BAB I PENDAHULUAN

1.1 LATAR BELAKANG Disetiap lembaga pendidikan khususnya Universitas banyak sekali beasiswa yang ditawarkan kepada mahasiswa yang berprestasi di bidang akademik maupun non akademik juga pada mahasiswa yang kurang mampu. Para mahasiswa diwajibkan untuk mendapatkan nilai indeks prestasi komulatif (IPK) minimal 3,00 untuk kriteria Peningkatan Prestasi akademik (PPA) dan IPK minimal 2,50 untuk Bantuan Belajar Mahasiswa (BBM) bagi yang kurang mampu dan aktif di salah satu kegiatan keorganisasian dalam kampus serta mempunyai kehadiran absensi minimal 80% untuk bisa masuk ke dalam daftar penyeleksian beasiswa. Pemberian beasiswa kepada mahasiswa yang berprestasi maupun kepada mahasiswa yang kurang mampu sangatlah bermanfaat karena untuk menuntun para mahasiwa agar lebih tekun belajar untuk meningktkan prestasi dan lebih meningkatkan kegiatan organisasi kampus agar pihak Perguruan Tinggi khususnya Perguruan Tinggi Swasta juga bisa meningkatkan status Akreditasinya terhadap DIKTI (Direktorat Jenderal Pendidikan Perguruan Tinggi). Pada saat ini di STMIK ASIA Malang belum mempunyai sistem perancangan penyeleksian kelayakan beasiswa yang baik, semua hal dari mulai pendataan, informasi yang digunakan masih secara manual sehingga dirasa kurang efisien dan memakan waktu yang cukup lama dalam proses penyeleksian. Maka dari itu penulis mengambil tema Perancangan Sistem Pakar Kelayakan Beasiswa untuk membantu pihak STMIK ASIA Malang dalam proses penyeleksian beasiswa para mahasiswanya.

1.2 RUMUSAN MASALAH Berdasarkan latar belakang diatas, maka penulis merumuskan permasalahan sebagai berikut : Bagaimana melakukan Perancangan Sistem Pakar Untuk Kelayakan Beasiswa di STMIK ASIA Malang

1.3 BATASAN MASALAH 1. Sistem yang dirancang guna untuk membantu penyeleksian dalam pengajuan penerimaan beasiswa. 2. Penentuan solusi dilakukan berdasarkan nilai IPK, absensi, nilai IPK semester sebelumnya, keaktifan dalam organisasi kampus, Piagam, Sertifikat. 3. Data yang dihasilkan berupa beberapa metode yang dapat diterapkan pada kampus sasaran sesuai dengan kriteria yang telah dimasukkan ke dalam system. 4. System dibangun dengan Bahasa Pemrograman Visual Basic 6.0 5. Data base yang digunakan adalah Microsoft Access.

1.4 TUJUAN DAN MANFAAT PENULISAN 1.4.1 Tujuan 1. Menyelesaikan penyusunan Laporan Sistem Pakar Kelayakan Beasiswa di STMIK ASIA Malang guna memenuhi syarat kelulusan Mata Kuliah Artificial Intelligent (AI) 2. Membantu para staf, khususnya untuk menentukan penyeleksian dalam pengajuan penerimaan beasiswa.

1.4.2 Manfaat 1.4.2.1 Bagi Penulis 1. Mengaplikasikan ilmu yang telah didapat selama mempelajari mata kuliah Artificial Intelligent di STMIK ASIA Malang. 2. Belajar menganalisa permasalahan dan menerapkannya dalam perancangan system (program). 3. Membangun perancangan suatu aplikasi software yang sistematis dan terstruktur sehingga aplikasi yang dibuat benarbenar bermanfaat bagi yang berkepentingan.

1.4.2.2 Bagi Pembaca 1. Memberikan pengetahuan dan penjelasan mengenai langkahlangkah perancangan system pakar Kelayakan Beasiswa di STMIK ASIA Malang. 2. Memberikan pengetahuan tentang system perancangan dan metode yang digunakan pada System Pakar Kelayakan Beasiswa di STMIK ASIA Malang. 3. Menjadi bahan kajian yang dapat dikembangkan dikemudian hari.

1.5 METODOLOGI PENULISAN Untuk mendukung penyelesaian penyusunan Laporan Sistem Pakar Kelayakan Beasiswa di STMIK ASIA Malang digunakan beberapa metodologi penulisan yaitu : 1. Studi Lapangan/Penulisan Langsung (Direct Research) Penelitian secara langsung dilakukan oleh penulis. Survey lapangan ini untuk melihat system yang selama ini digunakan dalam proses penyusunan Sistem Pakar Kelayakan Beasiswa di STMIK ASIA Malang serta melakukan pengumpulan data yang dibutuhkan untuk penyusunan laporan. Studi lapangan ini meliputi : 3

a. Wawancara (interview) Melakukan tanya jawab secara langsung dengan Staf dan karyawan yang mengurusi masalah beasiswa di kampus. b. Pengamatan (Observasi) Mengamati digunakan secara dalam langsung system yang selama ini

menentukan

metode

Sistem

Pakar

Kelayakan Beasiswa di STMIK ASIA Malang. 2. Studi Pustaka (Library Research) Studi Pustaka dilakukan dengan cara mempelajari teori-teori literature, buku-buku, internet, artikel yang berhubungan dengan objek kajian sebagai dasar dalam penyusunan laporan ini, dengan tujuan memperoleh dasar teoritis gambaran dari apa yang dilakukan.

BAB II LANDASAN TEORI

2.1 Sistem Pakar Sistem Pakar adalah sistem yang berusaha mengadopsi

pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalahnya atau hanya sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya. Sistem pakar ini juga akan dapat membantu aktivitas para pakar sebagai asisten yang berpengalaman dan mempunyai pengetahuan yang dibutuhkan. Dalam penyusunannya, sistem pakar

mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu.

2.1.1 Artificial Intellegency dan Sistem Pakar Artificial Intellegence (AI) atau sering disebut Kecerdasan Buatan adalah merupakan sebuah studi khusus yang bertujuan membuat komputer berfikir dan bertindak seperti layaknya manusia (Sri, 2003 : 90). AI juga merupakan terobosan baru dalam ilmu komputer yang perkembangannya sangat pesat. Saat ini telah banyak sekali implementasi AI dalam bidang ilmu komputer, seperti Sistem Pendukung Keputusan (Decision Support System), Jaringan Syaraf Tiruan (Neural Network), Robotic, Bahasa Alami (Natural Language), Sistem Pakar (Expert System), dan lain-lain. 5

Sistem Pakar (Expert System) adalah merupakan suatu sistem yang menggabungkan antara pengetahuan dengan penelusuran data untuk memecahkan masalah yang secara normal memerlukan keahlian manusia (Sri, 2003 : 90). Tujuan dari pengembang sistem pakar yang sebenarnya bukanlah untuk menggantikan peran manusia, tetapi adalah untuk

mensubstitusikan pengetahuan manusia kedalam sebuah bentuk sistem komputer sehingga dapat diaplikasikan oleh orang banyak.

2.1.2 Pengertian Sistem Pakar Sistem pakar adalah suatu program komputer yang dirancang untuk mengambil keputusan seperti keputusan yang diambil oleh seorang atau beberapa orang pakar. Menurut Marimin (1992), sistem pakar adalah sistem perangkat lunak komputer yang menggunakan ilmu, fakta, dan teknik berpikir dalam pengambilan keputusan untuk menyelesaikan masalahmasalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan.

2.1.3 Keunggulan Sistem Pakar 1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli 2. Bisa melakukan proses secara berulang secara otomatis 3. Menyimpan pengetahuan dan keahlian para pakar 4. Meningkatkan output dan produktifitas 5. Meningatkan kualitas 6. Mampu mengambil dan melestarikan keahlian para pakar 7. Mampu beroperasi dalam lingkungan berbahaya 8. Memiliki kemampuan untuk mengakses pengetahuan 9. Memiliki realbilitas 6

10. Meningkatkan kapabilitas system computer 11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian 12. Sebagai media pelengkap dalam pelatihan 13. Meningkatkan kapabilitas dalam penyelesaian masalah 14. Menghemat waktu dalam pengambilan keputusan

2.1.4 Kelemahan Sistem Pakar 1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal 2. Sulit dikembangkan, hal ini terkait dengan ketersediaan pakar dibidangnya

2.1.5 Ciri dan Karakteristik Sistem Pakar 1. Mudah di modifikasi. 2. Dapat digunakan dalam berbagai jenis komputer. 3. Memiliki kemampuan untuk belajar beradaptasi 4. Memiliki informasi yang lebih handal.

2.1.6 Tipe Sistem Pakar 1. Interpretasi :Menghasilkan deskripsi situasi berdasarkan data sensor 2. Prediksi :Memperkirakan akibat yang mungkin dari situasi yang diberikan. 3. Diagnosis :Menyimpulkan kesalahan sistem berdasarkan gejala (symptoms). 4. Disain 5. Planning 6. Monitoring :Menyusun objek-objek berdasarkan kendala. :Merencanakan tindakan :Membandingkan hasil pengamatan dengan proses perencanaan. 7

7. Debugging

:Menentukan sistem.

penyelesaian

dari

kesalahan

8. Reparasi 9. Instruction

:Melaksanakan rencana perbaikan. :Diagnosis, debugging, dan reparasi kelakuan pelajar.

10. Control

:Diagnosis, debugging, dan reparasi kelakuan sistem.

2.1.7 Klasifikasi Sistem Pakar 1. Sistem Abstrak dan System Fisik Sistem abstrak (abstract system) adalah sistem yang berisi gagasan atau konsep, misalnya sistem teologi yang berisi gagasan tentang hubungan manusia dan Tuhan. Sedangkan sistem fisik (physical system) adalah sistem yang secara fisik dapat dilihat, misalnya sistem komputer, sistem sekolah, sistem akuntansi dan sistem transportasi. 2. Sistem Deterministic dan System Probabilistik Sistem deterministik (deterministic system) adalah suatu sistem yang operasinya dapat diprediksi secara tepat, misalnya sistem komputer. Sedangkan sistem probabilistik (probabilistic system) adalah sistem yang tak dapat diramal dengan pasti karena mengandung unsur probabilitas, misalnya sistem arisan dan sistem sediaan, kebutuhan rata-rata dan waktu untuk memulihkan jumlah sediaan dapat ditentukan tetapi nilai yang tepat sesaat tidak dapat ditentukan dengan pasti. 3. Sistem Tertutup dan Sistem Terbuka Sistem tertutup (closed system) adalah sistem yang tidak bertukar materi, informasi, atau energi dengan lingkungan, dengan kata lain sistem ini tidak berinteraksi dan tidak dipengaruhi oleh lingkungan, misalnya reaksi kimia dalam tabung yang terisolasi. Sedangkan sistem terbuka (open 8

system) adalah sistem yang berhubungan dengan lingkungan dan dipengaruhi oleh lingkungan, misalnya sistem perusahaan dagang. 4. Sistem Alamiah dan Sistem Buatan Manusia Sistem Alamiah (natural system) adalah sistem yang terjadi karena alam, misalnya sistem tata surya. Sedangkan sistem buatan manusia (human made system) adalah sistem yang dibuat oleh manusia,misalnya sistem komputer. 5. Sistem Sederhana dan Sistem Kompleks Berdasarkan tingkat kerumitannya, sistem dibedakan menjadi sistem sederhana (misalnya sepeda) dan sistem kompleks (misalnya otak manusia).

2.1.8 Langkah-langkah Membangun Sistem Pakar 1. Menentukan batasan batasan dari suatu sistem pakar yang akan dirancang 2. Memilih jenis keputusan apa yang akan diambil 3. Meng-extract pengetahuan dari pakar, caranya yaitu dengan dependency diagram dan graphical representation 4. Merepresentasikan pengetahuan dalam sistem pakar (membuat rules) salah satu teknik yang dapat digunakan yaitu

merepresentasikan ke dalam bentuk IF-THEN rules 5. Membuat inference engine dengan menggunakan metode yang sesuai 6. Merancang user interface

2.1.9 Elemen Sistem Pakar 1. User Interface (Antarmuka Pemakai) Merupakan mekanisme komunikasi antara pengguna (user) dengan sistem. Antarmuka pemakai (User Interface) dapat menerima informasi dari pengguna (user) dan 9

memberikan

informasi

kepada

pengguna

(user)

untuk

membantu mengarahkan alur penelusuran masalah sampai ditemukan suatu solusi. User interface, berfungsi untuk menginputkan pengetahuan baru ke dalam basis pengetahuan sistem pakar (ES), menampilkan penjelasan sistem dan memberikan panduan pemakaian sistem secara menyeluruh step by step sehingga user mengerti apa yang akan dilakukan terhadap suatu sistem. Yang terpenting dalam membangun user interface adalah kemudahan dalam memakai/

menjalankan sistem, interaktif, komunikatif. 2. Knowledge base (Basis Pengetahuan) Basis pengetahuan adalah suatu jenis basis data yang dipergunakan untuk manajemen pengetahuan.

Berisi pengetahuan relevan yang diperlukan untuk memaha mi, merumuskan, dan memecahkan persoalan. Basis

tersebut mencakup dua elemen dasar : 1. Fakta, misalnya situasi persoalan dan teori area persoal an. 2. Heuristik atau aturan khusus yang mengarahkan pengg unaan pengetahuan untuk memecahkan persoalan khusus dalam domain tertentu. Selain itu, mesin persoalan inferensi untuk tujuan dapat umum menyertakan dan aturan

pemecahan

pengambilan keputusan). Heuristik menyatakan pengetahuan peniliaian area aplikasi. informal Pengetahuan, tidak hanya fakta, dalam adalah

bahan mentah primer dalam sistem pakar. 3. Knowledge Acquisition (Akuisisi Pengetahuan) Akuisisi pengetahuan adalah akumulasi, transfor dan transormasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program computer. Dalam 10

tahap ini knowledge engineer berusaha menyerap pengetahuan untuk selanjutnya ditransfer ke dalam basis pengetahuan. Pengetahuan diperoleh dari pakar, dilengkapi dengan buku, basis data, laporan penelitian dan pengalaman pemakai. 4. Mesin Inferensi Komponen ini mengandung mekanisme pola pikIr dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah. Mesin inferensi adalah program komputer yang memberikan metodologi untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam workplace, dan untuk memformulasikan kesimpulan.

2.1.10 Cara Kerja Sistem Pakar 2.1.10.1 Metode Forward Chaining Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF dahulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis.

Gambar 2.1 Forward Chaining

2.1.10.2 Metode Backward Chaining Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dahulu). Dengan kata lain, penalaran dimulai dari hipotesis terlebih 11

dahulu,dan untuk menguji kebenaran hipotesis tersebut dicari fakta-fakta yang ada dalam basis pengetahuan.

Gambar 2.2 Backward Chaining

2.1.10.3 Mekanisme Inferensi Mekanisme inferensi adalah bagian dari system intelejen yang melakukan penalaran dengan

menggunakan isi daftar aturan berdasarkan urutan dan pola tertentu. Selama proses konsultasi antar sistem dengan pemakai,mekanisme inferensi menguji aturan satu demi satu (penelusuran) sampai kondisi aturan itu benar. Sistem penalaran secara umum dapat dilakukan dengan dua metode (Kusumadewi S.) yaitu: 1. Forward Reasoning (Penalaran Maju). Pelacakan dimulai dari keadaan awal (informasi atau fakta yang ada) dan kemudian dicoba untuk

mencocokan dengan tujuan yang diharapkan. 2. Backward Reasoning (Penalaran Mundur). Pada penalaran ini dimulai dari tujuan atau hipotesa,baru dicocokan dengan keadaan awal atau fakta-fakta yang ada.

12

2.2 Metode yang digunakan Fuzzy Multiple Attribute Decision Making FMADM adalah suatu metode yang digunakan untuk mencari alternatif dengan kriteria tertentu. Inti dari FMADM adalah menentukan nilaibobot untuk setiap

atribut,kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan. Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subjektif dan pendekatan objektif dan pendekatan integrasi antara subjektif dan objektif. Masing-masing pendekatan memiliki kelebihan dan

kelemahan.pada pendekatan subjektif, nilai bobot ditentukan berdasarkan subyektifitas dari pengambil keputusan, sehingga beberapa faktor dalam proses perangkingan alternatif bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambilan keputusan. (Kusumadewi, 2007). Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah FMADM. Antara lain (Kusumadewi, 2006): a. Simple Additive Weighting Method (SAW) b. Weighted Product (WP) c. Electre

d. Technique for Order Preference by Similiarity to Ideal Solution (TOPSIS) e. Analytic Hierarchy Process (AHP)

2.3 Algoritma FMADM Algoritma FMADM adalah 1. Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Ci) yang sudah ditentukan, dimana nilai tersebut di peroleh berdasarkan nilai crisp; i=1,2,...m dan j=1,2,...n. 2. Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp. 13

3. Melakukan normalisasi matriks dengan cara menghiitung nilai rating kinerja ternormalisasi (rij) dari alternatif Ai pada atribut Cj berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan/benefit = MAKSIMUM atau biaya/cost = MINIMUM). Apabila berupa atribut keuntungan maka nilai crisp (Xij) dari setiap kolom atribut dibagi dengan nilai crisp MAX (MAX Xij) dari setiap kolom atribut biaya, nilai crisp MIN (MIN Xij) dari tiap kolom atribut dibagi dengan nilai crisp (Xij) setia kolom. 4. Melakukan proses perangkingan dengan cara mengalikan matriks ternormalisasi (R) dengan nilai bobot (W). 5. Menentukan nilai preferensi untuk setiap alternatif (Vi) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W). Nilai Vi yang lebih besar mengidikasikan bahwa alternatif Ai lebih terpilih. (Kusumadewi,2007).

2.4 Langkah Penyelesaian Dalam penelitian ini menggunakan FMADM metode SAW. Adapun langkah-langkahnya adalah: 1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci. 2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria. 3. Membuat matriks keputusan berdasarkan kriteria (Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan atupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. 4. Hasil akhir diperoleh dari proses perangkingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (A i) sebagai solusi. (Kusumadewi, 2006).

14

2.5 Metode SAW Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.

xy Max xy
i

jika j adalah atribut keuntungan (benefit)

ry = Min Xy
i

(2.1)

Jika j adalah atribut biaya (cost)

XY Dimana rij adalah rating kinerja ternormalisi dari alternatif Ai pada atribut Cj; i=1,2,...,m dan j=1,2,...n. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai: Vi yang lebih besar mengindikasikan bahwa alternatif Ai diberikan sebagai:
n

Vi

wjrij
j=1

(2.2)

Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih

2.6 Diagram Data 2.6.1 Context Diagram (CD) Context diagram meruakan tingkatan tertinggi dalam diagram aliran data dan hanya memuat satu proses, menunjukan 15

sistem secara keseluruhan. Proses tersebut diberi nomor nol. Semua entitas eksternal yang ditunjukan pada diagram konteks berikut aliran data-aliran data utama menuju dan dari sistem.

Simbol

Uraian

Gambar lingkaran menunjukkan proses dari sistem pada Context Diagram. Gambar anak panah menunjukkan konektor atau penghubung anatr entitas dan aliran data

Gambar kotak persegi menunjukkan entitas pada Context Diagram.

2.6.2 Data Flow Diagram (DFD) Suatu diagram yang menggunakan notasi-notasi untuk menggambarkan arus dari data sistem, yang penggunaannya sangat membantu untuk memahami sistem secara logika, tersruktur dan jelas,disimbolkan dengan menggunakan suatu notasi tanda panah.

Simbol

Uraian

Merepresentasikan sumber data (Entity). Merepresentasikan aliran data.

16

Merepresentasikan transformasi / proses aliran data (sistem).

Merepresentasikan tempat untuk menyimpan data (file).

2.6.3 Entity Relationship Diagram (ERD) Entity Relation Diagram adalah model konseptual yang mendeskripsikan hubungan antara penyimpanan (dalam DFD) menggambarkan struktur data dan hubungan antar data, dalam penggambaran ERD ada 3 (tiga) komponen yaitu: Keterangan Entity Simbol Uraian Adalah suatu obyek yang dapat diidentifikasi dalam lingkungan pemakai Entity dapat berupa orang, tempat, kejadian atau konsep yang informasinya direkam. Attribute Adalah merupakan data elemen / data item, data field yang menggambarkan suatu entity. Atribut dibagi menjadi dua yaitu: 1. Simple attribute, misalnya kode tamu. 2. Composite atribute, misalnya nama tamu 17

Relationship Merepresentasikan transformasi / proses aliran data (sistem).

Relasi atau hubungan Menunjukkan adanya hubungan diantara sejumlah entitas yang berasal dari entitas berbeda. Relasi dibagi 3 (tiga)

antara lain: a. One to one Hubungan dimana satu record ditabel A hanya punya satu pasangan record di table B.

Relasi One to one

1

Mahasiswa

Membayar

1
Orang Tua

b. One to many Hubungan dimana satu record ditabel A punya banyak pasangan record ditabel B tetapi satu record ditabel hanya punya satu record ditabel B.

Relasi One to many

Mahasiswa

Membayar

SPP

c. Many to Many Hubungan dimana satu record ditabel A punya banyak record ditabel B begitu sebaliknya. 18

Relasi Many to many

Mahasiswa

Mengambil

Mata kuliah

2.6.4 Normalisasi Normalisasi merupakan teknik analisis data data yang cara non-

mengorganisasikan

atribut-atribut

dengan

mengelompokkan sehingga terbentuk entitas yang redundant, stabil, dan fleksible.

Normalisasi dilakukan sebagai uji coba pada suatu relasi secara berkelanjutan untuk menentukan apakah relasi itu sudah baik, yaitu dapat dilakukan proses insert, update, delete, dan modifikasi pada satu atau beberapa atribut tanpa mempengaruhi integritas data dalam relasi tersebut. Pada proses normalisasi terhadap tabel pada database dapat dilakukan dengan tiga tahap normalisasi antara lain: 1. Bentuk Normal ke Satu (1NF) a. Syarat : b. Tidak ada set atribut yang berulang atau bernilai ganda. c. Telah ditentukannya primary key untuk tabel atau relasi. d. Tiap atribut hanya memiliki satu pengertian. e. Tiap atribut yang dapat memiiki banyak nilai sebenarnya menggambarkan entitas atau relasi yang terpisah. 2. Bentuk Normal ke Dua (2NF) a. Syarat : b. Bentuk data telah memenuhi kriteria bentuk normal ke satu. c. Atribut bukan kunci(non-key attribute) haruslah memiliki ketergantungan fungsional sepenuhnya pada primary key 19

3. Bentuk Normal ke Tiga (3NF) a. Syarat : b. Bentuk data telah memenuhi kriteria bentuk normal ke dua. c. Atribut bukan kunci(non-key attribute) tidak boleh

memiliki ketergantungan fungsional terhadap atribut bukan kunci lainnya. Seluruh atribut bukan kunci pada suatu relasi hanya memiliki ketergantungan fungsional terhadap primary key di relasi itu saja.

2.7 Flowchart Flowchart adalah jenis diagram yang merepresentasikan suatu algoritma atau proses, menunjukkan langkah-langkah sebagai kotak dari berbagai jenis, dan pesanan mereka dengan menghubungkan ini dengan anak panah. Representasi diagram dapat memberikan solusi langkahdemi langkah untuk masalah yang diberikan. Operasi proses

direpresentasikan dalam kotak-kotak, dan panah menghubungkan mereka mewakili aliran kontrol. Arus data yang tidak biasanya direpresentasikan dalam flowchart, berbeda dengan diagram aliran data, melainkan, mereka tersirat oleh urutan operasi. Flowchart digunakan dalam menganalisis, merancang, mendokumentasikan atau mengelola proses atau program di berbagai bidang. Flowchart digunakan dalam merancang dan mendokumentasikan proses kompleks. Seperti jenis lain dari diagram, mereka membantu memvisualisasikan apa yang sedang terjadi dan dengan demikian membantu dalam memahami proses, dan mungkin juga menemukan kelemahan, kemacetan, dan lain yang kurang-jelas fitur di dalamnya. Ada berbagai jenis diagram alir, dan setiap jenis memiliki repertoar sendiri kotak dan konvensi penulisan. Dua jenis yang paling umum dari kotak dalam flowchart adalah langkah pengolahan, biasanya disebut aktivitas, 20

dan dilambangkan sebagai kotak persegi panjang dan keputusan, biasanya dinotasikan dengan berlian.

Simbol Line/Flow

Uraian

Digunakan untuk menghubungkan antara simbol yang satu dengan yang lain dan untuk menggambarkan aliran data. Disk Simbol untuk menyatakan input berasal dari disk atau output disimpan ke disk Punched Card Simbol yang menyatakan input berasal dari katu atau output ditulis ke kertas. Manual Input/Keyboard Simbl untuk pemasukan data secara manual melalui keyboard. Display Simbol yang menyatakan peralatan output yang digunakan yaitu layer, plotter, printer dan lain sabagainya. Manual Process Simbol yang menunjukan pengelolahan yang tidak dilakukan dengan komputer Decision Simbol untuk kondisi yang akan menghasilkan beberapa kemungkinan jawaban/aksi.

21

Magnetic Tape Simbol yang menyatakan input berasal dari pita megnetik atau output ditulis ke kartu Document Simbol yang menyatakan input berasal dari dokumen dalam bentuk kertas atau di cetak ke kertas Off Line Storage Simbol untuk menunjukan bahwa data didalam simbol ini akan disimpan Connector Simbol untuk keluar/masuk prosedur atau proses dalam lembar yang sama Off Line Connector Simbol untuk keluar/masuk prosedur atau proses dalam lembar yang lain

2.8 Sistem Kelayakan Beasiswa 2.8.1 Pengertian Beasiswa Beasiswa adalah pemberian berupa bantuan keuangan yang diberikan kepada perorangan yang bertujuan untuk digunakan demi keberlangsungan pendidikan yang ditempuh. Beasiswa dapat diberikan oleh lembaga

pemerintah,perusahaan ataupun yayasan. Pemberian beasiswa dapat dikategorikan pada pemberian cuma-cuma ataupun pemberian dengan ikatan kerja (biasa disebut ikatan dinas) setelah selesainya pendidikan. Lama

22

ikatan dinas ini berbeda-beda, tergantung pada lembaga yang memberikan beasiswa tersebut.

2.8.2 Karakteristik Beasiswa 1. Memiliki IPK minimal 3,00 untuk Beasiswa prestasi. 2. Memiliki absensi kehadiran perkuliahan minimal 80%. 3. Surat keterangan aktif Organisasi. 4. Sertifikat atau Piagam penghargaan. 5. Menyerahkan surat keterangan penghasilan orang tua dari kelurahan atau instansi yang terkait.

2.8.3 Kelebihan dan Kekurangan Sistem Kelayakan Beasiswa 2.7.3.1 Kelebihan 1. Mempercepat pengimputan dan pemrosesan data. 2. Memudahkan untuk mengolah data sesuai dengan digunakan sistem yang. 3. Menghemat efisiensi waktu dalam pemrosesan data

2.7.3.2 Kekurangan 1. Membutuhkan biaya yang mahal dan besar untuk membuat dan mengembangkannya. 2. Sulit dikembangkan, karena didalamnya perlu ada pakar yang ahli dibidangnya.

2.8.4 Persyaratan Keberhasilan Sistem Kelayakan Beasiswa 1. User friendly, yaitu sistem yang dibuat bisa dipahami dan dimengerti penggunaanya oleh user. 2. Sistem yang dipakai bisa berguna dan dipakai oleh sasaran sesuai tujuannya.

23

3. Menggunakan metode yang sesuai sehingga menarik para pihak-pihak yang terkait untuk mengkaji dan

mengembangkannya.

24

BAB III PEMBAHASAN

3.1 Analisa System Penyeleksian Beasiswa pada umumnya merupakan usaha yang dilakukan para pihak Perguruan Tinggi untuk mendompleng para mahasiswa agar bisa meningkatkan prestasi di bidang akademik mupun non akademik. Sistem perancangan untuk penyeleksian Beasiswa di STMIK ASIA Malang masih terkesan manual dan dan rumit. Proses penyeleksian di tiap Perguruan Tinggi berbeda beda, di STMIK ASIA Malang terdapat dua jenis Beasiswa yaitu Beasiswa Mahasiswa berprestasi (Akademik) dan BeasiswaBantuan Mahasiswa tidak mampu (Ekonomi). Sumber beasiswanya terdapat dari Pemerintah : Prestasi Akademik (PPA), Bantuan Belajar Mahasiswa (BBM) yang mempunyai kriteria yaitu memiliki IPK minimal 3,00 untuk Beasiswa Prestasi, memiliki IPK 2,50 untuk Beasiswa tidak mampu, berdasarkan penghasiln Orang tua, Berdasarkan jumlah tanggungan keluarga, Berdasarkan aktif tidaknya mahasiswa dalam kegiatan kemahasiswaan. Di STMIK ASIA Malang mempunyai prosedur Penerimaan Beasiswa yang terdiri dari : STMIK ASIA Malang memperoleh informasi beasiswa dari Kopertis Wilayah VII Jatim. 1. Informasi beasiswa disampaikan ke Pembantu Ketua III melalui Staf Pembantu Ketua III. 2. Pengajuan usulan/proposal beasiswa kepada koordinator Kopertis Wilayah VII. 3. Pengumuman alokasi jumlah penerima beasiswa PPA dan BBM. 4. Informasi beasiswa diumumkan kepada pihak mahasiswa. 5. Mahasiswa mengajukan permohonan/berkas persyaratan kepada Pembantu Ketua III melalui Staf Pembantu Ketua III.

25

6. Staf Pembantu Ketua III menerima dan menyeleksi berkas persyaratan pengajuan beasiswa. 7. Daftar beasiswa yang lolos seleksi dituangkan dalam Surat Keputusan Pimpinan. 8. Selanjutnya melalui Pembantu Ketua III berkas persyaratan disampaikan kepada pihak instansi pemberi beasiswa untuk diproses. 9. Pihak Instansi pemberi beasiswa menerbitkan SK penerima beasiswa dan melakukan transfer dana beasiswa. 10. Pembantu Ketua III dan Staf melaksanakan penyampaian dana beasiswa sesuai data yang ditetapkan oleh instansi pemberi beasiswa dan tanda terima beasiswa disampaikan kembali kepada pihak Instansi pemberi beasiswa sebagai laporan. 11. Berikut akan dijelaskan alur/flowchart Penerimaan Beasiswa STMIK ASIA Malang

3.2 Analisa Kebutuhan Sistem Sebelum melakukan perancangan sistem terlebih dahulu dilakukan analisa kebutuhan sistem yaitu : 1. Menganalisa semua kebutuhan sistem secara global terkait dengan fungsi dan aktivitas-aktivitas sistem yang akan dibangun. 2. Analisis kebutuhan Data, tahap ini dilakukan untuk memperoleh masukan berdasarkan temuan masalah yang telah diidentifikasi guna memperoleh data yang valid terkait dengan rencana pengembangan sistem informasi oleh manajemen. Cara yang umum dilakukan menganalisa semua data-data yang diperoleh dari tim perancang sistem pakar melalui wawancara, observasi, survey, referensi dan dokumentasi. 3. Analisis kebutuhan tools, melakukan analisa tehadap perangkat keras ataupun perangkat lunak yang akan digunakan oleh tim perancang sistem pakar.

26

4. Analisis kebutuhan Sistem Informasi yang dikembangkan meliputi analisis kebutuhan input, kebutuhan proses dan kebutuhan output dari Sistem Informasi yang diusulkan.

3.2.1 Analisa Kebutuhan Hardware Salah satu ciri sistem pakar yang baik adalah dapat digunakan dalam berbagai jenis komputer. Untuk itu aplikasi sistem pakar yang akan dibangun diharapkan dapat memenuhi ciri tersebut. Perancangan Sistem pakar penyeleksian beasiswa ini akan dibangun pada seperangkat komputer PC dengan

spesifikasi hardware sebagai berikut: a. Processor Intel Core2 Duo T6600 b. 1GB DDR2 c. 320GB HDD d. DVD RW e. 56K Modem f. VGA SIS Mirage3 256MB (shared) Dalam implementasinya, sistem pakar ini dirancang supaya dapat dijalankan pada seperangkat komputer dengan spesifikasi lebih rendah atau lebih tinggi dari spesifikasi komputer diatas.

3.2.2 Analisa Kebutuhan Software Dalam perancangan sistem pakar ini digunakan beberapa aplikasi yang dimanfaatkan untuk merancang alur proses sistem. Perancangan alur proses sistem digambarkan dalam bentuk diagram alir, diagram data serta diagram relasi antar data. Misalnya atau Visio.

27

Untuk implementasi dari rancangan sistem pakar ini digunakan aplikasi pemrograman Microsoft Visual Basic 6.0 dan database Microsoft Access.

3.2.3 Analisa Kebutuhan Proses Untuk merancang sebuah sistem, harus dilakukan analisa data terlebih dahulu. Baik itu data masukan yang dibutuhkan dalam sistem maupun data keluaran yang dihasilkan oleh sistem. Pada Perancangan Sistem Pakar Kelayakan Beasiswa ini, sistem membutuhkan data masukan yang akan digunakan dalam proses inferensi guna menghasilkan data keluaran sistem yaitu menentukan metode pengajaran yang cocok berdasarkan data masukan tersebut. Sebelum mengetahui data masukan yang dibutuhkan, harus ditentukan terlebih dahulu data keluaran yang diinginkan. Pada sistem pakar ini, kebutuhan data keluaran berupa metode penentuan yang cocok dan dapat diterapkan pada proses penyeleksian kelayakan beasiswa. Setelah mengetahui data keluaran yang diinginkan dari sistem selanjutnya adalah melakukan analisa data masukan yang dibutuhkan. Adapun data masukan yang dibutuhkan adalah sebagai berikut: 1. Data jumlah mahasiswa yang tersaring dalam penyeleksian

2. Data kriteria mahasiswa penerima beasiswa 3. Data prosedur penerimaan beasiswa Setelah melakukan analisa data masukan dan data keluaran sistem, selanjutnya dilakukan analisa proses data di dalam sistem. Proses di dalam sistem pakar akan melibatkan dua hal pokok, yaitu basis pengetahuan dan mesin inferensi. Basis pengetahuan dapat berupa gejala-gejala (data masukan) serta hubungannya dengan alternatif solusi (data

28

keluaran). Mesin inferensi berisi metode penalaran untuk menggunakan basis pengetahuan dalam menentukan objek yang sesuai dengan data masukan yang diinputkan ke dalam sistem.

3.3 Pemecahan Masalah Berdasarkan permasalahan yang telah dijelaskan sebelumnya, maka dibuatlah program sistem pakar untuk menganalisa perancangan sistem pakar kelayakan beasiswa guna membantu para Staf PK III dalam menentukan sistem yang tepat pada STMIK ASIA Malang. Untuk proses penalaran/inferensi, terlebih dahulu dilakukan penilaian terhadap kriteria kriteria penerima beasiswa. Berdasarkan penilaian tersebut akan dilakukan proses inferensi untuk menentukan siapa saja yang masuk dalam penyeleksian beasiswa. Masing-masing data masukan (input) dilakukan penilaian

(assessment) untuk merepresentasikan kondisi sebuah sistem terhadap permasalahan yang dihadapi. Tabel dibawah ini menunjukkan sistem penilaian (assessment) yang diterapkan pada data masukan.

3.4 Hasil dan pembahasan Seperti telah dijelaskan pada pendahuluan penilain dilakukan dengan melihat nilai-nilai terhadap indikator yaitu nilai IPK, penghasilan Orangtua, Absensi setiap semester, aktif organisasi. Selanjutnya masingmasing indikator tersebut dianggap sebagai kriteria yang akan dijadikan sebagai faktor untuk penerima beasiswa dan himpunan fuzzy nya adalah Rendah, Sedang, Tengah, Tinggi, Banyak. Himpunan ini kemudian diperlakukan sebagai input kedalam sistem FMADM (dalam hal ini Ci). 3.5 Analisis Kebutuhan Input Input untukmelakukan proses pengambilan keputusan dari

beberapa alternatif ini dilakukan dengan menggunakan kuesioner.

29

4. Variabel yang dibutuhkan adalah sebagai berikut : a. Nilai IPK b. Absensi setiap Semester c. Aktif Organisasi d. Sertifikat atau Piagam e. Surat Penghasilan Orangtua f. Kartu Keluarga

3.6 Analisis Kebutuhan Output Keluaran yang dihasilkan dari penelitian ini adalah sebuah alternatif yang memiliki nilai tertinggi dibandingkan dengan alternatif nilai yang lain. Pada penelitian ini hasil keluarannya diambil dari urutan alternatif tertinggi ke alternatif terendah. Hasil akhir yang dikeluarkan oleh program nanti berasal dari nilai setiap kriteria, karena dalam setiap kriteria memiliki nilai yang berbeda-beda. Urutan alternatif yang akan ditampilkan mulai dari alternatif tertinggi dari alternatif terendah. Alternatif yang dimaksud adalah mahasiswanya.

3.7 Kriteria Yang Dibutuhkan 3.7.1 Bobot Dalam metode penelitian ini ada bobot dan kriteria yang dibutuhkan untuk menentukan siapa yang akan terseleksi sebagai penerima beasiswa. Adapun kriterianya adalah: C1 = Nilai IPK C2 = Jumlah absensi setiap semester C3 = Jumlah Aktif Organisasi C4 = Jumlah Sertifikat dan Piagam C5 = Jumlah pengahasilan Orang tua C6 = Jumlah saudara kandung

30

Dari masing-masing bobot tersebut, maka dibuat suatu variabel-varibelnya. Dimana dari suatu variabel tersebut akan dirubah kedalam bilangan fuzzynya. Di Bawah ini adalah bilangan fuzzy dari bobot. 1. 2. 3. 4. 5. Sangat rendah (SR) = 0,2 Rendah (R) = 0.4 Cukup (C) = 0.6 Tinggi (T) = 0.8 Sangat tinggi (ST) = 1

3.7.2 Kriteria Nilai IPK Variabel Nilai IPK dikonversikan dengan bilangan fuzzy dibawah ini.

Tabel 1. Nilai IPK NIlai IPK IPK <= 3,00 3,00 - <= 3,25 3,25 - <= 3,50 IPK >= 3,50 Nilai 0 0.5 0.75 1

3.7.3 Kriteria Jumlah Absensi Per Semester Variabel Absensi dikonversika dengan bilangan fuzzy dibawah ini.

31

Tabel 2. Absensi Absensi <=65% 70% - <=75% 75% - <= 80% >= 80% Nilai 0 0.5 0.75 1

3.7.4 Kriteria Aktif Organisasi Variabel Aktif Organisasi dikonversikan dengan bilangan fuzzy dibawah ini.

Tabel 3. Jumlah Aktif Organisasi Jumlah Aktif Orgnisasi 1 Organisasi 2 Organisasi 3 Organisasi >= 4 Organisasi Niliai 0.25 0.5 0.75 1

3.7.5 Kriteria Jumlah Sertifikat dan Piagam Variabel jumlah sertifikat atau piagam dikonversikan dengan bilangan fuzzy dibawah ini.

Tabel 4. Jumlah Sertifikat dan Piagam Jumlah Sertifikat dan Piagam 1 2 3 4 >= 5 0 0.25 0.5 0.75 1 Nilai

32

3.7.6 Kriteria Pengahasilan Orang tua Variabel penghasilan orang tua di konversikan dengan bilangan fuzzy dibawah ini.

Tabel 5. Penghasilan Orang tua Penghasilan Orangtua (X) X <= Rp. 1.000.000 X = Rp. 1.000.000 - <= 5.000.000 X = Rp. 5.000.000 - <= 10.000.000 X >= Rp. 10.000.000 Nilai 0.25 0.5 0.75 1

3.7.7 Kriteria Jumlah Saudara Kandung Variabel jumlah saudara kandung di konversikan dengan bilangan fuzzy dibawah ini.

Tabel 6. Jumlah saudara Kandung Jumlah Saudara Kandung 1 saudara 2 saudara 3 saudara 4 saudara 5 saudara 0 0.25 0.5 0.75 1 Nilai

3.8 Masukan Data Nilai dari setiap attribute yang merupakan proses hasil penginputan data dari pemohon beasiswa yang sudah dikoversikan berdasarkan bobot kriteria yang sudah di tentukan melalui proses perhitungan.

33

Tabel 7. Nilai setiap alternative pada setiap atrribut setelah dikonversikan berdasarkan bobot kriteria.

Alternatife Mahasiswa 1 Mahasiswa 2 Mahasiswa 3 Mahasiswa 4 Mahasiswa 5 Mahasiswa 6 Mahasiswa 7 Mahasiswa 8 Mahasiswa 9 Mahasiswa 10

Atrribut ( Kriteria ) C1 0.75 0 1 0.5 0.5 0.75 1 0.5 1 0.75 C2 0.5 1 0.5 0.75 0.5 0 0.75 1 0.5 0.75 C3 0.25 0.5 0.25 0.25 0.5 1 0.25 0.25 0.5 0.25 C4 0.5 0.75 0 0.5 0.25 1 0.5 0.25 0.25 0.5 C5 0.75 0.5 0.25 1 0.5 0.5 0.25 0.5 0.75 0.25 C6 0 0.75 0.5 0 0.5 0 0.25 0.25 0.5 1

Berdasarkan pada gambar diatas, dapat dibentuk matriks keputusan X dengan mengambil 3 sampel data mahasiswa : 0.75 X= 0 1 0.5 1 0.5 0.25 0.5 0.25 0.5 0.75 0 0.75 0.5 0.25 0 0.75 0.5

Matriks ternormalisasi R 0.75 0 1 0.5 1 0.5 0.25 0.5 0.25 0.5 0.75 0 0.33 0.5 1 0 0.75 0.75

W=

0.8

0.4

0.6

0.8

0.4

34

Perkalian Matriks W * R sebagai berikut : 0.75 0 1 0.40 0.80 0.40 0.10 0.20 0.10 0.30 0.45 0 0.25 0.40 0.80 0 0.30 0.30

Langkah berikutnya adalah penjumlahan dari setiap alternative. Supaya lebih jelas dimisalkan untuk baris pertama dari matriks diatas adalah A1, baris ke 2 = A2 dan baris ke 3 = A3 dst. Setelah dilakukan proses pejumlahan didapatkan nilai A1 = 1.80, A2 = 2.15, A3 = 2.6. Langkah terakhir adalah proses perangkingan. Hasil perangkingan diperoleh : V1 = 1.80, V2 = 2.15, V3 = 2.6. Nilai terbesar ada pada V3 sehingga alternative A3 (Mahasiswa ke 3) adalah alternative yang terpilih sebbagai alternatif terbaik.

3.9 Perancangan Sistem 3.9.1. Alur Proses Sistem pakar kelayakan ketua beasiswa yang dibangun

Sistem

menggunakan jenis sistem pakar diagnosa karena berkaitan dengan data-data yang ada, dimana dalam program sistem Sistem pakar penetapan kelayakan ini, data-data yang dipakai berupa kesimpulan-kesimpulan terhadap masalah yang

mendasar, serta berdasarkan bukti-bukti yang bersifat umum yang terjadi pada kelas penelitian. Sistem pakar kelayakan beasiswa ini merupakan sistem pakar tipe program mandiri yaitu suatu sistem pakar yang berdiri sendiri yang memiliki basis pengetahuan (Knowlegde base), basis data (Data base), Inferensi (Inferensi Engine) dan antar muka pemakai (User Interface). Pemakaian sistem pakar yang bertipe program mandiri ini karena program yang akan dirancang tidak mengandung program lain, dengan kata lain program ini berdiri sendiri tanpa ada pemanggillan sub lainnya.

35

Berikut alur proses sistem pakar penetapan ketua jurusan yang telah dirancang:
Mulai A Menu Utama

Tidak Konsulta si? Ya Masukkan Data pemohon beasiswa nama, nim, ipk dll Tidak Admi nistr Ya Rekayasa Pengetahuan dan basis aturan Ya Testing Kemb ali? Tidak A Rekayasa Pengetahuan Login

Example training

Hasil

Berhenti

36

3.9.2. Context Diagam Context diagram adalah gambaran alur data informasi, dalam context diagram ini, terdapat beberapa alur data yang masuk dan yang keluar dari beberapa entity yang terkait dengan pemrograman sistem pakar. Dari context diagram dapat dilihat alur yang dilakukan admin, pakar dan user terhadap sistem.

3.9.3. Data Flow Diagram SP Kelaykan Beasiswa

37

Entry Maha

3.9.4. Perancangan Tabel

no 1 2 3 4 5 6 7

Field Nim Nama Ipk Absensi Sertifikat P_ortu saudara

Type char char integer char char char char

Lenght 8 25 3 2 2 20 2

38

3.10.

Perancangan Layout 3.10.1. Perancangan Menu Menu Data Mahasiswa Tampilan

3.10.2.

Perancangan Antar Muka

Layout Data Pemohon Beasiswa

Input Data Pemohon Beasiswa

Nim Nama IPK Jumlah Absensi Jumlah Sertifikat Jumlah Organisasi Jumlah Penghasila Ortu Jumlah saudara Kandung Back tambah next save edit delete view pencarian

39

Layout Tampilan

nim

nama

ipk

absensi sertifikat organisasi p_otru

saudara

40

BAB IV PENUTUP

4.1 Kesimpulan Dari hasil perancangan Sistem Pakar Kelayakan Beasiswa pada STMIK ASIA Malang dapat diambil kesimpulan sebagai berikut : 1. Perancangan Sistem Kelayakan Beasiswa merupakan

permasalahan yang termasuk dalam karakteristik permasalahan dalam Artificial Intelligent, sehingga dapat diimplementasikan dalam perancangan sistem pakar. 2. Perancangan Sistem Pakar Kelayakan Beasiswa dapat membantu para Staf PK III dan Staf Keuangan dalam menentukan metode untuk Penyeleksian Beasiswa yang sesuai pada STMIK ASIA Malang. 3. Data masukan ke dalam sistem sangat menentukan hasil yang di dapatkan, karena data masukan tersebut digunakan dalam proses inferensi (penalaran). 4. Metode penilaian (assement) yang digunakan dalam Sistem Pakar Kelayakan Beasiswa ini, terbukti dapat menilai kondisi Sistem yang dipakai di STMIK ASIA Malang untuk Penyeleksian Beasiswa para Mahasiswa.

41

4.2 Saran Adapun saran yang dapat diberikan penulis adalah : 1. Agar hasil konsultasi lebih valid, disarankan untuk menghimpun pengetahuan dari para pakar (ahli) yang sebenarnya, dalam hal ini seorang pakar Informatika. 2. Disarankan untuk mengembangkan Sistem Pakar Kelayakan Beasiswa ini menggunakan metode lain yang lebih baik agar solusi yang dihasilkan juga lebih baik. 3. Para Staf PK III dan Staf Keuangan STMIK ASIA Malang diharapkan untuk menggunakan aplikasi ini membantu dalam pengimputan dan pemrosesan data Penyeleksian Beasiswa. 4. Aplikasi sistem pakar ini dapat dikembangkan lagi menjadi aplikasi berbasis web, agar lebih praktis digunakan oleh user dimana saja dan kapan saja.

42

DAFTAR PUSTAKA

http://blog.re.or.id/antarmuka-pemakai-user-interface.htm http://sisi-lain-terbuka-ai.blogspot.com/2008/09/ai-vs-es-vs-dss.html http://id.wikipedia.org/wiki/Basis_pengetahuan http://blog.re.or.id/basis-pengetahuan-knowledge-base.htm

Andi. 2003. Pengembangan Sistem Pakar Menggunakan Visual Basic. Yogyakarta: Andi Offset Jogiyanto, HM. 2001. Analisis dan Desain Sistem Informasi. Yogyakarta: Andi Offset

Kusumadewi, Sri. 2003. SistemPakar. GrahaIlmu. Yogyakarta Kusrini. 2006. SistemPakar, Teori Dan Aplikasi.Yogyakarta: Andi Offset
Madya, Suwarsih. Penelitian Tindakan www.lpmpjogja.diknas.go.id/materi/fsp/2009-PAK/ Madya, Suwarsih. Penelitian Tindakan www.lpmpjogja.diknas.go.id/materi/fsp/2009-PAK/ Madya, Suwarsih. Penelitian Tindakan www.lpmpjogja.diknas.go.id/materi/fsp/2009-PAK/ KelasBagian 1.

KelasBagian

2.

KelasBagian

3.

ST, Hendra, 2003, Algoritma dan Pemrograman, Indoprog, Medan. Suparman. Mengenal Artificial Intellegence. Yogyakarta: Andi Offset Syarif, Iwan. 2004. Pengantar Algorithma & Pemrograman. Politeknik Elektronika Negeri Surabaya (ITS). http://ktsp-rpp-silabus.blogspot.com/2009/07/silabus-rpp-matematika-smpsma.html, diakses tanggal 9 Juni 2010.

http://syarifahmads.files.wordpress.com/2010/01/silabussma-x-smt-1.pdf, diakses tanggal 9 Juni 2010.

http://24.19.55.56:8080/temp/. Holzner, Steven, 2008, Visual Basic 6.0 Black Book, The Coriolis Group.

http://www.abdrohim.com. Rohim, U. A. MT, Pemrogram

43