1

PROPOSAL
SISTEM PENDUKUNG KEPUTUSAN UNTUK
PENERIMMAAN BEASISWA BIDIKMISI DENGAN METODE
SIMPLE ADDITIVE WEIGHTING BERBASIS WEB
(Studi Kasus : Mahasiswa Fakultas Teknik UNTAN)

Oleh:
MUHAMMAD FAQIH DZULQARNAIN
NIM: D05111005

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS TANJUNGPURA
2014

BAB I
PENDAHULUAN
1.1. Latar Belakang
Beasiswa adalah pemberian berupa bantuan keuangan yang
diberikan kepada perorangan, mahasiswa atau pelajar yang digunakan
demi keberlangsungan pendidikan yang ditempuh. Beasiswa dapat
diberikan oleh lembaga pemerintah, perusahaan, yayasan atau instansiinstansi yang lain baik negeri maupun swasta.
Beragam jenis program beasiswa telah banyak diselenggarakan
pemerintah seperti halnya Beasiswa Bidikmisi bagi mahasiswa yang
kurang mampu, Beasiswa Prestasi Akademik dan yang lainnya baik dari
sumber pusat maupun sumber universitas tempat mahasiswa berada.
Melalui Direktorat Jenderal Pendidikan Tinggi, Kementerian Pendidikan
dan Kebudayaan mulai tahun 2010 telah meluncurkan Program Bantuan
Biaya Pendidikan bagi 19.675 mahasiswa yang pada pada tahun 2011
sebanyak 30.000 mahasiswa. Program tersebut diperuntukkan bagi
mahasiswa baru yang memiliki potensi akademik yang memadai dan
kurang mampu secara ekonomi untuk menempuh pendidikan di perguruan
tinggi negeri pada program studi unggulan.
Kejadian yang sering terjadi adalah dalam pelaksanaan Program
Bidikmisi yang para penerima Bidikmisi tidak hanya lulusan tidak mampu
saja, namum golongan menengah keatas juga banyak yang menikmati
program pemerintah yang sebaiknya diperuntukan bagi lulusan tidak
mampu. Pada umumnya program Bidikmisi ini ditujukan pada mahasiswa
yang berprestasi tetapi kurang mampu dalam segi ekonominya. Tetapi
pada kenyataanya banyak penerima beasiswa Bidikmisi ini merupakan
golongan mahasiswa menengah ke atas. Keefektifan dan ketepatan
pemberian program beasiswa bidik misi ini harus dikaji ulang.
Sebagai sebuah program yang berkelanjutan tentu harapannya dari
tahun ke tahun makin mendekati kesempurnaan. Demikian pula dengan
prestasi para mahasiswa penerima, ke depan akan semakin baik.

Melihat fenomena tersebut, maka penelitian ini ankan mengangkat

bahasan tentang Efektifitas Penerimaan Beasiswa Mahasiswa Program
Bidikmisi. Alasannya yaitu dengan meneliti bagaimana mengefektifkan
penerimaan beasiswa program bidikmisi bagi mahasiswa dapat membantu
mengambil keputusan secara tepat siapa saja yang pantas menerima
beasiswa tersebut.
1.2. Rumusan Masalah
Berdasarkan latar belakang, permasalahan yang akan diangkat dalam
tulisan ini adalah : bagaimana membuat suatu Sistem Pendukung
Keputusan Untuk Penerimmaan Beasiswa Bidikmisi bagi Mahasiswa
dengan Metode Simple Additive Weighting.
1.3. Tujuan
Tujuan yang akan dicapai dalam tulisan ini adalah membuat Sistem
Pendukung Keputusan Untuk Penerimaan Beasiswa Bidikmisi bagi
Mahasiswa.
1.1. Batasan Masalah
Penelitian ini akan dibatasi hanya dalam ruang lingkup perhitungan
keputusan penerimaan beasiswa bidikmisi bagi mahasiswa fakultas teknik
Untan. Hal yang berkaitan dengan bagaimana memperoleh nilai mahasiswa
dan sebagainya tidak akan dibahas lebih lanjut.

BAB II
TINJAUAN PUSTAKA

2.1. Kajian Terkait

Penelitian dengan metode yang sama pernah dilakukan oleh beberapa
peneliti, baik secara nasional, maupun internasional. Para peneliti
sebelumnya sebagian besar menggunakan metode SAW untuk menentukan
rating atau peringkat tertinggi dari suatu masalah untuk diambil keputusan
terbaik sebagai pemecahan masalah atau sebagai suatu pemilihan terbaik.
Tabel 2.1 Kajian yang terkait
No

Judul

Penulis

Tahun/Vol

Metode
Penelitian

Keterangan

Analysis and

Implementation

Deni

International

Fuzzy Multi-

Widayanti,

Journal of

Attribute Decision

Oka

Computer

Making SAW

Sudana,

Science Issues,

Method for

Arya

Vol. 10, Issue

Selection of High

Sasmita

1, No 2,

Achieving Students

Penelitian ini dirancang

untuk meng-analisis dan
Metode
SAW

meng-implementasikan
Pemilihan

Mahasiswa

berprestasi di tingkat
Fakultas.

January 2013

in Faculty Level
International

Alireza

Journal of

Penelitian diterapkan

Simple Additive

Afshari,

Innovation,

untuk pemilihan

Weighting

Majid

Management

approach to

Mojahed,

and

Metode
SAW

personil berkualitas
demi keberhasilan suatu

Personnel Selection Rosnah

Technology,

problem

Mohd

Vol. 1, No. 5,

pertimbangan kriteria

Yusuff

December

umum yang ditentukan.

Nugroho

2010
Tesis

Sistem Pendukung

Metode

organisasi dari

Hasil penelitian dapat

mendukung keputusan
Keputusan

pada penilaian proses

Penilaian Proses
Belajar Mengajar
Menggunakan

belajar mengajar

(Universitas
Joko Usito

Metode Simple

Diponegoro
Semarang)

seorang dosen
SAW

yang telah ditentukan

2013

Additive Weighting

menggunakan kriteria
dan proses lain yang

(Saw)

terkait dalam penilaian

proses belajar mengajar.
Sistem pendukung
keputusan yang berbasis

Sistem Pendukung

Web ini dapat

Keputusan Untuk

digunakan untuk

Penerimaan

M Faqih

Beasiswa

Dzulqarnain

2014

Metode
SAW

penerimaan beasiswa
bidikmisi (kurang

Bidikmisi bagi

mampu) agar tepat

Mahasiswa

sasaran berdasarkan
area lingkup Fakultas
Teknik Untan.

BAB III
METODOLOGI PENELITIAN DAN PERANCANGAN SISTEM
3.1. Metodologi Penelitian
3.1.1. Bahan Penelitian
Bahan penelitian berupa seluruh mahasiswa Fakultas Teknik Untan. Data
tersebut akan ditampilkan secara tabular berdasarkan database di bagian
akademik fakultas teknik Untan.
3.1.2. Alat yang Digunakan
Alat penelitian yang digunakan dalam penelitian ini adalah:
a. Data Flow Diagram (DFD), untuk menggambarkan aliran data pada
sistem yang terdiri dari dua bagian utama yaitu sistem input data dan
sistem analisis data.
b. Entity Relationship Diagram (ERD), untuk menjelaskan hubungan
antardata dalam basis data berdasarkan obyek-obyek dasar data yang
mempunyai hubungan antarrelasi.
Perangkat lunak yang akan digunakan dalam penelitian ini adalah:
a. Sistem Operasi Windows 7 Ultimate Service Pack 1
b. AppServ 2.5.10
c. MySQL Query Browser 5.0
d. Notepad++ (bahasa PHP dan Java script)
e. Macromedia Flash 8
f.

Adobe Dreamweaver CS6

g. Chrome Web Browser

Perangkat keras yang akan digunakan dalam penelitian ini adalah:
a. Laptop/PC Acer Aspire 4739 dengan spesifikasi prosesor Intel Core i3
Processor M370 CPU (2.40 GHz), RAM 4 GB, HDD 500 GB untuk
pengembangan sistem.
b. Printer Canon Ip 2770

3.1.3. Metode penelitian

3.1.3.1.

Pengertian Metode 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 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. Metode ini merupakan metode yang paling terkenal dan paling
banyak digunakan dalam menghadapi situasi Multiple Attribute Decision
Making (MADM). MADM itu sendiri merupakan suatu metode yang
digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan
kriteria tertentu.
Metode SAW ini mengharuskan pembuat keputusan menentukan
bobot bagi setiap atribut. Skor total untuk alternatif diperoleh dengan
menjumlahkan seluruh hasil perkalian antara rating (yang dapat dibandingkan
lintas atribut) dan bobot tiap atribut. Rating tiap atribut haruslah bebas
dimensi dalam arti telah melewati proses normalisasi matriks sebelumnya.
3.1.3.2.

Langkah-langkah Penyelesaian Masalah dengan Metode SAW

Kusumadewi (2006) berpendapat, Langkah Penyelesaian SAW sebagai

berikut :
1.

Menentukan kriteria-kriteria yang akan dijadikan acuan dalam

pengambilan keputusan, yaitu Ci.

2.

Menentukan rating kecocokan setiap alternatif pada setiap kriteria.

3.

Membuat matriks keputusan berdasarkan kriteria(Ci), kemudian

melakukan

normalisasi

matriks

berdasarkan

persamaan

yang

disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut

biaya) sehingga diperoleh matriks ternormalisasi R.

Dimana :

4.

rij

= rating kinerja ternormalisasi

Maxij

= nilai maksimum dari setiap baris dan kolom

Minij

= nilai minimum dari setiap baris dan kolom

Xij

= baris dan kolom dari matriks

Dan untuk menentukan nilai prefensi dari setiap alternatif adalah

dengan rumus,

Dimana :
Vi = Nilai akhir dari alternatif
wj = Bobot yang telah ditentukan
rij
5.

= Normalisasi matriks

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
(Ai)sebagai solusi.

3.1.4. Variabel atau Data

3.1.4.1.

Data Primer
Data Primer adalah data yang diperoleh secara langsung dari objek
penelitian. Pada penelitian ini, yang menjadi objek penelitian adalah
Mahasiswa Fakultas Teknik Universitas Tanjungpura Pontianak.

3.1.4.2.

Data Sekunder

Data Sekunder adalah data yang tidak diperoleh secara langsung dari
objek penelitian. Data sekunder dalam penelitian ini adalah hasil
studi pustaka dan refrensi mengenai teori-teori atau ilmu
pengetahuan yang mendukung penelitian. Refrensi yang digunakan
dalam penelitian ini adalah dari buku, jurnal, maupun refrensi dari
situs internet.
3.1.5. Analisis
Kebutuhan
sistem
pada

informasi

merupakan

kebutuhan

yang

ada

pada

dan informasi yang dihasilkan oleh sistem. Kebutuhan informasi

sistem

pendukung keputusan

untuk

beasiswa

yang

diusulkan

adalah :
1. Kriteria yang dibutuhkan
Berikut merupakan kriteria yang dibutuhkan untuk pengambialan
keputusan, berdasarkan persyaratan beasiswa secara umum. Adapun
kriteria yang telah ditentukan yaitu Nilai IPK (C1), Penghasilan orang tua
(C2), Transportasi menuju kampus (C3), Jumlah tanggungan orang tua
(C4), dan Usia (C5).
Dari kriteria tersebut, dibuat suatu tingkatan kepentingan kriteria
berdasarkan nilai bobot yang telah ditentukan. Nilai rating tersebut adalah
sebagai berikut.
Sangat Rendah (SR)

=0

Rendah (R)

= 2,5

Cukup (C)

=5

Tinggi (T)

= 7,5

Sangat Tinggi (ST)

= 10

Berdasarkan

dan

pada

kriteria

rating

kecocokan

setiap

alternatif

setiap kriteria yang telah ditentukan, selanjutnya penjabaran

bobot setiap kriteria yang telah dikonversikan dengan bilangan fuzzy.

Bilangan fuzzy sendiri adalah konsep perluasan dari bilangan pada

himpunan tegas. Secara linguistik bilangan fuzzy yaitu besaran yang

dinyatakan dengan bilangan yang tidak tepat.

Kriteria Nilai IPK

Kriteria IPK merupakan persyaratan yang dibutuhkan untuk
pengambilan keputusan, berdasarkan jumlah nilai IPK yang diperoleh
oleh mahasiswa selama studi berlangsung. Berikut interval nilai IPK
yang telah dikonversikan dengan bilangan fuzzy dibawah ini.
Tabel 3.1 Rating Nilai IPK
Nilai IPK

Nilai

IPK < 2,50

2,5

IPK 2,50 3,00

IPK > 3,00 3,50

7,5

IPK > 3,50

10

Kriteria Penghasilan Orang Tua

Kriteria

penghasilan

orangtua

merupakan

persyaratan

yang dibutuhkan untuk pengambilan keputusan, berdasarkan jumlah

penghasilan tetap maupun tidak setiap bulannya. Berikut penjabaran
interval jumlah penghasilan

orangtua

yang

telah

dikonversikan

dengan bilangan fuzzy dibawah ini.

Tabel 3.2 Rating Nilai Penghasilan Orang Tua
Penghasilan orang tua (X)
X 1.000.000
X > 1.000.000 3.000.000
X > 3.000.000 < 5.000.000
X 5.000.000

Nilai
10
7,5
5
2,5

Kriteria Transportasi Menuju Kampus

Kriteria transportasi menuju kampus merupakan persyaratan yang
dibutuhkan untuk pengambilan keputusan, berdasarkan transportasi

10

yang digunakan mahasiswa. Berikut penjabaran interval transportasi

yang telah dikonversikan dengan bilangan fuzzy dibawah ini.

11

Tabel 3.3 Rating Transportasi

Transportasi
Mobil Pribadi
Taksi
Oplet
Motor
Sepeda
Jalan Kaki

Nilai
0
2
4
6
8
10

Kriteria Tanggungan Orang Tua

Kriteria jumlah tanggungan orangtua merupakan persyaratan yang
dibutuhkan untuk pengambilan keputusan, berdasarkan jumlah anak
yang masih menjadi tanggungan orang tua berupa biaya hidup. Berikut
penjabaran jumlah interval anak yang telah dikonversikan dengan
bilangan fuzzy dibawah ini.
Tabel 3.4 Rating Tanggungan Orang Tua

Jumlah tanggungan orang tua

Nilai

1 anak
2 anak
3 anak
4 anak
5 anak

0
2,5
5
7,5
10

Kriteria Usia
Kriteria usia merupakan persyaratan yang dibutuhkan untuk
pengambilan

keputusan,

berdasarkan

usia

mahasiswa.

Berikut

penjabaran interval usia yang telah dikonversikan dengan bilangan

fuzzy dibawah ini.
Tabel 3.5 Kriteria Usia
Usia
Usia = 18 tahun
Usia = 19 tahun
Usia = 20 tahun
Usia = 21 tahun
Usia = 22 tahun

Nilai
0
2,5
5
7,5
10

12

2. Contoh Perhitungan
Diberikan tiga contoh mahasiswa dalam penelitian ini sebagai contoh
perhitungan.
Tabel 3.6 Contoh Data Perhitungan
Nama Pemohon

Kriteria

Mahasiswa 1

Mahasiswa 2

Mahasiswa 3

Nilai IPK

3,50

2,75

3,75

Penghasilan orang tua

750.000

3.500.000

5.500.000

Transportasi

Jalan Kaki

Motor

Oplet

Jumlah tanggungan orang

tua

3 orang

3 orang

5 orang

Usia

21 tahun

22 tahun

19 tahun

Dari data contoh kasus Tabel 3.6, dapat dibuat dalam bentuk matriks
keputusan X yang telah disesuaikan dengan bobot kriteria masing-masing.
Tabel 3.7 Tabel Matriks Keputusan
Alternatif
Pemohon

Kriteria
C1

C2

C3

C4

C5

A1

7,5

10

7.5

A2

10

A3

10

2,5

10

2,5

Kemudian, dilakukan pembobotan nilai. Pembobotan ini adalah

pembobotan untuk satu nilai kriteria. Tujuan pembobotan ini adalah untuk
memprioritaskan kriteria pengambilan keputusan dari semua kriteria yang
ada. Berikut adalah bobot untuk setiap kriteria.
Tabel 3.8 Pembobotan Kriteria
Kriteria
Bobot
C1
0,3
C2
0,3
C3
0,1
C4
0,2
C5
0,1
Total
1
Kemudian dilakukan perhitungan prefensi dengan menormalisasikan
tabel matriks keputusan. Nilai dari tabel tersebut dibagi dalam 2 kategori,
yaitu kategori benefit pada kriteria C1, C2 dan C5. Kriteria benefit adalah

13

kriteria yang membuahkan keuntungan bagi para pemohon dan untuk

kriteria cost adalah untuk C3, dan C4 dimana kriteria ini adalah kriteria
yang membuat pemohon harus mengeluarkan biaya untuk bertahan.
Kemudian lakukan normalisasi matriks
-

Kriteria benefit (nilai max)

R11 = 7.5/(7.5,5,10)

= 7.5/10

= 0,75

R21 = 5/(7.5,5,10)

= 5/10

= 0,5

R31 = 10/(7.5,5,10)

= 10/10

=1

R12 = 10/(10,5,2.5)

= 10/10

=1

R22 = 5/(10,5,2.5)

= 5/10

= 0,5

R32 = 2.5/(10,5,2.5)

= 2.5/10

= 0,25

R15 = 7.5/(7.5,10,2.5)

= 7.5/10

= 0,75

R25 = 10/(7.5,10,2.5)

= 10/10

=1

R35 = 2.5/(7.5,10,2.5)

= 2.5/10

= 0,25

Kriteria cost (Nilai min)

R13 = (8,4,2)/8

= 2/8

= 0,25

R23 = (8,4,2)/4

= 2/4

= 0,5

R33 = (8,4,2)/2

= 2/2

=1

R14 = (5,5,10)/5

= 5/5

=1

R24 = (5,5,10)/5

= 5/5

=1

R34 = (5,5,10)/10

= 5/10

= 0,5

Setelah melakukan normalisasi, maka akan terbentuk matriks baru

hasil normalisasi sebagai berikut.
X =

0,75
1
0,25 1 0,75
0,5 0,5 0,5 1
1
1
0,25
1 0,5 0,25

14

Kemudian terakhir, akan dilakukan perangkingan untuk setiap pemohon

berdasarkan seluruh kriteria yang sudah dinormalisasikan nilai bobotnya.
Hasil dari perangkingan tersebut menggunakan rumus

Adalah sebagai berikut.

A1 = (0,75*0,3) + (1*0,3) + (0,25*0,1) + (1*0,2) + (0,75*0,1) = 0,825
A2 = (0,5*0,3) + (0,5*0,3) + (0,5*0,1) + (1*0,2) + (1*0,1)

= 0,65

A3 = (1*0,3) + (0,25*0,3) + (1*0,1) + (0,5*0,2) + (0,25*0,1) = 0,6

Hasil dari perangkingan diperoleh
A1 = 0,825
A2 = 0,65
A3 = 0,6
Sehingga dari perhitungan tersebut, dapat dibuktikan bahwa pemohon
A1 (Mahasiswa 1) berhak mendapatkan beasiswa bidikmisi dari pihak
akademik Fakultas. Perhitungan di atas dapat pula dirangkingkan untuk
banyak pemohon. Program hanya tinggal mengurutkan dan membatasi
sampai mana perangkingan akan berhenti maka itulah jumlah mahasiswa
yang berhak menerima beasiswa.

15

3.1.6. Diagram Alir Penelitian

Langkah-langkah dalam penelitian ini dapat digambarkan dalam diagram
berikut dan dijelaskan sebagai berikut.

Gambar 3.1 Diagram Alir Penelitian

Pada kegiatan awal, akan dilakukan analisis dan mendesain sistem
terlebih dahulu kemudian dilakukan perancangan aplikasi. Aplikasi kemudian
di analisis apakah sesuai dengan kebutuhan atau tidak, bila tidak, maka
dilakukan kembali pengecekkan kebutuhan pada tahap analisis dan desain.
Jika aplikasi telah mencapai kebutuhan, maka akan dilakukan pengujian
aplikasi dan dianalisis hasil pengujiannya. Saat semua sudah valid, aplikasi
siap untuk digunakan.

16

3.2. Perancangan Sistem

3.2.1. Perancangan Diagram Alir Sistem

Gambar 3.2 Diagram Alir Sistem

Berikut penjelasan mengenai diagram alir yang telah dibuat.
1. Proses manipulasi data adalah proses awal yang memungkinkan pengguna
untuk masuk ke mode manipulasi data mahasiswa.
2. Dalam mode data mahasiswa, pengguna dapat menambah, menghapus
dan merubah data mahasiswa untuk diikutsertakan dalam program

17

beasiswa. Untuk menambahkan data mahasiswa, pengguna dapat

memasukan informasi, nama mahasiswa, nim, alamat rumah asal, Indeks
Prestasi Kumulatif, penghasilan orang tua, tranpostasi yang digunakan
untuk ke kampus, tanggungan orang tua dan usia mahasiswa.
3. Data akan dicek dengan kriteria yang ada, apakah memenuhi persyaratan
atau tidak, bila tidak memenuhi maka, sistem akan langsung menghapus
data yang tidak memenuhi persyaratan tersebut untuk kemudian akan
kembali ke proses memasukan data baru kembali.
4. Aplikasi melakukan perhitungan untuk data yang telah dimasukan dan
memenuhi persyaratan. Perhitungan ini mengacu pada nilai dari kriteria
kriteria yang telah dimasukan saat melakukan peng-input-an data. Bobot
nilai dari tiap kriteria juga sudah ditentukan dan tersimpan dalam koding
program sehingga data yang dimasukan akan dikalkulasi secara otomatis.
5. Hasil dari perhitungan data akan masuk dalam database untuk kemudian
sistem melakukan perangkingkan sesuai batas dari penerimaan beasiswa
yang sudah ditentukan pihak akademik.
3.2.2. Perancangan Diagram Arus
3.2.2.1.

Diagram Konteks Sistem

Diagram konteks adalah diagram yang memberikan gambaran umum

terhadap kegiatan yang berlangsung dalam sistem. Gambar 3.3 berikut ini
menunjukkan diagram konteks dari sistem.

Gambar 3.3 Diagram Konteks Sistem

18

3.2.2.2.

Diagram Overview Sistem

Diagram overview adalah diagram yang menjelaskan urutanurutan proses dari diagram konteks. Pada diagram ini proses dibagi
menjadi tujuh proses yaitu:
1. Proses 1.0 Input Data Mahasiswa adalah proses memasukan data calon
penerima beasiswa.
2. Proses 2.0 Manajemen Data adalah proses pengelolaan data calon
penerima beasiswa.
3. Proses 3.0 Analisis Data adalah proses yang membuat sistem
melakukan perhitungan data mahasiswa sesuai kriteria dari beasiswa
untuk mendapatkan jumlah dan siapa saja penerima beasiswa.
4. Proses 4.0 Pelaporan adalah proses pelaporan hasil perhitungan sistem
yang ditujukan pula kepada Pembantu Dekan 3 Fak. Teknik Untan
dalam hal ini sebagai pengambil keputusan untuk penerima beasiswa.

Gambar 3.4 Diagram Overview System

19

3.2.3. Perancangan Basis Data

3.2.3.1.

Perancangan ERD

Entity Relational Diagram (ERD) merupakan gambaran hubungan

antar entitas yang dipergunakan dalam sistem. Perancangan ERD meliputi
tahap penentuan entitas, penentuan relasi antar-entitas, tingkat relasi yang
terjadi, dan konektivitas antar-entitas. Entitas-entitas yang ada pada sistem
ini ada tiga sebagai berikut:
1. Mahasiswa, yaitu penerima beasiswa yang dalam hal ini adalah
ruang lingkup mahasiswa Fakultas Teknik Untan.
2. IPK, yaitu Indeks Prestasi Kumulatif mahasiswa sebagai faktor
penting yang menyatakan mahasiswa tersebut terbaik.
3. Orang tua, yaitu faktor kedua terpenting setelah IPK bagi para
calon penerima beasiswa bidikmisi untuk mengetahui kelayakan
penerimaan bahwa ia berasal dari yang kurang mampu.
Relasi yang terjadi antara entitas-entitas yang ada adalah sebagai
berikut :
a. Mahasiswa (1) memiliki IPK (1)
b. Mahasiswa (1) memiliki orang tua (1)
c. Orang tua (1) memiliki (M) Mahasiswa

Gambar 3.6 Diagram ER Sistem

20

3.2.3.2.

Spesifikasi Data Tabular

Tabel yang digunakan ada lima tabel yang dibuat menggunakan

database MySQL, antara lain tabel tb_mhs, tb_ipk, tb_transportasi,
tb_orangtua, tb_beasiswa.
1. Spesifikasi tabel tb_mhs
Nama file

: tb_mhs

Keterangan

: tabel basis data Mahasiswa

Tabel 3.9 Spesifikasi tb_mhs

Nama Field
NIM
Nama
Jurusan
Usia

Tipe
varchar(15)
varchar(80)
varchar(50)
Int(10)

Keterangan
Kunci Primer

Fungsi
Menyimpan NIM Mahasiswa
Menyimpan Nama Mahasiswa
Menyimpan Jurusan Mahasiswa
Menyimpan Usia Mahasiswa

2. Spesifikasi tabel tb_ipk

Nama file

: tb_ipk

Keterangan

: tabel basis data nilai IPK

Tabel 3.10 Spesifikasi tb_ipk

Nama Field
NIM
Nama
Jurusan
IPK

Tipe
varchar(15)
varchar(80)
varchar(50)
Double(10)

Keterangan
Kunci Primer

Fungsi
Menyimpan NIM Mahasiswa
Menyimpan Nama Mahasiswa
Menyimpan Jurusan Mahasiswa
Menyimpan Nilai IPK

3. Spesifikasi tabel tb_transportasi

Nama file

: tb_transportasi

Keterangan

basis

data

transportasi

yang

digunakan

mahasiswa
Tabel 3.11 Spesifikasi tb_transportasi
Nama Field
Id_transportas
i
NIM

Tipe
varchar(15)

Keterangan
Kunci Primer

varchar(15)

Transportasi

varchar(50)

4. Spesifikasi tabel tb_orangtua

Fungsi
Menyimpan id transportasi
Menyimpan NIM Mahasiswa
Menyimpan Kendaraan
Mahasiswa

21

Nama file

: tb_orangtua

Keterangan

: basis data orang tua mahasiswa

Tabel 3.12 Spesifikasi tb_orangtua

Nama Field
NIM
Nama

Tipe
varchar(15)
varchar(80)

Nama_ortu

varchar(80)

Penghasilan

Int(15)

Tanggungan

Int(10)

Keterangan
Kunci Primer

Fungsi
Menyimpan NIM Mahasiswa
Menyimpan Nama Mahasiswa
Menyimpan Nama orang tua
Mahasiswa
Menyimpan penghasilan orang tua
Menyimpan jumlah tanggungan
orang tua mahasiswa

5. Spesifikasi tabel tb_beasiswa

Nama file

: tb_beasiswa

Keterangan

: basis data para penerima beasiswa sesuai

rangking
Tabel 3.13 Spesifikasi tb_beasiswa
Nama Field

Tipe

Id_beasiswa

varchar(15)

NIM
Nama
Jurusan
IPK

varchar(15)
varchar(80)
varchar(50)
Double(10)

Status

varchar(10)

3.2.3.3.

Keterangan
Kunci Primer

Fungsi
Menyimpan id penerimaan
beasiswa
Menyimpan NIM Mahasiswa
Menyimpan Nama Mahasiswa
Menyimpan Jurusan Mahasiswa
Menyimpan Nilai IPK
Menyimpan Status diterima
atau tidak beasiswanya

Hubungan Antar Tabel

Hubungan antar tabel-tabel dalam sistem pendukung keputusan

penerimaan beasiswa bidikmisi di lingkungan Fakultas Teknik dapat
digambarkan seperti Gambar 3.6 berikut.

22

Gambar 3.7 Relasi Antar Tabel

3.2.4. Perancangan Antar Muka
Sistem pendukung keputusan penerimaan beasiswa bidikmisi ini
merupakan aplikasi berbasis Website yang dibangun dengan menggunakan
Notepad++ (berbahasa PHP dan java script), Macromedia Flash 8, Adobe
Dreamweaver CS6. Antarmuka sistem dirancang dalam bentuk form-form
yang memiliki fungsi tertentu sesuai proses yang ada. Form tersebut diakses
melalui menu-menu utama yang telah ada.
1. Halaman Utama
Halaman ini adalah halaman awal / sambutan dalam aplikasi dimana
terdapat sekilas sambutan dan keterangan tentang beasiswa.

23

Gambar 3.8 Rancangan Halaman Utama

2. Halaman Pendaftaran
Halaman ini adalah halaman untuk mahasiswa melakukan pendaftaran
sebagai calon penerima beasiswa. Pada form di halaman ini sudah
dilakukan juga proses manajemen data. Sistem akan menyeleksi langsung
mahasiswa bersangkutan harus pada saat semester 2 minimal. IPK
minimal 3.00, Usia minimal 18 dan maksimal 23 tahun.

Gambar 3.9 Rancangan Halaman Form Pendaftaran

3. Data Mahasiswa
Pada halaman ini akan ditampilkan para mahasiswa yang telah
melakukan pendaftaran. Pada halaman ini hanya admin yang dapat
melakukan edit dan menghapus data mahasiswa yang sudah mendaftar.
Pada saat meng-klik kata edit atau hapus, akan muncul form login untuk
Admin bag akademik.

24

Gambar 3.10 Rancangan Halaman Data Mahasiswa

4. Halaman hasil yang diterima

Pada halaman ini berisidaftar yang dinyatakan diterima beasiswa
bidikmisi

oleh

sistem

dan

kemudian

terdapat

perintah

untuk

menyerahkan berkas bukti ke pihak akademik untuk akademik

mengeluarkan laporan hasil di halaman hasil.

Gambar 3.11 Rancangan Halaman Hasil Penerima

5. Halaman Laporan
Halaman ini berisi login untuk Admin pihak akademik fakultas teknik
untan untuk mengirimkan dan mencetak hasil data para penerima
beasiswa dan sekaligus ditembuskan kepada Pembantu Dekan III

25

Fakultas Teknik Untan untuk mengeluarkan surat keputusan penerimaan

beasiswa.

Gambar 3.12 Rancangan Halaman Laporan dengan Login admin

6. Cetak Laporan
Merupakan hasil cetak laporan dari halaman laporan yang akan dikirim
ke Pudek 3 Fak. Teknik Untan

Gambar 3.13 Rancangan Cetak Laporan

26

DAFTAR PUSTAKA
Afshari, Alireza, dkk. 2010. Simple Additive Weighting approach to Personnel
Selection problem. International Journal of Innovation, Management and
Technology. Vol. 1, No. 5. Hal. 511-515.
Andinata. 2014. Contoh Kasus dan Penerapan Metode SAW. (Online)
http://dikutandi. wordpress.com/2014/02/10/contoh-kasus-dan-penerapanmetode-saw-simple-additive-weighting/, dikunjungi pada 6 Mei 2014.
Fishburn,P.C. 1967. Additive Utilities with Incomplete Product Set: Application to
Priorities and Assignments.
Kusumadewi, dkk. 2006. Fuzzy Multi-Attribute Decision Making. Graha Ilmu,
Yogyakarta.
MacCrimmon,K.R. 1968. Decision Making among Multiple Atribut Alternatives:
a Survey and Consolidated Approach.
Usito, Nugroho Joko. 2013. Sistem Pendukung Keputusan Penilaian Proses
Belajar Mengajar Menggunakan Metode Simple Additive Weighting (Saw).
Tesis Sistem Informasi. Universitas Diponegoro Semarang. Hal. 19-25
Utomo, tri. 2012. Operasi aritmatika dasar pada bilangan fuzzy dan sifat-sifatnya.
(Online) http://lib.uin-malang.ac.id/?mod=th_detail&id=07610039,
dikunjungi pada 6 Mei 2014.
Wegi. 2013. Metode Simpe Additive Weighting. (Online)
http://belajarbersamawegi. blogspot.com/2013/06/metode-simple-additiveweighting-saw.html, dikunjungi pada 6 Mei 2014.
Widayanti, Deni, dkk. 2013. Analysis and Implementation Fuzzy Multi-Attribute
Decision Making SAW Method for Selection of High Achieving Students in
Faculty Level. International Journal of Computer Science Issues. Vol. 10,
Issue 1, No 2: 674-680.