Jurnal Uji Muchariroh Beasiswa SAW
Jurnal Uji Muchariroh Beasiswa SAW
Jurnal Uji Muchariroh Beasiswa SAW
Uji Muchariroh
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.
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
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
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
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
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
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:
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
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
Pada tahap perangkingan, kita mengalikan bobot kriteria dengan setiap baris matriks nilai normalisasi.
Contoh untuk alternatif A1
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).
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.
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.
Sutopo, Hendayat. 1982. Pengantar Operasional Administrasi Pendidikan, Surabaya: Usaha Nasional.
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.