SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA METODE SAW

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          2

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      

4.      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 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.

SISTEM PENDUKUNG KEPUTUSAN METODE SAW (Simple Additive Weighting)

Pengertian Metode Simple Additive Weighting (SAW) 

Salah satu metode yang digunakan untuk menyelesaikan masalah dari Fuzzy Multiple Attribute Decision Making ( FMADM ) adalah metode Simple Additive Weighting (SAW) yaitu suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu.

Definisi 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 alternatif pada semua atribut (Pahlevy. 2010). Metode saw membutuhkan proses normalisasi matriks keputusan X ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Formula untuk melakukan normalisasi tersebut adalah sebagai berikut (Kusumadewi, Harjoko, dan Wardoyo. 2006):

Dimana:

rij = rating kinerja ternormalisasi dari alternatif Ai (i=,2,…,m) Maxi= nilai maksimum dari setiap baris dan kolom.

Mini= nilai minimum dari setiap baris dan kolom. xij= baris dan kolom dari matriks.

Formula untuk mencari nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai( Kusumadewi, Harjoko, dan Wardoyo.2006):

Dimana:

Vi= Nilai akhir dari alternatif Wi= Bobot yang telah ditentukan

rij= Normalisasi matriks.

Nilai Vi yang lebih besar mengindikasikan bahwa aternatif Ai lebih terpilih.

Langkah-langkah Penggunaan Metode SAW

1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan.
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
3. Membuat matriks keputusan berdasarkan kriteria, 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 sebagai solusi (Henry. 2009).

Kelebihan Metode SAW

Kelebihan dari metode simple additive weighting dibanding dengan model pengambil keputusan lainnya terletak pada kemampuannya untuk melakukan penilaian secara lebih tepat karena didasarkan pada nilai kriteria dan bobot preferensi yang sudah ditentukan, selain itu SAW juga dapat menyeleksi alternatif terbaik dari sejumlah alternatif yang ada karena adanya proses perangkingan setelah menentukan bobot untuk setiap atribut (Kusumadewi, Harjoko, dan Wardoyo. 2006).