor untuk menentukan penerima beasiswa dan himpunan fuzzy nya adalahsangat rendah, rendah, cukup tinggi, tinggi, sangattinggi. Himpunan ini kemudian diperlakukan sebagaiinput kedalam sistem Fuzzy Multiple Attribute

Decision Making ( FMADM) dalam hal ini disebut

sebagi C j. Variabel yang digunakan dalam penelitianini adalah jumlah penghasilan orangtua, semester, jumlah tanggungan orangtua, jumlah saudarakandung, nilai IPK dan untuk himpunan fuzzy nya

adalah sangat rendah, rendah, cukup tinggi, tinggi,sangat tinggi.

3.1.2 Syarat-Syarat Penerima Beasiswa

Berdasarkan Ketentuan PT. TelkomSyarat - syarat penerima beasiswa berdasarkan

ketentuan PT. Telkom yaitu sebagai berikut: besarnya bantuan beasiswa sebesar Rp. 800.000,- per

bulan.1. Untuk mahasiswa berprestasi sebanyak 3 orang

a. Nilai IPK ≥ 3.00 b. Surat berkelakuan baik dari perguruan tinggic. Minimal semester 2 (dua)

2. Untuk mahasiswa kurang mampu sebanyak 3oranga. Minimal semester 2 (dua)

b. Jumlah penghasilan orangtua ≤ 1.200.000c. Jumlah tanggungan orangtua ≥ 2 orangd. Dilampirkan surat tidak mampu dari

kelurahan

3.1.3. Prosedur Pengajuan Beasiswa

Prosedur pengajuan beasiswa dilakukan olehmahasiswa yang akan mengajukan permohonan beasiswa, dan prosedur yang berjalan yaitu:1. Sekretaris setiap jurusan memberikan formulir

beasiswa kepada mahasiswa yang akanmengajukan beasiswa. Formulir beasiswa

tersebut sebanyak 100 formulir untuk mahasiswasetiap masing-masing jurusan.

2. Setelah mahasiswa mendapat formulir beasiswa,mahasiswa mengisi formulir dengan lengkapserta melampirkan foto copy nilai KHS terakhir

dan menyertakan surat keterangan tidak mampudari kelurahan apabila untuk pengajuan beasiswakurang mampu. Kemudian dikumpulkan di

sekretaris jurusan masing-masing.3. Sekretaris jurusan memeriksa kelengkapan

formulir tersebut, jika formulir yang diisi dansyarat-syaratnya lengkap, maka formulir diterimaoleh sekretaris jurusan, Jika belum lengkap makaakan dikembalikan kepada mahasiswa untuk

dilengkapi kembali.4. Setelah formulir terkumpul semua di sekretaris

jurusan dan sudah dilengkapi, kemudianformulir beasiswa dikembalikan kepada Puket 3.

5. Kemudian Puket 3, menginputkan datamahasiswa, dan melakukan proses penyeleksian

untuk mahasiswa yang berhak mendapatkan beasiswa.

6. Setelah didapat 3 orang mahasiswa yang berprestasi dan 3 orang mahasiswa yang kurangmampu, kemudian Puket 3 memberikan laporankepada Kepala PTKI.

7. Kemudian Puket 3 mengirimkan data mahasiswayang dapat menerima beasiswa berupa proposalke PT. Telkom (selaku pemberi beasiswa).

8. Setelah PT. Telkom menyetujuinya danmemberikan beasiswa tersebut kemudian Puket 3

memberikan pengumuman kepada mahasiswadan menyerahkan beasiswa tersebut kepadamahasiswa yang dapat menerima beasiswa.

Tabel 1 : Diagram Alir Dokumen (DAD)

3.1.4. Penentuan penerima beasiswaProsedur penentuan penerima beasiswa

dilakukan oleh Puket 3 sebagai penyeleksi beasiswa

yaitu sebagai berikut :1. Setelah formulir beasiswa terkumpul dan

diterima Puket 3, kemudian Puket 3







menginputkan data pemohon yaitu mahasiswa,dan melakukan proses penyeleksian berdasarkan

jenis beasiswa (beasiswa berprestasi dan beasiswa kurang mampu) untuk mahasiswa yangdapat menerima beasiswa.

2. Untuk beasiswa berprestasi, yang pertama kalidilihat yaitu nilai dari IPK mahasiswa, nilaitertinggi yang akan mendapatkan beasiswa

berprestasi tetapi di lihat juga semesternya. Jikaada nilai akhir yang sama maka puket 3 melihatkemampuan dari orang tua mahasiswa,mahasiswa yang penghasilan orangtuanya lebihrendah maka mahasiswa tersebut yang palingdiutamakan sebagai penerima beasiswa.

3. Untuk beasiswa kurang mampu, yang paling diutamakan yaitu penghasilan orang tuamahasiswa, mahasiswa yang mendapatkan beasiswa yaitu jika orang tua mahasiswa kurang

mampu untuk membiayai kuliah anaknya. Syaratlain untuk mendapatkan beasiswa kurang mampu

yaitu harus menyertakan surat keterangan tidakmampu dari kelurahan. Jika yang mendaftarsemuanya tidak mampu, maka penyeleksimelihat tanggungan orang tua mahasiswa.Mahasiswa yang orang tuanya memilikitanggungan lebih banyak maka mahasiswa

tersebut yang paling diutamakan untukmendapatkan beasiswa kurang mampu.

4. Setelah diputuskan siapa saja yang berhakmendapatkan beasiswa berprestasi atau beasiswakurang mampu, puket 3 sebagai penyeleksi

beasiswa mengarsipkan data penerima beasiswadan mengirimkan data mahasiswa yang dapatmenerima beasiswa berupa proposal ke PT.Telkom (selaku pemberi beasiswa).

3.1.5. Kriteria dan BobotMetode Simple additive Weighting (SAW)

dalam prosesnya memerlukan kriteria yang akandijadikan bahan perhitungan pada proses perankingan penerima mahasiswa. Kriteria yang menjadi bahan pertimbangan adalah sebagai berikut :

Tabel 2: Kriteria

Tabel 3 : Penjabaran Kriteria-Kriteria

Dari masing-masing kriteria tersebut akanditentukan bobot-bobotnya. Pada bobot terdiri dari

lima bilangan fuzzy, yaitu sangat rendah (SR), rendah(R), cukup tinggi (C), tinggi (T), dan sangat tinggi

(ST) seperti terlihat pada gambar 1

Gambar 1 : Bilangan fuzzy untuk bobot

Dari gambar 1 diatas, bilangan-bilangan fuzzy

dapat dikonversikan ke bilangan crisp. Untuk lebih jelas data bobot dibentuk dalam tabel 4 berikut.

Tabel 4 : Bobot

3.1.6 Contoh Kasus Menentukan Penerima

BeasiswaSampel yang akan diambil dalam menentukan

penerima beasiswa adalah 5 data pemohon beasiswa berprestasi dan 5 data pemohon beasiswa kurang

mampu, dalam contoh penerapan Simple Additive

Weighting (SAW) dalam menentukan mahasiswayang dapat menerima beasiswa tersebut. Data darimahasiswa tersebut dimasukkan ke dalam tabel 4.4

dan 4.5 berikut ini.1. Data Pemohon Penerima Beasiswa

BerprestasiTabel 5 Data mahasiswa yang akan ditentukan

sebagai penerima beasiswa berprestasi

2. Data Pemohon Penerima Beasiswa Kurang

Mampu

Tabel 6 Data mahasiswa yang akan ditentukansebagai penerima beasiswa kurang mampu

3.1.7.Perhitungan Menentukan Penerima

Beasiswa

Dalam perhitungan menentukan penerima beasiswa dengan menggunakan metode Simple

Additive Weighting, pemberian nilai pada setiap

kriteria ( ) disesuaikan untuk setiap kategori penerima beasiswa. Setiap kategori penerima

beasiswa memiliki 5 kriteria ( ) yang paling






Sistem Pendukung Keputusan Untuk Menentukan Penerima Beasiswa PT.Telkom Meng


5gunakan

berpengaruh dan memiliki nilai crisp yang berbeda.Kategori penerima beasiswa yaitu beasiswa

berprestasi dan kurang mampu memiliki kriteria ( )yang sama. Perbedaan yaitu pada nilai bobot (W)setiap kriteria kategori penerima beasiswa. Kriteria-

kriterianya dapat dilihat pada tabel 7 : berikut ini.Tabel 7 : Kategori penerima beasiswa

a. Perhitungan Menentukan Penerima BeasiswaAdapun Perhitungan dalam menentukan

penerima beasiswa berprestasi dan kurang mampu,

diperlukan langkah penyelesaian dalam penerapanmetode Simple Additive Weighting adalah sebagai berikut :

1. Memberikan nilai setiap alternatif ( ) pada

setiap kriteria ( ) Yang sudah ditentukan. Dalam hal ini kriterianya sama untuk setiapkategori penerima beasiswa yaitu penerima

beasiswa berprestasi dan kurang mampu.

a. Jumlah Penghasilan Orangtua (C1)Pada variabel jumlah penghasilan orangtua terdiridari empat bilangan fuzzy, yaitu rendah (R), cukup

(C), tinggi (T), dan sangat tinggi (ST) sepertiterlihat pada Gambar 2.

Gambar 2 Bilangan fuzzy untuk jumlah penghasilan orangtua

Dari gambar 2 diatas, bilangan-bilangan fuzzy dapatdikonversikan ke bilangan crisp. Untuk lebih jelas

data jumlah penghasilan ortu dibentuk dalam tabel 8 berikut :

Tabel 8 : Jumlah penghasilan orangtua

b. Semester (C2) Pada variabel semester terdiri dari lima bilangan fuzzy, yaitu sangat rendah (SR),rendah (R), cukup (C), tinggi (T), dansangat tinggi (ST) seperti terlihat padaGambar 3.

Gambar 3 Bilangan fuzzy untuk semester.

Dari gambar 3 diatas, bilangan-bilangan fuzzy dapatdikonversikan ke bilangan crisp. Untuk lebih jelasdata semester dibentuk dalam tabel 9 berikut :

Tabel 9 Semester

c. Jumlah Tanggungan Orangtua (C3) Pada variabel jumlah tanggungan ortu terdiri darilima bilangan fuzzy, yaitu sangat sedikit (SS), sedikit

(S), sedang(SD), banyak (B), dan sangat banyak (SB)seperti terlihat pada Gambar 4

Gambar 4. Bilangan fuzzy untuk jumlah tanggunganorangtua.

Dari gambar 4 diatas, bilangan-bilangan fuzzy dapatdikonversikan ke bilangan crisp. Untuk lebih jelas

data jumlah tanggungan orangtua dibentuk dalamtabel 10 berikut :

Tabel 10 Jumlah tanggungan orangtua

d. Jumlah Saudara Kandung (C5)Pada variabel jumlah saudara kandung terdiri dariempat bilangan fuzzy, yaitu sangat muda (SM), muda(M), sedang (S), dan tua (T) seperti terlihat padaGambar 5.

Gambar 5 : Bilangan fuzzy

untuk jumlah saudarakandung

⎪⎪⎪

⎭

⎪⎪⎪

⎬

⎫

⎪⎪⎪

⎩

⎪⎪⎪

⎨

⎧

=

75,0

5,0

0

1

0

67,0

1

75,0

1

1

15,0

25,0

10

0

15,0133,025,01

33,001

iberprestas R






Demikian seterusnya. Semua kriteria-kriteria yangtelah ditentukan tergolong atribut keuntungan

(benefit ), karena semakin besar nilai maka dianggapsemakin baik, maka perhitungan untuk menentukanmatriks ternomalisasi R menggunakan atribut

keuntungan (benefit ). Normalisasi matriks X menjadi matriks R adalahsebagai berikut :

Normalisasi matriks X sebagai berikut :

{ }1

5.0

5,0

5,0;5,0;5,0;5,0;5,0

5,011

=== Maxr

{ }1

5,0

5,0

5,0;5,0;5,0;5,0;5,0

5,021

=== Max

r

{ }1

5,0

5,0

5,0;5,0;5,0;5,0;5,0

5,031

=== Max

r

{ } 15,0

5,0

5,0;5,0;5,0;5,0;5,0

5,041 === Maxr

{ }1

5,0

5,0

25,0;5,0;5,0;5,0;5,0

25,051

=== Maxr

{ }0

1

0

;1;75,0;5,0;25,0;25,0

012

=== Maxr

{ }25.0

1

25,0

;1;75,0;5,0;25,0;25,0

25,022

=== Maxr

{ }

75,01

75,0

;1;75,0;5,0;25,0;25,0

75,042

=== Maxr

{ }1

1

1

;1;75,0;5,0;25,0;25,0

152

=== Max

r

{ }33,0

75,0

25,0

;0;5,0;75,0;25,0;25,0

25,013

=== Max

r

{ }33,0

75,0

25,0

;0;5,0;75,0;25,0;25,0

25,023

=== Maxr

{ }1

75,0

75,0

;0;5,0;75,0;25,0;25,0

75,033

=== Maxr

{ }67,0

75,0

5,0

;0;5,0;75,0;25,0;25,0

5,043

=== Max

r

{ }0

75,00

;0;5,0;75,0;25,0;25,00

53 === Max

r

{ }0

25,0

0

;0;25,0;25,0;0;0

014

=== Max

r

{ }0

25,0

0

;0;25,0;25,0;0;0

024

=== Max

r

{ }1

25,0

25,0

;0;25,0;25,0;0;0

25,034

=== Maxr

Maka, matriks R :

Melakukan Proses Perankingan, denganmenggunakan persamaan

a. Perkalian matriks W * R, untuk

; 0,25; 0,5; 1]

,33);

(0,5).(0); (1).(0,25);,25; 0; 0,833; 0; 0,25;

).(0,5);

5;

,5;

.

0208

7

1.3 Lan esper . Hasil perankingan diperoleh:V1= 9167

4. P

Case menggambarkan apa sajaktifitas yang dilakukan oleh suatu sistem dari sudut

, yang menjadi persoalan ituapa y

⎪⎪⎪

⎭

⎪⎪⎪

⎬

⎫

⎪⎪⎪

⎩

⎨=

75,0

5,0

0

5,0

0

167,0

75,0

5625,0

25,0

25,0

1

5,0

25,0

5,0

0

0

25,0375,025,0

833,

833,0

)* iberprestas RW

mahasiswa berprestasi dengan :W berprestasi = [ 0,25; 0,75

Maka :A1 = (0,25).(1); (0,75).(0); (0,25).(0

= 0

A2 = (0,25).(1); (0,75).(0.25);(0,25).(0,33); (0,5).(0); (1

= 0,25; 0,1875; 0,833; 0; 0,A3 = (0,25).(1); (0,75).(0.5); (0,25).(1);

(0,5).(1); (1).(1);= 0,25; 0,375; 0.25; 0,5; 1;

A4 = (0,25).(1); (0,75).(1); (0,25).(0,67);(0,5).(1); (1).(0,5);= 0,25; 0,5625; 0,167; 0,5; 0

A5 = (0,25).(1); (0,75).(1); (0.25).(0);(0,5).(0); (1).(0,75);

= 0,25; 0,75; 0; 0; 0,75;

⎧ 025,0

b

⎪⎪⎪

⎭

⎪⎪⎪

⎬

⎫

⎪⎪⎪

⎩

⎪⎪⎪

⎨

⎧

=

75,0

5,0

0

1

0

67,0

1

75,0

1

1

1

5,0

25,0

1

0

0

15,01

33,025,01

33,001

iberprestas R

{ }25,0

1

25,0

;1;75,0;5,0;25,0;25,0

25,032

=== Max

r

Penjumlahan dari setiap alternatif,supaya lebih jelas dimisalkan untuk baris pertama dari matriks diatas adalah A1 =V1,

A2=V2 dan A3=V3, A4=V4, dan A5=V5 maka:V1 = 0,25 + 0 + 0,083 + 0 + 0,25 = 0,583 V2 = 0,25 + 0,1875 + 0,0833 + 0 + 0,5 =

1,V3 = 0,25 + 0,375 + 0,25 + 0,5 + 1 = 2,375

V4 = 0,25 + 0,5625 + 0,1667 + 0,5 + 0,5=

1,97916V5 = 0,25 + 0,75 + 0 + 0 + 0,75= 1,75

gkah terakhir adalah prosangkingan

0,583; V2=1,0208; V3=2,375; V4=1,97

; dan V5=1,75

erancangan Sistem

Diagram Usea pandang pengamatan luar

ang dilakukan bukan bagaimana melakukannya.

Diagram Use Case dekat kaitannya dengan kejadian-kejadian. Kejadian (skenario) merupakan contoh apayang terjadi ketika seseorang berinteraksi dengansistem.

⎪⎪⎪

01875,025,0

(







1.4 Analisis Kebutuhan InputInput untuk melakukan proses pengambilan

eputusan dari beberapa alternatif ini dilakukan

1.

setiap masing-masing

2.

an orangtua, jumlah saudara kandung,

5. K

5.1 nDari hasil penelitian dan pembahasan, maka

n sebagai berikut :dari pada mendapatkan beasiswa

un

u di

2.

n

3.

Weighting) pada sebuah sistem

4.

berapa tahap yaitu

5.2

ari penulis adalah sebagai beri

stem pendukung keputusan ini sebaiknyada

ya seperti : beasiswa untuk karya ilmiah, ujikompetensi, dan lain-lain.

3. dapat dikembangkan

6. D [1] , “Sistem Pendukung Keputusan

Untuk Menentukan Penerimaan beasiswa

STMIK AMIKOMYogyakarta” , STMIK AMIKOM Yogyakarta,

dk dengan membagikan formulir.

Formulir ditujukan untuk mahasiswa PendidikanTeknologi Kimia Industri (PTKI) Medan

sebanyak 30 mahasiswa di jurusan.Variabel yang dibutuhkan adalah sebagai berikut: jumlah penghasilan orangtua, semester, jumlahtanggungnilai IPK.

esimpulan Dan Saran

Kesimpula

penulis mengambil kesimpula1. Syarat-syarat

tuk beasiswa berprestasi dilihat dari nilai IPK

tertinggi, dan untuk beasiswa kurang mamplihat dari penghasilan orangtua yang terendah.Penentuan kriteria yang dapat menerima beasiswa PT. Inalum ditentukan dari penghasilanorangtua, usia, semester, jumlah tanggunga

orangtua, dan nilai Indeks Prestasi Komulatif(IPK).Pengimplementasian (Fuzzy Multiple Attribute

Decission Making) dengan metode SAW (Simple

Additive pendukung keputusan dimulai dari penentuan

kriteria, pemberian nilai bobot, melakukan proses normalisasi, perangkingan dan pemilihan

nilai akhir tertinggi yang disesuaikan dengan jumlah penerima beasiswa.Untuk merancang sebuah sistem pendukungkeputusan untuk mahasiswa penerima beasiswa

PT. Inalum diperlukan bedengan mengetahui Diagram Use Case sistem pendukung keputusan tersebut, danmenerapkannya ke dalam suatusoftware/program.

Saran

Adapun saran dkut :

1. Agar si pat dikembangkan untuk penerimaan beasiswa

lainn

2. Sistem pendukung keputusan ini perludikembangkan dengan metode lainnya seperti :

Analytic Hierarchy Process (AHP), dan lain-lain.Program ini sebaiknyakapasitasnya yang lebih besar seperti untuk

universitas yang memiliki banyak fakultas dan jurusan.

AFTAR PUSTAKA

Gerdon

bagi mahasiswa

2011, iakses pada 20 Mei 2012,http://repository.amikom.ac.id/files/Publikasi_ 07.12_.2562_.pdf Heri Sulistiyo, “Sistem Pendukung

Keputusan Untuk Menentukan Penerima Beasiswa di SMA Negeri 6 Pandeglang”,

Universitas Kompu

[2]

ter Indonesia (UNIKOM),2010, diakses pada 19 Mei 2012, dari

http://elib.unikom.ac.id/files/disk1/438/jbptunikompp-gdl-herisulist-21892-17-20.jurn-a.pdf

[3]

[4]

[5]

t

netika”, Universitas Islam

Iqbal Hasan,” Pokok-pokok Materi Teori

Pengambilan Keputusan”,penerbit : Ghalia

Indonesia, Bandung selatan, Edisi 1, 2004 Julius Hermawan, “Membangun Decision

Support System” ,penerbit : Andi,.Yogyakarta, Edisi 1, 2005 Nur Ali Widyanahar, “ Manajemen Projek

Sistem Informasi untuk para enginer dan professional ”, Penerbit ANDI, Yogyakarta,edisi 1, 2003

[6] Sri Kusumadewi, “ Pencarian Bobot Atribu

Pada Multiple-Attribute Decision Making

dengan Pendekatan Objektif Menggunakan Algoritma Ge

Indonesia (UII), 2005, Diakses pada 17 Mei2012. Dari

http://cicie.files.wordpress.com/2008/06/srikusumadewi-jurnal genetika.pdf

[7] e

aking (FUZZY MADM)” ,

NDI,

[9] i, K, Ramdhani, A. , “Sistem

0] port System and

g

2, 2005

Sri Kusumadewi, dkk, “ Fuzzy Multi-Attribut

Decision M

Penerbit Graha Ilmu,Yogyakarta, Edisi 1,2006

[8] Subari & Yuswanto. “Panduan lengkap Microsoft Visual basic 6.0” , Penerbit AYogyakarta, Edisi 1, 2008Suryad Pendukung Keputusan”, Penerbit Rosda,

Bandung, Edisi 1, 2003[1 Turban dkk, “ Decision Sup

Intelligent System (Sistem Pendukun

Keputusan dan Sistem Cerdas)” . PenerbitAndi, Yogyakarta. Edisi


penelitian sistem pendukung keputusan

Documents

Transcript of penelitian sistem pendukung keputusan