Sistem Pendukung Keputusan Penentuan Warga Miskin Dengan Metode Simple Additive Weighting (SAW) dan Profile Matching

(1)

SKRIPSI

JUANITA CHRISTIE PURBA

131421095

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

(2)

DENGAN METODE SIMPLE ADDITIVE

WEIGHTING DAN PROFILE MATCHING

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu

Komputer

JUANITA CHRISTIE PURBA

131421095

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

MEDAN

(3)

Judul

:iiiSISTEM

PENDUKUNG

PENENTUAN

WARGAm

iiiiMISKIN

KDENGAN METODE SIMPLE ADDITIVEm

iiiiWEIGHTING K(SAW) DAN PROFILE MATCHING

Kategori

: SKRIPSI

Nama

: JUANITA CHRISTIE PURBA

Nomor Induk Mahasiswa : 131421095

Program Studi

: EKSTENSI S1 ILMU KOMPUTER

Fakultas

: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

Diluluskan di

Medan, 28 September 2015

Komisi Pembimbing

:

Pembimbing 2

Pembimbing 1

Dian Rachmawati, S.Si, M.Kom

Prof.Dr.Muhammad Zarlis

NIP.19830723 200912 2 004

NIP.19570701 198601 1 003

Diketahui/Disetujui oleh

Program Studi S1 Ilmu Komputer

Ketua,

(4)

PERNYATAAN

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN WARGA MISKIN

DENGAN METODE SIMPLE ADDITIVE

WEIGHTING DAN PROFILE MATCHING

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan

dan ringkasan yang masing-masing disebutkan sumbernya.

(5)

PENGHARGAAN

Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa atas segala

berkat-Nya sehingga dengan usaha yang maksimal akhirnya dapat dilaksanakan penelitian serta

penyusunan skripsi ini yang berjudul: “Sistem Pendukung Keputusan Penentuan Warga

Miskin dengan Metode

Simple Additive Weighting

(SAW) dan

Profile Matching

”. Tulisan

ini masih jauh dari sempurna, hal ini disebabkan oleh keterbatasan dan kemampuan penulis.

Penulis mengucapkan terimakasih kepada pihak yang memberikan doa, bimbingan,

bantuan dan dorongan sampai selesainya skripsi ini. Dalam kesempatan ini penulis

menyampaikan terimakasih yang sebesar-besarnya kepada:

1.

Bapak Prof. Subhilhar, Ph.D selaku PLT Rektor Universitas Sumatera Utara.

2.

Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan

Teknologi Informasi Universitas Sumatera Utara dan selaku Dosen Pembimbing I

yang telah memberikan masukan kepada penulis dalam pengerjaan skripsi ini.

3.

Bapak Dr. Poltak Sihombing, M.Kom. selaku Ketua Program Studi S1 Ilmu

Komputer Universitas Sumatera Utara.

4.

Ibu Maya Silvi Lydia, B.Sc., M.Sc selaku Sekretaris Program Studi S1 Ilmu

Komputer Universitas Sumatera Utara.

5.

Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing II yang telah

memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam

pengerjaan skripsi ini.

6.

Bapak Prof. Dr. Iryanto, M.Si selaku Dosen Pembanding I yang telah memberikan

kritik dan saran dalam penyempurnaan skripsi ini.

7.

Bapak Handrizal, S.Si, M.Comp.Sc, selaku Dosen Pembanding II yang telah

(6)

8.

Semua dosen dan semua pegawai di Program Studi S1 Ilmu Komputer Fakultas

Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

9.

Ibunda Syarifat Husinta, SE dan Ayahanda Jon Piter Purba, SE yang telah

memberikan dukungan secara material dan spiritual kepada Penulis.

10.

Untuk abangku Rivaldo Purba dan adikku Sandra Adila Putri yang terus

memberikan dorongan semangat dan motivasi bagi penulis.

11.

Sahabat-sahabatku Dien Novitasari Matondang, Al Nadrah dan Nurdina Rambe

yang selalu membantu dalam berbagai masalah dan memberi motivasi Penulis

dalam menyelesaikan skripsi.

12.

Sahabat-sahabatku Retno Vitasari Tarigan, Siti Aisyah dan Sri Mulyani dan

teman-teman seperjuangan mahasiswa Ekstensi S1-Ilmu Komputer stambuk 2013, Abner

Sidauruk, Hervery Sihombing, Helbert Sinaga, Yohana Sitepu, Lely Dahlyana,

Sherly Sembiring, anak-anak Kost Makita (Firda, Iyun, Friska, Dila dan Rahma)

dan teman-teman yang lain yang telah memberikan semangat dan menjadi teman

diskusi penulis dalam menyelesaikan skripsi ini.

13.

Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat

penulis ucapkan satu per satu.

Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu,

kepada pembaca agar kiranya memberikan kritik dan saran yang bersifat membangun demi

kesempurnaan skripsi ini.

Penulis,

(7)

DENGAN METODE

SIMPLE ADDITIVE

WEIGHTING (SAW)

DAN

PROFILE MATCHING

ABSTRAK

Masalah kemiskinan merupakan salah satu masalah yang ada dalam kehidupan

masyarakat. Pemerintah bertanggung jawab untuk mensejahterakan masyarakat dan

mengentaskan kemiskinan. Berbagai program pemberian bantuan memang sudah

banyak diberikan oleh pemerintah, namun sering kali pemberian bantuan itu tidak tepat

sasaran dikarenakan proses penentuan warga miskin belum optimal karena masih

menggunakan cara manual dan proses pendataannya menghabiskan waktu yang cukup

lama. Untuk itu penulis bertujuan untuk membangun sebuah aplikasi “Penentuan Warga

Miskin dengan Metode SAW dan Profile Matching” sehingga dapat membantu

perangkat desa dalam menentukan warga miskin agar hasil pengambilan keputusan

lebih akurat dan lebih efektif. Studi kasusnya berada di Kelurahan Desa Martebing.

Proses penentuan warga miskin ditentukan berdasarkan kriteria-kriteria yang telah

ditentukan oleh pemerintah, antara lain : luas rumah, status tanah, status rumah, kondisi

rumah, pendapatan kepala rumah tangga, pendidikan kepala rumah tangga, biaya

rekening listrik dan jumlah tanggungan anak. Kompleksitas waktu yang dibutuhkan

untuk mengeksekusi metode metode SAW lebih cepat dari profile matching dengan

hasil kompleksitas waktu metode SAW =

θ

(n

2

) dan

profile matching

=

θ

(n

1

). Dari segi

kecepatan waktu metode SAW lebih cepat dari pada metode

profile matching

dengan

hasil metode SAW = 171 ms dan metode

profile matching

= 254 ms.

Kata Kunci : Sistem Pendukung Keputusan, S

imple Additive Weighting

(SAW),

Profile

(8)

DECISION SUPPORT SYSTEM FOR DETERMINATION OF THE POOR

BY USING SIMPLE ADDITIVE WEIGHTING (SAW)

AND PROFILE MATCHING METHODS

ABSTRACT

The problem of poverty is one of the problems that exist in people’s life. The

government is responsible for the welfare of society and alleviate poverty. Various

assistance programs are already widely given by the government, but the assistance

often was not on target because the process of determining the poor is not yet optimal

because still use manual way and spent a long time to record the poor. Therefore the

author aimed to build an application “Determination of the poor with SAW and Profile

Matching Method” so can help the village clerks to determine the poor so that the

decision-making results more accurate and more effective. The case studies are in

Kelurahan Desa Martebing. The process of determining the poor are determined based

on the criteria that have been set by the government, among others : spacious house,

land status, house status, house condition, income of the household head, education of

the household head, the cost of electricity bills and the number of children. The

complexity of the time required to execute SAW method is faster than profile matching

method with the results of the time complexity SAW method =

θ

(n

2

) and profile

matching =

θ

(n

1

).

In terms of speed, SAW method is faster than the profile matching method

with the results of SAW method = 171 ms and profile matching method = 254 ms.

(9)

DAFTAR ISI

Halaman

Persetujuan

ii

Pernyataan

iii

Penghargaan

iv

Abstrak

vi

Abstract

vii

Daftar Isi

viii

Daftar Tabel

x

Daftar Gambar

xi

Bab 1 Pendahuluan

1.1.

Latar Belakang

1

1.2.

Rumusan Masalah

2

1.3.

Batasan Masalah

2

1.4.

Tujuan Penelitian

3

1.5.

Manfaat Penelitian

3

1.6.

Metodologi Penelitian

3

1.7.

Sistematika Penulisan

4

Bab 2 Landasan Teori

2.1. Konsep Sistem Pendukung Keputusan

6

2.1.1.

Karakteristik, Manfaat dan Keterbatasan Sistem Pendukung Keputusan

7

2.1.2.

Arsitektur Sistem Pendukung Keputusan

8

2.2.

Multiple Attribute Decision Making

(MADM)

11

2.2.1.

(SAW)

12

2.2.2

Profile Matching

13

Bab 3 Analisis dan Perancangan Sistem

3.1. Analisis Masalah

16

3.2. Analisis Kebutuhan

21

3.2.1. Kebutuhan Fungsional

22

3.2.2. Kebutuhan

Non

Fungsional

22

3.3. Pemodelan Sistem

23

3.3.1. Diagram

Use Case

24

3.3.2. Diagram

Activity

26

3.3.3. Diagram

Sequence

27

3.3.4. Perancangan

Database

29

3.3.5. Flowchart

30

(10)

3.4.1.

Perhitungan Nilai dengan Metode SAW secara Manual

33

3.4.2. Perhitungan Nilai dengan Metode

Profile Matching

secara Manual

42

3.5. Rancangan Antar Muka Sistem

50

Bab 4 Implementasi dan Pengujian

4.1. Implementasi Sistem

57

4.1.1. Halaman

Login Admin

57

4.1.2. Halaman Utama

58

4.1.3. Halaman Data

Admin

59

4.1.4. Halaman Data Warga

60

4.1.5. Halaman Proses SAW

60

4.1.6. Halaman Proses

Profile Matching

61

4.2. Perhitungan Kompleksitas Waktu

62

4.2.1. Perhitungan Kompleksitas Waktu Algoritma SAW

62

4.2.2. Perhitungan Kompleksitas Waktu Algoritma

Profile Matching

67

Bab 5 Kesimpulan dan Saran

5.1. Kesimpulan

77

5.2. Saran

78

(11)

DAFTAR TABEL

Halaman

Tabel 2.1 Bobot Nilai

13

Tabel 3.1 Kriteria

16

Tabel 3.2 Nilai Luas Rumah

17

Tabel 3.3 Nilai Status Tanah

18

Tabel 3.4 Nilai Status Rumah

18

Tabel 3.5 Nilai Kondisi Rumah

18

Tabel 3.6 Nilai Pendapatan Kepala Rumah Tangga

19

Tabel 3.7 Nilai Pendidikan Kepala Rumah Tangga

19

Tabel 3.8 Nilai Biaya Rekening Listrik

20

Tabel 3.9 Nilai Jumlah Tanggungan Anak

20

Tabel 3.10 Data

User

29

Tabel 3.11 Data Warga

29

Tabel 3.12 Sampel Nilai Rill Warga

32

Tabel 3.13 Rating Kecocokan Dari Setiap Alternatif Pada Setiap Kriteria

34

Tabel 3.14 Hasil Perangkingan Warga Miskin dengan Metode SAW

41

Tabel 3.15 Rating Kecocokan Dari Setiap Alternatif Pada Setiap Kriteria

42

Tabel 3.16 Pemetaan GAP

43

45

Tabel 3.18 Pembobotan GAP

45

Tabel 3.19

Core

dan

Secondary Factor

46

Tabel 3.20 Hasil Perangkingan Warga Miskin dengan Metode

Profile Matching

50

Tabel 4.1. Perhitungan Kompleksitas Waktu Algoritma SAW

63

(12)

DAFTAR GAMBAR

Halaman

Gambar 2.1. Arsitektur Sistem Pendukung Keputusan

11

Gambar 3.1. Diagram

Ishikawa

untuk Analisis Masalah

21

Gambar 3.2. Diagram

Use Case

Admin

24

Gambar 3.3. Diagram

Use Case

User

25

Gambar 3.4. Diagram

Activity

Login Admin

26

Gambar 3.5. Diagram

Activity

Sistem

27

Gambar 3.6. Diagram

Sequence

Admin

28

Gambar 3.7. Diagram

Sequence

User

28

Gambar 3.8.

Flowchart

Metode SAW

30

Gambar 3.9.

Flowchart

Metode

Profile Matching

31

Gambar 3.10. Rancangan Halaman

Login

Admin

51

Gambar 3.11. Rancangan Halaman Data

Admin

51

Gambar 3.12. Rancangan Halaman Data Warga

52

Gambar 3.13. Rancangan Halaman Metode SAW

54

Gambar 3.14. Rancangan Halaman Metode

Profile Matching

55

Gambar 4.1. Halaman

Login Admin

58

Gambar 4.2. Halaman Utama

User

58

Gambar 4.3. Halaman Utama

Admin

59

Gambar 4.4. Halaman Data

Admin

59

Gambar 4.5. Halaman Data Warga

60

Gambar 4.6. Halaman Proses SAW

61

(13)

DENGAN METODE

SIMPLE ADDITIVE

WEIGHTING (SAW)

DAN

PROFILE MATCHING

ABSTRAK

Masalah kemiskinan merupakan salah satu masalah yang ada dalam kehidupan

masyarakat. Pemerintah bertanggung jawab untuk mensejahterakan masyarakat dan

mengentaskan kemiskinan. Berbagai program pemberian bantuan memang sudah

banyak diberikan oleh pemerintah, namun sering kali pemberian bantuan itu tidak tepat

sasaran dikarenakan proses penentuan warga miskin belum optimal karena masih

menggunakan cara manual dan proses pendataannya menghabiskan waktu yang cukup

lama. Untuk itu penulis bertujuan untuk membangun sebuah aplikasi “Penentuan Warga

Miskin dengan Metode SAW dan Profile Matching” sehingga dapat membantu

perangkat desa dalam menentukan warga miskin agar hasil pengambilan keputusan

lebih akurat dan lebih efektif. Studi kasusnya berada di Kelurahan Desa Martebing.

Proses penentuan warga miskin ditentukan berdasarkan kriteria-kriteria yang telah

ditentukan oleh pemerintah, antara lain : luas rumah, status tanah, status rumah, kondisi

rumah, pendapatan kepala rumah tangga, pendidikan kepala rumah tangga, biaya

rekening listrik dan jumlah tanggungan anak. Kompleksitas waktu yang dibutuhkan

untuk mengeksekusi metode metode SAW lebih cepat dari profile matching dengan

hasil kompleksitas waktu metode SAW =

θ

(n

2

) dan

profile matching

=

θ

(n

1

). Dari segi

kecepatan waktu metode SAW lebih cepat dari pada metode

profile matching

dengan

hasil metode SAW = 171 ms dan metode

profile matching

= 254 ms.

Kata Kunci : Sistem Pendukung Keputusan, S

imple Additive Weighting

(SAW),

Profile

(14)

DECISION SUPPORT SYSTEM FOR DETERMINATION OF THE POOR

BY USING SIMPLE ADDITIVE WEIGHTING (SAW)

AND PROFILE MATCHING METHODS

ABSTRACT

The problem of poverty is one of the problems that exist in people’s life. The

government is responsible for the welfare of society and alleviate poverty. Various

assistance programs are already widely given by the government, but the assistance

often was not on target because the process of determining the poor is not yet optimal

because still use manual way and spent a long time to record the poor. Therefore the

author aimed to build an application “Determination of the poor with SAW and Profile

Matching Method” so can help the village clerks to determine the poor so that the

decision-making results more accurate and more effective. The case studies are in

Kelurahan Desa Martebing. The process of determining the poor are determined based

on the criteria that have been set by the government, among others : spacious house,

land status, house status, house condition, income of the household head, education of

the household head, the cost of electricity bills and the number of children. The

complexity of the time required to execute SAW method is faster than profile matching

method with the results of the time complexity SAW method =

θ

(n

2

) and profile

matching =

θ

(n

1

).

In terms of speed, SAW method is faster than the profile matching method

with the results of SAW method = 171 ms and profile matching method = 254 ms.

(15)

1.1

Latar Belakang Masalah

Kemiskinan merupakan masalah yang tidak hanya dihadapi negara yang sedang

berkembang, tetapi juga dihadapi oleh negara berkembang dan negara maju. Munculnya

kemiskinan dikarenakan adanya tingkat pendidikan yang rendah, kurangnya

kesempatan kerja, perbedaan pendapatan, dan lain-lain. Permasalahan ini juga dihadapi

oleh Indonesia. Pemerintah Indonesia selalu berupaya membantu warga miskin dengan

memberikan berbagai bantuan kepada warga miskin tersebut seperti Raskin, BLT

(Bantuan Langsung Tunai), dan lain-lain. Maka untuk memperlancar pemberian

bantuan tersebut, di setiap desa, perangkat desa wajib mendata warga miskin yang

pantas untuk mendapatkan bantuan langsung dari pemerintah pusat. Pemerintah pusat

sudah menentukan aturan tentang pendataan warga miskin ke setiap desa. Namun,

selama ini pendataan yang dilakukan oleh perangkat desa masih menggunakan sistem

manual. Kelurahan Desa Martebing juga termasuk desa yang masih menggunakan

sistem manual untuk mendata warga miskin yang ada di desanya, sehingga seringkali

bantuan yang diberikan oleh pemerintah pusat tidak tepat sasaran dan membutuhkan

waktu yang lama ketika mendata warga miskin. Data yang dihasilkan juga seringkali

belum akurat. Untuk itu diperlukan sebuah aplikasi sistem pendukung keputusan yang

akan digunakan untuk mengolah pendataan warga miskin secara efisien dan efektif

sehingga hasil pendataan yang didapatkan akan akurat. Jika hasil pendataan warga

miskin di Kelurahan Desa Martebing akurat maka pemberian bantuan dari pemerintah

(16)

Aplikasi sistem pendukung keputusan ini menggunakan metode

Simple Additive

Weighting

(SAW) dan

Profile Matching

.

(SAW) merupakan

metode pengambilan keputusan yang konsepnya mencari penjumlahan terbobot dari

rating pada setiap alternatif pada semua atribut (Kusumadewi, Sri dkk, 2006).

Sedangkan metode

Profile Matching

merupakan sebuah mekanisme pengambilan

keputusan dengan mengasumsikan bahwa terdapat tingkat variabel prediktor yang ideal

yang harus dimiliki oleh pelamar (Kusrini, 2007).

Berdasarkan penjelasan sebelumnya maka dalam penelitian ini digunakan kedua

metode tersebut dalam bentuk sebuah aplikasi yang akan berguna dalam penentuan

warga miskin.

Sebagai bahan pertimbangan dalam melakukan penulisan ini, penulis

mengambil beberapa referensi dari penelitian sebelumnya. Beberapa penelitian yang

penulis jadikan bahan referensi yaitu implementasi perbandingan metode

Profile

Matching

dan

(SAW) dalam penilaian kinerja karyawan

(Ibrahim Ahmad Harahap, 2014), penelitian tentang Implementasi Algoritma AHP dan

Algoritma SAW dalam Menentukan Perusahaan BUMN Paling Diminati (Edyson

Marcopolo, 2014) dan juga penelitian tentang Sistem Pendukung Keputusan Pemilihan

Penerima Beasiswa Mahasiswa Kurang Mampu pada STMIK Budidarma Medan

Menerapkan Metode Profile Matching (T. M. Syahru Ichsan, 2013).

1.2

Rumusan Masalah

Melihat dari latar belakang yang sudah dipaparkan sebelumnya maka rumusan

masalahnya adalah bagaimana membantu penentuan warga miskin di Kelurahan Desa

Martebing dengan menggunakan metode

(SAW) dan

(17)

1.3

Batasan Masalah

Batasan masalah dalam penelitian adalah sebagai berikut :

1.

Tugas akhir ini hanya akan membahas tentang metode

Simple Additive

Weighting

(SAW) dan

Profile Matching

untuk mentukan warga miskin di

Kelurahan Desa Martebing.

2.

Aplikasi ini akan membandingkan hasil dari metode

(SAW) dan

Profile Matching

dengan parameter pembandingnya adalah

Big

θ

dan

running time.

3.

Kriteria yang digunakan dalam penelitian antara lain luas rumah, status tanah,

status rumah, kondisi rumah, pendapatan kepala rumah tangga, pendidikan

kepala rumah tangga, biaya rekening listrik dan jumlah tanggungan anak.

Kriteria ini mengikuti kriteria nasional namun sudah dilakukan pengubahan

oleh perangkat desa Kelurahan Desa Martebing.

4.

Sampel yang digunakan sebagai alternatif adalah 20 warga Kelurahan Desa

Martebing.

5.

Aplikasi yang akan dibangun menggunakan bahasa pemrograman Microsoft

Visual Basic 2010 dan DBMS Ms. Access 2007.

1.4

Tujuan Penelitian

Tujuan dari penyusunan tugas akhir ini adalah untuk menentukan berapa banyak warga

miskin di Kelurahan Desa Martebing sehingga memudahkan perangkat desa dalam

memberikan bantuan dari pemerintah pusat yang ditujukan kepada warga miskin

(18)

1.5

Manfaat Penelitian

Mempermudah perangkat desa Martebing dalam menentukan berapa jumlah warga

miskin sehingga pemberian bantuan dari pemerintah akan tepat sasaran.

1.6

Metodologi Penelitian

Metode penelitian yang digunakan dalam penulisan tugas akhir ini adalah sebagai

berikut :

a.

Studi Literatur.

Metode ini dilaksanakan dengan mengumpulkan bahan dan referensi dari buku,

skrispsi sebelumnya maupun sumber lain yang berhubungan dengan sistem

pendukung keputusan menggunakan metode

dan

Profile

Matching.

b.

Analisis dan Perancangan Sistem

Tahap ini dimulai dengan tahap mengidentifikasi masalah, mengumpulkan

data-data yang berkaitan dengan kriteria, alternatif, memahami kerja sistem yang akan

dibuat dan merancangan

flowchart

sistem dan DFD (

Data Flow Diagram

) untuk

aplikasi penentuan warga miskin dengan metode

Simple Additive Weighting

(SAW) dan

Profile Matching

.

c.

Implementasi Sistem.

Metode ini adalah mengimplementasikan rancangan sistem pendukung keputusan

dengan metode

(SAW) dan

Profile Matching

ke dalam

bahasa pemrograman Visual Basic 2010 dan DBMS Ms. Access 2007.

d.

Pengujian Sistem.

Metode ini adalah melakukan pengujian terhadap program dengan menggunakan

bahasa pemrograman Visual Basic 2010 dan DBMS Ms. Access 2007 sehingga

diketahui apakah program sudah berjalan dengan benar dan sesuai dengan

(19)

e.

Dokumentasi

Tahap akhir dari penelitian yang dilakukan, yaitu membuat laporan dan kesimpulan

akhir dari hasil analisa dan pengujian dalam bentuk skripsi.

1.7

Sistematika Penulisan

Sistematika penulisan tugas akhir ini dibagi menjadi lima bab, yaitu sebagai berikut:

BAB 1

PENDAHULUAN

Bab ini berisikan penjelasan tentang Latar Belakang, Rumusan

Masalah, Batasan Masalah, Tujuan Penelitian, Manfaat Penelitian,

dan Metodologi Penelitian.

BAB 2

LANDASAN TEORI

Bab ini akan membahas teori-teori yang berkaitan dengan sistem

pendukung keputusan, metode

(SAW)

dan metode

Profile Matching

.

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

Bab ini berisi proses pembuatan algoritma program,

flowchart

sistem,

DFD, dan pembuatan

user interface

aplikasi.

BAB 4

IMPLEMENTASI DAN PENGUJIAN

Bab ini membahas bagaimana penerapan metode Simple Additive

Weighting (SAW) dan Profile Matching dalam penentuan warga

miskin dan pengujian terhadap program dengan menggunakan Visual

(20)

BAB 5

KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan dari seluruh pembahasan yang ada pada

bab-bab sebelumnya dan saran yang berguna untuk melakukan

(21)

2.1

Konsep Sistem Pendukung Keputusan (SPK)

Sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan

informasi, pemodelan, dan pemanipulasian data. Sistem itu digunakan untuk membantu

pengambilan keputusan dalam situasi yang semiterstruktur dan situasi yang tidak

terstruktur, di mana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya

dibuat (Kusrini, 2007).

Kemudian (Ohri. A & Singh P. K., 2010)

mendefinisikan

sistem pendukung

keputusan sebagai kelas khusus dari sistem informasi terkomputerisasi yang

mendukung pengambilan keputusan kegiatan dalam cara yang terstruktur dan logis

berdasarkan fakta-fakta ilmiah. Sistem pendukung keputusan menyusun informasi yang

berguna dari data mentah, dokumen pengetahuan dan/atau model bisnis pribadi untuk

mengidentifikasi dan memecahkan masalah dan menyarankan keputusan yang tepat.

(Kulvinder Singh Mann, 2012) mendefinisikan sistem pendukung keputusan

sebagai program aplikasi komputer yang menganalisir data dan menyajikannya

sehingga pengguna dapat membuat keputusan yang lebih mudah. Sistem pendukung

keputusan adalah sebuah aplikasi informasi. Sebuah pendukung keputusan dapat

menyajikan informasi secara grafis dan mungkin termasuk sistem pakar atau kecerdasan

(22)

2.1.1

Karakteristik, Manfaat dan Keterbatasan Sistem Pendukung Keputusan

(Dadan Umar Daihani, 2001) menjelaskan terdapat sejumlah karakteristik dari sistem

pendukung keputusan, yaitu ;

1.

Sistem pendukung keputusan dirancang untuk membantu pengambil keputusan

dalam memecahkan masalah yang sifatnya semi terstruktur ataupun tidak

terstruktur.

2.

Dalam proses pengolahan, sistem pendukung keputusan mengkombinasikan

penggunaan model-model/teknik-teknik analisis dengan teknik pemasukan data

konvensional serta fungsi-fungsi pencari/interogasi informasi.

3.

Sistem pendukung keputusan, dirancang sedemikian rupa, sehingga dapat

digunakan/dioperasikan dengan mudah oleh orang-orang yang tidak memiliki dasar

kemampuan pengoperasian komputer yang tinggi. Oleh karena itu pendekatan yang

digunakan biasanya model interaktif.

4.

Sistem pendukung keputusan dirancang dengan menekankan pada aspek

fleksibilitas serta kemampuan adaptasi yang tinggi sehingga mudah disesuaikan

dengan berbagai perubahan lingkungan yang terjadi dan kebutuhan pemakai.

Dengan berbagai karakter khusus seperti dikemukakan di atas, sistem

pendukung keputusan dapat memberikan berbagai manfaat atau keuntungan bagi

pemakainya. Keuntungan yang dimaksud di antaranya meliputi (Dadan Umar Daihani,

2001) :

1.

Sistem pendukung keputusan memperluas kemampuan pengambil keputusan

dalam memproses data/informasi bagi pemakainya.

2.

Sistem pendukung keputusan membantu pengambil keputusan dalam hal

penghematan waktu yang dibutuhkan untuk memecahkan masalah terutama

berbagai masalah yang sangat kompleks dan tidak terstruktur.

3.

Sistem pendukung keputusan dapat menghasilkan solusi dengan lebih cepat

(23)

4.

Walupun suatu sistem pendukung keputusan, mungkin saja tidak mampu

memecahkan masalah yang dihadapi oleh pengambil keputusan, namun ia dapat

menjadi stimulant bagi pengambil keputusan dalam memahami persoalannya.

Karena sistem pendukung keputusan mampu menyajikan berbagai alternatif.

5.

Sistem pendukung keputusan dapat menyediakan bukti tambahan untuk

memberikan pembenaran sehingga dapat memperkuat posisi pengambil

keputusan.

Selain itu, di dalam Sistem Pendukung Keputusan juga memiliki beberapa

keterbatasan, yaitu sebagai berikut (Dadan Umar Daihani, 2001) :

1.

Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat

dimodelkan, sehingga model yang ada dalam sistem tidak semuanya mencerminkan

persoalan sebenarnya.

2.

Kemampuan suatu Sistem Pendukung Keputusan terbatas pada pembendaharaan

pengetahuan yang dimilikinya (pengetahuan dasar serta model dasar).

3.

Proses-proses yang dapat dilakukan oleh Sistem Pendukung Keputusan biasanya

tergantung juga pada kemampuan perangkat lunak yang digunakannya.

4.

Sistem Pendukung Keputusan tidak memiliki kemampuan intuisi seperti yang

dimiliki oleh manusia. Karena walau bagaimanapun canggihnya suatu SPK, dia

hanyalah suatu kumpulan perangkat keras, perangkat lunak dan sistem operasi yang

tidak dilengkapi dengan kemampuan berpikir.

2.1.2

Arsitektur Sistem Pendukung Keputusan

Sistem pendukung keputusan terdiri atas tiga komponen utama atau subsistem (Dadan

Umar Daihani, 2001), yaitu sebagai berikut :

1.

Subsistem Data (

Data Subsystem

)

Subsistem data merupakan komponen SPK penyedia data bagi sistem data

(24)

oleh suatu sistem yang disebut dengan sistem manajemen pangkalan data (

Database

Management System

). Melalui manajamen pangkalan data inilah data dapat diambil

dan diekstraksi dengan cepat. Pangkalan data dalam SPK berasal dari dua sumber

yaitu sumber internal (dari dalam perusahaan) dan sumber eksternal (dari luar

perusahaan). Data eksternal ini sangat berguna bagi manajemen dalam mengambil

keputusan tingkat strategis.

2.

Subsistem Model (

Model Subsystem

)

Keunikan dari SPK adalah kemampuannya dalam mengintegrasikan data dengan

model-model keputusan. Kalau pada pangkalan data, organisasi data dilakukan oleh

manajemen pangkalan data, maka dalam hal ini ada fasilitas tertentu yang berfungsi

sebagai pengelola berbagai model yang disebut dengan pangkalan model (

model

base

).

3.

Subsistem Dialog (

User System Interface

)

Keunikan lainnya dari SPK adalah adanya fasilitas yang mampu mengintegrasikan

sistem terpasang dengan pengguna secara interaktif. Fasilitas atau subsistem ini

dikenal sebagai subsistem dialog. Melalui sistem dialog inilah sistem diartikulasian

dan diimplementasikan sehingga pengguna atau pemakai dapat berkomunikasi

dengan sistem yang dirancang.

Menurut (Rosnani Ginting, 2014) dalam proses pengambilan keputusan, ada

tiga tahapan yaitu :

1.

Tahap

Intellegen

Tahap

intellegen

adalah tahap proses pengenalan persoalan melalui

penyelidikan lingkungan untuk mengetahui ada atau tidaknya masalah.

Kesimpulan dari penyelidikan diperoleh dari pengolahan data dengan metode

khusus. Aliran informasi bergerak dari tingkatan manajemen terendah menuju

(25)

2.

Tahap

Design

Tahap

design

merupakan tahap mencari, analisis serta perumusan alternatif

tindakan yang akan diambil. Pada tahap ini, sistem informasi harus mampu

membuat keputusan-keputusan.

3.

Tahap

Choice

Tahap

choice

merupakan tahap memilih suatu tindakan yang paling tepat dari

beberapa alternatif yang telah dirumuskan. Langkah selanjutnya adalah

pelaksanaan alternatif terpilih. Bila suatu alternatif telah dilaksanakan, fungsi,

informasi berubah menjadi pengumpul data untuk selanjutnya, merupakan

umpan balik.

Kegiatan merancang sistem pendukung keputusan merupakan sebuah kegiatan

untuk menemukan, mengembangkan dan menganalisis berbagai alternatif tindakan

yang mungkin untuk dilakukan. Tahap perancangan ini meliputi pengembangan dan

mengevaluasi serangkaian kegiatan alternatif. Sedangkan kegiatan memilih dan

menelaah ini digunakan untuk memilih satu rangkaian tindakan tertentu dari beberapa

yang tersedia dan melakukan penilaian terhadap tindakan yang telah dipilih. Sistem

pendukung keputusan dirancang untuk mendukung seluruh tahap pengambilan

keputusan mulai dari mengidentifikasi masalah, memilih data yang relevan dan

menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai

mengevaluasi pemilihan alternatif (Deny Adhar, 2014). Gambar arsitektur sistem

(26)

Gambar 2.1 Arsitektur Sistem Pendukung Keputusan

2.2

Multiple Attribute Decision Making (MADM)

(Sri Kusumadewi, 2006) menjelaskan

Multiple Attribute Decision Making

(MADM)

biasanya digunakan untuk melakukan penilaian atau seleksi terhadap beberapa

alternatif dalam jumlah yang terbatas. Secara umum, MADM memiliki suatu tujuan

tertentu, yang dapat diklasifikasikan dalam 2 tipe yaitu menyeleksi alternatif dengan

atribut (kriteria) dengan ciri-ciri terbaik; dan mengklasifikasikan alternatif berdasarkan

peran tertentu. Untuk menyelesaikan masalah MADM, dibutukan 2 tahap, yaitu :

1.

Membuat rating pada setiap alternatif berdasarkan agregasi derajat kecocokan

pada semua kriteria.

2.

Merangking semua alternatif untuk mendapatkan alternatif terbaik. Ada 2 cara

yang dapat digunakan dalam proses perangkingan, yaitu melaui defuzzy atau

melalui relasi preferensi fuzzy. Metode defuzzy dilakukan dengan

pertama-tama membuat bentuk

crisp

dari bilangan fuzzy, proses perangkingan

(27)

mudah untuk diimplementasikan, namun kita sangat dimungkinkan untuk

kehilangan beberapa informasi terutama yang menyangkut ketidakpastian.

Penggunaan relasi preferensi fuzzy lebih menjamin ketidakpastian yang

melekat pada bilangan fuzzy hingga proses perangkingan.

Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah

MADM, antara lain :

1.

(SAW)

2.

Weighted Product

(WP)

3.

ELECTRE

4.

Technique for Order Preference by Similarity to Ideal Solution

(TOPSIS)

5.

Analytic Hierarchy Process

(AHP)

2.2.1

Simple Additive Weighting (SAW)

Menurut (Sri Kusumadewi, 2006)

(SAW) sering juga

dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah

mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua

atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu

skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.

Keterangan :

rij =

rating

kinerja ternormalisasi dari alternatif Ai pada kriteria Cj.

Max xij = Nilai maks jika yang dicari adalah atribut keuntungan atau nilai tertinggi.

Jika j adalah atribut biaya (

cost

)

Jika j adalah atribut keuntungan (

benefit

)

(2.1)

(28)

Min xij = Nilai min jika yang dicari adalah atribut biaya atau nilai terendah.

Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai :

V =

w r

Nilai V

i

yang lebih besar mengindikasikan bahwa alternatif A

1

lebih terpilih.

2.2.2

Profile Matching

Menurut (Kusrini, 2007)

Profile Matching

adalah sebuah mekanisme pengambilan

keputusan dengan mengasumsikan bahwa terdapat tingkat minimal yang harus dipenuhi

atau dilewati. Langkah-langkah dalam penyelesaian perhitungan dengan menggunakan

metode

Profile Matching

yaitu :

1.

Aspek-aspek penilaian.

Langkah pertama yang harus dilakukan yaitu menentukan aspek-aspek penilaian.

2.

Pemetaan GAP kompetensi.

GAP kompetensi adalah perbedaan antara kriteria yang dimiliki seseorang dengan

kriteria yang diinginkan. Rumus untuk mencari GAP kompetensi yaitu :

GAP = Nilai Warga − Nilai Minimal

(2.3)

3.

Pembobotan GAP kompetensi

Apabila pemetaan GAP sudah selesai dilakukan, maka hasil dari pemetaan tersebut

diberi bobot nilai sesuai dengan patokan tabel bobot nilai GAP. Seperti yang terlihat

pada tabel 2.1.

No.

Selisih

Bobot

Nilai

Keterangan

1

0

5

Tidak ada selisih

2

1

4,5

Kompetensi individu kelebihan 1 tingkat/level

(29)

3

-1

4

Kompetensi individu kekurangan 1 tingkat/level

4

2

3,5

Kompetensi individu kelebihan 2 tingkat/level

5

-2

3

6

3

2,5

Kompetensi individu kelebihan 3 tinkat/level

7

-3

2

8

4

1,5

Kompetensi individu kelebihan 4 tinkat/level

9

-4

1

Tabel ini berisi ketentuan pembobotan hasil selisih nilai GAP warga yang dikurangkan

dengan nilai minimal yang sudah ditetapkan.

4.

Perhitungan dan pengelompokkan

Core

dan

Secondary Factor

Setelah bobot nilai GAP ditentukan, maka dibagi menjadi 2 kelompok yaitu

Core

Factor

dan

Secondary Factor.

Rumus untuk menghitung

Core Factor

yaitu sebagai berikut :

NCF =

∑ NC *aspek/

∑ IC

Keterangan :

NCF = Nilai rata-rata

core factor.

NC(aspek) = Jumlah total nilai

core factor.

IC

=

Jumlah item

core factor

.

Sedangkan rumus untuk menghitung s

econdary factor

yaitu sebagai berikut :

NSF =

∑ NS *aspek/

∑ IS

Keterangan :

NSF = Nilai rata-rata

secondary factor

.

NC(aspek) = Jumlah total nilai

Secondary factor

.

(2.4)

(30)

IC

=

Jumlah item s

econdary

factor

.

5.

Perhitungan Nilai Total

Untuk menghitung nilai total, rumus yang digunakan yaitu :

x/%NCFaspek/ + x/%NSFaspek/ = Ntotal*aspek/

Keterangan :

NCF(aspek) = nilai rata-rata

core factor

.

NSF(aspek) = nilai rata-rata

secondary factor

.

N(aspek) = nilai total dari aspek

(x)% = nilai persen yang diinputkan

6.

Perhitungan Nilai Rangking

Untuk menentukan perangkingan mengacu pada hasil perhitungan menggunakan rumus

sebagai berikut :

Rangking = *x/%Ns

Keterangan :

Ns

= Nilai aspek

(x)% = nilai persen yang diinputkan

(Sumber : Kusrini, 2007)

(2.6)

(31)

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

Dalam bab ini akan membahas tentang analisis dan perancangan sistem aplikasi sistem

pendukung keputusan penentuan warga miskin dengan metode SAW dan

Profile

Matching

, juga membahas tentang pemodelan sistem dan membahas tentang alur kerja

metode SAW dan

Profile Matching

dan juga perancangan

interface

aplikasi.

3.1.

Analisis Masalah

Penentuan warga miskin merupakan suatu hal yang tidak boleh dibilang mudah karena

harus memperhatikan apakah warga yang dikategorikan miskin sudah sesuai atau tidak

agar pemberian bantuan dari pemerintah sudah tepat sasaran.

Untuk mempermudah perangkat desa Kelurahan Desa Martebing dalam

pengambilan keputusan untuk menentukan warga yang tergolong miskin, maka perlu

diperhatikan kriteria-kriteria sebagai persyaratan untuk penentuan warga miskin

tersebut. Ada delapan kriteria yang diajukan acuan dalam pengambilan keputusan

penentuan warga miskin dapat dilihat pada tabel 3.1.

Tabel 3.1. Kriteria

Kriteria

Ketentuan kriteria

Nilai Kriteria

C1

Luas Rumah

2

C2

Status Tanah

2

(32)

C4

Kondisi Rumah

3

C5

Pendapatan Kepala Rumah Tangga

1

C6

Pendidikan Kepala Rumah Tangga

2

C7

Biaya Rekening Listrik

1

C8

Jumlah Tanggungan Anak

2

Rating kecocokan untuk setiap alternatif pada setiap kriteria adalah sebagai

berikut:

Sangat tinggi (ST)

= 1

Tinggi (T)

= 2

Cukup (C)

= 3

Rendah (R)

= 4

Sangat rendah (SR)

= 5

Berdasarkan kriteria yang telah ditentukan maka diperoleh nilai setiap kriteria

dalam bentuk nilai rill dan akan dinilai dari nilai Sangat Tinggi (ST), Tinggi (T), Cukup

(C), Rendah (R), dan Sangat Rendah (SR) adalah sebagai berikut:

1.

Kriteria Luas Rumah (C1)

Kriteria luas rumah dilihat dan dinilai dari berapa luas rumah yang ditinggali warga.

[image:32.612.121.525.133.234.2]

Berikut adalah tabel penilaian untuk nilai luas rumah dapat dilihat pada Tabel 3.2.

Tabel 3.2. Nilai Luas Rumah

C1

Nilai

30 – 50

1

51 – 70

2

71 – 90

3

91 – 110

4

(33)

2.

Kriteria Status Tanah (C2)

Kriteria status tanah dilihat dan dinilai dari status kepemilikan tanah tempat rumah yang

ditinggali warga berdiri. Berikut adalah tabel penilaian untuk nilai status tanah dapat

dilihat pada Tabel 3.3.

Tabel 3.3. Nilai Status Tanah

C2

Nilai

Numpang

1

Sewa

2

Milik sendiri

3

3.

Kriteria Status Rumah (C3)

Kriteria status rumah dilihat dan dinilai dari status kepemilikan rumah yang ditinggali

warga. Berikut adalah tabel penilaian untuk nilai status rumah dapat dilihat pada Tabel

[image:33.612.234.412.224.309.2]

3.4.

Tabel 3.4. Nilai Status Rumah

C3

Nilai

Numpang

1

Sewa

2

Milik Sendiri

3

4.

Kriteria Kondisi Rumah (C4)

Kriteria kondisi rumah dilihat dan dinilai dari bagaimana kondisi rumah yang ditinggali

warga. Berikut adalah tabel penilaian untuk nilai kondisi rumah dapat dilihat pada Tabel

3.5.

Tabel 3.5. Nilai Kondisi Rumah

C4

Nilai

Lantai tanah dinding bambu/papan

1

Lantai semen dinding bambu/papan

2

Lantai semen dinding papan

3

[image:33.612.232.412.422.506.2]

(34)

5.

Kriteria Pendapatan Kepala Rumah Tangga(C5)

Kriteria pendapatan kepala rumah tangga dilihat dan dinilai berapa pendapatan yang

diperoleh kepala rumah tangga per bulan. Berikut adalah tabel penilaian untuk nilai

pendapatan kepala rumah tangga dapat dilihat pada Tabel 3.6.

Tabel 3.6. Nilai Pendapatan Kepala Rumah Tangga

C5

Nilai

0 – 10

1

11– 15

2

16 – 20

3

21 – 25

4

*Pendapatan kepala rumah tangga dalam satuan ratusan ribu

6.

Kriteria Pendidikan Kepala Rumah Tangga(C6)

Kriteria pendidikan kepala rumah tangga dilihat dan dinilai dari tingkat pendidikan

terakhir kepala rumah tangga. Berikut adalah tabel penilaian untuk nilai pendidikan

kepala rumah tangga dapat dilihat pada Tabel 3.7.

Tabel 3.7. Nilai Pendidikan Kepala Rumah Tangga

C6

Nilai

Tidak sekolah

1

SD

2

SLTP

3

SLTA

4

7.

Kriteria Biaya Rekening Listrik (C7)

Kriteria biaya rekening listrik dilihat dan dinilai berapa biaya rekening listrik yang

dibayar warga per bulannya. Berikut adalah tabel penilaian untuk nilai biaya rekening

(35)

[image:35.612.232.414.130.256.2]

Tabel 3.8. Nilai Biaya Rekening Listrik

C7

Nilai

0 – 10

1

11 – 15

2

16 – 20

3

21 – 25

4

*Biaya rekening listrik dalam satuan ribu

8.

Kriteria Jumlah Tanggungan Anak (C8)

Kriteria jumlah tanggungan anak dilihat dan dinilai berapa berapa jumlah tanggungan

anak warga. Berikut adalah tabel penilaian untuk nilai jumlah tanggungan anak dapat

dilihat pada tabel 3.9.

Tabel 3.9. Nilai Jumlah Tanggungan Anak

C8

Nilai

0 – 1

4

2 – 3

3

4 – 5

2

6 – 7

1

Selanjutnya penentuan warga miskin dengan kriteria di atas dikerjakan dengan

menggunakan metode SAW dan

Profile Matching

.

Analisis masalah pada sistem yang dibangun dapat dibuat dalam diagram

Ishikawa

. Penggunaan diagram ishikawa digunakan untuk mengidentifikasi

kemungkinan penyebab masalah dengan menjelaskan bahwa pada bagian kepala

menjelaskan permasalahan yang ada, sementara pada bagian tulang menjelaskan

[image:35.612.228.416.395.517.2]

(36)

Gambar 3.1. Diagram

Ishikawa

untuk Analisis Masalah

Keterangan gambar 3.1. diagram ishikawa adalah sebagai berikut:

People

1.

Dengan adanya sistem yang baru diharapkan

admin

dapat melakukan penentuan

warga miskin.

2.

Dengan adanya sistem yang baru diharapkan

admin

dapat melakukan menambah,

menghapus, mengubah data

admin

dan data warga.

Material

1.

Dengan adanya sistem yang baru diharapkan sistem dapat menampilkan hasil

perangkingan dan menampilkan data yang yang telah dimasukkan.

Method

1.

Sistem yang baru menggunakan SAW dan

Profile Matching

untuk menyelesaikan

permasalahan dalam membangun sistem pendukung keputusan.

Machine

1.

Sistem yang baru menggunakan bahasa pemrograman Visual basic 2010 dan DBMS

Microsoft Access 2007 untuk menyelesaikan permasalahan dalam membangun

sistem pendukung keputusan.

3.2. Analisis Kebutuhan

Untuk membangun sebuah sistem, perlu dilakukan sebuah tahap analisis kebut8uhan

(37)

keseluruhan secara lengkap. analisis kebutuhan sistem dikelompokkan menjadi 2

bagian yaitu : kebutuhan fungsional dan kebutuhan non-fungsional.

3.2.1. Kebutuhan Fungsional

Kebutuhan fungsional adalah kebutuhan yang berisi fungsi-fungsi apa saja yang

nantinya dilakukan oleh aplikasi. Kebutuhan fungsional sistem yang akan dibangun

harus mampu melakukan proses sebagai berikut:

1.

Sistem harus mampu memproses data yang diinputkan dan menampilkannya

kembali sebagai informasi dan hasilnya harus sesuai dengan apa yang admin

inputkan sebelumnya.

2.

Sistem harus mampu mengubah data warga yang telah diinputkan kedalam bentuk

nilai kriterianya agar data tersebut dapat diolah dengan menggunakan metode SAW

dan

Profile Matching

.

3.

Sistem harus mampu menentukan warga yang termasuk ke dalam kategori warga

miskin.

4.

Sistem yang akan dibangun harus memiliki penyimpanan berupa

database

yang

digunakan untuk menyimpan hasil

input,

proses

dan

output

.

3.2.2. Kebutuhan Non Fungsional

Kebutuhan

non fungsional

yang menjadi pendukung sistem dapat dikategorikan

berdasarkan PIECES

1.

Performance

Sistem yang akan dibangun diharapkan dapat melakukan tugasnya dengan waktu

yang tidak terlalu lama

.

2.

Information

Sistem yang akan dibangun diharapkan dapat menyediakan informasi tentang data

(38)

3.

Economic

Sistem yang akan dibangun diharapkan dapat mengurangi pengeluaran dikarenakan

penyimpanan yang masih menggunakan kertas sebagai media penyimpanan data.

4.

Control

Sistem yang akan dibangun diharapkan dapat membatasi

user

yang menggunakan

sistem sehingga tidak semua berhak menggunakan sistem yang akan dibangun.

5.

Eficiency

Sistem yang akan dibangun diharapkan dapat lebih membantu

user

dan bekerja

dengan baik dalam proses penentuan warga miskin Kelurahan Desa Martebing.

6.

Service

Sistem yang akan dibangun diharapkan mudah untuk digunakan oleh

user.

3.3. Pemodelan Sistem

Pemodelan sistem bertujuan untuk memodelkan atau merepresentasikan keadaan sistem

yang lebih jelas dan memaparkan semua kondisi dan bagian–bagian sistem yang

berperan dalam suatu sistem yang dirancang.

Pemodelan sistem yang digunakan dalam penelitian ini adalah dengan

menggunakan UML (

Unified Modeling Language)

dimana diagram UML yang

digunakan penulis dalam penelitiannya adalah

use case diagram, activity diagram,

dan

(39)

3.3.1. Diagram Use Case

Diagram

Use Case

merupakan diagram yang merepresentasikan interaksi antara

actor

dan sistem.

Actor

adalah admin dan

user.

[image:39.612.138.515.233.554.2]

Berikut adalah diagram

use case admin

terlihat pada gambar 3.2.

(40)

[image:40.612.129.545.162.435.2]

use case user

(41)

3.3.2. Diagram Activity

Diagram

activity

merupakan diagram yang menggambarkan proses dari sistem yang

[image:41.612.139.511.209.526.2]

dirancang. Berikut adalah diagram

activity

proses

login

admin terlihat pada gambar 3.4.

(42)

activity

proses sistem yang menggunakan

[image:42.612.136.515.176.546.2]

metode SAW dan

Profile Matching

Gambar 3.5. Diagram

Activity

Sistem

3.3.3. Diagram Sequence

Sequence diagram merupakan diagram yang menjelaskan tentang hubungan interaksi

antara objek dengan urutan waktu tertentu, interaksi berupa pengiriman pesan saat

kapan pesan disampaikan atau dilaksanakan. Berikut adalah diagram

sequence

sistem

(43)

Gambar 3.6. Diagram

Sequence

Admin

[image:43.612.136.512.140.399.2]

use case user

(44)

3.3.4. Perancangan Database

Perancangan

database

untuk aplikasi sistem pendukung keputusan adalah terdiri dari

beberapa tabel antara lain : tabel data

admin

dan tabel data warga.

1.

Tabel Data

Admin

Tabel data admin berfungsi untuk tempat penyimpanan data

admin

. Berikut adalah

struktur tabel data

admin

dapat dilihat pada tabel 3.10.

Tabel 3.10. Data

Admin

Field

Type

Ukuran

id

Text

4

name

Text

10

pwd

Text

15

Keterangan :

id sebagai primary key

2.

Tabel Data Warga

Tabel data warga berfungsi untuk tempat penyimpanan data warga. Berikut adalah

struktur tabel data warga dapat dilihat pada tabel 3.11.

Tabel 3.11.Data Warga

Field

Type

Ukuran

No_Warga

Text

5

Nama

Text

40

Dusun

Text

6

Umur

Text

8

Luas_Rumah

Text

8

Status_Tanah

Text

13

Status_Rumah

Text

13

Kondisi_Rumah

Text

50

(45)

Pendidikan

Text

9

Listrik

Text

5

Tanggungan_Anak

Text

5

Keterangan :

No_Warga sebagai primary key

3.3.5.

Flowchart

Berikut adalah langkah kerja dari metode SAW yang digambarkan dalam bentuk

[image:45.612.174.435.315.667.2]

flowchart

Gambar 3.8.

Flowchart

Metode SAW

Keterangan:

* = Proses perengkingan menggunakan syntax untuk tinggi ke rendah. Syntax

pengurutan:DGHasilSAW.Sort(DGHasilSAW.Columns(4),System.ComponentModel.

Mulai

Input Data Kriteria

dan Bobot Kriteria

Buat Matriks Keputusan

Hitung Normalisasi Matriks

Keputusan

Kalikan Matriks Ternormalisasi

dengan Bobot Kriteria

Tampilkan Hasil Rangking

Nilai Preferensi Warga

Miskin

Selesai

Diperoleh Matriks Ternormalisasi

(46)

Berikut ini adalah langkah kerja dari metode

profile matching

yang

digambarkan dalam bentuk

flowchart

Mulai

Input Data Kriteria dan Nilai Ideal Warga

GAP = Nilai Warga − Nilai Minimal

Tentukan GAP Nilai Warga dan Nilai Minimal

Tentukan Pembobotan Nilai GAP

NSF = ∑ NS *aspek/_IS

Hitung Nilai Core dan Secondary Factor

NCF =

∑ NC *aspek /_{∑ IC}

Input Presentasi Perhitungan Core dan Secondary Factor

Hitung Nilai Total Penilaian N = %NCF + %NSF

Tampilkan Hasil Rangking Nilai Total Warga Miskin

Selesai

Urutan Perangkingan dari Tinggi ke Rendah

Gambar 3.9.

Flowchart

Metode Profile Matching

Keterangan:

*

= Proses perengkingan menggunakan syntax untuk tinggi ke rendah. Syntax

pengurutan:

DGHasilPM.Sort(DGHasilPM.Columns(4), System.ComponentModel.

[image:46.612.216.457.170.548.2]

(47)

3.4. Analisis Data

Pada analisis data menjelaskan perhitungan metode SAW dan

Profile Matching

dengan

[image:47.612.129.560.226.705.2]

sampel sebanyak 20 data. Berikut data sampel warga dapat dilihat pada tabel 3.12.

Tabel 3.12. Sampel Nilai Rill Warga

No_

Warga

Luas

Rumah

(C1)

Status

Tanah

(C2)

Status

Rumah

(C3)

Kondisi

Rumah

(C4)

Penda-

patan

(C5)

Pendi-dikan

(C6)

Listrik

(C7)

Anak

(C8)

1

84

milik

sendiri

milik

sendiri

lantai semen

dinding papan

8

SD

16

0

2

64

milik

sendiri

milik

sendiri

lantai semen

dinding papan

13

tidak

sekolah

25

0

3

60

milik

sendiri

milik

sendiri

lantai semen

dinding bambu

16

SLTP

22

4

74

milik

sendiri

milik

sendiri

lantai semen

dinding batu

1

SLTP

16

0

5

72

milik

sendiri

milik

sendiri

lantai semen

dinding batu

1

tidak

sekolah

15

0

6

84

milik

sendiri

numpang

lantai tanah

dinding bambu

atau papan

0

tidak

sekolah

12

0

7

60

numpang

lantai semen

dinding batu

0

tidak

sekolah

23

0

8

60

numpang

numpa ng

lantai semen

dinding bambu

0

tidak

sekolah

12

0

9

84

milik

sendiri

milik

sendiri

lantai semen

dinding papan

0

tidak

sekolah

16

0

10

60

numpang

lantai semen

dinding papan

0

tidak

sekolah

12

1

11

60

numpang

lantai semen

dinding bambu

0

tidak

sekolah

(48)

12

32

numpang

lantai semen

dinding bambu

6.5

SLTP

10

4

13

32

numpang

lantai semen

dinding bambu

8

tidak

sekolah

10

2

14

50

numpang

lantai semen

dinding papan

0

tidak

sekolah

15

1

15

32

numpang

lantai semen

dinding bambu

8

tidak

sekolah

10

1

16

50

numpang

lantai semen

dinding papan

18

SD

20

2

17

60

numpang

lantai semen

dinding papan

2

SLTA

24

2

18

60

milik

sendiri

milik

sendiri

lantai semen

dinding batu

12

tidak

sekolah

17

0

19

50

milik

sendiri

milik

sendiri

lantai semen

dinding papan

9

tidak

sekolah

15

0

20

50

milik

sendiri

milik

sendiri

lantai semen

dinding papan

0

tidak

sekolah

11

0

Keterangan :

Data diperoleh dari Kelurahan Desa Martebing.

3.4.1. Perhitungan Nilai dengan Metode SAW secara Manual

Berdasarkan tabel nilai rill data warga yaitu tabel 3.12 maka berikut adalah nilai dari

rating kecocokan dari setiap alternatif terhadap setiap kriteria yang akan dihitung

(49)

Tabel 3.13. Rating Kecocokan dari Setiap Alternatif pada Setiap Kriteria

No_

Warga

Luas

Rumah

(C1)

Status

Tanah

(C2)

Status

Rumah

(C3)

Kondisi

Rumah

(C4)

Penda-

patan

(C5)

Pendi-

dikan

(C6)

Listrik

(C7)

Anak

(C8)

01

3

1

2

3

4

02

3

2

1

4

03

2

3

2

3

4

2

04

3

4

1

3

4

05

3

4

1

2

4

06

3

1

2

4

07

2

1

4

1

4

08

2

1

2

1

2

4

09

3

1

3

4

10

2

1

3

1

2

4

11

2

1

2

1

4

12

1

2

1

3

1

2

13

1

2

1

3

14

1

3

1

2

4

15

1

2

1

4

16

1

3

2

3

17

2

1

3

1

4

3

18

2

3

4

2

1

3

4

19

1

3

1

2

4

20

1

3

1

2

4

Karena setiap nilai yang diberikan pada setiap alternatif di setiap kriteria

merupakan nilai kecocokan (nilai terbesar adalah terbaik), maka semua kriteria yang

diberikan diasumsikan sebagai kriteria keuntungan. Pengambil keputusan memberikan

bobot preferensi sebagai : W = (2, 2, 2, 3, 1, 2, 1, 2). Matriks keputusan dibentuk dari

(50)

X =

Berikut adalah perhitungan normalisasi matriks keputusan dengan cara

menghitung nilai rating kinerja ternormalisasi (r

ij

) dari setiap alternatif berdasarkan

kriteria yang diasumsikan sebagai kriteria keuntungan.

Untuk Alternatif-1 (01):

r

1,1

=

8 {:;:;<;:;:;:;<;<;:;<;<; ; ; ; ; ;<;<; ; }

:

=

:

= 0.33

r

1,2

=

8 {:;:;:;:;:;:; ; ;:; ; ; ; ; ; ; ; ;:;:;:}

:

=

:

= 0.33

r

1,3

=

8 {:;:;:;:;:; ; ; ;:; ; ; ; ; ; ; ; ;:;:;:}

:

=

:

= 0.33

r

1,4

=

8 {:;:;<;>;>; ;>;<;:;:;<;<;<;:;<;:;:;>;:;:}

:

=

:

= 0.33

r

1,5

=

8 { ;<;:; ; ; ; ; ; ; ; ; ; ; ; ;:; ;<; ; }

= = 1

r

1,6

=

8 {<; ;:;:; ; ; ; ; ; ; ;:; ; ; ;<;>; ; ; }

<

=

<

= 0.5

3

1

2

3

4

3

2

1

4

2

3

2

3

4

2

3

4

1

3

4

3

4

1

2

4

3

1

2

4

2

1

4

1

4

2

1

2

1

2

4

3

1

3

4

2

1

3

1

2

4

2

1

2

1

4

1

2

1

3

1

2

1

2

1

3

1

3

1

2

4

1

2

1

4

1

3

2

3

2

1

3

1

4

3

2

3

4

2

1

3 4

1

3

1

2 4

1

3

1

1 2 4

(51)

r

1,7

=

8 {:;>;>;:;<;<;>;<;:;<; ; ; ;<; ;:;>;:;<;<}

:

=

:

= 0.33

r

1,8

=

8 {>;>;<;>;>;>;>;>;>;>;>;<;:;>;>;:;:;>;>;>}

>

=

<

>

= 0.5

Untuk Alternatif-2 (02):

r

2,1

=

8 {:;:;<;:;:;:;<;<;:;<;<; ; ; ; ; ;<;<; ; }

:

=

:

= 0.33

r

2,2

=

8 {:;:;:;:;:;:; ; ;:; ; ; ; ; ; ; ; ;:;:;:}

:

=

:

= 0.33

r

2,3

=

8 {:;:;:;:;:; ; ; ;:; ; ; ; ; ; ; ; ;:;:;:}

:

=

:

= 0.33

r

2,4

=

8 {:;:;<;>;>; ;>;<;:;:;<;<;<;:;<;:;:;>;:;:}

:

=

:

= 0.33

r

2,5

=

8 { ;<;:; ; ; ; ; ; ; ; ; ; ; ; ;:; ;<; ; }

<

=

<

= 0.5

r

2,6

=

8 {<; ;:;:; ; ; ; ; ; ; ;:; ; ; ;<;>; ; ; }

= = 1

r

2,7

=

8 {:;>;>;:;<;<;>;<;:;<; ; ; ;<; ;:;>;:;<;<}

>

=

>

= 0.25

r