LAPORAN SISTEM PENUJANG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASIWA BAGI MAHASISWA

Transkripsi

1 LAPORAN SISTEM PENUJANG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASIWA BAGI MAHASISWA Disusun Oleh: ANDY WIJAYA [ ] ASIDIK THAIB [ ] ADRIANUS NOLA PALI [ ] PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS MERCU BUANA YOGYAKARTA 2016

2 BAB I 1.1 Latar Belakang Menyadari bahwa pendidikan sangat penting, negara sangat mendukung setiap warga negaranya untuk meraih pendidikan setinggi-tingginya. Beberapa di antaranya melakukan program pendidikan gratis dan program beasiswa. Beasiswa dapat dikatakan sebagai pembiayaan yang tidak bersumber dari pendanaan sendiri atau orang tua, akan tetapi diberikan oleh pemerintah, perusahaan swasta, kedutaan, universitas, serta lembaga pendidik atau peneliti. Biaya tersebut diberikan kepada yang berhak menerima sesuai dengan kriteria yang ditentukan. Demikian halnya dengan perguruan tinggi yang telah memiliki program pemberian beasiswa terhadap mahasiswanya. Beasiswa harus diberikan kepada penerima yang layak dan pantas untuk mendapatkannya. Akan tetapi, dalam melakukan seleksi beasiswa tersebut tentu akan mengalami kesulitan karena banyaknya pelamar beasiswa dan adanya beberapa kriteria yang digunakan untuk menentukan siapa penerima beasiswa yang sesuai dengan yang diharapkan. Tidak semua yang mendaftarkan diri sebagai calon penerima beasiswa akan diterima, hanya yang memenuhi kriteria-kriteria saja yang akan memperoleh beasiswa tersebut. Untuk itu diperlukan suatu Sistem Pendukung Keputusan yang dapat guna membantu, mempercepat dan mempermudah proses pengambilan keputusan. 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).

3 Fuzzy Multiple Attribute Decision 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. 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. Jika j adalah atribut keuntungan (benefit) (2.1) Jika j adalah atribut biaya (cost) Atribut keuntungan (benefit) adalah kriteria yang nilainya akan dimaksimumkan, misalnya: keuntungan dan IPK (untuk kasus pemilihan mahasiswa berprestasi). Sedangkan atribut biaya (cost) adalah kriteria yang nilainya akan diminimumkan, misalnya: harga produk yang akan dibeli dan biaya produksi. r ij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut C j ; i=1,2,,m dan

4 j=1,2,,n. Nilai preferensi untuk setiap alternatif ( Vi ) diberikan sebagai: Vi=... (2.2). Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih. Langkah penyelesaian Fuzzy MADM menggunakan metode SAW : a) Menentukan kriteria yang dijadikan acuan pengambilan keputusan. b) Menentukan rating kecocokan setiap alternative pada setiap kriteria c) Membuat matriks keputusan berdasarkan criteria, kemudia melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut sehingga diperoleh matriks ternormalisasi R. d) Hasil akhir diperoleh dari proses perangkingan yaitu penjumlahan dari perkalian matrik ternormalisasi R dengan vector bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternative terbaik sebagai solusi. (Kusumadewi, 2006) 1.2 Tujuan Membangun aplikasi sistem pendukung keputusan untuk membantu dalam menentukan siapa saja yang layak mendapatkan beasiswa berdasarkan kriteria yang sudah ditentukan. 1.3 Manfaat Manfaat yang didapat dalam pembuatanaplikasi ini antara lain: Dapat membantu kerja tim penyeleksi beasiswa dalam melakukan penyeleksian beasiswa. Dapat mempercepat proses penyeleksian beasiswa Dapat mengurangi kesalahan dalam menentukan penerima beasiswa. Dapat mempermudah tim penyeleksi dalam menentukan penerima beasiswa

5 BAB II 2.1 Analis 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 : Kriteria yang dibutuhkan Berikut merupakan kriteria yang dibutuhkan untuk pengambialan keputusan, berdasarkan persyaratan beasiswa secara umum. Adapun kriteria yang telah ditentukan yaitu Nilai IPK (C 1 ), Penghasilan orang tua (C 2 ), Semester (C 3 ), Jumlah tanggungan orang tua (C 4 ), dan Usia (C 5 ). Dari kriteria tersebut, maka dibuat suatu tingakat kepentingan kriteria berdasarkan nilai 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 R C T ST 0 2,5 5 7,5 10

6 Keterangan : SR = Sangat Rendah T = Tinggi R = Rendah 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 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

7 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 Penghasilan orang tua Penghasilan orang tua (X) Nilai X <= X > <= ,5 X > < X >= ,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 Semester Semester (S) Nilai S = 2 0 S = 3 2 S = 4 4 S = 5 6 S = 6 8 S = 7 10

8 Kriteria Jumlah Tanggungan Orangtua Kriteria jumlah tanggungan orangtua merupakan persyaratan yang dibutuhkan untuk pengambilan keputusan, berdasarkan jumlah anak yang masih menjadi tanggungan orangtua berupa biaya hidup. Berikut penjabaran jumlah interval anak yang telah dikonversikan dengan bilangan fuzzy dibawah ini. Tabel 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 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

9 2.2 ALGORITMA Start Input Nilai Pada Setiap kriteria, Input Vektor Bobot Transformasi Nilai Kriteria Menjadi Bilangan Fuzzy Jika Nilai Termasuk Pada Kriteria benefit Y Normalisasi =x(j)/max(x(j)) N Normalisasi =min(x(j))/x(j) Pembobotan = Vektor Bobot * Nilai Normalisasi Perangkingan End Gambar Flowchart Perhitungan Fuzzy MADM

10 Berikut perhitungan manual berdasarkan contoh kasus. Tiga calon pemohon beasiswa memiliki data sebagai berikut : Tabel Data pemohon Kriteria Nama Pemohon Mahasiswa1 Mahasiswa 2 Mahasiswa 3 Nilai IPK 3,50 2,75 3,75 Penghasilan orangtua Semester Jumlah tanggungan 3 orang 3 orang 5 orang orangtua Usia 21 tahun 22 tahun 19 tahun Berdasarkan data pemohon diatas dapat dibentuk matriks keputusan X yang telah dikonversikan dengan bilangan fuzzy, sebagai berikut : Tabel Rating kecocokan dari setiap alternatif pada setiap kriteria. Alternatif Kriteria C1 C2 C3 C4 C5 A1 7, A A , ,5 Pengambil keputusan memberikan bobot, berdasarkan tingkat kepentingan masingmasing 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 X = , ,5

11 Pertama, dilakukan normalisasis matriks X untuk menghitung nilai masing-masing kriteria berdasarkan kriteria diasumsikan sebagai kriteria keuntungan sebagai berikut : 7,5 7,5 A1). r 11 = = = 0,75 Max {7,5,5, 10} 10 Min {10,5, 2,5} 2,5 r12 = = = 0, r13 = = = 1 Max {8, 4, 2} 8 Min {5, 5, 10} 5 r14 = = = ,5 7,5 r15 = = = 0,75 Max {7,5,10, 2,5} A2). r 21 = = = 0,5 Max {7.5,5, 10} 10 Min {10,5, 2,5} 2,5 r22 = = = 0, r 23 = = = 0,5 Max { 8, 4, 2} 8 Min { 5, 5, 10 } 5 r 24 = = = 1 5 5

12 10 10 r 25 = = = 1 Max {7,5,10, 2,5 } A3). r 31 = = = 1 Max {7,5,5, 10} 10 Min {10,5, 2,5} 2,5 r32 = = = 1 2,5 2,5 2 2 r33 = = = 0,25 Max { 8, 4, 2 } 8 Min { 5, 5, 10 } 5 r 34 = = = 0, ,5 2,5 r35 = = = 0,25 Max {7,5,10, 2,5} 10 Kedua, membuat normalisasi matriks R yang di peroleh dari hasi; normalisasi matrik X sebagai berikut: 07,5 0, ,75 R = 0,5 0,5 0, ,25 0,5 0,25

13 Selanjutnya akan dibuat perkalian matriks W * R dan penjumlahan hasil perkalian untuk memperoleh alternatife terbaik dengan melakukan perangkingan nilai terbesar sebagai berikut : V 1 = (10)(0,75) + (7,5)(0,25) + (5)(1) + (2,5)(1) + (2,5)(0,75) = 18,50 V 2 = (10)(0,5) + (7,5)(0,5) + (5)(0,5) + (2,5)(1) + (2,5)(1) = 15,50 V 3 = (10)(1) + (7,5)(1) + (5)(0,25) + (2,5)(0,5) + (2,5)(0,25) = 20,50 Hasil perangkingan diperoleh : V 1 = 18,50, V 2 = 15,50 dan V 3 = 20,50. Nilai terbesar ada pada V 3, dengan demikian alternatif A 3 (Mahasiswa 3) adalah alternatif yang terpilih sebagai alternatif terbaik Hasil akhir akan terlihat seperti table berikut: No Kode Seleksi NIM Nama Jurusan Tahun Jenis Hasil Akhir xxx Mhs1 SI 2011 BBM 18,50, xxx Mhs2 TI 2011 PPA 15, xxx Mhs3 SI 2011 BBM 20,50

14 2.3 Database Tabel Akun Nama Field Type Length Primary Keterangan id_akun * Integer 5 Primary Not Null username Varchar Not Null password Varchar Not Null Tabel Prodi Nama Field Type Length Primary Keterangan id_prodi * Varchar 5 Primary Not Null nama_prodi Varchar 25 - Not Null Tabel Beasiswa Nama Field Type Length Primary Keterangan id_beasiswa * Integer 5 Primary Not Null jenis_beasiswa Varchar 10 - Not Null Tabel Pemohon Nama Field Type Length Primary Keterangan nama Varchar 50 - Not Null npm * Varchar 9 - Not Null id_prodi ** Integer 5 - Not Null id_beasiswa ** Integer 5 - Not Null tanggal Date - Not Null ktm Enum (Ya, Tidak) - Not Null kk Enum (Ya, Tidak) - Not Null semester Float 5 - Not Null tanggungan Float 5 - Not Null penghasilan Float 5 - Not Null total_bobot Float 5 - Not Null status enum

15 Tabel Modul Nama Field Type Length Primary Keterangan id_modul Integer 5 Primary Not Null nama_modul Varchar 50 - Not Null title Varchar Not Null level Varchar 10 - Not Null Tabel Kuota Nama Field Type Length Primary Keterangan id_kuota * Integer 5 Primary Not Null id_prodi ** Varchar 5 - Not Null ppa Integer 3 - Not Null bbm Integer 3 - Not Null jumlah Integer 3 - Not Null

16 2.4 Peta Situs

17 2.5 Aplikasi yang digunakan: PHP PHP (akronim dari PHP Hypertext Preprocessor) yang merupakan bahasa pemrogramman berbasis web yang memiliki kemampuan untuk memproses data dinamis. PHP dikatakan sebagai sebuah server-side embedded script language artinya sintaks-sintaks dan perintah yang kita berikan akan sepenuhnya dijalankan oleh server tetapi disertakan pada halaman HTML biasa. Aplikasi-aplikasi yang dibangun oleh PHP pada umumnya akan memberikan hasil pada web browser, tetapi prosesnya secara keseluruhan dijalankan di server. Pada prinsipnya server akan bekerja apabila ada permintaan dari client. Dalam hal ini client menggunakan kode-kode PHP untuk mengirimkan permintaan ke server. Ketika menggunakan PHP sebagai server-side embedded script language maka server akan melakukan hal-hal sebagai berikut : 1. Membaca permintaan dari client/browser 2. Mencari halaman/page di server 3. Melakukan instruksi yang diberikan oleh PHP untuk melakukan modifikasi pada halaman/page. 4. Mengirim kembali halaman tersebut kepada client melalui internet atau intranet.

18 BAB III 3.1 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 1. System ini bertujuan untuk membatu user dalam mengelola data mahasisawa, pengajuan beasiswa 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.