View of Penentuan Rekomendasi Penerima Bantuan Siswa Miskin (BSM) Menggunakan Metode Analytical Network Process
INSIGHT Volume 1 No. 1 | April 2018 : 42-48
Sistem pendukung keputusan dibangun untuk mendukung solusi atas suatu masalah atau untuk mengevaluasi suatu peluang. Aplikasi sistem pendukung keputusan menggunakan computer based information
Septian membahas tentang penerapan Fuzzy Multiple
Fuzzy Multiple Attribute Decision Making Dengan Simple Additive Weighting [7]. Penelitian yang dilakukan Ian
Penelitian yang dilakukan oleh Ian Septiana dengan judul Sistem Pendukung Keputusan Penentu Dosen Penguji dan Pembimbing Tugas Akhir Menggunakan
Terdapat beberapa penelitian sebelumnya yang searah dengan penelitian ini juga pernah dilakukan salahsatunya adalah Penelitian yang dilakukan oleh Melya Edni dengan judul Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Menggunakan Metode Analytic Network Process (ANP)[6]. Penelitian yang dilakukan Melya Edni membahas tentang penerapan AHP dalam menentukan karyawan terbaik. Pada penelitian Melya output yang dihasilkan merupakan rekomendasi karyawan berprestasi yang bersifat statis karena kriteria dan subkriteria sudah ditentukan sebelumnya oleh PT.KFC.
metode dari sistem pendukung keputusan yang digunakan untuk memutuskan penerima BSM agar lebih cepat sasaran sesuai dengan kriteria penilaian berbobot yang telah ditentukan sehingga akan akan mendapatkan hasil yang lebih akurat[2] –[5].
Analytical Network Process (ANP) merupakan
diadaptasi, yang dikembangkan untuk mendukung solusi atas masalah manajemen spesifik yang tidak terstruktur [1]
system (CBIS) yang fleksibel, interaktif, dan dapat
SD Negeri 1 Bantarujeg merupakan salah satu sekola yang menerima program BSM, jumlah siswanya 263 orang yang terdiri dari 7 kelas. Jumlah Siswa yang diajukan untuk mendapatkan bantuan itu cukup banyak namun jumlah kuota penerima bantuan terbatas hanya untuk 50-150 orang siswa saja sehingga membuat pihak sekolah kesulitan dalam menentukan siswa yang berhak untuk diajukan sebagai calon penerima bantuan tersebut bahkan tidak jarang penerima tidak tepat sasaran, oleh karena itu maka perlu dibangun sebuah sistem pendukung keputusan yang akan membantu merekomendasikan siswa penerima Bantuan Siswa Miskin (BSM).
Penentuan Rekomendasi Penerima Bantuan
Siswa Miskin (BSM) Menggunakan Metode
Analytical Network Process
Kebanyakan dari tiap sekolah tidak semua siswa mendapatkan BSM dikarenakan kuota yang diberikan kepada sekolah tidak berbanding lurus dengan jumlah siswa yang ada sehingga pihak sekolah terkadang kesulitan untuk menentukan penerima bantuan tersebut, untuk membantu pihak sekolah maka perlu dibuatkan sistem untuk membantu memutuskan penerima bantuan tersebut.
Pemerintah Republik Indonesia sangat serius pada pengembangan Pendidikan masyarakatnya, hal itu ditunjukkan dengan dibuatnya peraturan pemerintah Nomor 47 Tahun 2008 tentang Wajib Belajar, dalam implementasinya masyarakat berhak mendapatkan pelayanan pendidikan yang layak baik untuk masyarakat berada maupun masyarakat tidak berada (miskin). Untuk mengatasi hal tersebut maka lahirlah yang disebut dengan Bantuan Siswa Miskin (BSM).
I. PENDAHULUAN Program BSM adalah program nasional yang bertujuan untuk menghilangkan halangan siswa miskin berpartisipasi untuk bersekolah dengan membantu siswa miskin memperoleh akses pelayanan pendidikan yang layak, mencegah putus sekolah, menarik siswa miskin untuk kembali bersekolah, membantu siswa memenuhi kebutuhan dalam kegiatan pembelajaran, mendukung program Wajib Belajar Pendidikan Dasar Sembilan Tahun (bahkan hingga tingkat menengah atas), serta membantu kelancaran program sekolah [1].
Abstrak- Bantuan Siswa Miskin (BSM) merupakan program nasional yang bertujuan untuk membantu siswa kurang mampu
dalam memperoleh akses pelayanan pendidikan yang layak sesuai dengan kriteria-kritreria yang telah ditentukan. Saat ini di
SD Negeri I Bantarujeg, penentuan penerima bantuan masih menggunakan cara tulis tangan yang terkadang hasilnya
menimbulkan kekeliruan. Untuk membantu menentukan siswa yang berhak mendapat bantuan tersebut maka dibutuhkan
sebuah sistem pendukung keputusan. Metode yang dapat digunakan untuk Sistem Pendukung Keputusan yaitu dengan
menggunakan Analytical Network Process (ANP). ANP merupakan pengembangan dari metode Analytical Hierarchy Process
(AHP). Metode ANP mampu memperbaiki kelemahan AHP berupa kemampuan mengakomodasi keterkaitan antar kriteria
atau alternatif (Saaty, 2004). Dengan metode ANP perhitungan dilakukan dengan melakukan perbandingan antara kriteria
dan alternatif kemudian akan menghasilkan supermatriks. Lalu dilakukan proses perankingan yang akan menentukan siswa
yang layak untuk mendapat Bantuan Siswa Miskin (BSM) Kata kunci- Bantuan Siswa Miskin (BSM), Sistem Pendukung Keputusan, Analytical Network Process
1Jurusan Teknik Komputer Politeknik Pajajaran ICB Bandung
2,3Jurusan Teknik Informatika UIN Sunan Gunung Djati Bandung
1nur.lukman@poljan.ac.id, 2 winasrihartini09@gmail.com, 3 jumadi@uinsgd.ac.id
3
1 , Wina Srihartini Mauludiyah 2, Jumadi
Nur Lukman
Attribute Decision Making Dengan Simple Additive
ISSN 2620-5467 (Online)
INSIGHT
Weighting untuk menentukan dosen pembimbing dan Kriteria penerima Bantuan Siswa Miskin yaitu sebagai
penguji skripsi. Pada penelitian Ian output yang dihasilkan berikut: merupakan para pembimbing dan penguji yang a. Orangtua siswa penerima Kartu Perlindungan Sosial mempunyai spesifikasi keahlian sesuai dengan topik (KPS) skripsi mahasiswa.
b. Orangtua siswa peserta Program Keluarga Harapan Penelitian yang dilakukan oleh Ian Septiana dengan (PKH) judul Sistem Pendukung Keputusan Penentu Dosen c. Siswa terancam putus sekolah karena kesulitan biaya
Penguji dan Pembimbing Tugas Akhir Menggunakan
d. Siswa yatim, piatu atau yatim piatu
Fuzzy Multiple Attribute Decision Making Dengan Simple
e. Siswa yang berasal dari panti asuhan
Additive Weighting [7]. Penelitian yang dilakukan Ian
f. Siswa berasal dari korban musibah/bencana Septian membahas tentang penerapan Fuzzy Multiple
Attribute Decision Making Dengan Simple Additive
B. Metode Analytical Network Process (ANP)
Weighting untuk menentukan dosen pembimbing dan Analytic Network Process atau ANP merupakan
penguji skripsi. Pada penelitian Ian output yang dihasilkan pendekatan baru metode kualitatif. Diperkenalkan oleh merupakan para pembimbing dan penguji yang Profesor Thomas Saaty pakar riset dari Pittsburgh mempunyai spesifikasi keahlian sesuai dengan topik
University, dimaksudkan untuk “menggantikan” metode skripsi mahasiswa [8]. Analytic Hierarchy Process (AHP). Kelebihan ANP dari metodologi yang lain adalah kemampuannya melakukan
II. TINJAUAN PUSTAKA pengukuran dan sintesis sejumlah faktor-faktor dalam
A. Bantuan Siswa Miskin (BSM) hierarki atau jaringan[6]: Program Bantuan Siswa Miskin merupakan program Langkah-langkah Metode Analytical Network Process nasional yang bertujuan untuk membantu siswa miskin
1. Mendefinisikan masalah memperoleh akses pelayanan pendidikan yang layak,
2. Membuat matriks perbandingan berpasangan mencegah putus sekolah, menarik siswa miskin untuk
3. Menentukan nilai Eigenvector Nilai Eigen kembali bersekolah, membantu siswa memenuhi dihitung dengan rumus : kebutuhan dalam kegiatan pembelajaran, mendukung program Wajib Belajar Pendidikan Dasar Sembilan Tahun
= ∑ ∑ /
(bahkan hingga tingkat menengah atas), serta membantu Keterangan: kelancaran program sekolah.
X = eigenvector Melalui Program BSM ini diharapkan anak usia
Wij = nilai sel kolom dalam 1 baris (i,j = 1…..n) sekolah dari rumah-tangga/keluarga miskin dapat terus
∑Wj = jumlah total kolom bersekolah, tidak putus sekolah, dan di masa depan n = jumlah matriks yang dibandingkan diharapkan mereka dapat memutus rantai kemiskinan yang saat ini dialami orangtuanya. Program BSM juga
4. Memeriksa Rasio Konsistensi mendukung komitmen pemerintah untuk meningkatkan a. Mencari nilai maks angka partisipasi pendidikan di Kabupaten/Kota miskin maks = (nilai eigen1 x jumlah kolom1) + (nilai dan terpencil serta pada kelompok marjinal. eigen2 x kolom2)….n
Program ini bersifat bantuan langsung kepada siswa
b. Mencari Consistency Index (CI) dan bukan beasiswa, karena berdasarkan kondisi ekonomi
CI = (
maks – n)/(n - 1) siswa dan bukan berdasarkan prestasi (beasiswa) Keterangan : mempertimbangkan kondisi siswa, sedangkan beasiswa CI = Consistency Index diberikan dengan mempertimbangkan prestasi siswa. maks = nilai eigen terbesar
Penerima dana BSM meliputi siswa mulai dari tingkat n = jumlah matriks yang dibandingkan dasar hingga Perguruan Tinggi dengan besaran sebagai
c. Menentukan Consistency Ratio (CR) berikut :
CR = CI / RI
a. BSM SD & MI sebesar Rp 225.000 per semester atau Keterangan : Rp 450.000 per tahun.
CR = Consistency Ratio
b. BSM SMP/MTs sebesar Rp 375.000 per semester CI = Consistency Index atau Rp 750.000 per tahun RI = Random Index
c. BSM SMA/SMK/MA sebesar Rp 500.000 per
5. Membuat Supermatriks semester atau Rp 1.000.000 per tahun.
Ada 3 tahapan supermatriks yaitu sebagai berikut: Penerima dana BSM yang dikelola oleh Kementerian
a. Supermatriks tanpa bobot (Unweighted Super Pendidikan dan Kebudayaan merupakan siswa miskin dan
Matrix ), didapat dari nilai eigen vector yang
rentan pada Sekolah Dasar (SD), Sekolah Menengah telah dihitung sebelumnya pada matriks Pertama (SMP), Sekolah Menengah Atas (SMA) atau perbandingan antar node. Sekolah Menengah Kejuruan (SMK) negeri dan swasta
b. Supermatriks terbobot (Weighted Super yang telah memenuhi kriteria sesuai pedoman/petunjuk
Matrix ), dihitung dengan cara mengkalikan nilai
teknis yang dikeluarkan oleh Kementerian Pendidikan dan matriks unweighted super matrix dengan nilai Kebudayaan. nilai cluster matrix.
Penentuan Rekomendasi Penerima Bantuan Siswa Miskin (BSM) Menggunakan Metode Analytical Network Process
43 (Nur Lukman, Wina Srihartini Maulidiyah, Jumadi) INSIGHT Volume 1 No. 1 | April 2018 : 42-48 Supermatriks batas (Limitting Super Matrix), didapat dengan cara mengalikan nilai dari weighted super matrix dengan dirinya sendiri hingga tiap kolom pada satu baris pada matriks memiliki nilai yang sama.
III. FASE-FASE ANALYTICAL NETWORK PROCESS Analisis metode Analytical Network Process menjelaskan proses-proses yang terjadi untuk mencapai tujuan akhir yaitu perangkingan terhadap penerima BSM. Terdapat beberapa fase untuk mencapai perengkingan terhadap mahasiswa yang berhak mendapatkan bantuan BSM tersebut diantaranya:
Nilai RI untuk n=4 adalah 0.9, berdasarkan table berikut: Tabel 5. Nilai Random Index
12
1.32
7
2
1.51
11
1.24
6
1
Order Matriks RI Order Matriks RI Order Matriks RI
0.045 Selanjutnya menentukan CR dengan menentukan terlebih dahulu Random Index (RI).
3
4.135−4 4−1
Indeks konsistensi atau CI CI =
(4x0.275)+(5.5x0.198)+(7x0.140)+(2.5x0.387) = 4.135
Nilai maks :
K01 K02 K03 K04 eVector K01 0.250 0.364 0.286 0.200 0.275 K02 0.125 0.182 0.286 0.200 0.198 K03 0.125 0.091 0.143 0.200 0.140 K04 0.500 0.264 0.286 0.400 0.387
= 0.387 Tabel 4. Nilai eigen vector terhadap matriks perbandingan berpasangan kriteria A01
4
2.5
1
2 7+
1.48
0.58
A. Mendefinisikan Masalah dan Menentukan Kriteria Pada kasus ini terdapat lima kriteria yaitu siswa berasal dari keluarga kurang mampu, orangtua siswa penerima Kartu Perlindungan Sosial (KPS), orangtua termasuk Peserta Keluarga Harapan (PKH), dan siswa yatim/piatu/yatim piatu.
10
3. Alternatif A03 Sesuai dengan cara perhitungan Alternatif A03, maka didapatkan hasil akhir untuk nilai Eigen vector terhadap
K01 K02 K03 K04 eVector K01 0.400 0.500 0.364 0.286 0.387 K02 0.200 0.250 0.364 0.286 0.275 K03 0.200 0.125 0.182 0.286 0.198 K04 0.200 0.125 0.091 0.143 0.140
Tabel 6. Nilai eigen vector terhadap matriks perbandingan berpasangan kriteria A02
2. Alternatif A02 Sesuai dengan cara perhitungan Alternatif A02, maka didapatkan hasil akhir untuk nilai Eigen vector terhadap matriks perbandingan berpasangan kriteria A02 sebagai berikut:
= 0.050 Nilai konsisten karena CR < 0.1. Jika nilai CR > 0.1 maka tidak konsisten atau tidak memenuhi syarat maka matriks keputusannya harus diulang hingga nilai CR konsisten atau memenuhi syarat konsisten.
0.9
0.045
1.56 CR =
15
1.49
1.12
8
5
1.57
14
1.45
9
0.9
4
1.56
13
1.41
2 4+ 2 5.5+
= 0.140 Eigen vector baris keempat :
4
1
1
0.5
0.5
0.5 K03
2
1
0.5
0.5 K02
2
2
Tabel 3. Nilai perbandingan kriteria terhadap A01
2.5
1. Alternatif A01 Setelah mengetahui kriteria yang dimiliki oleh alternatif, langkah selanjutnya yaitu melakukan perbandingan kriteria terhadap alternatif.
Setelah mengetahui kriteria yang dimiliki oleh alternatif, langkah selanjutnya yaitu melakukan perbandingan kriteria terhadap alternatif untuk mencari nilai eigen vector sebagai berikut:
A01 v v v - A02 v v v v A03 v v - - A04 v - v - A05 v v v - A06 v - v - A07 v v v - A08 v v v - A09 v v v - A10 v v v -
Tabel 2. Kriteria yang dimiliki sample
Perbandingan berpasangan kriteria ini diimplementasikan dalam bentuk matrix yang berfungsi untuk mendapatkan nilai eigen vector dan melihat rasio perbandingan/Consistency Ratio (CR). Nilai diperoleh dari pengambil keputusan.
B. Membandingkan Kriteria Terhadap Setiap Node Alternatif
K04 Siswa yatim/piatu.
K02 Orangtua siswa penerima Kartu Perlindungan Sosial (KPS) K03 Orangtua termasuk Peserta Keluarga Harapan (PKH).
Kode Kriteria K01 Siswa berasal dari keluarga kurang mampu.
Tabel 1. Kriteria Penerima BSM
0.5 K01 K02 K03 K04
K04
2
2
0.5
1 7+
0.5 4 + 0.5 5.5+
= 0.198 Eigen vector baris ketiga :
4
2.5
0.5
2 7+
0.5 4 + 1 5.5+
= 0.275 Eigen vector baris kedua :
4
2.5
0.5
2 7+
1 4+ 2 5.5+
Eigen vector baris pertama :
2.5 Dari perbandingan tersebut maka dapat dihitung nilai eigen vector sebagai berikut:
7
5.5
4
1 Jumlah
2
K01 K02 K03 K04
K01 K02 K03 K04 K01
INSIGHT
Tabel 10. Nilai eigen vector terhadap matriks perbandingan berpasangan kriteria A06
K01 K02 K03 K04 eVector K01 0.182 0.286 0.125 0.200 0.198 K02 0.091 0.143 0.125 0.200 0.140 K03 0.364 0.286 0.250 0.200 0.275 K04 0.364 0.286 0.500 0.400 0.387
Tabel 13. Nilai eigen vector terhadap matriks perbandingan berpasangan kriteria A09
9. Alternatif A09 Sesuai dengan cara perhitungan Alternatif A09, maka didapatkan hasil akhir untuk nilai Eigen vector terhadap matriks perbandingan berpasangan kriteria A09 sebagai berikut:
K01 K02 K03 K04 eVector K01 0.182 0.286 0.125 0.200 0.198 K02 0.091 0.143 0.125 0.200 0.140 K03 0.364 0.286 0.250 0.200 0.275 K04 0.364 0.286 0.500 0.400 0.387
Tabel 12. Nilai eigen vector terhadap matriks perbandingan berpasangan kriteria A08
8. Alternatif A08 Sesuai dengan cara perhitungan Alternatif A08, maka didapatkan hasil akhir untuk nilai Eigen vector terhadap matriks perbandingan berpasangan kriteria A08 sebagai berikut:
K01 K02 K03 K04 eVector K03 0.125 0.091 0.143 0.200 0.140 K04 0.500 0.364 0.286 0.400 0.387
K01 K02 K03 K04 eVector K01 0.400 0.500 0.364 0.286 0.387 K02 0.200 0.250 0.364 0.286 0.275 K03 0.200 0.125 0.182 0.286 0.198 K04 0.200 0.125 0.091 0.143 0.140
ISSN 2620-5467 (Online) Penentuan Rekomendasi Penerima Bantuan Siswa Miskin (BSM) Menggunakan Metode Analytical Network Process (Nur Lukman, Wina Srihartini Maulidiyah, Jumadi)
C. Membandingkan Alternatif Terhadap Node Kriteria Setelah diperoleh nilai yang konsisten pada kriteria selanjutnya menentukan nilai perbandingan antar alternatif untuk setiap kriteria.
K01 K02 K03 K04 eVector K01 0.182 0.125 0.286 0.200 0.198 K02 0.364 0.250 0.286 0.200 0.275 K03 0.091 0.125 0.143 0.200 0.140 K04 0.364 0.500 0.286 0.400 0.387
6. Alternatif A06 Sesuai dengan cara perhitungan Alternatif A06, maka didapatkan hasil akhir untuk nilai Eigen vector terhadap matriks perbandingan berpasangan kriteria A06 sebagai berikut:
Tabel 14. Nilai eigen vector terhadap matriks perbandingan berpasangan kriteria A10
K01 K02 K03 K04 eVector K01 0.250 0.125 0.286 0.200 0.275 K02 0.364 0.182 0.286 0.200 0.198 K03 0.125 0.091 0.143 0.200 0.140 K04 0.500 0.364 0.286 0.400 0.387
Tabel 9. Nilai eigen vector terhadap matriks perbandingan berpasangan kriteria A05
5. Alternatif A05 Sesuai dengan cara perhitungan Alternatif A05, maka didapatkan hasil akhir untuk nilai Eigen vector terhadap matriks perbandingan berpasangan kriteria A05 sebagai berikut:
K01 K02 K03 K04 eVector K01 0.182 0.125 0.286 0.200 0.198 K02 0.364 0.250 0.286 0.200 0.275 K03 0.091 0.125 0.143 0.200 0.140 K04 0.364 0.500 0.286 0.400 0.387
Tabel 8. Nilai eigen vector terhadap matriks perbandingan berpasangan kriteria A04
4. Alternatif A04 Sesuai dengan cara perhitungan Alternatif A04, maka didapatkan hasil akhir untuk nilai Eigen vector terhadap matriks perbandingan berpasangan kriteria A04 sebagai berikut:
K02 0.091 0.143 0.125 0.200 0.140 K03 0.364 0.286 0.250 0.200 0.275 K04 0.364 0.286 0.500 0.400 0.387
0.182 0.286 0.125 0.200 0.198
K01 K02 K03 K04 eVector K01
matriks perbandingan berpasangan kriteria A03 sebagai berikut: Tabel 7. Nilai eigen vector terhadap matriks perbandingan berpasangan kriteria A03
Tabel 15. Nilai Perbandingan Alternatif terhadap K01
10. Alternatif A10 Sesuai dengan cara perhitungan Alternatif A10, maka didapatkan hasil akhir untuk nilai Eigen vector terhadap matriks perbandingan berpasangan kriteria A10 sebagai berikut:
A01 A02 A03 A04 A05 A06
K01 K02 K03 K04 eVector K01 0.250 0.125 0.286 0.200 0.275 K02 0.364 0.182 0.286 0.200 0.198
7. Alternatif A07 Sesuai dengan cara perhitungan Alternatif A07, maka didapatkan hasil akhir untuk nilai Eigen vector terhadap matriks perbandingan berpasangan kriteria A07 sebagai berikut:
45
A01 0.182
0.286 0.235 0.200 0.174 0.154
A02 0.091 0.143 0.235 0.200 0.174 0.154 A03 0.091 0.071 0.118 0.200 0.174 0.154 A04 0.091 0.071 0.059 0.100 0.174 0.154 A05 0.091 0.071 0.059 0.050 0.087 0.154 A06 0.091 0.071 0.059 0.050 0.043 0.077 A07 0.091 0.071 0.059 0.050 0.043 0.038 A08 0.091 0.071 0.059 0.050 0.043 0.038 A09 0.091 0.071 0.059 0.050 0.043 0.038 A10 0.091 0.071 0.059 0.050 0.043 0.038
Tabel 11. Nilai eigen vector terhadap matriks perbandingan berpasangan kriteria A07
INSIGHT Volume 1 No. 1 | April 2018 : 42-48 Tabel 16. Nilai Perbandingan Alternatif terhadap K02
A01 A02 A03 A04 A05 A06
KR03 0.1713 0.0581 0.0500 KR04 0.1479 0.1713 0.0500
A10
0.034 0.031 0.029 0.053 0.050 Tabel 17. Nilai Perbandingan Alternatif terhadap K03
A01 0.182 0.286 0.235 0.200 0.174 0.154 A02 0.091 0.143 0.235 0.200 0.174 0.154 A03 0.091 0.071 0.118 0.200 0.174 0.154 A04 0.091 0.071 0.059 0.100 0.174 0.154 A05
0.091 0.071 0.059 0.050 0.087 0.154
A06 0.091 0.071 0.059 0.050 0.043 0.077 A07 0.091 0.071 0.059 0.050 0.043 0.038 A08 0.091 0.071 0.059 0.050 0.043 0.038 A09 0.091 0.071 0.059 0.050 0.043 0.038 A10 0.091 0.071 0.059 0.050 0.043 0.038
Tabel 18. Nilai Perbandingan Alternatif terhadap K04
A01 0.182 0.286 0.235 0.200 0.174 0.154 A02 0.091 0.143 0.235 0.200 0.174 0.154 A03 0.091 0.071 0.118 0.200 0.174 0.154 A04 0.091 0.071 0.059 0.100 0.174 0.154 A05 0.091 0.071 0.059 0.050 0.087 0.154 A06 0.091 0.071 0.059 0.050 0.043 0.077 A07 0.091 0.071 0.059 0.050 0.043 0.038 A08 0.091 0.071 0.059 0.050 0.043 0.038 A09 0.091 0.071 0.059 0.050 0.043 0.038 A10 0.091 0.071 0.059 0.050 0.043 0.038 D.
Membuat Unweighted Supermatrix
Supermatriks tanpa bobot (Unweighted Supermatrix), didapat dari nilai eigen vector yang telah dihitung sebelumnya pada matriks perbandingan antar node.
Tabel 19. Unweighted Supermatrix Alternatif terhadap K02
KR01 0.4905 0.3119 0.1976 0.1397 0.0994 0.0874 0.0767 KR02 0.4905 0.3119 0.1976 0.1397 0.0874 0.1713 0.0767 KR03 0.4905 0.3119 0.1976 0.3873 0.0874 0.0767 0.0670 KR04 0.3119 0.4905 0.1976 0.3873 0.0994 0.1131 0.1290 A08 A09 A10 KR01 KR02 KR03 KR04 A01 0.2748 0.1981 0.1397 0.3873 A02 0.3873 0.2748 0.1981 0.1397 A03 0.1981 0.1397 0.2748 0.3873 A04 0.1981 0.2748 0.1397 0.3873 A05 0.2748 0.1981 0.1397 0.3873 A06 0.1981 0.2748 0.1397 0.3873 A07 0.2748 0.1981 0.1397 0.3873 A08 0.1981 0.1397 0.2748 0.3873 A09 0.2748 0.1981 0.1397 0.3873 A10 0.3873 0.2748 0.1981 0.1397 KR01 0.0670 0.0581 0.0500 KR02 0.0670 0.0581 0.0500
E. Membuat Weighted Supermatrix Supermatriks terbobot (Weighted Supermatrix) dihitung dengan cara mengalikan nilai matriks Unweighted
A09
super matrix dengan nilai nilai cluster matrix.
Tabel 20. Weighted Supermatrix
KR01 0.4905 0.3119 0.1976 0.1397 0.0994 0.0874 0.0767 KR02 0.4905 0.3119 0.1976 0.1397 0.0874 0.1713 0.0767 KR03 0.4905 0.3119 0.1976 0.3873 0.0874 0.0767 0.0670 KR04 0.3119 0.4905 0.1976 0.3873 0.0994 0.1131 0.1290 A08 A09 A10 KR01 KR02 KR03 KR04 A01 0.2748 0.1981 0.1397 0.3873
A02 0.3873 0.2748 0.1981 0.1397
A03 0.1981 0.1397 0.2748 0.3873
A04 0.1981 0.2748 0.1397 0.3873
A05 0.2748 0.1981 0.1397 0.3873
A06 0.1981 0.2748 0.1397 0.3873
A07 0.2748 0.1981 0.1397 0.3873
A08 0.1981 0.1397 0.2748 0.3873
A09 0.2748 0.1981 0.1397 0.3873
A01 0.118 0.200 0.174 0.071 0.154 0.091 A02 0.059 0.100 0.174 0.071 0.154 0.091 A03
0.034 0.031 0.057 0.105 0.058
0.034 0.063 0.114 0.105 0.067
A08
0.235 0.050 0.087 0.071 0.154 0.091
A04
0.059 0.200 0.174 0.143 0.154 0.091
A05
0.059 0.050 0.043 0.071 0.077 0.091
A06
0.235 0.200 0.174 0.286 0.154 0.182
A07
0.059 0.050 0.043 0.071 0.038 0.091
A08
0.059 0.050 0.043 0.071 0.038 0.091
A09
0.059 0.050 0.043 0.071 0.038 0.091
A10
0.069 0.125 0.114 0.105 0.077
A07
0.138 0.125 0.114 0.105 0.171
A06
0.138 0.125 0.114 0.105 0.087
A05
0.138 0.125 0.114 0.105 0.148
A04
0.138 0.125 0.114 0.105 0.099
A07 A08 A09 A10 eVector A01 0.138 0.125 0.114 0.105 0.129 A02 0.138 0.125 0.114 0.105 0.113 A03
0.059 0.050 0.043 0.071 0.038 0.091
A01 A02 A03 A04 A05 A06
A01 A02 A03 A04 A05 A06 A07 A01 A02 A03 A04 A05 A06 A07 A08 A09 A10
A01 A02 A03 A04 A05 A06
A01 A02 A03 A04 A05 A06 A07 A01
INSIGHT
A01 A02 A03 A04 A05 A06 A07 A01
0.0232 0.0232 0.0232 0.0232 0.0232 0.0232 0.0232 A08
H. Perancangan Sistem
1. Usecase Diagram Usecase digunakan untuk memodelkan sistem dan menjelaskan bentuk khusus dari fungsi yang diinginkan oleh sistem tersebut:
Gambar 1. Usecase Diagram
2. Class Diagram Class Diagram menggambarkan keadaan suatu sistem (atribut) dan memberikan pelayanan untuk menyelesaikan keadaan tersebut (model)
0.0506 0.0506 0.0506 0.0506 0.0506 0.0506 0.0506
0.0242 0.0242 0.0242 0.0242 0.0242 0.0242 0.0242 KR04
0.0256 0.0256 0.0256 0.0256 0.0256 0.0256 0.0256 KR03
0.0301 0.0301 0.0301 0.0301 0.0301 0.0301 0.0301 KR02
0.0286 0.0286 0.0286 0.0286 0.0286 0.0286 0.0286 KR01
0.0232 0.0232 0.0232 0.0232 0.0232 0.0232 0.0232 A10
0.0179 0.0179 0.0179 0.0179 0.0179 0.0179 0.0179 A09
0.0179 0.0179 0.0179 0.0179 0.0179 0.0179 0.0179 A07
A01 v v v - 0,023214 A05 v v v - 0,023214 A04 v - v - 0,017857 A08 v v - - 0,017857 A03 v v - - 0,017857 A06 v - v - 0,017857
0.0232 0.0232 0.0232 0.0232 0.0232 0.0232 0.0232 A06
0.0179 0.0179 0.0179 0.0179 0.0179 0.0179 0.0179 A05
0.0179 0.0179 0.0179 0.0179 0.0179 0.0179 0.0179 A04
0.0286 0.0286 0.0286 0.0286 0.0286 0.0286 0.0286 A03
0.0232 0.0232 0.0232 0.0232 0.0232 0.0232 0.0232 A02
Tabel 21. Limit Supermatrix
F. Membuat Limit Supermatrix Supermatriks batas (Limit Supermatrix) didapat dengan cara mengalikan nilai dari weighted super matrix dengan dirinya sendiri hingga tiap kolom pada satu baris pada matriks memiliki nilai yang sama.
KR04 0.1479 0.1713 0.0500
KR03 0.1713 0.0581 0.0500
KR02 0.0670 0.0581 0.0500
KR01 0.0670 0.0581 0.0500
ISSN 2620-5467 (Online) Penentuan Rekomendasi Penerima Bantuan Siswa Miskin (BSM) Menggunakan Metode Analytical Network Process (Nur Lukman, Wina Srihartini Maulidiyah, Jumadi)
A08 A09 A10 KR01 KR02 KR03 KR04 A01
0.0301 0.0232 0.0232 0.0232 0.0232 0.0232 0.0232 A08
Alternatif K01 K02 K03 K04 Nilai Prioritas A10 v v v v 0,028571 A02 v v v v 0,028571 A09 v v v - 0,023214 A07 v v v - 0,023214
47 A01 A02 A03 A04 A05 A06 A07 A10 0.3873 0.2748 0.1981 0.1397
Gambar 3. Interface Beranda
1. Beranda Memperlihatkan keterangan dari program Bantuan Siswa Miskin dan cara penggunaan.
I. Perancangan Sistem
Gambar 2. Class Diagram
0.0232 0.0232 0.0232 0.0232 0.0232 0.0232 0.0232 A02
0.0179 0.0286 0.0286 0.0286 0.0286 0.0286 0.0286 A03
0.0232 0.0179 0.0179 0.0179 0.0179 0.0179 0.0179 A04
0.0179 0.0179 0.0179 0.0179 0.0179 0.0179 0.0179 A05
0.0286 0.0179 0.0179 0.0179 0.0179 0.0179 0.0179 A07
Tabel 22. Hasil Akhir Perhitungan Metode ANP
0.0256 0.0179 0.0179 0.0179 0.0179 0.0179 0.0179 A09
Network Process diurutkan dari siswa yang memiliki nilai prioritas paling tinggi yaitu sebagai berikut.
Hasil akhir dari perhitungan metode Analytical
maka dapat diperoleh hasil akhir untuk menentukan siswa yang berhak untuk diajukan sebagai calon penerima Bantuan Siswa Miskin dengan mngurutkan dari siswa yang memiliki nilai prioritas paling tinggi.
supermatrix, weight supermatrix , dan limit supermatrix
G. Hasil Akhir Perhitungan Metode ANP Setelah membuat nilai untuk tabel unweight
0.0506 0.0506 0.0506 0.0506 0.0506 0.0506 0.0506
0.0242 0.0242 0.0242 0.0242 0.0242 0.0242 0.0242 KR04
0.0256 0.0256 0.0256 0.0256 0.0256 0.0256 0.0256 KR03
0.0301 0.0301 0.0301 0.0301 0.0301 0.0301 0.0301 KR02
0.0506 0.0286 0.0286 0.0286 0.0286 0.0286 0.0286 KR01
0.0242 0.0232 0.0232 0.0232 0.0232 0.0232 0.0232 A10
0.0232 0.0232 0.0232 0.0232 0.0232 0.0232 0.0232 A06 INSIGHT Volume 1 No. 1 | April 2018 : 42-48
2. Data Kriteria
V. REFERENSI [1]
S. D. Syafri Arti, Irawan Suntoro, “Implementasi Dalam halaman ini admin dapat mengelola data kriteria
Kebijakan Bantuan Siswa Miskin (BSM) dalam seperti menambah, mengubah atau menghapus kriteria Memberikan Layanan Pendidikan Bagi Siswa Miskin penerima Bantuan Siswa Miskin. Halaman ini di SMP Islam Ibnurusyd Kecamatan Lampung Utara,” menampilkan tabel data yang berisi kode kriteria dan nama
J. Manaj. Mutu Pendidik. , vol. 3, no. 1, 2015.
kriteria.
[2]
F. Zahra, B. H. Purnomo, and N. Kuswardhani, “PENERAPAN METODE ANP ( ANALYTIC NETWORK PROCESS ) DALAM RANGKA
- – SELEKSI PEMASOK DAUN TEMBAKAU NA OOGST DI KOPERASI AGROBISNIS TARUTAMA NUSANTARA
- – JEMBER,” vol. 9, no. 1, pp. 9–23, 2015.
[3] Gambar 4. Interface Data Kriteria “The Analytic Hierarchy Process (AHP) and the
Analytic Network Process (ANP) for Decision Making.”
3. Data Alternatif Dalam halaman ini admin dapat mengelola data
[4] M. Irfan, “IMPLEMENTASI TECHNOLOGY alternatif seperti menambah, mengubah atau menghapus ACCEPTANCE MODEL UNTUK MENGUKUR kriteria penerima Bantuan Siswa Miskin.
PENERIMAAN GURU TERHADAP INOVASI PEMBELAJARAN (Studi Kasus Model Pembelajaran CBR Di SMK) Yana,” ISTEK, vol. X, no. 2, pp. 1–18, 2017.
[5] S. Khosyi’Ah, M. Irfan, D. S. Maylawati, and O. S.
Mukhlas, “Analysis of Rules for Islamic Inheritance Law in Indonesia Using Hybrid Rule Based Learning,” in IOP Conference Series: Materials Science and
Engineering , 2018, vol. 288, no. 1.
[6] M. EDNI, “Sistem Pendukung Keputusan Pemilihan
Gambar 5. Interface Data Siswa Karyawan Terbaik Menggunakan Metode Analytic Network Process
(ANP),” Universitas Islam Negeri
4. Hasil Seleksi Sultan Syarif Kasim Riau, 2013.
Merupakan implementasi tampilan antarmuka hasil seleksi data yang telah diproses menggunakan metode [7]
I. Septiana, M. Irfan, and A. R. Atmadja, “Sistem Pendukung Keputusan Penentu Dosen Penguji Dan Analytical Network Process . Pembimbing Tugas Akhir Menggunakan Fuzzy Multiple Attribute Decision Makingdengan Simple Additive Weighting (Studi Kasus: Jurusan Teknik Informatika Uin Sgd Ban dung),” J. Online Inform., vol. 1, no. 1, pp. 43 –50, 2016.
[8]
D. Setiawati, I. Taufik, Jumadi, and W. Z. Budiawan, “Klasifikasi Terjemahan Ayat Al-Quran Tentang Ilmu Sains Menggunakan Algoritma Decision Tree Berbasis Mobile,” J. Online Inform., vol. 1, no. 1, pp. 24–27, 2016.
Gambar 6. Interface Hasil Seleksi
IV. KESIMPULAN Metode Analytical Network Process dapat digunakan untuk memilih siswa yang berhak menerima Bantuan
Siswa Miskin (BSM) dengan melakukan perbandingan antar kriteria dan alternatif.
Penerapan metode ANP dalam penentuan penerima BSM merupakan metode yang dapat diterapkan karena mempunyai nilai kepentingan kriteria yang saling terkait dan saling mempengaruhi. Naik turunnya sebuah nilai dipengaruhi oleh perubahan salah satu nilai dari kriteria atau subkriteri..
Dengan dibangunnya sistem pendukung keputusan ini dapat membantu sekolah dalam merekomendasikan siswa yang berhak menerima program Bantuan Siswa Miskin.