publikasi_11.22.1376
DESCRIPTION
naskah spkTRANSCRIPT
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA BAGI SISWA SD SALMAN AL FARISI 2 YOGYAKARTA MENGGUNAKAN METODE SIMPLE ADDITIVE
WEIGHTING (SAW)
NASKAH PUBLIKASI
diajukan oleh
Maghfirah
11.22.1376
kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
AMIKOM YOGYAKARTA YOGYAKARTA
2013
DECISION SUPPORT SYSTEM TO DETERMINE THE RECIPIENTS OF SCHOLARSHIPS FOR STUDENTS OF SD SALMAN AL FARISI 2 YOGYAKARTA
USING SIMPLE ADDITIVE WEIGHTING (SAW) METHOD
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA BAGI SISWA SD SALMAN AL FARISI 2 YOGYAKARTA MENGGUNAKAN METODE
SIMPLE ADDITIVE WEIGHTING (SAW)
Maghfirah Kusrini
Jurusan Sistem Informasi STMIK AMIKOM YOGYAKARTA
ABSTRACT
Scholarship is income for the receiving and the purpose of scholarship is to help
alleviate the cost burden education students who get. Distribution of scholarship conducted by some agencies to help someone less capable or accomplished during the travel study. SD Salman Al Farisi 2 Yogyakarta is one of the school that give scholarships to students. This is certainly in order to ease the burden of student tuition fees.
In accordance with regulations prescribed by the SD Salman Al Farisi 2 Yogyakarta to obtain a scholarship, then the required criterias for determining who will be selected to receive scholarship. Based on this determination to assist in determining a student get scholarship, it takes a decision support system with methods can use SAW (Simple additive weighting) method.
SAW (Simple additive weighting) method is a method that can find a best alternative from several alternatives based on criterias that have been determined. The point is that the method determines the weight on each criterion. 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: computer, scholarship, Decision Support System of Scholarship
1. Pendahuluan
Pengolahan data beasiswa di SD Salman Al farisi 2 Yogyakarta pada umumnya
masih menggunakan sistem yang masih manual, yaitu belum adanya komputerisasi
dalam menentukan penerima beasiswa sehingga banyak masalah yang terjadi pada
sistem ini. Permasalahan yang terkadang muncul yaitu kurang tepatnya penyaluran
beasiswa terhadap siswa, misalnya siswa yang sebenarnya tidak layak mendapatkan
beasiswa namun mendapatkan beasiswa, sebaliknya siswa yang berhak mendapatkan
beasiswa baik itu beasiswa berprestasi maupun beasiswa kurang mampu tetapi tidak
mendapatkan beasiswa. Masalah seperti itu muncul karena kurang telitinya para
penyeleksi beasiswa dalam melakukan seleksi penerima beasiswa, dikarenakan pihak
penyeleksi beasiswa itu sendiri para guru yang ada di SD Salman Al Farisi 2 Yogyakarta
yang pekerjaan sehari-harinya mengajar para siswa, sehingga kurangnya waktu yang
ada untuk melakukan penyeleksian penerima beasiswa, sehingga suka terjadi kesalahan
dalam menentukan penerima beasiswa dengan tepat disebabkan kurang telitinya seleksi
yang dilakukan.
Dari permasalahan diatas dapat diambil alternatif solusi yaitu dengan cara
membangun sistem pendukung keputusan dengan menggunakan metode Fuzzy Multiple
Attribute Decision Making (FMADM) dengan metode Simple Additive Weighting (SAW)
untuk menentukan penerima beasiswa di SD Salman Al Farisi 2 Yogyakarta yang
diharapkan dapat menyelesaikan permasalahan yang ada di penyaluran penerima
beasiswa di SD Salman Al Farisi 2 Yogyakarta, dimana dengan adanya sistem tersebut
penentuan siswa yang berhak menerima beasiswa akan menjadi objektif dan sistem
tersebut penyimpanan datanya akan lebih cepat karena penginputan data melalui sistem
tersbut akan langsung masuk ke database.
2. Landasan Teori
2.1 Sistem, Informasi dan Sistem Informasi
2.1.1 Sistem
Kata sistem mempunyai beberapa pengertian tergantung dari sudut pa dang
mana kata tersebut didefinisikan. Secara garis besar ada dua kelompok pendekatan,
yaitu1:
1. Pendekatan sistem yang lebih menekankan pada elemen-elemen atau
kelompoknya, yang dalam hal ini sistem itu didefinisikan sebagai “suatu
jaringan kerja dari prosedur-prosedur yang saling berhubungan, berkumpul
1 Kusrini & Koniyo, Andri. 2007. Tuntunan Praktis Membangun Sistem Informasi
Akuntansi dengan Visual Basic dan Microsoft SQL Server. Yogyakarta : Andi Offset Hal 5.
bersama-sama untuk melakukan suatu kegiatan atau untuk menyelesaikan
suatu aturan tertentu”.
2. Pendekatan sistem sebagai jaringan kerja dari prosedur, yang lebih
menekankan urutan operasi di dalam sistem. Prosedur (procedure)
didefinisikan oleh Richard F. Neushl sebagai “urutan operasi kerja (tulis-
menulis), yang biasanya melibatkan beberapa orang di dalam datu atau lebih
departemen, yang diterapkan untuk menjamin penanganan yang seragam dari
transaksi bisnis yang terjadi”.
Sistem mempunyai beberapa karakteristik atau sifat-sifat tertentu antara lain2:
2.1.2 Informasi
Informasi adalah data yang sudah diolah menjadi sebuah bentuk yang berarti
bagi pengguna, yang bermanfaat dalam pengambilan keputusan saat ini atau
mendukung sumber informasi. Data belum memiliki nilai sedangkan informasi sudah
memiliki nilai. Informasi dikatakan bernilai bila manfaatnya lebih besar dibanding biaya
untuk mendapatkannya3.
Informasi haruslah memiliki kualitas-kualitas tertentu. Karakteristik informasi
yang berkualitas diantaranya adalah sebagai berikut4:
1. Relevan, yaitu informasi yang disajikan sebaiknya terkait dengan keputusan
yang akan diambil oleh pengguna informasi.
2. Akurat, yaitu adanya kecocokan antara informasi dengan kejadian atau obyek
yang diwakilinya.
3. Lengkap, yaitu merupakan derajat sampai seberapa jauh informasi
menyertakan kejadian atau obyek yang berhubungan.
4. Tepat waktu, yaitu informasi sampai ke pengguna tidak terlambat karena
informasi yang terlambat tidak dapat membantu pengguna dalam mengambil
keputusan.
5. Dapat dipahami, yaitu dalam penyajian dan bahasa yang digunakan dapat
dimengerti pengguna sehingga pengguna lebih mudah mengambil keputusan.
6. Dapat dibandingkan, yaitu pengguna dapat memungkinkan untuk
mengidentifikasi persamaan dan perbedaan antara suatu obyek atau kejadian
yang mirip.
2 Ibid. Hal 6.
3 Ibid. Hal 7.
4 Kusrini. 2007. Konsep Dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta : Andi
Offset. Hal 5.
2.1.3 Sistem Informasi
Sistem informasi didefinisikan oleh Robert A. Laitch dan K. Roscoe Bavis adalah
“suatu sistem di dalam suatu organisasi yang mempertemukan kebutuhan pengolahan
transaksi harian, mendukung operasi, bersifat manajerial dan kegiatan strategi dari suatu
organisasi dan menyediakan pihak luar tertentu dengan laporan-laporan yang
diperlukan”. Definisi umum sistem informasi adalah sebuah sistem yang terdiri atas
rangkaian subsistem informasi terhadap pengolahan data untuk menghadilkan informasi
yang berguna dalam pengambilan keputusan5.
2.2 Beasiswa
Pada dasarnya, beasiswa adalah penghasilan bagi yang menerimanya. Hal ini
sesuai dengan ketentuan pasal 4 ayat (1) UU PPh/2000. Disebutkan pengertian
penghasilan adalah tambahan kemampuan ekonomis dengan nama dan dalam bentuk
apa pun yang diterima atau diperoleh dari sumber Indonesia atau luar Indonesia yang
dapat digunakan untuk konsumsi atau menambah kekayaan Wajib Pajak (WP). Karena
beasiswa bisa diartikan menambah kemampuan ekonomis bagi penerimanya, berarti
beasiswa merupakan penghasilan6.
2.3 Sistem Pendukung Keputusan
2.3.1 Pengambilan Keputusan
Masalah merupakan suatu kondisi yang berpotensi menimbulkan kerugian atau
bahkan dapat menghaslkan keuntungan. Pengambilan keputusan adalah sebuah
tindakan atau aksi (diantara berbagai alternatif) dalam pemecahan masalah yang diyakini
akan memberikan solusi terbaik untuk mencapai tujuan. Tujuan dari keputusan adalah
untuk mencapai target atau aksi tertentu yang harus dilakukan. Ciri keputusan adalah
sebagai berikut7:
1. Banyak pilihan/alternative
2. Ada kendala atau syarat
3. Mengikuti suatu pola tingkah laku, baik yang terstruktur maupun tidak
terstruktur.
4. Banyak input/varibel.
5 Kusrini & Koniyo, Andri. 2007. Tuntunan Praktis Membangun Sistem Informasi
Akuntansi dengan Visual Basic dan Microsoft SQL Server. Yogyakarta : Andi Offset Hal 8.
6 Jawa Pos: Beasiswa Jadi Objek PPh. Diakses pada 20 April 2009 dari
http://www.infopajak.com/berita/310108jps.htm 7 Kusrini. 2007. Konsep Dan Aplikasi Sistem Pendukung Keputusan, Yogyakarta : Andi
Offset, Hal 7.
5. Ada factor resiko.
6. Dibutuhkan kecepatan, ketepatan dan keakuratan.
2.3.2 Konsep Sistem Pendukung Keputusan
Sistem Pendukung Keputusan atau Decision Support System (DSS)
merupakan sistem informasi interaktif yang menyediakan informasi pemodelan dan
manipulasi data. Sistem itu digunakan untuk membantu pengambilan keputusan dalam
situasi yang semiterstruktur dan situasi yang tidak terstruktur, dimana tak seorang pun
tahu secara pasti bagaimana keputusannya seharusnya dibuat (Alter, 2002)8.
Aplikasi DSS merupakan aplikasi yang dibangun untuk mendukung solusi atas
suatu masalah atau untuk mengevaluasi suatu peluang yang digunakan dalam
pengambilan keputusan. Aplikasi DSS menggunakan CBIS (Computer Based Information
System) yang fleksibel, interaktif dan dapat diadaptasi yang dikembangkan untuk
mendukung solusi atas masalah manajemen spesifik yang tidak terstruktur9.
Keputusan yang diambil untuk menyelesaikan suatu masalah dilihat dari
keterstrukturan macamnya ada tiga yaitu10
:
1. Keputusan terstruktur (structured decision), yaitu keputusan yang dilakukan
secara berulang-ulang dan bersifat rutin, prosedur untuk pengambilan
keputusan sangat jelas, keputusan ini terutama dilakukan pada manajemen
tingkat bawah.
2. Keputusan semiterstruktur (semistructured decision), yaitu keputusan yang
mempunyai sifat yakni sebagian keputusan dapat ditangani oleh komputer dan
yang lain tetap harus dilakukan oleh pengambil keputusan.
3. Keputusan tak terstruktur (unstructured decision), yaitu keputusan yang
penanganannya rumit, karena tidak terjadi berulang-ulang atau tidak selalu
terjadi. Keputusan ini menuntut pengalaman dan berbagai sumber yang bersifat
eksternal dan umumnya terjadi pada manajemen tingkat atas.
Karaktristik dan kapabilitas yang ada di DSS diantaranya adalah sebagai
berikut11
:
1. Dukungan kepada pengambil keputusan, terutama pada situasi semiterstruktur
dan tak terstruktur, dengan menyertakan penilaian manusia dan informasi
terkomputerisasi.
8 Ibid. Hal 15.
9 Ibid. Hal 16.
10 Ibid. Hal 19.
11 Tuban, Efraim., dkk.. 2005. Decision Support System and Intelligent System.
Yogyakarta : Andi Offset, Hal 141.
2. Dukungan untuk semua level manajerial, dari eksekutif puncak sampai manajer
standar.
3. Dukungan untuk individu dan kelompok. Masalah yang kurang terstruktur sering
memerlukan keterlibatan individu dari departemen dan tingkat organisasional
yang berbeda atau bahkan dari oeganisasi lain.
4. Dukungan untuk keputusan independent dan/atau sekuensial.
5. Dukungan di semua fase proses pengambilan keputusan: intelegensi, desain,
pilihan dan implementasi.
6. Dukungan diberbagai proses dan gaya pengambilan keputusan.
7. Adaptivitas sepanjang waktu. Pengambilan keputusan seharusnya reaktif,
dapat menghadapi perubahan kondisi secara cepat dan mengadaptasi DSS
untuk memenuhi kebutuhan tersebut.
8. Pengguna merasa seperti di rumah. Rumah-pengguna kapabilitas grafis sangat
kuat dan antarmuka manusia-mesin yang interaktif dengan satu bahasa alami
bisa sangat meningkatkan efektivitas DSS.
9. Peningkatan efektivitas pengambilan keputusan (akurasi, timelines, kualitas)
ketimbang pada efisiensinya (biaya pengambilan keputusan).
10. Kontrol penuh oleh pengambil keputusan terhadap semua langkah proses
pengambilan keputusan dalam memecahkan suatu masalah.
11. Pengguna akhir bisa mengembangkan dan memodifikasi sendiri sistem.
12. Biasanya model-model digunakan untuk menganalisis situasi pengambilan
keputusan.
13. Akses disediakan untuk berbagai sumber data, format, dan tipe, mulai dari
sistem informasi geografis (GIS) sampai sistem berorientasi-objek.
14. Dapat digunakan sebagai alat standalone oleh seorang pengambil keputusan
pada satu lokasi atau didistribusikan di suatu organisasi secara keseluruhan
dan di beberapa organisasi sepanjang rantai persediaan.
2.3.3 Arsitektur Sistem Pendukung Keputusan
2.3.3.1 Subsistem Manajemen Data
Subsistem manajemen data merupakan memasukkan satu database yang
berisi data yang relevan untuk situasi dan dikelola oleh perangkat lunak yang disebut
sistem manajemen database (DBMS/Data Base Management System). Subsistem
manajemen data juga dapat diinterkoneksikan dengan data warehouse perusahaan,
suatu repositori untuk data perusahaan yang relevan untuk pengambilan keputusan12
.
12
Kusrini. 2007. Konsep Dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta : Andi Offset, Hal 25.
Subsistem manajemen data terdiri dari beberapa elemen antara lain berikut13
:
1. Database sistem pendukung keputusan
Database adalah kumpulan data yang saling terkait yang diorganisasi untuk
memenuhi kebutuhan dan struktur sebuah organisasi serta bisa digunakan oleh
lebih dari satu orang dan lebih dari satu aplikasi.
Sumber data dalam sistem pendukung keputusan, yaitu:
a. Data Internal
Merupakan data yang sudah ada dalam suatu organisasi. Data tersebut
bisa dikendalikan oleh organisasi tersebut. Data internal bisa berupa data
mengenai orang, produk, layanan, dan proses-proses seperti data tentang
pegawai, data tentang peralatan mesin, data penjualan, dan data
penjadwalan produksi.
b. Data Eksternal
Adalah data yang tidak bisa dikendalikan oleh organisasi. Data tersebut
berasal dari luar sistem seperti peraturan perundangan, harga pasar,
keadaan pesaing, dan kurs Dolar.
c. Data Privat/Personal
Data privat merupakan data mengenai kepakaran/naluri dari user terhadap
masalah yang akan diselesaikan dan data tersebut bersifat subjektif.
2. Sistem Manajemen Database/ Database Management System (DBMS)
Database dibuat, diakses, dan diperbaharui melalui sistem manajemen
database/ database management system (DBMS) yakni software pengelola
database pengelola database seperti Microsoft SQL Server, Microsoft Access,
Oracle, My SQL, dan lain-lain. Dalam memilih DBMS, tentunya harus
diperhatikan beberapa hal yang terkait dengan aplikasi yang akan dibangun,
antara lain: arsitektur sistemnya (seperti sistem berbasis stand alone atau client
server, berbasis desktop, atau berbasis web), platform sistem operasi yang
digunakan, besarnya data, dan pentingnya dukungan keamanan.
3. Direktori Data
Merupakan sebuah katalog dari semua data yang ada dalam database. Isinya
definisi data, dan fungsi utamanya adalah menjawab pertanyaan mengenai
ketersediaan item-item data, sumber, dan makna eksak dari data.
4. Fasilitas Query
Merupakan fasilitas untuk menyediakan akses data ke database serta
manipulasi data dalam database. Fasilitas tersebut menjawab bagaimana
kebutuhan inform asi dari user bisa dipenuhi oleh database.
13
Ibid. Hal 33.
2.3.3.2 Subsistem Manajemen Model
Merupakan paket perangkat lunak yang memasukkan model keuangan,
statistik, ilmu manajemen, atau model kuantitatif lainnya yang memberikan kapabilitas
analitik dan manajemen perangkat lunak yang tepat. Bahasa-bahasa pemodelan untuk
membangun model-model kustom juga dimasukkan. Perangkat lunak ini sering disebut
sistem manajemen basis model (MBMS). Komponen ini dapat dikoneksikan ke
penyimpanan korporat atau eksternal yang ada pada model14
.
Model keputusan merupakan suatu bentuk keputusan yang diabstraksikan
menjadi bentuk simbolik. Subsistem manajemen model dalam DSS terdiri dari sub-sub
komponen berikut15
:
1. Basis Model
Berisi model statistik, keuangan, pengetahuan managemen atau model
quantitatif lain yang menyediakan kemampuan analisa seperti mencari,
menjalankan, menggabungkan memeriksa model.
Dilihat dari tingkat manajemen penggunanya, model dalam basis model
dibedakan seperti:
a. Model Strategis
Mendukung tanggung jawab perencanaan strategis dari top manajemen
seperti pengembangan perusahaan.
b. Model Taktikal
Digunakan oleh manajemen tingkat menengah untuk membantu
pengalokasian dan pengontrolan sumber daya organisasi seperti
perencanaan kebutuhan tenaga kerja.
c. Model Operasional
Mendukung manajemen level bawah dalam pelaksanaan aktivitas sehari-
hari dalam cakupan waktu yang singkat.
d. Model Building Block
Model ini merupakan model yang akan digunakan untuk membangun
model yang lain seperti analisis regresi.
2. Sistem Manajemen Basis Model
Software pembuat model, pembaharuan model, pengubahan model dan
manipulasi data.
3. Model Dictionary
14
Ibid. Hal 25. 15
Ibid. Hal 29.
Katalog semua model dalam basis model yang terdiri dari definisi model dan
fungsi utama untuk menjawab pertanyaan tentang keberadaan dan
kemampuan model.
4. Model Eksekusi, Intelegensi, dan Perintah
Eksekusi berfungsi untuk mengontrol jalannya aktivitas nyata. Intelegensi untuk
menggabungkan operasi beberapa model, sedangkan perintah untuk menerima
dan menerjemahkan instruksi model dari model lain.
Saat melakukan pemodelan dalam pembangunan DSS dilakukan langkah-
langkah sebagai berikut16
:
1. Studi kelayakan (Intelligence)
2. Pada langkah ini, sasaran ditentukan dan dilakukan pencarian prosedur,
pengumpulan data, identifikasi masalah, identifikasi kepemilikan masalah,
klasifikasi masalah, hingga akhirnya terbentuk sebuah pernyataan masalah.
3. Perancangan (Design)
Pada tahap ini akan diformulasikan model yang akan digunakan dan kriteria-
kriteria yang ditentukan. Setelah itu, dicari alternative model yang bisa
menyelesaikan permasalahan tersebut. Langkah selanjutnya adalah
memprediksi keluaran yang mungkin. Kemudian, ditentukan variabel model.
4. Pemilihan (Choice)
Pada tahap ini akan dilakukan pemilihan modelnya termasuk solusinya dan
dilakukan analisis sensitivitas, yakni dengan mengganti beberapa variabel.
5. Membuat DSS
Setelah mentukan modelnya, Berikutnya adalah mengimplementasikannya
dalam aplikasi DSS.
2.3.3.3 Sub Antarmuka Pengguna
Pengguna berkomunikasi dengan dan memerintahkan sistem pendukung
keputusan melalui subsistem tersebut. Pengguna adalah bagian yang dipertimbangkan
dari sistem. Para peneliti menegaskan bahwa beberapa kontribusi unik dari sistem
pendukung keputusan berasa dari interaksi yang intensif antara komputer dan pembuat
keputusan17
.
2.3.3.4 Subsistem Manajemen Berbasis Pengetahuan
Subsistem manajemen berbasis-pengetahuan mendukung semua subsistem lain
atau bertindak langsung sebagai suatu komponen independen dan sifatnya optional.
16
Ibid. Hal 30. 17
Ibid. Hal 25.
Subsistem ini memberikan intelegensi untuk memperbesar pengetahuan si pengambil
keputusan dan juga dapat diinterkoneksikan dengan repositori pengetahuan perusahaan
(bagian dari sistem manajemen pengetahuan), yang kadang-kadang disebut basis
pengetahuan organisasional18
.
2.4 Fuzzy Multiple Attribute Decision Making (FMADM)
Fuzzy Multiple Attribute Decision Making (FMADM) adalah suatu metode yang
digunakan untuk mencari alternatif optimal dari sejumlah alternatif 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 para
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 19
.
Ada beberapa metode yang dapat digunakan untuk mnyelesaikan masalah
FMADM. antara lain20
:
a. Simple Additive Weighting Method (SAW)
b. Weighted Product (WP)
c. ELECTRE
d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
e. Analytic Hierarchy Process (AHP)
2.4.1 Algoritma FMADM
Algoritma FMADM adalah:
1. Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah
ditentukan, dimana nilai tersebut di peroleh berdasarkan nilai crisp;
i=1,2,…m dan j=1,2,…n.
2. Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp.
3. Melakukan normalisasi matriks dengan cara menghitung nilai rating kinerja
ternormalisasi (rij) dari alternatif Ai pada atribut Cj berdasarkan persamaan
18
Ibid. Hal 26. 19
Kusumadewi, Sri. (2007). Diktat Kuliah Kecerdasan Buatan, Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia.
20 Kusumadewi, Sri., Hartati, S., Harjoko, A., dan Wardoyo, R. (2006). Fuzzy Multi-
Attribute Decision Making (FUZZY MADM). Yogyakarta: Penerbit Graha Ilmu.
yang disesuaikan dengan jenis atribut (atribut
keuntungan/benefit=MAKSIMUM atau atribut biaya/cost=MINIMUM). Apabila
berupa artibut keuntungan maka nilai crisp (Xij) dari setiap kolom atribut
dibagi dengan nilai crisp MAX (MAX Xij) dari tiap kolom, sedangkan untuk
atribut biaya, nilai crisp MIN (MIN Xij) dari tiap kolom atribut dibagi dengan
nilai crisp (Xij) setiap kolom.
4. Melakukan proses perankingan dengan cara mengalikan matriks
ternormalisasi (R) dengan nilai bobot (W).
5. Menentukan nilai preferensi untuk setiap alternatif (Vi) dengan cara
menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai
bobot (W). Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai
lebih terpilih.
2.4.2 Langkah Penyelesaian
Dalam penelitian ini menggunakan 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 matriks keputusan berdasarkan kriteria (Ci), kemudian
melakukan normalisasi matriks 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 vektor bobot sehingga diperoleh
nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi21
.
2.5 Metode Simple Additive Weighting (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.
21
Kusumadewi, Sri. (2007). Diktat Kuliah Kecerdasan Buatan, Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia.
Keterangan :
= nilai rating kinerja ternormalisasi
= nilai atribut yang dimiliki dari setiap kriteria
= nilai terbesar dari setiap kriteria
= nilai terkecil dari setiap kriteria
benefit = jika nilai terbesar adalah terbaik
cost = jika nilai terkecil adalah terbaik
Nilai preferensi untuk setiap alternatif ( )diberikan sebagai:
Keterangan :
= rangking untuk setiap alternatif
= nilai bobot dari setiap kriteria
= nilai rating kinerja ternormalisasi
Nilai yang lebih besar mengindikasikan bahwa alternatif lebih terpilih.
2.6 Alat Bantu Sistem
2.6.1 Diagram konteks
Diagram konteks dapat digunakan untuk memodelkan sistem. Diagram konteks
terdiri dari lingkaran yang menggambarkan proses dan beberapa entitas yang
menunjukan hubungan interaksi yang sedang berlangsung. Diagram konteks berfungsi
memetakan model lingkungan (menggambarkan hubungan antara entitas luar, masukan
dan keluaran sistem), yang digambarkan melalui suatu lingkaran yang dapat mewakili
keseluruhan sistem22
.
22
Hartini.Analisis Dengan Diagram Aliran Data (DFD).2007.http://www.ilkom. unsri.ac.id/dosen/hartini/materi/VIII DFD.pdf.didownload pada tanggal 19 September 2009.
2.6.2 Data flow diagram (DFD)
DFD merupakan suatu model logika data atau proses yang dapat menggambarkan
asal dan tujuan data yang masuk dan keluar dari sistem, tempat penyimpanan data,
proses yang menghasilkan data dan interaksi antara data yang tersimpan dan proses
yang dikenakan pada data tersebut. DFD juga sering digunakan untuk menggambarkan
suatu sistem yang telah ada ataupun sistem baru yang kemudian dikembangkan secara
logika dan direpresentasikan dalam bentuk diagram aliran data.
DFD dibagi menjadi diagram context dan diagram rinci (DFD Leveled). DFD
leveled menggambarkan sistem sebagai jaringan kerja antara fungsi yang berhubungan
satu sama lain dengan aliran dan penyimpanan data. Dalam DFD leveled terdiri dari
tingkatan-tingkatan level. DFD leveled dimulai dari DFD level 0 kemudian turun ke DFD
level 1 dan seterusnya. Aliran data yang masuk dan keluar pada suatu proses di level x
harus berhubungan dengan aliran data yang masuk dan keluar pada level x+1 yang
mendefinisikan proses pada level x tersebut. Proses yang tidak dapat diturunkan/dirinci
lagi dikatakan primitif secara fungsional dan disebut sebagai proses primitif23
.
3. Analisis
3.1 Analisis Sistem
Analisis bertujuan untuk mendapatkan pemahaman secara keseluruhan tentang
sistem yang akan kita kembangkan berdasarkan masukan dari calon pengguna dan
beberapa pihak yang berkepentingan.
Analisis sistem merupakan tahapan paling awal dari pengembangan sistem
yang menjadi fondasi menentukan keberhasilan sistem yang dihasilkan nantinya
utamanya difokuskan pada masalah dan persyaratan-persyaratan bisnis, terpisah dari
teknologi apapun yang dapat atau akan digunakan untuk mengimplementasikan solusi
pada masalah tersebut agar sistem dapat berjalan dengan baik guna mencapai tujuan
sistem.
3.1.1 Identifikasi Masalah
3.1.1.1 Identifikasi Permasalahan dan Penyebab Masalah
Permasalahan pada penentuan siswa yang berhak menerima beasiswa pada
SD Salman Al Farisi 2 Yogyakarta ternyata belum mendekati tepat. Seperti dari segi
penentuan siapa siswa yang berhak mendapatkan beasiswa misalnya siswa yang
23
Hartini.Analisis Dengan Diagram Aliran Data (DFD).2007.http://www.ilkom. unsri.ac.id/dosen/hartini/materi/VIII DFD.pdf.didownload pada tanggal 19 September 2009.
sebenarnya tidak layak mendapatkan beasiswa namun mendapatkan beasiswa,
sebaliknya siswa yang berhak mendapatkan beasiswa baik itu beasiswa berprestasi
maupun beasiswa kurang mampu tetapi tidak mendapatkan beasiswa.
Dari permasalahan tersebut dapat diidentifikasi bahwa dalam penentuan siswa
yang berhak menerima beasiswa belum mempergunakan alat bantu, metode atau
aplikasi pendukung keputusan secara khusus.
3.1.1.2 Identifikasi Titik Keputusan
Berdasarkan identifikasi penyebab masalah di atas dapat ditentukan titik
keputusan yaitu perlunya dibangun sistem sebagai alat untuk menunjang keputusan
dalam menentukan siswa-siswa yang berhak menerima beasiswa. Sistem ini selanjutnya
dapat memperjelas aturan teknis penilaian pada siswa-siswa yang terdaftar sebagai
calon penerima beasiswa.
4. Hasil Penelitian dan Pembahasan
4.1 Implementasi Sistem
Implementasi sistem (Implementation System) merupakan tahap meletakkan sistem
yang baru dikembangkan supaya nantinya sistem tersebut siap untuk dioperasikan
sesuai dengan yang diharapkan. Tujuan dari tahap implementasi adalah menyiapkan
semua kegiatan penerapan sistem sesuai dengan rancangan yang telah ditentukan.
4.1.1 Tampilan Menu Login
4.1.2 Tampilan Menu Utama
4.1.3 Tampilan Menu Hasil
4.2 Pengujian Program
4.2.1 Pengujian Black Box
Terfokus pada apakah unit program memenuhi kebutuhan yang disebutkan
dalam spesifikasi. Pada black box testing, cara pengujiannya hanya dilakukan dengan
menjalankan atau mengeksekusi unit atau modul, kemudian diamati apakah hasil dari
unit tersebut sesuai dengan proses bisnis yang diinginkan. Jika ada unit yang sesuai
outputnya maka untuk menyelesaikannya, diteruskan pada pengujian kedua, yaitu white
box testing.
Tabel 4.1 Pengujian sistem
Data Masukan Yang di Harapkan Pengamatan Kesimpulan
User name dan
password jika benar
Menampilkan menu
utama
Menu utama berhasil
ditampilkan
Diterima
User name dan
password jika salah
Menampilkan pesan
kesalahan
Pesan kesalahan
berhasil ditampilkan
Diterima
Login user benar tapi
password salah atau
Login user salah tapi
password benar
Menampilkan pesan
Username dan
Password salah
Kesalahan Input :
Username atau
password salah
Diterima
Input data User Penambahan data
user dapat di lakukan
Penambahan data
user berhasil
dilakukan
Diterima
Ubah password Pengubahan
password dapat
dilakukan
Password berhasil di
ubah
Diterima
Penghapusan data
user
Penghapusan data
user dapat dilakukan
Data user berhasil
dihapus
Diterima
Penambahan data
user
Penambahan data
user dapat dilakukan
Data user berhasil di
tambahkan
Diterima
Penambahan data
siswa
Penambahan data
siswa dapat
dilakukan
Penambahan data
siswa berhasil
dilakukan
Diterima
Penghapusan data
siswa
Penghapusan data
siswa dapat
dilakukan
Data siswa dapat
dihapus
Diterima
4.2.2 Pengujian White Box
White Box testing adalah cara pengujian dengan melihat ke dalam modul untuk
meneliti kode-kode program yang ada, dan menganalisis apakah ada kesalahan atau
tidak. Jika ada modul yang menghasilkan output yang tidak sesuai dengan proses bisnis
yang dilakukan, maka baris-baris program, variable, dan parameter yang terlibat pada
unit tersebut akan dicek satu persatu dan diperbaiki, kemudian di-compile ulang.
Contoh uji white box adalah testing login. Uji coba dinyatakan berhasil apabila
fungsi-fungsi pada perangkat lunak sesuai dengan yang diharapkan pemakai.
5. Kesimpulan
Berdasarkan penelitian dan pembahasan yang telah dipaparkan diatas maka
dapat diambil kesimpulan bahwa Sistem pendukung keputusan penentuan penerima
beasiswa bagi siswa SD Salman Al Farisi 2 Yogyakarta berbasis desktop telah dibuat
dengan menggunakan metode Fuzzy Multiple Attribute Decision Making (FMADM).
DAFTAR PUSTAKA
Al Fatta, Hanif. 2007. Analisis dan Perancangan Sistem Informasi untuk Keunggulan Bersaing Perusahaan dan Organisasi Modern. Yogyakarta : Andi Offset.
Enterprise, Jubilee. 2009. 3 Langkah Jitu Hajar dan Memusnahkan Virus!. Jakarta :
Gramedia. Fathansyah,Ir. 2002.Basis Data.Informatika : Bandung Hartini. 2007. Analisis Dengan Diagram Aliran Data (DFD).http://www.ilkom.
unsri.ac.id/dosen/hartini/materi/VIII DFD.pdf.didownload pada tanggal 19 September 2009.
Jawa Pos. 2007. Beasiswa Jadi Objek Pph.
http://www.infopajak.com/berita/310108jps.htm. Diakses pada 20 April 2009. Kadir, Abdul & Triwahyuni Terra Ch. 2005. Pengenalan Teknologi Informasi. Yogyakarta:
Andi Offset. Kusrini. 2007. Konsep Dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta : Andi
Offset. Kusrini. 2007. Strategi Perancangan dan Pengelolaan Basis Data. Yogyakarta : Andi
Offset. Kusumadewi, Sri. 2005. Pencarian Bobot Atribut Pada Multiple-Attribute Decision Making
dengan Pendekatan Objektif Menggunakan Algoritma Genetika. http://cicie.files.wordpress.com/2008/06/srikusumadewi-jurnal-genetika.pdf. Diakses pada 17 April 2009
Kusumadewi, Sri, dkk. 2006. Fuzzy Multi-Attribute Decision Making (FUZZY MADM).
Yogyakarta: Graha Ilmu.