Anda di halaman 1dari 7

JURNAL LOGIC. VOL. 12. NO. 2.

JULI 2012

87

SISTEM PENDUKUNG KEPUTUSAN CERDAS


DALAM PENENTUAN PENERIMA BEASISWA
Putri Alit Widyastuti Santiary
JurusanTeknikElektro, PoliteknikNegeri Bali
Bukit Jimbaran, P.O. Box 1064 TubanBadung-Bali
Email: putrialit@gmail.com

Abstrak: Dalam menentukan penerima beasiswa secara manual menyebabkan pengelolaan data beasiswa
yang
tidak efisien terutama dari segi waktu dan banyaknya perulangan proses yang sebenarnya dapat
diefisienkan.
Pengelolaan data beasiswa yang belum terakumulasi menggunakan database secara optimal juga
menyebabkan
kesulitan dalam pemrosesan data. Sehingga menyebabkan lamanya proses penentuan penerima beasiswa.
Oleh
karena itu, perlu adanya suatu sistem yang mendukung proses penentuan penerima beasiswa, sehingga
dapat
mempersingkat waktu penyeleksian dan dapat meningkatkan kualitas keputusan dalam menentukan
penerima
beasiswa tersebut.
Sistem pendukung keputusan cerdas dengan menggunakan Fuzzy Multiple Attribute Decision Making
(FMADM) dengan metode Simple Additive Weighting (SAW) digunakan untuk menentukan siapa yang akan
menerima beasiswa berdasarkan kriteria-kriteria serta bobot yang sudah ditentukan. Metode ini dipilih
karena
Kata Kunci: beasiswa, sistem pendukung keputusan cerdas, FMADM, SAW, alternatif
mampu
terbaik menyeleksi alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksudkan
yaitu
mahasiswa yang
berhak menerima
beasiswa berdasarkan
kriteria-kriteria
INTELLIGENT
DECISION
SUPPORT
SYSTEM yang ditentukan. Penelitian
dilakukan
FOR THE SCHOLARSHIP RECIPIENT DETERMINATION
dengan mencari nilai bobot untuk setiap atribut, kemudian dilakukan proses perangkingan yang akan
menentukan alternatif terbaik, yaitu mahasiswa yang berhak menerima beasiswa.
Abstract:Manual scholarship grantee determination result in inefficient scholarship data management in
term of
time spent and number of process repeated. Management of student data which is not accumulated using
database optimally also result in difficulty in data processing. The case leads in a long process of
scholarship
grantee determination. Therefore, there should be a system supporting the process that enables us to
minimize
the selecting time which results in improvement of decision quality in determining the scholarship grantee.
Intelligent decision support system using Fuzzy Multiple Attribute Decision Making (FMADM) and Simple
Additive Weighting (SAW) are used to determined the student who will be granted scholarship based on the
determined criteria and weight. The method was chosen as it is effective to select the best alternative, i.e.
the
student
whoscholarship,
reserve theintelligent
right to receive
scholarship
based onFMADM,
criteria.SAW,
The study
was undertaken by weight
Key
Words:
decision
support systems,
the best
value
alternative
determining for each attribute. The ranking process terakumulasi
was then performed
which determines
the best
menggunakan
database secara
optimal
alternative.
juga
menyebabkan
kesulitan
dalam
pemrosesan
data.
I. PENDAHULUAN
Sehingga menyebabkan lamanya proses penentuan
Beasiswa merupakan penghasilan bagi yang
menerima.Tujuan beasiswa adalah untuk membantupenerima beasiswa. Oleh karena itu, perlu adanya
meringankan beban biaya pendidikan siswa atau suatu sistem yang mendukung proses penentuan
mahasiswa yang mendapatkan. Pemberian beasiswapenerima beasiswa, sehingga dapat mempersingkat
dilakukan oleh beberapa lembaga untuk membantuwaktu penyeleksian dan dapat meningkatkan kualitas
keputusan dalam menentukan penerima beasiswa
mahasiswa yang kurang mampu ataupun mahasiswa
tersebut.
yang berprestasi selama menempuh studinya.
Dari uraian di atas maka diangkat masalah
Dalam menentukan penerima beasiswa secara
manual menyebabkan pengelolaan data beasiswa tersebut dengan judul Sistem Pendukung Keputusan
Cerdas dalam Penentuan Penerima Beasiswa
yang tidak efisien terutama dari segi waktu dan
menggunakanmetodepenyelesaianmasalah
banyaknya perulangan proses yang sebenarnya dapat
diefisienkan. Pengelolaan data beasiswa yang belummengunakan Fuzzy Multiple Attribute Decision

JURNAL LOGIC. VOL. 12. NO. 2. JULI 2012

88

Making (FMADM) dengan metode Simple Additive pendukung keputusan cerdas atau Intelligent Decision
Weighting (SAW). Konsep dasar SAW adalah mencariSupport Systems (IDSS). IDSS meningkatkan
penjumlahan terbobot dari rating kinerja pada setiap
kemampuanpendukungkeputusandengan
alternatif pada semua atribut, dalam hal ini yang menyediakan piranti yang langsung mendukung
berhak menerima beasiswa berdasarkan kriteria
keputusan dan meningkatkan berbagai sistem
penerima beasiswa. Dengan metode ini penilaian pendukung keputusan yang terkomputerisasi. Pondasi
akan lebih tepat karena didasarkan pada nilai kriteria
untuk membangun sistem tersebut terdiri dari teknik
dan bobot yang sudah ditentukan sehingga akan dan piranti yang telah dikembangkan dalam area
mendapatkan hasil yang lebih akurat terhadap siapakecerdasan tiruan.
yang akan menerima beasiswa tersebut.
MenurutRichdanKnight(1991)
Kecerdasan tiruan adalah studi tentang bagaimana
membuat komputer melakukan hal yang pada saat itu
lebih baik dilakukan oleh manusia. Fuzzy logic
II. TINJAUAN PUSTAKA
merupakan salah satu bidang dari kecerdasan tiruan.
2.1 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan atau Decision
Suport System (DSS) merupakan sebuah sistem untuk
mendukung para pengambil keputusan manajerial 2.3 FMADM
dalam situasi keputusan semi terstruktur. DSS
Dalam kasus Multi Attribute Decision Making
dimaksudkan untuk menjadi alat bantu bagi para (MADM), sebuah keputusan diambil dengan cara
pengambil keputusan untuk memperluas kapabilitasmenyeleksi alternatif terbaik dari beberapa alternatif
mereka, namun tidak untuk menggantikan penilaianyang ada. Namun, karena data yang digunakan tidak
mereka.
bisa secara tepat dinyatakan dalam nilai crisp, maka
Little (1970) mendefinisikan DSS sebagai
metode yang digunakan merupakan pengembangan
sekumpulan prosedur berbasis model untuk
tingkat lanjut dari metode MADM. Metode
pemrosesan data dan penilaian guna membantu para
pengembangan ini dinamakan dengan Fuzzy Multi
manajer mengambil keputusan. DSS sebagai sebuah
Attribute Decision Making (FMADM), dalam metode
sistem yang memberikan dukungan kepada seorangini aplikasi logika fuzzy diterapkan. Logika fuzzy
manajer, atau kepada sekelompok manajer yang relatif
meniru cara berpikir manusia dengan menggunakan
kecil yang bekerja sebagai tim pemecah masalah, konsep sifat kesamaran suatu nilai. Dengan teori
dalam memecahkan masalah semi terstruktur dengan
himpunan fuzzy, suatu objek dapat menjadi anggota
memberikan informasi atau saran mengenai keputusan
dari banyak himpunan dengan derajat keanggotaan
tertentu. Informasi tersebut diberikan oleh laporan yang berbeda dalam masing-masing himpunan.
berkala, laporan khusus, maupun output dari model
FMADM (Fuzzy Multiple Attribute Decision
matematis. Model tersebut juga mempunyai
Making) adalah metode yang digunakan untuk
kemampuan untuk memberikan saran dalam tingkatmencari alternatif terbaik dari sejumlah alternatif
yang bervariasi.
dengan kriteria tertentu. Alternatif terbaik yang
Dalam DDS terdapat tiga tujuan yang harus dimaksud adalah yang berhak menerima beasiswa
dicapai yaitu :
berdasarkan kriteria yang telah ditentukan.
1. Membantu manajer dalam pembuatan
Menentukan nilai bobot untuk setiap atribut.
keputusan untuk memecahkan masalah
Perangkingan yang akan menyeleksi alternatif yang
semiterstruktur
sudah diberikan.
2. Mendukung keputusan manajer,dan
Pendekatan untuk mencari nilai bobot atribut:
bukannya mengubah atau mengganti
1. Pendekatan subyektif
keputusan tersebut
nilai bobot ditentukan berdasarkan subyektifitas
3. Meningkatkan efektivitas manajer dalam
dari para pengambil keputusan, sehingga beberapa
pembuatan keputusan, dan bukannya
faktor dalam proses perangkingan alternatif bisa
peningkatan efisiensi.
ditentukan secara bebas.
Tujuan ini berkaitan dengan tiga prinsip dasar dari 2. Pendekatan obyektif
konsep DSS, yaitu masalah struktur,dukungan
nilai bobot dihitung secara matematis sehingga
keputusan, dan efektivitas keputusan.
mengabaikan subyektifitas dari pengambil
keputusan
3. Pendekatan integrasi antara subyektif & obyektif

2.2 Sistem Pendukung Keputusan Cerdas


Beberapa keputusan manajerial secara
alamiah merupakan keputusan kualitatif dan
Berikut ini adalah algoritma yang dipakai dalam
memerlukan pengetahuan untuk melakukan penilaian
menyelesaikan permasalahan FMADM:
yang dimiliki pakar manusia. Jadi, perlu untuk
1. Memberikan nilai setiap alternatif (Ai ) pada setiap
menggabungkan pengetahuan ini dalam
kriteria (Cj) yang sudah ditentukan, dimana nilai
mengembangkan sistem pendukung keputusan.
tersebut di peroleh berdasarkan nilai crisp
Sistem yang mengintegrasikan pengetahuan
i=1,2,m dan j=1,2,n.
dari pakar disebut sistem pendukung keputusan
2. Memberikan nilai bobot (W) yang juga didapatkan
berbasis pengetahuan (KBDSS) atau sistem
berdasarkan nilai crisp.

JURNAL LOGIC. VOL. 12. NO. 2. JULI 2012

89

3. Melakukan normalisasi matriks dengan cara


dalam proses pengumpulan data dilakukan sebagai
menghitung nilai rating kinerja ternormalisasi (rij) berikut:
dari alternatif Ai pada atribut Cj berdasarkan
1. Studi Pustaka
persamaan yang disesuaikan dengan jenis atribut. Untuk menambah pengetahuan melalui buku-buku,
Atribut keuntungan/benefit = MAKSIMUM atau
artikel dan sumber-sumber lain yang erat kaitannya
atribut biaya/cost = MINIMUM. Apabila berupa
dengan objek permasalahan.
artibut keuntungan maka nilai crisp (Xij) dari setiap
2. Metode Observasi
kolom atribut dibagi dengan nilai crisp MAX
Melihat serta mempelajari permasalahan yang ada
(MAX Xij) dari tiap kolom, sedangkan untuk
di lapangan yang erat kaitannya dengan objek yang
atribut biaya, nilai crisp MIN (MIN Xij) dari tiap
diteliti yaitu informasi mengenai sistem penentuan
kolom atribut dibagi dengan nilai crisp (Xij) setiap beasiswa.
kolom.
3. Analisis Data
4. Melakukan proses perangkingan dengan cara
Sistem pendukung keputusan yang akan dibuat
mengalikan matriks ternormalisasi (R) dengan nilai
menggunakan FMADM (Fuzzy Multiple Attribute
bobot (W).
Decision Making) dengan metode Simple Additive
5. Menentukan nilai preferensi untuk setiap alternatif
Weighting (SAW) untuk menentukan siapa yang akan
(Vi ) dengan cara menjumlahkan hasil kali antara menerima beasiswa berdasarkan bobot penilaian dan
matriks ternormalisasi (R) dengan nilai bobot (W).kriteria yang sudah ditentukan.
Nilai Vi yang lebih besar mengindikasikan bahwa
alternatif Ai

2.4 Metode SAW(Simple Additive Weighting)


1. Metode penjumlahan terbobot.
2. Mencari penjumlahan terbobot dari rating
kinerja pada setiap alternatif pada semua
atribut.
3. Membutuhkan proses normalisasi matrik
keputusan (X) ke suatu skala yang dapat
diperbandingkan dengan semua rating
alternatif yang ada.

IV. HASIL DAN PEMBAHASAN


4.1 Analisis Kebutuhan Input
Variabel input yang digunakan adalah
1. Nilai Indeks Prestasi Komulatif
2. Semester
3. Penghasilan orang tua
4. Jumlah tanggungan orang tua

4.2 Analisis Kebutuhan Output


Output yang dihasilkan dari sistem ini adalah
urutan alternatif tertinggi sampai terendah. Alternatif
yang terbaik yang akan terpilih untuk menerima
Untuk menghitung rating kinerja ternormalisasi daribeasiswa. Yang dimaksudkan alternatif di sini adalah
mahasiswa pemohon beasiswa.
alternatif Ai pada atribut Cj menggunakan persamaan
(2.1).
4.3 Kriteria
Kriteria yang digunakan dalam menyeleksi pemohon
adalah sebagai berikut:
1. Nilai IPK (C1)
dimana:
2. Penghasilan orang tua (C2)
rij = rating kinerja ternormalisasi dari
3. Semester (C3)
alternatif Ai pada atribut Cj
4. Jumlah tanggungan orang tua (C4)
I =1,2,,m
Semua kriteria tersebut akan diberikan bobot oleh
J =1,2,,n
pengambil keputusan. Kriteria dengan nilai bobotnya
adalah sebagai berikut:
1. Sangat Rendah (SR) = 0
Nilai preferensi untuk setiap alternatif ( Vi ) dapat
2. Rendah (R) = 2,5
dihitung menggunakan persamaan (2.2).
3. Cukup (C) = 5
4. Tinggi (T) = 7,5
..................................................(2) 5. Sangat Tinggi (ST) = 10
Gambar 1 adalah menunjukkan grafik bobot
dimana:
Vi = prefensi setiap alternatif
W = vektor bobot
r = rating kinerja ternormalisasi

.........(1)

Nilai Vi yang lebih besar mengindikasikan bahwa


alternatif Ai lebih terpilih.
III. METODE PENELITIAN
Dalam melakukan penelitian untuk mendapatkan
data dan informasi, maka metode yang digunakan

Gambar 1 Grafik Bobot

JURNAL LOGIC. VOL. 12. NO. 2. JULI 2012

90

Tabel 6 Rating Kecocokan Setiap alternatif pada


setiap kriteria
Tabel-tabel dari kriteria dengan nilai bobotnya
masing-masing dapat dilihat pada tabel di bawah ini. Alternatif
Kriteria
Tabel 1 Nilai IPK
Nilai IPK
IPK < = 2,75
2,75 < IPK <= 3,00
3,00< IPK<= 3,50
IPK > 3,50

Nilai
2,5
5
7,5
10

Tabel 2 Penghasilan Orang Tua


Penghasilan orang tua (X)
X <= 1.000.000
1.000.000 < X<= 3.000.000
3.000.000 < X< 5.000.000
X >= 5.000.000

Nilai
10
7,5
5
2,5

A1

C1
7,5

A2
A3

Mahasiswa A2

4.4 Hasil Seleksi


Tabel 5 Data Pemohon
Nama
Pemohon

Kriteria
IPK

Penghasilan
ortu

Semester

Mhs-1

3,50

1.000.000

Mhs-2

2,75

3.200.000

Mhs-3

3,75

5.000.000

C4
5

2,5

2,5

10

2,5

10

3. Normalisasi matriks X menggunakan persamaan


(1)
Mahasiswa A1

Nilai
2
4
6
8
10

Tabel 4 Jumlah Tangungan Orang Tua


Jumlah tanggungan orang tuaNilai
1 anak0
2 anak2,5
3 anak5
4 anak7,5
5 anak10

C3
10

Langkah-Langkah Penyelesaian
1. Vektor bobot : W = [10, 7.5, 5, 2.5]
2. Matrik Keputusan X berdasarkan kriteria bobot

Tabel 3 Semester
Semester (S)
S=2
S=3
S=4
S=5
S=6

C2
10

Jml
tanggungan
ortu
3

Mahasiswa A3

Dari tabel pemohon, maka dapat dibuat tabel rating


kecocokan setiap alternatif pada setiap kriteria.

JURNAL LOGIC. VOL. 12. NO. 2. JULI 2012

91

DAFTAR PUSTAKA
[1] Kusumadewi, Sri, Hari Purnomo,2010,
Dari hasil perhitungan di atas maka didapat matriks Aplikasi Logika Fuzzy untuk Pendukung
Keputusan, Edisi 2, Yogyakarta: Graha Ilmu.
ternomalisasi R sebagai berikut:
[2] Kusumadewi, Sri, 2006, Fuzzy Multi-Attribute
Decision Making (Fuzzy MADM), Yogyakarta:
Graha Ilmu.
[3] Turban, Efraim, Jay E. Aronson, Ting-Peng
Liang, 2005, Decision Support Systems and
Intelligent Systems, Jilid 1,Edisi 7, Yogyakarta:
Andi.
4. Mencarialternatif
terbaik menggunakan
[4] Turban, Efraim, Jay E. Aronson, Ting-Peng
persamaan (2)
Liang, 2005, Decision Support Systems and
Intelligent Systems, Jilid 2, Edisi 7, Yogyakarta:
Vektor bobot : W = [ 10, 7.5, 5, 2.5 ]
Andi.

Hasil perangkingan diperoleh : V1 = 16,875, V2 =


11,75 dan V3 = 19,125. Nilai terbesar ada pada V3,
dengan demikian alternatif A3 (Mahasiswa 3) adalah
alternatif yang terpilih sebagai alternatif terbaik.
V. SIMPULAN DAN SARAN
5.1 Simpulan
1. Sistempendukungkeputusanuntuk
membantu menentukan penerima beasiswa
dengan menggunakan logika fuzzy FMADM
dengan menggunakan metode SAW yang
dapat mempercepat proses penentuan
penerima beasiswa dengan perhitungan yang
akurat dalam memberikan rekomendasi
penerima beasiswa.
2. Pemberian skala konversi dan bobot
preferensi dari setiap bobot kriteria
mempengaruhipenilaiandanhasil
perhitungan SAW.

5.2 Saran
Sistem Pendukung Keputusan Cerdas dalam
Penentuan Penerima Beasiswa menggunakan Fuzzy
Multiple Attribute Decision Making (FMADM)
dengan metode Simple Additive Weighting (SAW)
dalam penelitian ini diharapkan dapat dikembangkan
ke dalam bentuk rancangan antarmuka input,
antarmuka output, dan basis data menggunakan
perangkat lunak sehingga dapat diimplementasikan.