STMIK INSAN PEMBANGUNAN

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN

SISWA BARU DI SMK YAPISDA BERBASIS WEB
DENGAN METODE SIMPLE ADDITIVE WEIGHTING
(SAW)
 STMIK INSAN
PEMBANGUNAN

Landasan Teori

Teori Sistem Informasi Teori Sistem Pendukung

Keputusan
 Menurut Laudon (2012:16)  Sistem pendukung
sistem informasi adalah keputusan (decision support
komponen-komponen yang systems disingkat DSS)
saling berkaitan yang bekerja adalah bagian dari sistem
bersama-sama untuk informasi berbasis komputer
mengumpulkan, mengolah, (termasuk sistem berbasis
menyimpan, dan menampilkan pengetahuan (manajemen
informasi untuk mendukung pengetahuan)) yang dipakai
pengambilan keputusan, untuk mendukung
koordinasi, pengaturan, pengambilan keputusan dalam
analisa, dan visualisasi pada suatu organisasi
sebuah organisasi. atau perusahaan.
 STMIK INSAN
PEMBANGUNAN

System Development Life Cycle

Metode pengembangan sistem yang kami gunakan menggunakan

metode Simple Additive Weighting (SAW) dimana menurut para
ahli metode Simple Additive Weighting yaitu:
 Menurut (Henry Wibowo S 2009), Metode Simple Additive
Weightingsering juga dikenal istilah metode penjumlahan
terbobot. Konsep dasar metode SAW adalah mencari
penjumlahan terbobot dari rating kinerja pada setiap alternatif
pada semua atribut
 STMIK INSAN
PEMBANGUNAN

Tahapan Metode SAW

Tahapan Penyelesaian SAW sebagai berikut :

 Menentukan kriteria-kriteria yang akan dijadikan acuan dalam
pengambilan keputusan, yaitu Ci.
 Menentukan rating kecocokan setiap alternatif pada setiap
kriteria.
 Membuat matriks keputusan berdasarkan kriteria (Ci), kemudian
melakukan normalisasi matriks berdasarkan persamaan yang
disesuaikan dengan jenis atribut (atribut keuntungan ataupun
atribut biaya) sehingga diperoleh matriks ternormalisasi R.
 Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan
dari perkalian matriks ternormalisasi R dengan vektor bobot
sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif
terbaik (Ai)sebagai solusi.
 STMIK INSAN
PEMBANGUNAN

Kelebihan & Kekurangan Metode SAW

Kelebihan Metode SAW Kekurangan Metode SAW

 Memperluas kemampuan
pengambil keputusan dalam
memproses data/informasi
untuk pengambilan keputusan. biasanya tergantung juga
 Menghemat waktu yang
dibutuhkan untuk
memecahkan masalah,
terutama berbagai masalah
yang sangat kompleks dan
tidak terstruktur.
 Menghasilkan solusi dengan
lebih cepat dan hasilnya dapat
diandalkan.
 Proses-proses yang dapat
dilakukan oleh Sistem
Pendukung Keputusan (SPK)
pada kemampuan perangkat
lunak yang digunakan.
 Harus selalu diadakan
perubahan secara kontinyu
untuk menyesuaikan dengan
keadaan lingkungan yang
terus berubah agar sistem
tersebut selalu up to date.
 STMIK INSAN
PEMBANGUNAN

Alat Pendukung Sistem

Teori UML Teori PHP

 Menurut Nugroho (2010:6),  PHP adalah singkatan dari
UML (Unified Modeling
Language) adalah ‘bahasa’
pemodelan untuk sistem atau
perangkat lunak yang
berparadigma ‘berorientasi
objek”. Pemodelan (modeling)
sesungguhnya digunakan
untuk penyederhanaan
permasalahan-permasalahan
yang kompleks sedemikian
rupa sehingga lebih mudah
dipelajari dan dipahami.
"PHP Hypertext Processor",
yang merupakan sebuah
bahasa scripting yang
terpasang pada HTML.
Sebagian besar sintaks mirip
dengan bahasa C, Java dan
Perl, ditambah beberapa
fungsi PHP yang spesifik.
Tujuan utama penggunaan
bahasa ini adalah untuk
memungkinkan perancang
web menulis halaman web
dinamik dengan cepat.
(Peranginangin 2006).

Alat Pendukung Sistem
Teori Xampp
 Menurut (Wicaksono 2008),
XAMPP adalah sebuah
software yang berfungsi untuk
menjalankan website berbasis
PHP dan menggunakan
pengolah data MySQL di
komputer lokal. Jadi dapat
disimpulkan xampp adalah
software yang mudah di install database untuk pemilihan atau
untuk menjalankan program
MYSQL,PHP dan Perl yang
berjalan di lokal komputer
STMIK INSAN
PEMBANGUNAN
Teori Mysql
 MySQL merupakan sebuah
perangkat lunak atau software
sistem manajemen basis data
SQL atau DBMS Multithread
dan multi user. MySQl
sebenarnya merupakan
turunan dari salah satu
konsep utama dalam
seleksi dan pemasukan data
yang memungkinkan
pengoperasian data
dikerjakan secara mudah dan
otomatis.
 STMIK INSAN
PEMBANGUNAN

Analisis dengan Metode SAW

Kriteria dan Bobot

Kriteria Keterangan Bobot Status

C1 Nilai Ujian Nasional 40 % Benefit

C2 Nilai Ujian Sekolah 25 % Benefit

C3 Prestasi Akademik 15 % Benefit

C4 Prestasi NonAkademik 10 % Benefit

C5 Tempat Tinggal 10 % Cost

 STMIK INSAN
PEMBANGUNAN

Analisis dengan Metode SAW

Tabel Kriteria

NILAI UN PRESTASI NON

NILAI NILAI
(C1) AKADEMIK(C4)
<=19 0,25 <=1 0,25
>19-24 0,5 >2 0,5
>25-34 0,75 PRESTASI
NILAI >3 0,75
AKADEMIK(C3)
>35 1 >4 1
<=1 0,25
NILAI UAS >2 0,5 TEMPAT
NILAI NILAI
(C2) >3 0,75 TINGGAL (C5)
<=65 0,25 >4 1 <=20 0,25
>65-69 0,5 >13-15 0,5
>70-79 0,75 >6-12 0,75
>80 1 <=5 1
 STMIK INSAN
PEMBANGUNAN

Analisis dengan Metode SAW

Calon Siswa Baru yang akan mendaftar ke SMK Yapisda

Calon Siswa 1: Calon Siswa 1: Calon Siswa 1:

 Nilai UN = 30.75  Nilai UN = 30.75  Nilai UN = 30.75

 Nilai UAS = 80.55  Nilai UAS = 80.55  Nilai UAS = 80.55

 Akademik = 0  Akademik = 0  Akademik = 0

 NonAkademik = 1  NonAkademik = 1  NonAkademik = 1

 Tempat Tinggal = 6 km  Tempat Tinggal = 6 km  Tempat Tinggal = 6 km

 STMIK INSAN
PEMBANGUNAN

Analisis dengan Metode SAW

Tabel Kriteria

KRITERIA
ALTERNATIF
C1 C2 C3 C4 C5

Siswa 1
1 1 0,25 0,5 0,75

Siswa 2
0,75 1 0,75 0,25 0,75

Siswa 3
0,75 0,75 0,25 0,25 0,5
 STMIK INSAN
PEMBANGUNAN

Analisis dengan Metode SAW

Rumus
 STMIK INSAN
PEMBANGUNAN

Analisis dengan Metode SAW

1 1 0,75 0,75
 𝑟11 = 𝑀𝑎𝑥(1;0,75;0,75) = 1 = 1  𝑟21 = 𝑀𝑎𝑥(1;0,75;0,75) = = 0,75
1

1 1 1 1
 𝑟12 = 𝑀𝑎𝑥(1;1;0,75) = 1 = 1  𝑟22 = 𝑀𝑎𝑥(1;1;0,75) = 1 = 1

0,25 0,25 0,75 0,75

 𝑟13 = 𝑀𝑎𝑥(0,25;0,75;0,25) = 0,75 = 0,3  𝑟23 = = 0,75 = 1
𝑀𝑎𝑥(0,25;0,75;0,25)

0,5 0,5 0,25 0,25

 𝑟14 = = =2  𝑟24 = = =1
𝑀𝑎𝑥(0,5;0,25;0,25) 0,25 𝑀𝑎𝑥(0,5;0,25;0,25) 0,25

0,75 0,75 0,75 0,75

 𝑟15 = 𝑀𝑖𝑛(0,75;0,75;0,5) = = 1,5  𝑟25 = 𝑀𝑖𝑛(0,75;0,75;0,5) = =1
0,5 0,5
 STMIK INSAN
PEMBANGUNAN

Analisis dengan Metode SAW

0,75 0,75
 𝑟31 = 𝑀𝑎𝑥(1;0,75;0,75) = = 0,75  Dari perhitungan tadi dapat di
1
bentuk matriks R
0,75 0,75
 𝑟32 = 𝑀𝑎𝑥(1;1;0,75) = = 0,75
1

0,25 0,25 1 1 0,3 2

 𝑟33 = 𝑀𝑎𝑥(0,25;0,75;0,25) = 0,75 = 0,3 1,5
 𝑅= 0,75 1 1 1 1,5
0,25 0,25 0,75 0,75 0,3 1 1
 𝑟34 = = =1
𝑀𝑎𝑥(0,5;0,25;0,25) 0,25

0,5 0,5
 𝑟35 = 𝑀𝑖𝑛(0,75;0,75;0,5) = 0,5 = 1
 𝑊 = 0,4 0,25 0,15 0,1 0,1
 STMIK INSAN
PEMBANGUNAN

Analisis dengan Metode SAW

 Melakukan Proses V2 = (0,4)(0,75) + (0,25)(1) +

Perangkingan (0,15)(1) + (0,1)(1) +
(0,1)(1,5)
= 0,3 + 0,25 + 0,15 + 0,1 +
0,15
V1 = (0,4)(1) + (0,25)(1) +
(0,15)(0,3) + (0,1)(2) + = 0,95
(0,1)(1,5)
= 0,4 + 0,25 + 0,045 +
0,2 + 0,15 V3 = (0,4)(0,75) + (0,25)(0,75) +
(0,15)(0,3) + (0,1)(1) +
(0,1)(1)
= 1,045
= 0,3 + 0,187 + 0,045 + 0,1 +
0,1
= 0,732
 STMIK INSAN
PEMBANGUNAN

Diagram UML
Use Case Diagram
 STMIK INSAN
PEMBANGUNAN

Diagram UML
Sequence Login Admin
 STMIK INSAN
PEMBANGUNAN

Diagram UML
Sequence Laporan untuk Admin
 STMIK INSAN
PEMBANGUNAN

Diagram UML
Sequence Daftar Calon Siswa
 STMIK INSAN
PEMBANGUNAN

Diagram UML
Sequence Hasil Daftar
 STMIK INSAN
PEMBANGUNAN

Kesimpulan

 Sistem pendukung keputusan  Dengan adanya sistem

penerimaan siswa baru di pendukung keputusan untuk
SMK Yapisda diharapkan penerimaan siswa baru di
membantu dalam SMK Yapisda dapat
meningkatkan kualitas membantu dalam memberikan
penilaian proses penerimaan rekomendasi dan
siswa baru dan mengurangi pertimbangan dalam
kesalahan-kesalahan yang menentukan pendaftar yang
dilakukan sebelum adanya akan diterima nantinya melalui
sistem pendukung keputusan data perangkingan dari
ini. penilaian yang telah diolah
dalam sistem tersebut.