Sistem Pendukung Keputusan Penentuan Penerimaan Dana BOS Pada Siswa Sekolah SMK Sinar Harapan Beringin
Menggunakan Metode ARAS
T.Razeki Aditya Syahputra*, Rivalri Kristianto Hondro, Rian Syahputra
Fakultas Ilmu Komputer dan Teknologi Informasi, Prodi Teknik Informatika, Universitas Budi Darma, Medan, Indonesia Email : 1,*razekaadityasyahputra@gmail.com, 2rivalryhondro@gmail.com, 3ryansyah93@gmail.com
Abstrak-Masalah dalam proses penentuan calon penerimaan dana bantuan operasional sekolah pada siswa yang dihadapai oleh Sekolah SMK Sinar Harapan masih memiliki beberapa masalah seperti masih adanya subjektifitas yang cenderung penilaian calon penerimaan dana bantuan operasional sekolah tersebut masih mengarah kepada pendapat pribadi sehingga proses penilaian memakan waktu yang cukup lama dan tidak tepat sasaran karena dilakukan secara manual sehingga mengakibatkan proses penilaian keputusan menjadi lambat dan hal ini tentunya sangat tidak baik karena mempengaruhi kelancaran operational pada Sekolah Smk Sinar Harapan. Adapun solusi untuk mengatasi masalah yang dihadapi Sekolah Smk Sinar Harapan diperlukan sistem pendukung keputusan untuk memilih calon penerimaan dana BOS Saat memilih metode, perlu menggunakan metode penilaian additive ratio assesment (ARAS). Sistem akan memperoleh keputusan rangking berdasarkan setiap alternatif pilihan berdasarkan sejumlah kriteria yang telah ditetapkan. Alternatif dengan bobot paling banyak adalah alternatif yang direkomendasikan. Penelitian ini menghasilkan sebuah program aplikasi sistem pendukung keputusan. Didesain dengan menggunakan aplikasi berbasis Website yang akan digunakan dengan konsep multi-user, yang didesain hanya untuk kenyamanan pengguna, melalui aplikasi sistem pendukung keputusan ini diharapkan dapat mempermudah proses penentuan calon penerimaan Dana BOS, diharapkan mendapatkan hasil terbaik dari metode Additive Ratio Assessment (ARAS). Dan dilakukan uji coba dengan memasukan sampel data sebanyak 10 calon penerima dana BOS untuk menentukan penerima dana BOS.
Berdasarkan rangking dari 10 calon yang berhak menerima 2 orang dengan nilai dbwah 0,5 yaitu: alternative 10 (Abdi sutoyo) dengan nilai 0,3765 dan alternative 9 (Ade juanda) dengan nilai 0,4058
Kata Kunci: Sistem Pendukung Keputusan; ARAS; Penentuan Calon Penerimaan Dana BOS Pada Siswa
Abstract-The problem in the process of determining candidates for receiving school operational assistance funds for students faced by the Sinar Harapan Vocational School still has several problems such as the existence of subjectivity that tends to assess candidates for receiving school operational assistance funds that still lead to personal opinions so that the assessment proc ess takes a long time. quite long and not right on target because it is done manually so that the decision-assessment process becomes slow and this is certainly not very good because it affects the smooth operation of the Sinar Harapan Vocational School. As f or the solution to overcome the problems faced by the Sinar Harapan Vocational School, a decision support system is needed to select candidates for receiving BOS funds. When choosing a method, it is necessary to use the additive ratio assessment (ARAS ) method. The system will obtain a ranking decision based on each alternative choice based on a number of predetermined criteria.
The alternative with the most weights is the recommended alternative. This research produces a decision support system application program. Designed using a Website-based application that will be used with a multi-user concept, which is designed only for user convenience, through this decision support system application, it is expected to facilitate the process of dete rmining prospective BOS Fund recipients, it is expected to get the best results from the Additive Ratio Assessment (ARAS) method. . And a trial was conducted by entering a sample of 10 BOS fund recipients to determine the recipient of BOS funds. Based on the ranking of 10 candidates who are entitled to receive 2 people with a dbwah value of 0.5, namely: alternative 10 (Abdi Sutoyo) with a value of 0.3765 and alternative 9 (Ade Juanda) with a value of 0.4058
Keywords: Decision Support System; ARAS; Determination of Candidates for BOS Fund Receipt in Students
1. PENDAHULUAN
Sekolah Menengah Kejuruan (SMK) Sinar Harpan merupakan salah satu lembaga pendidikan yang tumbuh dan berkembang di Kabupaten Deli Serdang, mendapatkan pendidikan yang baik merupakan salah satu hak asasi manusia yang paling mendasar yang tercantum pada UUD 1945 pasal 31. Pembiayaan masih kerap terjadi permasalahan dalam lembaga-lembaga pendidikan, khususnya lembaga pendidikan swasta yang memiliki yayasan [1].
Maka dari itu pemerintah telah memiliki program pendidikan gratis dan telah menetapkan program wajib belajar 12 tahun, untuk mendukung program tersebut, pemerintah maupun swasta memberikan bantuan pendidikan melalui program Bantuan Operasional Sekolah (BOS). Dengan adanya bantuan tersebut siswa mendapakan keringan dalam dunia pendidikannya [2].
Namun dimana selama ini sistem yang sedang berjalan masih banyak kesulitan dan ketidaksesuaian Dalam proses penentuan bantuan dana BOS tersebut masih memiliki beberapa masalah seperti masih adanya subjektifitas yang cenderung penilaian calon dana BOS masih mengarah kepada pendapat pribadi sehingga proses penilaian memakan waktu yang cukup lama karena dilakukan secara manual sehingga mengakibatkan proses penilaian keputusan menjadi lambat dan hal ini tentunya sangat tidak baik karena mempengaruhi kelancaran operational pada Sekolah SMK Sinar Harapan. Atas permasalahan tersebut diberikan sebuah solusi yang kreatif dengan memanfaatkan teknologi, yaitu membuat sistem pendukung keputusan penentuan penerimaan dana Bantuan Operasional Sekolah (BOS).
Untuk membantu kinerja suatu sistem agar lebih efisien pada penelitian ini menggunakan Sistem Pendukung Keputusan dengan metode Additive Ratio Assessment (ARAS), merupakan sistem yang menghandalkan kemampuan
Page | 383 intelektual manusia dan komputer yang menghasilkan berbagai alternatif dalam memperbaiki sebuah keputusan.
Metode ini termasuk metode yang sudah teruji dibuktikan dengan beberapa penelitian tentang Sistem Pendukung Keputusan dengan menggunakan metode yang sama yaitu metode Additive Ratio Assessment (ARAS).
Beberapa penelitian tersebut seperti penelitian yang membahas tentang implementasi penentuan SMA dan SMK terbaik [3], seleksi awal penerimaan Kartu Indonesia Sehat (KIS) [4]. Beberapa penelitian tersebut menyimpulkan bahwa proses penilaian dengan menggunakan metode Additive Ratio Assessment (ARAS) menghasilkan penilaian dengan tingkat akurasi yang cukup akurat. Additive Ratio Assessment (ARAS) adalah metode yang digunakan untuk perangkingan kriteria, secara konsep metode ARAS digunakan dengan metode lain yang menggunakan konsep perangkingan [5], agar perhitungan pada sistem pendukung keputusan pemilihan peserta calon bantuan yang komprehensif dengan memperhitungkan hal-hal yang bersifat kualitatif dan kuantitatif, Dalam metode ini kriteria yang digunakan dalam penentuan penerimaan dana Bantuan Operasional Sekolah (BOS) ialah pada jenis pekerjaan, penghasilan orang tua, jumlah tanggungan orang tua dan kehadiran siswa yang biasanya sangat memiliki tingkat perbedaan yang cukup banyak sehingga penghasilan penghasilan yang dimiliki berbeda. Tujuan dari penelitian ini adalah membangun perangkat lunak/sistem yang berfungsi sebagai alat bantu pengambilan keputusan penentuan penerimaan dana Bantuan Operasional Sekolah (BOS) pada SMK Sekolah Sinar Harapan Beringin, untuk menentukan mana yang berhak menerima dan mana yang tidak berhak menerima program pemilihan penentuan penerimaan dana Bantuan Operasional Sekolah (BOS).
Berdasarkan permasalahan tersebut maka pada penelitian ini penulis membangun sistem pendukung keputusan penentuan penerimaan dana Bantuan Operasional Sekolah pada Sekolah SMK Sinar Harapan Beringin. Sistem pendukung keputusan merupakan sebuah sistem informasi berbasis komputer yang mampu memberikan hasil pengambilan keputusan yang optimal untuk membantu tim manajemen dalam menangani masalah terstruktur dan tidak terstruktur. Metode yang diterapkan pada sistem yang dibangun adalah metode Additive Ratio Assessment (ARAS).
Alasan penulis memilih metode ARAS karena ARAS mampu menyelesaikan masalah dengan tingkat kepentingan dengan beberapa kriteria dan sub kriteria yang sudah ditentukan. Metode ARAS merupakan metode kuantitatif yang menggunakan sistem perhitungan bobot dan konsep perangkingan. Metode ARAS didasarkan pada argumen bahwa masalah kompleks dapat dipahami hanya dengan menggunakan perbandingan relatif. Dalam ARAS, perbandingan jumlah nilai norma ternormalisasi dan tertimbang menggambarkan alternatif yang dipertimbangkan dengan jumlah nilai norma normal dan berbobot yang menggambarkan alternatif terbaik [6]
2. METODOLOGI PENELITIAN
2.1 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan adalah sistem penghasil informasi yang ditujukan pada suatu masalah tertentu yang harus dipecahkan oleh manager dan dapat membantu manager dalam pengambilan keputusan[7]. Sistem Pendukung Keputusan merupakan suatu sistem yang dirancang untuk membantu dalam mengambil satu keputusan. Dilakukan dengan memanfaatkan data dan model keputusan untuk memecahkan masalah yang bersifat semi terstruktur ataupun tidak terstruktur[8]–[11].
2.2 Metode ARAS (Addative Assessment Ratio)
Metode ARAS merupakan salah satu metode pengambilan keputusan multikriteria berdasarkan pada konsep perangkingan menggunakan utility degree yaitu dengan membandingkan nilai indeks keseluruhan setiap alternatif terhadap nilai indeks keseluruhan alternatif optimal (Perbandingan ARAS). Adapun tahapan dalam melakukan proses perangkingan dengan metode ARAS, sebagai berikut[12]–[15]:
1. Pembentukan Decision Making Matriks X
X= [
𝑋𝑜𝑖 𝑋𝑜𝑗 … 𝑋𝑜𝑛
𝑋𝑖1 𝑋𝑖𝑗 … 𝑋𝑖𝑛
⋮ ⋮ ⋱ ⋮
𝑋𝑛𝑖 𝑋𝑚𝑗 … 𝑋𝑚𝑛
] (i=0, m; … j = 1, n)
Jika nilai optimum nilai J ( 𝑋0𝑗) Tidak di ketahui maka:
Xoj = Max𝑀𝑖𝑛
𝑖 = Xij. If 𝑀𝑎𝑥
𝑖 . Xij Lebih baik Xoj = Max𝑀𝑖𝑛
𝑖 = Xij. If 𝑀𝑖𝑥
𝑖 . Xij Lebih baik 2. Normalisasi Matrik Keputusan
Jika kriteria beneficial (Max) maka dilakukan normalisasi mengikuti:
Xij* = ∑ =0 𝑋𝑖𝑗𝑚𝑋𝑖𝑗
1
Jika kriteria nonbeneficial maka dilakukan normalisasi mengikuti:
Tahap 1: Xij* = 𝑋𝑖𝑗1
Tahap 2: R = ∑𝑚𝑋𝑖𝑗∗𝑋𝑖𝑗∗
𝑖=0
3. Menentukan bobot matriks D = [dij] m x n = rij.wij
4. Menentukan Nilai dari fungsi optimalisasi (Si) Si = ∑𝑛𝑖 = 1 dij (i = 1,2,.,m:j = 1,2,….,n)
5. Menentukan tingkat peringkat tertinggi dari alternative Ki = 𝑠𝑖
𝑠𝑜
Dimana Si dan S0 merupakan nilai kriteria optimalitas
3. HASIL DAN PEMBAHASAN
Berikut ini adalah data penentuan Dana Bantuan Operasional Sekolah (BOS) pada Siswa SMK Sekolah Sinar Harapan Beringin, Pengambilan keputusan ini berdasarkan pada kriteria yang sudah menjadi penentu dalam melakukan seleksi calon penerima Dana Bantuan Operasional Sekolah (BOS) pada Siswa berikut ini adalah kriteria yang digunakan :
Tabel 1. Bobot Kriteria Penilaian
No. Kode Kriteria Nama Kriteria Bobot Jenis 1 C1 Jenis Pekerjaan Orang Tua 0,30 Cost
2 C2 Penghasilan Orang Tua 0,10 Cost
3 C3 Jumlah Dalam Satu Keluarga 0,15 Benefit
4 C4 Absensi Siswa 0,25 Cost
5 C5 Usia Orang Tua 0,20 Benefit
Berdasarkan data yang didapat tersebut perlu dilakukan konversi setiap kriteria untuk dapat dilakukan pengolahan kedalam metode ARAS. Berikut ini adalah tabel konversi dari kriteria yang digunakan :
1. Pekerjaan
kriteria pekerjaan adalah ketentuan untuk menentukan jenis pekerjaan terhadap satu kepala keluarga berdasarkan kartu keluarga yang ditetapkan, untuk kriteria pekerjaan disini adalah cost.
Tabel 2. Kriteria Jenis Pekerjaan Orang Tua (C1)
No Kriteria Bobot
1 Petani 4
2 Wiraswasta 3
3 Pkwt ( Pekerja kontrak waktu tertentu) 2
4 Pekerja Tetap 1
2. Penghasilan Orang Tua
kriteria Penghasilan Orang Tua adalah suatu ketentuan jumlah nominal penghasilan Pekerjaan kepala keluarga dalam perbulan, untuk menentukan Dana Bantuan Operasional Sekolah (BOS) pada Siswa yang pantas menerima dan yang mana tidak pantas untuk menerima bantuan tersebut, dan disini kriteria pekerjaan merupakan cost.
Tabel 3. Kriteria Penghasilan Orang Tua (C2)
No Kriteria Bobot
1 Rp. 0 - 500,000 4
2 Rp. 600,000 - 1,100,000 3 3 Rp. 1,200,000 - 1,700,000 2
4 ≥ Rp.1,700,000 1
3. Jumlah Dalam Satu keluarga
Di dalam kriteria Jumlah dalam Satu keluarga adalah suatu ketentuan berapa jumlah orang pada dalam satu keluarga berdasarkan kartu keluarga untuk menentukan Dana Bantuan Operasional Sekolah (BOS) pada Siswa yang pantas menerima dan yang mana tidak pantas untuk menerima bantuan tersebut, dan disini kriteria Jumlah Dalam Satu keluarga merupakan benefit.
Tabel 4. Kriteria Jumlah Satu Keluarga (C3) No Kriteria Bobot
1 Di Atas 4 Orang 5
2 4 Orang 4
3 3 Orang 3
4 2 Orang 2
Page | 385 4. Jumlah Absensi Siswa
Di dalam kriteria kehadiran siswa adalah suatu ketentuan berapa jumlah absensi siswa dalam dua semester berdasarkan absensi kehadiran siswa untuk menentukan Dana Bantuan Operasional Sekolah (BOS) pada Siswa yang pantas menerima dan yang mana tidak pantas untuk menerima bantuan tersebut, dan disini kriteria Jumlah Dalam Satu keluarga merupakan cost.
Tabel 5. Kriteria Jumlah Absensi Siswa (C4) No Kriteria Bobot
1 0 - 1 Absensi 3 2 2 - 3 Absensi 2 3 > 3 Absensi 1 5. Usia Orang Tua
Di dalam kriteria usia orang tua adalah ketentuan untuk menentukan usia dalam kepala keluarga berdasarkan menurut kartu keluarga dalam menentukan Dana Bantuan Operasional Sekolah (BOS) pada Siswa yang pantas menerima dan yang mana tidak pantas untuk menerima bantuan tersebut, Kriteria Usia disini adalah benefit.
Tabel 6. Kriteria Usia Orang Tua (C5)
No Kriteria Bobot
1 Di Atas 40 Tahun 5 2 36 – 40 Tahun 4 3 31 – 35 Tahun 3 4 26 – 30 Tahun 2 5 Di Bawah 26 Tahun 1
Adapun data calon Penrima menentukan Dana Bantuan Operasional Sekolah (BOS) pada Siswa pada SMK Sinar Harapan sebagai berikut:
Tabel 7. Sample Data Alternatif Calon Bantuan Operasional Sekolah (BOS) pada SMK Sekolah Sinar Harapan
No.
Nama Calon Penerima
Kriteria Pekerjaan
Orang Tua
Penghasilan Orang Tua
Jumlah Dalam Satu Keluarga
Jumlah Absesnsi
Usia Orang
Tua
1. Syahreza Wiraswasta Rp. 1,700,000 6 Orang 4 Absensi 45 Tahun
2. Abdi Stuyo Petani Rp.500,000 3 Orang 0 Absensi 35 Tahun
3. Adam Algani Pekerja
Tetap Rp. 2,800,000 5 Orang 4 Absensi 45 Tahun 4. Adam Hermanto Wiraswasta Rp.2,000,000 7 Orang 5 Absensi 57 Tahun
5. Ade Fahrel Pkwt Rp. 1,700,000 5 Orang 5 Absensi 50 Tahun
6. Ade Juanda Petani Rp. 500,000 5 Orang 0 Absensi 35 Tahun
7. Ade Liya Tri Ana Pekerja
Tetap Rp. 2,800,000 3 Orang 1 Absensi 33 Tahun 8. Adelia Febriani Wiraswasta Rp. 2,000,000 5 Orang 2 Absensi 41 Tahun 9. Adelia Sahpitri Pkwt Rp. 1,700,000 2 Orang 4 Absensi 30 Tahun
10. Adellia Petani Rp. 500,000 5 Orang 4 Absensi
35 ah u n 1. Membentuk Matriks Keputusan
Sebelum membentuk matriks keputusan, metode ARAS memerlukan nilai fungsi optimum kriteria (X0), yaitu nilai Alternatif 0 (A0) yang digunakan dalam menentukan nilai tingkatan peringkat/kelayakan dengan perannya sebagai nilai terbaik alternatif (S0), maka dapat diketahui sebagai berikut:
𝑋0𝑗= 𝑚𝑎𝑥
1 Xij Jika (𝐵𝑒𝑛𝑒𝑓𝑖𝑡) 𝑋0𝑗= 𝑚𝑖𝑛
1 Xij Jika (𝐶𝑜𝑠𝑡) Dimana :
Nilai A0 pada kriteria Jenis Pekerjaan Orang Tua (min) adalah 1 Nilai A0 pada kriteria Penghasilan Orang Tua (min) adalah 1 Nilai A0 pada kriteria Jumlah Dalam Satu Keluarga (max) adalah 5 Nilai A0 pada kriteria Absensi Siswa (min) adalah 1
Nilai A0 pada kriteria Usia Orang Tua (max) adalah 5
Calon penerima menentukan Dana Bantuan Operasional Sekolah (BOS) pada Siswa SMK Sinar Harapan Beringin, yang dihitung kriteria – kriteria penunjang untuk mengetahui prioritas kelayakan untuk diterima sebagai penerima Dana Bantuan Operasional Sekolah (BOS). Berikut adalah hasil konversi data calon penerima Dana Bantuan Operasional Sekolah (BOS) yang telah dilakukan pembobotan berdasarkan dari Tabel 7 data daftar calon penerima yaitu:
Tabel 8. Hasil Konversi Data Calon Penerima Dana Bantuan Operasional Sekolah No Kode Calon Nama Calon Peneriama C1 C2 C3 C4 C5
1 A1 Syahreza 3 2 5 1 5
2 A2 Abdi Sutoyo 4 4 3 3 3
3 A3 Adam Algani 1 1 5 1 5
4 A4 Adam Hermanto 3 1 5 1 5
5 A5 Ade Fahrel 2 2 2 1 5
5 A6 Ade Juanda 4 4 4 3 3
7 A7 Adel Liya Tri Ana 1 1 1 3 3
8 A1 Adelia Febriani 3 1 1 2 5
9 A9 Adelia Sahpitri 2 2 2 1 2
10 A10 Adellia 4 4 4 1 3
Berikut adalah matriks keputusan berdasarkan data hasil konversi nilai alternatif yaitu sebagai berikut:
X=
[
1 1 5 1 5
3 2 5 1 5
4 4 3 3 3
1 1 5 1 5
3 1 5 1 5
2 2 2 1 5
4 4 4 3 3
1 1 1 3 3
3 1 1 2 5
2 2 2 1 2
4 4 4 1 3]
2. Normalisasi Matriks
Dalam pembahasan perhitungan metode ARAS ini, akan diambil 10 sampel dari calon Penerima yang memiliki 5 kriteria. Perhitungan metode ARAS dalam sistem jika dihitung secara manual, dapat kita lihat penyelesaiannya sebagai berikut:
Pada data terdapat field kode calon penerima yaitu: 1, 2 sampai 10 yang menjadi calon penerima (Ai). Dengan kriteria (Cj) yaitu Jenis Pekerjaan Orang Tua (Cost), Penghasilan Orang Tua (Cost), Jumlah Dalam Satu Keluarga (Benefit), Absensi Siswa (Cost), Usia Orang Tua (Benefit).
Diketahui :
a. Ai = 1(A1), 2 (A2), 3(A3), 4(A4), 5(A5), 7(A7), 8(A8), 9(A9), 10(A10).
b. Cj = Jenis Pekerjaan Orang Tua (C1), Penghasilan Orang Tua (C2), Jumlah Dalam Satu Keluarga (C3), Absensi Siswa (C4), Usia Orang Tua (C5).
c. Rangking kecocokan setiap calon penerimaan Bantua Dana Bos (BOS) pada setiap kriteria (tabel 4.2 - 4.7).
Bobot preferensi (w) untuk setiap kriteria (C1, C2, C3, C4, C5) = (0.30, 0.10, 0.15, 0.25, 0.20) dapat dilihat pada (tabel 4.1).
Keterangan :
Nilai bobot preferensi untuk Jenis Pekerjaan (C1) yaitu 0,30 Nilai bobot preferensi untuk Penghasilan Orang Tua (C2) yaitu 0,10 Nilai bobot preferensi untuk Jumlah Dalam Satu Keluarga (C3) yaitu 0,15 Nilai bobot preferensi untuk Absensi Siswa (C4) yaitu 0,25
Nilai bobot preferensi untuk Usia Orang Tua (C5) yaitu 0,20
kolom 1 (kolom kriteria NonBeneficial (Cost) “Jenis Pekerjaan Orang Tua”) sebagai berikut:
X0,1 * = 1
𝑋0,1 = 11= 1,0000 X1,1 * = 1
𝑋1,1 = 1
3= 0,3333 X2,1 * = 1
𝑋2,1 = 14= 0,2500 X3,1 * = 1
𝑋3,1 = 11= 1,0000 X4,1 * = 1
𝑋4,1 = 13= 0,3333 X * = 1 = 1= 0,5000
Page | 387 X6,1 * = 1
𝑋6,1 = 1
4= 0,2500 X7,1 * = 1
𝑋7,1 = 1
1= 1,0000 X8,1 * = 1
𝑋8,1 = 1
3= 0,3333 X9,1 * = 𝑋9,11 = 12= 0,5000 X10,1 * = 1
𝑋10,1 = 1
4= 0,2500
R0,1 = 1,0000
1,0000+0,3333+0,2500+1,0000 +0,3333+0,5000+0,2500+1,0000+0,3333+0,5000+0,2500=1,0000
5,7499= 0,1739
R1,1 = 0,3333
1,0000+0,3333+0,2500+1,0000 +0,3333+0,5000+0,2500+1,0000+0,3333+0,5000+0,2500=0,3333
5,7499= 0,0580
R2,1 = 0,2500
1,0000+0,3333+0,2500+1,0000 +0,3333+0,5000+0,2500+1,0000+0,3333+0,5000+0,2500=0,2500
5,7499= 0,0435
R3,1 = 1,0000
1,0000+0,3333+0,2500+1,0000 +0,3333+0,5000+0,2500+1,0000+0,3333+0,5000+0,2500=1,0000
5,7499= 0,1739
R4,1 = 0,3333
1,0000+0,3333+0,2500+1,0000 +0,3333+0,5000+0,2500+1,0000+0,3333+0,5000+0,2500=0,3333
5,7499= 0,0580
R5,1 = 0,5000
1,0000+0,3333+0,2500+1,0000 +0,3333+0,5000+0,2500+1,0000+0,3333+0,5000+0,2500=0,5000
5,7499= 0,0870
R6,1 = 0,2500
1,0000+0,3333+0,2500+1,0000 +0,3333+0,5000+0,2500+1,0000+0,3333+0,5000+0,2500=0,2500
5,7499= 0,0435
R7,1 = 1,0000
1,0000+0,3333+0,2500+1,0000 +0,3333+0,5000+0,2500+1,0000+0,3333+0,5000+0,2500=1,0000
5,7499= 0,1739
R8,1 = 0,3333
1,0000+0,3333+0,2500+1,0000 +0,3333+0,5000+0,2500+1,0000+0,3333+0,5000+0,2500=0,3333
5,7499= 0,0580
R9,1 = 0,5000
1,0000+0,3333+0,2500+1,0000 +0,3333+0,5000+0,2500+1,0000+0,3333+0,5000+0,2500=0,5000
5,7499= 0,0870
R10,1 = 0,2500
1,0000+0,3333+0,2500+1,0000 +0,3333+0,5000+0,2500+1,0000+0,3333+0,5000+0,2500=0,2500
5,7499= 0,0435
Matriks keputusan ARAS normalisasi kolom 2 (kolom kriteria NonBeneficial (Cost) “Penghasilan Orang Tua”), sebagai berikut:
X0,2 * = 1
𝑋0,2 = 1
1= 1,0000 X1,2 * = 1
𝑋1,2 = 12= 0,5000 X2,2 * = 1
𝑋2,2 = 1
4= 0,2500 X3,2 * = 1
𝑋3,2 = 11= 1,0000 X4,2 * = 1
𝑋4,2 = 1
1= 1,0000 X5,2 * = 1
𝑋5,2 = 12= 0,5000 X6,2 * = 1
𝑋6,2 = 1
4= 0,2500 X7,2 * = 1
𝑋7,2 = 11= 1,0000 X8,2 * = 1
𝑋8,2 = 1
1= 1,0000 X9,2 * = 1
𝑋9,2 = 12= 0,5000 X10,2 * = 1
𝑋10,2 = 14= 0,2500
R0,2 = 1,0000
1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500=1,0000
7,25 = 0,1379
R1,2 = 0,5000
1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500=0,5000
7,25 = 0,0690
R2,2 = 0,2500
1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500=0,2500
7,25 = 0,0345
R3,2 = 1,0000
1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500=1,0000
7,25 = 0,1379
R4,2 = 1,0000
1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500=1,0000
7,25 = 0,1379
R5,2 = 0,5000
1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500=0,5000
7,25 = 0,0690
R6,2 = 0,2500
1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500=0,2500
7,25 = 0,0345
R7,2 = 1,0000
1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500=1,0000
7,25 = 0,1379
R8,2 = 1,0000
1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500=1,0000
7,25 = 0,1379
R9,2 = 0,5000
1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500=0,5000
7,25 = 0,0690
R10,2 = 0,2500
1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500+1,0000+1,0000+0,5000+0,2500=0,2500
7,25 = 0,0345
Matriks keputusan ARAS normalisasi kolom 3 (kolom kriteria Benefit “Jumlah Dalam Satu Keluarga”), sebagai berikut:
R0,3 = 5
5+5+3+ 5+5+2+4+1+1+2+4 = 5
37= 0,1351
R1,3 = 5
5+5+3+ 5+5+2+4+1+1+2+4 = 5
37= 0,1351
R2,3 = 3
5+5+3+ 5+5+2+4+1+1+2+4 = 3
37= 0,0811
R3,3 = 5
5+5+3+ 5+5+2+4+1+1+2+4 = 5
37= 0,1351
R4,3 = 5
5+5+3+ 5+5+2+4+1+1+2+4 = 5
37= 0,1351
R5,3 = 2
5+5+3+ 5+5+2+4+1+1+2+4 = 2
37= 0,0541
R6,3 = 4
5+5+3+ 5+5+2+4+1+1+2+4 = 4
37= 0,1081
R7,3 = 1
5+5+3+ 5+5+2+4+1+1+2+4 = 1
37= 0,0270
R8,3 = 1
5+5+3+ 5+5+2+4+1+1+2+4 = 1
37= 0,0270
R9,3 = 2
5+5+3+ 5+5+2+4+1+1+2+4 = 2
37= 0,0541
R10,3 = 4
5+5+3+ 5+5+2+4+1+1+2+4 = 4
37= 0,1081
3. Menentukan Bobot Matriks
Berikut proses penghitungan untuk menentukan bobot matriks dengan menggunakan persamaan yaitu:
𝐷 = [𝑑𝑖𝑗] 𝑚𝑋𝑛 = 𝑟𝑖𝑗. 𝑤𝑗
Dimana w (bobot kriteria) adalah {0.30 ; 0.10 ; 0.15 ; 0.25 ; 0.20 }
Bobot matriks keputusan kolom 1 (kolom kriteria “Jenis Perkejaan Orang Tua” sebagai berikut:
𝐷0,1= 𝑟0,1. 𝑤1 = 0,1739 ∗ 0,30 = 0,0522 𝐷1,1= 𝑟1,1. 𝑤1 = 0,0580 ∗ 0,30 = 0,0174 𝐷2,1= 𝑟2,1. 𝑤1 = 0,0435 ∗ 0,30 = 0,0130 𝐷3,1= 𝑟3,1. 𝑤1 = 0,1739 ∗ 0,30 = 0,0522 𝐷4,1= 𝑟4,1. 𝑤1 = 0,0580 ∗ 0,30 = 0,0174 𝐷5,1= 𝑟5,1. 𝑤1 = 0,0870 ∗ 0,30 = 0,0261 𝐷6,1= 𝑟6,1. 𝑤1 = 0,0435 ∗ 0,30 = 0,0130 𝐷7,1= 𝑟7,1. 𝑤1 = 0,1739 ∗ 0,30 = 0,0522 𝐷8,1= 𝑟8,1. 𝑤1 = 0,0580 ∗ 0,30 = 0,0174 𝐷9,1= 𝑟9,1. 𝑤1 = 0,0870 ∗ 0,30 = 0,0261 𝐷10,1= 𝑟10,1. 𝑤1 = 0,0435 ∗ 0,30 = 0,0130
Bobot matriks keputusan kolom 2 (kolom kriteria “Penghasilan Orang Tua” sebagai berikut:
𝐷0,2= 𝑟0,2. 𝑤2 = 0,1379 ∗ 0,10 = 0,0138 𝐷1,2= 𝑟1,2. 𝑤2 = 0,0690 ∗ 0,10 = 0,0069 𝐷2,2= 𝑟2,2. 𝑤2 = 0,0345 ∗ 0,10 = 0,0034 𝐷3,2= 𝑟3,2. 𝑤2 = 0,1379 ∗ 0,10 = 0,0138 𝐷4,2= 𝑟4,2. 𝑤2 = 0,1379 ∗ 0,10 = 0,0138 𝐷5,2= 𝑟5,2. 𝑤2= 0,0690 ∗ 0,10 = 0,0069 𝐷6,2= 𝑟6,2. 𝑤2 = 0,0345 ∗ 0,10 = 0,0034 𝐷7,2= 𝑟7,2. 𝑤2 = 0,1379 ∗ 0,10 = 0,0138 𝐷8,2= 𝑟8,2. 𝑤2 = 0,1379 ∗ 0,10 = 0,0138 𝐷9,2= 𝑟9,2. 𝑤2 = 0,0690 ∗ 0,10 = 0,0069 𝐷10,2= 𝑟10,2. 𝑤2 = 0,0345 ∗ 0,10 = 0,0034
Bobot matriks keputusan kolom 3 (kolom kriteria “Jumlah Dalam Satu Keluarga” sebagai berikut:
𝐷0,3= 𝑟0,3. 𝑤3 = 0,1351 ∗ 0,15 = 0,0203 𝐷1,3= 𝑟1,3. 𝑤3= 0,1351 ∗ 0,15 = 0,0203 𝐷2,3= 𝑟2,3. 𝑤3 = 0,0811 ∗ 0,15 = 0,0123 𝐷3,3= 𝑟3,3. 𝑤3 = 0,1351 ∗ 0,15 = 0,0203 𝐷4,3= 𝑟4,3. 𝑤3 = 0,1351 ∗ 0,15 = 0,0203 𝐷5,3= 𝑟5,3. 𝑤3= 0,0541 ∗ 0,15 = 0,0081 𝐷6,3= 𝑟6,3. 𝑤3 = 0,1081 ∗ 0,15 = 0,0162
Page | 389 𝐷7,3= 𝑟7,3. 𝑤3 = 0,0270 ∗ 0,15 = 0,0041
𝐷8,3= 𝑟8,3. 𝑤3 = 0,0270 ∗ 0,15 = 0,0041 𝐷9,3= 𝑟9,3. 𝑤3 = 0,0541 ∗ 0,15 = 0,0081 𝐷10,3= 𝑟10,3. 𝑤3 = 0,1081 ∗ 0,15 = 0,0162
Bobot matriks keputusan kolom 4 (kolom kriteria “Jumlah Absensi Siswa” sebagai berikut:
𝐷0,4= 𝑟0,4. 𝑤4 = 0,1176 ∗ 0,25 = 0,0294 𝐷1,4= 𝑟1,4. 𝑤4= 0,1176 ∗ 0,25 = 0,0294 𝐷2,4= 𝑟2,4. 𝑤4 = 0,0392 ∗ 0,25 = 0,0098 𝐷3,4= 𝑟3,4. 𝑤4 = 0,1176 ∗ 0,25 = 0,0294 𝐷4,4= 𝑟4,4. 𝑤4 = 0,1176 ∗ 0,25 = 0,0294 𝐷5,4= 𝑟5,4. 𝑤4= 0,1176 ∗ 0,25 = 0,0294 𝐷6,4= 𝑟6,4. 𝑤4 = 0,0392 ∗ 0,25 = 0,0098 𝐷7,4= 𝑟7,4. 𝑤4 = 0,0392 ∗ 0,25 = 0,0098 𝐷8,4= 𝑟8,4. 𝑤4 = 0,0588 ∗ 0,25 = 0,0147 𝐷9,4= 𝑟9,4. 𝑤4 = 0,1176 ∗ 0,25 = 0,0294 𝐷10,4= 𝑟10,4. 𝑤4 = 0,1176 ∗ 0,25 = 0,0294
Bobot matriks keputusan kolom 5 (kolom kriteria “Usia Orang Tua” sebagai berikut:
𝐷0,5= 𝑟0,5. 𝑤5 = 0,1136 ∗ 0,20 = 0,0227 𝐷1,5= 𝑟1,5. 𝑤5= 0,1136 ∗ 0,20 = 0,0227 𝐷2,5= 𝑟2,5. 𝑤5 = 0,0682 ∗ 0,20 = 0,0136 𝐷3,5= 𝑟3,5. 𝑤5 = 0,1136 ∗ 0,20 = 0,0227 𝐷4,5= 𝑟4,5. 𝑤5 = 0,1136 ∗ 0,20 = 0,0227 𝐷5,5= 𝑟5,5. 𝑤5= 0,1136 ∗ 0,20 = 0,0227 𝐷6,5= 𝑟6,5. 𝑤5 = 0,0682 ∗ 0,20 = 0,0136 𝐷7,5= 𝑟7,5. 𝑤5 = 0,0682 ∗ 0,20 = 0,0136 𝐷8,5= 𝑟8,5. 𝑤5 = 0,1136 ∗ 0,20 = 0,0227 𝐷9,5= 𝑟9,5. 𝑤5 = 0,0455 ∗ 0,20 = 0,0091 𝐷10,5= 𝑟10,5. 𝑤5 = 0,0682 ∗ 0,20 = 0,0136
Maka dari perhitungan bobot matriks keputusan dapat diperoleh hasil matriks sebagai berikut:
D =
[
0,0522 0,0138 0,0203 0,0294 0,0227 0,0174 0,0069 0,0203 0,0294 0,0227 0,0130 0,0034 0,0123 0,0098 0,0136 0,0522 0,0138 0,0203 0,0294 0,0227 0,0174 0,0138 0,0203 0,0294 0,0227 0,0261 0,0069 0,0081 0,0294 0,0227 0,0130 0,0034 0,0162 0,0098 0,0136 0,0522 0,0138 0,0041 0,0098 0,0136 0,0174 0,0138 0,0041 0,0147 0,0227 0,0261 0,0069 0,0081 0,0294 0,0091 0,0130 0,0034 0,0162 0,0294 0,0136]
Hasil keputusan dalam menentukan kelayakan calon penerimaan, yaitu sebagai berikut : Tabel 9. Hasil Keputusan
No Kode Nama Calon Penerima
Nilai Optimal
(S)
Nilai Akhir
(K)
Prioritas Penerima Dana
BOS Fungsi Optimal (S0) 0,1384 1,0000 -
1 A3 Adam Algani 0,1384 1,0000 1
2 A4 Adam Hermanto 0,1036 0,7486 2
3 A1 Syahreza 0,0967 0,6988 3
4 A7 Adeliya Triana 0,0935 0,6754 4
5 A5 Ade Fahrel 0,0932 0,6737 5
6 A9 Adelia Sahpitri 0,0796 0,5752 6
7 A10 Adelia 0,0758 0,5475 7
8 A8 Adelia Febriani 0,0727 0,5252 8
9 A6 Ade Juanda 0,0561 0,4058 9
10 A2 Abdi Sutoyo 0,0521 0,2765 10
Berdasarkan tabel di atas, penentuan Penerimaan Bantuan Dana BOS pada siswa yang tidak berhak mendapatkan bantuan dana BOS ialah Adam Algani, Adam Hermanto, Syahreza, Adeliya Triana, Ade Fahrel, Adelia Sahpitri, Adelia, Adelia Febriani dikarenakan Calon Penerima yang di sebutkan Namanya tersebut masuk dalam kriteria Nilai Akhir 1,0000 sampai dengan 05,000 dalam ketentuan penenerimaan bantuan dana BOS pada Sekolah SMK Sinar Harapan.
4 KESIMPULAN
Setelah dilakukan penelitian, Dan berdasarkan rumusan masalah yang telah dijelaskan pada Bab I sebelumnya maka kesimpulan dari penelitian ini yaitu sebagai untuk menganalisa permasalahan prosedur yakni yang masih menggunakan sistem tunjuk sehingga masih kurang efektif dalam penilaian terhadap siswa secara keseluruhan yang hanya melibatkan satu atau dua kriteria dan hanya melihat jenis pekerjaan orang tua dan melihat latar belakang siswa saja.dalam penentuan penerimaan bantuan dana BOS pada Sekolah SMK Sinar Harpan. Berdasarkan hasil penelitian, metode ARAS (Additive Ratio Assessment) mampu menyelesaikan masalah yang dihadapi oleh Sekolah SMK Sinar Harapan khususnya dalam hal penentuan penerimaan bantuan dana BOS. Berdasarkan hasil desain pada penelitian ini, di dapatkan hasil bahwasanya sistem yang dirancang (Unifed Modeling Language) UML sesuai dengan kebutuhan Sekolah SMK Sinar Harapan. Berdasarkan hasil pengujian oleh Kabag Sekolah SMK Sinar Harapan, sistem dinyatakan layak untuk digunakan dalam memaksimalkan menentukan penerimaan bantuan dana BOS
REFERENCES
[1] U. Lestari and R. Yanwastika Ariyana, “SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) STUDI KASUS: SMK NEGERI 4 KEPAHIANG PROVINSI BENGKULU,” J. Scr., vol. 9, no. 2, 2021.
[2] S. Fernanda and Y. Fernando, “PENERAPAN SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN DANA BANTUAN OPERASIONAL SEKOLAH PADA SISWA SMA N 1 SIDOMULYO MENGGUNAKAN METODE TOPSIS BERBASIS WEB,” 2017.
[3] J. Khatib Sulaiman, M. Iqbal, B. Satria, T. Radillah, and I. Artikel, “Implementasi SPK Menggunakan Metode ARAS Untuk Penentuan SMA dan SMK Terbaik Berbasis Website AMIK Mitra Gama,” Indones. J. Comput. Sci. Attrib., vol. 4, no. 2, pp. 2021–425.
[4] Betrisandi and Bahrin, “Sistem Pendukung Keputusan Seleksi Awal Penerima Kartu Indonesia Sehat (KIS) Menggunakan Metode ARAS,” J. Nas. Komputasi dan Teknol. Inf., vol. 5, no. 2, 2022.
[5] S. D. Handayani, “Sistem Pendukung Keputusan Penentuan Mutasi Pegawai Pada Kantor Gubernur Sumatera Utara Dengan Menggunakan Metode Additive Ratio Assessment ( Aras ),” vol. 1, no. 1, pp. 27–34, 2020.
[6] Fais Pramudya Mulya, “Pemilihan Supllier Bahan Baku Rajungan Menggunakan Metode AHP (Analytical Hierarchy Process) Dan Aras (Additive Ratio Assesment) Di Pt.XYZ,” nasional, p. 12, 2021.
[7] S. Teerasoponpong and A. Sopadang, “Decision support system for adaptive sourcing and inventory management in small- and medium-sized enterprises,” Robot. Comput. Integr. Manuf., vol. 73, no. February 2021, p. 102226, 2022, doi:
10.1016/j.rcim.2021.102226.
[8] V. Wedyawati, E. A. Jaya, and M. N. Achsani, “SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN PENERIMA PROGRAM KELUARGA HARAPAN ( PKH ) DI NAGARI AIA BATUMBUAK MENGGUNAKAN METODE ANALITHICAL HIERARCHY PROCESS ( AHP ),” vol. 21, no. 1, pp. 25–28, 2021.
[9] D. M. Hm, H. A. Wardhany, S. Munawaroh, D. Hartanti, and P. Terakhir, “Sistem Pendukung Keputusan Penerimaan Bansos Di Desa Suwatu Dengan Metode Ahp ( Analitycal Hierarchy Process ),” pp. 343–347, 2022.
[10] U. Habibah and M. Rosyda, “Sistem Pendukung Keputusan Penerima Bantuan Langsung Tunai Dana Desa di Pekandangan Menggunakan Metode AHP-TOPSIS,” J. Media Inform. Budidarma, vol. 6, no. 1, p. 404, 2022, doi:
10.30865/mib.v6i1.3471.
[11] Y. Ali and Aprina, “Penerapan Metode Preference Selection Index ( PSI ) Dalam Pemberian Dana BOS Pada Siswa Kurang Mampu,” Semin. Nas. Teknol. Komput. Sains, no. 1, pp. 590–597, 2019, [Online]. Available: https://prosiding.seminar- id.com/index.php/sainteks/article/view/203/198
[12] R. Addenan and W. Susanti, “Penerapan Metode Rank Order Centroid dan Additive Ratio Assessment Pada Aplikasi Rekomendasi Supplier,” Edumatic J. Pendidik. Inform., vol. 5, no. 1, pp. 31–40, 2021, doi: 10.29408/edumatic.v5i1.3252.
[13] L. Handayani, M. Syahrizal, and K. Tampubolon, “Pemilihan Kepling Teladan Menerapkan Metode Rank Order Centroid (Roc) Dan Metode Additive Ratio Assessment (Aras) Di Kecamatan Medan Area,” KOMIK (Konferensi Nas. Teknol. Inf.
dan Komputer), vol. 3, no. 1, pp. 532–538, 2019, doi: 10.30865/komik.v3i1.1638.
[14] D. Simarmata, D. Marisa Midyanti, and R. Hidayati, “Implementasi Metode Additive Ratio Assesment (Aras) Untuk Rekomendasi Pasien Kunjungan Sehat Pada Fasilitas Kesehatan Tingkat Pertama Dr Josepb Nugroho H,” Coding J. Komput.
dan Apl., vol. 07, no. 03, pp. 109–119, 2019.
[15] D. Utari and A. Pranata, “Sistem Pendukung Keputusan Menentukan Lokasi Potensial dan Strategis Pada PT . Bridgestone Sumatra Rubber Estate Dalam Budidaya Karet Dengan Merapkan Additive Ratio Assessment ( ARAS ),” no. x, 2020.
