© 2019*Corresponding author:ev4_yuli4nti@yahoo.com
ISBN: 978-602-53491-6-4 DOI: 10.21063/PIMIMD5.2019.5
SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMA BANTUAN RUMAH TIDAK LAYAK HUNI (RTLH) MENGGUNAKAN METODE
ANALYTICAL HIERARCHY PROCESS (AHP) Eva Yulianti*, Fahmi Putra
Program Studi Teknik Informatika Fakultas Teknologi Industri, Institut Teknologi Padang, Jl. Gajah Mada Nanggalo Padang 25143 Sumatera Barat Indonesia
Abstrak
Bantuan Rumah Tidak Layak Huni (RTLH) merupakan program pemerintah berupa bantuan dana untuk perbaikan rumah yang tidak layak huni bagi masyarakat kurang mampu. Penerima bantuan ini harus tepat sasaran yang memenuhi kriteria program RTLH, Dalam pelaksanaannya data ditentukan oleh Badan Pusat Statistik (BPS) untuk diserahkan ke Dinas Sosial. Proses pemberian bantuan RTLH pada BPS dan Dinas Sosial masih dilakukan secara manual. Pertama-tama data dikumpulkan terlebih dahulu menurut KK miskin, kemudian dihitung secara manual dengan melihat kategori miskin absolut atau miskin produktif. Dengan demikian masih banyak bantuan yang ditujukan kepada warga miskin belum tepat sasaran. Maka diperlukanlah sebuah Sistem Pendukung Keputusan (SPK) kelayakan calon penerima bantuan RTLH untuk membantu mempermudah menentukan kelayakan calon penerima bantuan dengan cepat dan tepat serta melakukan penilaian secara objektif. Dengan menggunakan metode Analytical Hierarchy Process (AHP), dapat membantu Dinas Sosial Kota Padang dalam penentuan penerima bantuan RTLH di Kota Padang, sehingga seleksi menjadi lebih mudah dan efisien.
Kata Kunci: Sistem Pendukung Keputusan, Rumah Tidak Layak Huni (RTLH), Analytical Hierarchy Process (AHP).
PENDAHULUAN
Bantuan Rumah Tidak Layak Huni (RTLH) merupakan program pemerintah berupa bantuan dana untuk perbaikan rumah yang tidak layak huni bagi masyarakat kurang mampu.
Penerima bantuan ini harus tepat sasaran yang memenuhi kriteria program RTLH, Dalam pelaksanaannya data ditentukan oleh Badan Pusat Statistik (BPS) untuk diserahkan ke Dinas Sosial. Dalam pengambilan keputusan seleksi pemilihan penerima bantuan RTLH pada BPS dan Dinas Sosial harus objektif. Pemilihan target harus teliti dan dapat dipercaya agar bantuan bisa diterima oleh masyarakat yang benar-benar memerlukan atau tepat sasaran. Sistem Pendukung Keputusan (SPK) merupakan salah satu produk perangkat lunak yang dikembangkan secara khusus untuk membantu dalam pegambilan keputusan. Sesuai dengan namanya, tujuan dipergunakannya sistem ini adalah sebagai “second opinion” atau “information source” yang dapat dipakai sebagai bahan pertimbangan sebelum memutuskan kebijakan tertentu [1].
Salah satu metode yang digunakan untuk sistem pendukung keputusan adalah metode Analytical Hierarchy Process (AHP). Metode AHP adalah sebuah metode untuk memecahkan suatu permasalahan yang rumit dalam situasi yang tidak terstruktur menjadi bagian-bagian komponen. Mengatur bagian demi bagian menjadi suatu bentuk susunan hierarki, kemudian memberikan suatu nilai numerik untuk penilaian subyektif terhadap kepentingan relatif dari suatu variabel dan mensintesis suatu penilain untuk variabel mana yang memiliki prioritas tertinggi yang akan mempengaruhi penyelesaian dari situasi tersebut. AHP menggabungkan antara pertimbangan dan penilaian pribadi dengan cara yang logis dan dipengaruhi oleh imajinasi, pengetahuan untuk menyusun suatu hierarki, intuisi dan juga pengalaman untuk memberikan pertimbangan. AHP merupakan suatu proses mengidentifikasi, mengerti dan memberikan perkiraan interaksi sistem secara keseluruhan [2].
METODOLOGI
Sistem Pendukung Keputusan
Sistem pendukung keputusan (SPK) adalah sekumpulan elemen yang saling berhubungan untuk membentuk suatu kesatuan dalam proses pemilihan berbagai alternative tindakan guna menyelesaikan suatu masalah, sehingga masalah tersebut dapat diselesaikan secara efektif dan efisien [3]. Subsistem–subsistem SPK terdiri dari 4 yaitu subsistem manajemen data, subsistem manajemen model, subsistem manajemen pengetahuan dan subsistem antar muka pengguna. Seperti pada gambar berikut :
Gambar 1. Blok Model SPK Metode Analytical Hierarchy Process (AHP)
Analytical Hierarchy Process (AHP) merupakan suatu model pendukung keputusan yang dikembangkan oleh Thomas L. Saaty. Model pendukung keputusan ini akan menguraikan masalah multi faktor atau multi kriteria yang kompleks menjadi suatu hirarki. Hirarki didefenisikan sebagai suatu representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multi level dimana level pertama adalah tujuan, yang diikuti level faktor, kriteria, sub kriteria dan seterusnya ke bawah hingga level terakhir dari alternatif. Dengan hirarki, suatu masalah yang kompleks dapat diuraikan ke dalam kelompok-kelompoknya yang kemudian diatur menjadi suatu bentuk hirarki sehingga permasalahan akan tampak lebih terstruktur dan sistematis. [4].
Menentukan susunan prioritas elemen adalah dengan menyusun perbandingan berpasangan yaitu membandingkan dalam bentuk berpasangan seluruh elemen untuk setiap sub hirarki. Perbandingan tersebut ditransformasikan dalam bentuk matriks. Contoh, terdapat n objek yang dinotasikan dengan (A1, A2, ..., An) yang akan dinilai berdasarkan pada nilai tingkat kepentingannya antara lain Ai dan Aj dipresentasikan dalam matriks Pair-wise Comparison.
Tabel 1. Matriks Perbandingan Berpasangan
A1 A2 .... An
A1 a11 a12 .... a11 A2 a21 a22 .... a2n .... .... .... .... ....
An am1 am2 .... amn
Nilai a11 adalah nilai perbandingan elemen A1 (baris) terhadap A1 (kolom) menyatakan hubungan:
a) Seberapa jauh tingkat kepentingan A1 (baris) terhadap kriteria C dibandingkan dengan A1 (kolom) atau
b) Seberapa jauh dominasi A1 (baris) terhadap A1 (kolom) atau
c) Seberapa banyak sifat kriteria C terdapat pada A1 (baris) dibandingkan dengan A1 (kolom).
Uji Konsistensi Indeks dan Rasio salah satu hal utama model AHP yang membedakannya dengan model-model pengambilan keputusan yang lainnya adalah tidak adanya syarat konsistensi mutlak. Pengumpulan pendapat antara satu faktor dengan yang lain adalah bebas satu sama lain, dan hal ini dapat mengarah pada ketidakkonsistenan jawaban yang diberikan responden. Namun, terlalu banyak ketidakkonsistenan juga tidak diinginkan.
Pengulangan wawancara pada sejumlah responden yang sama kadang diperlukan apabila derajat tidak konsistensinya besar. Setelah membuktikan bahwa Indeks Konsistensi dari matriks berordo n dapat diperoleh dengan rumus:
CI = Rasio Penyimpangan Konsistensi
= Eigen Value N = Banyak elemen
Apabila CI bernilai nol, maka pair wise comparison matrix tersebut konsisten. Batas ketidakkonsistenan (inconsistency) yang telah ditetapkan oleh Thomas L. Saaty ditentukan dengan menggunakan Rasio Konsistensi (CR), yaitu perbandingan indeks konsistensi dengan nilai random indeks (RI) yang didapatkan dari suatu eksperimen oleh Ridge National Laboratory kemudian dikembangkan oleh Wharton School. Nilai ini bergantung pada ordo matriks n. Dengan demikian, Rasio Konsistensi dapat dirumuskan sebagai berikut:
CR = rasio konsistensi RI = indeks random
Tabel 2. Nilai Random Indeks (RI)
n 1 2 3 4 5
RI 0,000 0,000 0,580 0,900 1,120
6 7 8 9
1,24 0
1,32 0
1,41 0
1,450
Bila matriks pair wise comparison dengan nilai CR lebih kecil dari 0,100 maka ketidakkonsistenan pendapat dari decision maker masih dapat diterima jika tidak maka penilaian perlu diulang. Dalam metode AHP dilakukan langkah-langkah sebagai berikut [5]:
1. Mendefenisikan masalah dan menentukan solusi yang diinginkan.
2. Membuat struktur hierarki yang diawali dengan tujuan utama.
3. Membuat matrik perbandingan berpasangan yang menggambarkan kontribusi relatif atau pengaruh setiap elemen terhadap tujuan atau kriteria yang setingkat di atasnya.
4. Melakukan mendefinisikan perbandingan berpasangan sehingga diperoleh jumlah penilaian seluruhnya sebanyak n x [(n-1)/2] buah, dengan n adalah banyaknya elemen yang dibandingkan.
5. Menghitung nilai eigen dan menguji konsistensinya.
6. Mengulangi langkah 3,4 dan 5 untuk seluruh tingkat hirarki.
7. Menghitung vektor eigen dari setiap matriks perbandingan berpasangan yang merupakan bobot setiap elemen untuk penentuan prioritas elemen-elemen pada tingkat hirarki terendah sampai mencapai tujuan. Penghitungan dilakukan lewat cara menjumlahkan nilai setiap kolom dari matriks, membagi setiap nilai dari dari kolom dengan total kolom yang bersangkutan untuk memperoleh normalisasi matriks, dan
menjumlahkan nilai-nilai dari setiap baris dan membaginya dengan jumlah elemen untuk mendapatkan rata-rata.
Tabel 3. Skala Kuantitatif dalam sistem pendukung keputusan Intensitas
Kepentingan Defenisi Penjelasan
1 Kedua elemen sama pentingnya dua elemen mempunyai pengaruh yang sama besar
3 Elemen yang satu
sedikit lebih penting daripada elemen yang lainnya
Pengalaman dan penilaian sedikit menyokong satu elemen dibandingkan elemen yang lainnya
5 Elemen yang satu lebih penting daripada yang lainnya
Pengalaman dan penilaian sangat kuat menyokong satu elemen dibandingkan elemen yang lainnya
7 Satu elemen jelas
lebih mutlak penting daripada elemen
lainnya
Satu elemen yang kuat disokong dan dominan
terlihat dalam praktek 9 Satu elemen mutlak penting daripada
elemen lainnya
Bukti yang mendukung elemen yang satu terhadap elemen laim memiliki tingkat penegasan tertinggi yang mungkin menguatkan
2, 4, 6,8 Nilai-nilai antara dua nilai pertimbangan-
pertimbangan yang berdekatan
Nilai ini diberikan bila ada dua kompromi diantara 2 pilihan
Kebalikan Jika untuk aktivasi i mendapat satu angka dibanding dengan aktivasi j, maka j mempunyai nilai
kebalikannya dibanding dengan i.
Memeriksa konsistensi hirarki. Yang diukur dalam AHP adalah rasio konsistensi dengan melihat index konsistensi. Konsistensi yang diharapkan adalah yang mendekati sempurna agar menghasilkan keputusan yang mendekati valid. Walaupun sulit untuk mencapai yang sempurna, rasio konsistensi diharapkan kurang dari atau sama dengan 10 %.
Struktur Hirarki AHP
Pada dasarnya metode AHP menyusun hirarki dari permasalahan yang dihadapi.
Persoalan yang akan diselesaikan, diuraikan menjadi unsur-unsurnya yaitu kriteria dan alternatif, kemudian disusun menjadi struktur hirarki seperti gambar 2.
Hirarki yang terlihat Gambar diatas adalah bentuk hirarki AHP dalam identifikasi penerima bantuan Rumah Tidak Layak Huni (RTLH), penjelasannnya seperti berikut:
1. Goal, yaitu tujuan utama yang hendak dicapai dalam sistem pendukung keputusan ini.
Goal dalam penelitian ini adalahidentifikasi penerima bantuan rumah tidak layak huni (RTLH).
2. Kriteria yang digunakan adalahLuas Tanah, Atap, Dinding, Lantai, Tingkat Kerusakan Rumah, Pekerjaan, Gaji perbulan dan Tabungan.
3. Alternatif yang digunakan pada identifikasi penerima bantuan rumah tidak layak huni (RTLH) ini yaitu masyarakat yang kurang mampu.
Gambar 2. Struktur Hirarki AHP Context Diagram
Context Diagram merupakan alat bantu perancangan sistem secara global yang memperlihatkan system secara umum dan bagian-bagian dari sub sistem yang terlibat dalam sistem secara keseluruhan, keterkaitan dan interaksi antar subsistem.
Gambar 3. Context Diagram
Pada gambar Context Diagram diatas dapat dilihat alur dari sistem yang akan dirancang:
1. Admin.
User yang memiliki hak akses penuh terhadap sistem pendukung keputusan penerima bantuan RTLH pada Badan Pusat Statistik dan Dinas Sosial kota Padang.
2. Pimpinan
User yang mengawasi sistem dan menerima admin dari karyawan.
Entity Relationship Diagram (ERD)
Hubungan antara beberapa data dalam database akan terlihat dalam Entity Relationship Diagram (ERD). Tabel-tabel yang telah berelasi memudahkan programer menentukan langkah- langkah kerja yang akan dilakukan mulai dari proses perekaman data, pembentukan tabel sampai dengan pembentukan laporan-laporan yang dibutuhkan. Seperti terlihat pada gambar 4:
Kriteria Penilaian
Penentuan kriteria adalah tahapan awal yang harus dilakukan. Kriteria adalah landasan yang menjadi penentu identifikasi kelayakan penerima bantuan penerima bantuan Rumah Tidak Layak Huni (RTLH) berdasarkan syarat – syarat yang telah ditetapkan, yaitu seperti pada tabel 4. Setelah melakukan observasi lebih lanjut ke lapangan, penulis merangkum beberapa informasi detail dari masing-masing kriteria penilaian. Informasi lebih lanjut tentang kriteria penilaian dan subkriteria penilaian adalah sebagai pada tabel 5. Kriteria - kriteria pada Tabel tersebut akan digunakan untuk melakukan proses penilaian terhadap masing-masing alternatif (calon penerima bantuan RTLH).
Gambar 4. Entity Relationship Diagram Tabel 4. Syarat Penerima bantuan RTLH No Syarat Penerima RTLH
1 WNI
2 Memiliki atau menguasai tanah tapi belum memiliki rumah
3 Menempati rumah satu-satunya tetapi dengan kondisi tidak layak huni 4 Belum pernah memperoleh bantuan perumahan dari pemerintahan 5 Berpenghasilan sebanyak banyaknya 30% dari upah minimum provinsi
setempat
6 Diutamakan yang telah memiliki keswadayaan dan berencana membangun atau meningkatkan kualitas rumahnya
7 Bersedia dan bertanggung jawab dalam pemanfaatan Stimulan Perumahan Swadaya (BSPS)
8 Bersedia dan membentuk kelompok dan bersedia mengikuti ketentuan Stimulan Perumahan Swadaya (BSPS)
Tabel 5. Kriteria Penilaian
No Kriteria Sub Kriteria
1 Luas Tanah 1. <100 m2
2. 100 s.d 200 m2 3. 200 s.d 300 m2 4. >300 m2
2 Atap 1. Welit
2. Genteng Rapuh 3. Seng
4. Genteng
3 Dinding 1. Bambu
2. Kayu 3. Bata 4. Batako
4 Lantai 5. Tanah
6. Kayu 7. Semen 8. Keramik 5 Tingkat Kerusakan Rumah 1. Rusak Berat
2. Rusak Sedang
3. Rusak Ringan
6 Pekerjaan 1. Buruh/Petani
2. Wiraswasta/Pedagang 3. PNS/Polri/TNI 7 Gaji perbulan 1. < Rp. 600.000
2. Rp. 600.000 s.d Rp 2.000.000 3. Rp. 2.000.000 s.d Rp 3.000.000 4. Lebih dari Rp. 3.000.0000
8 Tabungan 1. < Rp. 500.0000
2. Rp. 500.0000 s.d Rp. 2.000.000 3. Rp. 2.000.0000 s.d Rp. 3.000.000 4. Lebih dari Rp. 5.000.0000
PEMBAHASAN Perhitungan AHP
Penelitian ini menggunakan metode AHP dalam perhitungannya. Langkah-langkah pada proses perhitungan AHP terdiri dari beberapa tahapan yaitu proses penentuan kriteria dan alternatif, membuat matriks perbandingan berpasangan, matriks nilai, matriks penjumlahan setiap baris, bobot prioritas, pencarian lamda maks, CI, dan CR. Setelah itu dilanjutkan dengan tahapan yang sama untuk menentukan prioritas alternatif pada masing-masing kriteria. Dari hasil tersebut dilakukan perkalian antara prioritas kriteria dengan prioritas alternatif per masing- masing kriteria untuk mendapatkan prioritas tertinggi.
Perhitungan Prioritas Kriteria
Dalam proses menentukan prioritas kriteria terdiri ini, ada beberapa langkahyang harus dilakukan untuk menghasilkan nilai bobot setiap kriteria. Langkah-langkah untuk menentukan prioritas kriteria adalah sebagai berikut :
a. Membuat Matrik Perbandingan Berpasangan
Pada tahap ini dilakukan penilaian perbandingan antara satu alternatif dengan alternatif lain. Ada 10 alternatif yang harus dilakukan perbandingan dalam matriks ini. Hasil penilaian perbandingan antara alternatif untuk kriteria bisa dilihat dalam tabel berikut.
Tabel 6. Matrix Perbandingan berpasangan
Kriteria K1 K2 K3 K4 K5 K6 K7 K8
K1 1 5 5 5 5 3 3 3
K2 0.2 1 1 1 1 0.33333 0.33333 0.33333
K3 0.2 1 1 1 1 0.33333 0.33333 0.33333
K4 0.2 1 1 1 1 0.33333 0.33333 0.33333
K5 0.33333 1 1 1 1 0.33333 0.33333 0.33333
K6 0.33333 3 3 3 3 1 1 1
K7 0.33333 3 3 3 3 1 1 1
K8 0.33333 3 3 3 3 1 1 1
Jumlah 2.93333 18 18 18 18 7.33333 7.33333 7.3333 b. Membuat Matriks Normalisai Nilai Kriteria
Nilai pada matrik nilai kriteria ini didapatkan dengan rumus nilai baris kolom pada tabel sebelumnya dibagi dengan nilai pada baris jumlah pada kolom yang sama. Hasil perhitungannya bisa dilihat dalam Tabel.
Tabel 7. Matrix Normalisasi nilai Kriteria
Kriteria K1 K2 K3 K4 K5 K6 K7 K8
K1 0.3409 0.2777 0.27777 0.2777 0.2777 0.4090 0.4090 0.4090 K2 0.0681 0.0555 0.05555 0.0555 0.0555 0.0454 0.0454 0.0454 K3 0.0681 0.0555 0.05555 0.0555 0.0555 0.0454 0.0454 0.0454 K4 0.0681 0.0555 0.05555 0.0555 0.0555 0.0454 0.0454 0.0454 K5 0.1136 0.0555 0.05555 0.0555 0.0555 0.0454 0.0454 0.0454 K6 0.1136 0.1666 0.16666 0.1666 0.1666 0.1363 0.1363 0.1363 K7 0.1136 0.1666 0.16666 0.1666 0.1666 0.1363 0.1363 0.1363 K8 0.1136 0.1666 0.16666 0.1666 0.1666 0.1363 0.1363 0.1363 c. Membuat Matriks Penjumlahan Setiap Baris
Matrik penjumlahan setiap baris ini dibuat dengan mengalikan nilai prioritas pada matriks nilai prioritas di tabel 6 dengan matriks perbandingan berpasangan tabel 7. Hasil perhitungan matriks penjumlahan setiap baris dapat dilihat pada tabel berikut:
Tabel 8. Matriks Penjumlahan Setiap Baris
Kriteria K1 K2 K3 K4 K5 K6 K7 K8 Jumlah
K1 0.3409 0.2777 0.27777 0.2777 0.2777 0.4090 0.4090 0.4090 2.6792 K2 0.0681 0.0555 0.05555 0.0555 0.0555 0.0454 0.0454 0.0454 0.4267 K3 0.0681 0.0555 0.05555 0.0555 0.0555 0.0454 0.0454 0.0454 0.4267 K4 0.0681 0.0555 0.05555 0.0555 0.0555 0.0454 0.0454 0.0454 0.4267 K5 0.1136 0.0555 0.05555 0.0555 0.0555 0.0454 0.0454 0.0454 0.4722 K6 0.1136 0.1666 0.16666 0.1666 0.1666 0.1363 0.1363 0.1363 1.1893 K7 0.1136 0.1666 0.16666 0.1666 0.1666 0.1363 0.1363 0.1363 1.1893 K8 0.1136 0.1666 0.16666 0.1666 0.1666 0.1363 0.1363 0.1363 1.1893 d. Menghitung rata-rata setiap kriteria.
Rata-rata dari setiap kriteria didapat dengan cara menjumlahkan tiap baris kemudian dibagi dengan jumlah kriteria yang ada. Hasil perhitungannya bisa dilihat Tabel 9.
Tabel 9. Rata-Rata Nilai Kriteria Kriteria Jumlah Rata-rata Luas Tanah 2.679292929 0.334912
Atap 0.426767677 0.053346
Dinding 0.426767677 0.053346
Lantai 0.426767677 0.053346
Kerusakan 0.472222222 0.059028 Pekerjaan 1.189393939 0.148674 Gaji perbulan 1.189393939 0.148674
Tabungan 1.189393939 0.148674 e. Perhitungan Rasio Konsistensi
Perhitungan ini digunakan untuk memastikan bahwa rasio konsistensi (CR) <= 0.1. Jika ternyata nilai CR lebih besar dari 0.1, maka matriks perbandingan berpasangan harus diperbaiki.
Untuk menghitung rasio konsistensi, dibuat tabel seperti terlihat dalam tabel 10.
Tabel 10. Perhitungan Rasio Konsistensi Kriteria
Jumlah per baris
Prioritas Hasil Luas Tanah 2.679292929 0.334912 2.768308081 Atap 0.426767677 0.053346 0.434722222 Dinding 0.426767677 0.053346 0.434722222 Lantai 0.426767677 0.053346 0.434722222 Kerusakan 0.472222222 0.059028 0.479377104 Pekerjaan 1.189393939 0.148674 1.214856902 Gaji
perbulan 1.189393939 0.148674 1.214856902 Tabungan 1.189393939 0.148674 1.214856902 Berdasarkan perhitungan dari tabel diatas didapatkan nilai-nilai sebagai berikut:
Jumlah (hasil penjumlahan dari nilai-nilai hasil) : 8.168517102 n (nilai kriteria) : 8
λ maks (jumlah/n) : 1.021065 CI ((λ maks-n)/n-1) : 0.024073872
Mencari nilai CR dengan rumus CI/ IR. Daftar Indeks Random Konsistensi (IR) bisa dilihat dalam Tabel berikut.
Tabel 11. Daftar Indeks Random Ukuran Matriks Nilai IR
1, 2 0.00
3 0.58
4 0.90
5 1.12
6 1.24
7 1.32
8 1.41
9 1.45
10 1.49
11 1.51
12 1.48
13 1.56
14 1.57
15 1.59
Karena pada perbandingan kriteria ini kita menggunakan matriks berukuran 8x8 maka nilai IR yang sesuai untuk digunakan adalah 1.41 sehingga didapatkan hasil CR (CI/IR)
=0.017073668. Oleh karena CR < 0.1, maka rasio konsistensi dari perhitungan tersebut bisa diterima.
Pengujian Sistem
Pada bagian pengujian program ini akan dijelaskan mengenai penggunaan dari aplikasi yang dibuat. Penjelasan aplikasi yang dibuat meliputi tampilan aplikasi, fungsi kontrol dalam aplikasi, serta cara penggunaanya. Pada sub bab akan dijelaskan tentang penggunaan aplikasi per sistem menu, mulai dari tampilan login, fungsi dan cara penggunaannya sampai selesai.
Halaman Login
Halaman Login merupakan halaman yang digunakan untuk menginputkan username dan password sebelum masuk ke sistem,seperti gambar berikut
Gambar 5. Halaman Login
Saat login diklik maka akan sistem akan menvalidasi username dan password melalui script berikut:
1. Sistem akan mencari data user berdasarkan username dan password yang diinputkan melalui script : SELECT * FROM admin WHERE username ='".$username."' AND password='".$passmd5."'. query ini adalah untuk memanggil data admin yang di dalam database berdasarkan username dan password yang telah diinputkan pada form login.
2. Jika data ditemukan maka sistem akan menampilkan halaman login melalui script berikut:
if ( $login['id_admin']!='' ) {
header("location: admin_home.php");
}
Setelah proses login di validasi sistemm maka sistem akan mengerahkan ke tampilan panel halaman utama pada admin yang berisikan beberapa menu dan informasi didalamnya sesuai dengan fungsi masing-masing.
Gambar 6. Halaman Utama
Halaman Laporan AHP
Hasil output laporan sealanjutnya adalah Laporan Hasil perhitungan/Perangkingan AHP yang berisikan urutan data keluarga berdasarkan perhitungan kriteria dalam SPK seleksi penerima Bantuan RTLH digunakan dalam apliksi sistem tersebut.
Gambar 7. Form Cetak Laporan AHP
Gambar 8. Tampilan Form
Tampilan Form diatas sebagai perhitungan untuk menentukan hasil perangkingan pada output laporan keluarga AHP, dimana masing-masing hasil tabel memiliki script dalam perhitungannya. Dari uraian diaatas maka hasil output laporan keluarga AHP dapat menampilkan data yang valid dengan ketentuan dalam Sistem Pendukung Keputusan Seleksi Penerima Bantuan RTLH menggunakan metode AHP.
Gambar 9. Laporan Keluarga AHP
Urutan nama diatas otomatis di validasi sistem pada aplikasi ini sehingga dapat dijadikan acuan untuk seleksi dalam hasil program penelitian ini.
KESIMPULAN DAN SARAN
Dari pembahasan yang dilakukan dalam penelitian, maka dapat diambil kesimpulan bahwa sistem yang dibuat merupakan Sistem Pendukung Keputusan (SPK) yang digunakan membantu dalam pemberian bantuan Rumah Tidak Layak Huni (RTLH) di Kota Padang. SPK ini dapat membantu Dinas Sosial kota Padang dalam pemberian bantuan RTLH yang memiliki kriteria yang diterapkan oleh Dinas Sosial kota Padang sehingga seleksi menjadi lebih mudah dan efisien. Adapun saran yang bermanfaat untuk mengembangkan dan menyempurnakan hasil karya ini adalah merancang sistem tersebut menjadi sistem informasi berbasis mobile sehingga dapat diakses dimana saja.
DAFTAR PUSTAKA
[1] Damayanti, R. (2015). Sistem Pendukung Keputusan Untuk Menentukan Penerimaan Beasiswa Bagi Siswa SMAN 9 Padang Dengan Menggunakan Metode AHP (Analytical Hierarchy Process). Jurnal TeknoIf, 3(2).
[2] Hakim, M. (2017). Sistem Pendukung Keputusan Kategori Rumah Tidak Layak Huni Di Kelurahan Majidi Selong Kabupaten Lombok Timur Dengan Metode Simple Additive Weighting (Saw). Matrik: Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, 17(1), 46-55.
[3] Kusrini. (2007). Konsep dan Aplikasi Sistem Pendukung Keputusan. Penerbit Andi, Yogyakarta.
[4] Kadir, Abdul. (2009). Membuat Aplikasi Web dengan PHP Database MySQL.
Yogyakarta : Andi
[5] Parjono, P., Winarno, W. W., & Luthfi, E. T. (2015). Sistem Pendukung Keputusan Menentukan Kelayakan Rekonstruksi Rumah Miskin (Studi Kasus: Kabupaten Klaten).
Jurnal Teknologi Informasi Respati, 10(30).
[6] Surbakti. 2002. Sistem Pendukung Keputusan (Decision Support System) Yogyakarta:
Graha Ilmu.
[7] Sutabri Tata. 2012. Analisis Sistem Informasi. Yogyakarta: Andi Offset.
[8] Turban, E., dkk. 2005. Decision Support Systems and Intelligent Systems. Yogyakarta:
Andi Offset.