SKRIPSI
JUANITA CHRISTIE PURBA
131421095
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
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
UNIVERSITAS SUMATERA UTARA
MEDAN
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
UNIVERSITAS SUMATERA UTARA
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,
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.
Medan, 28 September 2015
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
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.
Medan, 28 September 2015
Penulis,
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN WARGA MISKIN
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
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.
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.
Simple Additive Weighting
(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
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
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
Tabel 3.17 Bobot Nilai
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
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
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN WARGA MISKIN
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
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.
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
Aplikasi sistem pendukung keputusan ini menggunakan metode
Simple Additive
Weighting
(SAW) dan
Profile Matching
.
Simple Additive Weighting
(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
Simple Additive Weighting
(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
Simple Additive Weighting
(SAW) dan
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
Simple Additive Weighting
(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
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
Simple Additive Weighting
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
Simple Additive Weighting
(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
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
Simple Additive Weighting
(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
BAB 5
KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan dari seluruh pembahasan yang ada pada
bab-bab sebelumnya dan saran yang berguna untuk melakukan
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
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
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
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
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
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
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.
Simple Additive Weighting
(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)
Simple Additive Weighting
(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)
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
iyang lebih besar mengindikasikan bahwa alternatif A
1lebih 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.
Tabel 2.1 Bobot Nilai
No.
Selisih
Bobot
Nilai
Keterangan
1
0
5
Tidak ada selisih
2
1
4,5
Kompetensi individu kelebihan 1 tingkat/level
3
-1
4
Kompetensi individu kekurangan 1 tingkat/level
4
2
3,5
Kompetensi individu kelebihan 2 tingkat/level
5
-2
3
Kompetensi individu kekurangan 2 tingkat/level
6
3
2,5
Kompetensi individu kelebihan 3 tinkat/level
7
-3
2
Kompetensi individu kekurangan 3 tingkat/level
8
4
1,5
Kompetensi individu kelebihan 4 tinkat/level
9
-4
1
Kompetensi individu kekurangan 4 tingkat/level
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)
IC
=
Jumlah item s
econdary
factor
.
5.
Perhitungan Nilai Total
Untuk menghitung nilai total, rumus yang digunakan yaitu :
*x/%NCF*aspek/ + *x/%NSF*aspek/ = 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)
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
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
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]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
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]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
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
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
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.
Berikut adalah diagram
use case user
terlihat pada gambar 3.3.
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.
Berikut adalah diagram
activity
proses sistem yang menggunakan
[image:42.612.136.515.176.546.2]metode SAW dan
Profile Matching
terlihat pada gambar 3.5.
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
Gambar 3.6. Diagram
Sequence
Admin
[image:43.612.136.512.140.399.2]Berikut adalah diagram
use case user
terlihat pada gambar 3.7.
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
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
terlihat pada gambar 3.8.
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
Berikut ini adalah langkah kerja dari metode
profile matching
yang
digambarkan dalam bentuk
flowchart
terlihat pada gambar 3.9.
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 /∑ ICInput 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]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
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
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
numpang
lantai semen
dinding papan
0
tidak
sekolah
12
1
11
60
numpang
numpang
lantai semen
dinding bambu
0
tidak
sekolah
12
32
numpang
numpang
lantai semen
dinding bambu
6.5
SLTP
10
4
13
32
numpang
numpang
lantai semen
dinding bambu
8
tidak
sekolah
10
2
14
50
numpang
numpang
lantai semen
dinding papan
0
tidak
sekolah
15
1
15
32
numpang
numpang
lantai semen
dinding bambu
8
tidak
sekolah
10
1
16
50
numpang
numpang
lantai semen
dinding papan
18
SD
20
2
17
60
numpang
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
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
3
3
3
1
2
3
4
02
3
3
3
3
2
1
4
4
03
2
3
3
2
3
3
4
2
04
3
3
3
4
1
3
3
4
05
3
3
3
4
1
1
2
4
06
3
3
1
1
1
1
2
4
07
2
1
1
4
1
1
4
4
08
2
1
1
2
1
1
2
4
09
3
3
3
3
1
1
3
4
10
2
1
1
3
1
1
2
4
11
2
1
1
2
1
1
1
4
12
1
1
1
2
1
3
1
2
13
1
1
1
2
1
1
1
3
14
1
1
1
3
1
1
2
4
15
1
1
1
2
1
1
1
4
16
1
1
1
3
3
2
3
3
17
2
1
1
3
1
4
4
3
18
2
3
3
4
2
1
3
4
19
1
3
3
3
1
1
2
4
20
1
3
3
3
1
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
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
3
3
3
1
2
3
4
3
3
3
3
2
1
4
4
2
3
3
2
3
3
4
2
3
3
3
4
1
3
3
4
3
3
3
4
1
1
2
4
3
3
1
1
1
1
2
4
2
1
1
4
1
1
4
4
2
1
1
2
1
1
2
4
3
3
3
3
1
1
3
4
2
1
1
3
1
1
2
4
2
1
1
2
1
1
1
4
1
1
1
2
1
3
1
2
1
1
1
2
1
1
1
3
1
1
1
3
1
1
2
4
1
1
1
2
1
1
1
4
1
1
1
3
3
2
3
3
2
1
1
3
1
4
4
3
2
3
3
4
2
1
3 4
1
3
3
3
1
1
2 4
1
3
3
3
1
1 2 4
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