MAKALAH

OPERATIONAL RESEARCH II
Sistem Pendukung Keputusan Penerimaan Bidikmisi pada Jurusan Teknik
Industri Universitas Singaperbangsa Karawang
Disusun untuk memenuhi salah satu tugas mata kuliah Penelitian Operasional II
Dosen Pengampu: Rianita Puspasari, ST., MT.

Disusun oleh :

Kelompok 7
Fachry Dwi Agung 1510631140048
Hengky 1510631140067
Iqbal Syamsul Hadi 1510631140073
Jeremy Hendrik 1510631140076

TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS SINGAPERBANGSA KARAWANG
2017
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT.atas berkat rahmat dan ridho-Nya penulis
dapat menyelesaikan Makalah yang berjudul Sistem Pendukung Keputusan
Penerimaan Bidikmisi pada Jurusan Teknik Industri Universitas Singaperbangsa
Karawang. Makalah ini disusun untuk memenuhi tugas mata kuliah Penelitan
Operasional II.
Pada kesempatan yang baik ini penulis menyampaikan ucapan terima
kasih kepada semua pihak yang telah membantu dalam menyelesaikan makalah
ini, terutama kepada yang terhormat :

1. Rianita Puspasari, ST., MT selaku dosen Penelitan Operasional II

2. Okky Jayadi, ST selaku asisten dosen Penelitian Operasional II
3. Rekan rekan kelompok yang tidak bisa disebutkan satu persatu
yang telah memberikan bantuan moral dan materil dalam proses
penyelesaian makalah ini.

Makalah ini telah kami susun semaksimal mungkin dan mendapat bantuan
dari berbagai pihak sehingga dapat memperlancar dalam penyusunan makalah ini.
Maka dari itu kami mengucapkan banyak terima kasih kepada semua pihak yang
telah berkontribusi dalam penyusunan makalah ini.
Semoga Allah SWT. memberikan imbalan yang setimpal atas segala
bantuan yang telah diberikan. Serta penulis berharap semoga Makalah ini dapat
bermanfaat bagi semua pihak.

Karawang, 24 November 2017

Penyusun

Kelompok 7

2
 DAFTAR ISI

KATA PENGANTAR.............................................................................................ii
DAFTAR ISI...........................................................................................................ii
DAFTAR TABEL...................................................................................................v
DAFTAR GAMBAR.............................................................................................vi
BAB I PENDAHULUAN.......................................................................................1
1.1 Latar Belakang........................................................................................1
1.2 Rumusan Masalah...................................................................................2
1.3 Batasan Masalah......................................................................................3
1.4 Tujuan Penelitian.....................................................................................3
BAB II KAJIAN PUSTAKA.................................................................................4
2.1 Teori Decision Support System..............................................................4
2.2 Karakteristik Decision Support System................................................6
2.3 Konfigurasi Sistem Pendukung Keputusan (Decision Support
System).................................................................................................................7
2.4 Tahap dan Sistem pendukung Pengambil Keputusan.........................8
2.4.1 Fase Inteligensi..................................................................................8
2.4.2 Fase Desain........................................................................................8
2.4.3 Fase Pilihan........................................................................................8
2.4.4 Fase Implementasi..............................................................................9
2.5 Metode Decision Support System..........................................................9
2.5.1 Simple Additive Weighting Method (SAW)......................................9
2.5.2 Weighted Product (WP).....................................................................9
2.5.3 Elimination and Choice Translation Reality (ELECTRE)...............10
2.5.4 Technique for Order Preference by Similarity to Ideal Solution
(TOPSIS)........................................................................................................10
2.5.5 Analytic Hierarchy Process (AHP)..................................................11
BAB III APLIKASI PERMASALAHAN..............................................................12
3.1 Tempat dan Waktu permasalahan.......................................................12
3.1.1 Tempat Pengambilan Data...............................................................12
3.1.2 Waktu Pengambilan Data.................................................................12
3.2 Metode Pengumpulan Data..................................................................12

3
 3.3 Alasan Penggunaan Decision Support System...................................12
3.4 Data Hasil Responden...........................................................................12
BAB IV HASIL DAN PEMBAHASAN..............................................................14
4.1 Perancangan Sistem FMADM.............................................................14
4.2 Analisis Kebutuhan Input....................................................................14
4.3 Analisis Kebutuhan Output..................................................................15
4.4 Kriteria yang Dibutuhkan....................................................................15
4.4.1 Bobot................................................................................................15
4.4.2 Kriteria Penghasilan Orang Tua.......................................................16
4.4.3 Kriteria Usia.....................................................................................16
4.4.4 Kriteria Semeater.............................................................................16
4.4.5 Kriteria Jumlah Tanggungan Orang Tua.........................................17
4.4.6 Kriteria Jumlah Saudara Kandung...................................................17
4.4.7 Kriteria Nilai IPK.............................................................................17
4.4.8 Data hasil responden........................................................................18
4.4.9 Pembobotan Kritea...........................................................................18
4.4.10 Proses Normalisasi...........................................................................19
BAB V PENUTUP................................................................................................23
5.1 Kesimpulan..............................................................................................23
5.2 Saran........................................................................................................23
DAFTAR PUSTAKA.........................................................................................viiii

4
 DAFTAR TABEL

Tabel 3.4 Data Hasil responen .............................................................................13

Tabel 4.4.2 Penghasilan orang tua........................................................................16
Tabel 4.4.3 Kriteria Usia.......................................................................................16
Tabel 4.4.4 Kroiteria Semester.......................................................................... ..17
Tabel 4.4.5 Jumlah tanggungan orang tua...................................................17
Tabel 4.4.6 Jumlah saudara kandung...........................................................17
Tabel 4.4.7 Tabel Nilai IPK...........................................................................18
Tabel 4.4.8 Data Hasil Responden................................................................18
Tabel 4.4.9 Pembobotan Kriteria..................................................................19

5
DAFTAR GAMBAR

Gambar 2.1. Komponen-komponen SPK................................................................6

Gambar 4.4.1. Grafik Bobot.................................................................................16

6
7
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Setiap warga negara berhak mendapatkan pendidikan, hak setiap warga
negara tersebut telah dicantumkan dalam Pasal 31 ayat (1) Undang-Undang
Dasar 1945. Berdasarkan pasal tersebut, maka pemerintah dan pemerintah
daerah wajib memberikan layanan dan kemudahan, serta menjamin
terselenggaranya pendidikan yang bermutu bagi setiap warga negara tanpa
diskriminasi, dan masyarakat berkewajiban memberikan dukungan sumber
daya dalam penyelenggaraan pendidikan. Untuk menyelenggarakan
pendidikan yang bermutu diperlukan biaya yang cukup besar. Oleh karena itu,
setiap peserta didik pada satuan pendidikan berhak mendapatkan bantuan
biaya pendidikan bagi mereka yang memiliki potensi akademik baik dan tidak
mampu secara ekonomi.
Pemerintah melalui Direktorat Jenderal Pendidikan Tinggi (Ditjen Dikti)
Kementerian Pendidikan Nasional (Kemdiknas) pada tahun 2010 meluncurkan
program bantuan biaya pendidikan Bidikmisi kepada 20.000 lulusan SMA
sederajat yang memiliki potensi akademik baik dan tidak mampu secara
ekonomi untuk melanjutkan pendidikan tinggi di 104 Perguruan Tinggi Negeri
(PTN) di lingkungan Kemdiknas dan Kementerian Agama (Kemenag).
Program ini merupakan salah satu program 100 Hari Kerja Menteri
Pendidikan Nasional pada tahun 2009.
Proses pendaftaran peserta calon penerima bidikmisi sepenuhnya
dilakukan oleh Dikti melalui laman bidikmisi.dikti.go.id, akan tetapi pada
pelaksanaan seleksi dilakukan oleh perguruan tinggi penyelengara. Proses
seleksi menyangkut dari penilian akademik dan berkas administrasi atau
disesuaikan dengan pihak penyelenggara.
Untuk menunjang proses tersebut maka diperlukan suatu Sistem
Pendukung Keputusan (SPK) yang dapat memperhitungkan segala kriteria
yang mendukung keputusan guna membantu, mempercepat, dan

1
 2

mempermudah proses pengambilan keputusan. (Suryadi, Kadarsah. dkk,

1998).
SPK ini akan diimplementasi pada salah satu perguruan tinggi negeri yaitu
Universitas Singaperbangsa Karawang (UNSIKA). Model yang digunakan
dalam sistem pendukung keputusan ini adalah Fuzzy Multiple Attribute
Decision Making (FMADM). Metode SAW ini dipilih karena metode ini
menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan
proses perankingan yang akan menyeleksi alternatif terbaik dari sejumlah
alternatif, dalam hal ini alternatif yang dimaksud adalah yang berhak
menerima bidikmisi berdasarkan kriteria-kriteria yang ditentukan.
Dengan metode perangkingan tersebut, diharapkan penilaian akan lebih
tepat karena didasarkan pada nilai kriteria dan bobot yang sudah ditentukan
sehingga akan mendapatkan hasil yang lebih akurat terhadap siapa yang akan
menerima bidikmisi tersebut.

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas dapat dirumuskan permasalahan yang
akan diselesaikan sebagai berikut :
1. Bagaimana merancang dan membangun suatu Sistem Pendukung
Keputusan dalam penyeleksian penerima beasiswa bidikmisi di
Unsika?
2. Bagaimana merancang sebuah sistem pendukung keputusan dengan
menggunakan Fuzzy MADM (Multiple Attribute Decission Making)
untuk menentukan siapa yang akan menerima beasiswa berdasarkan
bobot dan kriteria yang sudah ditentukan?
3. Bagaimana merancang sebuah sistem pendukung keputusan dengan
menggunakan metode SAW (Simple Additive Weighting) untuk
menentukan siapa yang akan menerima beasiswa berdasarkan bobot
dan kriteria yang sudah ditentukan?
 3

1.3 Batasan Masalah

Penelitian ini diperlukan batasan-batasan agar sesuai dengan apa yang
sudah direncanakan sebelumnya sehingga tujuan penelitian dapat tercapai.
Adapun batasan masalah yang di bahas pada penelitian ini adalah :
1. Sample data yang dilakukan untuk penelitian ini diperoleh dari mahasiswa
jurusan Teknik Industri kelas B Universitas Singaperbangsa Karawang.
2. Metode pengambilan data diperoleh dengan menggunakan kuesioner.

1.4 Tujuan Penelitian

Maksud dari makalah ini adalah merancang dan membangun penerapan
SPK dengan mengunakan Fuzzy MADM dan SAW. Adapun tujuan dari
penelitian ini adalah :
1. Merancang SPK yang berguna untuk menyeleksi penerimaan program
bidikmisi.
2. Merancang perhitungan kriteria yang behubungan pada penerimaan
beasiswa bidikmisi dengan menggunakan metode Fuzzy MADM

1.5 Manfaat
Penulisan makalah ini diharapkan dapat memberikan manfaat sebagai
berikut :
1. Makalah ini dapat dijadikan pertimbangan sebagai dasar pengambilan
keputusan dalam menentukan siapa yang berhak menerima beasiswa
bidikmisi.
2. Makalah ini diharapkan dapat menambah masukan baik dalam
pembahasan SPK ini serta menambah wawasan bagi peneliti dalam
mengaplikasikan ilmu yang telah didapatkan.
3. Makalah ini diharapkan menjadi bahan referensi untuk peneliti lain dalam
mengembangkan sistem yang berbeda ataupun mengembangkan sistem
serupa dengan tingkat kesulitan yang berbeda atau pengembangan yang
lebih sempurna.
 BAB II
KAJIAN PUSTAKA

2.1 Teori Decision Support System

Pengambilan keputusan selalu berkaitan dengan ketidakpastian dari hasil
keputusan yang diambil. Untuk mengurangi faktor ketidakpastian, keputusan
membutuhkan informasi yang sahih mengenai kondisi yang telah dan
mungkin akan terjadi kemudian mengolah informasi tersebut menjadi
beberapa alternatif pemecahan masalah sebagai perimbangan untuk
mengambil sebuah keputusan . Oleh karena itu dikembangkan sebuah sistem
pendukung keputusan yang dapat mengolah informasi menjadi sebuah
alernatif pemecahan suatu masalah. Sistem Pendukung Keputusan (SPK)
merupakan sistem informasi yang menyediakan informasi, pemodelan dan
pemanipulasian data. Pendapat lain SPK hampir sama dengan sistem
informasi manajemen tradisional karena keduanya tergantung pada basisdata
sebagai sumber data. Beberapa tujuan SPK antara lain membantu manajer
dalam mengambil keputusan atas masalah semi terstruktur, meningkatkan
efektifitas keputusan yang diambil manajer lebih dari pada perbaikan
efisiensinya, kecepatan komputasi, peningkatan produktifitas dan
meningkatkan kualitas [7].
Sistem Penunjang Keputusan (SPK)/Decision Support System adalah
sistem cerdas yang mengikutsertakan sistem berbasis pengetahuan untuk
mendukung aktifitas pembuatan keputusan dengan cepat dan tepat (Holzinger,
2011). SPK menggunakan data, menyediakan antarmuka yang mudah
digunakan, dan memungkinkan pembuat keputusan untuk menggunakan
wawasan sendiri (Tariq dan Rafi, 2012). SPK tidak dimaksudkan untuk
mengotomatisasikan pengambilan keputusan, tetapi memberikan perangkat
interaktif yang memungkinkan pengambilan keputusan untuk melakukan
berbagai analisis menggunakan model-model yang tersedia (Kusrini, 2007)
[3].

4
 5

Definisi Decision Support System (DSS) adalah sebuah sistem yang

dimaksudkan untuk mendukung para pengambil keputusan menajerial dalam
situasi keputusan semi-terstruktur [5].
Turban (2010) mendefinisikan sistem penunjang keputusan sebagai berikut
: Sistem pendukung keputusan merupakan suatu pendekatan untuk
mendukung pengambilan keputusan. Sistem pendukung keputusan
menggunakan data, memberikan antarmuka pengguna yang mudah, dan
dapat menggabungkan pemikiran pengambil keputusan[5].
DSS dimaksudkan untuk menjadi alat bantu bagi para pengambil
keputusan untuk memperluas kapabilitas mereka. DSS ditujukan untuk
keputusan-keputusan yang memerlukan penilaian atau pada keputusan-
keputusan tidak terstruktur [5].
Menurut Turban (1999), komponen Sistem Pengambilan Keputusan dapat
dibangun dari subsistem berikut ini, dapat dilihat pada Gambar 2.1 [8]:
a. Subsistem Manajemen Data (Data Management Subsystem), meliputi
basis data basis data yang berisi data yang relevan dengan keadaan dan
dikelola software yang disebut DBMS (Database Management System).
b. Subsistem Manajemen Model (Model Management Subsystem), berupa
sebuah paket software yang berisi model-model finansial, statistik,
management science, atau model kwantitatif, yang menyediakan
kemampuan analisa dan software management yang sesuai.
c. Subsistem Manajemen Pengetahuan (Knowledge Management
Subsystem), merupakan subsistem (optional) yang dapat mendukung
subsistem lain atau berlaku sebagai komponen yang berdiri sendiri
(independent).

Data :External and Other computer based

Internal systems
hvhv

Gambar 2.1. Komponen-komponen SPK Knowledge

User
Data Management
User
Management
Interface
Model Management
 6

a. Tujuan utama dari Sistem Pendukung Keputusan adalah untuk

memperbaiki mutu keputusan serta performance. Sistem Pendukung
d. Subsistem Antarmuka Pengguna (User Interface Subsystem), merupakan
Keputusan tidak hanya sekedar menyajikan informasi yang lebih banyak,
subsistem yang dapat dipakai oleh user untuk berkomunikasi dan memberi
lebih baik dan lebih akurat pada waktu yang tepat saja.
b. Sistem
perintahPendukung
(menyediakan
Keputusan
user interface).
ditujukan untuk environment yang komplek,
e. Pengguna (user), termasuk di dalamnyaadalah pengguna (user), manager,
kurang terstruktur dan bahkan politis sifatnya.
c. Sistem
dan pengambil
Pendukung
keputusan.
Keputusan bertumpu pada laporan perkecualian dan
macamnya untuk menunjang proses identifikasi masalah.
d. Sistem Pendukung Keputusan berkombinasi modelling dan teknik-
teknik analisa yang lain dengan fungsi penyajian kembali data.
e. Sistem Pendukung Keputusan berfokus pada prinsip mudah dipakai dan
fleksibel dalam berhadapan dengan pemakai tertentu atau sekelompok
pemakai.
f. Proses Pengambilan Ke
g. putusan.

2.3 Konfigurasi Sistem Pendukung Keputusan (Decision Support System)

Terdapat 3 komponen utama, yaitu data management, model management,
dan user interface. Aliran kerja dari DSS ini adalah sebagai berikut [2] :
a. Data management melakukan pengambilan data yang diperlukan baik dari
database yang berisi data internal maupun database yang berisi data
eksternal. Jadi, fungsi komponen data disini jelas sebagai penyedia data
yang diperlukan oleh sistem DSS.
b. Model management melalui model base management melakukan interaksi
baik dengan user interface untuk mendapatkan perintah maupun data
management untuk mendapatkan data yang akan diolah. Model base
management akan menggunakan model base yang berisi model-model
yang digunakan dalam DSS yang dengan bantuan perangkat lunak atau
engine yang ada di dalam modeling tools melakukan pengolahan data yang
kemudian hasilnya dikembalikan lewat model base management untuk
dikirim ke user interface.
c. User interface digunakan untuk berinteraksi antara user dengan DSS, baik
untuk memasukkan informasi ke sistem maupun menampilkan informasi
ke user. Karena begitu pentingnya komponen user interface bagi suatu
sistem DSS, maka kita harus bisa merancang suatu user interface yang
 7

bisa mudah dipelajari dan digunakan user dan laporan yang bisa secara
mudah dimengerti oleh pengguna .

2.4 Tahap dan Sistem pendukung Pengambil Keputusan

Menurut Simon, proses pengambilan keputusan meliputi tiga fase utama
yaitu inteligensi, desain, dan kriteria. Ia Kemudian menambahkan fase
keempat yakini implementasi (Turban, 2005) [1].

2.4.1 Fase Inteligensi

Intelegensi dalam pengambilan keputusan meliputi scanning
(Pemindaian) lingkungan, entah secara intermiten ataupun terus-
menerus. Inteligensi mencakup berbagai aktivitas yang menekankan
identifikasi situasi atau peluang-peluang masalah. Tahapan dalam fase
intelegensi antara lain identifikasi masalas (peluang), klasifikasi
masalah, dan kepemilikan masalah.

2.4.2 Fase Desain

Fase desain meliputi penemuan atau mengembangkan dan
menganalisis tindakan yang mungkin untuk dilakukan. Hal ini meliputi
pemahaman terhadap masalah dan menguji solusi yang layak. Tahapan
dalam fase intelegensi antara lain memilih sebuah prinsip pilihan,
mengembangkan (menghasilkan) alternatif-alternatif, dan mengukur
hasil akhir.

2.4.3 Fase Pilihan

Pilihan merupakan tindakan pengambilan keputusan yang kritis.
Fase pilihan adalah fase di mana dibuat suatu keputusan yang nyata
dan diambil suatu komitmen untuk mengikuti suatu tindakan tertentu.
Batas antara fase pilihan dan desain sering tidak jelas karena aktivitas
 8

tertentu dapat dilakukan selama kedua fase tersebut dank arena orang
dapat sering kembali dari aktivitas pilihan ke aktivitas desain. Sebagai
contoh, seseorang dapat menghasilkan alternatif baru selagi
mengevaluasi alternatif yang ada. Fase pilihan meliputi pencarian,
evaluasi, dan rekomendasi terhadap suatu solusi yang tepat untuk
model. Sebuha solusi untuk sebuah model adalah sekumpulan nilai
spesifik untuk variabel-variabel keputusan dalam suatu alternatif yang
telah dipilih.

2.4.4 Fase Implementasi

Pada hakikatnya implementasi suatu solusi yang diusulkan untuk
suatu masalah adalah inisiasi terhadap hal baru, atau pengenalan
terhadap perubahan. Definisi implementasi sedikit rumit karena
implementasi merupakan sebuah proses yang panjang dan melibatkan
batasa-batasan yang tidak jelas.

2.5 Metode Decision Support System

Ada beberapa metode yang dapat digunakan untuk mnyelesaikan masalah
FMADM. antara lain (Kusumadewi, 2006) [10].

2.5.1 Simple Additive Weighting Method (SAW)

Simple Additve Weighting (SAW) yang merupakan salah satu
metode untuk menyelesaikan masalah multiattribute decision making.
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.
x ij
r ij = . . (1)
Max (x ij )
Min( xij )
r ij = (2)
x ij
Jika j adalah atribut benefit maka menggunakan rumus nomor satu.
Jika j atribut cost maka menggunakan rumus nomor dua [7].

2.5.2 Weighted Product (WP)

 9

Metode Weighted Product atau biasa disingkat WP adalah salah

satumetode penyelesaian untuk masalah MADM (Multi
AttributeDecision Making). Metode ini meng-evaluasi beberapa
alternatif terhadap sekumpulan atribut atau kriteria,dimana setiap
atribut saling tidak bergantung satu dengan yang lain [10].

2.5.3 Elimination and Choice Translation Reality (ELECTRE)

Metode ELECTRE adalah untuk menangani hubungan outrangking
dengan menggunakan perbandingan berpasangan antara alternatif
dibawah masing-masing keriteria secara terpisah [10].

2.5.4 Technique for Order Preference by Similarity to Ideal Solution

(TOPSIS)
Metode TOPSIS adalah salah satu metode pengambilan keputusan
multi kriteria yang pertama kali diperkenalkan oleh Yoon dan Hwang
pada tahun 1981. Metode ini merupakan salah satu metode yang
banyak digunakan untuk menyelesaikan pengambilan keputusan secara
praktis. Konsep dari alternatif yang dipilih oleh TOPSIS merupakan
alternatif terbaik yang memiliki jarak terpendek dari solusi ideal positif
dan jarak terjauh dari solusi ideal negatif (Hwang & Yoon, 1981) [3] .
Semakin banyaknya faktor yang harus dipertimbangkan dalam
proses pengambilan keputusan, maka semakin relatif sulit untuk
mengambil keputusan terhadap suatu permasalahan. Apalagi jika
pengambilan keputusan dari suatu permasalahan tertentu melibatkan
beberapa orang pengambil keputusan, selain mempertimbangkan
berbagai faktor/kriteria yang beragam. Permasalahan yang demikian
dikenal dengan permasalahan multiple criteria decision making
(MCDM). Dengan kata lain, MCDM dapat disebut sebagai suatu
pengambilan keputusan untuk memilih alternatif terbaik dari sejumlah
alternatif berdasarkan beberapa kriteria tertentu [3].
Metode TOPSIS dapat digunakan untuk menyelesaikan
permasalahan MCDM. Hal ini disebabkan konsepnya sederhana dan
mudah dipahami, komputasinya efisien dan memiliki kemampuan
 10

untuk mengukur kinerja relatif dari alternatif-alternatif keputusan

(Yanti & Rahmadani, 2014) [3].
2.5.5 Analytic Hierarchy Process (AHP)
AHP adalah sebuah metode memecah permasalahan yang komplek
atau rumit dalam situasi yang tidak terstruktur menjadi bagian-bagian
komponen. Mengatur bagian atau variabel ini menjadi suatu bentuk
susunan hierarki, kemudian memberikan nilai numerik untuk penilaian
subjektif terhadap kepentingan relatif dari setiap variabel dan
mensintesis penilaian untuk variabel mana yang memiliki prioritas
tertinggi yang akan mempengaruhi penyelesaian dari situasi tersebut.
AHP menggabungkan pertimbangan dan penilaian pribadi dengan cara
yang logis dan dipengaruhi imajinasi, pengalaman, dan pengetahuan
untuk menyusun hierarki dari suatu masalah yang berdasarkan logika,
intuisi dan juga pengalaman untuk memberikan pertimbangan [6].
 BAB III
APLIKASI PERMASALAHAN

3.1 Tempat dan Waktu permasalahan

3.1.1 Tempat Pengambilan Data
Tempat dilakukannya pengambilan data yaitu di kelas B Teknik
Industri Unsika dengan mengadakan mini test.

3.1.2 Waktu Pengambilan Data

Waktu pengambilan data dilakukan pada hari Rabu, 22 November
2017 pukul 08.00 WIB s.d Jumat, 24 November 2017 pukul 08.00
WIB

3.2 Metode Pengumpulan Data

Pengamat mendapatkan data dengan menggunakan metode kuesioner
kepada 30 responden Mahasiswa Teknik Industri Unsika Kelas B tentang

3.3 Alasan Penggunaan Decision Support System

Pengamat menggunakan Metode ini karena untuk menentukan kriteria
bagi calon penerima bidikmisi di Universitas Singaperbangsa Karawang.

3.4 Data Hasil Responden

Dari jumlah mahasiswa Teknik Industri yang berada di Universitas
Singaperbangsa Karawang ditemukan bahwa hanya ada 5 orang mahasiswa
yang mengajukan diri untuk mendapatkan beasiswa bidikmisi.datanya sebagai
berikut :

11
 12

Nama Penghasilan Usia Semester Jumlah Tanggungan

No. Saudara IPK
Pemohon Orang Tua Kandung Orang Tua
Mahasiswa
1 ke-1 0,75 1 1 0.25 0.25 0.5
Mahasiswa
2 ke-2 0,75 0,5 0,6 1 1 0,75
Mahasiswa
3. ke-3 0,75 0,5 0,5 0,5 0,5 0,25
Mahasiswa
4. ke-4 0,75 0,75 0,6 0 0,25 0,5
Mahasiswa
5. ke-5 1 0,75 0,6 0 0,5 0,5

Tabel 3.4 Data Hasil responen

 BAB IV
HASIL DAN PEMBAHASAN

4.1 Perancangan Sistem FMADM

Seperti telah dijelaskan pada pendahuluan.penilaian dilakukan dengan
melihat nilai-nilai terhadap indicator yaitu jumlah penghasilan Orangtua,
usia, semester, jumlah tanggungan Orangtua, jumlah saudara kandung, dan
nilai IPK. Selanjutnya masing-masing indikator tersebut dianggap sebagai
kriteria yang akan dijadikan sebagai faktor untuk menentukan penerima
beasiswa dan himpunan fuzzy nya adalah Rendah, Sedang Tengah, Banyak,
Banyak Tinggi. Himpunan ini kemudian diperlakukan sebagai input
kedalam sistem FMADM (dalam hal ini disebut sebagi Ci).
Variabel yang digunakan dalam penelitian ini adalah Jumlah penghasilan
Orangtua, Usia, Semester, Jumlah tanggungan Orangtua, jumlah saudara
kandung nilai IPK dan untuk himpunan fuzzynya adalah Rendah Sedang,
Tengah, Banyak, Sangat Tinggi, Tinggi. (Kusumadewi, 2005).

4.2 Analisis Kebutuhan Input

Input untuk melakukan proses pengambilan keputusan dari beberapa
alternatif ini dilakukan dengan menggunakan kuesioner
1. Kuesioner ditujukan untuk mahasiswa Fakultas Teknik program studi
teknik industry khusus nya teknik Industri Kelas B 2015 Uiversitas
Singaperbangsa. Sebanyak 30 mahasiswa.
2. Variabel yang dibutuhkan adalah sebagai berikut:
a) Semester.
b) Nilai IPK.
c) Jumlah tanggungan Orangtua
d) jumlah saudara kandung.
e) Usia
f) Penghasilan orang tua.

13
 14

4.3 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 ke alternatif terendah. Alternatif yang dimaksud adalah
mahasiswanya.

4.4 Kriteria yang Dibutuhkan

4.4.1 Bobot
Dalam metode penelitian ini ada bobot dan kriteria yang
dibutuhkan untuk menentukan siapa yang akan terseleksi sebagai
penerima bidikmisi. Adapun kriterianya adalah:
C1=Jumlah penghasilan Orangtua
C2=Usia
C3=Semester
C4=Jumlah tanggungan Orangtua
C5=jumlah saudara kandung,
C6= nilai IPK.
Dari masing-masing bobot tersebut, maka dibuat suatu variabel-
variabelnya. Dimana dari suatu variabel tersebut akan dirubah kedalam
bilangan fuzzynya.
Di bawah ini adalah bilangan fuzzy dari bobot.
1. Sangat Rendah (SR) = 0
2. Rendah (R) = 0.2
3. Sedang (S) = 0.4
4. Tengah (T1) = 0.6
5. Tinggi (ST) = 0.8
6. Banyak (B) = 1
Untuk mendapat variabel tersebut harus dibuat dalam sebuah grafik
supaya lebih jelas pada gambar 1.

Gambar 4.4.1. Grafik Bobot

 15

4.4.2 Kriteria Penghasilan Orang Tua

Variabel penghasilan orang tua dikonversikan dengan bilangan
fuzzy dibawah ini.
Penghasilan Orang Tua (X) Nilai
X <= Rp.1000.000 0.25
X = Rp.1000.000 5000.000 0.5
X = Rp.5000.000 10.000.000 0.75
X >=Rp.10.000.000 1

Tabel 4.4.2 Penghasilan orang tua

4.4.3 Kriteria Usia

Variabel usia dikonversikan dengan bilangan fuzzy dibawah ini :
Usia Nilai
Usia = 19 Tahun 0.25
Usia = 20 Tahun 0.5
Usia = 21 Tahun 0.75
Usia = 22 Tahun 1
Tabel 4.4.3 Kriteria Usia
4.4.4 Kriteria Semeater
Variabel Kriteria semester dikonversikan dengan bilangan fuzzy
dibawah ini :

Semester Nilai
Semester = 3 0
Semester = 4 0.2
Semester = 5 0.4
Semester = 6 0.6
Semester = 7 0.8
Semester = 8 1
Tabel 4.4.4 Kroiteria Semester

4.4.5 Kriteria Jumlah Tanggungan Orang Tua

Variabel Jumlah Tanggungan Orang Tua dikonversikan dengan
bilangan fuzzy dibawah ini :
 16

Jumlah Tanggungan Orang Nilai

Tua
1 anak 0
2 anak 0.25
3 anak 0.5
4 anak 0.75
5 anak 1
Tabel 4.4.5 Jumlah tanggungan orang tua

4.4.6 Kriteria Jumlah Saudara Kandung

Variabel Jumlah saudara kandung dikonversikan dengan bilangan
fuzzy dibawah ini.

Jumlah Saudara Kandung Nilai

1 Orang 0
2 Orang 0.25
3 Orang 0.5
4 Orang 0.75
5 Orang 1
Tabel 4.4.6 Jumlah saudara kandung

4.4.7 Kriteria Nilai IPK

Variabel nilai IPK dikonversikan denganbilangan fuzzy dibawah
ini :

Nilai IPK Nilai

IPK < = 2.75 0
IPK = 2.75 3.00 0.25
IPK = 3.00 3.25 0.5
IPK = 3.25 3.50 0.75
IPK >= 3.50 1
Tabel 4.4.7 Tabel Nilai IPK

4.4.8 Data hasil responden

Dari jumlah mahasiswa Teknik Industri kelas B yang berada di
Universitas Singaperbangsa Karawang ditemukan bahwa hanya ada 5
orang mahasiswa yang mengajukan diri untuk mendapatkan beasiswa
bidikmisi.datanya sebagai berikut:

No. Nama Penghasilan Usia Semester Jumlah Tanggungan IPK

Pemohon Orang Tua Saudara Orang Tua
 17

Kandung
Mahasiswa
1 ke-1 0,75 1 1 0.25 0.25 0.5
Mahasiswa
2 ke-2 0,75 0,5 0,6 1 1 0,75
Mahasiswa
3. ke-3 0,75 0,5 0,5 0,5 0,5 0,25
Mahasiswa
4. ke-4 0,75 0,75 0,6 0 0,25 0,5
Mahasiswa
5. ke-5 1 0,75 0,6 0 0,5 0,5
Tabel 4.4.8 Data Hasil Responden

4.4.9 Pembobotan Kritea

Pembobotan disini didasarkan pada tingkat kepentingan yang
dianggap lebih penting dari yang lain berdasarkan kacamata oleh
peneliti.
Kriteria Bobot
C1 0,2
C2 0,1
C3 0,1
C4 0,1
C5 0,2
C6 0,3
Total 1
Tabel 4.4.9 Pembobotan Kriteria

4.4.10 Proses Normalisasi

Pembobotan alternative terhadap kriteria, berdasarkan data hasil
responden diatas pada tabel 7 dirubah kedalam bentuk matriks,
sehingga menjadi seperti berikut :

[ ]
0,75 1 1 0,25 0,25 0,5
0,75 0,5 0,6 1 1 0,75
0,75 0,5 0,5 0,5 0,5 0,25
0,75 0, 75 0,6 0 0,25 0,5
1 0, 75 0,6 0 0,5 0,5
Tentukan Kriteria Benefit (C2,C3,C4 dan C6) menggunakan rumus :
X ij
Rii =
max(X ij)
 18

Dari kolom C2 nilai maksimalnya adalah 1, maka tiap baris dari

kolom C2 dibagi oleh nilai maksimal kolom C2.
1
R12 = =1
1
0,5
R22 = =0,5
1
0,5
R32 = =0,5
1
0,75
R42 = =0,75
1
0,75
R52 = =0,75
1
Dari kolom C3 nilai maksimalnya adalah 1, maka tiap baris dari
kolom C3 dibagi oleh nilai maksimal kolom C3.
1
R13 = =1
1
0,6
R23 = =0,6
1
0,5
R33 = =0,5
1
0,6
R43 = =0,6
1
0,6
R53 = =0,6
1
Dari kolom C4 nilai maksimalnya adalah 1, maka tiap baris dari
kolom C4 dibagi oleh nilai maksimal kolom C4.
0,25
R14 = =0,25
1
1
R24 = =1
1
0,5
R34 = =0,5
1
0
R44 = =0
1
0
R54 = =0
1
Dari kolom C6 nilai maksimalnya adalah 1, maka tiap baris dari
kolom C6 dibagi oleh nilai maksimal kolom C6.
0,5
R16 = =2
0,25
0,75
R26 = =3
0,25
0,25
R36 = =1
0,25
 19

0,5
R46 = =2
0,25
0,5
R56 = =2
0,25
Tentukan Kriteria Cost (C1 dan C5) menggunakan rumus :
min(X ij)
Rii =
X ij
Dari kolom C1 nilai minimalnya adalah 0,75, maka tiap baris dari
kolom C1 dibagi oleh nilai maksimal kolom C1.
0,75
R12 = =1
0,75
0,75
R21 = =1
0,75
0,75
R31 = =1
0,75
0,75
R41 = =1
0,75
0,75
R51 = =0,75
1
Dari kolom C5 nilai maksimalnya adalah 1, maka tiap baris dari
kolom C5 dibagi oleh nilai maksimal kolom C5.
0,25
R15 = =1
0,25
0,25
R25 = =0,25
1
0,25
R35 = =0,5
0,5
0,25
R45 = =1
0,25
0,25
R55 = =0,5
0,5
Berdasarkan perhitungan hasil normalisasi diatas maka dibuatkan
tabel kembali, tabel ini disebut tabel tabel factor ternormalisasi.

Kemudian buat perkalian W x R, yaitu mengalikan bobot kriteria

diatas dengan tabel factor ternomalisasi dengan rumus :
n
Vi= Wj Rij
j=1
M 1=( 1 x 0,2 )+ ( 1 x 0,1 )+ ( 1 x 0,1 )+ ( 0,25 x 0,1 ) + ( 1 x 0,2 ) + ( 0,5 x 0,3 )
= 0,825

M 2=( 1 x 0,2 ) + ( 0,5 x 0,1 ) + ( 0,6 x 0,1 )+ ( 1 x 0,1 )+ ( 0,25 x 0,2 ) + ( 0,75 x 0,3 )
= 0,685
M 3=( 1 x 0,2 ) + ( 0,5 x 0,1 ) + ( 0,5 x 0,1 )+ ( 0,5 x 0,1 ) + ( 0,5 x 0,2 )+ ( 0,25 x 0,3 )
= 0,525
 20

M 4=( 1 x 0,2 ) + ( 0,75 x 0,1 ) + ( 0,6 x 0,1 )+ ( 0 x 0,1 ) + ( 1 x 0,2 ) + ( 0,5 x 0,3 )
= 0,685
M 5=( 0,75 x 0,2 ) + ( 0,75 x 0,1 )+ ( 0,6 x 0,1 ) + ( 0 x 0,1 )+ ( 0,5 x 0,2 ) + ( 0,5 x 0,3 )
= 0,535
Berdasarkan analisa tersebut maka Nilai tertinggi nya yaitu 0,825
dan nilai terkecilnya 0,525 sehingga dapat disimpulkan bahwa
pemenang beasiswa bidikmis adalah mahasiswa ke-1.
 BAB V
PENUTUP

5.1 Kesimpulan
Dengan adanya sistem pendukung keputusan menentukan siapa yang
berhak mendapatkan beasiswa bidikmisi pada universitas singaperbangsa
karawang faktultas teknik program studi teknik industry dapat digunakan
untuk:
1. Sistem pendukung keputusan dibangun agar dapa membantu siapa yang
berhak menerima beasiswa di universitas singaperbangsa karawang
faktultas teknik program studi teknik industry
2. Penerapan metode simple additive weighting (SAW) ditemukan alternative
terbaik hasil akhir dari perankingan yaitu :
- M1 = 0,825
- M2 = 0,685
- M3 = 0,525
- M4 = 0,685
- M5 = 0,535
3. Ditetapkan bahwa penerima beasiswa yaitu mahasiswa ke-1 dengan nilai
0,825

5.2 Saran
Berdasarkan hasil penulisan yang telah dilakukan maka diharapkan
penulisan selanjutnya untuk melakukan penelitian sistem pendukung
keputusan dengan menggunakan metode pengambilan keputusan lain seperti
menggunaka AHP, WP, TOPSIS dan lain-lain.

21
 DAFTAR PUSTAKA

1. Ananta,Priranda Widara Dan Winiarti, Sri. 2013. Sistem Pendukung

Keputusan Dalam Penilaian Kinerja Pegawai Untuk Kenaikan Jabatan
Pegawai Menggunakan Metode Gap Kompetensi (Studi Kasus Perusahaan
Perkasa Jaya Compuretail),Yogyakarta

2. Christian S, V.M.Eduardo.2014. Sistem Pendukung Keputusan Batan Pada Pt

Bank Central Asia Tbk. (Bca) Menggunakan Metode Analityc Heararchy
Process, Semarang.

3. Gustriansyah, Rendra.2016. Sistem Pendukung Keputusan Pemilihan Dosen

Berprestasi Dengan Metode Anp Dan Topsis, Palembang.

4. Jasril Dan Meitarice ,Sonya.2010 Meitarice Sistem Pendukung Keputusan

Pemilihan Dosen Teladan Menggunakan Metode Fuzzy Analytical
Hierarchy Process(F-Ahp) (Studi Kasus : Bppm Uin Suska Riau), Riau

5. Pradipta, Aldi Yudha Dan Diana, Anita.2017. Sistem Penunjang Keputusan

Pemilihan Supplier Pada Apotek Dengan Metode AHP Dan SAW (Studi
Kasus Apotek XYZ), Jakarta

6. Pranoto ,Yosep Agus.2013. Rancang Bangun dan Analisis Decision Support

System Menggunakan Metode Analytical Hierarchy Process untuk
Penilaian Kinerja Karyawan Jurnal EECCIS Vol. 7, No. 1.

7. R, Risky Aswi dan P, Danar Putra.2015. Sistem Pendukung Keputusan

Dengan Metode Saw Studi Kasus Pemilihan Rumah, Kediri.

8. Setiawan,Alexander dkk.2006. Perancangan Dan Pembuatan Aplikasi

Decision Support System Pada Departemen Hrd Dan Pembelian Dengan
Menggunakan Metode Analytical Hierarcy Process (Ahp), Surabaya.

7
9. Sumi, Razia Sultana Sumi Dan Kabir, Golam.2010. Analytical Hierarchy
Process For Higher Effectiveness Of Buyer Decision Process. Global
Journal Of Management And Business Research.

10. Wibowo,Henry Wibowo Dkk. 2009. Sistem Pendukung Keputusan Untuk

Menentukan Penerima Beasiswa Bank Bri Menggunakan Fmadm (Studi
Kasus: Mahasiswa Fakultas Teknologi Industri Universitas Islam
Indonesia), Yogyakarta