Sistem Pendukung Keputusan Penentuan Warga Miskin Dengan Metode Simple Additive Weighting (SAW) dan Profile Matching

(1)

SKRIPSI

JUANITA CHRISTIE PURBA

131421095

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2015


(2)

DENGAN METODE SIMPLE ADDITIVE

WEIGHTING DAN PROFILE MATCHING

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu

Komputer

JUANITA CHRISTIE PURBA

131421095

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN


(3)

Judul :iiiSISTEM PENDUKUNG PENENTUAN WARGAm iiiiMISKIN KDENGAN METODE SIMPLE ADDITIVEm iiiiWEIGHTING K(SAW) DAN PROFILE MATCHING

Kategori : SKRIPSI

Nama : JUANITA CHRISTIE PURBA

Nomor Induk Mahasiswa : 131421095

Program Studi : EKSTENSI S1 ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, 28 September 2015

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Dian Rachmawati, S.Si, M.Kom Prof.Dr.Muhammad Zarlis NIP.19830723 200912 2 004 NIP.19570701 198601 1 003

Diketahui/Disetujui oleh

Program Studi S1 Ilmu Komputer Ketua,

Dr. Poltak Sihombing, M.Kom. NIP. 196203171991031001


(4)

PERNYATAAN

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN WARGA MISKIN

DENGAN METODE SIMPLE ADDITIVE

WEIGHTING DAN PROFILE MATCHING

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan

dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, 28 September 2015

Juanita Christie Purba

NIM. 131421095


(5)

PENGHARGAAN

Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa atas segala

berkat-Nya sehingga dengan usaha yang maksimal akhirnya dapat dilaksanakan penelitian serta

penyusunan skripsi ini yang berjudul: “Sistem Pendukung Keputusan Penentuan Warga

Miskin dengan Metode

Simple Additive Weighting

(SAW) dan

Profile Matching

”. Tulisan

ini masih jauh dari sempurna, hal ini disebabkan oleh keterbatasan dan kemampuan penulis.

Penulis mengucapkan terimakasih kepada pihak yang memberikan doa, bimbingan,

bantuan dan dorongan sampai selesainya skripsi ini. Dalam kesempatan ini penulis

menyampaikan terimakasih yang sebesar-besarnya kepada:

1.

Bapak Prof. Subhilhar, Ph.D selaku PLT Rektor Universitas Sumatera Utara.

2.

Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan

Teknologi Informasi Universitas Sumatera Utara dan selaku Dosen Pembimbing I

yang telah memberikan masukan kepada penulis dalam pengerjaan skripsi ini.

3.

Bapak Dr. Poltak Sihombing, M.Kom. selaku Ketua Program Studi S1 Ilmu

Komputer Universitas Sumatera Utara.

4.

Ibu Maya Silvi Lydia, B.Sc., M.Sc selaku Sekretaris Program Studi S1 Ilmu

Komputer Universitas Sumatera Utara.

5.

Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing II yang telah

memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam

pengerjaan skripsi ini.

6.

Bapak Prof. Dr. Iryanto, M.Si selaku Dosen Pembanding I yang telah memberikan

kritik dan saran dalam penyempurnaan skripsi ini.

7.

Bapak Handrizal, S.Si, M.Comp.Sc, selaku Dosen Pembanding II yang telah

memberikan kritik dan saran dalam penyempurnaan skripsi ini.


(6)

8.

Semua dosen dan semua pegawai di Program Studi S1 Ilmu Komputer Fakultas

Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

9.

Ibunda Syarifat Husinta, SE dan Ayahanda Jon Piter Purba, SE yang telah

memberikan dukungan secara material dan spiritual kepada Penulis.

10.

Untuk abangku Rivaldo Purba dan adikku Sandra Adila Putri yang terus

memberikan dorongan semangat dan motivasi bagi penulis.

11.

Sahabat-sahabatku Dien Novitasari Matondang, Al Nadrah dan Nurdina Rambe

yang selalu membantu dalam berbagai masalah dan memberi motivasi Penulis

dalam menyelesaikan skripsi.

12.

Sahabat-sahabatku Retno Vitasari Tarigan, Siti Aisyah dan Sri Mulyani dan

teman-teman seperjuangan mahasiswa Ekstensi S1-Ilmu Komputer stambuk 2013, Abner

Sidauruk, Hervery Sihombing, Helbert Sinaga, Yohana Sitepu, Lely Dahlyana,

Sherly Sembiring, anak-anak Kost Makita (Firda, Iyun, Friska, Dila dan Rahma)

dan teman-teman yang lain yang telah memberikan semangat dan menjadi teman

diskusi penulis dalam menyelesaikan skripsi ini.

13.

Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat

penulis ucapkan satu per satu.

Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu,

kepada pembaca agar kiranya memberikan kritik dan saran yang bersifat membangun demi

kesempurnaan skripsi ini.

Medan, 28 September 2015

Penulis,


(7)

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN WARGA MISKIN DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

DAN PROFILE MATCHING ABSTRAK

Masalah kemiskinan merupakan salah satu masalah yang ada dalam kehidupan masyarakat. Pemerintah bertanggung jawab untuk mensejahterakan masyarakat dan mengentaskan kemiskinan. Berbagai program pemberian bantuan memang sudah banyak diberikan oleh pemerintah, namun sering kali pemberian bantuan itu tidak tepat sasaran dikarenakan proses penentuan warga miskin belum optimal karena masih menggunakan cara manual dan proses pendataannya menghabiskan waktu yang cukup lama. Untuk itu penulis bertujuan untuk membangun sebuah aplikasi “Penentuan Warga Miskin dengan Metode SAW dan Profile Matching” sehingga dapat membantu perangkat desa dalam menentukan warga miskin agar hasil pengambilan keputusan lebih akurat dan lebih efektif. Studi kasusnya berada di Kelurahan Desa Martebing. Proses penentuan warga miskin ditentukan berdasarkan kriteria-kriteria yang telah ditentukan oleh pemerintah, antara lain : luas rumah, status tanah, status rumah, kondisi rumah, pendapatan kepala rumah tangga, pendidikan kepala rumah tangga, biaya rekening listrik dan jumlah tanggungan anak. Kompleksitas waktu yang dibutuhkan untuk mengeksekusi metode metode SAW lebih cepat dari profile matching dengan hasil kompleksitas waktu metode SAW = θ (n2) dan profile matching = θ (n1). Dari segi kecepatan waktu metode SAW lebih cepat dari pada metode profile matching dengan hasil metode SAW = 171 ms dan metode profile matching = 254 ms.

Kata Kunci : Sistem Pendukung Keputusan, Simple Additive Weighting (SAW), Profile Matching, Penentuan Warga Miskin.


(8)

DECISION SUPPORT SYSTEM FOR DETERMINATION OF THE POOR BY USING SIMPLE ADDITIVE WEIGHTING (SAW)

AND PROFILE MATCHING METHODS

ABSTRACT

The problem of poverty is one of the problems that exist in people’s life. The government is responsible for the welfare of society and alleviate poverty. Various assistance programs are already widely given by the government, but the assistance often was not on target because the process of determining the poor is not yet optimal because still use manual way and spent a long time to record the poor. Therefore the author aimed to build an application “Determination of the poor with SAW and Profile Matching Method” so can help the village clerks to determine the poor so that the decision-making results more accurate and more effective. The case studies are in Kelurahan Desa Martebing. The process of determining the poor are determined based on the criteria that have been set by the government, among others : spacious house, land status, house status, house condition, income of the household head, education of the household head, the cost of electricity bills and the number of children. The complexity of the time required to execute SAW method is faster than profile matching method with the results of the time complexity SAW method = θ (n2) and profile matching = θ (n1). In terms of speed, SAW method is faster than the profile matching method

with the results of SAW method = 171 ms and profile matching method = 254 ms.

Keywords : Decision Support System, Simple Additive Weighting (SAW), Profile Matching, Determination of the poor.


(9)

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak vi

Abstract vii

Daftar Isi viii

Daftar Tabel x

Daftar Gambar xi

Bab 1 Pendahuluan

1.1. Latar Belakang 1

1.2. Rumusan Masalah 2

1.3. Batasan Masalah 2

1.4. Tujuan Penelitian 3

1.5. Manfaat Penelitian 3

1.6. Metodologi Penelitian 3

1.7. Sistematika Penulisan 4

Bab 2 Landasan Teori

2.1. Konsep Sistem Pendukung Keputusan 6

2.1.1. Karakteristik, Manfaat dan Keterbatasan Sistem Pendukung Keputusan 7

2.1.2. Arsitektur Sistem Pendukung Keputusan 8

2.2. Multiple Attribute Decision Making (MADM) 11

2.2.1. Simple Additive Weighting (SAW) 12

2.2.2 Profile Matching 13

Bab 3 Analisis dan Perancangan Sistem

3.1. Analisis Masalah 16

3.2. Analisis Kebutuhan 21

3.2.1. Kebutuhan Fungsional 22

3.2.2. Kebutuhan Non Fungsional 22

3.3. Pemodelan Sistem 23

3.3.1. Diagram Use Case 24

3.3.2. Diagram Activity 26

3.3.3. Diagram Sequence 27

3.3.4. Perancangan Database 29

3.3.5. Flowchart 30


(10)

3.4.1.Perhitungan Nilai dengan Metode SAW secara Manual 33 3.4.2. Perhitungan Nilai dengan Metode Profile Matching secara Manual 42

3.5. Rancangan Antar Muka Sistem 50

Bab 4 Implementasi dan Pengujian

4.1. Implementasi Sistem 57

4.1.1. Halaman Login Admin 57

4.1.2. Halaman Utama 58

4.1.3. Halaman Data Admin 59

4.1.4. Halaman Data Warga 60

4.1.5. Halaman Proses SAW 60

4.1.6. Halaman Proses Profile Matching 61

4.2. Perhitungan Kompleksitas Waktu 62

4.2.1. Perhitungan Kompleksitas Waktu Algoritma SAW 62 4.2.2. Perhitungan Kompleksitas Waktu Algoritma Profile Matching 67

Bab 5 Kesimpulan dan Saran

5.1. Kesimpulan 77

5.2. Saran 78


(11)

DAFTAR TABEL

Halaman

Tabel 2.1 Bobot Nilai

13

Tabel 3.1 Kriteria

16

Tabel 3.2 Nilai Luas Rumah

17

Tabel 3.3 Nilai Status Tanah

18

Tabel 3.4 Nilai Status Rumah

18

Tabel 3.5 Nilai Kondisi Rumah

18

Tabel 3.6 Nilai Pendapatan Kepala Rumah Tangga

19

Tabel 3.7 Nilai Pendidikan Kepala Rumah Tangga

19

Tabel 3.8 Nilai Biaya Rekening Listrik

20

Tabel 3.9 Nilai Jumlah Tanggungan Anak

20

Tabel 3.10 Data

User

29

Tabel 3.11 Data Warga

29

Tabel 3.12 Sampel Nilai Rill Warga

32

Tabel 3.13 Rating Kecocokan Dari Setiap Alternatif Pada Setiap Kriteria

34

Tabel 3.14 Hasil Perangkingan Warga Miskin dengan Metode SAW

41

Tabel 3.15 Rating Kecocokan Dari Setiap Alternatif Pada Setiap Kriteria

42

Tabel 3.16 Pemetaan GAP

43

Tabel 3.17 Bobot Nilai

45

Tabel 3.18 Pembobotan GAP

45

Tabel 3.19

Core

dan

Secondary Factor

46

Tabel 3.20 Hasil Perangkingan Warga Miskin dengan Metode

Profile Matching

50

Tabel 4.1. Perhitungan Kompleksitas Waktu Algoritma SAW

63

Tabel 4.2. Perhitungan Kompleksitas Waktu Algoritma

Profile

Matching

67


(12)

DAFTAR GAMBAR

Halaman

Gambar 2.1. Arsitektur Sistem Pendukung Keputusan

11

Gambar 3.1. Diagram

Ishikawa

untuk Analisis Masalah

21

Gambar 3.2. Diagram

Use Case

Admin

24

Gambar 3.3. Diagram

Use Case

User

25

Gambar 3.4. Diagram

Activity

Login Admin

26

Gambar 3.5. Diagram

Activity

Sistem

27

Gambar 3.6. Diagram

Sequence

Admin

28

Gambar 3.7. Diagram

Sequence

User

28

Gambar 3.8.

Flowchart

Metode SAW

30

Gambar 3.9.

Flowchart

Metode

Profile Matching

31

Gambar 3.10. Rancangan Halaman

Login

Admin

51

Gambar 3.11. Rancangan Halaman Data

Admin

51

Gambar 3.12. Rancangan Halaman Data Warga

52

Gambar 3.13. Rancangan Halaman Metode SAW

54

Gambar 3.14. Rancangan Halaman Metode

Profile Matching

55

Gambar 4.1. Halaman

Login Admin

58

Gambar 4.2. Halaman Utama

User

58

Gambar 4.3. Halaman Utama

Admin

59

Gambar 4.4. Halaman Data

Admin

59

Gambar 4.5. Halaman Data Warga

60

Gambar 4.6. Halaman Proses SAW

61


(13)

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN WARGA MISKIN DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

DAN PROFILE MATCHING ABSTRAK

Masalah kemiskinan merupakan salah satu masalah yang ada dalam kehidupan masyarakat. Pemerintah bertanggung jawab untuk mensejahterakan masyarakat dan mengentaskan kemiskinan. Berbagai program pemberian bantuan memang sudah banyak diberikan oleh pemerintah, namun sering kali pemberian bantuan itu tidak tepat sasaran dikarenakan proses penentuan warga miskin belum optimal karena masih menggunakan cara manual dan proses pendataannya menghabiskan waktu yang cukup lama. Untuk itu penulis bertujuan untuk membangun sebuah aplikasi “Penentuan Warga Miskin dengan Metode SAW dan Profile Matching” sehingga dapat membantu perangkat desa dalam menentukan warga miskin agar hasil pengambilan keputusan lebih akurat dan lebih efektif. Studi kasusnya berada di Kelurahan Desa Martebing. Proses penentuan warga miskin ditentukan berdasarkan kriteria-kriteria yang telah ditentukan oleh pemerintah, antara lain : luas rumah, status tanah, status rumah, kondisi rumah, pendapatan kepala rumah tangga, pendidikan kepala rumah tangga, biaya rekening listrik dan jumlah tanggungan anak. Kompleksitas waktu yang dibutuhkan untuk mengeksekusi metode metode SAW lebih cepat dari profile matching dengan hasil kompleksitas waktu metode SAW = θ (n2) dan profile matching = θ (n1). Dari segi kecepatan waktu metode SAW lebih cepat dari pada metode profile matching dengan hasil metode SAW = 171 ms dan metode profile matching = 254 ms.

Kata Kunci : Sistem Pendukung Keputusan, Simple Additive Weighting (SAW), Profile Matching, Penentuan Warga Miskin.


(14)

DECISION SUPPORT SYSTEM FOR DETERMINATION OF THE POOR BY USING SIMPLE ADDITIVE WEIGHTING (SAW)

AND PROFILE MATCHING METHODS

ABSTRACT

The problem of poverty is one of the problems that exist in people’s life. The government is responsible for the welfare of society and alleviate poverty. Various assistance programs are already widely given by the government, but the assistance often was not on target because the process of determining the poor is not yet optimal because still use manual way and spent a long time to record the poor. Therefore the author aimed to build an application “Determination of the poor with SAW and Profile Matching Method” so can help the village clerks to determine the poor so that the decision-making results more accurate and more effective. The case studies are in Kelurahan Desa Martebing. The process of determining the poor are determined based on the criteria that have been set by the government, among others : spacious house, land status, house status, house condition, income of the household head, education of the household head, the cost of electricity bills and the number of children. The complexity of the time required to execute SAW method is faster than profile matching method with the results of the time complexity SAW method = θ (n2) and profile matching = θ (n1). In terms of speed, SAW method is faster than the profile matching method

with the results of SAW method = 171 ms and profile matching method = 254 ms.

Keywords : Decision Support System, Simple Additive Weighting (SAW), Profile Matching, Determination of the poor.


(15)

1.1 Latar Belakang Masalah

Kemiskinan merupakan masalah yang tidak hanya dihadapi negara yang sedang berkembang, tetapi juga dihadapi oleh negara berkembang dan negara maju. Munculnya kemiskinan dikarenakan adanya tingkat pendidikan yang rendah, kurangnya kesempatan kerja, perbedaan pendapatan, dan lain-lain. Permasalahan ini juga dihadapi oleh Indonesia. Pemerintah Indonesia selalu berupaya membantu warga miskin dengan memberikan berbagai bantuan kepada warga miskin tersebut seperti Raskin, BLT (Bantuan Langsung Tunai), dan lain-lain. Maka untuk memperlancar pemberian bantuan tersebut, di setiap desa, perangkat desa wajib mendata warga miskin yang pantas untuk mendapatkan bantuan langsung dari pemerintah pusat. Pemerintah pusat sudah menentukan aturan tentang pendataan warga miskin ke setiap desa. Namun, selama ini pendataan yang dilakukan oleh perangkat desa masih menggunakan sistem manual. Kelurahan Desa Martebing juga termasuk desa yang masih menggunakan sistem manual untuk mendata warga miskin yang ada di desanya, sehingga seringkali bantuan yang diberikan oleh pemerintah pusat tidak tepat sasaran dan membutuhkan waktu yang lama ketika mendata warga miskin. Data yang dihasilkan juga seringkali belum akurat. Untuk itu diperlukan sebuah aplikasi sistem pendukung keputusan yang akan digunakan untuk mengolah pendataan warga miskin secara efisien dan efektif sehingga hasil pendataan yang didapatkan akan akurat. Jika hasil pendataan warga miskin di Kelurahan Desa Martebing akurat maka pemberian bantuan dari pemerintah pusat akan tepat sasaran.


(16)

Aplikasi sistem pendukung keputusan ini menggunakan metode Simple Additive Weighting (SAW) dan Profile Matching. Simple Additive Weighting (SAW) merupakan metode pengambilan keputusan yang konsepnya mencari penjumlahan terbobot dari rating pada setiap alternatif pada semua atribut (Kusumadewi, Sri dkk, 2006). Sedangkan metode Profile Matching merupakan sebuah mekanisme pengambilan keputusan dengan mengasumsikan bahwa terdapat tingkat variabel prediktor yang ideal yang harus dimiliki oleh pelamar (Kusrini, 2007).

Berdasarkan penjelasan sebelumnya maka dalam penelitian ini digunakan kedua metode tersebut dalam bentuk sebuah aplikasi yang akan berguna dalam penentuan warga miskin.

Sebagai bahan pertimbangan dalam melakukan penulisan ini, penulis mengambil beberapa referensi dari penelitian sebelumnya. Beberapa penelitian yang penulis jadikan bahan referensi yaitu implementasi perbandingan metode Profile Matching dan Simple Additive Weighting (SAW) dalam penilaian kinerja karyawan (Ibrahim Ahmad Harahap, 2014), penelitian tentang Implementasi Algoritma AHP dan Algoritma SAW dalam Menentukan Perusahaan BUMN Paling Diminati (Edyson Marcopolo, 2014) dan juga penelitian tentang Sistem Pendukung Keputusan Pemilihan Penerima Beasiswa Mahasiswa Kurang Mampu pada STMIK Budidarma Medan Menerapkan Metode Profile Matching (T. M. Syahru Ichsan, 2013).

1.2 Rumusan Masalah

Melihat dari latar belakang yang sudah dipaparkan sebelumnya maka rumusan masalahnya adalah bagaimana membantu penentuan warga miskin di Kelurahan Desa Martebing dengan menggunakan metode Simple Additive Weighting (SAW) dan Profile Matching.


(17)

1.3 Batasan Masalah

Batasan masalah dalam penelitian adalah sebagai berikut :

1. Tugas akhir ini hanya akan membahas tentang metode Simple Additive Weighting (SAW) dan Profile Matching untuk mentukan warga miskin di Kelurahan Desa Martebing.

2. Aplikasi ini akan membandingkan hasil dari metode Simple Additive Weighting (SAW) dan Profile Matching dengan parameter pembandingnya adalah Big θ dan running time.

3. Kriteria yang digunakan dalam penelitian antara lain luas rumah, status tanah, status rumah, kondisi rumah, pendapatan kepala rumah tangga, pendidikan kepala rumah tangga, biaya rekening listrik dan jumlah tanggungan anak. Kriteria ini mengikuti kriteria nasional namun sudah dilakukan pengubahan oleh perangkat desa Kelurahan Desa Martebing.

4. Sampel yang digunakan sebagai alternatif adalah 20 warga Kelurahan Desa Martebing.

5. Aplikasi yang akan dibangun menggunakan bahasa pemrograman Microsoft Visual Basic 2010 dan DBMS Ms. Access 2007.

1.4 Tujuan Penelitian

Tujuan dari penyusunan tugas akhir ini adalah untuk menentukan berapa banyak warga miskin di Kelurahan Desa Martebing sehingga memudahkan perangkat desa dalam memberikan bantuan dari pemerintah pusat yang ditujukan kepada warga miskin dengan menggunakan metode Simple Additive Weighting (SAW) dan Profile Matching.


(18)

1.5 Manfaat Penelitian

Mempermudah perangkat desa Martebing dalam menentukan berapa jumlah warga miskin sehingga pemberian bantuan dari pemerintah akan tepat sasaran.

1.6 Metodologi Penelitian

Metode penelitian yang digunakan dalam penulisan tugas akhir ini adalah sebagai berikut :

a. Studi Literatur.

Metode ini dilaksanakan dengan mengumpulkan bahan dan referensi dari buku, skrispsi sebelumnya maupun sumber lain yang berhubungan dengan sistem pendukung keputusan menggunakan metode Simple Additive Weighting dan Profile Matching.

b. Analisis dan Perancangan Sistem

Tahap ini dimulai dengan tahap mengidentifikasi masalah, mengumpulkan data-data yang berkaitan dengan kriteria, alternatif, memahami kerja sistem yang akan dibuat dan merancangan flowchart sistem dan DFD (Data Flow Diagram) untuk aplikasi penentuan warga miskin dengan metode Simple Additive Weighting (SAW) dan Profile Matching.

c. Implementasi Sistem.

Metode ini adalah mengimplementasikan rancangan sistem pendukung keputusan dengan metode Simple Additive Weighting (SAW) dan Profile Matching ke dalam bahasa pemrograman Visual Basic 2010 dan DBMS Ms. Access 2007.

d. Pengujian Sistem.

Metode ini adalah melakukan pengujian terhadap program dengan menggunakan bahasa pemrograman Visual Basic 2010 dan DBMS Ms. Access 2007 sehingga diketahui apakah program sudah berjalan dengan benar dan sesuai dengan perancangan yang telah dilakukan.


(19)

e. Dokumentasi

Tahap akhir dari penelitian yang dilakukan, yaitu membuat laporan dan kesimpulan akhir dari hasil analisa dan pengujian dalam bentuk skripsi.

1.7 Sistematika Penulisan

Sistematika penulisan tugas akhir ini dibagi menjadi lima bab, yaitu sebagai berikut:

BAB 1 PENDAHULUAN

Bab ini berisikan penjelasan tentang Latar Belakang, Rumusan Masalah, Batasan Masalah, Tujuan Penelitian, Manfaat Penelitian, dan Metodologi Penelitian.

BAB 2 LANDASAN TEORI

Bab ini akan membahas teori-teori yang berkaitan dengan sistem pendukung keputusan, metode Simple Additive Weighting (SAW) dan metode Profile Matching.

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

Bab ini berisi proses pembuatan algoritma program, flowchart sistem, DFD, dan pembuatan user interface aplikasi.

BAB 4 IMPLEMENTASI DAN PENGUJIAN

Bab ini membahas bagaimana penerapan metode Simple Additive Weighting (SAW) dan Profile Matching dalam penentuan warga miskin dan pengujian terhadap program dengan menggunakan Visual Basic 2010 dan DBMS Ms. Access 2007.


(20)

BAB 5 KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan dari seluruh pembahasan yang ada pada bab-bab sebelumnya dan saran yang berguna untuk melakukan perbaikan dan pengembangan penelitian ini.


(21)

2.1 Konsep Sistem Pendukung Keputusan (SPK)

Sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem itu digunakan untuk membantu pengambilan keputusan dalam situasi yang semiterstruktur dan situasi yang tidak terstruktur, di mana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat (Kusrini, 2007).

Kemudian (Ohri. A & Singh P. K., 2010) mendefinisikan sistem pendukung keputusan sebagai kelas khusus dari sistem informasi terkomputerisasi yang mendukung pengambilan keputusan kegiatan dalam cara yang terstruktur dan logis berdasarkan fakta-fakta ilmiah. Sistem pendukung keputusan menyusun informasi yang berguna dari data mentah, dokumen pengetahuan dan/atau model bisnis pribadi untuk mengidentifikasi dan memecahkan masalah dan menyarankan keputusan yang tepat.

(Kulvinder Singh Mann, 2012) mendefinisikan sistem pendukung keputusan sebagai program aplikasi komputer yang menganalisir data dan menyajikannya sehingga pengguna dapat membuat keputusan yang lebih mudah. Sistem pendukung keputusan adalah sebuah aplikasi informasi. Sebuah pendukung keputusan dapat menyajikan informasi secara grafis dan mungkin termasuk sistem pakar atau kecerdasan buatan.


(22)

2.1.1 Karakteristik, Manfaat dan Keterbatasan Sistem Pendukung Keputusan

(Dadan Umar Daihani, 2001) menjelaskan terdapat sejumlah karakteristik dari sistem pendukung keputusan, yaitu ;

1. Sistem pendukung keputusan dirancang untuk membantu pengambil keputusan dalam memecahkan masalah yang sifatnya semi terstruktur ataupun tidak terstruktur.

2. Dalam proses pengolahan, sistem pendukung keputusan mengkombinasikan penggunaan model-model/teknik-teknik analisis dengan teknik pemasukan data konvensional serta fungsi-fungsi pencari/interogasi informasi.

3. Sistem pendukung keputusan, dirancang sedemikian rupa, sehingga dapat digunakan/dioperasikan dengan mudah oleh orang-orang yang tidak memiliki dasar kemampuan pengoperasian komputer yang tinggi. Oleh karena itu pendekatan yang digunakan biasanya model interaktif.

4. Sistem pendukung keputusan dirancang dengan menekankan pada aspek fleksibilitas serta kemampuan adaptasi yang tinggi sehingga mudah disesuaikan dengan berbagai perubahan lingkungan yang terjadi dan kebutuhan pemakai.

Dengan berbagai karakter khusus seperti dikemukakan di atas, sistem pendukung keputusan dapat memberikan berbagai manfaat atau keuntungan bagi pemakainya. Keuntungan yang dimaksud di antaranya meliputi (Dadan Umar Daihani, 2001) :

1. Sistem pendukung keputusan memperluas kemampuan pengambil keputusan dalam memproses data/informasi bagi pemakainya.

2. Sistem pendukung keputusan membantu pengambil keputusan dalam hal penghematan waktu yang dibutuhkan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur.

3. Sistem pendukung keputusan dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.


(23)

4. Walupun suatu sistem pendukung keputusan, mungkin saja tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan, namun ia dapat menjadi stimulant bagi pengambil keputusan dalam memahami persoalannya. Karena sistem pendukung keputusan mampu menyajikan berbagai alternatif. 5. Sistem pendukung keputusan dapat menyediakan bukti tambahan untuk

memberikan pembenaran sehingga dapat memperkuat posisi pengambil keputusan.

Selain itu, di dalam Sistem Pendukung Keputusan juga memiliki beberapa keterbatasan, yaitu sebagai berikut (Dadan Umar Daihani, 2001) :

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

2. Kemampuan suatu Sistem Pendukung Keputusan terbatas pada pembendaharaan pengetahuan yang dimilikinya (pengetahuan dasar serta model dasar).

3. Proses-proses yang dapat dilakukan oleh Sistem Pendukung Keputusan biasanya tergantung juga pada kemampuan perangkat lunak yang digunakannya.

4. Sistem Pendukung Keputusan tidak memiliki kemampuan intuisi seperti yang dimiliki oleh manusia. Karena walau bagaimanapun canggihnya suatu SPK, dia hanyalah suatu kumpulan perangkat keras, perangkat lunak dan sistem operasi yang tidak dilengkapi dengan kemampuan berpikir.

2.1.2 Arsitektur Sistem Pendukung Keputusan

Sistem pendukung keputusan terdiri atas tiga komponen utama atau subsistem (Dadan Umar Daihani, 2001), yaitu sebagai berikut :

1. Subsistem Data (Data Subsystem)

Subsistem data merupakan komponen SPK penyedia data bagi sistem data dimaksud disimpan dalam suatu pangkalan data (database) yang diorganisasikan


(24)

oleh suatu sistem yang disebut dengan sistem manajemen pangkalan data (Database Management System). Melalui manajamen pangkalan data inilah data dapat diambil dan diekstraksi dengan cepat. Pangkalan data dalam SPK berasal dari dua sumber yaitu sumber internal (dari dalam perusahaan) dan sumber eksternal (dari luar perusahaan). Data eksternal ini sangat berguna bagi manajemen dalam mengambil keputusan tingkat strategis.

2. Subsistem Model (Model Subsystem)

Keunikan dari SPK adalah kemampuannya dalam mengintegrasikan data dengan model-model keputusan. Kalau pada pangkalan data, organisasi data dilakukan oleh manajemen pangkalan data, maka dalam hal ini ada fasilitas tertentu yang berfungsi sebagai pengelola berbagai model yang disebut dengan pangkalan model (model base).

3. Subsistem Dialog (User System Interface)

Keunikan lainnya dari SPK adalah adanya fasilitas yang mampu mengintegrasikan sistem terpasang dengan pengguna secara interaktif. Fasilitas atau subsistem ini dikenal sebagai subsistem dialog. Melalui sistem dialog inilah sistem diartikulasian dan diimplementasikan sehingga pengguna atau pemakai dapat berkomunikasi dengan sistem yang dirancang.

Menurut (Rosnani Ginting, 2014) dalam proses pengambilan keputusan, ada tiga tahapan yaitu :

1. Tahap Intellegen

Tahap intellegen adalah tahap proses pengenalan persoalan melalui penyelidikan lingkungan untuk mengetahui ada atau tidaknya masalah. Kesimpulan dari penyelidikan diperoleh dari pengolahan data dengan metode khusus. Aliran informasi bergerak dari tingkatan manajemen terendah menuju tingkatan manajemen tertinggi.


(25)

2. Tahap Design

Tahap design merupakan tahap mencari, analisis serta perumusan alternatif tindakan yang akan diambil. Pada tahap ini, sistem informasi harus mampu membuat keputusan-keputusan.

3. Tahap Choice

Tahap choice merupakan tahap memilih suatu tindakan yang paling tepat dari beberapa alternatif yang telah dirumuskan. Langkah selanjutnya adalah pelaksanaan alternatif terpilih. Bila suatu alternatif telah dilaksanakan, fungsi, informasi berubah menjadi pengumpul data untuk selanjutnya, merupakan umpan balik.

Kegiatan merancang sistem pendukung keputusan merupakan sebuah kegiatan untuk menemukan, mengembangkan dan menganalisis berbagai alternatif tindakan yang mungkin untuk dilakukan. Tahap perancangan ini meliputi pengembangan dan mengevaluasi serangkaian kegiatan alternatif. Sedangkan kegiatan memilih dan menelaah ini digunakan untuk memilih satu rangkaian tindakan tertentu dari beberapa yang tersedia dan melakukan penilaian terhadap tindakan yang telah dipilih. Sistem pendukung keputusan dirancang untuk mendukung seluruh tahap pengambilan keputusan mulai dari mengidentifikasi masalah, memilih data yang relevan dan menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai mengevaluasi pemilihan alternatif (Deny Adhar, 2014). Gambar arsitektur sistem pendukung keputusan menurut (Efraim Turban, 2005) dapat dilihat pada gambar 2.1.


(26)

Gambar 2.1 Arsitektur Sistem Pendukung Keputusan

2.2 Multiple Attribute Decision Making (MADM)

(Sri Kusumadewi, 2006) menjelaskan Multiple Attribute Decision Making (MADM) biasanya digunakan untuk melakukan penilaian atau seleksi terhadap beberapa alternatif dalam jumlah yang terbatas. Secara umum, MADM memiliki suatu tujuan tertentu, yang dapat diklasifikasikan dalam 2 tipe yaitu menyeleksi alternatif dengan atribut (kriteria) dengan ciri-ciri terbaik; dan mengklasifikasikan alternatif berdasarkan peran tertentu. Untuk menyelesaikan masalah MADM, dibutukan 2 tahap, yaitu :

1. Membuat rating pada setiap alternatif berdasarkan agregasi derajat kecocokan pada semua kriteria.

2. Merangking semua alternatif untuk mendapatkan alternatif terbaik. Ada 2 cara yang dapat digunakan dalam proses perangkingan, yaitu melaui defuzzy atau melalui relasi preferensi fuzzy. Metode defuzzy dilakukan dengan pertama-tama membuat bentuk crisp dari bilangan fuzzy, proses perangkingan didasarkan atas bilangan crisp dari bilangan fuzzy tersebut; model ini memang


(27)

mudah untuk diimplementasikan, namun kita sangat dimungkinkan untuk kehilangan beberapa informasi terutama yang menyangkut ketidakpastian. Penggunaan relasi preferensi fuzzy lebih menjamin ketidakpastian yang melekat pada bilangan fuzzy hingga proses perangkingan.

Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MADM, antara lain :

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

3. ELECTRE

4. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) 5. Analytic Hierarchy Process (AHP)

2.2.1 Simple Additive Weighting (SAW)

Menurut (Sri Kusumadewi, 2006) Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode 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 diperbandingkan dengan semua rating alternatif yang ada.

Keterangan :

rij = rating kinerja ternormalisasi dari alternatif Ai pada kriteria Cj.

Max xij = Nilai maks jika yang dicari adalah atribut keuntungan atau nilai tertinggi. Jika j adalah atribut biaya (cost)

Jika j adalah atribut keuntungan (benefit)

(2.1)


(28)

Min xij = Nilai min jika yang dicari adalah atribut biaya atau nilai terendah. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai :

V = w r

Nilai Vi yang lebih besar mengindikasikan bahwa alternatif A1 lebih terpilih.

2.2.2 Profile Matching

Menurut (Kusrini, 2007) Profile Matching adalah sebuah mekanisme pengambilan keputusan dengan mengasumsikan bahwa terdapat tingkat minimal yang harus dipenuhi atau dilewati. Langkah-langkah dalam penyelesaian perhitungan dengan menggunakan metode Profile Matching yaitu :

1. Aspek-aspek penilaian.

Langkah pertama yang harus dilakukan yaitu menentukan aspek-aspek penilaian.

2. Pemetaan GAP kompetensi.

GAP kompetensi adalah perbedaan antara kriteria yang dimiliki seseorang dengan kriteria yang diinginkan. Rumus untuk mencari GAP kompetensi yaitu :

GAP = Nilai Warga − Nilai Minimal (2.3) 3. Pembobotan GAP kompetensi

Apabila pemetaan GAP sudah selesai dilakukan, maka hasil dari pemetaan tersebut diberi bobot nilai sesuai dengan patokan tabel bobot nilai GAP. Seperti yang terlihat pada tabel 2.1.

Tabel 2.1 Bobot Nilai

No. Selisih Bobot Nilai

Keterangan

1 0 5 Tidak ada selisih

2 1 4,5 Kompetensi individu kelebihan 1 tingkat/level (2.2)


(29)

3 -1 4 Kompetensi individu kekurangan 1 tingkat/level 4 2 3,5 Kompetensi individu kelebihan 2 tingkat/level 5 -2 3 Kompetensi individu kekurangan 2 tingkat/level 6 3 2,5 Kompetensi individu kelebihan 3 tinkat/level 7 -3 2 Kompetensi individu kekurangan 3 tingkat/level 8 4 1,5 Kompetensi individu kelebihan 4 tinkat/level 9 -4 1 Kompetensi individu kekurangan 4 tingkat/level

Tabel ini berisi ketentuan pembobotan hasil selisih nilai GAP warga yang dikurangkan dengan nilai minimal yang sudah ditetapkan.

4. Perhitungan dan pengelompokkan Core dan Secondary Factor

Setelah bobot nilai GAP ditentukan, maka dibagi menjadi 2 kelompok yaitu Core Factor dan Secondary Factor.

Rumus untuk menghitung Core Factor yaitu sebagai berikut :

NCF = ∑ NC *aspek/∑ IC

Keterangan :

NCF = Nilai rata-rata core factor. NC(aspek) = Jumlah total nilai core factor. IC = Jumlah item core factor.

Sedangkan rumus untuk menghitung secondary factor yaitu sebagai berikut :

NSF = ∑ NS *aspek/∑ IS

Keterangan :

NSF = Nilai rata-rata secondary factor. NC(aspek) = Jumlah total nilai Secondary factor.

(2.4)


(30)

IC = Jumlah item secondaryfactor.

5. Perhitungan Nilai Total

Untuk menghitung nilai total, rumus yang digunakan yaitu :

*x/%NCF*aspek/ + *x/%NSF*aspek/ = Ntotal*aspek/ Keterangan :

NCF(aspek) = nilai rata-rata core factor. NSF(aspek) = nilai rata-rata secondary factor. N(aspek) = nilai total dari aspek

(x)% = nilai persen yang diinputkan

6. Perhitungan Nilai Rangking

Untuk menentukan perangkingan mengacu pada hasil perhitungan menggunakan rumus sebagai berikut :

Rangking = *x/%Ns Keterangan :

Ns = Nilai aspek

(x)% = nilai persen yang diinputkan (Sumber : Kusrini, 2007)

(2.6)


(31)

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

Dalam bab ini akan membahas tentang analisis dan perancangan sistem aplikasi sistem pendukung keputusan penentuan warga miskin dengan metode SAW dan Profile Matching, juga membahas tentang pemodelan sistem dan membahas tentang alur kerja metode SAW dan Profile Matching dan juga perancangan interface aplikasi.

3.1. Analisis Masalah

Penentuan warga miskin merupakan suatu hal yang tidak boleh dibilang mudah karena harus memperhatikan apakah warga yang dikategorikan miskin sudah sesuai atau tidak agar pemberian bantuan dari pemerintah sudah tepat sasaran.

Untuk mempermudah perangkat desa Kelurahan Desa Martebing dalam pengambilan keputusan untuk menentukan warga yang tergolong miskin, maka perlu diperhatikan kriteria-kriteria sebagai persyaratan untuk penentuan warga miskin tersebut. Ada delapan kriteria yang diajukan acuan dalam pengambilan keputusan penentuan warga miskin dapat dilihat pada tabel 3.1.

Tabel 3.1. Kriteria

Kriteria Ketentuan kriteria Nilai Kriteria

C1 Luas Rumah 2

C2 Status Tanah 2


(32)

C4 Kondisi Rumah 3

C5 Pendapatan Kepala Rumah Tangga 1

C6 Pendidikan Kepala Rumah Tangga 2

C7 Biaya Rekening Listrik 1

C8 Jumlah Tanggungan Anak 2

Rating kecocokan untuk setiap alternatif pada setiap kriteria adalah sebagai berikut:

Sangat tinggi (ST) = 1 Tinggi (T) = 2

Cukup (C) = 3

Rendah (R) = 4 Sangat rendah (SR) = 5

Berdasarkan kriteria yang telah ditentukan maka diperoleh nilai setiap kriteria dalam bentuk nilai rill dan akan dinilai dari nilai Sangat Tinggi (ST), Tinggi (T), Cukup (C), Rendah (R), dan Sangat Rendah (SR) adalah sebagai berikut:

1. Kriteria Luas Rumah (C1)

Kriteria luas rumah dilihat dan dinilai dari berapa luas rumah yang ditinggali warga. Berikut adalah tabel penilaian untuk nilai luas rumah dapat dilihat pada Tabel 3.2.

Tabel 3.2. Nilai Luas Rumah

C1 Nilai

30 – 50 1

51 – 70 2

71 – 90 3

91 – 110 4


(33)

2. Kriteria Status Tanah (C2)

Kriteria status tanah dilihat dan dinilai dari status kepemilikan tanah tempat rumah yang ditinggali warga berdiri. Berikut adalah tabel penilaian untuk nilai status tanah dapat dilihat pada Tabel 3.3.

Tabel 3.3. Nilai Status Tanah

C2 Nilai

Numpang 1

Sewa 2

Milik sendiri 3

3. Kriteria Status Rumah (C3)

Kriteria status rumah dilihat dan dinilai dari status kepemilikan rumah yang ditinggali warga. Berikut adalah tabel penilaian untuk nilai status rumah dapat dilihat pada Tabel 3.4.

Tabel 3.4. Nilai Status Rumah

C3 Nilai

Numpang 1

Sewa 2

Milik Sendiri 3

4. Kriteria Kondisi Rumah (C4)

Kriteria kondisi rumah dilihat dan dinilai dari bagaimana kondisi rumah yang ditinggali warga. Berikut adalah tabel penilaian untuk nilai kondisi rumah dapat dilihat pada Tabel 3.5.

Tabel 3.5. Nilai Kondisi Rumah

C4 Nilai

Lantai tanah dinding bambu/papan 1 Lantai semen dinding bambu/papan 2 Lantai semen dinding papan 3 Lantai semen dinding batu-bata 4


(34)

5. Kriteria Pendapatan Kepala Rumah Tangga(C5)

Kriteria pendapatan kepala rumah tangga dilihat dan dinilai berapa pendapatan yang diperoleh kepala rumah tangga per bulan. Berikut adalah tabel penilaian untuk nilai pendapatan kepala rumah tangga dapat dilihat pada Tabel 3.6.

Tabel 3.6. Nilai Pendapatan Kepala Rumah Tangga

C5 Nilai

0 – 10 1

11– 15 2

16 – 20 3

21 – 25 4

*Pendapatan kepala rumah tangga dalam satuan ratusan ribu

6. Kriteria Pendidikan Kepala Rumah Tangga(C6)

Kriteria pendidikan kepala rumah tangga dilihat dan dinilai dari tingkat pendidikan terakhir kepala rumah tangga. Berikut adalah tabel penilaian untuk nilai pendidikan kepala rumah tangga dapat dilihat pada Tabel 3.7.

Tabel 3.7. Nilai Pendidikan Kepala Rumah Tangga

C6 Nilai

Tidak sekolah 1

SD 2

SLTP 3

SLTA 4

7. Kriteria Biaya Rekening Listrik (C7)

Kriteria biaya rekening listrik dilihat dan dinilai berapa biaya rekening listrik yang dibayar warga per bulannya. Berikut adalah tabel penilaian untuk nilai biaya rekening listrik dapat dilihat pada tabel 3.8.


(35)

Tabel 3.8. Nilai Biaya Rekening Listrik

C7 Nilai

0 – 10 1

11 – 15 2

16 – 20 3

21 – 25 4

*Biaya rekening listrik dalam satuan ribu

8. Kriteria Jumlah Tanggungan Anak (C8)

Kriteria jumlah tanggungan anak dilihat dan dinilai berapa berapa jumlah tanggungan anak warga. Berikut adalah tabel penilaian untuk nilai jumlah tanggungan anak dapat dilihat pada tabel 3.9.

Tabel 3.9. Nilai Jumlah Tanggungan Anak

C8 Nilai

0 – 1 4

2 – 3 3

4 – 5 2

6 – 7 1

Selanjutnya penentuan warga miskin dengan kriteria di atas dikerjakan dengan menggunakan metode SAW dan Profile Matching.

Analisis masalah pada sistem yang dibangun dapat dibuat dalam diagram Ishikawa. Penggunaan diagram ishikawa digunakan untuk mengidentifikasi kemungkinan penyebab masalah dengan menjelaskan bahwa pada bagian kepala menjelaskan permasalahan yang ada, sementara pada bagian tulang menjelaskan penyebab masalah dapat dilihat pada gambar 3.1.


(36)

Gambar 3.1. Diagram Ishikawa untuk Analisis Masalah

Keterangan gambar 3.1. diagram ishikawa adalah sebagai berikut: People

1. Dengan adanya sistem yang baru diharapkan admin dapat melakukan penentuan warga miskin.

2. Dengan adanya sistem yang baru diharapkan admin dapat melakukan menambah, menghapus, mengubah data admin dan data warga.

Material

1. Dengan adanya sistem yang baru diharapkan sistem dapat menampilkan hasil perangkingan dan menampilkan data yang yang telah dimasukkan.

Method

1. Sistem yang baru menggunakan SAW dan Profile Matching untuk menyelesaikan permasalahan dalam membangun sistem pendukung keputusan.

Machine

1. Sistem yang baru menggunakan bahasa pemrograman Visual basic 2010 dan DBMS Microsoft Access 2007 untuk menyelesaikan permasalahan dalam membangun sistem pendukung keputusan.

3.2. Analisis Kebutuhan

Untuk membangun sebuah sistem, perlu dilakukan sebuah tahap analisis kebut8uhan sistem yang bertujuan untuk mempermudah analisis sistem dalam menentukan


(37)

keseluruhan secara lengkap. analisis kebutuhan sistem dikelompokkan menjadi 2 bagian yaitu : kebutuhan fungsional dan kebutuhan non-fungsional.

3.2.1. Kebutuhan Fungsional

Kebutuhan fungsional adalah kebutuhan yang berisi fungsi-fungsi apa saja yang nantinya dilakukan oleh aplikasi. Kebutuhan fungsional sistem yang akan dibangun harus mampu melakukan proses sebagai berikut:

1. Sistem harus mampu memproses data yang diinputkan dan menampilkannya kembali sebagai informasi dan hasilnya harus sesuai dengan apa yang admin inputkan sebelumnya.

2. Sistem harus mampu mengubah data warga yang telah diinputkan kedalam bentuk nilai kriterianya agar data tersebut dapat diolah dengan menggunakan metode SAW dan Profile Matching.

3. Sistem harus mampu menentukan warga yang termasuk ke dalam kategori warga miskin.

4. Sistem yang akan dibangun harus memiliki penyimpanan berupa database yang digunakan untuk menyimpan hasil input, prosesdan output.

3.2.2. Kebutuhan Non Fungsional

Kebutuhan non fungsional yang menjadi pendukung sistem dapat dikategorikan berdasarkan PIECES

1. Performance

Sistem yang akan dibangun diharapkan dapat melakukan tugasnya dengan waktu yang tidak terlalu lama.

2. Information

Sistem yang akan dibangun diharapkan dapat menyediakan informasi tentang data yang akan digunakan pada sistem.


(38)

3. Economic

Sistem yang akan dibangun diharapkan dapat mengurangi pengeluaran dikarenakan penyimpanan yang masih menggunakan kertas sebagai media penyimpanan data.

4. Control

Sistem yang akan dibangun diharapkan dapat membatasi user yang menggunakan sistem sehingga tidak semua berhak menggunakan sistem yang akan dibangun. 5. Eficiency

Sistem yang akan dibangun diharapkan dapat lebih membantu user dan bekerja dengan baik dalam proses penentuan warga miskin Kelurahan Desa Martebing.

6. Service

Sistem yang akan dibangun diharapkan mudah untuk digunakan oleh user.

3.3. Pemodelan Sistem

Pemodelan sistem bertujuan untuk memodelkan atau merepresentasikan keadaan sistem yang lebih jelas dan memaparkan semua kondisi dan bagian–bagian sistem yang berperan dalam suatu sistem yang dirancang.

Pemodelan sistem yang digunakan dalam penelitian ini adalah dengan menggunakan UML (Unified Modeling Language) dimana diagram UML yang digunakan penulis dalam penelitiannya adalah use case diagram, activity diagram, dan sequence diagram.


(39)

3.3.1. Diagram Use Case

Diagram Use Case merupakan diagram yang merepresentasikan interaksi antara actor dan sistem. Actor adalah admin dan user.

Berikut adalah diagram use case admin terlihat pada gambar 3.2.


(40)

Berikut adalah diagram use case user terlihat pada gambar 3.3.


(41)

3.3.2. Diagram Activity

Diagram activity merupakan diagram yang menggambarkan proses dari sistem yang dirancang. Berikut adalah diagram activity proses login admin terlihat pada gambar 3.4.


(42)

Berikut adalah diagram activity proses sistem yang menggunakan metode SAW dan Profile Matching terlihat pada gambar 3.5.

Gambar 3.5. Diagram Activity Sistem

3.3.3. Diagram Sequence

Sequence diagram merupakan diagram yang menjelaskan tentang hubungan interaksi antara objek dengan urutan waktu tertentu, interaksi berupa pengiriman pesan saat kapan pesan disampaikan atau dilaksanakan. Berikut adalah diagram sequence sistem terlihat pada gambar 3.6.


(43)

Gambar 3.6. Diagram SequenceAdmin

Berikut adalah diagram use case user terlihat pada gambar 3.7.


(44)

3.3.4. Perancangan Database

Perancangan database untuk aplikasi sistem pendukung keputusan adalah terdiri dari beberapa tabel antara lain : tabel data admin dan tabel data warga.

1. Tabel Data Admin

Tabel data admin berfungsi untuk tempat penyimpanan data admin. Berikut adalah struktur tabel data admin dapat dilihat pada tabel 3.10.

Tabel 3.10. Data Admin

Field Type Ukuran

id Text 4

name Text 10

pwd Text 15

Keterangan :

id sebagai primary key

2. Tabel Data Warga

Tabel data warga berfungsi untuk tempat penyimpanan data warga. Berikut adalah struktur tabel data warga dapat dilihat pada tabel 3.11.

Tabel 3.11.Data Warga

Field Type Ukuran

No_Warga Text 5

Nama Text 40

Dusun Text 6

Umur Text 8

Luas_Rumah Text 8

Status_Tanah Text 13

Status_Rumah Text 13

Kondisi_Rumah Text 50


(45)

Pendidikan Text 9

Listrik Text 5

Tanggungan_Anak Text 5

Keterangan :

No_Warga sebagai primary key

3.3.5. Flowchart

Berikut adalah langkah kerja dari metode SAW yang digambarkan dalam bentuk flowchart terlihat pada gambar 3.8.

Gambar 3.8. Flowchart Metode SAW

Keterangan:

* = Proses perengkingan menggunakan syntax untuk tinggi ke rendah. Syntax

Mulai

Input Data Kriteria dan Bobot Kriteria Buat Matriks Keputusan Hitung Normalisasi Matriks

Keputusan

Kalikan Matriks Ternormalisasi dengan Bobot Kriteria

Tampilkan Hasil Rangking Nilai Preferensi Warga

Miskin Selesai

Diperoleh Matriks Ternormalisasi

Urutan Perangkingan dari tinggi

*

ke rendah


(46)

Berikut ini adalah langkah kerja dari metode profile matching yang digambarkan dalam bentuk flowchart terlihat pada gambar 3.9.

Mulai

Input Data Kriteria dan Nilai Ideal Warga

GAP = Nilai Warga − Nilai Minimal

Tentukan GAP Nilai Warga dan Nilai Minimal

Tentukan Pembobotan Nilai GAP

NSF = ∑ NS *aspek/IS

Hitung Nilai Core dan Secondary Factor

NCF = ∑ NC *aspek /∑ IC

Input Presentasi Perhitungan Core dan Secondary Factor

Hitung Nilai Total Penilaian N = %NCF + %NSF

Tampilkan Hasil Rangking Nilai Total Warga Miskin

Selesai

Urutan Perangkingan dari Tinggi ke Rendah

Gambar 3.9. Flowchart Metode Profile Matching

Keterangan:

*

= Proses perengkingan menggunakan syntax untuk tinggi ke rendah. Syntax pengurutan: DGHasilPM.Sort(DGHasilPM.Columns(4), System.ComponentModel. ListSortDirection.Descending)


(47)

3.4. Analisis Data

Pada analisis data menjelaskan perhitungan metode SAW dan Profile Matching dengan sampel sebanyak 20 data. Berikut data sampel warga dapat dilihat pada tabel 3.12.

Tabel 3.12. Sampel Nilai Rill Warga No_ Warga Luas Rumah (C1) Status Tanah (C2) Status Rumah (C3) Kondisi Rumah (C4) Penda- patan (C5) Pendi-dikan (C6) Listrik (C7) Anak (C8)

1 84 milik sendiri

milik sendiri

lantai semen dinding papan

8 SD 16 0

2 64 milik sendiri

milik sendiri

lantai semen dinding papan

13 tidak sekolah

25 0

3 60 milik sendiri

milik sendiri

lantai semen dinding bambu

16 SLTP 22 4

4 74 milik sendiri

milik sendiri

lantai semen dinding batu

1 SLTP 16 0

5 72 milik sendiri

milik sendiri

lantai semen dinding batu

1 tidak sekolah

15 0

6 84 milik sendiri

numpang lantai tanah dinding bambu

atau papan

0 tidak sekolah

12 0

7 60 numpang numpang lantai semen dinding batu

0 tidak sekolah

23 0

8 60 numpang numpa ng lantai semen dinding bambu

0 tidak sekolah

12 0

9 84 milik sendiri

milik sendiri

lantai semen dinding papan

0 tidak sekolah

16 0

10 60 numpang numpang lantai semen dinding papan

0 tidak sekolah

12 1

11 60 numpang numpang lantai semen dinding bambu

0 tidak sekolah


(48)

12 32 numpang numpang lantai semen dinding bambu

6.5 SLTP 10 4

13 32 numpang numpang lantai semen dinding bambu

8 tidak sekolah

10 2

14 50 numpang numpang lantai semen dinding papan

0 tidak sekolah

15 1

15 32 numpang numpang lantai semen dinding bambu

8 tidak sekolah

10 1

16 50 numpang numpang lantai semen dinding papan

18 SD 20 2

17 60 numpang numpang lantai semen dinding papan

2 SLTA 24 2

18 60 milik sendiri

milik sendiri

lantai semen dinding batu

12 tidak sekolah

17 0

19 50 milik sendiri

milik sendiri

lantai semen dinding papan

9 tidak sekolah

15 0

20 50 milik sendiri

milik sendiri

lantai semen dinding papan

0 tidak sekolah

11 0

Keterangan :

Data diperoleh dari Kelurahan Desa Martebing.

3.4.1. Perhitungan Nilai dengan Metode SAW secara Manual

Berdasarkan tabel nilai rill data warga yaitu tabel 3.12 maka berikut adalah nilai dari rating kecocokan dari setiap alternatif terhadap setiap kriteria yang akan dihitung dengan metode SAW dapat dilihat pada tabel 3.13.


(49)

Tabel 3.13. Rating Kecocokan dari Setiap Alternatif pada Setiap Kriteria No_ Warga Luas Rumah (C1) Status Tanah (C2) Status Rumah (C3) Kondisi Rumah (C4) Penda- patan (C5) Pendi- dikan (C6) Listrik (C7) Anak (C8)

01 3 3 3 3 1 2 3 4

02 3 3 3 3 2 1 4 4

03 2 3 3 2 3 3 4 2

04 3 3 3 4 1 3 3 4

05 3 3 3 4 1 1 2 4

06 3 3 1 1 1 1 2 4

07 2 1 1 4 1 1 4 4

08 2 1 1 2 1 1 2 4

09 3 3 3 3 1 1 3 4

10 2 1 1 3 1 1 2 4

11 2 1 1 2 1 1 1 4

12 1 1 1 2 1 3 1 2

13 1 1 1 2 1 1 1 3

14 1 1 1 3 1 1 2 4

15 1 1 1 2 1 1 1 4

16 1 1 1 3 3 2 3 3

17 2 1 1 3 1 4 4 3

18 2 3 3 4 2 1 3 4

19 1 3 3 3 1 1 2 4

20 1 3 3 3 1 1 2 4

Karena setiap nilai yang diberikan pada setiap alternatif di setiap kriteria merupakan nilai kecocokan (nilai terbesar adalah terbaik), maka semua kriteria yang diberikan diasumsikan sebagai kriteria keuntungan. Pengambil keputusan memberikan bobot preferensi sebagai : W = (2, 2, 2, 3, 1, 2, 1, 2). Matriks keputusan dibentuk dari tabel kecocokan sebagai berikut:


(50)

X =

Berikut adalah perhitungan normalisasi matriks keputusan dengan cara menghitung nilai rating kinerja ternormalisasi (rij) dari setiap alternatif berdasarkan

kriteria yang diasumsikan sebagai kriteria keuntungan.

Untuk Alternatif-1 (01):

r1,1 = 8 {:;:;<;:;:;:;<;<;:;<;<; ; ; ; ; ;<;<; ; }

:

=

:

= 0.33

r1,2 = 8 {:;:;:;:;:;:; ; ;:; ; ; ; ; ; ; ; ;:;:;:}

:

=

:

= 0.33

r1,3 = 8 {:;:;:;:;:; ; ; ;:; ; ; ; ; ; ; ; ;:;:;:}

:

=

:

= 0.33

r1,4 = 8 {:;:;<;>;>; ;>;<;:;:;<;<;<;:;<;:;:;>;:;:}

:

=

:

= 0.33

r1,5 = 8 { ;<;:; ; ; ; ; ; ; ; ; ; ; ; ;:; ;<; ; }

= = 1

r1,6 = 8 {<; ;:;:; ; ; ; ; ; ; ;:; ; ; ;<;>; ; ; }

<

=

<

= 0.5

3 3 3 3 1 2 3 4

3 3 3 3 2 1 4 4

2 3 3 2 3 3 4 2

3 3 3 4 1 3 3 4

3 3 3 4 1 1 2 4

3 3 1 1 1 1 2 4

2 1 1 4 1 1 4 4

2 1 1 2 1 1 2 4

3 3 3 3 1 1 3 4

2 1 1 3 1 1 2 4

2 1 1 2 1 1 1 4

1 1 1 2 1 3 1 2

1 1 1 2 1 1 1 3

1 1 1 3 1 1 2 4

1 1 1 2 1 1 1 4

1 1 1 3 3 2 3 3

2 1 1 3 1 4 4 3

2 3 3 4 2 1 3 4 1 3 3 3 1 1 2 4 1 3 3 3 1 1 2 4


(51)

r1,7 = 8 {:;>;>;:;<;<;>;<;:;<; ; ; ;<; ;:;>;:;<;<}

:

=

:

= 0.33

r1,8 = 8 {>;>;<;>;>;>;>;>;>;>;>;<;:;>;>;:;:;>;>;>}

>

=

<

>

= 0.5

Untuk Alternatif-2 (02):

r2,1 = 8 {:;:;<;:;:;:;<;<;:;<;<; ; ; ; ; ;<;<; ; }

:

=

:

= 0.33

r2,2 = 8 {:;:;:;:;:;:; ; ;:; ; ; ; ; ; ; ; ;:;:;:}

:

=

:

= 0.33

r2,3 = 8 {:;:;:;:;:; ; ; ;:; ; ; ; ; ; ; ; ;:;:;:}

:

=

:

= 0.33

r2,4 = 8 {:;:;<;>;>; ;>;<;:;:;<;<;<;:;<;:;:;>;:;:}

:

=

:

= 0.33

r2,5 = 8 { ;<;:; ; ; ; ; ; ; ; ; ; ; ; ;:; ;<; ; }

<

=

<

= 0.5

r2,6 = 8 {<; ;:;:; ; ; ; ; ; ; ;:; ; ; ;<;>; ; ; }

= = 1

r2,7 = 8 {:;>;>;:;<;<;>;<;:;<; ; ; ;<; ;:;>;:;<;<}

>

=

>

= 0.25

r2,8 = 8 {>;>;<;>;>;>;>;>;>;>;>;<;:;>;>;:;:;>;>;>}

>

=

<

>

= 0.5

Untuk Alternatif-3 (03):

r3,1 = 8 {:;:;<;:;:;:;<;<;:;<;<; ; ; ; ; ;<;<; ; }

<

=

<

= 0.5

r3,2 = 8 {:;:;:;:;:;:; ; ;:; ; ; ; ; ; ; ; ;:;:;:}

:

=

:

= 0.33

r3,3 = 8 {:;:;:;:;:; ; ; ;:; ; ; ; ; ; ; ; ;:;:;:}

:

=

:

= 0.33

r3,4 = 8 {:;:;<;>;>; ;>;<;:;:;<;<;<;:;<;:;:;>;:;:}

<

=

<

= 0.5

r3,5 = 8 { ;<;:; ; ; ; ; ; ; ; ; ; ; ; ;:; ;<; ; }

:

=

:

= 0.33

r3,6 = 8 {<; ;:;:; ; ; ; ; ; ; ;:; ; ; ;<;>; ; ; }


(52)

r3,7 = 8 {:;>;>;:;<;<;>;<;:;<; ; ; ;<; ;:;>;:;<;<}

>

=

>

= 0.25

r3,8 = 8 {>;>;<;>;>;>;>;>;>;>;>;<;:;>;>;:;:;>;>;>}

<

=

< <

= 1

Untuk Alternatif-4 (04):

r4,1 = 8 {:;:;<;:;:;:;<;<;:;<;<; ; ; ; ; ;<;<; ; }

:

=

:

= 0.33

r4,2 = 8 {:;:;:;:;:;:; ; ;:; ; ; ; ; ; ; ; ;:;:;:}

:

=

:

= 0.33

r4,3 = 8 {:;:;:;:;:; ; ; ;:; ; ; ; ; ; ; ; ;:;:;:}

:

=

:

= 0.33

r4,4 = 8 {:;:;<;>;>; ;>;<;:;:;<;<;<;:;<;:;:;>;:;:}

>

=

>

= 0.25

r4,5 = 8 { ;<;:; ; ; ; ; ; ; ; ; ; ; ; ;:; ;<; ; }

= = 1

r4,6 = 8 {<; ;:;:; ; ; ; ; ; ; ;:; ; ; ;<;>; ; ; }

:

= = 0.33

r4,7 = 8 {:;>;>;:;<;<;>;<;:;<; ; ; ;<; ;:;>;:;<;<}

:

=

:

= 0.33

r4,8 = 8 {>;>;<;>;>;>;>;>;>;>;>;<;:;>;>;:;:;>;>;>}

>

=

<

>

= 0.5

Untuk Alternatif-5 (05):

r5,1 = 8 {:;:;<;:;:;:;<;<;:;<;<; ; ; ; ; ;<;<; ; }

:

=

:

= 0.33

r5,2 = 8 {:;:;:;:;:;:; ; ;:; ; ; ; ; ; ; ; ;:;:;:}

:

=

:

= 0.33

r5,3 = 8 {:;:;:;:;:; ; ; ;:; ; ; ; ; ; ; ; ;:;:;:}

:

=

:

= 0.33

r5,4 = 8 {:;:;<;>;>; ;>;<;:;:;<;<;<;:;<;:;:;>;:;:}

>

=

>

= 0.25

r5,5 = 8 { ;<;:; ; ; ; ; ; ; ; ; ; ; ; ;:; ;<; ; }

= = 1


(53)

r5,7 = 8 {:;>;>;:;<;<;>;<;:;<; ; ; ;<; ;:;>;:;<;<}

<

=

<

= 0,5

r5,8 = 8 {>;>;<;>;>;>;>;>;>;>;>;<;:;>;>;:;:;>;>;>}

>

=

<

>

= 0,5

Proses perhitungan untuk normalisasi R terus dilakukan sampai ke alternatif ke -20 dan didapati hasil matriks normalisasi R adalah sebagai berikut:

R =

Setelah itu melakukan proses perangkingan untuk setiap alternatif di mana perhitungannya adalah sebagai berikut:

V1 = (2)(0.33) + (2)(0.33) + (2)(0.33) + (3)(0.33) + (1)(1) + (2)(0.5) + (1)(0.33) + (2)(0.5)

= 0.66 + 0.66 + 0.66 + 0.99 + 1 + 1 + 0.33 + 1 = 6.33

0.333 0.333 0.333 0.333 1 0.5 0.333 0.5 0.333 0.333 0.333 0.333 0.5 1 0.25 0.5 0.5 0.333 0.333 0.5 0.333 0.333 0.25 1 0.333 0.333 0.333 0.25 1 0.333 0.333 0.5

0.333 0.333 0.333 0.25 1 1 0.5 0.5

0.333 0.333 1 1 1 1 0.5 0.5

0.5 1 1 0.25 1 1 0.25 0.5

0.5 1 1 0.5 1 1 0.5 0.5

0.333 0.333 0.333 0.333 1 1 0.333 0.5

0.5 1 1 0.333 1 1 0.5 0.5

0.5 1 1 0.5 1 1 1 0.5

1 1 1 0.5 1 0.333 1 1

1 1 1 0.5 1 1 1 0.667

1 1 1 0.333 1 1 0.5 0.5

1 1 1 0.5 1 1 1 0.5

1 1 1 0.333 0.333 0.5 0.333 0.667

0.5 1 1 0.333 1 0.25 0.25 0.667

0.5 0.333 0.333 0.25 0.5 1 0.333 0.5

1 0.333 0.333 0.333 1 1 0.5 0.5


(54)

V2 = (2)(0.33) + (2)(0.33) + (2)(0.33) + (3)(0.33) + (1)(0.5) + (2)(1) + (1)(0.25) + (2)(0.5)

= 0.66 + 0.66 + 0.66 + 0.99 + 0.5 + 2 + 0.25 + 1 = 6.75

V3 = (2)(0.5) + (2)(0.33) + (2)(0.33) + (3)(0.5) + (1)(0.33) + (2)(0.33) + (1)(0.25) + (2)(1)

= 1 + 0.66 + 0.66 + 1.5 + 0.33 + 0.66 + 0.25 + 2 = 7.08

V4 = (2)(0.33) + (2)(0.33) + (2)(0.33) + (3)(0.25) + (1)(1) + (2)(0.33) + (1)(0.33) + (2)(0.5)

= 0.66 + 0.66 + 0.66 + 0.75 + 1 + 0.66 + 0.33 + 1 = 5.75

V5 = (2)(0.33) + (2)(0.33) + (2)(0.33) + (3)(0.25) + (1)(1) + (2)(1) + (1)(0.5) + (2)(0.5)

= 0.66 + 0.66 + 0.66 + 0.75 + 1 + 2 + 0.5 + 1 = 7.25

V6 = (2)(0.33) + (2)(0.33) + (2)(1) + (3)(1) + (1)(1) + (2)(1) + (1)(0.5) + (2)(0.5) = 0.66 + 0.066 + 2 + 3 + 1 + 2 + 0.5 + 1

= 10.83

V7 = (2)(0.5) + (2)(1) + (2)(1) + (3)(0.25) + (1)(1) + (2)(1) + (1)(0.25) + (2)(0.5) = 1 + 2 + 2 + 0.75 + 1 + 2 + 0.25 + 1

= 10

V8 = (2)(0.5) + (2)(1) + (2)(1) + (3)(0.5) + (1)(1) + (2)(1) + (1)(0.5) + (2)(0.5) = 1 + 2 + 2 + 1.5 + 1 + 2 + 0.5 + 1

= 11

V9 = (2)(0.33) + (2)(0.33) + (2)(0.33) + (3)(0.33) + (1)(1) + (2)(1) + (1)(0.33) + (2)(0.5)


(55)

= 0.66 + 0.66 + 0.66 + 0.99 + 1 + 2 + 0.33 + 1 = 7.33

V10 = (2)(0.5) + (2)(1) + (2)(1) + (3)(0.33) + (1)(1) + (2)(1) + (1)(0.5) + (2)(0.5) = 1 + 2 + 2 + 0.99 + 1 + 2 + 0.5 + 1

= 10.5

V11 = (2)(0.5) + (2)(1) + (2)(1) + (3)(0.5) + (1)(1) + (2)(1) + (1)(1) + (2)(0.5) = 1 + 2 + 2 + 1.5 + 1 + 2 + 1 + 1

= 11.5

V12 = (2)(1) + (2)(1) + (2)(1) + (3)(0.5) + (1)(1) + (2)(0.33) + (1)(1) + (2)(1) = 2 + 2 + 2 + 1.5 + 1 + 0.66 + 1 + 2

= 12.17

V13 = (2)(1) + (2)(1) + (2)(1) + (3)(0.5) + (1)(1) + (2)(1) + (1)(1) + (2)(0.66) = 2 + 2 + 2 + 1.5 + 1 + 2 + 1 + 1.32

= 12.83

V14 = (2)(1) + (2)(1) + (2)(1) + (3)(0.33) + (1)(1) + (2)(1) + (1)(0.5) + (2)(0.5) = 2 + 2 + 2 + 0.99 + 1 + 2 + 0.5 + 1

= 11.5

V15 = (2)(1) + (2)(1) + (2)(1) + (3)(0.5) + (1)(1) + (2)(1) + (1)(1) + (2)(0.5) = 2 + 2 + 2 + 1.5 + 1 + 2 + 1 + 1

= 12.5

V16 = (2)(1) + (2)(1) + (2)(1) + (3)(0.33) + (1)(0.33) + (2)(0.5) + (1)(0.33) + (2)(0.66) = 2 + 2 + 2 + 0.99 + 0.33 + 1 + 0.33 + 1.32

= 10

V17 = (2)(0.5) + (2)(1) + (2)(1) + (3)(0.33) + (1)(1) + (2)(0.25) + (1)(0.25) + (2)(0.66) = 1 + 2 + 2 + 0.99 + 1 + 0.5 + 0.25 + 1.32


(56)

= 9.08

V18 = (2)(0.5) + (2)(0.33) + (2)(0.33) + (3)(0.25) + (1)(0.5) + (2)(1) + (1)(0.33) + (2)(0.5)

= 1 + 0.66 + 0.66 + 0.75 + 0.5 + 2 + 0.33 + 1 = 6.92

V19 = (2)(1) + (2)(0.33) + (2)(0.33) + (3)(0.33) + (1)(1) + (2)(1) + (1)(0.5) + (2)(0.5) = 2 + 0.66 + 0.66 + 0.99 + 1 + 2 + 0.5 + 1

= 8.83

V20 = (2)(1) + (2)(0.33) + (2)(0.33) + (3)(0.33) + (1)(1) + (2)(1) + (1)(0.5) + (2)(0.5) = 2 + 0.66 + 0.66 + 0.99 + 1 + 2 + 0.5 + 1

= 8.83

Berdasarkan perhitungan proses perangkingan maka didapatkan hasil perangkingan dapat dilihat pada tabel 3.14.

Tabel 3.14. Hasil Perangkingan Warga Miskin dengan Metode SAW

No_Warga Nilai

13 12.83

15 12.5

12 12.17

11 11.5

14 11.5

08 11

06 10.83

10 10.5

07 10

16 10

17 9.08

19 8.83

20 8.83

09 7.33

05 7.25

03 7.08

18 6.92

02 6.75


(57)

04 5.75

3.4.2. Perhitungan Nilai dengan Metode Profile Matching secara Manual

Berdasarkan tabel nilai rill data warga yaitu tabel 3.9 maka berikut adalah nilai dari rating kecocokan dari setiap alternatif terhadap setiap kriteria yang akan dihitung dengan metode profile matching dapat dilihat pada tabel 3.15.

Tabel 3.15. Rating Kecocokan dari Setiap Alternatif pada Setiap Kriteria No_ Warga Luas Rumah (C1) Status Tanah (C2) Status Rumah (C3) Kondisi Rumah (C4) Penda- patan (C5) Pendi- dikan (C6) Listrik (C7) Anak (C8)

01 3 3 3 3 1 2 3 4

02 3 3 3 3 2 1 4 4

03 2 3 3 2 3 3 4 2

04 3 3 3 4 1 3 3 4

05 3 3 3 4 1 1 2 4

06 3 3 1 1 1 1 2 4

07 2 1 1 4 1 1 4 4

08 2 1 1 2 1 1 2 4

09 3 3 3 3 1 1 3 4

10 2 1 1 3 1 1 2 4

11 2 1 1 2 1 1 1 4

12 1 1 1 2 1 3 1 2

13 1 1 1 2 1 1 1 3

14 1 1 1 3 1 1 2 4

15 1 1 1 2 1 1 1 4

16 1 1 1 3 3 2 3 3

17 2 1 1 3 1 4 4 3

18 2 3 3 4 2 1 3 4

19 1 3 3 3 1 1 2 4


(58)

Tabel rating kecocokan tersebut akan digunakan untuk melakukan proses pemetaan GAP. Pemetaan GAP yaitu rating kecocokan akan dikurangkan dengan bobot dapat dilihat pada tabel 3.16.

Tabel 3.16. Pemetaan GAP No_ Warga Luas Rumah (C1) Status Tanah (C2) Status Rumah (C3) Kondisi Rumah (C4) Penda- patan (C5) Pendi- dikan (C6) Listrik (C7) Anak (C8)

01 3 3 3 3 1 2 3 4

02 3 3 3 3 2 1 4 4

03 2 3 3 2 3 3 4 2

04 3 3 3 4 1 3 3 4

05 3 3 3 4 1 1 2 4

06 3 3 1 1 1 1 2 4

07 2 1 1 4 1 1 4 4

08 2 1 1 2 1 1 2 4

09 3 3 3 3 1 1 3 4

10 2 1 1 3 1 1 2 4

11 2 1 1 2 1 1 1 4

12 1 1 1 2 1 3 1 2

13 1 1 1 2 1 1 1 3

14 1 1 1 3 1 1 2 4

15 1 1 1 2 1 1 1 4

16 1 1 1 3 3 2 3 3

17 2 1 1 3 1 4 4 3

18 2 3 3 4 2 1 3 4

19 1 3 3 3 1 1 2 4

20 1 3 3 3 1 1 2 4

*

2 2 2 3 1 2 1 2

01 1 1 1 0 0 0 2 2

02 1 1 1 0 1 -1 3 2


(59)

04 1 1 1 1 0 1 2 2

05 1 1 1 1 0 -1 1 2

06 1 1 -1 -2 0 -1 1 2 07 0 -1 -1 1 0 -1 3 2 08 0 -1 -1 -1 0 -1 1 2

09 1 1 1 0 0 -1 2 2

10 0 -1 -1 0 0 -1 1 2 11 0 -1 -1 -1 0 -1 0 2 12 -1 -1 -1 -1 0 1 0 0 13 -1 -1 -1 -1 0 -1 0 1 14 -1 -1 -1 0 0 -1 1 2 15 -1 -1 -1 -1 0 -1 0 2 16 -1 -1 -1 0 2 0 2 1

17 0 -1 -1 0 0 2 3 1

18 0 1 1 1 1 -1 2 2

19 -1 1 1 0 0 -1 1 2

20 -1 1 1 0 0 -1 1 2

Keterangan :

*

= Nilai minimal setiap kriteria

Apabila pemetaan GAP sudah dilakukan, maka hasil dari pemetaan tersebut diberi bobot nilai yang sesuai dengan patokan tabel bobot nilai GAP. Seperti yang terlihat pada tabel 3.17.


(60)

No. Selisih Bobot Nilai

Keterangan

1 0 5 Tidak ada selisih

2 1 4,5 Kompetensi individu kelebihan 1 tingkat/level 3 -1 4 Kompetensi individu kekurangan 1 tingkat/level 4 2 3,5 Kompetensi individu kelebihan 2 tingkat/level 5 -2 3 Kompetensi individu kekurangan 2 tingkat/level 6 3 2,5 Kompetensi individu kelebihan 3 tinkat/level 7 -3 2 Kompetensi individu kekurangan 3 tingkat/level 8 4 1,5 Kompetensi individu kelebihan 4 tinkat/level 9 -4 1 Kompetensi individu kekurangan 4 tingkat/level

Setelah proses pembobotan GAP telah selesai dilakukan didapati hasilnya dapat dilihat pada tabel 3.18.

Tabel 3.18. Pembobotan GAP No_ Warga Luas Rumah (C1) Status Tanah (C2) Status Rumah (C3) Kondisi Rumah (C4) Penda- patan (C5) Pendi- dikan (C6) Listrik (C7) Anak (C8)

01 4.5 4.5 4.5 5 5 5 3.5 3.5 02 4.5 4.5 4.5 5 4.5 4 2.5 3.5 03 5 4.5 4.5 4 3.5 4.5 2.5 5 04 4.5 4.5 4.5 4.5 5 4.5 3.5 3.5 05 4.5 4.5 4.5 4.5 5 4 4.5 3.5 06 4.5 4.5 4 3 5 4 4.5 3.5 07 5 4 4 4.5 5 4 2.5 3.5 08 5 4 4 4 5 4 4.5 3.5 09 4.5 4 4.5 5 5 4 3.5 3.5 10 5 4 4 5 5 4 4.5 3.5

11 5 4 4 4 5 4 5 3.5


(61)

13 4 4 4 4 5 4 5 4.5 14 4 4 4 5 5 4 4.5 3.5

15 4 4 4 4 5 4 5 3.5

16 4 4 4 5 3.5 5 3.5 4.5 17 5 4 4 5 5 3.5 2.5 4.5 18 5 4.5 4.5 4.5 4.5 4 3.5 3.5 19 4 4.5 4.5 5 5 4 4.5 3.5 20 4 4.5 4.5 5 5 4 4.5 3.5

Setelah proses pembobotan GAP sudah dilakukan, maka hasilnya dibagi menjadi 2 kelompok yaitu Core Factor dan Secondary Factor. Hasil perhitungan core factor dan secondary factor dapat dilihat pada tabel 3.19 .

Tabel 3.19. Core dan Secondary Factor

No Warga Core factor Secondary factor

01 5 + 3.5 + 3.5 / 3 = 4 4.5 + 4.5 + 4.5 + 5 + 5 / 5 = 4.7 02 4.5 + 2.5 + 3.5 / 3 = 3.5 4.5 + 4.5 + 4.5 + 5 + 4 / 5 = 4.5 03 3.5 + 2.5 + 5 / 3 = 3.7 5 + 4.5 + 4.5 + 4 + 4.5 / 5 = 4.5 04 5 + 3.5 + 3.5 / 3 = 4 4.5 + 4.5 + 4.5 + 4.5 + 4.5 / 5 = 4.5 05 5 + 4.5 + 3.5 / 3 = 4.3 4.5 + 4.5 + 4.5 + 4.5 + 4 / 5 = 4.4 06 5 + 4.5 + 3.5 / 3 = 4.3 4.5 + 4.5 + 4 + 3 + 4 / 5 = 4 07 5 + 2.5 + 3.5 / 3 = 3.7 5 + 4 + 4 + 4.5 + 4 / 5 = 4.3 08 5 + 4.5 + 3.5 / 3 = 4.3 5 + 4 + 4 + 4 + 4 / 5 = 4.2 09 5 + 3.5 + 3.5 / 3 = 4 4.5 + 4 + 4.5 + 5 + 4 / 5 = 4.5 10 5 + 4.5 + 3.5 / 3 = 4.5 5 + 4 + 4 + 5 + 4 / 5 = 4.2 11 5 + 5 + 3.5 / 3 = 4.5 5 + 4 + 4 + 4 + 4 / 5 = 4.2 12 5 + 5 + 5 / 3 = 5 4 + 4 + 4 + 4 + 4.5 / 5 = 4.1 13 5 + 5 + 4.5 / 3 = 4.8 4 + 4 + 4 + 4 + 4 / 5 = 4 14 5 + 4.5 + 3.5 / 3 = 4.3 4 + 4 + 4 + 5 + 4 / 5 = 4.2 15 5 + 5 + 3.5 / 3 = 4.5 4 + 4 + 4 + 4 + 4 / 5 = 4 16 3.5 + 3.5 + 4.5 / 3 = 3.8 4 + 4 + 4 + 5 + 5 / 5 = 4.4


(62)

17 5 + 2.5 + 4.5 / 3 = 4 5 + 4 + 4 + 5 + 3.5 / 5 = 4.3 18 4.5 + 3.5 + 3.5 / 3 = 3.8 5 + 4.5 + 4.5 + 4.5 + 4 / 5 = 4.5 19 5 + 4.5 + 3.5 / 3 = 4.3 4 + 4.5 + 4.5 + 5 + 4 / 5 = 4.4 20 5 + 4.5 + 3.5 / 3 = 4.3 4 + 4.5 + 4.5 + 5 + 4 / 5 = 4.4

Keterangan :

Core factor = pendapatan kepala rumah tangga, biaya rekening listrik dan jumlah tanggungan anak.

Secondary factor = luas rumah, status tanah, status rumah, kondisi rumah dan pendidikan kepala rumah tangga.

Setelah itu melakukan proses proses perangkingan untuk setiap alternatif dimana perhitungannya adalah sebagai berikut:

V1 = (60% * 4) + (40% * 4.7) = 2.4 + 1.88

= 4.28

V2 = (60% * 3.5) + (40% * 4.5) = 2.1 + 1.8

= 3.9

V3 = (60% * 3.7) + (40% * 4.5) = 2.2 + 1.8

= 4

V4 = (60% * 4) + (40% * 4.5) = 2.4 + 1.8


(63)

V5 = (60% * 4.3) + (40% * 4.4) = 2.6 + 1.76

= 4.36

V6 = (60% * 4.3) + (40% * 4) = 2.6 + 1.6

= 4.2

V7 = (60% * 3.7) + (40% * 4.3) = 2.2 + 1.72

= 3.92

V8 = (60% * 4.3) + (40% * 4.2) = 2.6 + 1.68

= 4.28

V9 = (60% * 4) + (40% * 4.5) = 2.6 + 1.76

= 4.16

V10 = (60% * 4.5) + (40% * 4.2) = 2.6 + 1.76

= 4.36

V11 = (60% * 4.5) + (40% * 4.2) = 2.7 + 1.68

= 4.38

V12 = (60% * 5) + (40% * 4.1) = 3 + 1.64


(64)

V13 = (60% * 4.8) + (40% * 4) = 2.9 + 1.6

= 4.5

V14 = (60% * 4.3) + (40% * 4.2) = 2.6 + 1.68

= 4.28

V15 = (60% * 4.5) + (40% * 4) = 2.7 + 1.6

= 4.3

V16 = (60% * 3.8) + (40% * 4.4) = 2.3 + 1.76

= 4.06

V17 = (60% * 4) + (40% * 4.3) = 2.4 + 1.72

= 4.12

V18 = (60% * 3.8) + (40% * 4.5) = 2.3 + 1.8

= 4.1

V19 = (60% * 4.3) + (40% * 4.4) = 2.6 + 1.76

= 4.36

V20 = (60% * 4.3) + (40% * 4.4) = 2.6 + 1.76

= 4.36

Berdasarkan perhitungan proses perangkingan maka didapatkan hasil perangkingan dapat dilihat pada tabel 3.20.


(65)

Tabel 3.20. Hasil Perangkingan Warga Miskin dengan Metode Profile Matching

No Warga Nilai

12 4.64

13 4.5

11 4.38

5 4.36

10 4.36

19 4.36

20 4.36

15 4.3

1 4.28

8 4.28

14 4.28

4 4.2

6 4.2

9 4.16

17 4.12

18 4.1

16 4.06

3 4

7 3.92

2 3.9

3.5 Rancangan Antar Muka Sistem

Rancangan antar muka sistem murupakan hal yang terpenting dalam pembuatan suatu aplikasi suatu sistem dikarenakan antar muka sistem merupakan komunikasi antara user dan sistem yang telah dirancang.


(66)

1. Rancangan Form Login Admin

Rancangan halaman loginadmin dapat dilihat pada gambar 3.10.

Gambar 3.10. Rancangan Halaman Login Admin

Keterangan:

1. TextBox untuk input username 2. TextBox untuk input password

3. Button MASUK untuk masuk ke halaman utama admin 4. Button BATAL untuk membatalkan login

2. Rancangan Halaman Data Admin

Rancangan halaman data admin dapat dilihat pada gambar 3.11.

Gambar 3.11. Rancangan Halaman Data Admin

Username

Password

TextBox

(1)

TextBox

(2)

MASUK

(3)

BATAL

(4)

Login Admin

ID Admin

Username

TextBox(1)

TextBox(2)

TAMBAH(5) UBAH(6)

TextBox(3)

Password

DataGridView(4)

HAPUS(7) KELUAR(8)


(1)

With DGHasilPM .ColumnCount = 5

.Columns(0).Name = "No Warga" .Columns(1).Name = "Nama" .Columns(2).Name = "Dusun" .Columns(3).Name = "Umur" .Columns(4).Name = "Nilai" .Columns(0).Width = 55 .Columns(1).Width = 179 .Columns(2).Width = 55 .Columns(3).Width = 55 .Columns(4).Width = 55 End With

JlhBaris = DGWargaPM.Rows.Count With DGHasilPM

For i = 0 To JlhBaris - 2

.Rows.Add(DGWargaPM.Item(0, i).Value()) Next

End With With DGHasilPM

For i = 0 To JlhBaris - 2

DGHasilPM.Item(1, i).Value = DGWargaPM.Item(1, i).Value() DGHasilPM.Item(2, i).Value = DGWargaPM.Item(2, i).Value() DGHasilPM.Item(3, i).Value = DGWargaPM.Item(3, i).Value() Next

End With With DGHasilPM

Dim NilaiCore As Double Dim NilaiSec As Double For i = 0 To JlhBaris - 2

NilaiCore = FormatNumber(((Val(DGCore.Item(1, i).Value())) * 0.6))

NilaiSec = FormatNumber(((Val(DGSecondary.Item(1, i).Value())) * 0.4))

DGHasilPM.Item(4, i).Value = FormatNumber((NilaiCore + NilaiSec), 2)

Next End With End Sub

Private Sub btnTotal_Click_1(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btnTotal.Click

Dim oWatch As New Stopwatch oWatch.Start()

UbahNilai() Pemetaan() Pembobotan() CoreSec() NilaiTotal()


(2)

DGHasilPM.Sort(DGHasilPM.Columns(4),

System.ComponentModel.ListSortDirection.Descending) oWatch.Stop()

labelWaktu.Text = "" & oWatch.ElapsedMilliseconds.ToString & "ms" End Sub

Private Sub btnKeluar_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles btnKeluar.Click

Me.Close() End Sub

End Class

Koneksi

Imports System.Data.OleDb

Imports System.Data.OleDb.OleDbCommand Module koneksi

Public con As OleDbConnection Public cmd As OleDbCommand Public dtr As OleDbDataReader Dim mydatatable As DataTable Dim adapter As OleDbDataAdapter

Private bindingSource1 As New BindingSource()

Public Function _TesDB(ByVal src As String) As Boolean con = New OleDbConnection

con.ConnectionString = ("Provider=Microsoft.ACE.OLEDB.12.0;Data Source=Data_warga.accdb")

Try

con.Open() Return True Catch ex As Exception

MsgBox("Terjadi Error : " & ex.Message) Return False

Finally

con.Close() End Try

End Function

Public Function OpenDB() As Boolean con = New OleDbConnection

con.ConnectionString = ("Provider=Microsoft.ACE.OLEDB.12.0;Data Source=Data_warga.accdb")

Try

con.Open() Return True Catch ex As Exception

MsgBox("Terjadi Error : " & ex.Message) Return False


(3)

End Function

Public Sub _TableData(ByVal sql As String, ByVal obj As Object) OpenDB()

cmd = New OleDbCommand(sql, con) Try

dtr = cmd.ExecuteReader obj = New DataTable obj.Load(dtr) Catch ex As Exception

MsgBox("Terjadi Error : " & ex.Message) Finally

dtr.Close() con.Close() End Try

End Sub

Public Function _DataToValue(ByVal sql As String) As String OpenDB()

cmd = New OleDbCommand Try

Dim p As String p = ""

cmd.Connection = con

cmd.CommandType = Data.CommandType.Text cmd.CommandText = sql

dtr = cmd.ExecuteReader If dtr.HasRows Then dtr.Read()

p = (dtr.Item(0)) End If

Return p.ToString Catch ex As Exception Return ex.Message Finally

con.Close() End Try

End Function

Public Sub _RunSQL(ByVal sql As String) OpenDB()

cmd = New OleDbCommand(sql, con) Try

cmd.ExecuteNonQuery() Catch ex As Exception MsgBox(ex.Message) Finally

con.Close() End Try


(4)

Public Sub _BindingView(ByVal sql As String, ByVal obj As DataGridView) OpenDB()

Dim da As New OleDbDataAdapter Dim ds As New DataSet

Dim str1 As String = sql

da.SelectCommand = New OleDbCommand(sql, con) da.Fill(ds)

con.Close()

obj.DataSource = ds.Tables(0) End Sub

Function _isBOF(ByVal table As String, ByVal field As String, ByVal whereValue As String) As Boolean

Dim p As Integer

p = _DataToValue("Select count(" & field & ") from " & table & " Where " & field & "='" & whereValue & "'")

If p < 1 Then Return True Else

Return False End If

End Function

Function _isBOF2(ByVal sql As String) As Boolean Dim p As Integer

p = _DataToValue(sql) If p < 1 Then

Return True Else

Return False End If

End Function

Function _CreateNumber(ByVal fieldname As String, ByVal tablename As String, ByVal UniqeFirstChar As String) As String

OpenDB()

cmd = New OleDbCommand Dim Hitung As String Dim p As String p = ""

Try

cmd.Connection = con

cmd.CommandType = Data.CommandType.Text

cmd.CommandText = "Select " & fieldname & " from " & tablename dtr = cmd.ExecuteReader

If dtr.HasRows Then dtr.Read()

Hitung = Right(dtr.Item(fieldname), 5) + 1

p = UniqeFirstChar & "-" & Right("0000" & Hitung, 5) Else

p = UniqeFirstChar & "-" & "00001" End If

Return p.ToString Catch ex As Exception Return ex.Message Finally


(5)

con.Close() End Try

Return p End Function

Public Sub _TxtNull(ByVal frm As Object) For Each ctrl As Control In frm.Controls If TypeOf ctrl Is TextBox Then

CType(ctrl, TextBox).Text = String.Empty End If

Next ctrl End Sub End Module


(6)

LAMPIRAN B

CURRICULUM VITAE

Nama

: Juanita Christie Purba

Tempat/Tanggal Lahir

: Martebing/16 Agustus 1992

Alamat

: Dusun I Desa Martebing Kec. Dolok Masihul

Agama

: Islam

Jenis Kelamin

: Perempuan

Alamat email

: juanita.purba92@gmail.com

No. Hp

: 082369373929

PENDIDIKAN FORMAL

2013-2015

: S1 Ekstensi Ilmu Komputer Fasilkom-TI USU, Medan

2010-2013

: D3 Teknik Informatika USU, Medan

2007-2010

: SMA N 1 Dolok Masihul

2004-2007

: SMP N 1 Dolok Masihul

1998-2004

: SD N 102062 Bangun Bandar

SEMINAR

2010

: Peserta International Seminar on Mathematic and Its

iii

Applications Universitas Sumatera Utara.

2012

: Peserta Seminar dan Lokakarya Mobile Application

iii

and Networking Universitas Sumatera Utara.

2014

: Peserta Seminar Nasional Literasi Informasi 2014

ii

iii

Universitas Sumatera Utara


Dokumen yang terkait

Implementasi Metode Simple Additive Weighting (SAW) Dan Profile Matching Dalam Menentukan Pejabat Struktural Pada Pemerintah Kota Tebing Tinggi

7 95 111

Implementasi Perbandingan Metode Profile Matching Dan Simple Additive Weighting (SAW) Dalam Penilaian Kinerja Karyawan (Studi Kasus Dinas Kebudayaan Dan Pariwisata Provinsi Sumatera Utara)

33 180 135

Implementasi Metode Simple Additive Weighting (SAW) Untuk Sistem Pendukung Keputusan Penentuan Warga Miskin Pada Kota Pekalongan.

0 4 7

Sistem Pendukung Keputusan penjurusan SMA dengan Metode Simple Additive Weighting (SAW).

0 4 8

Sistem Pendukung Keputusan Seleksi Penentuan Penerima Beasiswa Dengan Metode Simple Additive Weighting (SAW).

0 6 21

PENDAHULUAN Sistem Pendukung Keputusan Penentuan Penyakit Hewan Sapi Dengan Metode SAW (simple additive weighting).

0 2 5

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PENYAKIT HEWAN SAPI DENGAN METODE SAW Sistem Pendukung Keputusan Penentuan Penyakit Hewan Sapi Dengan Metode SAW (simple additive weighting).

0 1 13

Sistem Pendukung Keputusan Penentuan Warga Miskin Dengan Metode Simple Additive Weighting (SAW) dan Profile Matching

0 0 28

BAB 2 LANDASAN TEORI 2.1 Konsep Sistem Pendukung Keputusan (SPK) - Sistem Pendukung Keputusan Penentuan Warga Miskin Dengan Metode Simple Additive Weighting (SAW) dan Profile Matching

0 0 10

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN WARGA MISKIN DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) DAN PROFILE MATCHING SKRIPSI JUANITA CHRISTIE PURBA 131421095

0 0 12