APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW

dokumen-dokumen yang mirip
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PILIHAN MINAT PERGURUAN TINGGI DI KOTA JAMBI DENGAN MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

Ardi Kurniawan 1), Kusrini 2) Sistem Informasi STMIK AMIKOM Yogyakarta 2)

EKSPEKTASI SATU PEUBAH ACAK

III FUZZY GOAL LINEAR PROGRAMMING

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

BAB II TEORI DASAR. Analisis Kelompok

BAB III METODOLOGI PENELITIAN

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

Bab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

Karakterisasi Matrik Leslie Ordo Tiga

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

Created by Simpo PDF Creator Pro (unregistered version)

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Preferensi untuk alternatif A i diberikan

Aplikasi Metode Fuzzy Multi-Attribute Decision Making Berbasis Web dalam Pemilihan Calon Kepala Daerah di Indonesia

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)

PERBANDINGAN METODE SAW DAN TOPSIS PADA KASUS UMKM

Implementasi Teori Keputusan Penentuan Penerimaan Beasiswa Bagi Mahasiswa FMIPA Universitas Sulawesi Barat

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN BIBIT UBI KAYU MENGGUNAKAN METODE TOPSIS (Studi Kasus : PT. Hutahaean)

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

Model SPK. Model optimasi (2) Model optimasi (1) Metode-metode Optimasi dengan Alternatif Terbatas 4/30/2017. Tujuan.

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Sistem Pendukung Keputusan dalam Merekomendasikan Smartphone untuk Kalangan Pemula dengan Metode TOPSIS

Optimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi

SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN MEREK DAN TIPE SEPEDA MOTOR BERBASIS WEB DENGAN METODE TOPSIS

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

BAB 2 TINJAUAN PUSTAKA. Manurung (2010) menerapkan sistem pendukung keputusan seleksi

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN PERANGKAT KOMPUTER DENGAN METODE TOPSIS (Studi Kasus: CV. Triad)

METODE OPTIMASI 11/13/2015. Capaian Pembelajaran

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si

PERANCANGAN APLIKASI PEMILIHAN SANGKAR BURUNG MENGGUNAKAN METODE SMART SKRIPSI

BAB II DIMENSI PARTISI

RANCANGAN SISTEM PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN PILIHAN PRODUK LAPTOP MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW)

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

PEMILIHAN LAHAN TERBAIK UNTUK TANAMAN KELAPA SAWIT MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB II LANDASAN TEORI

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB III METODOLOGI PENELITIAN

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada

BAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

Implementasi Jaringan Saraf Tiruan Backpropagation Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan MATLAB 7.0

BAB I PENDAHULUAN. 1.1 Latar Belakang

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Optimasi Pemilihan Paket Internet Dengan Menggunakan Metode AHP

Perbandingan Masalah Optimasi TSP dengan Menggunakan Algoritma Ant Colony dan Jaringan Hopfield

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 11-22, April 2001, ISSN : SUBRUANG MARKED. Suryoto Jurusan Matematika, FMIPA-UNDIP Semarang

BAB IV HASIL ANALISIS

Peramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting

Sistem Pendukung Keputusan Pemilihan Pemasok Bahan Baku Menggunakan Metode Technique for Order Preference by Similarity to Ideal Solution

OPTIMASI RANKING WEBOMETRICS MENGGUNAKAN METODE LOGARITMIC FUZZY PREFERENCE PROGRAMMING PADA PERSPEKTIF COST

RESAMPLING UNTUK MEMPERBESAR KOEFISIEN DETERMINASI DALAM MODEL REGRESI LINEAR.

UJI SENSITIVITAS METODE WP, SAW DAN TOPSIS DALAM MENENTUKAN TITIK LOKASI REPEATER INTERNET WIRELESS

Sistem Pendukung Keputusan Untuk Menentukan Prestasi Akademik Siswa dengan Metode TOPSIS

PENENTUAN JUMLAH PRODUKSI OPTIMAL CPO DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING PADA PABRIK KELAPA SAWIT PT. XYZ

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB 2 LANDASAN TEORI

TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA

BAB II TINJAUAN PUSTAKA. A. Konsep Dasar Sistem Pendukung Keputusan. menggantikan penilaian mereka. Dss ditujukan untuk keputusan keputusan yang

III. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini

INDEKS KERENTANAN SOSIAL EKONOMI UNTUK BENCANA ALAM DI WILAYAH INDONESIA 5. Anik Djuraidah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

KWARTIL, DESIL DAN PERSENTIL

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X

BAB 2 LANDASAN TEORI

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

KOMPARASI HASIL BELAJAR SISWA DENGAN MEDIA MACROMEDIA FLASH DAN MICROSOFT POWERPOINT YANG DISAMPAIKAN MELALUI PENDEKATAN CHEMO-EDUTAINTMENT

(M.5) PEMBENTUKAN FAST ALGORITHM FUZZY C-MEANS CLUSTER DENGAN INDEKS VALIDITAS XIE DAN BENI (XB) DAN PROPORSI EIGEN VALUE DARI MATRIKS SIMILIARITY

Transkripsi:

Semnar NasonalTenologInformasdan Multmeda 2015 STMIK AMIKOM Yogyaarta, 6-8Februar 2015 APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW Aslnda 1), Andea Rocy Tanaamah 2), Alz Danny Wowor 3) 1), Sstem Informas Unverstas Krsten Satya Wacana Salatga 2),3) Magster Sstem Informas Unverstas Krsten Satya Wacana Salatga Jl Dponegoro 52-60, Salatga 50711 Emal : 682009034@student.usw.edu 1), atanaamah@staff.usw.edu 2),alzdanny.wr@gmal.com 3) Abstra Beasswa merupaan salah satu bentu bantuan epada mahasswa ataupun pelajar ba berupa baya penddan maupun baya hdup. Beasswa Rutn merupaan program beasswa d UKSW Salatga.Proses penentuan eputusan mempertmbangan banya rtera dar sean atrbut yang harus dplh. Penltan n menggunaan Fuzzy Mult-Attrbute Decson Mang (Fuzzy MADM) sebaga penentu eputusan dan drancang dalam sebuah sstem dalam bentu aplas sehngga dapat dgunaan sebaga alat penentu eputusan. Hasl yang dperoleh Aplas dapat berjalan dengan ba dan dapat dreomendasan sebaga aplas dalam mementuan eputusan penerma beasswa rutn Kata unc:beasswa Rutn UKSW, Fuzzy Mult- Attrbute Decson Mang. 1. Pendahuluan 1.1 Latar Belaang Masalah Unverstas Krsten Satya Wacana (UKSW) merupaan salah satu perguruan tngg swasta yang menjaln erjasama dengan berbaga nstans pemerntah, unverstas dalam neger maupun luar neger dan phapha yang memberan berbaga macam jens beasswa setap tahun. Beasswa merupaan suatu bentu penghargaan epada yang berprestas dan merupaan bentu bantuan epedulan epada orang yang urang mampu dalam hal fnasal dberan epada semua alangan yang sedang menempuh masa studnya dsemua tngat penddan. Salah satu jens beasswa yang dberan d UKSW adalah Beasswa Rutn. Proses penentuan eputusan yang dlauan oleh tm seles beasswa Rutn UKSW mash dalam tahap manual dan cuup rumt arena banyanya rtera penlaan serta pengolahan data yang cuup banya serta membutuhan watu yang relatf lama. Model yang aan dgunaan dalam membuat Aplas Penentuan Penerma Beasswa Rutn d UKSW adalah Fuzzy Multple Attrbute Decson Mang (FMADM) dengan metode pengembangan. Fuzzy MADM yang dembangan oleh Joo, 2004 adalah suatu metode yang menetapan alternatf eputusan terba dar sejumlah alternatf berdasaran beberapa rtera tertentu yang aan menjad bahan pertmbangan [1]. Metode MADM coco dgunaan sebaga model peneltan pada asus beasswa rutn arena terdapat beberapa rtera yang bsa dgunaan untu menentuan anddat terba, serta dharapan penlaan aan lebh tepat arena ddasaran pada nla rtera dan bobot yang sudah dtentuan sehngga aan mendapatan hasl yang lebh aurat, optmal dan dapat menjad alternatf eputusan oleh para decson maers terhadap mahasswa mana yang laya mendapatan beasswa rutn tersebut. 1.2 Tujuan 1. Membangun aplas SPK yang berguna untumemudahan seles penentuan calon penerma beasswa Rutn d UKSW 2. Membantu dalam pengamblan eputusan, menggunaan metode fuzzy mult-attrbute decson mang (FMADM). 1.3 Metodolog Peneltan Gambar 1 dbawah n merupaan proses yang dlauaan dalam penenltan n. PROSES 1 PROSES 2 PROSES 3 PROSES 4 PROSES 5 STUDI PUSTAKA PENGUMPULAN DATA ANALISIS MASALAH PerancanganAp las MenentuanPener mabeasswa NILAI STATISTIK A Gambar 1. Proses Peneltan Seles Fuzzy MADM ImplementasAp las 2.2-193

Semnar NasonalTenologInformasdan Multmeda 2015 STMIK AMIKOM Yogyaarta, 6-8Februar 2015 1.4 Tnjauan Pustaa Beasswa rutn merupaan beasswa yang dananya berasal dar sebagan uang ulah yang dbayaran oleh mahasswa UKSW setap semester dan janga watu pemberan beasswa rutn yatu dalam watu urun 1 tahun emudan mahasswa bsa mengambl beasswa d awal semester. Peneltan Sahaan, Tahun 2009 Perancangan dan Implementas Sstem Penduung Keputusan Penentuan Calon Penerma Beasswa dengan menggunaan metode AHP, Penyelesan masalah dengan metode AHP pada peneltan n menentuan penlaan dar setap rtera menggunaan matrs perbandngan berpasangan antara satu rtera dengan rtera yang lan. Krtera yang dgunaan dalam peneltan n adalah latar belaang, eonom, IPK, reomendas wal stud, dan wawancara. Hasl dar sstem mengemuaan bahwa prortas utama dalam penentuan Beasswa Rutn adalah latar belaang eonom dan IPK, wawancara dan reomendas wal stud ada d urutan berutnya [2]. Peneltan Maharan Tahun 2011 yang berjudul Penerapan Metode TOPSIS pada Sstem Penduung Keputusan Seles Mahasswa Penerma Beasswa, Metode Topss aan melauan perhtungan dan perangngan setap mahasswa berdasaran jara nlanya antara nla terba dan nla terburu setap rtera melalu perbandngan berpasangan antar mahasswa pada rtera yang sama. Hasl dar peneltan n berupa urutan saran atau plhan anddat penerma beasswa dar yang terba [3]. Metode Mult Attrbute Decson Mang MADM Metode yang dgunaan untu menyelesaan masalah FMADM dembangan oleh Joo pada tahun 2004 dalam tga langah pentng penyelesaan, yatu[1]: 1). Representas Masalah a. Mengdentfas tujuan dan umpulan alternatf eputusan, drepresentasan menggunaan bahasa alam atau nla numers sesua araterst dar masalah tersebut b. Indentfas umpulan alternatf eputusan dar suatu masalah, ja ada alternatf n, maa alternatf-alternatf tersebut dapat dtuls sebaga A = {A =1,2,n}. c. Selanjutnya dlauan, dentfas umpulan rtera. Ja ada rtera, maa dapat dtulsan C ={C t t = 1,2,..., }. d. Membangun strutur hrar dar masalah berdasaran pertmbangan tertentu. 2). Evaluas Hmpunan Fuzzy (1). Memlh hmpunan ratng untu bobot-bobot rtera dan derajat ecocoan setap alternatf dengan rteranya. Secara umum, hmpunan-hmpunan ratng terdr atas tga elemen, yatu: 1). Varabel lngust (x) yang merepresentasan bobot rtera dan derajat ecocoan setap alternatf dengan rteranya; 2). T(x) yang merepresentasan ratng dar varabel lngust dan fungs eanggotaan yang berhubungan dengan setap elemen dar T(x). Msal, ratng untu bobot pada varabel Pentng untu suatu rtera ddefnsan sebaga: T(pentng) = {SANGAT RENDAH,RENDAH, CUKUP, TINGGI, SANGAT TINGGI}. 3). Fungs eanggotaan untu setap ratng, yang basanya menggunaan fungs segtga. Msal, W t adalah bobot untu crtera C t dan S t adalah ratng fuzzy utu derajat ecocoan fuzzy dar alternatf A yang merepresentasan derajat ecocoan alternatf eputusan yang dperoleh dar hasl agregas S t dan W t; (2). Mengevaluas bobot-bobot rtera dan derajat ecocoan setap alternatf dengan rteranya. (3). Mengagresasan bobot-bobot rtera, dan derajat ecocoan setap alternatf dan rteranya dengan metode mean. Penggunaaan operator mean, F drumusan pada persamaan (1) sebaga berut : F 1 S W S W S W 1 F Y. Q, Z Y Z 1 1 t 1 t 1 1 o q t t a c 1 Dengan cara mensubsttusan S t dan W t dengan blangan fuzzy segtga, yatu ; S t =(O t,p t,q t) dan; W t = (a t, b t, c t) maa F t dapat ddeat sebaga : Q 1 Dengan = 1, 2,.., n. 3). Seles Alternatf yang Optmal a. Memprortasan alternatf eputusan berdasaran agregas. Prortas dar hasl agregas dbutuhan dalam ranga proses perangngan alternatve eputusan. Msalan F adalah fuzzy segtga, F = (a,b,c), maa nla total ntegral dapat drumusan sebaga berut : I a 1 t F c b 1 a (6) 2 b. Nla a adalah ndes eoptmsan yang merepresentasan dejarat eoptmsan bag pengambl eputusan 0 x 1. Apabla nla a seman besar. c. Memlh alternatf eputusan dengan prortas tertngg sebaga alternatf yang optmal. 2. Pembahasan p t b t 1 2.1 FMADM Beasswa Rutn Peneltan n membahas sstem menggunaan FMADM untu menentuan eputusan untu mahasswa yang mendapatan beasswa rutn. Sebelum membahas sstem maa perlu juga untu dtunjuan proses bagamana menyelesaan masalah pada seles penentuan calon 2 (1) (2) (3) (4) (5) 2.2-194

Semnar NasonalTenologInformasdan Multmeda 2015 STMIK AMIKOM Yogyaarta, 6-8Februar 2015 penerma beasswa menggunaan loga fuzzy MADM. Pembahasan penyelesaan masalah eseluruhan dambl dar sumber referens prosdng[4]. 1). Representas Masalah a. Tujuan eputusan n adalah mencar calon penerma beasswa, Terdapat 65 Mahasswa yang dnyataan sebaga alternatf eputusansebagaa={a 1, A 2, A 3,, A n}. b. Ada 7 Krtera utama eputusan yang dberan,yatu:c={c 1,C 2,C 3,C 4,C 5,C 6,C 7},dengan C 1= Penghaslan orang tua per bulan, C 2= Indes Prestas Kumulatf, C 3 =Reomendas wal stud, C 4 =Baya ulah tap semester, C 5 = Pengeluaran Mahasswa setap bulan, C 6 = Tanggungan orang tua setap bulan,c 7 = Wawancara. c. Strutur Hrar dar pengamblan eputusan beasswa rutn dtunjuan pada Gambar 2: 300 900 1.400 2.342 6.000 Gambar 3. Blangan fuzzy untu rtera Penghaslan Orang Tua b. Hmpunan Fuzzy Krtera Indes Prestas Komulatf(IPK) Representas Krtera IPK adalah sebaga berut : SR={1,65, 1.65, 3}, R={1.65, 3, 3.31, }, C={3, 3.31, 3.53}, T={3.31, 3.53, 3.93}, ST={3.53, 3.93, 3.93}. Blangan fuzzy segtga dtunjuan pada Gambar 4. 1.65 3 3.31 3.53 3.93 Gambar 4. Blangan fuzzy untu rtera Indesprestas Komulatf Tujuan Krtera Penghaslan Orang Tua / bulan (C1) IPK (C2) Tanggungan Orang Tua /bulan (C3) MenentuanCalonPe nermabeasswarut n UKSW BayaKul ah (C4) Pengeluaran Mahasswa / Bulan(C5) ReomendasWal Stud (C6) Wawanca ra (C7) c. Hmpunan Fuzzy Krtera Tanggungan Orang Tua Representas Krtera tanggungan orang tua dalam satuan (rbu) adalah sebaga berut : SR= {150, 150, 590}, R={150,590, 825}, C={590, 825, 1.100}, T= {825, 1.100, 2.400}, ST={1.100, 2.400, 2.400}. Blangan fuzzy segtga dtunjuan pada Gambar 5. Alternatf Mhs 1 Mhs 2 Mhsn Gambar 2. Strutur Hrar Permasalahan 2). Evaluas Hmpunan Fuzzy Untu menentuan hmpunan fuzzy pada etujuh rtera selan rtera Reomendas wal stud dan wawancara dgunaan. Nla statsta yang dgunaan adalah data terecl (X mn), data terbesar (X max) dan nla uartl (Q 1, Q 2, Q 3). Sedangan untu nla rtera reomendas wal stud dan wawancara dgunaan nla sala Lert. a. Hmpunan Fuzzy Krtera Penghaslan Orang Tua Krtera yang dgunaan adalah SR: Sangat Rendah, R: Rendah, S: Sedang, T: Tngg, ST: Sangat Tngg, yang masng-masng drepresentasan sebaga berut. SR={300, 300, 900}, R={300, 900, 1.400}, C={900, 1.400, 2.342}, T={1.400, 2.342, 6.000}, ST={2.342, 6.000, 6.000}. Blangan fuzzy segtga dtunjuan pada Gambar 3. 150 590 825 1100 2400 Gambar 5 Blangan fuzzy untu rtera tanggungan Orang Tua d. Hmpunan Fuzzy Krtera Baya Kulah Mahasswa Representas Krtera Baya ulah Mahasswa dalam satuan (rbu) adalah sebaga berut : SR={1.050, 1.050, 2.575}, R={1.050, 2.575, 3.000}, C={2.575, 3.000, 3.450}, T={3.000, 3.450, 4.200}, ST={3.450, 4.200, 4.200}. Blangan fuzzy segtga dtunjuan pada gambar 6. 1.05 2.57 3.0 3.45 4.2 Gambar 6 Blangan fuzzy untu rtera Baya Kulah Mahasswa e. Hmpunan Fuzyy Krtera Pengeluaran Mahasswa Representas crtera pengeluaran mahasswa dalam satuan (rbu) adalah sebaga berut : SR={150, 150, 450}, R={150,450,600}, C={450, 600, 750}, T={600,750, 2.830}, ST={750, 2.830, 2.830}. Blangan fuzzy segtga dtunjuan pada gambar 7. 150 450 600 750 2.830 Gambar 7 Blangan fuzzy untu rtera Pengeluaran Mahasswa 2.2-195

Semnar NasonalTenologInformasdan Multmeda 2015 STMIK AMIKOM Yogyaarta, 6-8Februar 2015 f. Hmpunan Fuzzy Krtera Reomendas Wal Stud Representas rtera Reomendas Wal Stud adalah sebaga berut : SR={0, 0, 0.25}, R={0,0.25,0.5}, C={0.25, 0.5, 0.75}, T={0.5,0.75, 1}, ST={0.75, 1, 1}. Blangan fuzzy segtga dtunjuan pada Gambar 8. 0 0.25 0.5 0.75 1 Gambar8 Blangan fuzzy untu rtera Reomendas Wal Stud g. Hmpunan Fuzzy Krtera Wawancara Representas rtera wawancara adalah sebaga berut : SR={0, 0, 0.25}, R={0,0.25,0.5}, C={0.25, 0.5, 0.75}, T={0.5,0.75, 1}, ST={0.75, 1, 1}. Blangan fuzzy segtga dtunjuan pada Gambar 9. 0 0.25 0.5 0.751 Gambar 9 Blangan fuzzy untu rtera Wawancara Evaluas Hmpunan Fuzzy dar alternatf-alternatf eputusan a) Varabel-varabel lngust yang merepresentasan bobot epentngan untu setap rtera, adalah: T (epentngan) W = {SR, R, C, T, ST} dengan SR: Sangat Rendah, R: Rendah, C: Cuup, T: Tngg, ST: Sangat Tngg, yang masng-masng drepresentasan dengan fuzzy segtga: SR = (0, 0, 0.25) R = (0,.25, 0.5) C = (0.25, 0.5, 0.75) T = (0.5, 0.75, 1) ST = (0.75, 1, 1). b) Derajat ecocoan alternatf-alternatf dengan rtera-rtera eputusan adalah: T(ecocoan) Q = {SR, R, S, T, ST} dengan SR: sengat rendah, R: rendah, C: cuup, T: tngg, ST: sangat tngg, yang masngmasng drepresentasan dengan fuzzy segtga: SR = (0, 0, 0.25) R = (0, 0.25, 0.5) C = (0.25, 0.5, 0.75) T = (0.5, 0.75, 1) ST = (0.75, 1, 1) c) Ratng untu setap rtera eputusan dtunjuan pada Tabel 1 ratng epentngan n dsesuaan dengan eputusan pha pember beasswa (Bro Kemahasswaan UKSW) yatu nla epentngan dtentuan dengan blangan fuzzy pada Gambar 2, Gambar 3, Gambar 4, Gambar 5, Gambar 6, Gambar 7, Gambar 8 maa dperoleh hasl pada Tabel 1. 0 I 1 0.5 I 1 1 I 1 Tabel 1. Ratng epentngan untu setap rtera Ratng Kecocoan Krtera C1 C2 C3 C4 C5 C6 C7 Ratng Kepentngan ST ST C C C T ST Proses selanjutnya adalah menentuan Indes Kecocoan Fuzzy. Mensubttusan blangan fuzzy segtga e setap varabel lngust, berdasaran ratng epentngan dan ratng ecocoan maa aan dperoleh Indes Kecocoan fuzzy. 3). Menyeles Alternatf yang Optmal Dengan mensubttus ndes ecocoan fuzzy dar Tabel, e nla total ntegral, Langah terahr adalah menyeles alternatf optmal menggunaan persamaan (6) dengan derajat eoptmsan (α) = 0 (tda optms), (α) = 0,5 (cuup optms), (α) = 1 (sangat optms), maa aan dperoleh nla total ntegral untu setap alternatf. 1 0 0.7410 0.4375 1 0 0.1696 2 0.303571429 1 0.50.7410 0.4375 1 0.50.1696 2 0.446428571 1 1 0.7410 0.4375 1 10.1696 2 0.589285715 Nla ntegral merupaan nla yang berperan pentng dalam menentuan sapa yang berha menerma beasswa rutn. Hal n dlhat dengan memperhatan nla ntegral terecl untu setap derajat eoptmsan. 2.2 Implementas Sstem Form untu memasuan data Mahasswa e dalam aplasdapat dlhat pada Gambar 10 berut n. Gambar 10 Input Data Mahasswa 2.2-196

Semnar NasonalTenologInformasdan Multmeda 2015 STMIK AMIKOM Yogyaarta, 6-8Februar 2015 Form Settng untu memasuan data bobot rtera sesua dengan eputusan pha pember beasswa (Bem UKSW) e dalam aplas dapat dlhat pada Gambar 11 berut n. Gambar 11 Settng Bobot Keputusan Form laporan hasl seles beasswa yang dambl dar sample 11 data mahasswa, emudan pada tombol seles d nputan 5 edalam aplas untu mengetahu sapa yang lulus dan tda lulus dar 11 data mahasswa tersebut sesua dengan derajat eoptmsan 1,dapat dlhat pada Gambar 12 berut n. Gambar 13 Form Output Prnt Laporan Hasl Seles Beasswa 3. Kesmpulan Berdasaran hasl dar peneneltan n, dsmpulan bahwa penggunaan metode Fuzzy MADM dalam perancangan sstem pada aplas n dapat dgunaan sebaga sebuah aplas untu menentuan penerma beasswa rutn d UKSW Salatga. Daftar Pustaa [1] Kusumadew, S., Hartat, S., Harjoo, A., & Wardoyo, R., 2006, Fuzzy Mult-Attrbute Decson Mang (FUZZY MADM), Yogyaarta: Penerbt Graha Ilmu. [2] Sahaan, Els Mndo., 2009. Perancangan dan Implementas Sstem Penduung Keputusan Penentuan Calon Penerma Beasswa dengan menggunaan metode AHP (Stud Kasus: Beasswa Rutn UKSW), Salatga [3] Maharan, Dan, 2011. Penerapan Metode Topss pada Sstem Penduung Keputusan Seles Mahasswa Penerma Beasswa, Salatga [4]. Wowor, Alz Danny. September 2013. Pemodelan emsnan daerah menggunaan Metode fuzzy mult crtera decson mang (mcdm) (stud asus : propns jawa tengah). Semnar Nasonal Sans dan Aplas Komputas (Sensaom) 2013. Gambar 12 Laporan Hasl Seles Beasswa Form untu menceta hasl Laporan Seles Beasswa Rutn dapat dlhat pada Gambar 13 berut n. Bodata Penuls Aslnda, Mahasswa tngat ahr tahun 2009, jurusan Sstem Infomas d Faultas Tenolog Informas UKSW. Saat n mash menjad mahasswa FTI UKSW Salatga. Andea Rocy Tanaamah memperoleh gelar Sarjana Eonom (S.E), pada tahun 2002 d Faultas Eonoma dan Bsns (2002), Jurusan Ilmu Eonom dan Stud Pembangunan Unverstas Krsten Satya Wacana, Salatga. Memperoleh gelar Magster Computer Scence (M.Cs) Program Pasca Sarjana Manajemen Informas pada tahun 2008 d Unverstas Gajah Mada Jogjaarta. Saat n menjad Dosen d FTI UKSW Salatga 2.2-197

Semnar NasonalTenologInformasdan Multmeda 2015 STMIK AMIKOM Yogyaarta, 6-8Februar 2015 Alz Danny Wowor memperoleh gelar Sarjana Sans (S.S), pada tahun 2005 d Faultas Sans dan Matemata Jurusan Matemata UKSW Salatga. Memperoleh gelar Magster Computer Scence (M.Cs) Program Pasca Sarjana Magster Sstem Informas FTI UKSW dan lulus tahun 2011.Saat n menjad Dosen d FTI UKSW Salatga 2.2-198