1

PENDEKATAAN SIMPLE ADDITIVE WEIGHTING (SAW) UNTUK MENENTUKAN PENERIMA

BEASISWA PADA STIKOM BINANIAGA BOGOR

Erick Ramdhani Sukaman

erick.ramdhani@gmail.com

Program Studi Sistem Informasi Sekolah Tinggi Ilmu Komputer, Bogor

Abstrak

Beasiswa merupakan pembiayaan yang tidak

bersumber dari pendanaan sendiri atau orang tua,

akan tetapi diberikan oleh pemerintah, perusahaan

swasta, kedutaan, universitas, serta lembaga

pendidik atau peneliti. Dengan adanya ketentuan

diatas maka Stikom Binaniaga harus memenuhi

prinsip dan pedoman. Namun dalam praktisnya

seleksi penerima beasiswa tidak berprinsip kepada

pedoman yang telah ditetapkan. Karena setiap

perguruan tinggi memprioritaskan kriteria-kriteria

yang berbeda. Dengan demikian diperlukan kriteria

yang tepat dalam menyeleksi penerima beasiswa

tersebut. Sistem pendukung keputusan menentukan

alternatif nilai terbaik yang layak menerima

beasiswa menggunakan Simple Additive Weighting

(SAW) dengan kriteria yang telah di tentukan.

Konsep dasar Metode Simple Additive Weighting

(SAW) adalah mencari penjumlahan terbobot dari

rating kinerja pada setiap alternatif pada semua

atribut. Metode SAW membutuhkan proses

normalisasi matriks keputusan ke suatu skala yang

dapat di perbandingkan dengan semua rating

alternatif yang ada. Dari kriteria yang ada dilakukan

proses perhitungan dari masing-masing kriteria

untuk mendapatkan hasil alternatif terbaik penerima

beasiswa.

Kata Kunci : Simple Additive Weighting, beasiswa,

kriteria.

A. Latar Belakang Penelitian

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.

Stikom Binaniaga sebagai lembaga pendidikan

dibidang komputerpun telah menyelenggarakan

program pemberian beasiswa terhadap peserta

didiknya. Namun kriteria yang dipakai untuk

menyeleski harus akurat dan tepat seperti yang

tercantum pada Pedoman Beasiswa dan Bantuan

Biaya Pendidikan PPA 2013 bahwa program

berprinsip pada 3T (Tepat Sasaran, Tepat

Jumlah, & Tepat Waktu).

Metode yang digunakan untuk menentukan

penerima beasiswa adalah Simple Additive

Weighting (SAW). Karena dalam seleksi penerima

beasiswa terdapat kriteria-kriteria yang telah

ditentukan dan mahasiswa /pemohon sebagai

alternatifnya, sedangkan prioritas dari kriteria itu

sebagai nilai bobot. 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 (Fishburn, 1967) (MacCrimmon, 1968).

Dengan metode ini diharapkan penentuan kriteria

akan lebih tepat karena didasarkan pada nilai

kriteria dan bobot yang sudah ditentukan sehingga

akan mendapatkan hasil yang lebih tepat dalam

menentukan kriteria seleksi penerima beasiswa.

Kajian tentang SAW pernah digunakan oleh

(Sri Eniyati, 2011) dalam judul “Perancangan

Sistem Pendukung Pengambilan Keputusan untuk

Penerimaan Beasiswa dengan

Metode SAW (Simple Additive Weighting)” dengan

kesimpulan, Perancangan yang telah disusun,

sebagian besar merupakan kriteria untuk

penerimaan beasiswa dalam sekolah. Bobot

perhitungan adalah merupakan salah satu indikator

penting dalam perhitungan untuk penerimaan

beasiswa. Dari hasil penelitian sebelumnya terbukti

bahwa SAW dapat digunakan untuk membantu

sebagai pendukung keputusan.

Berdasarkan uraian diatas yang melatar belakangi

masalah penelitian penentuan penerima beasiswa

maka penulis melakukan penelitian dengan judul.

“PENDEKATAAN SIMPLE ADDITIVE WEIGHTING

(SAW) UNTUK MENENTUKAN PENERIMA

BEASISWA PADA STIKOM BINANIAGA BOGOR ”

B. Rumusan Masalah

Kriteria beasiswa PPA dan beasiswa BBM pada

STIKOM Binaniaga adalah nilai dengan Indeks

2

Kumulatif (IPK) paling rendah 3.0, semester,

ekonomi, Surat Keterangan Tidak Mampu, dan

keaktifan mahasiswa di kampus.

Dari data penyebaran penerima beasiswa dari

tahun 2010 sampai tahun 2013 diperoleh informasi

sebagai berikut,

Dilihat dari tabel 1 penentu keputusan tidak mudah

dalam menyeleksi dan menentukan penerima

beasiswa, karena jumlah pemohon setiap jenis

beasiswa melebihi batas alokasi. Maka proses

penyeleksian harus dilakukan dengan proses yang

tepat sehingga pemohon pada setiap jenis

beasiswa sesuai dengan beasiswa yang

diajukannya. Dari uraian tersebut dapat diidentifikasi

masalah penelitian sebagai berikut :

1. Penentu keputusan sulit menetapkan jenis

beasiswa yang akan diberikan kepada

mahasiswa.

2. Penerima beasiswa PPA dan BBM kurang

optimal.

Problem Statement

Dari identifikasi masalah diatas dapat ditetapkan

permasalahannya yaitu:

Kurang optimalnya proses seleksi penerima

beasiswa pada Stikom Binaniaga dengan

menggunakan SAW, sehingga kurang tepatnya

penerima beasiswa PPA dan BBM.

Research Question

Bagaimana pendekatan SAW dalam menentukan

penerima beasiswa pada Stikom Binaniaga Bogor?

C. Maksud dan Tujuan

Maksud dari penelitian ini adalah membuktikan

metode SAW dalam menentukan penerima

beasiswa.

Adapun tujuan yang ingin dicapai adalah:

1. Menetapkan jenis beasiswa yang akan

diberikan kepada mahasiswa dengan

menggunakan SAW.

2. Optimalisasi penentuan calon penerima

beasiswa PPA dan BBM sehingga lebih tepat

sasaran.

D. Definisi Istilah

1. Kriteria : Ukuran yang menjadi dasar

penilaian atau penetapan sesuatu.

2. Sub Kriteria : Ukuran yang menjadi dasar

penilaian atau penetapan sesuatu dalam setiap

kriteria.

3. Alternatif : Pilihan di antara dua atau

beberapa kemungkinan yang menjadi kandidat

dalam proses pengambilan keputusan.

E. Penelitian Rujukan

Telah banyak penelitian yang menerapkan SAW

dalam berbagai objek permasalahan. Dibawah ini

beberapa penelitian yang sangat relevan dengan

penelitian yang akan dilakukan :

1. Henry Wibowo S, Riska Amalia, Andi Fadlun M,

Kurnia Arivanty (2009) melakukan penelitian

dengan judul “Sistem Pendukung Keputusan

Untuk Menentukan Penerima Beasiswa Bank

Bri Menggunakan Fmadm (Studi Kasus:

Mahasiswa Fakultas Teknologi Industri

Universitas Islam Indonesia)”. Kesimpulan dari

penelitian ini yaitu, dibangunnya 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.

2. Rubiyatun, Bowo Winarno, dan Sri Sulistijowati

(2012), melakukan penelitian dengan judul

”Simulasi Seleksi Mahasiswa Baru Jalur

Undangan Dengan Menggunakan Metode

Simple Additive Weighting”. Kesimpulan dari

3

penelitian ini bahwa proses seleksi mahasiswa

baru jalur undangan dengan metode SAW

dipengaruhi oleh kriteria yang telah ditetapkan

dan perbandingan tingkat kepentingan antar

kriteria. Selain itu, seleksi mahasiswa baru jalur

undangan juga melalui proses perangkingan.

Perangkingan berdasarkan nilai akhir. Nilai

akhir terbesar berada pada peringkat atas.

3. Magfirah (2013), melakukan penelitian dengan

judul “Sistem Pendukung Keputusan Untuk

Menentukan Penerima Beasiswa Bagi Siswa

SD Salman Al Farisi 2 Yogyakarta

Menggunakan Metode Simple Additive

Weighting (Saw)”. Dengan 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).

4. Metode Fuzzy-SAW dapat memberikan

informasi yang tepat berdasarkan uji coba pada

penelitian mengenai penentuan kriteria seleksi

penerima beasiswa pada Stikom Binaniaga

Bogor menggunakan Simple Additive

Weighting.

Sehubungan dengan penelitian sebelumnya tentang

metode yang digunakan, maka akan dilakukan

penelitian tentang pendekatan SAW untuk seleksi

penerima beasiswa. Hasil yang diharapkan yaitu

menentukan penerima beasiswa yang tepat dan

sesuai.

F. LANDASAN TEORI

1. Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (SPK) sebagai

sebuah system berbasis komputer yang membantu

dalam proses pengambilan keputusan. SPK

sebagai sistem berbasis komputer yang adaptif,

interaktif, fleksibel, yang secara khusus

dikembangkan untuk mendukung solusi dari

permasalahan manajemen yang tidak terstruktur

untuk meningkatkan kualitas pengambilan

keputusan. Dengan demikian dapat ditarik satu

definisi tentang SPK yaitu sebuah sistem berbasis

komputer yang adaptif, interaktif, fleksibel, dan

interaktif yang digunakan untuk memecahkan

masalah-masalah tidak terstruktur sehingga

meningkatkan nilai keputusan yang diambil

(Khoirudin,2008).

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. Proses pengambilan keputusan

Proses pengambilan keputusan dimulai dari fase

inteligensi . Realitas diuji, dan masalah diidentifikasi

dan ditentukan. Kepemilikan masalah juga

ditetapkan. Selanjutnya pada fase desain akan

dikonstruksi sebuah model yang merepresentasikan

sistem. Hal ini dilakukan dengan membuat asumsi-

asumsi yang menyederhanakan realitas dan

menuliskan hubungan di antara semua variabel .

Model ini kemudian di validasi dan ditentukanlah

kriteria dengan menggunakan prinsip memilih untuk

mengevaluasi alternatif tindakan yang telah

diidentifikasi. Proses pengembangan model sering

mengidentifikasi solusi-solusi alternatif dan

demikian sebaliknya. Selanjutnya adalah fase

pilihan yang meliputi pilihan terhadap solusi yang

diusulkan untuk model (tidak memerlukan masalah

yang disajikan). Solusi ini diuji untuk menentukan

viabilitasnya. Begitu solusi yang diusulkan tampak

masuk akal, maka kita siap untuk masuk kepada

fase terakhir yakni fase implementasi keputusan.

Hasil implementasi yang berhasil adalah dapat

dipecahkannya masalah riil. Sedangkan kegagalan

implementasi mengharuskan kita kembali ke fase

sabelumnya (Turban, 2005).

3. Beasiswa

Beasiswa merupakan tunjangan yang diberikan

kepada pelajar atau mahasiswa sebagai bantuan

biaya belajar. Sekarang kita dapat melihat

pengertian dari Beasiswa, namun sepertinya kita

masih belum dapat memutuskan secara pasti siapa

yang berhak menerima beasiswa maka sekarang

kita akan coba melihat dari landasan folosofis,

yuridis, dan sosiologis.

4. SAW

Metode Simple Additive Weighting (SAW) sering

juga dikenal istilah metode penjumlahan terbobot.

Konsep dasar metode SAW adalah mencari

penjumlahan terbobot dari rating kinerja pada setiap

4

alternatif pada semua atribut (Fishburn, 1967)

(MacCrimmon, 1968). Metode SAW membutuhkan

proses normalisasi matriks keputusan (X) ke suatu

skala yang dapat diperbandingkan dengan semua

rating alternatif yang ada.

Formula untuk melakukan normalisasi adalah

sebagai berikut :

(cost) biayaatribut adalah j jika

(benefit) keuntunganatribut adalah j

ij

iji

iji

ij

ij

x

xMin

jikaxMax

x

r

dengan r adalah rating kinerja ternormalisasi dari

alternatif pada atribut dengan i=1,2,...,m dan

j=1,2,...,n. Nilai preferensi untuk setiap alternatif

diberikan sebagai :

∑ ij

Nilai Vi yang lebih besar mengindikasikan bahwa

alternatif lebih terpilih.

G. KERANGKA PEMIKIRAN

Seleksi penerima beasiswa merupakan hal yang

mudah, namun pada kenyataannya proses tersebut

tidak mudah, karena banyak pertimbangan dalam

menentukannya. Dalam penelitian ini dalam

menentukan penerima beasiswa dengan

pendekatan SAW diawali dengan penentuan

kriteria, alternatif, dan nilai bobot. Kemudian data

yang telah didapatkan akan diolah dengan

menggunakan SAW. Setelah itu hasil dari

perhitungan diranking dengan tujuan mendapatkan

alternatif tertinggi. Sehingga para penentu seleksi

penerima beasiswa mendapatkan rekomendasi

penerima beasiswa dari hasil perankingan tersebut.

Adapun dalam menentukan kriteria seleksi

penerima beasiswa telah didefinisikan yaitu

beasiswa PPA, beasiswa BBM, dan beasiswa

Stikom Binaniaga. Sedangkan alternatif didapatkan

dari data pemohon beasiswa, yang nantinya akan di

proses dengan menggunakan metode SAW.

Kerangka berfikir tersebut dapat dilihat dari gambar

2.1.

Gambar 2.1. Kerangka Pemikiran

H. Metode Penelitian

Rancangan penelitian yang akan digunakan pada

pendekatan SAW untuk menentukan seleksi

penerima beasiswa sebagai berikut:

Gambar 3.1. Rancangan Penelitian

I. Pengumpulan data

Prosedur pengumpulan data berpengaruh terhadap

kualitas data yang akan dijadikan bahan dasar

penelitian. Oleh karena itu harus dilakukan dengan

sebaik-baiknya dengan harapan data yang didapat

adalah data yang sebenarnya sesuai dengan

keadaan objek penelitian.

Metode pengumpulan data dalam penelitian

dilakukan dengan mengumpulkan data, membagi

jenis data serta menganalisis data yang diperlukan

guna mempermudah pemecahan masalah. Metode

pengumpulan data yang digunakan antar lain:

1. Wawancara

Wawancara merupakan metode pengumpulan data

dengan jalan tanya jawab sepihak yang dilakukan

secara sistematis dan berlandaskan kepada tujuan

penelitian (Lerbin,1992 dalam Hadi, 2007). Tanya

jawab „sepihak‟ berarti bahwa pengumpul data yang

aktif bertanya, sermentara pihak yang ditanya aktif

5

memberikan jawaban atau tanggapan. Dari definisi

itu, kita juga dapat mengetahui bahwa tanya jawab

dilakukan secara sistematis, telah terencana, dan

mengacu pada tujuan penelitian yang dilakukan,

tujuan penelitian ini yaitu mendapatkan informasi

mengenai proses penentuan kriteria seleksi

penerima beasiswa kepada bagian kemahasiswaan.

2. Pengumpulan dokumen

Pengumpulan dokumen berupa data mahasiswa,

data pemohon beasiswa, data penerima beasiswa,

dan Surat Keputusan Ketua Stikom Binaniaga

tentang penentuan beasiswa dari bagian

kemahasiswaan Stikom Binaniaga.

J. Analisis data

Analisis data yang digunakan adalah perbandingan,

dimana sistem yang lama dibandingkan dengan

sistem baru.

Rumus:

Perbandingan = (Qn-Q0) * 100%

Keterangan:

Qn = data setelah menggunakan sistem baru.

Q0 = data sebelum menggunakan sistem baru.

K. Deskripsi Objek Penelitian

Objek penelitian yang akan penyusun teliti adalah

informasi tentang proses seleksi penerima beasiswa

PPA dan BBM pada STIKOM Binaniaga. Dalam

penelitian ini penyusun mengumpulkan data yang

mengenai data-data yang bersangkutan yang

kemudian di analisis mengenai seleksi penerima

beasiswa PPA dan BBM pada STIKOM Binaniaga.

Penyusun melakukan penelitian langsung ke

STIKOM Binaniaga Bogor dan mengadakan

wawancara kepada bagian kemahasiswaan yang

berkaitan sesuai dengan masalah yang diteliti. Hal

ini dilakukan untuk mengetahui data penerima,

pemohon dan kriteria yang digunakan yang meliputi

nilai IPK, Semester, keaktifan mahasiswa, Surat

Keterangan Tidak Mampu (SKTM) dan

Ekonomi/penghasilan orangtua.

L. Penentuan Kriteria dan Sub kriteria Dalam

Penelitian

Dalam penentuan calon penerima beasiswa dengan

menggunakan Simple Additive Weighting (SAW)

diperlukan kriteria, sub kriteria dan bobot untuk

melakukan perhitungannya agar memperoleh

alternatif terbaik, dalam hal ini alternatif yang

dimaksud adalah urutan calon pemohon yang akan

menerima beasiswa berdasarkan Pedoman

beasiswa dan Surat Keputusan dari STIKOM

Binaniaga.

Penentuan sub kriteria pada setiap beasiswa

dilakukan dengan mewawancarai penentu beasiswa

dengan pertimbangan utama bahwa kegiatan

seleksi beasiswa harus tepat sasaran, sehingga

didapatkan sub kriteria pada setiap jenis beasiswa

yang paling menentukan dalam seleksi penerima

beasiswa sesuai dengan Pedoman Beasiswa.

1. IPK ( )

IPK merupakan penentuan utama dari penyeleksian

pemberian beasiswa PPA. Karena dalam menurut

buku pedoman IPK menjadi prioritas utama dalam

menyeleksi penerima beasiswa PPA. Dalam

penelitian ini IPK dikategorikan menjadi:

a) Tinggi, dengan nilai IPK lebih dari 3.5;

b) Sedang, dengan nilai IPK 3.0 sampai 3.5;

c) Rendah, kurang dari 3.0;

2. Semester ( )

Semester digunakan sebagai penentuan penerima

beasiswa PPA. Dalam penelitian ini semester

dikategorikan sebagai berikut:

a) Tinggi, semeter 1 sampai semester 2;

b) Sedang, semester 3 sampai semester 4;

c) Rendah, semester 5 sampai semester 8;

3. Keaktifan mahasiswa dikampus ( )

Keaktifan mahasiswa dikategorikan sebagai berikut:

a) Tinggi, mengikuti lebih dari dua organisasi atau

UKM;

b) Sedang, mengikuti satu sampai dua organisasi

atau UKM;

c) Rendah, tidak mengikuti organisasi atau UKM;

4. Surat Keterangan Tidak Mampu ( )

Calon penerima beasiswa PPA harus mempunyai

surat keterangan tidak mampu yang jelas. Karena

surat ini menjelaskan bahwa calon penerima

beasiswa benar-benar berhak menerima beasiswa.

Dalam penelitian ini surat keterangan tidak mampu

dikategorikan sebagai berikut:

a) Tinggi, Surat keterangan tidak mampu jelas

dan lengkap;

b) Sedang, Surat keterangan tidak mampu kurang

lengkap dan jelas;

c) Rendah, Surat keterangan tidak mampu tidak

ada;

5. Ekonomi ( )

6

Faktor ekonomi atau penghasilan/bulan merupakan

hal yang paling menentukan layak atau tidaknya

pemohon menerima beasiswa PPA, dalam

penelitian ini penghasilan dikategorikan sebagai

berikut:

a) Tinggi, dengan penghasilan lebih dari

Rp.2.500.000 perbulan;

b) Sedang, dengan penghasilan Rp.2.000.000

sampai Rp.2.500.000 perbulan;

c) Rendah, dengan penghasilan dibawah

Rp.2.000.000 prbulan;

Subkriteria diatas didapatkan dari Buku Pedoman

Beasiswa dan dari bagian kemahasiswaan.

M. Langkah Penyelesaian Dengan Menggunakan

SAW

Langkah penyelesaian dalam Simple Additive

Weighting (SAW) meliputi:

1. Memberikan nilai setiap alternatif pada setiap

sub kriteria yang sudah ditentukan.

a) Fotokopi transkip nilai dengan Indeks Kumulatif

(IPK),

IPK Nilai Keterangan

>3,0 1 Rendah

3,0 – 3,5 3 Sedang

<3,5 5 Tinggi

b) Semester,

Semester-Sks Nilai Keterangan

7 - 8 1 Rendah

3 - 6 3 Sedang

1 - 2 5 Tinggi

c) Keaktifan mahasiswa di kampus,

Mengikuti organisasi atau

UKM Nilai Keterangan

Tidak 1 Rendah

1 – 2 3 Sedang

> 2 5 Tinggi

d) Surat Keterangan Tidak Mampu (SKTM),

SKTM Nilai Keterangan

Tidak ada 1 Rendah

Tidak jelas 3 Sedang

Ada 5 Tinggi

e) Ekonomi,

Penghasilan (Ekonomi) Nilai Keterangan

> Rp.2.500.000 1 Rendah

2.000.000 – 2.500.000 3 Sedang

<= Rp.2.000.000 5 Tinggi

Data pemohon beasiswa selanjutnya di sesuaikan

dengan keterangan diatas, maka dimasukan

kedalam tabel.

2. Menentukan rating kecocokan setiap alternatif pada

setiap kriteria

Dari data pemohon beasiswa yang telah ditentukan,

dimisalkan = Pemohon A, = Pemohon B, =

Pemohon C, dan seterusnya.

Dari Tabel diubah kedalam matriks keputusan X

kepada setiap jenis beasiswa. Berdasarkan nilai

setiap alternatif dan sub kriteria yang sudah

ditentukan diubah ke dalam matriks keputusan X

dibentuk sebagai berikut :

Dari matriks keputusan X tersebut kemudian

dilakukan proses normalisasi ke suatu skala yang

dapat diperbandingkan dengan semua rating

alternatif yang ada sesuai dengan persamaan (1) ;

Normalisasi Beasiswa PPA.

No Alternatif Normalisasi Beasiswa PPA

1 1,00 0,60 1,00 1,00 1,00

2 1,00 1,00 1,00 1,00 1,00

3 1,00 0,60 1,00 1,00 1,00

4 1,00 1,00 0,33 0,33 0,33

5 1,00 0,60 1,00 0,33 0,33

6 1,00 1,00 0,33 0,33 0,33

7 1,00 1,00 1,00 0,33 0,33

8 1,00 0,60 1,00 0,33 0,33

9 1,00 0,60 0,33 0,33 0,33

10 1,00 0,60 1,00 1,00 0,33

11 1,00 0,60 0,33 0,33 1,00

12 1,00 0,60 0,33 0,33 1,00

13 1,00 0,60 0,33 1,00 1,00

14 1,00 0,60 0,33 1,00 1,00

15 0,60 0,60 0,33 1,00 1,00

16 0,60 0,60 0,33 1,00 1,00

17 1,00 0,20 0,33 1,00 1,00

18 0,60 0,20 0,33 1,00 1,00

19 1,00 0,60 0,33 1,00 1,00

20 0,60 1,00 0,33 1,00 1,00

21 0,60 0,20 0,33 1,00 1,00

22 1,00 0,20 0,33 1,00 1,00

23 1,00 0,60 0,33 1,00 1,00

7

Normalisasi Beasiswa BBM.

No Alternatif Normalisasi Beasiswa BBM

1 0,60 0,33 1,00 0,33 0,33

2 0,60 0,20 1,00 0,33 0,33

3 0,60 0,33 1,00 0,33 0,33

4 0,60 0,20 0,33 1,00 1,00

5 0,60 0,33 1,00 1,00 1,00

6 0,60 0,20 0,33 1,00 1,00

7 0,60 0,20 1,00 1,00 1,00

8 0,60 0,33 1,00 1,00 1,00

9 0,60 0,33 0,33 1,00 1,00

10 0,60 0,33 1,00 0,33 1,00

11 0,60 0,33 0,33 1,00 0,33

12 0,60 0,33 0,33 1,00 0,33

13 0,60 0,33 0,33 0,33 0,33

14 0,60 0,33 0,33 0,33 0,33

15 1,00 0,33 0,33 0,33 0,33

16 1,00 0,33 0,33 0,33 0,33

17 0,60 1,00 0,33 0,33 0,33

18 1,00 1,00 0,33 0,33 0,33

19 0,60 0,33 0,33 0,33 0,33

20 1,00 0,20 0,33 0,33 0,33

21 1,00 1,00 0,33 0,33 0,33

22 0,60 1,00 0,33 0,33 0,33

23 0,60 0,33 0,33 0,33 0,33

3. Memberikan nilai bobot (W) pada setiap jenis

beasiswa. Tahap berikutnya memberikan bobot

untuk setiap sub kriteria sebagai berikut : = 35%;

= 30%; = 5%; = 20%; = 10%, dengan

ketentuan nilai bobot (W) = [0,35; 0,30; 0,15; 0,20;

0,05]

No Alternat

if

Bobot Perangkingan Hasil

W1 W2 W3 W4 W5

1 0,35 0,18 0,20 0,15 0,05 0,93

2 0,35 0,30 0,20 0,15 0,05 1,05

3 0,35 0,18 0,20 0,15 0,05 0,93

4 0,35 0,30 0,07 0,05 0,02 0,78

5 0,35 0,18 0,20 0,05 0,02 0,80

6 0,35 0,30 0,07 0,05 0,02 0,78

7 0,35 0,30 0,20 0,05 0,02 0,92

8 0,35 0,18 0,20 0,05 0,02 0,80

9 0,35 0,18 0,07 0,05 0,02 0,66

10 0,35 0,18 0,20 0,15 0,02 0,90

11 0,35 0,18 0,07 0,05 0,05 0,70

12 0,35 0,18 0,07 0,05 0,05 0,70

13 0,35 0,18 0,07 0,15 0,05 0,80

14 0,35 0,18 0,07 0,15 0,05 0,80

15 0,21 0,18 0,07 0,15 0,05 0,66

16 0,21 0,18 0,07 0,15 0,05 0,66

17 0,35 0,06 0,07 0,15 0,05 0,68

18 0,21 0,06 0,07 0,15 0,05 0,54

19 0,35 0,18 0,07 0,15 0,05 0,80

20 0,21 0,30 0,07 0,15 0,05 0,78

21 0,21 0,06 0,07 0,15 0,05 0,54

22 0,35 0,06 0,07 0,15 0,05 0,68

23 0,35 0,18 0,07 0,15 0,05 0,80

Tahap berikutnya memberikan bobot untuk setiap

sub kriteria sebagai berikut : C1= 0.05%; C2= 10%;

C3= 20%; C4= 30%; C5= 35%, dengan ketentuan

nilai bobot (W) = [0,05; 0,10; 0,20; 0,30; 0,35 ]

No Alternatif Bobot Perangkingan

Hasil W1 W2 W3 W4 W5

1 0,21 0,10 0,20 0,05 0,02 0,58

2 0,21 0,06 0,20 0,05 0,02 0,54

3 0,21 0,10 0,20 0,05 0,02 0,58

4 0,21 0,06 0,07 0,15 0,05 0,54

5 0,21 0,10 0,20 0,15 0,05 0,71

6 0,21 0,06 0,07 0,15 0,05 0,54

7 0,21 0,06 0,20 0,15 0,05 0,67

8 0,21 0,10 0,20 0,15 0,05 0,71

9 0,21 0,10 0,07 0,15 0,05 0,58

10 0,21 0,10 0,20 0,05 0,05 0,61

11 0,21 0,10 0,07 0,15 0,02 0,54

12 0,21 0,10 0,07 0,15 0,02 0,54

13 0,21 0,10 0,07 0,05 0,02 0,44

14 0,21 0,10 0,07 0,05 0,02 0,44

15 0,35 0,10 0,07 0,05 0,02 0,58

16 0,35 0,10 0,07 0,05 0,02 0,58

17 0,21 0,30 0,07 0,05 0,02 0,64

18 0,35 0,30 0,07 0,05 0,02 0,78

19 0,21 0,10 0,07 0,05 0,02 0,44

20 0,35 0,06 0,07 0,05 0,02 0,54

21 0,35 0,30 0,07 0,05 0,02 0,78

22 0,21 0,30 0,07 0,05 0,02 0,64

23 0,21 0,10 0,07 0,05 0,02 0,44

Melakukan proses perangkingan dengan

menggunakan persamaan (2).

Urutan penerima beasiswa PPA dan beasiswa BBM

Beasiswa PPA Beasiswa BBM

No Alternatif Hasil No Alternatif Hasil

1 1,05 1 0,78

2 0,93 2 0,78

3 0,93 3 0,71

4 0,92 4 0,71

5 0,9 5 0,67

6 0,8 6 0,64

7 0,8 7 0,64

8 0,8 8 0,61

9 0,8 9 0,58

10 0,8 10 0,58

11 0,8 11 0,58

12 0,78 12 0,58

13 0,78 13 0,58

14 0,78 14 0,54

15 0,7 15 0,54

16 0,7 16 0,54

17 0,68 17 0,54

18 0,68 18 0,54

19 0,66 19 0,54

20 0,66 20 0,44

21 0,66 21 0,44

22 0,54 22 0,44

23 0,54 23 0,44

N. Pembahasan

Daftar penerima beasiswa PPA dan BBM 2013

dengan sistem lama

No Penerima Jenis Beasiswa

1 PPA

2 PPA

3 PPA

4 BBM

5 BBM

6 BBM

7 BBM

8 BBM

9 BBM

10 BBM

Tabel diatas berupa nama penerima yang telah

diinisaialisasikan menjadi sampai beserta

jenis beasiswa yang diterimanya.

a. Sistem lama beasiswa PPA

Alternatif Kriteria

1.75 0.9 0.6 0.1 0.05

1.75 1.5 0.6 0.1 0.05

1.75 0.9 0.6 0.1 0.05

1.75 1.5 0.2 0.3 0.15

1.75 0.9 0.6 0.3 0.15

1.75 1.5 0.2 0.3 0.15

1.75 1.5 0.6 0.3 0.15

8

1.75 0.9 0.6 0.3 0.15

1.75 0.9 0.2 0.3 0.15

1.75 0.9 0.6 0.1 0.15

1.75 0.9 0.2 0.3 0.05

1.75 0.9 0.2 0.3 0.05

1.75 0.9 0.2 0.1 0.05

1.75 0.9 0.2 0.1 0.05

1.05 0.9 0.2 0.1 0.05

1.05 0.9 0.2 0.1 0.05

1.75 0.3 0.2 0.1 0.05

1.05 0.3 0.2 0.1 0.05

1.75 0.9 0.2 0.1 0.05

1.05 1.5 0.2 0.1 0.05

1.05 0.3 0.2 0.1 0.05

1.75 0.3 0.2 0.1 0.05

1.75 0.9 0.2 0.1 0.05

Tabel diatas menujukan sistem lama yang

dihasilkan dari rating kecocokan setiap alternatif

( ) pada setiap kriteria ( ) dikalikan dengan bobot

(W) yang diberikan kepada beasiswa PPA yaitu: W

= [0,35; 0,30; 0,20; 0,10; 0,05 ].

Sistem lama beasiswa BBM

Alternatif Kriteria

0.25 0.3 0.6 0.3 0.35

0.25 0.5 0.6 0.3 0.35

0.25 0.3 0.6 0.3 0.35

0.25 0.5 0.2 0.9 1.05

0.25 0.3 0.6 0.9 1.05

0.25 0.5 0.2 0.9 1.05

0.25 0.5 0.6 0.9 1.05

0.25 0.3 0.6 0.9 1.05

0.25 0.3 0.2 0.9 1.05

0.25 0.3 0.6 0.3 1.05

0.25 0.3 0.2 0.9 0.35

0.25 0.3 0.2 0.9 0.35

0.25 0.3 0.2 0.3 0.35

0.25 0.3 0.2 0.3 0.35

0.15 0.3 0.2 0.3 0.35

0.15 0.3 0.2 0.3 0.35

0.25 0.1 0.2 0.3 0.35

0.15 0.1 0.2 0.3 0.35

0.25 0.3 0.2 0.3 0.35

0.15 0.5 0.2 0.3 0.35

0.15 0.1 0.2 0.3 0.35

0.25 0.1 0.2 0.3 0.35

0.25 0.3 0.2 0.3 0.35

Tabel diatas menujukan sistem lama yang

dihasilkan dari rating kecocokan setiap alternatif

( ) pada setiap kriteria ( ) dikalikan dengan bobot

(W) yang diberikan kepada beasiswa BBM yaitu: W

= [0,05; 0,10; 0,20; 0,30; 0,35 ]

Perbandingan sistem lama dan baru

Perbandingan antara sistem lama dan baru dapat

dilakukan dengan mencari tingkat ketidakakuratan

sistem lama dengan sistem baru, maka didapatkan

tingkat ketidakakuratan setiap jenis beasiswa

seperti tabel dibawah ini:

No Pemohon Sistem

Lama

Sistem

Baru

Tidak

Akurat (%)

1 Pemohon A 0.68 0.93 25.00

2 Pemohon B 0.80 1.50 25.00

3 Pemohon C 0.68 0.93 25.00

4 Pemohon D 0.78 0.78 0.00

5 Pemohon E 0.74 0.80 6.00

6 Pemohon F 0.78 0.78 0.00

7 Pemohon G 0.86 0.92 6.00

8 Pemohon H 0.74 0.80 6.00

9 Pemohon I 0.66 0.66 0.00

10 Pemohon J 0.70 0.90 20.00

11 Pemohon K 0.64 0.70 6.00

12 Pemohon L 0.64 0.70 6.00

13 Pemohon M 0.60 0.80 20.00

14 Pemohon N 0.60 0.80 20.00

15 Pemohon O 0.46 0.66 20.00

16 Pemohon P 0.46 0.66 20.00

17 Pemohon Q 0.48 0.68 20.00

18 Pemohon R 0.34 0.54 20.00

19 Pemohon S 0.60 0.80 20.00

20 Pemohon T 0.58 0.78 20.00

21 Pemohon U 0.34 0.54 20.00

22 Pemohon V 0.48 0.68 20.00

23 Pemohon

W 0.60 0.80 20.00

Rata-rata Tidak Akurat = 15.00

Tingkat Akurasi Sistem Baru = 85.00

Perbandingan system lama dan baru beasiswa

BBM

Tabel 4.19. Tabel perbandingan penerima beasiswa BBM

No Pemohon Sistem

Lama

Sistem

Baru

Tidak Akurat

(%)

1 Pemohon A 0.36 0.58 22.00

2 Pemohon B 0.40 0.54 14.00

3 Pemohon C 0.36 0.58 22.00

4 Pemohon D 0.58 0.54 -4.00

5 Pemohon E 0.62 0.71 9.00

6 Pemohon F 0.58 0.54 -4.00

7 Pemohon G 0.66 0.67 1.00

8 Pemohon H 0.62 0.71 9.00

9 Pemohon I 0.54 0.58 4.00

10 Pemohon J 0.50 0.61 11.00

11 Pemohon K 0.40 0.54 14.00

12 Pemohon L 0.40 0.54 14.00

13 Pemohon M 0.28 0.44 16.00

14 Pemohon N 0.28 0.44 16.00

15 Pemohon O 0.26 0.58 32.00

16 Pemohon P 0.26 0.58 32.00

17 Pemohon Q 0.24 0.64 40.00

18 Pemohon R 0.22 0.78 56.00

19 Pemohon S 0.28 0.44 16.00

9

20 Pemohon T 0.30 0.54 24.00

21 Pemohon U 0.22 0.78 56.00

22 Pemohon V 0.24 0.64 40.00

23 Pemohon W 0.28 0.44 16.00

Rata-rata Tidak Akurat = 19.83

Tingkat Akurasi Sistem Baru = 80.17

Hasil perbandingan sistem lama dan baru akan

menghasilkan nilai ketidakakuratan yang

didapatkan dari rumus:

Keterangan

: Data setelah

: Data sebelum

Maka dari hasil perhitungan didapati nilai

ketidakakuratan dari masing-masing pemohon

seperti yang terlihat pada tabel 4.18 dan tabel 4.19.

Rata-rata ketidakakuratan dari hasil sistem lama

dan baru penerima beasiswa PPA didapat sebesar

15%, sehingga nilai keakuratan sistem sebesar

100% - 15% = 85%. Sedangkan rata-rata

ketidakakuratan dari hasil sistem lama dan baru

penerima beasiswa BBM didapat sebesar 19.83%,

sehingga nilai keakuratan sistem sebesar 100% -

19.83% = 80.17% ini dikarenakan proses

perhitungan yang berbeda antara sistem lama dan

baru, pada sistem baru pemberian bobot yang

berbeda antara subkriteria setiap beasiswa yaitu

PPA dan BBM, sedangkan sistem lama pemberian

bobot seluruh kriteria setiap jenis beasiswa

dianggap sama. Dalam sistem baru data pemohon

dimasukan kedalam matriks keputusan kemudian

dilakukan normalisasi matriks X yaitu dengan cara

membagi setiap nilai kriteria dengan nilai tertinggi

masing-masing kriteria sehingga menghasilkan

matriks ternormalisasi R. Dari matriks R akan

diproses perangkingan dengan cara mengalikan

dengan bobot masing-masing kriteria, hasil yang

didapat adalah hasil yang tertinggi. Perhitungan

dengan Simple Additive Weighting (SAW) dapat

menjawab maksud dari penelitian ini yaitu

menentukan penerima beasiswa yang tepat, karena

penilaian beracuan pada setiap kriteria dan

subkriteria.

O. Kesimpulan

Berdasarkan hasil penelitian dan pembahasan di

atas, maka dapat ditarik kesimpulan sebagai

berikut :

1. Dari hasil perhitungan didapati ketidakakuratan

dari masing-masing calon penerima beasiswa

PPA dan BBM. Hasil analisis perbandingan

sistem lama dan baru dari beasiswa PPA

didapat sebesar 15%, sehingga nilai keakuratan

sistem dibandingakan dengan sistem lama

sebesar 100% - 15% = 85%. Sedangkan untuk

beasisw BBM didapat sebesar 19.83%,

sehingga nilai keakuratan sistem dibandingkan

dengan sistem lama sebesar 100% - 19.83% =

80.17%. Dengan penerapan setiap kriteria,

didapatkan daftar calon penerima beasiswa PPA

dan BBM pada STIKOM Binaniaga yang lebih

optimal tingkat akurasinya dibandingkan dengan

cara sebelumnya yang memberikan nilai bobot

yang sama pada setiap kriteria dan subkriteria.

2. Bagian Kemahasiswaaan sebagai pemerivikasi

menetapkan kriteria-kriteria calon penerima

beasiswa berdasarkan jenis beasiswanya baik

PPA ataupun BBM antara lain: IPK, semester,

keaktifan mahasiswa di kampus, surat

keterangan tidak mampu, dan penghasilan

perbulan (ekonomi).

3. Dengan hasil itu maka Simple Additive

Weighting (SAW) dapat direkomendasikan

sebagai alat penunjang keputusan dalam

menentukan penerima beasiswa.

P. Saran

Dalam penelitian masih terbatas pada penentuan

penerima beasiswa PPA dan BBM, untuk

pengembangan lebih lanjut disarankan perluasan

masalah yaitu:

1. Menerapkan metode fuzzy atau metode lainnya

yang dapat menyelesaikan masalah dalam

seleksi penerima beasiswa sehingga dapat

menghasilkan suatu daftar yang lebih akurat.

2. Pengembangan sistem informasi penerima

beasiswa.

Q. Daftar Pustaka

A1. PEDOMAN BEASISWA BBP PPA 2013 Basyaib, F., 2007. Teori Pembuat Keputusan.

Gramedia: Jakarta. http://books.google.co.id/books?id=1oX1gq9ofjYC&

printsec=frontcover&num=100&hl=id&redir_e

10

sc=y#v=onepage&q&f=false [diakses pada 2 november 2013 00.02]

http://books.google.co.id/books?id=v6EwtZ8EkN0C&printsec=frontcover&hl=id&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false [diakses pada 2 november 2013 00.30]

http://elearning.amikom.ac.id/index.php/download/materi/88892-ST083-16/P8_angka%20 indeks.doc [diakses pada 2 februari 2014 00.30]

http://www.dikti.go.id/?page_id=397&lang=id [diakses pada 2 november 2013 14.55]

Kusumadewi, S., dkk. 2006. Fuzzy Multi-Attribute Decision Making (Fuzzy MADM) (Edisi Pert.). Graha Ilmu. Yogyakarta.

Kusumadewi, S., 2010. Materi Kuliah [7, 8] (Sistem Pendukung Keputusan) Metode-metode Optimasi dengan Alternatif Terbatas. Universitas Islam Indonesia: Jakarta.

Mahdiana, Deni., 2013. Metode SAW. Universitas Budiluhur: Jakarta.

Maghfirah,. 2013. SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA BAGI SISWA SD SALMAN AL FARISI 2 YOGYAKARTA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW). Yogyakarta

Peraturan Pemerintah Nomor 48 tahun 2008 tentang Pendanaan Pendidikan

SK Ketua Stikom Binaniaga Nomor: 025/KPTS/KET-SB/V/2013

Wibowo, S, H., Amalia, R., Fadlun, M, A., Arivanty, K. 2009. SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA BANK BRI MENGGUNAKAN FMADM (STUDI KASUS: MAHASISWA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS ISLAM INDONESIA). Yogyakarta: Seminar Nasional Aplikasi Teknologi Informasi.