Sistem Pendukung

Keputusan Penerimaan
Bidikmisi pada Jurusan
Teknik Industri
Universitas
Singaperbangsa
Karawang
Fachry Dwi Agung
1510631140048
Hengky
1510631140067
Iqbal Syamsul Hadi
1510631140073
Jeremy Hendrik
1510631140076
Latar Belakang
Kementerian Pendidikan Nasional
(Kemdiknas) melakukan seleksi
dalam pemilihan kepada calon
Mahasiswa penerima beasiswa
bidikmisi di Universitas
Singaperbangsa Karawang
Untuk menunjang proses seleksi
tersebut maka diperlukan suatu
Sistem Pendukung Keputusan
(SPK) guna membantu,
mempercepat, dan
mempermudah proses
pengambilan keputusan
3
Rumusan Masalah
Bagaimana merancang Bagaimana merancang Bagaimana merancang
dan membangun suatu sebuah sistem pendukung sebuah sistem pendukung
Sistem Pendukung keputusan dengan keputusan dengan
Keputusan dalam menggunakan Fuzzy menggunakan metode
penyeleksian penerima MADM (Multiple Attribute SAW (Simple Additive
beasiswa bidikmisi di Decission Making) untuk Weighting) untuk
Unsika? menentukan siapa yang menentukan siapa yang
akan menerima beasiswa akan menerima beasiswa
berdasarkan bobot dan berdasarkan bobot dan
kriteria yang sudah kriteria yang sudah
ditentukan? ditentukan?

4
Batasan Masalah
Sample data yang dilakukan untuk Metode pengambilan data
penelitian ini diperoleh dari diperoleh dengan menggunakan
mahasiswa jurusan Teknik Industri kuesioner.
Universitas Singaperbangsa
Karawang.

5
Tujuan penelitian
Maksud dari makalah ini adalah merancang dan
membangun penerapan SPK dengan mengunakan Fuzzy
MADM dan SAW. Adapun tujuan dari penelitian ini adalah :

Merancang SPK yang berguna untuk menyeleksi

penerimaan program bidikmisi.
Merancang perhitungan kriteria yang behubungan pada
penerimaan beasiswa bidikmisi dengan menggunakan
metode Fuzzy MADM

6
DSS (DECISION
SUPPORT
SYSTEMS)
Apa itu DSS?
DSS (Decision
support
systems)
Decision Support System (DSS)
adalah sebuah sistem yang
dimaksudkan untuk mendukung
para pengambil keputusan
menajerial dalam situasi keputusan
semi-terstruktur

8
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 Turban (2010)

9
Data: Internal Other computer based
dan External systems

Data Model
management management

Data: Internal
dan External

Data: Internal
dan External

User KOMPONEN SPK

10
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.

11
Pembahasan
Analisis

Input untuk melakukan proses pengambilan

keputusan dari beberapa alternatif ini
dilakukan dengan menggunakan kuesioner

13
Variabel yang dibutuhkan
Semester
Nilai IPK
Jumlah tangguan orang tua
Jumlah saudara kandung
Usia
Penghasilan orang tua
.
Selanjutnya masing-masing indikator tersebut dianggap
sebagai kriteria yang akan dijadikan sebagai faktor
untuk menentukan penerima beasiswa

14
Dalam metode penelitian ini ada bobot dan
kriteria yang dibutuhkan untuk menentukan siapa
yang akan terseleksi sebagai penerima bidikmisi

C1=Jumlah penghasilan Orangtua

C2=Usia
C3=Semester
C4=Jumlah tanggungan Orangtua
C5= Jumlah saudara kandung,
C6= nilai IPK.

15
Dari masing-masing bobot tersebut, maka dibuat
suatu variabel-variabelnya. Dimana dari suatu
variabel tersebut akan dirubah kedalam bilangan
fuzzynya.

Sangat Rendah (SR) = 0

Rendah (R) = 0.2
Sedang (S) = 0.4
Tengah (T1) = 0.6
Tinggi (ST) = 0.8
Banyak (B) = 1

16
Kriteria Penghasilan Orang
Tua
Variabel penghasilan orang tua
dikonversikan dengan bilangan fuzzy
dibawah ini.
Penghasilan Orang tua Nilai

X<= Rp.1000.000 0,75

X= Rp.1000.000-5000.000 0,5

X= Rp.5000.000-10.000.000 0,75
X>= Rp.10.000.000

17
Kriteria Usia
Variabel usia dikonversikan dengan
bilangan fuzzy dibawah ini.

Usia Nilai

Usia = 19 Tahun 0,75

Usia = 20 Tahun 0,5

Usia = 21 Tahun 0,75

Usia = 22 Tahun 1

18
Kriteria Semester
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

19
Kriteria jumlah saudara
kandung
Variabel Jumlah saudara kandung
dikonversikan dengan bilangan fuzzy
dibawah ini
Jumlah saudara
Nilai
kandung
1 Orang 0

2 Orang 0,25

3 Orang 0,5
4 Orang 0,75
5 Orang 1

20
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

21
 Tanggu-
Saudar ngan
NO. Nama Penghasilan Usia Semester Ipk
a orang-
tua
Faizal
1 0,75 0,75 0,8 0,25 0,25 0,5
Muhammad

2 Haerul Bahri 0,75 0,5 0,4 1 1 0,75

3 Noshua Rio 0,75 0,5 0,4 0,5 0,5 0,25

4 Rusdianto 0,5 0,75 0,4 0 0,25 0,5

Dede
5 0,25 0,75 0,8 0,5 0,5 0,5
koswara
22
Pembobotan Kritea
Kriteria Bobot
Pembobotan disini
didasarkan pada tingkat C1 0,2
kepentingan yang
C2 0,1
dianggap lebih penting dari
yang lain berdasarkan C3 0,1
kacamata oleh peneliti.
C4 0,1
C5 0,2
C6 0,3
TOTAL 1

23
Proses
Normalisasi
0,75 0,75 0,8 0,25 0,25 0,5
0,75 0,5 0,75
0,4 1 1 Tentukan Kriteria Benefit
0,75 0,5 0,4 0,5 0,5 0,25 (C4,C5 dan C6)
menggunakan rumus :
0,5 0,75 0,4 0 0,25 0,5

0,25 0,75 0,8 0,5 0,5 0,5 Rii = max(

)

24
Dari kolom C4 nilai maksimalnya adalah
1, maka tiap baris dari kolom C4
dibagi oleh nilai maksimal kolom C4.

R14 = 0,25 = 0,25

1
R24 = 1 = 1
1
R34 = 0,5 = 0,5
1
R44 = 0 = 0
1
R54 = 0,5 = 0,5
1

25
Dari kolom C5 nilai maksimalnya adalah
1, maka tiap baris dari kolom C5
dibagi oleh nilai maksimal kolom C5

R15 = 0,25 = 0,25

1
R25 = 1 = 1
1
R35 = 0,5 = 0,5
1
R45 = 0,25 = 0,25
1
R55 = 0,5 = 0,5
1

26
Dari kolom C6 nilai maksimalnya adalah
0,25, maka tiap baris dari kolom C6
dibagi oleh nilai maksimal kolom C6.

R16 =
, =
,
R26 =
, =
,
R36 =
, =
,
R46 =
, =
,
R56 =
, =
,
27
Tentukan Kriteria Cost (C1,
C2 dan C3) menggunakan
rumus :
min( )
Rii =

28
Dari kolom C1 nilai minimalnya adalah
0,25, maka tiap baris dari kolom C1
dibagi oleh nilai minimal kolom C1.

R11 = 0 25
, = 0,33
0,75
R21 = 0 25
, = 0,33
0,75
R31 = 0 25
, = 0,33
0,75
R41 = 0,25 = 0,5
0,5
R51 = 0 25
, =1
0,25
29
Dari kolom C2 nilai minimal adalah
0,5, maka tiap baris dari kolom C2
dibagi oleh nilai minimal kolom C2.
R12 = 05
, = 0,67
0,75
0,5
R22 = = 1
0,5
0,5
R32 = = 1
0,5
R42 = 0 25
, = 0,67
0,75
R52 = 0 25
, = 0,67
0,75

30
Dari kolom C3 nilai minimal adalah
0,4, maka tiap baris dari kolom C3
dibagi oleh nilai minimal kolom C3.
R13 = 04
, = 0,5
0,8
R23 = 04
, =1
0,4
R33 = 04
, =1
0,4
R43 = 04
, =1
0,4
0,4
R53 = = 0,6
0,8

31
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 :

=
=1

32
Faizal
0,33 0,2 + 0,67 0,1 + 0,5 0,1 + 0,25 0,1 + 0,25 0,2 +
2 0,3 = 0,858

33
Haerul
0,33 0,2 + 1 0,1 + 1 0,1 + 1 0,1 + 1 0,2 + 3 0,3 = 1,466

34
Noshua
0,33 0,2 + 1 0,1 + 1 0,1 + 0,5 0,1 + 0,5 0,2 + 1 0,3
=0,716

35
Rusdianto
0,5 0,2 + 0,67 0,1 + 1 0,1 + 0 0,1 + 0,25 0,2 + 2 0,3
= 0,917

36
Deni
1 0,2 + 0,67 0,1 + 0,6 0,1 + 0,5 0,1 + 0,5 0,2 + 2 0,3
= 1,077

37
Penerapan metode simple additive weighting (SAW)
ditemukan alternative terbaik hasil akhir dari
perankingan yaitu :
HAERUL BAHRI = 1,466
DENI HARYADI = 1,007
RUSDIANTO = 0,917
FAIZAL MUHAMMAD = 0,858
NOUSHUA RIO C. = 0,716

Ditetapkan bahwa penerima beasiswa yaitu HAERUL

BAHRI dengan nilai 1,466

38
Berdasarkan analisa tersebut
maka Nilai tertinggi nya yaitu
1,466 dan nilai terkecilnya
0,716 sehingga dapat
disimpulkan bahwa pemenang
beasiswa bidikmisi adalah
HAERUL BAHRI.

39
Thanks!

40
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

Christian S, V.M.Eduardo.2014. Sistem Pendukung Keputusan Batan Pada Pt Bank Central Asia Tbk. (Bca)
Menggunakan Metode Analityc Heararchy Process, Semarang.

Gustriansyah, Rendra.2016. Sistem Pendukung Keputusan Pemilihan Dosen Berprestasi Dengan Metode Anp Dan
Topsis, Palembang.

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

Pradipta, Aldi Yudha Dan Diana, Anita.2017. Sistem Penunjang KeputusanPemilihan Supplier Pada Apotek Dengan
Metode AHP Dan SAW (Studi Kasus Apotek XYZ), Jakarta

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.

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

Dengan Metode Saw Studi Kasus Pemilihan Rumah, Kediri.

Setiawan,Alexander dkk.2006. Perancangan Dan Pembuatan Aplikasi

Decision Support System Pada Departemen Hrd Dan Pembelian Dengan Menggunakan Metode Analytical Hierarcy
Process (Ahp), Surabaya.
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. Credits
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 41