SISTEM PAKAR PENYELEKSI PENERIMA BEASISWA

Beasiswa adalah bantuan untuk membantu orang terutama bagi yang masih sekolah agar mereka dapat menyelesaikan tugasnya dalam rangka mencari ilmu pengetahuan hingga selesai. Bantuan ini biasanya berbentuk dana untuk menunjang biaya atau ongkos yang harus dikeluarkan oleh siswa selama menempuh masa pendidikan di tempat belajar yang diinginkan. Agar beasiswa dapat diterima oleh siswa yang tepat, maka dengan  bantuan kemajuan teknologi yang dikembangkan manusia dalam memudahkan di berbagai bidang. Salah satu teknik kecerdasan buatan yang sedang mengalami perkembangan pesat saat ini adalah sistem pakar, yaitusebuah teknik inovatif baru dalam menangkap dan memadukan pengetahuan. Kemampuan sistem pakar ini didalamnya terdapat basis pengetahuan yang berupa pengetahuan nonformal yang sebagian berasal dari pengalaman. Sistem pakar ini sesuai dengan peraturan yang sudah ditentukan oleh pihak sekolah untuk memperoleh beasiswa, maka diperlukan kriteria – kriteria untuk menentukan siapa yang akan terpilih untuk menerima beasiswa. 

Berdasarkan hal tersebut untuk membantu penentuan dalam menetapkan seorang siswa memperoleh beasiswa, maka dibutuhkan sebuah sistem pendukung keputusan dengan metode yang dapat digunakan yaitu Analitical Hierarchy Process (AHP). 

AHP adalah sebuah hierarki fungsional dengan input utamanya persepsi manusia. Dengan hierarki, suatu masalah kompleks dan tidak terstruktur dipecahkan ke dalam kelompok-kelompok tersebut diatur menjadi suatu bentuk hierarki. Model AHP memakai persepsi manusia yang dianggap “pakar” sebagai input utamanya. Kriteria “pakar” disini bukan berarti bahwa orang tersebut haruslah jenius, pintar, bergelar doktor dan sebagainya tetapi lebih mengacu pada orang yang mengerti benar permasalahan yang diajukan, merasakan akibat suatu masalah atau punya kepentingan terhadap masalah tersebut. Metode tersebut dipilih karena metode AHP merupakan suatu bentuk model pendukung keputusan dimana peralatan utamanya adalah sebuah hierarki fungsional.

Terdapat tiga kriteria dan tiga subkriteria (hirarki) masing-masing yang digunakan pada sistem ini, Suatu kriteria akan dibandingkan dengan kriteria lainnya dalam hal seberapa penting terhadap pencapaian tujuan di atasnya (Saaty, 1986). seperti yang dijelaskan pada diagram berikut :

Pada perancangan system dengan metode AHP, terdapat 9 tingkat skala kepentingan untuk menghasilkan bobot relative. Adapun 9 skala tersebut adalah

Pertama buat suatu table yang menyerupai matriks pairwise comparison. Dimana kriteria tersebut menjadi nama kolom dan barisnya, sedangkan isinya adalah perbandingan antara kriteria pada kolom dan baris tersebut. 

Pada kasus ini, matriks pairwise comparison untuk kriteria adalah: 

Setelah itu bagi elemen tiap kolom dengan jumlah kolom elemen tersebut, sehingga matriks menjadi seperti berikut :

Kemudian cari Eigen Vektor Normalisasi dari setiap kategori. Cara untuk mencari eigen vector normalisasi adalah dengan menjumlahkan tiap baris, kemudian bagi dengan jumlah kriteria yang digunakan. (pada kasus ini digunakan 3) 

Terakhir adalah mengecek apakah preferensi pembobotan sudah konsisten. Hal tersebut dikatakan konsisten apabila Consistency Ratio (CR)<0,100. Adapun CR dapat diketahui dengan menggunakan rumus berikut: 

CI merupakan Indeks Konsistensi, sedangkan RI adalah Ratio Konsistensi. Adapun nilai RI tergantung pada banyaknya kriteria (n) yang digunakan sebagaimana yang dapat dilihat pada tabel berikut ini. 

Untuk mencari CI, langkah pertama yang harus dilakukan adalah mencari λmax yang dapat diperoleh dengan menjumlahkan jumlah kolom matriks comparison dengan nilai eigen vector normalisasi. Adapun pada kasus ini λmax didapatkan sebesar 3.0554. 

Kemudian CI dapat dicari dengan rumus CI = (λmaks-n)/n-1 = 0,013 

Setelah CI didapat, maka CR pun bisa diperoleh dengan menggunakan RI = 0,58. 

Karena CI <0.100, berarti preferensi pembobotam konsisten dan dapat diterima. Untuk subkriteria, diasumsikan seluruhnya memiliki nilai yang sama dengan nilai bobot kriteria.

Matriks subkriteria Pendapatan Orang Tua

Matriks subkriteria Jumlah Tanggungan

Matriks subkriteria Peringkat Kelas 

Sebelumnya, sudah ada beberapa Sistem Pakar yang ditemui. Ada yang menggunakan metode AHP, adapula yang menggunakan metode TOPSIS dan metode Fuzzy MADM. Namun semuanya digunakan untuk universitas, sehingga kriteria yang digunakan pun berbeda. 

• Sistem Pendukung Keputusan Untuk Menentukan Penerimaan Beasiswa Bagi Mahasiswa STMIK AMIKOM YOGYAKARTA Oleh Gerdon 
• Sistem Pendukung Keputusan Seleksi Penerima Beasiswa Metode AHP dan TOPSIS (Studi Kauss: FPMIPA USU). 

Referensi :

• Manurung, Pangeran. Sistem Pendukung Keputusan Seleksi Penerima Beasiswa 
• Metode AHP dan TOPSIS (Studi Kauss: FPMIPA USU). 2010. Skripsi. Medan 
• Gerdon. Sistem Pendukung Keputusan Untuk Menentukan Penerimaan Beasiswa Bagi 
• Mahasiswa STMIK AMIKOM YOGYAKARTA. 2011. Sripsi. Yogyakarta
• http://kroseva.wordpress.com/2013/04/23/analytic-hierarchy-process-ahp-dan-perhitungan-contoh-kasus-ahp/

Sistem Pengambilan Keputusan bagian dari Kecerdasan Buatan

Banyak cara untuk mendefinisikan Kecerdasan Buatan, diantaranya adalah :

• Suatu studi yang mengupayakan bagaimana agar komputer berlaku cerdas
• Studi yang membuat komputer dapat menyelesaikan persoalan yang sulit
• Teknologi yang mensimulasikan kecerdasan manusia, yaitu bagaimana mendefinisikan
• dan   mencoba   menyelesaikan   persoalan   menggunakan   komputer   dengan   meniru
• bagaimana manusia menyelesaikan dengan cepat.

Kecerdasan Buatan dapat memungkinkan komputer untuk ‘berpikir’. Dengan cara menyederhanakan program,Kecerdasan Buatan dapat menirukan proses belajar manusia sehingga informasi baru dapat diserap dan digunakan sebagai acuan di masa-masa yang akan datang. Manusia dapat menyerap informasi baru tanpa perlu mengubah atau mempengaruhi informasi lain yang telah tersimpan. Menggunakan program Kecerdasan Buatan membutuhkan cara yang jauh lebih sederhana dibandingkan dengan memakai program standar tanpa Kecerdasan Buatan di dalamnya.

Teknik yang digunakan dalam Kecerdasan Buatan memungkinkan dibuatnya sebuah program yang setiap bagiannya mengandung langkah-langkah independen dan dapat diidentifikasi dengan baik untuk dapat memecahkan sebuah atau sejumlah persoalan. Setiap potong bagian program adalah seperti sepotong informasi dalam pikiran manusia. Jika informasi tadi diabaikan, pikiran kita secara otomatis dapat mengatur cara kerjanya untuk menyesuaikan diri dengan fakta atau informasi yang baru tersebut. Kita tidak perlu selalu mengingat setiap potong informasi yang telah kita pelajari. Hanya yang relevan dengan persoalan yang kita hadapi yang kita gunakan. Demikian pula dalam Kecerdasan Buatan, setiap potong bagian program Kecerdasan Buatan dapat dimodifikasi tanpa mempengaruhi struktur seluruh programnya. Keluwesan ini dapat menghasilkan program yang semakin efisien dan mudah dipahami.

salah satu perkembangan bidang ilmu dalam kecerdasan buatan adalah Sistem Pakar (Expert System). Disini komputer digunakan sebagai sarana untuk menyimpan pengetahuan para pakar. Dengan demikian komputer akan memiliki keahlian untuk menyelesaikan permasalahan dengan meniru keahlian yang dimiliki oleh pakar. atau dapat kita kenal dengan sebutan Sistem Pendukung Keputusan (SPK).

Sistem Pendukung Keputusan (SPK)tau Decision Support System (DSS) adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak terstruktur. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat (Turban, 2001). SPK bertujuan untuk menyediakan informasi, membimbing, memberikan prediksi serta mengarahkan kepada pengguna informasi agar dapat melakukan pengambilan keputusan dengan lebih baik.

SPK merupakan implementasi teori-teori pengambilan keputusan yang telah diperkenalkan oleh ilmu-ilmu seperti operation research dan menegement science, hanya bedanya adalah bahwa jika dahulu untuk mencari penyelesaian masalah yang dihadapi harus dilakukan perhitungan iterasi secara manual (biasanya untuk mencari nilai minimum, maksimum, atau optimum), saat ini computer PC telah menawarkan kemampuannya untuk menyelesaikan persoalan yang sama dalam waktu relatif singkat.