SISTEM PENDUKUNG KEPUTUSAN

UNTUK MENENTUKAN PENERIMA BEASISWA KURANG MAMPU

MENGGUNAKAN METODE SAW

Uji Muchariroh

Program Studi Teknik Informatika

STMIK Mitra Lampung
Jl. ZA. Pagaralam No. 7, Gedungmeneng, Gedong Meneng,
Rajabasa, Kota Bandar Lampung, Lampung 40115
Email : [email protected]

ABSTRAK

Banyaknya pemohon beasiswa, menjadi tantangan tersendiri bagi pihak pengelola lembaga
pendidikan untuk dapat memberikan suatu keputusan yang tepat, efektif dan efisien dalam pengelolaan data
penerima besiswa yang benar-benar berhak menerima beasiswa,Dalam menentukan penerimaan beasiswa
kurang mampu, banyak sekali kriteria-kriteria yang harus dimiliki oleh individu sebagai syarat dalam
mendapatkan beasiswa. Masing-masing universitas pasti memiliki kriteria-kriteria untuk menentukan siapa
yang akan terpilih untuk menerima beasiswa. Pembagian beasiswa dilakukan untuk membantu seseorang
yang kurang mampu secara ekonomi selama menempuh studinya. Untuk membantu penentuan dalam
menetapkan seseorang yang layak menerima beasiswa maka dibutuhkan sebuah sistem pendukung
keputusan.Pada penelitian ini akan diangkat suatu kasus yaitu mencari alternative terbaik bedasarkan
kriteria-kriteria yang telah ditentukan dengan menggunakan metode SAW (Simple Additive Weighting)
Penelitian dilakukan dengan mencari nilai bobot untuk setiap atribut, kemudian dilakukan proses
perankingan yang akan menentukan alternatif yang optimal, yaitu siswa terbaik.

Kata Kunci : sistem rekomendasi, beasiswa, SAW

1. PENDAHULUAN
1.1. Latar Belakang
Institusi pendidikan saat ini banyak membuka peluang beasiswa bagi siswa yang kurang mampu. Dengan
semakin banyaknya pemohon beasiswa, menjadikan tantangan tersendiri bagi pihak pengelola untuk dapat
memberikan suatu keputusan yang tepat, efektif dan efisien dalam pengelolaan data penerima besiswa yang
benar-benar berhak menerima beasiswa.
Saat ini pengelola lembaga masih menggunakan cara manual untuk menetukan peserta didik baru yang
berhak menerima beasiswa. Sehingga pengolahan data kurang efektif, membutuhkan waktu yang relatif lama
dan sering terjadi subjektifitas dari para pengambil keputusan.
Untuk mendapatkan beasiswa tersebut maka harus sesuai dengan aturan-aturan yang telah ditetapkan.
Kriteria yang ditetapkan dalam studi kasus ini adalah Penghasilan Orang Tua, Jumlah Saudara Kandung,
Tanggungan Orangtua, Kepemilikan Rumah dan Indeks Prestasi. 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.
Untuk mempermudah para pengurus dalam menentukan peserta didik baru yang berhak menerima
beasiwa, maka perlu adanya suatu sistem rekomendasi yang berfungsi untuk membantu melakukan seleksi
kepada para calon penerima beasiswa. Sistem rekomendasi pemberian beasiswa adalah suatu sistem yang
berfungsi membantu tim penyeleksi dalam melakukan penyeleksian terhadap para calon penerima beasiswa
menggunakan metode SAW (Simple Additive Weighting).
Model yang digunakan dalam sistem pendukung keputusan ini adalah SAW, karena SAW ini dipilih
karena dapat menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan
yang akan menyeleksi alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksud
adalah yang berhak menerima beasiswa berdasarkan kriteria-kriteria yang ditentukan.
Dengan metode perangkingan tersebut, diharapkan penilaian akan lebih tepat karena didasarkan pada
nilai kriteria dan bobot yang sudah ditentukan sehingga akan mendapatkan hasil yang lebih akurat terhadap
siapa yang akan menerima beasiswa tersebut

1.2 Perumusan Masalah

Berdasarkan uraian latar belakang diatas, terdapat rumusan masalah sebagai berikut: Bagaimana
membuat Sistem Pendukung Keputusan menggunakan Metode SAW (Simple Additive Weighting) yang
dapat membantu dalam pemilihan calon penerima program beasiswa kurang mampu yang tepat dan akurat.
1.3 Ruang Lingkup Penelitian
Ruang lingkup permasalahan yang akan diteliti untuk menghindari meluasnya masalah, dibatasi pada :
1. Pembuatan Sistem Pendukung Keputusan menggunakan Metode SAW pada penelitian ini hanya
digunakan untuk menentukan calon penerima program beasiswa kurang mampu
2. Variabel yang terdapat dalam penentuan calon siswa penerima program bina lingkungan adalah (1)
Penghasilan Orang Tua (2) Jumlah Saudara Kandung (3) Tanggungan Orangtua (4) Kepemilikan Rumah (5)
Indeks Prestasi
1.4 Tujuan Penelitian
Tujuan penulisan tesis ini adalah untuk menerapkan metode SAW (Simple Additive Weighting untuk
membuat suatu keluaran sistem berupa rekomendasi calon siswa yang berhak menerima program bina
lingkungan.
1.5 Manfaat Penelitian
Berdasarkan tujuan penelitian diatas, manfaat dari penelitian ini yaitu :
1. Memberikan kontribusi positif bagi pembangunan dunia pendidikan agar program beasiswa kurang
mampu bisa tepat sasaran.
2. Membantu tim penyeleksi dalam menentukan calon penerima yang berhak mendapatkan program
beasiswa kurang mampu sesuai dengan kriteria yang telah ditetapkan.
II. LANDASAN TEORI
2.1 Sistem Pendukung Keputusan
Konsep Sistem Pendukung Keputusan diperkenalkan pertama kali oleh Michael S. Scoott Morton pada
tahun 1970-an dengan istilah Management Decision System, SPK dirancang untuk mendukung seluruh tahap
pengambilan keputusan mulai dari mengidentifikasi masalah, memilih data yang relevan, dan menentukan
pendekatan yang digunakan dalam proses pengambilan keputusan, sampai mengevaluasi pemilihan alternatif
(Sprague,1982).
Sistem pendukung keputusan adalah sistem penghasil informasi yang ditujukan pada suatu masalah
tertentu yang harus dipecahkan oleh manager dan dapat membantu manager dalam pengambilan keputusan
(Raymond Mc Leod, Jr., 1995:348). Sistem pendukung keputusan merupakan bagian tak terpisahkan dari
totalitas sistem organisasi keseluruhan. Suatu sistem organisasi mencakup sistem fisik, sistem keputusan dan
sistem informasi (Dr. Ir. Kadarsyah Suryadi, 2002:13).
Sistem pendukung keputusan adalah suatu pendekatan sistematis pada hakekat suatu masalah,
pengumpulan fakta-fakta penentu yang matang dari alternatif yang dihadapi dan pengambilan tindakan yang
paling tepat (Kadarsih Suryadi, 2000:1). Sistem pendukung keputusan adalah suatu sistem berbasis komputer
yang menghasilkan berbagai alternatif keputusan untuk membantu manajemen dalam menangani berbagai
permasalahan yang terstruktur ataupun tidak terstruktur dengan menggunakan data dan model (Dadan Umar
Daihani, 2001:55). Untuk menghasilkan keputusan yang baik di dalam sistem pendukung keputusan, perlu
didukung oleh informasi dan fakta-fakta yang berkualitas antara lain :
a. Aksebilitas
Atribut ini berkaitan dengan kemudahan mendapatkan informasi, informasi akan lebih berarti bagi si
pemakai kalau informasi tersebut mudah didapat, karena akan berkaitan dengan aktifitas dari nilai
informasinya.
b. Kelengkapan
 Atribut ini berkaitan dengan kelengkapan isi informasi, dalam hal ini isi tidak menyangkut hanya
volume tetapi juga kesesuaian dengan harapan si pemakai sehingga sering kali kelengkapan ini sulit
diukur secara kuantitatif.
c. Ketelitian
Atribut ini berkaitan dangan tingkat kesalahan yang mungkin di dalam pelaksanaan pengolahan data
dalam jumlah (volume) besar. Dua tipe kesalahan yang sering terjadi yaitu berkaitan dengan
perhitungan.
d. Ketepatan
Atribut ini berkaitan dengan kesesuaian antara informasi yang dihasilkan dengan kebutuhan pemakai.
Sama halnya dengan kelengkapan, ketepatan pun sangat sulit diukur secara kuantitatif.
e. Ketepatan Waktu
Kualitas informasi juga sangat ditentukan oleh kektepatan wktu penyampaian dan aktualisasinya. Misal
informasi yang berkaitan dengan perencanaan harian akan sangat berguna kalau disampaikan setiap dua
hari sekali.
f. Kejelasan
Atribut ini berkaitan dengan bentuk atau format penyampaian informasi. Bagi seorang pimpinan,
informasi yang disajikan dalam bentuk grafik, histogram, atau gambar biasanya akan lebih berarti
dibandingkan dengan informasi dalam bentuk kata-kata yang panjang.
g. Fleksibilitas
Atribut ini berkaitan dengan tingkat adaptasi dari informasi yang dihasilkan terhadap kebutuhan berbagai
keputusan yang akan diambil dan terhadap sekelompok pengambil keputusan yang berbeda.
2.1.1 Tahapan Pengambilan keputusan
Untuk menghasilkan keputusan yang baik ada beberapa tahapan proses yang harus dilalui dalam
pengambilan keputusan. Menurut Julius Hermawan (2002:3), proses pengambilan keputusan melalui
beberapa tahap berikut :
1. Tahap Penelusuran(intelligence)
Tahap ini pengambil keputusan mempelajari kenyataan yang terjadi, sehingga kita bisa mengidentifikasi
masalah yang terjadi biasanya dilakukan analisis dari sistem ke subsistem pembentuknya sehingga
didapatkan keluaran berupa dokumen pernyataan masalah.
2. Tahap Desain
Dalam tahap ini pengambil keputusan menemukan, mengambangkan dan menganalisis semua
pemecahan yang mungkin yaitu melalui pembuatan model yang bisa mewakili kondisi nyata masalah.
Dari tahapan ini didapatkan keluaran berupa dokumen alternatif solusi.
3. Tahap Choice
Dalam tahap ini pengambil keputusan memilih salah satu alternatif pemecahan yang dibuat pada tahap
desain yang dipandang sebagai aksi yang paling tepat untuk mengatasi masalah yang sedang dihadapi.
Dari tahap ini didapatkan dokumen solusi dan rencana implementasinya.
4. Tahap Implementasi
Pengambil keputusan menjalankan rangkaian aksi pemecahan yang dipilih di tahap choice. Implementasi
yang sukses ditandai dengan terjawabnya masalah yang dihadapi, sementara kegagalan ditandai masih
adanya masalah yang sedang dicoba untuk diatasi. Dari tahap ini didapatkan laporan pelaksanaan solusi
dan hasilnya.
2.1.2 Komponen-Komponen Sistem Pendukung Keputusan
Sistem pendukung keputusan terdiri dari 3 komponen utama atau subsistem yaitu (Dadan Umar
Daihani, 2001:63) :
a. Subsistem Data (Database)
Subsistem data merupakan komponen sistem pendukung keputusan penyedia data bagi sistem. Data
dimaksud disimpan dalam suatu pangkalan data (database) yang diorganisasikan suatu sistem yang
disebut sistem manajemen pengkalan data (Data Base Manajemen System/DBMS).
b. Subsistem Model (Model Subsistem)
c. Subsistem Dialog (User Sistem Interface)
 Keunikan lainnya dari sistem pendukung keputusan adalah adanya fasilitas yang mampu
mengintegrasikan sistem terpasang dengan pengguna secara interaktif. Fasilitas yang dimiliki oleh
subsistem ini dapat dibagi atas 3 komponen yaitu :
a. Bahasa aksi (Action Language) yaitu suatu perangkat lunak yang dapat digunakan pengguna untuk
berkomunikasi dengan sistem. Komunikasi ini dilakukan melalui berbagai pilihan media seperti
keyboard, joystick dan key function.
b. Bahasa Tampilan (Display atau Presentation Language) yaitu suatu perangkat yang berfungsi
sebagai sarana untuk menampilkan sesuatu.
c. Basis Pengetahuan (Knowledge Base) yaitu bagian yang mutlak diketahui oleh pengguna sistem yang
dirancang dapat berfungsi secara efektif.(Umar Daihani, 2000:63)
2.2. Metode SAW
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 membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan
dengan semua rating alternatif yang ada.
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 membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan
dengan semua rating alternatif yang ada.

x
ij
jika j adalah atribut keuntungan (benefit)
Max xij
i
r
ij = (2.1)
Min xij
i
jika j adalah atribut biaya (cost)
x
ij

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: n
V= w r
i ∑ j ij (2.2)
j =1

Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.

METODOLOGI PENELITIAN
3.1 Metode pengumpulan Data
a. Wawancara / Interview
b. Studi Pustaka (Library Research Method)
3.2 Indikator
Indikator adalah suatu ukuran tidak langsung dari suatu kondisi. Indikator adalah variabel yang
membantu kita dalam mengukur perubahan perubahan yang terjadi baik secara langsung maupun secara tidak
langsung. Indikator disini yaitu variabel awal syarat calon penerima program beasiswa kurang mampu, dan
pada sistem yang akan dirancang ada berbagai indikator antara lain :
(1) Penghasilan Orang Tua (2) Jumlah Saudara Kandung (3) Tanggungan Orangtua (4) Kepemilikan
Rumah (5) Indeks Prestasi

3.3 Data Kriteria

Data Kriteria yang berisi kode, nama, atribut, bobot. Bobot kriteria menentukan seberapa penting kriteria
tersebut. Atribut kriteria terdiri dari benefit atau cost, dimana benefit artinya semakin besar nilainya semakin
bagus, sedangkan cost semakin kecil nilainya semakin bagus.
 Kode Nama Kriteria Atribut Bobot
Kriteria
C1 Penghasilan Orang Tua Cost 30
C2 Jumlah Saudara Kandung Benefit 15
C3 Tanggungan Orangtua Benefit 10
C4 Kepemilikan Rumah Benefit 25
C5 Indeks Prestasi Benefit 20

Dari 5 kriteria tersebut hanya penghasilan orang tua yang menjadi atribut cost, karena semakin besar
penghasilan orang tua, maka semakin kecil kesempatan terpilih

3.3 Data Cript

Kode
Kriteria Nama Kriteria Crips Nilai
C1 Penghasilan Orang Tua Rp.0- 40
1.999.999
C1 Penghasilan Orang Tua Rp.2.000.000- 60
2.999.999
C1 Penghasilan Orang Tua Rp.3.000.000- 80
3.999.999
C1 Penghasilan Orang Tua >Rp.4.000.000 100
C2 Jumlah Saudara Kandung 1 Orang 40
C2 Jumlah Saudara Kandung 2-3 Orang 60
C2 Jumlah Saudara Kandung 4-5 Orang 80
C2 Jumlah Saudara Kandung >5 Orang 100
C3 Tanggungan Orangtua 1 Orang 40
C3 Tanggungan Orangtua 2-3 Orang 60
C3 Tanggungan Orangtua 4-5 Orang 80
C3 Tanggungan Orangtua >5 Orang 100
C4 Kepemilikan Rumah Milik Pribadi, 40
54 m2
C4 Kepemilikan Rumah Milik Pribadi, 60
45 m2
C4 Kepemilikan Rumah Milik Pribadi, 80
36 m2
C4 Kepemilikan Rumah Sewa 100
C5 Indeks Prestasi 2.00-2.49 40
C5 Indeks Prestasi 2.50-2.99 60
C5 Indeks Prestasi 3.01-3.49 80
C5 Indeks Prestasi 3.50-4.00 100

3.4. Data Alternatif

Data Alternatif merupakan alternatif yang akan dihitung nilainya dan dipilih sebagai alternatif terbaik. Data
alternatif biasanya berisi kode dan nama. Berdasarkan studi kasusnya pemberian kredit, maka data alternatif
adalah data calon yang mengajukan kredit.

Kode Nama
Alternatif Alternatif
 A1 Si A
A2 Si B
A3 Si C
A4 Si D

4.Perhitungan SAW

Setelah menyiapkan data, sekarang waktunya melakukan perhitungan SAW yang kita bagi menjadi 3 langkah
yaitu:

4.1. Tahap Analisa

Pada tahap ini anda mengubah nilai pada alternatif sesuai bobot pada data crips, sehingga diperoleh data
seperti tabel berikut:

C1 C2 C3 C4 C5
A1 40 100 60 80 40
A2 60 80 100 80 60
A3 80 80 80 60 60
A4 60 60 80 40 60

4.2 Tahap Normalisasi

Untuk melakukan normalisasi tabel pada tahap analisa, kita perlu memahami rumus berikut:

Penjelasan:

 benefit, setiap elemen matriks dibagi dengan max dari baris matriks
 cost, min dari kolom matriks dibagi dengan setiap elemen matriks.

Untuk kriteria C1, karena cost, maka kita cari min (40, 60,80,60) = 40. Sehingga untuk:
A1 = 40 / 40 = 1
A2 = 40 / 60 = 0.67
A3 = 40 / 80 = 0.5
A4 = 40 / 60 = 0.67

Untuk kriteria C2, karena benefit, maka kita cari max (100, 80, 80, 60) = 100. Sehingga untuk:
A1 = 100/ 100 = 1
A2 = 80/ 100 = 0.8
A3 = 80/ 100 = 0.8
A4 = 60/ 100 = 0.6

Untuk kriteria C3, karena benefit, maka kita cari max (60, 100, 80, 80) = 100. Sehingga untuk:
A1 = 60/ 100 = 0.6
A2 = 100/ 100 = 1
A3 = 80/ 100 = 0.8
A4 = 80/ 100 = 0.8

Untuk kriteria C4, karena benefit, maka kita cari max (80, 80, 60, 40) = 80. Sehingga untuk:
A1 = 80/ 80 = 1
A2 = 80/ 80 = 1
A3 = 60/ 80 = 0.75
A4 = 40/ 80 = 0.5

Untuk kriteria C5, karena benefit, maka kita cari max (40, 60, 60, 60) = 60. Sehingga untuk:
A1 = 40/ 60 = 0.67
A2 = 60/ 60 = 1
A3 = 60/ 60 = 1
A4 = 60/ 60 = 1

C1 C2 C3 C4 C5
A1 1 1 0.6 1 0.67
A2 0.67 0.8 1 1 1
A3 0.5 0.8 0.8 0.75 1
A4 0.67 0.6 0.8 0.5 1

4.2 Tahap Perangkingan

Pada tahap perangkingan, kita mengalikan bobot kriteria dengan setiap baris matriks nilai normalisasi.
Contoh untuk alternatif A1

A1 = (1 *30 ) + (1 * 15) + (0.6 * 10) + (1 * 25) + (0.67 * 20) = 89.4

A2 = (0.67* 30) + ( 0.8*15 ) + ( 1*10 ) + ( 1*25 ) + ( 1*20 ) = 87.1

A3 = (0.5* 30) + ( 0.8*15 ) + (0.8 *10 ) + (0.75 *25 ) + (1 *20 ) =73.75

A4 = (0.67* 30) + ( 0.6*15 ) + ( 0.8*10 ) + ( 0.5*25 ) + (1 *20 ) =69.6

dimana 1, 1, 0.6, 1, 0.67 ada hasil normalisasi dari alternatif A1, dan 30,15,10,25,20 adalah bobot dari
masing masing kriteria.

Sehingga jika dilakukan hal yang sama untuk alternatif yang lain hasilnya akan seperti berikut:

Bobot
C1 C2 C3 C4 C5
30 15 10 25 20 Total Rank
A1 0.8 1 0.6 1 0.67 89.4 1
A2 0.75 0.8 1 1 1 87.1 2
A3 1 0.8 0.8 0.75 1 73.75 3
A4 0.75 0.6 0.8 0.5 1 69.6 4

Dari hasil perangkingan dapat dilihat alternatif A1 mendapat nilai terbesar yaitu 89.4 sehingga menjadi rank
1 (alternatif terbaik).

V. KESIMPULAN DAN SARAN

5.1 Kesimpulan
 Sistem Pendukung Keputusan Pemilihan Calon Penerima Program beasiswa kurang mampu
Menggunakan Metode SAW dapat disimpulkan sebagai berikut ini :
1. Menghasilkan suatu sistem pendukung keputusan yang dapat membantu Tim penyeleksi dalam
pemilihan calon penerima Program beasiswa kurang mampu
2. Dengan menggunakan SAW sebagai metode yang dapat membantu Tim penyeleksi untuk
mempermudah menentukan calon penerima Program beasiswa kurang mampu.
3. Hasil keluaran dari sistem pendukung keputusan adalah perangkingan calon siswa yang paling berhak
mendapatkan program beasiswa kurang mampu
4. Sistem pendukung keputusan dengan menggunakan metode SAW memberi nilai secara tepat sasaran
bagi calon penerima yang paling berhak mendapatkan program beasiswa kurang mampu
5.2 Saran
Saran yang dapat diberikan penulis untuk pengembangan selanjutnya yaitu:
1. Pengembangan dari sistem pendukung keputusan selanjutnya sebaiknya dengan penambahan metode
lainnya. Karena membutuhkan metode yang menyediakan arah yang khusus dalam pembobotan.
2. Penelitian selanjutnya disarankan dapat menambahkan web agar lebih mudah diakses oleh Tim
Penyeleksi
 DAFTAR PUSTAKA

Daihani, Dadan Umar. 2001. Komputerisasi Pengambilan keputusan. Jakarta: Elex Media Komputindo.

Eniyati, Sri. 2011. Perancangan Sistem Pendukung Pengambilan Keputusan untuk Penerimaan Beasiswa
dengan Metode SAW (Simple Additive Weighting). Jurnal Teknologi Informasi DINAMIK Volume
16, No.2, Juli 2011 : 160170

Hicks, James O. & Leininger, Wayne E. 1986. Accounting Information Systems. Minnesota: West Publishing
Co.

Hwang, C.L. & Yoon, K. 1981. Multiple Attribute Decision Making: Methods and applications, New York:
Springer-Verlag.

Kosasi, Sandy. 2002. "Sistem Penunjang Keputusan (Decision Support System)." Pontianak: Sekolah Tingg i
Manajemen Informatika dan Komputer.

Moscove, Stephen A. & Simkin, Mark G. 1984. Accounting Information Sistems Concepts and Practice for
Effective Decision Making, second edition. New York: John Willey and Sons.

O’Brien, James A. 2005. Introduction to Information System, 12th edition. (Pengantar Sistem Informasi
Perspektif Bisnis dan Manajerial. Jakarta: PT Salemba Empat (Emban Patria).

Sprague, R.H. & Carlson, E.D., 1982. Building Effective Decision Support Systems. Englewood Cliffs, N.J.:
Prentice Hall.

Supriyanto, Aji. 2005. Pengantar Teknologi Informasi. Jakarta: Salemba Infotek.

Suryadi, Kadarsah & Ramdhani, M.Ali. 1998. Sistem Pendukung keputusan. Bandung : PT Remaja
Rosdakarya.

Suryadi, Kadarsah & Ramdhani, M.Ali. 2000 “Sistem Pendukung Keputusan suatu wacana structural
idealisasi dan implementasi konsep pengambilan keputusan” Bandung: PT Remaja Rosdakarya.
Edisi kedua.

Sutanta, Edhy. 2003. Sistem Informasi Manajemen. Yogyakarta: Graha Ilmu.

Sutopo, Hendayat. 1982. Pengantar Operasional Administrasi Pendidikan, Surabaya: Usaha Nasional.

Sutabri, Tata. 2005. Sistem Informasi Manajemen. Yogyakarta: Andi.

Turban, E, Aronson, Jay E & Liang, Teng-Ping 2005. Decision Support Systems and Intelligent Systems 7th
Ed. New Jersey : Pearson Education.

Turban, Efraim. 2005. Decision Support Systems and Intelegent Systems 5thEdition. Canada: Printice-hall
International.

Verzello, Robert J. & Reuter II, John. 1982. Data Processing: Systems and Concepts. Tokyo: McGraw-Hill
Kogakusha, Ltd.

Zeleny, M. 1982. Multiple Criteria Decision Making, 2 ed. New York: McGrawHill.