Anda di halaman 1dari 6

Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: 1907-5022

Yogyakarta, 20 Juni 2009

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA


BEASISWA BANK BRI MENGGUNAKAN FMADM
(STUDI KASUS: MAHASISWA FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS ISLAM INDONESIA)
Henry Wibowo S1), Riska Amalia2), Andi Fadlun M3) , Kurnia Arivanty4)
Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia
Jalan Kaliurang Km 14.4 Besi Sleman Yogyakarta 55584-Indonesia
E-mail: henryinformatika@gmail.com, resk_dot@yahoo.com, iLon_myuut@yahoo.com ,
vanty_dieva@yahoo.co.id

ABSTRAK
Sesuai dengan peraturan yang sudah ditentukan oleh pihak Bank BRI untuk memperoleh beasiswa, maka
diperlukan kriteria-kriteria untuk menentukan siapa yang akan terpilih untuk menerima beasiswa. Pembagian
beasiswa dilakukan oleh beberapa lembaga untuk membantu seseorang yang kurang mampu ataupun
berprestasi selama menempuh studinya. Untuk membantu penentuan dalam menetapkan seseorang yang layak
menerima beasiswa maka dibutuhkan sebuah sistem pendukung keputusan.Salah satu metode yang dapat
digunakan untuk Sistem Pendukung Keputusan adalah dengan menggunakan Fuzzy MADM (Multiple Attribute
Decission Making).
Pada penelitian ini akan diangkat suatu kasus yaitu mencari alternative terbaik bedasarkan kriteria-kriteria
yang telah ditentukan dengan mengggunakan metode SAW (Simple Additive Weighting) untuk melakukan
perhitungan metode FMADM pada kasus tersebut. Metode ini dipilih karena mampu menyeleksi alternatif
terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksudkan yaitu yang berhak menerima
beasiswa berdasarkan kriteria-kriteria yang ditentukan. Penelitian dilakukan dengan mencari nilai bobot untuk
setiap atribut,
kemudian dilakukan proses perankingan yang akan menentukan alternatif yang optimal, yaitu mahasiswa
terbaik.

Kata Kunci: FMADM, SAW, Kriteria.

1. PENDAHULUAN untuk setiap atribut, kemudian dilanjutkan dengan


1.1 Latar Belakang Permasalahan proses perankingan yang akan menyeleksi alternatif
Disetiap lembaga pendidikan khususnya terbaik dari sejumlah alternatif, dalam hal ini
universitas banyak sekali beasiswa yang ditawarkan alternatif yang dimaksud adalah yang berhak
kepada mahasiswa yang berprestasi dan yang kurang menerima beasiswa berdasarkan kriteria-kriteria
mampu. Ada beasiswa yang dari lembaga milik yang ditentukan
nasional maupun swasta. Bank BRI adalah salah Dengan metode perangkingan tersebut,
satu contoh lembaga nasioanl yang mengelar diharapkan penilaian akan lebih tepat karena
program beasiwa setiap tahun bagi mahasiswa yang didasarkan pada nilai kriteria dan bobot yang sudah
kurang mampu dan mahasiswa berprestasi. ditentukan sehingga akan mendapatkan hasil yang
Untuk mendapatkan beasiswa tersebut maka lebih akurat terhadap siapa yang akan menerima
harus sesuai dengan aturan-aturan yang telah beasiswa tersebut.
ditetapkan. Kriteria yang ditetapkan dalam studi
kasus ini adalah nilai indeks prestasi akademik, 1.2 Rumusan Masalah
penghasilan orang tua, jumlah saudara kandung, Berdasarkan latar belakang di atas dapat
jumlah tanggungan orang tua, semester,usia dan dirumuskan permasalahan yang akan diselesaikan
lain-lain. Oleh sebab itu tidak semua yang yaitu bagaimana merancang sebuah sistem
mendaftarkan diri sebagai calon penerima beasiswa pendukung keputusan dengan menggunakan Fuzzy
tersebut akan diterima, hanya yang memenuhi MADM (Multiple Attribute Decission Making)
kriteria-kriteria saja yang akan memperoleh dengan metode SAW (Simple Additive Weighting)
beasiswa tersebut. Oleh karena jumlah peserta yang untuk menentukan siapa yang akan menerima
mengajukan beasiswa banyak serta indikator kriteria beasiswa berdasarkan bobot dan kriteria yang sudah
yang banyak juga, maka perlu dibangun sebuah ditentukan. Dengan menggunakan sebuah program
sistem pendukung keputusan yang akan membantu untuk membantu menyelesaikan persmasalahan
penentuan siapa yang berhak untuk mendapatkan sehingga jauh lebih mudah dan efisien.
beasiswa tersebut
Model yang digunakan dalam sistem pendukung 1.3 Batasan Masalah
keputusan ini adalah Fuzzy Multiple Attribute Pada penelitian ini diperlukan batasan-batasan
Decision Making (FMADM). Metode SAW ini agar sesuai dengan apa yang sudah direncanakan
dipilih karena metode ini menentukan nilai bobot sebelumnya sehingga tujuan penelitian dapat

B-62
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: 1907-5022
Yogyakarta, 20 Juni 2009

tercapai. Adapun batasan masalah yang di bahas masing pendekatan memiliki kelebihan dan
pada penelitian ini adalah: kelemahan. Pada pendekatan subyektif, nilai bobot
a. Sample data yang dilakukan untuk penelitian ini ditentukan berdasarkan subyektifitas dari para
diperoleh dari mahasiswa fakultas teknologi pengambil keputusan, sehingga beberapa faktor
industri universitas islam Indonesia. dalam proses perankingan alternatif bisa ditentukan
b. Metode pengambilan data diperoleh dengan secara bebas. Sedangkan pada pendekatan obyektif,
menggunakan kuesioner. nilai bobot dihitung secara matematis sehingga
mengabaikan subyektifitas dari pengambil
1.4 Tujuan Penelitian keputusan. ( Kusumadewi, 2007).
Tujuan penelitan ini adalah membangun suatu Ada beberapa metode yang dapat digunakan
model pengambilan keputusan dengan mengunakan untuk mnyelesaikan masalah FMADM. antara lain
Fuzzy Multiple Attribute Decision Making (Kusumadewi, 2006):
(FMADM) dengan metode Simple Additive a. Simple Additive Weighting Method (SAW)
Weighting (SAW) untuk menentukan siapa yang b. Weighted Product (WP)
akan menerima beasiswa berdasarkan kriteria- c. ELECTRE
kriteria serta bobot yang sudah ditentukan. d. Technique for Order Preference by Similarity to
Ideal Solution (TOPSIS)
2. DASAR TEORI e. Analytic Hierarchy Process (AHP)
2.1 Beasiswa
Pada dasarnya, beasiswa adalah penghasilan bagi 2.3.1 Algoritma FMADM
yang menerimanya. Hal ini sesuai dengan ketentuan Algoritma FMADM adalah:
pasal 4 ayat (1) UU PPh/2000. Disebutkan 1. Memberikan nilai setiap alternatif (Ai) pada
pengertian penghasilan adalah tambahan setiap kriteria (Cj) yang sudah ditentukan,
kemampuan ekonomis dengan nama dan dalam dimana nilai tersebut di peroleh berdasarkan nilai
bentuk apa pun yang diterima atau diperoleh dari crisp; i=1,2,…m dan j=1,2,…n.
sumber Indonesia atau luar Indonesia yang dapat 2. Memberikan nilai bobot (W) yang juga
digunakan untuk konsumsi atau menambah didapatkan berdasarkan nilai crisp.
kekayaan Wajib Pajak (WP). Karena beasiswa bisa 3. Melakukan normalisasi matriks dengan cara
diartikan menambah kemampuan ekonomis bagi menghitung nilai rating kinerja ternormalisasi
penerimanya, berarti beasiswa merupakan (rij) dari alternatif Ai pada atribut Cj berdasarkan
penghasilan (Jawa Pos, 2009). persamaan yang disesuaikan dengan jenis atribut
(atribut keuntungan/benefit=MAKSIMUM atau
2.2 Sistem Pendukung Keputusan atribut biaya/cost=MINIMUM). Apabila berupa
SPK sebagai sebuah sistem berbasis komputer artibut keuntungan maka nilai crisp (Xij) dari
yang membantu dalam proses pengambilan setiap kolom atribut dibagi dengan nilai crisp
keputusan. SPK sebagai sistem informasi berbasis MAX (MAX Xij) dari tiap kolom, sedangkan
komputer yang adaptif, interaktif, fleksibel, yang untuk atribut biaya, nilai crisp MIN (MIN Xij)
secara khusus dikembangkan untuk mendukung dari tiap kolom atribut dibagi dengan nilai crisp
solusi dari pemasalahan manajemen yang tidak (Xij) setiap kolom.
terstruktur untuk meningkatkan kualitas 4. Melakukan proses perankingan dengan cara
pengambilan keputusan. Dengan demikian dapat mengalikan matriks ternormalisasi (R) dengan
ditarik satu definisi tentang SPK yaitu sebuah sistem nilai bobot (W).
berbasis komputer yang adaptif, fleksibel, dan 5. Menentukan nilai preferensi untuk setiap
interaktif yang digunakan untuk memecahkan alternatif (Vi) dengan cara menjumlahkan hasil
masalah-masalah tidak terstruktur sehingga kali antara matriks ternormalisasi (R) dengan
meningkatkan nilai keputusan yang diambil. nilai bobot (W). Nilai Vi yang lebih besar
(Khoirudin, 2008). mengindikasikan bahwa alternatif Ai lebih
terpilih. ( Kusumadewi , 2007).
2.3 FMADM
Fuzzy Multiple Attribute Decision Making 2.3.2 Langkah Penyelesaian
FMADM adalah suatu metode yang digunakan Dalam penelitian ini menggunakan FMADM
untuk mencari alternatif optimal dari sejumlah metode SAW. Adapun langkah-langkahnya adalah:
alternatif dengan kriteria tertentu. Inti dari FMADM 1. Menentukan kriteria-kriteria yang akan dijadikan
adalah menentukan nilai bobot untuk setiap atribut, acuan dalam pengambilan keputusan, yaitu Ci.
kemudian dilanjutkan dengan proses perankingan 2. Menentukan rating kecocokan setiap alternatif
yang akan menyeleksi alternatif yang sudah pada setiap kriteria.
diberikan. Pada dasarnya, ada 3 pendekatan untuk 3. Membuat matriks keputusan berdasarkan kriteria
mencari nilai bobot atribut, yaitu pendekatan (Ci), kemudian melakukan normalisasi matriks
subyektif, pendekatan obyektif dan pendekatan berdasarkan persamaan yang disesuaikan dengan
integrasi antara subyektif & obyektif. Masing- jenis atribut (atribut keuntungan ataupun atribut

B-63
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: 1907-5022
Yogyakarta, 20 Juni 2009

biaya) sehingga diperoleh matriks ternormalisasi 1. Kuesioner ditujukan untuk mahasiswa Fakultas
R. Teknologi Industri UII. Sebanyak 30 mahasiswa.
4. Hasil akhir diperoleh dari proses perankingan 2. Variabel yang dibutuhkan adalah sebagai
yaitu penjumlahan dari perkalian matriks berikut:
ternormalisasi R dengan vektor bobot sehingga a. Semester.
diperoleh nilai terbesar yang dipilih sebagai b. Nilai IPK.
alternatif terbaik (Ai) sebagai solusi. c. Jumlah tanggungan Orangtua
(Kusumadewi, 2006). d. jumlah saudara kandung.
e. Usia
2.4 Metode SAW f. Penghasilan orang tua.
Metode SAW sering juga dikenal istilah metode
penjumlahan terbobot. Konsep dasar metode SAW 3.3 Analisis Kebutuhan Output
adalah mencari penjumlahan terbobot dari rating Keluaran yang dihasilkan dari penelitian ini
kinerja pada setiap alternatif pada semua atribut. adalah sebuah alternatif yang memiliki nilai tertinggi
Metode SAW membutuhkan proses normalisasi dibandingkan dengan alternatif nilai yang lain. Pada
matriks keputusan (X) ke suatu skala yang dapat penelitian ini hasil keluarannya diambil dari urutan
diperbandingkan dengan semua rating alternatif alternatif tertinggi ke alternatif terendah. Hasil akhir
yang ada. yang dikeluarkan oleh program nanti berasal dari
⎧ xij nilai setiap kriteria, karena dalam setiap kriteria
⎪ jika j adalah atribut keuntungan (benefit) memiliki nilai yang berbeda-beda.
⎪ Max xij
Urutan alternatif yang akan ditampilkan mulai

i
rij = ⎨ (2.1) dari alternatif tertinggi ke alternatif terendah.
⎪ Min xij
⎪ i Alternatif yang dimaksud adalah mahasiswanya.
jika j adalah atribut biaya (cost)
⎪⎩ xij
dimana rij adalah rating kinerja ternormalisasi dari 3.4 Kriteria Yang Dibutuhkan
alternatif Ai pada atribut Cj; i=1,2,...,m dan 3.4.1 Bobot
j=1,2,...,n. Dalam metode penelitian ini ada bobot dan
Nilai preferensi untuk setiap alternatif kriteria yang dibutuhkan untuk menentukan siapa
(Vi)diberikan sebagai: yang akan terseleksi sebagai penerima beasiswa.
n
V = i ∑
w r
j =1
(2.2)
j ij
Adapun kriterianya adalah:
C1=Jumlah penghasilan Orangtua
Nilai Vi yang lebih besar mengindikasikan C2=Usia
bahwa alternatif Ai lebih terpilih. C3=Semester
C4=Jumlah tanggungan Orangtua
3. HASIL DAN PEMBAHASAN C5=jumlah saudara kandung,
3.1 Perancangan Sistem FMADM C6= nilai IPK.
Seperti telah dijelaskan pada pendahuluan.
penilaian dilakukan dengan melihat nilai-nilai Dari masing-masing bobot tersebut, maka dibuat
terhadap indikator yaitu jumlah penghasilan suatu variabel-variabelnya. Dimana dari suatu
Orangtua, usia, semester, jumlah tanggungan variabel tersebut akan dirubah kedalam bilangan
Orangtua, jumlah saudara kandung, dan nilai IPK. fuzzynya.
Selanjutnya masing-masing indikator tersebut Di bawah ini adalah bilangan fuzzy dari bobot.
dianggap sebagai kriteria yang akan dijadikan 1. Sangat Rendah ( SR ) = 0
sebagai faktor untuk menentukan penerima beasiswa 2. Rendah ( R ) = 0.2
dan himpunan fuzzy nya adalah Rendah, Sedang 3. Sedang ( S ) = 0.4
Tengah, Banyak, Banyak , Tinggi. Himpunan ini 4. Tengah ( T1 ) = 0.6
kemudian diperlakukan sebagai input kedalam 5. Tinggi ( ST ) = 0.8
sistem FMADM (dalam hal ini disebut sebagi Ci). 6. Banyak ( B ) = 1
Variabel yang digunakan dalam penelitian ini
adalah Jumlah penghasilan Orangtua, Usia, Untuk mendapat variabel tersebut harus dibuat
Semester, Jumlah tanggungan Orangtua, jumlah dalam sebuah grafik supaya lebih jelas pada
saudara kandung, nilai IPK dan untuk himpunan gambar 1.
fuzzynya adalah Rendah, Sedang, Tengah, Banyak,
Banyak, Tinggi. (Kusumadewi, 2005).

3.2 Analisis Kebutuhan Input


Input untuk melakukan proses pengambilan
keputusan dari beberapa alternatif ini dilakukan
dengan menggunakan kuesioner.
Gambar 1. Grafik bobot

B-64
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: 1907-5022
Yogyakarta, 20 Juni 2009

3.4.2 Kriteria Penghasilan Orang Tua 3.4.7 Kriteria Nilai IPK


Variabel penghasilan orang tua dikonversikan Variabel nilai IPK dikonversikan dengan
dengan bilangan fuzzy dibawah ini. bilangan fuzzy dibawah ini.

Tabel 1. Penghasilan orang tua Tabel 6. Nilai ipk


Penghasilan Orang Tua (X) Nilai Nilai IPK Nilai
X <= Rp.1000.000 0.25 IPK < = 2.75 0
X = Rp.1000.000 – 5000.000 0.5 IPK = 2.75 – 3.00 0.25
X = Rp.5000.000 – 10.000.000 0.75 IPK = 3.00 – 3.25 0.5
X >=Rp.10.000.000 1 IPK = 3.25 – 3.50 0.75
IPK >= 3.50 1
3.4.3 Kriteria Usia
Variabel usia dikonversikan dengan bilangan 3.5 Perancangan Sistem
fuzzy dibawah ini. 3.5.1 Data Flow Diagram
DFD Level 1
Tabel 2. Usia Pada DFD Level 1 ini user dapat melakukan
Usia Nilai proses input data pemohon, hapus, edit dan proses
Usia = 19 Tahun 0.25 data pemohon dan program akan menampilkan
Usia = 20 Tahun 0.5 informasi data pemohon dan informasi hasil seleksi.
Usia = 21 Tahun 0.75
Usia = 22 Tahun 1 1
Manajemen
Data pemohon Data Pemohon
Data
Pemohon
3.4.4 Kriteria Semester
Variabel semester dikonversikan dengan
bilangan fuzzy dibawah ini. 2
Pembuatan
USER Data Pemohon Data Pemohon Pemohon
Matriks
Keputusan
Tabel 3. Semester
Semester Nilai
Semester = 3 0 3
Semester = 4 0.2 Data Pemohon Proses Data Pemohon
Seleksi
Semester = 5 0.4
Semester = 6 0.6
Semester = 7 0.8 4
Informasi Data Pemohon Data Pemohon
Semester = 8 1 Proses
Perangkingan

3.4.5 Kriteria Jumlah Tanggungan Orang Tua Gambar 2. DFD Level 1


Variabel Jumlah Tanggungan Orang Tua
dikonversikan dengan bilangan fuzzy dibawah ini.
3.5.2 Perancangan Program
3.5.3 Tampilan Awal
Tabel 4. Jumlah tanggungan orang tua Gambar 3 merupakan halaman utama program
Jumlah Tanggungan Orang Tua Nilai ketika aplikasi tersebut dijalankan. Ada beberapa
1 anak 0 macam menu diantaranya menu tambah data, hapus,
2 anak 0.25 ubah, proses, help dan exit.
3 anak 0.5
4 anak 0.75
5 anak 1

3.4.6 Kriteria Jumlah Saudara Kandung


Variabel Jumlah saudara kandung dikonversikan
dengan bilangan fuzzy dibawah ini.

Tabel 5. Jumlah saudara kandung


Jumlah Saudara Kandung Nilai
1 Orang 0
2 Orang 0.25
3 Orang 0.5
4 Orang 0.75
5 Orang 1 Gambar 3. Halaman utama program

B-65
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: 1907-5022
Yogyakarta, 20 Juni 2009

3.5.4 Masukan Data Berdasarkan pada gambar 4 diatas, dapat


Gambar 4 merupakan hasil proses dari dibentuk matriks keputusan X dengan mengambil 3
penginputan dari pemohon beasiswa. Dimana data- sampel data mahasiswa:
data tersebut dimasukan berdasarkan kriteria yang
⎡ 0 .75 1 1 0 .25 0 .25 0 .5 ⎤
sudah ditentukan melalui proses perhitungan.
X = ⎢⎢ 0 .75 0 .5 0 .6 1 1 0 .75 ⎥⎥
⎣⎢ 0 .75 0 .5 0 .6 0 .5 0 .5 0 .25 ⎦⎥
dan vektor bobot:
W= [0.6 0.4 1 1 0.2 0.8]

Matriks ternormalisasi R diperoleh dari


persamaan (2.1):
0.33 0.25 0.2 0.25 0.25 0.50
0.33 0.50 0.33 1.00 1.00 0.75
0.33 0.50 033 0.50 0.50 0.25

Perkalian Matriks W * R sebagai berikut :


0.20 0.10 0.20 0.25 0.05 0.40
0.20 0.20 0.3 1.00 0.20 0.60
0.20 0.20 0.33 0.50 0.10 0.20

Langkah berikutnya adalah penjumlahan dari


Gambar 4. Data-data yang sudah dimasukan setiap alternatif. Supaya lebih jelas dimisalkan untuk
baris pertama dari matriks diatas adalah A1, baris ke
3.5.5 Hasil Seleksi 2 = A2 dan baris ke 3 = A3. Setelah dilakukan
Gambar 5 merupakan hasil dari proses aplikasi proses penjumlahan didapatkan nilai A1 = 1.20, A2
penerima beasiswa tersebut. Dimana hasil yang akan =2.53, A3 = 1.53.
ditampilkan adalah mahasiswa dengan alternatif Langkah terakhir adalah proses perangkingan.
tertinggi sampai alternatif terendah. Sehingga yang Hasil perankingan diperoleh: V1 1.20; V2 = 2.53;
akan lolos dalam penerimaan beasiswa tersebut dan V3 = 1.53. Nilai terbesar ada pada V2 sehingga
adalah mahasiswa dengan nilai alternatif yang alternatif A2 (Mahasiswa ke 2) adalah alternatif yang
terbaik. terpilih sebagai alternatif terbaik.

4. KESIMPULAN
Telah dibangun sebuah sistem pendukung
keputusan untuk membantu penentuan seseorang
yang berhak mendapatkan beasiswa berdasarkan
kriteria-kriteria yang telah ditentukan, dimana
kriteria tersebut diterjemahkan dari bilangan fuzzy
kedalam bentuk sebuah bilangan crisp. sehingga
nilainya akan bisa dilakukan proses perhitungan
untuk mencari alternatif terbaik. Dari penelitian
tersebut diketahui bahwa semakin banyak sampel
yang dipunyai, maka tingkat validitasnya akan
cenderung naik. dan hasil akhir dari penelitian ini
adalah sebuah alternatif yang memiliki nilai
alternatif terbaik dari alternatif yang lain.

PUSTAKA
Jawa Pos: Beasiswa Jadi Objek PPh. Diakses pada
20 April 2009 dari
http://www.infopajak.com/berita/310108jps.htm
Khoirudin , Akhmad Arwan. ( 2008). SNATI Sistem
Gambar 5. Hasil seleksi Pendukung Keputusan Penentuan Kelayakan
Calon Rintisan Sekolah Bertaraf Internasional
Dalam penelitian ini akan dicontohkan satu Dengan Metode Fuzzy Associative Memory.
perhitungan untuk mencari nilai akhir dari 3 Jurusan Teknik Informatika, Fakultas Teknologi
mahasiswa. Industri, Universitas Islam Indonesia.

B-66
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: 1907-5022
Yogyakarta, 20 Juni 2009

Kusumadewi, Sri. (2005). Pencarian Bobot Atribut


Pada Multiple-Attribute Decision Making
dengan Pendekatan Objektif Menggunakan
Algoritma Genetika. Diakses pada 17 April 2009
dari http://cicie.files.wordpress.com/2008/06/sri-
kusumadewi-jurnal-genetika.pdf
Kusumadewi, Sri., Hartati, S., Harjoko, A., dan
Wardoyo, R. (2006). Fuzzy Multi-Attribute
Decision Making (FUZZY MADM). Yogyakarta:
Penerbit Graha Ilmu.
Kusumadewi, Sri. (2007). Diktat Kuliah Kecerdasan
Buatan, Jurusan Teknik Informatika, Fakultas
Teknologi Industri, Universitas Islam Indonesia.

B-67