Dokumen tersebut membahas pendekatan metode Simple Additive Weighting (SAW) untuk menentukan penerima beasiswa di STIKOM Binaniaga Bogor dengan mempertimbangkan beberapa kriteria seperti IPK, semester, ekonomi, dan keaktifan mahasiswa. Metode SAW digunakan untuk menghitung nilai setiap alternatif berdasarkan bobot yang ditetapkan untuk masing-masing kriteria dalam rangka menentukan alternatif terbaik."

1. 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. 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. 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. 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)biayaatributadalahjjika
(benefit)keuntunganatributadalahj
ij
ij
i
ij
i
ij
ij
x
xMin
jika
xMax
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. 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. 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. 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
Alte
rnat
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. 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. 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. 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/m
ateri/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.