130 Mengacu pada gambar 3, pada
class diagram
terdapat tiga kelas analisis yaitu
boundary
,
controller
dan
entity
.
Boundary
berfungsi sebagai form untuk melakukan pengolahan data, minimal ada satu
boundary
untuk setiap interaksi.
Entity
biasanya digunakan untuk menangani masuk keluarnya data pada database, tabel pada database
biasanya menjadi
entity
sedangkan
controller
merupakan penghubung antara
boundary
dan
entity
. Pada sistem penentuan tingkat kesejahteraan ini terdapat 5
boundary
yaitu boundary alternatif, kriteria, kesejahteraan, variabel kriteria dan laporan. Sama halnya
dengan boundary, pada sistem ini terdapat 6 entity yang mana menggambarkan tabel- tabel pada database yang digunakan pada sistem penentuan tingkat kesejahteraan yaitu
tabel alternatif, tabel kriteria, tabel kesejahteraan, tabel variabel kriteria, dan juga table laporan.
3.3 Perancangan metode
Simple Additive Weighting
Penentuan tingkat kesejahteraan penduduk menggunakan beberapa kriteria untuk menentukan nilai atau tingkat kesejahteraan penduduk. Bertujuan untuk mempermudah
pengolahan data atau perhitungan tingkat kesejahteraan maka di terapkan metode yang dapat menyelesaikan permasalahan yang melibatkan banyak kriteria yaitu metode
Simple Additive Weighting
SAW. Karena metode SAW merupakan salah satu metode dari model FMADM, maka penentuan bobot dan nilai variabel setiap kriteria harus
menggunakan Fuzzy-Attribute Decision Making FMADM. Pada penentuan tingkat kesejahteraan penduduk menurut kabupatenkota
menggunakan 7 kriteria yaitu kependudukan, ketenagakerjaan, pendidikan, kesehatan, perumahan, pengeluaran dan kemiskinan. Dari setiap kriteria dipilih satu hal yang
dianggap paling bisa menggambarkan kriteria tersebut. Berikut ini merupakan kriteria yang digunakan untuk menentukan kesejahteraan penduduk menurut kabupatenkota.
Tabel 1. Kriteria kesejahteraan
Kriteria Keterangan
C1 Kependudukan
Kepadatan penduduk per KM
2
C2 Ketenagakerjaan
Persentase penduduk yang berkerja terhadap angkatan kerja
C3 Pendidikan
Persentase penduduk berumur 10 tahun ke atas dan pendidikan Tertinggi Yang Ditamatkan SMASMK
– S3
C4 Kesehatan
Persentase atau angka kesakitan penduduk C5
Perumahan Persentase rumah tangga yang menggunakan listrik
C6 Pengeluaran
Persentase pengeluaran perkapita setiap bulan minimal Rp. 200.000
C7 Kemiskinan
Persentase kemiskinan penduduk
Mengacu pada tabel 1, dari masing-masing kriteria tersebut akan ditentukan bobotnya. Penentuan bobot ini menggunakan matriks perbandingan berpasangan dan
pengujian konsistensi bobot. Jika hasil pengujian konsistensi ≤ 0.1 maka di anggap bobot kriteria konsisten. Setelah membuat matriks perbandingan berpasangan dan pada
131 pengujian konsistensi, hasil akhir yang diperoleh adalah 0.03, dengan demikian matrik
berpasangan yang ditentukan dianggap cuckup konsisten. Bobot setiap kriteria adalah sebagai berikut :
Tabel 2. Bobot kriteria kesejahteraan
Kriteria Bobot
C1 0.07
C2 0.11
C3 0.19
C4 0.24
C5 0.05
C6 0.03
C7 0.31
Pada setiap kriteria terbagi atas 5 bilangan fuzzy, yaitu sangat rendah SR, rendah R, cukup C, tinggi T dan sangat tinggi ST. Adapun nilai untuk setiap
bilangan fuzzy tersebut sebagai berikut : SR = 1, R = 2, C = 3, T = 4, dan ST = 5. Pada umumnya dalam menetukan bilangan fuzzy
setiap kriteria menggunakan fuzzy segitiga dengan data yang bagi secara normal, namun dalam penelitian ini tidak dilakukan hal
demikian karena keadaan penduduk yang tidak selalu normal dan selalu berubah-ubah. Melihat hal ini maka dalam menetukan bilangan fuzzy
menggunakan nilai statistik atau sari data dengan tujuan untuk melihat letak kecenderungan data penduduk. Berikut nilai
statistik yang digunakan untuk membuat fuzzy segitiga SR={Xmin, Xmin, Q1}, R={Xmin, Q1, Q2}, C={Q1, Q2, Q3}, T={Q2, Q3, Xmax}, ST={Q3, Xmax, Xmax}.
Setelah menentukan nilai statistik dari setiap kriteria maka dapat ditentukan nilai dari setiap bilangan fuzzy dari setiap kriteria. Nilai statistik untuk kriteria kependudukan
adalah Xmin=31, Q1=77.25, Q2=95.5, Q3=139.25 dan Xmax=1902, dari nilai statistik tersebut didapat fuzzy segitiga seperti yang ditunjukkan pada gambar 4 berikut ini :
Gambar 4.
Bilangan fuzzy untuk kriteria kependudukan Mengacu pada gambar 4, setiap data yang ada dapat masuk dalam dua bilangan
fuzzy. Misalkan jika kepadatann penduduk per KM
2
adalah 500 maka dapat masuk dalam bilangan fuzzy T dan ST, untuk memudahkan penetuan bilangan fuzzy maka perlu
ditentukan batas nilai untuk setiap bilangan fuzzy. Cara untuk menetukan batas nilai adalah nilai statistik tertinggi dari bilangan fuzzy sebelumnya ditambah nilai statistik
132 terendah dari bilangan fuzzy sesudahnya kemudian dibagi dua. Contohnya untuk
menetukan batas nilai bilangan fuzzy T dan ST pada kriteria kependudukan, diketahui nilainya statistik T {95.5, 139.25, 1902} dan ST {139.25, 1902, 1902}, dengan demikian
nilai tertinggi untuk T adalah 1902 dan nilai terendah untuk ST adalah 139.25. Maka batas nilai antara T dan ST adalah 1902+139.252 =1020, dengan demikian jika
kepadatan penduduk per KM
2
1020 maka bilangan fuzzy adalah T dan jika kepadatan penduduk per KM
2
≥54.13 maka bilangan fuzzy adalah ST. Cara menetukan batas nilai bilangan fuzzy ini juga berlaku pada penentuan batas nilai setiap bilangan fuzzy pada
setiap kriteria. Nilai statistik untuk kriteria ketenagakerjaan adalah Xmin=85.72, Q1=96.08,
Q2= 96.87, Q3= 97.34 dan Xmax=99.26, dari nilai statistik tersebut didapat fuzzy segitiga seperti yang ditunjukkan pada gambar 5 berikut ini :
Gambar 5. Bilangan fuzzy untuk kriteria ketenagakerjaan
Nilai statistik untuk kriteria pendidikan adalah Xmin=7.74, Q1=12.62, Q2=14. 81, Q3=17.06 dan Xmax=52.29, dari nilai statistik tersebut didapat fuzzy segitiga seperti
yang ditunjukkan pada gambar 6 berikut ini :
Gambar 6. Bilangan fuzzy untuk kriteria pendidikan
Nilai statistik untuk kriteria kesehatan adalah Xmin=7.56, Q1=14.63, Q2= 29.33, Q3=32.92 dan Xmax=40.77, dari nilai statistik tersebut didapat fuzzy segitiga seperti
yang ditunjukkan pada gambar 7 berikut ini :
133
Gambar 7. Bilangan fuzzy untuk kriteria kesehatan
Nilai statistik untuk kriteria perumahan adalah Xmin=15.34, Q1=34.38, Q2=45.34, Q3=59.85 dan Xmax= 99.54, dari nilai statistik tersebut didapat fuzzy segitiga
seperti yang ditunjukkan pada gambar 8 berikut ini :
Gambar 8. Bilangan fuzzy untuk kriteria perumahan
Nilai statistik untuk kriteria pengeluaran adalah Xmin=9.61, Q1=24.78, Q2=52.14, Q3=78.92 dan Xmax=99.53, dari nilai statistik tersebut didapat fuzzy segitiga
seperti yang ditunjukkan pada gambar 9 berikut ini :
Gambar 9. Bilangan fuzzy untuk kriteria pengeluaran
Nilai statistik untuk kriteria kemiskinan adalah Xmin=7.50, Q1=17.37, Q2=23.59, Q3=31.10, dan Xmax=45.18, dari nilai statistik tersebut didapat fuzzy segitiga
seperti yang ditunjukkan pada gambar 10 berikut ini :
134
Gambar 10. Bilangan fuzzy untuk kriteria kemiskinan
Setelah diketahui bilangan fuzzy setiap kriteria, maka selanjutnya dapat melakukan proses penentuan tingkat kesejahteraan penduduk dengan SAW.
4. Hasil dan Pembahasan
