SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN CALON PENERIMA BEASISWA DENGAN FUZZY METODE SIMPLE ADDITIVE WEIGHTED
Wibowo, Sistem Pendukung Keputusan, Hal 37-48
SISTEM PENDUKUNG KEPUTUSAN
PEMILIHAN CALON PENERIMA
BEASISWA DENGAN FUZZY METODE
SIMPLE ADDITIVE WEIGHTED
1 Wibowo Arninputranto
Abstrak
Pendidikan merupakan salah satu kunci pembentukan karakter sumber
daya manusia agar menjadi lebih berkualitas. Beberapa masalah yang
dapat menghambat proses tersebut diantaranya adalah besarnya biaya
pendidikan. Beasiswa merupakan salah satu solusi yang dapat
membantu permasalahan biaya pendidikan bagi para mahasiswa. Proses
seleksi menggunakan model Fuzzy Multiple Attribute Decision Making
(Fuzzy MADM) metode Simple Additive Weighted (SAW), digunakan
untuk mendapatkan mahasiswa calon penerima beasiswa. Metode SAW
adalah metode penjumlahan terbobot, dengan mencari penjumlahan
terbobot dari rating kinerja pada setiap alternatif pada semua atribut
maka akan didapatkan alternatif terbaik. Dengan menggunakan model
Fuzzy MADM metode SAW maka penentuan calon penerima beasiswa
akan lebih mudah dan objektif, karena dilakukan berdasarkan data yang
ada dan tujuan dari pemberian beasiswa menjadi lebih tepat sasaran.
Kata-kata kunci : Beasiswa , Fuzzy , Multiple Attribute Decision
Making , Simple Additive Weighted
Abstract
Education is one of the key of characters building in human resources in
order to become more qualified. Some problems that could hinder the
process of which is the magnitude of the costs of education. The
scholarship is one of the solutions that can help problems of tuition fees
for students. The selection process using the model of Fuzzy Multiple
Attribute Decision Making (Fuzzy MADM), Simple Additive Weighted
(SAW) method, used to get student prospective scholarship recipients.
The SAW method is a weighted sum method, by finding weighted
1summation of rating performance on each attribute on all the
Dosen Program Studi Teknik Keselamatan dan Kesehatan Kerja, Politeknik Perkapalan Negeri SurabayaJurnal ELTEK, Vol 13 No 01, April 2015 ISSN 1693-4024
alternatives then will get the best alternative. By using Fuzzy MADM
model, SAW method, the prospective grantee will more easily and
objectively, as it is done based on the data and the purpose of awarding
scholarships to be more on target.
Keywords : Scholarships, Fuzzy, Multiple Attribute Decision Making ,
Simple Additive Weighted 1.PENDAHULUAN
Pendidikan merupakan salah satu kunci pembentukan karakter sumber daya manusia agar menjadi lebih berkualitas. Dalam pasal 31 ayat 1 pada Undang Undang Dasar 1945 dunyatakan bahwa setiap warga negara berhak mendapat pendidikan. Beberapa masalah yang dapat menghambat proses tersebut diantaranya adalah besarnya biaya pendidikan. Beberapa masalah yang dapat menghambat proses tersebut diantaranya adalah besarnya biaya pendidikan. Oleh karena itu pemerintah maupun pihak swasta memberikan bantuan biaya pendidikan melalui beasiswa. Dan untuk mendapatkannya, mahasiswa harus memenuhi syarat - syarat tertentu.
Beasiswa merupakan salah satu solusi yang dapat membantu perma-salahan biaya pendidikan bagi para mahasiswa. Beasiswa diberikan untuk dapat digunakan membiayai pendidikan yang ditempuh. Beasiswa Bantuan Belajar Mahasiswa (BBM) adalah bantuan beasiswa yang diperuntukkan bagi mahasiswa berprestasi dari keluarga kurang mampu. Oleh karena itu dalam proses seleksinya terdapat beberapa kriteria yang harus sesuai, agar tepat sasaran.
Proses seleksi akan menggunakan model Fuzzy Multiple
Attribute Decision Making (Fuzzy MADM). Metode ini
digunakan untuk melakukan seleksi dengan menyesuaikan dengan syarat yang sesuai data inputan. Untuk penentuan alternatif terbaik maka digunakan metode Simple Additive (SAW).
Weighted
2. KAJIAN PUSTAKA
2.1 Sistem Pendukung Keputusan
Sistem pendukung keputusan (SPK) adalah bagian dari sistem informasi berbasis komputer yang digunakan untuk mendukung
Wibowo, Sistem Pendukung Keputusan, Hal 37-48
peng-ambilan keputusan dalam suatu organisasi. Menurut Moore and Chang, SPK dapat digambarkan sebagai sistem yang dapat mendukung analisis data dan pemodelan keputusan yang berorientasi pada perencanaan masa depan dan digunakan pada saat yang tidak biasa. (Wikipedia, 2013) Tujuan dari penggunaan SPK antara lain untuk membantu pihak manajemen agar dapat menyelesaikan permasalahan dan mengambil keputusan yang efektif dalam menyelesaikan masalah. SPK dalam pelaksanaannya dapat menggunakan bantuan sistem lain seperti Sistem Expert, Logika Fuzzy, dll.
2.2 Fuzzy MADM Fuzzy adalah aplikasi yang lebih terpeinci dari logika Boolean.
Logika Fuzzy memungkinkan nilai diantara 0 dan 1, tingkat keabuan dan dalam bentuk linguistik, sehingga akan berbentuk ketidak pastian seperti “sedikit”, “cukup” dan “sangat”. Logika ini berhubungan dengan set fuzzy dan teori kemungkinan. Logika fuzzy diperkenalkan oleh Dr. Lotfi Zadeh dari Universitas California, Berkeley pada 1965. Fuzzy MADM digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan syarat yang telah ditentukan.
2.3 Simple Additive Weighting
Metode Simple Additive Weighting (SAW) dikenal sebagai metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. (Fishburn, 1967) (MacCrimmon, 1968) Metode SAW memerlukan proses normalisasi matriks keputusan (X) dalam skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Metode ini merupakan metode yang paling terkenal dan paling banyak digunakan dalam menghadapi situasi MADM.
Metode SAW mengharuskan pembuat keputusan menentukan bobot bagi setiap atribut. Skor total untuk alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating dan bobot tiap atribut. Rating tiap atribut harus telah melewati proses normalisasi matriks. Formula untuk normalisasi tersebut adalah :
Jurnal ELTEK, Vol 13 No 01, April 2015 ISSN 1693-4024
{ ………… (1)
Dimana : r = rating kinerja ternormalisasi
ij
Max = Nilai maksimum dari setiap baris dan kolom
ij
Min = Nilai minimum dari setiap baris dan kolom
ij
X = Baris dan kolom dari matriks
ij
Dengan r adalah rating kinerja ternormalisasi dari alternatif A
ij i
pada atribut C j ; i =1,2,…m dan j = 1,2,…,n. Nilai preferensi untuk setiap alternatif (V ) diberikan sebagai :
i
………… (2) ∑
Dimana : V = Nilai akhir dari alternatif
i
w = Bobot yang telah ditentukan
j
r = Normalisasi matriks
ij
Nilai V yang lebih besar mengindikasikan alternatif A lebih
i i terpilih.
2.4 Database (PHP-MySQL)
PHP digunkan pada 1995 oleh Rasmus Lerdrof. Awal pembuatan PHP terjadi ketika Radmus ingin mengetahui jumlah pengunjung yang membaca resume onlinenya. Script yang dikembangkan saat itu baru dapat melakukan perekaman informasi pengunjung, dan menampilkan jumlah pengunjung dari website-nya. Kemudian, banyak orang di milis mulai mendiskusikan script buatan Rasmus, hingga akhirnya rasmus mulai membuat sebuah tool/script, bernama Personal Home Page (PHP).
Program MySQL digunakan untuk operasi basis data, dan cocok berpasangan dengan PHP. MySQL berlisensi open source. PHP menyediakan banyak fungsi untuk mendukung database MySQL.
Wibowo, Sistem Pendukung Keputusan, Hal 37-48
3. METODE
3.1. Pengumpulan Data
Dilakukan penggumpulan data untuk dipetakan syarat- syaratnya dan kemudian dilakukan pemetaan atau penentuan nilai sesuai ketentuan pada Fuzzy MADM dengan metode SAW. Proses persiapan ini akan menghasilkan kriteria yang akan diproses dalam Fuzzy.
3.2. Perancangan dan Implementasi
Hasil dari pengupulan data akan diolah sehingga akan didapatkan bobot fuzzy. Dengan merubah syarat penerima beasiswa menjadi nilai tertentu untuk nantinya nilai ini akan dikenali oleh fuzzy sebagai bobot kebenarannya. Selanjutnya bobot fuzzy akan diolah dalam sistem hingga mendapatkan data mahasiswa prioritas penerima beasiswa. Simulasi dilakukan menggunakan data lama yang sudah ada sebelumnya, kemudian hasilnya akan dicocokan dengan proses seleksi manual. Jika nantinya sistem masih terdapat kesalahan maka bisa diperbaiki logikanya hingga sistem dapat dijalankan dengan benar.
3.3. Kesimpulan dan Saran
Setelah proses uji coba, maka hasilnya dapat dibandingkan dengan tujuan awal penelitian. Dari perbandingan tadi akan didapat kesimpulan penelitian dan saran yang dapat meningkatkan sistem pendukung keputusan tersebut.
4. HASIL DAN PEMBAHASAN
4.1 Pembobotan Kriteria
Kriteria untuk menentukan mahasiswa penerima beasiswa beserta bobot-nya terlihat di Tabel 1 dan keterangan nilai ditentunkan pada Tabel 2.
Tabel 1. Tabel Kriteria dan Nilai Kepentingan
Kriteria (C) KeteranganC
IPK Semester Sebelumnya
1 C Jumlah Penghasilan Orang
2 Tua
Jurnal ELTEK, Vol 13 No 01, April 2015 ISSN 1693-4024
C Jumlah Tanggungan Orang
3 Tua
C Status Pelanggaran
4 Tabel 2. Tabel Keterangan Nilai Keterangan Nilai
Sangat Rendah (SR) 0,00 Rendah (R) 0,25 Cukup (C) 0,50 Tinggi (T) 0,75 Sangat Tinggi (ST) 1,00
)
1
a. Kriteria IPK Semester Sebelumnya (C
IPK menjadi syarat yang digunakan untuk menentukan prestasi dari mahasiswa. Semakin tinggi IPK maka semakin tinggi nilai Fuzzy-nya.
Tabel 3. Tabel Kriteria IPK
IPK (C ) Bilangan Fuzzy Nilai
1 Rendah (R) 0,25
X ≤ 2,50 Cukup (C) 0,50
2,50 < X ≤ 3,00
Tinggi (T) 0,75 3,00 < X ≤ 3,50
Sangat Tinggi (ST) 1,00 3,50 < X ≤ 4,00
)
2
b. Jumlah Penghasilan Orang Tua (C
Pada variabel penghasilan orang tua, dihasilkan dari pendapatan tetap dan tidak tetap dari kedua orang tua. Semakin tinggi jumlah penghasilan, maka semakin tinggi nilai Fuzzy nya.
Tabel 4. Tabel Kriteria Penghasilan Orang Tua
Penghasilan Orang Tua (C ) Bilangan Fuzzy Nilai
2 Sangat Tinggi 1,00
Y ≤ Rp 800.000 (ST)
Rp 800.000 Tinggi (T) 0,75 < Y ≤ Rp
1.200.000
Wibowo, Sistem Pendukung Keputusan, Hal 37-48
Rp 1.2 Cukup (C) 0,50 00.000 < Y ≤ Rp
1.600.000 Rp 1.6 Rendah (R) 0,25
00.000 < Y ≤ Rp Y > 2.000.000 Sangat Rendah 0,00
(SR)
c. Jumlah Tanggungan Orang Tua Pada variabel tanggungan orang tua, dihasilkan dari jumlah anak yang menjadi tanggungan orang tua. Semakin banyak jumlah tanggungan, maka semakin tinggi nilai Fuzzy nya.
Tabel 5. Tabel Kriteria Jumlah Tanggungan
Jumlah Tanggungan (C ) Bilangan Fuzzy Nilai
3
1 Anak Rendah (R) 0,25
2 Anak Cukup (C) 0,50
3 Anak Tinggi (T) 0,75 Sangat Tinggi (ST) 1,00
≥ 4 Anak
d. Status Pelanggaran Kedisiplinan Pada kriteria pelanggaran kedisiplinan hanya terdapat dua bilangan Fuzzy, yaitu Sangat Rendah (SR) dan Sangat Tinggi (ST).
Tabel 6. Tabel Kriteria Pelanggaran
Status Pelanggaran Bilangan Fuzzy Nilai Kedisiplinan (C )4 Tidak Pernah Tinggi (T) 0,75
Pernah Rendah (R) 0,25 Nilai bobot (W) setiap kriteria ditentukan sebagai berikut :
Tabel 7. Tabel Nilai Bobot
Kriteria (C) Nilai Bobot (W)
C 0,5
1 C
1
2 C 0,75
3 C 0,75
4
Jurnal ELTEK, Vol 13 No 01, April 2015 ISSN 1693-4024
4.2 Perancangan Database
Langkah pertama untuk memrancang SPK adalah dengan merancang database untuk memasukkan data mahasiswa, terutama data yang berkaitan dengan kriteria syarta penerima beasiswa. Berikut ini adalah gambar dari relasi tabel database SPK pemilihan penerima beasiswa :
Gambar 1. Relasi Tabel Database
4.3 Implementasi Sistem
Untuk implementasi sistem, nantinya setiap mahasiswa yang mendaftar harus memasukkan data sesuai keadaan sebenarnya, dan data yang harus diisikan adalah seperti pada gambar 2.
Gambar 2. Masukan Data Mahasiswa
Dari inputan semua, maka nantinya akan dapat ditampilkan data rekap keseluruhan calon penerima beasiswa, beserta data-data nya dan juga hasil akhir nilai yang akan menentukan rangking peserta. Dan peserta yang lolos seleksi adalah peserta urutan pertama sampai dengan sesuai kuota, misal kuotanya adalah 20 maka peserta yang dinyatakan lolos adalah urutan pertama sampai dengan 20. Berikut ini gambar 3 adalah contoh tampilan hasil
Wibowo, Sistem Pendukung Keputusan, Hal 37-48
akhir dari penyaring-an yang dilakukan sehingga mudah diambil keputusan.
Gambar 3. Tampilan Rekap Data Penerima Besiswa Sesuai
Rangking
Gambar 4. Tampilan Data Penerima Setelah Urut
Karena beasiswa ini tidak punya syarat lain selain kriteria yang ada, maka semua mahasiswa dianggap layak, asal saja kuota masih memung-kinkan.
4.3 Pengujin Hasil
Dalam proses pengujian diberikan data mahasiswa calon penerima beasiswa sebagai berikut :
Tabel 8. Contoh Inputan Data Mahasiswa
Nama Kriteria Mahasiswa C1 C2 C3 C4Adi Setiawan 2,75 900.000
2 Tidak Pernah
Firman 2,90 2.000.000
2 Tidak Pernah
Lita Effendi 3,10 1.250.000
3 Pernah
Tabel 9. Nilai Bobot Data Mahasiswa
Nama Kriteria Mahasiswa C1 C2 C3 C4Adi 0,50 0,75 0,25 0,75
Jurnal ELTEK, Vol 13 No 01, April 2015 ISSN 1693-4024
Setiawan Firman 0,50 0,25 0,25 0,75
Lita Effendi 0,75 0,50 0,50 0,25 Dengan menggunakan persamaan (1) maka hasil perhitungan manualnya akan menjadi seperti berikut ini : a. Untuk nilai IPK semester lalu
b. Untuk penghasilan orang tua
c. Untuk jumlah tanggunan orang tua
d. Untuk status pelanggaran disiplin
Wibowo, Sistem Pendukung Keputusan, Hal 37-48
Dari perhitungan diatas, maka matriks R menjadi : (
) Dengan menggunakan rumus (2), proses pnghitungan nilai untuk masing masing calon penerima beasiswa dilakukan. Hasilnya adalah Adi Setiawan = 2,3333; Firman = 1,6666 dan Lita Effendi = 1,9167. Sehingga urutan pertama prioritas penerima beasiswa adalah mahasiswa bernama Adi Setiawan. Dari perbandingan hitungan manual dan program (gambar 4), memang terdapat sedikit perbedaan hasil yang tidak mempegaruhi pengurutan data, perbedaan tersebut hanya dikarenakan pembulatan nilai saat melakukan perhitungan manual dan jumlah desimal yang dipakai.
5. PENUTUP
Sistem pengambil keputusan dengan Fuzzy MADM metode SAW dapat mempercepat penentuan calon penerima beasiswa dengan cepat dan sesuai dengan syarat beasiswa. Sistem ini mampu menghemat waktu penyaringan calon penerima beasiswa, sehingga tidak perlu menunggu lama untuk menghasilkan nama mahasiswa yang akan menerima.
6. DAFTAR PUSTAKA
[1] Alit, P., 2012. “Sistem Pendukung Keputusan Cerdas Dalam
Penen- tuan Penerima Beasiswa”, Jurusan Teknik Elektro, Politeknik Negeri Bali
[2] Dwiartara, L., Menyelam dan Menaklukan Samudra PHP, www.ilmu website.com , 2010. [3] Handayani, T., Laksito YS, W., Susyanto. T., ”Sistem
Pendukung Keputusan Beasiswa Diklat Dengan Fuzzy MADM”, Jurnal TIKomSiN
Jurnal ELTEK, Vol 13 No 01, April 2015 ISSN 1693-4024
[3] Kadir,
A., 2009. “Dasar Perancangan & Implementasi
Database Re- lasional”, Yogyakarta Penerbit ANDI. [4] Kusrini, 2007. Konsep dan Aplikasi Sistem Pendukung
Keputusan., Yogykarta Penerbit ANDI [5] Peranginangin, K., Aplikasi WEB dengan PHP dan MySQL. Yog-yakarta, ANDI, 2006. [6]
Prima, F., 2013. “Sistem Pendukung Keputusan Menentukan Pene-rima Beasiswa BBM Dengan Model Fuzzy Multiple Attribute Menggunakan Metode Simple Additive Weighted”, Jurusan Teknik Elektro, Fakultas Teknik Universitas Tanjungpura
[7] Diakses dari http://id.wikipedia.org/wiki/Logika_fuzzy tanggal 23 April 2014 [8] Diakses dari
http://wagiantotegalboto.blogspot.com/2012/09/bagai mana- mendefinisikan-sistem.html tanggal 23 April 2014.