LAPORAN

SISTEM PENUNJANG KEPUTUSAN

SISTEM PENYELEKSI MAHASISWA YANG LAYAK MENDAPATKAN
BEASISWA DENGAN MENGUNAKAN METODE SAW
(SIMPLE ADDITEVE WEIGHTING)

DISUSUN OLEH :
CUT CHERRYL AULIA 11116651
NOVILIA ANGGRAINI 15116502

JURUSAN SISTEM INFORMASI

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS GUNADARMA
 1. PENDAHULUAN

1.1 LATAR BELAKANG

Beasiswa dapat dikatakan sebagai pembiayaan yang tidak

bersumber dari pendanaan sendiri atau orang tua, akan tetapi diberikan
oleh pemerintah, perusahaan swasta, kedutaan, universitas, serta
lembaga pendidik atau peneliti, atau juga dari kantor tempat bekerja
yang karena prestasi seorang karyawan dapat diberikan kesempatan
untuk meningkatkan kapasitas sumber daya manusianya melalui
pendidikan. Biaya tersebut diberikan kepada yang berhak menerima,
terutama berdasarkan klasifikasi, kualitas, dan kompetensi si penerima
beasiswa.
Pemberian Beasiswa merupakan program kerja yang ada di
setiap universitas atau perguruan tinggi. Program beasiswa diadakan
untuk meringankan beban mahasiswa dalam menempuh masa studi
kuliah khususnya dalam masalah biaya. Pemberian beasiswa kepada
mahasiswa dilakukan secara selektif sesuai dengan jenis beasiswa yang
diadakan.
Untuk mendapatkan beasiswa tersebut maka calon penerima
beasiswa harus sesuai dengan aturan-aturan atau kriteria yang telah
ditetapkan. Kriteria yang ditetapkan dalam kasus ini adalah
Kriteria yang ditetapkan dalam studi kasus ini adalah pekerjaan orang
tua, penghasilan orang tua dan indeks prestasi kumulatif (IPK). Oleh
sebab itu tidak semua yang mendaftarkan diri sebagai calon penerima
beasiswa tersebut akan diterima, hanya yang memenuhi kriteria –
kriteria saja yang akan memperoleh beasiswa tersebut. Oleh karena
jumlah peserta yang mengajukan beasiswa banyak serta indikator
kriteria yang banyak juga , maka perlu dibangun sebuah sistem
pendukung keputusan yang akan membantu penentuan siapa yang
berhak untuk mendapatkan beasiswa tersebut.
1.2 PERUMUSAN MASALAH
Banyaknya jumlah peserta yang mengajukan sebagai calon
penerima beasiswa serta terdapat pula banyaknya indikator kriteria yang
memungkinkan terjadinya kesalahan dalam menentukan hasil dari proses
penentuan beasiswa ini.

1.3 BATASAN MASALAH

Sistem penunjang keputusan ini hanya memiliki 3 kriteria dalam

menentuan penerimaan beasiswa yaitu, pekerjaan orang tua, penghasilan
orang tua dan indeks prestasi kumulatif (IPK).

1.4 TUJUAN
Membangun sistem penunjang keputusan penyeleksi mahasiswa
yang layak mendapatkan beasiswa dengan mengunakan metode saw
(simple additeve weighting) yang dapat membantu proses penentuan
penerima beasiswa di universitas gunadarma.
 2. LANDASAN TEORI

2.1 SISTEM PENDUKUNG KEPUTUSAN

Sistem pendukung keputusan merupakan Computer Based

Information System yang interaktif, fleksibel, mudah disesuaikan
(dapat beradaptasi) yang secara khusus dikembangkan untuk
mendukung penyelesaian dari permasalahan yang tidak terstruktur
untuk meningkatkan pembuatan keputusan (surya dan yubarda,2014).
Sistem pendikung keputusan merupakan sistem informasi interaktif
yang menyediakan informasi, pemodelan, dan pemanipulasian data.
Sistem itu digunakan untuk membantu pengambilan keputusan dalam
situasi yang semiterstrutur dan situasi yang tidak terstruktur, dimana
tak seorang pun tahu secara pasti bagaimana keputusan seharusnya
dibuat (Kusumadewi dkk,2006).

2.2 FUZZY MULTIPLE ATTRIBUTE DECISION MAKING

(FMADM)

Metode FMADM merupakan pengembangan lebih lanjut dari

MADM. MADM merujuk kepada pembuatan keputusan berdasarkan
seleksi terhadap beberapa pilihan yang masing-masing mempunyai
multiple attribute dan antar atribut yang saling konflik. Dalam
pengambilan keputusan dimana sebuah masalah tidak dapat
dipresentasikan secara tepat kedalam nilai crips, atau dengan kata lain
kedalam nilai boolean, maka penerapan logika Fuzzy dapat menjadi
satu pemecahan masalah (Nofriansyah, 2014) . Penerapan logika fuzzy
dalam MADM, yang selanjutnya disebut sebagai FMADM.
Kekurangan metode MADM biasa terhadap data-data yang bersifat
impricise, dan berada dalam perkiraan jangkauan nilai dapat tertutupi.
2.3 METODE SIMPLE ADDITEVE WEIGHTING

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 disarankan untuk menyelesaikan masalah penyeleksian
dalam sistem pengambilan keputusan multi proses. Metode Simple
Additive Weighting merupakan metode yang banyak digunakan dalam
pengambilan keputusan yang memiliki banyak atribut. Metode SAW
membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala
yang dapat diperbandingkan dengan semua rating alternatif yang ada.
(Nofriansyah, 2014) .

dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai

pada atribut Cj; i=1,2,...,m dan j=1,2,...,n.

Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai:

Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih
terpilih.
 Secara singkat, algoritma dari metode ini adalah sebagai berikut
(Nofriansyah, 2014):

1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam

pengambilan keputusan.
2. Memberikan nilai setiap alternative pada setiap kriterian yang
sudah ditentukan.
3. Menentukan rating kecocokan setiap alternative pada setiap
kriteria kemudian memodelkannya kedalam bilangan fuzzy
setelah dikonversikan kebilangan crips.
4. Memberikan nilai bobot yang juga didapatkan berdasarkan nilai
crpis.
5. Melakukan normalisasi matriks dengan cara menghitung nilai
rating kinerja ternormalisasi.
6. Menentukan proses perangkingan untuk setiap alternatif dengan
cara mengalikan nilai bobot dengan nilai rating kinerja
ternormalisasi.
7. Menentukan nilai preferensi untuk setiap alternatif dengan cara
menjumlahkan hasil kali antara matriks ternormalisasi dengan
nilai bobot.
 3. PEMBAHASAN

3.1 ANALISA KEPUTUSAN

3.1.1 Menentukan Kriteria Penilaian

Kriteria yang digunakan dalam sistem pendukung

keputusan untuk menentukan penerimaan beasiswa dengan
metode SAW seperti pada tabel 1.

Tabel 1. Kriteria sistem

Kode Kriteria Nama Kriteria
C1 Pekerjaan orang tua
C2 Penghasilan orang tua
C3 Indeks prestasi kumulatif (IPK)

Dari kriteria tersebut, maka dibuat suatu tingkatan

kepentingan kriteria berdasarkan nilai bobot yang telah
ditentukan ke dalam bilangan fuzzy. Ranting kecocokan
setiap alternative pada setiap kriteria seperti tabel 2.

Tabel 2. Bobot
3.1.1.1 Kriteria Pekerjaan Orang Tua

Tabel 3. Kriteria Penghasilan Orang Tua

Kode
Kode Nilai
kriteria sub Sub kriteria Bobot
kriteria
kriteria
C1A Pengangguran 1 ST
C1B Petani 0.75 T
Pekerjaan
C1 C1C Pedagang 0.5 C
orang tua
C1D Guru honorer 0.25 R
C1E Karyawan 0 SR

3.1.1.2 Kriteria Penghasilan Orang Tua

Tabel 4. Kriteria Penghasilan Orang Tua

Kode
Kode Nilai
kriteria sub Sub kriteria Bobot
kriteria
kriteria
Rp.0-
C2A 1 ST
1.000.000
Rp.1.000.000-
C2B 0.75 T
3.000.000
Penghasilan Rp.3.000.000-
C2 C2C 0.5 C
orang tua 5.000.000
Rp.5.000.000-
C2D 0.25 R
7.000.000
Rp.7.000.000-
C2E 0 SR
10.000.000
 3.1.1.3 Kriteria Indeks Prestasi Kumulatif (IPK)

Tabel 5. Kriteria Indeks Prestasi Kumulatif (IPK)

Kode
Kode Nilai
kriteria sub Sub kriteria Bobot
kriteria
kriteria
C3A 3.76-4.00 1 ST
C3B 3.51-3.75 0.75 T
C3 IPK C3C 3.26-3.50 0.5 C
C3D 3.01-3.25 0.25 R
C3E 2.75-3.00 0 SR

3.1.2 Menentukan Alternatif

Tabel 6. Contoh Alternatif

Alternatif (Ai) Nama
A1 Andi
A2 Budi
A3 Citra

Digunakan dengan contoh 3 data mahasiswa untuk

penerima beasiswa, sebagai berikut :
Tabel 7. Contoh Data Mahasiswa Calon Penerima Beasiswa
Pekerjaan Penghasilan
No Nama IPK
Orang Tua Orang Tua
1 Andi Petani Rp.3.000.000- 3.40
5.000.000
2 Budi Karyawan Rp.5.000.000- 3.25
7.000.000
3 Citra Pengangguran Rp.0- 3.80
1.000.000
3.1.3 Membuat Tabel Rating Kecocokan Setiap Alternatif Pada Setiap
Kriteria

Nilai dari setiap atribut yang merupakan hasil proses

penginputan data dari pemohon beasiswa yang sudah dikonfersikan
berdasarkan bobot kriteria yang sudah ditentukan melalui proses
perhitungan.
Tabel 8. Nilai setiap alternative setelah di konfersikan

3.1.4 Membentuk Matrik Keputusan X yang Dibentuk Dari Setiap

Alternatif Pada Setiap Kriteria kemudian melakukan normalisasi

0.75 0.5 0.5

X =[ 1 1 1 ]
0 0.25 0.25

3.1.5 Hasil akhir di dapat perangkingan calon penerima beasiswa.

Tabel 9.Hasil perangkingan

Dalam menentukan status pada sistem ini digunakan sebuah

indikator yang berfungsi sebagai batasan sistem dalam
menentukan di terima atau tidaknya mahasiswa calon penerima
beasiswa, indikator tersebut adalah apabila hasil rangking yang
diperoleh lebih besar dari 0.5 maka status akan tercetak
Menerima.
 4. KESIMPULAN

Sistem Pendukung Keputusan Penentuan Calon Penerima

Beasiswa Prestasi yaitu dapat ditentukan dengan hasil perankingan
yang telah dihitung dengan Metode Additive Weighting (SAW),
dimana tahapannya dimulai dari Menentukan Kriteria Penilaian dari
setiap kriteria yang mana antara lain, kriteria pekerjaan orang tua,
kriteria penghasilan orang tua dan kriteria Indeks prestasi kumulatif
(IPK). Kemudian Menentukan Alternatif, Membuat Tabel Rating
Kecocokan Setiap Alternatif Pada Setiap Kriteria, Membentuk Matrik
Keputusan X yang Dibentuk Dari Setiap Alternatif Pada Setiap Kriteria
kemudian melakukan normalisasi, Hasil akhir di dapat perangkingan
calon penerima beasiswa. Alternatif yang digunakan terdapat 3 sampel
data mahasiswa calon penerima beasiswa yaitu, Andi, Budi dan Citra.
Berdasarkan Hasil akhir di dapat perangkingan calon penerima
beasiswa, dapat dinyatakan bahwa andi dan citra dapat menerima
beasiswa, karena hasil akhir perangkingan dari Andi dan Citra melebihi
indikator yang sudah ditetapkan. Hasil akhir yang Andi dan Citra dapat
pada perangkingan yaitu Andi 0.6 dan citra 1.
 5. DAFTAR PUSTAKA

Candra Surya, Sistem Pendukung Keputusan (SPK) Pemilihan Perguruan

Tinggi Swasta Menggunakan Fuzzy Multi Attribute Decision Making
(FMADM) dan Metode Simple Additive Weighting (SAW), JIT Jurnal
Volume 8 No. 1 Maret 2004.

Candra Surya, Erliza Yubarda, (2014), Penilaian Kinerja Dosen dalam

Proses Pengajaran Menggunakan Metode Fuzzy MultiAttribute Decision
Making dan Simple Additive Weighting, SNTIKI Prosiding September
2014.

Kusumadewi, Sri., Hartati, Sri., Harjoko, Agus., Wardoyo, Retantyo. (2006)

Fuzzy Multi-Attribute Decision Making (Fuzzy MADM)

Nofriansyah, Dicky. 2014. Konsep Data Mining Vs Sistem Pendukung

Keputusan. Yogyakarta : Deepublish