Decision Support System untuk Penentuan Pemberian Beasiswa Prestasi di Perguruan Tinggi

Transkripsi

1 JUISI, ol. 02, No. 0, Febuai 206 Decision Suppot System untuk Penentuan Pembeian Beasiswa Pestasi di Peguuan Tinggi Devi Dwi Puwanto Abstak Tiap peguuan tinggi biasanya membeikan bebeapa untuk mahasiswa, baik itu pestasi, ekonomi lemah, maupun yang lain. Penentuan pembeian tesebut kadang menjadi sedikit sulit, dikaenakan bukan hanya fakto pestasi akademik saja yang dipetimbangkan. Pada penelitian ini akan dibahas decision suppot system untuk penentuan pembeian pestasi dengan menggunakan metode simple additive weighting (SAW). Dimana fakto yang mempengauhi pembeian pestasi tesebut meliputi hasil studi (IPK), tidak meneima yang lain, poin kegiatan kemahasiswaan, dan jumlah sks yang akan diambil. Fakto-fakto yang mempengauhi tesebut nantinya akan menjadi atibut yang digunakan pada poses peangkingan pada metode ini. Dengan menggunakan SAW, penentuan pembeian pestasi menjadi lebih mudah kaena dapat menentukan bobot atibut yang penting yang akan dibei nilai lebih tinggi, sehingga poses peangkingan kandidat peneima dapat dilakukan secaa otomatis dan dipilih top-n mahasiswa yang akan meneima pestasi tesebut. Kata Kunci:, Simple Additive Weighting, DSS Abstact Each college usually povide some scholaships fo thei students, it can be meit scholaship, weak economy scholaship, o othe scholaships. Detemination of scholaships ae sometimes becomes a little difficult, because not only academic achievement factos ae consideed. In this eseach will be discussed decision suppot system to detemine scholaships achievement using simple additive weighting method (SAW). The factos that influence the achievement scholaships include the esults of the study (GPA), not eceive othe scholaships, student activities points, and the numbe of cedits to be taken. Factos that affect that will be used in anking pocess on this method. By using the SAW, the detemination of the scholaships feat made easie because it can detemine the weight of attibutes that ae impotant to be ated highe, so the pocess of anking the candidates awadees can be done automatically and selected top-n students who will eceive scholaships such achievements. Keywods: scholaship, Simple Additive Weighting, DSS Juusan Sistem Infomasi Sekolah Tinggi Teknik Suabaya, Jln. Ngagel Jaya Tengah 73-77, Suabaya ( devi@stts.edu) I. PENDAHULUAN Menuut Kamus Besa Bahasa Indonesia, adalah tunjangan yang dibeikan kepada pelaja atau mahasiswa sebagai bantuan biaya untuk belaja. Beasiswa bisa saja dibeikan dai pemeintah, lembaga, peoangan, maupun institusi pendidikan. Beasiswa pada institusi pendidikan biasanya dibeikan dengan pada mahasiswanya dengan kiteia atau syaat tetentu. Pembeian dai institusi pendidikan tesebut dipeuntukkan baik untuk mahasiswa bau ataupun mahasiswa lama. Adapun lama yang dibeikan belaku selama masa studi dan dilakukan evaluasi tiap semestenya apakah belanjut atau tidak, dan ada pula yang dibeikan selama satu semeste. Selain entang waktu pembeian, tedapat pebedaan pembeian yaitu pembebasan uang SPP, pembebasan uang SKS, pembebasan uang masuk, atau pembeian subsidi sejumlah upiah. Univesitas yang dibahas pada penelitian ini membeikan diantaanya ekonomi lemah, bidik misi (dana besumbe dai pemeintah), PMB, dan pestasi. Pada kasus ini akan pembeian yang dijadikan studi kasus adalah pembebasan uang SPP. Pada penelitian ini, kasus yang akan dibahas adalah pestasi. Adapun Syaat - syaat peneima pestasi bedasakan ketentuan sebagai beikut:. Untuk mahasiswa bepestasi (dengan IPK Minimal semeste 2 (dua). Hal ini dikaenakan untuk mahasiswa bau, pesyaatan IPK tidak dapat dipenuhi. Pesyaatan yang dipetimbangkan dalam pembeian pestasi bukan hanya dua pesyaatan di atas yaitu pestasi akademik (IPK) namun juga tedapat bebeapa pesyaatan diantaanya tidak meneima dai lembaga atau institusi lain, jumlah sks yang akan diambil, dan poin kemahasiswaan yang telah didapatkan oleh mahasiswa yang besangkutan. Dai bebeapa pesyaatan yang telah disebutkan tesebut akan menjadi sedikit sulit bila penentuan pembeian hanya didasakan pada uutan pestasi akademik saja, kaena tedapat kemungkinan mahasiswa yang memiliki pestasi akademik yang tinggi dan jumlah sks yang diambil banyak, namun poin kegiatan kemahasiswaannya endah. Jika demikian mahasiswa tesebut dinilai kuang bepestasi kaena hanya memfokuskan dii pada nilai saja tetapi tingkat Devi Dwi Puwanto : Decision Suppot System untuk ISSN:

2 2 JUISI, ol. 02, No. 0, Febuai 206 keaktifannya kuang. Pembeian pestasi ini tidak melihat kuota untuk tiap juusan. Mahasiswa yang dibei hanya diuutkan bedasakan anking pesyaatan tanpa mempehatikan juusannya. II. DECISION SUPPORT SYSTEM Decision Suppot System atau sistem pendukung keputusan adakah seangkaian kelas tetentu pada sistem infomasi tekomputeisasi yang mendukung kegiatan pengambilan keputusan bisnis ataupun oganisasi. DSS biasanya digunakan pada top level management sebagai ekomendasi yang didasakan pada infomasi yang beasal dai data mentah ataupun dokumen yang didapatkan dan telah diolah. Decision suppot system sendii dibedakan menjadi bebeapa tipe yaitu DSS model pasif, DSS model aktif, DSS besifat koopeatif, Diven DSS, Communication Diven DSS, Data Diven DSS, Document Diven DSS, dan Knowledge Diven DSS. Pengetian dai masingmasing tipe DSS tesebut adalah. DSS model pasif adalah model DSS yang hanya mengumpulkan data dan mengoganisinya dengan efektif, biasanya tidak membeikan suatu keputusan yang khusus, dan hanya menampilkan datanya. Suatu DSS aktif pada kenyataannya bena-bena memposes data dan secaa eksplisit menunjukkan beagam solusi bedasakan pada data tesebut. 2. DSS model aktif sebaliknya memposes data dan secaa eksplisit menunjukkan solusi bedasakan pada data yang dipeoleh, walau haus diingat bahwa intevensi manusia tehadap data tidak dapat dipungkii lagi. Misalnya, data yang koto atau data sampah, pasti akan menghasilkan keluaan yang koto juga (gabage in gabage out). 3. Suatu DSS besifat koopeatif jika data dikumpulkan, dianalisa dan lalu dibeikan kepada manusia yang menolong system untuk meevisi atau mempebaikinya. 4. Model Diven DSS adalah tipe DSS dimana paa pengambil keputusan menggunakan simulasi statistik atau model-model keuangan untuk menghasilkan suatu solusi atau stategi tanpa haus intensif mengumpulkan data. 5. Communication Diven DSS adalah suatu tipe DSS yang banyak digabungkan dengan metode atua aplikasi lain, untuk menghasilkan seangkaian keputusan, solusi atau stategi. 6. Data Diven DSS menekankan pada pengumpulan data yang kemudian dimanipulasi aga sesuai dengan kebutuhan pengambil keputusan, dapat beupa data intenal atua ekstenal dan memiliki beagam fomat. Sangat penting bahwa data dikumpulkan seta digolongkan secaa sekuensial, contohnya data penjualan haian, anggaan opeasional dai satu peiode ke peiode lainnya, inventoi pada tahun sebelumnya, dsb. 7. Document Diven DSS menggunakan beagam dokumen dalam bemacam bentuk sepeti dokumen teks, excel, dan ekaman basis data, untuk menghasilkan keputusan seta stategi dai manipulasi data. 8. Knowledge Diven DSS adalah tipe DSS yang menggunakan atuan-atuan tetentu yang disimpan dalam kompute, yang digunakan manusia untuk menentukan apakah keputusan haus diambil. Misalnya, batasan behenti pada pedagangan busa adalah suatu model knowledge diven DSS. Spague dan Calson mendefinisikan sistem pendukung keputusan sebagai sebuah sistem yang memiliki lima kaakteistik utama (Spague dan Calson, 993)[2]:. Sistem yang bebasis kompute 2. Dipegunakan untuk membantu paa pengambil keputusan 3. Untuk memecahkan masalah-masalah umit yang mustahil dilakukan dengan kalkulasi manual 4. Simulasi yang inteaktif 5. Data dan model analisis sebagai komponen utama. Kaakteistik nomo 4 dan 5 inilah yang meupakan fasilitas bau yang ditawakan oleh DSS sesuai dengan pekembangan teakhi kemajuan peangkat kompute. Untuk kasus penentuan pembeian pestasi ini temasuk dalam tipe Knowledge Diven DSS. Dimana DSS yang mengunakan atuan-atuan tetentu yang disimpan dan digunakan untuk menentukan keputusan yang haus diambil. Pendekatan desain DSS pada umumnya dapat dilihat pada gamba.[7] Peintis DSS sepeti Pete G. W. Keen, bekeja sama dengan Scoot Moton untuk mendefinisikan tiga tujuan yang haus dicapai DSS yaitu[8]: Membantu manaje membuat keputusan untuk memecahkan masalah semi-testuktu. Mendukung penilaian manaje bukan mencoba menggantikannya. Meningkatkan efektivitas pengambilan keputusan manaje daipada efisiensinya. Tujuan-tujuan ini behubungan dengan tiga pinsip dasa dai konsep DSS yaitu stuktu masalah, dukungan keputusan, dan efektivitas keputusan. Pada pembuatan DSS sendii haus tedapat empat komponen diantaanya:[6]. Data Management. Temasuk database yang mengandung data yang elevan untuk bebagai situasi dan diatu oleh softwae yang disebut Database Management Systems (DBMS). 2. Model Management. Melibatkan model finansial, statistikal, management science, atau bebagai model kuantitatif lainnya, sehingga dapat membeikan ke sistem suatu kemampuan analitis, dan manajemen softwae yang dipelukan. ISSN: Devi Dwi Puwanto : Decision Suppot System untuk

3 JUISI, ol. 02, No. 0, Febuai Gamba.. Desain Decision Suppot System 3. Communication (dialog subsystem). Use dapat bekomunikasi dan membeikan peintah pada DSS melalui subsistem ini. Ini beati menyediakan antamuka. 4. Knowledge Management. Subsistem optional ini dapat mendukung subsistem lain atau betindak sebagai komponen yang bedii sendii. III. SIMPLE ADDITIE WEIGHTING Simple Additive Weighting meupakan salah satu metode yang digunakan untuk penjumlahan bobot dai atibut yang dipelukan untuk mendapatkan uutan anking dengan caa mencai altentif yang optimal dai sejumlah atibut yang digunakan[4]. Metode ini cocok digunakan untuk pembuatan keputusan dengan menggunakan atibut yang lebih dai satu dan membutuhkan penilaian bedasakan kiteia dengan bobot yang bebeda untuk masing-masing atibut. Pada metode ini dibutuhkan poses nomalisasi pada semua altenatif atibut yang digunakan dengan menentukan telebih dahulu atibut tesebut temasuk cost atau benefit. Rumus yang digunakan untuk nomalisasi masing-masing atibut adalah[3]: ij Dimana: ij max(x ij) min(x ij) x ij j i xij max( xij ) min( xij ) xij, if j benefit, else = ating yang telah dilakukan nomalisasi = nilai maksimal tiap bais dan kolom = nilai minimum tiap bais dan kolom = atibut tiap bais dan kolom = jumlah atibut = jumlah mahasiswa Pada umus tesebut tedapat syaat benefit dan cost, dimana dikatakan benefit jika nilai yang tebesa adalah tebaik, sedangka disebut cost apabila nilai yang tekecil adalah yang tebaik. Dai anking yang didapat pada tiaptiap atibut akan dibentuk matiks i x j dimana i adalah jumlah mahasiswa, sedangkan j adalah jumlah atibut. Untuk masing-masing atibut haus ditentukan telebih Devi Dwi Puwanto : Decision Suppot System untuk ISSN:

4 4 JUISI, ol. 02, No. 0, Febuai 206 dahulu bobot masing-masing atibut. Untuk menentukan anking dai seluuh atibut dai tiap mahasiswa akan digunakan pehitungan vekto untuk masing-masing mahasiswa dengan umus beikut[5]: n Dimana: ij w j j i i i j w j ij = ating yang telah dilakukan nomalisasi = bobot untuk tiap atibut = jumlah atibut = jumlah mahasiswa = anking mahasiswa yang ke-i Dai umus tesebut, semakin tinggi nilai i maka akan memiliki anking yang lebih tinggi. Sebaliknya jika nilai i semakin endah maka ankingnya pun akan endah. Adapun langkah-langkah penyelesaian dengan menggunakan metode simple additive weighting dapat dilihat pada flowchat gamba 2. Penjabaan dai flowchat tesebut mengenai langkah-langkah adalah sebagai beikut:. Menentukan atibut apa saja yang digunakan sebagai input. 2. Menentukan masing-masing atibut temasuk dalam cost atau benefit (disebut benefit jika nilai dai atibut tesebut membeikan keuntungan bagi pengambil keputusan atau semakin besa nilai atibut itu akan semakin baik. Sebaliknya disebut cost apabila menimbulkan biaya bagi pengambil keputusan atau nilai yang tekecil adalah nilai yang tebaik) 3. Pembeian nilai bobot untuk masing-masing atibut yang digunakan sesuai dengan tingkat kepentingannya dimana disimbolkan dengan W. W bebentuk vecto yang memiliki panjang sama dengan jumlah atibut. w [ w, w2,, w j 4. Menentukan ating untuk masing-masing atibut ( ij) 5. Mengabungkan anking masing-masing atibut tesebut dengan membuatnya dalam bentuk matiks. Bentuk matiks tesebut adalah sebagai beikut: 2 i 2 22 i2 ] j 2 j.. ij 6. Penjumlahan dai pekalian matiks anking yang tenomalisasi dengan vekto bobot tesebut menjadi vecto i. Dai hasil vecto tesebut langkah selanjutnya adalah melakukan penguutan secaa descending bedasakan nilai vecto yang didapat. 7. Dipeoleh sebagai hasil akhi poses peangkingan sebagai altenatif atau solusi yang tebaik. cost Penghitungan anking untuk cost Stat Atibut yang digunakan Penentuan atibut Bobot untuk masingmasing atibut Penghitunga vekto dengan bobot Penentuan anking Hasil penentuan pembeian Finish benefit Penghitungan anking untuk benefit Gamba. 2. Flowchat Simple Additive Weighting Bedasakan penelitian yang dilakukan oleh Lazim Abdullah dan C.W. Rabiatul Adawiyah, dengan judul Simple Additive Weighting Methods of Multi Citeia Decision Making and Applications: A Decade Review, aplikasi yang seing menggunakan metode SAW ataupun FSAW(Fuzzy Simple Additive Weighting) diantaanya di bidang kesehatan (sebesa 0,53%), bidang management (sebesa 52,63%), bidang engineeing (sebesa 5,26%), bidang infomation technology (sebesa 0,53%), bidang education (sebesa 5,26%), dan sisanya sebesa 5,79% pada bidang yang lain. Pada gamba 3 dibeikan gambaan ISSN: Devi Dwi Puwanto : Decision Suppot System untuk

5 JUISI, ol. 02, No. 0, Febuai pembagian aplikasi dengan menggunakan metode SAW dan FSAW[]. dan data-data beupa scan KTM dan penyataan tidak meneima dai lembaga atau institusi lain.. HASIL DAN PEMBAHASAN Pada bagian ini akan dibahas data yang tesedia, atibut yang digunakan untuk poses pembobotan, membagi atibut menjadi dua yaitu cost atau benefit, bedasakan penentuan pengauh nilainya, poses pehitungan anking untuk masing-masing mahasiswa, melakukan pengubahan anking menjadi bentuk matiks, pembeian bobot untuk masing-masing atibut, melakukan penghitungan nilai vecto untuk masing-masing mahasiswa, dan hasil akhi beupa anking yang didapatkan yang diuutkan secaa descending, seta mengambil top-n mahasiswa bedasakan anking dai pembobotan tesebut. Gamba. 3. Pembagian Aplikasi dengan SAW dan FSAW I. DESAIN ARSITEKTUR Pada bagian ini akan dibahas asitektu sistem dai penelitian ini. Dimana mahasiswa yang mengajukan haus mendafta lewat website dan mengunggah data-data pesyaatan. Untuk lebih detail dapat dilihat pada gamba 4. mahasiswa admin dafta Bobot atibut website Gamba. 4. Desain Asitektu Hitung anking dengan SAW Buat lapoan kandidat pimpinan Pada gamba 4 admin dapat melakukan setting nilai bobot untuk masing-masing atibut bila tedapat peubahan bobot. Setelah peiode penutupan pendaftaan, sistem akan melakukan pehitungan anking dengan menggunakan metode Simple Additive Weighting. Hasil dai pehitungan anking tesebut kemudian akan dicetak sebagai lapoan kandidat peneima diuutkan bedasakan nilai anking tetinggi dan diseahkan pada pimpinan (dalam hal ini adalah pembantu ketua bagian kemahasiswaan yang menangani bagian ). Pimpinan akan melakukan pengambilan keputusan bedasakan lapoan kandidat peneima A. Data yang Tesedia Data yang tesedia untuk poses penentuan pembeian pestasi tesebut meliputi data dii mahasiswa (np, nama, alamat, nama oang tua, telepon, dan tanggal lahi), IPK, penyataan tidak meneima dai institusi atau lembaga lain, jumlah sks yang diambil pada semeste ini, total poin kemahasiswaan yang telah didapatkan, scan KTM yang masih belaku. Dai data tesebut hanya diambil bebeapa atibut yang dibutuhkan, dimana dapat dilihat pada tabel. Pada tabel I pada data yang ada tedapat 5 atibut dimana yang digunakan dalam pehitungan anking nantinya hanya 4 atibut, sedangkan atibut NRP hanya digunakan sebagai ID mahasiswa dan tidak digunakan dalam pehitungan bobot. IPK, poin, dan jumlah sks yang diambil pada semeste besangkutan yang menjadi atibut yang digunakan dalam pehitungan bobot. Atibut-atibut tesebut meupakan atibut benefit kaena semakin tinggi nilainya maka nilai anking yang didapatkan akan semakin baik pula, sedangkan atibut penyataan tidak meneima meupakan cost kaena bila masih meneima dai lembaga atau institusi lain memiliki nilai, dimana dihaapkan mahasiswa yang meneima pestasi adalah mahasiswa yang tidak sedang meneima dai lembaga ataupun institusi lain. Pada peguuan tinggi yang dilakukan uji coba, ata-ata data mahasiswa yang mendafta pestasi pada tiap semeste bekisa sekita 20 mahasiswa dai bebeapa juusan yang bebeda, dan pestasi sendii akan dibeikan untuk 0 oang tanpa mempehatikan juusan mahasiswa yang besangkutan. Sehingga akan dihitung anking untuk masing-masing mahasiswa tesebut. Setelah mendapatkan anking untuk mahasiswa, langkah selanjutnya adalah melakukan penguutan secaa descending bedasakan anking yang didapat, dan diambil 5 mahasiswa yang memiliki angking paling tinggi (n=5). Kandidat tesebut yang akan diusulkan sebagai kandidat peneima pestasi dan dibeikan lapoannya kepada pihak pimpinan atau top level management. Dilakukan pengambilan 5 mahasiswa Devi Dwi Puwanto : Decision Suppot System untuk ISSN:

6 6 JUISI, ol. 02, No. 0, Febuai 206 sebagai kandidat dikaenakan pada sistem yang dibuat untuk penyataan tidak meneima dai institusi atau lembaga lain dan scan KTM tidak dapat menangani validasi secaa otomatis (yaitu data mahasiswa yang besangkutan dan status mahasiswa tesebut). Kedua dokumen tesebut diuploadkan oleh mahasiswa via website sebagai file.jpg. Sehingga 5 oang dengan anking tebawah digunakan sebagai cadangan, apabila kandidat 0 teatas tidak memenuhi salah satu pesyaatan baik untuk scan KTM ataupun penyataan peneimaan dan institusi atau lembaga lain saat dilakukan validasi secaa manual, yang akan divalidasi oleh pihak pimpinan. TABEL I ATRIBUT BEASISWA YANG DIGUNAKAN No. Kiteia Range Atibut Keteangan Cost/ Benefit NRP - - digunakan sebagai ID 2 IPK 0,00 4,00 Benefit - 3 Poin Benefit Poin kemahasiswa an yang didapatkan mahasiswa yang besangkutan 4 Penyataan tidak meneima 0 atau Cost 0 = jika tidak meneima = jika sedang meneima dai lembaga atau institusi lain 5 Jumlah sks 0-24 Benefit Jumlah sks yang diambil oleh mahasiswa selama satu semeste ini ketika mendafta Pada pape ini akan dibeikan contoh data 5 mahasiswa tesebut yang mana akan digunakan untuk contoh pehitungan mulai dai pehitungann anking tiap atibut hingga penghitugan vecto untuk menentukan anking tiap mahaasiswa. Atibut yang digunakan tesebut dapat dilihat pada tabel II. TABEL II ATRIBUT BEASISWA YANG DIGUNAKAN NRP IPK Poin yang telah didapat Penyataan Tidak Meneima Beasiswa SKS , , , , , Dai table II tesebut, atibut yang digunakan akan diubah ke dalam bentuk matiks dengan ukuan i x j. Matiks tesebut akan bebentuk: B. Pehitungan Ranking Dai contoh data pada tabel II, langkah selanjutnya adalah menentukan atibut yang digunakan sebagai input. Pada kasus ini semua atibut akan digunakan sebagai input kecuali NRP, NRP hanya digunakan sebagai ID mahasiswa dan tidak dipehitungkan dalam pembobotan anking. Setelah menentukan atibut yang digunakan, beikutnya melakukan pehitungan anking untuk masingmasing atibut, dimana diambil contoh pehitungan anking untuk masing-masing atibut pada mahasiswa dengan np dengan mempehatikan cost dan benefitnya adalah sebagai beikut: , IPK , poin 0, , penyataan 0 3,86 max(3,46;3,0;3,04;3,86;3,2) 50 max(300;500;800;50;350) min(0;0;0;;) ISSN: Devi Dwi Puwanto : Decision Suppot System untuk

7 JUISI, ol. 02, No. 0, Febuai , sks 24 max(22;20;2;24;24) ,88 4() 3(0,0625) 2(0) 2() Dai contoh pehitungan tesebut didapatkan vecto anking untuk mahasiswa dengan np adalah { ; 0,0625; 0; } Pehitungan tesebut kemudian dilakukan untuk setiap mahasiswa, sehingga didapatkan anking nomalisasi untuk masing-masing atibut pada tiap mahasiswa. Ranking-anking yang didapatkan tesebut kemudian digabungkan menjadi satu dan dibentuk menjadi matiks ixj sebagai beikut: R 0,896 0,780 0,788 0,83 0,375 0,625 0,0625 0, ,97 0,833 0,875 C. Pembobotan dan Penghitungan ekto Langkah selanjutnya setelah mendapatkan matiks R adalah melakukan pembobotan dan penghitungan vecto untuk masing-masing atibut. Fakto utama yang dilihat dai pesyaatan tesebut adalah IPK. Selain IPK juga dibutuhkan poin mahasiswa untuk menentukan tingkat keaktifannya. Pembobotan untuk atibut IPK, poin, penyataan tidak meneima dai lembaga atau institusi lain, dan poin kemahasiswaan secaa beuutan yaitu W = {4, 3, 2, 2}. Langkah selanjutnya adalah melakukan penjumlahan dai pekalian matiks anking yang tenomalisasi dengan vekto bobot yang telah ditentukan sebelumnya, sehingga dai pembobotan masing-masing atibut tesebut penghitungan vecto anking akhi untuk masing-masing mahasiswa adalah: , , ,902 4(0,896) 3(0,375) 2() 2(0,97) 4(0,780) 3(0,625) 2() 2(0,833) 4(0,788) 3() 2() 2(0,875) ,6365 4(0,83) 3(0,4375) 2(0) 2() Dai poses pehitungan vekto yang telah dilakukan tesebut didapatkan anking untuk masing-masing mahasiswa secaa beuutan yaitu = {8,543; 8,66; 9,902; 6,88; 6,6365} Dai anking tesebut didapatkan kandidat mahasiwa yang mendapatkan pestasi yang diuutkan secaa descending bedasakan anking dai hasil pehitungan menggunakan Simple Additive Weighting secaa beuutan yaitu mahasiswa dengan np , , , , dan Namun demikian kandidat tesebut tidak secaa mentah akan dibeikan pestasi. Pihak univesitas akan melakukan validasi kembali suat penyataan tidak meneima dai institusi atau lembaga lain dan scan KTM apakah sesuai dengan pesyaatan. Andaikata mahasiswa tesebut tidak memenuhi salah satu pesyaatan maka kandidat akan gugu dan digantikan dengan kandidat mahasiswa uutan beikutnya. Alasan mahasiswa dengan np menjadi kandidat petama dikaenakan mahasiswa yang besangkutan tidak meneima dai lembaga atau institusi lain, jumlah sks yang diambil tidak telalu endah, IPK memenuhi pesyaatan, dan poin kemahasiswaan tinggi. Sehingga dianggap mahasiswa yang besangkutan tidak hanya memiliki pestasi yang baik dalam akademik tetapi juga aktif dalam kegiatan kemahasiswaan di peguuan tinggi. Untuk mahasiswa yang memiliki np , walaupun mahasiswa tesebut memiliki IPK yang cukup tinggi, dan jumlah pengambilan sks yang tinggi, namun tidak memenuhi pesyaatan yaitu masih meneima dai lembaga atau institusi lain, dan poin kemahasiswaan yang endah. Sehingga mahasiswa yang besangkutan dianggap hanya befokus pada kegiatan belaja mengaja dan kuang aktif dalam kegiatan kemahasiswaan di peguuan tinggi. Sedangkan untuk mahasiswa dengan np mahasiswa tesebut memiliki pestasi akademik yang cukup tinggi, mengambil jumlah sks yang tinggi, jumlah poin kemahasiswaan juga cukup, tetapi mahasiswa tesebut tidak memenuhi salah satu pesyaatan yaitu mahasiswa yang besangkutan masih meneima dai lembaga atau institusi lain. Hal ini yang menyebabkan nilai anking dai pembobotan mahasiswa yang besangkutan menjadi endah. Devi Dwi Puwanto : Decision Suppot System untuk ISSN:

8 8 JUISI, ol. 02, No. 0, Febuai 206 I. KESIMPULAN DAN SARAN Dai penelitian yang telah dilakukan didapatkan kesimpulan bahwa:. Metode SAW pada DSS dapat memudahkan pembeian bobot pada masing-masing atibut sesuai dengan kebutuhannya. 2. Dengan metode SAW dapat ditentukan pula atibut tesebut sebagai cost atau benefit tehadap anking yang dihasilkan. 3. Aplikasi DSS yang dibuat dapat memudahkan top level management untuk mengambil keputusan, dibandingkan dengan hanya melakukan pengambilan keputusan secaa manual. 4. Dengan dibuatnya pendaftaan via website yang tehubung dengan data mahasiswa dapat memudahkan untuk melakukan validasi data mahasiswa yang mendafta, kaena mahasiswa tidak bisa sembaangan memasukkan jumlah poin, dan IPK yang didapat. Adapun saan-saan yang dapat dibeikan demi kemajuan system pendukung keputusan peneimaan pestasi ini diantaanya:. Tedapat fitu untuk melakukan validasi KTM, cukup dengan memasukkan nomo induk mahasiswa, untuk mendapatkan tanggal belaku, status mahasiswa dan data mahasiswa yang dipelukan. 2. Dibeikan fitu untuk membeikan pesan status peneimaan baik bagi mahasiswa yang pengajuannya diteima maupun tidak. 3. Tedapat histoy peneimaan yang dibeikan untuk mahasiswa yang besangkutan pada semeste sebelumnya, dan dipehitungkan dalam pencaian kandidat, aga mahasiswa yang meneima pestasi dapat bebeda-beda. 4. Dibeikan batasan jumlah kuota untuk peneima pada masing-masing juusan. [7] Kusumadewi, Si;Hatati,Si;Hajoko, Agus dan Wadoyo, Retantyo Fuzzy Multi-Attibute Decision Making. (Fuzzy MADM) [8] Tuban, E., Aonson, J.E., and Liang, T.P., 2005, Decision Suppot Systems and Intelligent Systems (Sistem Pendukung Keputusan dan Sistem Kecedasan), Yogyakata: Penebit Andi. DAFTAR PUSTAKA [] Lazim Abdullah dan C.W. Rabiatul Adawiyah, Simple Additive Weighting Methods of Multi Citeia Decision Making and Applications: A Decade Review, dalam Poc. IJIPM, vol. 5, no., Feb 204, hal [2] Nugoho Joko Usito, 203, Univesitas Diponegoo Semaang. Tesedia: [3] Destiyana Damastuti, Implementasi Metode Simple Additive Weighting (SAW) dalam Sistem Infomasi Lowongan Keja Bebasis Web untuk Rekomendasi Pencai Keja Tebaik. Tesedia: 9 [4] Chaitas Fibiani, FMDAM. Tesedia: 8.pdf [5] Alieza Afshai, Majid Mojahed, dan Mohd Yusuff, Simple Additive Weighting appoach to Pesonnel Selection Poblem, dalam Intenational Jounal of Innovation, Management and Technology, ol, No. 5, ISSN: , hal 5-55 [6] Radias Sundoo, 204, Univesitas Bengkulu. Tesedia: ISSN: Devi Dwi Puwanto : Decision Suppot System untuk