SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BANTUAN MASYARAKAT MISKIN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

Prosiding SENATEK 2015 Fakultas Teknik, Universitas Muhammadiyah Purwokerto Purwokerto, 28 November 2015, ISBN 978-602-14355-0 -2

SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BANTUAN MASYARAKAT MISKIN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Desriyantiˡ, Munirah Muslim² ˡProdi Teknik Elektro, Fakultas Teknik, Universitas Muhammadiyah Ponorogo ²Prodi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Ponorogo Jl. Budi Utomo No. 10 Ponorogo 1 Email: [email protected] ABSTRAK Pengambilan keputusan adalah proses pemilihan, diantara berbagai alternatif yang bertujuan untuk memenuhi satu atau beberapa sasaran. Pemberian bantuan merupakan salah satu program dari pemerintah dalam membantu masyarakat miskin. Untuk membantu menentukan seseorang layak menerima bantuan perlu adanya system pendukung keputusan sebagai pertimbangan penentuan. Penelitian ini bertujuan merancang konsep system pendukung keputusan yang menghasilkan sistem yang berbasis komputer yang dapat membantu tim seleksi dalam menentuan siapa yang layak sebagai penerima bantuan terutama di lokasi penelitian yaitu Desa Cekok Kecamatan Babadan Ponorogo. Sistem pendukung keputusan ini menggunakan model Multi Attribute Decision Making (MADM) dengan metode SAW (Simple Addictive Weight). Metode ini dipilih karena mampu menyeleksi alternative terbaik dari sejumlah alternatif, yang berhak menerima bantuan berdasarkan kriteria-kriteria yang telah dengan mencari nilai bobot untuk setiap atribut, kemudian dilakukan proses perankingan yang akan menentukan alternatif yang optimal. Luaran yang diharapkan sebuah Prototipe aplikasi system dalam proses seleksi pengambil keputusan. Pada penelitian hasil perangkingan yang telah diolah merupakan pertimbangan bagi pimpinan untuk memutuskan hasil akhir. Sedangkan kontribusi yang diharapkan yaitu memudahkan bagian administrasi dalam menyeleksi data masuk yang memenuhi kriteria untuk dapat dijadikan pertimbangan sebelum menentukan keputusan. Penggunaan system ini juga bermanfaat bagian administrasi untuk memudahkan system seleksi dimana untuk hasilnya dapat langsung terurut. Kata Kunci : Bantuan , Miskin, SPK(SistemPendukungKeputusan), SAW (Simple Addictive Weight) PENDAHULUAN Kemiskinan merupakan salah satu persoalan bagi pemerintah Negara manapun baik di desa maupun dikota. Penyebab kemiskinan sendiri sangat bervariasi antara lain, disebabkan oleh karena faktor lingkungan, sosiokultural, ekonomi, politik, kebijakan publik dan sebagainya. Aspek yang mendukung dalam menanggulangi kemiskinan diantaranya pemerintah mempunyai data masyarakat sehingga dalam memberikan bantuan akan akurat serta tepat sasaran. Salah satu bentuk peningkatan kesejahteraan penduduk miskin yang dilakukan oleh pemerintah yaitu mengadakan berbagai macam program pengentasan kemiskinan yang diantaranya adalah program RASKIN yaitu penyaluran beras bersubsidi kepada Rumah Tangga Miskin (RTM) yang memenuhi parameter-parameter yang telah ditentukan.Masalah lain dalam pemberian bantuan adalah bantuan yang diberikan selama ini belum tepat sasaran sehingga banyak masyarakat yang seharusnya tersentuh oleh bantuan tersebut tidak mendapatkan apa yang menjadi haknya yakni memerima bantuan

264


pemerintah sehingga dapat meringankan sedikit beban masyarakat miskin.Sistem pendukung keputusan diharapkan menjadi jawaban yang tepat untuk penyelesain masalah tersebut. Penelitian ini ada beberapa konsep-konsep rujukan yang digunakan yang relevan dengan judul penelitian, yaitu Rancang Bangun Sistem Pendukung Keputusan Pemberian Bantuan Masyarakat Miskin Menggunakan Model Multi-Attribute Decision Making (MADM) Metode Simple Additive Weighting (SAW), antara lain: Tabel 1. Penelitian lain tentang spk bantuan masyarakat miskin No

Peneliti/Tahun

Judul Penelitian

Metode Analisis

Hasil/Kesimpulan

1

Ayu Winda Istara, Andharini Dwi Cahyani, Fika Hastarita Rachman tahun (2013)

Sistem Pendukung Keputusan Penentuan Pemberian Bantuan Raskin Menggunakan Metode Smarter

Metode yang dipakai dalam penelitian ini adalah SMARTER (Simple Multi Attribute Rating Technique Exploiting Ranks). Metode SMARTER merupakan bagian dari metode Multiple Criteria Decision Making (MCDM)

Pada penelitian ini, sistem pendukung keputusan menggunakan metode SMARTER mampu menganalisa kriteria yang nantinya dapat menentukan penduduk mana yang layak menerima bantuan RASKIN. Sistem ini memiliki tingkat akurasi 80,5% jika dibandingkan dengan data rill pada tahun 2012.

2

Afiat Triyuniarta, Sri Winiarti, Ardi Pujiyanta (2009)

Aplikasi Logika Fuzzy Untuk Pendukung Keputusan Penentuan Keluarga Miskin Di Kota Yogyakarta

metode logika fuzzy yang dipakai adalah basis data fuzzy model Tahani. Sistem dibangun dengan menggunakan Microsoft Visual Basic 6.0 serta database dengan Microsoft Access 2003y.

Hasil penelitian ini berupa perangkat lunak aplikasi logika fuzzy untuk pendukung keputusan penentuan

Rancang Bangun Perangkat Lunak Pendukung Keputusan seleksi Penerima Bantuan Beras Miskin (Studi Kasus Desa Kalibening Kota Salatiga)

Metode penelitian yang dilakukan adalah dengan studi literatur, observasi, wawancara, analisis sistem, perancangan dan pengujian sistem Aplikasi ini dirancang dan dibuat menggunakan bahasa pemrograman Java dengan database MySQL.

Penelitian ini bertujuan membangun sebuah perangkat lunak pendukung keputusan yang mempunyai kemampuan analisis seleksi penerima beras bagi keluarga miskin dengan kriteria yang sudah ditentukan untuk menghasilkanoutput nilai intensitas prioritas setiap keluargadan Hasil penilaian kelayakan penerima beras dilakukan dengan menggunakan metode langsung (direct), yaitu metode yang digunakan untuk memasukkan data kuantitatif

3

Yusuf S. Nugroho,Fatah Yasin Al Irsyadi (2012)

265

keluarga miskin di Kota Yogyakarta yang telah melalui pengujian black box dan alpha test yang hasilnya dapat disimpulkan bahwa aplikasi ini dinyatakan baik.


Menurut Suryadi (2002) Sistem pendukung keputusan adalah suatu pendekatan sistematis pada hakekat suatu masalah, pengumpulan fakta-fakta penentu yang matang dari alternatif yang dihadapi dan pengambilan tindakan yang paling tepat. Menurut Daihani (2001) Sistem pendukung keputusan adalah suatu sistem berbasis komputer yang menghasilkan berbagai alternatif keputusan untuk membantu manajemen dalam menangani berbagai permasalahan yang terstruktur ataupun tidak terstruktur dengan menggunakan data dan model Multiple Attribute Decision Making (MADM), menyangkut masalah pemilihan, di mana analisa matematis tidak terlalu banyak dibutuhkan atau dapat digunakan untuk pemilihan hanya terhadap sejumlah kecil alternatif saja. Metode Simple Additive Weighting Method (SAW) merupakan bagian dari teknik MADM. Pada dasarnya, proses MADM dilakukan melalui tiga tahap, yaitu penyusunan komponen-komponen situasi, analisis, dan sintesis informasi. Pada tahap penyusunan komponen situasi, akan dibentuk table yang berisi identifikasi alternatif dan spesifikasi tujuan, kriteria dan atribut. Tahap analisis dilakukan melalui dua langkah.Pertama, mendatangkan taksiran dari besaran yang potensial, kemungkinan, dan ketidakpastian yang berhubungan dengan dampak-dampak yang mungkin pada setiap alternatif.Kedua, meliputi pemilihan dari preferensi pengambil keputusan untuk setiap nilai, dan ketidakpedulian terhadap resiko yang timbul. Demikian pula, ada beberapa cara untuk menentukan referesi pengambil keputusan pada setiap konsekuen yang dapat dilakukan pada langkah kedua. Metode yang paling sederhana adalah untuk menurunkan bobot atribut dan kriteria adalah dengan fungsi utilitas atau penjumlahan terbobot. | = Secara umum, Model MADM dapat didefinisikan sebagai berikut: Misalkan A= | = 1, … . , | adalah himpunan tujuan 1, … . , | ,adalah himpunan alternatif-alternatif keputusan dan C = yang diharapkan, maka akan ditentukan alternatif xo yang memiliki derajat harapan tertinggi terhadap tujuantujuan yang relevan cj (Kusumadewi, 2006). Sebagian besar pendeketan MADM dilakukan melalui 2 langkah, yaitu : pertama, melakukan agregasi terhadap keputusan-keputusan yang tanggap terhadapt semua tujuan pada setiap alternatif; kedua melakukan perangkingan alternatif-alternatif keputusan tersebut berdasarkan hasil agregasi keputusan. Dengan demikian, bisa dikatakan bahwa, masalah Model Multi-Atribut DecisionMaking (MADM) adalah mengevaluasi alternative Ai = 1,2, … . , ) terhadap sekumpulan atribut atau kriteria Cj = 1,1, … . , dimana setiap atribut saling tidak bergantung satu dengan yang lainnya. Matriks keputusan setiap alternatif terhadap setiap atribut, X, diberikan sebagai solusi (Kusumadewi , 2006). 11 21 ⋮ 1

12 22 ⋮ 2

… …

…

⋮

1 2 ⋮

(1)

Dimana xij merupakan rating kinerja alternatif ke-i terhadap atribut ke-j. Nilai bobot yang menunjukkan tingkat kepentingan relatif setiap atribut, diberikan sebagai, W:W=

1, 2, … ,

(2)

Rating kinerja (X), dan nilai bobot (W) merupakan nilai utama yang merepresentasikan referensi absolute dari pengambil keputusan. Masalah MADM diakhiri dengan proses perangkingan untuk mendapatkan alternatif terbaik yang diperoleh berdasarkan nilai keseluruhan referensi yang diberikan (Kusumadewi, 2006).

1.3 Simple Additive Weighting (SAW) Metode Simple Additive Weighting (SAW) sering juga dikenal denga istilah metode penjumlahan terbobot. Adapun konsep dasar dari metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative pada semua atribut. Adapun metode ini membutuhkan proses normalisasi matriks keputusan (X) ke suatus kala yang dapat diperbandingkan dengan semua rating alternatif yang ada (Kusumadewi, 2006).

266


ℎ

=

ℎ

(

(

)

)

(3)

Dimana adalah rating kinerja ternormalisasi dari alternatif j=1,2,...n. Nilaireferensiuntuksetiapalternatif diberikan sebagai =∑ Nilai

pada atribut

; i=1,2,...m, dan

(4)

yang lebih besar mengindikasikan bahwa alternatif

lebih terpilih.

Adapun langkah dalam penyelesian MADM dengan metode SAW adalah: 1. Menentukan kriteria yang dijadikan acuan pengambilan keputusan. 2. Menentukan rating kecocokan setiap alternative pada setiap kriteria. 3. Membuat matriks keputusan berdasarkan kriteria, kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut sehingga diperoleh matriks ternormalisasi R. 4. Hasil akhir diperoleh dari proses perangkingan yaitu penjumlahan dari perkalian matrik ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternative terbaik sebagai solusi

METODE PENELITIAN Lokasi penelitian ini di Desa Cekok Kecamatan Babadan Kabupaten Ponorogo. Desa Cekok terbagi atas 3 dusun yaitu Dusun Krajan, Dusun Sidomulyo, Dusun Jambean. Desa Cekok memiliki 24 RT yang setiap RT terdiri dari kurang lebih 50 kepala keluarga. Adapun untuk kemiskinan Kabupaten Ponorogo Tahun 2009-2013 seperti pada tabel 2 Tabel 2 Data Kemiskinan Kabupaten Ponorogo

Desain penelitian ini menggunakan metode Waterfall seperti pada gambar di bawah ini :

267


Gambar 1. Model waterfall

Tahap Analisis Kebutuhan Dalam analisis kebutuhan terbagi menjadi beberapa langkah-langkah yang dilakukan dalam analisis kebututuhan sistem ini sebagai berikut: Analisis Masalah a. Studi Pustaka Tahap ini dilakukan dengan cara pengumpulan data dari literatur, paket modul dan panduan, bukubuku pedoman, buku-buku perpustakaan dan segala kepustakaan lainnya yang dianggap perlu dan mendukung.Buku yang berisi Pedoman Umum Penyaluran Raskin serta jurnal-jurnal yang berhubungan dengan bantuan miskin. b. Observasi Observasi adalah metode untuk mendapatkan data dengan melakukan pengamatan langsung dan pencatatan secara sistematis terhadap gejala atau fenomena yang terkait tanpa mengajukan pertanyaan. Antara lain pengamatan pada kondisi masyarakat dan keadaan lingkungan miskin di Desa Cekok dengan mendatangi langsung. c. Interview Metode ini dilakukan dengan cara mengajukan pertanyaan-pertanyaan terhadap responden yang terlibat dan mendukung permasalahan. Terutama pada responden yang tergolong pada Rumah Tangga Miskin (RTM) di Kelurahan Cekok serta perangkat Kelurahan Cekok yang menangani masalah kemiskinan tentang alur distribusi bantuan kemiskinan. Interview dilakukan dengan menyebarkan angket kepada kepala rumah tangga untuk diisi berdasarkan keadaan ekonomi keluarga. Dari data tersebut kemudian disebarkan menurut kategori.

268


Identifikasi Variabel Pengembangan sistem pendukung Keputusan pemberian bantuan miskin, melibatkan beberapa variabel yang akan mempengaruhi tercapainya solusi terbaik. Variabel-variabel tersebut adalah: Sistem pendukung Keputusan Pemberian Bantuan Masyarakat Miskin ini menggunakan 5 faktor kriteria (Cj)dan akan diproses berdasarkn skor yang di dapat. Kategori yang digunakan ada 5 yaitu : 1 . Kondisi rumah (C1) dengan bobot (w1)= 30%; 2 . Tingkat konsumsi dan pengeluran rumah tangga (C2) dengan bobot (w2)= 20%; 3 . Jenis pekerjaan dan pendidikan terakhir kepala keluarga (C3) dengan bobot (w3)= 10%; 4 . Jumlah tanggungan keluarga (C4) dengan bobot (w4)= 20%; 5 . Tingkat pendapatan dan asset keluarga(C5) dengan bobot (w5)= 20%; Dari masing-masing kategori diatas ada beberapa katogori yang dijabarkan menjadi beberapa kriteria. Keterangan dan penjabaran kategori diatas ada di penjelasan di bawah ini Kondisi Rumah (C1) Kondisi rumah menggambarkan keadaan sebenarnya berdasarkan kondisi rumah yang dimiliki. Banyak warga miskin yang masih menempati rumah tidak layak huni. Untuk itu kondisi rumah akan menjadi variabel penilaian pemberian bantuan masyarakat miskin. Variabel yang digunakan dalam penilaian kondisi rumah adalah : 1) Luas bangunan yang ditempati (m2), dengan bobot (w)= 30%; 2) Jenis lantai rumah yang ditempati (tanah, semen, keramik, dsb), dengan bobot (w)= 20%; 3) Jenis dinding rumah yang ditempati (bambu, permanen, semi-permanen), dengan bobot (w)= 30%; 4) Kepemilikan fasilitas MCK (Fasilitas Sanitasi), dengan bobot (w)= 20%; Tingkat Konsumsi dan Pengeluaran Rumah Tangga (C2) Kemiskinan berhubungan erat dengan tingkat konsumsi dan pengeluaran dalam keluarga pada suat periode tertentu. Keluarga miskin cenderung memiliki daya beli yang rendah yang hanya cukup untuk kebutuhan pokok keluarga dan pengeluaran yang minimal. Sehingga tingkat konsumsi dan pengeluaran perlu dimasukkan sebagai salah satu variabel penilaian. Variabel yang digunakan dalam penilaian tingkat konsumsi dan pengeluaran rumah tangga adalah : 1) Sumber air minum keluarga, dengan bobot (w)= 10%; 2) Sumber penerangan rumah, dengan bobot (w)= 15%; 3) Bahan bakar memasak dalam rumah tangga, dengan bobot (w)= 10%; 4) Frekuensi mengkonsumsi daging, dengan bobot (w)= 10%; 5) Frekuensi makan dalam sehari, dengan bobot (w)= 20%; 6) Frekuensi pembelian pakaian, dengan bobot (w)= 15%; 7) Sumber biaya pengobatan dalam keluarga saat sakit, dengan bobot (w)= 20%;

269


Jenis Pekerjaan dan Pendidikan Terakhir Kepala Keluarga(C3) Dalam hal ini, kepala keluarga Rumah Tangga Miskin cenderung memiliki pekerjaan tidak tetap dan pendidikan yang rendah. Tingkat pendidikan mempengaruhi pendapatan seseorang sehingga jenis pekerjaan perlu untuk dijadikan variabel penilaian. Jumlah Tanggungan dalam Keluarga(C4) Banyaknya anggota keluarga yang ditanggung dan jumlah anak usia sekolah dalam keluarga sangat mempengaruhi kesejahteraan keluarga. Tingginya biaya pendidikan sering membuat pendapatan dalam keluarga lebih banyak dialokasikan untuk membiayai pendidikan anak. Sehingga jumlah tanggungan keluarga perlu untuk dijadikan variabel penilaian dan keluarga yang memiliki anak yang lebih banyak lebih diprioritaskan untuk mendapatkan bantuan. Tingkat Pendapatan dan Asset keluarga(C5) Dalam penyeleksian perlu dipertimbangkan tingkat pendapatan keluarga dankepemilikan Asset. Keluarga miskin mayoritas berpenghasilan rendah dan tidak memiliki Asset untuk hari depan. Sehingga tingkat pendapatan dan Asset perlu dimasukkan sebagai variabel penilaian. Pada kriteria yang telah ada, akan ditentukan dan pembobotan kriteria seperti pada Tabel berikut : Tabel 1 Kondisi rumah(C1) Keterangan Skor 1 2 3 4

Skala Prioritas Tidak layak Layak Cukup Layak Sangat Layak

Tabel 2 Tingkat konsumsi dan pengeluaran rumah tangga(C2) Keterangan Skor 1 2 3 4


Tabel 3 Jenis pekerjaan kepala keluarga(C3) Keterangan Skor 1 2 3 4


Tabel 4 Jumlah tanggungan keluarga(C4) Keterangan Skor 1 2 3 4


Tabel 5 Jumlah pendapatan dan asset keluarga(C5)

270


Keterangan Skor 1 2 3 4


Gambar 2 Kategori kriteria calon penerima bantuan masyarakat miskin Tabel 2. Contoh Nilai Input Calon Penerima Bantuan Masyarakat Miskin

271

Prosiding SENATEK 2015 Fakultas Teknik, Universitas Muhammadiyah Purwokerto Purwokerto, 28 November 2015, ISBN 978-602-14355-0 -2 Nilai kriteria Nam a

Kondisi Rumah (C1) 30%

Tingkat Konsumsi(C2) 20%

(Ai)

Pe ker jaa n KK (C3 ) 10 %

Ju mla h Tan ggun gan (C4) 20 %

Luas Bang unan 30%

Jen is La nta i 20 %

Jeni s Din ding 30 %

Fa sili tas M C K 20 %

Su mbe r Air Min um 10 %

Sumb er Pener angan 15%

Baha n Baka r Mem asak 10%

Frek uensi Kons umsi Dagi ng 10%

Frek uensi Mak an 20%

Frek uensi Mem beli Baju 15%

Peng obatan Kelu arga 20%

Sla met

4

1

4

4

1

3

3

3

2

2

3

2

Jar wani

4

3

4

4

3

4

3

3

2

2

3

Sya msul

3

3

3

3

3

4

2

3

1

1

Mul yono

2

4

2

1

2

2

2

1

1

1

Tingkat Pendapatan (C5) 20% Penda patan 60%

Kepe milika n Aset 40%

3

3

4

2

3

2

4

3

1

3

3

3

1

1

1

2

2

Sumber : (Data diolah Juni 2015)

Contoh untuk mencari nilai Kondisi Rumah, Tingkat Konsumsi maka dilakukan perhitungan sebagai berikut : a.

MatriksKodisiRumah(C1) 4 1 4 4 4 3 4 4 X= 3 3 3 3 2 4 2 1 R11=

R21 = R31 = R41 = R12= R22 = R32 = R42 = R13= R23 = R33 = R43 =

; ; ;

; ; ; ; ; ; ; ; ;

; ; ;

; ; ; ; ; ; ; ; ;

; ; ;

; ; ; ; ; ; ; ; ;

=

= 1

=

= 0,75

= =

= 1

= 0,5

=

= 0,25

=

= 0,75

= =

= 0,75 = 1

=

= 1

=

= 0,75

= =

= 1

= 0,5

272


R14 = R24 =

; ; ;

=

= 1

; ; ;

=

= 0,75

; ; ;

R34 = R44 =

; ; ;

Normalisasi : 11 21 X= 31 41

= =

12 22 32 42

= 1

= 0,25 13 23 33 43

Proses Pembobotan

14 24 34 44

1 1 =X= 0,75 0,5

0,25 0,75 0,75 1

1 1 0,75 0,5

1 1 0,75 0,25

w = { 0,3; 0,2; 0,3; 0,2}

b.

Hasil yang diperolehadalah : 1 = 0,3 1 + 0,2 0,25 + 0,3 1 + 0,2 2 = 0,3 1 + 0,2 0,75 + 0,3 1 + 0,2 3 = 0,3 0,75 + 0,2 0,75 + 0,3 (0,75) + 4 = 0,3 0,5 + 0,2 1 + 0,3 0,5 + 0,2 Matrik Tingkat konsumsi (C2) 1 3 X= 3 2

R11 = R21 = R31 = R41 = R12 = R22 = R32 = R42 = R13 = R23 = R33 = R43 =

3 4 4 2

3 3 2 2

3 3 3 1

; ; ;

=

; ; ;

=

; ; ; ; ; ;

= =

; ; ;

=

; ; ;

=

; ; ; ; ; ;

= =

; ; ;

=

; ; ;

=

; ; ; ; ; ;

= =

2 2 1 1

2 2 1 1

= 0,33

1 = 0,85 1 = 0.95 0,2 0,75 = 0.75 0,25 = 0,55

3 3 3 1

= 1 = 1

= 0,67 = 0,75 = 1 = 1

= 0,5 = 1 = 1

= 0,67 = 0,67

273


R14 = R24 =

R44 =

R25 =

R45 =

R26 =

= 1

; ; ;

=

; ; ;

=

1

; ; ;

=

3

max 3;3;3;1 3 max 3;3;3;1 1 max 3;3;3;1

= 1 = 1

= 0,5

= =

max 3;3;3;1 3

= 0,33

=

; ; ;

max 2;2;1;1

= 1

=

= 0,5 = 1

=

; ; ;

R36 =

R47 =

=

; ; ;

R16 =

R37 =

; ; ;

=

; ; ;

R35 =

R27 =

= 1

; ; ;

R15 =

R17 =

=

; ; ;

R34 =

R46 =

; ; ;

= = = = =

= 1 1 2 3 3 3 3 3 3 1 3

= 0,5

= 0,5 = 1 = 1 = 1

= 0,33

Normalisasi 0,33 0,75 1 1 1 1 1 11 12 13 14 15 16 17 1 1 1 1 1 1 1 21 22 23 14 15 16 17 X= X= 1 1 0,67 1 0,5 0,5 1 31 32 33 14 15 16 17 0,67 0,5 0,67 0,33 0,5 0,5 0,33 41 42 43 14 15 16 17 Proses Pembobotan = 0,1; 0,15; 0,1; 0,1; 0,2; 0,15; 0,2 Hasil yang diperoleh adalah : 1 = 0,1 0,33 + 0,15 0,75 + 0,1 1 + 0,1 1 + 0,2 1 + 0,15 1 + 0,2 1 = 0,9 2 = 0,1 1 + 0,15 1 + 0,1 1 + 0,1 1 + 0,2 1 + 0,15 1 + 0,2 1 = 1 3 = 0,1 1 + 0,15 1 + 0,1 0,67 + 0,1 1 + 0,2 0,5 + 0,15 0,5 + 0,2 1 = 0,79 4 = 0,1 0,67 + 0,15 0,5 + 0,1 0,67 + 0,1 0,33 + 0,2 0,5 + 0,15 0,5 + 0,2 0,33 = 0,48 c.

Matriks Tingkat Pendapatan (C5) 3 4 2 4 X= 3 3 2 2 R11= R21 = R31 =

3 max 3;2;3;2 2 max 3;2;3;2 3 max 3;2;3;2

=

= =

3 3 2 3 3 3

= 1

= 0,67 = 1

274


R41 = R12= R22 = R32 = R42 =

2 max 3;2;3;2 4 max 4;4;3;2 4 max 4;4;3;2 3 max 4;4;3;2 2 max 4;4;3;2

=

=

= = =

2

= 0,67

3 4 4 4 4 3

= 1

= 1

= 0,75

4 2

= 0,5

4

Normalisasi : X=

11 21 31 41

1 1 12 0,67 1 22 X= 1 0,75 32 0,67 0,5 42

Proses Pembobotan w = { 0,6; 0,4} Hasil yang diperolehadalah : 1 = 0,6 1 + 0,4 1 = 1 2 = 0,6 0,67 + 0,4 1 = 0.8 3 = 0,6 1 + 0,4 0,75 = 0,9 4 = 0,6 0,67 + 0,4 0,5 = 0,6

Tabel 3. Nilai Penormalisasi Calon Penerima Bantuan Masyarakat Miskin

Nama

Kondisi Rumah (C1) 30%

Tingkat Konsumsi (C2) 20%

Pekerjaan KK (C3) 10%

Jumlah Tanggungan (C4) 20%

Tingkat Pendapatan (C5) 20%

Selamet

0.85

0.9

2

3

0.85

Jarwani

0.95

1

2

3

0.7

Syamsul

0.75

0.79

1

3

0.75

Mulyono

0.55

0.48

1

1

0.5

Untuk perangkingan calon masyarakat yang akan menerima bantuan dengan nilai variable yang sudah diperolehakan diurutkan dari nilai terbesar sampai terkecil dari setiap alternative sebagai calon penerima bantuan. Dilakukan perhitungan sebagai berikut:

Maka dilakukan peruses perhitungan 0,8 0.9 0.95 1 X= 0.75 0.79 0.55 0.48

2 2 1 1

=

3 0.85 3 0.7 3 0.75 1 0.5

275


R11= R21 = R31 = R41 =

0.85

max 0.8;0.95;0.75;0.55

R22 = R32 =

R13 = R23 = R33 =

R14 = R24 = R34 =

max 0.9;1;0.79;0.48 0.79

2

R15 = R25= R35= R45=

=

max 2;2;1;1 1

=

max 2;2;1;1 3

max 3;3;3;1 3

=

max 3;3;3;1 1

=

1 2

= =

max 3;3;3;1 3

max 3;3;3;1 1

R44 =

=

3 3

=

max 1;0,8;0,9;0,6 0,8 max 1;0,8;0,9;0,6 0,9 max 1;0,8;0,9;0,6 0,6 max 1;0,8;0,9;0,6

Normalisasi

X=

=

max 0.9;1;0.79;0.48

max 2;2;1;1 2

11 21 31 41

12 22 32 42

2 2 2 2

0.9

=

1 1

1 0.79 1

= 0,9

= 1

= 0,79

0.48

=

= 1

= 0,58

0.95

=

= 0,89

= 0,79

0.95 0.55

=

0.9

max 2;2;1;1 1

R43 =

=

=

max 0.9;1;0.79;0.48 1

max 0.9;1;0.79;0.48 0.48

R42 =

0.95 0.95

max 0.8;0.95;0.75;0.55 0.95 0.75 0.75

max 0.8;0.95;0.75;0.55 0.55

R12 =

0.85

=

max 0.8;0.95;0.75;0.55 0.95

1

= 0,48

= 1 = 1

= 0,5 1 2 3 3 3 3

= 0,5 = 1 = 1

= 1 1 3

= 0,33 1

=

1 0,8

=

1 0,6

= =

= 1

1 0,9

= 0,8

1

= 0,9

13 23 33 43

14 14 14 14

= 0,6 15 15 15 15

0,89 1 = X= 0,79 0,58

0,9 1 1 1 1 0,5 0,48 0,5

1 1 1 0,8 1 0,9 0,33 0,6

Pembobotan W= (0,3; 0,2; 0,1; 0,2; 0,2) Nilai akhir Alternatif V1= (0,3) (0,89) + (0,2) (0,9) + (0,1) (1) + (0,2) (1) + (0,2) (0,1) = 0,767 Nilai akhir Alternatif V2= (0,3) (1) + (0,2) (1) + (0,1) (1) + (0,2) (1) + (0,2) (0,8)= 0,96 Nilai akhir Alternatif V3= (0,3) (0,79) + (0,2) (1) + (0,1) (0,5) + (0,2) (0,1)+ (0,2) (0,9) = 0,869 Nilai akhir Alternatif V4= (0,3) (0,58) + (0,2) (0,48) + (0,1) (0,5) + (0,2) (0,33) + (0,2) (0,6) = 0,506 Berikutiniurutanhasilakhirdimanaperangkinganakanterurutdari yang terbesarnilaisampaiterkecil

276


AlternatifV2 = 0,96 Alternatif V3 = 0,869 Alternatif V1 = 0,767 Alternatif V4 = 0,506

HASIL DAN PEMBAHASAN Implementasi yang dilakukanmemperlihatkan proses demi proses. Implementasi meliputi prosesproses pada antar muka,CRUID (create,retrieve,update,insert,delete). Implementasi Sistem Bagi Admin Proses ini dimulai dengan login bagi admin, ada beberapa menu yang bisa dipilih antara lain : Beranda, Penduduk, Kategori, Kriteria, Nilai, Form SPK dan User. Admin memilih menu Penduduk untuk menambahkan data penduduk. Di menu tampilan Kategori terdapat informasi kategori yang digunakan sebagai bahan pertimbangan pengambilan Keputusan. Menu tampilan Kriteria menampilkan kriteria-kriteria yang dipecah dari kategori yang sudah ditentukan beserta bobot yang akan digunakan untuk mengambil keputusan. Pada menu nilai menampilkan nilai masing-masing kriteria. Dan pada menu Form SPK digunakan untuk menginputkan nilai masing-masing alternatif.

Gambar 3. Halaman depan

277


Gambar 4. Halaman login Tampilan halaman depan administrasi berisi Pengisian Penduduk, Kategori, Kriteria, Nilai, Form SPK dan menambah atau mengganti User.

Gambar 5. Halaman depan administrasi Pada tampilan Menu Penduduk terdapat Menu Action yang terdiri dari Data Baru dan Cetak Data.

278


Gambar 6. Halaman penduduk

Gambar 7. Halaman tambah penduduk

Menu selanjutnya pada halaman Admin adalah Menu Kategori. Pada menu kategori menampilkan Kategori yang digunakan pada sistem.

279


Gambar 8. Halaman kategori

Gambar 9. Halaman nilai kriteria Halaman form pengambilan Keputusan digunakan untuk menginputkan data penduduk berdasarkan nilai kriteria yang mereka miliki yang sesuai dengan angket yang telah diisi oleh penduduk. Halaman awal Form Pengambilan Keputusan terdapat pada Gambar 10

280


Gambar 10. Halaman form pengambilan keputusan Untuk melakukan penilaian, klik button Action yang terdapat di pojok kanan atas. Pilih Data Baru, kemudian akan muncul form penilaian seperti pada Gambar 11.

Gambar 11. Tampilan form penilaian penduduk

281


Gambar 12. Halaman hasil penilaian

Gambar 13. Tampilan halaman awal user

Untuk menambahkan User, Klik Button Action di pojok kanan atas kemudian pilih Data Pengguna Baru maka akan muncul tampilan seperti pada Gambar 14.

282


Gambar 14. Tampilanmenu tambah data pengguna

Gambar 15. Tampilan login kepala desa / lurah

Gambar 16. Halaman awal kepala desa

Kepala Desa bias melihat informasi data Penduduk Miskin. Tampilan menu penduduk terdapat pada gambar 17.

283


Gambar17. Tampilan halaman penduduk Pada menu Form SPK Kepala Desa bias melihat hasil Perangkingan

Gambar 18. Halaman form SPK

284


KESIMPULAN Aplikasi ini dibuat untuk mempermudah pengambilan keputusan pada desa, khususnya masalah penentuan pemeberi bantuan bagi masyarakat di desa cekok dengan aplikasi sistem. Sistem yang dibangun menggunakan model Multipe Attribute Decission Making(MADM) dengan menggunakan metode Simple Additive Weighting (SAW) dalam penentuan penerimaan bantuan masyarakat miskin. Indikator kemiskinan dijadikan patokan dalam menentukan variabel yaitu 5 variabel yang digunakan yang berpedoman pada data BPS antara lain : 1.

kondisi rumah

2.

tingkat konsumsi dan pengeluran rumah tangga,

3.

jenis pekerjaan dan pendidikan terakhir kepala keluarga,

4.

jumlah tanggungan keluarga,

5.

tingkat pendapatan dan asset keluarga

Sistem ini menggunakan dua entitas luar yaitu admin, dan Kepala Desa. Admin dapat mengolah data penduduk dan memasukkan data serta melakukan penilaian. Sedangkan Kepala Desa dapat melihat data Penduduk dan data hasil perangkingan serta membuat Keputusan akhir. Implementasi perangkat lunak pada Sistem Pendukung Keputusan menggunakan bahasa pemrograman PHP dan database MySQL serta aplikasi yang digunakan untuk merancang interfacenya adalah Dream weaver.

DAFTAR PUSTAKA BPS kabupatenPonorogo,ponorogokab.bps.go.id. Diakses : 26 Juni 2015, Jam 11.03 Daihani, D.U., 2001. Komputerisasi Pengambilan Keputusan, PT. Gramedia, Jakarta. Istara, A W, Cahyani, A D, Rachman, F H, (2013) Program Studi Teknik Informatika, Universitas Trunojoyo JL. Raya Telang, PO BOX 2, Kamal, Bangkalan-69162.Jurnal Sarjana Teknik Informatika Vol. 1, No. 1, , hlm 1-8 Kusumadewi, S., Hartati, S., Harjoko, A. Dan Wardoyo, R., 2006, Fuzzy Multi Attribute Decision Making (Fuzzy MADM), Graha Ilmu, Yogyakarta Suryadi K. dan Ramdhani, A. M., 2002, Sistem Pendukung Keputusan : Suatu Wacana Struktural Idealisasi dan Implementasi Konsep Pengembangan Keputusan, PT Remaja Rosdakarya, Bandung. Triyuniarta,A, Winiarti,S, Pujiyanta,A, (2009) Aplikasi Logika Fuzzy Untuk Pendukung Keputusan Penentuan Keluarga Miskin Di Kota Yogyakarta Jurnal Seminar Nasional Informatika 2009 (semnas IF 2009) ISSN: 1979-2328 UPN ”Veteran” Yogyakarta, 23 Mei D-1 Yusuf S. N,YasinF Al I, (2012), Rancang Bangun Perangkat Lunak Pendukung Keputusan seleksi Penerima Bantuan Beras Miskin (Studi Kasus Desa Kalibening Kota Salatiga) Jurnal eknik Informatika Fakultas Komunikasi Dan Informatika Universitas Muhammadiyah Surakarta

285

SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BANTUAN MASYARAKAT MISKIN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

Recommend Documents