Embed Size (px)
Citation preview
1
ANALISA PERBANDINGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) DAN METODE
SIMPLE MULTI ATRIBUTE RATING TECHNIQUE (SMART) DALAM PEMBERIAN BEASISWA
(STUDI KASUS PEMERINTAH KOTA BATAM)
(Analysis Of the Compare Of SAW and SMART Method in Give Scholarship)
Muhammad Rasyid
Mahasiswa Teknik Informatika, FT UMRAH, [email protected]
Martaleli Bettiza S.Si, M.Sc
Dosen Teknik Informatika, FT UMRAH, [email protected]
Sulfikar Sallu S.kom
Dosen Teknik Informatika, FT UMRAH, info@ss354
ABSTRAK
Pendidikan merupakan hal penting yang harus didapatkan setiap anak tanpa terkecuali. Pemerintah Kota Batam
memiliki program beasiswa untuk anak-anak yang kurang mampu khususnya yang berasal dari daerah
hinterland untuk melanjutkan pendidikannya terutama dari lulusan SMA atau sederajat ke Perguruan Tinggi.
Aplikasi ini juga dibangun dengan menggunakan beberapa metode sebagai bahan analisa perbandingan metode
yang digunakan yaitu metode SAW dan metode SMART. Kriteria yang digunakan dalam menentukan
pemberian beasiswa adalah nilai rata-rata, tanggungan orang tua, penghasilan orang tua, status keuangan, usia.
Pada aplikasi ini didapat kesimpulan menggunakan 50 data uji coba data sampel hasil dari kedua metode SAW
dan SMART sama-sama memperoleh beasiswa, sistem perangkingan nilai akhir pada metode SAW
mengurutkan nilai tertinggi sampai terendah dengan rekomendasi nilai tertinggi memperoleh beasiswa
sedangkan pada metode SMART sistem penilaian akhirnya dengan menggunakan range apakah diterima,
dipertimbangkan atau ditolak.
Kata Kunci : Beasiswa, Simple Additive Weighting (SAW), Simple Multi Atribute Rating Technique (SMART),
Analisa Perbandingan
ABSTRACT
Education is the important thing that must got by every child without exception. The government of Batam has
scholarship program for underprivilege a hinterland children especially to continue their education until high
school graduates or equivalent even to University. This application is also developed by using some methods as
substance comparative analysis. The methods are Simple Additive Weight (SAW), and Simple Multi Atribut
Rating Technique (SMART). The criterias which determined in awarding scholarships are average scores,
dependent parents, parent's salary, financial status, and age. In this application, be concluded uses 50 trial datas,
sample datas, the result from both saw method and smart method equally receive scolarships, rank of last scores
system in saw method sort highet and shortest scores with recomend the highest score receive scholarships
meanwhile in smart method scoring system finally by using range if received, be considered or rejected.
Keywords : Scholarships, Simple Additive Weight (SAW), Simple Multi Atribut Rating Technique (SMART),
Comparative Analysis
2
1. PENDAHULUAN
Beasiswa adalah salah satu bentuk bantuan untuk
membantu mahasiswa terutama bagi yang masih
kuliah agar mereka dapat menyelesaikan tugasnya
dalam rangka mencari ilmu pengetahuan hingga
selesai. Bantuan ini biasanya berbentuk dana untuk
menunjang biaya yang harus dikeluarkan oleh
mahasiswa selama menempuh masa pendidikan
ditempat belajar yang diinginkan.
Pemerintah Kota Batam selama ini telah memiliki
program pemberian beasiswa terhadap siswa yang
hendak melanjutkan pendidikan ke perguruan
tinggi. Beasiswa harus diberikan kepada penerima
yang layak 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.
Metode Simple Additive weighting (SAW)
merupakan metode yang menyeleksi alternatif
terbaik dari sejumlah alternatif berdasarkan
kriteria-kriteria yang ditentukan dengan melakukan
perangkingan untuk mengetahui nilai tertinggi
sampai terendah.
Metode Simple Multi Atribute Rating Technique
(SMART keputusan ini didasarkan pada teori
bahwa setiap alternatif terdiri dari sejumlah kriteria
yang memiliki nilai-nilai dan setiap kriteria
memiliki bobot yang menggambarkan seberapa
penting ia dibandingkan dengan kriteria lain.
Berbagai penelitian sebelumnya yang telah berhasil
dilakukan dapat dijumpa di kajian literatur seperti
(Wibowo dkk., 2009). Menerapkan metode SAW
dalam menentukan menentukan penerima
beasiswa. Supriana, (2012) menjelaskan sistem
pendukung keputusan dalam pemilihan tempat kost
dengan metode pembobotan. Kedua metode diatas
merupakan metode yang akan digunakan dalam
penelitian ini untuk membandingkan keduanya
dalam pemilihan mahasiswa yang berhak untuk
mendapatkan beasiswa berdasarkan kriteria yang
ditentukan nantinya.
Penjelasan diatas melatar belakangi penulis untuk
membuat suatu penelitian yang berjudul Analisa
Perbandingan Metode Simple Additive Weighting
(SAW) dan Metode Simple Multi Atribute Rating
Technique (SMART) dalam Pemberian Beasiswa
yang dapat digunakan sebagai suatu alat dalam
menampilkan informasi calon penerima beasiswa
yang berhak mendapatkan beasiswa dengan
menggunakan metode SAW dan metode SMART.
II. TINJAUAN PUSTAKA
A. Penelitian Terdahulu
Dalam penelitian ini akan dicantumkan
beberapa hasil penelitian terdahulu antara lain
sebagai berikut:
Penelitian tentang sistem informasi
manajemen beasiswa ITS berbasis sistem
pendukung keputusan menggunakan metode
Analytical Hierarchy Process. Sistem informasi
beasiswa ini dibuat berbasis Sistem Pendukung
Keputusan menggunakan metode Analytical
Hierarchy Process AHP, dapat diambil
kesimpulan bahwa sistem ini mampu
memberikan pertimbangan kepada pengelola
beasiswa ITS untuk menentukan prioritas terpilih
dari seleksi beasiswa tertentu berdasarkan persepsi
3
pengambil kebijakan tentang pengruh kriteria
tertentu. Selain itu, sistem ini dapat membantu
mengelola beasiswa dan mahasiswa ITS dalam
proses pendaftaran dan informasi beasiswa di ITS
(Kirom dkk., 2012 ).
Penelitian yang berjudul “Sistem Pendukung
Keputusan Untuk Menentukan Penerima Beasiswa
Bank BRI Menggunakan FMADM (Studi Kasus:
Mahasiswa Fakultas Teknologi Industri Universitas
Islam Indonesia. Penelitian dilakukan pada sebuah
bank yang melakukan penerimaan beasiswa untuk
mendapatkan beasiswa tersebut harus sesuai
kriteria. Kriteria yang ditetapkan dalam studi kasus
ini adalah nilai IPK, penghasilan orang tua, jumlah
saudara kandung, jumlah tanggungan orang tua,
semester dan usia. Hasil akhir penelitian ini yaitu
penerima nilai terbaiklah yang menerima beasiswa
(Wibowo dkk., 2009).
Supriana, (2012) dalam penelitiannya
menjelaskan sistem pendukung keputusan dalam
pemilihan tempat kost dengan metode pembobotan
smart. Dalam penelitiannya untuk menentukan
tempat kos menggunakan kriteria : lokasi, fasilitas,
sistem kontrak dan harga. Hasil analisis yang
didapat berupa kriteria lokasi untuk menentukan
tempat kost yang paling sesuai.
Hamid dan Eldin (2012) melakukan penelitian
tentang evaluasi performa sistem pendukung
keputusan dalam penelitiannya dijelaskan metode
multi kriteria digunakan untuk mengevaluasi
kinerja organisasi publik maupun swasta dengan
menentukan kriteria-kriteria yang akan digunakan.
Adapun metode-metode yang digunakan adalah
metode AHP, metode TOPSIS dan metode SAW.
Dari ketiga metode tersebut metode saw yang
banyak digunakan simple dan mudah dimengerti.
B. LANDASAN TEORI
1. Beasiswa
Beasiswa adalah pemberian berupa bantuan
keuangan yang diberikan kepada perorangan,
mahasiswa atau pelajar yang digunakan demi
keberlangsungan pendidikan yang ditempuh .
Menurut Murniasih (2009) beasiswa diartikan
sebagai bentuk penghargaan yang diberikan kepada
individu agar dapat melanjutkan pendidikan ke
jenjang yang lebih tinggi. Penghargaan itu dapat
berupa akses tertentu pada suatu institusi atau
penghargaan berupa bantuan keuangan (Shinyo,
2013)..
2. Simple Additive Weighting (SAW)
Metode Simple Additive Weighting (SAW)
sering juga dikenal istilah metode penjumlahan
terbobot. Metode ini merupakan metode yang
menyeleksi alternatif terbaik dari sejumlah
alternatif lain berdasarkan kriteria-kriteria yang di
tentukan dengan melakukan perangkingan untuk
mengetahui nilai tertinggi sampai terendah. Metode
ini mengharuskan pembuat keputusan menentukan
bobot bagi setiap atribut. Skor total untuk
alternatif diperoleh dengan menjumlahkan seluruh
hasil perkalian antara nilai ternormalisasi dan bobot
tiap atribut. Hasil yang diperoleh harus melewati
proses normalisasi matriks sebelumnya (Wegi,
2013).
{
( ) ( )
Dimana :
rij = Normalisasi matriks
Max xij = Nilai maksimum dari setiap baris dan
kolom
Min xij = Nilai minimum dari setiap baris dan
kolom
Xij = Nilai baris dan kolom dari matriks
4
Formula untuk mencari nilai akhir digunakan
persamaan berikut:
Dimana :
Vi = Nilai akhir dari alternatif
Wj = Nilai bobot setiap kriteria
rij = Normalisasi matriks
Nilai Vi yang lebih besar mengindikasikan bahwa
alternatif yang paling unggul lebih terpilih.
3. Multi Atribute Rating Technique (SMART)
Metode Simple Multi Attribute Rating
(SMART) adalah metode pengambilan keputusan
multi kriteria yang. Teknik pengambilan keputusan
ini didasarkan pada teori bahwa setiap alternatif
terdiri dari sejumlah kriteria yang memiliki nilai-
nilai dan setiap kriteria memiliki bobot yang
menggambarkan seberapa penting dibandingkan
dengan kriteria lain (Andrianto, H., 2015). Berikut
adalah persamaan yang digunakan :
∑
( ) ∑
( )
Dimana: Wj : Bobot Kriteria
U(ai) :Nilai Setiap Kriteria
III. METODE PENELITIAN
A. Metode Pengumpulan Data
Pengumpulan data-data yang dibutuhkan
dilakukan dengan cara melakukan studi literatrur.
data yang digunakan dalam penelitian ini adalah
data penerima beasiswa yang diambil di
Pemerintah Kota Batam.
B. Metode Pengembangan Sistem
Pada tahap pengembangan sistem terdiri dari
proses-proses yang terstruktur yaitu : analisis,
desain, kode, pengujian. Metode pengembangan ini
dikenal dengan model Sekuensial Linier menurut
Roger S. Pressman. Berikut gambar dari desain
model sekuensial linier :
Gambar 1. Metode Pengembangan Sistem
Berikut penjelasan proses-proses dari metode
pengembangan sistem :
1. Analysis kebutuhan
Tahap ini menguraikan kebutuhan aplikasi
yang utuh menjadi komponen-komponen
aplikasi untuk mengetahui bagaimana aplikasi
dibangun. Pada tahap ini, hal yang dilakukan
adalah mencari dan mempelajari referensi
tentang metode Simple Additive Weight dan
metode Simple Multi Atribut Rating
Technique. Pada tahap ini, juga menganalisis
data-data yang dibutuhkan agar aplikasi ini
dapat berjalan maksimal. Pada penelitian ini
data penerima beasiswa diambil melalui
Pemerintah Kota Batam.
2. Design
Tahap ini merupakan tahap perancangan
sistem. Tahap design ini terbagi dalam
beberapa tahap yaitu design aliran proses data
pada sistem ini (flowchart), design tampilan
(userinterface), design Entity Relationship
Diagram (ERD) merupakan tahap pembuatan
hubungan entitas yang digunakan pada sistem.
3. Code
Tahap ini adalah penerjemahan rancangan
dalam tahap desain ke dalam bahasa
pemrograman PHP.
analysis design code test
5
4. Test
Tahap ini merupakan uji coba terhadap
aplikasi yang akan dibangun. Sehingga
analisis hasil implementasi yang didapat dari
sistem disesuaikan dengan kebutuhan sistem
tersebut. Jika penerapan sistem sudah berjalan
dengan lancar, maka sistem dapat
diimplementasikan.
IV. PEMBAHASAN
Analisa Perbandingan Menggunakan Metode
Simple Additive Weighting (SAW) dan Metode
Simple Multi Attribut Rating Technique (SMART)
dikembangkan menggunakan bahasa pemrograman
php berbasis web dan database Mysql. Adapun alur
kerja sistem ini yaitu sebagai berikut:
1. Penginputan data dilakukan dengan
menginputkan data calon penerima beasiswa
satu persatu kemudian menginputkan nilai
setiap kriteria yang berupa nilai rata-rata,
penghasilan orang tua, jumlah tanggungan
orang tua, status keuangan, usia calon
penerima beasiswa untuk diproses sebagai
data input pada metode SAW, selanjutnya
dengan menginputkan data yang sama pada
motode SMART.
2. Kemudian dilanjutkan ke tahap proses
perhitungan, sistem menghitung nilai dari
setiap kriteria yang telah diinputkan pada
masing-masing metode yaitu metode SAW
dan SMART.
3. Selanjutnya sistem menampilkan hasil
perhitungan kedua metode yg berupa nama-
nama penerima beasiswa.
4. Setelah hasil penerima beasiswa didapat
pengguna dapat menarik kesimpulan dan
rekomendasi penerima beasiswa lalu keluar
dari aplikasi.
A. Menghitung Penerima Beasiswa dengan
SAW
Adapun kriteria yang digunakan: Nilai rata-rata
UN, Jumlah penghasilan orang tua, Jumlah
Tanggungan orang tua, Status Keuangan, Usia
calon penerima.
1. Kriteria nilai rata-rata UN
Variabel dari nilai rata-rata UN dan nilai dari setiap
atribut kriteria:
Nilai rata-rata
UN
Keterangan Bobot nilai
Nilai >= 91 Sangat tinggi 1
Nilai 81 – 90 Tinggi 0.8
Nilai 71 – 80 Cukup 0.6
Nilai 61 – 70 Rendah 0.4
Nilai <= 60 Sangat rendah 0.2
6
2. Kriteria Penghasilan Orang Tua
Variabel dari Penghasilan Orang Tua dan nilai dari
setiap atribut kriteria:
3. Kriteria Tanggungan Orang Tua
Variabel dari tanggungan orang tua dan nilai dari
setiap atribut kriteria:
Tanggungan Keterangan Bobot nilai
Anak >= 4 Sangat banyak 1
Anak = 3 Banyak 0.75
Anak = 2 Sedang 0.5
Anak = 1 Sedikit 0.25
4. Kriteria Status Keuangan
Variabel dari status keuangan dan nilai dari setiap
atribut kriteria:
Status keuangan Keterangan Bobot nilai
Tidak mampu Tidak Cukup 1
Mampu Cukup 0
5. Kriteria Usia Calon Penerima
Variabel dari usia calon penerima dan nilai dari
setiap atribut kriteria:
Usia calon
penerima Keterangan Bobot nilai
Usia >= 20 Tua 1
Usia = 19 Sedang 0.75
Usia = 18 Muda 0.5
Usia <= 17 Sangat muda 0.25
Pada proses perhitungan ini mengunakan 3 data uji
sampel apabila diberikan inputan baru dapat
ditentukan melalui langkah berikut:
Nama : Rizki M Ndaru
Input : Nilai rata-rata = 8.43 , Jumlah
penghasilan orang tua = 2200000, jumlah
tanggungan orang tua = 3, status keuangan =
tidak mampu , usia calon penerima = 20
Nama : Purnama
Input : Nilai rata-rata = 9.35 , Jumlah
penghasilan orang tua = 2400000, jumlah
tanggungan orang tua = 5 , status keuangan =
tidak mampu, usia calon penerima = 20
Nama : Rahmat hidayat
Nilai rata-rata = 7.63, Jumlah penghasilan
orang tua = 3000000, jumlah tanggungan
orang tua = 2, status keuangan = mampu , usia
calon penerima = 20
Tabel inputan dari data diatas
Penghasilan Orang Tua Keterangan Bobot
nilai
Penghasilan <= 1500.000 Kecil 1
Penghasilan = 1.500.001 - 2.000.000 Cukup 0.75
Penghasilan = 2.000.001 - 2.500.000 Besar 0.5
Penghasilan >= 2.500.001 Sangat besar 0.25
7
Kemudian diubah kedalam bentuk bobot dari setiap
nilai inputan
Langkah selanjutnya yaitu mencari nilai
normalisasi dari data yang ada pada tabel diatas
kemudian kita ubah dalam bentuk matrik dengan
menggunakan persamaan (1)
Kemudian dari matrik keputusan X diatas
dilakukan proses normalisasi matrik dengan cara
menghitung nilai setiap atribut berdasarkan
persamaan yang disesuaikan dengan jenis kriteria.
Untuk semua kriteria yang digunakan
menggunakan atribut keuntungan (benefit) dimana
nilai dari setiap baris dibagi dengan nilai
maksimum dari setiap kolom. Setelah dilakukan
proses perhitungan diperolah matrik ternomalisasi
R.
Kemudia memberikan nilai bobot proferensi atau
tingkat kepentingan pada setiap kriteria (wj) nilai
rata-rata = 1, penghasilan orang tua = 0.75,
tanggungan orang tua = 0.38, status keuangan 0.25
dan usia calon penerima beasiswa = 0.13
Wj = [ 1 0.75 0.38 0.25 0.13 ]
Proses selanjutnya mencari nilai akhir yaitu
mengalikan antara bobot kriteria (Wj) dengan
semua nilai tiap calon penerima beasiswa (R) untuk
setiap kriteria dan dijumlahkan dengan
menggunakan persamaan (2)
V1 = (1) (0.75) + (0.75) (1) + (0.38) (0.75) + (0.25)
(1) + (0.13) (1)
= 0.75 + 0.375 + 0.285 + 0.25 + 0.13
= 1.79
V2 = (1) (1) + (0.75) (1) + (0.38) (1) + (0.25) (1) +
(0.13) (1)
= 1 + 0.75 + 0.38 + 0.25 + 0.13
= 2.51
V3 = (1) (0.5) + (0.75) (1) + (0.38) (0.5) + (0.25)
(0.5) + (0.13) (1)
= 0.5 + 0.375 + 0.19 + 0.125 + 0.13
= 1.32
Hasil penerima beasiswa
Berdasarkan data – data penilaian diatas maka
dapat dibuat susunan hasil penerima beasiswa
menggunakan metode SAW dari tiga contoh
sample data yaitu : V1 diasumsikan sebagai rizki
m ndaru, V2 diasumsikan sebagai purnama dan
V3 diasumsikan sebagai rahmat hidayat
Rizki M Ndaru : V1 = 1.79
Purnama : V2 = 2.51
Rahmat Hidayat : V3 = 1.32
Maka dari data diatas yang memiliki nilai tertinggi
dan bisa dipilih sebagai penerima besiswa yaitu
purnama V2 dengan nilai 2.51.
B. Menghitung Penerima Beasiswa dengan
SMART
Model atau kriteria yang digunakan untuk
menentukan pemberian beasiswa memiliki 4
kriteria yaitu : nilai rata-rata UN, penghasilan
orang tua, jumlah tanggungan orang tua, status
keuangan dan usia calon penerima beasiswa.
Pemberian nilai dimulai dari yang terkecil 0 sampai
yang terbesar 100 dan nilai pembobotan dari yang
8
terkecil 5 % sampai yang terbesar 40 % lalu tabel
disusun dengan tingkat prioritas penilaian calon
penerima besiswa.
Nilai rata-rata
Penghasilan ortu
Tanggungan ortu
Status keuangan
Usia
Batasan penilaian dimulai dari 0 sebagai range
terendah sampai dengan 100 range tertinggi
sehingga pada akhirnya kelayakan calon
penerima besiswa diukur dengan nilai sebagai :
76 – 100 kategori penerima calon beasiswa, 61
– 75 kategori dipertimbangkan untuk
mendapatkan besiswa dan 0 – 60 kategori
tidak mendapatkan beasiswa.
1. Kriteria Nilai rata-rata UN
2. Kriteria Penghasilan Orang Tua
Penghasilan Orang Tua Nilai Bobot
Penghasilan <= 1500.000 100
30 %
Penghasilan = 1.500.001 -
2.000.000 75
Penghasilan = 2.000.001 -
2.500.000 50
Penghasilan >= 2.500.001 25
3. Kriteria Tanggungan Orang Tua
Tanggungan Nilai Bobot
Anak = 1 100
15 % Anak = 2 75
Anak = 3 50
Anak >= 4 25
4. Kriteria Status Keuangan
Status keuangan Nilai Bobot
Tidak mampu 100 10 %
Mampu 50
5. Kriteria Usia Calon Penerima
Usia calon
penerima Nilai Bobot
Usia >= 20 100
5 % Usia = 19 75
Usia = 18 50
Usia <= 17 25
Pada proses perhitungan ini mengunakan 3 data uji
sampel apabila diberikan inputan baru dapat
ditentukan melalui langkah berikut:
Nama : Rizki M Ndaru
Input : Nilai rata-rata = 8.43 , Jumlah penghasilan
orang tua = 2200000, jumlah tanggungan orang tua
= 3, status keuangan = tidak mampu , usia calon
penerima = 20
Nama : Purnama
Input : Nilai rata-rata = 9.35 , Jumlah penghasilan
orang tua = 2400000, jumlah tanggungan orang tua
= 5 , status keuangan = tidak mampu, usia calon
penerima = 20
Nama : Rahmat hidayat
Nilai rata-rata = 7.63, Jumlah penghasilan orang
tua = 3000000, jumlah tanggungan orang tua = 2,
status keuangan = mampu , usia calon penerima =
20
Nilai rata-rata
UN
Nilai Bobot
Nilai >= 91 100
40 %
Nilai 81 – 90 80
Nilai 71 – 80 60
Nilai 61 – 70 40
Nilai <= 60 20
9
Langkah selanjutnya menormalisasikan bobot
kriterianya menggunakan persamaan (3) :
No Kriteria Bobot Normalisasi
1 Nilai rata-rata UN 40 % 0.4
2 Penghasilan orang tua 30 % 0.3
3 Tanggungan orang tua 15 % 0.15
4 Status keuangan 10 % 0.10
5 Usia 5 % 0.05
Proses selanjutnya mencari nilai akhir yaitu
mengalikan antara nilai dari setiap kriteria dengan
bobot setiap kriteria yang telah dinormalisasikan
sebelumnya dengan menggunakan persamaan (4)
10
Lalu diuji coba ke 3 calon penerima besiswa
Nama : Rizki M Ndaru
Input : Nilai rata-rata = 8.43 , Jumlah penghasilan orang tua = 2200000, jumlah
tanggungan orang tua = 3, status keuangan = tidak mampu , usia calon penerima = 20
Perhitungan dari tabel diatas:
= (80 x 0.4) + (50 x 0.3) + (75 x 0.15) + (100 x 0.1) + (100 x 0.1) + (100 x 0.5)
= 32 + 15 + 11.25 + 10 + 5
= 73.25
Nama : Purnama
Input : Nilai rata-rata = 9.35 , Jumlah penghasilan orang tua = 2400000, jumlah tanggungan orang
tua = 5 , status keuangan = tidak mampu, usia calon penerima = 20
No Nama Nilai kriteria Normalisasi Hasil Akhir Rekomendasi
2 Purnama
Nilai kriteria 1 = 100 0.4
85 Diterima
Nilai kriteria 2 = 50 0.3
Nilai kriteria 3 = 100 0.15
Nilai kriteria 4 = 100 0.10
Nilai kriteria 5 = 100 0.05
Perhitungan dari tabel diatas:
= (100 x 0.4) + (50 x 0.3) + (100 x 0.15) + (100 x 0.1) + (100 x 0.5)
= 40 + 15 + 15 + 10 + 5
= 85
No Nama Nilai kriteria Normalisasi Hasil Akhir Rekomendasi
1 Rizki M.Ndaru
Nilai kriteria 1 = 80 0.4
73.25 Diterima
Nilai kriteria 2 = 50 0.3
Nilai kriteria 3 = 75 0.15
Nilai kriteria 4 = 100 0.10
Nilai kriteria 5 = 100 0.05
11
Nama : Rahmat hidayat
Nilai rata-rata = 7.63, Jumlah penghasilan orang tua = 3000000, jumlah tanggungan orang tua = 2,
status keuangan = mampu , usia calon penerima = 20
No Nama Nilai kriteria Normalisasi Hasil Akhir Rekomendasi
3 Rahmat Hidayat
Nilai kriteria 1 = 60 0.4
49 Ditolak
Nilai kriteria 2 = 25 0.3
Nilai kriteria 3 = 50 0.15
Nilai kriteria 4 = 50 0.10
Nilai kriteria 5 = 100 0.05
Perhitungan dari tabel diatas:
= (60 x 0.4) + (25 x 0.3) + (50 x 0.15) + (50 x 0.1) + (100 x 0.5)
= 24 + 7.5 + 7.5 + 5 + 5
= 49
Tabel 1. Perbandingan Penerima Beasiswa dengan Metode SAW dan
SMART
No Nama Hasil SAW Keterangan Hasil SMART Keterangan
1 Kadir 1.99 Tidak 69.00 Dipertimbangkan
2 Purnama 2.26 Terima 85.00 Terima
3 M. Rizki N’daru P 1.94 Tidak 73.25 Dipertimbangkan
4 Zarina 2.19 Terima 80.75 Terima
5 Riawita 2.19 Terima 80.75 Terima
6 Nurindah 1.87 Tidak 72.00 Dipertimbangkan
7 Rahmat Hidayat 1.30 Tidak 49.00 Ditolak
8 Rika yanda Andriani 1.84 Tidak 64.50 Dipertimbangkan
9 Saiful K. Tebiang 2.11 Tidak 76.50 Terima
10 Sutris Astari 2.06 Tidak 77.00 Terima
11 Sudirman 2.15 Terima 79.50 Terima
12 Zul Alfiansyah 1.90 Tidak 68.25 Dipertimbangkan
13 Muhammad Zulfakar 2.12 Tidak 78.25 Terima
14 Setiyawan 2.25 Terima 82.00 Terima
15 Edwin Roland Sitompul 1.92 Tidak 66.50 Dipertimbangkan
16 Zalina 2.12 Tidak 78.25 Terima
17 Martini 2.25 Terima 82.00 Terima
18 Kurna Risky Noviyandri 2.12 Tidak 78.25 Terima
19 Muhammad Syafik 2.12 Tidak 74.50 Dipertimbangkan
20 Nazri 1.86 Tidak 62.75 Dipertimbangkan
12
21 Muhammad Darwis 1.23 Tidak 59.00 Ditolak
22 Norindra Syahrudin 1.36 Tidak 54.00 Ditolak
23 Sahidul Lukman 2.00 Tidak 74.50 Dipertimbangkan
24 Syahruddin 1.92 Tidak 70.25 Dipertimbangkan
25 Rici Rahmat 1.92 Tidak 66.50 Dipertimbangkan
26 Evi Zamuri 2.09 Tidak 77.00 Terima
27 Nur Septianawati 1.92 Tidak 66.50 Dipertimbangkan
28 Karim 2.05 Tidak 74.00 Dipertimbangkan
29 Saiful Amri 1.23 Tidak 50.25 Ditolak
30 Dwi Pefriyanti 1.67 Tidak 59.00 Ditolak
31 Risky Dwiyanti Anggraini 2.07 Tidak 75.00 Dipertimbangkan
32 Lulu Meliani 1.92 Tidak 70.25 Dipertimbangkan
33 Setiadi Sonny H 1.16 Tidak 46.00 Ditolak
34 Sandi Dwi Bahtera P 2.12 Tidak 74.50 Dipertimbangkan
35 Anggi Prasetia 1.43 Tidak 58.25 Ditolak
36 Siti Muhajiroh 1.99 Tidak 69.00 Dipertimbangkan
37 Ahmad Mahmud 2.08 Tidak 72.25 Terima
38 Robi 1.59 Tidak 63.25 Dipertimbangkan
39 Tri Wahyudi 2.15 Terima 79.50 Terima
40 Suzita 1.40 Tidak 52.00 Ditolak
41 Raiz 1.50 Tidak 57.00 Ditolak
42 Ricko Riadi 2.15 Terima 79.50 Terima
43 Eko Budinoto W 2.15 Terima 79.50 Terima
44 M. Iqbal 2.08 Tidak 75.25 Terima
45 Suhendra 2.15 Tidak 76.50 Terima
46 Muhammad Yusuf 1.46 Tidak 55.75 Ditolak
47 Santi Andini 1.37 Tidak 50.75 Ditolak
48 Yasril 2.12 Tidak 78.25 Terima
49 Sahindra 1.42 Tidak 56.50 Ditolak
50 Yanti Arsinta 2.15 Terima 79.50 Terima
13
Hasil Penerima Besiswa
Untuk data pertama yaitu Rizki M Ndaru,
kedua Purnama dan ketiga Rahmat Hidayat.
Berikut hasil perhitungan metode SMART:
Nilai Akhir : 32 + 15 + 11.25 + 10 + 5 =
73.25 (Rizki Ndaru)
Nilai Akhir : 40 + 15 + 15 + 10 + 5 =
85 (Purnama)
Nilai Akhir : 24 + 7.5 + 7.5 + 5 + 5 =
45 (Rahmat Hidayat)
Nilai dari ketiga data diatas yaitu Rizki M
Ndaru, purnama masuk dalam kategori
diterima dan Rahmat Hidayat masuk dalam
kategori ditolak atau tidak diterima.
V. SIMPULAN DAN SARAN
A. Kesimpulan
Kesimpulan yang dapat diambil dari analisa
perbandingan metode Simple Additive
Weight (SAW) dan metode Simple Multi
Atribut Rating Technique (SMART) dalam
pemberian beasiswa yaitu :
1. Telah dibangun aplikasi sistem
penentuan pemberian beasiswa dengan
menggunakan metode SAW dan
SMART berbasis web dengan
menggunakan bahasa pemrograman php
dan diintegrasikan dengan media
penyimpanan data mysql yang dapat
menampilkan hasil rekomendasi
penerima beasiswa.
2. Pada penelitian ini penggunaan metode
SAW pada hasil nilai akhirnya
melakukan pengurutan dari nilai tertinggi
sampai nilai terendah sedangkan pada
metode SMART hasil nilai akhirnya
menggunakan range atau keputusan
apakah masuk kategori diterima,
dipertimbangkan dan ditolak atau tidak
diterima.
B. Saran
Adapun saran yang penulis bisa sampaikan
dari penelitian ini yaitu :
1. Diharapkan agar aplikasi ini dapat
dikembangkan sesuai kebutuhan di masa
mendatang.
2. Diharapkan metode SAW dan SMART
dapat diterapkan pada kasus lain.
3. Pada penelitian selanjutnya diharapkan
dapat menggunakan variabel yang lebih
variatif dari variabel sebelumnya.
4. Diharapkan untuk penelitian ke
depannya dapat menggunakan metode
lain agar dapat dibandingkan dan
mengetahui metode yang cocok dalam
penentuan pemberian beasiswa.
VI. DAFTAR PUSTAKA
Wibowo S, H., Amalia, R.., Fadlum M, A.,
dan Arivanty, K., 2009, Sistem
Pendukung Keputusan Untuk
Menentukan Penerima Beasiswa
Bank BRI Menggunakan FMADM
Studi Kasus Mahasiswa Fakultas
Teknologi Industri Universitas Islam
Indonesia, Yogyakarta, 20 Juni 2009.
Supriana, I.W, (2012), Sistem Pendukung
Keputusan Dalam Pemilihan Tempat
Kost Dengan Metode Pembobotan
Studi Kasus Sleman Yogyakarta,
FMIPA Universitas Gadjah Mada,
Yogyakarta.
14
Hamid, R.A., Eildin, Z., 2012, A Decision
Support System For Performance
Evaluation, Associate Professor
Operations Research Department
Intitute of Statistical Studies and
Research, Cairo University, Mesir.
Kirom, D.Z., Bilfaqih, Y., dan Effendie, R.,
2012, Sistem Informasi Manajemen
Beasiswa ITS Berbasis Sistem
Pendukung Keputusan Menggunakan
Analytical Hierarchy Process, Jurnal
Teknik ITS Vol. 1, No. 1, Surabaya.
Hermanto, N., (2012), Sistem Pendukung
Keputusan Menggunakan Metode
Simple Additive Weighting SAW
untuk Menentukan Jurusan pada
SMK Bakti Purwokerto. Purwokerto.
Kusumadewi, S., Hartati, S., Harjoko, A.,
Wardoyo, R., 2006, Fuzzy-Multi
Attribute Decision Making (Fuzzy
MADM), Graha Ilmu, Yogyakarta.
Andrianto, H, (2015), Cara Perhitungan
Metode SMART (Simple Multi
Atribute Rating
Technique),http://yojiuye.blogspot.co
.id/2015/02/cara-perhitungan-
metode-smart-simple.html, 5 April
2016
Taulana, R., (2013), Sistem Pendukung
Keputusan, http://rendy
taulana.blogspot.com/p/sistem-
pendukung-keputusan-dalam.html, 20
November 2014.
Khay, S., (2013), Beasiswa dan Pengertian
dan Jenis,
http://sinyokhay02.blogspot.com/201
3/05/, 20 November 2014.
Syahreza, J., (2012), Pengertian PHP dan
Mysql,
http://jordansyahreza.blogspot.com/p/
pengertian-php-dan-my-sql.html, 19
November 2014.
Wegi, (2013), Metode Simple Additive
Weighting (SAW),
http://belajarbersamawegi.blogspot.c
om/2013/06/metode-simple-additive-
weighting-saw.html, 20 November
2014.
Wikibooks, (2012), Pengertian PHP,
http://id.wikibooks.org/wiki/Pemrogr
aman_PHP/Pendahuluan/Pengertian_
PHP, 19 November 2014.
