Penerapan Metode Promethee II Dalam Sistem Pendukung Keputusan Pemilihan Penerima Bantuan Bedah Rumah Di Desa Hutapaung

Penerapan Metode Promethee II Dalam Sistem Pendukung Keputusan Pemilihan Penerima Bantuan Bedah Rumah Di Desa Hutapaung

Farlin Marupa Pasaribu

Fakultas Ilmu Komputer dan Teknologi Informasi, Program Studi Teknik Informatika, Universitas Budidarma, Medan, Indonesia Email: farlinpasaribu77@gmail.com

Abstrak−Bedah rumah merupakan salah satu program bantuan pemerintah yang bertujuan untuk mengurangi jumlah rumah yang tidak layak huni. Dalam pemberian bantuan tersebut tentunya harus diseleksi terlebih dahulu sesuai dengan syarat-syarat yang sudah ditentukan. Banyaknya data masyarakat yang tidak sesuai namun sudah mendaftar membuat tim penyeleksi kesulitan dalam menentukan masyarakat yang berhak menerima bantuan bedah rumah, sehingga pemberian bantuan bedah rumah yang diberikan tidak tepat sasaran. Untuk mengatasi masalah pemberian bantuan bedah rumah yang tidak tepat sasaran, maka dibutuhkan suatu sistem pendukung keputusan. Sistem pendukung keputusan adalah suatu sistem yang mampu untuk melakukan pemecahan sebuah masalah. Salah satu metode yang dapat digunakan untuk pengambilan keputusan yaitu dengan menggunakan metode Preference Ranking Organization Method for Enrichment Evaluations II. Metode ini digunakan untuk melakukan penyelesaian berdasarkan kriteria yang ada seperti status kelayakan rumah, pekerjaan, penghasilan, jumlah tanggungan, dan usia. Dimana setiap kriteria mempunyai nilai bobot masing-masing dan akan dilakukan perangkingan untuk memperoleh nilai Net Flow. Metode ini akan memudahkan tim penyeleksi dalam menentukan calon penerima yang paling layak untuk menerima bantuan bedah rumah setiap tahunnya.Setelah melakukan perangkingan, maka hasil dari metode Preference Ranking Organization Method for Enrichment Evaluations II yaitu Rosdita Banjarnahor (P4)dengan nilai Net Flow tertinggi sebesar 0,2791. Hasil tersebut dapat memudahkan tim penyeleksi dalam menentukan penerima bantuan bedah rumah yang lebih layak.

Kata Kunci: Sistem Pendukung Keputusan; Bantuan; Bedah Rumah; Promethee II

Abstract−House renovation is one of the government assistance programs that aims to reduce the number of uninhabitable houses.

In the provision of assistance, of course, must be selected in advance in accordance with the conditions that have been determined.

The large number of community data that is not appropriate but has already registered makes it difficult for the selection team to determine the people who are entitled to receive home renovation assistance, so that the provision of home renovation assistance provided is not right on target decision support. A decision support system is a system capable of solving a problem. One method that can be used for decision making is by using the Preference Ranking Organization Method for Enrichment Evaluations II. Th is method is used to make settlements based on existing criteria such as the eligibility status of the house, occupation, income, number of dependents, and age. Where each criterion has its own weight value and will be ranked to obtain the Net Flow value. This method will make it easier for the selection team to determine the most eligible recipients to receive home renovation assistance every year.

After ranking, the results of the Preference Ranking Organization Method for Enrichment Evaluations II method are Rosdita Banjarnahor (P4) with the highest Net Flow value of 0,2791. These results can make it easier for the selection team to determine the more appropriate recipients of home renovation assistance.

Keywords: Decision Support System; Assistance; Home Surgery; Promethee II

1. PENDAHULUAN

Pemerintah melalui Kementerian Sosial membuat salah satu program bantuan yang bertujuan untuk mengurangi jumlah rumah yang tidak layak huni bagi masyarakat melalui program Bantuan Stimulan Perumahan Swadaya (BSPS) atau lebih dikenal sebagai program bantuan bedah rumah. Dengan adanya program ini, masyarakat mendapatkan bantuan untuk memperbaiki rumah sehingga lebih layak, sehat dan nyaman. Dalam pemberian bantuan tersebut tentunya harus memenuhi kriteria yang ada seperti penghasilan maupun jumlah tanggungan. Banyaknya data masyarakat yang tidak sesuai namun sudah mendaftar membuat pemerintah kesulitan dalam menentukan masyarakat yang berhak menerima bantuan bedah rumah dan juga proses penyeleksian penerima bantuan bedah rumah di desa Hutapaung hingga saat ini masih subyektif melalui persepsi pemerintah Desa Hutapaung, sehingga pemberian bantuan bedah rumah yang diberikan tidak tepat sasaran. Maka dibutuhkan suatu sistem pendukung keputusan untuk mengatasi masalah tersebut sehingga penyaluran bantuan bedah rumah lebih efektif berdasarkan kriteria-kriteria yang ditentukan.

Sistem pendukung keputusan adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah dengan kondisi terstruktur atau tidak terstruktur. Sistem pendukung keputusan merupakan pendekatan sistematis, diawali dengan permasalahan pembuatan keputusan manajemen, pengumpulan fakta-fakta, menetapkan sejumlah kriteria keputusan untuk memilih alternatif-alternatif tindakan yang paling tepat sebagai solusi keputusan[1]. Preference Ranking Organization Method for Enrichment Evaluations II (PROMETHEE II) adalah suatu metode Multi Criteria Decision Making (MCDM) yang berarti melakukan penentuan atau pengurutan dalam suatu analisis[2].

Berdasarkan penelitian yang dilakukan oleh Eva Luthfiah dan Muhammad Muslih pada tahun 2021 yang berjudul “Penerapan Metode Promethee II Dalam Sistem Pendukung Keputusan Promosi Kenaikan Jabatan (Study Kasus PT Longvin Indonesia)” menyimpulkan bahwa penerapan Metode Promethee II dapat diterapkan pada pemilihan jabatan karyawan sebagai staf analisa yang tepat[3]. Penelitian yang dilakukan oleh Dinda Nabila Batubara, dkk pada tahun 2019 yang berjudul “Penerapan Metode PROMETHEE II Pada Pemilihan Situs Travel Berdasarkan Konsumen” mendapatkan kesimpulan bahwa metode ini sangat cocok diterapkan untuk memilih situs travel berdasarkan kriteria yang ada sehingga hasil yang didapat lebih akurat[4]. Pada tahun 2018, Erma Novida dan

Page | 437 Hery Sunandar melakukan penelitian yang berjudul Sistem Pendukung Keputusan Pemilihan Produk Lensa Kacamata Menggunakan Metode Promethee II. Penerapan metode PROMETHEE II dalam penentuan penentuan lensa kacamata dilakukan dengan mengolah data-data nilai kriteria nama, bahan, harga dan warna[5]. Berdasarkan penelitian yang dilakukan oleh Cici Astria pada tahun 2019 tentang “Pemilihan Produk Sampo Sesuai Jenis Kulit Kepala Dengan Metode PROMETHEE II” menyimpulkan bahwa metode PROMETHEE II dapat diterapkan dalam memilih merk shampoo yang tepat[6]. Penelitian yang dilakukan oleh Ahsanul Huda, dkk pada tahun 2018 yang berjudul “Penerapan Metode Profile Matching Dan Promethee II Dalam Pemilihan Temu Karya Terbaik Pada PT. Jasa Marga (Persero) Tbk Cabang Belmera” menyimpulkan bahwa penggabungan dua metode dapat memperoleh hasil yang akurat dalam pemilihan karyawan terbaik pada perusahaan[7].

2. MEOTODOLOGI PENELITIAN

2.1 Tahapan Penelitian

Dalam melaksanakan penelitian ini terdapat beberapa tahapan-tahapan salah satunya dengan menguraikan kerangka kerja penelitian. Kerangka kerja penelitian adalah konsep penelitian yang saling berhubungan, dimana penggambaran variabel dapat dihubungkan secara rinci dan sistematis sehingga lebih mudah dipahami. Dalam melakukan tahapan ini, penulis terlebih dahulu menganalisa topik yang akan diteliti.

Gambar 1. Tahapan Penelitian 2.2 Sistem Pendukung Keputusan

Banyak ahli yang berpendapat tentang sistem pendukung keputusan, salah satunya yaitu Turban dan Aronson berpendapat bahwa sistem pendukung keputusan adalah sistem yang dimaksudkan untuk mendukung pembuat keputusan dalam situasi keputusan semiterstruktur dan terstruktur[8]. Sedangkan menurut Hermawan sistem pendukung keputusan dapat diartikan sebagai suatu sistem yang dapat membantu seseorang maupun kelompok untuk membuat keputusan dalam menghadapi masalah-masalah semi terstruktur dengan cara menyampaikan informasi ataupun usulan menuju pada keputusan tertentu[9]. Dari penelitian terdahulu yang dilakukan oleh Sri Wahyuni Siregar (2019) sistem pendukung keputusan adalah suatu sistem informasi interaktif yang menyediakan informasi, pemodelan, dan manipulasi data[10].

Berdasarkan pendapat diatas maka dapat disimpulkan bahwa sistem pendukung keputusan adalah suatu sistem yang dapat mempermudah seseorang maupun kelompok dalam pengambilan keputusan dari suatu masalah yang terstruktur maupun tidak terstruktur berdasarkan berbagai alternatif yang ada.

2.3 Bedah Rumah

Rumah adalah tempat perlindungan utama bagi manusia dari iklim maupun gangguan fisik lainnya. Rumah merupakan pusat produktivitas, tempat beristirahat, tempat untuk memelihara kesehatan, dan tempat untuk belajar. Rumah sebagai tempat berlindung harus memenuhi unsur fisik yang kuat, aman dan sehat, serta sesuai dengan unsur-unsur fisik yang dapat menanamkan kenyamanan psikologis dengan tetap menjaga privasi setiap keluarga secara sosial[11]. Bedah rumah merupakan kegiatan yang dilakukan dalam rangka perbaikan rumah tidak layak huni, yaitu rumah tempat tinggal yang tidak memenuhi syarat kesehatan, keamanan dan sosial.

Bantuan bedah rumah yaitu bantuan yang diberikan sebagai upaya mengurangi beban masyarakat yang kurang mampu untuk memperbaiki rumah atau tempat tinggal mereka[12].

2.4 Metode PROMETHEE II

PROMETHEE II adalah suatu metode Multi Criteria Decision Making (MCDM) yang berarti melakukan penentuan atau pengurutan dalam suatu analisis multikriteria. Metode ini dikenal karena konsepya yang efisien dan mudah dipahami, dibandingkan dengan metode lain untuk menyelesaikan masalah yang berkaitan dengan multikriteria[2][10].

PROMETHEE II menampilkan complete preorder yang disajikan dalam bentuk net flow. Melalui complete rangking, informasi lebih realistis karena dapat dibandingkan dengan semua alternatif yang dibuat oleh pembuat keputusan.

Adapun langkah-langkah prosedural dalam metode PROMETHEE II adalah sebagai berikut:

1. Menormalisasi matriks keputusan dengan menggunakan persamaan berikut:

𝑅_𝑖𝑗=[𝑋_𝑖𝑗− min⁡(𝑋_𝑖𝑗)]/[max⁡(𝑋_𝑖𝑗) − min⁡(𝑋_𝑖𝑗)]

(i=1,2,...n; j=1,2,...m) (1)

Dimana Xij adalah ukuran kinerja alternatifnya sesuai kriteria j yang sudah ada. Untuk kriteria yang tidak menguntungkan, Eqn (2.1) dapat ditulis ulang sebagai berikut:

𝑅_𝑖𝑗 =[𝑚𝑎𝑥(𝑋_𝑖𝑗) − 𝑋_𝑖𝑗] / [max⁡(𝑋_𝑖𝑗) − min⁡(𝑋_𝑖𝑗)] (2) 2. Hitung fungsi preferensi, Pj (i, i ').

Fungsi preferensi disederhanakan berikut ini:

𝑃_𝑗(i,i’) = 0 jika 𝑅_𝑖𝑗≤ 𝑅_𝑖^′_𝑗 (3)

𝑃_𝑗(i,i’) = (𝑅_𝑖𝑗− 𝑅_𝑖′𝑗)⁡𝑗𝑖𝑘𝑎⁡𝑅_𝑖𝑗> 𝑅_𝑖′𝑗 (4)

3. Hitung fungsi preferensi agregat dengan mempertimbangkan bobot kriteria.

Fungsi preferensi agregat:

𝜋(i,i’)=[∑^𝑚_𝑗=1𝑊_𝑗𝑥𝑃_𝑗(𝑖, 𝑖^′)] / ∑^𝑚_𝑗=1𝑊_𝑗 (5)

4. Tentukan arus keluar dan arus outranking Aliran Leaving Flow (alternatif positif):

𝜑(i)= ¹

𝑛−1[∑^𝑛_𝑖′=1𝜋(𝑖, 𝑖^′)]/(i≠ 𝑖) (6)

Aliran Entering Flow (alternatif negatif):

𝜑(i)= ¹

𝑛−1[∑^𝑛_𝑖′=1𝜋(𝑖, 𝑖^′)]/(i≠ 𝑖) (7)

Dimana n adalah jumlah alternatif.

5. Hitung arus outranking bersih untuk setiap alternatif.

𝜑(𝑖) = ⁡ 𝜑⁺(i)-𝜑⁻(i) (8)

3. HASIL DAN PEMBAHASAN

3.1 Analisa dan Penerapan Metode

Analisa masalah merupakan suatu proses penguraian suatu masalah yang utuh kedalam bagian-bagian komponennya yang dimaksud untuk mengidentifikasi dan mengevaluasi permasalahan serta hambatan yang terjadi sehingga dapat diusulkan untuk perbaikannya. Setelah melakukan penelitian langsung ke kantor Desa Hutapaung tentang pemberian bantuan bedah rumah masih belum terlaksana dengan baik.

Masalah yang penulis dapat selama melakukan penelitian langsung adalah banyaknya data masyarakat yang tidak sesuai namun sudah mendaftar sehingga menyulitkan pemerintah kantor Desa Hutapaung untuk memberikan bantuan bedah rumah dengan tepat. Dari masalah yang telah dianalisa maka diperlukan suatu sistem yang diharapkan dapat mengatasi masalah tersebut dalam pengambilan keputusan pemberian bantuan bedah rumah.

Page | 439 3.1.1 Penetapan Kriteria

Sebelum melakukan perhitungan dengan menggunakan metode PROMETHEE II, terlebih dahulu ditetapkan nilai bobot dari setiap kriteria. Adapun kriteria yang digunakan dapat dilihat pada tabel dibawah ini:

Tabel 1. Kriteria

No Kriteria Keterangan Bobot % 1 C1 Status Kelayakan Rumah 30%

2 C2 Pekerjaan 25%

3 C3 Penghasilan 20%

4 C4 Jumlah Tanggungan 15%

5 C5 Usia 10%

Bobot = 0,3 + 0,25 + 0,2 + 0,15 + 0,1 = 1

Pada pembobotan untuk tiap-tiap kriteria yang ditentukan dari tingkat kepentingan masing-masing kriteria dengan menggunakan bilang Fuzzy, yaitu tidak baik (TB), kurang baik (KB), cukup baik (CB), baik (B), dan sangat baik (SB).

a. Kriteria Status Kelayakan Rumah

Pada kriteria ini dijelaskan tentang kelayakan rumah untuk dihuni. Semakin rendah tingkat kelayakan rumah maka semakin tinggi nilai bobotnya.

Tabel 2. Kriteria Status Kelayakan Rumah

No Status Kelayakan Rumah Bilangan Fuzzy Nilai Bobot 1 Sangat Tidak Layak Huni Sangat Baik 4

2 Tidak Layak Huni Baik 3

3 Kurang Layak Huni Cukup Baik 2

4 Layak Huni Kurang Baik 1

5 Sangat Layak Huni Tidak Baik 0

b. Kriteria Pekerjaan

Tabel 3. Kriteria Pekerjaan

No Pekerjaan Bilangan Fuzzy Nilai Bobot 1 Petani Sangat Baik 4

2 Pedagang Baik 3

3 Tukang Cukup Baik 2

4 Sopir Kurang Baik 1

5 Guru Tidak Baik 0

c. Kriteria Penghasilan

Penghasilan merupakan salah satu kriteria yang digunakan untuk pemberian bantuan. Maka semakin rendah penghasilan yang didapatkan semakin tinggi nilai bobotnya.

Tabel 4. Kriteria Penghasilan

No Penghasilan Bilangan Fuzzy Nilai Bobot 1 ≤1.000.000 Sangat Baik 4

2 >1.000.000 Baik 3

3 >2.000.000 Cukup Baik 2 4 >3.000.000 Kurang Baik 1 5 ≥4.000.000 Tidak Baik 0 d. Kriteria Jumlah Tanggungan

Pada kriteria ini jumlah tanggungan ini, semakin banyak jumlah tanggungan maka semakin tinggi nilai bobotnya.

Tabel 5. Kriteria Jumlah Tanggungan

No Jumlah Tanggungan Bilangan Fuzzy Nilai Bobot

1 >6 Sangat Baik 4

2 5 – 6 Baik 3

3 3 – 4 Cukup Baik 2

4 1 – 2 Kurang Baik 1

5 <1 Tidak Baik 0

e. Kriteria Usia

Tabel 6. Kriteria Usia

No Usia Bilangan Fuzzy Nilai Bobot 1 <41 Sangat Baik 4

2 41 – 50 Baik 3

3 51 – 60 Cukup Baik 2 4 61 – 76 Kurang Baik 1 5 >76 Tidak Baik 0

3.1.2 Penetapan Alternatif

Untuk mempermudah perhitungan yang akan dilakukan, maka dilakukan penetapan alternatif dengan nilai rating kecocokan dari sampel data yang ada. Berdasarkan nilai pembobotan dari masing-masing kriteria, maka diperoleh nilai pembobotan alternatif sebagai berikut :

Tabel 7. Penetapan Alternatif

3.1.3 Penerapan Metode PROMETHEE II

Pada bagian ini diuraikan langkah-langkah penyelesaian dari metode PROMETHEE II dalam pemilihan penerima bantuan bedah rumah.

Tabel 8. Contoh Kasus

Alternatif Kriteria

C1 C2 C3 C4 C5

Solugaon Purba (P1) 2 1 1 2 2

Jujur Pasaribu (P2) 2 4 4 4 2

Tiani Banjarnahor (P3) 3 4 3 2 1 Rosdita Banjarnahor (P4) 4 4 2 3 3 Tombang Lumban Gaol (P5) 4 4 2 1 4

Min 2 1 1 1 1

Max 4 4 4 4 4

a. Normalisasi Matriks

Adapun matriks keputusan dari data kriteria yaitu sebagai berikut:

No Alternatif (C1) (C2) (C3) (C4) (C5)

1 Solugaon Purba

(A2) 2 1 1 2 2

2 Serese Lumban Batu

(A3) 3 4 3 0 1

3 Jujur Pasaribu

(A4) 2 4 4 4 2

4 Murad Lumban Gaol

(A6) 2 3 2 3 2

5 Tiani Banjarnahor

(A7) 3 4 3 2 1

6 Krisman Banjarnahor

(A8) 4 4 4 0 1

7 Flora Banjarnahor

(A9) 3 4 3 1 1

8 Redina Lumban Batu

(A10) 3 4 4 1 1

9 Rosdita Banjarnahor

(A12) 4 4 2 3 3

10 Tombang Lumban Gaol

(A16) 4 4 2 1 4

Page | 441 𝑋_𝑖𝑗 =

{

2⁡1⁡1⁡2⁡2 2⁡4⁡4⁡4⁡2 3⁡4⁡3⁡2⁡1 4⁡4⁡2⁡3⁡3 4⁡4⁡2⁡1⁡4}

𝑅_𝑖𝑗=[𝑋_𝑖𝑗− min⁡(𝑋_𝑖𝑗)]/[max⁡(𝑋_𝑖𝑗) − min⁡(𝑋_𝑖𝑗)]

R1,1 =(2-2)/(4-2) = 0/2 = 0 R2,1 =(2-2)/(4-2)

= 0/2 = 0 R3,1 =(3-2)/(4-2)

= 1/2 = 0,5 R4,1 =(4-2)/(4-2)

= 2/2 = 1 R5,1 =(4-2)/(4-2)

= 2/2 = 1 R1,2 =(1-1)/(4-1)

= 0/3 = 0 R2,2 =(4-1)/(4-1)

= 3/3 = 1 R3,2 =(4-1)/(4-1)

= 3/3 = 1 R4,2 =(4-1)/(4-1)

= 3/3 = 1 R5,2 =(4-1)/(4-1)

= 3/3 = 1 R1,3 =(1-1)/(4-1)

= 0/3 = 0 R2,3 =(4-1)/(4-1)

= 3/3 = 1 R3,3 =(3-1)/(4-1)

= 2/3 = 0,666 R4,3 =(2-1)/(4-1)

= 1/3 = 0,333 R5,3 =(2-1)/(4-1)

= 1/3 = 0,333 R1,4 =(2-1)/(4-1)

= 1/3 = 0,333 R2,4 =(4-1)/(4-1)

= 3/3 = 1 R3,4 =(2-1)/(4-1)

= 1/3 = 0,333 R4,4 =(3-1)/(4-1)

= 2/3

= 0,666 R5,4 =(1-1)/(4-1)

= 0/3 = 0 R1,5 =(2-1)/(4-1)

= 1/3 = 0,333 R2,5 =(2-1)/(4-1)

= 1/3 = 0,333 R3,5 =(1-1)/(4-1)

= 0/3 = 0 R4,5 =(3-1)/(4-1)

= 2/3 = 0,666 R5,5 =(4-1)/(4-1)

= 3/3 = 1

b. Hitung Fungsi Preferensi 𝑃_𝑗(i,i’) = 0 jika 𝑅_𝑖𝑗≤ 𝑅_𝑖^′_𝑗

𝑃_𝑗(i,i’) = (𝑅_𝑖𝑗− 𝑅_𝑖′𝑗)⁡𝑗𝑖𝑘𝑎⁡𝑅_𝑖𝑗> 𝑅_𝑖′𝑗 P1, P2 : 0 ≤ 0 = 0

0 ≤ 1 = 0 0 ≤ 1 = 0 0,333 ≤ 1 = 0 0,333 ≤ 0,333 = 0 P1, P3 : 0 ≤ 0,5 = 0

0 ≤ 1 = 0 0 ≤ 0,666 = 0 0,333 ≤ 0,333 = 0

0,333 > 0 ; 0,333 – 0 = 0,333 P1, P4 : 0 ≤ 1 = 0

0 ≤ 1 = 0 0 ≤ 0,333 = 0 0,333 ≤ 0,666 = 0 0,333 ≤ 0,666 = 0 P1, P5 : 0 ≤ 1 = 0

0 ≤ 1 = 0 0 ≤ 0,333 = 0

0,333 > 0 ; 0,333 – 0 = 0,333 0,333 ≤ 01 = 0

P2, P1 : 0 ≤ 0 = 0

1 > 0 ; 1 – 0 = 1 1 > 0 ; 1 – 0 = 0

1 > 0,333 ; 1 – 0,333 = 0,667 0,333 ≤ 0,333 = 0

P2, P3 : 0 ≤ 0,5 = 0 1 ≤ 1 = 0

1 > 0,666 ; 1 – 0,666 = 0,334 1 > 0,333 ; 1 – 0,333 = 0,667 0,333 > 0 = 0

P2, P4 : 0 ≤ 1 = 0 1 ≤ 1 = 0

1 > 0,333 ; 1 – 0,333 = 0,667 1 > 0,666 ; 1 – 0,666 = 0,334 0,333 ≤ 0,666 = 0

P2, P5 : 0 ≤ 1 = 0 1 ≤ 1 = 0

1 > 0,333 ; 1 – 0,333 = 0,667 1 > 0 ; 1 – 0 = 1

0,333 ≤ 1 = 0

Page | 443 P3, P1 : 0,5 > 0 ; 0,5 – 0 = 0,5

1 > 0 ; 1 – 0 = 1 0,666 > 0 ; 0,666 – 0 = 0,666 0,333 ≤ 0,333 = 0

0 ≤ 0,333 = 0

P3, P2 : 0,5 > 0 ; 0,5 – 0 = 0,5 1 ≤ 1 = 0

0,666 ≤ 1 = 0 0,333 ≤ 1 = 0 0 ≤ 0,333 = 0 P3, P4 : 0,5 ≤ 0 = 0

1 ≤ 1 = 0

0,666 > 0,333 ; 0,666 – 0 = 0,333 0,333 ≤ 0,666 = 0

0 ≤ 0,666 = 0

P3, P5 : 0,5 > 0 ; 0,5 – 0 = 0,5 1 ≤ 1 = 0

0,666 > 0 ,333 ; 0,666 – 0 = 0,333 0,333 > 0 ; 0,333 – 0 = 0,333 0 ≤ 1 = 0

P4, P1 : 1 > 0 ; 1 – 0 = 1 1 > 0 ; 1 – 0 = 1

0,333 > 0 ; 0,333 – 0 = 0,333 0,666 > 0 ,333 ; 0,666 – 0,333 = 0,333 0,666 > 0 ,333 ; 0,666 – 0,333 = 0,333 P4, P2 : 1 > 0 ; 1 – 0 = 1

1 ≤ 1 = 0 0,333 ≤ 1 = 0 0,666 ≤ 1 = 0

0,666 > 0 ,333 ; 0,666 – 0 = 0,333 P4, P3 : 1 > 0,5 ; 1 – 0,5 = 0,5

1 ≤ 1 = 0

0,333 ≤ 0,666 = 0

0,666 > 0 ,333 ; 0,666 – 0,333 = 0,333 0,666 > 0 ; 0,666 – 0 = 0,666 P4, P5 : 1 ≤ 1 = 0

1 ≤ 1 = 0

0,333 ≤ 0,333 = 0

0,666 > 0 ; 0,666 – 0 = 0,666 0,666 ≤ 1 = 0

P5, P1 : 1 > 0 ; 1 – 0 = 1 1 > 0 ; 1 – 0 = 1

0,333 > 0 ; 0,333 – 0 = 0,333 0 ≤ 0,333 = 0

1 > 0,333 ; 1 – 0,333 = 0,667 P5, P2 : 1 > 0 ; 1 – 0 = 1

1 ≤ 1 = 0 0,333 ≤ 1 = 0 0 ≤ 1 = 0

1 > 0,333 ; 1 – 0,333 = 0,667 P5, P3 : 1 > 0,5 ; 1 – 0,5 = 0,5

1 ≤ 1 = 0

0,333 ≤ 0,666 = 0 0 ≤ 0,333 = 0

1 > 0 ; 1 – 0 = 1 P5, P4 : 1 ≤ 1 = 0

1 ≤ 1 = 0

0,333 ≤ 0,333 = 0 0 ≤ 0,666 = 0

1 > 0,666 ; 1 – 0,666 = 0,334 c. Hitung Fungsi Preferensi Agregrat

𝜋(i,i’)=[∑^𝑚_𝑗=1𝑊_𝑗𝑥𝑃_𝑗(𝑖, 𝑖^′)] / ∑^𝑚_𝑗=1𝑊_𝑗 Dimana :

Wj = Bobot kriteria (0,3 + 0,25 + 0,2 + 0,15 + 0,1 = 1) P1, P2 : (0,3 * 0) / 1 = 0

(0,25 * 0) / 1 = 0 (0,2 * 0) / 1 = 0 (0,15 * 0) / 1 = 0 (0,1 * 0) / 1 = 0 P1, P3 : (0,3 * 0) / 1 = 0

(0,25 * 0) / 1 = 0 (0,2 * 0) / 1 = 0 (0,15 * 0) / 1 = 0

(0,1 * 0,333) / 1 = 0,0333 P1, P4 : (0,3 * 0) / 1 = 0

(0,25 * 0) / 1 = 0 (0,2 * 0) / 1 = 0 (0,15 * 0) / 1 = 0 (0,1 * 0) / 1 = 0 P1, P5 : (0,3 * 0) / 1 = 0

(0,25 * 0) / 1 = 0 (0,2 * 0) / 1 = 0

(0,15 * 0,333) / 1 = 0,04995 (0,1 * 0) / 1 = 0

P2, P1 : (0,3 * 0) / 1 = 0 (0,25 * 1) / 1 = 0,25 (0,2 * 0) / 1 = 0

(0,15 * 0,667) / 1 = 0,10005 (0,1 * 0) / 1 = 0

P2, P3 : (0,3 * 0) / 1 = 0 (0,25 * 0) / 1 = 0

(0,2 * 0,334) / 1 = 0,0668 (0,15 * 0,667) / 1 = 0,10005 (0,1 * 0) / 1 = 0

P2, P4 : (0,3 * 0) / 1 = 0 (0,25 * 0) / 1 = 0

(0,2 * 0,667) / 1 = 0,1334 (0,15 * 0,334) / 1 = 0,0501 (0,1 * 0) / 1 = 0

P2, P5 : (0,3 * 0) / 1 = 0 (0,25 * 0) / 1 = 0

(0,2 * 0,667) / 1 = 0,1334 (0,15 * 1) / 1 = 0,15 (0,1 * 0) / 1 = 0 P3, P1 : (0,3 * 0,5) / 1 = 0,15

(0,25 * 1) / 1 = 0,25 (0,2 * 0,666) / 1 = 0,1332 (0,15 * 0) / 1 = 0

(0,1 * 0) / 1 = 0 P3, P2 : (0,3 * 0,5) / 1 = 0,15

(0,25 * 0) / 1 = 0 (0,2 * 0) / 1 = 0 (0,15 * 0) / 1 = 0 (0,1 * 0) / 1 = 0 P3, P4 : (0,3 * 0) / 1 = 0

(0,25 * 0) / 1 = 0

(0,2 * 0,333) / 1 = 0,0666 (0,15 * 0) / 1 = 0

Page | 445 (0,1 * 0) / 1 = 0

P3, P5 : (0,3 * 0,5) / 1 = 0,15 (0,25 * 0) / 1 = 0

(0,2 * 0,333) / 1 = 0,0666 (0,15 * 0,333) / 1 = 0,04995 (0,1 * 0) / 1 = 0

P4, P1 : (0,3 * 1) / 1 = 0,3 (0,25 * 1) / 1 = 0,25 (0,2 * 0,333) / 1 = 0,0666 (0,15 * 0,333) / 1 = 0,04995 (0,1 * 0,333) / 1 = 0,0333 P4, P2 : (0,3 * 1) / 1 = 0,3

(0,25 * 0) / 1 = 0 (0,2 * 0) / 1 = 0 (0,15 * 0) / 1 = 0

(0,1 * 0,333) / 1 = 0,0333 P4, P3 : (0,3 * 0,5) / 1 = 0,15

(0,25 * 0) / 1 = 0 (0,2 * 0) / 1 = 0

(0,15 * 0,333) / 1 = 0,04995 (0,1 * 0,666) / 1 = 0,0666 P4, P5 : (0,3 * 0) / 1 = 0

(0,25 * 0) / 1 = 0 (0,2 * 0) / 1 = 0

(0,15 * 0,666) / 1 = 0,0999 (0,1 * 0) / 1 = 0

P5, P1 : (0,3 * 1) / 1 = 0,3 (0,25 * 1) / 1 = 0,25 (0,2 * 0,333) / 1 = 0,0666 (0,15 * 0) / 1 = 0

(0,1 * 0,667) / 1 = 0,0667 P5, P2 : (0,3 * 1) / 1 = 0,3

(0,25 * 0) / 1 = 0 (0,2 * 0) / 1 = 0 (0,15 * 0) / 1 = 0

(0,1 * 0,667) / 1 = 0,0667 P5, P3 : (0,3 * 0,5) / 1 = 0,15

(0,25 * 0) / 1 = 0 (0,2 * 0) / 1 = 0 (0,15 * 0) / 1 = 0 (0,1 * 1) / 1 = 0,1 P5, P4 : (0,3 * 0) / 1 = 0

(0,25 * 0) / 1 = 0 (0,2 * 0) / 1 = 0 (0,15 * 0) / 1 = 0

(0,1 * 0,334) / 1 = 0,0334

d. Menghitung Leaving Flow dan Entering Flow Leaving Flow 𝜑(i)= ¹

𝑛−1[∑^𝑛_𝑖′=1𝜋(𝑖, 𝑖^′)]/(i≠ 𝑖) P1 = ^𝟏

𝟓−𝟏(0,08325)

= ^𝟏_𝟒(0,08325)

= 0,0208 P2 = _𝟓−𝟏^𝟏 (0,9838)

= ^𝟏

𝟒(0,9838)

= 0,2459

P3 = ^𝟏

𝟓−𝟏(1,01835)

= ^𝟏

𝟒(1,01835)

= 0,2545 P4 = ^𝟏

𝟓−𝟏(1,3996)

= ^𝟏

𝟒(1,3996)

= 0,3499 P5 = ^𝟏

𝟓−𝟏(1,3334)

= ^𝟏

𝟒(1,3334)

= 0,3333

Entering Flow 𝜑(i) = ¹

𝑛−1[∑^𝑛_𝑖′=1𝜋(𝑖, 𝑖^′)]/(i≠ 𝑖) P1 = _𝟓−𝟏^𝟏 (2,2684)

= ^𝟏

𝟒(2,2684)

= 0,5671 P2 = _𝟓−𝟏^𝟏 (0,85)

= ^𝟏

𝟒(0,85)

= 0,2125 P3 = ^𝟏

𝟓−𝟏(0,7167)

= ^𝟏_𝟒(0,7167)

= 0,1791 P4 = _𝟓−𝟏^𝟏 (0,2835)

= ^𝟏

𝟒(0,2835)

= 0,0708 P5 = ^𝟏

𝟓−𝟏(0,6998)

= ^𝟏_𝟒(0,6998)

= 0,1749

e. Hitung Arus Outranking setiap Alternatif Net Flow 𝜑(𝑖) = ⁡ 𝜑⁺(i)-𝜑⁻(i)

P1 = 0,0208 – 0,5671

= -0,5463

P2 = 0,2459 – 0,2125

= 0,0334

P3 = 0,2545 – 0,1791

= 0,0754

P4 = 0,3499 – 0,0708

= 0,2791

P5 = 0,3333 – 0,1749

= 0,1584

Page | 447 Tabel 9. Outrangking Bersih Setiap Alternatif

Alternatif Net Flow P1 -0,5463

P2 0,0334

P3 0,0754

P4 0,2791

P5 0,1584

Dari perhitungan diatas maka diperoleh hasil perangkingan data calon penerima bantuan bedah rumah yang lebih layak yaitu P4 dengan Net Flow 0,2791 untuk diajukan sebagai penerima bantuan bedah rumah di Desa Hutapaung.

4. KESIMPULAN

Berdasarkan hasil penerapan metode PROMETHEE II pada pemilihan penerima bantuan bedah rumah, maka dapat disimpulkan bahwa Sistem pendukung keputusan untuk menentukan penerima bantuan bedah rumah merupakan suatu sistem yang dapat dirancang untuk menghasilkan keputusan terbaik dalam menentukan penerima bantuan bedah rumah yang lebih layak. Selain itu Penentuan kriteria dan bobot merupakan langkah pertama yang harus dilakukan pada metode PROMETHEE II sebelum melakukan perhitungan dan perangkingan. Dan Perancangan perangkat lunak sistem pendukung keputusan pemilihan penerima bantuan bedah rumah memerlukan penerapan metode PROMETHEE II dalam penginputan dan pemrosesan data dan diperlukan software pendukung seperti Microsoft Visual Studio 2008 dan Microsoft Access 2013.

REFERENCES

[1] I. R. Syabrani, “… Metode Promethee Untuk Menentukan Bantuan Rehabilitas Sosial Rumah Tidak Layak Huni Untuk Masyarakat Miskin,” 2021.

[2] R. S. Perdana and W. Kurniawan, “Implementasi Metode Promethee II untuk Menentukan Pemenang Tender Proyek (Studi Kasus: Dinas Perhubungan dan LLAJ Provinsi Jawa Timur) Twitter event detection View project Artificial Neural Network Applications View project,” no. July, 2017, [Online]. Available: http://j-ptiik.ub.ac.id.

[3] E. Luthfiah and M. Muslih, “PENERAPAN METODE PROMETHEE II DALAM SISTEM PENDUKUNG KEPUTUSAN PROMOSI KENAIKAN JABATAN (STUDY KASUS PT LONGVIN INDONESIA),” 2021.

[4] D. Nabila Batubara, D. P. Rizky Sitorus, and A. Perdana Windarto, “Penerapan Metode PROMETHEE II Pada Pemilihan Situs Travel Berdasarkan Konsumen,” J. SISFOKOM, vol. 08, 2019.

[5] E. Novida and H. Sunandar, “SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PRODUK LENSA KACAMATA MENGGUNAKAN METODE PROMETHEE II,” 2018.

[6] C. Astria, A. Perdana Windarto, Z. Musiafa, J. A. Jenderal Sudirman Blok No, and U. Islam Kalimantan Muhammad Arsyad Al Banjari Banjarmasin, “PEMILIHAN PRODUK SAMPO SESUAI JENIS KULIT KEPALA DENGAN METODE PROMETHEE II,” 2019.

[7] P. Tbk and C. Belmera, “Penerapan Metode Profile Matching Dan Promethee II Dalam Pemilihan Temu Karya Terbaik Pada PT . Jasa Marga,” vol. 6, no. 1, pp. 56–66, 2018.

[8] C. R. Tan, “Sistem Pendukung Keputusan Kelayakan Calon Agen Asuransi Menggunakan Metode Naive Bayes Berbasis Website.”

[9] P. M. Hasugian, “Perancangan Sistem Pendukung Keputusan Dalam Menentukan,” vol. 4, no. 1, 2019.

[10] Seminar Nasional Teknologi Komputer & Sains (SAINTEKS). .

[11] D. M. Efendi and N. Novita, “Weight Product Dalam Implementasi Sistem Pendukung Keputusan Bantuan Bedah Rumah,”

J. Inf. dan Komput., vol. 7, no. 1, pp. 35–42, 2019, doi: 10.35959/jik.v7i1.121.

[12] P. Yunita, “Spk Pemilihan Bantuan Bedah Rumah Pada Kelurahan Purnama Menggunakan Metode Saw,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 4, no. 1, p. 57, 2019, doi: 10.14421/jiska.2019.41-06.