JURNAL - repository.bsi.ac.id · IMPLEMENTASI ALGORITMA APRIORI UNTUK ANALISA PEMILIHAN TIPE GENRE FILM ANIME (STUDI KASUS : ... 1Program Studi Sistem Informasi, Universitas Bina

JURNAL

Pusat Penelitian Pengabdian Masyarakat STMIK Nusa Mandiri Jl. Damai No. 8 (Margasatwa) Pasar Minggu http://ejournal.nusamandiri.ac.id/index.php/pilar

Jurnal PILAR Nusa Mandiri Vol. 14, No. 2 September 2018 ii

Jurnal PILAR Nusa Mandiri Vol. 14, No. 2 September 2018

iii

DEWAN REDAKSI

Penasehat : Ketua STMIK Nusa Mandiri Penanggung Jawab : Ketua PPPM STMIK Nusa Mandiri Jakarta Ketua Editor : Dr. Windu Gata, M.Kom (STMIK Nusa Mandiri) Editor : Anggi Oktaviani, M.Kom (STMIK Nusa Mandiri) Nurmalasari, M.Kom (STMIK Nusa Mandiri) Mohammad Badrul, M.Kom (STMIK Nusa Mandiri) Sopiyan Dalis, M.Kom (Universitas Bina Sarana Informatika) Rani Irma Handayani, M.Kom (Universitas Bina Sarana

Informatika) Ninuk Wiliani, M.Kom (Institut Sains & Teknologi Nasional) Mitra Bestari : Sukmawati Anggraeni Putri (STMIK Nusa Mandiri Jakarta)

Dinar Ajeng Kristiyanti (STMIK Nusa Mandiri Jakarta) Erene Gernaria Sihombing (STMIK Nusa Mandiri) Betty Dewi Puspasari (Sekolah Tinggi Teknik Atlas Nusantara

Malang) Bambang Krismono Triwijoyo (STMIK Bumi Gora Mataram) Pelaksana Tata Usaha : Daning Nur Sulistyowati, M.Kom Alamat Redaksi : Kampus STMIK Nusa Mandiri Jl. Kramat Raya No, 18, Senen Jakarta Pusat Indonesia Website : http://ejournal.nusamandiri.ac.id/index.php/PILAR Email Redaksi : [email protected]

Jurnal PILAR Nusa Mandiri Vol. 14, No. 2 September 2018 iv


v

KATA PENGANTAR

Redaksi Jurnal PILAR Nusa Mandiri (PILAR), mengucapakan puji dan syukur kehadirat Allah S.W.T, pencipta alam semesta yang menguasai ilmu seluas langit dan bumi, atas limpahan rahmat dan karunia yang telah diberikan kepada redaksi PILAR untuk menerbitkan PILAR Vol. 14, No. 2, September 2018. PILAR berstatus Jurnal Nasional Terakreditasi yang diakreditasi oleh Kementerian Riset dan Pendidikan Tinggi Indonesia di tingkat Sinta S3, sesuai dengan Surat Keputusan Penguatan Riset dan Pengembangan SK Nomor 21/E/KPT/2018 yang berlaku sejak 9 Juli 2018 selama 5 tahun yang digunakan oleh para dosen, meneliti, dan profesional sebagai wadah atau media untuk menerbitkan publikasi temuan-temuam hasil penelitian yang dilakukan disetiap semesternya. PILAR diterbitkan 1 (satu) tahun sebanyak 2 (dua) kali disetiap diawal semester, redaksi PILAR menerima artikel ilmiah dari hasil penelitian, laporan/studi kasus, kajian teknologi informasi, dan sistem informasi, yang berorientasi pada kemutakhiran ilmu pengetahuan dan teknologi informasi agar dapat menjadi sumber informasi ilmiah yang mampu memberikan kontribusi dalam perkembangan teknologi informasi yang semakin kompleks. Redaksi mengundang rekan-rekan peneliti, ilmuwan dari berbagai lembaga pendidikan tinggi untuk memberikan sumbangan ilmiah, baik berupa hasil penelitian maupun kajian ilmiah dibidang ilmu manajemen, pendidikan, dan teknologi informasi. Redaksi sangat mengharapkan masukan-masukan dari para pembaca, professional bidang manajemen, pendidikan, dan teknologi informasi, atau yang terkait dengan penerbitan, demi makin meningkatnya kualitas jurnal sebagaimana harapan kita bersama. Redaksi berharap semoga artikel-artikel ilmiah yang termuat dalam Jurnal ilmiah PILAR bermanfaat bagi para akademisi dan professional yang berkecimpung dalam dunia manajemen, pendidikan, dan teknologi informasi Ketua Editor

Jurnal PILAR Nusa Mandiri Vol. 14, No. 2 September 2018 vi


vii

DAFTAR ISI Cover ............................................................................................................................................................................................................ i Dewan Redaksi .................................................................................................................................................................................... iii Kata Pengantar ...................................................................................................................................................................................... v Daftar Isi ................................................................................................................................................................................................ vii

1. PREDIKSI HARGA CRYPTOCURRENCY DENGAN METODE K-NEAREST NEIGHBOURS Haerul Fatah, Agus Subekti ..................................................................................................................................... 137-144 2. KLASIFIKASI SELEKSI ATRIBUT PADA SERANGAN SPAM MENGGUNAKAN METODE ALGORITMA

DECISION TREE Aji Sudibyo, Taufik Asra, Bakhtiar Rifai ............................................................................................................. 145-150 3. PENGGUNAAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) PADA SISTEM PENUNJANG

KEPUTUSAN DALAM PENENTUAN JURUSAN SMK Susliansyah, Rizqyana Pangestu ........................................................................................................................... 151-156 4. MEMBANGUN PROTOTYPE SISTEM INFORMASI ARSIP ELEKTRONIK SURAT PERJANJIAN

KERJASAMA PADA BUSINESS SUPPORT DEPARTEMENT Rusdiansyah ................................................................................................................................................................... 157-162 5. ANALISIS PENGARUH KUALITAS PELAYANAN MODUL PENERIMAAN NEGARA GENERASI KEDUA

(MPN G2) TERHADAP KEPUASAN WAJIB PAJAK DENGAN MENGGUNAKAN METODE CUSTOMER SATISFACTION INDEX (CSI)

Hannie, Nina Sulistiyowati ...................................................................................................................................... 163-168 6. PERBANDINGAN ALGORITMA C4.5, KNN, DAN NAIVE BAYES UNTUK PENENTUAN MODEL

KLASIFIKASI PENANGGUNG JAWAB BSI ENTREPRENEUR CENTER Fuad Nurhasan, Noer Hikmah, Dwi Yuni Utami ............................................................................................. 169-174 7. KOMPARASI ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK ANALISA

SENTIMEN REVIEW FILM Elly Indrayuni ................................................................................................................................................................ 175-180 8. IMPLEMENTASI APLIKASI ZAHIR UNTUK MENENTUKAN ANALISA RASIO KEUANGAN Muhamad Fani Fahrizal, Siti Masripah ............................................................................................................... 181-186 9. MODEL UNTUK UJI KUALITAS SISTEM INFORMASI UJIAN NASIONAL BERBASIS KOMPUTER

TINGKAT SMA & MA Irwan Agus Sobari, Fajar Akbar, Robi Aziz Zuama, Amin Nur Rais ....................................................... 187-194 10. ANALISIS POLA BELANJA PENGUNJUNG MAL DENGAN ALGORITMA APRIORI Andri Agung Riyadi ..................................................................................................................................................... 195-200 11. SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN CALON TENAGA KERJA DI KOTA PONTIANAK

DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Lisnawant, Fara Dina, Daniel Oktodeli Sihombing ........................................................................................ 201-208 12. IMPLEMENTASI ALGORITMA APRIORI UNTUK ANALISA PEMILIHAN TIPE GENRE FILM ANIME

(STUDI KASUS : MYANIMELIST.NET) Mochammad Abdul Azis, Nur Hadianto, Jaja Miharja, Saifulloh Rifai ................................................. 209-216 13. IMPLEMENTASI ALGORITMA DECISION TREE UNTUK KLASIFIKASI DATA PESERTA DIDIK Imam Sutoyo .................................................................................................................................................................. 217-224

Jurnal PILAR Nusa Mandiri Vol. 14, No. 2 September 2018 viii

14. PEMODELAN PREDIKTIF KONSUMSI ENERGI BANGUNAN GEDUNG KOMERSIAL DENGAN ALGORITMA SUPPORT VECTOR MACHINE

Indriyanti Indriyanti, Agus Subekti ..................................................................................................................... 225-232 15. KOMPARASI KLASIFIKASI PENENTUAN CUSTOMER KREDIT MENGGUNAKAN ALGORITMA C4.5

DAN KNN PADA PT CITRA SEMESTA ENERGY Yosep Nuryaman .......................................................................................................................................................... 233-238 16. CLUSTERING KESETIAAN PELANGGAN DENGAN MODEL RFM (RECENCY, FREQUENCY, MONETARY)

DAN K-MEANS Tommi Alfian Armawan Sandi, Mugi Raharjo, Jordy Lasmana Putra, Ridwan ................................. 239-246 17. PENGAMBILAN KEPUTUSAN PENERIMA BEASISWA SMA MENGGUNAKAN FUZZY MULTIPLE

ATRIBUTE DECISION MAKING MODEL WEIGHTED PRODUCT Taufik Hidayatulloh, Satia Suhada, Eva Nursyifa, Lestari Yusuf ............................................................ 247-252 18. APLIKASI PENGOLAHAN DATA PENERIMAAN DAN PENGELUARAN KAS PADA SMK CAHAYA

BANGSA KABUPATEN KUBU RAYA Nanda Diaz Arizon, Yulia Yulia, Riyadi Saputro ............................................................................................. 253-260 19. KOMPARASI ALGORITMA KLASIFIKASI PADA ANALISIS REVIEW HOTEL Lila Dini Utami, Hilda Rahmi, Dini Nurlaela ..................................................................................................... 261-266 20. SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BONUS KARYAWAN MENGGUNAKAN METODE AHP

PADA RUMAH SAKIT BUAH HATI CIPUTAT Rafhael Stevanus, Rani Irma Handayani, Dinar Ajeng Kristiyanti ............................................................ 267-27

P-ISSN: 1978-1946 | E-ISSN: 2527-6514 | Pengambilan Keputusan Penerima …

Jurnal PILAR Nusa Mandiri Vol. 14, No. 2 September 2018 247

PENGAMBILAN KEPUTUSAN PENERIMA BEASISWA SMA MENGGUNAKAN FUZZY MULTIPLE ATRIBUTE DECISION MAKING

MODEL WEIGHTED PRODUCT

Taufik Hidayatulloh1; Satia Suhada2; Eva Nursyifa3; Lestari Yusuf4

1Program Studi Sistem Informasi, Universitas Bina Sarana Informatika

www.bsi.ac.id [email protected]

2Program Studi Sistem Informasi

STMIK Nusa Mandiri Jakarta www.nusamandiri.ac.id

[email protected]

3Program Studi Sistem Informasi Universitas Bina Sarana Informatika

www.bsi.ac.id [email protected]

4Program Studi Sistem Informasi

STMIK Nusa Mandiri Jakarta www.nusamandiri.ac.id [email protected]

Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional.

Abstract - Scholarships are funds that can be provided by the government, private companies, embassy, university, educational institutions or of the workplace to improve the quality of human resources through education. SMAN 1 Cicurug Sukabumi is the one of the educational institutions that organizes scholarships for outstanding students who will continue their study at SMAN 1 Cicurug Sukabumi. There are five criteria to determine the scholarship recipient that is: The average value of report, the average grade of diploma, the number of parental dependents, parental income and award certificate with weights on each criterion. To make it easier for administrators of educational institutions to determine new students who are entitled to receive scholarships, it is necessary to have a system of decision recommendations that serves to help select candidates for scholarship recipients. In this research apply to decide scholarship grantee based on which has been criteria specified. Weighted product is a simple and easy to understand mode. Rangking with weighted product are influenced by the number of criteria,

comparison of importance between criteria and the rank of weight criteria. Keywords: decision support system, school, scholarship, weighted product Intisari - Beasiswa merupakan dana yang dapat diberikan oleh pemerintah, perusahaan swasta, kedutaan, universitas atau dari kantor tempat bekerja untuk meningkatkan kualitas sumber daya manusia melalui pendidikan. SMAN 1 Cicurug Sukabumi adalah salah satu instansi pendidikan yang menyelenggarakan beasiswa bagi siswa berprestasi yang akan melanjutkan sekolah di SMAN 1 Cicurug Sukabumi. Terdapat lima kriteria untuk menentukan penerima beasiswa tersebut yaitu: nilai rata-rata raport, nilai rata-rata ijazah, jumlah tanggungan orang tua, penghasilan orang tua dan bidang keahlian dengan bobot-bobot pada setiap kriteria. Untuk mempermudah para pengurus institusi pendidikan dalam menentukan peserta didik baru yang berhak menerima beasiswa, maka perlu

http://www.bsi.ac.id/

mailto:[email protected]

http://www.nusamandiri.ac.id/


http://www.bsi.ac.id/


http://www.nusamandiri.ac.id/


http://creativecommons.org/licenses/by-nc/4.0/


248


adanya suatu sistem rekomendasi keputusan yang berfungsi untuk membantu melakukan seleksi kepada para calon penerima beasiswa. Pada penelitian ini menerapkan Fuzzy Multiple Attribute Decision Making dengan model weighted product sebagai sistem alternatif yang dapat digunakan untuk menentukan penerima beasiswa berdasarkan kriteria yang telah ditentukan, dengan hasil yang diperoleh dari 5 Alternatif yang digunakan adalah yang memiliki nilai tertinggi pada perankingan dengan nilai vektor S=0.70 dan nilai Vektor V= 0.24. Kata kunci: sistem pendukung keputusan, sekolah, beasiswa, produk tertimbang PENDAHULUAN

Menyadari bahwa pendidikan sangat penting, negara sangat mendukung setiap warga negaranya untuk meraih pendidikan setinggi-tingginya. Melakukan program pendidikan gratis dan program beasiswa (Helilintar, Risa; Winarno, Wing Wahyu; Fatta, 2016)

Penyaluran beasiswa sering terjadi permasalahan diantaranya, kurang tepatnya sasaran pada siswa yang seharusnya. Siswa yang tidak berhak mendapatkan beasiswa namun mendapatkan beasiswa, dan sebaliknya siswa yang seharusnya mendapatkan beasiswa tetapi tidak mendapatkan beasiswa (Manikam & Yanuar, 2017). Kurang telitinya para penyeleksi beasiswa menjadi masalah yang sering muncul dalam melakukan seleksi penerima beasiswa.

Setiap tahun ajaran baru, SMAN 1 Cicurug Sukabumi selalu membuka pendaftaran beasiswa bagi lulusan SMP yang kurang mampu namun berprestasi. Pentingnya suatu keputusan yang tepat bagi pihak pengelola lembaga pendidikan menjadi tantangan tersendiri untuk dapat memberikan beasiswa. Namun, saat ini pengelola lembaga masih menggunakan cara manual untuk menetukan peserta didik baru yang berhak menerima beasiswa. Sehingga pengolahan data kurang efektif, membutuhkan waktu yang relatif lama.

Untuk mempermudah para pengurus institusi pendidikan dalam menentukan peserta didik baru yang berhak menerima beasiswa, maka perlu adanya suatu sistem rekomendasi keputusan yang berfungsi untuk membantu melakukan seleksi kepada para calon penerima beasiswa. (Perdana, Nuri Guntur; Widodo, 2013).

Pemanfaatan sistem penunjang keputusan sebagai salah satu sistem cerdas terkomputerisasi dapat digunakan untuk membantu mengambil keputusan dengan cepat, tepat dan konsisten (Firdyana, 2017). Pada penelitian sebelumnya

seleksi penerima beasiswa dilakukan dengan menggunakan beberapa metode diantaranya SAW (Simple Additive Weighting) yang pernah dilakukan oleh (Helilintar, Risa; Winarno, Wing Wahyu; Fatta, 2016), TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) yang pernah dilakukan oleh (Widayanti, Tri;Wijaya, 2016) dan Algoritma C.45 yang pernah dilakukan oleh (Musthafa, Aziz. Suyono, Hadi. Sarosa, 2015). Pada penelitian kali ini sistem pendukung keputusan seleksi beasiswa akan diterapkan menggunakan metode FMADM (Fuzzy Multiple Atribute Decision Making) dengan model weighted product. Dalam penelitian ini, dipilih metode Weighted Product (WP) untuk menentukan prioritas desa yang mengajukan usulan kegiatan. Metode ini lebih efisien dibandingkan metode lain yang termasuk dalam penyelesaian masalah MADM (Multi Attibute Decision Making). Alasannya karena waktu yang dibutuhkan dalam perhitungan lebih singkat. Hal ini diperkuat dengan beberapa referensi yang digunakan (Ahmadi & Wiyanti, 2014)

BAHAN DAN METODE Tahapan Penelitian

Tahapan penelitian dalam penelitian ini dapat digambarkan pada bagan berikut ini:

Sumber: (Hidayatulloh, Suhada, Nursyifa, & Yusuf, 2018)

Gambar 1. Bagan Tahapan Penelitian Bahan Penelitian

Bahan yang digunakan pada penelitian ini merupakan data-data dari SMAN 1 Cicurug Sukabumi dan data mengenai model weighted product yang terdiri dari:



a. Data mengenai sejarah SMAN 1 Cicurug Sukabumi dan data calon penerima beasiswa yang mencakup kriteria dalam seleksi penerimaan beasiswa

b. Data mengenai model weighted product yaitu cara penyelesaian model yang menggunakan perkalian untuk menghubungkan rating atribut, dimana ada pemangkatan bobot dari suatu rating setiap atribut hingga didapat nilai terbesar untuk perankingan alternatif terbaik. Adapun bahan penelitian lainnya yang digunakan yaitu: paper, e-journal dan dokumentasi lainnya yang didapat dari internet.

Teknik Pengumpulan Data a. Observasi Pengamatan dilakukan langsung di

SMAN 1 Cicurug Sukabumi terhadap kegiatan yang berhubungan dengan penerimaan beasiswa. Hasil pengamatan tersebut langsung dicatat untuk dapat diketahui kesalahan ataupun proses dari kegiatan tersebut. W

b. Wawancara Pengumpulan data dengan wawancara ini digunakan untuk meyakinkan bahwa data yang diperoleh benar-benar akurat, dan diambil dari pihak guru BK serta kepala Sekolah.

c. Studi Pustaka Dilakukan dengan cara mengumpulkan literatur dari jurnal, e-journal, paper dan bacaan-bacaan yang behubungan dengan penelitian.

HASIL DAN PEMBAHASAN

Analisis Data Calon Penerima Beasiswa

Dalam seleksi penerimaan beasiswa ini ada beberapa kriteria yang membantu SMAN 1 Cicurug Sukabumi dalam memilih calon penerima beasiswa. Kriteria ini menjadi acuan dalam melakukan perhitungan dengan menggunakan model weighted product .

Dari masing-masing kriteria tersebut, ditentukan bobotnya. Bobot ini nantinya digunakan untuk perhitungan model weighted product.

Tabel 1. Tabel Kriteria Penilaian

Kriteria Keterangan C1 Nilai Rata-Rata Raport C2 Nilai Rata-Rata Ijazah C3 Jumlah Tanggungan Orangtua C4 Penghasilan Orangtua C5 Bidang Keahlian Sumber: (Hidayatulloh, Suhada, Nursyifa, & Yusuf, 2018)

Bobot yang digunakan adalah bilangan fuzzy yang dapat dikonversikan ke bilangan crisp (Siregar, 2017). Penentuan bilangan crisp menggunakan teori penalaran dimana bilangan yang mendekati angka 1, tingkat ketergantungan semakin tinggi. Sebaliknya jika bilangan mendekati angka 0, tingkat ketergantungan semakin rendah.

Dari masing-masing kriteria tersebut akan ditentukan bobot-bobotnya. Pada setiap bobot terdiri dari lima bilangan fuzzy, yaitu: Sangat Rendah (SR), Rendah(R), Cukup(C), Tinggi(T) dan Sangat Tinggi(ST).

Sumber: (Eniyati, 2011)

Gambar 2. Bilangan Fuzzy untuk Bobot

Dari masing-masing bobot tersebut, maka dibuat suatu variabel yang akan diubah kedalam bilangan fuzzy dengan rumus yaitu:

Tabel 2. Variabel dan Bobot Nilai

Bilangan Nilai

Fuzzy

Sangat Variabel ke-0 / (5-1) = 0/4 = 0

Rendah

Rendah Variabel ke-1 / (5-1) = 1/4= 0,2

Cukup Variabel ke-2 / (5-1) = 2/4= 0,5

Tinggi Variabel ke-3 / (5-1) = 3/4= 0,7

Sangat Variabel ke-4/ (5-1) = 4/4= 1

Tinggi


Tabel 3. Nilai Kriteria

Kriteria Data Kriteria

Bilangan Fuzzy

Nilai Crisp

Nilai Rata-Rata Raport (C1)

50 – 59 Sangat Rendah 0

60 – 69 Rendah 0.2 70 – 79 Cukup 0.5 80 – 89 Tinggi 0.7 90 – 100 Sangat 1


250


Tinggi

Nilai Rata-Rata Ijazah (C2)

50 – 59 Sangat Rendah 0

60 – 69 Rendah 0.2 70 – 79 Cukup 0.5 80 – 89 Tinggi 0.7

90 – 100 Sangat Tinggi 1

Jumlah Tanggungan Orangtua (C3)

1 Sangat Rendah 0

2 Rendah 0.2

3 Cukup 0.5

4 Tinggi 0.7

>=5 Sangat Tinggi 1

Penghasilan Orangtua (C4)

<=3.000.000 Sangat Rendah 0

<=2.000.000 Rendah 0.2 <=1.500.000 Cukup 0.5 <=1.000.000 Tinggi 0.7

<=750.000 Sangat Tinggi 1

Bidang Keahlian (C5)

Tidak Ada Sangat Rendah 0

Kesenian Rendah 0.2 LKBB Cukup 0.5 Olahraga Tinggi 0.7

Tahfidz Sangat Tinggi 1

Sumber: (Hidayatulloh, Suhada, Nursyifa, & Yusuf, 2018) Perbaikan Bobot

Pengambilan keputusan memberikan bobot referensi dan dilakukan perbaikan bobot kriteria sebagai berikut:

𝑊𝑗 = 𝑊𝑗

∑ 𝑊𝑗 ………………………………………………….. (1)

Rumus 2. Perbaikan Bobot

𝑤1 =0.7

0.7 + 0.7 + .0.5 + .05 + 0.2=

0.7

2.6= 0.27

𝑤2 =0.7

0.7 + 0.7 + .0.5 + .05 + 0.2=

0.7

2.6= 0.27

𝑤3 =0.5

0.7 + 0.7 + .0.5 + .05 + 0.2=

0.5

2.6= 0.19

𝑤4 =0.5

0.7 + 0.7 + .0.5 + .05 + 0.2=

0.5

2.6= 0.19

𝑤5 =0.2

0.7 + 0.7 + .0.5 + .05 + 0.2=

0.2

2.6= 0.08

Perhitungan Vektor S S1 = (0.7 0.27 ) (0.50.27) (0.70.19) (0.50.19) (0.20.08) = 0.54 S2 = (1 0.27 ) (0.70.27) (1 0.19) (0.50.19) (0.20.08) = 0.70 S3 = (0.7 0.27 ) (0.50.27) (0.50.19) (0.70.19) (0.50.08) = 0.58 S4 = (0.7 0.27 ) (0.70.27) (1 0.19) (0.50.19) (0.20.08) = 0.64 S5 = (0.5 0.27 ) (0.70.27) (0.50.19) (0.20.19) (0.20.08) = 0.43 Perhitungan Vektor V

𝑉1 =0.54

0.54 + 0.70 + 0.58 + 0.64 + 0.43= 0.19

𝑉2 =0.7

0.54 + 0.70 + 0.58 + 0.64 + 0.43= 0.24

𝑉3 =0.58

0.54 + 0.70 + 0.58 + 0.64 + 0.43= 0.20

𝑉4 =0.64

0.54 + 0.70 + 0.58 + 0.64 + 0.43= 0.22

𝑉5 =0.52

0.54 + 0.70 + 0.58 + 0.64 + 0.43= 0.15

Dari data diatas, diperoleh informasi bahwa

nilai terbesar ada pada Alternatif ke 2 dengan nilai Ventor V = 0.24. Sehingga dapat dijadikan alternatif terbaik dan dapat direkomendasikan untuk menerima beasiswa. Entity Relationship Diagram (ERD)

SiswaSiswa MilikMilik KriteriaKriteria

HasilHasil

RangkingRangking

11 11

MilikMilik

11

11

11

11

nisnnisnnamanama

jkjk

asalasal

idid

c1c1

c2c2

c3c3

c4c4

c5c5

IdrangkingIdrangking nilainilai

nisnnisn idid

nisnnisn

IdrangkingIdrangking

idid

IdrangkingIdrangking


Gambar 2. Entity Relationship Diagram (ERD)



Implementasi Rancangan Antar Muka 1. Halaman Beranda

Halaman awal pada sistem penunjang keputusan seleksi penerima beasiswa.


Gambar 3. Halaman Beranda 2. Halaman Input Data Siswa

Halaman ini berfungsi untuk menginput data calon penerima beasiswa.


Gambar 4. Halaman Input Data Siswa 3. Halaman Data Siswa

Halaman ini berfungsi untuk menampilkan data siswa calon penerima beasiswa.


Gambar 5. Halaman Data Siswa 4. Halaman Input Nilai Kriteria

Halaman ini berfungsi untuk menginput nilai

dari setiap kriteria yang digunakan.

Sumber: (Hidayatulloh, Suhada, Nursyifa, & Yusuf, 2018) Gambar 6. Halaman Input Nilai Kriteria

KESIMPULAN Terdapat 5 kriteria yang mempengaruhi proses pengambilan keputusan dalam seleksi penerimaan beasiswa di SMAN 1 Cicurug Sukabumi yakni: Nilai rata-rata raport, nilai rata-rata ijazah, jumlah tanggungan orangtua, penghasilan orangtua dan bidang keahlian dengan urutan bobot 0.7, 0.7, 0.5, 0.5, 0.2. Metode Fuzzy Multiple Atribute Decision Making (FMADM) dengan model weighted product dapat diterapkan untuk menentukan pemilihan penerima beasiswa di SMAN 1 Cicurug Sukabumi dengan diambil 5 calon penerima beasiswa yang dijadikan dilanjutkan dengan menentukan kriteria yang akan digunakan. Setelah didapatkan nilai rating kecocokan untuk bobot nilai kriteria, sistem akan melakukan perbaikanbobot. Kemudian sistem akan melakukan penentuan nilai vektor S dan dilanjutkan dengan mentukan vektor V dari setiap alternatif. Setelah didapatkan nilai V pada masing-masing alternatif, sistem melakukan perankingan. Nilai V tertinggi merupakan alternatif terbaik yang dihasilkan. Maka hasil yang diperoleh dari 5 Alternatif yang digunakan adalah A2 yang memiliki nilai tertinggi pada perankingan dengan nilai vektor S=0.70 dan nilai Vektor V= 0.24.

REFERENSI Ahmadi, A., & Wiyanti, D. T. (2014). Implementasi

Weighted Product ( WP ) dalam Penentuan Penerima Bantuan Langsung Masyarakat PNPM Mandiri Perdesaan. Seminar Nasional Aplikasi Teknologi Informasi (SNATI), 19–22.

Eniyati, S. (2011). Perancangan Sistem Pendukung

Pengambilan Keputusan untuk Penerimaan Beasiswa dengan Metode SAW (Simple Additive Weighting). Teknologi Informasi DINAMIK, 16(2), 7. https://doi.org/10.1038/s12276-017-0009-6

Helilintar, Risa; Winarno, Wing Wahyu; Fatta, H. Al.


252


(2016). Penerapan Metode SAW dan Fuzzy Dalam Sistem Pendukung Keputusan Penerimaan Beasiswa in Decision Support System Scholarship. Citec Journal, 3(2), 89–101.

Hidayatulloh, T., Suhada, S., Nursyifa, E., & Yusuf, L.

(2018). Laporan Akhir Penelitian Mandiri - Pengambilan Keputusan Penerima Beasiswa SMA Menggunakan Fuzzy Multiple Atribute Decision Making Model Weighted Product. Jakarta.

Manikam, R. M., & Yanuar, M. Y. (2017). SISTEM

PENGAMBILAN KEPUTUSAN PENERIMAAN BEASISWA DENGAN SIMPLE MULTI ATTRIBUTE RATING TECHNIQUE ( Studi Kasus Pada SMA Yuppentek 1 Tangerang ), IX(1).

Musthafa, Aziz. Suyono, Hadi. Sarosa, M. (2015).

Perbandingan Kinerja Algoritma C . 45 dan AHP-, 9(2), 109–114.

Perdana, Nuri Guntur; Widodo, T. (2013). Sistem

Pendukung Keputusan Pemberian Beasiswa Menggunakan Metode SAW. Universitas Panca Marga Probolinggo, 2013(November), 1–8. https://doi.org/DOI 10.1016/j.janxdis.2006.01.009

Siregar, M. N. H. (2017). IMPLEMENTASI WEIGHT

PRODUCT MODEL ( WPM ) DALAM MENENTUKAN PEMILIHAN SEPEDA MOTOR, 04(01), 59–70.

Widayanti, Tri;Wijaya, T. (2016). Implementasi

Metode TOPSIS dalam Sistem Pendukung Keputusan Seleksi Penerima Beasiswa Bidikmisi Berbasis Web Implementation of TOPSIS Method in Web-based Decision Support System. Citec Journal, 3, 344–355.

Documents

JURNAL - repository.bsi.ac.id · IMPLEMENTASI ALGORITMA APRIORI UNTUK ANALISA PEMILIHAN TIPE GENRE FILM ANIME (STUDI KASUS : ... 1Program Studi Sistem Informasi, Universitas Bina