SISTEM PENDUKUNG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

Transkripsi

1 SISTEM PENDUKUNG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Zainollah Effendy Jurusan Teknik Informatika Fakultas Teknik, Universitas Madura Abstrak Proses dalam pemberian beasiswa di perguruan tinggi adalah untuk menentukan siapa yang layak menerima beasiswa bagi mahasiswa khususnya di Fakultas Teknik Universitas Madura dengan seleksi terhadap calon penerima beasiswa. Sesuai Standart Operating Procedure (SOP) pengajuan beasiswa dalam peraturan akademik Universitas Madura untuk memperoleh beasiswa, maka diperlukan kriteria untuk menentukan siapa yang akan terpilih untuk menerima beasiswa. Penelitian ini bertujuan untuk merancang dan membangun sistem pendukung keputusan penentuan kandidat penerima beasiswa bagi mahasiswa Fakultas Teknik dengan menggunakan Fuzzy MADM (Multi- Atribut-Decision Making) dengan cara penyelesaian Simple Additive Weighting Method (SAW). Model ini dipilih karena mampu menyeleksi alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksudkan yaitu yang berhak menerima beasiswa berdasarkan kriteria yang ditentukan sesuai pedoman program beasiswa. Perhitungan dilakukan dengan mencari nilai bobot untuk setiap atribut. Kemudian dilakukan proses perankingan yang akan menentukan alternatif yang optimal dari masingmasing kandidat penerima beasiswa. Sehingga para pengambil keputusan mampu menentukan alternatif terbaik berdasarkan perhitungan dari metode terpilih. Kata kunci: Beasiswa, SPK, FMADM, SAW 1.1 Latar Belakang Beasiswa merupakan pemberian berupa bantuan yang diberikan kepada perorangan yang masih sekolah atau kuliah untuk digunakan demi keberlangsungan pendidikan yang ditempuh. Beasiswa ini dialokasikan dari dana anggaran Pemerintah melalui Direktorat Jenderal Pendidikan Tinggi Departemen Pendidikan Nasional mrupakan pemberian beasiswa berupa Bantuan Pendidikan bagi Mahasiswa yang orang tua/walinya tidak mampu membiayai pendidikan, dan Beasiswa bagi Mahasiswa Berprestasi yang orang tua/walinya tidak mampu membiayai pendidikan; melalui Bantuan Belajar Mahasiswa (BBM), Beasiswa Peningkatan Prestasi Akademik (PPA) dan Beasiswa Peningkatan Prestasi 55

2 Jurnal Monitor, Vol. 2, No. 1, Januari 2013 Ekstrakurikuler (PPE). Program beasiswa ini akan dikelola oleh Universitas Madura, oleh karena itu agar program penyaluran beasiswa dapat dilaksanakan sesuai dengan prinsip 3T, yaitu: Tepat Sasaran, Tepat Jumlah, dan Tepat Waktu, maka dilakukan proses seleksi terhadap calon penerima beasiswa. Model yang digunakan dalam sistem pendukung keputusan ini adalah Fuzzy Multiple Attribute Decision Making (FMADM). Fuzzy MADM (Multiple Attribute Decission Making) dipilih karena mampu menyeleksi alternatif optimal dari sejumlah alternative berdasarkan kriteria yang telah ditentukan, dengan menggunakan metode SAW (Simple Additive Weighting). Fuzzy MADM (Multiple Attribute Decission Making) ini dipilih karena model ini 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 yang ditentukan. Dengan proses perankingan 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 Rumusan Masalah Adapun perumusan permasalahan yang akan diselesaikan pada penelitian ini, bagaimana merancang sebuah perangkat lunak pendukung keputusan dengan menerapkan model Fuzzy MADM (Multiple Attribute Decision Making) menggunakan metode SAW (Simple Additive Weighting) untuk menentukan penerima beasiswa berdasarkan bobot dan kriteria yang sudah ditentukan. 1.3 Batasan Masalah Pada penelitian ini diperlukan batasanbatasan agar sesuai dengan apa yang sudah direncanakan sebelumnya sehingga tujuan penelitian dapat tercapai. Adapun batasan masalah yang dibahas pada penelitian ini adalah: 1. Sistem pendukung keputusan yang dibangun adalah sistem pendukung keputusan yang hanya membantu memberikan alternatif terbaik berdasarkan kriteria yang telah ditentukan. 2. Parameter atau kriteria penentuan pengambilan keputusan, yakni nilai IPK, penghasilan orang tua, Semester, jumlah tanggungan orang tua, usia. 3. Sample data yang dilakukan untuk penelitian ini diperoleh dari mahasiswa Fakultas Teknik Informatika Universitas Madura. 4. Pengambilan keputusan dilakukan dengan menghitung perbandingan 56

3 prosentase tingkat kesesuaian pada metode penyelesaian dalam model Fuzzy Multiple Attribute Decision Making (FMADM). 5. Bahasa pemograman yang digunakan untuk membangun perangkat lunak ini adalah Borland Delphi 7.0 dan Microsoft Office Access 2007 untuk pengelolaan database dengan sistem operasi Windows XP. 1.4 Tujuan Tujuan penelitian ini adalah membangun suatu model pengambilan keputusan dengan menggunakan metode Fuzzy Multiple Attribute Decision Making (FMADM) untuk menentukan siapa yang akan menerima beasiswa berdasarkan kriteria-kriteria serta bobot yang sudah ditentukan. 1.5 Manfaat Manfaat dari penelitian ini adalah : 1. Memudahkan para pengambil keputusan terutama pihak fakultas sebagai tim seleksi beasiswa dalam mengambil keputusan untuk menentukan calon penerima beasiswa sesuai urutan prioritas. 2. Perubahan terhadap kualitas pelayanan bagian administrasi mengenai informasi calon penerima beasiswa di Fakultas Teknik dengan konsep sistem yang lebih baik dan efisien. 1.6 Metodologi Penelitian Metodologi penelitian yang dilakukan melalui tahapan-tahapan mulai dari perumusan masalah sampai pada kesimpulan yang membentuk suatu alur yang sistematis sebagai berikut : 1. Studi Pustaka Yaitu dengan mengumpulkan dan mempelajari literatur yang berkaitan dengan teori sistem pendukung keputusan yang berbasis Komputer, model Fuzzy MADM (Multiple Attribute Decision Making), metode SAW (Simple Additive Weighting) dan metode Weighted Product (WP). Sumber literatur berupa buku, paper, journal, karya ilmiah, dan situs-situs penunjang yang behubungan dengan penelitian. 2. Metode Wawancara Metode wawancara dilakukan dengan mengadakan tanya jawab langsung kepada pihak yang berhubungan langsung dengan objek yang diteliti, sehinga data yang didapat betul-betul objektif dan dapat dipertanggung jawabkan. Wawancara yang dilakukan lebih menitikberatkan bagaimana standar prosedur untuk mendapatkan beasiswa, khususnya dalam pembobotan pada prioritas kriteria dan alternatif. 57

4 Jurnal Monitor, Vol. 2, No. 1, Januari Perancangan Sistem Metode ini dilakukan dengan melakukan perancangan pemrograman dan desain tampilan program aplikasi menggunakan Borland Delphi 7 dan Microsoft Office Access 2007 sebagai sumber data dengan sistem operasi Windows XP. 2.1 Beasiswa Beasiswa adalah bantuan untuk membantu orang terutama bagi yang masih sekolah atau kuliah agar mereka dapat menyelesaikan tugasnya dalam rangka mencari ilmu pengetahuan hingga selesai. Bantuan ini biasanya berbentuk dana untuk menunjang biaya yang harus dikeluarkan oleh anak sekolah atau mahasiswa selama menempuh masa pendidikan. Namun bisa juga beasiswa ini diwujudkan dalam bentuk yang lain, misalnya buku-buku pelajaran atau fasilitas belajar serta hal lain yang tujuannya untuk membantu penerima beasiswa agar mereka bisa menyelesaikan pendidikannya sampai lulus. Mengacu pada Undang-undang dan Peraturan Pemerintah tersebut, maka Pemerintah melalui Direktorat Jenderal Pendidikan Tinggi Departemen Pendidikan Nasional khusnya Fakultas Teknik Universitas Madura mengupayakan pemberian bantuan berbentuk Bantuan Pendidikan bagi Mahasiswa yang orang tua/walinya tidak mampu membiayai pendidikan, dan Beasiswa bagi Mahasiswa Berprestasi yang orang tua/walinya tidak mampu membiayai pendidikan; melalui Bantuan Belajar Mahasiswa (BBM), Beasiswa Peningkatan Prestasi Akademik (PPA) dan Beasiswa Peningkatan Prestasi Ekstrakurikuler (PPE) 2.2 Sistem Pendukung Keputusan Definisi awal menunjukkan bahwa DSS sebagai sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan manajerial dalam situasi keputusan semiterstruktur. DSS dimaksudkan untuk menjadi alat bantu bagi para pengambil keputusan untuk memperluas kapabilitas mereka, namun tidak untuk menggantikan penilaian mereka. Sistem pendukung keputusan (Decision Support Systems) adalah bagian dari sistem informasi berbasis komputer, termasuk sistem berbasis pengetahuan (manajemen pengetahuan) yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan. Sistem Pendukung Keputusan dirancang untuk membantu pengambil keputusan dalam memecahkan masalah. DSS dirancang sedemikian rupa sehingga dapat digunakan atau dioperasikan 58

5 dengan mudah oleh orang yang tidak memiliki dasar kemampuan pengoperasian komputer yang tinggi dan bersifat alternatif, serta SPK dirancang dengan menekankan pada aspek kemampuan adaptasi yang tinggi 2.3 Simple Additive Weighting Method (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. r ij= dimana r ij adalah rating kinerja ternormalisasi dari alternative A i pada atribut C j; i=1,2, m dan j=1,2, n. Nilai preferensi untuk setiap alternative (V i) diberikan sebagai : Keterangan : V i w j r ij Jika j adalah atribut keuntungan (benefit) Jika j adalah atribut biaya (cost) = rangking untuk setiap alternatif = nilai bobot dari setiap kriteria = nilai rating kinerja ternormalisasi Nilai V i yang lebih besar mengindikasikan bahwa alternative A i lebih terpilih. 3.1 Analisis FMADM dengan Metode SAW Bagian ini akan melakukan perhitungan dengan Metode SAW dalam mengolah data yang digunakan sebagai sistem pendukung keputusan seleksi beasiswa. Dalam penyeleksian beasiswa dengan menggunakan model Fuzzy Multiple Attribute Decision Making (FMADM) dengan metode Simple Additive Weighting (SAW) diperlukan kriteria-kriteria dan bobot untuk melakukan perhitungannya sehingga akan didapat alternatif terbaik, dalam hal ini alternatif yang dimaksud adalah yang berhak menerima beasiswa berdasarkan kriteria-kriteria yang ditentukan. Pada metode yang digunakan ada kriteria dan bobot yang dibutuhkan untuk menentukan pemohon beasiswa yang akan terseleksi sebagai penerima beasiswa. Adapun kriterianya sebagai berikut: 1. C 1 = Nilai IPK 2. C 2 = Penghasilan Orantua 3. C 3 = Semester 4. C 4 = Jumlah Tanggungan Orangtua 5. C 5 = Usia Menentukan pembobotan nilai dalam hal ini berarti nilai pada setiap aspek penilaian kriteria akan dikategorikan menjadi bobot tertentu. Jika 59

6 Jurnal Monitor, Vol. 2, No. 1, Januari 2013 dilihat pada setiap aspek penilaian kriteria tiap semester memiliki nilai kualitatif dimulai antara rendah sampai dengan tinggi. Pada tahap ini, dari masing-masing kriteria tersebut akan ditentukan bobot-bobotnya. Pada bobot terdiri dari lima bilangan fuzzy, yaitu : 1. Sangat Tinggi = A 2. Tinggi = B 3. Sedang = C 4. Rendah = D 5. Sangat Rendah = E Berdasarkan gambar diatas bilangan fuzzy dikonversikan ke bilangan crisp. Dimana menggunakan pembobotan dengan aturan tabel di bawahnya. Dalam penelitian ini pengambil keputusan memberikan bobot untuk setiap kriteria sebagai berikut: 1. Beasiswa berprestasi : C1 =35%, C2 =20%, C3 =15%, C4 =25%, C5 =5%. 2. Beasiswa kurang mampu : C1 =15%, C2 =30%, C3 =15%, C4 =35%, C5 =5%. Bilangan Fuzzy Nilai Sangat Rendah (E) 0 Rendah (D) 0.25 Cukup (C) 0.5 Tinggi (B) 0.75 Sangat Tinggi (A) 1 Langkah selanjutnya memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan sebagai berikut : 1. Kriteria Nilai IPK Pada variabel ini terdiri dari lima bilangan fuzzy, yaitu sangat rendah (SR), rendah (R), cukup (C), tinggi (T), dan sangat tinggi (ST) seperti Gambar dibawah. Gambar 1. Bilangan fuzzy untuk bobot. Gambar 2. Bilangan fuzzy untuk nilai IPK. Dari gambar 2, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan 60

7 crisp. Untuk lebih jelas data nilai IPK dibentuk dalam tabel di dibawahnya. (T1), tinggi (T2), dan sangat tinggi (ST) seperti terlihat pada gambar Kriteria Penghasilan Orangtua Pada variabel jumlah penghasilan orangtua terdiri dari empat bilangan fuzzy, yaitu rendah (R), cukup (C), tinggi (T), dan sangat tinggi (ST) seperti terlihat pada Gambar 3. Semester Bilangan Fuzzy Nilai > 0 3 Sangat Rendah (SR) 0 > 3 4 Rendah (R) 0.2 Penghasilan Orangtua Bilangan Fuzzy Nilai > 4 5 Sedang (S) 0.4 > 5 6 Tengah (T1) 0.6 > Rp. 0 s/d Rp > Rp s/d Rp Sangat Tinggi 1 (ST) Tinggi (T) 0.75 > 6 7 Tinggi (T2) 0.8 > 7 Sangat Tinggi 1 14 (ST) > Rp s/d Rp Cukup (C) 0.5 Gambar 4. Bilangan fuzzy untuk semester > Rp s/d Rp Rendah (R) 0.25 Gambar 3. Bilangan fuzzy untuk jumlah penghasilan orangtua. Dari gambar 3, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp. Untuk lebih jelas data jumlah penghasilan orang tua dibentuk dalam tabel dibawahnya. 3. Kriteria Semester Pada variabel semester terdiri dari enam bilangan fuzzy, yaitu sangat rendah (SR), rendah (R), sedang (S), tengah Dari gambar 4 bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp. Untuk lebih jelas data kelas dibentuk dalam tabel dibawahnya. 4. Kriteria Jumlah Tanggungan Orangtua Pada variabel jumlah tanggungan orangtua terdiri dari lima bilangan fuzzy, yaitu sangat sedikit (SS), sedikit (S), sedang(sd), banyak (B), dan sangat banyak (SB) seperti terlihat pada gambar 5. 61

8 Jurnal Monitor, Vol. 2, No. 1, Januari 2013 Usia Bilangan Fuzzy Nilai > 0 Tahun s/d 20 Tahun Sangat Muda (SM) 0.25 > 20 Tahun s/d 21 Tahun Muda (M) 0.5 Jumlah Tanggungan Bilangan Fuzzy Nilai > 21 Tahun s/d 22 Tahun Sedang (S) 0.75 Orangtua > 22 Tahun s/d Tua (T) 1 > 0 Orang s/d 1 Orang Sangat Sedikit (SS) 0 30 Tahun Gambar 6. Bilangan fuzzy untuk usia. > 1 Orang s/d 2 Orang > 2 Orang s/d 3 Orang > 3 Orang s/d 4 Orang Sedikit (S) 0.25 Sedang (SD) 0.5 Banyak (B) 0.75 Dari gambar 6, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp. Untuk lebih jelas data usia dibentuk dalam tabel dibawahnya. > 4 Orang s/d Sangat Banyak 1 5 Orang (SB) Gambar 5. Bilangan fuzzy untuk jumlah tanggungan orangtua. Ditetapkan perhitungan manual berdasarkan kasus, 3 (tiga) calon pemohon beasiswa berprestasi dengan memiliki data sebagai berikut : Dari gambar 5, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp. Untuk lebih jelas data jumlah tanggungan orang tua dibentuk dalam tabel dibawahnya. 5. Kriteria Usia Pada variabel usia terdiri dari empat bilangan fuzzy, yaitu sangat muda (SM), muda (M), sedang (S), dan tua (T) seperti terlihat pada Gambar 4.6. Tabel 1. Data Pemohon Kriteria Nama Pemohon A1 A2 A3 IPK Penghasilan Orangtua Semester Jumlah Tanggungan 3 org 3 org 5 org Orangtua Usia 21 thn 23 thn 20 thn Dalam pengujian ini memberikan nilai bobot, berdasarkan tingkat kepentingan masing-masing kriteria yang dibutuhkan sebagai berikut; 62

9 Vektor bobot : W = [ 0.35, 0.20, 0.15, 0.25, 0.5 ] Berdasarkan data pemohon diatas dapat dilihat rating kecocokan dari setiap alternatif pada setiap criteria yang telah dikonversikan dengan bilangan fuzzy yaitu pada tabel 2. Tabel 2. Rating Kecocokan Setiap Alternatif Kriteria Alternatif Kriteria C1 C2 C3 C4 C5 A A A Perhitungan dengan SAW Membuat matriks keputusan X, dibuat dari tabel kecocokan sebagai berikut: Pertama, dilakukan normalisasis matriks X untuk menghitung nilai masing-masing kriteria berdasarkan kriteria diasumsikan sebagai kriteria keuntungan atau biaya sebagai berikut : Kedua, membuat normalisasi matriks R yang diperoleh dari hasil normalisasi matriks X sebagai berikut : 63

10 Jurnal Monitor, Vol. 2, No. 1, Januari 2013 Selanjutnya mencari nilai preferensi (V) dan melakukan perangkingan nilai terbesar untuk memperoleh alternatif terbaik, yaitu dibuat perkalian matriks W * R dan penjumlahan hasil perkalian sebagai berikut : model) dengan membuat Activity Diagram. V1= (0.35)(0.75) + (0.20)(1) + (0.15)(1) + (0.25)(0.5) + (0.05)(05) = V2= (0.35)(0.25) + (0.20)(0.5) + (0.15)(0.75) + (0.25)(0.5) + (0.05)(1) = V3= (0.35)(1) + (0.20)(0.5) + (0.15)(0.25) + (0.25)(1) + (0.05)(0.25) = 0.75 Gambar 7. Use Case Diagram seleksi beasiswa Hasil perangkingan diperoleh : V1 = , V2 = dan V3 = Nilai terbesar ada pada V1, dengan demikian alternatif A1 (Mahasiswa 1) adalah alternatif yang terpilih sebagai alternatif terbaik. Gambar 9. Activity Diagram data master 4.1 Perancangan System Untuk menggambarkan proses mengenai system dengan membuat model system yang menggunakan functional modeling. Proses dan data model dari system akan disajikan dalam dua bentuk, yaitu menggunakan pemodelan fisik (phisycal model) dengan membuat Use Case Diagram dan menggunakan pemodelan logic (logical Gambar 10. Activity Diagram input data pemohon 64

11 Gambar 11 Activity Diagram manipulasi data pemohon Perancangan Basis Data pada sistem ini menggunakan tool pemodelan data (data modeling) Power Designer, dimulai dengan menggunakan metode Entity Relationship Diagram yaitu Conceptual Data Model (CDM). Tahap selanjutnya membuat model fisiknya yaitu Physical Data Model (PDM) dalam bentuk skema relasi yang merupakan bentuk spesifik dari CDM yang telah dibangun. Gambar 12. Activity Diagram proses metode SAW Gambar 14. Conceptual Data Model Sistem Pendukung Keputusan Seleksi Beasiswa Gambar 13. Activity Diagram untuk use case preferensi hasil perangkingan Gambar 15. Physical Data Model Sistem Pendukung Keputusan Seleksi Beasiswa 65

12 Jurnal Monitor, Vol. 2, No. 1, Januari Implementasi Implementasi dalam hal ini merupakan kegiatan menerjemahkan rancangan sistem menjadi kode sumber dalam bahasa pemrograman sehingga komputer mampu menangani input berupa data nilai kriteria untuk setiap alternatif dan setelah itu menghasilkan suatu output. Dalam implementasi rancangan sistem ini, digunakan berbagai tools berupa bahasa pemrograman, perangkat lunak dan perangkat keras. Gambar 16. Halaman utama Gambar 18. Hasil akhir perangkingan metode SAW 5. Kesimpulan Sistem pendukung keputusan untuk menentukan penerima beasiswa bagi mahasiswa Fakultas Teknik Universitas Madura telah berhasil dibangun dengan melakukan perhitungan berdasarkan model Fuzzy MADM (Multi-Atribut- Decision Making) dengan cara penyelesaian Simple Additive Weighting Method (SAW). Sesuai dengan analisis, perancangan, implementasi beserta pengujian yang telah dilakukan, maka dapat diperoleh kesimpulan sebagai berikut : Gambar 17. Menghitung nilai preferensi 1. Program ini memudahkan tim penyeleksi beasiswa dalam menentukan penerima beasiswa secara cepat dan tepat, berdasarkan kriteria-kriteria dan bobot nilai yang telah ditetapkan, meliputi nilai IPK, penghasilan orang tua, semester, jumlah tanggungan orang tua dan usia. 66

13 2. Metode Fuzzy Multiple Attribute Decision Making (FMADM) dengan metode Simple Additive Weighting (SAW) dapat diterapkan untuk sistem pendukung keputusan penerima beasiswa. Daftar Pustaka Basyaid, Fahmi Teori Pembuat Keputusan. Jakarta : Gramedia Widiaksara Indonesia. Dodit Suprianto Buku Pintar Pemrograman PHP. Bandung : OASE Media. Kusumadewi, Sri., Hartati, S., Harjoko, A., Wardoyo, R. (2006). Fuzzy Multi- Attribute Decision Making (FUZZY MADM). Yogyakarta: Graha Ilmu. M, David Database Processing Dasar-dasar, Desain dan Implementasi. Jilid 1. Edisi 9. Jakarta: Erlangga. Cheezlovecheez in Ilmu Komputer Simple Additive Weighting Method (SAW). ess.com/2010/09/22/simple-additiveweighting-method-saw. (Tanggal 20 Desember 2010, Jam WIB.) DFN Team, Hafid Mukhlasin, dkk Tutorial Delphi For Newbie Be Master Without Teacher /10/delphi-for-newbie.pdf. (Tanggal 02 Desember 2010, Jam WIB.) Hartati, S Analisis Sistem Informasi. wp-content/uploads/2010/09/modul- AnSi.pdf. (Tanggal 12 Desember 2010, Jam WIB.) Irfan Subakti Sistem Pendukung Keputusan (Decision Support System). _SPK.pdf (Tanggal 12 April 2009, Jam WIB.) Janner Simarmata Dasar-dasar Pemrograman Dengan Delphi /Dasar-Dasar-Pemrograman- Dengan-Delphi-7-Janner-Simartama. (Tanggal 10 Juli 2010, Jam WIB.) 67