Sistem Pendukung Keputusan Penyaluran Bantuan Langsung Tunai Dana Desa (BLT-DD) Desa Selika Menggunakan Algoritma Fuzzy Logic

(1)

ISSN: 2579-4510(online) ISSN: 2085-6458(print)

Sistem Pendukung Keputusan Penyaluran Bantuan Langsung Tunai Dana

Desa (BLT-DD) Desa Selika Menggunakan Algoritma Fuzzy Logic

Reza Julianti1)_{, Yuza Reswan}2)_{, Ujang juhardi}3)_{, Marhalim}4)

1,2,3)_{Program Studi Teknik Informatika,Universitas Muhammadiyah Bengkulu}

Kampus 1 jl.Bali Kota Bengkulu 38119 PO Box 118 telp (0736)22765, Indonesia

1)_{Rezajulianti33@gamil.com}_,2)_{yuzareswan@umb.ac.id}_,3)_{ujangjuhardi@umb.ac.id}_,4)_{marhalim@umb.ac.id}

Abstrak - BLT (Bantuan Langsung Tunai) adalah bantuan berupa uang tunai dari pemerintah diberikan kepada masyarakat yang terdampak covid-19, sebagai kelanjutan dan perluasan sasaran dari program rumah tangga sasaran (RTS), pengambilan keputusan dalam metode Fuzzy Logic. Namun dalam pelaksanaannya, Pemerintah Desa menghadapi beberapa permasalahan diantaranya ketika data keluarga yang memenuhi kriteria untuk mendapatkan BLT melampaui jumlah kuota penerima BLT. Di Desa Selika, banyak kepala keluarga yang memenuhi syarat sesuai dengan kriteria yang ditentukan, namun kouta yang ditentukan terbatas maka pemerintah kota harus melakukan seleksi sebaik-baiknya agar BLT berjalan dengan lancar. Maka dibutuhkan suatu sistem yang mampu menentukan penerima BLT tersebut, yaitu dengan melakukan pembobotan terhadap variabel penilai yang sesuai dengan aturan/ketentuan yang berlaku. Sistem ini sudah dapat menyimpan data yang dimasukan oleh user atau pengguna, sitem ini juga dilengkapi dengan fitur login dan penggantian password. Sistem dalam program berjalan dengan baik dan penentuan penerima BLT menghasilkan data-data yang valid. Sitem pendukung keputusan ini dapat membantu kepala desa dan perangkat desa, desa selika dalam penentuan penerima (BLT-DD).

Kata-kata kunci - Algoritma Fuzzy Logic, bantuan langsung tunai (BLT), covid-19

1. PENDAHULUAN

Instruksi Presiden Nomor 3 tahun 2008 tentang pelaksanaan Program BLT untuk rumah tangga sasaran (RTS), pelaksanaan BLT 2020 diterbitkan Instruksi Menteri Dalam Negeri Nomor 3 tahun 2020, tentang penanggulangan COVID-19 di Kota melalui anggaran pendapatan dan belanja Desa. Peraturan Menteri Keuangan Nomor 40 tahun 2020 tentang perubahan atas peraturan menteri keuangan Nomor 205 tahun 2019 tentang pengolahan Dana BlT diberikan oleh pemerintah melalui kepala desa untuk disalurkan kepada masyarakat yang terdampak Covid-19. [1], [2]

Pemerintah Desa wajib mengalokasikan dan menyalurkan bantuan tunai tunai (BlT) dari Dana Desa untuk meringankan beban masyarakat akibat adanya Covid-19 [3]. Namun dalam pelaksanaannya, Pemerintah Desa menghadapi beberapa permasalahan diantaranya ketika data keluarga yang memenuhi kriteria untuk mendapatkan BLT melampaui jumlah kuota penerima BLT. Di Desa Selika, banyak kepala keluarga yang memenuhi syarat sesuai dengan kriteria yang ditentukan, namun kouta yang ditentukan terbatas maka pemerintah Desa harus melakukan seleksi sebaik-baiknya agar BLT berjalan dengan lancar. Maka dibutuhkan suatu sistem yang mampu menentukan penerima BLT tersebut, yaitu dengan melakukan pembobotan terhadap variabel penilai yang sesuai dengan aturan/ketentuan yang berlaku, disepakati oleh masyarakat dan pemerintahan Desa Selika. Oleh karena itu penulis mengusulkan ”Sistem Pendukung Keputusan Penyaluran Bantuan Langsung

Tunai (BLT) Desa Selika Menggunakan Algoritma

Fuzzy Logic”. [4], [5]

2. METODE

2. 1 Metode Penelitian

Metode penelitian yang digunakan dalam penelitian ini sebagai berikut:

1) Wawancara

Salah satu yang akan penulis lakukan untuk mendapatkan data-data pertanyaan dan hasil adalah dengan menanyakan kepada kepala Desa beserta seluruh jajaran pemerintah Desa selika, yaitu Redial odemei untuk mendapatkan data penduduk,anggaran dana desa yang akan disalurkan.

2) Observasi/ pengamatan langsung dilapangan Pengamatan atau observasi adalah suatu teknik yang dilakukan dengan cara mengadakan pengamatan secara teliti serta pencatatan secara sistematis (Suharsimi 2009). Pada penelitian ini, peneliti melakukan observasi di desa selika Kabupaten kaur, mendapatkan informasi yang terdahulu siapa saja yang mendapatkan bantuan yang sesuai dengan aturan atau kebijakan pemerintah

3) Studi Pustaka

Tahap ini dilakukan dengan tujuan untuk memproleh pengertian secara teori mengenai sistem, sistem pendukung keputusan,dan alur algoritma dari metode-metode logika dala sistem pendukung keputusan yang akan diperbandingkan. Tahapan metode dapat dilihat pada gambar berikut

(2)

88 ini [6].

Gambar 1. Flowcart Fuzzy Logic 2.2

Algoritma fuzzy

Algoritma merupakan langkah-langkah yang tersusun secara tertulis dan berurutan untuk menyelesaikan suatu masalah. Algoritma merupakan langkah-langkah yang tersusun secara tertulis dan berurutan untuk menyelesaikan suatu masalah ( Ananda Dkk,2009 ). Menurut penulis sendiri lagoritma adalah rumusan matematis yang di susun umtuk menyelesaikan suatu masalah. Algoritma juga diartikan sebagai langkah-langkah yang logis untuk menyelesaikan masalah. [7][8] [9]

Metode yang digunakan penulis ini tentu berbeda dan bahkan bertolak belakang dengan metode acak semu yaitu Linear Congruent Method (LCM). LCM dapat diimplementasikan sebagai metode pengacakan soal yang terdapat dalam menu quis agar permainan menjadi lebih menarik. Termasuk untuk diimplementasikan dalam penyimpanan online dan terintegrasi dengan data yang lain terutama master data yang dimiliki oleh dinas dukcapil. [10] [11] [12] 2.3 Himpunan Fuzzy

Terkadang kemiripan antara keanggotaan fuzzy dengan probabilitas menimbulkan kerancuan. Keduanya memiliki nilai pada interval [0.1], namun interprestasi nilainya sangat berbeda antara kedua kasus tersebut. Keanggotaan fuzzy memberikan suatu ukuran terhadap pendapat atau keputusan, sedangkan probabilitas mengindikasikan proporsi terhadap keseringan suatu hasil bernilai benar dalam jangka panjang, Ada beberpa fungsi yang digunakan, antara lain sebagai berikut: [13] [14]

(1) dan

(2)

2.4 Web Browser

Menurut (Sibero, 2013) “Web Browser adalah aplikasi perangkat lunak yang digunakan untuk mengambil dan menyajikan sumber informasi web”. Contoh Web Browser yang popular anatara lain

Mozila Firefox, internet Explorer (IE), Opera dan

sebagainya. [15]

3. HASIL DAN PEMBAHASAN 3.1. Hasil

Penulis telah berhasil membangun sistem pengambilan keputusan penyaluran bantuan langsung tunai dana desa (BLT-DD) Desa Selika menggunakan algoritma Fuzzy Logic menggunakan bahasa pemrograman php, java dan MySQL. Aplikasi terdiri dari halaman login, beranda, data penerima, kriteria, fuzzy dan admin.

1) Halaman login

Aplikasi dimulai dengan menampilkan halaman login untuk membatasi user yang bisa mengelola data pada aplikasi. Form login terdiri dari input teks username, password, tombol logindan tombol reset, berikut halaman login, halaman data penerima, dan halaman data perangkingan

(3)

2). Halaman beranda

Halaman beranda akan tampil setelah proses login selesai, halaman ini berisi menu utama, yaitu beranda, data penerima, perangkingan, admin dan logout. Pada bagian bodi terdapat artikel singkat mengenai bantuan langsung tunai dana desa (BLT-DD).

Gambar 3. Halaman beranda 3). Halaman data penerima

Menu data penerima yang terdapat di menu utama berfungsi untuk menampilkan halaman data penerima. Halaman ini digunakan untuk mengolah data calon penerima BLT-DD yang menampilkan tabel data penerima dan dilengkapi dengan fungsi tambah, edit dan hapus.

Gambar 4. Halaman data penerima

Tabel penerima bantuan terdiri dari data NIK, nama, pekerjaan, penghasilan, tanggungan dan rumah. Tombol tambah data digunakan untuk menambah data calon penerima dengan menampilkan form tambah data yang terdiri dari input teks NIK, input teks nama, input teks alamat, combo box

4) Halaman Perangkingan

Halaman perangkingan merupakan halaman yang menampilkan data warga yang layak menerima bantuan langsung tunai dana desa. Untuk lebih jelasnya bisa dilihat pada gambar dibawah ini

Gambar 5. Halaman perangkingan 5) Halaman Admin

Halaman admin merupakan halaman yang

digunakan untuk mengolah data admin. Username

dan password yang dibuat pada halaman ini bisa digunakan untuk proses login di halaman login aplikasi. Halaman ini menampilkan tabel data admin yang dilengkapi dengan tombol tambah, edit dan hapus

.

Gambar 6. Halaman admin

Tombol tambah berfungsi untuk menambah data admin sehingga aplikasi akan menampilkan form tambah admin diatas tabel data.

3. 2. Pembahasan

Sistem pengambilan keputusan penyaluran bantuan langsung tunai dana desa (BLT-DD) Desa Selika menggunakan algoritma Fuzzy Logic.

(4)

90 fuzzy yang akan menghasilkan tabel ranking penerima bantuan. Perhitungan dimulai dengan mencari nilai himpunan disetiap kriteria. Sebagai contoh, penulis akan gunakan data Risisman Sohadi.

Proses pembentukan himpunan fuzzy (Fuzzyfication) 1) Fungsi Keanggotaan Pekerjaan (w)

µPekerjaan kecil 1 , w < 1 (4 - w) / 3 , 1 ≤ w ≤4 0 , w > 4 µPekerjaan besar 0 , w > 1 (w - 1) / 3 , 1 ≤ w ≤4 1 , w > 4

2) Fungsi Keanggotaan Penghasilan (x) µPenghasilan kecil 1 , x < 1 (4 - x) / 3 , 1 ≤ x ≤4 0 , x > 4 µPenghasilan besar 0 , x > 1 (x - 1) / 3 , 1 ≤ x ≤4 1 , x > 4

3) Fungsi Keanggotaan Tanggungan (y) µTanggungan kecil 1 , y < 1 (4 - y) / 3 , 1 ≤ y ≤4 0 , y > 4 µTanggungan besar 0 , y > 1 (y - 1) / 3 , 1 ≤ y ≤4 1 , y > 4

4) Fungsi Keanggotaan Rumah (z) µRumah kecil 1 , z < 2 (4 - z) / 2 , 2 ≤ z ≤4 0 , z > 4 µRumah besar 0 , z > 2 (z - 1) / 2 , 2 ≤ z ≤4 1 , z > 4

Langkah kedua yaitu menentukan nilai keanggotaan dari himpunan Kecil dan Besar

Pekerjaan : w = 3; µPekerjaan Kecil (3) = (4 - 3) / 3 = 0.33333333333333; µPekerjaan Besar (3) = (3 - 1) / 3 = 0.66666666666667; Penghasilan : x = 4; µPenghasilan Kecil (4) = (4 - 4) / 3 = 0; µPenghasilan Besar (4) = (4 - 1) / 3 = 1; Tanggungan: y = 1; µTanggungan Kecil (1) = (4 - 1) / 3 = 1; µTanggungan Besar (1) = (1 - 1) / 3 = 0; Rumah : z = 3; µRumah Kecil (3) = (4 - 3) / 2 = 0.5; µRumah Besar (3) = (3 - 2) / 2 = 0.5;

Langkah ketiga yaitu menenerapkan fungsi implikasi [R1] If Pekerjaan kecil dan Penghasilan kecil dan Tanggunakan kecil dan Rumah Kecil Maka Berhak α - predikat1 = µPekerjaan Kecil∩ µPenghasilan kecil ∩ µTanggungan kecil∩µRumah Kecil

= min(0.33333333333333, 0, 1, 0.5) = 0

Untuk α - predikat1 : 0, pada himpunan keputusan berhak

k1 = (k - 50)/30 = 0 diperoleh k1 = 0

[R2] If Pekerjaan kecil dan Penghasilan besar dan Tanggunakan kecil dan Rumah Kecil Maka Tidak Berhak

α - predikat1 = µPekerjaan Kecil∩ µPenghasilan Besar ∩ µTanggungan kecil∩µRumah Kecil

= min(0.33333333333333, 1, 1, 0.5) = 0.33333333333333

Untuk α - predikat2 : 0.33333333333333, pada himpunan keputusan tidak berhak

k2 = (80 - k)/30 = 0.33333333333333 diperoleh k2 = 70

[R3] If Pekerjaan kecil dan Penghasilan besar dan Tanggunakan besar dan Rumah Kecil Maka Tidak Berhak

α - predikat3 = µPekerjaan Kecil∩ µPenghasilan besar ∩ µTanggungan besar∩µRumah Kecil

= min(0.33333333333333, 1, 0, 0.5) = 0

k3 = (80 - k)/30 = 0 diperoleh k3 = 80

[R4] If Pekerjaan kecil dan Penghasilan besar dan Tanggunakan besar dan Rumah besar Maka Tidak Berhak

α - predikat4 = µPekerjaan Kecil∩ µPenghasilan Besar ∩ µTanggungan besar∩µRumah besar

= min(0.33333333333333, 1, 0, 0.5) = 0

Untuk α - predikat4 : 0, pada himpunan keputusan tidak berhak

(5)

diperoleh k4 = 80

[R5] If Pekerjaan besar dan Penghasilan kecil dan Tanggunakan kecil dan Rumah kecil Maka Tidak Berhak

α - predikat5 = µPekerjaan Besar∩ µPenghasilan kecil ∩ µTanggungan kecil∩µRumah kecil

= min(0.66666666666667, 0, 1, 0.5) = 0

k5 = (80 - k)/30 = 0 diperoleh k5 = 80

[R6] If Pekerjaan besar dan Penghasilan besar dan Tanggunakan kecil dan Rumah kecil Maka Tidak Berhak

α - predikat6 = µPekerjaan Besar∩ µPenghasilan besar ∩ µTanggungan kecil∩µRumah kecil

= min(0.66666666666667, 1, 1, 0.5)

= 0.5

k6 = (80 - k)/30 = 0.5 diperoleh k6 = 65

[R7] If Pekerjaan besar dan Penghasilan besar dan Tanggunakan besar dan Rumah kecil Maka Tidak Berhak

α - predikat7 = µPekerjaan Besar∩ µPenghasilan besar ∩ µTanggungan besar∩µRumah kecil

= min(0.66666666666667, 1, 0, 0.5)

= 0

k7 = (80 - k)/30 = 0 diperoleh k7 = 80

[R8] If Pekerjaan besar dan Penghasilan besar dan Tanggunakan besar dan Rumah besar Maka Tidak Berhak

α - predikat8 = µPekerjaan Besar∩ µPenghasilan besar ∩ µTanggungan besar∩µRumah besar

= min(0.66666666666667, 1, 0, 0.5)

= 0

k8 = (80 - k)/30 = 0

diperoleh k8 = 80

[R9] If Pekerjaan besar dan Penghasilan besar dan Tanggunakan kecil dan Rumah besar Maka Tidak Berhak

α - predikat9 = µPekerjaan Besar∩ µPenghasilan besar ∩ µTanggungan kecil∩µRumah besar

= min(0.66666666666667, 1, 1, 0.5)

= 0.5

k9 = (80 - k)/30 = 0.5 diperoleh k9 = 65

[R10] If Pekerjaan besar dan Penghasilan kecil dan Tanggunakan besar dan Rumah besar Maka Berhak α - predikat10 = µPekerjaan besar∩ µPenghasilan kecil ∩ µTanggungan besar∩µRumah besar

= min(0.66666666666667, 0, 0, 0.5) = 0

k10 = (k - 50)/30 = 0 diperoleh k10 = 0

[R11] If Pekerjaan besar dan Penghasilan kecil dan Tanggunakan kecil dan Rumah besar Maka Tidak Berhak

α - predikat11 = µPekerjaan Besar∩ µPenghasilan kecil ∩ µTanggungan besar∩µRumah besar

= min(0.66666666666667, 1, 0, 0.5)

= 0

k11 = (80 - k)/30 = 0 diperoleh k11 = 80

[R12] If Pekerjaan besar dan Penghasilan kecil dan Tanggunakan besar dan Rumah kecil Maka Berhak α - predikat12 = µPekerjaan besar∩ µPenghasilan kecil ∩ µTanggungan besar∩µRumah Kecil

= min(0.33333333333333, 0, 1, 0.5)

= 0

k12 = (k - 50)/30 = 0 diperoleh k12 = 0

(6)

92 [R13] If Pekerjaan kecil dan Penghasilan besar dan Tanggunakan kecil dan Rumah besar Maka Tidak Berhak

α - predikat13 = µPekerjaan kecil∩ µPenghasilan besar ∩ µTanggungan kecil∩µRumah besar

= min(0.66666666666667, 1, 0, 0.5) = 0.33333333333333

k13 = (80 - k)/30 = 0.33333333333333 diperoleh k13 = 70

[R14] If Pekerjaan kecil dan Penghasilan kecil dan Tanggunakan besar dan Rumah kecil Maka Berhak α - predikat14 = µPekerjaan Kecil∩ µPenghasilan kecil ∩ µTanggungan besar∩µRumah Kecil

= min(0.33333333333333, 0, 0, 0.5)

= 0

k14 = (k - 50)/30 = 0 diperoleh k14 = 0

[R15] If Pekerjaan kecil dan Penghasilan kecil dan Tanggunakan kecil dan Rumah besar Maka Tidak Berhak

α - predikat15 = µPekerjaan kecil∩ µPenghasilan kecil ∩ µTanggungan kecil∩µRumah besar

= min(0.33333333333333, 0, 1, 0.5) = 0

k15 = (80 - k)/30 = 0 diperoleh k15 = 80

[R16] If Pekerjaan besar dan Penghasilan kecil dan Tanggunakan kecil dan Rumah besar Maka Tidak Berhak

α - predikat16 = µPekerjaan besar∩ µPenghasilan kecil ∩ µTanggungan kecil∩µRumah besar

= min(0.66666666666667, 0, 1, 0.5) = 0

k16 = (80 - k)/30 = 0 diperoleh k16 = 80

Langkah selanjutnya adalah melakukan defuzzyfikasi k = ( 0 * 0 + 0.333 * 70 + 0 * 80 + 0 * 80 + 0 * 80 + 0.5 * 65 + 0 * 80 + 0 * 80 + 0.5 * 65 + 0 * 0 + 0 * 80 + 0 * 0 + 0.333 * 70 + 0 * 0 + 0 * 80 + 0 * 80 )/( 0 + 0.333 + 0 + 0 + 0 + 0.5 + 0 + 0 + 0.5 + 0 + 0 + 0 + 0.333 + 0 + 0 + 0 ) = 111.666/1.666 = 67

Hasil akhir dari perhitungan nilai dari data Risisman Sohadi adalah sebesar 67 yang mana dinyatakan layak sebagai penerima bantuan.

4. KESIMPULAN

Setelah melalu berbagai tahpan pembuatan program, maka penulis dapat mengambil beberapa kesimpulan sebagai berikut.

Sistem pendukung keputusan yang dibuat telah dapat memenuhi kebutuhan penentuan penerima BLT di Desa Selika. Sistem ini sudah dapat menyimpan data yang dimasukan oleh user atau pengguna, sitem ini juga dilengkapi dengan fitur login dan penggantian password.Sistem dalam program berjalan dengan baik dan penentuan penerima BLT menghasilkan data-data yang valid. Sitem pendukung keputusan ini dapat membantu kepala desa dan perangkat desa, desa selika dalam penentuan penerima (BLT-DD).

REFERENSI

[1] kementerian PPN/Bappenas.2020 panduan pendataan bantuan tunai langsung-dana desa (BLT-dana desa) 2020.

[2] Undang-Undang No. 5 tahun 1979 Tentang Pemerintah Desa. Lembaran Negara Tahun 1974 Nomor 38, Tambahan Lembaran Negara Nomor 3037.

[3] Drs. maringan panjaitan, m. d. (2020). kewenangan kepala desa untuk menngunakan anggaran desa dalam membina masyarakat desa menuju masyarakat baru sejahtera yang bebas covid-19 (studi jtentang bantuan sosial terdampak covid-19 di desa lasara bahili kecamatan gunungsitoli kota gunungsitoli). stindo profesional .

[4] fiariany, a. (2017). sistem pendukung penerima beasiswakeputusan dengan metode Fuzzy Logic untuk menyeleksi mahasiswa penerima beasiswa. jurnal edit informatika .

[5] muhammad iqbal dzulhaq, R. i. (20015). sistem pendukung keputusan pemilihan konsentrasi jurusan menggunakan fuzzy inferrence sistem metode mamdani. sisfotik global.

[6] Wijaya ,2007. Pengertian Data Flow Diagram (DFD). Jakarta : Elex Media.

[7] puspitarini, e. w. (2017). sistem pendukung keputusan dalam menentukan penerima blt dengan metode weighted product model. smatika .

[8] Ainul Yaqin,2016.sistem pendukung keputusan kelayakan pemberian bidikmisi dengan Fuzzy Logic

(7)

(studi kasus STMIK AMIKOM yogyakarta.cogito smart journal.

[9] Maryaningsih,Siswanto,Mesterjon.2013. metode logika fuzzy tsukamoto dalam sistem pengambilan keputusan penerima beasiswa.jurnal media infotama. [10] Hidayah, A. K., Prihantoro, C., & Fernandez, S.

(2021). Implementasi Metode Linear Congruent Method Pada Game Edukasi Pembelajaran Huruf Hijaiyah Berbasis Android. Pseudocode, 8(1), 38-48. [11] Prihantoro, C., & Witriyono, H. (2017).

IMPLEMENTASI SKALA MINIMUM CLOUD COMPUTING KATEGORI SOFTWARE AS A

SERVICE (SAAS) PADA INSTITUSI

PERGURUAN TINGGI (Studi Kasus: Unit Pelayanan Terpadu Teknologi Informasi dan Komunikasi Universitas Muhammadiyah Bengkulu-UPT TIK UMB). Pseudocode, 4(2), 129-136.

[12] Prihantoro, C., & Witriyono, H. (2019). Perancangan Client Server Three Tier Pada Pembangunan Web

Service Anggota Perpustakaan Universitas

Muhammadiyah Bengkulu. Journal of

Technopreneurship and Information System (JTIS), 2(2), 68-73.

[13] Penelitian Sri Eniyanti (2011) dari Universitas Stikubank, dalam jurnalnya yang berjudul Perancangan Sitem Pendukung Pengambilan Keputusan Untuk Penerima Beasiswa dengan Metode SAW (Simple Additive Weighting).

[14] Sibero, Alexander FK. 2013. Web Programming Power Pack. Yogyakarta: MediaKom.

[15] Arief, M.Rudianto. 2011. Pemrograman Web Dinamis Menggunakan Php dan Mysql. Yogyakarta: ANDI.