SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BANK RAKYAT INDONESIA (BRI) PADA UNIVERSITAS DIAN NUSWANTORO SEMARANG MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW).
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN
BEASISWA BANK RAKYAT INDONESIA (BRI) PADA
UNIVERSITAS DIAN NUSWANTORO SEMARANG
MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING
(SAW)
Agung Nara Kustiastana
Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian
Nuswantoro Semarang
Jl. Nakula I No. 5–11 Semarang 50131
agungnarakustiastana@gmail.com
ABSTRAK
Beasiswa diberikan kepada mahasiswa untuk membantu meringankan beban
biaya pendidikan mahasiswa. Beasiswa Bank Rakyat Indonesia (BRI) merupakan
program beasiswa yang diberikan oleh Universitas Dian Nuswantoro Semarang
terhadap semua Fakultas. Diperlukan adanya suatu sistem yang dapat membantu
proses penentuan penerimaan beasiswa yang tepat. Oleh karena itu, dibuatlah
suatu Sistem Pendukung Keputusan dengan menggunakan metode Simple
Additive Weighting (SAW) dengan beberapa kriteria yang sudah ditetapkan.
Metode Simple Additive Weighting (SAW) adalah metode yang dikenal dengan
istilah metode penjumlahan terbobot. Konsep dasar dari metode Simple Additive
Weighting (SAW) adalah mencari penjumlahan terbobot dari rating kinerja pada
setiap alternatif pada semua atribut yang membutuhkan proses normalisasi
matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua
rating alternatif yang ada. Sistem Pendukung Keputusan tersebut nantinya akan
dikembangkan dengan menggunakan PHP (Hypertext Preprocessor File) dan
HTML (Hypertext Markup Language) sebagai bahasa pemograman, serta
Database MySQL digunakan sebagai database server.
Kata kunci : Beasiswa, Sistem Pendukung Keputusan, Simple Additiv Weighting
(SAW), PHP, HTML, Database MySQL.
1.
Semarang menggunakan metode Simple
PENDAHULUAN
2.1. Latar Belakang Masalah
Additive Weighting (SAW).
Bagaimana merancang dan membangun
2.1. Tinjauan Pustaka
sistem pendukung keputusan penerimaan
Objek yang menjadi penelitian adalah pada
beasiswa Bank Rakyat Indonesia (BRI)
Universitas Dian Nuswantoro Semarang.
pada
2.1. Maksud dan Tujuan
Universitas
Dian
Nuswantoro
Maksud dari penulisan Tugas Akhir ini
komputer
adalah
pengetahuan atau manajemen pengetahuan
untuk
mengaplikasikan
pendukung
keputusan
sistem
penerimaan
yang
termasuk
dipakai
sistem
untuk
mendukung
beasiswa Bank Rakyat Indonesia (BRI)
pengambilan
pada
Nuswantoro
organisasi atau perusahaan. Dapat juga
Semarang menggunakan metode Simple
dikatakan sebagai sistem komputer yang
Additive Weighting (SAW).
mengolah data menjadi informasi untuk
Sedangkan tujuan yang akan dicapai dalam
mengambil keputusan dari masalah semi
penelitian ini adalah membangun aplikasi
terstruktur yang spesifik.
sistem
2.2. Beasiswa Bank Rakyat Indonesia
Universitas
Dian
pendukung
keputusan
dengan
metode simple additive weighting (SAW)
keputusan
berbasis
dalam
suatu
(BRI)
rekomendasi
Beasiswa Bank Rakyat Indonesia (BRI)
menentukan
merupakan salah satu bentuk beasiswa
mahasiswa Universitas Dian Nuswantoro
yang diselenggarakan oleh Bank Rakyat
Semarang
Indonesia (BRI) yang diberikan kepada
yang
pihak
dapat
memberikan
manajemen
yang
dalam
berhak
mendapatkan
beasiswa Bank Rakyat Indonesia (BRI).
mahasiswa Universitas Dian Nuswantoro
2.1. Manfaat
Semarang.
Manfaat yang diharapkan dapat diperoleh
2.3. Metode Simple Additive Weighting
dari penelitian ini adalah sebagai berikut:
1. Membantu
Universitas
Dian
Metode simple additive weighting (SAW)
Semarang
dalam
merupakan metode penjumlahan terbobot.
keputusan
Konsep dasar metode simple additive
Nuswantoro
melakukan
pengambilan
yang lebih tepat dan akurat sehingga
weighting
dapat
dan
penjumlahan terbobot dari rating kinerja
kualitas sumber daya manusia dalam
pada setiap alternatif pada semua kriteria.
instansi.
Metode simple additive weighting (SAW)
meningkatkan
potensi
(SAW)
adalah
mencari
sistem
membutuhkan proses normalisasi matrik
bisa
keputusan (X) ke suatu skala yang dapat
menghemat waktu yang digunakan
diperbandingkan dengan semua rating
dalam proses penerimaan beasiswa.
alternatif yang ada.
2. Dengan
pendukung
2.
(SAW)
menggunakan
keputusan
ini
ANALISA DAN IMPLEMENTASI
2.1. Sistem Pendukung Keputusan
Sistem
pendukung
keputusan
adalah
bagian dari sistem informasi berbasis
3.
Menentukan bobot preferensi atau
tingkat
kepentingan
kriteria.
4.
Keterangan :
tabel
(1)
rating
setiap
kacocokan
setiap alternatif pada setiap kriteria.
a. Dikatakan kriteria keuntungan apabila
nilai
Membuat
(W)
5.
memberikan keuntungan bagi
pengambil
dibentuk dari tabel rating kecocokan
sebaliknya
dari setiap alternatif pada setiap
menimbulkan
kriteria. Nilai { } setiap alternatif (Aᵢ)
keputusan,
kriteria biaya apabila
pada setiap kriteria (Cj) yang sudah
biaya bagi pengambil keputusan.
ditentukan dimana, i = 1,2,...m dan j =
b. Apabila berupa kriteria keuntungan
maka nilai
1,2,...n.
dibagi dengan nilai
dari
setiap
kolom,
6.
Melakukan
normalisasi
matrik
keputusan X dengan cara menghitung
sedangkan untuk kriteria biaya, nilai
nilai rating kinerja ternormalisasi (rij)
dari setiap kolom dibagi
dengan nilai
Membuat matrik keputusan X yang
dari alternatif Aᵢ pada kriteria Cj.
.
7.
Nilai preferensi untuk setiap alternatif (Vi)
Hasil
dari
nilai
ternormalisasi (
rating
kinerja
) membentuk matrik
diberikan sebagai :
ternormalisasi (R).
8.
(2)
Hasil
akhir
nilai
preferensi
(Vᵢ)
penjumlahan
dari
diperoleh
dari
Keterangan :
perkalian
elemen
Vi
= ranking untuk setiap alternatif
ternormalisasi
wj
= nilai bobot dari setiap kriteria
preferensi
rij
= nilai rating kinerja ternormalisasi
elemen kolom matrik (W).
(W)
(R)
baris
matrik
dengan
bobot
yang
bersesuaian
Nilai Vᵢ yang lebih besar mengindikasikan
2.5. Implementasi
bahwa alternatif Aᵢ merupakan alternatif
1. Tampilan Halaman Input Pemohon
terbaik.
2.4. Langkah Penyelesaian
1.
Menentukan alternatif, yaitu Aᵢ.
2.
Menentukan
kriteria
yang
akan
dijadikan acuan dalam pengambilan
keputusan, yaitu Cj.
Gambar 1. Halaman Input Pemohon
2. Tampilan Data Pemohon
Gambar 2. Halaman Data Pemohon
3. Tampilan Data Hasil Perankingan
Gambar 3. Halaman Data Hasil Perankingan
3.
2
HASIL DAN DISKUSI
3.1. Contoh Kasus
Nama
1
A1
C1
C2
C3
C4
21
1.500.000
II
3,26
C5
Tidak
Ada
20
1.500.000
IV
3,06
22
1.100.000
VI
3,79
Ada
Ada
A4
21
2.000.000
IV
3,07
Ada
Ada
C6 5
A5
19
1.000.000
IV
3,24
Ada
Ada
Ada
1. Menentukan Alternatif, yaitu (Aᵢ).
Cj
Keterangan
Tabel 2. Data Alternatif (Aᵢ).
C1
Usia
Ai
Nama
C2
Gaji Orangtua
A1
Loe Y. F. C
C3
Semester
A2
Iwan P
C4
IPK
A3
Dias W
C5
SKTM
A4
Navyana P. P
C6
SKBB
A5
Ulva N
3. Menentukan bobot preferensi atau
2. Menentukan kriteria yang akan dijadikan
penentuan
penerimaan
tingkat
0,10]
kepentingan
(W)
setiap
kriteria (Cj).
beasiswa bank Rakyat Indonesia (BRI),
W = W = [0,15
yaitu (Cj).
Ada
A3
Tabel 3. Data Kriteria
dalam
Ada
4
3.2. Perhitungan Seleksi Beasiswa
acuan
Tidak
3
Tabel 1. Pemohon Beasiswa
No.
A2
0,30
0,15
0,20
0,10
4. Membuat tabel rating kecocokan setiap baris matrik ternormalisasi (R) dengan
bobot preferensi (W) yang bersesuaian
alternatif pada setiap kriteria.
Tabel 4. Rating Kecocokan
elemen kolom matrik (W).
Ai
Cj
C1
C2
C3
V1 = (0,15 × 0,33) + (0,30 × 0,50) + (0,15 × 1)
C4
C5
C6
+ (0,20 × 0,67) + (0,10 × 0) + (0,10 × 1)
= 0,0495 + 0,15 + 0,15 + 0,134 + 0 + 0,10
A1
0,75 0,50 0,50 0,50
0
1
A2
0,50 0,50 0,50 0,50
0
1
0,50 0,75 0,75
1
1 V2 = (0,15 × 0,50) + (0,30 × 0,50) + (0,15 × 1) +
A4
0,75 0,75 0,50 0,50
1
1 (0,20 × 0,67) + (0,10 × 0) + (0,10 × 1)
A5
0,25 0,25 0,50 0,50
1
1
= 0,5835
A3
1
= 0,58
= 0,075 + 0,15 + 0,15 + 0,134 + 0 + 0,10
= 0,609
5. Membuat matrik keputusan (X) yang
= 0,61
dibentuk dari tabel rating kecocokan setiapV3 = (0,15 × 0,25) + (0,30 × 0,50) + (0,15 × 0,67) +
alternatif (Aᵢ) pada setiap kriteria (Cj).
X=
(0,20 × 1) + (0,10 × 1) + (0,10 × 1)
0,75
0,50 0,50 0,50 0 1
= 0,0375 + 0,15 + 0,1005 + 0,20 + 0,10 + 0,10
0,50
0,50 0,50 0,50 0 1
= 0,6880
1
0,50 0,75 0,75 1 1
0,75
0,75 0,50 0,50 1 1
0,25
0,25 0,50 0,50 1 1
= 0,69
V4 = (0,15 × 0,33) + (0,30 × 0,33) + (0,15 × 1) +
(0,20 × 0,67) + (0,10 × 1) + (0,10 × 1)
= 0,0495 + 0,099 + 0,15 + 0,134 + 0,10 + 0,10
= 0,6325
6. Melakukan normalisasi matrik keputusan
= 0,63
(X) dengan cara menghitung nilai rating
V5 = (0,15 × 1) + (0,30 × 1) + (0,15 × 1) + (0,20 ×
kinerja ternormalisasi (rij) dari alternatif
0,67) + (0,10 × 1) + (0,10 × 1)
(Aᵢ) pada kriteria (Cj). Sehingga dihasilkan
= 0,15 + 0,30 + 0,15 + 0,134 + 0,10 + 0,10
nilai rating kinerja ternormalisasi (rij)
= 0,934
membentuk matrik ternormalisasi (R).
= 0,93
R=
8. Hasil akhir diketahui tingkat perankingan
0,33 0,50
1
0,67
0
1
0,50 0,50
1
0,67
0
1
penerimaan beasiswa Bank Rakyat
1
1
1
Indonesia.
1
0,67
1
1
Tabel 5. Data Hasil Perankingan
1
0,67
1
1
0,25 0,50 0,67
0,33 0,33
1
1
7. Hasil akhir nilai preferensi (Vᵢ) diperoleh
dari penjumlahan dari perkalian elemen
Ran
king
1
Vᵢ
Nama
Jumlah
V5
Ulva
0,93
2
V3
Dias
0,69
perbandingan hasil dari metode Simple
3
V4
Navyana
0,63
Additive Weighting (SAW).
4
V2
Iwan
0,61
5
V1
Loe
0,58
2. Admin diharapkan mampu dan terus
melakukan pemeliharaan sistem
pendukung keputusan ini secara teratur.
4. KESIMPULAN DAN SARAN
5. DAFTAR PUSTAKA
4.1. Kesimpulan
1. Sistem pendukung keputusan penerimaan [1] Heri Sulistiyo, "Sistem Pendukung Keputusan Untuk
beasiswa Bank Rakyat Indonesia (BRI)
Menentukan Penerima Beasiswa Di SMA Negeri 6
menggunakan metode Simple Additive
Pandeglang," Universitas Komputer Indonesia,
Weighting (SAW) dapat membantu dalam
Bandung, Jurnal 2005.
penentuan penerimaan beasiswa Bank
Rakyat Indonesia (BRI) agar lebih efektif
Additive Weighting (SAW) Dalam Sistem Informasi
dan efisien.
2. Aplikasi
sudah
[2] Destriyana Darmastuti, "Implementasi Metode Simple
menerapkan
metode
Simple Additive Weighting (SAW) pada
sistem penentuan penerimaan beasiswa
Bank Rakyat Indonesia (BRI).
Lowongan Kerja Berbasis Web Untuk rekomendasi
Pencari Kerja Terbaik," Universitas Tanjungpura,
Pontianak, Jurnal 2013.
[3] Alireza Afshari, Majid Mojahed, and Rosnah Mohd
3. Hasil dari sistem pendukung keputusan
Yusuff, "Simple Additive Weighting Appoarch To
ini dipengaruhi oleh besarnya nilai
Personnel Selection Problem," International Journal of
kriteria dari bobot yang ditentukan.
Innovation, vol. 1, no. 5, pp. 511-515, December 2010.
Kriteria yang digunakan pada sistem
pendukung keputusan ini diantaranya
[4] Azizollah Memariani, Abbas Amini, and Alireza
usia, jumlah gaji orang tua, semester,
Alinezhad, "Sensitivity analysis of Simple Additive
nilai IPK, surat keterangan tidak mampu,
weighting Method (SAW): The Result of Change in the
dan surat keterangan belum bekerja.
Weight of ONe Attribute on the Final Ranking of
4.1. Saran
Alternatives," Journal of Industrial Engineering, no. 4,
1. Sistem pendukung keputusan penerimaan
pp. 13-18, August 2009.
beasiswa ini dapat menggunakan metode
lain dengan hasil yang lebih efektif dan
efisien,
sehingga
dapat
dilakukan
[5] Efendi Pakpahan. (2013, Agustus) Ilmu Pengetahuan
Teknologi. [Online].
http://iptekindonesiae.blogspot.com/2013/08/pengertian-
sistem-pendukung-keputusan.html
[10] PSI. (2013) Kemahasiswaan Universitas Dian
Nuswantoro. [Online].
[6] Kusrini M. Kom, Konsep dan Aplikasi Pendukung
http://bima.dinus.ac.id/main/syarat_beasiswa
Keputusan. Yogyakarta, Indonesia: Andi Publisher,
2007.
[11] Pratomo Setiaji, "Sistem Pendukung Keputusan dengan
Metode Simple Additive Weighting," Universitas Muria
[7] Efraim Turban, Jay E Aronson, and Ting Peng Liang,
Kudus, Bae Kudus, Jurnal 2010.
Decision Support Systems and Intelligent Systems, 7th
ed., Dwi Prabantini, Ed. Yogyakarta, Indonesia:
[12] Kusumadewi
Andi,
et al., Fuzzy., 2006.
2005.
[13] Nurul Imam. (2013) Kelebihan dan Kekurangan PHP.
[8] Kusumadewi S, Aplikasi Logika Fuzzy untuk[Online].
http://www.nurulimam.com/2013/09/kelebihanPendukung Keputusan. Yogyakarta, Indonesia:
Graha
Ilmu, 2010.
kekurangan-php.html
[9] Sinyo Khay. (2013, Mei) Dunia Pendidikan PTK.
[Online]. sinyokhay02.blogspot.com/2013/05/normal-0false-false-false-en-us-x-none.html?m=1
[14] Arianto and Rahmat Hidayat. (2007,
Juni) Ilmu Komputer. [Online].
http://ilmukomputer.com/wpcontent/uploads/2007/06/mysqlrahmat.pdf
BEASISWA BANK RAKYAT INDONESIA (BRI) PADA
UNIVERSITAS DIAN NUSWANTORO SEMARANG
MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING
(SAW)
Agung Nara Kustiastana
Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian
Nuswantoro Semarang
Jl. Nakula I No. 5–11 Semarang 50131
agungnarakustiastana@gmail.com
ABSTRAK
Beasiswa diberikan kepada mahasiswa untuk membantu meringankan beban
biaya pendidikan mahasiswa. Beasiswa Bank Rakyat Indonesia (BRI) merupakan
program beasiswa yang diberikan oleh Universitas Dian Nuswantoro Semarang
terhadap semua Fakultas. Diperlukan adanya suatu sistem yang dapat membantu
proses penentuan penerimaan beasiswa yang tepat. Oleh karena itu, dibuatlah
suatu Sistem Pendukung Keputusan dengan menggunakan metode Simple
Additive Weighting (SAW) dengan beberapa kriteria yang sudah ditetapkan.
Metode Simple Additive Weighting (SAW) adalah metode yang dikenal dengan
istilah metode penjumlahan terbobot. Konsep dasar dari metode Simple Additive
Weighting (SAW) adalah mencari penjumlahan terbobot dari rating kinerja pada
setiap alternatif pada semua atribut yang membutuhkan proses normalisasi
matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua
rating alternatif yang ada. Sistem Pendukung Keputusan tersebut nantinya akan
dikembangkan dengan menggunakan PHP (Hypertext Preprocessor File) dan
HTML (Hypertext Markup Language) sebagai bahasa pemograman, serta
Database MySQL digunakan sebagai database server.
Kata kunci : Beasiswa, Sistem Pendukung Keputusan, Simple Additiv Weighting
(SAW), PHP, HTML, Database MySQL.
1.
Semarang menggunakan metode Simple
PENDAHULUAN
2.1. Latar Belakang Masalah
Additive Weighting (SAW).
Bagaimana merancang dan membangun
2.1. Tinjauan Pustaka
sistem pendukung keputusan penerimaan
Objek yang menjadi penelitian adalah pada
beasiswa Bank Rakyat Indonesia (BRI)
Universitas Dian Nuswantoro Semarang.
pada
2.1. Maksud dan Tujuan
Universitas
Dian
Nuswantoro
Maksud dari penulisan Tugas Akhir ini
komputer
adalah
pengetahuan atau manajemen pengetahuan
untuk
mengaplikasikan
pendukung
keputusan
sistem
penerimaan
yang
termasuk
dipakai
sistem
untuk
mendukung
beasiswa Bank Rakyat Indonesia (BRI)
pengambilan
pada
Nuswantoro
organisasi atau perusahaan. Dapat juga
Semarang menggunakan metode Simple
dikatakan sebagai sistem komputer yang
Additive Weighting (SAW).
mengolah data menjadi informasi untuk
Sedangkan tujuan yang akan dicapai dalam
mengambil keputusan dari masalah semi
penelitian ini adalah membangun aplikasi
terstruktur yang spesifik.
sistem
2.2. Beasiswa Bank Rakyat Indonesia
Universitas
Dian
pendukung
keputusan
dengan
metode simple additive weighting (SAW)
keputusan
berbasis
dalam
suatu
(BRI)
rekomendasi
Beasiswa Bank Rakyat Indonesia (BRI)
menentukan
merupakan salah satu bentuk beasiswa
mahasiswa Universitas Dian Nuswantoro
yang diselenggarakan oleh Bank Rakyat
Semarang
Indonesia (BRI) yang diberikan kepada
yang
pihak
dapat
memberikan
manajemen
yang
dalam
berhak
mendapatkan
beasiswa Bank Rakyat Indonesia (BRI).
mahasiswa Universitas Dian Nuswantoro
2.1. Manfaat
Semarang.
Manfaat yang diharapkan dapat diperoleh
2.3. Metode Simple Additive Weighting
dari penelitian ini adalah sebagai berikut:
1. Membantu
Universitas
Dian
Metode simple additive weighting (SAW)
Semarang
dalam
merupakan metode penjumlahan terbobot.
keputusan
Konsep dasar metode simple additive
Nuswantoro
melakukan
pengambilan
yang lebih tepat dan akurat sehingga
weighting
dapat
dan
penjumlahan terbobot dari rating kinerja
kualitas sumber daya manusia dalam
pada setiap alternatif pada semua kriteria.
instansi.
Metode simple additive weighting (SAW)
meningkatkan
potensi
(SAW)
adalah
mencari
sistem
membutuhkan proses normalisasi matrik
bisa
keputusan (X) ke suatu skala yang dapat
menghemat waktu yang digunakan
diperbandingkan dengan semua rating
dalam proses penerimaan beasiswa.
alternatif yang ada.
2. Dengan
pendukung
2.
(SAW)
menggunakan
keputusan
ini
ANALISA DAN IMPLEMENTASI
2.1. Sistem Pendukung Keputusan
Sistem
pendukung
keputusan
adalah
bagian dari sistem informasi berbasis
3.
Menentukan bobot preferensi atau
tingkat
kepentingan
kriteria.
4.
Keterangan :
tabel
(1)
rating
setiap
kacocokan
setiap alternatif pada setiap kriteria.
a. Dikatakan kriteria keuntungan apabila
nilai
Membuat
(W)
5.
memberikan keuntungan bagi
pengambil
dibentuk dari tabel rating kecocokan
sebaliknya
dari setiap alternatif pada setiap
menimbulkan
kriteria. Nilai { } setiap alternatif (Aᵢ)
keputusan,
kriteria biaya apabila
pada setiap kriteria (Cj) yang sudah
biaya bagi pengambil keputusan.
ditentukan dimana, i = 1,2,...m dan j =
b. Apabila berupa kriteria keuntungan
maka nilai
1,2,...n.
dibagi dengan nilai
dari
setiap
kolom,
6.
Melakukan
normalisasi
matrik
keputusan X dengan cara menghitung
sedangkan untuk kriteria biaya, nilai
nilai rating kinerja ternormalisasi (rij)
dari setiap kolom dibagi
dengan nilai
Membuat matrik keputusan X yang
dari alternatif Aᵢ pada kriteria Cj.
.
7.
Nilai preferensi untuk setiap alternatif (Vi)
Hasil
dari
nilai
ternormalisasi (
rating
kinerja
) membentuk matrik
diberikan sebagai :
ternormalisasi (R).
8.
(2)
Hasil
akhir
nilai
preferensi
(Vᵢ)
penjumlahan
dari
diperoleh
dari
Keterangan :
perkalian
elemen
Vi
= ranking untuk setiap alternatif
ternormalisasi
wj
= nilai bobot dari setiap kriteria
preferensi
rij
= nilai rating kinerja ternormalisasi
elemen kolom matrik (W).
(W)
(R)
baris
matrik
dengan
bobot
yang
bersesuaian
Nilai Vᵢ yang lebih besar mengindikasikan
2.5. Implementasi
bahwa alternatif Aᵢ merupakan alternatif
1. Tampilan Halaman Input Pemohon
terbaik.
2.4. Langkah Penyelesaian
1.
Menentukan alternatif, yaitu Aᵢ.
2.
Menentukan
kriteria
yang
akan
dijadikan acuan dalam pengambilan
keputusan, yaitu Cj.
Gambar 1. Halaman Input Pemohon
2. Tampilan Data Pemohon
Gambar 2. Halaman Data Pemohon
3. Tampilan Data Hasil Perankingan
Gambar 3. Halaman Data Hasil Perankingan
3.
2
HASIL DAN DISKUSI
3.1. Contoh Kasus
Nama
1
A1
C1
C2
C3
C4
21
1.500.000
II
3,26
C5
Tidak
Ada
20
1.500.000
IV
3,06
22
1.100.000
VI
3,79
Ada
Ada
A4
21
2.000.000
IV
3,07
Ada
Ada
C6 5
A5
19
1.000.000
IV
3,24
Ada
Ada
Ada
1. Menentukan Alternatif, yaitu (Aᵢ).
Cj
Keterangan
Tabel 2. Data Alternatif (Aᵢ).
C1
Usia
Ai
Nama
C2
Gaji Orangtua
A1
Loe Y. F. C
C3
Semester
A2
Iwan P
C4
IPK
A3
Dias W
C5
SKTM
A4
Navyana P. P
C6
SKBB
A5
Ulva N
3. Menentukan bobot preferensi atau
2. Menentukan kriteria yang akan dijadikan
penentuan
penerimaan
tingkat
0,10]
kepentingan
(W)
setiap
kriteria (Cj).
beasiswa bank Rakyat Indonesia (BRI),
W = W = [0,15
yaitu (Cj).
Ada
A3
Tabel 3. Data Kriteria
dalam
Ada
4
3.2. Perhitungan Seleksi Beasiswa
acuan
Tidak
3
Tabel 1. Pemohon Beasiswa
No.
A2
0,30
0,15
0,20
0,10
4. Membuat tabel rating kecocokan setiap baris matrik ternormalisasi (R) dengan
bobot preferensi (W) yang bersesuaian
alternatif pada setiap kriteria.
Tabel 4. Rating Kecocokan
elemen kolom matrik (W).
Ai
Cj
C1
C2
C3
V1 = (0,15 × 0,33) + (0,30 × 0,50) + (0,15 × 1)
C4
C5
C6
+ (0,20 × 0,67) + (0,10 × 0) + (0,10 × 1)
= 0,0495 + 0,15 + 0,15 + 0,134 + 0 + 0,10
A1
0,75 0,50 0,50 0,50
0
1
A2
0,50 0,50 0,50 0,50
0
1
0,50 0,75 0,75
1
1 V2 = (0,15 × 0,50) + (0,30 × 0,50) + (0,15 × 1) +
A4
0,75 0,75 0,50 0,50
1
1 (0,20 × 0,67) + (0,10 × 0) + (0,10 × 1)
A5
0,25 0,25 0,50 0,50
1
1
= 0,5835
A3
1
= 0,58
= 0,075 + 0,15 + 0,15 + 0,134 + 0 + 0,10
= 0,609
5. Membuat matrik keputusan (X) yang
= 0,61
dibentuk dari tabel rating kecocokan setiapV3 = (0,15 × 0,25) + (0,30 × 0,50) + (0,15 × 0,67) +
alternatif (Aᵢ) pada setiap kriteria (Cj).
X=
(0,20 × 1) + (0,10 × 1) + (0,10 × 1)
0,75
0,50 0,50 0,50 0 1
= 0,0375 + 0,15 + 0,1005 + 0,20 + 0,10 + 0,10
0,50
0,50 0,50 0,50 0 1
= 0,6880
1
0,50 0,75 0,75 1 1
0,75
0,75 0,50 0,50 1 1
0,25
0,25 0,50 0,50 1 1
= 0,69
V4 = (0,15 × 0,33) + (0,30 × 0,33) + (0,15 × 1) +
(0,20 × 0,67) + (0,10 × 1) + (0,10 × 1)
= 0,0495 + 0,099 + 0,15 + 0,134 + 0,10 + 0,10
= 0,6325
6. Melakukan normalisasi matrik keputusan
= 0,63
(X) dengan cara menghitung nilai rating
V5 = (0,15 × 1) + (0,30 × 1) + (0,15 × 1) + (0,20 ×
kinerja ternormalisasi (rij) dari alternatif
0,67) + (0,10 × 1) + (0,10 × 1)
(Aᵢ) pada kriteria (Cj). Sehingga dihasilkan
= 0,15 + 0,30 + 0,15 + 0,134 + 0,10 + 0,10
nilai rating kinerja ternormalisasi (rij)
= 0,934
membentuk matrik ternormalisasi (R).
= 0,93
R=
8. Hasil akhir diketahui tingkat perankingan
0,33 0,50
1
0,67
0
1
0,50 0,50
1
0,67
0
1
penerimaan beasiswa Bank Rakyat
1
1
1
Indonesia.
1
0,67
1
1
Tabel 5. Data Hasil Perankingan
1
0,67
1
1
0,25 0,50 0,67
0,33 0,33
1
1
7. Hasil akhir nilai preferensi (Vᵢ) diperoleh
dari penjumlahan dari perkalian elemen
Ran
king
1
Vᵢ
Nama
Jumlah
V5
Ulva
0,93
2
V3
Dias
0,69
perbandingan hasil dari metode Simple
3
V4
Navyana
0,63
Additive Weighting (SAW).
4
V2
Iwan
0,61
5
V1
Loe
0,58
2. Admin diharapkan mampu dan terus
melakukan pemeliharaan sistem
pendukung keputusan ini secara teratur.
4. KESIMPULAN DAN SARAN
5. DAFTAR PUSTAKA
4.1. Kesimpulan
1. Sistem pendukung keputusan penerimaan [1] Heri Sulistiyo, "Sistem Pendukung Keputusan Untuk
beasiswa Bank Rakyat Indonesia (BRI)
Menentukan Penerima Beasiswa Di SMA Negeri 6
menggunakan metode Simple Additive
Pandeglang," Universitas Komputer Indonesia,
Weighting (SAW) dapat membantu dalam
Bandung, Jurnal 2005.
penentuan penerimaan beasiswa Bank
Rakyat Indonesia (BRI) agar lebih efektif
Additive Weighting (SAW) Dalam Sistem Informasi
dan efisien.
2. Aplikasi
sudah
[2] Destriyana Darmastuti, "Implementasi Metode Simple
menerapkan
metode
Simple Additive Weighting (SAW) pada
sistem penentuan penerimaan beasiswa
Bank Rakyat Indonesia (BRI).
Lowongan Kerja Berbasis Web Untuk rekomendasi
Pencari Kerja Terbaik," Universitas Tanjungpura,
Pontianak, Jurnal 2013.
[3] Alireza Afshari, Majid Mojahed, and Rosnah Mohd
3. Hasil dari sistem pendukung keputusan
Yusuff, "Simple Additive Weighting Appoarch To
ini dipengaruhi oleh besarnya nilai
Personnel Selection Problem," International Journal of
kriteria dari bobot yang ditentukan.
Innovation, vol. 1, no. 5, pp. 511-515, December 2010.
Kriteria yang digunakan pada sistem
pendukung keputusan ini diantaranya
[4] Azizollah Memariani, Abbas Amini, and Alireza
usia, jumlah gaji orang tua, semester,
Alinezhad, "Sensitivity analysis of Simple Additive
nilai IPK, surat keterangan tidak mampu,
weighting Method (SAW): The Result of Change in the
dan surat keterangan belum bekerja.
Weight of ONe Attribute on the Final Ranking of
4.1. Saran
Alternatives," Journal of Industrial Engineering, no. 4,
1. Sistem pendukung keputusan penerimaan
pp. 13-18, August 2009.
beasiswa ini dapat menggunakan metode
lain dengan hasil yang lebih efektif dan
efisien,
sehingga
dapat
dilakukan
[5] Efendi Pakpahan. (2013, Agustus) Ilmu Pengetahuan
Teknologi. [Online].
http://iptekindonesiae.blogspot.com/2013/08/pengertian-
sistem-pendukung-keputusan.html
[10] PSI. (2013) Kemahasiswaan Universitas Dian
Nuswantoro. [Online].
[6] Kusrini M. Kom, Konsep dan Aplikasi Pendukung
http://bima.dinus.ac.id/main/syarat_beasiswa
Keputusan. Yogyakarta, Indonesia: Andi Publisher,
2007.
[11] Pratomo Setiaji, "Sistem Pendukung Keputusan dengan
Metode Simple Additive Weighting," Universitas Muria
[7] Efraim Turban, Jay E Aronson, and Ting Peng Liang,
Kudus, Bae Kudus, Jurnal 2010.
Decision Support Systems and Intelligent Systems, 7th
ed., Dwi Prabantini, Ed. Yogyakarta, Indonesia:
[12] Kusumadewi
Andi,
et al., Fuzzy., 2006.
2005.
[13] Nurul Imam. (2013) Kelebihan dan Kekurangan PHP.
[8] Kusumadewi S, Aplikasi Logika Fuzzy untuk[Online].
http://www.nurulimam.com/2013/09/kelebihanPendukung Keputusan. Yogyakarta, Indonesia:
Graha
Ilmu, 2010.
kekurangan-php.html
[9] Sinyo Khay. (2013, Mei) Dunia Pendidikan PTK.
[Online]. sinyokhay02.blogspot.com/2013/05/normal-0false-false-false-en-us-x-none.html?m=1
[14] Arianto and Rahmat Hidayat. (2007,
Juni) Ilmu Komputer. [Online].
http://ilmukomputer.com/wpcontent/uploads/2007/06/mysqlrahmat.pdf