Anda di halaman 1dari 5

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA DI SMA NEGERI 6 PANDEGLANG SMA Negeri 6 Pandeglang adalah merupakan

salah satu SMA Negeri yang berada dibawah Dinas Pendidikan Kabupaten Pandeglang. Banyaknya siswa yang kurang mampu dan beprestasi, maka Dinas Pendidikan akan memberikan dana beasiswa yang akan membantu para siswa selama menempuh studinya. Untuk menyeleksi siswa yang berhak menerima beasiswa, SMA Negeri 6 Pandeglang membutuhkan sistem pendukung keputusan agar proses penyelesian berjalan dengan cepat dan mengurangi terjadinya kesalahan. Kriteria yang banyak dalam menentukan penerima beasiswa, maka sistem pendukung keputusan ini menggunakan metode Fuzzy Multiple Attribute Decission Making (FMADM) dengan metode Simple Additive Weighting (SAW). Fuzzy Multiple Attribute Decission Making (FMADM) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari metode FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perangkingan untuk menyeleksi alternatif yang sudah diberikan. Terdapat 3 pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif, dan pendekatan intregrasi antara pendekatan subyektif dan obyektif. Dalam jurnal ini menggunakan pendekata subyektif yaitu pendekatan yang nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan sehingga beberapa faktor dalam proses perangkingan alternatif bisa ditentukan secara bebas. Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah FMADM, antara lain : 1. Simple Additive Weighting Method (SAW) 2. Weighted Product (WP) 3. Electre 4. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) 5. Analytic Hierarchy Process (AHP) Untuk menyelesaikan masalah FMADM dalam jurnal ini menggunakan metode Simple Additive Weighting Method (SAW). Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari ranting kinerja pada setiap atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternative yang ada.

Keterangan : rij = Nilai ranting kinerja ternomalisasi xij = Nilai atribut yang dimiliki dari setiap kriteria Max xij = Nilai terbesar dari setiap kriteria
i

Min xij = Nilai terkecil dari setiap kriteria


i

benefit = Jika nilai terbesar adalah terbaik cost = Jika nilai terkecil adalah terbaik Dimana rij adalah rating kinerja ternomalisasi dari alternatif Ai pada atribut Cj ; i = 1,2,..,m dan j = 1,2,.,n. Nilai preferensi untuk setiap alternative (Vi) diberikan sebagai berikut :

Keterangan : Vi = Rangking untuk setiap alternative wj = Nilai bobot dari setiap kinerja rij = Nilai rating kinerja ternomalisasi Nilai Vi ynag lebih besar maka alternative Ai yang lebih terpilih. Untuk menentukan siswa yang terseleksi sebagai penerima beasiswa terdapat 5 kriteri yaitu sebagai berikut : Kriteria Keterangan C1 Usia C2 Jumlah Penghasilan Orang Tua (Ortu) C3 Jumlah Tanggungan Ortu C4 Jumlah Saudara Kandung C5 Nilai Rata-rata Raport Dari masing-masing kriteria tersebut akan ditentukan bobot-bobotnya dimana bobot tersebut terdiri dari enam bilangan Fuzzy, yaitu : sangat rendah (SR), rendah (R), sedang (S), tengah (T1), tinggi (T2), dan sangat tinggi (ST) seperti pada gambar di bawah :

Dari gambar tersebut dapat dikonversikan ke bilangan crisp sebagai berikut : Bilangan Fuzzy Nilai Sangat Rendah (SR) 0 Rendah (R) 0.2 Sedang (S) 0.4 Tengah (T1) 0.6 Tinggi (T2) 0.8 Sangat Tinggi (ST) 1 Terdapat 3 pemohon beasiswa untuk dijadikan studi kasus dalam sistem. No Nama C1 C2 C3 C4 C 5 1 Siswa 1 15 450.000 2 2 73 2 Siswa 2 17 1.000.000 5 5 85 3 Siswa 3 18 400.000 3 3 68 Dari 4 langkah penyelesaian, yaitu : Langkah 1 : Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Ci) yang sudah ditentukan. a. Usia (C1) C1 Bilangan fuzzy Nilai C1 <= 15 tahun Sangat Muda (SM) 0.25 C1 = 16 tahun Muda (M) 0.5 C1 = 17 tahun Sedang (S) 0.75 C1 >= 18 tahun Tua (T) 1 b. Jumlah Penghasilan Ortu (C2) C2 C2 <= Rp 500.000,00 C2 > Rp 500.000,00 Rp 1.000.000,00 C2 > Rp 1.500.000,00 Rp 3.000.000,00 C2 > Rp 3.000.000,00

Bilangan fuzzy Rendah (R) Cukup (C) Tinggi (T) Sangat Tinggi (ST)

Nilai 0.25 0.5 0.75 1

c. Jumlah Tanggungan Ortu (C3) C3 Bilangan fuzzy C3 = 1 anak Sangat Sedikit (SS) C3 = 2 anak Sedikit (S) C3 = 3 anak Sedang (SD) C3 = 4 anak Banyak (B) C3 = 5 anak Sangat Banyak (SB)

Nilai 0 0.25 0.5 0.75 1

d. Jumlah Saudara Kandung (C4) C4 Bilangan fuzzy C4 = 1 anak Sangat Sedikit (SS) C4 = 2 anak Sedikit (S) C4 = 3 anak Sedang (SD) C4 = 4 anak Banyak (B) C4 = 5 anak Sangat Banyak (SB) e. Nilai Rata-rata Raport (C5) C5 Bilangan fuzzy C5 <= 60 Sangat Rendah (SR) C5 = 61 70 Rendah (R) C5 = 71 80 Cukup (C) C5 = 81 90 Tinggi (T) C5 >= 91 Sangat Tinggi (ST)

Nilai 0 0.25 0.5 0.75 1

Nilai 0 0.25 0.5 0.75 1

Dari studi kasus yang ada tersebut di ubah dalam bentuk matriks keputusan X sesuai dengan nilai setiap alternatif (Ai) pada setiap kriteria (Ci). [ ]

Langkah 2 : Memberikan nilai bobot (W) yang didasarkan pada nilai crips. [ ] Langkah 3 : Menormalisasi matriks X menjadi matriks R berdasarkan persamaan (1). [ ]

Langkah 4 : Melakukan proses perangkingan dengan menggunakan persamaan (2). ( )( ) ( )( ) ( )( ) ( )( ) ( )( )

)(

( )(

)( )

)( )

)(

)(

( )( )

)(

)(

)(

Berdasarkan perhitungan Vi, maka nilai terbesar ada pada V2 sehingga terpilih alternatif A2 (siswa ke 2) sebagai alternative terbaik untuk menerima beasiswa.