SKRIPSI SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUAN PENERIMA BANTUAN LANGSUNG TUNAI (BLT) DENGAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) ( Studi Kasus: Desa Sambuli, Kecamatan Abeli, Kota Kendari )
Disusun Sebagai Syarat Untuk Menyelesaikan Masa Pendidikan Strata Satu (S-1) HALAMA
OLEH :
REINA RAHMONA PERMATASARI E1E1 10 009
JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS HALU OLEO KENDARI 2016
INTISARI
Reina Rahmona Permatasari, E1E110009
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BANTUAN
LANGSUNG
TUNAI
(BLT)
MENGGUNAKAN
METODE
ANALYTICAL HIERARCHY PROCESS (AHP) Skiripsi, Fakultas Teknik, 2016 KataKunci: Metode AHP, Sistem Pendukung Keputusan, Penerima bantuan langsung tunai (BLT)
Sebagai akibat dari kenaikan harga bbm (Bahan bakar minyak), maka pemerintah mengadakan bantuan untuk rakyat indonesia, yaitu bantuan langsung tunai (BLT). Pemerintah indonesia meyakini tindakan ini adalah penting untuk menyelamatkan fiskal negara. Pada masa sulit sekarang ini, program bantuan langsung tunai menjadi kabar gembira bagi masyarakat miskin di seluruh tanah air. Pada penelitian ini criteria yang digunakan sebanyak 5 kriteria menggunakan Metode AHP dengan masukkan berupa data-data kepala keluarga yang di peroleh dari Badan Pusat Statistik kota kendari. Sistem pendukung keputusan ini di implementasikan menggunakan bahasa pemrograman java yang diintegrasi dengan database Mysql Hasil Penelitian ini menyatakan metode AHP dapat diimplementasikan ke dalam sistem pendukung keputusan untuk menentukan penerima bantuan langsung tunai. Sistem ini dapat memberikan penerima terbaik sehingga memudahkan para pemerintah dalam memberi bantuan.
v
ABSTRACT
Reina Rahmona Permatasari, E1E110009
DECISION SUPPORT SYSTEM TO DETERMINE THE BENEFICIARIES DIRECT CASH (BLT) USING ANALYTICAL Hierarchy Process (AHP) Skiripsi, Faculty of Engineering, 2016
Keywords: Method of AHP, Decision Support Systems, Receivers direct cash assistance (BLT)
As a result of the increase in the price of fuel (fuel oil), the government held a relief for the people of Indonesia, namely direct cash assistance (BLT). Indonesian government believes these measures are important for the country's fiscal rescue. At this difficult time, direct cash assistance program be good news for the poor throughout the country. In this study, the criteria used by 5 criteria using AHP method to enter data in the form of the head of the family that was obtained from the Central Statistics Agency kendari city. This decision support system is implemented using the Java programming language integrated with MySQL database. Results of this study states AHP method can be implemented into a decision support system to determine the recipients of direct cash assistance. This system can provide the best receiver making it easier for the government to provide assistance.
vi
Halaman Persembahan
Sujud syukur pada Tuhan Allah SWT, Tuhan pemilik segala ilmu dan semesta. Terima kasih telah mencurahkan ilmu, kekuatan, kesabaran serta kesehatan sehingga karya sederhana ini dapat terselesaikan. Terima kasihku tak terhingga kepada kedua orang tuaku… Papa H. Dewa Nyoman.A.M.SE dan Mama Hj. Muliaty.T yang tiada hentinya memberi semangat, kasih sayang dan memanjatkan doa untukku. Terima kasih karena telah selalu bersabar dan kuat untuk mendampingi seluruh proses dalam kehidupanku. Seluruh pengorbanan kalian tak ternilai harganya dan takkan pernah bisa ku balas sampai kapan pun. Untuk kakak-kakakku tersayang… Desak Gede Dewynna Merta Sari.SH, Desak Made Astrini Adilla Mada Nasya.S.Pi, dan Muhammad Hedy Januar.SE yang selalu memberikan dukungan, semangat, serta doanya, dan yang tercinta anakku Muhammad Rafa Azka Putra terima kasih telah menjadi penyemanggatku dan selalu menemani tiap hari-hariku. Untuk keluargaku mertua, tante, dan om”ku… Mama Mernah, Mami, Papi, Mama Aji, Om Rizal, Mama Iyung, ibu hj. Nia, MaYuda, MaAi, dan MaVin terima kasih dukungan dan doanya, buat sepupu dan ipar”ku Neng Ii Wulandari, Alula, Bunda Sarah, Amma, k’Yanti, Widya, Pa El, Ka’Adin, Rian, Fajar dan k’Ashar dan Untuk keponakan-keponakanku Teteh Dira, Kk Gita, Riska, Galih, Abang El dan Shanum, terima kasih semangat, bantuan serta hiburannya,,,,, Kepada Muh. Bandrigo ST dan Masna Jumiati ST, terima kasih telah membantu dan menemani selama proses pembuatan Tugas Akhir ini dan tak lupa sahabat-sahabatku... Mugni Noor.S.Pt, Irmawati Latief, Viana Natasha.SH, Nur Fajriani.S.Km, Wa Ode Sitti Ma’wa.SE, makasih gadis-gadisku sayang untuk selalu jadi tempat curhat, selalu menemani dan selalu menyemangati kala aura-aura malas datang,,, Teman-teman seperjuangan, generasi Teknik Informatika ’10 Mutt, yuu, hanny, dedes, rhy, jusi, zuli, ayu, retno, nuna, iting, inna, fany, dan semua generasi Integer (Information Technology 4th generation) senior IT 07, 08, dan 09 serta adik- adik IT 011, 012, 013,dan 014 yang tidak dapat disebutkan satu persatu, terima kasih atas segala bentuk dukungan, bantuan, serta doa kalian.
vii
Terkhusus Ibu Ika Purwanti Ningrum, S.Kom., M.Cs, dan Bapak Natalis Ransi,S.Si.,M.Cs selaku pembimbing Tugas Akhir, terima kasih telah sabar membimbing dalam proses penelitian ini. Sebuah kehormatan dan kebanggaan besar menjadi anak bimbingan dari Ibu dan Bapak. Untuk para bapak dosen penguji Bapak LM. Fid Aksara S.Kom., M.Kom, Bapak Sutardi,S.Kom.,MT dan Bapak La Ode Hasnuddin S Sagala,S.Si., M.Cs, terima kasih atas masukan dan motivasi kepada penulis dalam menyelesaikan pembuatan Tugas Akhir ini.
Kepada seluruh dosen dan staff Teknik Informatika yang telah rela membagi ilmunya, terima kasih Bapak dan Ibu. Semoga Allah selalu memberikan kesehatan, amin. Best Regards, Reina Rahmona Permatasari
viii
KATA PENGANTAR
Puji Syukur kehadirat Allah SWT berkat limpahan rahmat dan hidayah-Nya sehingga pada kesempatan ini penulis dapat menyelesaikan skripsi yang berjudul ” Sistem Pendukung Keputusan untuk menentukan penerima Bantuan Langsung Tunai (BLT) dengan metode Analytical Hierarchy Process (AHP) (Studi Kasus: Desa Sambuli, Kecamatan Abeli, Kota Kendari )” Penulis mengharapkan bahwa karya tulis ini dapat memberikan informasi yang bermanfaat dan menambah pengetahuan bagi pembaca. Semoga karya tulis ini dapat menjadikan bahan perbandingan dalam periode selanjutnya, sehingga memberikan ide – ide suatu karya ilmiah yang lebih baik. Penulis menyadari bahwa Laporan Tugas Akhir ini masih tidak terlepas dari kekurangan. Untuk itu penulis terbuka dan menerima dari segala kritik dan saran yang membangun, dari semua pihak untuk kesempurnaan Laporan Tugas Akhir ini. Harapan untuk menyajikan skripsi ini dengan sebaik-sebaiknya tentu tidak diperoleh dengan mudah melainkan atas bantuan dari berbagai pihak, baik bantuan moril maupun materil yang akhirnya terwujud skripsi ini sebagaimana adanya.skripsi ini tidak jauh dari adanya kekurangan, baik dalam hal sistematika, bahasa, maupun materi yang di luar kemampuan penulis. Sehingga saran dari pembaca sangat penulis harapkan demi kesempurnaan skripsi ini. Takkan terlupa, ku ucapkan terima kasihku setinggi-tingginya kepada kedua orang tuaku tercinta Ayahanda H. Dewa Nyoman.A.M.SE dan Ibunda HJ.MULIYATI.T yang telah memberikan motivasi, semangat, material dan kasih sayang serta mendoakan perjalanan studi penulis agar dapat selesai dan sukses.
ix
Ucapan terima kasih penulis sampaikan pula kepada yang terhormat : 1. Rektor Universitas Halu Oleo Kendari. 2. Dekan Fakultas Teknik Universitas Halu Oleo Kendari. 3. Para Wakil Dekan Fakultas Teknik Universitas Halu Oleo Kendari. 4. Ibu Ika Purwanti Ningrum, S.Kom., M.Cs, selaku Ketua Jurusan Teknik Informatika Fakultas Teknik Universitas Halu Oleo Kendari. 5. Ibu Ika Purwanti Ningrum, S.Kom., M.Cs, dan Bapak Natalis Ransi,S.Si.,M.Cs selaku Dosen pembimbing satu dan pembimbing dua yang telah sabars, memberi masukan dan motivasi kepada penulis dalam menyelesaikan pembuatan Tugas Akhir ini. 6. Bapak LM. Fid Aksara S.Kom., M.Kom, Bapak Sutardi,S.Kom.,MT dan Bapak La Ode Hasnuddin S Sagala,S.Si., M.Cs selaku Dosen Penguji, memberi masukan dan motivasi kepada penulis dalam menyelesaikan pembuatan Tugas Akhir ini. 7. Seluruh staf dan pegawai desa Sambuli serta camat Abeli yang telah memberikan informasi berupa data sebagai bahan penelitian penyusunan Tugas Akhir. Semoga Allah SWT selalu memberikan limpahan rahmat kepada semua pihak yang telah membantu penulis dalam menyelesaikan laporan tugas akhir ini dan membantu menyelesaikan masa pendidikan strata satu (S-1). Akhir kata, semoga tugas akhir ini bisa bermanfaat bagi pihak – pihak yang berkepentingan. Wassalammu’alaikum Wr, Wb.
Kendari,
April 2016 Penulis
Reina Rahmona Permatasari E1E1 10 009
x
DAFTAR ISI HALAMAN JUDUL........................................................................................ i HALAMAN PENGESAHAN .......................................................................... ii HALAMAN PERNYATAAN ......................................................................... iv INTISARI ........................................................................................................ v ABSTRACT ..................................................................................................... vi HALAMAN PERSEMBAHAN ...................................................................... vii KATA PENGANTAR ..................................................................................... ix DAFTAR ISI .................................................................................................... xi DAFTAR TABEL ............................................................................................ xiii DAFTAR GAMBAR ....................................................................................... xv BAB I PENDAHULUAN 1.1 Latar belakang .............................................................................. 1 1.2 Rumusan Masalah......................................................................... 2 1.3 Batasan Masalah ........................................................................... 2 1.4 Tujuan ........................................................................................... 2 1.5 Manfaat ......................................................................................... 3 1.6 Sistematika Penulisan ................................................................... 3 1.7 TujuanPustaka .............................................................................. 4 BAB II LANDASAN TEORI 2.1 Bantuan Langsung Tunai .............................................................. 5 2.2 Sistem Pendukung Keputusan ...................................................... 6 2.2.1 Pengertian Sistem Pendukung Keputusan .............................. 6 2.2.2 Konsep Pengambilan Keputusan ............................................ 7 2.2.3 Proses Pengambilan Keputusan .............................................. 7 2.2.4 Tipe-tipe Pengambilan Keputusan.......................................... 9 2.2.5 Kerangka Kerja Pengambilan Keputusan ............................... 9 2.2.6 Proses Pembuatan Keputusan Efektif ..................................... 11 2.2.7 Fungsi SPK ............................................................................. 11 2.3 Metode Analytical Hierarchy Process (AHP) .......................... 12 2.3.1 Kelebihan dan Kekurangan dalam Metode AHP ................... 13 2.3.1.1 Kelebihan AHP ................................................................. 13 2.3.1.2 Kekurangan AHP .............................................................. 13 2.3.2 Tahapan Metode AHP ........................................................ 13 2.4 Metode Pengembangan Sistem RUP ............................................ 17 2.5 Unified Modeling Language (UML) ........................................... 18 2.6 Database ....................................................................................... 22 2.7 MySql ........................................................................................... 24 2.8 Bahasa Pemograman Java ............................................................ 24 2.9 NetBeans ....................................................................................... 25
xi
BAB III METODE PENELITIAN 3.1 Data yang digunakan .................................................................... 27 3.2 Sumber data .................................................................................. 27 3.3 Metode Pengumpulan Data .......................................................... 27 3.4 Prosedur Pengembangan Perangkat Lunak .................................. 28 3.5 Tempat dan waktu penelitian ........................................................ 28 BAB IV ANALISA DAN PERANCANGAN SISTEM 4.1 Gambaran Umum Sistem.............................................................. 30 4.2 Analisa Permasalahan dengan metode AHP ................................ 30 4.2.1 Perhitungan Kriteria .............................................................. 30 4.2.2 Perhitungan Seleksi Kepala Keluarga Berdasarkan Kriteria dan Alternatif ............................................................................... 47 4.3 Perancangan Model ...................................................................... 48 4.3.1 Use Case Diagram ................................................................. 48 4.3.2 Activity Diagram ................................................................... 48 4.3.3 Sequence Diagram ................................................................ 55 4.4 Struktur Tabel ............................................................................... 62 4.5 Perancangan Antar muka (Interface) ........................................... 65 4.5.1 Halaman Login ...................................................................... 66 4.5.2 Halaman Menu Utama .......................................................... 66 4.5.3 Halaman Menu Home ........................................................... 67 4.5.4 Halaman Data Keluarga ........................................................ 67 4.5.5 Halaman Data Kriteria .......................................................... 68 4.5.6 Halaman Menu Ahp .............................................................. 68 4.5.7 Halaman Menu Lihat Proses AHP ........................................ 69 4.5.8 Halaman Menu Laporan ........................................................ 69 4.5.9 Halaman Menu Petunjuk ....................................................... 70 BAB V IMPLEMENTASI DAN PEMBAHASAN 5.1 Kebutuhan Sistem ......................................................................... 71 5.2 Implementasi Antarmuka (user interface) ................................... 71 5.3 Pengujian ..................................................................................... 90 5.3.1 Pengujian fungsional sistem ................................................... 90 5.3.2 Pengujian data manual ............................................................ 92 5.3.3 Pengujian Sistem .................................................................... 110 5.3.4 Perbandingan Hasil Pengujian Manual dan Sistem ................ 111 BAB VI PENUTUP 6.1 Kesimpulan .................................................................................... 113 6.2 Saran ............................................................................................... 113 DAFTAR PUSTAKA LAMPIRAN
xii
DAFTAR TABEL Tabel 2.1 Skala Penilaian perbandingan berpasangan ..................................... 14 Tabel 2.2 Ketentuan random index (RI) ......................................................... 16 Tabel 2.3 Use case diagram ............................................................................. 19 Tabel 2.4 Activity diagram ............................................................................... 20 Tabel 2.5 Sequence diagram ............................................................................ 20 Tabel 2.6 Class diagram ................................................................................... 21 Tabel 3.1 Waktu penelitian .............................................................................. 30 Tabel 4.1 Tabel kriteria .................................................................................... 31 Tabel 4.2 Bobot awal kriteria ........................................................................... 31 Tabel 4.3 Normalisasi matriks ......................................................................... 32 Tabel 4.4 Nilai eigen vector ............................................................................. 32 Tabel 4.5 Nilai bobot kriteria ........................................................................... 33 Tabel 4.6 Kriteria pendapatan .......................................................................... 34 Tabel 4.7 Penilaian alternatif kriteria pendapatan............................................ 34 Tabel 4.8 Penilaian eigen vector ..................................................................... 35 Tabel 4.9 Bobot AHP ....................................................................................... 36 Tabel 4.10 Kriteria tanggungan........................................................................ 37 Tabel 4.11 Penilaian alternatif kriteria tanggungan ......................................... 37 Tabel 4.12 Nilai eigen vector .......................................................................... 38 Tabel 4.13 Nilai Bobot ..................................................................................... 38 Tabel 4.14 Kriteria pendidikan ........................................................................ 39 Tabel 4.15 Penilaian alternatif kriteria pendidikan .......................................... 40 Tabel 4.16 Nilai eigen vector ........................................................................... 40 Tabel 4.17 Nilai bobot...................................................................................... 41 Tabel 4.18 Kriteria umur .................................................................................. 42 Tabel 4.19 Penilaian alternatif kriteria umur .................................................. 42 Tabel 4.20 Nilai eigen vector ........................................................................... 43 Tabel 4.21 Nilai bobot...................................................................................... 43 Tabel 4.22 Kriteria kondisi perumahan ............................................................ 44 Tabel 4.23 Penilaian alternatif kriteria kondisi perumahan ............................ 45 Tabel 4.24 Nilai eigen vector ........................................................................... 45 Tabel 4.25 Nilai bobot...................................................................................... 46 Tabel 4.26 Bobot tiap alternatif terhadap kriteria ............................................ 47 Tabel 4.27 Bobot kriteria Ahp ......................................................................... 47 Tabel 4.28 Nilai bobot akhir tiap kriteria ......................................................... 47 Tabel 4.29 Nilai bobot setelah diurut ............................................................... 48 Tabel 4.30 Tabel admin.................................................................................... 62 Tabel 4.31 Tabel olah data keluarga ................................................................ 63 Tabel 4.32 Tabel data keluarga ........................................................................ 63 Tabel 4.33 Tabel kriteria pendapatan ............................................................... 63 Tabel 4.34 Tabel kriteria tanggungan .............................................................. 64 Tabel 4.35 Tabel kriteria pendidikan ............................................................... 64 Tabel 4.36 Tabel kriteria umur......................................................................... 65 Tabel 4.37 Tabel kriteria kondisi perumahan .................................................. 65
xiii
Tabel 4.28 Tabel hasil ...................................................................................... 64 Tabel 5.1 Listing proses AHP .......................................................................... 74 Tabel 5.2 Listing melihat proses AHP ............................................................. 86 Tabel 5.3 Pengujian blackbox perangkat lunak ............................................... 90 Tabel 5.4 Pengujian data manual ..................................................................... 92 Tabel 5.5 Bobot kriteria ................................................................................... 93 Tabel 5.6 Normalisasi matriks ......................................................................... 93 Tabel 5.7 Nilai eigen vector ............................................................................. 94 Tabel 5.8 Nilai bobot kriteria ........................................................................... 94 Tabel 5.9 Kriteria pendapatan .......................................................................... 96 Tabel 5.10 Penilaian alternatif kriteria pendapatan.......................................... 96 Tabel 5.11 Nilai eigen vector ........................................................................... 97 Tabel 5.12Nilai bobot kriteria .......................................................................... 97 Tabel 5.13 Kriteria tanggungan........................................................................ 98 Tabel 5.14 Penilaian alternatif kriteria tanggungan ......................................... 99 Tabel 5.15 Nilai eigen vector ........................................................................... 99 Tabel 5.16 Nilai bobot kriteria ......................................................................... 100 Tabel 5.17 Kriteria pendidikan ........................................................................ 101 Tabel 5.18 Penilaian alternatif kriteria pendidikan .......................................... 101 Tabel 5.19 Nilai eigen vector ........................................................................... 102 Tabel 5.20 Nilai bobot kriteria ......................................................................... 102 Tabel 5.21 Kriteria umur .................................................................................. 104 Tabel 5.22 Penilaian alternatif kriteria umur .................................................. 104 Tabel 5.23 Nilai eigen vector ........................................................................... 105 Tabel 5.24 Nilai bobot kriteria ......................................................................... 105 Tabel 5.25 Kriteria kondisi perumahan ............................................................ 106 Tabel 5.26 Penilaian alternatif kriteria kondisi perumahan ............................ 107 Tabel 5.27 Nilai eigen vector ........................................................................... 107 Tabel 5.28 Nilai bobot kriteria ......................................................................... 108 Tabel 5.29 Bobot tiap alternatif terhadap kriteria ............................................ 109 Tabel 5.30 Bobot kriteria Ahp ......................................................................... 109 Tabel 5.31 Nilai bobot akhir tiap kriteria ......................................................... 110
xiv
TABEL GAMBAR
Gambar 4.1 Usecase diagram ...........................................................................49 Gambar 4.2 Activity diagram login ..................................................................50 Gambar 4.3 Activity diagram home..................................................................50 Gambar 4.4 Activity diagram data keluarga .....................................................51 Gambar 4.5 Activity diagram data kriteria .......................................................52 Gambar 4.6 Activity diagram metode Ahp .......................................................53 Gambar 4.7 Activity diagram cetak laporan .....................................................54 Gambar 4.8 Activity diagram lihat petunjuk ....................................................55 Gambar 4.9 Activity diagram logout ................................................................55 Gambar 4.10 Sequence diagram login ..............................................................56 Gambar 4.11 Sequence diagram home .............................................................56 Gambar 4.12 Sequence diagram data keluarga .................................................58 Gambar 4.13 Sequence diagram data kriteria ..................................................59 Gambar 4.14 Sequence diagram metode Ahp...................................................60 Gambar 4.15 Sequence diagram cetak laporan ................................................61 Gambar 4.16 Sequence diagram lihat petunjuk ...............................................62 Gambar 4.18 Interface halaman login ..............................................................66 Gambar 4.19 Interface halaman menu utama ...................................................66 Gambar 4.20 Interface halaman home ..............................................................67 Gambar 4.21 Interface halaman data keluarga .................................................67 Gambar 4.22 Interface halaman data kriteria ..................................................68 Gambar 4.23 Interface halaman metode Ahp ...................................................68 Gambar 4.24 Interface halaman lihat proses ....................................................69 Gambar 4.24 Interface halaman laporan ...........................................................69 Gambar 4.26 Interface halaman petunjuk .........................................................70 Gambar 5.1 Form halaman login ......................................................................72 Gambar 5.2 Form halaman menu utama...........................................................72 Gambar 5.3 Form halaman home .....................................................................73 Gambar 5.4 Form halaman data keluarga .........................................................73 Gambar 5.5Form halaman data kriteria ............................................................74 Gambar 5.6 Form halaman metode Ahp...........................................................74 Gambar 5.7 Form halaman lihat proses ............................................................86 Gambar 5.8 Form halaman cetak laporan ........................................................89 Gambar 5.10 Form halaman petunjuk .............................................................89 Gambar 5.11 Form halaman output akhir .......................................................111
xv
BAB I PENDAHULUAN 1.1 Latar Belakang Pemerintah melaksankan program Bantuan Langsung Tunai (BLT) sebagai konsekuensi kenaikan harga bahan bakar minyak (BBM), BLT diharapkan dapat membantu mengatasi maslah ekonomi sebagian besar warga Negara Indonesia yang mengalami dampak langsung akibat kenaikan bahan bakar minyak (BBM). Saat ini pemecahan masalah ini masih dilakukan secara manual. Sistem Pendukung Keputusan merupakan sistem informasi yang dapat digunakan dalam membantu pemerintah daerah dalam menghitung serta mendata masyarakat miskin yang akan diberikan bantuan langsung tunai (BLT) untuk mendukung kelangsungan hidup masyarakat. Namun dalam pelaksanaanya, eksekusi daripada BLT ini menghadapi banyak masalah contohnya adalah, karena banyaknya jumlah masyarakat di suatu daerah yang menyebabkan tidak validnya sebuah data, dan karena pemutakhiran survei membutuhkan waktu dan biaya yang mahal, maka para pengambil keputusan menjadi sulit dalam menentukan pantas atau tidaknya sebuah keluarga yang bersangkutan menerima bantuan tersebut. Kesalahan dalam mengelompokkan sebuah keluarga ke dalam tingkat kesejahteraan tertentu sering sekali terjadi dan hal tersebut berdampak pada pelaksanaan kebijaksanaan yang tidak tepat kepada sasarannya.
Metode AHP (Analytical Hierarchy Process)
dikembangkan oleh Saaty,
seorang ahli matematika. Metode ini adalah sebuah kerangka untuk mengambil keputusan dengan efektif atas persoalan yang kompleks dengan menyederhanakan dan mempercepat proses pengambilan keputusan dengan memecahkan persoalan tersebut kedalam bagian-bagiannya, menata bagian atau variabel ini dalam suatu susunan hirarki, memberi nilai numerik pada pertimbangan subjektif tentang pentingnya tiap variabel dan mensintesis berbagai pertimbangan ini untuk menetapkan variabel yang mana yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil pada situasi tersebut.
1
2
Berdasarkan paparan latar belakang yang telah diuraikan maka penulis mengambil judul tugas akhir “Sistem Pendukung Keputusan Untuk Menentukan Penerima Bantuan Langsung Tunai dengan Metode AHP (Analytical Hierarchy Process), (Studi Kasus : Desa Sambuli, Kec. Abeli)”.
1.2 Rumusan Masalah Dalam pelaksanaanya, BLT ini menghadapi banyak masalah contohnya data BLT yang tidak tepat sasaran, sehingga permasalahan yang akan dibahas dalam penulisan tugas akhir ini adalah bagaimana membuat sebuah sistem yang dapat membantu menentukan penerima bantuan langsung tunai (BLT) di suatu daerah dengan menggunakan metode AHP sesuai dengan kriteria-kriteria yang telah ditentukan yaitu pendapatan, tanggungan, umur, pendidikan serta kondisi perumahan. 1.3 Batasan Masalah Agar pembuatan aplikasi ini lebih terfokus pada topik yang akan diambil, maka masalah dibatasi pada hal sebagai berikut : 1. Menggunakan metode AHP penerima bantuan langsung tunai (BLT) di Desa Sambuli, Kec. Abeli, Kota Kendari. 2. Interval waktu pengambilan data di ambil pada tahun 2015. 3. Kriteria yang diambil berdasarkan kriteria umum yang bersumber dari Badan Pusat Statistik 2015, yaitu pendapatan, tanggungan, umur, pendidikan serta status perumahan.
1.4 Tujuan Tujuan yang ingin dicapai dalam penelitian kali ini adalah menerapkan Sistem Pendukung Keputusan pada penentuan penerima bantuan langsung (BLT) menggunakan metode AHP.
3
1.5 Manfaat Manfaat yang dapat diberikan dari pembuatan aplikasi ini : 1.
Dari data yang telah diperoleh dapat dilihat seberapa besar tingkat kesejahteraan masyarakat di suatu daerah untuk dapat diberikan bantuan langsung tunai (BLT).
2. Memberikan saran bagi pemerintah daerah mengenai kebijaksanaan yang dapat diterapkan dalam penerimaan bantuan.
1.6 Sistematika Penulisan Sistematika penulisan dari skripsi ini terdiri dari beberapa bagian utama sebagai berikut :
BAB I PENDAHULUAN Merupakan bab pendahuluan yang menguraikan latar belakang masalah, rumusan masalah, tujuan penelitian, manfaat penelitian, batasan masalah, dan sistematika penulisan. BAB II LANDASAN TEORI Membahas mengenai dasar-dasar teori pendukung yang berhubungan dengan masalah yang diambil dan program aplikasi yang akan digunakan dalam pembangunan sistem. BAB III METODE PENELITIAN Membahas
mengenai
waktu
dan
tempat
penelitian,
metode
pengumpulan data, metode pengembangan sistem yang digunakan dalam penelitian tugas akhir ini. BAB IV ANALISIS DAN PERANCANGAN Pada bagian ini diuraikan analisis sistem yang akan dibuat dan kebutuhan sistem yang meliputi kebutuhan fungsional, kebutuhan non fungsional sistem. Rancangan sistem meliputi rancangan arsitektur sistem, rancangan proses, rancangan prosedural, rancangan data, dan rancangan user interface.
4
BAB V IMPLEMENTASI DAN PENGUJIAN Menguraikan tentang implementasi dan pengujian dari perangkat lunak yang dibangun berdasarkan hasil analisis dan perancangan (desain) pada bab sebelumnya. BAB VI
PENUTUP
Menguraikan kesimpulan penelitian dan saran-saran sebagai bahan pertimbangan untuk pengembangan penelitian.
1.7 Tinjauan Pustaka Penelitian sebelumnya digunakan untuk dapat dijadikan bahan pertimbangan dan diharapkan dapat membantu dalam pembuatan sistem yang baru. : Gusdha dkk (2011), menyatakan tujuan dari studi kasus ini adalah untuk membantu manager dalam menghitung nilai evaluasi kinerja karyawan untuk memberikan rekomendasi promosi mutasi karyawan sesuai dengan syarat dan ketentuan yang ada. Djannata dan Atmanti (2011), menyatakan tujuan studi kasus ini untuk meningkatkan jumlah dan jenis peluang kerja untuk masyarakat daerah sehingga kesejahteraan dan taraf hidup masyarakat meningkat. Jhonson (2010), menyatakan tujuan studi kasus ini yaitu membuat metodologi pendukung keputusan berbasis komputer yang menggunakan Geograpihc Information System (GIS) untuk menampilkan karakteristik lingkungan dan pilihan masyarakat, dan menggunakan metode Analytic Hierarchy Process (AHP) untuk membantu dalam menentukan peringkat dalam menentukan lokasi yang paling baik untuk masyarakat.
BAB II LANDASAN TEORI 2.1 Bantuan Tunai Langsung (BLT) Bantuan sosial adalah bantuan bersifat sementara yang diberikan kepada keluarga fakir miskin agar mereka dapat meningkatkan taraf kesejahteraan sosialnya. Bantuan sosial yang diberikan dapat berbentuk bantuan santunan hidup, bantuan sarana usaha ekonomi produktif, atau bantuan sarana kelompok usaha bersama. Bantuan ini berupa bahan atau peralatan untuk menunjang usaha ekonomi produktif. Sesuai dengan asas kekeluargaan yang dianut, maka sarana usaha ekonomi produktif tersebut diberikan dan dikelola dalam sebuah kelompok usaha bersama yang berada dalam pembinaan pemerintah. Berdasarkan Instruksi Presiden Nomor 3 Tahun 2008 tentang Pelaksanaan Program Bantuan Langsung Tunai (BLT) untuk Rumah Tangga Sasaran (RTS) dalam rangka kompensasi pengurangan subsidi BBM, Program BLT-RTS pelaksanaannya harus langsung menyentuh dan memberi manfaat langsung kepada masyarakat miskin, mendorong tanggung jawab sosial bersama dan dapat menumbuhkan kepercayaan masyarakat kepada perhatian pemerintah yang secara konsisten benar-benar memperhatikan Rumah Tangga Sasaran (RTS) yang pasti merasakan beban yang berat dari kenaikan harga BBM. Bantuan Langsung Tunai (BLT) adalah salah satu bidang dari program PKPS - BBM yang diberikan kepada keluarga mskin dalam bentuk uang sejumlah Rp 100.000 setiap bulan sekali yang dapat diambil melalui kantor pos yang ditunjuk untuk mencairkan dana tersebut. Tujuan Dana Bantuan Langsung Tunai (BLT) adalah Program Bantuan Langsung Tunai (BLT) bertujuan untuk memberikan Bantuan Langsung Tunai (BLT) kepada Rumah Tangga Miskin (RTM), yang ditujukan untuk memberikan kompensasi terhadap pengurangan subsidi bahan bakar minyak. guna :
5
6
1. Membantu masyarakat miskin agar tetap dapat memenuhi kebutuhan dasarnya. 2. Mencegah penurunan taraf kesejahteraan masyarakat miskin akibat kesulitan ekonomi. 3. Meningkatkan tanggung jawab sosial bersama. Sasaran Program BLT adalah kepada keluarga Rumah Tangga Miskin (RTM) berdasarkan hasil pendataan BPS dan telah menerima KKB yang ditandatangani oleh Menteri Sosial. Bantuan Langsung Tunai Kepada Rumah Tangga Miskin dikeluarkan dan berlaku mulai 10 September 2005. Biro Pusat Statistik Indonesia (2015) menyatakan bahwa guna melihat tingkat kesejahteraan rumah tangga suatu wilayah ada beberapa indikator yang dapat dijadikan ukuran, antara lain adalah : 1. Tingkat pendapatan kepala keluarga 2. Komposisi pengeluaran jumlah tanggungan yang ditanggung 3. Tingkat pendidikan kepala keluarga 4. Tingkat umur kepala keluarga 5. Status perumahan serta fasilitas yang dimiliki dalam rumah tangga.
2.2 Sistem Pendukung Keputusan 2.2.1 Pengertian Sistem Pendukung Keputusan Sistem Pendukung Keputusan menurut berbagai ahli diantaranya Man dan Watson, mendefinisikan bahwa Sistem Pendukung Keputusan (SPK) adalah suatu sistem interaktif yang membantu pengambil keputusan melalui penggunaan data dan model-model keputusan unutk memecahkan masalah-masalah yang sifatnya semi terstruktur dan tidak terstruktur (Daihan,2001). Secara khusus, Sistem Pendukung Keputusan didefinisikan sebagai sebuah sistem yang mendukung kerja seorang manajer maupun sekelompok manajer
7
dalam memecahkan masalah semi-terstruktur dengan cara memberikan informasi ataupun usulan menuju pada keputusan tertentu (Hermawan, 2005).
2.2.2 Konsep Pengambilan Keputusan Beberapa definisi keputusan yang dikemukakan para ahli dijelaskan sebagai berikut : 1. Menurut Mary Follet Keputusan adalah suatu atau sebagai hukum situasi. Apabila semua fakta dari situasi itu dapat diperolehnya dan semua yang terlibat, baik pengawas maupun pelaksana mau menaati hukumnya atau ketentuannya, maka tidak sama dengan menaati perintah. Wewenang tinggal dijalankan, tetapi itu merupakan wewenang dari hukum situasi. 2. Menurut Ralph C. Davis Keputusan adalah hasil pemecahan masalah yang dihadapinya dengan tegas. Suatu keputusan merupakan jawaban yang pasti terhadap suatu pertanyaan. Keputusan harus dapat menjawab pertanyaan tentang apa yang dibicarakan dalam hubungannya dengan perencanaan. Keputusan dapat pula berupa tindakan terhadap pelaksanaan yang sangat menyimpang dari rencana semula. Dari pengertian-pengertian keputusan di atas, dapat ditarik suatu kesimpulan bahwa keputusan merupakan suatu pemecahan masalah sebagai suatu hukum situasi yang dilakukan melalui pemilihan satu alternatif dari beberapa alternatif.
2.2.3
Proses Pengambilan Keputusan Menurut Simon (1980), ada empat tahap yang harus dilalui dalam proses
pengambilan keputusan, yaitu: 1)
Tahap Penelusuran ( Intelligence ) Merupakan
tahap
pendefinisian
masalah
serta
identifikasi
informasi yang dibutuhkan yang berkaitan dengan persoalan yang dihadapi serta keputusan yang akan diambil. 2)
Tahap Perancangan (Design)
8
Merupakan tahap analisa dalam kaitan mencari atau merumuskan alternatif-alternatif pemecahan masalah. Setelah permasalahan dirumuskan dengan baik, maka tahap berikutnya adalah merancang atau membangun model pemecahan masalahnya dan menyusun berbagai alternatif pemecahan masalah. 3)
Tahap Pemilihan (Choice) Pemilihan merupakan tindakan pengambilan keputusan yang kritis. Tahap pemilihan adalah tahap dimana dibuat suatu keputusan yang nyata dan diambil suatu komitmen untuk mengikuti suatu tindakan tertentu. Batas antara tahap pilihan dan desain sering tidak jelas karena aktivitas tertentu dapat dilakukan selama kedua tahap tersebut dan karena orang dapat sering kembali dari aktivitas pilihan ke aktivitas desain. Sebagai contoh, seseorang dapat menghasilkan alternatif baru selagi mengevaluasi alternatif yang ada. Tahap pemilihan meliputi pencarian, evaluasi, dan rekomendasi terhadap suatu solusi yang tepat untuk model. Sebuah solusi untuk sebuah model adalah sekumpulan nilai spesifik untuk variabelvariabel keputusan dalam suatu alternatif yang telah dipilih.
4)
Implementasi (Implementation) Pada hakikatnya implementasi suatu solusi yang diusulkan untuk suatu masalah adalah inisiasi terhadap hal baru, atau pengenalan terhadap perubahan. Definisi
implementasi
sedikit
rumit
karena
implementasi
merupakan sebuah proses yang panjang dan melibatkan batasan-batasan yang tidak jelas. Pendek kata, implementasi berarti membuat suatu solusi yang direkomendasikan bisa bekerja, tidak memerlukan implementasi suatu sistem komputer.
9
2.2.4
Tipe-tipe Pengambilan Keputusan
Tipe pengambilan keputusan dibagi dalam 3 tipe yaitu : A. Keputusan terprogram / keputusan terstruktur : Keputusan yang berulang-ulang dan rutin, sehingga dapat diprogram. Keputusan terstruktur terjadi dan dilakukan terutama pada manajemen tingkat bawah. B. Keputusan setengah terprogram / setengah terstruktur : Keputusan yang sebagian dapat diprogram, sebagian berulangulang dan rutin dan sebagian tidak terstruktur. Keputusan ini seringnya bersifat rumit dan membutuhkan perhitungan-perhitungan serta analisis yang terperinci. C. Keputusan tidak terprogram/ tidak terstruktur : Keputusan yang tidak terjadi berulang-ulang dan tidak selalu terjadi. Keputusan ini terjadi di manajemen tingkat atas. Informasi untuk pengambilan keputusan tidak terstruktur tidak mudah untuk didapatkan dan tidak mudah tersedia dan biasanya berasal dari lingkungan luar. 2.2.5
Kerangka Kerja Pengambilan Keputusan Ada beberapa cara untuk mengklasifikasikan pengambilan keputusan.
Pemahaman terhadap kerangka kerja dapat dibahas sebagai berikut: 1. Sistem Pengambilan Keputusan. A. Sistem Keputusan Tertutup Dalam sistem keputusan tertutup menganggap bahwa keputusan terpisah dari masukan yang tidak diketahui dari lingkungan. Sistem pengambilan
keputusan
tertutup
biasanya
menggunakan
model
kuantitatif. Dalam sistem ini pengambil keputusan dianggap: 1. Mengetahui semua perangkat alternatif dan semua akibat atau hasilnya masing-masing. 2. Memiliki
metode
yang
memungkinkan
kepentingan semua alternatif.
dia
membuat
urutan
10
3. Memilih alternatif yang memaksimalkan sesuatu, misalnya laba, volume penjualan, atau kegunaan.
B. Sistem Keputusan terbuka Memandang keputusan sebagai berada dalam suatu lingkungan yang rumit dan sebagian tak diketahui. Keputusan dipengaruhi oleh lingkungan
dan
pada
gilirannya
proses
keputusan
kemudian
mempengaruhi lingkungan. Pengambil keputusan dianggap tidak harus logis dan sepenuhnya rasional, tetapi lebih banyak memperlihatkan rasionalitas hanya dalam batas yang dikemukakan oleh latar belakang, pandangan atas alternatif, kemampuan menangani suatu model keputusan. Model keputusan terbuka menganggap bahwa pengambil keputusan: 1. Tidak mengetahui semua alternatif dan semua hasil 2. Melakukan pencarian secara terbatas untuk menemukan beberapa alternatif yang memuaskan. 3. Mengambil suatu keputusan yang memuaskan tingkat aspirasinya. 2. Pengetahuan terhadap hasil (Knowledge Of Outcomes) Suatu hasil menentukan apa yang akan terjadi bila sebuah keputusan diambil. Dalam pengambilan keputusan ada tiga jenis pengetahuan yang berhubungan dengan hasil: 1. Kepastian (Certainty). Pengetahuan yang lengkap dan akurat mengenai hasil tiap pilihan. Hanya ada satu hasil untuk setiap pilihan. 2. Resiko (Risk). Hasil yang mungkin timbul dapat diidentifikasi dan satu kemungkinan yang terjadi dapat dihubungkan dengan masing-masing hasil. 3. Ketidakpastian (Uncertaninty). Berbagai hasil mungkin terjadi dan dapat diidentifikasi, tetapi tidak ada pengetahuan dari kemungkinan yang dapat dihubungkan dengan masing-masing hasilnya.
11
2.2.6
Proses Pembuatan Keputusan yang Efektif Untuk membuat sebuah keputusan yang efektif maka harus melalui proses
berikut ini : 1. Pemahaman dan perumusan masalah, bahwa setiap keputusan harus dapat dipahami dengan perumusan masalah yang tepat dan akurat. 2. Pengumpulan dan analisa yang relevan, bahwa setiap pengumpulan keputusan harus mempunyai analisa yang relevan dan nyata dalam pengambilan keputusan. 3. Pengembangan
alternatif-alternatif,
bahwa
setiap
pengembangan
keputusan-keputusan dalam perumusan dan pengumpulan data harus dikembangkan secara alternatif-alternatif suatu keputusan. 4. Evaluasi alternatif-alternatif, bahwa setiap mengevaluasi suatu keputusan harus dengan komposisi, data yamg lengkap dan seimbang. 5. Pemilihan alternatif terbaik, bahwa setiap pemilihan suatu keputusan harus dengan konsep-konsep data alternatif yang terbaik. 6. Implementasi keputusan, bahwa setiap keputusan harus mempunyai perlengkapan yang matang dalam mengambil suatu keputusan. 7. Evaluasi hasil-hasil keputusan, bahwa setiap keputusan harus mempunyai hasil-hasil yang akurat, analisa yang tepat, yang nantinya dapat di evaluasi dan di kembangkan kembali sehingga menjadi hasil yang memuaskan. 2.2.7 Fungsi Sistem Pendukung Keputusan (SPK) Secara global dapat dikatakan bahwa fungsi dari Sistem Pendukung Keputusan (SPK) adalah untuk meningkatkan kemampuan para pengambil keputusan dengan memberikan alternatif-alternatif keputusan yang lebih banyak atau lebih baik, sehingga dapat membantu untuk merumuskan masalah dan keadaan yang dihadapi. Dengan demikian Sistem Pendukung Keputusan (SPK) dapat menghemat waktu, tenaga dan biaya. Jadi dapatlah dikatakan secara singkat bahwa tujuan Sistem Penunjang Keputusan adalah untuk meningkatkan efektivitas dan efesiensi dalam pengambilan keputusan.
12
2.3 Metode Analytical Hierarchy Process (AHP) Metode AHP dikembangkan oleh Saaty, seorang ahli matematika. Metode ini adalah sebuah kerangka untuk mengambil keputusan dengan efektif atas persoalan yang kompleks dengan menyederhanakan dan mempercepat proses pengambilan keputusan dengan memecahkan persoalan tersebut kedalam bagian-bagiannya, menata bagian atau variabel ini dalam suatu susunan hirarki, memberi nilai numerik pada pertimbangan subjektif tentang pentingnya tiap variabel dan mensintesis berbagai pertimbangan ini untuk menetapkan variabel yang mana yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil pada situasi tersebut. Metode AHP ini membantu memecahkan persoalan yang kompleks dengan menstruktur suatu hirarki kriteria, pihak yang berkepentingan, hasil dan dengan menarik berbagai pertimbangan guna mengembangkan bobot atau prioritas. Metode ini juga menggabungkan kekuatan dari perasaan dan logika yang bersangkutan pada berbagai persoalan, lalu mensintesis berbagai pertimbangan yang beragam menjadi hasil yang cocok dengan perkiraan kita secara intuitif sebagaimana yang dipresentasikan pada pertimbangan yang telah dibuat. (Saaty, 1993). Proses hierarki adalah suatu model yang memberikan kesempatan bagi perorangan
atau
kelompok
untuk
membangun
gagasan-gagasan
dan
mendefinisikan persoalan dengan cara membuat asumsi mereka masing-masing dan memperoleh pemecahan yang diinginkan darinya. Ada dua alasan utama untuk menyatakan suatu tindakan akan lebih baik dibanding tindakan lain. Alasan yang pertama adalah pengaruh-pengaruh tindakan tersebut kadang-kadang tidak dapat dibandingkan karena sutu ukuran atau bidang yang berbeda dan kedua, menyatakan bahwa pengaruh tindakan tersebut kadang-kadang tidak sesuai, artinya perbaikan pengaruh tindakan tersebut yang satu dapat dicapai dengan ketidak sesuaian dengan lainnya, kedua alasan tersebut akan menyulitkan dalam membuat ekuivalensi antar pengaruh sehingga diperlukan suatu skala yang disebut prioritas.
13
2.3.1 Kelebihan dan Kekurangan dalam Metode AHP 2.3.1.1 Kelebihan 1. Struktur yang berhierarki sebagai konsekuensi dari kriteria yang dipilih sampai pada sub-sub kriteria yang paling dalam. 2. Memperhitungkan validitas sampai batas toleransi inkonsentrasi sebagai kriteria dan alternatif yang dipilih oleh para pengambil keputusan. 3. Memperhitungkan daya tahan atau ketahanan output analisis sensitivitas pengambilan keputusan.
2.3.1.2 Kelemahan 1. Ketergantungan model AHP pada input utamanya. Input utama ini berupa persepsi seorang ahli sehingga dalam hal ini melibatkan subyektifitas sang ahli selain itu juga model menjadi tidak berarti jika ahli tersebut memberikan penilaian yang keliru. 2. Metode AHP ini hanya metode matematis tanpa ada pengujian secara statistik sehingga tidak ada batas kepercayaan dari kebenaran model yang terbentuk.
2.3.2 Tahapan Metode AHP Dalam metode AHP dilakukan langkah-langkah sebagai berikut : 1. Mendefenisikan masalah dan menentukan solusi yang diinginkan. kemudian membuat struktur hirarki yang diawali dengan tujuan umum, dilanjutkan dengan sub tujuan sub tujuan, kriteria dan kemungkinan alternatif-alternatif pada tingkatan kriteria yang paling bawah. 2. Menetapkan matriks perbandingan berpasangan antar atribut, berdasarkan prosedur hiearkiSaaty. Untuk analisis skala perbandingan berpasangan dan perbandingan berpasangan dapat di lihat pada tabel 2.1.
14
Tabel 2.1 Skala Penilaian Perbandingan Berpasangan Intensitas Kepentingan 1
3
5
7
9
2,4,6,8
Kebalikan
Keterangan Kedua elemen sama
Penjelasan Pentingnya, Dua elemen mempunyai pengaruh yang sama besar
Elemen yang satu Pengalaman dan penilaian sedikit sedikit lebih penting menyokong satu elemen dibandingkan daripada elemen yang elemen yang lainnya lainnya, Elemen yang satu Pengalaman dan penilaian sangat kuat lebih penting daripada menyokong satu elemen dibandingkan yang lainnya, elemen yang lainnya Satu elemen jelas Satu elemen yang kuat disokong dan lebih mutlak penting dominan terlihat dalam praktek dari pada elemen lainnya, Satu elemen mutlak Bukti yang mendukung elemen yang penting dari pada satu terhadap elemen lain memeliki elemen lainnya, tingkat penegasan tertinggi yang mungkin menguatkan Nilai-nilai antara dua Nilai ini diberikan bila ada dua nilai pertimbangan- kompromi di antara 2 pilihan pertimbangan yang berdekatan, Jika untuk aktivitas i mendapat satu angka dibanding dengan aktivitas j , maka j mempunyai nilai kebalikannya dibanding dengan i.
3. Mencari nilai bobot awal kriteria dengan menjumlahkan nilai-nilai dari setiap kolom pada matriks dapat dilihat pada persamaan 2.1 [
]
∑
………………………..... (2.1)
Keterangan : wa = Nilai bobot awal j = Nilai Kolom i = Nilai Baris ∑j = Jumlah nilai kolom keseluruhan
4. Mencari nilai eigen vector, dengan cara normalisasikan matriks dijumlahkan nilai-nilai dari setiap semua baris tiap kriteria.
15
5. Setelah didapatkan jumlah eigen vector, selanjutnya hitung nilai bobot (w) masing-masing kriteria dengan cara membagi nilai eigen vector (e) dengan jumlah keseluruhan nilai eigen vector (∑e), dapat dilihat pada persamaan 2.2 ∑
………………………..... (2.2)
Keterangan : w = Nilai bobot kriteria e = eigen vector ∑e = jumlah keseluruhan nilai eigen vector 6. Setelah didapatkan jumlah bobot kriteria selanjutnya hitung nilai λmaks, untuk mencari nilai λmaks, jumlahkan semua nilai λmaks tiap baris dan dibagi dengan jumlah kriteria, seperti pada persamaan 2.3 λ
λ
λ
………………………..... (2.3)
Keterangan : λmaks, = lamda maksimal i = nilai baris 7. Setelah mendapatkan λmaks, kemudian menghitung Consistency Index (CI), yaitu dengan persamaan 2.4 ………………………..... (2.4) Keterangan : CI
= Consistency Index
λ maks = Bobot maksimum n
= Jumlah keseluruhan
8. Setelah Consistency Index didapat, maka kita hitung Consistency Ratio (CR) dengan mengacu pada nilai Indeks Random atau Random Index (RI) yang dapat di ambil dengan ketentuan sesuai dengan jumlah kriteria yang di ambil,dapat di lihat pada persamaan 2.5 dan tabel 2.6.
16
………………………..... (2.5) Keterangan :
CR
= Consistency Ratio
R1
= Random Index
C1
= Consistency Index
untuk melihat ketentuan Random Index dapat dilihat pada tabel 2.2 Tabel 2.2 Ketentuan Random Index (RI) Orde Matriks 1 2 3 4 5 6 7 8 9 10 11 12 13 14
RI 0 0 0,8 0,9 1,12 1,24 1,32 1,41 1,45 1,49 1,51 1,48 1,56 1,57
Matriks perbandingan dapat diterima dan dinyatakan benar jika Nilai Rasio Konsistensi (CR) ≤ 0.1, jika nilai CR > 0.1 maka pertimbangan yang dibuat perlu diperbaiki. 9. Mencari nilai alternatif dengan cara menghitung intensitas kepentingan altrnatif terhadap setiap kriteria. 10. Kemudian mengalikan hasil dari kriteria dan alternatif untuk mendapatkan nilai akhir.
17
2.4 Metode Pengembangan sistem Rational Unified Process (RUP) Rational Unified Process (RUP) merupakan suatu metode rekayasa perangkat lunak yang dikembangkan dengan mengumpulkan berbagai best practises yang terdapat dalam industri pengembangan perangkat lunak. Ciri utama metode ini adalah menggunakan use-case driven dan pendekatan iteratif untuk siklus pengembangan perankat lunak. RUP menggunakan konsep object oriented, dengan aktifitas yang berfokus pada pengembangan model dengan menggunakan Unified Model Language UML). Melalui gambar dibawah dapat dilihat bahwa RUP memiliki, yaitu: 1. Dimensi pertama digambarkan secara horizontal. Dimensi ini mewakili aspekaspek dinamis dari pengembangan perangkat lunak. Aspek ini dijabarkan dalam tahapan pengembangan atau fase. Setiap fase akan memiliki suatu major milestone yang menandakan akhir dari awal dari phase selanjutnya. Setiap phase dapat berdiri dari satu beberapa iterasi. Dimensi ini terdiri atas Inception, Elaboration, Construction, dan Transition. 2. Dimensi kedua digambarkan secara vertikal. Dimensi ini mewakili aspekaspek statis dari proses pengembangan perangkat lunak yang dikelompokkan ke dalam beberapa disiplin. Proses pengembangan perangkat lunak yang dijelaskan kedalam beberapa disiplin terdiri dari empat elemen penting, yakni who is doing, what, how dan when. Dimensi ini terdiri atas: Business Modeling, Requirement, Analysis and Design, Implementation, Test, Deployment, Configuration dan Change Manegement, Project Management, Environtment. Pada penggunaan kedua standard tersebut diatas yang berorientasi obyek (object orinted) memiliki manfaat yakni: 1. Improve productivity Standar ini dapat memanfaatkan kembali komponen-komponen yang telah tersedia/dibuat sehingga dapat meningkatkan produktifitas. 2. Deliver high quality system Kualitas sistem informasi dapat ditingkatkan sebagai sistem yang dibuat pada komponen-komponen yang telah teruji (well-tested dan well-proven) sehingga dapat mempercepat delivery sistem informasi yang dibuat dengan
18
kualitas yang tinggi. 3. Lower maintenance cost Standar ini dapat membantu untuk menyakinkan dampak perubahan yang terlokalisasi dan masalah dapat dengan mudah terdeteksi sehingga hasilnya biaya pemeliharaan dapat dioptimalkan atau lebih rendah dengan pengembangan informasi tanpa standar yang jelas. 4. Facilitate reuse Standar ini memiliki kemampuan yang mengembangkan komponenkomponen yang dapat digunakan kembali untuk pengembangan aplikasi yang lainnya. 5. Manage complexity Standar ini mudah untuk mengatur dan memonitor semua proses dari semua tahapan yang ada sehingga suatu pengembangan sistem informasi yang amat kompleks dapat dilakukan dengan aman dan sesuai dengan harapan semua manajer proyek IT/IS yakni deliver good quality software within cost and schedule time and the users accepted. 2.5 Unified Modelling Language (UML) Unified Modelling Language (UML) adalah salah satu alat bantu yang sangat handal di dunia pengembangan sistem yang berorientasi objek (Munawar, 2005). UML merupakan kesatuan dari bahasa pemodelan yang dikembangkan oleh Booch, Object Modelling Technique (OMT) dan Object Oriented Software Engineering (OOSE). Metode Booch dari Grady Booch sangat terkenal dengan nama metode Design Object Oriented. Metode ini menjadikan proses analisis dan design ke dalam empat tahapan iteratif, yaitu : identifikasi kelas-kelas dan objekobjek, identifikasi semantik dari hubungan objek dan kelas tersebut, perincian interface, dan implementasi. Diagram UML yang digunakan dalam penelitian ini berjumlah 4 buah karena telah cukup untuk menjelaskan tentang sistem yang akan dibangun. Diagram-diagram tersebut adalah :
19
1.
Use Case Diagram
Use case diagram adalah diagram yang menampilkan aktor, use case dan hubungan yang terjadi antara aktor dan use case. Use case adalah teknik untuk merekam persyaratan fungsional sebuah sistem. Use case mendeskripsikan interaksi tipikal antara para pengguna sistem dengan sistem itu sendiri, dengan memberi sebuah narasi tentang bagaimana sistem tersebut digunakan. Aktor merupakan sebuah peran yang dimainkan seorang pengguna dalam kaitannya dengan sistem (Munawar, 2005), untuk melihat simbol use case diagram dapat dilihat pada tabel 2.3. Tabel 2.3 Simbol use case diagram NO
GAMBAR
1
2
3
4
2.
NAMA
KETERANGAN
Actor
Menspesifikasikan himpuan peran yang pengguna mainkan ketika berinteraksi dengan use case.
Generalization
Hubungan dimana objek anak (descendent) berbagi perilaku dan struktur data dari objek yang ada di atasnya objek induk (ancestor).
Extend
Menspesifikasikan bahwa use case target memperluas perilaku dari use case sumber pada suatu titik yang diberikan.
Use Case
Deskripsi dari urutan aksi-aksi yang ditampilkan sistem yang menghasilkan suatu hasil yang terukur bagi suatu actor
Activity Diagram Activity Diagram adalah teknik untuk menggambarkan logika prosedural,
proses bisnis dan jalur kerja. Dalam beberapa hal, activity diagram memainkan peran mirip sebuah diagram alir, tetapi perbedaan prinsip antara activity diagram dan notasi diagram alir adalah diagram ini mendukung perilaku paralel (Munawar, 2005), untuk melihat simbol activity diagram diagram dapat dilihat pada tabel 2.4.
20
Tabel 2.4 Simbol activity diagram NO
GAMBAR
NAMA
KETERANGAN
1
Actifity
Memperlihatkan bagaimana masingmasing kelas antarmuka saling berinteraksi satu sama lain
2
Action
State dari sistem yang mencerminkan eksekusi dari suatu aksi
3
Initial Node
Bagaimana objek dibentuk atau diawali.
4
Actifity Final Node
Bagaimana dihancurkan
5
Fork Node
objek
dibentuk
dan
Satu aliran yang pada tahap tertentu berubah menjadi beberapa aliran
Sequence Diagram
3.
Sequence diagram menjabarkan perilaku sebuah skenario. Skenario adalah rangkaian langkah-langkah yang menjabarkan sebuah interaksi antara seorang pengguna dengan sebuah sistem. Sequence diagram menunjukkan sejumlah objek contoh dan pesan-pesan yang melewati objek-objek tersebut di dalam use case (Munawar, 2005), untuk melihat simbol sequence diagram dapat dilihat pada tabel 2.5. Tabel 2.5 Simbol sequence diagram NO
GAMBAR
NAMA
KETERANGAN Objek entity, antarmuka yang saling berinteraksi.
1
2
LifeLine
Message
Spesifikasi dari komunikasi antar objek yang memuat informasi-informasi tentang aktifitas yang terjadi
21
Tabel 2.5 Simbol sequence diagram lanjutan NO
GAMBAR
3
4
4.
NAMA
KETERANGAN
Message
Spesifikasi dari komunikasi antar objek yang memuat informasi-informasi tentang aktifitas yang terjadi
Message
Menyatakan suatu objek mengakhiri hidup objek lain, arah panah mengarah pada objek yang diakhiri, sebaiknya jika ada create maka ada destroy
Class Diagram Class diagram adalah diagram yang mendeskripsikan jenis-jenis objek
dalam sistem dan berbagai macam hubungan statis yang terdapat di antara objekobjek tersebut. Class diagram juga menunjukkan properti dan operasi sebuah class dan batasan-batasan yang terdapat dalam hubungan-hubungan objek tersebut (Munawar, 2005), untuk melihat simbol class diagram dapat dilihat pada tabel 2.6 Tabel 2.6 Simbol class diagram NO
NAMA
KETERANGAN
1
Generalization
Hubungan dimana objek anak (descendent) berbagi perilaku dan struktur data dari objek yang ada di atasnya objek induk (ancestor).
2
Class
Himpunan dari objek-objek yang berbagi atribut serta operasi yang sama.
Collaboration
Deskripsi dari urutan aksi-aksi yang ditampilkan sistem yang menghasilkan suatu hasil yang terukur bagi suatu actor
3
4
GAMBAR
Realization
Operasi yang benar-benar dilakukan oleh suatu objek.
22
Tabel 2.6 Simbol class diagram lanjutan NO
GAMBAR
5
NAMA
KETERANGAN
Dependency
Hubungan dimana perubahan yang terjadi pada suatu elemen mandiri (independent) akan mempegaruhi elemen yang bergantung padanya elemen yang tidak mandiri
Association
6
Apa yang menghubungkan antara objek satu dengan objek lainnya
2.6 Database Menurut Kristanto (2004), istilah “database” berawal dari ilmu komputer. Meskipun kemudian artinya semakin luas, memasukkan hal-hal yang di luar bidang elektronika, artikel mengenai database komputer. Catatan yang mirip dengan database sebenarnya sudah ada sebelum revolusi industri yaitu dalam bentuk buku besar, kuitansi dan kumpulan data yang berhubungan dengan bisnis. A. Konsep Dasar Database Konsep dasar database adalah kumpulan dari catatan, atau potongan dari pengetahuan. Sebuah database memiliki penjelasan terstruktur dari jenis fakta yang tersimpan di dalamnya penjelasan ini disebut skema. Ada banyak cara untuk mengorganisasi skema, atau memodelkan struktur database ini dikenal sebagai database model atau model data. Model yang umum digunakan sekarang adalah model relasional, yang menurut istilah yaitu mewakili semua informasi dalam bentuk tabel yang saling berhubungan dimana setiap tabel terdiri dari baris dan kolom
(definisi
yang sebenarnya
menggunakan
terminologi
matematika). Dalam model ini, hubungan antar tabel diwakili dengan menggunakan nilai yang sama antar tabel.
23
B. Perangkat Untuk Membuat Database Database dapat dibuat dan diolah dengan menggunakan suatu program komputer, yaitu yang biasa disebut dengan software (perangkat lunak). Software yang digunakan untuk mengelola dan memanggil kueri (query) database disebut Database Management System (DBMS) atau jika diterjemahkan kedalam bahasa indonesia berarti “Sistem Manajemen Basis Data”. DBMS terdiri dari dua komponen, yaitu Relational Database Management System (RDBMS) dan Overview of Database Management System (ODBMS). RDBMS meliputi Interface Drivers, SQL Engine, Transaction Engine, Relational Engine, dan Storage Engine. Sedangkan ODBMS meliputi Language Drivers,Query Engine, Transaction Engine, dan Storage Engine. Sedangkan level dari softwarenya sendiri, terdapat dua level software yang memungkinkan untuk membuat sebuah database antara lain. 1. High Level Software Yang termasuk di dalam High Level Software, antara lain Microsoft SQL Server, Oracle, Sybase, Interbase, XBase, Firebird, MySQL, PostgreSQL, Microsoft Access, dBase III, Paradox, FoxPro, Visual FoxPro, Arago, Force, Recital, dbFast, dbXL,Quicksilver, Clipper, FlagShip, Harbour, Visual dBase, dan Lotus Smart Suite Approach. 2. Low Level Software Yang termasuk di dalam Low Level Software antara lain Btrieve dan Tsunami Record Manager.
24
2.7 MySql Menurut Kadir (2004), MySQL adalah sebuah implementasi dari sistem manajemen basis data relasional (RDBMS) yang didistribusikan secara gratis. Setiap pengguna dapat secara bebas menggunakan MySQL, namun dengan batasan perangkat lunak tersebut tidak boleh dijadikan produk turunan yang bersifat komersial. MySQL sebenarnya merupakan turunan salah satu konsep utama dalam basis data yang telah ada sebelumnya: SQL (Structured Query Language). SQL adalah sebuah konsep pengoperasian basis data, terutama untuk pemilihan atau seleksi dan pemasukan data, yang memungkinkan pengoperasian data dikerjakan dengan mudah secara otomatis. Kehandalan suatu sistem basis data (DBMS) dapat diketahui dari cara kerja pengoptimasi-nya dalam melakukan proses perintah-perintah SQL yang dibuat oleh pengguna maupun program-program aplikasi yang memanfaatkannya. Sebagai peladen basis data, MySQL mendukung operasi basisdata transaksional maupun operasi basis data non-transaksional. Pada modus operasi nontransaksional, MySQL dapat dikatakan unggul dalam hal unjuk kerja dibandingkan perangkat lunak peladen basis data kompetitor lainnya. Namun demikian pada modus non-transaksional tidak ada jaminan atas reliabilitas terhadap data yang tersimpan, karenanya modus non-transaksional hanya cocok untuk jenis aplikasi yang tidak membutuhkan reliabilitas data seperti aplikasi blogging berbasis web (wordpress), CMS, dan sejenisnya. Untuk kebutuhan sistem yang ditujukan untuk bisnis sangat disarankan untuk menggunakan modus basisdata transaksional, hanya saja sebagai konsekuensinya unjuk kerja MySQL pada modus transaksional tidak secepat unjuk kerja pada modus nontransaksional. 2.8 Bahasa Pemograman Java Berdasarkan pendapat Schildt (2005), java adalah bahasa pemrograman yang mendukung Object Oriented Programming (OOP). Aplikasi Java biasanya dapat dikompilasi menjadi bytecode (file kelas) yang dapat berjalan
25
di Java Virtual Machine (JVM) manapun walaupun berbeda dalam arsitektur komputer.Bahasa
pemrograman
Java
memiliki
beberapa
kelebihan
dibandingkan beberapa bahasa pemrograman lain. Beberapa kelebihan dari Java adalah: 1. Multiplatform Java dapat dijalankan dibeberapa platform atau sistem operasi komputer, yang tidak terikat pada arsitektur tertentu. Sesuai dengan prinsip write once, run anywhere. 2. Object Oriented Programming (OOP) Bahasa Java merupakan bahasa pemrograman yang mendukung pemodelan berorientasi objek karena pada Java mengutamakan dalam pembuatan objek, manipulasi objek, dan membuat objek bekerja sama. 3. Library yang lengkap Java memiliki library yang lengkap dan mempermudah dalam penggunaan oleh para pembangun untuk membangun aplikasinya. 4. Berdasar C++ Memiliki sintaks seperti bahasa pemrograman C++. 2.9 Netbeans Netbeans merupakan sebuah aplikasi Integrated Development Environment (IDE) yang berbasiskan Java dari Sun Microsystems yang berjalan di atas swing. Swing merupakan sebuah teknologi Java untuk pengembangan aplikasi desktop yang dapat berjalan pada berbagai macam platform seperti windows, linux, Mac OS X dan Solaris. Sebuah IDE merupakan lingkup pemrograman yang di integrasikan ke dalam suatu aplikasi perangkat lunak yang menyediakan Graphic User Interface (GUI), suatu kode editor atau text, suatu compiler dan suatu debugger. Netbeans juga digunakan oleh sang programmer untuk menulis, mengkompile, mencari kesalahan dan menyebarkan program netbeans yang ditulis dalam bahasa pemrograman java namun selain itu dapat juga mendukung bahasa pemrograman lainnya dan program ini pun bebas untuk digunakan dan untuk membuat professional desktop, enterprise, web, and mobile applications dengan
26
Java language, C/C++, dan bahkan dynamic languages seperti PHP, JavaScript, Groovy, dan Ruby. NetBeans merupakan sebuah proyek kode terbuka yang sukses dengan pengguna yang sangat luas, komunitas yang terus tumbuh, dan memiliki hampir 100 mitra (dan terus bertambah). Sun Microsystems mendirikan proyek kode terbuka NetBeans pada bulan Juni 2000 dan terus menjadi sponsor utama. Dan saat ini pun NetBeans memiliki 2 produk yaitu Platform Netbeans dan Netbeans IDE. Platform Netbeans merupakan framework yang dapat digunakan kembali (reusable) untuk menyederhanakan pengembangan aplikasi desktop dan Platform NetBeans juga menawarkan layanan-layanan yang umum bagi aplikasi desktop, mengijinkan pengembang untuk fokus ke logika yang spesifik terhadap aplikasi.
BAB III METODOLOGI PENELITIAN 3.1
Data yang Digunakan Data yang digunakan untuk mengumpulkan data pada penelitian ini yakni
menggunakan data primer, yaitu data diperoleh langsung dari dari kepala Badan Statistik Kota Kendari. Data kriteria yang digunakan yaitu pendapatan, tanggungan, umur, pendidikan, dan kondisi perumahan.
3.2
Sumber Data Sumber data yang digunakan pada penelitian ini adalah data yang
diperoleh dari wawancara langsung oleh salah kepala Badan Statistik Kota Kendari, dan Kepala Lurah desa Sambuli kec.Abeli Kendari. Data tersebut diolah untuk mendapatkan nilai tertinggi untuk menentukan penerima bantuan langsung tunai (BLT).
3.3
Metodologi Pengumpulan Data Metode yang dilakukan dalam
proses pengumpulan data antara lain
adalah sebagai berikut: a. Kajian Pustaka Metode kajian pustaka digunakan untuk mencari literatur atau sumber pustaka yang berkaitan dengan Sistem Pendukung Keputusan untuk menentukan Penerima Bantuan Langsung dan membantu mempertegas teori-teori yang ada serta memperoleh data yang sesungguhnya. b. Wawancara Wawancara dilakukan melalui tanya jawab langsung mengenai hal – hal yang bersangkutan dengan penelitian kepada kepala Badan Statistik Kota Kendari, dan Kepala camat desa Sambuli kec.Abeli Kendari.
27
28
3.4
Prosedur Pengembangan Perangkat Lunak Metode pengembangan sistem yang digunakan dalam sistem ini dalah
metode Rational Unified Process (RUP). Dalam metode ini, terdapat empat tahap pengembangan perangkat lunak yaitu: 1.
Inception/insepsi a) Ruang lingkup proyek: 1. Sebagai alat bantu pengambilan keputusan. 2. Digunakan untuk melakukan proses seleksi berdasarkan alternatif dan kriteria yang telah ditentukan sebelumnya. 3. Metode yang digunakan adalah AHP bahasa pemogramannya adalah JAVA. b) Melakukan perancangan arsitektural dan use case menggunakan apilikasi microsoft office visio 2007.
2.
Elaboration/elaborasi a.
Menspesifikasikan menu-menu yang akan digunakan sesuai dengan kebutuhan user.
b.
Menerjemahkan desain sistem kedalam bahasa yang dapat dimengerti oleh komputer.
3.
Construction/konstruksi a) Melakukan proses analisa desain sistem yang telah dibuat. b) Melakukan proses pengujian sistem untuk mengetahui tingkat akurasi sistem.
4.
Transition/transisi a) Melakukan pengujian akhir pada sistem yang telah jadi dan disetujui administrator. b) Melakukan proses deployment, dan c) Sosialisasi perangkat lunak.
3.5 Tempat dan Waktu Penelitian Penelitian tugas akhir dengan Sistem Pendukung Keputusan untuk Menentukan Penerima Bantuan Langsung (BLT) menggunakan Metode AHP
29
(Analitycal Hierarchy Process) ini dilakukan di lingkup wilayah kota Kendari yaitu Desa Sambuli, kecamatan Abeli. Berdasarkan dengan proses pengembangan perangkat lunak dengan menggunakan metode Rational Unified Process (RUP), maka waktu penelitian dilihat pada tabel 3.1. Tabel 3.1 Tabel waktu penelitian 2015 No
Alur Kerja
Mei 3 4
1
Inception
2
Elaboration
3
Construction
4
Transition
Juni
Juli
Agustus
September
1 2 3 4 1 2 3 4 1 2 3 4 1
Oktober
2 3 4 1 2 3 4
BAB IV ANALISA PERANCANGAN SISTEM 4.1 Gambaran Umum Sistem Admin sebelum melakukan proses penentuan penerima bantuan langsung tunai secara terkomputerisasi, terlebih dahulu memasukkan data keluarga dan kriteriakriteria yang menjadi pertimbangan-pertimbangan dalam proses penentuan kesejahteraan masyarakat. Setelah memasukkan data dan kriteria-kriteria keluarga, sistem akan memproses atau menghitung nilai kepentingan dari kriteria yang telah dimasukkan, kemudian sistem akan mengurutkan data keluarga berdasarkan nilainya, dimana kepala keluarga yang memiliki nilai tertinggi nantinya akan ditampilkan oleh sistem untuk menjadi rekomendasi tertinggi bagi proses penentuan layak tidaknya kepala keluarga menerima bantuan .
4.2 Analisa Permasalahan dengan Metode AHP Pada penentuan penerima bantuan langsung tunai menggunakan metode AHP diperlukan kriteria-kriteria dan bobot untuk melakukan perhitungannya. Pada Proses Ini dilakukan perhitungan kriteria terlebih dahulu. Apabila nilai kriteria sudah didapatkan selanjutnya nilai alternatif yang akan dicari sehingga untuk mendapatkan hasil akhir nilai kriteria dikalikan dengan nilai alternatif. Berikut pencarian awal yaitu perhitungan kriteria.
4.2.1
Perhitungan Kriteria Dalam metode AHP terdapat kriteria yang dibutuhkan untuk menentukan
kepala keluarga terbaik. Adapun 5 kriteria yang di dapat melalui badan pusat statistik dapat dilihat pada tabel 4.1.
30
31
Tabel 4.1 Tabel Kriteria Sumber : Pusat Statistik Indonesia (2015) Kriteria Pendapatan Tanggungan Pendidikan Umur Kondisi Perumahan
Keterangan Pendapatan kepala keluarga Perbulan Jumlah Keluarga yang di tanggung Pendidikan terakhir kepala keluarga Umur kepala keluarga Status tempat tinggal
Dari setiap kriteria, pembuat keputusan akan menentukan nilai bobot dengan menentukan skala/intensitas kepentingan yang berkisar dari nilai 1 sampai nilai 9. Selanjutnya penilaian antar kriteria berdasarkan tingkat kepentingan, dibuat dalam matriks berpasangan untuk menentukan bobot awalnya. Berikut penilaian antar kriteria berdasarkan tingkat kepentingan yang dimasukkan sebagai bobot awal untuk tiap kriteria. Adapun tahap-tahap penyelesaian dengan metode AHP adalah sebagai berikut: 1. Tahap pertama memilih bobot kriteria yang akan diproses kemudian masukkan bobot dalam nilai perbandingan criteria yang telah ditentukan yaitu 1,5,3,2,4. Pada tabel 4.2 penilaian antar kriteria berdasarkan tingkat kepentingan yang dimasukkan sebagai bobot awal untuk tiap kriteria. Tabel 4.2 Bobot Kriteria Kriteria Pendapatan Tanggungan Pendidikan Umur Kondisi Rumah Jumlah
Nilai perbandingan 1 5 3 2 4
1 K1 1 5 3 2 4 15
5 K2 0,2 1 0,60 0,40 0,80 3
3 K3 0,33 1,67 1 0,67 1,33 5
2 K4 0,50 2,50 1,50 1 2,00 7,5
4 K5 0,25 1,25 0,75 0,50 1 3,75
32
Operasi : Pada kolom K1 dan kolom K2 menggambarkan tingkat kepentingan yang sama antara K1 dan K2 pada tabel 4.2 Tabel Tingkat Kepentingan Kriteria pada Penelitian, Sedangkan nilai pada baris K2 merupakan hasil perhitungan kolom K1 (1) dibagii dengan nilai pada kolom K2 baris K1. Nilai yang terdapat pada baris jumlah merupakan hasil penjumlahan setiap kolom. Contoh : - nilai 0,2 (K1,K2) diperoleh dari 1 / 5 = 0,2 - nilai 5 (K2,K1) di peroleh dari 5/1 = 5 - nilai 15 (jumlah K1) diperoleh dari 1 + 5 + 3 + 2 + 4 = 15 2. Selanjutnya untuk mendapatkan nilai eigen vector, normalisasikan matriks dengan membagi nilai tiap sel dengan jumlah akhir kriteria, kemudian dijumlahkan dengan semua kolom tiap kriteria. Nilai eigen vector ditunjukkan pada tabel 4.3 dan 4.4 Tabel 4.3 Tabel Matriks Normalisasi Kriteria Pendapatan Tanggungan Pendidikan Umur Kondisi Rumah
K1 0,0667 0,3333 0,2000 0,1333 0,2667
K2 0,0667 0,3333 0,2000 0,1333 0,2667
K3 0,0667 0,3333 0,2000 0,1333 0,2667
K4 0,0667 0,3333 0,2000 0,1333 0,2667
K5 0,0667 0,3333 0,2000 0,1333 0,2667
Operasi : Nilai 0,0667 pada kolom K1 diperoleh dari nilai perbandingan pada tabel 4.2 (nilai 1 yang dibagi dengan jumlah baris K1 = 15) begitupun dengan nilai-nilai lainnya. Contoh : - nilai 0,0667 (K1,K1) diperoleh dari 1 / 15 = 0,0667 Tabel 4.4 Tabel Eigen Vektor Kriteria K1 K2 K3 K4 K5
Eigen Vector (e) 0,3333 1,6667 1,000 0,6667 1,3333
Operasi : Nilai eigen vector diperoleh dari penjumlahan dari setiap barisnya.
33
Contoh : - nilai 0,3333 (Eigen Vector (e)) diperoleh dari 0,0667+ 0,0667+ 0,0667+ 0,0667+ 0,0667= 0,3333 3. Setelah didapatkan nilai eigen vector (e), selanjutnya hitung nilai bobot (w) masing-masing kriteria dengan cara membagi nilai eigen vector (e) dengan jumlah banyaknya kriteria yang digunakan yaitu 5, tabel bobot AHP dapat dilihat pada tabel 4.5 Tabel 4.5 Tabel Bobot AHP Kriteria K1 K2 K3 K4 K5
Bobot Kriteria (w) 0,0667 0,3333 0,2000 0,1333 0,2667
Operasi : Nilai bobot kriteria diperoleh dari nilai eigen vector (e) dibagi dengan jumlah banyaknya kriteria yang digunakan yaitu 5 Contoh : - nilai 0,0667 ( bobot kriteria) diperoleh dari 0,3333 / 5 = 0,0667 4. Setelah didapatkan bobot untuk masing-masing kriteria, selanjutnya menghitung λmax. dengan mengalikan jumlah keseluruhan K1 hingga K 5 dengan bobot Ahp, sehingga : λmax
= (15*0,0667) + (3*0,3333) + (5*0,2000) + (7,5*0,1333) + (3,75*0,2667) = 5
5. Selanjutnya menghitung Indeks Konsistensi (consistency index) memakai persamaan 2.4 dimana nilai 5 di peroleh dari hasil dari λmax CI = (5- 5) / (5 - 1) = 0.00 6.
Langkah berikutnya menghitung Rasio Konsistensi dimana RI adalah random konsistensi dengan nilai 1.12 karena pada contoh kasus ini mempunyai ukuran matriks 5x5. Sehingga nilai dari CR dapat dihitung dengan cara persamaan 2.5 CR = 0.00/ 1,12 = 0.00
34
Nilai rasio konsistensi kriteria bernilai 0.00 dan nilai rasio konsistensi kriteria ini lebih kecil atau sama dengan 0.1 yang berarti baik, sehingga nilai bobot kriteria yang sebelumnya diperoleh dapat dipergunakan.
4.2.2
Perhitungan Alternatif (Contoh Kasus untuk Lima Kepala Keluarga) Dari beberapa alternatif kepala keluarga, diambil lima kepala keluarga
sebagai contoh untuk penerapan metode AHP dalam penentuan tingkat kesejahteraan masyarakat ini. 1. Perhitungan Intensitas Kepentingan Alternatif terhadap Kriteria Pendapatan Kriteria pendapatan dibagi menjadi 3 sub-kriteria berdasarkan banyak sedikitnya pendapatan yang di dapat, yaitu sangat cukup, cukup, dan tidak cukup. Tiap sub-kriterianya mempunyai sub-sub kriteria yang mempunyai nilai perbandingan, yaitu ditunjukkan pada tabel 4.6. Tabel 4.6 Tabel Sub-Kriteria Pendapatan Sumber : Badan Statistik Indonesia (2015) Kriteria
Pendapatan
Sub- Kriteria
Sub-sub Kriteria
Sangat Cukup Cukup Tidak Cukup
> Rp.3.500.001,Rp. 2.000.001 – Rp. 3.500.000 Rp. 1.000.000 – 2.000.000
Nilai Skala Perbandingan 1 3 5
1. Tahap pertama memilih bobot yang akan diproses kemudian masukkan nilai perbandingan kriteria untuk kk1= 3, kk2=3, kk3=5, kk4=5, kk5=3. Pada tabel 4.6 penilaian antar kriteria berdasarkan tingkat kepentingan yang dimasukkan sebagai bobot awal untuk tiap kriteria. Tabel 4.7 Penilaian alternatif berdasarkan kriteria Pendapatan Kriteria Pendapatan Tanggungan
Nilai Perbandingan 3 3
3 KK1 1 1
3 KK2 1 1
5 KK3 0,60 0,60
4 KK4 0,75 0,75
3 KK5 1 1
35
Pendidikan Umur Kondisi Rumah Jumlah
5 4 3
1,67 1 1 6,33
1,67 1,67 1 6,33
1 1 0,60 3,8
1,25 1 0,60 3,8
1,67 1,67 1 6,33
Operasi : Pada tabel 4.7 merupakan nilai perbandingan antara kk1 hingga kk5. Nilai yang terdapat pada baris jumlah merupakan hasil penjumlahan setiap kolom. Contoh : - nilai 1 (Baris KK2) diperoleh dari 3 / 3 = 1 - nilai 6,33 (jumlah KK1) diperoleh dari 1 + 1,67 + 1,67 + 1 + 1 = 6,33 2. Selanjutnya untuk mendapatkan nilai eigen vector, normalisasikan matriks dengan membagi nilai tiap sel dengan jumlah akhir kriteria, kemudian dijumlahkan dengan semua kolom tiap kriteria. Nilai eigen vector ditunjukkan pada tabel 4.8 Tabel 4.8 Tabel Eigen Vektor Kriteria K1 K2 K3 K4 K5
Eigen Vector (e) 0,7895 0,7895 1,3158 1,3158 0,7895
Operasi: nilai 0,7895 diperoleh dari penjumlahan dari normalisasi bobot awal K1 hingga K5. Dimana baris K1, 1/6,33 = 0,1579 hingga K5 dan dijumlahkan keseluruhannya. 3. Setelah didapatkan nilai eigen vector (e), selanjutnya hitung nilai bobot (w) masing-masing kriteria dengan cara membagi nilai eigen vector (e) dengan jumlah banyaknya kriteria yang digunakan yaitu 5, tabel bobot AHP dapat dilihat pada tabel 4.9
36
Tabel 4.9 Tabel Bobot AHP Kriteria K1 K2 K3 K4 K5
Bobot Kriteria (w) 0,1579 0,1579 0,2632 0,2632 0,1579
Operasi: Nilai bobot kriteria diperoleh dari nilai eigen vector (e) dibagi dengan jumlah banyaknya kriteria yang digunakan yaitu 5 Contoh : - nilai 0,1579 ( bobot kriteria) diperoleh dari 0,7895 / 5 = 0,1579
4. Setelah didapatkan bobot untuk masing-masing kriteria, selanjutnya menghitung λmax. dengan mengalikan jumlah keseluruhan K1 hingga K 5 dengan bobot Ahp, sehingga : λmax = (6,3*0,1579) + (6,3*0,1579) + (3,8*0,2632) + (3,8*0,2632) + (6,3*0,1579) = 9,94 + 9,94 +1+1+ 9,94 = 5,00
5. Selanjutnya menghitung Indeks Konsistensi (consistency index) memakai persamaan 2.4 dimana nilai 5 di peroleh dari hasil dari λmax. CI = (5 - 5)/(5-1) `
= 0,00
6. Berikutnya menghitung Rasio Konsistensi dengan RI adalah random konsistensi dengan nilai 1,12 karena pada kasus ini mempunyai ukuran matriks 5x5. Sehingga nilai dari CR dapat dihitung dengan persamaan 2.5. CR = 0, 00 / 1,12 = 0.00 Nilai rasio konsistensi kriteria bernilai 0.00 dan nilai rasio konsistensi kriteria ini lebih kecil atau sama dengan 0.1 berarti nilai bobot baik, sehingga nilai bobot kriteria yang sebelumnya diperoleh dapat dipergunakan.
37
2. Perhitungan Intensitas Kepentingan Alternatif terhadap Kriteria Tanggungan Kriteria tanggungan dibagi menjadi 3 sub-kriteria berdasarkan kondisi jumlah banyaknya tanggungan, yaitu banyak, sedang, dan sedikit. Untuk kriteria tanggungan ini dibagi menjadi 3 sub-kriteria dan tiap sub-kriterianya mempunyai nilai perbandingan, , yaitu dilihat pada tabel 4.10. Tabel 4.10 Tabel Sub-kriteria Tanggungan Sumber : Badan Statistik Indonesia (2015) Kriteria
Sub Kriteria Banyak Tanggungan Sedang Sedikit
Sub-sub Kriteria
Nilai Skala Perbandingan 1 3 5
>7 orang 4-6 orang 1-3 orang
1. Tahap pertama memilih bobot yang akan diproses kemudian masukkan nilai perbandingan kriteria untuk kk1=5, kk2=1, kk3=3, kk4=5, kk5=3. Pada tabel 4.11 penilaian antar kriteria berdasarkan tingkat kepentingan yang dimasukkan sebagai bobot awal untuk tiap kriteria. Tabel 4.11 Penilaian alternatif berdasarkan kriteria Tanggungan
Kriteria
Nilai perbandingan
Pendapatan Tanggungan Pendidikan Umur Kondisi Rumah
5 1 3 5 3
Jumlah
5
1
3
5
3
KK1 1 0,2 0,6 1 0,6 3,4
KK2 5 1 3 5 3 17
KK3 1,67 0,3 1 1,67 1 5,667
KK4 1 0,2 0,6 1 0,6 3,4
KK5 1,67 0,3 1 1,67 1 5,667
Operasi : Pada tabel 4.10 merupakan nilai perbandingan antara kk1 hingga kk5. Nilai yang terdapat pada baris jumlah merupakan hasil penjumlahan setiap kolom. Contoh : - nilai 5 (Baris KK2) diperoleh dari 5/1 = 5
38
- nilai 3,4 (jumlah KK1) diperoleh dari 1 + 0,2 + 0,6 + 1 + 0,6 = 3,4 2. Selanjutnya untuk mendapatkan nilai eigen vector, normalisasikan matriks dengan membagi nilai tiap sel dengan jumlah akhir kriteria, kemudian dijumlahkan dengan semua kolom tiap kriteria. Nilai eigen vector ditunjukkan pada tabel 4.12. Tabel 4.12 Tabel Eigen Vektor Kriteria K1 K2 K3 K4 K5
Eigen Vector (e) 1,4706 0,2941 0,8824 1,4706 0,8824
Operasi: nilai 1,4706 diperoleh dari penjumlahan dari normalisasi bobot awal K1 hingga K5. Dimana baris K1, 1/3,4 = 0,2941 hingga K5 dan dijumlahkan keseluruhannya 3. Setelah didapatkan nilai eigen vector (e), selanjutnya hitung nilai bobot (w) masing-masing kriteria dengan cara membagi nilai eigen vector (e) dengan jumlah banyaknya kriteria yang digunakan yaitu 5. tabel bobot AHP dapat dilihat Nilai bobot AHP ditunjukkan pada tabel 4.13. Tabel 4.13 Tabel Bobot AHP Kriteria K1 K2 K3 K4 K5
Bobot Kriteria (w) 0,2941 0,0588 0,1765 0,2941 0,1765
Operasi : Nilai bobot kriteria diperoleh dari nilai eigen vector (e) dibagi dengan jumlah banyaknya kriteria yang digunakan yaitu 5 Contoh : - nilai 0,2941 ( bobot kriteria) diperoleh dari 1,4706 / 5 = 0,2941
39
4. Setelah didapatkan bobot untuk masing-masing kriteria, selanjutnya menghitung λmax. dengan mengalikan jumlah keseluruhan K1 hingga K 5 dengan bobot Ahp, sehingga : . λmax = (3,4*0,2941) + (17*0,0588) + (5,667*0,1765) + (3,4*0,2941) + (5,667*0,1765) = 0,99 + 0,99 + 1 + 0,99 + 1 = 5,00 5. Selanjutnya menghitung Indeks Konsistensi (consistency index) memakai persamaan 2.4, dimana nilai 5 di peroleh dari hasil dari λmax. CI = (5 - 5)/(5-1) = 0,00 6. Berikutnya menghitung Rasio Konsistensi dengan RI adalah random konsistensi dengan nilai 1,12 karena pada kasus ini mempunyai ukuran matriks 5x5. Sehingga nilai dari CR dapat dihitung dengan persamaan 2.5: CR = 0, 00 / 1,12 = 0.00 Nilai rasio konsistensi kriteria bernilai 0.00 dan nilai rasio konsistensi kriteria ini lebih kecil atau sama dengan 0.1 berarti nilai bobot konsisten, sehingga nilai bobot kriteria yang sebelumnya diperoleh dapat dipergunakan.
3.
Perhitungan Intensitas Kepentingan Alternatif terhadap Kriteria Pendidikan Kriteria pendidikan dibagi menjadi 3 sub-kriteria berdasarkan kondisi
jumlah banyaknya tanggungan, yaitu banyak, sedang, dan sedikit. Untuk kriteria pendidikan ini dibagi menjadi 3 sub-kriteria dan tiap sub-kriterianya mempunyai nilai perbandingan, yaitu dilihat pada tabel 4.14. Tabel 4.14 Tabel Sub-kriteria pendidikan Sumber : Badan Statistik Indonesia (2015) Kriteria Pendidikan
Sub Kriteria S1 SMA Tidak Sekolah
Nilai 1 3 5
1. Tahap pertama memilih bobot yang akan diproses kemudian masukkan nilai perbandingan kriteria untuk kk1=5, kk2=3, kk3=1, kk4=3, kk5=5.
40
Pada tabel 4.15 penilaian antar kriteria berdasarkan tingkat kepentingan yang dimasukkan sebagai bobot awal untuk tiap kriteria. Tabel 4.15 Bobot Kriteria Pendidikan Kriteria
Nilai perbandingan 5 3 1 3 5
Pendapatan Tanggungan Pendidikan Umur Kondisi Rumah Jumlah
5 KK1 1 0,60 0,2 0,60 1 3,4
3 KK2 1,67 1 0,33 1 1,67 5,667
1 KK3 5 3 1 3 5 17
3 KK4 1,67 1 0,33 1 1,67 5,667
5 KK5 1 0,6 0,2 0,60 1 3,4
Operasi : Pada tabel 4.13 merupakan nilai perbandingan antara kk1 hingga kk5. Nilai yang terdapat pada baris jumlah merupakan hasil penjumlahan setiap kolom. Contoh : - nilai 1,67 (Baris KK2) diperoleh dari 5/3 = 1,67 - nilai 3,4 (jumlah KK1) diperoleh dari 1 + 0,60 + 0,2 + 0,60 + 0,1 = 3,4 2. Selanjutnya untuk mendapatkan nilai eigen vector, normalisasikan matriks dengan membagi nilai tiap sel dengan jumlah akhir kriteria, kemudian dijumlahkan dengan semua kolom tiap kriteria. Nilai eigen vector ditunjukkan pada tabel 4.16 Tabel 4.16 Tabel Eigen Vektor Kriteria K1 K2 K3 K4 K5
Eigen Vector (e) 1,4706 0,8824 0,2941 0,8824 1,4706
Operasi: nilai 1,4706 diperoleh dari penjumlahan dari normalisasi bobot awal K1 hingga K5. Dimana baris K1, 1/3,4 = 0,2941 hingga K5 dan dijumlahkan keseluruhannya
41
3. Setelah didapatkan nilai eigen vector (e), selanjutnya hitung nilai bobot (w) masing-masing kriteria dengan cara membagi nilai eigen vector (e) dengan jumlah banyaknya kriteria yang digunakan yaitu 5. tabel bobot AHP dapat dilihat Nilai bobot AHP ditunjukkan pada tabel 4.17. Tabel 4.17 Tabel Bobot AHP Kriteria K1 K2 K3 K4 K5
Bobot Kriteria (x) 0,2941 0,1765 0,0588 0,1765 0,2941
Operasi : Nilai bobot kriteria diperoleh dari nilai eigen vector (e) dibagi dengan jumlah banyaknya kriteria yang digunakan yaitu 5 Contoh : - nilai 0,2941 ( bobot kriteria) diperoleh dari 1,4706 / 5 =0,2941 4. Setelah didapatkan bobot untuk masing-masing kriteria, selanjutnya menghitung λmax.. dengan mengalikan jumlah keseluruhan K1 hingga K 5 dengan bobot Ahp, sehingga. λmax = (3,4*0,2941) + (5,667*0,1765) + (17*0,0588) + (5,667*0,1765) + (3,4*0,2941) = 0,99 + 1 + 0,99 + 1 + 0,99 + 0,99 = 5,00 5. Selanjutnya menghitung Indeks Konsistensi (consistency index) memakai persamaan 2.4, dimana nilai 5 di peroleh dari hasil dari λmax CI= (5 - 5)/(5-1) = 0,00 6. Berikutnya menghitung Rasio Konsistensi dengan RI adalah random konsistensi dengan nilai 1,12 karena pada kasus ini mempunyai ukuran matriks 5x5. Sehingga nilai dari CR dapat dihitung dengan persamaan 2.5: CR = 0, 00 / 1,12 = 0.00
42
Nilai rasio konsistensi kriteria bernilai 0.00 dan nilai rasio konsistensi kriteria ini lebih kecil atau sama dengan 0.1 berarti nilai bobot baik, sehingga nilai bobot kriteria yang sebelumnya diperoleh dapat dipergunakan. 4. Perhitungan Intensitas Kepentingan Alternatif terhadap Kriteria Umur Kriteria umur didasarkan pada tua mudanya kepala keluarga yang dibagi menjadi 3 sub-kriteria dan tiap sub-kriterianya mempunyai sub-sub kriteria yang mempunyai nilai perbandingan, berikut adal tabel sub criteria yang ditujukkan pada tabel 4.18 Tabel 4.18 Tabel Sub-kriteria Umur Sumber : Statistik Indonesia (2015) Kriteria Umur
Sub- Kriteria Tua Parubaya Muda
Sub-sub Kriteria >50Th 30Th – 49Th 20Th - 29Th
Nilai Skala Perbandingan 1 3 5
1. Tahap pertama memilih bobot yang akan diproses kemudian masukkan nilai perbandingan kriteria untuk kk1=3, kk2=3, kk3=3, kk4=5, kk5=3. Pada tabel 4.19 penilaian antar kriteria berdasarkan tingkat kepentingan yang dimasukkan sebagai bobot awal untuk tiap kriteria. Tabel 4.19 Bobot Kriteria Umur Kriteria Pendapatan Tanggungan Pendidikan Umur Kondisi Rumah Jumlah
Nilai perbandingan 3 3 3 5 3
3 K1 1 1 1 1,67 1 5,667
3 K2 1 1 1 1,67 1 5,667
3 K3 1 1 1 1,67 1 5,667
5 K4 0,6 0,6 0,6 1 0,6 3,4
3 K5 1 1 1 1,67 1 5,667
43
Operasi : Pada tabel 4.19 merupakan nilai perbandingan antara kk1 hingga kk5. Nilai yang terdapat pada baris jumlah merupakan hasil penjumlahan setiap kolom. Contoh : - nilai 1 (Baris KK2) diperoleh dari 3/3 = 1 - nilai 5,667 (jumlah KK1) diperoleh dari 1 + 1 + 1 + 1,667 + 1 = 5,667 2. Selanjutnya untuk mendapatkan nilai eigen vector, normalisasikan matriks dengan membagi nilai tiap sel dengan jumlah akhir kriteria, kemudian dijumlahkan dengan semua kolom tiap kriteria. Nilai eigen vector ditunjukkan pada tabel 4.20 Tabel 4.20 Tabel Eigen Vektor Kriteria K1 K2 K3 K4 K5
Eigen Vector (e) 0,8824 0,8824 0,8824 1,4706 0,8824
Operasi: nilai 0,8824 diperoleh dari penjumlahan dari normalisasi bobot awal K1 hingga K5. Dimana baris K1, 1/5,667 = 0,8824 hingga K5 dan dijumlahkan keseluruhannya 3. Setelah didapatkan nilai eigen vector (e), selanjutnya hitung nilai bobot (w) masing-masing kriteria dengan cara membagi nilai eigen vector (e) dengan jumlah banyaknya kriteria yang digunakan yaitu 5. tabel bobot AHP dapat dilihat Nilai bobot AHP ditunjukkan pada tabel 4.21 . Tabel 4.21 Tabel Bobot AHP Kriteria K1 K2 K3 K4 K5
Bobot Kriteria (x) 0,1765 0,1765 0,1765 0,2941 0,1765
44
Operasi : Nilai bobot kriteria diperoleh dari nilai eigen vector (e) dibagi dengan jumlah banyaknya kriteria yang digunakan yaitu 5. Contoh : - nilai 0,1765 ( bobot kriteria) diperoleh dari 0,8824 / 5 = 0,1765 4. Setelah didapatkan bobot untuk masing-masing kriteria, selanjutnya menghitung λmax, dengan mengalikan jumlah keseluruhan K1 hingga K 5 dengan bobot Ahp, sehingga. λmax = (5,667*0,1765) + (5,667*0,1765) + (5,667*0,1765) + (3,4*0,2941) + (5,667*0,1765) = 1+ 1 + 1 + 0,99 + 1 = 5,00 5. Selanjutnya menghitung Indeks Konsistensi (consistency index) memakai persamaan 2.4, dimana nilai 5 di peroleh dari hasil dari λmax CI= (5 - 5)/(5-1) = 0,00 6. Berikutnya menghitung Rasio Konsistensi dengan RI adalah random konsistensi dengan nilai 1,12 karena pada kasus ini mempunyai ukuran matriks 5x5. Sehingga nilai dari CR dapat dihitung dengan persamaan 2.5: CR = 0, 00 / 1,12 = 0.00 Nilai rasio konsistensi kriteria bernilai 0.00 dan nilai rasio konsistensi kriteria ini lebih kecil atau sama dengan 0.1 berarti nilai bobot baik, sehingga nilai bobot kriteria yang sebelumnya diperoleh dapat dipergunakan.
5. Perhitungan Intensitas Kepentingan Alternatif terhadap Kriteria Kondisi Perumahan Kriteria Kondisi perumahan dibagi menjadi 2 sub-kriteria dan tiap subkriterianya mempunyai nilai perbandingan, yaitu ditunjukkan pada tabel 4.22. Tabel 4.22 Tabel Sub-kriteria kondisi perumahan Sumber : Badan Statistik Indonesia (2015) Kriteria Sub Kriteria Kondisi Perumahan Rumah Sendiri Kontrak
Nilai Skala Perbandingan 1 5
45
1. Tahap pertama memilih bobot yang akan diproses kemudian masukkan nilai perbandingan kriteria untuk kk1=1, kk2=5, kk3=1, kk4=1, kk5=1. Pada tabel 4.23 penilaian antar kriteria berdasarkan tingkat kepentingan yang dimasukkan sebagai bobot awal untuk tiap kriteria. Tabel 4.23 Bobot Kriteria kondisi perumahan Kriteria Pendapatan Tanggungan Pendidikan Umur Kondisi Rumah Jumlah
Nilai perbandingan 1 5 1 1 1
1 K1 1 5 1 1 5 9
5 K2 0,2 1 0,2 0,2 0,2 1,8
1 K3 1 5 1 1 5 9
1 K4 1 5 1 1 1 9
1 K5 1 5 1 1 1 9
Operasi : Pada tabel 4.23 merupakan nilai perbandingan antara kk1 hingga kk5. Nilai yang terdapat pada baris jumlah merupakan hasil penjumlahan setiap kolom. Contoh : - nilai 0,2 (Baris KK2) diperoleh dari 1/5 = 1 - nilai 9 (jumlah KK1) diperoleh dari 1 + 5 + 1 + 1 + 1 = 9 2. Selanjutnya untuk mendapatkan nilai eigen vector, normalisasikan matriks dengan membagi nilai tiap sel dengan jumlah akhir kriteria, kemudian dijumlahkan dengan semua kolom tiap kriteria. Nilai eigen vector ditunjukkan pada tabel 4.24. Tabel 4.24. Tabel Eigen Vektor Kriteria K1 K2 K3 K4 K5
Eigen Vector (e) 0,5556 2,778 0,5556 0,5556 0,5556
46
Operasi: nilai 0,5556 diperoleh dari penjumlahan dari normalisasi bobot awal K1 hingga K5. Dimana baris K1, 1/9 = 0,5556 hingga K5 dan dijumlahkan keseluruhannya 3. Setelah didapatkan nilai eigen vector (e), selanjutnya hitung nilai bobot (w) masing-masing kriteria dengan cara membagi nilai eigen vector (e) dengan jumlah banyaknya kriteria yang digunakan yaitu 5. tabel bobot AHP dapat dilihat Nilai bobot AHP ditunjukkan pada tabel 4.25 Tabel 4.25 Tabel Bobot AHP Kriteria K1 K2 K3 K4 K5
Bobot Kriteria (x) 0,111 0,5556 0,111 0,111 0,111
Operasi : Nilai bobot kriteria diperoleh dari nilai eigen vector (e) dibagi dengan jumlah banyaknya kriteria yang digunakan yaitu 5. Contoh : - nilai 0,111( bobot kriteria) diperoleh dari 0,5556 / 5 = 0,111 4. Setelah didapatkan bobot untuk masing-masing kriteria, selanjutnya menghitung λmax. dengan mengalikan jumlah keseluruhan K1 hingga K 5 dengan bobot Ahp, sehingga.. λmax = (9*0,111) + (1,8*0,5556) + (9*0,111) + (9*0,111) + (9*0,5556) = 0,99 + 1 + 0,99 + 0,99 + 0,99 = 5,00 5. Selanjutnya menghitung Indeks Konsistensi (consistency index) memakai persamaan 2.4, dimana nilai 5 di peroleh dari hasil dari λmax CI = (5 - 5)/(5-1) = 0,00 6. Berikutnya menghitung Rasio Konsistensi dengan RI adalah random konsistensi dengan nilai 1,12 karena pada kasus ini mempunyai ukuran matriks 5x5. Sehingga nilai dari CR dapat dihitung dengan persamaan 2.5:
47
CR = 0, 00 / 1,12 = 0.00 Nilai rasio konsistensi kriteria bernilai 0.00 dan nilai rasio konsistensi kriteria ini lebih kecil atau sama dengan 0.1 berarti nilai bobot baik, sehingga nilai bobot kriteria yang sebelumnya diperoleh dapat dipergunakan.
4.2.3
Perhitungan Seleksi Kepala Keluarga Berdasakan Kriteria Dan Alternatif Untuk menentukan keluarga yang layak menerima bantuan, langkah
selanjutnya yaitu memasukkan nilai bobot tiap alternatif kepala keluarga baru untuk masing–masing kriteria yang telah diperoleh pada perhitungan sebelumnya, nilai bobot alternatif kriteria ditunjukkan pada tabel 4.26. Tabel 4.26 Nilai bobot tiap alternatif terhadap kriteria Kriteria Pendapatan Tanggungan Pendidikan Umur Kondisi Rumah
KK 1 0.1579 02941 0.2941 0,1765 0.111
KK 2 0.1579 0.0588 0.1765 0,1765 0.5556
KK 3 0.2632 0.1765 0.0588 0,1765 0.111
KK 4 0.2632 0.2941 0.1765 0.2941 0.111
KK5 0.1579 0.1765 0.2941 0,1765 0,111
Kemudian menghitung bobot akhir keputusan alternatif dengan cara perkalian matriks antara nilai bobot tiap alternatif dengan nilai bobot kriteria yang telah dihitung sebelumnya , nilai bobot kriteria ditunjukkan pada tabel 4.27. Tabel 4.27 Bobot Kriteria Kriteria K1 K2 K3 K4 K5
Bobot Kriteria (x) 0,0667 0,3333 0,2000 0,1333 0,2667
Misalnya saja untuk perkalian elemen matriks nilai rata-rata alternatif kolom 1 baris 1 dapat dihitung dengan cara yang sama, hasil pekalian untuk elemen kolom yang lain ditunjukkan pada tabel 4.28.
48
Tabel 4.28 Nilai bobot akhir keputusan tiap alternatif Kriteria
KK1
KK2
KK3
KK4
KK5
Pendapatan
0.0105
0.0105
0.0175
0.0175
0.0105
Tanggungan
0.0980
0.0588
0.0980
0.0196
0.0588
Pendidikan
0.0588
0.0353
0.0118
0.0353
0.0588
Umur
0.0235
0.0235
0.0235
0.0392
0.0235
Kondisi Perumahan
0.0296
0.1481
0.0296
0.0296
Jumlah (Σ)
0.2205
0.2371
0.2197
0.1813
0.0296 0.1413
Hasil perkalian tersebut kemudian dijumlahkan per tiap kolom sehingga menghasilkan nilai untuk masing-masing kepala keluarga dan nilai tertinggi merupakan nilai keputusan. Jadi, berdasarkan simulasi melalui metode AHP diperoleh informasi bahwa dari kelima kepala keluarga yang paling tepat untuk dinyatakan penerima bantuan adalah kepala keluarga 2. Hal ini dikarenakan kepala keluarga memiliki nilai yang paling tinggi dari keempat kepala keluarga lainnya, yaitu 0.2371. Tabel 4.29 Nilai bobot akhir setelah diurutkan Nama KK KK 1 KK2 KK3 KK4 KK5
Nilai Akhir 0.2205 0.2371 0,1413 0.2197 0,1813
4.3 Perancangan Model 4.3.1
Use Case Use case diagram digunakan untuk memodelkan dan menyatakan unit
fungsi/layanan yang disediakan oleh sistem. Use case diagram juga menjelaskan apa yang dikerjakan oleh sistem yang akan dibangun dan siapa saja yang berinteraksi di dalamnya, dapat dilihat pada gambar 4.1.
49
. Login
Home Data Keluarga
Data Kriteria AHP
Admin Petunjuk
Laporan LogOut
Gambar 4.1. Use Case Diagram admin 4.3.2
Activity Diagram Activity diagram merupakan suatu bentuk flow diagram yang memodelkan
alur kerja (workflow) sebuah proses bisnis dan urutan aktivitas sebuah proses. 1.
Activity Diagram Login Activity diagram login menjaga sistem agar aman dari orang-orang yang
tidak berhak mengakses data yang ada pada sistem. Dengan kata lain Login menjadi kunci bisa atau tidaknya seseorang untuk memasuki sistem ini. Berikut ini adalah activity diagram Login ditunjukkan pada gambar 4.2.
50
Admin
Sistem
Meminta username dan password
Memasukkan username dan password
Verivikasi username dan password
Salah Benar Menampilkan menu utama
Gambar 4.2. Activity Diagram Login
2.
Activity diagram lihat menu Home Activity diagram ini menjelaskan tentang sistem saat admin memilih menu
home. Sistem akan menampilkan informasi jumlah data yang telah diinput. Berikut ini adalah activity diagram melihat menu home ditunjukkan pada gambar 4.3. Sistem
Menampilkan menu home
Admin
Memilih menu home
Gambar 4.3. Activity Diagram home
51
3.
Activity Diagram Mengelola Data Keluarga Activity diagram mengelola data keluarga menjelaskan aktifitas sistem saat
admin mengakses menu data keluarga, sistem akan menampilkan form data Keluarga dimana admin dapat menambah, mengubah, menghapus data keluarga sesuai dengan kebutuhan, Berikut ini adalah activity diagram melihat menu data kelurarga ditunjukkan pada gambar 4.4. Sistem
Menampilkan form pengisian data Kepala keluarga dan tabel data Kepala keluarga yang telah ada di database
Admin
Memilih menu data Kepala Keluarga
Mengisi data Kepala keluarga sesuai form yang telah tersedia
Menghapus isi form
Menyimpan data Kepala keluarga ke dalam database
Menampilkan data yang telah berhasil disimpan ke tabel data Kepala keluarga
Memilih tombol reset Memilih tombol simpan
Memilih data Kepala kelurga yang akan diubah
Menampilkan data Kepala keluarga yang telah dipilih ke dalam form pengisian data Mengubah data Kepala keluarga dan memilih tombol ubah Menyimpan data yang telah diubah ke dalam database Dan menampilkan pada tabel data Kepala keluarga Memilih data Kepala keluarga yang akan dihapus
Menampilkan pesan konfirmasi untuk menghapus data Kepala keluaga
Memilih tombol hapus
No Ya Menghapus data kepala keluarga pilihan dari database
Gambar 4.4. Activity Diagram Data Keluarga
4.
Activity diagram Data Kriteria Activity ini berisi tabel kriteria. Berikut ini adalah activity diagram data
kriteria yang ditunjukan pada gambar 4.5
52
Sistem
Menampilkan data kriteria
Admin
Memilih menu data kriteria
Gambar 4.5 Activity diagram Data Kriteria 5.
Activity Diagram Metode AHP Activity diagram memproses data keluarga menggunakan metode AHP,
menjelaskan aktifitas sistem saat admin mengakses menu proses AHP, admin akan diminta untuk mengisi nilai kriteria perbandingan tiap kriteria untuk selanjutnya diproses oleh sistem. Hasil perhitungan kriteria akan dicocokkan dengan data yang ada di database. Berikut ini adalah activity diagram Berikut ini adalah activity diagram melihat menu metode AHP ditunjukkan pada gambar 4.6.
53
Admin
Sistem
Mulai
Pilih kriteria
Cance l
Proses Tampilkan form bobot kriteria Input bobot awal Proses
Cance l
Membuat matriks perbandingan berpasangan Jumlahkan nilai kolom yang bersesuaian (a) Normalisasi nilai setiap kolom matriks Hitung nilai dari penjumlahan setiap baris matriks (e) Hitung bobot kriteria dengan membagi nilai e dengan (e) Hitung nilai λmax Hitung nilai CI Hitung nilai konsistensi CR
Bobot kriteria Selesa ii
Gambar 4.6. Activity Diagram Metode AHP
54
6.
Activity Diagram Mencetak Laporan Activity diagram ini menjelaskan tentang gambaran kinerja sistem saat
admin memilih menu cetak laporan. Sistem akan menampilkan tabel data keluarga hasil proses AHP. Didalam form terdapat tombol cetak untuk mencetak laporan. Berikut ini adalah activity diagram mencetak laporan ditunjukkan pada gambar 4.7. Sistem
Menampilkan tabel hasil proses AHP
Admin
Memilih menu cetak laporan
Memilih tombol lihat laporan
Menampilkan form lihat laporan
Memilih tombol cetak
Mencetak laporan
Gambar 4.7. Activity Diagram Mencetak Laporan 7.
Activity Diagram Melihat Petunjuk Activity diagram melihat petunjuk menjelaskan aktifitas sistem saat admin
mengakses menu petunjuk, sistem akan menampilkan petunjuk penggunaan
55
aplikasi sebagai panduan kepada admin yang akan menggunakan aplikasi ini. Berikut ini adalah activity diagram melihat petunjuk ditunjukkan pada gambar 4.8. Sistem
Menampilkan petunjuk penggunaan aplikasi
Admin
Memilih menu petunjuk
Gambar 4.8. Activity Diagram Melihat Petunjuk
8.
Activity Diagram Logout Activity Diagram Logout menjelaskan aktifitas sistem saat admin
mengakses menu logout sistem akan keluar, Berikut ini adalah activity diagram menu melihat petunjuk ditunjukkan pada gambar 4.9.
Sistem
Aplikasi SPK Menentukan Tingkat Kesejahteraan masyarakat
Admin
Memilih menu logout
Gambar 4.9. Activity Diagram Logout 4.3.3 Sequence Diagram Sequence diagram menggambarkan kelakuan objek pada use case dengan mendeskripsikan waktu hidup objek dan message yang dikirimkan dan diterima
56
antar objek. Adapun sequence diagram dari sistem pendukung keputusan menentukan tingkat kesejahteraan masyarakat adalah sebagai berikut: 1.
Sequence diagram Login Sequence diagram login, pertama admin memasukkan username dan
password untuk menampilkan menu utama selanjutnya. Seperti yang terlihat pada gambar 4.10. admin
Sistem
Form Login
Form Menu Utama
Pilih form login Tampilkan form login
Isi username dan password Pengecekkan username dan password
Validasi
Tampilkan menu utama Tampilkan form login
Gambar 4.10 Sequence Diagram Login 2.
Sequence diagram Home Sequence diagram ini menjelaskan tentang sistem saat admin memilih
menu home. Sistem akan menampilkan informasi jumlah data yang telah diinput . Berikut ini adalah sequence diagram melihat home ditunjukkan pada gambar 4.11. Form home
Admin
pilih menu home
Tampil menu home
Gambar 4.11 Sequence Diagram Home
57
3. Sequence Diagram Data Keluarga Sequence diagram ini menjelaskan tentang sistem saat admin memilih menu data keluarga. Sistem akan menampilkan tabel data keluarga yang berisi form untuk mengisi data kepala keluarga, yang dilengkapi dengan tombol tambah, edit, hapus dan reset. Berikut ini adalah sequence diagram ditunjukkan pada gambar 4.12.
data kriteria
58
Admin
Form Data Keluarga
Sistem
Database
Pilih menu keluarga Tampilkan form
Input Data Keluarga Pilih tombol simpan
Proses Penginputan data Simpan ke database Tampilkan data
Pilih Data Keluarga
Edit data
Pilih tombol edit Proses Pengnyimpanan data Simpan ke database
Tampilkan data
Pilih Data Keluarga
Hapus Data Proses menghapus data Data terhapus
Tampilkan data
Pilih tombol reset
Proses menreset data
mereset data
Gambar 4.12 Sequence Diagram Data keluarga
59
4.
Sequence Diagram melihat Data Kriteria Sequence diagram ini menjelaskan tentang gambaran kinerja sistem saat
admin memilih menu data kriteria. Sistem akan menampilkan tabel data kriteria. Berikut ini adalah sequence diagram data kriteria ditunjukkan pada gambar 4.13.
Admin
Form Data Kriteria
Pilih menuData Kriteria
Tampilkan Data Kriteria
Gambar 4.13 Sequence Diagram Data Kriteria
5.
Sequence Diagram AHP Sequence diagram ini menjelaskan tentang sistem saat admin memilih
menu ahp. Sistem akan menampilkan menu ahp yang berisi form untuk menentukan bobot kriteria dan dilengkapi dengan tombol proses dan lihat proses. Berikut ini adalah sequence diagram data kriteria ditunjukkan pada gambar 4.14.
60
Admin
Form Data Keluarga
Sistem
Database
Pilih menu AHP Tampilkan form Menetukan bobot kriteria Pilih tombol proses
Menghitung matriks berpasangan
Bobot kriteria
Normalisasi
Menghitung nilai Eigen vaktor
Menghitung bobot AHP
Hitung nilai max
Hitung nilai CI
Hitung nilai konsistensi CR
Tampilkan bobot Simpan hasil ke database
Gambar 4.14 Sequence Diagram Data Kriteria
6.
Sequence Diagram Cetak Laporan Sequence diagram ini menjelaskan tentang gambaran kinerja sistem saat
admin memilih menu cetak laporan. Sistem akan menampilkan tabel data keluarga
61
hasil proses AHP. Didalam form ini terdapat tombol cetak untuk mencetak laporan. Berikut ini adalah sequence diagram mencetak laporan ditunjukkan pada gambar 4.15.
Admin
Form cetak laporan
Pilih form cetak laporan Tampilkan form cetak laporan Memilih tombol lihat laporan Menampilkan laporan Memilih tombol cetak Menampilkan hasil laporan
Gambar 4.15 Sequence Diagram Cetak Laporan
7.
Sequence Diagram Lihat Petunjuk Sequence diagram lihat petunjuk menjelaskan aktifitas sistem saat admin
mengakses menu petunjuk, sistem akan menampilkan petunjuk penggunaan aplikasi sebagai panduan kepada admin yang akan menggunakan aplikasi ini. Berikut ini adalah sequence diagram melihat petunjuk ditunjukkan pada gambar 4.16.
62
Admin
Form Petunjuk
Pilih menu putunjuk
Tampilkan petunjuk penggunaan aplikasi
Gambar 4.16 Sequence Diagram Lihat Petunjuk
4.4 Struktur Tabel Tabel adalah sekumpulan data atau informasi spesifik tertentu yang disusun dalam bentuk kolom dan baris. Tabel adalah komponen utama dan pertama dari sebuah database. Struktur tabel untuk setiap tabel yang terdapat dalam
database
Sistem
Pendukung
Keputusan
Menentukan
Tingkat
Kesejahteraan Masyarakat Menggunakan Metode AHP adalah: 1. Tabel admin Tabel admin merupakan tabel yang berfungsi untuk menyimpan username dan password agar admin dapat menjalankan sistem yang ditunjukkan pada tabel 4.30 Tabel 4.30 Tabel admin No
Nama Field
Type
Panjang karakter
Keterangan Primary Key
1
username
Int
11
2
password
Varchar
100
2. Tabel data kepala keluarga Tabel data keluarga merupakan tabel yang berfungsi untuk menyimpan data olahan kepala keluarga yang ditunjukkan pada tabel 4.31.
63
Tabel 4.31 Tabel Olah Data Keluarga No 1 2 3 4 5 6
Nama Field Nik Pendapatan Tanggungan Pendidikan Umur Kondisi_perumahan
Type Varchar Varchar Varchar Varchar Varchar Varchar
Panjang karakter 100 100 100 100 100 100
Keterangan Primary Key
3. Tabel keluarga Tabel data keluarga merupakan tabel yang berfungsi untuk menyimpan data kepala keluarga yang ditunjukkan pada tabel 4.32. Tabel 4.32 Tabel Data Keluarga No 1 2 3
Nama Field Nik Nama_kk Alamat
Type Varchar Varchar Varchar
Panjang karakter 100 100 100
Keterangan Primary Key
4. Tabel Kriteria Pendapatan Tabel kriteria pendapatan merupakan tabel yang berfungsi untuk menyimpan data kriteria pendapatan yang ditunjukkan pada tabel 4.33. Tabel 4.33 Tabel Kriteria Pendapatan No
Nama Field
Type
1 2 3
Id_Pendapatan Kriteria_Pendapatan Bobot_Pendapatan
Int Varchar Double
Panjang karakter 11 100
Keterangan Primary Key
5. Tabel Kriteria Tanggungan Tabel kriteria tanggungan merupakan tabel yang berfungsi untuk menyimpan data kriteria tanggungan. yang ditunjukkan pada tabel 4.34.
64
Tabel 4.34 Tabel Kriteria Pendapatan No
Nama Field
Type
1 2 3
Id_tanggungan Kriteria_tanggungan Bobot_tanggungan
Int Varchar Double
Panjang karakter 11 100
Keterangan Primary Key
6. Tabel Kriteria Pendidikan Tabel kriteria pendidikan merupakan tabel yang berfungsi untuk menyimpan data kriteria pendidikan yang ditunjukkan pada tabel 4.35. Tabel 4.35 Tabel Kriteria Pendidikan No
Nama Field
Type
1 2 3
Id_ Pendidikan Kriteria_Pendidikan Bobot_Pendidikan
Int Varchar Double
Panjang karakter 11 100
Keterangan Primary Key
7. Tabel Kriteria Umur Tabel kriteria umur merupakan tabel yang berfungsi untuk menyimpan data kriteria umur yang ditunjukkan pada tabel 4.36. Tabel 4.36 Tabel Kriteria Umur No 1 2 3
Nama Field Id_ Umur Kriteria_ Umur Bobot_ Umur
Type Int Varchar Double
Panjang karakter 11 100
Keterangan Primary Key
8. Tabel Kriteria Kondisi Perumahan Tabel kriteria kondisi perumahan merupakan tabel yang berfungsi untuk menyimpan data kriteria kondisi perumahan, yang ditunjukkan pada tabel 4.37.
65
Tabel 4.37 Tabel Kriteria Umur No 1 2 3
Nama Field Id_ Kondisi Kriteria_ Kondisi Bobot_ Kondisi
Type Int Varchar Double
Panjang karakter 11 100
Keterangan Primary Key
9. Tabel Hasil Tabel hasil merupakan tabel yang berfungsi untuk menyimpan data hasil perhitungan menggunakan metode AHP. yang ditunjukkan pada tabel 4.38. Tabel 4.38 Tabel Hasil No 1 2
Nama Field Nik Kriteria_ Kondisi
Type Varchar Double
Panjang karakter 100
Keterangan Primary Key
4.5 Rancangan User Interface Rancangan antarmuka pengguna atau design user interface merupakan penggambaran tampilan yang digunakan secara langsung oleh pengguna, interaksi yang dapat dilakukan oleh pengguna dalam sistem. Rancangan user interface ini dibuat sederhana agar mudah dimengerti admin dan tidak ada kerumitan dalam menjalankannya sehingga mencapai tujuan perangkat lunak yang user friendly.
4.5.1
Halaman Login Pada saat admin membuka aplikasi, halaman ini akan tampil. Admin
terlebih dahulu harus mengisi form login untuk dapat mengakses menu utama. Berikut adalah gambar yang menujukkan halaman login pada gambar 4.18.
66
Logo SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PENERIMA BANTUAN LANGSUNG TUNAI Usernam e
Passwor d Login
Gambar 4.18 Interface halaman Login
4.5.2
Halaman Menu Utama Halaman utama menampilkan halaman pertama yang akan diperlihatkan
saat admin telah berhasil login ke aplikasi. Halaman utama terdiri dari menu bar yaitu home, data keluarga, data kriteria, AHP, laporan serta petunjuk yang dilihat pada gambar 4.19. Sistem Pendukung Keputusan PENENTUAN PENERIMA BANTUAN LANGSUNG TUNAI Log o
Home
LogOut
Selamat Datang Admin
Data Keluarga
Data Kriteria
AHP
Laporan
Gambar 4.19 Interface halaman Menu Utama
Petunjuk
67
4.5.3 Halaman Home Halaman utama menampilkan halaman home yang akan diperlihatkan saat admin memilih menu home dilihat pada gambar 4.20.
HOME Selamat Bekerja. . . Sistem Pendukung Keputusan Penentuan Tingkat Kesejarteraan Masyarakat digunakan untuk menentukan tingkat kesehajteraan masyarakat dengan menggunakan Metode AHP
50
Gambar 4.20 Interface halaman Menu Home
4.5.4
Halaman Data Keluarga Pada saat admin memilih menu data keluarga, sistem akan menyiapkan
form input data keluarga dan menampilkan tabel data keluarga yang telah ada di database , pada halaman data ini terdapat tombol tambah, edit, reset dan hapus dilihat pada gambar 4.21. Menu data keluarga Form input data Keluarga
Daftar Kepala Keluarga
NIK Nama KK Alamat pendapatan
Tanggungan Pendidikan umur Refresh
Kondisi rumah
Tambah
Hapus
Reset
Edit
Gambar 4.21 Interface halaman Menu data keluarga
68
4.5.5 Halaman Data Kriteria Pada saat admin memilih menu data kriteria, sistem akan menampilkan tabel data kriteria dilihat pada gambar 4.22. Data Kriteria Adapun kriteria yang digunakan pada perhitungan AHP yaitu :
Pendapatan Tanggungan Pendidikan Umur Kondisi Perumahan
Gambar 4.22 Interface halaman Data Kriteria
4.5.6 Halaman AHP Pada saat admin memilih menu AHP, sistem akan menampilkan tabel proses perhitungan AHP dan dapat meihat proses perhitungannya dilihat pada gambar 4.23. Menu AHP Tentukan kriteria
Hasil Perhitungan AHP
Pendapatan Tanggungan Pendidikan umur Kondisi Rumah
Proses
Gambar 4.23 Interface halaman AHP
Lihat Proses
69
4.5.7 Halaman proses perhitungan AHP Pada saat admin memilih menu lihat proses perhitungan ini akan ditampilkan semua hasil perhitungan yang telah dihitung menggunakan metode AHP, dilihat pada gambar 4.24. Proses perhitungan Langkah 1
Langkah 2
Langkah 3
Gambar 4.24 Interface halaman lihat proses
4.5.8 Halaman Laporan Pada saat admin memilih menu laporan, sistem akan menampilkan form cetak laporan, pada form ini terdapat tombol cetak untuk mencetak laporan, dilihat pada gambar 4.25 Laporan Cetak laporan daftar keluarga sejahtera Tentukan jumlah kuota cetak
Gambar 4.25 Interface halaman laporan
70
4.5.9 Halaman petunjuk Pada saat admin memilih menu petunjuk, sistem akan menampilkan form berisi petunjuk menu-menu dilihat pada gambar 4.26.
Petunjuk Home
Data keluarga Data kriteria
AHP
Laporan
Petunjuk
Gambar 4.26 Interface halaman petunjuk
BAB V IMPLEMENTASI DAN PEMBAHASAN 5.1
Kebutuhan Sistem Kebutuhan sistem meliputi kebutuhan perangkat keras (hardware) dan
perangkat lunak (software). Perangkat keras yang digunakan harus dapat mendukung perangkat lunak untuk membangun sistem dan sebagai alat input dan output. Perangkat keras yang digunakan adalah laptop dengan spesifikasi sebagai berikut: 1. Processor
: Intel®CoreTM 2 Duo 1.80 GHz
2. Harddisk
: 320 GB
3. Memory (RAM)
: 2.00 GB
Sedangkan perangkat keras yang dibutuhkan untuk membangun sistem ini adalah sebagai berikut: 1. Sistem Operasi
: Microsoft Windows 7
2. Software aplikasi
: NetBeans IDE 7.1
3. Software database
: MySQL
4. Software pendukung : -XAMPP 1.7.1 - iReport-4.1.3 - Mozila Firefox
5.2
Implementasi Antarmuka (user interface) Tampilan interface aplikasi Sistem Pendukung Keputusan menentukan
penerima bantuan langsung tunai, adalah sebagai berikut. 1. Menu Login Halaman login merupakan halaman awal sistem yang berisi tentang menu login untuk dapat masuk dalam sistem. Gambar 5.1 menunjukkan tampilan menu login.
71
72
Gambar 5.1 Form Halaman Login 2. Menu Utama Pada halaman utama terdapat enam menu yaitu menu home, menu
data
keluarga, menu data kriteria, menu AHP, menu laporan dan menu petunjuk. Berikut tampilan halaman utama ditunjukkan pada gambar 5.2.
Gambar 5.2 Form Halaman Utama
3. Menu Home Halaman home merupakan yang berisi tentang penjelasan umum mengenai jumlah data yang berada disistem ditunjukkan pada gambar 5.3.
73
Gambar 5.3 Form Halaman Home 4. Menu Data Keluarga Halaman data keluarga menampilkan form pengisian data kepala keluarga berupa nik, nama, alamat, pendapatan, tanggungan, pendidikan, umur, dan kondisi rumah ditunjukkan pada gambar 5.4. .
Gambar 5.4 Form Halaman Data Keluarga 5. Menu Data Kriteria Pada halaman data kriteria terdapat data kriteria apa saja yang akan dimasukkan dalam penentuan penerima bantuan langsung tunai ditunjukkan pada gambar 5.5. .
74
Gambar 5.5 Form Halaman Data Kriteria
6. Menu AHP Pada menu AHP dimana didalam menu ini terdapat proses menentukan penerima bantuan tunai langsung menggunakan metode AHP. Pada awalnya admin memilih kriteria yang akan diberi bobot perbandingan selanjutnya akan diproses yang hasil dari proses tersebut terdapat keluarga terbaik. Berikut gambar 5.6 form menu ahp dan listing proses pada tabel 5.1.
Gambar 5.6 Form Halaman AHP Listing proses Ahp
75
double[] bobot = bobot_kriteria(); double[] nilai_kk=new double[jml_kk]; String[][] tampung_datanya= new String[jml_kk][2];
double[] bobot_pendapatan = new double[jml_kk]; double[] bobot_tanggungan = new double[jml_kk]; double[] bobot_pendidikan = new double[jml_kk]; double[] bobot_umur = new double[jml_kk]; double[] bobot_kondisi = new double[jml_kk]; double[][] matriks_akhir = new double[jml_kk][jml_kk]; System.out.println(); System.out.println(); System.out.println("AHP BOBOT KRITERIA (NILAI EIGEN)"); for (int i bobot[i]) + " ");
=
0;
i
<
System.out.print("
index;
i++)
{System.out.print(String.format("%.2f",
---> Bobot " + keterangan_bobot[i]);
System.out.println();} System.out.println(); System.out.println("NILAI ALTERNATIF TERHADAP KRITERIA"); System.out.println("kk 1
kk 2
kk 3
kk 4
kk 5");
System.out.println(); System.out.println(); for (int i = 0; i < index; i++) { if (keterangan_bobot[i].equals("pendapatan")) { System.out.println("ALTERNATIF " + keterangan_bobot[i]); bobot_pendapatan = alternatif(keterangan_bobot[i]); for (int j = 0; j < jml_kk; j++) { System.out.print(String.format("%.2f",
bobot_pendapatan[j])
"); matriks_akhir[i][j] = bobot_pendapatan[j] * bobot[i]; } System.out.print(" System.out.println();
---> Bobot " + keterangan_bobot[i]);
+
"
76
System.out.println(); } else if (keterangan_bobot[i].equals("tanggungan")) { System.out.println("ALTERNATIF " + keterangan_bobot[i]); bobot_tanggungan = alternatif(keterangan_bobot[i]); for (int j = 0; j < jml_kk; j++) { System.out.print(String.format("%.2f",
bobot_tanggungan[j])
+
"
+
"
"); matriks_akhir[i][j] = bobot_tanggungan[j] * bobot[i]; } System.out.print("
---> Bobot " + keterangan_bobot[i]);
System.out.println(); System.out.println(); } else if (keterangan_bobot[i].equals("pendidikan")) { System.out.println("ALTERNATIF " + keterangan_bobot[i]); bobot_pendidikan = alternatif(keterangan_bobot[i]); for (int j = 0; j < jml_kk; j++) { System.out.print(String.format("%.2f",
bobot_pendidikan[j])
"); matriks_akhir[i][j] = bobot_pendidikan[j] * bobot[i]; } System.out.print("
---> Bobot " + keterangan_bobot[i]);
System.out.println(); System.out.println(); } else if (keterangan_bobot[i].equals("umur")) { System.out.println("ALTERNATIF " + keterangan_bobot[i]); bobot_umur = alternatif(keterangan_bobot[i]); for (int j = 0; j < jml_kk; j++) { System.out.print(String.format("%.2f", bobot_umur[j]) + " matriks_akhir[i][j] = bobot_umur[j] * bobot[i]; } System.out.print(" System.out.println(); System.out.println();
---> Bobot " + keterangan_bobot[i]);
");
77
} else if (keterangan_bobot[i].equals("kondisi_perumahan")) { System.out.println("ALTERNATIF " + keterangan_bobot[i]); bobot_kondisi = alternatif(keterangan_bobot[i]); for (int j = 0; j < jml_kk; j++) { System.out.print(String.format("%.2f", bobot_kondisi[j]) + "
");
matriks_akhir[i][j] = bobot_kondisi[j] * bobot[i]; } System.out.print("
---> Bobot " + keterangan_bobot[i]);
System.out.println(); System.out.println();}} lihat.bobot_pendapatan(bobot_pendapatan, jml_kk); lihat.bobot_tanggungan(bobot_tanggungan, jml_kk); lihat.bobot_pendidikan(bobot_pendidikan, jml_kk); lihat.bobot_umur(bobot_umur, jml_kk); lihat.bobot_kondisi(bobot_kondisi, jml_kk); System.out.println(); System.out.println(); System.out.println("HASIL KRITERIA/AHP");
PERKALIAN
BOBOT
ALTERNATIF
DENGAN
BOBOT
for (int i = 0; i < index; i++) { for (int j = 0; j < jml_kk; j++) { System.out.print(String.format("%.2f", matriks_akhir[i][j]) + " } System.out.print("
----->" + keterangan_bobot[i]);
System.out.println();} lihat.kali_bobot(matriks_akhir, index, jml_kk); int kk = 1; System.out.println(); System.out.println(); String[] niknya= new String[jml_kk]; double terbesar = nilai_kk[0];
");
78
int kk_terpilih = 1; System.out.println("BOBOT SEBELUM DIURUTKAN"); try { String qry; qry = "select * from tabel_kk"; Statement stmt_nama = con.createStatement(); rs_nama = stmt_nama.executeQuery(qry); rs_nama.first(); int baris=0; do{niknya[baris]=rs_nama.getString("nik"); baris++;} while (rs_nama.next());} catch (Exception e) {} double kirim_akhir[] = new double[jml_kk]; for (int i = 0; i < jml_kk; i++) { for (int j = 0; j < jml_kk; j++) { nilai_kk[i] = nilai_kk[i] + matriks_akhir[j][i]; } System.out.print(String.format("%.2f", nilai_kk[i]) + " if (terbesar > nilai_kk[i]) { terbesar = terbesar; kk_terpilih = kk_terpilih; } else { terbesar = nilai_kk[i]; kk_terpilih = kk_terpilih + i; if (kk_terpilih == 6) { kk_terpilih = 5; }} System.out.print("
-----> KK " + niknya[i]);
tampung_datanya[i][0] = String.valueOf(nilai_kk[i]); tampung_datanya[i][1] = niknya[i]; kirim_akhir[i]=nilai_kk[i]; kk++; System.out.println();}
");
79
lihat.akhir(kirim_akhir, jml_kk); System.out.println(); System.out.println(); System.out.println("BOBOT SETELAH DIURUTKAN (DARI KECIL KE TERBESAR)"); double urut_kk[] = new double[jml_kk]; int urutannya = 0; Arrays.sort(nilai_kk); for (double urut : nilai_kk) { urut_kk[urutannya] = urut; System.out.print(String.format("%.2f", urut) + "
");
System.out.println(); urutannya++;} System.out.println(); System.out.println(); try { String sql2 = "DELETE FROM hasil"; PreparedStatement stm2 = con.prepareStatement(sql2); stm2.executeUpdate(); for(int i=0; i<jml_kk; i++){ String sql = "INSERT into hasil (nik, hasil)" + "VALUES (?,?)"; PreparedStatement stm = con.prepareStatement(sql); stm.setString(1, tampung_datanya[i][1]); stm.setDouble(2, Double.parseDouble(tampung_datanya[i][0])); stm.executeUpdate();} Object[][] data = new Object[jml_kk][3]; int x = 0, y = jml_kk-1; String lok = ""; String qry; qry = "select * from hasil h INNER JOIN tabel_kk tk ON h.nik=tk.nik ORDER BY hasil DESC";
80
Statement stmt_hasil = con.createStatement(); rs_hasil = stmt_hasil.executeQuery(qry); rs_hasil.first(); int no=1; do{data[x][0] = no; data[x][1] = rs_hasil.getString("nama_kk"); data[x][2] = rs_hasil.getString("hasil"); tableModel1.addRow(data[x]); no++; }while(rs_hasil.next()); } catch (Exception e) {} public double[][] ambil_kriteria(String kriteria){ double[] data = new double[jml_kk]; int indek=0; double[][] matriks = new double[jml_kk][jml_kk]; try {String qry; qry = "select "+ kriteria +" from data_kk"; Statement stmt_matpel = con.createStatement(); rs_kriteria = stmt_matpel.executeQuery(qry); rs_kriteria.first(); int baris=0; int kolom=0; rs_kriteria.first(); do{ data[baris]=Double.parseDouble(String.valueOf(rs_kriteria.getString(kriteria))); System.out.print(data[baris]+"\t"); baris++;} while (rs_kriteria.next()); System.out.println(); System.out.println(); int x=0; for (int i=0; i < baris ; i++) {
81
indek=x; for (int j=x; j < baris ; j++){ if(i==j){ matriks[i][j]=1; } else{matriks[i][j]=data[i]/data[indek+1]; matriks[j][i]=1/matriks[i][j]; indek++;}} x++;} } catch (Exception e) {} return matriks; } Alternatif public double[] alternatif(String keterangan){ double eigen_baris = 0; double jumlah_kolom=0; double eigen_vektor[]= new double[jml_kk]; double total_jumlah_kolom[]= new double[jml_kk]; double bobot_baris[]= new double[jml_kk]; double max[]= new double[jml_kk]; double jumlah_max=0; double CI=0; double CR=0; double RI=1.21; System.out.println();System.out.println(); double[][] a=ambil_kriteria(keterangan); for (int i = 0; i < jml_kk; i++) { for (int j = 0; j < jml_kk; j++) { System.out.print(String.format("%.2f",a[i][j]) +"\t"); jumlah_kolom=jumlah_kolom+a[j][i]; } total_jumlah_kolom[i]=jumlah_kolom; jumlah_kolom=0; System.out.println();} System.out.println(); System.out.println();
82
for (int i=0; i<jml_kk;i++){ System.out.print(String.format("%.2f", total_jumlah_kolom[i])+"\t"); System.out.println();} System.out.println(); System.out.println(); System.out.println("NILAI EIGEN VEKTOR"); for (int i=0; i<jml_kk;i++){ for (int j=0; j<jml_kk;j++){ eigen_baris=eigen_baris+(a[i][j]/total_jumlah_kolom[j]); bobot_baris[i]=eigen_baris/5; } eigen_vektor[i]=eigen_baris; max[i]=total_jumlah_kolom[i]*bobot_baris[i]; eigen_baris=0; System.out.print(String.format("%.2f", eigen_vektor[i])+" System.out.println(); } System.out.println(); System.out.println(); System.out.println("BOBOT"); for (int i=0; i<jml_kk;i++){ System.out.print(String.format("%.2f", bobot_baris[i])); System.out.println(); } System.out.println(); System.out.println(); System.out.println("MAX"); for (int i=0; i<jml_kk;i++){ jumlah_max=jumlah_max+max[i]; } System.out.print(String.format("%.2f", jumlah_max)); System.out.println(); System.out.println(); System.out.println("NILAI CI");
");
83
CI=(jumlah_max-5)/(5-1); System.out.print(String.format("%.2f", CI)); System.out.println(); System.out.println(); System.out.println("NILAI CR"); CR=CI/RI; System.out.print(String.format("%.2f", CR)); System.out.println(); System.out.println(); System.out.println(); return bobot_baris; } public double[] bobot_kriteria(){ try {index=0; total_jumlah_baris=0; total_jumlah_baris_anp=0; double[][] isi = new double[jml_kk][jml_kk]; if(jComboBox6.isEnabled()){ bobot_pendapatan=getBobot(String.valueOf(jComboBox6.getSelectedItem())); tampung_bobot[index]=bobot_pendapatan; keterangan_bobot[index]="pendapatan"; index++;} if(jComboBox7.isEnabled()){ bobot_tanggungan=getBobot(String.valueOf(jComboBox7.getSelectedItem())); tampung_bobot[index]=bobot_tanggungan; keterangan_bobot[index]="tanggungan"; index++;} if(jComboBox8.isEnabled()){ bobot_pendidikan=getBobot(String.valueOf(jComboBox8.getSelectedItem())); tampung_bobot[index]=bobot_pendidikan; keterangan_bobot[index]="pendidikan"; index++;} if(jComboBox9.isEnabled()){
84
bobot_umur=getBobot(String.valueOf(jComboBox9.getSelectedItem())); tampung_bobot[index]=bobot_umur; keterangan_bobot[index]="umur"; index++;} if(jComboBox10.isEnabled()){ bobot_kondisi=getBobot(String.valueOf(jComboBox10.getSelectedItem())); tampung_bobot[index]=bobot_kondisi; keterangan_bobot[index]="kondisi_perumahan"; index++;} for(int i = 0 ; i < index ; i++){ for(int j = 0 ; j < index ; j++){ nil_bobot[i][j] = tampung_bobot[i]/tampung_bobot[j]; }} for (int i=0; i
");
jumlah_kolom=jumlah_kolom+nil_bobot[j][i]; } total_jumlah_kolom[i]=jumlah_kolom; System.out.print(String.format("%.2f", total_jumlah_kolom[i])+"
");
jumlah_kolom=0; System.out.println();} lihat.lihat_bobot_awal(nil_bobot, index); System.out.println(); System.out.println(); System.out.println("Normalisasi"); for (int i=0; i
+
85
System.out.print(String.format("%.3f", total_jumlah_baris_normalisasi[i])+" "); System.out.print(String.format("%.3f", bobot_vektor[i])+"
");
System.out.println(); jumlah_baris_normalisasi=0;
}
lihat.lihat_normalisasi(matriks_normalisasi, index); lihat.eigen_vektor(total_jumlah_baris_normalisasi, index); lihat.bobot_ahp(bobot_vektor, index); return bobot_vektor; } catch (Exception e) {} return bobot_akhir; } public int getBobot(String keterangan) { int nilai_bobot=0; if(keterangan.equals("1. Sama penting")){nilai_bobot=1; } else if(keterangan.equals("2. Ragu antara 1 dan 3")){nilai_bobot=2; } else if(keterangan.equals("3. Sedikit lebih penting")){ nilai_bobot=3; } else if(keterangan.equals("4. Ragu antara 3 dan 5")){nilai_bobot=4; } else if(keterangan.equals("5. Lebih penting")){nilai_bobot=5; } else if(keterangan.equals("6. Ragu antara 5 dan 7")){nilai_bobot=6; } else if(keterangan.equals("7. Jelas lebih penting")){nilai_bobot=7; } else if(keterangan.equals("8. Ragu antara 7 dan 9")){nilai_bobot=8; } else if(keterangan.equals("9. Mutlak lebih penting")){nilai_bobot=9; }return nilai_bobot;}
Tabel 5.1 Listing Proses Pada menu AHP juga terdapat menu lihat proses dimana menu tersebut menujukan proses perhitungan data keluarga menggunakan metode AHP. Berikut adalah gambar serta listing dari lihat proses ditunjukkan pada gambar 5.7. .
86
Gambar 5.7 Lihat proses Perhitungan metode AHP Listing menampilkan proses: public void lihat_bobot_awal(double[][] bobot, int index){ jTextArea1.append("Perhitungan AHPnya \n\nMATRIKS BOBOT AWAL \n"); for (int i=0; i
"));
} jTextArea1.append("\n");
}
jTextArea1.append("\n \nMATRIKS NORMALISASI \n");} public void lihat_normalisasi(double[][] bobot, int index){ for (int i=0; i
"));}
jTextArea1.append("\n"); } jTextArea1.append("\n \nEIGEN VEKTOR \n");} public void eigen_vektor(double[] bobot, int index){ double jml=0; for (int i=0; i
");
jTextArea1.append(String.valueOf(String.format("%.4f", bobot[i])+"
")); jTextArea1.append("\n"); jml = jml + bobot[i];
} jTextArea1.append("\n \nBOBOT AHP (EIGEN VEKTOR DIBAGI 5) \n"); } public void bobot_ahp(double[] bobot, int index){ double jml=0;
87
for (int i=0; i
");
jTextArea1.append(String.valueOf(String.format("%.4f", bobot[i])+"
")); jTextArea1.append("\n"); jml = jml + bobot[i];
} jTextArea1.append("Jml =
");
jTextArea1.append(String.valueOf(String.format("%.4f",
jml)+"
")); jTextArea1.append("\n"); } public void bobot_pendapatan(double[] bobot, int index){ jTextArea2.append("Hasil Perhitungan Bobot Alternatif \n \n"); for (int i=0; i
"));
} jTextArea2.append("->Pendapatan\n"); } public void bobot_tanggungan(double[] bobot, int index){ for (int i=0; i
"));
} jTextArea2.append("->Tanggungan\n"); } public void bobot_pendidikan(double[] bobot, int index){ for (int i=0; i
"));
} jTextArea2.append("->Pendidikan\n"); } public void bobot_umur(double[] bobot, int index){ for (int i=0; i
"));
} jTextArea2.append("->Umur\n"); } public void bobot_kondisi(double[] bobot, int index){ for (int i=0; i
88
jTextArea2.append(String.valueOf(String.format("%.4f", bobot[i])+"
"));
} jTextArea2.append("->Kondisi"); } public void kali_bobot(double[][] bobot, int index, int jml){ jTextArea3.append("Hasil Perkalian Bobot AHP x Bobot Kriteria\n \n"); for (int i = 0; i < index; i++) { for (int j = 0; j < jml; j++) { jTextArea3.append(String.valueOf(String.format("%.4f", bobot[i][j])+"
"));
} jTextArea3.append("\n");} }
public void akhir(double[] bobot, int index){
jTextArea3.append("\n Hasil Akhir sebelum diurutkan\n \n"); for (int i = 0; i < index; i++) { jTextArea3.append(String.valueOf(String.format("%.4f", bobot[i])+"
")); jTextArea3.append("\n");
}
Tabel 5.2 Listing Lihat Proses 7. Menu Laporan Pada halaman laporan akan ditampilkan form laporan serta tombol cetak untuk mencetak laporan. Berikut adalah gambar halaman laporan serta hasil cetak laporan ditunjukkan pada gambar 5.8 dan 5.9.
Gambar 5.8 Form Halaman Laporan
89
Gambar 5.9 Form Cetak Laporan
8. Menu Petunjuk Pada halaman petunjuk ditampilkan penjelasan tentang menu-menu yang terdapat pada sistem ditunjukkan pada gambar 5.10.
Gambar 5.10 Form Petunjuk
90
5.3 Pengujian Sistem Pada penelitian ini, dilakukan pengujian terhadap sistem pendukung keputusan menentukan penerima bantuan tunai langsung menggunakan metode AHP, pengujian meliputi pengujian tombol dan menu yang terdapat di dalam sistem apakah berjalan dengan baik dan sesuai. Membandingkan uji secara manual dan menggunakan sistem, hal ini bertujuan untuk mengetahui sejauh mana sistem dapat menentukan tingkat kesejahteraan masyarakat menggunakan metode Analitical Hierarcy Prosess (AHP) . 5.3.1
Pengujian Fungsional Sistem Pengujian fungsional sistem menggunakan Black-Box Testing, yaitu pengujian
yang berfokus pada spesifikasi fungsional dari perangkat lunak apakah sesuai dengan yang telah didefinisikan sebelumnya, pengujian blackbox ditunjukkan pada tabel 5.3. Tabel 5.3 Pengujian blackbox perangkat lunak Deskripsi
Prosedur Pengujian
Pengujian tombol menu - Memilih tombol login
home
Ket.
diharapkan Menampilkan form menu utama
tombol
-
penempatan home
Pengujian tombol menu - Memilih data keluarga.
-
menu login
Pengujian tombol menu - Memilih
Keluaran yang
Masukan
tombol
Menampilkan form menu home
-
data keluarga
Sesuai
Sesuai
Menampilkan form data keluarga
yang
telah Sesuai
ditambah Pengujian tambah pada data keluarga.
tombol - Memilih menu tambah
tombol
-
Menampilkan form data keluarga ditambah
yang
telah Sesuai
91
Tabel 5.3 Pengujian blackbox perangkat lunak lanjutan Prosedur Pengujian
Deskripsi
Masukan
Keluaran yang diharapkan
Ket.
Pengujian tombol hapus - Memilih pada menu data hapus keluarga
tombol
-
Menampilkan form data keluarga yang telah Sesuai dihapus
Pengujian tombol edit - Memilih pada menu data edit keluarga
tombol
-
Menampilkan form data keluarga yang telah Sesuai diedit
Pengujian tombol - Memilih reset pada menu data reset keluarga
tombol
-
Menampilkan form data keluarga yang telah Sesuai direset
tombol - Memilih tombol data kriteria
-
Menampilkan criteria
Pengujian data kriteria
data
Sesuai
Pengujian bobot - Memilih kategori yang akan proses dipilih.
tombol
-
Nilai disimpan dan melanjutkan proses Sesuai pemilihan kategori.
Pengujian AHP
tombol
-
Menampilkan AHP
Pengujian memasukan perbandingan kategori. Pengujian laporan
tombol - Memilih AHP - Memilih
form
Sesuai
Nilai disimpan dan menampilkan data Sesuai keluarga yang telah terpilih melalui sistem
tombol
proses
antar tombol - Memilih laporan
tombol
-
Menampilkan menu laporan
Pengujian tombol - Memilih cetak pada menu cetak laporan
tombol
-
Menampilkan form data kepala keluarga sesuai kesejahteraan masyarakat
Pengujian petunjuk
tombol
-
Menampilkan menu petunjuk
tombol - Memilih petunjuk
form
form
sesuai
sesuai
92
5.3.2
Pengujian Data Manual Pengujian data manual berdasarkan metode analytical hierarchy process
(AHP) yang tedapat pada tabel 5.4 yaitu: Tabel 5.4 Pengujian Data Manual Kriteria No
1.
Data
Data 1
K1
K2
K3
K4
K5
1
5
3
2
4
Lebih Penting
Lebih penting
Sedikit lebih penting
Ragu antara 1 dan 3
Ragu antara 3 dan 5
Keterangan : 1. K1 : Pendapatan 2. K2 : Tanggungan 3. K3 : Pendidikan 4. K4 : Umur 5. K5 : Kondisi Rumah 6. Nilai 1,5,3,2,4 merupakan nilai perbandingan yang dimasukkan adapun nilai – nilai perbandingan dapat dilihat pada tabel 2.1. Dari setiap kriteria, pembuat keputusan akan menentukan nilai bobot dengan menentukan skala/intensitas kepentingan yang berkisar dari nilai 1 sampai nilai 9. Selanjutnya penilaian antar kriteria berdasarkan tingkat kepentingan, dibuat dalam matriks berpasangan untuk menentukan bobot awalnya. Berikut penilaian antar kriteria berdasarkan tingkat kepentingan yang dimasukkan sebagai bobot awal untuk tiap kriteria. Adapun tahap-tahap penyelesaian dengan metode AHP adalah sebagai berikut: 1. Tahap pertama memilih bobot kriteria yang akan diproses kemudian masukkan bobot dalam nilai perbandingan criteria yang telah ditentukan yaitu 1,5,3,2,4.
93
Pada tabel 5.5 penilaian antar kriteria berdasarkan tingkat kepentingan yang dimasukkan sebagai bobot awal untuk tiap kriteria. Tabel 5.5 Bobot Kriteria Nilai perbandingan 1 5 3 2 4
Kriteria Pendapatan Tanggungan Pendidikan Umur Kondisi Rumah Jumlah
1 K1 1 5 3 2 4 15
5 K2 0,2 1 0,60 0,40 0,80 3
3 K3 0,33 1,67 1 0,67 1,33 5
2 K4 0,50 2,50 1,50 1 2,00 7,5
4 K5 0,25 1,25 0,75 0,50 1 3,75
Operasi : Pada kolom K1 dan kolom K2 menggambarkan tingkat kepentingan yang sama antara K1 dan K2 pada tabel 5.5 Tabel Tingkat Kepentingan Kriteria pada Penelitian, Sedangkan nilai pada baris K2 merupakan hasil perhitungan kolom K1 (1) dibagii dengan nilai pada kolom K2 baris K1. Nilai yang terdapat pada baris jumlah merupakan hasil penjumlahan setiap kolom. Contoh : - nilai 0,2 (K1,K2) diperoleh dari 1 / 5 = 0,2 - nilai 5 (K2,K1) di peroleh dari 5/1 = 5 - nilai 15 (jumlah K1) diperoleh dari 1 + 5 + 3 + 2 + 4 = 15 2. Selanjutnya untuk mendapatkan nilai eigen vector, normalisasikan matriks dengan membagi nilai tiap sel dengan jumlah akhir kriteria, kemudian dijumlahkan dengan semua kolom tiap kriteria. Nilai eigen vector ditunjukkan pada tabel 5.6 dan 5.7 Tabel 5.6 Tabel Matriks Normalisasi Kriteria Pendapatan Tanggungan Pendidikan Umur Kondisi Rumah
K1 0,0667 0,3333 0,2000 0,1333 0,2667
K2 0,0667 0,3333 0,2000 0,1333 0,2667
K3 0,0667 0,3333 0,2000 0,1333 0,2667
K4 0,0667 0,3333 0,2000 0,1333 0,2667
K5 0,0667 0,3333 0,2000 0,1333 0,2667
94
Operasi : Nilai 0,0667 pada kolom K1 diperoleh dari nilai perbandingan pada tabel 4.2 (nilai 1 yang dibagi dengan jumlah baris K1 = 15) begitupun dengan nilai-nilai lainnya. Contoh : - nilai 0,0667 (K1,K1) diperoleh dari 1 / 15 = 0,0667 Tabel 5.7 Tabel Eigen Vektor Kriteria K1 K2 K3 K4 K5
Eigen Vector (e) 0,3333 1,6667 1,000 0,6667 1,3333
Operasi : Nilai eigen vector diperoleh dari penjumlahan dari setiap barisnya. Contoh : - nilai 0,3333 (Eigen Vector (e)) diperoleh dari 0,0667+ 0,0667+ 0,0667+ 0,0667+ 0,0667= 0,3333 3. Setelah didapatkan nilai eigen vector (e), selanjutnya hitung nilai bobot (w) masing-masing kriteria dengan cara membagi nilai eigen vector (e) dengan jumlah banyaknya kriteria yang digunakan yaitu 5, tabel bobot AHP dapat dilihat pada tabel 5.8 Tabel 5.8 Tabel Bobot AHP Kriteria K1 K2 K3 K4 K5
Bobot Kriteria (w) 0,0667 0,3333 0,2000 0,1333 0,2667
Operasi : Nilai bobot kriteria diperoleh dari nilai eigen vector (e) dibagi dengan jumlah banyaknya kriteria yang digunakan yaitu 5 Contoh : - nilai 0,0667 ( bobot kriteria) diperoleh dari 0,3333 / 5 = 0,0667
95
4. Setelah didapatkan bobot untuk masing-masing kriteria, selanjutnya menghitung λmax. dengan mengalikan jumlah keseluruhan K1 hingga K 5 dengan bobot Ahp, sehingga : λmax
= (15*0,0667) + (3*0,3333) + (5*0,2000) + (7,5*0,1333) + (3,75*0,2667) = 5
5. Selanjutnya menghitung Indeks Konsistensi (consistency index) memakai persamaan 2.4 dimana nilai 5 di peroleh dari hasil dari λmax CI = (5- 5) / (5 - 1) = 0.00 6. Langkah berikutnya menghitung Rasio Konsistensi dimana RI adalah random konsistensi dengan nilai 1.12 karena pada contoh kasus ini mempunyai ukuran matriks 5x5. Sehingga nilai dari CR dapat dihitung dengan cara persamaan 2.5 CR = 0.00/ 1,12 = 0.00 Nilai rasio konsistensi kriteria bernilai 0.00 dan nilai rasio konsistensi kriteria ini lebih kecil atau sama dengan 0.1 yang berarti baik, sehingga nilai bobot kriteria yang sebelumnya diperoleh dapat dipergunakan.
5.3.3
Perhitungan Alternatif (Contoh Kasus untuk Lima Kepala Keluarga) Dari beberapa alternatif kepala keluarga, diambil lima kepala keluarga sebagai
contoh untuk penerapan metode AHP dalam penentuan tingkat kesejahteraan masyarakat ini. 1. Perhitungan Intensitas Kepentingan Alternatif terhadap Kriteria Pendapatan Kriteria pendapatan dibagi menjadi 3 sub-kriteria berdasarkan banyak sedikitnya pendapatan yang di dapat, yaitu sangat cukup, cukup, dan tidak cukup. Tiap
sub-kriterianya
mempunyai
sub-sub
perbandingan, yaitu ditunjukkan pada tabel 5.9.
kriteria
yang
mempunyai
nilai
96
Tabel 5.9 Tabel Sub-Kriteria Pendapatan Sumber : Badan Statistik Indonesia (2015) Kriteria
Pendapatan
Sub- Kriteria Sangat Cukup Cukup Tidak Cukup
Sub-sub Kriteria > Rp.3.500.001,Rp. 2.000.001 – Rp. 3.500.000 Rp. 1.000.000 – 2.000.000
Nilai Skala Perbandingan 1 3 5
1. Tahap pertama memilih bobot yang akan diproses kemudian masukkan nilai perbandingan kriteria untuk kk1= 3, kk2=3, kk3=5, kk4=5, kk5=3. Pada tabel 5.10 penilaian antar kriteria berdasarkan tingkat kepentingan yang dimasukkan sebagai bobot awal untuk tiap kriteria. Tabel 5.10 Penilaian alternatif berdasarkan kriteria Pendapatan Kriteria Pendapatan Tanggungan Pendidikan Umur Kondisi Rumah Jumlah
Nilai Perbandingan 3 3 5 4 3
3 KK1 1 1 1,67 1 1 6,33
3 KK2 1 1 1,67 1,67 1 6,33
5 KK3 0,60 0,60 1 1 0,60 3,8
4 KK4 0,75 0,75 1,25 1 0,60 3,8
3 KK5 1 1 1,67 1,67 1 6,33
Operasi : Pada tabel 4.7 merupakan nilai perbandingan antara kk1 hingga kk5. Nilai yang terdapat pada baris jumlah merupakan hasil penjumlahan setiap kolom. Contoh : - nilai 1 (Baris KK2) diperoleh dari 3 / 3 = 1 - nilai 6,33 (jumlah KK1) diperoleh dari 1 + 1,67 + 1,67 + 1 + 1 = 6,33 2. Selanjutnya untuk mendapatkan nilai eigen vector, normalisasikan matriks dengan membagi nilai tiap sel dengan jumlah akhir kriteria, kemudian
97
dijumlahkan dengan semua kolom tiap kriteria. Nilai eigen vector ditunjukkan pada tabel 5.11 Tabel 5.11 Tabel Eigen Vektor Kriteria K1 K2 K3 K4 K5
Eigen Vector (e) 0,7895 0,7895 1,3158 1,3158 0,7895
Operasi: nilai 0,7895 diperoleh dari penjumlahan dari normalisasi bobot awal K1 hingga K5. Dimana baris K1, 1/6,33 = 0,1579 hingga K5 dan dijumlahkan keseluruhannya. 3. Setelah didapatkan nilai eigen vector (e), selanjutnya hitung nilai bobot (w) masing-masing kriteria dengan cara membagi nilai eigen vector (e) dengan jumlah banyaknya kriteria yang digunakan yaitu 5, tabel bobot AHP dapat dilihat pada tabel 5.12 Tabel 5.12 Tabel Bobot AHP Kriteria K1 K2 K3 K4 K5
Bobot Kriteria (w) 0,1579 0,1579 0,2632 0,2632 0,1579
Operasi: Nilai bobot kriteria diperoleh dari nilai eigen vector (e) dibagi dengan jumlah banyaknya kriteria yang digunakan yaitu 5 Contoh : - nilai 0,1579 ( bobot kriteria) diperoleh dari 0,7895 / 5 = 0,1579
4. Setelah didapatkan bobot untuk masing-masing kriteria, selanjutnya menghitung λmax. dengan mengalikan jumlah keseluruhan K1 hingga K 5 dengan bobot Ahp, sehingga :
98
λmax = (6,3*0,1579) + (6,3*0,1579) + (3,8*0,2632) + (3,8*0,2632) + (6,3*0,1579) = 9,94 + 9,94 +1+1+ 9,94 = 5,00 5. Selanjutnya menghitung Indeks Konsistensi (consistency index) memakai persamaan 2.4 dimana nilai 5 di peroleh dari hasil dari λmax. CI = (5 - 5)/(5-1) `
= 0,00
6. Berikutnya menghitung Rasio Konsistensi dengan RI adalah random konsistensi dengan nilai 1,12 karena pada kasus ini mempunyai ukuran matriks 5x5. Sehingga nilai dari CR dapat dihitung dengan persamaan 2.5. CR = 0, 00 / 1,12 = 0.00 Nilai rasio konsistensi kriteria bernilai 0.00 dan nilai rasio konsistensi kriteria ini lebih kecil atau sama dengan 0.1 berarti nilai bobot baik, sehingga nilai bobot kriteria yang sebelumnya diperoleh dapat dipergunakan. 2. Perhitungan Intensitas Kepentingan Alternatif terhadap Kriteria Tanggungan Kriteria tanggungan dibagi menjadi 3 sub-kriteria berdasarkan kondisi jumlah banyaknya tanggungan, yaitu banyak, sedang, dan sedikit. Untuk kriteria tanggungan ini dibagi menjadi 3 sub-kriteria dan tiap sub-kriterianya mempunyai nilai perbandingan, , yaitu dilihat pada tabel 5.13 Tabel 5.13 Tabel Sub-kriteria Tanggungan Sumber : Badan Statistik Indonesia (2015) Kriteria
Sub Kriteria Banyak Tanggungan Sedang Sedikit
Sub-sub Kriteria >7 orang 4-6 orang 1-3 orang
Nilai Skala Perbandingan 1 3 5
99
1. Tahap pertama memilih bobot yang akan diproses kemudian masukkan nilai perbandingan kriteria untuk kk1=5, kk2=1, kk3=3, kk4=5, kk5=3. Pada tabel 5.14 penilaian antar kriteria berdasarkan tingkat kepentingan yang dimasukkan sebagai bobot awal untuk tiap kriteria. Tabel 5.14 Penilaian alternatif berdasarkan kriteria Tanggungan
Kriteria
Nilai perbandingan
Pendapatan Tanggungan Pendidikan Umur Kondisi Rumah
5 1 3 5 3
Jumlah
5
1
3
5
3
KK1 1 0,2 0,6 1 0,6 3,4
KK2 5 1 3 5 3 17
KK3 1,67 0,3 1 1,67 1 5,667
KK4 1 0,2 0,6 1 0,6 3,4
KK5 1,67 0,3 1 1,67 1 5,667
Operasi : Pada tabel 5.14 merupakan nilai perbandingan antara kk1 hingga kk5. Nilai yang terdapat pada baris jumlah merupakan hasil penjumlahan setiap kolom. Contoh : - nilai 5 (Baris KK2) diperoleh dari 5/1 = 5 - nilai 3,4 (jumlah KK1) diperoleh dari 1 + 0,2 + 0,6 + 1 + 0,6 = 3,4 2. Selanjutnya untuk mendapatkan nilai eigen vector, normalisasikan matriks dengan membagi nilai tiap sel dengan jumlah akhir kriteria, kemudian dijumlahkan dengan semua kolom tiap kriteria. Nilai eigen vector ditunjukkan pada tabel 5.15 Tabel 5.15 Tabel Eigen Vektor Kriteria K1 K2 K3 K4 K5
Eigen Vector (e) 1,4706 0,2941 0,8824 1,4706 0,8824
100
Operasi: nilai 1,4706 diperoleh dari penjumlahan dari normalisasi bobot awal K1 hingga K5. Dimana baris K1, 1/3,4 = 0,2941 hingga K5 dan dijumlahkan keseluruhannya 3. Setelah didapatkan nilai eigen vector (e), selanjutnya hitung nilai bobot (w) masing-masing kriteria dengan cara membagi nilai eigen vector (e) dengan jumlah banyaknya kriteria yang digunakan yaitu 5. tabel bobot AHP dapat dilihat Nilai bobot AHP ditunjukkan pada tabel 5.16. Tabel 5.16 Tabel Bobot AHP Kriteria K1 K2 K3 K4 K5
Bobot Kriteria (w) 0,2941 0,0588 0,1765 0,2941 0,1765
Operasi : Nilai bobot kriteria diperoleh dari nilai eigen vector (e) dibagi dengan jumlah banyaknya kriteria yang digunakan yaitu 5 Contoh : - nilai 0,2941 ( bobot kriteria) diperoleh dari 1,4706 / 5 = 0,2941 4. Setelah didapatkan bobot untuk masing-masing kriteria, selanjutnya menghitung λmax. dengan mengalikan jumlah keseluruhan K1 hingga K 5 dengan bobot Ahp, sehingga : . λmax = (3,4*0,2941) + (17*0,0588) + (5,667*0,1765) + (3,4*0,2941) + (5,667*0,1765) = 0,99 + 0,99 + 1 + 0,99 + 1 = 5,00 5. Selanjutnya menghitung Indeks Konsistensi (consistency index) memakai persamaan 2.4, dimana nilai 5 di peroleh dari hasil dari λmax. CI = (5 - 5)/(5-1) = 0,00 6. Berikutnya menghitung Rasio Konsistensi dengan RI adalah random konsistensi dengan nilai 1,12 karena pada kasus ini mempunyai ukuran matriks 5x5. Sehingga nilai dari CR dapat dihitung dengan persamaan 2.5: CR = 0, 00 / 1,12 = 0.00
101
Nilai rasio konsistensi kriteria bernilai 0.00 dan nilai rasio konsistensi kriteria ini lebih kecil atau sama dengan 0.1 berarti nilai bobot konsisten, sehingga nilai bobot kriteria yang sebelumnya diperoleh dapat dipergunakan.
3.
Perhitungan Intensitas Kepentingan Alternatif terhadap Kriteria Pendidikan Kriteria pendidikan dibagi menjadi 3 sub-kriteria berdasarkan kondisi jumlah
banyaknya tanggungan, yaitu banyak, sedang, dan sedikit. Untuk kriteria pendidikan ini dibagi menjadi 3 sub-kriteria dan tiap sub-kriterianya mempunyai nilai perbandingan, yaitu dilihat pada tabel 5.17 Tabel 5.17 Tabel Sub-kriteria pendidikan Sumber : Badan Statistik Indonesia (2015) Kriteria Pendidikan
Sub Kriteria S1 SMA Tidak Sekolah
Nilai 1 3 5
1. Tahap pertama memilih bobot yang akan diproses kemudian masukkan nilai perbandingan kriteria untuk kk1=5, kk2=3, kk3=1, kk4=3, kk5=5. Pada tabel 5.18 penilaian antar kriteria berdasarkan tingkat kepentingan yang dimasukkan sebagai bobot awal untuk tiap kriteria. Tabel 5.18 Bobot Kriteria Pendidikan Kriteria Pendapatan Tanggungan Pendidikan Umur Kondisi Rumah Jumlah
Nilai perbandingan 5 3 1 3 5
5 KK1 1 0,60 0,2 0,60 1 3,4
3 KK2 1,67 1 0,33 1 1,67 5,667
1 KK3 5 3 1 3 5 17
3 KK4 1,67 1 0,33 1 1,67 5,667
5 KK5 1 0,6 0,2 0,60 1 3,4
102
Operasi : Pada tabel 5.18 merupakan nilai perbandingan antara kk1 hingga kk5. Nilai yang terdapat pada baris jumlah merupakan hasil penjumlahan setiap kolom. Contoh : - nilai 1,67 (Baris KK2) diperoleh dari 5/3 = 1,67 - nilai 3,4 (jumlah KK1) diperoleh dari 1 + 0,60 + 0,2 + 0,60 + 0,1 = 3,4 2. Selanjutnya untuk mendapatkan nilai eigen vector, normalisasikan matriks dengan membagi nilai tiap sel dengan jumlah akhir kriteria, kemudian dijumlahkan dengan semua kolom tiap kriteria. Nilai eigen vector ditunjukkan pada tabel 5.19 Tabel 5.19 Tabel Eigen Vektor Kriteria K1 K2 K3 K4 K5
Eigen Vector (e) 1,4706 0,8824 0,2941 0,8824 1,4706
Operasi: nilai 1,4706 diperoleh dari penjumlahan dari normalisasi bobot awal K1 hingga K5. Dimana baris K1, 1/3,4 = 0,2941 hingga K5 dan dijumlahkan keseluruhannya 3. Setelah didapatkan nilai eigen vector (e), selanjutnya hitung nilai bobot (w) masing-masing kriteria dengan cara membagi nilai eigen vector (e) dengan jumlah banyaknya kriteria yang digunakan yaitu 5. tabel bobot AHP dapat dilihat Nilai bobot AHP ditunjukkan pada tabel 5.20. Tabel 5.20 Tabel Bobot AHP Kriteria K1 K2 K3 K4 K5
Bobot Kriteria (x) 0,2941 0,1765 0,0588 0,1765 0,2941
103
Operasi : Nilai bobot kriteria diperoleh dari nilai eigen vector (e) dibagi dengan jumlah banyaknya kriteria yang digunakan yaitu 5 Contoh : - nilai 0,2941 ( bobot kriteria) diperoleh dari 1,4706 / 5 =0,2941 4. Setelah didapatkan bobot untuk masing-masing kriteria, selanjutnya menghitung λmax.. dengan mengalikan jumlah keseluruhan K1 hingga K 5 dengan bobot Ahp, sehingga. λmax = (3,4*0,2941) + (5,667*0,1765) + (17*0,0588) + (5,667*0,1765) + (3,4*0,2941) = 0,99 + 1 + 0,99 + 1 + 0,99 + 0,99 = 5,00 5. Selanjutnya menghitung Indeks Konsistensi (consistency index) memakai persamaan 2.4, dimana nilai 5 di peroleh dari hasil dari λmax CI= (5 - 5)/(5-1) = 0,00 6. Berikutnya menghitung Rasio Konsistensi dengan RI adalah random konsistensi dengan nilai 1,12 karena pada kasus ini mempunyai ukuran matriks 5x5. Sehingga nilai dari CR dapat dihitung dengan persamaan 2.5: CR = 0, 00 / 1,12 = 0.00 Nilai rasio konsistensi kriteria bernilai 0.00 dan nilai rasio konsistensi kriteria ini lebih kecil atau sama dengan 0.1 berarti nilai bobot baik, sehingga nilai bobot kriteria yang sebelumnya diperoleh dapat dipergunakan.
4. Perhitungan Intensitas Kepentingan Alternatif terhadap Kriteria Umur Kriteria umur didasarkan pada tua mudanya kepala keluarga yang dibagi menjadi 3 sub-kriteria dan tiap sub-kriterianya mempunyai sub-sub kriteria yang mempunyai nilai perbandingan, berikut adal tabel sub criteria yang ditujukkan pada tabel 5.21
104
Tabel 5.21 Tabel Sub-kriteria Umur Sumber : Statistik Indonesia (2015) Kriteria Umur
Sub- Kriteria Tua Parubaya Muda
Sub-sub Kriteria >50Th 30Th – 49Th 20Th - 29Th
Nilai Skala Perbandingan 1 3 5
1. Tahap pertama memilih bobot yang akan diproses kemudian masukkan nilai perbandingan kriteria untuk kk1=3, kk2=3, kk3=3, kk4=5, kk5=3. Pada tabel 5.22 penilaian antar kriteria berdasarkan tingkat kepentingan yang dimasukkan sebagai bobot awal untuk tiap kriteria. Tabel 5.22 Bobot Kriteria Umur Kriteria Pendapatan Tanggungan Pendidikan Umur Kondisi Rumah Jumlah
Nilai perbandingan 3 3 3 5 3
3 K1 1 1 1 1,67 1 5,667
3 K2 1 1 1 1,67 1 5,667
3 K3 1 1 1 1,67 1 5,667
5 K4 0,6 0,6 0,6 1 0,6 3,4
3 K5 1 1 1 1,67 1 5,667
Operasi : Pada tabel 5.22 merupakan nilai perbandingan antara kk1 hingga kk5. Nilai yang terdapat pada baris jumlah merupakan hasil penjumlahan setiap kolom. Contoh : - nilai 1 (Baris KK2) diperoleh dari 3/3 = 1 - nilai 5,667 (jumlah KK1) diperoleh dari 1 + 1 + 1 + 1,667 + 1 = 5,667 2. Selanjutnya untuk mendapatkan nilai eigen vector, normalisasikan matriks dengan membagi nilai tiap sel dengan jumlah akhir kriteria, kemudian
105
dijumlahkan dengan semua kolom tiap kriteria. Nilai eigen vector ditunjukkan pada tabel 5.23 Tabel 5.23 Tabel Eigen Vektor Kriteria K1 K2 K3 K4 K5
Eigen Vector (e) 0,8824 0,8824 0,8824 1,4706 0,8824
Operasi: nilai 0,8824 diperoleh dari penjumlahan dari normalisasi bobot awal K1 hingga K5. Dimana baris K1, 1/5,667 = 0,8824 hingga K5 dan dijumlahkan keseluruhannya 3. Setelah didapatkan nilai eigen vector (e), selanjutnya hitung nilai bobot (w) masing-masing kriteria dengan cara membagi nilai eigen vector (e) dengan jumlah banyaknya kriteria yang digunakan yaitu 5. tabel bobot AHP dapat dilihat Nilai bobot AHP ditunjukkan pada tabel 5.24 . Tabel 5.24 Tabel Bobot AHP Kriteria K1 K2 K3 K4 K5
Bobot Kriteria (x) 0,1765 0,1765 0,1765 0,2941 0,1765
Operasi : Nilai bobot kriteria diperoleh dari nilai eigen vector (e) dibagi dengan jumlah banyaknya kriteria yang digunakan yaitu 5. Contoh : - nilai 0,1765 ( bobot kriteria) diperoleh dari 0,8824 / 5 = 0,1765 4. Setelah didapatkan bobot untuk masing-masing kriteria, selanjutnya menghitung λmax, dengan mengalikan jumlah keseluruhan K1 hingga K 5 dengan bobot Ahp, sehingga.
106
λmax = (5,667*0,1765) + (5,667*0,1765) + (5,667*0,1765) + (3,4*0,2941) + (5,667*0,1765) = 1+ 1 + 1 + 0,99 + 1 = 5,00 5. Selanjutnya menghitung Indeks Konsistensi (consistency index) memakai persamaan 2.4, dimana nilai 5 di peroleh dari hasil dari λmax CI= (5 - 5)/(5-1) = 0,00 6. Berikutnya menghitung Rasio Konsistensi dengan RI adalah random konsistensi dengan nilai 1,12 karena pada kasus ini mempunyai ukuran matriks 5x5. Sehingga nilai dari CR dapat dihitung dengan persamaan 2.5: CR = 0, 00 / 1,12 = 0.00 Nilai rasio konsistensi kriteria bernilai 0.00 dan nilai rasio konsistensi kriteria ini lebih kecil atau sama dengan 0.1 berarti nilai bobot baik, sehingga nilai bobot kriteria yang sebelumnya diperoleh dapat dipergunakan.
5. Perhitungan Intensitas Kepentingan Alternatif terhadap Kriteria Kondisi Perumahan Kriteria Kondisi perumahan dibagi menjadi 2 sub-kriteria dan tiap subkriterianya mempunyai nilai perbandingan, yaitu ditunjukkan pada tabel 5.25. Tabel 5.25 Tabel Sub-kriteria kondisi perumahan Sumber : Badan Statistik Indonesia (2015) Kriteria Kondisi Perumahan
Sub Kriteria Rumah Sendiri Kontrak
Nilai Skala Perbandingan 1 5
1. Tahap pertama memilih bobot yang akan diproses kemudian masukkan nilai perbandingan kriteria untuk kk1=1, kk2=5, kk3=1, kk4=1, kk5=1. Pada tabel 5.26 penilaian antar kriteria berdasarkan tingkat kepentingan yang dimasukkan sebagai bobot awal untuk tiap kriteria.
107
Tabel 5.26 Bobot Kriteria kondisi perumahan Kriteria Pendapatan Tanggungan Pendidikan Umur Kondisi Rumah Jumlah
Nilai perbandingan 1 5 1 1 1
1 K1 1 5 1 1 5 9
5 K2 0,2 1 0,2 0,2 0,2 1,8
1 K3 1 5 1 1 5 9
1 K4 1 5 1 1 1 9
1 K5 1 5 1 1 1 9
Operasi : Pada tabel 5.26 merupakan nilai perbandingan antara kk1 hingga kk5. Nilai yang terdapat pada baris jumlah merupakan hasil penjumlahan setiap kolom. Contoh : - nilai 0,2 (Baris KK2) diperoleh dari 1/5 = 1 - nilai 9 (jumlah KK1) diperoleh dari 1 + 5 + 1 + 1 + 1 = 9 2. Selanjutnya untuk mendapatkan nilai eigen vector, normalisasikan matriks dengan membagi nilai tiap sel dengan jumlah akhir kriteria, kemudian dijumlahkan dengan semua kolom tiap kriteria. Nilai eigen vector ditunjukkan pada tabel 5.27 Tabel 5.27 Tabel Eigen Vektor Kriteria K1 K2 K3 K4 K5
Eigen Vector (e) 0,5556 2,778 0,5556 0,5556 0,5556
Operasi: nilai 0,5556 diperoleh dari penjumlahan dari normalisasi bobot awal K1 hingga K5. Dimana baris K1, 1/9 = 0,5556 hingga K5 dan dijumlahkan keseluruhannya 3. Setelah didapatkan nilai eigen vector (e), selanjutnya hitung nilai bobot (w) masing-masing kriteria dengan cara membagi nilai eigen vector (e) dengan
108
jumlah banyaknya kriteria yang digunakan yaitu 5. tabel bobot AHP dapat dilihat Nilai bobot AHP ditunjukkan pada tabel 5.28 Tabel 5.28 Tabel Bobot AHP Kriteria K1 K2 K3 K4 K5
Bobot Kriteria (x) 0,111 0,5556 0,111 0,111 0,111
Operasi : Nilai bobot kriteria diperoleh dari nilai eigen vector (e) dibagi dengan jumlah banyaknya kriteria yang digunakan yaitu 5. Contoh : - nilai 0,111( bobot kriteria) diperoleh dari 0,5556 / 5 = 0,111 4. Setelah didapatkan bobot untuk masing-masing kriteria, selanjutnya menghitung λmax. dengan mengalikan jumlah keseluruhan K1 hingga K 5 dengan bobot Ahp, sehingga.. λmax = (9*0,111) + (1,8*0,5556) + (9*0,111) + (9*0,111) + (9*0,5556) = 0,99 + 1 + 0,99 + 0,99 + 0,99 = 5,00 5. Selanjutnya menghitung Indeks Konsistensi (consistency index) memakai persamaan 2.4, dimana nilai 5 di peroleh dari hasil dari λmax CI = (5 - 5)/(5-1) = 0,00 6. Berikutnya menghitung Rasio Konsistensi dengan RI adalah random konsistensi dengan nilai 1,12 karena pada kasus ini mempunyai ukuran matriks 5x5. Sehingga nilai dari CR dapat dihitung dengan persamaan 2.5: CR = 0, 00 / 1,12 = 0.00 Nilai rasio konsistensi kriteria bernilai 0.00 dan nilai rasio konsistensi kriteria ini lebih kecil atau sama dengan 0.1 berarti nilai bobot baik, sehingga nilai bobot kriteria yang sebelumnya diperoleh dapat dipergunakan.
109
5.3.4
Perhitungan Seleksi Kepala Keluarga Berdasakan Kriteria Dan Alternatif Untuk menentukan keluarga yang layak menerima bantuan, langkah
selanjutnya yaitu memasukkan nilai bobot tiap alternatif kepala keluarga baru untuk masing–masing kriteria yang telah diperoleh pada perhitungan sebelumnya, nilai bobot alternatif kriteria ditunjukkan pada tabel 5.29. Tabel 5.29 Nilai bobot tiap alternatif terhadap kriteria Kriteria Pendapatan Tanggungan Pendidikan Umur Kondisi Rumah
KK 1 0.1579 02941 0.2941 0,1765 0.111
KK 2 0.1579 0.0588 0.1765 0,1765 0.5556
KK 3 0.2632 0.1765 0.0588 0,1765 0.111
KK 4 0.2632 0.2941 0.1765 0.2941 0.111
KK5 0.1579 0.1765 0.2941 0,1765 0,111
Kemudian menghitung bobot akhir keputusan alternatif dengan cara perkalian matriks antara nilai bobot tiap alternatif dengan nilai bobot kriteria yang telah dihitung sebelumnya , nilai bobot kriteria ditunjukkan pada tabel 5.30. Tabel 5.30 Bobot Kriteria Kriteria K1 K2 K3 K4 K5
Bobot Kriteria (x) 0,0667 0,3333 0,2000 0,1333 0,2667
Misalnya saja untuk perkalian elemen matriks nilai rata-rata alternatif kolom 1 baris 1 dapat dihitung dengan cara yang sama, hasil pekalian untuk elemen kolom yang lain ditunjukkan pada tabel 5.31.
110
Tabel 5.31 Nilai bobot akhir keputusan tiap alternatif Kriteria
KK1
KK2
KK3
KK4
KK5
Pendapatan
0.0105
0.0105
0.0175
0.0175
0.0105
Tanggungan
0.0980
0.0588
0.0980
0.0196
0.0588
Pendidikan
0.0588
0.0353
0.0118
0.0353
0.0588
Umur
0.0235
0.0235
0.0235
0.0392
0.0235
Kondisi Perumahan
0.0296
0.1481
0.0296
0.0296
Jumlah (Σ)
0.2205
0.2371
0.2197
0.1813
0.0296 0.1413
Hasil perkalian tersebut kemudian dijumlahkan per tiap kolom sehingga menghasilkan nilai untuk masing-masing kepala keluarga dan nilai tertinggi merupakan nilai keputusan. Jadi, berdasarkan simulasi melalui metode AHP diperoleh informasi bahwa dari kelima kepala keluarga yang paling tepat untuk dinyatakan penerima bantuan adalah kepala keluarga 2. Hal ini dikarenakan kepala keluarga memiliki nilai yang paling tinggi dari keempat kepala keluarga lainnya, yaitu 0.2371. Tabel 5.32 Nilai bobot akhir setelah diurutkan Nama KK KK 1 KK2 KK3 KK4 KK5
5.3.5
Nilai Akhir 0.2205 0.2371 0,1413 0.2197 0,1813
Pengujian Sistem
Saat
melakukan
proses
penentuan
penerima
bantuan
langsung
tunai
menggunakan sistem pendukung keputusan yang dilakukan oleh admin adalah memilih kategori/kriteria yang akan dimasukkan kemudian kriteria yang telah dipilih
111
diberikan nilai perbandingan antar kriteria. Berikut hasil data
pengujian sistem
berdasarkan inputan ditunjukkan pada gambar 5.11.
Gambar 5.11 Output Hasil Akhir
5.3.6
Perbandingan Hasil Pengujian Manual dan Sistem
Hasil pengujian sistem manual ditunjukkan pada tabel 5.31 dan hasil pengujian sistem ditunjukkan pada gambar 5.11, dapat dilihat bahwa penentuan penerima dengan perhitungan manual dan perhitungan sistem dengan menggunakan metode AHP yaitu sama. Tabel 5.35 Nilai bobot akhir keputusan tiap alternatif Kriteria
KK1
KK2
KK3
KK4
KK5
Pendapatan
0.0105
0.0105
0.0175
0.0175
0.0105
Tanggungan
0.0980
0.0588
0.0980
0.0196
0.0588
Pendidikan
0.0588
0.0353
0.0118
0.0353
0.0588
Umur
0.0235
0.0235
0.0235
0.0392
0.0235
Kondisi Perumahan
0.0296
0.1481
0.0296
0.0296
Jumlah (Σ)
0.2205
0.2371
0.2197
0.1813
0.0296 0.1413
112
Gambar 5.11 Output Hasil
BAB VI PENUTUP 6.1 Kesimpulan Berdasarkan pembahasan dan evaluasi dari bab sebelumnya, maka kesimpulan yang dapat di ambil adalah, 1. Metode AHP dapat diimplementasikan ke dalam sistem pendukung keputusan menentukan penerima bantuan langsung tunai. 2. Sistem ini dirancang dan dibangun menggunakan bahasa pemrograman java dengan mengimplementasikan metode Rational Unified Process (RUP) sebagai metode pengembangan sistem dan metode AHP sebagai metode untuk menentukan urutan (prioritas) dengan multikriteria.
6.2 Saran Berikut adalah beberapa saran untuk pengembangan lebih lanjut terhadap penelitian ini : 1. Untuk pengembangan aplikasi selanjutnya dapat ditambahkan data lain yang mendukung penerima bantuan. Misalnya dapat dilakukan dengan penambahan kriteria disertai dengan kemampuan mengolah nilai bobotnya. 2. Aplikasi dengan metode Analytical hierarchy Process (AHP) dapat diimplementasikan diperangkat lunak dengan tampilan yang lebih baik sehingga admin dapat lebih mudah menggunakannnya.
113
DAFTAR PUSTAKA
Abdul, K., 2004, Dasar Aplikasi Database My SQL Delphi, Penerbit. ANDI, Yogyakarta. Biro Pusat Statistik Indonesia 2015, Indikator tolak ukur kesejahteraan. Brady, Loonam, 2010, Konsep Dasar Pengertian Entity Relationship diagram (ERD), Penerbit. ANDI, Yogyakarta. Daihani, D.U., 2001, Komputerisasi Pengambilan Keputusan, PT.Elex Media Komputindo, Bandung. Didik, T., 2008, Sistem Pendukung Keputusan Untuk Menentukan Tingkat Kesejahteraan Masyarakat Menggunakan metode SMARTER, Madiun. E. Turban, E. Jay, and Ting-Peng Liang., 2005, Decision Support Systems and Intelligent Systems (Sistem Pendukung Keputusan dan Sistem Cerdas) . Penerbit. Andi, Yogyakarta. Eka, A.G., dan Eddy P.N., 2011, Sistem Promosi Jabatan karyawan dengan metode Analytical Hierarchy Process (AHP) dan Multi-Attribute Utility Theory (MAUT), Jakarta. Fanny, W., 2012, Sistem Pendukung Keputusan Seleksi Pelamar Kerja di PT. Gizindo PrimaNusantara dengan metode Analytical Hierarchy Process (AHP) dan Multi-Attribute Utility Theory (MAUT), Bandung. Gordon, B.D., 1974, Management Information Systems: Conceptual Foundations, Structures and Development, International Student Edition, McGraw-Hill, Kogakusha. Hasan, I., 2004. Pokok-pokok Materi Teori Pengambilan Keputusan, Ghalia Indonesia, Bogor Selatan. Hermawan, J., 2005, Membangun Decision Support System, Penerbit Andi, Yogyakarta. Jogiyanto, H.M., 1999, Analisis dan Disain Sistem Informasi, Penerbit Andi, Yogyakarta Jogiyanto, HM., 2001, Analisis Perancangan Sistem Informasi, Andi Offset, Yogyakarta. Jogiyanto, HM., 2005, Analisis dan Desain Sistem Informasi : Pendekatan Terstruktur Teori dan Praktik Aplikasi Bisnis, Andi, Yogyakarta. Kristanto, 2004, Pengertian dan pemodelan database, Jakarta. Kruchten, P., 2000, The Rational Unified Process: An Introduction, 2nd Edition, Addision Wesley, Boston. Martina, Inge, 2004, Pemrograman Basic Netbeans 7.1, Elex Media Komputindo, Jakarta. Mary Follet, Konsep-konsep Pengambilan Keputusan.
Michael P.Jhonson., 2010, Decision Support for Family Relocation Decisions under the Section 8 Housting Assistance Program Using Gepgrapihc Information (GIS) and the Analytic Hierarchy Process (AHP). Munawar, 2005, Permodelan Visual dengan UML, Penerbit Graha Ilmu, Yogyakarta. Nia, R.R., Gilang Y.P., 2013, Pemilihan Strategi Bisnis Dengan Menggunakan metode Analytical Hierarchy Process (AHP) dan Multi-Attribute Utility Theory (MAUT). Ralph C. Davis, Konsep-konsep Pengambilan Keputusan. Saaty, T., 1993, Pengambilan Keputusan Bagi Para Pemimimpin (Proses Hirarki Analitik untuk Pengambilan Keputusan dalam Situasi yang Kompleks), Pustaka Binaman Pressindo, Jakarta. Saaty, T., 1988, Proses Pengambilan Keputusan Bagi Para Pemimimpin, Pustaka Binaman Pressindo, Jakarta. Schmitt, Dengler, Bauer. The MAUT Machine : An Adaptive Recommender Sistem [online]. serv2.ist.psu.edu: 8080/viewdoc/summary?doi=10.1.1.85.2087. Akses 23 Februari 2015. Simon, 1980, Proses-proses yang digunakan dalam Pengambilan Keputusan, Penerbit Graha Ilmu, Yogyakarta. Yuliawanti, R., 2014, Rancang Bangun Sistem Penunjang Keputusan dalam Penanganan Prioritas Kerusakan Jalan di Kabupaten Bombana dengan Membandingkan Metode TOPSIS dan Metode AHP, Skripsi, Jurusan Teknik Informatika F.Teknik UHO, Kendari.
