Professional Documents
Culture Documents
ABSTRAK
Sesuai dengan peraturan yang sudah ditentukan oleh pihak Bank BRI untuk memperoleh beasiswa, maka
diperlukan kriteria-kriteria untuk menentukan siapa yang akan terpilih untuk menerima beasiswa. Pembagian
beasiswa dilakukan oleh beberapa lembaga untuk membantu seseorang yang kurang mampu ataupun
berprestasi selama menempuh studinya. Untuk membantu penentuan dalam menetapkan seseorang yang layak
menerima beasiswa maka dibutuhkan sebuah sistem pendukung keputusan.Salah satu metode yang dapat
digunakan untuk Sistem Pendukung Keputusan adalah dengan menggunakan Fuzzy MADM (Multiple Attribute
Decission Making).
Pada penelitian ini akan diangkat suatu kasus yaitu mencari alternative terbaik bedasarkan kriteria-kriteria
yang telah ditentukan dengan mengggunakan metode SAW (Simple Additive Weighting) untuk melakukan
perhitungan metode FMADM pada kasus tersebut. Metode ini dipilih karena mampu menyeleksi alternatif
terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksudkan yaitu yang berhak menerima
beasiswa berdasarkan kriteria-kriteria yang ditentukan. Penelitian dilakukan dengan mencari nilai bobot untuk
setiap atribut,
kemudian dilakukan proses perankingan yang akan menentukan alternatif yang optimal, yaitu mahasiswa
terbaik.
B-62
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: 1907-5022
Yogyakarta, 20 Juni 2009
tercapai. Adapun batasan masalah yang di bahas masing pendekatan memiliki kelebihan dan
pada penelitian ini adalah: kelemahan. Pada pendekatan subyektif, nilai bobot
a. Sample data yang dilakukan untuk penelitian ini ditentukan berdasarkan subyektifitas dari para
diperoleh dari mahasiswa fakultas teknologi pengambil keputusan, sehingga beberapa faktor
industri universitas islam Indonesia. dalam proses perankingan alternatif bisa ditentukan
b. Metode pengambilan data diperoleh dengan secara bebas. Sedangkan pada pendekatan obyektif,
menggunakan kuesioner. nilai bobot dihitung secara matematis sehingga
mengabaikan subyektifitas dari pengambil
1.4 Tujuan Penelitian keputusan. ( Kusumadewi, 2007).
Tujuan penelitan ini adalah membangun suatu Ada beberapa metode yang dapat digunakan
model pengambilan keputusan dengan mengunakan untuk mnyelesaikan masalah FMADM. antara lain
Fuzzy Multiple Attribute Decision Making (Kusumadewi, 2006):
(FMADM) dengan metode Simple Additive a. Simple Additive Weighting Method (SAW)
Weighting (SAW) untuk menentukan siapa yang b. Weighted Product (WP)
akan menerima beasiswa berdasarkan kriteria- c. ELECTRE
kriteria serta bobot yang sudah ditentukan. d. Technique for Order Preference by Similarity to
Ideal Solution (TOPSIS)
2. DASAR TEORI e. Analytic Hierarchy Process (AHP)
2.1 Beasiswa
Pada dasarnya, beasiswa adalah penghasilan bagi 2.3.1 Algoritma FMADM
yang menerimanya. Hal ini sesuai dengan ketentuan Algoritma FMADM adalah:
pasal 4 ayat (1) UU PPh/2000. Disebutkan 1. Memberikan nilai setiap alternatif (Ai) pada
pengertian penghasilan adalah tambahan setiap kriteria (Cj) yang sudah ditentukan,
kemampuan ekonomis dengan nama dan dalam dimana nilai tersebut di peroleh berdasarkan nilai
bentuk apa pun yang diterima atau diperoleh dari crisp; i=1,2,…m dan j=1,2,…n.
sumber Indonesia atau luar Indonesia yang dapat 2. Memberikan nilai bobot (W) yang juga
digunakan untuk konsumsi atau menambah didapatkan berdasarkan nilai crisp.
kekayaan Wajib Pajak (WP). Karena beasiswa bisa 3. Melakukan normalisasi matriks dengan cara
diartikan menambah kemampuan ekonomis bagi menghitung nilai rating kinerja ternormalisasi
penerimanya, berarti beasiswa merupakan (rij) dari alternatif Ai pada atribut Cj berdasarkan
penghasilan (Jawa Pos, 2009). persamaan yang disesuaikan dengan jenis atribut
(atribut keuntungan/benefit=MAKSIMUM atau
2.2 Sistem Pendukung Keputusan atribut biaya/cost=MINIMUM). Apabila berupa
SPK sebagai sebuah sistem berbasis komputer artibut keuntungan maka nilai crisp (Xij) dari
yang membantu dalam proses pengambilan setiap kolom atribut dibagi dengan nilai crisp
keputusan. SPK sebagai sistem informasi berbasis MAX (MAX Xij) dari tiap kolom, sedangkan
komputer yang adaptif, interaktif, fleksibel, yang untuk atribut biaya, nilai crisp MIN (MIN Xij)
secara khusus dikembangkan untuk mendukung dari tiap kolom atribut dibagi dengan nilai crisp
solusi dari pemasalahan manajemen yang tidak (Xij) setiap kolom.
terstruktur untuk meningkatkan kualitas 4. Melakukan proses perankingan dengan cara
pengambilan keputusan. Dengan demikian dapat mengalikan matriks ternormalisasi (R) dengan
ditarik satu definisi tentang SPK yaitu sebuah sistem nilai bobot (W).
berbasis komputer yang adaptif, fleksibel, dan 5. Menentukan nilai preferensi untuk setiap
interaktif yang digunakan untuk memecahkan alternatif (Vi) dengan cara menjumlahkan hasil
masalah-masalah tidak terstruktur sehingga kali antara matriks ternormalisasi (R) dengan
meningkatkan nilai keputusan yang diambil. nilai bobot (W). Nilai Vi yang lebih besar
(Khoirudin, 2008). mengindikasikan bahwa alternatif Ai lebih
terpilih. ( Kusumadewi , 2007).
2.3 FMADM
Fuzzy Multiple Attribute Decision Making 2.3.2 Langkah Penyelesaian
FMADM adalah suatu metode yang digunakan Dalam penelitian ini menggunakan FMADM
untuk mencari alternatif optimal dari sejumlah metode SAW. Adapun langkah-langkahnya adalah:
alternatif dengan kriteria tertentu. Inti dari FMADM 1. Menentukan kriteria-kriteria yang akan dijadikan
adalah menentukan nilai bobot untuk setiap atribut, acuan dalam pengambilan keputusan, yaitu Ci.
kemudian dilanjutkan dengan proses perankingan 2. Menentukan rating kecocokan setiap alternatif
yang akan menyeleksi alternatif yang sudah pada setiap kriteria.
diberikan. Pada dasarnya, ada 3 pendekatan untuk 3. Membuat matriks keputusan berdasarkan kriteria
mencari nilai bobot atribut, yaitu pendekatan (Ci), kemudian melakukan normalisasi matriks
subyektif, pendekatan obyektif dan pendekatan berdasarkan persamaan yang disesuaikan dengan
integrasi antara subyektif & obyektif. Masing- jenis atribut (atribut keuntungan ataupun atribut
B-63
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: 1907-5022
Yogyakarta, 20 Juni 2009
biaya) sehingga diperoleh matriks ternormalisasi 1. Kuesioner ditujukan untuk mahasiswa Fakultas
R. Teknologi Industri UII. Sebanyak 30 mahasiswa.
4. Hasil akhir diperoleh dari proses perankingan 2. Variabel yang dibutuhkan adalah sebagai
yaitu penjumlahan dari perkalian matriks berikut:
ternormalisasi R dengan vektor bobot sehingga a. Semester.
diperoleh nilai terbesar yang dipilih sebagai b. Nilai IPK.
alternatif terbaik (Ai) sebagai solusi. c. Jumlah tanggungan Orangtua
(Kusumadewi, 2006). d. jumlah saudara kandung.
e. Usia
2.4 Metode SAW f. Penghasilan orang tua.
Metode SAW sering juga dikenal istilah metode
penjumlahan terbobot. Konsep dasar metode SAW 3.3 Analisis Kebutuhan Output
adalah mencari penjumlahan terbobot dari rating Keluaran yang dihasilkan dari penelitian ini
kinerja pada setiap alternatif pada semua atribut. adalah sebuah alternatif yang memiliki nilai tertinggi
Metode SAW membutuhkan proses normalisasi dibandingkan dengan alternatif nilai yang lain. Pada
matriks keputusan (X) ke suatu skala yang dapat penelitian ini hasil keluarannya diambil dari urutan
diperbandingkan dengan semua rating alternatif alternatif tertinggi ke alternatif terendah. Hasil akhir
yang ada. yang dikeluarkan oleh program nanti berasal dari
⎧ xij nilai setiap kriteria, karena dalam setiap kriteria
⎪ jika j adalah atribut keuntungan (benefit) memiliki nilai yang berbeda-beda.
⎪ Max xij
Urutan alternatif yang akan ditampilkan mulai
⎪
i
rij = ⎨ (2.1) dari alternatif tertinggi ke alternatif terendah.
⎪ Min xij
⎪ i Alternatif yang dimaksud adalah mahasiswanya.
jika j adalah atribut biaya (cost)
⎪⎩ xij
dimana rij adalah rating kinerja ternormalisasi dari 3.4 Kriteria Yang Dibutuhkan
alternatif Ai pada atribut Cj; i=1,2,...,m dan 3.4.1 Bobot
j=1,2,...,n. Dalam metode penelitian ini ada bobot dan
Nilai preferensi untuk setiap alternatif kriteria yang dibutuhkan untuk menentukan siapa
(Vi)diberikan sebagai: yang akan terseleksi sebagai penerima beasiswa.
n
V = i ∑
w r
j =1
(2.2)
j ij
Adapun kriterianya adalah:
C1=Jumlah penghasilan Orangtua
Nilai Vi yang lebih besar mengindikasikan C2=Usia
bahwa alternatif Ai lebih terpilih. C3=Semester
C4=Jumlah tanggungan Orangtua
3. HASIL DAN PEMBAHASAN C5=jumlah saudara kandung,
3.1 Perancangan Sistem FMADM C6= nilai IPK.
Seperti telah dijelaskan pada pendahuluan.
penilaian dilakukan dengan melihat nilai-nilai Dari masing-masing bobot tersebut, maka dibuat
terhadap indikator yaitu jumlah penghasilan suatu variabel-variabelnya. Dimana dari suatu
Orangtua, usia, semester, jumlah tanggungan variabel tersebut akan dirubah kedalam bilangan
Orangtua, jumlah saudara kandung, dan nilai IPK. fuzzynya.
Selanjutnya masing-masing indikator tersebut Di bawah ini adalah bilangan fuzzy dari bobot.
dianggap sebagai kriteria yang akan dijadikan 1. Sangat Rendah ( SR ) = 0
sebagai faktor untuk menentukan penerima beasiswa 2. Rendah ( R ) = 0.2
dan himpunan fuzzy nya adalah Rendah, Sedang 3. Sedang ( S ) = 0.4
Tengah, Banyak, Banyak , Tinggi. Himpunan ini 4. Tengah ( T1 ) = 0.6
kemudian diperlakukan sebagai input kedalam 5. Tinggi ( ST ) = 0.8
sistem FMADM (dalam hal ini disebut sebagi Ci). 6. Banyak ( B ) = 1
Variabel yang digunakan dalam penelitian ini
adalah Jumlah penghasilan Orangtua, Usia, Untuk mendapat variabel tersebut harus dibuat
Semester, Jumlah tanggungan Orangtua, jumlah dalam sebuah grafik supaya lebih jelas pada
saudara kandung, nilai IPK dan untuk himpunan gambar 1.
fuzzynya adalah Rendah, Sedang, Tengah, Banyak,
Banyak, Tinggi. (Kusumadewi, 2005).
B-64
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: 1907-5022
Yogyakarta, 20 Juni 2009
B-65
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: 1907-5022
Yogyakarta, 20 Juni 2009
4. KESIMPULAN
Telah dibangun sebuah sistem pendukung
keputusan untuk membantu penentuan seseorang
yang berhak mendapatkan beasiswa berdasarkan
kriteria-kriteria yang telah ditentukan, dimana
kriteria tersebut diterjemahkan dari bilangan fuzzy
kedalam bentuk sebuah bilangan crisp. sehingga
nilainya akan bisa dilakukan proses perhitungan
untuk mencari alternatif terbaik. Dari penelitian
tersebut diketahui bahwa semakin banyak sampel
yang dipunyai, maka tingkat validitasnya akan
cenderung naik. dan hasil akhir dari penelitian ini
adalah sebuah alternatif yang memiliki nilai
alternatif terbaik dari alternatif yang lain.
PUSTAKA
Jawa Pos: Beasiswa Jadi Objek PPh. Diakses pada
20 April 2009 dari
http://www.infopajak.com/berita/310108jps.htm
Khoirudin , Akhmad Arwan. ( 2008). SNATI Sistem
Gambar 5. Hasil seleksi Pendukung Keputusan Penentuan Kelayakan
Calon Rintisan Sekolah Bertaraf Internasional
Dalam penelitian ini akan dicontohkan satu Dengan Metode Fuzzy Associative Memory.
perhitungan untuk mencari nilai akhir dari 3 Jurusan Teknik Informatika, Fakultas Teknologi
mahasiswa. Industri, Universitas Islam Indonesia.
B-66
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: 1907-5022
Yogyakarta, 20 Juni 2009
B-67