SKRIPSI. Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Sistem Informasi OLEH :

Artikel Skripsi Universitas Nusantara PGRI Kediri

IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMA BERAS MISKIN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING ( STUDI KASUS KEL. JAMSAREN KOTA KEDIRI)

SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Sistem Informasi

OLEH : MUHAMMAD FAHMI H. NPM : 11.1.03.03.0178

FAKULTAS TEKNIK (FT) UNIVERSITAS NUSANTARA PERSATUAN GURU REPUBLIK INDONESIA UN PGRI KEDIRI 2015 Muhammad Fahmi H. | 11.1.03.03.0178 Teknik – Sistem Informasi

simki.unpkediri.ac.id || 1||


Muhammad Fahmi H. | 11.1.03.03.0178 Teknik – Sistem Informasi






IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMA BERAS MISKIN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING ( STUDI KASUS KEL. JAMSAREN KOTA KEDIRI) MUHAMMAD FAHMI H. 11.1.03.03.0178 FAKULTAS TEKNIK – SISTEM INFORMASI Email : [email protected] Dr. M. ANAS, SE, M.M., M.Si dan DANIEL SWANJAYA, M.Kom UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK

Program bantuan beras miskin (RASKIN) merupakan subsidi pangan dalam bentuk berupa beras yang diperuntukkan bagi keluarga yang berpenghasilan rendah sebagai bagian dari upaya pemerintah Indonesia untuk mengurangi beban pengeluaran keluarga miskin. Namun pada prakteknya, penentuan calon penerima bantuan hanya ditentukan berdasarkan perbandingan kondisi kesejahteraan antar warga tanpa adanya acuan batasan kriteria tertentu, sehingga rawan akan terjadinya kesalahan dalam penentuan penerima bantuan tersebut. Untuk membantu menyelesaikan masalah tersebut, maka dibuatlah sebuah sistem seleksi penerima beras miskin dengan menggunakan Metode Simple Additive Weighting (SAW). Metode ini mengharuskan pembuat keputusan menetukan bobot untuk setiap kriteria. Nilai akhir diperoleh melalui perkalian antar rating dan bobot setiap atribut. Hasil yang dicapai dalam penelitian ini adalah pihak kelurahan lebih mudah dalam menentukan calon penerima bantuan dan lebih terkendali sesuai dengan kriteria yang ditentukan, sehingga dapat meminimalisir terjadinya kesalahan dalam pembagian beras miskin. Kata Kunci : Sistem Pendukung Keputusan, RASKIN, FMADM, Simple Additive Weighting.

I.

terhadap

LATAR BELAKANG Program bantuan beras miskin

(RASKIN) merupakan subsidi pangan

peningkatan

kesejahteraan

dan ketahanan pangan keluarga miskin Indonesia.

dalam bentuk berupa beras

yang

Kriteria masyarakat yang berhak

diperuntukkan

yang

menerima bantuan beras miskin adalah

bagi

keluarga

berpenghasilan rendah sebagai bagian

masyarakat

dari upaya pemerintah Indonesia untuk

berpenghasilan rendah. Namun pada

mengurangi

pengeluaran

praktek penyaluran program ini di

keluarga miskin. Melalui program ini

Kelurahan Jamsaren, calon penerima

diharapkan dapat berdampak langsung

bantuan hanya ditentukan berdasarkan

beban


yang

kurang

mampu



perbandingan antar

kondisi

kesejahteraan

metode Simple Additive Weighting

serta

pengambilan

Method (SAW).

warga

keputusan

penentuan

penerima

ditentukan melalui musyawarah warga. Hal ini dapat menimbulkan ketidak tepatan penyaluran RASKIN, sebab yang seharusnya kuantitas atau jumlah keluarga miskin yang didata sebagai penerima bisa lebih banyak atau lebih sedikit dari yang sebenarnya, sehingga pada

akhirnya

RASKIN

yang

dibagikan akan memberikan dampak kekurangan atau bahkan kelebihan jatah.

II.

METODE A. Fuzzy Multiple Attribute Decision Making (FMADM). Fuzzy

Multiple

Attribute

Decision Making (FMADM) adalah salah satu model dari MCDM (Multiple

Criteria

Making)

yaitu

pengambilan

Decision

suatu

keputusan

metode untuk

memilih atau mencari alternatif optimal dari sejumlah alternatif

Berdasarkan permasalahan diatas,

dengan kriteria tertentu. Inti dari

maka penulis mencoba mengangkat

FMADM adalah menentukan nilai

sebuah gagasan berupa pembuatan

bobot

aplikasi

kemudian

bernama

“Implementasi

untuk

setiap

atribut,

dilanjutkan

dengan

Sistem Pendukung Keputusan Seleksi

proses perangkingan yang akan

Penerima Beras Miskin Menggunakan

menyeleksi alternatif yang sudah

Metode Simple Additive Weighting”

diberikan. Pada dasarnya, ada 3

yang dapat membantu dalam proses

pendekatan untuk mencari nilai

menentukan

bantuan

bobot atribut, yaitu pendekatan

merupakan

subyektif, pendekatan obyektif dan

tersebut.

penerima

Aplikasi

ini

bagian dari sistem informasi berbasis

pendekatan

integrasi

antara

komputer

subyektif & obyektif.

Masing-

masing

memiliki

yang

menyelesaikan

dapat

membantu

masalah

tersebut,

pendekatan

melalui kriteria-kriteria yang telah

kelebihan dan kelemahan. Pada

ditentukan sebelumnya dan kemudian

pendekatan subyektif, nilai bobot

dihitung

ditentukan

Fuzzy

menggunakan Multiple

perhitungan

Attribute

Decision

Making (FMADM) dengan penggunaan

berdasarkan

subyektifitas dari para pengambil keputusan,

sehingga

beberapa

faktor dalam proses perangkingan




alternatif bisa ditentukan secara

menghitung

bebas. Sedangkan pada pendekatan

kinerja ternormalisasi (rij)

obyektif,

nilai

dihitung

dari

secara

matematis

sehingga

atribut

mengabaikan

bobot

subyektifitas

pengambil

alternatif Cj

Ai

rating

pada

berdasarkan

dari

persamaan yang disesuaikan

keputusan.

dengan jenis atribut (atribut

(Kusumadewi, 2007).

keuntungan

Ada beberapa metode yang dapat

nilai

digunakan

benefit

=

MAKSIMUM atau atribut

untuk

menyelesaikan masalah FMADM.

/

biaya / cost = MINIMUM). 4) Melakukan

antara lain (Kusumadewi, 2006) :

proses

perankingan dengan cara

1) Simple Additive Weighting

mengalikan

Method (SAW)

matriks

ternormalisasi (R) dengan

2) Weighted Product (WP)

nilai bobot (W).

3) ELECTRE

5) Menentukan nilai preferensi

4) Technique

for

Order

untuk setiap alternatif (Vi)

Preference by Similarity to

dengan cara menjumlahkan

Ideal Solution (TOPSIS)

hasil kali antara matriks

5) Analytic Hierarchy Process

ternormalisasi (R) dengan

(AHP)

nilai bobot (W). Nilai Vi yang

a. Algoritma FMADM 1) Memberikan

nilai

setiap

lebih

besar

mengindikasikan

bahwa

alternatif Ai lebih terpilih

alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan,

dimana

tersebut

di

berdasarkan

nilai

nilai

Metode SAW sering dikenal

peroleh

dengan istilah metode penjumlahan

crisp;

terbobot. Konsep dasar metode

i=1,2,…m dan j=1,2,…n. 2) Memberikan

SAW adalah mencari penjumlahan

bobot

terbobot dari rating kinerja pada

(W) yang juga didapatkan

setiap alternatif pada semua atribut.

berdasarkan nilai crisp.

Metode SAW dapat membantu

3) Melakukan matriks

nilai

B. Simple Additive Weighting (SAW).

normalisasi dengan


cara

dalam

pengambilan

suatu

kasus,

akan

keputusan tetapi



perhitungan dengan menggunakan

Nilai

preferensi

untuk

setiap

metode SAW ini hanya yang

alternatif (Vi) diberikan sebagai :

menghasilkan nilai terbesar yang ∑

akan terpilih sebagai alternatif yang terbaik. Perhitungan akan sesuai dengan metode ini apabila alternatif

Dimana :

yang terpilih memenuhi kriteria yang telah

: Nilai akhir dari alternatif

ditentukan. Metode

:Bobot yang telah ditentukan

SAW ini lebih efisien karen waktu yang

dibutuhkan

dalam

perhitungan lebih singkat. Metode SAW membutuhkan proses

normalisasi

matriks

keputusan (X) ke suatu skala yang dapat

diperbandingkan

dengan

semua rating alternatif yang ada.

: Normalisai matriks Nilai

Vi

yang

lebih

besar

mengindikasikan bahwa alternatif Ai lebih terpilih. Langkah-langkah penyelesaiannya : 1. Menentukan

kriteria-kriteria

yang akan dijadikan acuan Atribut keuntungan (benefit)

dalam pengambilan keputusan,

:

yaitu Ci.

Atribut biaya (cost)

2. Menetukan rating kecocokan setiap alternatif pada setiap kriteria. 3. Membuat matriks keputusan

Dimana : :

Rating

kinerja

ternormalisasi : Nilai maksimum dari setiap baris dan kolom : Nilai minimum dari setiap baris dan kolom : Baris dan kolom dari matriks


berdasarkan

kriteria

kemudian

(Ci),

melakukan

normalisasi

matriks

berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut atribut

keuntungan biaya)

diperoleh

ataupun sehingga matriks

ternormalisasi R.



4. Hasil proses

akhir

diperoleh

dari

perangkingan

penjumlahan matriks

dari

yaitu pekalian

ternormalisasi

1. Pada sistem ini tampilan aplikasi masih

sederhana,

pengembangan

untuk

selanjutnya

bisa

R

dibuat lebih menarik agar pengguna

dengan vektor bobot sehingga

lebih tertarik menggunakan aplikasi

diperoleh nilai terbesar yang

ini.

dipilih sebagai alternatif terbaik (Ai)

sebagai

solusi.

(Kusumadewi, 2006).

2. Penambahan jumlah kriteria untuk kedepannya menghasilkan

akan data

yang

dapat lebih

akurat. III. HASIL DAN KESIMPULAN A. Simpulan 1. Dengan menggunakan kriteriakriteria dan bobot preferensi yang telah ditentukan dan kemudian dilakukan proses normalisasi dan perangkingan sehinggadidapatkan alternatif terbaik. 2. Penggunaan aplikasi seleksi

DAFTAR PUSTAKA Ekawati, A. Tanpa Tahun. Sistem Pendukung Keputusan Pembagian Raskin dengan Metode Simple Additive Weighting (SAW). Universitas Dian Nuswantoro. Kadir, Abdul . 2008. Dasar Pemrograman Web Dinamis Menggunakan PHP. Yogyakarta : Andi. Kusumadewi, S. (2010). Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta : Graha Ilmu

sistem pendukung keputusan akan lebih memudahkan pihak kelurahan dalam menganalisis warga dan proses menentukan penerima bantuan karena didasarkan kriteria-kriteria yang ada.

Kusumadewi, Sri., Hartati, Sri., Harjoko, Agus., dan Wardoyo,Retantyo., 2006. Fuzzy Multi-Attribute Decision Making (Fuzzy MADM). Yogyakarta: Graha Ilmu. Rizmi, K. Tanpa Tahun. Sistem Pendukung Keputusan Untuk Menentukan Penerima RASKIN Dengan MenggunakanFMADM Pada Desa Padang Ratu Gedong. Lampung: Sistem Informasi STMIK Pringsewu.

B. Saran Berdasarkan kesimpulan diatas, maka Penulis membuat saransaran sebagai berikut :


Rohansunu, E.P. Tanpa Tahun. Implementasi Metode Simple SAW Untuk Menentukan Penerima Bantuan Beras Miskin Di Kelurahan Panggung Kecamatan Tegal Timur Kota tegal. Universitas Dian Nuswantoro. simki.unpkediri.ac.id || 8||


Surbakti, Irfan. 2002. Sistem Pendukung Keputusan (Decision Support System). Surabaya: Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Sepuluh November.



SKRIPSI. Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Sistem Informasi OLEH :

Recommend Documents