ANALISIS SISTEM PENDUKUNG KEPUTUSAN PENERIMA BEASISWA DI SMP

Vol. XII Nomor 34 Maret 2017 – Jurnal Teknologi Informasi

ISSN: 1907-2430

ANALISIS SISTEM PENDUKUNG KEPUTUSAN PENERIMA BEASISWA DI SMP MUHAMMADIYAH 2 KALASAN Christian Budi Andrianto 1), Kusrini 2), Hanif Al Fatta3) MTI STMIK AMIKOM Yogyakarta 1,2,3) [email protected], [email protected], [email protected] Abstrak – Analisis sistem pendukung keputusan penerima beasiswa di SMP Muhammadiyah 2 Kalasan ini mempunyai tujuan untuk memberikan rekomendasi calon penerima beasiswa kepada pengambil keputusan di SMP Muhammadiyah 2 Kalasan, membangun aplikasi Sistem Pendukung Keputusan untuk menentukan siswa yang layak menerima beasiswa berdasarkan criteria yang telah ditentukan di SMP Muhammadiyah 2 Kalasan serta untuk menguji hasil dari prototype sistem pendukung keputusan menggunakan metode Fuzzy Multi Attribute Decision Making metode Simple Additive Weighting (SAW) dibandingkan perhitungan secara manual menggunakan metode yang sama. Penelitian ini menggunakan metode action research. Penelitian ini membahas tentang seleksi penerimaan beasiswa dengan metode Fuzzy Multi Attribute Decision Making metode Simple Additive Weighting (SAW). Hasil pengujian Black box, sistem yang dibangun mempunyai hasil output sesuai dengan yang diharapkan. Hasil penelitian ini dapat digunakan oleh Kepala Sekolah SMP Muhammadiyah 2 Kalasan untuk membantu dalam mementukan penerima beasiswa dengan memberikan alternative pilihan. Sistem yang dibuat mampu menghasilkan perangkingan untuk memberikan rekomendasi penerima beasiswa kepada Kepala Sekolah. Sistem Pendukung keputusan penerima beasiswa dengan metode Fuzzy MADM dan metode Simple Additive Weighting yang dibangun, mempunyai hasil perhitungan yang sesuai dengan perhitungan manual.Kriteria yang digunakan sistem pendukung keputusan ini sesuai dengan kriteria yang ditetapkan di SMP Muhammadiyah 2 Kalasan yaitu Penghasilan orang tua, Rata-rata nilai raport, Jumlah tanggungan orang tua dan presentase kehadiran siswa. Kata kunci: SPK, Fuzzy, SAW, Beasiswa Abstract- Analysis of decision support system scholarship recipient at the SMPMuhammadiyah 2 Kalasan has the goal to provide recommendations of prospective scholarship recipients to the decision makers at the SMP Muhammadiyah 2 Kalasan, building decision support system applications to determine which students are worthy to receive scholarships based on criteria specified in the SMPMuhammadiyah 2 Kalasan and to test the results of the prototype decision support system using Fuzzy Multi Attribute Decision Making method of Simple Additive Weighting (SAW) than the calculation manually by using the same method. This research uses the methods of action research. This study discusses the selection acceptance Scholarship with the method of Fuzzy Multi Attribute Decision Making method of Simple Additive Weighting (SAW). Black box testing results, the system has a built output results as expected. The results of this research can be used by the head of the junior school Muhammadiyah 2 Kalasan to assist in mementukan scholarship recipients by providing alternative options. The system made capable of generating perangkingan to provide recommendations to the principal grantee. Decision support system scholarship recipient with Fuzzy MADM method and the method of Simple Additive Weighting built, has the result of calculation in accordance with the manual calculation. The criteria of this decision support system is used in accordance with the criteria set out in the SMPMuhammadiyah 2 Kalasan i.e. Income parents, the average value of the report cards, the number of dependent elderly people and the percentage of attendance. Key words: DSS, Fuzzy, SAW, Scholarships

besar. Hal ini disebabkan oleh salah satu isi dari

1. LATAR BELAKANG Sejak ditetapkannya UU no 20 tahun

undang-undang Sisdiknas yang berbunyi "Dana

2003 tentang undang-undang Sistem Pendidikan

pendidikan selain gaji pendidik dan biaya

Nasional, dana untuk sektor pendidikan menjadi

pendidikan kedinasan dialokasikan minimal 20% (dua puluh persen) dari Anggaran Pendapatan dan

46


ISSN: 1907-2430

Belanja Negara (APBN) pada sektor pendidikan

keputusan manajemen level bawah. Pengambilan

dan minimal 20% (dua puluh persen) dari

keputusan level bawah atau manajemen operasi

Anggaran

Pendapatan

Daerah

ini dilakukan dengan mengamati kegiatan sehari-

(APBD)".

Dengan

anggaran

hari dengan mengamati kegiatan akademik dan

dan

Belanja

penetapan

pendidikan 20% dari total APBN, diharapkan akan

membantu

sekolah-sekolah

perilaku siswa.

untuk

Metode yang digunakan didalam

menyelenggarakan pendidikan gratis terutama

penelitian

untuk sekolah negeri.

Attribute

Decision

Additive

Weighting

Untuk mendukung suksesnya wajib

ini

adalah

metode

Making

metode

(SAW).

Multi Simple

Metode

menentukan

dana untuk operasional sekolah yang disebut

aturan, dan melakukan klasterifikasi ke dalam

BOS.

juga

satu kelompok sesuai dengan aturan yang telah

Penentuan

ditetapkan. Penelitian ini menggunakan metode

memberikan

BOS,

berbagai

pemerintah

beasiswa.

fuzzy

Kalasan harus sesuai dengan kriteria penerima

(Kusumadewi, 2010) :

beasiswa.

tahun

1. Konsep logika fuzzy mudah dimengerti.

2015/2016 yang dibatasi oleh pemberi beasiswa,

Konsep matematis yang mendasari penalaran

sebanyak 30 penerima beasiswa dari 150 siswa

fuzzy sangat sederhana dan mudah dimengerti.

penerima

beasiswa

beberapa

alasan,

menentukan

penerima beasiswa di SMP Muhammadiyah 2

Kuota

karena

data,

ini

belajar 9 tahun, maka pemerintah mengalokasikan

Disamping

keanggotaan

Fuzzy

antara

lain

yang sesuai dengan kriteria, membuat sekolah

2. Logika fuzzy sangat fleksibel.

harus menambah kriteria penerima selain kriteria

3. Logika fuzzy memiliki toleransi terhadap data-

umum yang ditetapkan oleh pemberi beasiswa. Dengan

kriteria

tambahan

ini,

data yang tidak tepat.

diharapkan

4. Logika fuzzy mampu memodelkan fungsi-

beasiswa benar-benar tepat sasaran.

fungsi nonlinear yang sangat kompleks.

Penentuan penerima beasiswa yang

5. Logika

fuzzy

dapat

membangun

dan

dilakukan di SMP Muhammadiyah 2 Kalasan saat

mengaplikasikan pengalamanpengalaman para

ini yaitu bagian Tata Usaha sekolah, mencari

pakar secara langsung tanpa harus melalui

siswa yang sesuai dengan criteria calon penerima

proses pelatihan.

beasiswa, kemudian mengurutkan siswa per kriteria,

kemudian

menentukan

6. Logika fuzzy dapat bekerjasama dengan

penerima

teknik-teknik kendali secara konvensional.

beasiswa. Sistem Pendukung Keputusan dapat

7. Logika fuzzy didasarkan pada bahasa alami.

membantu pihak sekolah dalam mengambil keputusan penerima beasiswa. Karena sistem

2. METODE PENELITIAN

pendukung keputusan dirancang untuk membantu

Penelitian tindakan (action research) adalah

pengambil keputusan untuk memecahkan masalah

penelitian yang dikembangkan bersama antara

yang bersifat semi terstruktur maupun tidak

peneliti dengan pembuat keputusan tentang

terstruktur dengan menggabungkan kebijakan

variable-variabel

yang

dapat

pengambil

manipulasi

dapat

digunakan

keputusan

komputerisasi. penentuan

dan

informasi

Sistem pendukung keputusan

beasiswa

merupakan

dan

dilakukan untuk

menentukan kebijakan. Action research juga

pembuatan

merupakan proses yang mencakup siklus aksi,

47


yang berdasarkan pada refleksi, umpan balik

ISSN: 1907-2430

b.

Variabel Linguistik

(feedbasack), bukti (evidence), dan evaluasi atas

Variabel

aksi sebelumnya dan situasi sekarang. Penelitihan

variable yang memiliki nilai berupa kata-

tindakan

kata dalam bahasa alamiah. Setiap

bertujuan

untuk

memperoleh

linguistik

pengetahuan untuk situasi atau sasaran khusus

variable

dari pada pengetahuan yang secara ilmiah

fungsi keanggotaan.

tergeneralisasi.

c.

linguistic

adalah

sebuah

berkaitan

dengan

Aturan If-Then Fuzzy Aturan If-Then Fuzzy adalah pernyataan

3. LANDASAN TEORI

If-Then di mana beberapa kata-kata

Sistem pendukung keputusan merupakan sistem

dalam pernyataan tersebut ditentukan

pemodelan

oleh fungsi keanggotaan. Aturan tersebut

dan

digunakan

pemanipulasian

untuk

data

membantu

yang

mengambil

adalah sebagai berikut :

keputusan dalam situasi yang semi terstruktur dan yang

tidak

terstruktur.

Pemanfaatan

IF

sistem

fuzzy

1>

THEN

pendukung keputusan dalam penentuan penerima

Proposisi fuzzy adalah proposisi yang

beasiswa

memiliki

termasuk

terstruktur.

Untuk

dalam

masalah

membantu

semi

derajat

kebenaran

yang

pengambil

dinyatakan oleh suatu bilangan dalam

keputusan dalam memutuskan suatu masalah

interval [0, 1], di mana benar dinyatakan

manajerial, maka dibutuhkan kualitas informasi

dalam nilai 1 dan salah dalan nilai 0.

yang Relevan (informasi tersebut terkait dengan

d.

Fuzzifikasi

keputusan yang akan diambil), akurat (kecocokan

Dalam fuzzifikasi, variable input dari

antara informasi dengan kejadian-kejadian yang

system fuzzy ditransfer dalam himpunan

diwakili), lengkap (seberapa jauh informasi

fuzzy untuk dapat digunakan dalam

menyertakan

perhitungan nilai kebenaran dari premis

kejadian-kejadian

yang

berhubungan), tepat waktu (Informasi sesuai

pada

waktu kejadiannya), dapat dipahami dan dapat

pengetahuan.

dibandingkan antara dua obyek yang mirip

e.

setiap

aturan

pada

basis

Inferensi

(Kusrini, 2007).

Metode yang biasa digunakan dalam

1. Logika Fuzzy

proses infernsi adalah min dan product.

Logika fuzzy merupakan generalisasi dari

Dalam metode inferensi min, fungsi

logika klasik yang memiliki dua keanggotaan,

keanggotaan

yaitu 0 dan 1 (Arhami, 2005). Logika fuzzy

ketinghgian fungsi yang disesuaikan

mempunyai konsep antara lain :

dengan nilai kebenaran premis. Dalam

a.

metode

Fungsi keanggotaan

output

inferansi

dipotong

product

pada

fungsi

Fungsi keanggotaan adalah kurva yang

keanggotaan output diberi skala sesuai

mendefinisikan

dengan nilai kebenaran dari premis.

bagaimana

masing-

masing titik dalam ruang input dipetakan

f.

Komposisi

ke dalam nilai kenggotaan antara 0 dan

Komposisi

1.

himpunan fuzzy yang menyatakan output

48

adalah

proses

di

mana


dari

setiap

aturan

dikombinasikan

dengan criteria tertentu. Algoritma Fuzzy

bersama ke dalam sebuah himpunan

MADM adalah (Kusumadewi, 2006) :

fuzzy. Metode komposisi yang umum

1. Memberikan nilai setiap alternative (Ai)

digunakan adalah Max dan sum. Dalam

pada setiap criteria (Cj) yang sudah

komposisi max, himpunan fuzzy untuk

ditentukan

output ditentukan dengan mengambil

diperoleh berdasarkan nilai varibel input

titik maksimum dari semua himpunan

(crisp) I = 1, 2, ….. m dan j = 1, 2, …. n.

fuzzy yang dihasilkan

oleh proses

output

ditentukan

dimana

nilai

tersebut

didapatkan dari nilai crisp.

Dalam komposisi sum, himpunan fuzzy untuk

,

2. Memberikan nilai bobot (W) yang juga

inferensi untuk masing-masing aturan.

g.

ISSN: 1907-2430

3. Melakukan normalisasi matriks dengan

dengan

cara

menhitung

nilai

rating

kinerja

mengambil penjumlahan titik dari semua

ternormalisasi (rij) dari alternative Ai pada

himpunan fuzzy yang dihasilkan oleh

atribut Cj berdasarkan persamaan yang

proses inferensi untuk masing maing

disesuaikan

aturan.

(attribute

Defuzzifikasi

maksimum dan atribut biaya (cost) =

Input dari proses defuzzifikasi adalah

minimum.

himpunan fuzzy (yang dihasilkan dari

keuntungan maka nilai crisp (Xij) dari

proses komposisi) dan output adalah

setiap kolom atribut dibagi dengan nilai

sebuah nilai (crisp)

crisp MAX sedangkan untuk atribut biaya,

2. Fuzzy Multiple Attribute Decision Making

dengan

jenis

keuntungan

Apabila

(benefit)

atribut

=

berupa

maka nilai crisp (Xij) dari setiap kolom

(FMADM)

atribut dibagi dengan nilai crisp MIN.

Model yang digunakan untuk membuat

4. Melakukan

sistem pendukung keputusan ini adalah Fuzzy

mengalikan

Multiple Attribute Decision Making (Fuzzy

matriks ternaormalisasi (R).

MADM). Metode yang digunakan dalam Fuzzy

attribute

MADM

adalah

Simple

perankingan

dengan

nilai

(W)

bobot

cara

dengan

5. Menentukan nilai preferensi untuk setiap

Additive

alternative

(Vi)

dengan

cara

Weighting (SAW). Logika Fuzzy merupakan

menjumlahkan hasil kali antara matriks

generalisasi

yang

ternormalisasi (R) dengan nilai bobot (W),

mempunyai dua nilai keanggotaan yaitu 0 dan

nilai Vi yang lebih besar mengindikasikan

1. Nilai kebenaran dalam logika Fuzzy

alternative Ai lebih terpilih.

berkisar

dari

dari

logika

sepenuhnya

klasik

benar

sampai Konsep dari metode SAW adalah mencari

sepenuhnya salah. Dengan teori fuzzy, suatu

penjumlahan terbobot dari rating kinerja

obyek dapat menjadi anggota dari banyak

pada setiap alternative pada semua atribut.

himpunan dengan derajat keanggotaan yang

Metode

berbeda dalam masing-masing himpunan

ini

membutuhkan

proses

normalisasi kesuatu skala yang dapat

(Arhami, 2005). Fuzzy MADM merupakan

diperbandingkan dengan semua rating

suatu metode yang digunakan untuk mencari

alternative yang ada.

alternative optimal dari sejumlah alternative

49


ISSN: 1907-2430

Penerima beasiswa di SMP Muhammadiyah 2 Kalasan

menggunakan

kriteria

Kriteria

penghasilan orang tua (C1), Nilai rata-rata rapor (C2), Jumlah tanggungan orang tua (C3) dan

4. Analisis SAW

Metode

Presentase kehadiran siswa (C4).

Fuzzy MADM

Pemberian bobot pada masing-masing criteria adalah sebagai berikut :

Tabel 1. Bobot Tiap Kriteria KRITERIA (C) KETERANGAN C1 Penghasilan orang tua C2 Nilai rata-rata rapor C3 Jumlah tanggungan orang tua C4 Presentase Kehadiran siswa Nilai crips criteria yang digunakan pada seleksi calon penerima beasiswa adalah

NILAI 0,40 0,35 0,15 0,10

Tabel 1 Nilai Rata-rata Raport Rata-Rata Nilai Rapor (C1) X ≤ 75 75 < X ≥ 80 80 < X  85 X > 85

Bilangan Fuzzy Sangat Rendah Rendah Sedang Tinggi

Nilai 0,25 0,50 0,75 1,00

Tabel 2. Penghasilan Orang Tua Penghasilan Ortu (C2)

Bilangan Fuzzy

Nilai

X ≤ Rp. 1.000.000

Tinggi

1,00

Rp. 1.000.000 < X ≥ Rp. 3.000.000

Sedang

0,75

Rp. 3.000.000 < X  Rp. 5.000.000

Rendah

0,50

X > 5.000.000

Sangat Rendah

0,25

Tabel 3. Jumlah Tanggungan Orang Tua Jumlah Tanggungan Orang Tua (C3) 1 Anak 2 Anak 3 Anak ≥ 4 Anak

Bilangan Fuzzy Sangat Rendah Rendah Sedang Tinggi

Nilai 0,25 0,50 0,75 1,00

Tabel 4. Presentase Kehadiran Siswa Bilangan Fuzzy Sangat Rendah

Nilai

85% < X  90%

Rendah

0,50

90% < X  95%

Sedang

0,75

X > 95%

Tinggi

1,00

Presentase Kehadiran Siswa (C4) X ≤ 85%

0,25

Dari data siswa berdasarkan criteria yang telah

alternatif pada tiap criteria. Nilai alternative tiap

ditentukan, kemudian dilakukan pemberian nilai

kriteria dapat ditampilkan sebagai berikut :

50


ISSN: 1907-2430

Tabel 6. Tabel Sampel Data C1 C2 1.00 0.50

No 1

Nama

C3 0.50

C4 1.00

Siswa 1

2

Siswa 2

0.75

0.50

0.50

1.00

3

Siswa 3

1.00

0.50

0.50

1.00

4

Siswa 4

0.75

0.50

1.00

1.00

5

Siswa 5

1.00

1.00

0.50

1.00

Dari 5 data pada tabel 6. di atas, dibuat matriks

tanggungan orang tua (C3) dan presentase

keputusan berdasarkan criteria penghasilan orang

kehadiran

tua (C1), rata-rata nilai raport (C2), jumlah

alternative setiap criteria adalah sebagai berikut :

Setelah dibuat matriks seperti matriks di atas,

persamaan

kemudian

melakukan

normalisasi

siswa (C4). Matrix untuk nilai

, karena pendapatan

matriks

berdasarkan persamaan yang disesuaikan denga

orang tua pada pengajuan beasiswa masuk

n jenis atribut (atribut keuntungan ataupun atribut

kategori Cost. Kriteria Pendapatan orang tua pada

biaya) sehingga diperoleh matriks ternormalisasi

kasus penerimaan beasiswa ini memiliki atribut

R.

cost, hal ini disebabkan pada penerimaan

a.

Pendapatan Orang Tua

b.

beasiswa, semakin besar pendapatan orang tua,

Normalisasi alternative untuk criteria (C1)

maka nilai crips yang semakin kecil.

menggunakan

Normalisasi alternative untuk criteria

Rata-rata persamaan

Nilai

Raport

(C2)

Benefit. Kriteria rata-rata nilai raport pada kasus

menggunakan

penerimaan beasiswa ini memiliki atribut benefit,

, karena Rata-rata nilai

hal ini disebabkan pada penerimaan beasiswa, semakin besar rata-rata nilai maka nilaiaport

raport pada pengajuan beasiswa masuk kategori

siswa, maka nilai crips yang semakin besar pula.

51


c.


Jumlah

Tanggungan

menggunakan persamaan

Orang

Tua

ISSN: 1907-2430

beasiswa ini memiliki atribut benefit, hal ini

(C3)

disebabkan pada penerimaan beasiswa, semakin

, karena

banyak jumlah tanggungan orang tua siswa, maka nilai crips yang semakin besar pula.

Jumlah Tanggungan Orang Tua pada pengajuan beasiswa masuk kategori Benefit. Kriteria jumlah tanggungan orang tua pada kasus penerimaan

d.


memiliki atribut benefit, hal ini disebabkan pada

Presentase kehadiran siswa (C4) menggunakan

penerimaan beasiswa, semakin tinggi presentase

persamaan

kehadiran siswa, maka nilai crips yang semakin

, karena Presentase

besar kehadiran siswa pada pengajuan beasiswa masuk kategori Benefit. Kriteria presentase kehadiran siswa pada kasus penerimaan beasiswa ini

52

pula.


ISSN: 1907-2430

Matriks setelah dilakukan normalisasi adalah sebagai berikut :

Seteleh

diketahui

matriks

ternormalisasi,

mengindiklasikan bahwa altermatif Ai merupakan

kemudian dihitung nilai preverensi untuk setiap alternative

(Vi)

dengan

alternative

terpilih.

Nilai

persamaan

. Nilai dengan Vi lebih besar

Setelah dihitung nilai preverensi untuk setiap alternative (Vi), hasil dari Vi diurutkan berdasarkan alternative dengan nilai Vi terbesar seperti table di bawah ini : Tabel 7. Hasil Akhir Perhitungan Alternatif Nama Siswa 4 Siswa 5 Siswa 2 Siswa 1 Siswa 3

No 1 2 3 4 5

Vi 0.825 0.825 0.750 0.650 0.650

Diagram konteks merupakan gambaran umum

Perancangan Sistem hasil

dari sistem yang akan dibangun. Pada sistem

untuk

pendukung keputusan penerima beasiswa ini,

mengetahui alur serta proses data pada sistem

sistem memiliki 1 entiti luar (External Entity)

yang akam dibuat.

yaitu

Perancangan analisis

system

didasarkan

kebutuhandan

pada

dilakukan

a. Diagram Konteks

Gambar 1. Diagram Konteks

53

Admin.


Pada sistem pendukung keputusan penerima

ISSN: 1907-2430

b. Data Flow Diagram (DFD) level 0

beasiswa ini, yang berinteraksi langsung

DFD Level 0 merupakan pemecahan dari

dengan sistem hanya bagian tata usaha yang

diagram korteks. Pada DFD Level 0 ini

bertindak sebagai admin. Admin melakukan

ditampilkan penyimpanan data. DFD level 0

login ke dalam sistem dan melakukan input

dari sistem pendukung keputusan penerima

data berupa data siswa dan data kriteria yang

beasiswa

adalah

sebagai

berikut

:

diperlukan untuk melakukan perangkingan.

Gambar 2. DFD Level 0 Pada Gambar 2. proses yang terjadi adalah

inilah

proses perangkingan oleh sistem yang berasal

menentukan penerima beasiswa.

dari input data siswa dan input data kriteria

yang

dijadikan

alternative

untuk

c. Tabel Basis Data

yang dilakukan oleh admin. Setelah proses

Tabel basis data yang dibuat pada sistem

penginputan data, sistem akan melakukan

pendukung keputusan penerima beasiswa ini

proses perhitungan dengan metode Fuzzy

terdiri dari 5 tabel, yaitu :

SAW yang hasil akhirnya berupa nilai dari

1)

alternative yang ada yang kemudian diranking

Tabel admin digunakan untuk menyimpan

dari nilai Vi terbesar. Hasil dari perhitungan

data login berupa username dan password.

Tabel Admin

Struktur table admin seperti pada tabel 8 Tabel 8. Struktur Tabel Admin No 1. 2.

Nama Field User Pass

Tipe Data Varchar (16) Varchar (16)

54

Ket


2)

Tabel Alternatif

ISSN: 1907-2430

melakukan

pengajuan

calon

penerima

Tabel alternatif adalah tabel yang digunakan

beasiswa. Struktur tabel alternatif seperti pada

untuk

tabel 9.

menyimpan

alternatif

penerima

beasiswa, berisi daftar siswa yang telah Tabel 9. Struktur Tabel Alternatif No 1. 2. 3.

Nama Field kode_alternatif nama_alternatif Keterangan

54 Tipe Data Varchar (16) Varchar (256) Text

3) Tabel Crips

Keterangan Primary Key

untuk melakukan perhitungan dengan metode

Tabel crips adalah tabel yang digunakan untuk

fuzzy. Struktur tabel crips seperti pada tabel

menyimpan nilai dari kriteria yang digunakan

10.

Tabel 10. Struktur Tabel Crips No 1. 2. 3. 4. 4)

Nama Field kode_crips kode_kriteria Keterangan Nilai

Tipe Data Int (11) Varchar (16) Varchar (256) double


Tabel Kriteria

menentukan calon penerima beasiswa serta

Tabel kriteria adalah tabel yang menyimpan

berisi data bobot masing masing kriteria

data kriteria yang digunakan untuk

seperti pada gambar 11.

Tabel 11. Struktur Tabel Kriteria No 1. 2. 3. 4.

Nama Field kode_kriteria nama_kriteria atribut bobot

Tipe Data Varchar (16) Varchar (256) Varchar (16) double


5). Tabel Relasi Alternatif Tabel relasi alternatif mempunyai struktur seperti pada tabel 12. Tabel 12. Struktur Relasi Alternatif No 1. 2. 3. 4.

Nama Field ID kode_alternatif Kode_kriteria Kode_crips

Tipe Data Int(11) Varchar (16) Varchar (16) Int(11)

6. Implementasi


Pada halaman ini muncul pada awal akses

Software sistem pendukung keputusan

aplikasi. Halaman ini merupakan halaman

penerima beasiswa di SMP Muhammadiyah 2

login dan hanya orang yang mempunyai hak

Kalasan merupakan aplikasi berbasis web dengan

akses yang bisa masuk ke sistem pendukung

menggunakan bahasa pemrograman PHP.

penerima beasiswa ini seperti pada gambar

a.

Hak Akses User

3.

55


ISSN: 1907-2430

Gambar 3. Tampilan Halaman Login b.

Halaman Kriteria

pembobotannya.

Halaman ini digunakan untuk mengisi

seperti

Tampilan

pada

halaman

gambar

ini 4.

kriteria yang ditetapkan beserta dengan

Gambar 4. Halaman Input Kriteria

c.

Kriteria yang telah ditentukan bisa diubah

Pada halaman ini menampilkan nilai dari

atau dihapus dengan adanya tombol Edit dan

masing masing kriteria seperti pada gambar

Delete.

5.

Halaman Nilai Crips

Gambar 5. Halaman Nilai Crips

56


Pada halaman ini nilai crips yang telah

ISSN: 1907-2430

d.

Halaman Alternatif

ditentukan bisa ditambah, diubah atau

Halaman ini digunakan untuk melakukan

dihapus dengan adanya tombol Edit dan

input alternatif calon penerima beasiswa,

Delete.

seperti

pada

gambar

6.

Gambar 6. Halaman Alternatif Pada halaman ini di input nama siswa yang

e.

Halaman Nilai Alternatif

mendaftar sebagai calon penerima beasiswa

Halaman ini digunakan untuk melakukan

yang juga sebagai alternatif pilihan. Pada

input nilai kriteria untuk masing-masing

halaman

alternatif

ini,

admin

dapat

melakukan

seperti

pada

gambar

7.

tambah, edit dan hapus.

Gambar 7. Halaman Nilai Alternatif

f.

Nilai bobot alternatif yang telah diisikan

Pada halaman ini memuat hasil perhitungan

dapat diubang dengan menggunakan tombol

yang dihasilkan dari kriteria yang ada untuk

Edit.

setiap alternatif seperti pada gambar di

Halaman Perhitungan

bawah ini.

57


ISSN: 1907-2430

Gambar 8. Perankingan Pada tab perhitungan ini ditampilkan hasil

Additive Weighting) antara perhitungan secara

analisis

manual dengan perhitungan menggunakan sistem

data,

normalisasi

data

dan

hasil

perhitungan Vi serta perangkingannya.

dari

aplikasi

SPK

Penerima

Beasiswa,

Hasil perhitungan calon penerima beasiswa

memberikan hasil Vi yang sama seperti terlihat

dengan Fuzzy MADM metode SAW (Simple

pada table 13.

Tabel 13. Peringkat 35 Besar Perhitungan Manual dengan Fuzzy MADM metode SAW No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Nama Siswa

Nilai Vi Perhitungan Manual 0.913 0.875 0.863 0.838 0.838 0.825 0.825 0.825 0.825 0.825 0.825 0.813 0.813 0.813 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788

Siswa 122 Siswa 13 Siswa 104 Siswa 132 Siswa 149 Siswa 4 Siswa 5 Siswa 35 Siswa 36 Siswa 109 Siswa 111 Siswa 17 Siswa 18 Siswa 147 Siswa 9 Siswa 12 Siswa 15 Siswa 23 Siswa 24 Siswa 29 Siswa 37 Siswa 38 Siswa 52 Siswa 71

58


25 26 27 28 29 30 31 32 33 34 35

Siswa 89 Siswa 91 Siswa 97 Siswa 100 Siswa 101 Siswa 124 Siswa 128 Siswa 131 Siswa 148 Siswa 150 Siswa 25

ISSN: 1907-2430

0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.775

Tabel 14. Peringkat 35 Besar Perhitungan Sistem SPK dengan Fuzzy MADM metode SAW No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

Nama Siswa

Nilai Vi Perhitungan Sistem 0.913 0.875 0.863 0.838 0.838 0.825 0.825 0.825 0.825 0.825 0.825 0.813 0.813 0.813 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788 0.788

Siswa 122 Siswa 13 Siswa 104 Siswa 132 Siswa 149 Siswa 4 Siswa 5 Siswa 35 Siswa 36 Siswa 109 Siswa 111 Siswa 17 Siswa 18 Siswa 147 Siswa 9 Siswa 12 Siswa 15 Siswa 23 Siswa 24 Siswa 29 Siswa 37 Siswa 38 Siswa 52 Siswa 71 Siswa 89 Siswa 91 Siswa 97 Siswa 100 Siswa 101 Siswa 124 Siswa 128 Siswa 131 Siswa 148 Siswa 150

59


Siswa 25 35 Dari tabel 13 dan tabel 14 terdapat persamaan

0.775 BSV Ramarao, BS Malleswari, Sreenivasarao. 2016. International Journal of Advance Engineering And Research Development. Volume 3, Issue 1, January 2016 Guang-Xin Gao, Zhi-Ping Fan dan Yao Zang. 2015. MADM Method Considering Attribute Aspirations with An Application To Selection of Wastewater Treatment Technologies Kybernetes, Vol. 44 No. 5, 2015 pp. 739-756 Handayani, T, Laksito, W, Susyanto, T. 2012. Sistem Pendukung Keputusan Beasiswa Dengan Fuzzy MADM. Jurnal TIKomSin Helilintar, R; Winarno, W.W; Al Fatta, H. 2016. Penerapan Metode SAW dan Fuzzy Dalam Sistem Pendukung Keputusan Penerimaan Beasiswa. Citec Journal, Vol. 3, No. 2, Februari 2016 – April 2016. Maryaningsih, Siswanto, Mesterjon, 2013. Metode Logika Fuzzy Tsukamoto Dalam Sistem Pengambilan Keputusan Penerimaan Beasiswa. Jurnal Media Informa, Vol. 9, No. 1, Februari 2013 Murtopo A.A; Putri, R.A, 2016. Perancangan Sistem Pendukung Keputusan Seleksi Penerimaan Pegawai Menggunakan Metode SAW pada PDAM Tirta Dharma Tegal. Citec Journal, Vol. 3, No. 2, Februari 2016 – April 2016. Kusrini, 2007, Konsep dan Aplikasi Sistem Pendukung Keputusan, Penerbit ANDI, Yogyakarta Kusrini, 2008, Aplikasi Sistem Pakar Menentukan Faktor Kepastioan Pengguna dengan Metode Kuantifikasi Pertanyaan, Penerbit ANDI, Yogyakarta Kusrini,2007. Strategi Perancangan dan Pengolahan Basis Data ,Yogyakarta: Andi Offset Putra, A dan Yunika Handayani, D, 2011. Penentuan Penerima Beasiswa Dengan Menggunakan Fuzzy Multiple Attribute Decision Making, Jurnal Sistem Informasi Vol. 3, No. 1, April 2011 Sri, Kusumadewi. 2006. Fuzzy Multi-Attribute Decision Making (Fuzzy MADM). Graha Ilmu. Yokyakarta. Widayanti Deni, Oka Sudana and Arya Sasmita. 2013. Analysis and Implementation Fuzzy MultiAttribute Decision Making SAW Method for Selection of High Achieving Students in Faculty Level. International Journal of Computer Science Issues. Vol. 10, Issue 1, No 2, January 2013

nama yang masuk dalam kategori 30 besar sesuai dengan jumlah siswa yang akan menerima beasiswa tersebut. Untuk menentukan siswa yang masuk sebagai penerima beasiswa dengan nilai yang sama, ditentukan oleh pengambil kebijakan tertinggi yaitu kepala sekolah. Kepala sekolah diberi hasil dari perangkingan ini dan berhak memutuskan penerima beasiswa yang berada pada peringkat 15 sampai dengan 34 karena mempunyai nilai vi yang sama yaitu 0.788.

7. Kesimpulan dan Saran Dari hasil pengujian sistem pendukung keputusan penerima beasiswa yang telah dilakukan, dapat diambil kesimpulan sebagai berikut : 1.

Sistem Pendukung keputusan penerima beasiswa dengan metode Fuzzy MADM dan metode Simple Additive Weighting yang dibangun, mempunyai hasil perhitungan yang sesuai dengan perhitungan manual.

2. Kriteria yang digunakan sistem pendukung keputusan ini sesuai dengan kriteria yang ditetapkan di SMP

Muhammadiyah 2

Kalasan yaitu Penghasilan orang tua, Ratarata nilai raport, Jumlah tanggungan orang tua dan presentase kehadiran siswa. Saran untuk pengembangan penelitian ini adalah : 1.

Bagi peneliti berikutnya dapat melakukan modifikasi pada kriteria dan bobot untuk masing-masing kriteri.

2.

ISSN: 1907-2430

Dapat dikembangkan dengan metode lain untuk membandingkan hasil yang diperoleh dengan menggunakan metode yang berbeda.

8. Daftar Pustaka Arhami, M., 2005, Konsep Dasar Sistem Pakar, Penerbit ANDI, Yogyakarta

60

ANALISIS SISTEM PENDUKUNG KEPUTUSAN PENERIMA BEASISWA DI SMP

Recommend Documents