scholarly journals Sistem Pendukung Keputusan Untuk Mempermudah Kinerja Dalam Proses Penerimaan Beasiswa Menggunakan Metode SAW (Simple Additive Weighting) Berbasis Web (Studi Kasus: SMAS Empat Lima 1 Babat)

J-INTECH ◽  
2020 ◽  
Vol 8 (01) ◽  
pp. 30-38
Author(s):  
Muhammad Rizki Wicaksono ◽  
Setiabudi Sakaria ◽  
Chaulina Alfianti Oktavia
Keyword(s):  
Microsoft Excel ◽  
Simple Additive Weighting

Banyaknya siswa yang mengajukan beasiswa Prestasi dan BKSM (Bantuan Khusus Siswa Miskin) membuat kinerja pihak sekolah masih belum optimal dikarenakan semua proses penginputan pada penerimaan beasiswa masih manual. Sistem pendukung keputusan berguna untuk memperluas kemampuan pengambil keputusan dalam memproses data atau informasi serta dapat membantu memecahkan masalah, terutama dalam berbagai isu yang sangat kompleks dan tidak terstruktur. Metode SAW (Simple Additive Weighting) dalam sistem pendukung keputusan mampu memproses hasil seleksi beasiswa secara otomatis melalui sistem yang telah dibuat sehingga hasilnya menjadi lebih cepat dan akurat. Penelitian ini dilaksanakan di SMAS Empat Lima 1 Babat. Peneliti mengumpulkan data melalui wawancara, observasi dan studi pustaka. Analisa sistem menggunakan metode analisa sebab akibat berdasarkan data yang telah ditentukan. Hasil penelitian menunjukkan bahwa Sistem Pendukung Keputusan dalam Proses Penerimaan Beasiswa yang menggunakan metode SAW berhasil menentukan urutan (prioritas) siswa yang berhak dan layak untuk menerima beasiswa dengan menggunakan metode SAW. Nilai akhir tertinggi yang diproses oleh Sistem Pendukung Keputusan merupakan siswa yang direkomendasikan dan layak untuk menerima beasiswa, sedangkan siswa dengan nilai akhir terendah merupakan siswa yang tidak direkomendasikan atau tidak layak untuk menerima beasiswa. Selain itu, penggunaan program web penginputan data lebih efektif dan efisien jika dibandingkan dengan menggunakan Microsoft Excel dikarenakan data yang diinput telah diolah oleh sistem.

Sistem Pendukung Keputusan Penentuan Calon Penerima Beasiswa Menggunakan Metode Simple Additive Weighting (SAW) Berbasis Web

2020 ◽  
Vol 6 (1) ◽  
pp. 102-111
Author(s):  
Yuni Rohmatin ◽  
Wiwik Kusrini ◽  
Agustian Noor ◽  
Fathurrahmani Fathurrahmani
Keyword(s):  
Microsoft Excel ◽  
Simple Additive Weighting

Politeknik Negeri Tanah Laut mengelola program beasiswa Bidikmisi dan PPA (Peningkatan Prestasi Akademik) untuk calon mahasiswa maupun mahasiswanya. Penentuan penerima beasiswa selama ini menggunakan microsoft excel dengan memasukkan data pendaftar beasiswa dan melakukan perhitungan berdasarkan kriteria penilaian pada masing-masing beasiswa. Proses penyeleksian tersebut memerlukan waktu serta ketelitian yang relatif lama karena setiap berkas yang dikumpulkan mahasiswa maupun calon mahasiswa akan dibandingkan dengan setiap kriteria beasiswa. Permasalahan tersebut dapat diatasi dengan membangun sistem pendukung keputusan berbasis web untuk memilih calon penerima beasiswa. Pengambilan keputusan penentuan calon penerima beasiswa mengguakan metode Simple Additive Weighting (SAW) dilakukan dengan memberikan nilai bobot pada setiap atribut dan dilanjutkan dengan proses perangkingan untuk menyeleksi alternatif yang ada. Pengembangan sistem dilakukan dengan bahasa pemrograman Hypertext Preprocessor (PHP) dengan framework CodeIgniter. Penelitian ini bertujuan untuk melakukan perangkingan terhadap nilai bobot setiap atribut yang menjadi persyaratan dalam penentuan beasiswa. Tingkat ketepatan antara jawaban yang diperoleh dari sistem dengan informasi yang diminta oleh pengguna dapat diketahui dengan melakukan pengujian perbandingan hasil perhitungan pada sistem dengan hasil perhitungan manual.

scholarly journals SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MAHASISWA PENDIDIKAN SARJANA WARGA MISKIN (DIKSARWAKIN) MENGGUNAKAN ALGORITMA SIMPLE ADDITIVE WEIGTHING (STUDI KASUS : STMIK DCI)

2020 ◽  
Vol 8 (2) ◽  
Author(s):  
Selly Septiasari ◽  
Nanang Durahman ◽  
Iman Hikmat Nugraha
Keyword(s):  
Microsoft Excel ◽  
Simple Additive Weighting

<p>Perkembangan ilmu pengetahuan dan teknologi berkembang cepat dan menghasilkan inovasi baru. Salah satu bidang tersebut adalah sistem pendukung keputusan yang dapat membantu dalam pengambilan keputusan. Hasil keputusan yang diperoleh diharapkan tidak subyektif sehingga tidak ada pihak yang dirugikan.</p><p>STMIK DCI merupakan pergurunan tinggi yang menyelenggarakan Pendidikan Strata 1 dan Diploma 3 dengan memberikan banyak fasilitas diantaranya program beasiswa. Pada tahun 2018 STMIK DCI menyelenggarakan program beasiswa Pendidikan sarjana warga miskin yang diperoleh dari dana aspirasi. Pihak kampus sering kali mengalami kesulitan dalam menentukan keputusan dalam menghitung dan menentukan mahasiswa tersebut, karena penilaian yang dilakukan masih dengan cara manual yaitu pengolahan data-datanya yang masih dicatat dan dihitung dengan Microsoft Excel. Tentunya hal ini mengakibatkan tidak maksimalnya dalam proses penilaian yang sudah terjadi.</p><p>Berdasarkan permasalahan diatas maka dibuat sistem untuk memecahkan masalah yang dialami STMIK DCI dengan menggunakan sistem pendukung keputusan Metode Simple Additive Weighting (SAW). Tujuan dari sistem tersebut diharapkan dapat membantu menghasilkan informasi suatu sistem penilaian keputusan agar tidak mengalami kekeliruan dalam memberi penilaian terhadap mahasiswa tersebut.</p>Kata Kunci : Sistem Pendukung Keputusan; Diksarwakin;  stmikdci;<p> </p>

scholarly journals PENERAPAN METODE SIMPLE ADDITIVE WEIGHTING(SAW) UNTUK PEMILIHAN BEASISWA KURANG MAMPU PADA SEKOLAH DASAR KATOLIK HATI KUDUS SAMARINDA

2020 ◽  
Vol 12 (2) ◽  
pp. 66
Author(s):  
Anton Topadang ◽  
Irwansyah Irwansyah ◽  
Safruddin Safruddin
Keyword(s):  
Microsoft Excel ◽  
Simple Additive Weighting

Salah satu perhatian pemerintah atau pihak swasta adalah memberikan beasiswa kepada siswa dalam berbagai jenis beasiswa. Program beasiswa diadakan untuk meringankan beban siswa dalam menempuh masa belajar siswa. Pemberian beasiswa haruslah dilakukan secara selektif agar tepat sasaran. Setiap jenis beasiswa memiliki kriteria dan bobot penilaian yang berbeda-beda, salah satunya beasiswa yang diberikan untuk siswa yang berasal dari keluarga kurang mampu. Walaupun pihak pemerintah sudah membantu dengan menerbitkan Kartu Indonesia Pintar (KIP) untuk keluarga kurang mampu. Tetapi tidak semua siswa kurang mampu memiliki KIP, apalagi untuk siswa yang bersekolah di sekolah swasta. Dalam menentukan dan menetapkan penerima beasiswa pihak sekolah masih secara manual dengan menggunakan microsoft excel  dalam perhitungan dan tentu memiiki kekurangan dalam  keakuratan hasil sehingga hasilnya tidak tepat sasaran. Oleh karena itu perlu digunakan sebuah metode pengambilan keputusan yang bisa membantu dalam pemilihan siswa penerima beasiswa kurang mampu. Metode yang digunakan dalam penelitian ini adalah Simple Additive Weighting (SAW). Metode Simple Additive Weighting(SAW) adalah salah satu metode yang bisa digunakan sebagai alternatif untuk membantu pengambilan keputusan penerimaan beasiswa. Pada penerapan metode SAW untuk menentukan beasiswa kurangmampu, digunakan empat kriteria yaitu adalah 1) Penghasilan Orang Tua(C1), 2) Tanggungan Orang Tua(C2), 3) Saudara Kandung(C3), dan 4) Pengeluaran Orang Tua(C4). Hasil analisis algoritma SAW diperoleh rangking 1 = Alternatif 9(A9) dengan nilai=0,892, ranking 2 = Alternatif 10(A10) dengan nilai=0,866, dan ranking 3 = Alternatif 5(A5) dengan nilai = 0,826. Berdasarkan ranking tersebut pihak kepala sekolah dapat menjadikan acuan dalam  menetapkan penerima beasiswa kurang mampu pada Sekolah Dasar Katolik Hati Kudus Samarinda. 

scholarly journals SISTEM PENDUKUNG KEPUTUSAN KARYAWAN TELADAN PT. BANK RAKYAT INDONESIA DENGAN METODE SIMPLE ADDITIVE WEIGHTING

2018 ◽  
Vol 1 (1) ◽  
pp. 35-42 ◽  
Author(s):  
Jodhy Prayogo
Keyword(s):  
Microsoft Excel ◽  
Simple Additive Weighting

Dalam pengambilan keputusan karyawan teladan, PT Bank Rakyat Indonesia melakukan dengan beberapa cara yaitu, mengambil penilaian dari absensi per tiga bulan, dan tugas individual yang diberikan oleh supervisor. Data yang diperoleh setelah itu harus diolah kembali menjadi  penilaian untuk menghasilkan keputusan karyawan teladan. Data dikumpulkan untuk dilakukan pengumpulan dari jenis kriteria- kriteria seperti penilaian absensi, penilaian tugas individual dari hasil data-data penilaian gabungan tersebut data akan diolah manual dengan aplikasi pengolah data dari Microsoft Excel. Setelah diolah menjadi data penilaian lalu data tersebut akan di cek kembali, data yang sudah sesuai akan diberikan langsung ke kepala bagian untuk dilakukan pemilihan karyawan teladan pertriwulan. adanya metode Simple Additive Weighting (SAW) ini dapat menentukan dengan banyak kriteria dalam membuat suatu keputusan penilaian karyawan teladan serta waktu yang dibutuhkan dalam pemrosesan data juga akan lebih cepat dan efisien. Tujuan penelitian ini untuk membantu perusahaan dalam proses pemilihan karyawan teladan  Untuk nilai terbesar pada kriteria Absensi adalah alternatif A4 atau karyawan atas nama Nur Hidayatullah, untuk nilai terbesar pada kriteria Produktifitas adalah alternatif A27 karyawan yang terpilih adalah Urfani Meigasari, sedangkan untuk kriteria pada Tugas individual nilai terbesar pada alternatif A26 atau karyawan yang terpilih adalah Denny Septian, untuk nilai terbesar dengan kriteria tanggung jawab pada alternatif A27 karyawan yang terpilih adalah Urfani Meigasari dan untuk nilai terbesar dari kriteria Penilaian Supervisor pada alternatif A27 karyawan yang terpilih adalah Urfani Meigasari.

scholarly journals SISTEM PENDUKUNG KEPUTUSAN PENJURUSAN PADA SISWA SMA

2017 ◽  
Vol 3 (4) ◽  
pp. 48
Author(s):  
Susi Susanti ◽  
Dyah Ayu Irawati ◽  
Ridwan Rismanto
Keyword(s):  
Microsoft Excel ◽  
Simple Additive Weighting

Penjurusan pada siswa SMA dilakukan ketika siswa berada dikelas X. Jurusan yang ada di SMA Negeri 1 Tumpang  antara lain IPA, IPS dan Bahasa. Penjurusan berdasarkan kemampuan dan minat siswa. Penjurusan di  SMA  Negeri  1  Tumpang  memiliki  beberapa  kriteria  yaitu,  nilai  rapor,  nilai  UN,  psikotes,  angket  dan wawancara.  Keakuratan  dalam  perhitungan  kriteria  penjurusan  sangat  penting  agar  proses  penjurusan  sesuai dengan target. Dalam proses penjurusan guru BK mengalami beberapa kendala dalam mengkalkulasikan kriteriakriteria  tersebut  karena  guru  BK  masih  menggunakan  bantuan  Microsoft  Excel  dalam  mengkalkulasi  semua kriteria, sehingga dibutuhkan waktu yang lama dan ketelitian dalam proses perhitungannya. Pada  Penelitian  ini  dibuat  sebuah  Sistem  Pendukung  Keputusan  untuk  membantu  guru  BK  dalam menentukan  penjurusan  dengan  mengimplementasikan  metode  SAW  (Simple  Additive  Weighting)  dalam pengembangannya.  Sistem  ini  menggunakan  metode  SAW  karena  dalam  metode  ini  dapat  menentukan  nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perangkingan yang akan menyeleksi alternative terbaik dari sejumlah alternative. Dengan metode perangkingan tersebut, diharapkan penilaian akan lebih tepat karena didasarkan pada nilai kriteria dan bobot yang sudah ditentukan sehingga akan mendapatkan hasil yang lebih akurat terhadap penilaian penjurusan tersebut. Pengujian yang dilakukan pada penelitian ini membandingkan hasil dari Sistem Pendukung Keputusan dengan  hasil  manual  selama  2  periode  tahun  ajaran.  Berdasarkan  hasil  pengujian  tersebut,  Sistem  Pendukung Keputusan memiliki keakurasian 71.0462% pada tahun 2015 dan 71.6088 % pada tahun 2014.

Current Issues: Advanced Digital Technology for Supervising Graduate Clinicians

2010 ◽  
Vol 20 (1) ◽  
pp. 9-13 ◽  
Author(s):  
Glenn Tellis ◽  
Lori Cimino ◽  
Jennifer Alberti
Keyword(s):  
Real Time ◽  
Digital Technology ◽  
Clinical Training ◽  
State Of The Art ◽  
Clinical Skills ◽  
Slow Motion ◽  
Video Capture ◽  
Microsoft Excel ◽  
Clinical Supervisors ◽  
Training And Supervision

Abstract The purpose of this article is to provide clinical supervisors with information pertaining to state-of-the-art clinic observation technology. We use a novel video-capture technology, the Landro Play Analyzer, to supervise clinical sessions as well as to train students to improve their clinical skills. We can observe four clinical sessions simultaneously from a central observation center. In addition, speech samples can be analyzed in real-time; saved on a CD, DVD, or flash/jump drive; viewed in slow motion; paused; and analyzed with Microsoft Excel. Procedures for applying the technology for clinical training and supervision will be discussed.

Constructing single-subject reversal design graphs using Microsoft Excel™: A comprehensive tutorial.

2002 ◽  
Vol 3 (2) ◽  
pp. 179-187 ◽  
Author(s):  
Daniel J. Moran ◽  
Brian Hirschbine
Keyword(s):  
Single Subject ◽  
Microsoft Excel ◽  
Reversal Design

Prescribing trends of antidiabetic drugs in diabetic and hypertensive diabetic patients in an urban tertiary care hospital of Bangladesh

2017 ◽  
Vol 3 (3) ◽  
pp. 338-343
Author(s):  
Mohammad Didar Khan ◽  
Md. Ibrahim ◽  
Md. Mizanur Rahman Moghal ◽  
Dipti debnath ◽  
Asma Kabir ◽  
...  
Keyword(s):  
Urban Areas ◽  
Tertiary Care ◽  
Diabetic Patients ◽  
Care Hospital ◽  
Age Group ◽  
Microsoft Excel ◽  
Patient Profile ◽  
Prescribing Trends ◽  
Medical University ◽  
Insight Into

Objective: The present epidemiological study was conducted with the objectives of providing an insight into the current use of antidiabetic medications to diabetics and hypertensive diabetics in urban areas and determining how the patient factors influence the prescribing of antidiabetic medications. Methodology: Data of patients of past two years were collected from Bangabandhu Sheikh Mujib Medical University (BSMMU) Hospital, Dhaka, Bangladesh. The details were entered in the structured patient profile form. Data were statistically analyzed using the Microsoft Excel 2007 software. Result: A total of 958 patient’s data were collected and analyzed of which 632 (65.97 %) were males and 326 (34.03 %) were females. These patients were further categorized based on their age. 330 patients (34.45 %) belonged to the age group 20 – 44 years, 504 (52.61 %) to the age group 45 – 65 years and 124 (12.94 %) to the age group 65 – 80 years. 684 (71.4%) patients out of the 958 patients studied were suffering from coexisting hypertension. Co-existing hypertension was found to be more prevalent in the age group 45 – 65 years (67.69%) and was found more in females (84.04%). Conclusion: Metformin was the oral hypoglycemic which was the highest prescribed. In hypertensive diabetics Metformin and Pioglitazone were most frequently prescribed drugs. Biguanides and Insulin were the most commonly prescribed antidiabetics. A combination of two or more drugs of different classes was prescribed to hypertensive diabetics. It is necessary to have an improved understanding of the etiology and pathophysiology of diabetes to focus on research efforts appropriately.

Perancangan Pengkondisian Udara pada Ruangan Steril Rumah Sakit Mitra Medika dengan Standard Cleanroom Menggunakan Instalasi Ducting

2019 ◽  
Vol 2 (2) ◽  
Author(s):  
Fremmy Raymond Agustinus
Keyword(s):  
Air Conditioning ◽  
Static Pressure ◽  
Filter Medium ◽  
Positive Pressure ◽  
Design Tools ◽  
Microsoft Excel ◽  
Cooling Unit ◽  
X 24 ◽  
Air Passage ◽  
Booster Fan

Desain penyejuk udara juga dapat diterapkan di bidang kesehatan, dengan standar Cleanroom dapat diperoleh suhu, kelembaban, kenyamanan dan kebersihan yang dibutuhkan untuk ruang steril (ruang bedah). Perancangan pendingin udara dalam hal ini dilakukan dengan menentukan beban pendinginan yang diperlukan untuk ruang steril (ruang bedah), kemudian menentukan ukuran ducting, jalur ducting, dan jumlah penggunaan ducting. Desain ini menggabungkan unit split saluran yang dimodifikasi, kipas booster, filter pra, filter medium, dan filter HEPA dengan menggunakan saluran aluminium preinsulated sebagai saluran udara. Desain dilakukan dengan menggunakan perangkat lunak AutoCAD 2012, Design Tools Duct Sizer, dan Microsoft Excel. Dari hasil perhitungan dan desain didapatkan kebutuhan kapasitas 3 ruang bedah yaitu ducted ducted 100.000 BTUH sebanyak 3 unit, booster fan 3.3 - 4 Di WG sebanyak 3 unit, pre filter 24 "x 24" x 2 "6 set, filter menengah 610 x 610 x 290 mm 6 set, dan filter HEPA 1220 x 610 x 70 mm 12. Untuk ruang steril, tekanan statis yang dihasilkan oleh unit pendingin harus lebih besar daripada tekanan statis yang dihasilkan dari unit yang ada. di ruang semi steril. Dengan kata lain, ruang steril harus memiliki tekanan positif terhadap ruang semi steril. Hal ini dimaksudkan agar udara di ruang semi steril tidak masuk ke ruang steril ketika pintu antar ruangan dibuka. Desain dan perhitungan ruang bedah, suhu nyata yang diperoleh adalah 23 ° C ± 2 ° C dan kelembaban relatif yang diperoleh adalah 60% ± 2%.   Air conditioning design can also be applied in the health field, with cleanroom standard can be obtained temperature, humidity, comfort and hygiene needed for sterile room (surgical room). The design of air conditioning in this case is done by determining the cooling load required for the sterile room (surgical room), then determining the ducting size, ducting path, and the amount of ducting usage. This design combines modified ducted split unit, booster fan, pre filter, medium filter, and HEPA filter by using preinsulated aluminum duct as an air passage. The design is done by using AutoCAD 2012 software, Design Tools Duct Sizer, and Microsoft Excel. From the calculation and design result obtained the capacity requirement of 3 surgical room that is split ducted 100.000 BTUH as many as 3 units, booster fan 3.3 - 4 In WG as many as 3 units, pre filter 24"x 24" x 2" 6 sets, medium filter 610 x 610 x 290 mm 6 sets, and HEPA filter 1220 x 610 x 70 mm 12 sets. For the sterile room, the static pressure generated by the cooling unit shall be larger than the static pressure generated from the unit present in the semi sterile room. In other words, the sterile room must have positive pressure to the semi sterile room. It is intended that the air in the semi sterile room does not enter into the sterile room when the door between room opened. In this surgical room design and calculation, real temperature obtained is 23 °C ± 2 °C and the relative moisture obtained is 60% ± 2%.

Sign in / Sign up

Export Citation Format

Share Document