Sistem pendukung keputusan penerimaan jaminan kesehatan daerah dengan algoritma Simple Additive Weighting (SAW).

(1)

ABSTRAK

Sistem Pendukung Pengambilan Keputusan merupakan suatu sistem informasi berbasis komputer yang ditujukan untuk membantu pengambilan keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur atau semi terstruktur. Tujuan dari penelitian ini adalah mengukur tingkat keakuratan dan ketepatan algoritma SAW (Simple Additive Weighting) dalam menyeleksi calon penerimaan Jaminan Kesehatan Daerah berbasis desktop. Sistem pendukung keputusan yang dibangun diharapkan dapat membantu staf kelurahan dalam pengambilan keputusan

Sistem pendukung pengambilan keputusan ini dibuat dengan menggunakan bahasa pemrograman Java dan basisdata MySQL. Metode yang digunakan adalah Simple Additive Weighting (SAW). Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative yang ada. Pada penelitian ini metode SAW dipilih karena metode ini mampu menyeleksi alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksud yaitu berhak menerima Jaminan Kesehatan Daerah berdasarkan kriteria-kriteria yang telah ditentukan.

(2)

ABSTRACT

Decision support system is a computer-based information system which is used to make decision by utilizing certain data and model for solving many unstructured or semi structured problems. The purpose of this research is to measure to accuracy of the SAW algorithm (Simple Additive Weighting) in selecting the receiver of regional health insurance. The decision support system is expected to help the administration districts staff in making decision.

This decision support system was developed by using java programming and MySQL data-base. The model used in this research was Simple Additive Weighting (SAW). The basic concept of SAW method is to find a weighted summation from performance rating of every provided alternative. SAW method was chosen in this research because SAW method is able to select the best from some provided alternative. In this case, the alternative referes to people who are llowed to receive regional health insurance based on specifid criteria.

(3)

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN JAMINAN KESEHATAN DAERAH DENGAN ALGORITMA SIMPLE ADDITIVE

WEIGHTING (SAW)

Studi Kasus Di Kelurahan Kepatihan Kabupaten Bojonegoro

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Disusun oleh : Mirella Tri Ratnasari

095314003

PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA YOGYAKARTA

(4)

DECISION SUPPORT SYSTEM SELECTION OF RECIPIENTS REGIONAL HEALTH INSURANCE USING ALGORITHM SIMPLE

ADDITIVE WEIGHTING (SAW)

Case Study on Kelurahan Kepatihan Kabupaten Bojonegoro

THESIS

Present as Partial Fulfillment of the Requirments to Obtain Sarjana Computer Degree in Informatics Engineering Department

Created By : Mirella Tri Ratnasari

095314003

INFORMATICS ENGINEERING STUDY PROGRAM FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY YOGYAKARTA

(5)

HALAMAN PERSETUJUAN

SKRIPSI

WEIGHTING (SAW)

Dipersiapkan dan ditulis oleh :

Mirella Tri Ratnasari NIM : 095314003

Telah disetujui oleh :

Dosen Pembimbing

(6)

HALAMAN PENGESAHAN

SKRIPSI

WEIGHTING (SAW)

Dipersiapkan dan ditulis oleh: Nama : Mirella Tri Ratnasari NIM : 095314003

Telah dipertahankan di depan Panitia Penguji pada tanggal 16 Juli 2014

dan dinyatakan memenuhi syarat

Susunan Panitia Penguji

Nama Lengkap Tanda Tangan

Ketua AM. Polina S.Kom, M.Sc.

Sekretaris Drs. HJ. Haris Sriwindono, M.Kom. Anggota Drs. Johanes Eka Priyatma, M.Sc., Ph.D.

(7)

PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis ini tidak memuat karya atau bagian karya orang lain, kecuali yang telah disebutkan dalam kutipan dan daftar pustaka, sebagaimana layaknya karya ilmiah.

Yogyakarta, Agustus 2014

(8)

LEMBAR PERNYATAAN PERSETUJUAN

PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma :

Nama : Mirella Tri Ratnasari

NIM : 095314003

Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan Universitas Sanata Dharma karya ilmiah saya yang berjudul :

“SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN JAMINAN KESEHATAN DAERAH DENGAN ALGORITMA SIMPLE ADDITIVE WEIGHTING (SAW)”

Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengahlikan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas, dan memublikasikan di internet atau media lain untuk kepentingan akademis tanpa perlu meminta izin dari saya maupun memberikan royalti kepada saya selama tetap mencantumkan nama saya sebagai penulis.

Demikian pernyataan ini saya buat dengan sebenarnya. Dibuat di Yogyakarta

Pada Tanggal Agustus 2014 Yang menyatakan,

(9)

HALAMAN MOTTO

(10)

ABSTRAK

Sistem Pendukung Pengambilan Keputusan merupakan suatu sistem informasi berbasis komputer yang ditujukan untuk membantu pengambilan keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur atau semi terstruktur. Tujuan dari penelitian ini adalah mengukur tingkat keakuratan dan ketepatan algoritma SAW (Simple Additive Weighting) dalam menyeleksi calon penerimaan Jaminan Kesehatan Daerah berbasis desktop. Sistem pendukung keputusan yang dibangun diharapkan dapat membantu staf kelurahan dalam pengambilan keputusan

Sistem pendukung pengambilan keputusan ini dibuat dengan menggunakan bahasa pemrograman Java dan basisdata MySQL. Metode yang digunakan adalah Simple Additive Weighting (SAW). Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative yang ada. Pada penelitian ini metode SAW dipilih karena metode ini mampu menyeleksi alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksud yaitu berhak menerima Jaminan Kesehatan Daerah berdasarkan kriteria-kriteria yang telah ditentukan.

(11)

ABSTRACT

Decision support system is a computer-based information system which is used to make decision by utilizing certain data and model for solving many unstructured or semi structured problems. The purpose of this research is to measure to accuracy of the SAW algorithm (Simple Additive Weighting) in selecting the receiver of regional health insurance. The decision support system is expected to help the administration districts staff in making decision.

This decision support system was developed by using java programming and MySQL data-base. The model used in this research was Simple Additive Weighting (SAW). The basic concept of SAW method is to find a weighted summation from performance rating of every provided alternative. SAW method was chosen in this research because SAW method is able to select the best from some provided alternative. In this case, the alternative referes to people who are llowed to receive regional health insurance based on specifid criteria..

(12)

KATA PENGANTAR

Puji syukur kepada Bunda Maria dan Tuhan Yesus Kristus atas berkat dan limpahan kasih karuniaNya yang telah diberikan sehingga penulis dapat menyelesaikan skripsi ini dengan judul : “Sistem pendukung keputusan penerimaan jaminan kesehatan daerah dengan algoritma simple additive weighting (SAW) studi kasus Kelurahan Kepatihan Kabupaten Bojonegoro”.

Dengan selesainya penulisan skripsi ini, penulis mengucapkan terima kasih kepada pihak-pihak yang telah memberikan motivasi, kritik, dan saran kepada penulis. Ucapan terima kasih ditujukan kepada :

1. Orang tua saya Fransiscus Sarman dan Theresia Purwanti yang telah memberikan cinta dan kasih sayang serta dukungan spiritual, moral maupun material selama studi berlangsung.

2. Bapak Johanes Eka Priyatma selaku dosen pembimbing skripsi. Terima kasih telah membimbing dan menyediakan waktu dalam memberikan pengarahan selama penulisan skripsi serta memberikan pemecahan masalah melalui kritik dan saran yang diberikan.

3. Ibu P.H. Prima Rosa, S.Si.,M.Sc. selaku Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta

(13)

5. Staff Kelurahan Kepatihan Kabupaten Bojoneoro yang menjadi sumber informasi utama dalam memberi data terkait seleksi penerimaan Jamkesda

6. Paulina Purwaningsih, Mbak Lia, Mas Benhard, dan Aurel yang telah memberikan motivasi dan doa selama penulis menyelesaikan skripsi

7. Wienda, Audris, Rosi, Wiwin, Mitha, Ade, Fidi, Ageng, Jeni, Yosi dan semua teman-teman Teknik Informatika 2009 lainnya yang tidak dapat disebutkan satu-persatu, terima kasih atas semangat, bantuan, kritik , saran dan persahabatannya selama ini

8. Teman-teman kos : Hilda, Aulia, Citra, Ina, Tyas, Desty, dan Kak Venny yang telah memberikan dukungan dan motivasi kepada penulis.

Akhir kata, semoga penulisan skripsi ini dapat berguna untuk menambah wawasan maupun menjadi referensi bagi pembaca, terutama bagi mahasiswa Teknik Informatika

Yogyakarta, 19 Agustus 2014

(14)

DAFTAR ISI

HALAMAN JUDUL ... i

HALAMAN JUDUL(INGGRIS) ... ii

HALAMAN PERSETUJUAN ... iii

HALAMAN PENGESAHAN... iv

SKRIPSI ... iv

PERNYATAAN KEASLIAN KARYA ... v

LEMBAR PERNYATAAN PERSETUJUAN ... vi

HALAMAN MOTTO ... vii

1.6 Sistematika Penulisan ... 5

BAB II ... 7

LANDASAN TEORI ... 7

2.1 Sistem Pendukung Pengambilan Keputusan (SPK) ... 7

2.1.1 Pengertian SPPK ... 7

2.1.2 Tujuan Sistem Pendukung Pengambilan Keputusan ... 7

2.1.3 Ciri-ciri SPPK ... 9

2.1.4 Karakteristik dan Kapabilitas SPPK ... 10

(15)

2.1.6 Kelebihan dan Kekurangan ... 14

2.1.7 Jenis-Jenis Sistem Pengambilan Keputusan ... 15

2.2 Fuzzy Multiple Atribute Decision Making FMADM ... 15

2.3 Tiga Pendekatan Mencari nilai bobot atribut ... 16

2.4 Metode Simple Additive Weighting (SAW) ... 17

2.5 Jaminan Kesehatan Daerah (JAMKESDA) ... 32

BAB III ... 34

METODOLOGI PENELITIAN ... 34

3.1 Rumusan Masalah ... 34

BAB IV ... 38

PERANCANGAN DAN IMPLEMENTASI SISTEM ... 38

4.1 Analisis Sistem ... 38

4.1.1 Ruang Lingkup Masalah ... 38

4.2 Perancangan Sistem ... 39

4.2.1 Diagram Use Case ... 39

PENGUJIAN DAN ANALISA DATA ... 72

5.1 Perhitungan Excell dibandingkan dengan perhitungan sistem ... 72

5.2 Pengujian Sistem Jamkesda ... 75

(16)

DAFTAR GAMBAR

Gambar 2. 1 Karakteristik dan Kapabilitas SPPK ... 13

Gambar 2. 2 Skematik SPPK ... 14

Gambar 2. 3 Bilangan Fuzzy untuk Jenis Bangunan Tempat Tinggal ... 18

Gambar 2.4 Bilangan Fuzzy untuk Jenis Dinding Bangunan Tempat Tinggal ... 19

Gambar 2.5 Bilangan Fuzzy untuk Fasilitas Tempat Buang Air Besar ... 20

Gambar 2.6 Bilangan Fuzzy untuk Konsumsi daging/ayam/susu perminggu ... 21

Gambar 2.7 Bilangan Fuzzy untuk pembelian pakaian baru setiap anggota rumah tangga ... 22

Gambar 2. 8 Bilangan Fuzzy untuk Frekuensi Makan dalam Sehari ... 23

Gambar 2.9 Bilangan Fuzzy untuk Lapangan Pekerjaan Utama Kepala Keluarga... 24

Gambar 2.10 Bilangan Fuzzy untuk Pendidikan Teringgi Kepala Keluarga ... 25

Gambar 2. 11 Bilangan Fuzzy untuk Pemilik aset/harga bergerak atau tidak bergerak ... 26

Gambar 2. 12 Grafik Bobot ... 29

Gambar 4. 1 Diagram Use Case ... 40

Gambar 4. 2 Diagram Konteks ... 52

Gambar 4. 3 Diagram Aliran Data Tingkatan 1 ... 53

Gambar 4. 4 Diagram Aliran Data Tingkatan 2 Proses 1 ... 54

Gambar 4. 5 Diagram Aliran Data Tingkatan 2 Proses 2 ... 55

Gambar 4. 6 Diagram Ketergantungan ... 56

Gambar 4. 7 Diagram Relasional Entitas ... 58

Gambar 4. 8 Desain Logikal ... 59

Gambar 4. 9 Desain Interface Halaman Utama Menu File ... 65

Gambar 4. 10 Desain Interface Halaman Utama Menu Edit ... 65

Gambar 4. 11 Desain Interface Halaman Input Data Pemohon ... 66

Gambar 4. 12 Desain Interface Halaman Input Kriteria dan Sub Kriteria ... 67

Gambar 4. 13 Desain Interface Halaman Input Kriteria Pemohon ... 68

Gambar 4. 14 Desain Interface Halaman Edit dan Delete Kriteria dan Sub Kriteria ... 69

Gambar 4. 15 Desain Interface Halaman Edit dan Delete Kriteria Pemohon ... 70

Gambar 4. 16 Desain Interface Halaman Simulasi ... 71

Gambar 5. 1 Penerima jamkesda dengan patokan skor 3.8 ... 81

(17)

DAFTAR TABEL

Tabel 2. 1 Tabel pembobotan untuk kriteria 1 (C1) ... 19

Tabel 2. 10 Data Pemohon ... 26

Tabel 2. 11 Hasil Nilai Survei pemohon ... 27

Tabel 2. 12 Matriks Ternormalisasi ... 31

Tabel 4. 1 Narasi Use Case Memasukkan Data Warga ... 41

Tabel 4. 2 Narasi Use Case Mengubah Data Warga ... 42

Tabel 4. 3 Narasi Use Case Menghapus Data Warga ... 43

Tabel 4. 4 Narasi Use Case Memasukkan Data Kriteria dan Sub Kriteria ... 44

Tabel 4. 5 Narasi Use Case Mengubah Data Kriteria dan Sub Kriteria ... 45

Tabel 4. 6 Narasi Use Case Menghapus Data Kriteria dan Sub Kriteria ... 46

Tabel 4. 7 Narasi Use Case Memasukkan Data Kriteria Pemohon ... 47

Tabel 4. 8 Narasi Use Case Mengubah Data Kriteria Pemohon ... 49

Tabel 4. 9 Narasi Use Case Menghapus Data Kriteria Pemohon ... 50

Tabel 4. 10 Narasi Use Case Simulasi ... 51

Tabel 4. 11 Physical desain tabel warga ... 60

Tabel 4. 12 Physical desain tabel sub kriteria ... 62

Tabel 4.13 Physical desain tabel kriteria ... 62

Tabel 4.14 Physical desain tabel poin kriteria warga ... 63

Tabel 4.15 Struktur Tabel Login ... 63

Tabel 5. 1 Hasil Perhitungan menggunakan Excell yang dibandingkan dengan dengan hasil perhitungan sistem ... 73

Tabel 5. 2 Bobot Setiap Kriteria ... 76

Tabel 5. 3 Pembobotan Sub Kriteria pada Kriteria 1 (C1) ... 77

(18)

Tabel 5. 12 Total Skor dari setiap warga ... 81

Tabel 5. 13 Range Nilai Patokan Skor ... 81

Tabel 5. 14 Data Warga yang menerima dan tidak menerima JAMKESDA ... 83

Tabel 5. 15 Tabel Perbedaan Hasil Keputusan Manual dan SPK ... 84

(19)

BAB I PENDAHULUAN

Pada bab pendahuluan ini akan membahas mengenai latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, dan manfaat penelitian.

1.1 Latar Belakang

Saat ini teknologi telah menjadi bagian yang tidak terpisahkan dari kehidupan setiap individu maupun organisasi. Teknologi hadir untuk memudahkan penggunanya dalam menyelesaikan berbagai macam hal. Perkembangan yang pesat tidak hanya teknologi perangkat keras dan perangkat lunak saja, tetapi metode komputasi juga ikut berkembang. Salah satu metode komputasi yang cukup berkembang saat ini adalah metode sistem pengambilan keputusan (DecisionsSupport System). Sistem pengambilan keputusan (Decisions Support System) merupakan sistem komputer yang interakftif dalam membantu pembuatan keputusan dengan menggunakan dan memanfaatkan data serta model untuk memecahkan masalah semi terstruktur. Salah satu metode yang sering digunakan yaitu Fuzzy MADM (Multiple Attribute Decission Making).

Metode Fuzzy MADM (Multiple Attribute Decission Making) adalah metode yang dapat mencari suatu alternatif terbaik dari berbagai alternatif berdasarkan kriteria-kriteria yang telah ditentukan. Metode Fuzzy MADM memiliki beberapa algoritma diantaranya : Simple Additive Weighting (SAW),

(20)

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 dibandingkan dengan semua rating alternatif yang ada.

(21)

JAMKESDA karena metode ini mampu memberikan alternatif terbaik dengan adanya pemberian bobot pada setiap kriteria-kriteria yang telah ditentukan, kemudian dilakukan proses perankingan yang akan menentukan alternatif yang optimal. Kriteria-kriteria yang dimaksud disini mempunyai 9 kriteria untuk penerimaan JAMKESDA. Kriteria-kriteria dari JAMKESDA ini digunakan untuk menyeleksi calon penerima dari banyak alternatif. Oleh karena itu, metode SAW dapat digunakan karena adanya proses seleksi dengan beberapa kandidat yang dibandingkan dengan prosedure penerimaan JAMKESDA sehingga menghasilkan keputusan yang lebih tepat.

Adanya masalah yang terjadi penulis tertarik melakukan penelitian untuk mengukur tingkat ketepatan algoritma SAW (Simple Additive Weighting) dalam menyelesaikan masalah pengambilan keputusan penerimaan jaminan kesehatan daerah (JAMKESDA) di Kabupaten Bojonegoro-Jawa Timur Kelurahan Kepatihan.

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas, maka masalah yang akan diselesaikan adalah :

Mengukur keakuratan dan ketepatan model SAW (Simple Additive

Weighting) untuk menyelesaian masalah pengambilan keputusan

(22)

1.3 Batasan Masalah

Dalam tugas akhir ini, permasalahan yang akan di bahas sebatas pada : 1. Data yang digunakan adalah data penerima JAMKESDA Kepatihan

RT/RW 012/002 Bojonegoro-Jawa Timur.

2. Model keputusan yang digunakan yaitu model Fuzzy Multiple Attribute Decision Making (FMADM) dengan metode Simple Additive Weighting

(SAW)

3. Sistem yang dibangun berbasis desktop.

1.4 Tujuan Penelitian

Tujuan yang dicapai dalam penelitian ini adalah :

1. Mengetahui tingkat ketepatan algoritma SAW (Simple Additive

Weighting) dalam pengambilan keputusan penerimaan JAMKESDA.

2. Untuk mendapatkan hasil yang lebih tepat warga yang berhak mendapatkan JAMKESDA.

1.5 Manfaat Penelitian

Manfaat yang diberikan penelitian ini, yaitu :

1. Memberikan gambaran tentang langkah metode saw dalam pengambilan keputusan penerimaan JAMKESDA.

(23)

1.6 Sistematika Penulisan BAB I PENDAHULUAN

Bab ini berisi tentang latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, dan sistematika penulisan.

BAB II LANDASAN TEORI

Bab ini berisi tentang dasar teori yang akan digunakan untuk pembahasan dalam penulisan laporan tugas akhir ini yang meliputi Sistem Pendukung Pengambilan Keputusan dan metode SAW BAB III METODOLOGI PENELITIAN

Bab ini berisi tentang metodologi penelitian yang akan dilakukan selama penelitian, terdiri dari : Analisis Masalah, Pengembangan Sistem, Pengujian Efektifitas Sistem, Analisis Data, Penarikan Kesimpulan.

BAB IV ANALISIS DAN PERANCANGAN SISTEM

Bab ini berisi tentang cara penerapan konsep dasar yang telah diuraikan pada bab sebelumnya untuk menganalisa dan merancang aplikasi.

BAB V ANALISIS HASIL IMPLEMENTASI

(24)

BAB VI PENUTUP

(25)

BAB II

LANDASAN TEORI

2.1 Sistem Pendukung Pengambilan Keputusan (SPK)

2.1.1 Pengertian SPPK

Konsep sistem pendukung pengambilan keputusan (SPPK) pertama kali diungkapkan oleh Michael S.Scott Morton dengan istilah Management Decision System pada awal tahun 1970-an. SPPK sebagai sebuah sistem berbasis komputer yang membantu dalam proses pengembalian keputusan. SPPK sebagai sistem informasi berbasis komputer yang adaptif, interaktif, fleksibel, yang secara khusus dikembangkan untuk mendukung solusi dari permasalahan manajemen yang tidak terstruktur untuk meningkatkan kualitas pengambilan keputusan. Dengan demikian dapat ditarik satu definisi tentang SPPK, yaitu sebuah sistem berbasis komputer yang adaptif, fleksibel, dan interkatif yang digunakan untuk memecahkan masalah-masalah semi terstruktur sehingga meningkatkan nilai keputusan yang diambil.

2.1.2 Tujuan Sistem Pendukung Pengambilan Keputusan

Menurut Turban (2005) Tujuan dari Sistem Pendukung Keputusan adalah : 1. Membantu manajer dalam pengambilan keputusan atas masalah semi

terstruktur.

2. Memberikan dukungan atas pertimbangan manajer dan bukannya di maksudkan untuk menggantikan fungsi manajer

(26)

4. Kecepatan komputasi. Komputer memungkinkan para pengambil keputusan untuk melakukan banyak komputasi secara cepat dengan biaya yang rendah.

5. Peningkatan produktivitas. Membangun suatu kelompok pengambil keputusan, terutama para pakar, bisa sangat mahal. Pendukung terkomputerisasi bisa mengurangi ukuran kelompok dan memungkinkan para anggotanya untuk berada di berbagai lokasi yang berbeda-beda (menghemat biaya perjalanan). Selain itu, produktivitas staf pendukung (misalnya analisis keuangan dan hukum) bisa di tingkatkan. Produktivitas juga bisa di tingkatkan menggunakan peralatan optimasi yang menentukan cara terbaik untuk menjalankan sebuah bisnis.

(27)

ekonomis. Semua kapabilitas tersebut mengarah kepada keputusan yang lebih baik.

7. Berdaya saing. Manajemen dan pemberdayaan sumber daya perusahaan. Tekanan persaingan menyebabkan tugas pengambilan keputusan menjadi sulit. Persaingan di dasarkan tidak hanya pada harga, tetapi juga pada kualitas, kecepatan, kustomasi produk, dan dukungan pelanggan. Organisasi harus mampu secara sering dan cepat mengubah mode operasi, merekayasa ulang proses dan struktur, memberdayakan karyawan, serta berinovasi. Teknologi pengambilan keputusan bisa menciptakan pemberdayaan yang signifikan dengan cara memperbolehkan seseorang untuk membuat keputusan yang baik secara cepat, bahkan jika mereka memiliki pengetahuan yang kurang.

2.1.3 Ciri-ciri SPPK

Dikutip oleh Nainggolan (2011), Kenn merumuskan ciri-ciri SPPK sebagai berikut :

1. SPPK ditujukan untuk membantu keputusan-keputusan yang semi terstruktur dan umumnya dihadapi oleh para manajer yang berbeda di tingkat puncak

2. Dalam proses pengolahannya SPPK mengkombinasikan penggunaan model-model dengan teknik pemasukan data konvensional serta fungsi-fungsi pencari

(28)

4. SPPK bersifat luwes dan dapat menyesuaikan dengan perubahan-perubahan yang terjadi

2.1.4 Karakteristik dan Kapabilitas SPPK

Dikutip oleh Kusrini (2007: 20), Turban, E.(2005) mendeskripsikan adanya perbedaan karakteristik SPPK dengan sistem informasi manajemen (SIM). Adapun karakteristik SPPK sebagai berikut :

1. SPPK menyediakan dukungan bagi pengambil keputusan utamanya pada situasi semi terstruktur dan tak terstruktur dengan memadukan pertimbangan manusia dan informasi terkomputerisasi. (semi structured decisions)

2. Dukungan disediakan untuk berbagai level manajerial yang berbeda, mulai dari pimpinan puncak sampai manajer lapangan. (for different majerial level)

3. Dukungan disediakan bagi individu dan juga bagi group berbagai masalah organisasional melibatkan pengambilan keputusan dari orang dalam group. Untuk masalah yang strukturnya lebih sedikit seringkali hanya membutuhkan keterlibatan beberapa individu dari departemen dan level organisasi yang berbeda. (for group and individual)

4. SPPK menyediakan dukungan ke berbagai keputusan yang berurutan atau saling berkaitan. (independence or sequential decisions)

5. SPPK mendukung berbagai fase proses pengambilan keputusan:

(29)

6. SPPK mendukung berbagai proses pengambilan keputusan dan style yang berbeda-beda; ada kesesuaian diantara DSS dan atribut pengambil keputusan individu (contohnya vocabulary dan style keputusan).

7. SPPK selalu bisa beradaptasi sepanjang masa. Pengambil keputusan harus reaktif, mampu mengatasi perubahan kondisi secepatnya dan beradaptasi untuk membuat SPPK selalu bisa menangani perubahan ini. SPPK adalah fleksibel, sehingga user dapat menambahkan, menghapus, mengkombinasikan, mengubah, atau mengatur kembali elemen-elemen dasar (menyediakan respon cepat pada situasi yang tak diharapkan). Kemampuan ini memberikan analisis yang tepat waktu dan cepat setiap saat. (adatability and flexible )

8. Pengguna merasa seperti di rumah. Ramah-pengguna, kapabilatas grafis yang sangat kuat, dan antarmuka manusia-mesin interaktif dengan satu bahasa alami dapat sangat meningkatkan keefektifitasan SPPK.

9. SPPK mencoba untuk meningkatkan efektivitas dari pengambilan keputusan (akurasi, jangka waktu, kualitas), lebih daripada efisiensi yang bisa diperoleh (biaya membuat keputusan, termasuk biaya penggunaan komputer). (Effectiveness and not efficiency)

(30)

tambahan pendapat pribadi atau pun tidak. (human control the machine)

11. SPPK mengarah pada pembelajaran, yaitu mengarah pada kebutuhan baru dan penyempurnaan sistem, yang mengarah pada pembelajaran tambahan, dan begitu selanjutnya dalam proses pengembangan dan peningkatan SPPK secara berkelanjutan.

12. User/pengguna harus mampu menyusun sendiri sistem yang sederhana. Sistem yang lebih besar dapat dibangun dalam organisasi user tadi dengan melibatkan sedikit saja bantuan dari spesialis di bidang

Information Systems (IS).

13. SPPK biasanya mendayagunakan berbagai model (standar atau sesuai keinginan user) dalam menganalisis berbagai keputusan. Kemampuan pemodelan ini menjadikan percobaan yang dilakukan dapat dilakukan pada berbagai konfigurasi yang berbeda. berbagai percobaan tersebut lebih lanjut akan memberikan pandangan dan pembelajaran baru. (modelling)

(31)

Gambar 2. 1 Karakteristik dan Kapabilitas SPPK

2.1.5 Komponen SPPK

Komponen-komponen SPPK menurut Turban, E (2005) sebagai berikut : 1. Pengolahan Data, termasuk database yang mengandung data yang

relevan untuk berbagai situasi dan diatur oleh software yang disebut

Database Management Systems (DBMS).

2. Pengelolaan Model, melibatkan model finansial, statistikal, management science, atau berbagai model kuantitatif lainnya, sehingga dapat memberikan ke sistem suatu kemampuan analitis, dan manajemen software yang diperlukan.

(32)

3. Pengelolaan Dialog, User dapat berkomunikasi dan memberikan perintah pada SPK melalui subsistem ini. Ini berarti menyediakan antarmuka.

4. Pengelolaan Pengetahuan, Subsistem optional ini dapat mendukung subsistem lain atau bertindak sebagai komponen yang berdiri sendiri.

Gambar 2. 2 Skematik SPPK

2.1.6 Kelebihan dan Kekurangan

Setiap sistem teknologi pasti memiliki kelebihan dan keterbatasannya, sedangkan keterbatasan sistem pendukung keputusan yaitu :

1. Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat dimodelkan, sehingga model yang ada dalam sistem tidak semuanya mencerminkan persoalan sebenarnya.

(33)

2. Kemampuan suatu SPK terbatas pada perbendaharaan pengetahuan yang dimilikinya (pengetahuan dasar serta model dasar). Maksudnya bahwa sistem pendukung keputusan hanya bisa menyelesaikan masalah sesuai data masukan yang diprogram dalam sistem itu.

3. Proses-proses yang dapat dilakukan SPK biasanya juga tergantung pada perangkat lunak yang digunakan.

4. SPK tidak memiliki kemampuan intuisi seperti yang dimiliki manusia. Sistem ini dirancang hanyalah untuk membantu pengambil keputusan dalam melaksanakan tugasnya sehingga ada permasalahan yang tidak bisa dikerjakan oleh sistem pendukung keputusan dan harus dikerjaka manusia.

2.1.7 Jenis-Jenis Sistem Pengambilan Keputusan

Jenis-jenis SPK menurut tingkat kerumitan dan tingkat dukungan pemecahan masalahnya menurut Alter(1976) adalah sebagai berikut:

●Mengambil elemen-elemen informasi. ●Menganalisis seluruh file.

●Menyiapkan laporan dari berbagai file. ●Memperkirakan dari akibat keputusan. ●Mengusulkan keputusan.

●Membuat keputusan.

2.2 Fuzzy Multiple Atribute Decision Making FMADM

(34)

FMADM adalah menentukan nilai bobot untuk setiap atribut yang selanjutnya akan dilakukan proses perankingan yang akan menyelekaai alternative yang sudah diberikan. Ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu : pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif dan obyektif. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan sehingga, beberapa faktor dalam proses perankingan alternative bisa ditentukan secara bebas. Sedangkan pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambilan keputusan. Beberapa metode yang dapat untuk menyelesaikan masalah FMADM, yaitu :

1. Simple Additive Weighting (SAW) 2. Weighted Product (WP)

3. ELECTRE

4. Technique for Order Preferences by Similarity to Ideal Solution

(TOPSIS)

5. Analytic Hierarchy Process (AHP)

2.3 Tiga Pendekatan Mencari nilai bobot atribut

(35)

pendekatan obyektif nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambilan keputusan.

Dalam hal ini, sistem pendukung pengambilan keputusan seleksi penerimaan jaminan kesehatan daerah menggunakan pendekatan integrasi.

Pendekatan integrasi digunakan dalam seleksi penerimaan jaminan kesehatan daaerah dikarenakan adanya peraturan yang digunakan oleh staff kelurahan sebagai pengambil keputusan dan dibantu dengan perhitungan manual untuk menentukan bobot kriteria, vektor bobot, interval untuk masing-masing kriteria.

2.4 Metode Simple Additive Weighting (SAW)

Metode SAW sering juga dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja setiap alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua alternatif yang ada. Matrix keputusan (x) dibentuk dari skor alternatif x dan nilai bobot setiap atribut W. Berikut ini merupakan penjelasan lebih lengkap untuk memahami metode Simple Addative Weighting (SAW) :

(36)

digunakan dalam pengambilan keputusan seleksi penerimaan JAMKESDA:

1. Jenis Lantai Bangunan Tempat tinggal (C1) 2. Jenis Dinding Bangunan Tempat Tinggal (C2) 3. Fasilitas Tempat Buang Air Besar (C3)

4. Konsumsi daging/ayam/susu perminggu (C4)

5. Pembelian pakaian baru setiap anggota rumah tangga (C5) 6. Frekuensi makan dalam sehari (C6)

7. Lapangan pekerjaan utama Kepala Keluarga (C7) 8. Pendidikan tertinggi kepala keluarga (C8)

9. Pemilik aset/harga bergerak atau tidak bergerak (C9)

Kriteria-kriteria yang digunakan dalam pengambilan keputusan sebagai berikut:

Kriteria 1 : Jenis Lantai Bangunan Tempat Tinggal (C1)

Kriteria jenis bangunan tempat tinggal terbagi atas 3 bilangan fuzzy, yaitu rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp R= 0,33 ; S=0,67 ; T=1,00

Gambar 2. 3 Bilangan Fuzzy untuk Jenis Bangunan Tempat Tinggal

0,33 0,67 1,00

0 1

µ(w)

(37)

Tabel 2. 1 Tabel pembobotan untuk kriteria 1 (C1) Jenis Lantai (X) Nilai

Tanah 0,33

Ubin 0,67

Keramik 1,0

C1 merupakan kriteria jenis lantai bangunan tempat tinggal. Jenis lantai tanah diberi nilai 0,33 = rendah, jenis lantai ubin diberi nilai 0.67 = sedang, dan jenis lantai keramik diberi nilai 1.00 = tinggi.

Kriteria 2 : Jenis Dinding Bangunan Tempat Tinggal (C2)

Kriteria jenis dinding bangunan tempat tinggal terbagi atas 3 bilangan fuzzy, yaitu rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp R= 0,33 ; S=0,67 ; T=1,00

Gambar 2.4 Bilangan Fuzzy untuk Jenis Dinding Bangunan Tempat Tinggal

Tabel 2. 2 Tabel pembobotan untuk kriteria 2 (C2) Jenis Dinding (X) Nilai

Tembok Bambu 0,33

Tembok Batu Bata 0,67

Tembok Halus 1,0

0,33 0,67 1,00

0 1

µ(w)

(38)

C2 merupakan kriteria jenis dinding bangunan tempat tinggal. Jenis tembok bambu diberi nilai 0,33 = rendah, jenis tembok batu bata diberi nilai 0.67 = sedang, dan jenis tembok halus diberi nilai 1.00 = tinggi.

Kriteria 3 : Fasilitas Tempat Buang Air Besar (C3)

Kriteria fasilitas tempat buang air besar terbagi atas 3 bilangan fuzzy, yaitu rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp R= 0,33 ; S=0,67 ; T=1,00

Gambar 2.5Bilangan Fuzzy untuk Fasilitas Tempat Buang Air Besar

Tabel 2. 3 Tabel pembobotan untuk kriteria 3 (C3) Jenis Tempat (X) Nilai

Tidak Punya 0,33

Sederhana 0,67

Modern 1,0

C3 merupakan kriteria jenis tempat buang air besar. Tidak mempunyai diberi nilai 0,33 = rendah, sederhana diberi nilai 0.67 = sedang, modern diberi nilai 1.00 = tinggi.

0,33 0,67 1,00

0 1

µ(w)

(39)

Kriteria 4 : Konsumsi daging/ayam/susu perminggu (C4)

Kriteria konsumsi daging/ayam/susu perminggu terbagi atas 3 bilangan fuzzy, yaitu rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp R= 0,33 ; S=0,67 ; T=1,00

Gambar 2.6 Bilangan Fuzzy untuk Konsumsi daging/ayam/susu perminggu

Tabel 2. 4 Tabel pembobotan untuk kriteria 4 (C4) Konsumsi

daging/ayam/susu (X)

Nilai

Tidak Pernah 0,33

Seminggu 1 kali 0,67 Seminggu 2 kali 1,0

C4 merupakan kriteria konsumsi daging/ayam/susu perminggu. Tidak pernah diberi nilai 0,33 = rendah, seminggu 1 kali diberi nilai 0.67 = sedang, dan seminggu 2 kali diberi nilai 1.00 = tinggi.

0,33 0,67 1,00

0 1

µ(w)

(40)

Kriteria 5 : Pembelian Pakaian Baru setiap anggota rumah tangga (C5) Kriteria pembelian pakaian baru setiap anggota rumah tangga terbagi atas 3 bilangan fuzzy, yaitu rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp R= 0,33 ; S=0,67 ; T=1,00

Gambar 2.7 Bilangan Fuzzy untuk pembelian pakaian baru setiap anggota rumah tangga

Tabel 2. 5 Tabel pembobotan untuk kriteria 5 (C5) Pembelian

Pakaian (X)

Nilai

Tidak Pernah 0,33

Setiap hari raya 0,67 3 bulan sekali 1,0

C5 merupakan kriteria pembelian pakaian baru setiap anggota rumah tangga. Tidak pernah diberi nilai 0,33 = rendah, setiap hari raya diberi nilai 0.67 = sedang, dan 3 bulan sekali diberi nilai 1.00 = tinggi.

Kriteria 6 : Frekuensi makan dalam sehari (C6)

Kriteria frekuensi makan dalam sehari terbagi atas 3 bilangan fuzzy, yaitu rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di

0,33 0,67 1,00

0 1

µ(w)

(41)

bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp R= 0,33 ; S=0,67 ; T=1,00

Gambar 2. 8 Bilangan Fuzzy untuk Frekuensi Makan dalam Sehari

Tabel 2. 6 Tabel pembobotan untuk kriteria 6 (C6) Makan dalam

sehari (X)

Nilai

1 kali sehari 0,33 2 kali sehari 0,67 3 kali sehari 1,0

C6 merupakan kriteria frekuensi makan dalam sehari. 1 kali sehari diberi nilai 0,33 = rendah, 2 kali sehari diberi nilai 0.67 = sedang, dan 3 kali sehari diberi nilai 1.00 = tinggi.

Kriteria 7 : Lapangan pekerjaan utama Kepala Keluarga (C7)

Kriteria lapangan pekerjaan utama terbagi atas 3 bilangan fuzzy, yaitu rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp R= 0,33 ; S=0,67 ; T=1,00

0,33 0,67 1,00

0 1

µ(w)

(42)

Gambar 2.9 Bilangan Fuzzy untuk Lapangan Pekerjaan Utama Kepala Keluarga

Tabel 2. 7 Tabel pembobotan untuk kriteria 7 (C7) Lapangan pekerjaan utama (X) Bobot

Buruh 0,33

Pedagang/Wiraswasta/Peg.Swasta 0,67

PNS 1,0

C7 merupakan lapangan pekerjaan utama kepala keluarga. Buruh diberi nilai 0,33 = rendah, pedagang/wiraswasta/peg.swasta diberi nilai 0.67 = sedang, dan PNS diberi nilai 1.00 = tinggi.

Kriteria 8 : Pendidikan tertinggi kepala keluarga (C8)

Kriteria pendidikan tertinggi kepala keluarga terbagi atas 4 bilangan fuzzy, yaitu sangat rendah (SR), rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan-bilangan crisp SR=0,25 R= 0,5 ; S=0,75 ; T=1,00

0,33 0,67 1,00

0 1

µ(w)

(43)

Gambar 2.10 Bilangan Fuzzy untuk Pendidikan Teringgi Kepala Keluarga

Tabel 2. 8 Tabel pembobotan untuk kriteria 8 (C8) Pendidikan

tertinggi (X)

Nilai

Tamat SD 0,25

Tamat SMP 0,5

Tamat SMA 0,75

Tamat S1/S2 1,00

C8 merupakan kriteria pendidikan tertinggi kepala keluarga. Tamat SD diberi nilai 0.25 = sangat rendah, tamat SMP diberi nilai 0.5 = rendah, tamat SMA diberi nilai 0.75 = sedang, dan tamat S1/S2 diberi nilai 1.00 = tinggi.

Kriteria 9 : Pemilik aset/harga bergerak atau tidak bergerak (C9)

Kriteria pemilik aset/harga bergerak atau tidak bergerak terbagi atas 3 bilangan fuzzy, yaitu rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp R= 0,33 ; S=0,67 ; T=1,00

SR R _S

0,25 0,5 0,75

0 1

µ(w)

T

(44)

Gambar 2. 11Bilangan Fuzzy untuk Pemilik aset/harga bergerak atau tidak bergerak

Tabel 2. 9 Tabel pembobotan untuk kriteria 9 (C9)

Aset (X) Nilai

Tidak mempunyai 0,33

Harta benda dijual <500rb 0,67 Harta benda dijual >500rb 1,0

C9 merupakan kriteria pemilik aset/harga bergerak atau tidak bergerak. Tidak mempunyai diberi nilai 0,33 = rendah, harta benda dijual < 500rb diberi nilai 0.67 = sedang, dan harta benda dijual > 500rb diberi nilai 1.00 = tinggi.

-Berikut ini contoh perhitungan manual:

a. Diketahui 3 calon penerima Jaminan Kesehatan Daerah :

Tabel 2. 10 Data Pemohon

Kriteria Nama Pemohon

Imam.H Hary.S Kuntinah Jenis Bangunan Tempat Tinggal Keramik Keramik Ubin Dinding Bangunan Tempat Tinggal Tembok

Halus

Tembok Halus

0,33 0,67 1,00

0 1

µ(w)

(45)

Fasilitas Tempat Buang Air Besar Modern Modern Sederhana Pembelian Pakaian Baru setiang

anggota rumah tangga Frekuensi makan dalam sehari 3kali

sehari

3 kali sehari

1 kali sehari

Lapangan pekerjaan utama Kepala Keluarga

Wiraswata PNS Buruh

Pendidikan tertinggi kepala keluarga Lulus SLTA

S1 Tidak

Lulus SD Pemilik aset/harga bergerak atau

tidak bergerak merupakan hasil survei pemohon/kandidat

Tabel 2. 11 Hasil Nilai Survei pemohon Pemohon

(Ai)

Nilai Survei Kriteria

C1 C2 C3 C4 C5 C6 C7 C8 C9

A1 1 1 1 1 0,67 1 0,67 0,75 1

A2 1 1 1 1 0,67 1 1 1 1

(46)

Keterangan :

A1 = Nama Kandidat penerima Jamkesda yaitu Imam H A2 = Nama Kandidat penerima Jamkesda yaitu Hary S A3 = Nama Kandidat penerima Jamkesda yaitu Kuntinah

C1 = Kriteria 1 yaitu kriteria untuk jenis lantai bangunan tempat tinggal

C2 =Kriteria 2 yaitu kriteria untuk jenis dinding bangunan tempat tinggal

C3 = Kriteria 3 yaitu kriteria untuk fasilitas tempat buang air besar C4 = Kriteria 4 yaitu kriteria untuk konsumsi daging/ayam/susu perminggu

C5 = Kriteria 5 yaitu kriteria untuk pembelian pakaian baru setiap tahun

C6 = Kriteria 6 yaitu frekuensi makan dalam sehari

C7 = Kriteria 7 yaitu lapangan pekerjaan utama kepala keluarga C8 = Kriteria 8 yaitu pendidikan tertinggi kepala keluarga

C9 = Kriteria 9 yaitu pemilik aset/harga bergerak atau tidak bergerak.

(47)

Gambar 2. 12 Grafik Bobot

w(bobot) = {0.67,0.67,1.00,1.00,0.67,0.33,0.33,1.00,0.33}

d. Melakukan proses normalisasi. Adapun formula yang digunakan dalam proses normalisasi sebagai berikut :

Keterangan :

rij : nilai rating kinerja ternormalisasi

xij : nilai atribut yang dimiliki dari setiap kriteria Max xij : nilai terbesar dari setiap kriteria i

Min xij : nilai terkecil dari setiap kriteria i

Benefit :jika nilai terbesar adalah terbaik

cost : jika nilai terkecil adalah terbaik

i : menunjuk pada nilai tertentu

Dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai

pada atribut Cj ; i=1,2,…,m dan j=1,2,…,n. Proses normalisasi akan

menghasilkan matrix ternormalisasi.

Jika j adalah atribut manfaat (benefit)

Jika j adalah atribut biaya (cost)

Rumus Normalisasi (2.1)

0,33 0,67 1,00 0

1

µ(w)

(48)

Berikut ini contoh perhitungan normalisasi untuk memperjelas penggunaan formula normalisasi pada Rumus 2.1 :

Pada kasus ini menggunakan atribut biaya (cost) karena semakin kecil skor maka peluang memperoleh Jamkesda semakin besar sehingga digunakan normalisasi Min.

Alternatif A1 (Imam H)

Alternatif A2 ( Hari Susanto)

(49)

Alternatif A3 (Kuntinah)

Proses normalisasi tersebut akan menghasilkan matrix ternormalisasi seperti tabel dibawah ini :

Tabel 2. 12Matriks Ternormalisasi

e. Selanjutnya, menjumlahkan hasil kali matriks ternormalisasi (r) dengan bobot kriteria (w) yang menghasilkan nilai preferensi (V). Formula nilai preferensi untuk setiap alternative (Vi) sebagai berikut:

Keterangan :

vi : rangking untuk setiap alternatif wj : bobot dari setiap kriteria

(50)

rij : nilai rating kinerja ternormalisasi

Berikut ini contoh perhitungan preferensi untuk memperjelas penggunaan formula preferensi pada Rumus 2.2 :

V1 (Imam H)

=((0,67*0,67)+(0,67*1,00)+(1,00*0,67)+(1,00*0,33)+(0,67*1,00)+ (0,33*0,33)+(0,33*0,4925)+(1,00*0,33)+(0.33*0,33)) = 3.494

V2 ( Hari Susanto)

=((0,67*0,67)+(0,67*1,00)+(1,00*0,67)+(1,00*0,33)+(0,67*1,00)+ (0,33*0,33)+(0,33*0,33)+(1,00*0,25)+(0,33*0,33)) = 3.357

V3 (Kuntinah)

=((0,67*1,00)+(0,67*1,00)+(1,00*1,00)+(1,00*1,00)+(0,67*1,00)+ (0,33*1,00)+(0,33*1,00)+(1,00*1,00)+(0,33*1,00)) = 5,99

Setelah melakukan perhitungan nilai preferensi, langkah selanjutnya adalah melakukan perankingan untuk mendapatkan alternatif terbaik. Nilai Vi yang lebih besar mengindikasikan bahwa alternative Ai lebih terpilih. Dari contoh perhitungan preferensi diatas maka diperoleh alternatif terbaik yaitu Kuntinah (V3).

2.5 Jaminan Kesehatan Daerah (JAMKESDA)

(51)

yang diberikan Pemerintah Daerah Kab. Bojonegoro kepada masyarakat Kab. Bojonegoro. Sasaran Program Jamkesda adalah seluruh masyarakat Kab. Bojonegoro yang belum memiliki jaminan kesehatan berupa Jamkesmas, ASKES dan asuransi kesehatan lainnya. Jenis-jenis pelayanan kesehatan yang ditanggung program JAMKESDA antara lain berupa pelayanan kesehatan di Puskesmas dan pelayanan kesehatan di rumah sakit. Kriteria-kriteria penerimaan JAMKESDA atau jaminan kesehatan daerah, yaitu :

1. Jenis lantai bangunan tempat tinggal. 2. Jenis dinding bangunan tempat tinggal. 3. Fasilitas tempat buang air besar.

4. Konsumsi daging/ayam/susu perminggu

5. Pembelian pakaian baru setiap anggota rumah tangga. 6. Frekuensi makan dalam sehari.

7. Lapangan pekerjaan utama kepala keluarga. 8. Pendidikan tertinggi kepala keluarga.

(52)

BAB III

METODOLOGI PENELITIAN

Bab ini berisi uraian tentang cara pengambilan data untuk penelitian. Cara pengambilan data tersebut dapat dilakukan berbagai langkah seperti yang akan dijelaskan dibawah ini.

3.1 Rumusan Masalah

(53)

yang tepat. Dari adanya masalah tersebut maka metodologi penelitian yang digunakan, sebagai berikut :

1. Analisis Masalah

Pada tahapan ini bertujuan melakukan analisis masalah untuk mengolah hasil dari interview untuk penentuan syarat-sayarat dan data-data yang dibutuhkan dalam proses penerimaan JAMKESDA. Wawancara dilakukan untuk mengetahui kebutuhan dan syarat-syarat penerimaan JAMKESDA. Kegiatan wawancara ditujukan kepada Kepala Kelurahan dan pegawai kelurahan Kepatihan. Hasil dari wawancara tersebut akan digunakan sebagai input dalam tahap analisis. Proses yang dilakukan bertujuan untuk mempelajari kebutuhan dan syarat-syarat selama proses pemilihan penerima JAMKESDA berlangsung. Setelah analais dilakukan maka hasil analisis masalah akan berupa perkiraan syarat-syarat penerimaan JAMKESDA dan data-data yang dibutuhkan dalam penelitian ini. Syarat-syarat penerimaan JAMKESDA, meliputi 9 kriteria yang telah ditetapkan. Dari syarat-syarat tersebut dapat ditentukan masyarakat yang menerima dan tidak menerima JAMKESDA.

2. Pengembangan Sistem

(54)

Sistem pendukung keputusan penerimaan JAMKESDA dikembangkan menggunakan bahasa pemrograman Java dan MySQL.

3. Pengujian Sistem

Pada tahapan ini bertujuan untuk melakukan pengujian sistem yang telah dibuat. Pengujian sistem tersebut bertujuan untuk mengetahuai ketepatan penggunaan model SAW dalam pengambilan keputusan pada sistem penerimaan JAMKESDA. Proses pengujian dilakukan dengan melakukan simulasi terhadap sistem tersebut dengan menginputkan data-data yang didapat dari hasil wawancara dan observasi. Hasil yang diharapkan berupa masyarakat yang menerima atau tidak menerima JAMKESDA.

4. Analisis Data

(55)

sistem dan hasil manual dari kelurahan selanjutnya akan dilakukan pengecekkan untuk mengetahui bobot kriteria yang menyebabkan terjadinya perbedaan hasil keputusan antara sistem pendukung keputusan dan manual dengan cara manual melihat dari data asli. Ketepatan dan keakuratan dari sistem ini dapat dilihat dari perbedaan hasil antara sistem dan manual. Bila pada keputusan manual kondisi warga “mampu” warga tersebut menerima

Jamkesda, namun pada sistem warga dengan kondisi “mampu” warga

tersebut tidak menerima Jamkesda. Hasil yang diperoleh dari analisa data akan digunakan dalam langkah selanjutnya yaitu penarikkan kesimpulan.

5. Penarikkan Kesimpulan

Pada tahapan ini penulis akan menarik suatu kesimpulan berupa keputusan terhadap penelitian ini. Ketepatan dan keakuratan metode SAW dalam memberikan hasil keputusan yang lebih baik dapat dilihat dari perbedaan hasil keputusan sistem dan hasil keputusan kelurahan (manual). Ketepatan metode SAW untuk menyeleksi calon penerima Jamkesda dilihat dari warga yang “tidak mampu” dan warga tersebut menerima Jamkesda namun pada keputusan manual warga tersebut “tidak menerima” Jamkesda.

(56)

BAB IV

PERANCANGAN DAN IMPLEMENTASI SISTEM 4.1 Analisis Sistem

4.1.1 Ruang Lingkup Masalah A. Sistem yang ada saat ini

Saat ini sistem pendukung pengambilan keputusan untuk seleksi penerimaan kartu Jaminan Kesehatan Daerah di Kelurahan Kepatihan Kabupaten Bojonegoro masih menggunakan cara manual. Pengambilan keputusan secara manual membuat staf Kelurahan setempat tidak tepat dalam menentukan keputusan. Pengambilan keputusan yang tidak tepat meresahkan warga yang seharusnya mendapatkan kartu Jaminan Kesehatan tetapi tidak mendapat kartu kesehatan tersebut. Ketidaktepatan staf dalam mengambil keputusan dikarenakan banyaknya warga yang ingin menerima Jamkesda namun quota yang ada tidak cukup untuk seluruh warga. Sistem yang baru ini diharapkan dapat membantu memberikan rekomendasi untuk staf Kelurahan Kepatihan dalam pengambilan keputusan yang tepat.

B. Sistem yang akan dibangun

(57)

Attribute Decission Making (MADM). Metode FMADM (Multiple Attribute Decission Making) adalah metode yang dapat mencari suatu alternatif terbaik dari berbagai alternatif berdasarkan kriteria-kriteria yang telah ditentukan. Dari beberapa algoritma yang dimiliki oleh metode Fuzzy MADM, sistem pendukung pengambilan keputusan ini memilih menggunakan algoritma Simple Additive Weighting (SAW). Metode SAW dipilih untuk menyelesaikan masalah pembagian JAMKESDA karena metode ini mampu memberikan alternatif terbaik dengan adanya pemberian bobot pada setiap kriteria-kriteria yang telah ditentukan, kemudian dilakukan proses perankingan dan patokan skor yang akan menentukan alternatif yang optimal.

4.2 Perancangan Sistem

Pada tahap ini akan dijelaskan hasil perancangan sistem yang terdiri dari

use-case, diagram aliran data (DAD), manajemen model, manajemen data, manajemen dialog, dan manajemen knowledge.

4.2.1 Diagram Use Case

(58)

(59)

4.2.2 Skenario Use Case

1. Memasukkan Data Warga Aktor : Staf Kelurahan

Kondisi Awal : Staf Kelurahan telah login ke sistem

Kondisi Akhir : Sistem mengonfirmasikan kepada staf kelurahan bahwa data warga tersimpan

Tabel 4. 1 Narasi Use Case Memasukkan Data Warga

Aksi Reaksi nama kepala keluarga, alamat,

RT/RW, Desa, lalu Staf

Kelurahan menekan tombol simpan

2. Sistem menampilkan tambah data warga form dan id (dicarikan secara random) untuk data warga baru id akan ditampilkan secara otomatis

(60)

2. Mengubah Data Warga Aktor : Staf Kelurahan

Kondisi Akhir : Sistem mengonfirmasikan kepada staf kelurahan bahwa data yang diubah berhasil diubah dari database.

Tabel 4. 2 Narasi Use Case Mengubah Data Warga

Aksi Reaksi

1. Staf Kelurahan memilih File kemudian memilih menu item Input Data Warga

3. Staf Kelurahan mengubah data data warga dengan menekan salah satu baris pada tabel data warga dengan NKK tertentu yang ingin diubah pada tabel data warga, lalu admin menekan tombol ubah

2. Sistem menampilkan halaman Data Warga

4. Sistem akan mengubah data warga yang telah diubah oleh staff kelurahan di database. 5. Sistem akan mengonfirmasikan

(61)

3. Menghapus Data Warga Aktor : Staf Kelurahan

Kondisi Akhir : Sistem mengonfirmasikan kepada staf kelurahan bahwa data warga yang dihapus telah berhasil dihapus dari database.

Tabel 4. 3 Narasi Use Case Menghapus Data Warga

Aksi Reaksi

1. Staf kelurahan memilih menu File kemudian memilih menu item Input Data Warga

3. Staf kelurahan menghapus data warga dengan menekan baris data dengan id driver tertentu yang ingin dihapus pada tabel data warga, kemudian staf kelurahan menekan tombol hapus

2. Sistem menampilkan halaman data warga

4. Sistem akan menghapus data warga yang dipilih oleh staf kelurahan dari database.

(62)

4. Memasukkan Data Kriteria dan Sub Kriteria Aktor : Staf Kelurahan

Kondisi Akhir : Sistem mengkonfirmasikan kepada staf kelurahan bahwa data kriteria dan sub kriteria berhasil disimpan di database.

Tabel 4. 4 Narasi Use Case Memasukkan Data Kriteria dan Sub Kriteria

Aksi Reaksi

1. Staf kelurahan memilih menu File kemudian memilih menu item Input Kriteria dan Sub Kriteria

3. Staf kelurahan memasukkan data kriteria dan sub kriteria beserta bobot. Bila input data kriteria dan sub kriteria selesai, selanjutnya tekan tombol simpan.

2. Sistem menampilkan halaman input kriteria dan sub kriteria

4. Sistem akan menyimpan data berupa id kriteria, nama kriteria, bobot kriteria, id sub kriteria, nama sub kriteria, dan bobot sub kriteria

(63)

5. Mengubah Data Kriteria dan Sub Kriteria Aktor : Staf Kelurahan

Kondisi Akhir : Sistem mengonfirmasikan kepada staff kelurahan bahwa data kriteria dan sub kriteria yang diubah berhasil diubah dari database

Tabel 4. 5 Narasi Use Case Mengubah Data Kriteria dan Sub Kriteria

Aksi Reaksi

1. Staf Kelurahan memilih menu Edit kemudian memilih menu item Ubah dan Hapus Kriteria dan Sub kriteria

3. Staff Kelurahan mengubah data kriteria dengan memasukkan kode kriteria yang akan diubah pada text field selanjutnya akan tampil nama kriteria dan tingkat prioritas beserta data sub kriteria. Bila ingin menambahkan sub kriteria klik tombol Tambah kemudian masukkan nama sub kriteria yang akan ditambahkan. Bila ingin mengubah nama sub kriteria klik Edit kemudian masukkan nama sub kriteria yang diubah. Selanjutnya tekan Ubah

(64)

6. Menghapus Data Kriteria dan Sub Kriteria Aktor : Staf Kelurahan

Kondisi Akhir : Sistem mengonfirmasikan kepada staf kelurahan bahwa data kriteria dan sub kriteria yang dihapus telah berhasil dihapus dari database.

Tabel 4. 6 Narasi Use Case Menghapus Data Kriteria dan Sub Kriteria untuk menyimpan data kriteria

dan sub kriteria yang telah diubah ke database

4. Sistem akan mengubah data kriteria dan sub kriteria yang telah diubah oleh staf kelurahan di database.

5. Sistem akan mengonfirmasikan kepada staf kelurahan bahwa data kriteria dan sub kriteria telah berhasil diubah

Aksi Reaksi

1. Staf Kelurahan memilih menu Edit kemudian memilih menu item Ubah dan Hapus Kriteria dan Sub kriteria

3. Staf Kelurahan menghapus data kriteria dengan memasukkan

(65)

7. Memasukkan Data Kriteria Pemohon Aktor : Staf Kelurahan

Kondisi Akhir : Sistem mengonfirmasikan kepada staf kelurahan bahwa data kriteria pemohon berhasil disimpan di database.

Tabel 4. 7 Narasi Use Case Memasukkan Data Kriteria Pemohon kode kriteria yang akan dihapus

pada text field selanjutnya akan tampil nama kriteria dan tingkat prioritas beserta data sub kriteria. Bila ingin menghapus kriteria dan sub kriteria tersebut tekan tombol Hapus.

4. Sistem akan menghapus data kriteria dan sub kriteria yang dipilih oleh staf kelurahan dari database.

5. Sistem akan mengonfirmasikan kepada staf kelurahan bahwa data kriteria dan sub kriteria telah berhasil dihapus

Aksi Reaksi

1. Staf Kelurahan memilih menu File kemudian memilih menu item Input Kriteria Pemohon

(66)

8. Mengubah Data Kriteria Pemohon Aktor : Staf Kelurahan

Kondisi Akhir : Sistem mengonfirmasikan kepada staff kelurahan bahwa data kriteria pemohon berhasil diubah di database.

3. Staf Kelurahan memasukkann data kriteria dan sub kriteria berdasarkan NKK. Memasukkan NKK kemudian tekan tombol Cari.

5.Staf Kelurahan memasukkan kriteria dan sub kriteria dengan memilih pada drop down. Setelah selesai memasukkan kriteria dan sub kriteria tekan tombol “Simpan”

Input Kriteria Pemohon

4. Sistem akan menampilkan data warga berdasarkan NKK yang dicari

(67)

Tabel 4. 8 Narasi Use Case Mengubah Data Kriteria Pemohon

9. Menghapus Data Kriteria Pemohon Aktor : Staf Kelurahan

Kondisi Awal : Staff Kelurahan telah login ke sistem

Kondisi Akhir : Sistem mengonfirmasikan kepada staff kelurahan bahwa data kriteria pemohon berhasil diubah di database.

Aksi Reaksi

1. Staf Kelurahan memilih menu Edit kemudian memilih menu item Ubah dan Hapus Kriteria Pemohon

3. Staf kelurahan mengubah data kriteria dan sub kriteria pemohon

dengan memasukkan NKK.

Selanjutnya akan tampil data warga sesuai dengan NKK yang dicari beserta data kriteria dan sub kriteria warga tersebut. Untuk mengubah pilih salah satu kriteria yang akan diubah pada list kriteria dan sub kriteria pemohon. Setelah selesai klik tombol Ubah

2. Sistem menampilkan halaman Input Kriteria Pemohon

(68)

Tabel 4. 9 Narasi Use Case Menghapus Data Kriteria Pemohon kriteria dan sub kriteria pemohon

dengan memasukkan NKK.

Selanjutnya akan tampil data warga sesuai dengan NKK yang dicari beserta data kriteria dan sub kriteria warga tersebut. Untuk menghapus pilih salah satu kriteria yang akan dihapus pada list kriteria dan sub kriteria pemohon. Selanjutnya, tekan tombol Hapus dan tekan tombol Ubah.

2. Sistem menampilkan halaman Ubah dan Hapus Kriteria Pemohon

4. Sistem akan menghapus data kriteria dan sub kriteria yang dipilih oleh staff kelurahan dari database.

(69)

10.Simulasi

Aktor : Staf Kelurahan

Kondisi Akhir : Sistem mengonfirmasikan kepada staf kelurahan berupa hasil akhir warga yang menerima Jamkesda dan tidak menerima Jamkesda

Tabel 4. 10 Narasi Use Case Simulasi

Aksi Reaksi

1. Staf Kelurahan memilih menu File kemudian memilih menu item Simulasi

3. Staf Kelurahan melakukan

simulasi untuk mendapatkan keputusan warga yang menerima dan tidak menerima Jamkesda dengan memasukkan patokan skor kemudian tekan tombol proses

2. Sistem menampilkan halaman Simulasi beserta skor setiap warga yang diperoleh dari

perhitungan menggunakan

metode SAW

4. Sistem akan menampilkan hasil warga yang menerima Jamkesda dan tidak menerima Jamkesda berdasarkan patokan skor

(70)

4.2.3 Diagram Aliran Data (DAD)

Diagram aliran data ini menjelaskan keseluruhan rancangan aliran data berdasarkan model SPK yang telah dibuat sebelumnya. Sistem pendukung keputusan seleksi penerimaan Jamkesda menggunakan rancangan aliran data yang terdiri dari : diagram konteks, diagram aliran data tingkatan 1, diagram aliran data tingkatan 2 proses 1, dan diagram aliran data tingkatan 2 proses 2. Berikut gambar untuk memperjelas pembahasan :

4.2.3.1Diagram Konteks

Gambar 4. 2 Diagram Konteks Staff

Kelurahan

Sistem Pendukung Pengambilan

Keputusan Penerimaan

Calon Penerima JAMKESDA

Bobot Kriteria

Bobot Perhitungan setiap kriteria

Kriteria-kriteria calon penerima JAMKESDA Hasil simulasi penerimaan JAMKESDA

Keputusan penerima JAMKESDA Info identitas calon penerima JAMKESDA

(71)

4.2.3.2Diagram Aliran Data Tingkatan 1

Gambar 4. 3 Diagram Aliran Data Tingkatan 1 Hasil Simulasi

Calon Penerima JAMKESDA

Staff Kelurahan 1

Pengelolaan Informasi Penerimaan JAMKESDA

2

Proses Simulasi Perhitungan SAW

Kriteria -kriteria calon penerima JAMKESDA

Bobot Sub Kriteria

Bobot perhitungan setiap kriteria Kriteria Berbobot

Keputusan Penerimaa JAMKESDA

(72)

4.2.3.3Diagram Aliran Data Tingkatan 2 Proses 1

Gambar 4. 4 Diagram Aliran Data Tingkatan 2 Proses 1

1.1

(73)

4.2.3.4Diagram Aliran Data Tingkatan 2 Proses 2

(74)

4.2.4 Manajemen Model

Pada tahap ini dijelaskan gambaran tentang sistem pendukung keputusan yang digambarkan dengan diagram ketergantungan. Menurut Turban,.E (2005), Diagram ketergantungan (Influence Diagram) merupakan representasi grafis dari suatu model keputusan yang digunakan untuk membantu perancangan model, pengembangan dan pemahaman. Diagram ketergantungan memberikan komunikasi visual bagi pembangun model atau tim pengembangan. Berikut gambar dan penjelasan dari diagram ketergantungan pada gambar 4.6 :

(75)

4.2.5 Manajemen Data

Manajemen data akan menjelaskan perancangan basis data berupa diagram ER dan penjabaran tabel basis data yang relevan dengan diagram ER.

4.2.5.1Tahap-Tahap Perancangan Basis Data

Perancangan database melalui 3 tahapan, yaitu : a. Desain Konseptual

(76)

Gambar 4. 7 Diagram Relasional Entitas

Keluarga _Dinilai Sub_Kriteria Kriteria

*

NKK (PK) Nama_kepala_ keluarga

Alamat

RT/RW

Bobot_kriteria Id_Kriteria (PK)

Bobot_Sub_Kriteria

Id_Kriteria (FK)

Nama_Kriteri a

Id_Sub_Kriteria (PK)

Nama_sub_kri teria

* * Bagian dari 1

Hasil_keputusan

mempunyai

Anggota_Warga

Id_Warga

* 1

Nama_Warga Desa Id_Warga

(77)

ER-Diagram dimaksudkan untuk menentukan komponen-komponen himpunan suatu entitas dan himpunan relasi yang menggambarkan fakta yang digunakan sebagai kebutuhan pembuatan sistem. Dalam SPPK penyeleksian Penerimaan Jaminanan Kesehatah Daerah (JAMKESDA) terdapat 4 entitas, antara lain : Entitas Warga, Entitas Kriteria, Entitas Sub Kriteria, dan Entitas Poin Kriteria Warga.

b. Desain Logikal

Tahap ini merupakan tahapan logical pertama untuk menterjemahkan conceptual skema ke model yang sesuai dengan DBMS yang digunakan. Tahap ini merepresentasikan data dalam suatu cara yang tidak melibatkan physical details.

(78)

c. Desain Fisikal

Pada tahap ini, logical schema dilengkapi dengan detail-detail implementasi secara fisik sesuai dengan DBMS yang digunakan. Tahap desain basisdata fisikal ini merupakan proses menghasilkan suatu deskripsi dari implementasi database pada penyimpan sekunder. 1. Tabel Keluarga

Tabel keluarga memiliki 3 atribut, yaitu : NKK bertipe varchar sebagai primary key, nama_kepala_keluarga bertipe varchar, dan hasil_keputusan bertipe varchar. Tabel identitas warga berfungsi untuk menyimpan data-data seluruh identitas warga.

Tabel 4. 11 Physical desain tabel keluarga Nama variable Tipe data

Constr ain

Deskripsi

NKK Varchar(20) Primary

Key

Id unik untuk setiap warga

Nama_Kepala_Keluarga Varchar(20) Nama kepala

keluarga dari setiap keluarga

Hasil_Keputusan Varchar(20) Total skor hasil

(79)

2. Tabel Anggota Warga

Tabel anggota warga memiliki 5 atribut, yaitu : id_warga bertipe varchar sebagai primary key, nama_warga bertipe varchar, alamat bertipe varchar, RT_RW bertipe varchar, dan DESA bertipe varchar. Tabel identitas warga berfungsi untuk menyimpan data-data seluruh identitas anggota warga.

Tabel 4. 12 Physical desain tabel anggota warga Nama

variable

Tipe data Constrain Deskripsi

Id_warga Varchar(20) PrimaryKey Id unik untuk setiap warga

Nama_warga Varchar(20) Nama warga

dari setiap keluarga

Alamat Varchar(100) Alamat

Keluarga

Rt_Rw Varchar(7) Rt/Rw tempat

tinggal

Desa Varchar(25) Desa tempat

tinggal warga

3. Tabel Sub Kriteria

Tabel sub kriteria memiliki 4 atribut, yaitu : id_subkriteria bertipe varchar, nama_subkriteria bertipe varchar, bobot_subkriteria bertipe varchar, dan id_kriteria bertipe varchar sebagai foreign key