PENERAPAN METODE SAW (Simple Additive Weighting) DALAM SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA PADA SMK N 2 PAYAKUMBUH

  

PENERAPAN METODE SAW (Simple Additive Weighting) DALAM

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN

PENERIMA BEASISWA PADA SMK N 2 PAYAKUMBUH

  

Dian Permata Sari

  Sistem Informasi, STMIK Jayanusa, Jl. Olo Ladang No. 1 Padang Email: Langitbiru621@gmail.com

  Abstract

In the world of scholarship education is often given to outstanding students or students, there are also

scholarships given to give appreciation to students who excel but are less capable in the economic field

to continue their education to a higher level. Submission of scholarship funds by the private sector or

the state to students, students and students is done in several ways, including through schools and

colleges, through government institutions or directly to the students concerned. In order for scholarships

to be given on target, a method that can provide recommendations is needed. valid scholarship recipient.

  

One method that can be used in decision making is the Simple Additive Weighting (SAW) method which

is done by giving weighting to each criteria used. With the case study namely the provision of

scholarships to students of SMK N 2 Payakumbuh.

  Keywords : Decision Support System, SAW, scholarship

  Abstrak

Dalam dunia pendidikan beasiswa sering diberikan kepada pelajar atau mahasiswa berprestasi, ada pula

beasiswa yang diberikan untuk memberikan apresiasi terhadap pelajar yang berprestasi tetapi kurang

mampu dalam bidang ekonomi untuk melanjutkan pendidikannya ke tingkat yang lebih tinggi.

Penyampaian dana beasiswa oleh pihak swasta atau negara pada pelajar, santri dan mahasiswa dilakukan

dengan beberapa cara antara lain melalui sekolah dan perguruan tinggi, melalui institusi pemerintahan

atau langsung pada pelajar yang bersangkutan.Agar beasiswa yang diberikan tepat sasaran maka

dibutuhkan suatu metode yang dapat memberikan rekomendasi penerima beasiswa yang valid. Salah

satu metode yang dapat digunakan dalam pengambilan keputusan yaitu metode Simple Additive

Weighting (SAW) yang dilakukan dengan memberikan pembobotan pada setiap kriteria-kriteria yang

digunakan. Dengan studi kasus yaitu pemberian beasiswa kepada siswa SMK N 2 Payakumbuh.

  Kata Kunci : Sistem Pendukung Keputusan, SAW, Beasiswa Vol. 5 No. 2 Desember 2018

  Vol. 5 No. 2 Desember 2018 PENDAHULUAN

  Pendidikan adalah Suatu solusi bagi bangsa untuk mencerdaskan kehidupan bangsa dengan memupukkan nilai-nilai, moralitas, karakter, mengembangkan potensi diri, serta sebagai upaya untuk pembangunan kualitas manusia demi terwujudnya cita-cita bangsa. Pendidikan di negara Indonesia sendiri sudah sangat jelas tercantum di dalam UUD 1945, pasal 31 UUD 1945 yang menyatakan bahwa tiap- tiap warga negara berhak mendapat pengajaran dan pemerintah mengusahakan dan menyelenggarakan satu sistem pengajaran nasional yang diatur dengan undang-undang.

  Dari landasan tersebut, pemerintah pusat maupun daerah memiliki kewajiban untuk memberikan kemudahan masyarakat untuk memperoleh pendidikan. Saat ini pemerintah telah memiliki program pendidikan gratis dan program pemberian beasiswa, mulai dari tingkat pendidikan dasar sampai dengan pendidikan tinggi.

  Lahinta (2009) mengemukakan beasiswa adalah pemberian berupa bantuan keuangan yang diberikan kepada perorangan yang bertujuan untuk digunakan demi keberlangsungan pendidika yang ditempuh. Beasiswa dapat diberikan oleh lembaga pemerintah, perusahaan ataupun yayasan.

  SMKN2 Payakumbuh merupakan sekolah menengah kejuruan dengan jumlah penjurusan terlengkap se-provinsi Sumatera Barat dengan fasilitas dan tenaga pengajar terbaik. Untuk memenuhi kebutuhan siswa nya pihak sekolah selalu berusaha memberikan beasiswa kepada anak didiknya. Pada SMKN2 Payakumbuh ini terdapat beberapa beasiswa yang sering diberikan yaitu Beasiswa bagi siswa kurang mampu berasal dari pemerintah melalui Program Indonesia Pintar (PIP) yang diberikan kepada siswa kurang mampu yang cair tiap satu kali dalam setahun, dana sekolah beruapa pembebasan uang SPP, beasiswa dari bank BRI, BNI, Supersemar yang tidak selalu ada kadang dalam setahun ada kadang tidak.

  Dalam pemberian beasiswa terdapat kriteria yang harus dipenuhi bagi calon penerima beasiswa. Kriteria yang ditetapkan antara lain: penghasilan orangtua, jumlah bersaudara.

  Untuk mengatasi kriteria pemilihan calon penerima beasiswa maka digunakan metode SAW (Simple Additive Weighting) merupakan salah satu metode yang dapat digunakan untuk menyelesaikan masalah

  Fuzzy MADM. Multiple Attribute Decision Making atau MADM adalah suatu metode

  yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Metode SAW dipilih karena metode ini menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan perangkingan yang akan menyeleksi alternatif siapa penerima beasiswa. Dengan metode ini yang didasarkan bobot yang sudah ditentukan sehingga mendapatkan hasil yang lebih akurat terhadap siapa yang akan menerima beasiswa.

SISTEM PENDUKUNG KEPUTUSAN

  Sistem pendukung keputusan (Decision Support System) adalah sistem berbasis komputer yang interaktif dalam membantu pengambil keputusan dengan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang tak Alur/proses pemilihan alternatif terstruktur. tindakan/keputusan biasanya terdiri dari

  Decision Support System langkah-langkah berikut:

  mendayagunakan sumber daya dari 1.

  Tahap intelligence individu-individu dengan kemampuan Pencarian kondisi-kondisi yang dapat keputusan. Suatu tahap proses seseorang dalam rangka

  Kelebihan sistem pendukung pengambil keputusan untuk permasalahan keputusan: yang dihadapi, terdiri dari aktivitas

  1. penelusuran, pendeteksian serta proses

  Mampu mendukung pencarian solusi dari masalah yang kompleks. pengenalan masalah. Data masukan

  2. diperoleh, diuji dalam rangka

  Respon cepat pada situasi yang tidak diharapkan dalam kondisi yang mengidentifikasi masalah. berubah-ubah.

  2. Tahap design 3. Menemukan, mengembangkan, dan

  Mampu untuk menerapkan berbagai strategi yang berbeda pada menganalisis materi-materi yang mungkin konfigurasi berbeda secara cepat dan untuk dikerjakan tepat.

  3. Tahap choice 4. Pemilihan dari alternatif pilihan yang Pandangan dan pembelajaran baru.

  5. tersedia, mana yang akan dikerjakan. Memfasilitasi komunikasi.

  6.

  4. Meningkatkan kontrol manajemen Tahap implementation dan kinerja. Ilmplementasi dari SPK yang telah dipilih

  7. yaitu tahap pelaksanaan dari keputusan Menghemat biaya.

  8. yang telah diambil. Pada tahap ini perlu Keputusan lebih tepat.

  9. disusun serangkaian tindakan yang

  Meningkatkan efektifitas manajerial, menjadikan manajer dapat bekerja terencana, sehingga hasil keputusan dapat lebih singkat dan dengan sedikit dipantau dan disesuaikan apabila usaha. diperlukan perbaikan.

10. Meningkatkan produktifitas analisis.

  Tahap pengambilan keputusan Gambar 2 Fase proses pengambilan keputusan Gambar 1 Tahap pengambilan keputusan Vol. 5 No. 2 Desember 2018

  

Pemodelan sistem pendukung keputusan lebih mudah daripada memanipulasi

Karakteristik utama dari sistem sistem nyata.

  pendukung keputusan adalah memasukkan c.

  Biaya analitis pemodelan jauh lebih sedikitnya satu model. Menurut McLeod murah jika dibandingkan dengan biaya (1998), model adalah penyederhanaan dari eksperimen yang sama dilakukan pada merupakan sebuah representasi atau d.

  Biaya dari kesalahan yang dibuat selama abstraksi realitas yang disederhanakan. eksperimen trial-and-error jauh lebih Model di klasifikasikan menjadi tiga murah jikan digunakan model kelompok menurut tingkat abstraksinya, dibandingkan dengan sistem nyata. yaitu: e.

  Model meningkatkan dan memperkuat 1. pembelajaran dan pelatihan. Model iconic (skala)

  Sebuah model iconic, model abstraksi terkecil adalah replika fisik sebuah sistem, Komponen sistem pendukung keputusan biasanya pada suatu skala berbeda darin Untuk dapat menerapkan sistem aslinya. pendukung keputusan ada empat subsistem 2. yang harus disediakan yaitu susbsistem

  Model analog Sebuah model yang tidak tampak mirip manajemen data, subsistem manajemen dengan model aslinya, tetapi bersifat seperti model, subsistem manajemen pengetahuan sistem aslinya. Model ini biasanya dan subsistem antar muka pengguna. berbentuk bagan atau diagram 2 dimensi, dapat berupa model fisik, tetapi bentuk model berbeda dari bentuk sistem nyata.

3. Model matematik (kuantitatif)

  Kompleksitas hubungan pada banyak sistem organisasional tidak dapat disajikan secara model icon atau model analog, karena dapat menimbulkan kesulitan dan menghabiskan banyak waktu.

  Manfaat model

  Sistem pendukung manajemen

  Gambar 3 Skema sistem pendukung keputusan

  menggunakan model karena: a.

  Model memungkinkan penghematan a. waktu. Waktu operasi yang bertahun- Subsistem manajemen data

  Merupakan subsistem yang tahun dapat disimulasikan dalam menyediakan data bagi sistem. Sumber data beberapa menit atau detik dengan berasal dari data internal dan data eksternal. menggunakan komputer.

  Subsistem ini termasuk basis data, berisi b. Manipulasi model (perubahan variabel- data yang relevan untuk situasi dan diatur variabel atau lingkungan) adalah jauh oleh perangkat lunak yang disebut database

  management system (DBMS).

  Vol. 5 No. 2 Desember 2018

  Vol. 5 No. 2 Desember 2018 b.

  (Vi) diberikan sebagai : Keterangan: v i = ranking untuk setiap alternatif w

  3. Membuat matriks keputusan berdasarkan kriteria (c i ), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R.

  2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.

  i .

  1. Menentukan kriteria-kriteria yang dijadikan acuan pengambilan keputusan, yaitu c

  Langkah penyelesaian Fuzzy MADM menggunakan metode SAW :

  = nilai rating kinerja ternormalisasi nilai v i yang lebih besar mengindikasikan bahwa alternatif A i lebih terpilih.

  ij

  = nilai bobot dari setiap kriteri r

  j

  = nilai atribut yang dimiliki dari setiap kriteria Max i x ij = nilai terbesar dari setiap kriteria i Benefit = jika nilai terbesar adalah terbaik Cost = jika nilai terkecil adalah terbaik Dimana r ij adalah rating kinerja ternormalisasi dari alternative Ai dan atribut Cj; i = 1, 2, …, m dan j = 1, 2,…, n. Nilai preferensi untuk setiap alternative

  Subsistem manajemen model Merupakan subsistem yang berfungsi sebagai pengelola berbagai model. Model harus bersifat fleksibel artinya mampu membantu pengguna untuk memodifikasi c.

  ij

  = nilai rating kinerja ternormalisasi x

  ij

  Keterangan: r

  (SAW) adalah metode penjumlahan bobot dari kinerja setiap objek-objek yang berbeda dan memiliki kesempatan yang sama pada semua kriteria yang dimiliki. Metode Simple Additive Weighting (SAW) memerlukan proses normalisasi matrik keputusan (X) ke suatu skala yang dapat dibandingkan dengan semua rating alternatif yang ada.

  Simple Additive Weighting

  Metode SAW (Simple Additive Weighting)

  Subsistem antar muka pengguna Merupakan fasilitas yang mampu mengintegrasikan sistem terpasang dengan pengguna secara interaktif. Melalui sistem dialog ini sistem diartikulasikan sehingga dapat berkomunikasi dengan sistem yang dirancang atau pengguna dapat berkomunikasi dengan sistem pendukung keputusan dan memerintah sistem pendukung keputusan melalui sistem ini.

  d.

  Subsistem manajemen pengetahuan Sebagai pendukung sembarang subsistem yang lain atau sebagai suatu komponen yang bebas. Subsistem ini berisi data yang diproses untuk menghasilkan pemahaman, kumpulan pelajaran dan keahlian.

  4. Hasil akhir diperoleh dari proses perangkingan yaitu penjumlahan dari perkalian matrik ternormalisasi R dengan vector bobot sehingga diperoleh

  Vol. 5 No. 2 Desember 2018

  Beasiswa adalah pemberian berupa bantuan keuangan yang diberikan kepada perorangan yang bertujuan untuk digunakan demi keberlangsungan pendidika yang ditempuh (Lahinta 2009).

  2. Beasiswa Bantuan Jenis beasiswa ini merupakan untuk mendanai kegiatan akademik para mahasiswa yang kurang beruntung, tetapi mempunyai prestasi. Komite beasiswa seringkali memberikan beberapa penilaian, pada kesulitan ini.

  1. Beasiswa Penghargaan Beasiswa ini seringkali diberikan kepada kandidat yang mempunyai keunggulan akademik. Beasiswa ini diberikan menurut prestasi akademik mereka secara keseluruhan. Seperti, dalam bentuk IPK (Indeks Prestasi Kumulatif).

  Menurut Murniasih (2009) terdapat beberapa jenis beasiswa yakni:

  Jenis-Jenis Beasiswa

  4. Meningkatkan kesejahteraan. Sesudah terciptanya sumber daya manusia baru yang pintar, diharapkan mereka ini dapat saling memberi dengan bantuan ide dan ilmu pengetahuan yang sudah didapatkan ketika menjalani masa pendidikan.

  3. Membuat generasi baru yang lebih cerdas dan pintar. Karena dengan adanya bantuan beasiswa ini maka seseorang terutama kaum muda dapat memiliki kesempatan untuk memperoleh pendidikan pada jenjang yang lebih tinggi.

  1. Untuk membantu para pelajar atau mahasiswa supaya dapat mencari ilmu yang sesuai dengan bidang yang hendak dikuasai, yang paling utama bagi yang memiliki masalah dalam pembiayaan. Membuat pemerataan suatu ilmu pengetahuan atau pendidikan terhadap masing-masing orang yang memerlukan.

  Adapun tujuan dari pemberian beasiswa yaitu diantaranya:

  Beasiswa dapat diberikan oleh lembaga pemerintah, perusahaan ataupun yayasan.

  Penghargaan tersebut bisa berbentuk akses tertentu pada suatu instansi atau penghargaan berupa bantuan keuangan.

  nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi.

  Beasiswa adalah bentuk penghargaan yang diberikan kepada individu agar dapat melanjutkan pendidikan ke jenjang yang lebih tinggi (Murniasih 2009).

  Beasiswa

  Perhitungan dilakukan dengan menggunakan bilangan crisp maupun fuzzy.

  Kekurangan dari metode Simple Additive Weighting (SAW): Digunakan pada pembobotan lokal.

  benefit dan cost).

  3. Adanya perhitungan normalisasi matriks sesuai dengan nilai atribut (antara nilai

  2. Penilaian akan lebih tepat karena didasarkan pada nilai kriteria dari bobot preferensi yang sudah ditentukan.

  Menentukan nilai bobot untuk setiap proses perangkingan yang akan menyeleksi alternatif terbaik dari sejumlah alternatif.

  Kelebihan dari metode Simple Additive Weighting (SAW): 1.

  Seperti pendapatan orangtua, jumlah saudara kandung yang sama-sama kepustakaan lainnya yang dianggap sedang menempuh studi, pengeluaran, perlu dan mendukung Analisa Data. biaya hidup, dan lain sebagainya. Pada tahap ini penulis melakukan 3. analisa terhadap data-data yang telah

  Beasiswa Atletik Pada tingkat universitas seringkali diperoleh sebelumnya. mendapatkan beasiswa dan dijadikan tim HASIL DAN PEMBAHASAN A. atletik perguruan tinggi mereka. Banyak

  Analisa Kebutuhan Input dan Output Variabel input yang digunakan adalah

  atlet menyelesaikan pendidikan mereka

  sebagai berikut :

  secara gratis, tetapi membayarnya

  1. Penghasilan orang tua

  dengan prestasi olahraga. Beasiswa jenis

  2. Jumlah tanggungan orang tua

  ini biasanya tidak perlu dikejar, karena

  3. Jumlah saudara kandung

  akan diberikan kepada mereka yang

  4. Rata-rata Nilai rapor mempunyai prestasi dibidang atletik.

  5. Tagihan listrik per bulan 4.

  Beasiswa Penuh

  Keluaran yang dihasilkan adalah urutan

  Banyak orang menilai jika beasiswa

  alternatif mulai dari yang tertinggi ke

  diberikan kepada penerimanya untuk

  alternatif terendah. Hasil akhir diperoleh dari

  menutupi kebutuhan akademik secara

  nilai dari setiap kriteria, karena didalam

  semuanya. Apabila benar-benar kriteria memiliki bobot nilai yang berbeda. beruntung, tentu akan memperoleh

  Alternatif yag dimaksud adalah siswa calon

  beasiswa jenis ini. Beasiswa akan penerima beasiswa. diberikan untuk menutupi keperluan hidup, buku, dan biaya pendidikan.

  B. Kriteria yang dibutuhkan

  Tetapi banyak beasiswa lainnya yang

  Tabel 1 kriteria pemilihan

  mencukupi biaya hidup, buku dan Kriteria Keterangan Atribut

  C1 Penghasilan orang tua Cost sebagian dari uang sekolah. C2 Jumlah tanggungan orang Benefit tua C3 Jumlah saudara kandung Benefit

METODE PENELITIAN

  C4 Rata-rata Nilai rapor Benefit Metode yang digunakan dalam

  C5 Tagihan listrik per bulan Cost penelitian ini meliputi beberapa bagian : 1.

  Metode Pengumpulan Data Selanjutnya masing-masing kriteria a. Metode wawancara ditentukan bobot sehingga membentuk

  Melakukan wawancara kepada salah himpunan sebagai berikut: seorang guru di SMKN2 Payakumbuh

  Tabel 2 bobot nilai kriteria

  yang beliau juga ikut dalam menyeleksi penerima beasiswa.

  b.

  Metode kepustakaan

  Merupakan cara pengumpulan data dengan mempelajari artikel

• – artikel, paket modul dan panduan, buku
• – buku pedoman, jurnal-jurnal dan segala

  Vol. 5 No. 2 Desember 2018

  Vol. 5 No. 2 Desember 2018 Kriteria penghasilan orang tua (C1) Tabel 3 penghasilan orang tua Penghasilan orang tua bobot C1≤ Rp. 1.000.000 0,25 Rp.1.000.000<C1<Rp.2.500.000 0,50 Rp.2.500.000<C1<Rp.5.000.000 0,75 C1>Rp.5.000.000

  33

  = 1 R

  1

  1

  =

  1 (0,50;1;0,50;1;0,50)

  =

  34

  = 0,50 R

  1

  0,50

  =

  0,50 (0,50;1;0,50;1;0,50)

  =

  = 1 R

  =

  1

  1

  =

  1 (0,50;1;0,50;1;0,50)

  32 =

  = 0,50 R

  1

  0,50

  =

  31 = 0,50 (0,50;1;0,50;1;0,50)

  = 0,25 R

  1

  0,25

  35 = 0,50 (0,50;1;0,50;1;0,50)

  0,50

  0,25 (0,25;0,50;0,50;1;0,25)

  44

  = 1

  0,25 0,25

  =

  51 = (0,25;0,50;0,25;0,50;0,75) 0,25

  = 0,33 R

  0,25 0,75

  =

  45 = 0,25 (0,50;0,75;0,75;0.75;0,25)

  = 1 R

  0,75 0,75

  =

  0,75 (0,50;0,75;0,75;0.75;0,25)

  =

  = 1 R

  1

  0,75 0,75

  =

  43 = 0,75 (0,50;0,75;0,75;0.75;0,25)

  = 1 R

  0,75 0,75

  =

  42 = 0,75 (0,50;0,75;0,75;0.75;0,25)

  = 0,66 R

  0,50 0,75

  =

  0,50 (0,50;0,75;0,75;0.75;0,25)

  =

  41

  = 0,50 R

  =

  =

  1 Kriteria jumlah tanggungan orang tua (C2) Tabel 4 jumlah tanggungan orang tua

  0,25 0,50

  = 1 R

  0,25 0,25

  =

  (0,50;0,75;0,25;0,50;1) 0,25

  =

  13

  = 0,33 R

  0,25 0,75

  =

  (0,50;0,75;0,25;0,50;1) 0,75

  =

  12

  = 0,5 R

  =

  =

  (0,50;0,75;0,25;0,50;1) 0,50

  =

  11

  R

  Tabel 8 Nilai Kriteria

  Nilai dari setiap atribut yang merupakan hasil proses penginputan data dari pemohon beasiswa yang sudah dikonfersikan berdasarkan bobot kriteria yang sudah ditentukan melalui proses perhitungan.

  Tagihan listrik per bulan bobot C5≤Rp.50.000 0,25 Rp.50.000<C5<Rp.100.000 0,50 Rp.100.000<C5<Rp.150.000 0,75 C5>Rp.150.000

  1 Kriteria tagihan listrik per bulan (C5) Tabel 7 tagihan listrik per bulan

  Rata-rata nilai rapor bobot C4≤65 0,25 65<C4<75 0,50 75<C4<85 0,75 C4>85

  1 Kriteria rata-rata nilai rapor (C4) Tabel 6 rata-rata nilai rapor

  Jumlah saudara kandung bobot 1 anak 2 anak 0,25 3 anak 0,50 4 anak 0,75 C3>4 anak

  1 Kriteria jumlah saudara kandung (C3) Tabel 5 jumlah saudara kandung

  Jumlah tanggungan orang tua bobot 1 anak 2 anak 0,25 3 anak 0,50 4 anak 0,75 C2>4 anak

  14 = (0,50;0,75;0,25;0,50;1) 0,50

  0,25 0,50

  25

  0,50

  = 1 R

  1

  1

  =

  1 (0,25;0,50;0,50;1;0,25)

  24 =

  = 0,50 R

  1

  0,50

  =

  23 = 0,50 (0,25;0,50;0,50;1;0,25)

  = 0,50 R

  1

  =

  = 0,5 R

  0,50 (0,25;0,50;0,50;1;0,25)

  =

  22

  = 0,25 R

  1

  0,25

  =

  21 = 0,25 (0,25;0,50;0,50;1;0,25)

  = 0,25 R

  1

  0,25

  =

  1

  15 = (0,50;0,75;0,25;0,50;1)

1 Masukan Data

  Hasil perengkingan pemilihan calon penerima beasiswa:

  V

  V

  11 =

  [(0,50*0,30)+(0,25*0,20)+(0,50*0,20)+(0, 66*0,10)+(1*0,20)] = 0,15+0,05+0,1+0,066+0,2 = 0,566

  V

  12

  = [(0,33*0,30)+(0,50*0,20)+(1*0,20)+(1*0,1 0)+(0.50*0,20)] = 0,099+0,1+0,2+0,1+0,1 = 0,599

  V

  13 =

  [(1*0,30)+(0,50*0,20)+(0,50*0,20)+(1*0,1 0)+(1*0,20)] = 0,30+0,1+0,1+0,1+0,2 = 0,8

  14 =

  W = [0,30; 0,20 ; 0,20 ; 0,10 ; 0,20]

  [(0,50*0,30)+(1*0,20)+(1*0,20)+(1*0,10)

• (0,50*0,20)] = 0,15+0,2+0,2+0,1+0,1 = 0,75 [(0,25*0,30)+(0,25*0,20)+(0,50*0,20)+(0, 33*0,10)+(0,33*0,20)] = 0,075+0,05+0,1+0,033+0,066

  = 0,324 Nilai terbesar atau nilai terbaik dari alternaif adalah V

  13 = 0,8 yaitu siswa 3 seperti

  tampak pada tabel berikut ini:

  Tabel 10 nilai kriteria Siswa 1 0,566 Siswa 2 0,599 Siswa 3 0,8 Siswa 4 0,75 Siswa 5 0,324

  Dari beberapa siswa calon penerima beasiswa maka siswa 3 yang memperoleh nilai tertinggi yaitu 0,8 berdasarkan perhitungan kriteria yang telah dilakukan, maka siswa 3 menjadi alternatif pilihan untuk menerima beasiswa.

  SIMPULAN

  Dari hasil analisa yang dilakukan terhadap penerapan metode SAW dalam pengambilan keputusan penerima beasiswa maka dapat ditarik kesimpulan sebagai berikut : 1.

  Metode SAW dapat digunakan dalam memberikan rekomendasi penerima beasiswa.

  Selanjutnya pemberi keputusan, dalam hal ini calon penerima beasiswa dapat memberikan bobot seperti pada tabel, sehingga diperoleh:

  Vol. 5 No. 2 Desember 2018

  (0,25;0,50;0,25;0,50;0,75) 0,25

  R

  52

  =

  (0,25;0,50;0,25;0,50;0,75) 0,50

  =

  0,25 0,50

  = 0,5 R

  53

  =

  =

  Tabel 9 normalisasi nilai kriteria

  0,25 0,25

  = 1 R

  54

  =

  (0,25;0,50;0,25;0,50;0,75) 0,50

  =

  0,25 0,50

  = 0,5

  (0,25;0,50;0,25;0,50;0,75) 0,75 0,25 0,75

  = 0,33 Hasil perhitungan normalisasi nilai kriteria seluruhnya dapat dilihat pada tabel berikut:

  2. Penelitian ini telah menghasilkan sistem pendukung keputusan untuk penerima beasiswa. Adapun variabel yang dijadikan bahan pertimbangan yaitu penghasilan orang tua, jumlah tanggungan orang tua, jumlah saudara kandung, rata-rata nilai rapor dan Pratiwi, Heny.2016. Buku Ajar Sistem tagihan listrik per bulan. Pendukung Keputusan .

  3. Deepublish: Yogyakarta.

  Penentuan penerima beasiswa dilakukan berdasarkan kriteria yang telah Putra, Apriansyah dan Dinna Yunika ditentukan. Bobot yang diberikan pada

  Hardiyanti. 2011. Penentuan

  Penerima Beasiswa Dengan penentuan calon penerima beasiswa. Menggunakan Fuzzy Multiple

  Perubahan nilai bobot pada suatu kriteria

  Atribute Decission Making . Jurnal mempengaruhi hasil akhir perhitungan.

  sistem informasi (JSI). 3(01):286- 293.

DAFTAR PUSTAKA

  Rainer, dedi.2017. Pengertian Beasiswa, Elvis sabri, Erman. 2017. Kebijakan Publik

  Tujuan, Syarat, Manfaat, Jenis, Tentang

  ContohTerlengka Pendidikan.https://ermanelvissabri.bl ogspot.com/2017/04/vbehaviorurldef aultvmlo.html . diakses Oktober diakses oktober 2018.

  2018. Helilintar, Risa dkk.2016. Penerapan Taufiq Subagio, Ridho dkk.2017.

  Metode SAW dan Fuzzy Dalam Penerapan Metode SAW (Simple Additive Sistem Pendukung Keputusan Weighting) dalam Sistem Pendukung Penerimaan Beasiswa. Citec Keputusan untuk Menentukan Penerima

  jurnal.3(2):89-101.

  Beasiswa . Cirebon.

  Kusumadewi, Sri dan Hari Purnomo. 2010.

  “Aplikasi Logika Fuzzy Untuk Pendukung Keputusan”. Graha

  Ilmu: Yogyakarta.

  Vol. 5 No. 2 Desember 2018