Sistem Pendukung Keputusan Penerimaan Beasiswa di SMAN 1 Brebes Menggunakan FMADM (Multiple AttributeDecission Making) dengan Metode SAW (Simple Additive Weighting)
ABSTRAK
Dalam menentukan penerima beasiswa secara manual menyebabkan pengelolaan data beasiswa yang tidak efisien terutama dari segi waktu dan banyaknya perulangan proses yang sebenarnya dapat diefisienkan. Pengolaan data beasiswa yang belum terakumulasi menggunakan database secara optimal juga menyebabkan kesulitan dalam pemrosesan data. Sehingga menyebabkan lamanya proses penentuan penerima beasiswa. Oleh karena itu, perlu adanya suatu sistem yang mendukung proses penentuan penerima beasiswa, sehingga dapat mempersingkat waktu penyeleksian dan dapat meningkatkan kualitas keputusan dalam menentukan penerima beasiswa tersebut.
Sistem pendukung keputusan penerimaan beasiswa menggunakanFMADM (Multiple Attribute Decission Making) dengan Metode SAW (Simple Additive Weighting) digunakan untuk menentukan siapa yang akan menerima beasiswa berdasarkan kriteria-kriteria serta bobot yang sudah ditentukan. Metode ini dipilih karena mampu menyeleksi alternatif terbaik dari sejumlah alternatif. Dalam laporan ini dilakukan dengan mencari nilai bobot untuk setiap atribut, kemudian dilakukan proses perangkingan yang akan menentukan alternatif yang terbaik, yaitu siswa yang berhak menerima beasiswa.
Kata Kunci : beasiswa, system pendukung keputusan, FMDM, SAW, alternative terbaik
I. PENDAHULUAN
1.1 Latar Belakang Permasalahan
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 SMAN 1 Brebes yang telah memiliki program pemberian beasiswa terhadap siswa-siswanya. 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.
1.2 Perumusan Masalah
Bagaimana SPK dapat digunakan untuk menentukan siapa saja yang layak mendapatkan beasiswa di SMA N 1 Brebes ?
1.3 Batasan Masalah
1. Pembuatan SPK dalam menyeleksi Penerima Beasiswa di SMA N 1 Brebes.
2. Proses dibatasi sampai tingkat siapakah yang layak untukmendapatkan beasiswa
1.4 Tujuan
Membangun aplikasi sistem pendukung keputusan untuk membantu dalam menentukan siapa saja yang layak mendapatkan beasiswa berdasarkan kriteria yang sudah ditentukan oleh SMA N 1 Brebes yaitu prestasi, ekonomi dan inklusi.
II. LANDASAN TEORI
2.1 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 bias diartikan menambah kemampuan ekonomis bagi penerimanya, berarti beasiswa merupakan penghasilan (Jawa Pos, 2009).
2.2 Sistem Pendukung Keputusan
SPK sebagai sebuah sistem berbasis computer yang membantu dalam proses pengambilan keputusan. SPK sebagai sistem informasi berbasis komputer yang adaptif, interaktif, fleksibel, yang secara khusus dikembangkan untuk mendukung solusi dari pemasalahan manajemen yang tidak terstruktur untuk meningkatkan kualitas pengambilan keputusan. Dengan demikian dapat ditarik satu definisi tentang SPK yaitu sebuah system berbasis komputer yang adaptif, fleksibel, dan interaktif yang digunakan untuk memecahkan masalah-masalah tidak terstruktur sehingga meningkatkan nilai keputusan yang diambil. (Khoirudin, 2008).
2.3 FMADM
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. Masingmasing pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa factor dalam proses perankingan alternatif bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan. (Kusumadewi, 2007).
Ada beberapa metode yang dapat digunakan untuk mnyelesaikan masalah FMADM. antara lain (Kusumadewi, 2006):
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)
2.3.1 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 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. ( Kusumadewi , 2007).
2.3.2 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 alternative pada setiap kriteria.
3. Membuat matriks keputusan berdasarkan criteria (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 solusi. (Kusumadewi, 2006).
2.2 Metode 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.
Xij
Max Xij Jika j adalah atribut Keuntungan (benefit)
rij =
Min Xij
Xij Jika j adalah atribut biaya (cost)
dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2,...,m dan j=1,2,...,n. Nilai preferensi untuk setiap alternative (Vi)diberikan sebagai:
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
III. PEMBAHASAN
3.1 Kriteria
Kriteria yang digunakan dalam menyeleksi pemohon adalah sebagai berikut :
1. Prestasi
2. Penghasilan orang Tua/Ekonomi
3. Inklusi
Kriteria nilai bobot :
1. Sangat Penting (SP) = 5
2. Penting (P) = 3
3. Cukup Penting (CP) = 2
4. Kurang Penting (KP) = 1
Tabel-tabel dari kriteria dengan nilai bobotnya masing- masing dapat dilihat pada tabel sebagai berikut :
Tabel 1 Prestasi
PRESTASI
NILAI
Tidak Berprestasi
1
Prestasi Tk. Sekolah
2
Prestasi Tk. Kota
3
Prestasi Tk. Provinsi
4
Prestaasi Tk. Nasional
5
Tabel 2 Ekonomi
PENGHASILAN ORANG TUA
NILAI
Mampu (>= Rp.1.000.000)
1
Tidak Mampu ( Rp. 500.000 - Rp.1.000.000)
3
Sangat Tidak Mampu ( < Rp. 500.000)
5
Tabel 3 Inklusi
INKLUSI
NILAI
Normal
1
Bodoh
3
IQ Superior
4
Cacat
5
Tabel 4 Data Pemohon
NAMA
KRITERIA
PRESTASI
EKONOMI
INKLUSI
Ardi (A1)
Tk Sekolah
Tidak Mampu
Cacat
Reski (A2)
Tidak berprestasi
Sangat tidak mampu
bodoh
Zian (A3)
Tk. Kota
Tidak Mampu
IQ Superior
Dela (A4)
Tk. Provinsi
Mampu
Normal
Dewi (A5)
Tk. Sekolah
Sangat tidak mampu
Normal
Dari tabel pemohon, maka dapat dibuat tabel rating kecocokan setiap alternatif pada setiap kriteria.
Tabel 5 Rating Kecocokan Setiap Alternatif Pada Setiap Kriteria
ALTERNATIF
KRITERIA
C1 (MAX)
C2 (MIN)
C3(MAX)
A1
2
3
5
A2
1
4
3
A3
3
3
4
A4
4
1
1
A4
2
5
1
Langkah – Langkah Penyelesaian
1. Vektor bobot : W= [ 5, 3, 2, 1]
2. Matrik Keputusan X berdasarkan kriteria bobot
2 3 5
1 5 3
X = 3 3 4
4 1 1
2 5 1
3. Normalisasi matriks X menggunakan persamaan 1
Alternatif A1
Alternatif A4
r11 = 2 =0.5
r41 = 4 =1Max (2;1;3;4;2)
Max (2;1;3;4;2)
r12 =Min (3;5;3;1;5) =0.33
r42 =Min (3;5;3;1;5) =1 3
1
r13 = 5 =1
r43= 1 =0.2Max (5;3;4;1;1)
Max (5;3;4;1;1)
Alternatif A2
Alternatif A5
r21 = 1 =0.25
r51 = 2 =0.5Max (2;1;3;4;2)
Max (2;1;3;4;2)
r22 =Min (3;5;3;1;5) =0.2
r52 =Min (3;5;3;1;5) =0.2 5
5
r23= 3 =0.6
r53= 1 =0.2Max (5;3;4;1;1)
Max (5;3;4;1;1)
Alternatif A3
r31 = 3 =0.75
Max (2;1;3;4;2)
r32 =Min (3;5;3;1;5) =0.33
3
r33= 4 =0.8
Max (5;3;4;1;1)
Dari hasil perhitungan di atas maka didapat matriks ternomalisasi R sebagai berikut :
0,5 0,33 1
0,25 0,2 0,6
R = 0,75 0,33 0,8
1 1 0,2
0,5 0,2 0,2
2. Mencari alternative terbaik menggunakan persamaan 2
V1= (0,5x5) + (0,33x3)+(1x2)+(0x1)= 5,49
V2= (0,25x5) + (0,2x3)+(0,6x2)+(0x1)= 3,05
V3= (0,75x5) + (0,33x3)+(0,8x2)+(0x1)= 6,34
V4= (1x5) + (1x3)+(0,2x2)+(0x1)= 8,4
V5= (0,5x5) + (0,2x3)+(0,2x2)+(0x1)= 3,5
V4 merupakan peringkat pertama karena memiliki nilai yang lebih besar dari nilai lain, V4 merupakan nilai preferansi dari alternatif A4, sehingga A4 atau dalam kasus ini siswa bernama Dela yang menjadi alternatif terbaik.
Semakin besar nilai preferensi semakin besar pula peluang alternatif untuk mendapatkan beasiswa
III. KESIMPULAN
1. Sistem pendukung keputusan untuk membantu menentukan penerima beasiswa dengan menggunakan FMADM dengan metode SAW dapat mempercepat proses penentuan penerimaan beasiswa dengan perhitungan yang akurat dalam memberikan rekomendasi penerimaan beasiswa.
2. Pemberian skala konversi dan bobot preferensi dari setiap bobot kriteria memperngaruhi penilaian dan hasil perhitungan SAW.
3. Sistem pendukung keputusan yang telah dibuat diharapkan dapat mempermudah dan mempercepat proses penyeleksian penerima beasiswa oleh petugas karena menggunakan proses perhitungan yang cepat dan tepat.
III. DAFTAR PUSTAKA
http://journal.uii.ac.id/index.php/Snati/article/viewFile/1073/998
http://charitasfibriani.files.wordpress.com/2010/11/pertemuan-8.pdf
