ABSTRAK
SMK Harapan adalah salah satu Sekolah Menengah Kejuruan yang berstatus swasta
yang bernaung di bawah Yayasan pendidikan Islam Al Muttaqien (YAPIM), berada di wilayah
Pabelan, Kartasura yang mempunyai tujuan untuk mencerdaskan anak didiknya serta menjaga
kelangsungan pendidikan di negara Indonesia. Beasiswa diberikan Yayasan kepada siswa yang
masuk dalam kriteria kriteria yang diberikan oleh pihak sekolah. Untuk membantu menetapkan
siswa yang mendapatkan beasiswa maka dibuatlah sistem pendukung keputusan penerimaan
beasiswa kurang mampu di SMK HARAPAN Kartasura. Metode SAW (Simple Additive
Weigthing) akan diaplikasikan dalam pembuatan sistem pendukung keputusan ini. Metode ini
dipilih karena metode ini menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan
dengan proses perangkingan yang akan menyeleksi alternatif terbaik dari sejumlah alternatif,
dalam kasus ini adalalah siswa yang berhak dan layak menerima beasiswa dengan kriteria yang
ada. Berdasarkan hasil pengujian yang telah dilakukan, sistem yang dibangun telah berjalan
sesuai dengan rancangan, yaitu dapat menampilkan siswa yang layak berdasarkan kriteria dan
kuota beasiswa untuk mendapat beasiswa kurang mampu di SMK HARAPAN Kartasura.
Jurnal TIKomSiN 35
keputusan penerimaan beasiswa kurang 3.3 FMADM ( Multiple Attribute Dicision
mampu di SMK Harapan Kartasura, dilakukan System )
langkah sebagai berikut: Multiple Attribute Decision Making (MADM)
1. Analisa Sistem adalah suatu metode yang digunakan untuk
Setelah pengumpulan data tentang mencari alternatif optimal dari sejumlah
program beasiswa yang dilaksanakan oleh alternatif dengan kriteria tertentu. Inti dari
SMK Harapan, kriteria penerima beasiswa, MADM adalah menentukan bobot untuk setiap
data set dan data uji program beasiswa yang atribut, kemudian dilanjutkan dengan proses
telah berjalan. Analisa digunakan untuk perengkingan yang akan menyelesaikan
mengetahui kebutuhan sistem yang akan alternatif yang sudah diberikan.. Ada beberapa
dirancang dalam perancangan sistem. metode yang dapat digunakan untuk
2. Desain Sistem menyelesaikan masalah MADM, antara lain:
Desain sistem dilakukan dengan 1. Simple Additive Weighting (SAW)
perancangan terstruktur yaitu dengan 2. Weighting product (WP)
penyusunan: Diagram Konteks, Hierarchy 3. ELECTRE
Input Proses Output (HIPO), Data Flow 4. Technique for Order Preference by
Diagram (DFD), Entity Relationship Diagram Similarity to Ideal Solution (TOPSIS)
(ERD), Desain Database, Desain Input, Desain 5. Analytic Hierarchy process (AHP) [3].
Output, Desain Pelaporan.
3. Pengkodean 3.4 SAW
Tahapan dimana dilakukan koding program, Metode SAW sering juga dikenal dengan
bahasa pemrograman yang digunakan adalah istilah metode penjumlahan terbobot. Konsep
PHP dan database MySQL. dasar dari metode SAW adalah mencari
4. Pengujian Sistem penjumlahan terbobot, dari rating kinnerja
Pengujian penelitian menggunakan pada setiap alternatif pada semua atribut.
Pengujian Fungsional dan Pengujian validitas. Metode SAW membutuhkan proses
5. Implementasi Sistem normalisasi matriks keputusan (X) ke suatu
Setelah tahap pengujian dilaksanakan dan skala yang dapat dibandingkan dengan semua
sesuai dengan desain input dan output maka rating alternatif yang ada [4].
sistem dapat diimplementasikan di SMK
Harapan. IV. HASIL DAN PEMBAHASAN
4.1 Perancangan Sistem
III. TINJAUAN PUSTAKA Dalam perancangan sistem penulis
3.1. Beasiswa melakukan desain sistem baru. Desain sistem
Beasiswa diartikan sebagai bentuk merupakan gambaran fisik dan logic dari
penghargaan yang diberikan kepada individu sistem.
agar dapat melanjutkan pendidikan ke jenjang
yang lebih tinggi. Penghargaan itu dapat 4.2 Diagram Konteks (Context Diagram)
berupa akses tertentu pada suatu institusi atau Diagram Konteks berisi tentang hubungan
penghargaan berupa bantuan keuangan. masukan dan keluaran, aliran data dijabarkan
Beasiswa dapat diberikan oleh pemerintah secara global untuk menggambarkan aliran
maupun dari yayasan [1]. data dalam proses pengolahan data.
Gambaran diagram konteks ditunjukkan pada
3.2 Sistem Pendukung Keputusan Gambar 1.
Sistem Pendukung Keputusan (SPK)
merupakan sistem informasi interaksi yang
menyediakan informasi, pemodelan, dan
pemanipulasian data. Sistem itu digunakan
untuk membantu pengambilan keputusan
dalam situasi yang semiterstruktur dan situasi
yang tidak terstruktur, dimana tak seorang
pun tahu secara pasti bagaimana keputusan
seharusannya dibuat Alter didalam buku [2]
36 Jurnal TIKomSiN
Username,
Hak_akses password
Dt_siswa,
tb_login
Username, Laporan_siswa, Username,
Password
Password, Dt_hasili, 1
Hak_akses
Dt_user Laporan_seleksi, Operator Hak_ Akses Login
Laporan_kriteria,
Hak_akses
Operator Username,
Password
dt_login
Dt_konversi
Tb_siswa
Dt_kriteria
Dt_siswa,
Dt_kriteria, Dt_kriteria Tb_M_kriteria
Tb_kriteria
Dt_tahun_ajaran,
Dt_hasil
Dt_beasiswa
Dt_user\ Laporan_siswa, Dt_beasisws
Hak_akses Laporan_seleksi
Dt_konversi
Laporan_kriteria Dt_kriteria
3.
Perhitungan Dt_siswa
Dt_hasil
Keterangan : Dt_kriteria
1 n
kriteria memiliki nilai_kriteria
0
n
SPK Penentuan Penerima password
beasiwa SMK Harapan nama
email
Kartasura Nip
Id_kriteria No_hp
memiliki Id_user
Id_beasiswa level
nis
Id_beasiswa
1
tahun_ajaran n 1
beasiswa M_kriteria user
Nama_beasiswa
1 2 3 4 semester
Login Input Perhitungan Laporan mengelola
kuota
nis Penghasilan_orang_tua
Id_user
Tanggungan_orang_tua
n n
2.2 Id_beasiswa
2.1 2.3 4.2 4,3 Nilai_raport
Data 4.1 siswa
Data User Data Siswa Laporan Laporan
Beasiswa Laporan Siswa Nama_siswa
Seleksi Kriteria Kelengkapan_arsip
1
Tempat_lahir
Prestasi_non_akademik
Tanggal_lahir
2.3.2
2.1.2 2.4.1 2.3.3 2.3.4 Kelas Jarak_rumah_siswa
2.1.1 2.1.3 2.1.4 Updat
Updat Insert Delete Lihat
Insert Delete Lihat e
e Alamat
Nama_ayah
2.2.2
2.2.1 2.2.3 2.2.4
Updat
Insert Delete Lihat Nama_ibu menghasilkan
e
Pekerjaan_orang_tua
Gambar 2 Hierarchi Input Proccess Output
nis
1
skor hasil
4.4 Data Flow Diagram (DFD) status
Jurnal TIKomSiN 37
4. Setelah relasi antara siswa dengan
beasiswa menghasilkan m_kriteria maka
dapat dihitung dan menghasilkan tabel
hasil, satu siswa memiliki satu record hasil,
relasi yang terjadi adalah one to one.
38 Jurnal TIKomSiN
6. Halaman Analisa SPK
Halaman analisa SPK menampilkan data
yang diolah dan telah dinormalisasi dan
diberikan skor dengan metode SAW. Secara
jelas proses perhitungan dapat dilihat di
halaman analisa ini. Operator diberikan
fasilitas ini untuk mengetahui perhitungan yang
dilakukan untuk menentukan siswa yang layak Gambar 12 Laporan Pemohon Beasiswa
mendapat beasiswa. Berikut adalah
tampilanya 4.7 Perhitungan SAW
1. Penentuan Bobot Kriteria
Dalam penyeleksian beasiswa dengan
menggunakan model Fuzzy Multiple Attribut
Decision Making (FMADM) dengan metode
Simple Additive Weighting (SAW) deperlukan
kriteria- kriteria dan bobot untuk melakukan
perhitunganya sehingga akan didapat alternatif
terbaik.
Tabel 1 Nilai Kriteria
No Kriteria Keterangan Bobot
1 Penghasilan Orang Tua C1 0,4
Gambar 10 Halaman Analisa SPK 2 Tanggungan Orang Tua C2 0,3
3 Nilai C3 0,1
7. Halaman hasil seleksi 4 Prestasi Non akademik C4 0,1
5 Jarak Rumah Siswa C5 0,1
Halaman hasil seleksi menampilkan siswa Jumlah 1
yang mendapat beasiswa kurang mampu Berdasarkan pada kriteria dan rating
sesuai dengan perhitungan yang ditampilkan kecocokan masing masing alternatif pada
dalam halaman analisa. Data yang ditampilkan setiap kriteria yang sudah ditentukan,
sesuai dengan kuota yang tersedia. Berikut
selanjutnya dijabarkan bobot setiap kriteria.
adalah tampilanya :
Bobot setiap sub kriteria didapat dengan cara
membagi jumlah sub kriteria dengan bilangan
1, dimana satu adalah bobot paling tinggi
dalam pembobotan sub kriteria. Hasilnya
sebagai berikut:
Jurnal TIKomSiN 39
Prestasi Non akademik (C5) Nilai Perhitungan Nilai 0,25 1 0,5 0,333333333 0,666666667
C4 = Tingkat Kabupaten 0,6 3/5 0,5 0,4 0,5 0,333333333 0,666666667
C4 = Tingkat Provinsi 0,8 4/5 4. Perangkingan Alternatif
C4 = Tingkat Nasional 1 5/5 Langkah terahkir adalah mencari nilai
preferensi dari setiap alternatif hasilnya
Tabel 5 Nilai Kriteria Jarak Rumah Siswa digunakan untukmenentukan rangking dari dari
Jarak Rumah Siswa (C6) Nilai Perhitungan Nilai setiap alternatif.
C5 = 1 - 3 km 0,2 1/5 Vi = Σ wj rij
C5 = 4 – 7 km 0,4 2/5 j=1
C5 = 8 - 10 km 0,6 3/5
C5 = 11 - 14 km 0,8 4/5
C5 >= 15 km 1 5/5 Keterangan:
Vi = rangking untuk setiap alternatif
2. Contoh Kasus wj = nilai bobot dari setiap kriteria
Tabel 6 Data Uji rij = nilai rating kinerja ternormalisasi
V1 = (0,4)*(1) + (0,3)*(0,75) + (0,1)*( 1)
NO NAMA C1 C2 C3 C4 C5
1 FEBRI Rp 750.000,00 3 88 TINGKAT 10 + (0,1)*(0,666666667) + (0,1)*(1)
SAPUTRA KECAMATAN
2 HAMID Rp1.200.000,00 4 70 TINGKAT 3 = 0.891666667
MARFATULLAH KABUPATEN
3 SUGIYANTO Rp3.200.000,00 2 87 TIDAK 5
V2 = (0,4)*( 0.5) + (0,3)*(1) + (0,1)*( 0.5)
NUR HUDA
MUHAMAD Rp3.200.000,00 4 65
BERPRESTASI
TIDAK 7
+ (0,1)*(1) + (0,1)*(0.33333333)
4
FAJAR
RAMADHON
BERPRESTASI = 0,683333333
5 BUDI Rp1.440.000,00 2 78 TIDAK 7 V3 = (0,4)*( 0,25) + (0,3)*(0.5) + (0,1)*( 1)
ARIYANTO BERPRESTASI
+ (0,1)*(0.33333333) +
(0,1)*(0,666666667)
Perhitungan Seleksi Beasiswa = 0,455
1. Buat Matrik Keputusan X
V4 = (0,4)*( 0.25) + (0,3)*(1) + (0.5)*( 1)
Dari tabel contoh kasus yang ada kemudian
+ (0,1)*(0.33333333) +
dibuat matrik keputusan X berdasarkan
data diperoleh matrik X sebagai berikut: (0,1)*(0,666666667)
= 0,575
0,25 0,6 0,8 0,4 0,6 V5 = (0,4)*( 0.5) + (0,3)*(0.25) + (0,1)*( 0.5)
0,5 0,8 0,4 0,6 0,2 + (0,1)*(0.33333333) +
X= 0,75 0,4 0,8 0,2 0,4 (0,1)*(0,666666667)
1 0,8 0,4 0,2 0,4 = 0,425
0,8 0,2 0,4 0,2 0,4
Setelah perhitungan Vi, dilakukan
perangkingkan nilai preferensi Viuntuk mencari
2. Normalisasi Matrik Keputusan alternatif terbaik. Kuota dapat dimasukan
Langkah selanjutnya, dilakukan normalisasi secara dinamis mengikuti jumlah dari dana
matriks untuk menghitung nilai masing- atau penyelenggara beasiswa, digunakan juga
masing kriteria berdasarkan kriteria selain kuota nilai passing grade untuk siswa
keuntungan atau kriteria biaya. Perhitungan yang mengajukan beasiswa. Nilai passing
normalisasi matriks dengan rumus grade telah ditentukan oleh pihak tim seleksi
untuk memberikan batasan skor siswa yang
diterima dan tidak hanya mengandalkan kuota.
Nilai passing grade untuk syarat siswa yang
(1)
dapat menerima beasiswa adalah 0,55.
40 Jurnal TIKomSiN
4 V3 SUGIYANTO 0,455 Tidak
No Nama manual Status Sistem Status Hasil
NUR HUDA memenuhi
5 V5 BUDI 0,425 Tidak FEBRI
ARIYANTO memenuhi 1 0,891666667 Diterima 0,891667 Diterima T
SAPUTRA
HAMID
2 0,683333333 Diterima 0,683333 Diterima T
MARFATULLAH
4.8 Pengujian Sistem MUHAMAD T
a. Pengujian Fungsional 3 FAJAR
RAMADHON
0,575 Diterima 0,575 Diterima
Jurnal TIKomSiN 41