SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA BAGI MAHASISWA STMIK AMIKOM YOGYAKARTA SKRIPSI disusun oleh Gerdon 07.12.2562 JURUSAN SISTEM INFORMASI SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM YOGYAKARTA 2011 DECISSION SUPPORT SYSTEM FOR DETERMINING THE STUDENT SCHOLAR STMIK AMIKOM YOGYAKARTA SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA BAGI MAHASISWA STMIK AMIKOM YOGYAKARTA Gerdon Sistem Informasi STMIK AMIKOM YOGYAKARTA ABSTRACT Scholarship is income for the receiving and the purpose of scholarship is to help alleviate the cost burden pendidikkan students or students who get. Pembagaian scholarship conducted by some agencies to help someone less capable or accomplished during the travel study. STMIK AMIKOM Yogyakarta is one of the colleges that give scholarships to students every semester. This is certainly in order to ease the burden of student tuition fees. In accordance with regulations prescribed by the STMIK AMIKOM Yogyakarta to obtain a scholarship, then the required criteria - the criteria for determining who will be selected to receive scholarships. Based on this determination to assist in determining a student get a scholarship, it takes a decision support system with methods you can use the Fuzzy MADM (Multiple Attribute Decission Making). Fuzzy MADM method is a method that can find a best alternative from several alternatives based on criteria - criteria that have been determined. The point is that the method determines the weight on each criterion. This method uses SAW (Simple additive weighting) to perform the calculation method FMADM. The best alternative in question is eligible to receive scholarships based on established criteria. Research done by finding the value of weight for each criterion, and then made the process of ranking that will determine the optimal alternative is the best student will be considered by decision makers to gain a scholarship. Keywords: FMADM,SAW,SPK. 1. PENDAHULUAN Beasiswa merupakan penghasilan bagi yang menerima dan tujuan beasiswa adalah untuk membantu meringankan beban biaya pendidikkan siswa atau mahasiswa yang mendapatkan. Pembagaian beasiswa dilakukan oleh beberapa lembaga untuk membantu seseorang yang kurang mampu ataupun berprestasi selama menempuh studinya. STMIK AMIKOM Yogyakarta adalah salah satu perguruan tinggi yang memberikan beasiswa kepada mahasiswa setiap semester. Hal ini tentu dengan tujuan untuk meringankan beban biaya pendidikan mahasiswa. Sesuai dengan peraturan yang sudah ditentukan oleh pihak STMIK AMIKOM Yogyakarta untuk memperoleh beasiswa, maka diperlukan kriteria – kriteria untuk menentukan siapa yang akan terpilih untuk menerima beasiswa. Berdasarkan hal tersebut untuk membantu penentuan dalam menetapkan seorang mahasiswa memperoleh beasiswa, maka dibutuhkan sebuah sistem pendukung keputusan dengan metode yang dapat digunakan yaitu Fuzzy MADM (Multiple Attribute Decission Making). Metode Fuzzy MADM adalah metode yang dapat mencari suatu alternatif terbaik dari berbagai alternatif berdasarkan kriteria – kriteria yang telah ditentukan. Intinya bahwa metode tersebut menentukan nilai bobot pada setiap kriteria. Metode tersebut menggunakan SAW (Simple additive weighting) untuk melakukan perhitungan metode FMADM. Alternatif terbaik yang dimaksud adalah yang berhak menerima beasiswa berdasarkan kriteria yang telah ditentukan. Penelitian dilakukan dengan mencari nilai bobot untuk setiap kriteria, kemudian dilakukan proses perangkingan yang akan menentukan alternatif optimal yaitu mahasiswa terbaik yang akan dipertimbangkan oleh pengambil keputusan untuk memperoleh beasiswa. 2. LANDASAN TEORI 2.1 Sistem Pendukung Keputusan 2.1.1 Definisi Sistem Pendukung Keputusan (DSS) Little (1970) mendefinisikan DSS sebagai model untuk data pemrosesan dan penilaian sekumpulan prosedur guna membantu berbasis para manajer mengambil keputusan. Alter (1980) mendefinisikan DSS dengan membandingkannya dengan sistem EDP (electronic data processing) tradisional pada lima dimensi. 2.3 Fuzzy Multi-Attribut Decision Making (FMADM) Fuzzy Multiple Attribute Decision Making adalah suatu digunakan untuk mencari alternatif optimal dari sejumlah alternatif metode yang dengan kriteria tertentu. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan. Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif & obyektif. Masing-masing pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari par pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan (Kusumadewi, 2007). Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah FMADM antara lain (Kusumadewi, 2006): 1. Simple Additive Weighting Method (SAW) 2. Weighted Product (WP) 3. ELECTRE 4. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) 5. Analytic Hierarchy Process (AHP) 2.3.1 Simple Additive Weighting Metod (SAW) Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metod 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 alternatife yang ada. Xij jika j adalah atribut keuntungan (benefit) Max xij rij= ………………………… (2.1) i Min xij i Xij jika j adalah atribut biaya (cost) 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 ( V i ) ………………………(2.2) diberikan sebagai: Vi= Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih. 2.3.2 Langkah Penyelesaian Dalam penelitian ini menggunakan model FMADM metode SAW. Adapun langkah-langkahnya adalah: 1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci. 2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria. 3. Membuat melakukan matriks keputusan normalisasi berdasarkan matriks kriteria (Ci), kemudian berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. 4. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vector bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (A i) sebagai solusi (Kusumadewi, 2006). 2.4 Perangkat Lunak yang digunakan 2.4.1 Microsoft Visual Basic 6.0 Visual Basic adalah program untuk membuat aplikasi berbasis Microsoft Windows secara cepat dan mudah. Visual basic menyediakan tool untuk membuat aplikasi yang sederhana sampai aplikasi kompleks atau rumit baik keperluan pribadi maupun untuk keperluan perusahaan/instansi dengan sistem yang lebih besar. 2.4.2 Microsoft SQL Server 2000 Microsoft SQL Server 2000 adalah salah satu produk andalan Microsoft untuk database server. Kemampuan dalam manajemen data dan kemudahan pengoperasian membuat DBMS (Database Management System) menjadi pilihan para database administrator (Andi S, 2007, h.125). 3. ANALISIS 3.1 Tinjauan Umum 3.1.1 Beasiswa STMIK AMIKOM Yogyakarta STMIK AMIKOM pengembangan Yogyakarta dari Akademi adalah Manajemen sebuah Informatika perguruan dan tinggi hasil Komputer “AMIKOM YOGYAKARTA”. Amikom Yogyakarta sebagai lembaga pendidikan tinggi yang didirikan berdasarkan keputusan Menteri Pendidikan dan Kebudayaan Republik Indonesia No. 084/D/0/1994 tentang pemberian status terdaftar kepada jurusan/ program studi untuk jenjang program studi D-III pada AMIKOM Yogyakarta di DIY dan bernaung dibawah Yayasan “AMIKOM YOGYAKARTA”. 3.1.2 Analisis Kebutuhan Sistem Kebutuhan informasi merupakan kebutuhan yang ada pada sistem dan informasi yang dihasilkan oleh sistem. Kebutuhan informasi pada sistem pendukung keputusan untuk beasiswa yang diusulkan adalah : 1. Kriteria yang dibutuhkan Berikut merupakan kriteria yang dibutuhkan untuk pengambialan keputusan, berdasarkan persyaratan beasiswa secara umum. Adapun kriteria yang telah ditentukan yaitu Nilai IPK (C1), Penghasilan orang tua (C2), Semester (C3), Jumlah tanggungan orang tua (C4), dan Usia (C5). Dari kriteria tersebut, maka dibuat suatu tingakat kepentingan kriteria berdasarkan nialai bobot yang telah ditentukan kedalam bilangan fuzzy. Rating kecocokan setiap alternatife pada setiap kriteria sebagai berikut : Sangat Rendah (SR) =0 Rendah (R) = 2,5 Cukup (C) =5 Tinggi (T) = 7,5 Sangat Tinggi (ST) = 10 Nilai bobot tersebut dibuat dalam sebuah grafik supaya lebih jelas, seperti dibawah ini. SR 0 R C T ST 2,5 5 7,5 10 Gambar 3.1 Grafik bobot Keterangan : SR = Sangat Rendah R = Rendah T = Tinggi ST = Sangat Tinggi C = Cukup Tinggi Berdasarkan kriteria dan rating kecocokan setiap alternatif pada setiap kriteria yang telah ditentukan, selanjutnya penjabaran bobot setiap kriteria yang telah dikonversikan dengan bilangan fuzzy.  Kriteria Nilai IPK Kriteria IPK merupakan persyaratan yang dibutuhkan untuk pengambilan keputusan, berdasarkan jumlah nilai IPK yang diperoleh oleh mahasiswa selama studi berlangsung. Berikut interval nilai IPK yang telah dikonversikan dengan bilangan fuzzy dibawah ini. Tabel 3.1 Nilai IPK Nilai IPK Nilai IPK < 2,50 2,5 IPK >= 2,50 – <= 3,00 5 IPK > 3,00 – <= 3,50 7,5 IPK > 3,50 10  Kriteria Penghasilan Orangtua Kriteria penghasilan orangtua merupakan persyaratan yang dibutuhkan untuk pengambilan keputusan, berdasarkan jumlah penghasilan tetap maupun tidak setiap bulannya. Berikut penjabaran interval jumlah penghasilan orangtua yang telah dikonversikan dengan bilangan fuzzy dibawah ini. Tabel 3.2 Penghasilan orang tua Penghasilan orang tua (X) Nilai X <= 1.000.000 10 X > 1.000.000 – <= 3.000.000 7,5 X > 3.000.000 – < 5.000.000 5 X >= 5.000.000  2,5 Kriteria Semester Kriteria semester merupakan persyaratan yang dibutuhkan untuk pengambilan keputusan, berdasarkan semester yang telah ditempuh. Berikut penjabaran interval semester yang telah dikonversikan dengan bilangan fuzzy dibawah ini. Tabel 3.3 Semester Semester (S)  Nilai S=2 0 S=3 2 S=4 4 S=5 6 S=6 8 S=7 10 Kriteria Jumlah Tanggungan Orangtua Kriteria jumlah tanggungan orangtua merupakan persyaratan yang dibutuhkan untuk pengambilan keputusan, berdasarkan jumlah anak masih menjadi tanggungan orangtua berupa biaya hidup. yang Berikut penjabaran jumlah interval anak yang telah dikonversikan dengan bilangan fuzzy dibawah ini. Tabel 3.4 Jumlah tanggungan orang tua Jumlah tanggungan orang tua  Nilai 1 anak 0 2 anak 2,5 3 anak 5 4 anak 7,5 5 anak 10 Kriteria Usia Kriteria usia merupakan persyaratan yang dibutuhkan untuk pengambilan keputusan, berdasarkan usia mahasiswa. Berikut penjabaran interval usia yang telah dikonversikan dengan bilangan fuzzy dibawah ini. Tabel 3.5 Usia Usia Nilai Usia = 18 tahun 0 Usia = 19 tahun 2,5 Usia = 20 tahun 5 Usia = 21 tahun 7,5 Usia = 22 tahun 10 2. Berikut perhitungan manual berdasarkan contoh kasus. Tiga calon pemohon beasiswa memiliki data sebagai berikut : Tabel 3.6 Data pemohon Kriteria Nama Pemohon Mahasiswa1 Mahasiswa 2 Mahasiswa 3 Nilai IPK 3,50 2,75 3,75 Penghasilan orangtua 750.000 3.500.000 5.500.000 Semester 6 4 3 Jumlah tanggungan 3 orang 3 orang 5 orang 21 tahun 22 tahun 19 tahun orangtua Usia Berdasarkan data pemohon diatas dapat dibentuk matriks keputusan X yang telah dikonversikan dengan bilangan fuzzy, sebagai berikut : Tabel 3.7 Rating kecocokan dari setiap alternatif pada setiap kriteria. Alternatif Kriteria C1 C2 C3 C4 C5 A1 7,5 10 8 5 7.5 A2 5 5 4 5 10 A3 10 2,5 2 10 2,5 Pengambil keputusan memberikan bobot, berdasarkan tingkat kepentingan masing-masing kriteria yang dibutuhkan sebagai berikut : Vektor bobot : W = [ 10, 7.5, 5, 2.5, 2.5 ] Membuat matriks keputusan X, dibuat dari tabel kecocokan sebagai berikut: 7,5 10 8 5 7,5 5 5 4 5 10 10 2,5 2 10 2,5 X= Pertama, dilakukan normalisasis matriks X untuk menghitung nilai masingmasing kriteria berdasarkan kriteria diasumsikan sebagai kriteria keuntungan atau biaya sebagai berikut : 7,5 A1). r11 = 7,5 = = 0,75 Max {7,5 ,5, 10} 10 Min {10 ,5, 2,5} 2,5 r12 = = = 0,25 10 10 8 8 r13 = = =1 Max {8, 4, 2} 8 Min {5, 5, 10} 5 r14 = = 5 =1 5 7,5 r15 = 7,5 = = 0,75 Max {7,5 ,10, 2,5} 10 5 5 A2). r21 = = = 0,5 Max {7.5 ,5, 10} 10 Min {10 ,5, 2,5} 2,5 r22 = = = 0,5 5 5 4 4 r23 = = = 0,5 Max { 8, 4, 2} 8 Min { 5, 5, 10 } r24 = 5 = =1 5 5 10 10 r25 = = Max {7,5 ,10, 2,5 } 10 10 A3). r31 = =1 10 = Max {7,5 ,5, 10} 10 Min {10 ,5, 2,5} r32 = =1 2,5 = 2,5 2,5 2 r33 = =1 2 = Max { 8, 4, 2 } 8 Min { 5, 5, 10 } r34 = = 0,25 5 = 10 = 0,5 10 2,5 2,5 r35 = = = 0,25 Max {7,5 ,10, 2,5} 10 Kedua, membuat normalisasi matriks R yang diperoleh dari hasil normalisasi matriks X sebagai berikut : 0,75 0,25 0,5 0,5 R= 1 Selanjutnya perkalian 1 akan dibuat untuk 1 1 0,5 0,25 perkalian memperoleh 0,75 1 1 0,5 0,25 matriks W * R dan penjumlahan alternatife terbaik dengan hasil melakukan perangkingan nilai terbesar sebagai berikut : V1 = (10)(0,75) + (7,5)(0,25) + (5)(1) + (2,5)(1) + (2,5)(0,75) = 18,50 V2 = (10)(0,5) + (7,5)(0,5) + (5)(0,5) + (2,5)(1) + (2,5)(1) = 15,50 V3 = (10)(1) + (7,5)(1) + (5)(0,25) + (2,5)(0,5) + (2,5)(0,25) = 20,50 Hasil perangkingan diperoleh : V1 = 18,50, V2 = 15,50 dan V3 = 20,50. Nilai terbesar ada pada V3, dengan demikian alternatif A3 (Mahasiswa 3) adalah alternatif yang terpilih sebagai alternatif terbaik. 3.1.3 Perancangan Proses Model dari sistem yang diusulkan akan disajikan dalam dua bentuk, yang pertama yaitu menggunakan pemodelan fisik (phisycal model) dengan membuat flowchart system. nantinya sistem Model yang tersebut diusulkan akan menunjukkan kepada bekerja secara fisik. user bagaimana Bentuk kedua yaitu menggunakan pemodelan logic (logical model), model ini akan menggambarkan dengan diagram arus data (DFD) yang akan menjelaskan kepada user bagaimana nantinya fungsi-fungsi sistem yang akan diusulkan secara logika akan bekerja. 1. Flowchart Sistem Data user Jenis beasiswa Data kriteria Data mahasiswa Input data user Input jenis beasiswa Input data kriteria Input data mahasiswa Pengolahan data user Pengolahan jenis beasiswa Pengolahan data kriteria Pengolahan data mahasiswa User Jenis beasiswa Kriteria Mahasiswa Pembuatan laporan Pembuatan laporan Pembuatan laporan Pembuatan laporan Laporan Laporan Laporan Laporan Proses perhitungan fuzzy SAW Seleksi Pembuatan laporan Laporan Gambar 3.2 Flowchart sistem yang diusulkan 2. Data Flow Diagram (DFD) Data user Admin Operator Data Jenis Data Kriteria Data Mahasiswa Data Mahasiswa 0 Spk beasiswa STMIK Amikom Yogyakarta Laporan Gambar 3.3 DFD Level 0 Pengambil keputusan (Ketua Puket 3) Operator Admin 1.0 2.0 3.0 4.0 Input data user Input jenis Input data kriteria Input data mahasisw aa User Jenis Kriteria Mahasiswa Data kriteria Data jenis Data Mahasiswa 5.0 Proses perhitungan Fuzzy SAW Fuzzy SAW Hasil fuzzy Data user 6.0 Pembuata n laporan Gambar 3.4 DFD Level 1.0 Proses Perhitungan Laporan Pengambil keputusan (ketua puket 3) Vektor bobot bobot Data vektor bobot Data jenis Data kriteria 5.1 Data mahasiswa Matrik keputusan Perhitungan kriteria per mahasiswa Admin Mahasiswa_kriteria 5.2 Hasil Hasil rangking Perhitungan matrik & Perangkingn Gambar 3.5 DFD Level 2.0 Proses Perhitungan 4. PEMBAHASAN 4.1 Implementasi Sistem Tahap implementasi sistem dilakukan untuk menguraikan beberapa hal pada sebuah sistem yang telah dibuat sebelum sistem tersebut akan diimplementasikan, dengan tujuan menguji sistem apakah sudah layak untuk diimplementasikan atau belum. 4.1.2 Implementasi Program Implementasi program merupakan bentuk program yang dijalankan pada sistem yang dikembangkan. 1. Form Utama 2. Form Jenis Beasiswa 3. Form Kriteria 4. Form Mahasiswa 5. Form Seleksi 6. Form Hasil 5. KESIMPULAN Pembuatan Sistem Pendukung Keputusan untuk melakukan perhitungan sebagai penyeleksi data pemohon dengan hasil perengkingan telah berhasil di bangun. Sistem yang telah dibuat mengacu pada rumusan masalah yang ada yaitu sistem dapat menyeleksi data pemohon sesuai ketentuan dengan melakukan perhitungan berdasarkan metode SAW (Simple Additive Weighting) pada FMADM (Fuzzy Multiple Attribute Decission Making). Beberapa kesimpulan yang dapat dijabarkan sebagai berikut: 1. Sistem ini bertujuan untuk membantu user dalam mengolah data mahasiswa, pengajuan beasiswa, hasil seleksi dan laporan – laporan. 2. Perhitungan pada sistem untuk melakukan penyeleksian menggunakan metode SAW (Simple Additive Weighting). 3. Tahap – tahap proses pengembangan sistem dalam penelitian ini adalah identifikasi masalah, analisis sistem, perancangan, pengujian dan implementasi. 4. Hasil dari perhitungan sistem merupakan perangkingan nilai tertinggi ke rendah dan nilai tertinggi merupakan hasil yang dibutuhkan sebagai bahan pertimbangan oleh user untuk memperoleh beasiswa. 5. Sistem yang dibangun hanya sebagai alat bantu untuk memberikan informasi kepada user atau pemberi beasiswa sebagai bahan pertimbangan dalam mengambil keputusan. DAFTAR PUSTAKA Kusrini. 2007. Strategi Perancangan dan Pengelohan Basis Data. Yogyakarta: Andi. Kusumadewi,Sri dkk. 2006. Fuzzy Multi-Attribute Decision Making (Fuzzy MADM). Yogyakarta: Graha Ilmu. Kusumadewi. 2005. Pencarian bobot atribut pada Multi-Attribute Decision Making dengan pendekatan objektif menggunakan algoritma genetika. http://cicie.files. wordpress. com/2008/06/sri-kusumadewi-jurnal-genetika.pdf. diakses 20 Agustus 2010 Sunyoto, Andi. 2007. Pemrograman Database dengan Visual Basic dan Microsoft SQL. Yogyakarta: Andi. Turban dkk. 2005. Decision Support System and Intelligent System (Sistem Pendukung Keputusan dan Sistem Cerdas). Yogyakarta: Andi.