Peneliti: Mohammad Haryanto ( ) Pratyaksa Ocsa Nugraha Saian, S.Kom., M.T.

(1)

Perancangan Sistem Identifikasi dan Pemetaan Potensi

Kemiskinan untuk Optimalisasi Program Pengentasan

Kemiskinan Menggunakan Metode AHP dan GIS di Desa Klero

Kabupaten Semarang

Artikel Ilmiah

Peneliti:

Mohammad Haryanto (672015604) Pratyaksa Ocsa Nugraha Saian, S.Kom., M.T.

Program Studi Teknik Informatika

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Salatiga

2019

(2)

(3)

(4)

(5)

(6)

6 1. Pendahuluan

Kemiskinan merupakan masalah multidimensi dan lintas sektor yang dipengaruhi oleh berbagai faktor yang saling berkaitan, antara lain: tingkat pendapatan, kesehatan, pendidikan, akses terhadap barang dan jasa, lokasi, geografis, gender, dan kondisi [1]. Dalam rangka mempercepat penanggulangan kemiskinan yang dirasa sebagai masalah kompleks diperlukan upaya serius yang meliputi penetapan sasaran, perancangan dan keterpaduan program, monitoring dan evaluasi program percepatan penanggulangan kemiskinan.

Perkembangan jumlah dan persentase penduduk miskin pada periode 2003 – 2018 terlihat cenderung mengalami penurunan dari tahun ke tahun. Pada periode Maret – September 2011 mengalami sedikit kenaikan, namun terjadi penurunan kembali pada September 2011– September 2018, sementara itu persentase penduduk miskin pada periode yang sama mengalami penurunan dari 16,56 persen menjadi 13,58 persen [2]. Jumlah penduduk miskin (penduduk yang berada dibawah garis kemiskinan) di Jawa Tengah pada bulan Maret 2015 sebesar 4.577,04 ribu menurun 5 persen dari Maret 2014. Sementara persentase penduduk miskin pada Maret 2014 sebesar 14,46 persen turun menjadi 13,58 persen pada Maret 2015 [2].

Target penurunan angka kemiskinan Provinsi Jawa Tengah dari 14,44 persen pada tahun 2013 menjadi 7,80 – 7,60 persen pada akhir periode Rencana Pembangunan Jangka Menengah Daerah (RPJMD) yaitu pada tahun 2018, sebanyak 6,84 persen selama 5 tahun atau 1,36 persen per tahun sementara capaian setiap tahun masih dibawah 1 persen.

Gambar 1 Perkembangan Persentase Penduduk Miskin, Maret 2011 – September 2017[2]. Salah satu faktor yang menyebabkan kurangnya penanggulangan terhadap daerah miskin pada suatu wilayah adalah kemiskinan spasial perkotaan dan

(7)

7

pedesaan serta hubungan antara perencanaan tata ruang kota, desa dan upaya penanggulangan kemiskinan menunjukkan bahwa pemahaman para pemangku kepentingan, terutama Satuan Kerja Perangkat Daerah (SKPD)[3]. Untuk mendukung penanggulangan kemiskinan di Desa Klero maka penyajian data yang berupa tabel dapat dikembangkan dengan menggunakan pemetaan data dalam bentuk peta tematis Desa Klero, sehingga dibutuhkan sebuah Sistem Informasi Geografis (SIG) yang dapat diakses secara mudah untuk memantau seluruh Desa Klero.

Metode yang di gunakan untuk penentuan jarak terdekat adalah Analytic

Hierarchy Process (AHP). AHP adalah metode untuk memecahkan suatu situasi

yang komplek tidak terstruktur ke dalam beberapa komponen dalam susunan yang hirarki, dengan memberi nilai subjektif tentang pentingnya setiap variabel secara relatif, dan menetapkan variabel mana yang memiliki prioritas paling tinggi guna mempengaruhi hasil pada situasi tersebut[4].

Berdasarkan latar belakang penelitian tersebut, penelitian ini menghasilkan perancangan Sistem Identifikasi dan Pemetaan Potensi Kemiskinan untuk Optimalisasi Program Pengentasan Kemiskinan menggunakan Metode AHP dan GIS didaerah klero Kab Semarang. Metode yang di gunakan untuk penentuan penduduk miskin adalah Analytical Hierarchy Process (AHP) dan Sistem informasi Geografis (SIG). Hasil akhir dari penelitian ini adalah berupa gambar pemetaan Desa Klero serta penetuan penduduk miskin menggunakan metode AHP berdasarakan kriteria yang sudah ditentukan dan untuk mendukung penanggulangan kemiskinan di desa Klero dan dibutuhkan sebuah Sistem Informasi Geografis (SIG) yang dapat diakses secara mudah untuk memantau seluruh Desa Klero.

2. Tinjauan Pustaka

Menurut angka kemiskinan BPS saat ini di Indonesia masih mencapai 11,7% dengan indeks kedalaman kemiskinan meningkat dari 1,75% (Maret 2013) menjadi 1,89%. Kemudian indeks keparahan kemiskinan meningkat dari 0,43% (Maret) ke 0,48%. Garis kemiskinan selama periode dari bulan Maret sampai September 2013 meningkat sebesar 7,85%. Penelitian perlu dilakukan untuk mempercepat proses pengentasan kemiskinan melalui penggunaan teknologi informasi untuk identifikasi dan pemetaan (mapping) berdasarkan Sistem Informasi Geografis (GIS) ke daerah-daerah tertentu. Peta visual yang digunakan diambil dari data geospasial Indonesia, Ina Geoportal-(tanahair.indonesia.go.id) yang merupakan solusi dari peta untuk Indonesia dan didukung oleh Pemerintah. Metode Identifikasi dilakukan dengan menggunakan Analytical Hierarchy Process (AHP).

Penelitian berjudul “Perancangan Sistem Identifikasi dan Pemetaan Potensi Kemiskinan untuk Optimalisasi Program Kemiskinan”. Desain sistem yang dihasilkan dari penelitian ini digunakan untuk mengidentifikasi masyarakat miskin dan penentuan program penanggulangan kemiskinan untuk wilayah di Kabupaten Bantul dan akan divisualisasikan dalam bentuk pemetaan potensi daerah miskin berbasis sistem informasi geografis (SIG) disajikan secara online melalui web.

(8)

8

Sistem ini ntuk mengoptimalkan dampak program pengentasan kemiskinan yang disediakan oleh pemerintah dan swasta sehingga peningkatan ekonomi dapat dicapai dan Kemiskinan akan berkurang hingga dibawah 10% [5].

Penelitian berjudul “Model Sistem Informasi Geografis (SIG) dan Prediksi Tingkat Kemiskinan Menggunakan Metode Triple Exponential Smoothing:

Brown’s One-Parameter Quadratic” Kemiskinan adalah masalah yang cukup

kompleks untuk Jawa Tengah. Setiap tahun, angka kemiskinan terus menurun namun penurunannya terasa sangat lambat. Pada akhir "Rencana Pembangunan Jangka Menengah Daerah", yang akan berakhir pada 2018, Jawa Tengah memiliki target pengurangan kemiskinan 6,84%, yang berarti 1,36% per tahun, tetapi sampai saat ini pencapaian pengentasan kemiskinan di bawah 1 %. Penelitian ini dilakukan untuk memprediksi angka indeks kemiskinan menggunakan Triple Exponential Smoothing: Brown's One – Parameter Quadratic. Penelitian ini juga akan memetakan tingkat kemiskinan di Jawa Tengah, data menggunakan Index Kedalaman (P1), Index Keparahan (P2) dan Index Persentase (P0), baik data aktual dan data prediksi dengan menggunakan Sistem Informasi Geografis (SIG) untuk memvisualisasikan data kedalam bentuk peta tematik Jawa Tengah[6].

Berdasarkan penelitian yang pernah dilakukan terkait Sistem Informasi Geografis prediksi tingkat kemiskinan dan Analytic Hierarchy Process, maka akan dilakukan Perancangan sistem identifikasi dan pemetaan potensi kemiskinan untuk optimalisasi program pengentasan kemiskinan menggunakan metode AHP dan GIS di daerah Klero Kab Semarang.

Metode yang akan digunakan untuk memprediksi indeks kemiskinan di Desa Klero menggunakan motode Analytic Hierarchy Process (AHP) yang merupakan teknik terstruktur untuk mengatur dan menganalisis keputusan yang dikembangkan oleh Thomas L. Saaty, ahli matematika di Amerika pada tahun 1970 [5][7]. Metode AHP ini membantu memecahkan persoalan yang kompleks dengan menstruktur suatu hierarki kriteria, pihak yang berkepentingan, hasil dan dengan menarik berbagai pertimbangan guna mengembangkan bobot atau prioritas.

Secara umum pengambilan keputusan dengan metode AHP didasarkan pada langkah-langkah berikut:

1. Mendefinisikan masalah dan menentukan solusi yang diinginkan.

2. Membuat struktur hierarki yang diawali dengan tujuan umum, dilanjutkan dengan kriteria-kriteria dan alternatif-alternatif pilihan yang ingin dirangking. 3. Membentuk matriks perbandingan berpasangan yang menggambarkan

kontribusi relatif atau pengaruh setiap elemen terhadap masing–masing tujuan atau kriteria yang setingkat diatasnya. Perbandingan dilakukan berdasarkan pilihan atau judgement dari pembuat keputusan dengan menilai tingkat-tingkat kepentingan suatu elemen dibandingkan elemen lainnya menggunakan skala yang ditetapkan Saaty [7].

Tabel 1 Skala Saaty Bobot Kriteria AHP Intensitas

Kepentingan Definisi Penjelasan

1 Kriteria sama penting Kedua kriteria memiliki pengaruh kepentingan yang sama

(9)

9

3

Kriteria satu sedikit lebih penting dibanding kriteria lainnya

Penilaian sedikit memihak pada salah satu kriteria dibanding kriteria lainnya

5

Kriteria satu sedikit lebih penting dibanding kriteria lainnya

Penilaian memihak pada sebuah kriteria dibanding kriteria lainnya 7 Kriteria satu sangat penting

dibanding kriteria lain

Suatu kriteria lebih dominan dibandingkan kriteria lainnya 9 Kriteria satu sangat penting

dibanding kriteria lain

Suatu kriteria merupakan kriteria tertinggi daripada variabel lainnya 2,4,6,8 Nilai-nilai diantara dua

pertimbangan yang berdekatan

Kompromi diperlukan antara dua pertimbangan

Berikut ini adalah contoh matriks perbandingan berpasangan pada suatu tingkat hierarki, 𝐴 = 𝐸 𝐹 𝐺 [ 𝐸 𝐹 𝐺 1 5 7 1/5 1 3 1/7 1/3 1 ]

Gambar 2 Matriks Perbandingan Berpasangan

Baris 1 kolom 2: jika E dibandingkan dengan F, maka menurut skala Saaty E lebih penting atau disukai daripada F sebesar 5, artinya E Sangat penting daripada F. Angka 5 bukan berarti bahwa E lima kali lebih besar dari F. Demikian juga untuk yang resiprokal pada baris 3 kolom 1 dibaca terbalik sehingga mempunyai arti E menunjukkan kepentingan daripada G.

4. Menormalkan data yaitu dengan membagi nilai dari setiap elemen di dalam matriks yang berpasangan dengan nilai total dari setiap kolom.

5. Menghitung nilai eigen vector dan menguji konsistensinya, jika tidak konsisten maka pengambilan data (preferensi) perlu diulangi. Nilai eigen

vector yang dimaksud adalah nilai eigen vector maksimum yang diperoleh

dengan menggunakan Matlab ataupun manual.

6. Mengulangi langkah 3, 4, dan 5 untuk seluruh tingkat hierarki.

7. Menghitung eigen vector dari setiap matriks perbandingan berpasangan. Nilai eigen vector merupakan bobot setiap elemen. Langkah ini untuk mensintesis pilihan dalam penentuan prioritas elemen-elemen pada tingkat hierarki terendah sampai pencapaian tujuan [8].

Sistem Informasi Geografis (Geographic Information System disingkat GIS) adalah sistem informasi khusus yang mengelola data yang memiliki informasi spasial (bereferensi keruangan). Pengertian informasi geografis adalah informasi mengenai tempat atau lokasi, dimana suatu objek terletak di permukaan bumi dan informasi mengenai objek dimana lokasi geografis itu berada untuk dianalisa dalam pengambilan keputusan. Kebanyakan untuk mengolah data yang berupa data GIS masih banyak yang menggunakan aplikasi desktop atau hanya bisa dijalankan di satu komputer padahal dengan semakin majunya perkembangan menuntut manusia untuk mengasilkan informasi yang lebih mudah yaitu dengan cara mengembangkan GIS secara online (melalui media internet) dan bisa diakses dari mana saja [9][10]. Beberapa perbedaan dari penelitian sebelumnya, pada perancangan sistem ini akan digunakan CodeIgniter (CI) digunakan sebagai framework dalam

(10)

10

mengembangkan web AHP dan GIS karena dapat mendukung pemrograman plugin

leafletjs untuk memetakan suatu daerah. Dalam penelitian ini diharapkan program

yang akan dikerjakan akan tepat sasaran sehingga peningkatan ekonomi dapat tercapai dan angka kemiskinan akan semakin berkurang hingga di bawah 10 persen. 3. Metodologi Penelitian

Metode perancangan yang akan dilakukan pada penelitian ini akan diperjelas dengan menggunakan flowchart. Tahap-tahap yang digambarkan dalam flowchart tersebut akan saling berkaitan antara satu dan yang lainnya. Untuk lebih memahami tahapan penelitian mulai dari awal hingga tahap akhir tahapan penelitian secara runtut dapat dilihat pada Gambar 3.

Identifikasi Masalah

Penelusuran Pustaka dan Data

Desain Model

Pengujian

Penyimpulan Hasil

Gambar 3 Flowchart Tahapan Penelitian

Sesuai gambar nomor 3. Langkah pertama adalah melakukan identifikasi masalah kemiskinan, masalah kemiskinan merupakan masalah yang cukup kompleks seperti jumlah presentase penduduk miskin menunjukkan perubahan terus menurun tetapi perubahan masih sangat lambat. Maka untuk memaksimalkan pemantauan daerah yang terdapat di Desa Klero dapat dikembangkan sistem penentuan kemiskinan dan pemetaan daerah, sehingga daerah yang kurang mendapat perhatian dari pemerintah akan lebih terlihat dengan pemetaan yang dilakukan. Diharapkan dengan adanya sistem ini proses pencegahan kemiskinan akan berjalan dengan baik dan tepat sasaran.

Langkah kedua dilakukan penelusuran pustaka dan data sehingga penelitian yang dilakukan tidak menimbulkan plagiasi. Dalam penelitian ini telah dilakukan penelusuran pustaka sehingga pada penelitian ini telah didapatkan beberapa perbedaan dari penelitian sebelumnya. Perancangan sistem akan dilakukan dengan pemetaan dan sistem pengambilan keputusan (SPK) terkait dengan kemiskinan di Desa Klero Kabupaten Semarang dengan menggunakan metode Analytic Hierarchy

Process (AHP). Sumber data yang digunakan merupakan data sekunder yang

diperoleh dari website Badan Pusat Statistik Jawa Tengah (BPS Jateng) yaitu dari tahun 2003 – 2018. Objek observasi penelitian ini adalah sebanyak 5 dusun di Desa Klero.

(11)

11

Penelitian ini melakukan perancangan sistem yang meliputi rancangan secara keseluruhan antara lain :

a. Rancangan sistem pengambilan keputusan (SPK) Status Warga Miskin dan program Kemiskinan.

Sistem penentuan status warga miskin dirancang menggunakan metode AHP dengan menggunakan 10 kriteria kemiskinan di daerah jawa. Di di tunjukan pada tabel 1.

Tabel 1 Indikator Kemiskinan [11]

No Aspek Kriteria Batasan Kriteria Skor Maks 1 Penentu Pangan Seluruh anggota keluarga tidak

mampu makan minimal dua kali dalam sehari (+1.500 untuk 1x

makan per jiswa).

12

Sandang Sebagian besar dari anggota keluarga tidak memiliki pakaian

pantas pakai minimal 6 stel

9

Papan Tempat tinggal / rumah berlantai tanah / berdinding bambu beratap

rumbia

9

2 Penyebab Penghasilan Jumlah penghasilan yang di terima seluruh anggota keluarga berusia di atas 16 tahun (termasuk kk) rata-rata

perbulan Rp 800.000

35

3 Pendukung Kesehatan Bila ada anggota keluarga yang sakit tidak mampu berobat ke fasilitas

kesehatan dasar

6

Pendidikan Keluarga tidak mamp menyekolahkan anak yang berumur

7-15 tahun

7

Kekayaan (rupiah)

Jumlah kekayaan milik keluarga <2,5jt

6 Kekayaan

(tanah)

Tanah yang di miliki bukan milik sendiri

7 air Tidak mengunakan air bersih untuk

keperluhan makan, minum, & MCK 5 listrik Tidak mengunakan listrik untuk

kebutuhan rumah tangga

4 Data dari tabel 1 menunjukkan bahwa nilai skor terbesar dari semua kriteria yang ada adalah kriteria penghasilan. Hal ini menjadikan acuan pada saat akan diberikan pembobotan pada setiap kriteria. Metode

(12)

12

AHP bertumpu pada proses hirarki pada kriteria dan alernatif yang ada.

Gambar 5. Struktur Hirarki AHP Warga Miskin. Keterangan Gambar 5 :

APS = Aspek Penghasilan ASG = Aspek Sandang AKS = Aspek Kesehatan AL = Aspek Listrik

AKTB = Aspek Kekayaan Tanah dan Bangunan AKJK = Aspek Kekayaan Jumlah Kekayaan APN = Aspek Pangan

APP = Aspek Papan APD = Aspek Pendidikan AAB = Aspek Air Bersih

Struktur hierarki pada gambar 5 digunakan untuk mempermudah dalam memahami permasalahan yang akan diselesaikan. Level 1 pada gambar tersebut adalah tujuan yang akan dicari. Level 2 merupakan kriteria yang digunakan untuk menganalisis. Level 3 merupakan alternatif keputusan yang ditawarkan [11].

b. Rancangan Sistem Informasi Geografis

Langkah ketiga yaitu mendesain pemodelan sistem dan tampilan

User interface dari sistem yang akan dikembangkan, pada tahap ini akan

menggguakan Unified Modeling Language (UML). Adapun diagram yang dibuat adalah Use case Diagram. Rancangan detail sistem digambarkan melalui usecase diagram yang ada pada Gambar 6.

(13)

13

Gambar 6 Melihat Data Dalam Bentuk Peta

Seperti pada Gambar 6 menu utama yang ditawarkan untuk User adalah melihat data penduduk setiap daerah yang ada di Desa Klero dalam bentuk peta tematik Desa Klero. Penyajian data penduduk dimaksudkan untuk melihat data penduduk Desa Klero akan lebih mudah, dengan kemudahan pemantauan dengan menggunakan peta dirasa akan sangat membantu untuk melihat dusun yang berada di Desa Klero ini. Selain penyajian data dalam bentuk peta tematik Desa Klero. Sistem ini juga menyediakan penyajian data dalam bentuk Tabel dimaksudkan untuk memudahkan User yang ingin melihat data penduduk Desa Klero.

Pada sistem informasi geografis ini Admin sangat berperan penting karena Admin yang akan mengolah data penduduk dan data aktual seperti menambah data baru setiap ada data baru yang masuk, mengubah data jika terjadi kesalahan penginputan data, serta menghapus data yang dirasa tidak diperlukan untuk sistem informasi ini untuk menampilkan data tersebut. User juga dapat melihat pemetaan wilayah sesuai hasil perhitungan dari metode Analytic Hierarchy Process (AHP) dalam bentuk pemetaan dan juga tabel.Rancangan detail sistem digambarkan melalui Sequence diagram yang ada pada Gambar 7.

(14)

14

Gambar 7 Sequence Diagram untuk melihat pemetaan GIS

Gambar 7 menjelaskan User melihat pemetaan GIS. Dimulai

User mengakses Web GIS. Kemudian masuk kehalaman utama User.

Lalu User melihat data lokasi. Dari menu Pemetaan GIS, User dapat melihat menu apa yang diinginkan.

Tahap keempat yaitu pengujian, penggunaan bahasa R digunakan untuk melakukan proses pengujian dan analisa hasil prediksi indeks kemiskinan dengan metode Analytic Hierarchy Process (AHP), karena data yang diperoleh masih berupa data didalam table, sedangkan pembanding dari pemetaan wilayah agar sesuai dengan kondisi aktualnya adalah menggunakan Shapefile (file .shp). Sehingga mengunakan plugin leaflet untuk mengembangkan web GIS karena mendukung pemrograman mapscript untuk memetakan suatu daerah. Database yang di gunkan yaitu PhpMyAdmin untuk meyimpan data penduduk dan data hasil perhitungan AHP dan pengujian blackbox.

Tahap kelima Pengolahan data untuk mengklasifikasikan persentase warga miskin tiap daerah yang akan dibagi kedalam tiga keadaan yang dilambangkan dengan warna marker, warna tersebut adalah hijau untuk daerah yang tergolong normal, sedangkan biru untuk menggolongkan wilayah yang persentase kemiskinannya Rawan Miskin, dan untuk warna merah menggolongkan wilayah yang presentasenya Miskin sekali. Metode yang digunakan untuk mengklasifikasikan persentase kemiskinan mengacu dari pengolahan data yang dilakukan oleh badan Tenaga Kesejahteraan Sosial Kecamatan (TKSK).

4. Hasil dan Pembahasan

Hasil dari sistem yang dibangun adalah berupa website dengan fitur utama yaitu menentukan perhitungan AHP menjadi 3 level dan menampilkannya ke dalam peta. Perancangan sistem yang dilakukan pada penelitian ini memberikan hasil

(15)

15

berupa Sistem Informasi Geografis berbasis web yang dihubungkan dengan sistem pendukung keputusan untuk menentukan status warga miskin.

Pada tampilan peta di awal, akan menampilkan peta desa Klero dengan detail berupa peta dusun. Setiap dusun dibuat menggunakan poligon untuk menggambarkan area dengan menampilkan marker warna sesuai dengan jumlah kepala keluarga yang masuk kategori keluarga miskin. Tampilan aplikasi Sistem Pemetaan keluarga miskin ditunjukan pada gambar 8.

Gambar 8 Sistem Pemetaan Kemiskinan (User)

Gambar 8 menjelaskan sistem pemetaan kemiskinan untuk menampilkan peta dan informasinya. Pada menu Halaman Depan berisi tentang asal usul desa klero, menu Data Lokasi, berisikan hasil dari perhitungan AHP yang akan ditampilkan dalam visual peta dan tiap wilayah dusun memiliki warna yang berbeda-beda, serta menu Data Penduduk yang berisi tentang data penduduk Desa Klero. Aplikasi User ini hanya berisikan data view yang berarti pengguna umum tidak bisa merubah isi dari web ini. Berikut untuk mengetahui jumlah keluarga miskin digunakan bentuk ikon marker dan warna ikon marker yang berbeda sesuai kategori yang telah ditentukan. Ikon marker yang berwarna hijau menunjukkan bahwa tidak ada keluarga miskin, dan untuk icon marker yang berwarna biru menunjukan bahwa keluarga itu Rawan miskin, sedangkan untuk icon marker yang berwarna merah menunjukan bahwa keluarga itu Miskin sekali. Berikut untuk mengetahui dusun yang berada di Desa Klero digunakan bentuk poligon dan warna yang berbeda supaya memudahkan membedakan 5 dusun, untuk warna merah muda merupakan dusun Kaligandu, untuk warna hijau mejelaskan dusun Klero, untuk warna kuning merupakan dusun Ngentak, untuk warna ungu yang berarti dusun Poncol, dan yang terakhir merupakan desa Ngadirno yang memiliki warna Jingga.

(16)

16

Gambar 9 Menu Perhitungan AHP

Gambar 9 menjelaskan Menu Perhitungan AHP. Nilai bobot yang berasal dari form input di submenu Alternative akan digunakan untuk identifikasi status miskin bagi warga. Di submenu Perbandingan ini kita dapat mengatur data matrik dan data sub kriteria untuk melakukan perhitungan AHP. Ketika sudah melakukan perhitungan maka hasilnya dapat dilihat di Gambar 10.

Gambar 10 Menu Hasil Perhitugan AHP

Gambar 10 merupakan hasil perhitungan metode AHP. Perhitungan metode AHP maka akan menghasilkan menu mengenai identifikasi status warga miskin. Di menu hasil perhitungan ini mengategorikan warga dalam 10 kriteria yaitu Pangan, Sandang, Papan, Penghasilan, Kesehatan, Pendidikan, Kekayaan (rupiah), Kekayaan (tanah), air, listrik, dan totalnya menjadi acuan warga termasuk berstatus tidak miskin atau rawan miskin atau miskin sekali. Hasil perhitungan ini akan dimasukan ke dalam data pemetaan yang berada di dalam frontend web atau bagian

(17)

17

Kode Program 1 Metode Analytic Hierarchy Process (AHP)

Kode program 1 digunakan untuk menentukan status warga dengan mengunakan metode Analytic Hierarchy Process (AHP). Tentukan dahulu hasil kuadrat matrix, setelah itu cari total data per baris dan total semua data seperti pada kode baris(1-5). Eigen Vector adalah total data per baris dibagi dengan total semua data seperti pada kode baris (8-12). Ulangi langkah penentuan Eigen Vector ini sampai Eigen Vector yang terakhir dihitung sudah sama persis dengan Eigen Vector pada perhitungan sebelumnya. Gunakan matriks kuadrat dari perhitungan ini untuk digunakan sebagai matrix awal penghitungan berikutnya seperti pada kode baris (14-20) dan yang terakhir perhitungan data penduduk dengan rumus yang yang ada pada kode baris 24.

1. Dim totalkuadratmatriks As Double = 0 2. For i As Integer = 0 To 2

3. For j As Integer = 0 To 2

4. kuadratmatriks(i, j) = Math.Round(matriks(0, j) * matriks(i, 0) + matriks(1, j) * matriks(i, 1) + matriks(2, j) * matriks(i, 2), 4) 5. totalkuadratmatriks += kuadratmatriks(i, j)

6. Next 7. Next

8. eigenvector(0) = Math.Round((kuadratmatriks(0, 0) + kuadratmatriks(0, 1) + kuadratmatriks(0, 2)) / totalkuadratmatriks, 4)

11. ... until eigenvector (11) = Math.Round((kuadratmatriks(11, 0) 12. + kuadratmatriks(2, 1) + kuadratmatriks(11, 2)) /

totalkuadratmatriks, 4)

13. //menentukan eigan vector dari matriks sebelumnya 14. If eigenvectorSebelumnya(0) = eigenvector(0) AndAlso

eigenvectorSebelumnya(1) = eigenvector(1) AndAlso

eigenvectorSebelumnya(2) = eigenvector(2) ... until AndAlso eigenvectorSebelumnya(11) = eigenvector(11) Then

15. bSt = True 16. Else 17. eigenvectorSebelumnya(0) = eigenvector(0) 18. eigenvectorSebelumnya(1) = eigenvector(1) 19. eigenvectorSebelumnya(2) = eigenvector(2) 20. ....until 21. eigenvectorSebelumnya(11) = eigenvector(11) 22. End If

23. //rumus perhitungan semua data penduduk

24. ahp(i) = Math.Round(data(i, 0) / subKriteria1 * eigenvector(0) + (data(i, 1) / subKriteria2) * eigenvector(1) + (data(i, 2) / subKriteria3) * eigenvector(2), 2) + .... until (data(i, 11) / subKriteria3) * eigenvector(11), 11)

(18)

18

Algoritma 1 Metode Klasifikasi Tingkat Kemisknan

Alogritma di atas pada baris 1 merupakan inisialisasi untuk menjalankan algoritma. Baris 3 dan 5 merupakan kondisi dimana jika nilai dari indeks kemiskinan lebih besar atau sama dengan 8.0 maka akan ditampilkan tidak miskin dan marker di map berwarna hijau pada peta. Baris 6 dan 8, jika nilai dari indeks kemiskinan lebih besar dari 6.5 maka akan ditampilkan rawan miskin dan marker di map berwarna biru pada peta. Baris 9 dan baris 11, jika nilai dari indeks kemiskinan lebih kecil dari 6.5 maka akan ditampilkan miskin sekali dan marker di map berwarna merah pada peta.

Pengujian sistem ini merupakan tahapan saat seorang pengembang aplikasi melakukan pengujian terhadap sistem yang sudah dirancang. Tahap ini merupakan tahapan untuk menemukan beberapa kekurangan yang ada dalam sistem. Pengujian aplikasi ini menggunakan dua teknik pengujian, yaitu: (1) Pengujian alfa merupakan pengujian program yang dilakukan oleh pembuat aplikasi ataupun orang-orang yang terlibat di dalamnya. Pengujian alfa hanya untuk sirkulasi internal dan masalah (error) atau ketidaklengkapan yang terdapat dalam aplikasi dapat diduga sebelumnya [12]. Pada tahap ini pengujian dilakukan dengan metode blackbox. Untuk rincian pengujian dapat dilihat pada tabel-tabel berikut :

a. Pengujian untuk bagian-bagian yang dapat diakses oleh User pada aplikasi web meliputi, halaman depan, data lokasi, data penduduk, dan about. Berdasarkan pengujian yang dilakukan, didapatkan kesimpulan bahwa semua bagian telah berfungsi dengan baik.

Tabel 2 Pengujian Black Box Untuk Untuk Bagian-Bagian Yang Diakses User Aktivitas dan Event Input Output Status Pengujian Lihat menu home dengan

klik halaman depan

Menampilkan semua isi halaman depan atau sering di sebut dashboard

Valid Lihat menu lokasi dengan

klik data lokasi

Menampilkan data pemetaan desa klero berserta hasil perhitungan AHP dalam bentuk marker

Valid

Lihat menu penduduk dengan klik data penduduk

Menampilkan semua daftar data penduduk

Valid Lihat menu about dengan

klik menu about

Menampilkan popup isi about Valid

b. Pengujian untuk menu-menu yang dapat diakses admin didapatkan kesimpulan bahwa telah berfungsi dengan baik. Hasil pengujian dapat dilihat pada tabel 3 dibawah ini.

1. Nilai = Nilai penduduk 2. if nilai >= 8.0

3. Tidak Miskin 4. Makrer warna hijau 5. elseif (nilai>= 6.5) 6. Rawan Miskin

7. Marker warna biru 8. else

9. Miskin Sekali 10. Marker warna merah

(19)

19

Tabel 3 Pengujian Black Box Untuk Bagian-Bagian Yang Diakses Admin Aktivitas dan

Event

Input Output Status pengujian

Login admin dengan klik tombol login

Username dan password

a. Jika berhasil akan masuk ke menu dasboard admin. b. Jika gagal akan muncul

peringatan bahwa login gagal

Valid

Lihat data kriteria dengan klik tombol kriteria

Menampilkan semua isi data kriteria Valid Lihat list subkriteria dengan klik

tombol subkriteria

Menampilkan semua isi data sub kriteria

Valid Lihat data penduduk dengan klik

tombol data penduduk

Menampilkan semua isi data penduduk Valid Tambah data penduduk dengan klik tombol create Nama penduduk, jenis kelamin, tempat, tgl lahir, status kawin, almat

a. Jika berhasil data akan masuk kedalam list data penduduk.

b. Jika gagal berarti data masih kurang lengkap

Valid Melakukan perhitungan dengan klik tombol perbandingan 10 kriteria kemiskinan

a. Jika berhasil maka data akan masuk ke menu perhitungan. b. Jika gagal maka data masih

kriteria belum di masukan semua

Valid

Melihat hasil perhitungan

Menampilkan semua hasil data perhitungan Valid Tambah data admin dengan klik tombol pengaturan Nama depan, nama belakang, email, nama keluragan, no hp, password, konfrimasi password

a. Jika berhasil maka admin akan bertambah b. Jika gagal maka data

belum lengkap, dan admin gagal bertambah

Valid

Logout admin dengan klik

nama admin

Masuk kehalaman login Valid

Pengujian beta juga dikenal sebagai pengujian pengguna berlangsung di lokasi pengguna akhir oleh pengguna akhir untuk memvalidasi kegunaan, fungsi, kompatibilitas, dan uji reliabilitas dari software yang dibuat. Tes beta merupakan tahap kedua dari pengujian perangkat lunak di mana pengguna mencoba produk. Awalnya, tes alpha berarti tahap pertama pengujian dalam proses pengembangan perangkat lunak. Tahap pertama meliputi unit testing, pengujian komponen, dan pengujian sistem. pengujian beta dapat dianggap “pengujian pra-rilis artinya sebelum produk tersebut dilempar ke pasaran maka harus dipastikan dari sisi pelanggan bahwa perangkat lunak tersebut terbebas dari cacat atau kegagalan [13]. Pada tahap ini pengujian dilakukan dengan beberapa metode antara lain Keberhasilan Peserta Pengujian Usability, Durasi waktu peserta pengujian

Usability dan kesalahan peserta pengujian Usability. Untuk pengujian usability

diperoleh hasil pada tabel 4 berikut:

Tabel 4 Hasil Keberhasilan Peserta Pengujian Usability

Tugas Peserta P 1 P 2 P 3 P 4 P 5

(20)

20

Melakukan pengetesan aplikasi bagian admin dan User S S S S S 𝑆𝑢𝑐𝑐𝑒𝑠𝑠 𝑅𝑎𝑡𝑒 = 𝑆𝑢𝑐𝑐𝑒𝑠𝑠 + (𝑃𝑎𝑟𝑡𝑖𝑎𝑙 𝑆𝑢𝑐𝑐𝑒𝑠𝑠 × 0.5) 𝑇𝑜𝑡𝑎𝑙 𝑇𝑎𝑠𝑘 × 100% (1) =5 5× 100% = 100%

Success rate digunakan untuk menganalisis tugas yang berhasil dilakukan

oleh pengguna agar mengetahui tingkat kemudahan pengguna dalam menyelesaikan tugas pada saat menggunakan aplikasi. Untuk pengujian Durasi waktu peserta pengujian Usability diperoleh data pada tabel 5 berikut:

Tabel 5 Hasil Durasi Waktu Peserta Pengujian Usability

Tugas Waktu (detik)

P 1 P 2 P 3 P 4 P 5 Melakukan pengetesan aplikasi bagian admin

dan User 170 200 210 165 250 𝑇𝑖𝑚𝑒 𝐵𝑎𝑠𝑒𝑑 𝐸𝑓𝑓𝑒𝑐𝑖𝑒𝑛𝑐𝑦 = ∑ 𝑅 𝑗 = 1∑ 𝑁𝑖 = 1 𝑛_𝑖𝑗 𝑡_𝑖𝑗 𝑁𝑅 (2) =( 1 170 + 1 200 + 1 210 + 1 165+ 1 250) 1 × 5 = 0,1275 𝑠𝑒𝑐/𝑔𝑜𝑎𝑙𝑠

Time based efficiency digunakan untuk menganalisa waktu yang dibutuhkan

oleh pengguna dalam menyelesaikan tugas. Hasil yang didapatkan dari cara ini merupakan nilai yang absolut. Hasil ini berguna untuk mengetahui tingkat kecepatan yang diperlukan pengguna dalam mencari informasi yang dibutuhkan. Sedangkan untuk pengujian kesalahan peserta pengujian Usability diperoleh hasil pada tabel 6 berikut:

Tabel 6 Hasil Kesalahan Peserta Pengujian Usability

Tugas Eror Total

Eror P 1 P 2 P 3 P 4 P 5 Melakukan pengetesan

aplikasi bagian admin dan

User 0 1 1 1 0 3 𝐷𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑒 𝑟𝑎𝑡𝑒 = 𝑇𝑜𝑡𝑎𝑙 𝐷𝑒𝑓𝑒𝑐𝑡𝑠 𝑇𝑜𝑡𝑎𝑙 𝑂𝑝𝑝𝑜𝑟𝑡𝑢𝑛𝑖𝑡𝑖𝑒𝑠(3) = 3 6 × 5= 0,1

Error rate merupakan cara untuk mengetahui tingkat kesalahan pada peserta

pengujian usability. Langkah yang perlu dilakukan adalah menghitung total peluang yang dimiliki oleh tugas tersebut. Setelah peluang untuk setiap tugas didefinisikan, langkah selanjutnya adalah menghitung jumlah kesalahan untuk tugas yang dilakukan peserta ketika proses menyelesaikan tugas. Setelah itu hitung

error rate untuk tugas tersebut.

Pada penelitian ini, jumlah responden pria lebih banyak dari responden wanita yaitu sejumlah 60% untuk responden pria dan 40% untuk responden wanita,

(21)

21

sedangkan untuk segmentasi usia 40% diantara 15 sampai 30 tahun dan 60% diatas 30 tahun. Skala yang digunakan antara 1 sampai dengan 5 dengan rincian pada tabel 2 berikut:

Tabel 7 Skala Pengujuan Skala Keterangan

1 Sangat tidak setuju 2 Tidak setuju 3 Kurang sutuju

4 Setuju

5 Sangat Setuju

Berdasarkan skala Likert yang digunakan untuk memberi nilai terhadap variabel. Sugiono [8] menggunakan persamaan berikut untuk menghitung presentase masing–masing kategori jawaban:

𝑃 = ∑(𝑆 𝑥 𝐹)

𝑠_𝑚𝑎𝑥 𝑥 𝑅𝑥100% P : Presentase masing-masing kategori jawaban S : Skala penilaian

Smax : Skala penilaian terbesar F : Frekuensi kemunculan data R : Jumlah responden

Tabel 8 Tabel Jumlah Jawaban Kuesioner Pertanya an Hasil Pertan yaan Hasil 1 Skala (S) Jumla h (F) Penilai an (S x F) Present ase (P) 6 Skala (S) Jumla h (F) Penil aian (S x F) Present ase (P) 5 17 85 85,2% 5 4 20 80,2% 4 29 116 4 43 172 3 4 12 3 3 9 2 0 0 2 0 0 1 0 0 1 0 0 Total 50 213 Total 50 201 2 5 5 25 76% 7 5 9 45 80,8% 4 33 132 4 34 136 3 11 33 3 7 21 2 0 0 2 0 0 1 0 0 1 0 0 Total 50 190 Total 50 202 3 5 4 20 78,8% 8 5 8 40 82% 4 39 156 4 39 156 3 7 21 3 3 9 2 0 0 2 0 0 1 0 0 1 0 0 Total 50 197 Total 50 205

(22)

22 4 5 4 20 77,2% 9 5 11 55 82% 4 35 140 4 33 132 3 11 33 3 6 18 2 0 0 2 0 0 1 0 0 1 0 0 Total 50 193 Total 50 205 5 5 11 55 80,2% 10 5 12 60 84,2% 4 29 116 4 37 148 3 10 30 3 1 3 2 0 0 2 0 0 1 0 0 1 0 0 Total 50 201 Total 50 211

Berdasarkan hasil analisis jawaban kuesioner yang telah dilakukan, sehingga untuk pertanyaan pertama dapat disimpulkan bahwa 85,22% responden menyatakan aplikasi ini mudah dimengerti. Untuk pertanyaan kedua dapat disimpulkan bahwa 76% responden menyatakan aplikasi ini mudah digunakan. Sedangkan ada juga yang menilai berdasarkan kebutuhan, sehingga untuk pertanyaan ketiga dapat disimpulkan bahwa 78,8% responden menyatakan aplikasi ini sesuai kebutuhan yang ada di Desa Klero. Berdasarkan hasil analisis jawaban kuesioner yang telah dilakukan, untuk pertanyaan keempat berdasarkan penilaian keseluruhan responden menjawab sebesar 77,2% menyatakan aplikasi ini desain dan warna lumayan baik. Berdasarkan hasil analisis jawaban kuesioner yang telah dilakukan, sehingga untuk pertanyaan kelima dan enam dapat disimpulkan bahwa 80,2% responden menyatakan informasi yang di tampilkan sesuai yang diharapkan dan kecepatan aplikasi cukup baik. Dengan hasil ini dapat dikatakan bahwa fungsi pada aplikasi sudah sesuai dan responden menjawab sebesar 80,8% pada pertanyaan ketujuh. Berdasarkan hasil dari kuesioner yang telah dilakukan, sehingga untuk pertanyaan kedelapan dan sembilan dapat disimpulkan bahwa 82% responden menyatakan aplikasi ini nyaman dan berjalan dengan baik. Pertanyaan kesepuluh dapat disimpulkan bahwa 84,2% responden menyatakan aplikasi ini memudahkan admin untuk megolah data penduduk Desa Klero.

5. Kesimpulan

Metode AHP yang digunakan pada sistem pendukung keputusan kemiskinan dapat memberikan pertimbangan bagi pengambil keputusan dalam penentuan status warga miskin. Sistem pendukung keputusan pengelolaan data kemiskinan yang di hubungkan dengan sistem berbasis geografis dapat memberikan dampak terhadap pengelolaan program identifikasi kemiskinan. Sistem informasi geografis yang dibangun dengan data berbasis dusun sangatlah membantu masyarakat dan pengambil keputusan dalam melihat profil kemiskinan.

Berdasarkan hasil penelitian dan analisis yang telah dilakukan pada evaluasi

usability dan kuesioner Likert pada web AHP dan GIS. Berikut hasil dari tingkat usability pada web AHP dan GIS. Pertama adalah aspek learnability yaitu tingkat

kemudahan pengguna sebesar 100% sesuai hasil success rate yang didapatkan. Kedua adalah aspek efficiency yaitu tingkat kecepatan penggunaan aplikasi sebesar 0,1275 sec/goals sesuai hasil time based effeciency yang didapatkan. Ketiga adalah

(23)

23

aspek errors yaitu tingkat kesalahan yang dilakukan oleh pengguna pada aplikasi web AHP dan GIS adalah sebesar 0,1 sesuai hasil error rate yang didapatkan. Terakhir adalah hasil kuesioner tingkat kepuasan pengguna memiliki hasil berkisar antara 76% - 85,2% yang dijawab oleh responden.

Dari hasil pemodelan sistem informasi geografis ini diharapkan untuk pengembangan selanjutnya dapat lakukan di daerah lain agar pemantauan tingkat kemiskinan bisa lebih baik.

6. Daftar Pustaka

[1] Bappenas, “Penanggulangan Kemiskinan,” 2008. .

[2] BPS, “Badan Pusat Statistika (BPS),” 2018. [Online]. Available: https://jateng.bps.go.id/pressrelease/2018/01/02/974/persentase-penduduk-miskin-september-2017-sebesar-12-23-persen.html. [Accessed: 09-Mar-2019].

[3] SMERU, “Mengintegrasikan Aspek Spasial Kemiskinan ke dalam Perencanaan Spasial Perkotaan: Solusi untuk Mengatasi Kemiskinan Perkotaan *,” Lemb.

Penelit. SMERU Res. Institiut, vol. 2010, no. 1, 2012.

[4] L. B. Permasalahan, “Analytical Hierarchy Process Method in Decision Making Shipyard Election To New Tanker Shipbuilding in Batam Island.”

[5] M. Akalın, G. Turhan, and A. Şahin, “The Application of AHP Approach for Evaluating Location Selection Elements for Retail Store : A Case of Clothing Store,” Int. J. Res. Bus. Soc. Sci., vol. 2, no. 4, pp. 1–20, 2013.

[6] A. Valentina and K. D. Hartomo, “Model Sistem Informasi Geografis (SIG) dan Prediksi Tingkat Kemiskinan Menggunakan Metode Triple Exponential Smoothing : Brown’s One-Parameter Quadratic (Studi,” Univ. Kristen Satya

Wacana, no. September, 2016.

[7] T. Saaty, “Case M . 7818 – McKesson / UDG Healthcare ( Pharmaceutical Wholesale and Associated Businesses ) Only the English text is available and authentic .,” vol. 9, no. 139, 2016.

[8] F. Rosaliana, D. E. Ratnawati, and M. A. Fauzi, “Penentuan Lokasi Pasang Baru Wifi . id Corner Menggunakan Metode AHP dan Algoritma Genetika ( Studi Kasus : PT . Telkom Witel Kediri ),” J. Pengemb. Teknol. Inf. dan Ilmu Komput.

Univ. Brawijaya, vol. 1, no. 12, pp. 1742–1749, 2017.

[9] M. B. Septiano, “Sistem Informasi Geografis Pemetaan Kantor Polisi Wilayah Kota Pekanbaru Provinsi Riau ( The Geographic Information System of Mapping Police Station at Pekanbaru Riau ),” Juita, vol. V, no. November, pp. 65–72, 2017. [10] doktafia, “Sistem Informasi Geografis ( Sig ),” Sist. Inf. Geogr., pp. 1–9, 1994. [11] S. Redjeki, M. Guntara, and P. Anggoro, “Perancangan Sistem Identifikasi dan

Pemetaan Potensi Kemiskinan untuk Optimalisasi Program Kemiskinan Kemiskinan merupakan masalah multidimensi dan lintas sektor yang dipengaruhi oleh berbagai faktor yang saling berkaitan , antara lain : tingkat pendapata,” vol. 6, no. 2, pp. 731–743, 2014.

(24)

24

Rental Mobil pada Platform Android menggunakan Web Service : Studi Kasus Rental Mobil Jalak Putih),” Repos. UKSW, no. April, 2013.

[13] J. SUHARTONO, “Beta Test,” 16 December, 2016. [Online]. Available: https://sis.binus.ac.id/2016/12/16/beta-test/. [Accessed: 05-Apr-2018].